摩尔AI编程创新；马斯克收购xAI；软银英特尔合作；苹果语音技术提速 | 2月04日互联网日报

摩尔线程上线AI Coding Plan智能编程服务

2月3日，摩尔线程发布了基于国产GPU的AI编程服务，尽管这标志着在国产算力领域的突破，但公司股价下跌2.65%，创上市新低。同时，公司预计2025年净利润将亏损95,000万元至106,000万元。虽然人工智能产业发展推动其收入与毛利增长，但摩尔线程仍面临高研发投入和未盈利用挑战。在“卡脖子”技术领域，政策支持力度加大或可助力行业突破。

突发！马斯克大动作！SpaceX收购xAI，更是太空AI的野心开局

当地时间2月2日，埃隆·马斯克麾下的SpaceX宣布收购其旗下人工智能公司xAI，两家公司合并旨在解决各自业务短板。xAI面临资金紧张和监管调查问题，而SpaceX则希望整合xAI的AI技术以推进太空数据中心计划。该项目目标是在太空构建低成本AI计算基础设施，但面临卫星发射难度、轨道拥挤等挑战。此外，合并可能引发更多监管审查和垄断担忧。

腾讯姚顺雨团队揭示大模型瓶颈

腾讯混元研究团队发现，现有的大语言模型在从上下文中学习新知识方面存在显著瓶颈，成功率仅为17.2%。这些模型主要依赖预训练阶段的静态记忆，而无法动态吸收新的信息。这表明忽略或误用上下文是导致任务失败的主要原因。长上下文处理及指令遵循虽然重要，但不足以解决此问题。当前模型在归纳推理任务中的表现尤为差，这对大模型在真实场景中的应用形成挑战。

软银英特尔联手搞事！AI存储技术要迎来大升级了

近日，软银集团宣布其子公司Saimemory与英特尔签署合作协议，共同推进下一代存储技术Z-Angle Memory的商业化。然而，目前市场对AI存储的需求已远超供应能力，内存供应链出现明显短缺。英特尔CTO Joshua Fryman表示，现有内存架构无法满足AI发展的需求，并指出新技术将降低功耗和生产成本。这一情况反映了行业在应对高能耗挑战方面的困难。

蚂蚁推出“AI Credit”特别激励方案；特斯拉最新人形机器人2026年底前启动量产

快手近日发布公告，将对“AI 魔改”视频展开常态化治理。自2026年1月1日起，快手重点打击对经典影视、动画作品恶意篡改的行为。在为期一个月的专项治理期间，共处置违规内容5576条，并警告教育账号11个。此举标志着快手持续加大对不当内容的监管力度，以维护平台内容的真实性与版权保护。

印奇挂帅后，阶跃星辰最强开源模型登场！六大AI芯片已适配

阶跃星辰发布Step 3.5 Flash模型，该模型在智能密度及推理速度方面表现优异，但仍存在智能Agent能力不足的问题。在BrowseComp测试中，仅次于kimi K2.5，而在xbench-DeepSearch测试中也未能超越GPT-5.2 xhigh。此外，尽管其支持多智能体架构优化，本地端执行流程的复杂性仍是一个挑战。总体来看，Step 3.5 Flash面临技术迭代空前加速的压力，以实现对智能体任务的更强支持。

腾讯首席AI科学家姚顺雨入职后首发研究成果

2月3日，腾讯混元团队在技术博客发表研究成果，揭示当前语言模型在从 Context 中学习方面的不足。尽管前沿模型能解决复杂问题，但未能胜任真实世界的动态任务。为评估这一差距，姚顺雨领导团队开发了 CL-bench 基准，该基准测试模型在四种现实场景中从 Context 中学习新知识的能力。结果显示，最先进的 GPT-5.1 模型仅完成23.7%的任务，表明当前模型几乎不会从 Context 中学习。

雷军官宣小米多篇最新研究成果成功入选ICLR 2026国际顶级会议

近日，小米创始人兼CEO雷军宣布，公司多项研究成果被ICLR 2026接纳，涉及多模态推理、强化学习和自动驾驶等领域。这些研究揭示了当前技术面临的几个挑战：如强化学习中的优势坍缩和轨迹沉默问题导致训练效率低下，以及现有GUI Agent在高质量思考样本稀缺情况下难以获得稳定性能。虽然这些前沿研究已取得一定突破，但仍需关注解决方案的实际落地性及其在复杂环境中的表现。

OpenAI奥尔特曼：英伟达AI芯片世界最棒，希望长期成为其大客户

OpenAI首席执行官萨姆・奥尔特曼在X平台上表示OpenAI高度评价英伟达的人工智能芯片，希望继续保持长期合作关系。他否认关于OpenAI寻找英伟达替代方案的传言。此前有报道称，英伟达拟向OpenAI投资1000亿美元的计划陷入停滞，并且谈判已拖延数月。与此同时，OpenAI与AMD达成了多项协议。英伟达首席执行官黄仁勋也对有关紧张关系的报道进行了驳斥，称这些说法毫无根据。

苹果公布PCG技术：质量零妥协、AI语音生成提速40%

苹果公司与特拉维夫大学合作，引入“原则性粗粒度”（PCG）技术，以加快AI文本转语音的生成速度。该方法通过建立声学相似组，允许略微不同的声学token在输出中被接受，从而提升生成效率。虽然PCG提高了约40%的速度，但未降低音频质量。测试显示，即使大量替换语音token，人耳也几乎无法察觉差异。这一优化无需重新训练现有模型，仅需37MB额外内存。