其他
1, 微软Q2业绩会实录：大部分投入资本周期已通过合同锁定
微软本季度营收达812.73亿美元，同比增长17%，净利润增长60%至384.58亿美元。亮眼业绩背后，是其对AI基础设施的前瞻性、系统性投入——近400亿美元资本支出中，超三分之二用于Azure GPU与CPU集群建设，且绝大部分产能已通过长期合同锁定，其中45%来自OpenAI的大额Azure服务采购承诺。这并非单纯烧钱，而是将硬件投资转化为可预期的收入流与客户终身价值（LTV）组合：自研Copilot系列应用拉动内部算力需求，第三方客户贡献稳定云营收，而Maia 200等自研芯片则在提升推理效率的同时，强化了全栈成本控制能力。当行业还在为AI投入的ROI焦虑时，微软已用合同与产品矩阵构筑起一条从技术到现金流的确定性路径。
2, Meta Q4营收超预期录得599亿美元
Meta第四季度营收达598.9亿美元，同比增长24%，远超市场预期；净利润227.7亿美元，运营利润率维持在40%以上高位。强劲表现源于AI对核心广告业务的深度赋能：AI推荐算法显著提升广告展示量与单价，推动广告业务日活用户达35.8亿；Reality Labs虽仍处投入期，但战略重心已从VR硬件转向AI智能眼镜等更具商业化潜力的终端。其高达1150亿至1350亿美元的2026年资本开支指引，并非盲目扩张，而是以‘前置部署’应对算力短缺风险，用广告业务产生的充沛自由现金流为AI未来奠基——这是一种罕见的、由内生造血支撑的激进进化，而非依赖外部输血的豪赌。
3, 特斯拉：Q4净利润8.4亿美元，同比下降61%
特斯拉第四季度净利润为8.4亿美元，同比下滑61%，全年净利润37.94亿美元，同比下降46%。这一数字背后，是公司战略重心的主动迁移：Model S/X产线将逐步关停，资源全面转向Optimus人形机器人量产；FSD订阅模式成为新增长引擎，Robotaxi服务正加速向美国七大城市扩展。短期财务承压，反映的是其将利润再投资于下一代技术的决心——当汽车交付量下降16%时，能源业务营收却增长25%，服务及其他业务增长18%，xAI投资20亿美元，无不指向一个事实：特斯拉正从一家电动汽车公司，蜕变为一家以自动驾驶和具身智能为核心能力的AI基础设施公司。财报数字的起伏，恰是其面向未来的结构性转身。
4, 豆包手机卷土重来：从「被围剿」，到「反围剿」
豆包手机初代因绕过API直取系统权限，遭主流APP联合封禁而受挫；如今其二代策略已悄然升级：不再孤军突进绑定单一机型，而是以软件形态切入‘Others’手机阵营，通过预装入口实现规模化渗透；同时与美团、滴滴等关键平台谈判开放权限，在‘系统级GUI Agent’与‘生态级API合作’间寻求平衡。其野心远不止于一部手机——从眼镜、耳机到未来所有硬件，豆包的目标是让AI模型能力成为标准配置与交互入口。当用户习惯于对眼镜说一句指令便完成任务，这种更自然的人机交互所形成的生态粘性，其价值远超单个硬件产品的成败，它正在重新定义AI时代的入口权。
5, 杰兰路发布2025年度新能源汽车品牌质量榜单，问界第一
问界在杰兰路2025新能源汽车质量榜单中位列第一，其优势并非来自单一维度的极致参数，而是智能化体验的系统性稳定：鸿蒙智能座舱的流畅度与生态协同、ADS高阶辅助驾驶在复杂路况下的可靠性，共同构成了用户可感知的‘好用’。这背后是华为技术体系的深度整合能力——将软件、算法、硬件、服务熔铸为统一体验。当行业还在比拼三电性能时，问界已将竞争焦点拉至更高维度：不是车好不好开，而是车懂不懂你。M9连续20个月蝉联50万以上豪华SUV销冠，印证了用户对这种‘以人为核心’的智能体验的高度认可。
6, 银河通用✖清华|给机器人赋能“避障天赋”，像成龙一样在你家里灵活穿梭！
清华大学与银河通用团队研发的HumanoidPF技术，为机器人赋予了类似人类的‘避障直觉’。它摒弃了传统强化学习依赖碰撞试错的低效路径，转而构建一套连续的‘人形势能场’，将障碍物与目标点编码为无形的‘吸引力’与‘排斥力’，引导机器人自主选择安全路径。在真实家居场景测试中，机器人能自如完成弯腰躲吊灯、抬腿跨书本、侧身挤窄缝等复合动作。这项突破的价值在于，它让避障从一项需要反复训练的‘技能’，升维为一种无需编程、可即插即用的‘本能’，为人形机器人真正融入千家万户的日常生活，铺设了一条通往实用主义的坚实路径。
7, 把「可升级」藏进模块化里，玄景AI眼镜告别「迭代吃灰」
玄景M6系列AI眼镜以‘磁吸模块化’设计打破行业困局：基础款M6 Air专注影像拍摄，用户可按需叠加Mini Air显示模块，实现从语音导航到视频播放的功能跃迁。这种设计并非简单拼接，而是重构了用户与产品的生命周期关系——升级全彩模块仅需支付整机价格的30%，设备寿命从14个月延长至3年以上。其核心逻辑是‘一次购买，永续升级’，将硬件迭代的刚性成本，转化为按需付费的柔性服务。当行业还在轻量化竞赛中陷入‘轻、强、长’的不可能三角时，玄景选择用模块化思维，将用户的选择权与掌控感，还给了用户本身。
8, 上交大 SciMaster 团队新作：一个「AI 物理博士」的诞生
上海交通大学SciMaster团队研发的PHYSMASTER系统，标志着AI正从科研‘助手’迈向‘协作者’乃至‘研究者’。它并非仅能回答物理问题，而是能独立完成建模、推导、代码实现、数值实验、误差分析的完整科研闭环。在五个真实物理任务中，它从加速成熟工作流（如提取Collins–Soper kernel），到自动化复杂研究（如计算量子相变临界点），再到尝试自主探索开放问题（如粲介子衰变），层层递进。其价值不在于替代人类，而在于将科研中最耗时的重复工程劳动压缩数倍，让人类科学家得以将精力聚焦于提出方向与判断真伪——AI在此刻，成为了人类智慧最忠实的延伸。
9, 清华教授翟季冬：Benchmark正在「失效」，智能路由终结大模型选型乱象
清华教授翟季冬指出，当前大模型Benchmark高分与真实体验常存在巨大落差，根源在于服务商为降本而进行的‘阉割式’量化及算力部署位置差异。清程极智推出的AI Ping智能路由，正是为解决这一‘选择悖论’：它系统性评测国内数十家MaaS供应商的同款模型在延迟、吞吐、价格上的真实表现，并依据用户任务类型（写小说/查天气/解难题）精准匹配最优模型。这本质上是在构建算力领域的‘大众点评’，其终极目标并非选出‘最强’模型，而是帮用户找到‘最恰当’的模型，让昂贵的大模型处理复杂指令，轻量小模型应付日常任务，从而在成本与效率间达成真正的最优解。
10, PPIO创始人姚欣：闲置率高达八成的国产GPU，如何盘活成“真算力”？|智算想象力十人谈
PPIO创始人姚欣将目光投向了国产GPU高达80%的闲置率。其破局思路并非参与火热的算力贸易，而是做‘分布式算力’的整合者：汇聚游戏显卡、退役A100、甚至大量未被充分利用的国产GPU，将其token化并接入推理平台。这不仅是技术方案，更是一种价值观选择——‘价值创造’优于‘套利投机’。当行业追逐H100时，PPIO聚焦推理场景，用闲置资源提供极致性价比；当巨头押注集中式算力时，PPIO深耕碎片化、异构化的分布式网络。其成功证明，真正的算力革命，未必始于最尖端的芯片，而可能始于对每一块被遗忘的GPU的重新发现与激活。
本文由互联网行业信息家-AI助手发布，信息来源于2026/1/29热搜，如侵权请联系983171730@qq.com，请附带证明材料将第一时间删除！
互联网大厂就看--->互联网行业信息家