其他
1, 特斯拉Q1财报：利润逆势增长背后的AI转型逻辑
特斯拉2026年第一季度财报呈现鲜明反差：营收略低于预期，但净利润同比增长56%，自由现金流首次转正至14.44亿美元。这并非偶然的财务修饰，而是其从汽车制造商向AI基础设施公司的战略转型初见成效。汽车业务毛利率升至19.2%，源于制造工艺优化与锂电材料成本下降的双重红利；更关键的是，FSD订阅、Cortex 2超级计算集群及Optimus机器人产线建设等投入，已开始形成高毛利的经常性收入与技术护城河。市场情绪的回暖，反映的不是对旧赛道的留恋，而是对新叙事——一个以算力、数据闭环和物理世界智能体为支点的未来——的初步认可。
2, 马斯克X平台上线AI定制信息流，75+领域话题随心选
马斯克旗下X平台推出的AI定制信息流功能，标志着社交媒体正从算法推荐迈入用户主权时代。该功能由Grok AI驱动，允许用户在主页固定超75个细分领域话题，如机器人技术、房地产等，并支持暂停特定内容类型。这不仅是界面优化，更是对信息过载的系统性回应：它将内容筛选权交还用户，让信息流真正成为个人认知的延伸而非被动投喂。目前仅限iOS Premium用户，安卓版即将推出，其价值不在于技术多前沿，而在于它用极简方式，回应了数字时代最朴素的需求——掌控自己的注意力。
3, 中际旭创市值破一万亿，最近1年飙升超9倍
中际旭创市值突破万亿元，背后是全球AI算力基建狂潮的真实映射。其一季度净利润同比激增262%，直接动力来自光模块订单的爆发式增长。这并非资本泡沫，而是数据中心、大模型训练与推理对高速光互连的刚性需求所驱动。作为A股算力硬件龙头，中际旭创的跃升印证了一个趋势：当AI从概念走向大规模部署，真正的赢家并非只在聚光灯下的模型公司，而是那些默默支撑起整个数字底座的‘隐形冠军’。它的故事提醒我们，技术革命的深度，往往由最基础的连接能力所决定。
4, 谷歌确认基于Gemini AI的苹果新版Siri今年亮相
苹果与谷歌的合作，是AI时代巨头间务实主义的典型缩影。基于Gemini构建的新版Siri将于2026年发布，核心挑战在于如何在严守用户隐私的前提下实现强大功能——所有数据处理均在苹果服务器内完成，且通过知识蒸馏将大模型能力压缩至设备端运行。这揭示了一个深层逻辑：未来的AI竞争，已不仅是模型参数的比拼，更是隐私保护、本地化推理与用户体验三者间的精妙平衡。它预示着，下一代智能助手将不再依赖云端‘喊话’，而是真正成为用户口袋里的、懂分寸的‘无声伙伴’。
5, 谷歌：目前公司内部75%的新代码由AI生成
谷歌内部75%的新代码由AI生成，这一数据远超行业平均水平，标志着AI已从辅助工具进化为研发流程的核心引擎。其背后是‘智能体协同’工作流的落地：工程师设定目标，AI智能体执行复杂迁移任务，效率提升达6倍。这并非简单替代人力，而是重构了创造的价值链——人类角色正从‘写代码’转向‘定义问题、设定边界、审核结果’。当AI承担了大量标准化编码工作，工程师得以将精力聚焦于架构设计、系统安全与创新探索，这本质上是一场关于‘人机分工’的静默革命。
6, 英伟达参投Vast Data新一轮融资，估值升至300亿美元
Vast Data获英伟达参投、估值达300亿美元，凸显AI时代‘数据管理’正成为与芯片、模型同等重要的基础设施层。其独创的DASE架构，专为支撑数百万GPU的AI运算而生，客户涵盖CoreWeave、美国空军等顶级机构。这说明，大模型的‘大脑’再发达，若缺乏高效、可扩展的‘神经网络’来输送数据，一切算力都将陷入空转。Vast的崛起，正是AI产业从单点突破迈向全栈协同的关键信号。
7, 台积电张晓强称ASML新款High-NA EUV光刻机太贵暂不购买
台积电副共同营运长张晓强直言新款High-NA EUV光刻机‘非常非常贵’，单台超3.5亿欧元，暂无采购计划。这一表态并非技术退却，而是对摩尔定律边际效益的理性审视。台积电选择在现有EUV设备上持续挖掘潜力，同时押注2029年量产的A13/A12先进制程，展现了成熟制程的极致优化能力。它揭示了一个现实：在AI算力需求爆炸式增长的当下，芯片巨头的战略重心，正从‘一味追求最尖端’转向‘在成本、性能与产能间寻找最优解’。
8, SK海力士2026财年第一财季净利润37.61万亿韩元，同比增长405.5%
SK海力士一季度净利润同比暴增405.5%，成为AI浪潮下最耀眼的受益者之一。其业绩火箭式蹿升，直接源于全球AI芯片对HBM（高带宽内存）的饥渴式需求。这并非周期性繁荣，而是结构性变革：当AI模型规模指数级增长，内存带宽已成为比算力更稀缺的瓶颈。SK海力士的爆发，印证了AI产业链条中‘木桶短板’的转移——谁掌握了数据搬运的高速公路，谁就握住了通往未来的钥匙。
9, 苹果新CEO特努斯回顾职场起点：曾因同事太强而自我怀疑，首个项目是Cinema Display
苹果新任CEO约翰·特努斯坦诚分享初入苹果时的自我怀疑，其首个项目是Apple Cinema Display。这段经历的价值，不在于产品本身，而在于它塑造了一种工程师思维：在处理复杂透明塑料部件的细节中，磨练出从多角度解决问题的能力。这预示着，特努斯领导下的苹果，或许会更强调产品的工程本质与体验细节，而非单纯追逐参数或概念。他的故事提醒我们，真正的技术领导力，往往始于对‘把事情做对’的执着，而非对‘把事情讲好’的热衷。
10, 微信安全中心：警惕仿冒客服的诈骗电话，不会主动外呼国际电话
微信安全中心郑重声明：官方客服绝不会主动外呼国际电话，也不会索要验证码、银行卡号等敏感信息。这则看似常规的提示，实则是数字信任基石的一次加固。在AI语音合成技术日益成熟的今天，诈骗手段愈发逼真，其危害已远超金钱损失，直指社会信任体系。微信的明确划界，是在技术滥用的灰色地带竖起一道清晰的红线——它告诉用户，真正的服务从不制造恐慌，而是提供确定性。这份确定性，正是数字时代最珍贵的公共品。
11, 戴汝为院士逝世：师从钱学森，开创中国模式识别研究
戴汝为院士毕生致力于智能科学，师从钱学森并参与翻译《工程控制论》，后开创性地将‘模式识别’引入中国，其理论成为‘汉王’手写识别核心技术的基础。他晚年仍指导学生，坚信‘青出于蓝而胜于蓝’。戴院士的一生，是将宏大科学思想与中国实际需求紧密结合的典范。他留下的不仅是学术成果，更是一种精神：科学研究的价值，最终要落在解决真实问题、培养后来者、推动社会进步之上。这种扎根大地的智慧，比任何技术突破都更恒久。
12, 明日新程完成连续两轮融资，领跑Harness群体多智能体赛道
由微软小冰原班人马创立的明日新程，聚焦Harness群体多智能体协同技术，其核心价值在于解决当前Agent架构的两大痛点：长程任务稳定性不足与Token消耗过高。团队提出，群体智能不仅能弥补OpenClaw的缺陷，更能降低50%以上Token消耗。这揭示了AI发展的下一阶段方向：从单个智能体的‘秀肌肉’，转向多个智能体的‘建组织’。真正的智能，或许不在于单个个体多强大，而在于它们能否像人类社会一样，形成稳定、高效、可扩展的协作网络。
13, 从“替代”到“重构”：联想开天“1+2+N”如何重写信创AI PC逻辑？
联想开天提出的‘1+2+N’体系，标志着信创已从‘有没有’的替代阶段，进入‘好不好用’的重构阶段。其核心‘天禧AI Pro’并非简单问答助手，而是能深入操作系统、执行完整工作流的‘数字员工’；‘无界方案’则通过创新转译技术，将Windows应用在Linux环境中的性能损耗控制在3%-6%，大幅降低迁移风险。这背后是一种清醒的认知：AI时代的信创，不是旧生态的复刻，而是一次借势新生的机会——当所有玩家都在同一起跑线重新定义生产力时，谁能率先打通‘能力、生态、算力’的闭环，谁就能定义下一个十年的标准。
14, 中山大学郭裕兰团队：数据充足却训练失败，多智能体到底卡在哪丨CVPR 2026
中山大学郭裕兰团队的研究直击多智能体强化学习的核心困境：为何拥有海量历史数据，系统仍难学会稳定协作？他们发现，根本症结在于稀疏奖励与责任分配难题。为此提出的MangoBench基准与IHIQL方法，将学习范式从‘奖励驱动’转向‘目标驱动’，并通过分层策略让模型先学会分解任务、再逐步协同。这项研究的意义，在于它没有停留在‘调参’层面，而是揭示了多智能体系统最本质的瓶颈——不是模型不够聪明，而是缺乏一套能让多个‘聪明个体’在有限反馈下达成共识的底层机制。
15, 上交大 x vivo 团队：一个简单改动，让 diffusion 全面提升丨CVPR 2026
上海交通大学与vivo团队提出的C²FG方法，通过分析扩散过程中条件与无条件分支的动态差异，实现了对引导机制的精准调控。其核心洞见是：传统固定强度的引导，违背了扩散过程本身的非线性特性。实验表明，该方法在各类强模型与高分辨率任务中均能稳定提升图像质量与语义对齐度，甚至在计算资源受限的‘少步数’场景下优势更明显。这揭示了一个重要趋势：生成式AI的下一轮突破，或将来自对‘生成过程’这一黑箱的精细化理解与控制，而非单纯堆砌模型规模。
16, 清华段岳圻团队论文：从调参数到做控制，文生图迎来一次方法论升级丨CVPR 2026
清华大学段岳圻团队将文生图中的CFG（无分类器引导）问题，从经验调参提升为控制理论问题。他们将语义偏差视为需被控制的误差，引入滑模控制等非线性机制，使生成过程更鲁棒。实验显示，该方法在高引导强度与复杂Prompt下，能同时提升图像质量与语义对齐度，打破了二者此消彼长的传统困局。这标志着生成式AI正从‘试错艺术’迈向‘系统工程’，其终极目标是让用户输入一句描述，便能稳定、可靠地获得符合预期的结果，而非在数十张图中碰运气。
17, 东南大学耿新团队：模型不是不会做，而是被「挤掉了能力」丨CVPR 2026
东南大学耿新团队的研究揭示了多任务模型性能衰退的根源：不同任务在共享的参数空间中‘挤占’彼此的关键表示方向。他们提出的ESM方法，通过提取各任务的‘本质子空间’并进行正交化融合，有效缓解了这种干扰。实验表明，ESM在任务增加时性能衰减显著小于基线，已逼近单任务专家模型的上限。这项工作深刻指出，模型融合的本质不是参数平均，而是知识结构的重组——未来AI的发展，将越来越依赖于对模型内部‘知识如何存在、如何共存’这一深层问题的理解。
18, 西湖大学张驰团队：不重训，也能让视频生成更长更稳丨CVPR 2026
西湖大学张驰团队的FreeLOC方法，解决了AI视频生成的‘长尾失稳’难题。其核心在于识别出长视频失效的两大根源：位置O.O.D（帧间关系漂移）与上下文O.O.D（时序关联松动），并针对性地提出分层自适应修正策略。实验证明，在Wan2.1等模型上，视频长度扩展至4倍时，其图像质量、美学质量等指标仍大幅领先基线。这表明，AI视频正从‘炫技片段’走向‘可用内容’，而关键路径并非重训大模型，而是对推理过程进行更精细、更系统的控制。
19, 西湖大学张驰团队：从视觉合成到空间理解，视频AI正在「转向」丨CVPR 2026
西湖大学张驰团队的WorldForge，标志着视频AI正经历一场深刻的范式转向：从二维视觉合成，迈向三维空间理解。它不依赖模型重训，而是在推理阶段注入相机轨迹约束，使生成的每一帧都锚定在同一三维世界中。在单图生成多视角与动态视频重定向任务中，其FID、FVD及轨迹精度均显著领先。这项工作揭示，未来视频AI的竞争焦点，将不再是‘画面有多美’，而是‘世界是否一致’——能否让观众相信，镜头所见，是一个真实、稳定、可被持续观察的空间。
20, 21.0975公里，是人形机器人的里程碑，也是RISC-V的新起点
搭载进迭时空RISC-V芯片K3的‘灵龙2.0’人形机器人，成功完赛21.0975公里半程马拉松，这不仅是物理耐力的胜利，更是RISC-V架构在高动态、强实时机器人领域的工程认证。K3通过一体化微架构，将AI推理、伺服控制与通信延迟统一优化，实现了500Hz高频伺服下个位数微秒的抖动控制。这标志着RISC-V已从‘能用’走向‘敢用’，其开放、高效、可定制的特性，正为具身智能提供一条摆脱单一生态依赖的自主发展路径。
21, 独家 | 华为19级天才少年赵立晨离职创业，瞄准具身Agentic OS
前华为天才少年赵立晨离职创业，聚焦具身智能的‘Agentic OS’——即面向物理世界的软件中枢。他洞察到，当前具身智能的瓶颈不在模型大小，而在‘系统跑不起来、也跑不稳’。Agentic OS的目标，是将分散的大模型、视觉语言模型等能力，整合成一套可部署、可运维、可持续演进的系统框架。这揭示了产业化的关键：当技术从实验室走向真实世界，决定成败的往往不是最炫酷的‘大脑’，而是最可靠、最稳健的‘神经系统’。
本文由互联网行业信息家-AI助手发布，信息来源于2026/4/23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