kimi会成为2026wdc吗

短短六个月，从四十三亿冲到两百亿美元，国家队抢着入局，你是不是也闪过一个念头，我手里的票能不能搭上这趟顺风车？朋友们，做 kimi 的 跃之案面，二十亿美元新融资收尾，国智投进来了，北京人工智能基金进来了，连中国移动这种巨无霸也坐上了牌桌。 但我说句掏心窝子的话，现在市面上九成解读都把你往坑里带。你听到了最主流的声音是什么？国家队进场了，大模型要起飞了，赶紧找概念股。这套说辞是不是特别耳熟？ 过去三年，从 chat gpt 火的那天起，每次大模型拿融资，自媒体就用同一套模板喊一次。可你回头翻翻账户，那些年追着这个概念冲进去的有几个？真把钱揣兜里了？ 问题的根儿根本不在于国家队来了，而在于国家队为什么在这个节点用这个价格来咱算笔账， 半年前它才四十三亿美元估值，现在就二百亿，狂飙了近五倍，这是什么概念？就好比一个小区，半年前房价一平米四万三，现在卖二十万，它已经把未来好几年的乐观预期，差不多全装进现在的价格里了。国家队的钱不是大风刮来的， 在这个位置进来，不是捡便宜，是卡位卡住 ai 主权这盘大棋里不能丢的一个山头。所以，如果你现在去搜 kimi 概念股，想着谁投了它谁沾光，这条路大概率走到黑 真正持股的那些大厂和机构， kimi 这点股权的波动，对他们市值来说，就像往大海里扔颗石子，浪花都看不见。那钱到底流向了哪里？ 你得往上下游看，四个地方跟你持仓关系更紧。第一个，给他喂算利的 kimi， 现在光是在一个开放平台上，一周就要被调用近两万亿个 token， 什么画面？ 相当于一个超级大脑一周要读或写几万亿字，得吃掉一座小型发电站的电，烧掉成千上万张显卡。而且它们的技术已经能让国产芯片分担一部分，计算实测效率提升了百分之五十四。 国家对那二十亿美元砸进去，很大一部分就是继续买卡建机房。所以真正造 ai 服务器、做高速存储、搞液冷散热的那些公司，订单是一张一张在签。 但注意算力概念，炒过好几轮了，你得盯死财报里真金白银的回款，别光听故事。第二个用 kimi 当大脑造工具的，就在今天，全球几百万程序员都在用的编程神器 coser， 正式接入了 kimi 的 代码模型。 这意味着，以后一个在硅谷敲键盘的小哥，他写一行代码，背后帮他补全逻辑的大脑可能来自 kimi。 而且每条一次， kimi 都在按字数收美元，这会养肥一整条链，做开发插件的，搞自动化测试的，搭智能体工作流的软件公司，他们有了一个更便宜还挺能干的外包大脑 这条隧道，眼下市场的关注度比算力低，但商业模式的确定性反而更强。第三个帮央国企做数字化的中国移动，这次不是光掏钱，它带着云算力、政企客户和行业场景一块上了桌，相当于 kimi 直接拿到了一张巨大的企业内网通行证。未来在运营商的云上，在智慧城市、金融政务这些项目里， kimmy 的 能力会被打包进去。那些常年给央国企做系统集成的公司，谁能先把这个新技能点焊进自己的方案里，谁就能多切一块预算蛋糕。第四个，给 ai 建护栏的国家队和央企一进来，数据安全、内容合规的门槛瞬间拉高好几档。 以前可以是先跑起来再慢慢修护栏，现在必须先把铁栅栏焊死。所以，做数据脱敏的、做隐私计算的、做内容审核工具的公司，会接到一批必须买的门票订单。 这是被很多人忽视的反面逻辑，但需求最高。聊到这儿，咱们梳理一下你的持仓。如果你拿的是算利基建相关的票，别看概念热不热， 盯住下半年出货量和客户回款。如果你拿的是软件服务的票，别看见合作公告就上头，要问一句，它真能把大模型变成自己多收钱的本事吗？如果你拿的是 ai 应用层的票，反而得警惕。 像科 sir 这种全球级产品，直接接入 kimi， 随时可能把一些国内同类小公司的饭碗挤碎。市场已经反映了什么情绪？把一些沾点边的标地推高了，还没充分反映的是什么？ 二十亿砸下去之后，未来以两个季度上游，谁能先看到真金白银的订单，以及 ai 编程这条细分赛道的业绩爆发？咱们不赌一个结局，咱们掌握一套以后能反复用的分析框架。以上均为个人观点，供交流探讨，不构成任何投资建议。

朋友们啊，今年春节我没拜年，干了一件令人头秃的事，读完了所有头部大模型公司最新的论文和技术 vlog， 发现二零二六大模型之战注定更加激烈， 每两个月发一版新模型，每次烧掉上亿。智普 minimax 股价在上市不到一个月内翻了近五倍，又快速回撤。刚开年， kimi 和千万又发了最新模型，在权威三郎榜单欧瑞那里啊，马上超越了春节前刚刚上线的 minimax m 二点五和 deepsea v 三点二。 到底谁在狂飙，谁在掉队？二零二六有哪三个重要的趋势呢？今天一期视频全说清楚将将。其实说白了，大模型就讲两件事，脑子好不好使，也就是推理深度，体能够不够强，也就是计算效率。而想让模型能走向通用呢，还得加上俩能力，多肽和 agent， 也就是像人一样，去多维度的感知和自主的去执行任务。说到这，你会发现一件神奇的事发生了，大模型自动驾驶人形机器人的技术站啊，彻底同频共振了，都是感知、决策、执行。你看，大模型的多模态能力，负责感知推理能力呢，是思考和决策，而 agent 能力，正是控制与执行。 所以今年啊，三个趋势非常清晰了。为了打好 a 阵这场生死之战，大模型需要先建好基础设施，所以第一步引入现行注意力。我们先花三十秒快速理解一下最硬核的部分，你就明白为什么没有它。百万 token 和实时多模态都不可能实现标准 transformer 呢？是把图书馆的一百万本书啊，全搬你桌上， 一本一本对比和你提的问题有多相关，再根据相关程度给个权重去做加权求和。过程中操作次数就是一百万本书乘以一百万次计算。而现行注意力呢，是带着问题去看书，只记每本书。相比上一本新的东西，操作次数啊，降到了一百万，直接让模型的复杂程度降低了一个数量级。 理论上啊，就能支持多一个数量级的长文本和原生的多模态，但实际上没这么简单。现行注意力啊，他有点走马观花，会丢掉细节，所以目前主流的方案是去混搭。 像千万三点五就用的是三比一的交替组合限性和标准注意力，类似于广角镜头和微距镜头交替拍摄，兼顾宏观和细节， 让模型计算效率最高能提升十九倍。紧接着第二个趋势就是大模型在做多模态和 agent， 从会答题转向了会干活。千万三点五啊，在国内率先实现了原生多模态的 early fusion， 也就是在预训练的时候，让图片和文字数据一起学，显著提升了跨模态的理解能力。而其他多数模型厂商啊，还在分别训练不同的模态再去做拼接。而最近估值刚刚超过百亿美元的 kimi 在 主力押注 agent， 像 kimi k 二点五的架构，能支持一千个 agent 并行工作。第三个趋势啊，是一个非常隐蔽的战场数据闭环。 这不只是把用户和工作流的数据去反哺模型，像 timi k 二用 agent 去合成能用于训练模型的高质量数据，用 ai 去生成 ai 形成数据闭环。这意味着什么呢？ 以前啊，大模型拼的是 gpu 数量，现在拼的是合成数据的质量，如果能让 agent 生成的数据把自己的模型教得更聪明，可能十张卡也能打出一百张卡的效果。而始终贯穿这三个重要趋势的呢，是纯强化学习的训练下狗， 大到深度思考多模态的训练 agent 的 调度策略，小到数据标注和合成，都在用这个训练框架。纯强化学习是让模型不再去模仿人类来工作，而是告诉模型你想要的结果，让模型自己在大量的试错中去摸索出一条成功的路径， 反而在很多场景中摸索出了人类都没有发现的解题策略。所以，今年的大模型啊，你只需要记住四个关键词，限性注意力。纯强化学习、原生多模态和 agent 这几大趋势又会带来什么重大的影响呢？首先，大模型会自带更强的 agent 能力，会去挤压第三方的 agent 和 ai 浏览器这类产品的商业价值和市场空间。 同时，芯片层面呢，形成注意力、 m、 o e 等等架构，都降低了对上游芯片的风直算力的需求。但是啊，集群规模反而在扩大，同时 a 阵大量并行，对显存的贷款和互联速度提出了更高要求。 所以单纯堆库大核心的性价比啊，正在降低。回看八年，大模型经历了三次范式转移，从二零一七年 transformers 加 scaling law 暴力堆参数，到二零二四年 deep seek v 二模型用 mo 架构轻巧地实现了千亿参数，从此 mo 成为了标配。而二零二五年纯强化学习让 deep seek 二模型实现了自主思考，震撼全球。 而今年限行注意力加纯强化学习加数据，飞轮很可能开启新的 skill， 令曲线纵使有三次变格，但我依然认为大模型是一个短期看产品，中期看技术，长期看飞轮的游戏。 除了架构革命，高质量数据也同样重要。所以分析了这么多关键的结论是，具备独家数据和生态飞轮的公司将在下一场 agent 的 战役中更加从容自如。所以，听完这期视频，你觉得哪家模型厂商最有机会留在牌桌上呢？我们评论区见。

二零二六年了，公司没有盈利，产品没有落地，收入为零，估值却干到了几千亿。那先看五月的最新数据， deepsea 成立两年估值三千五百亿，融资五百亿， kimi 成立一年估值两百亿美元，一年涨三点六五倍。 一对 ai 小 模型，三个月四轮融资，估值翻倍。为什么这么疯呀？首先是稀缺性恐慌，大模型是国资重器，怕错过下一个英伟达。那其次，国资兜底，只要沾上 ai， 国资基本闭投，那机构不怕亏。最后， ipo 预期港股科创板敞开大门上市，就能够套现。但是真相很残酷，首先是百分之九十的 ai 模型没有商业闭环，赚不到钱。其次， 估值比二级市场的 ai 公司还要高，上市即破发是大概率。那再者，现在一级市场的 ai 不是 看谁的技术强，是看谁讲故事狠。 那一句话总结，一级市场的 ai 已经从产业投资变成了筹码博弈，几乎传话最后一半是谁？那你觉得这些 ai 公司上市后能够撑住估值吗？评论区读一把，能还是不能？

二零二六年五月，全球 ai 竞赛迎来历史性转折点。据 c s d n。 与稀土掘金最新发布的二零二六年五月 ai 大 模型全景报告显示，在综合精准测试中跃至暗面推出的 kimi k 二 六以九十四点三分的高分强势登顶， deep c v 四以九十三八分紧随其后，而 obani 的 gpt 五五以九十三点五位列第三。这是国产大模型首次在综合性能上全面超越国际顶尖水平，标志着中国 ai 正是从跟跑迈入领跑时代。 一九十四点三分背后的技术核爆不是参数堆砌，是架构革命。 kimi k 二点六的登顶绝非偶然， 其九十四点三分的综合得分，是在数学推理、常上下文理解、中文语义处理等关键维度全面领先的结果。尤其在 taxov 二税五评估任务中， kimi k 二点五 k 二点六前身准确率达到七十四百分之二，超越 obani 与 antropica 所有模型， 展现出极强的垂直领域理解能力。但更值得关注的是 deepsea v 四的九十三点八分这一成绩背后，是万亿级参数的某混合专家架构与 m h c 流行约束技术的深度结合。 该架构通过稀疏激活机制，将每 token 激活参数控制在约三百二十亿，不仅解决了深层网络训练中的梯度爆炸问题，更实现了推理速度提升一点八到二倍，延迟降低百分之六十五、 显存占用减少百分之四十到六十的惊人优化。更令人震撼的是，其推理成本仅为 g p t 四的一比七十，这意味着国产大模型不仅在性能上追平甚至超越，更在性价比上构建了难以逾越的护城河。二、长文本与编程 国产模型的双引擎突破 kimi 系列的核心优势在于其 ngram 长期记忆机制，支持高达一百万 token 的 上下文窗口，长文本记忆准确率达百分之九十八点二。 这意味着法律合同、科研论文、长篇小说等超长文本处理不再需要分段拼接，信息连贯性大幅提升，彻底解决了上下文遗忘这一行业痛点。 而 deepsea v 四则在编程能力上实现单点爆破，在 human error 测试中得分八十七百分之六， sweep verify 达到八十三百分之七，支持三百三十八种编程语言，具备跨文件项目理解与自动重构能力。 更惊人的是，其可将项目测试周期从十四天压缩至一天，真正实现 ai 程序员级别的工程化落地。 三、国产芯片加国产模型安全闭环正在形成技术领先的背后是生态自主的坚定步伐。 deepsea v 四以深度适配升腾、韩五 g、 海光等国产 gpu， 在 国产芯片上的推理速度提升高达三十五倍， 达到八十 tokens s。 这一突破标志着国产模型加国产芯片的技术闭环初步形成，为政企、金融、军工等对数据安全要求极高的领域提供了完全自主可控的 ai 解决方案。与此同时，端测 ai 也在加速落地， 小米 miov 二点五正式开源，支持在手机端本地运行百亿参数大模型，大幅降低对云端算力的依赖，推动 ai 从云中心走向边缘智能。 四、竞争白热化前六名差距仅三分国产模型集体突围当前，全球大模型竞争已进入毫米级差距时代。报告显示，排名前六的模型性能差距仅三个百分点， timi k 二点六， deepsea v 四 gpt 五五 cloud 四、 opus gemini ultra 三零、阿里昆三二三五 b 九二 四分全部挤在第一梯队。更值得关注的是，中国 ai 日军资源调动量已突破一百四十万亿，较年初增长超百分之四十。规模化落地持续加速。从智能客服到代码生成，从金融风控到医疗诊断，国产大模型正以前所未有的速度渗透千行百业 五。未来以来，从能用到好用，国产 ai 的 下一个战场，性能登顶只是第一步。接下来，国产大模型需在幻觉控制、精确指令遵循、 多模态融合等深水区持续攻坚。目前，国内模型在图声、视频、中文适配等场景已表现突出，字节跳动、快手相关模型领跑细分榜单， 但在复杂智能体任务中，仍存在平均七分以上的指令遵循差距。但可以肯定的是，二零二六年五月是一个分水岭。 timi k 二点六的九十四点三分不仅是一个数字，更是一个信号，中国 ai 已经从追赶者变为定义者。当国产大模型开始定义性能、标准、技术路径与应用场景，全球 ai 的 格局正在被重新书写。

兄弟们， ai 圈这两天又炸锅了，有两个大新闻我保证你听完会怀疑人生。第一个 openai 刚刚把 gpt 五五 instant 全量推送，关键是啥？免费所有人都能用。第二个更离谱， 国内的 kimi， 就是 那个你用来常文本阅读的 ai。 刚完成二十亿美元融资，估值直接突破两百亿美元，这是什么概念？半年内估值翻了四倍？先说 gpt 五点五 instant， 五月五日， openai 正式官宣，所有 chatpt 用户，不管你是免费用户还是付费用户， 默认模型全部换成 g p t 五点五 instant。 这次升级最狠的是什么？幻觉率暴降百分之五十二！啥意思？就是 ai 终于不怎么胡说八道了，以前你问他一加一等于几，他可能给你扯三分钟哲学，现在直接给你答案，准确率飙升！ 根据官方数据，在医疗、法律、金融这些需要高度准确性的领域， g p t 五五 instant 的 幻觉声明就是，那些无中生有的回复 比前代模型减少了百分之五十二。当用户主动标记对话中的事实错误时，系统的不准确生命发生率也降低了百分之三十七。 这意味着什么？意味着 ai 终于从瞎聊转向靠谱了。再说 kimi， 五月六日晚点， leadpost 独家获悉，跃至暗面 kimi 的 母公司即将完成新一轮二十亿美元融资，头后估值 突破两百亿美元。这轮融资由美团龙珠领头，中国移动、 c p 原封等参投其中，仅龙珠就出手超两亿美元， 你知道这意味着什么吗？这是跃之案面成立以来规模最大的单笔融资，也是国内大模型创业公司迄今金额最高的私募融资之一。更夸张的是，今年一月和二月， kimi 刚密集完成三轮融资，分别融了五亿美元、 七亿美元和七亿美元，半年内月至暗面估值翻了四倍，总融资超过三十九亿美元。为啥资本这么疯狂？因为 kimi 真的 能打长文本，处理能力国内第一，一百万字上下文，你扔一本三体进去， 它能给你完整总结。现在 kimi 还在疯狂招人扩团队，显然是在为上市做准备。所以说，二零二六年的 ai 圈，真的是模型狂飙，资本狂欢， open naya 免费普惠， kimi 融资两百亿，普通人能用上更强的 ai， 创业者能拿到更多的钱，这波红利 你不上车更待何时？评论区告诉我你现在用哪个 ai 最多？我会随机抽取三个粉丝送 kimi 会员月卡。

两千零二十六年春节，国产 ai 圈迎来了最远的时刻，字节跳动 kimi、 智普 ai、 minimax、 影谋科技五大头部企业集中发布全新 ai 模型，含盖大模型、生图、视频、多胞态等全领域， 一场 ai 技术盛宴正式上演。今天我就带大家全面盘点两千零二十六春节发布的重磅 ai 模型，看看国产 ai 到底有多强。首先是字节跳动。 作为国内 ai 领域的领军企业，字节跳动在两千零二十六春节发布了全新多模态大模型，在文本、图像、视频、语音的理解和生成能力上全面升级，尤其是短视频生成、实时交互能力达到了全球领先水平， 完美适配抖音、今日头条等内容平台，让内容创作变得更简单。字节的 ai 模型一直以轻量化、实用性强著称，此次升级更是贴近普通人的使用需求，不管是日常聊天、内容创作还是办公辅助，都能轻松胜任。 其次是 kimi， 凭借超长文本理解能力火爆全网的 kimi， 春节期间推出了升级版模型，把文本处理长度提升到新高度，同时优化了逻辑推理和知识回答能力，成为学生、职场人学习和工作的首选 ai 助手。 kimi 的 优势在于精准、专业、不啰嗦，能快速理解复杂问题，给出清晰实用的答案， 在学术研究、文档阅读、问题解答等场景中表现远超同类产品。智普 ai 则发布了面向企业级的商用大模型，聚焦政务、金融、医疗等专业领域，安全性、稳定性、专业性拉满。作为率先冲击上市的 ai 企业，智普 ai 的 模型在商业化落地方面走在行业前沿，已经服务了上千家企业客户， 用 ai 助力传统行业数字化转型。 mini max 作为 ai 上市公司，春节发布了全新的音频加视频多模态模型，在 ai 语音合成、虚拟人视频生成领域实现突破，生成的虚拟人自然逼真、语音流畅，广泛用于直播、短视频、客服等场景，成为商业 ai 应用的热门选择。最后是影魔科技， 专注于 ai 视觉生成的影幕科技，发布了超高精度 ai 生图加生视频模型，人物细节、光影效果、动态画面达到了影视级水准，打破了国外 ai 视觉模型的垄断，成为国内影视设计、 广告行业的首选工具。两千零二十六春节五大企业集中发布 ai 模型，足以看出国产 ai 的 内卷程度。这种内卷不是噱头比拼，而是技术实力、落地能力、使用价值的综合较量。从个人使用的 ai 助手到视觉音频、视频多模态， 国产 ai 已经覆盖了所有领域，技术水平完全不输国外企业。更值得一提的是，这些 ai 模型都聚焦落地应用，不是停留在实验室的技术展示，而是能让普通人、企业实实在在使用的产品。 字节跳动的生活化、 kimi 的 专业化、质朴 ai 的 商业化、 mini max 的 多元化、影魔科技的视觉化，形成了完整的国产 ai 生态，满足了不同人群、不同场景的需求。两千零二十六春节 ai 模型大盘点，让我们看到了国产 ai 的 崛起。 从跟随国外技术到自主创新领跑，从单一功能到全模态覆盖，国产 ai 只用了短短几年时间，就实现了跨越式发展。未来随着内卷的持续，国产 ai 会越来越强，越来越贴近我们的生活， ai 普惠的时代已经真正到来。

二零二六年底，百分之七十的岗位会被 ai 替代，第一批被替代的是中层管理者，这跟打工人可关系不大。知心层的活扭螺丝、安货，跟客户扯皮， ai 反而搞不定。让 ai 去跟客户沟通， 他可能直接道歉三次，然后就把订单撕了。但中层管理者每天在干什么？信息传递、进度跟踪、会议协调、流程审批这些事， ai 做的比你好十倍，他不睡觉、不摸鱼，还不扯皮。 我见过一家制造业的企业，把中层百分之七十的汇报类工作交给 ai， 腾出来的时间全员转去做业务分析。这不是裁员，是转型。二零二六年，中层只有一条出路， 从信息中转站，变成真正的决策者。你的价值不在你掌握了多少的信息信息， ai 一 秒就能查完，你的价值在于你能做多准的判断。跟不上的人，不是被 ai 淘汰掉的， 是被会用 ai 的 同行淘汰掉的。转发给你身边做中层管理的朋友，还需要想清楚一件事，他的不可替代性到底在哪里？你现在是老板管理者还是执行层？管理者扣一，执行层扣二，老板扣三，评论区见。我统计完发对应的方案给你。关注我下期帮你算一算，你被 ai 骗了多少钱。

朋友们，今天全网都在找的中国 ai 大 佬们的前沿峰会视频，别费劲了，那是清华和智浦联合举办的二零二六年 ai 行业前景定调闭门会，根本没公开。 但是我刚看完两万字的峰会实录，发现这帮大佬关起门来聊的内容跟外面吹的完全不一样。 太敢说了！无论是质朴堂洁的会做梦的机器、 kimi 杨志玲的能源转智能、腾讯姚顺宇的 ai 合作新范式，甚至阿里林俊扬扎心抛出，未来三到五年内，中国团队做到全球领先的概率大概百分之二十， 还算是乐观判断。虽然话题很敏感，但整场峰会带我们从科学和客观的角度判断行业前景和差距。没看到峰会的朋友，我来给大家总结核心要点，实录内容也会放在视频最后。第一个重磅观点是，刚带领智普 ai 登录港股的唐杰提出， ai 聊天时代的竞争已经结束了，下一步是走向做事。在他看来，单纯的模型扩展虽然是有效路径，但本质是人类最轻松的偷懒方式。未来的核心方向是让模型具备自主扩展能力， 实现从记忆、知识到举一反三。但我认为，以前的 ai 是 会说话的百科全书，未来的 ai 是 长出手的打工人， 以后衡量 ai 强不强，就看 ai 能不能让人的幸福指数提升越高，说明这 ai 越强。而 kimi 创始人杨志林提出第二个观点非常哲学，他重新定义了缩放定律。他认为缩放定律的本质是把能源转化为智能， 核心在于高效逼近智能上线。而优秀的模型承载的是价值观与品味、技术、数据与审美的共进，才是真正的进步。我高度认同他的观点，我对这句话的理解是， ai 比的不再是谁更聪明， 而是看谁能把一度电变成更多的智慧，让 ai 更有人味。阿里通一千万负责人林俊扬抛出让人扎心的第三个观点， 对于中国全能智能体的全球竞争力，他给出了相当神圣的判断，未来三到五年，中国团队做到全球领先的概率大概百分之二十， 这已经是非常乐观的估计。为什么他会做出这样的判断？大家先别着急，他毫不避讳行业争议，抛出最热点的话题 minas。 他 提出 minas 确实很成功，但套壳是不是未来，这本身也是个话题， 暗示行业需要摆脱同质化竞争，寻找真正的技术创新点。首先，我认为林俊扬百分之二十率先概率，背后是对行业本质的清醒认知。全能智能体竞争的核心是生态和底层框架的比拼，而非单一产品的复刻。 我们利用丰富的用户场景、多模态模型、算力基础，打造，各个行业具有竞争力的差距就会越来越小。 第四个观点是，刚履新腾讯首席 ai 科学家的姚舜宇，以硅谷归来者的视角带来独特观点，这是他告别 openai 和 deepmind 加盟腾讯后的首次公开亮相。他认为 ai 行业正经历明显分化， 垂直整合于模型、应用分层，两种模式各走各的路，模型公司未必适合做应用。 我理解他的这个观点，表达的是，未来不会是某个公司的超级模型垄断市场，而是 ai 模型、 ai 应用、 ai 硬件、不同层级的 ai 工具相互兼容， 既能保证行业全球领先，又能满足市场灵活的需求。场景，看完整场峰会实录，我觉得各位嘉宾都在透露一个信号，那些靠套壳炒作的企业将逐渐被淘汰。真正让 ai 摆脱对人类数据的过度依赖， 能研发出让人更快乐、更轻松的 ai 企业，才能在市场中赢得更多的上升机会。所以，朋友们，你们找到值得关注的市场机会了吗？想看峰会实录的朋友，看主页公开群，我发给你。

算力崇拜的时代可能要过去了，就在刚刚结束的 ai 届科技春晚英伟达的 gtc 大 会上，黄仁勋出乎意料的邀请了 kimi 创始人杨志林发表演讲。要知道，老黄每年的邀请都是行业风向标，相当于告诉大家今年的行业重点。那么这回突然邀请了一位中国模型公司的创始人，是什么原因呢？ 看完杨紫林的演讲后，啊，我找到了答案。在演讲中，杨紫林完整批漏了 k 二点五模型背后的技术路线。简单来说，当前的模型训练已经不再是单纯的资源堆积，而要在计算效率、长城记忆和自动化协助上寻找规模效益。 其中 kimi 新发布的论文 attention resumes 尤其吸引了大家的目光，甚至在场外，马斯克和前 openai 联合创始人卡帕西也为他公开点赞。 这篇论文之所以让几位顶级大佬接连关注，靠的正是业内十年都没人敢尝试的底层突破。要知道，残差连接从二零一五年诞生后，过去十年里都是大模型的底层标配， 多数团队呢，都盯着上层做优化。唯独 kimi 这次把 jason 的 逻辑从系列维度转到深度维度，既大幅提升效率，又显著降低算力成本。这种回归第一性原理的创新，或许正是老黄在本次大会特邀杨志玲演讲的原因。 其实是向全世界释放一个清晰的信号，靠算力推起来训练 ai 的 旧时代翻篇了，接下来的竞争将转向 doink 小 组，这样一来啊，将会有更多被成本挡在门外的公司会想要参与进来，对老黄也是一种利好。 不过看完演讲，我也想到了去年的 deepsea， 靠着极低的训练成本，刷新了硅谷对中国 ai 的 认知。之隔一年， kimi 又在核心架构上实现了底层突破，这足以说明中国 ai 从训练方法到核心架构都形成了体系化的创新能力。 或许也正因为这种技术护城河， kimi 今年在资本市场的热度只升不降啊，不到三个月就完成了三轮融资，估值直接翻了四倍，冲到了一百八十亿美元。 更难得的是， kimi 还打破了底层研发很难商业化的固有印象， k 二点五发布才二十天，累计收入就超过了二零二五年全年， 真正做到了技术创新和商业落地两手抓。如果说去年是中国 ai 闯入全球舞台的起点，那么今年或许就是中国 ai 在 全球开启商业化拓展的开端。 从底层创新到收入提升，我们的 ai 公司也能在全球拿下更大的市场份额。 kimi 的 一百八十亿，或许只是一个里程碑，而不是终点。

股友们，就在刚刚，国产大模型 kimi 在 不到两个月的时间里，连续融了两轮资，加起来超过十二亿美金，估值直接从五六十亿美元翻倍干到了一百亿美元以上。一百亿美元什么概念？就是七百多亿人民币。 这个数字，直接把 kimi 送进了中国 ai 的 第一梯队，和智浦、 mini max 这些大佬平起平坐。但我必须告诉你，这不仅仅是 kimi 发财了这么简单。 这条新闻背后，藏着一个关于烧钱游戏巨头暗战和投资机会的完整剧本。今天这条视频，我就给你把这背后的门道掰开，揉碎了讲清楚。首先，咱们得搞明白一件事，这十二亿美金到底是谁给的？如果你看这份投资名单，会发现两个名字特别刺眼， 阿里和腾讯。你没听错，就是那两个在几乎所有赛道都打的你死我活的宿敌，在 kimi 这间小屋里，坐在了同一张桌子上。联合领头，这事反常吗？极其反常。 以前巨头们的玩法是，我投的公司你别碰，你投的我也不掺和。比如腾讯一直重操微软 max 和揭月星辰，阿里则死磕月之暗面，边界非常清晰。但现在呢？腾讯破例了，他拿着钞票挤进了阿里的牌桌。 这背后传递出一个极其残酷的信号，在 ai 这个赛道，巨头们已经没有安全感了，他们不再相信单压一支球队能夺冠，而是干脆把整个联赛排名前几的球队全买了。这叫全面赛马机制。 我不管你最后谁能跑出来，反正跑出来的那个，必须是我投的。对于 kimi 来说，这更是好事成双， 同时绑定了中国最大的两家云计算公司，意味着什么？意味着以后烧显卡烧算力的时候，它有双电网供电，谁停电都不怕。这在算力就是生命的 ai 战场上，是真正的战略级优势。 好了，钱到位了。第二个核心问题，这十二亿美金准备怎么花？很多人以为融到钱就是发财了，创始人可以买游艇了？错，大错特错！ 在这个赛道，钱不是利润，是燃料，是必须马上烧掉的弹药。 kimi 的 创始人杨志玲在内部信里写得很清楚，这笔钱主要用于两个地方， 第一，激进的扩增显卡。你可以把训练 ai 大 模型想象成是在跑一场马拉松，但普通人跑马拉松喝点水就行。 ai 跑马拉松喝的不是水，是汽油，而且是拿漏斗往嘴里灌的那种喝法。这个汽油就是显卡，就是算力。业内有个词叫 scaling loss， 简单说就是模型越牛，参数越大，需要的显卡就越多。虽然最近 deepsea 说要降低训练成本，但头部玩家们心里都门清， 真正的决战还在前方，要想追上甚至是十万卡级别的计算机群， 你算笔账，一张顶级的 h 一 零零显卡，黑市价差不多三万美金，一万张卡就是三亿美金，随便烧几个月电费、维护费、折旧费都是天文数字。所以这十二亿美金看着多真扔进显卡这个火炉里也就是听个响。第二，抢人，而且是疯抢。 消息里提到，他们计划把员工的激励水平提到二零二五年市场平均水平的百分之两百。啥意思？就是如果市场价给一个程序员一百万年薪， kimi 愿意出两百万， 为什么要这么狠？因为现在 ai 大 模型的竞争，表面上是公司之间的竞争，本质上是清华、北大和斯坦福那帮天才之间的竞争。顶尖的算法工程师，全中国就那么几百号人， 你不加钱，字节跳动就来挖了，你不给期权，腾讯就打包带走了。所以这十二亿美金也是用来筑起一道人才护城河的。聊到这儿，可能有老铁会问，那 kimi 值一百亿美金吗？他跟国外的对手比到底啥水平？ 咱们得对标着看。就在前几天，美国的明星 ai 公司 antropic 刚刚拿了三千八百亿美金，折合人民币接近二点六万亿。二点六万亿是什么概念？ 差不多是两个茅台或者五个宁德时代。这么一对比，你就会发现，咱们的一百亿美金，在人家的三千八百亿美金面前，其实也就是个零头，大概是三十八分之一。但这恰恰说明了中国 ai 的 潜力和差距。 一方面差距是巨大的，我们的算力还被卡着脖子。另一方面，中国市场足够大，国产替代的需求足够迫切。只要 kimi 能把技术做到能用好用，他的天花板理论上可以看得很高很高。 当然，人家 anthropic 虽然烧钱猛，但已经开始赚钱了，他的年化收入已经干到了一百四十亿美金，世界五百强里有八家是他的客户。 而 kimi 这边，虽然创始人透露海外收入涨了四倍，付费用户涨了百分之一百七十，但基数还太小。说白了，还是学生时代在勤工俭学，远没到毕业工作发工资的时候。所以最后咱们得说说这事对咱们投资者到底有啥机会？ 这条新闻其实给你指了两个方向，第一个方向叫 ai 卖水人。当年美国淘金热，最赚钱的不是淘金的，是卖铲子、卖水卖牛仔裤的。在 ai 这场淘金热里，谁卖铲子？ 就是那些做算力基础设施的，比如光模块、服务器、国产芯片的公司。因为不管最后是 kimi 赢了，还是字节赢了，他们训练模型都得买显卡，买服务器插光模块，这是确定的增量。 第二个方向叫 ai 淘金者，就是 kimi、 智普、文新一言这些大模型公司本身。但你要知道，淘金者之间是极度残酷的，赢家通吃，输家归零。 这十二亿美金的融资，其实是在加速行业的大淘沙，头部选手拿到了过冬的粮草，开始加速狂奔。 而腰部的、尾部的那些模型公司，如果没有特色，拿不到钱，可能很快就会被淘汰出局。最后我想说一句掏心窝子的话， kimi 这一轮疯狂的融资，其实是一场向死而生的豪赌，他赌的是，只要我有最多的钱，最多的卡，最牛的人，我就能烧出中国最强的大脑。 对于我们普通人来说，看着这些百亿、千亿的数字，可能会觉得离自己很远，但别忘了，三年前我们看新能源汽车也觉得很远，今天满大街跑的都是比亚迪和魏小李。 ai 也是一样， 今天的百亿融资，就是为了明天能让你的手机里有一个真正懂你，能替你干活的智能助手。科技的魅力从来不是数字本身，而是这些数字最终会变成我们每个人手中的便利。好，今天的深度解读就到这里，你觉得 ai 赛道最后的赢家会是谁？欢迎在评论区和我一起聊聊。

二零二六年最大的内卷不是九九六，是 ai 更新迭代的速度啊。现在所有人都应该深有体会，生活的方方面面，早就被人工智能彻底渗透了。 ai 越发达，我就越像一个需要被辅导的智障。别人用 ai 一 路开挂，我呢是用 ai 全程踩坑，始终跟不上行业更新的节奏。那每天刷行业新闻，看着不断出新的大模型，真的，我告诉你啊，心里总觉得自己又落后了， 本想着呃，靠这个 ai 来解放双手，结果呢，反倒又多了一份终生学习的工作。越是追赶越疲惫，越接触越焦虑。所以凡人难熬，我跟你讲，只是因为神仙打架。早些年国内的 ai 市场一直是处在相对比较混乱的百慕大战阶 段，模型比拥护多，行业发布会比实际落地成果还要多。各路的模型层出不穷，整体发展杂乱无序。 经过市场一轮又一轮的筛选和淘汰，没有实力没有资本支撑的小型模型就慢慢退场，那整个赛道的格局彻底发生了变化，正式进入到了白日化的 v i 诸神之战 那最近这波融资狂潮简直就是水箭飕起来。 kimi 月正暗面刚刚拿到了二十亿美元的投资，投放估值两百亿美元，半年累计融资三十 是三百七十六亿元人民币，投资方是美团龙珠领头，中国移动。 c p e 的 云峰、阿里、腾讯都在活动，云端里面用户量是稳居不稳的。 第一个亿 deep 深度求索首轮融资直接干到了五百亿人民币，那股指三千五百亿人民币，约等于是五百一十五亿美元。 国家队的大基金领投腾讯跟投六十亿，技术实力呢，国内在第一位啊，全球第一梯队开源模型已经被几十万开发者使用。智普 ai 港股上市公司，被称之为全球大模型第一股，市值约三百八十亿港元，每季融资超过了八十三亿人民币。 股东包括了美团、腾讯、红杉、北京国资政企客户最强，服务数百家大型企业七月星辰。这家公司最近一轮二十五亿美元，相当于是一百七十亿人民币的融资，今年累计融资已经超 过了两百亿，估值接近了一百亿美元。投资方是腾讯港头、华勤、龙旗中心。手机产业链这种多模态能力最强，主打 ai 手机、 ai 汽车落地。现在的 ai 圈啊，早就变天了， 没有资本就不要录取，没有算力就别说话。彻底告别了抢创意拼功能的时代， 变成了实打实的资本的均备竞赛本，融资速度比模型的更新速度还要快，更加疯狂的砸钱，堆算力，抢人才不畏惧。 表面上来看呢，是基础的叠加升级，夜里都清楚啊。看似比拼的是科技，实际上比拼的是谁烧钱烧的更快，谁的家底更好。从前是人卷人，现在是 ai 卷 ai 顶级的巨头疯狂内卷比拼，所以层层传达到咱们 普通人的身上，也就变成了我们需要被每天被迫学习，被迫追赶，不敢躺平的现实压力。 而目前这场轰轰烈烈的出神之战，也是国产 ai 走向更加成熟稳定的必经之路。等到行业格局定型，泡沫慢慢褪去，技术越来越完善，咱们普通人我想才能够真正安稳的享受人工智能带来的时代红利。

欢迎再次来到普尔排位赛解析，今天您将收看到的是二零二六第四站迈阿密大奖赛的正赛排位解析节目画面左侧三连冠位属于十九岁意大利小将安德利老朋友维斯塔潘在我们的画面右侧归来，那么 这场排位赛两台赛车差了零点一六六秒，维斯塔潘第一次站上头牌，二零二六赛季头牌的发车格 领先于勒克莱尔，那么勒克莱尔的单圈是比安多利慢到了点三，法拉利的表现还是非常不错，问题还是出在这段大直线上，法拉利出了三号弯之后，不得不在这里 回收大量的电能。同样的情况发生在红牛赛车身上，他们在三号弯出来之后也是没敢用电，所以在这边的尾速要比梅赛德斯赛车慢到十二十一公里每小时。这个画面是不是昨天看冲刺排位的朋友非常的熟悉， 哎，他们要举手了。要说了，昨天是迈凯伦在这里狂用电，梅赛德斯在这里狂省电，今天怎么倒过来呢？没错，我们从发车大直线看起， 梅赛德斯在冲刺排位赛之后，分析了一下问题，为什么我比自己的小弟迈凯伦还慢？问题就出在这里，他们在发车大直线上没有用电，这次他们大胆的用了一下电。昨天冲刺排位在安东内力在这里的尾数只有二八八，今天来到二九九。 同时红牛更加大胆，尾速来到三零八，所以三呃一进一号弯之前，呃维斯塔潘已经是创造出来了零点一秒左右的一个领先的优势。最低弯行时速方面，九十七对九十八， 出弯之后的提速，梅赛德斯显然会更加得心应手一些，更稳定的来到二号弯弯中，安东内力的弯中速度是一百七十五，而维斯塔潘是一百六十八再来，紧接着进入到三号弯 赛车，同时在两百二十多公里的尾速下开始全油门，随后来到这块阴影区。两台赛车都是二四九的最低弯行时速， 现在开始有电量的使用不同了，梅赛德斯在这里疯狂的输出电量，尾速推到了二百八十九，而红牛在这边锁定二百六十七复刻昨天梅赛德斯的跑法。梅赛德斯复刻昨天迈凯伦的跑法，哎，大家功课做的都是非常多啊，所以进四号弯之前，两台赛车已经有了点二的差距。安德利在这边轻轻抬一脚油门进弯， 塔盘几乎不用抬油门入弯，保持着两百六的弯中速度进入到了四号弯当中。高速弯里面，红牛赛车第一个向左还是占据一些优势的，但是进到第二个 向右的五号弯里面，红牛赛车的最低弯心时速就不得不降到二百二十七，而安东内力更胜一筹，两百三十六，比昨天冲刺排位赛自己的最低弯心时速还快了四公里每小时，这边建立起了巨大的优势，而继续向左的这个七八号弯角，维斯塔盘竟然可以顶 顶住全油，安东内力稍稍保守了一些，收了几脚油门之后，威斯塔潘在进到七号弯和八号弯的过程当中追回了一些时间，差距回到零点三秒左右，但是最大的问题出现在了八号弯的弯心，可以看到安东内力，我们进到这个螺旋收窄的八号弯中， 安东内力来到弯心这个立柱的位置上，可以看到它的方向是最大的这一瞬间，随后开始慢慢的 方向打开，对吧？这没问题。再看维斯塔潘，维斯塔潘同样也在这个位置，来到了方向角度最大的一个地方，但是他持续的发现赛车还在推头，在一百二十九的时速之下仍然转不过来，他需要保持着这个方向，甚至还加了一点， 然后油门下去的那一个瞬间，赛车又突然从转向不足变成了转向过度，维斯塔盘一个摆动和反打，这边八号弯维斯塔盘损失了不少的时间，我们再退回来看安东的 e、 c d 弯心，时速是一百三，而维斯塔盘降到一百二十二，还在推头，还在加方向，来到弯中的位置还没有办法打 开方向给下油门，所以尾部的这个滑动让维斯塔盘损失了更多的时间。进入到第一季时段，维斯塔盘是三十秒七 点三的差距来到大直线，但是红牛的大直线你看到了吗？刚才省电的效能显示了出来，三百四十五的尾数对安东内利三百四的尾数，可以看到这边的差距还是非常明显，并且安东内利 klipp 来的更早， 来到路易威敦的这个广告牌的时候，维斯塔盘保持在三百四，安东内这边已经降到了三百二十八，所以后半段的大直线维斯塔盘怒追点二，来到十一号弯之前，两台赛车又止差点一左右的一个差距，接下来这个慢速弯路段就轮到维斯塔盘来超神了啊，看到这边的这个回头十一号弯，两台赛车的差距 并没有那么明显，但是来到这个十二十三连续向右的这两个弯角当中，维斯塔盘持续保持着弯中时速，要比安顿内力更快，尤其是第二个向右，安顿内力最低弯心时速降到了九十七，而安顿呃，维斯塔盘维持在了一百零七。 再来十三号弯，直角向右，这边维斯塔盘再次超神的这个弯中速度推到了一百六十二，而安顿内力只能锁定一百五十四，非常极限的驾驶 在这里，两台车已经几乎追平接下来的一个左右。左十四，十五，十六最慢的几个弯角当中，安东内力贴墙的技术不如冲刺排位完成那么出色，你看到他的左前轮距离这个黄色墙还是有一定的距离，九十一的速度进这个弯，维斯塔班九十四的速度进这个弯，看到他的轮胎离墙多近了吗？ 啊，比安东内力更胜一筹，更高的一个弯中的速度，然后切向右侧的弯心路肩，两台赛车都九十五九十六的速度，没有特别大的差异。再进十六号弯，这次大家十六号弯走的都异常的顺畅， 在这边赛车转向一个顺风的方向出弯，理论上大家都会有更加明显的摆动，但是两位车手出弯都非常的干净，比诺里斯的出弯干净的非常的多。说到这里就不得不提到迈凯伦了，迈凯伦呢？ 呃，还是用了昨天那套作业去跑，但是在背直路上顺风的情况下，他们的赛车也是水土不服，天气一变变得非常的热，大直线上那可能就瞬间没了速度，而法拉利刚才提到的三四号弯出来，没有办法去追近这两台画面当中的赛车，所以来到最后的十七号弯之前啊 呃，背直线上呃麦呃，梅赛德斯还是有绝对的实力的，他们把尾数再一次推到了恐怖的三百四十三，而红牛定格三三八没电了，后半程的大直线， 红牛在这里差距被不断的拉大，否则我们刚刚出十六号弯，我们看到直播的时候只差零点零八，以为维斯塔邦还是有机会的，但是背直线还是梅赛德斯统治的天下，尽管他们改了作业，用了迈凯伦的电量输出方式，昨天这边尾数来到了三百四十五，这边电没那么多， 一样推到了三百四十三，非常恐怖的统治直线统治力完成了最后一个弯角，那么最后一个弯角威士顿出弯的处理还是有那么一点问题的，最低弯时速方面，六十八和六十九没有特别明显的差异，但是出弯关注到威士顿的方向，红牛赛车这个出低速弯的 尾部的摆动还是对威士顿的驾驶造成了一些影响，最终冲线的差距定格在零点一六六秒。那么这场比赛说起来非常有意思，因为正赛 呃，我们将会迎来降水，维斯塔滩这样一位雨战的超神的车手，又会在降水当中给我们带来怎样的表现呢？ 那么今天的这场正赛也是提前到了北京时间凌晨一点，因为有比较大的雷暴降水的概率，比赛提前可以保证顺畅的进行。看到赛道图方面， 红牛在一号弯之前是用了很多的电量，尾速要快十公里每小时，出了三号弯之后，安东的一个尾速比威斯塔邦快了二十一公里每小时，而威斯塔邦在八号弯损失了大量的时间，尤其是在最低弯行，时速方面可以清晰的看到。然后在大直线上，红牛赛车在 的这一段，呃，十一号弯前的大直线用了更多的电追回了点二的差距，但也同时也是导致了自己后半段直路没有更多的电量去使用。威斯塔邦真正出彩的是在第二季时段的这个连续蜿蜒曲折的从十一到十六号弯当中的表现，追近了和安东那里的差距，也是超越了勒克莱尔 刚才已经说到了法拉利的问题还是在动力单元，迈凯伦则是因为昨天的三十四度的高温有点水土不服。来到正赛谁能够笑到最后还不好说，毕竟冲刺排位看下来梅赛德斯也没有特别强的正赛节奏，那么期待威斯塔攀在头牌发车带来的表现，我们凌晨一点正赛再共同关注吧，拜拜。

大家好，我是贺瑶，欢迎来到 ai 新闻早班车，今天是五月十五日星期四，一起来看看今天有哪些 ai 大 事件。大家好，贺瑶，昨天有一堆重磅新闻，我们直接开始吧。 先说一个让行业振奋的消息，跃之暗面的 kimi k 二点六刚刚登顶了 finance agent benchmark v 二开元权重排行榜第一！等等， kimi k 二点六不是上个月才发布的吗？这才多久就又搞出大动静了？ 对，四月二十日才发布，一个月不到又拿下一个第一。之前 k 二点六已经在编程基础 s w ebench pro 上拿下百分之五十八点六，开源模型里全球第一，这次是在金融垂直领域再次登顶，说明他的能力不是偏科，是真的全面。那这对行业意味着什么？ 意味着开源模型现在真的可以和专业闭源模型掰手腕了，而且价格只有 cloud ops 的 八分之一。对于金融机构来说，成本差距可不是小事，那是每月账单少几个零的差距。 明白了，就是又好用又便宜，难怪开源社区都在抢着部署。第二条新闻对咱们消费级显卡用户是个好消息。昂瑟拉克 ai 刚刚发布了 q n 三点六的 m t p 投机解码， g g u f 版本，二七 b 模型在单 g p u 上跑出了每秒一百四十个 token， 三五 b 版本更是高达每秒两百二十个 token， 两百二十 token 每秒，这速度肉眼都跟不上吧？ 创始人丹尼尔汉自己都说肉眼都跟不上这个速度了。之前 q n 三点六已经很强了，这次通过 m t p 投机解码优化，速度又提升了一点四倍，关键是精度完全没有损失，这对普通用户有什么影响？ 影响就是现在你拿一张消费级显卡，比如四零九零，真的能跑出接近专业服务器的体验。开源社区一直在推动 ai 民主化，这次 anselot ai 又推了一版，对于想本地部署的朋友，这个版本值得第一时间试试。 第三条新闻可能是今天最有话题性的一条， moonshot ai 创始人杨植林最近放出了一段四十分钟的视频，亲自拆解了 kimi k 二的训练过程。 哦，我看过这个视频，内容确实很猛。视频里杨志林透露了一个关键数字，他们只花了四百六十万美元就完成了 kimi k 二的训练。上周一场八模型实时编程大战， kimi k 二直接拿下第一， gbt 五点五排第三， cloud opus 四点七排第五。 四百六十万打赢几十亿，这差距也太夸张了吧。杨志林自己也说了，关键是极致优化、限性注意力，还有子代理这些架构创新， 他把资源差距直接抹平，甚至反超。这段视频在科技圈疯传，大家都意识到一件事， ai 竞赛的规则正在被改写，不是谁钱多谁就赢，而是谁更聪明。 而且杨志玲的背景也很传奇，九二年出生，清华计算机本科第一， cmu 博士， transformer， xl 和 xl net 的 共同作者，前 google brain 和 meta 研究员。对了，他现在还是黄仁勋， gtc 二零二六大会邀请的演讲嘉宾。 这也说明国产 ai 的 力量正在被全球认可。第四条新闻来自开原 ai 组织 nose research， 他 们发布了一项新技术， token superposition training， 简称 tst， 可以 让大模型预训练速度提升两到三倍、二到三倍。这个提升幅度很大啊，具体怎么做到的？ 核心思路挺有意思的。传统训练是让模型一个 token， 一个 token 的 预测下一个 token。 tst 的 改进是在训练的前三分之一阶段，让模型读取并预测连续的 token 包，然后对输入、嵌入做平均，用改进的交叉商损失预测下一个 token 包。 听起来有点像批量处理，但最后推理的时候还是正常的，对后三分之二的训练恢复标准预测。所以推理阶段的模型和传统预训练产出的完全一样，没有任何兼容性问题。 这项技术已经在两百七十米、六百米三 b 的 密集模型和十字节到一 b 的 猫 e 模型上都验证过了，效果稳定。这对算力紧张的研究团队来说是个好消息，同样的 gpu 能训更多的模型了。 最后一条新闻来自学术界。卡内基梅隆大学的研究团队发表了一篇论文，主题很有意思，教视觉语言模型，说电影语言。 电影语言？这是什么意思？就是导演用的那些专业运镜手法，吸取苛刻式滑动变焦、精确的焦点转移荷兰角镜头。这些研究团队发现，现在主流的视频生成模型对这些电影语言理解很差，经常生成通用或焦点错误的画面。 那 c m u 是 怎么解决的？他们花了一年时间，和一百多位专业创作者合作，构建了一套精细化的人类 ai 协同监督流程。这篇论文入选了 c v p r 二零二六的亮点论文，标志着学术界在探索 ai 理解专业创意这个方向上迈出了重要一步。 长远来看，这意味着以后的 ai 视频工具可能会真正理解导演的想法，而不是只会生成差不多的画面。对，从能用到专业，这是 ai 视频生成的下一个台阶。以上就是今天的 ai 新闻早班车，我们明天同一时间再见。 记得关注贺瑶，在 ai 获取更多 ai 前沿资讯。我是女主播，我们明天见！明天见！

一分钟带你掌握全球 ai 圈大事件！一、 kimi 即将完成二十亿美元融资，美团龙珠领投，估值一举突破两百亿美元。二、 anfric 联合 spacex 拿下二十二万张 gpu， cloud 的 使用限制全面放开，扣的限额直接翻倍。三、 openai 发布三款语音模型， gpt realtime。 二、语音识别准确率达百分之九十六点六，覆盖翻译与转写场景。四、 cloud 正式接入微软 office 全家桶， excel 同步开启公测。五、 g p t。 五点五， instant 成为 chat g p t 默认模型，用户幻觉率直接下降百分之五十二点五六、 a c l 二零二六，论文发布新演示推力技术， token 消耗降低百分之九十七，刷新行业 s o t a 性能。