技术日报

{
  "title": "万亿模型与端侧革命，生成式AI重塑交互范式",
  "content": "今日技术圈的主旋律是“范式转移”与“回归本源”。从何恺明团队提出的单步生成模型 Drifting Models，到上海AI实验室开源的万亿参数科学大模型，基础研究正在试图打破算力与推理效率的物理极限。与此同时，面壁智能、通义实验室等则在探索如何将AI从云端的神坛拉回端侧与物理世界，无论是全双工的语音交互，还是基于“快慢思考”的电商推荐，都在昭示一个趋势：AI正在从炫技式的对话，进化为具备感知、行动与深度推理的智能体。\n\n### 生成范式与底层突破\n\n[Gemini月活突破7.5亿，坐AI聊天机器人第二把交椅](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247513924&idx=2&sn=7316e620430ece355e91c0a2c4d9e2c5)\n\n这不仅是谷歌财报上的一个数字，更是AI市场格局重塑的信号。7.5亿月活让Gemini稳居第二，且增长势头迅猛，直逼ChatGPT。更重要的是，谷歌本季营收首破4000亿美元，AI已成为其核心增长引擎。从Ironwood芯片到Google AI Plus订阅，谷歌展示了“软硬兼施”的生态闭环能力。对于行业而言，这意味着AI竞争已进入“生态化”阶段，单纯比拼模型参数的时代正在过去，谁能通过应用落地留住用户，谁才是赢家。\n\n[邓明扬一作论文改写生成范式！何恺明也署名了](https://www.qbitai.com/2026/02/376752.html)\n\n这篇论文可能是近期计算机视觉领域最具颠覆性的工作之一。传统的扩散模型需要在推理阶段进行成百上千次迭代，导致延迟高、成本大。何恺明团队提出的“漂移模型”巧妙地将这种分布演化的压力转移到了训练阶段，实现了真正的单步生成（1-step）。在ImageNet上，其单步生成的FID成绩甚至超越了许多多步迭代模型。这一范式的转变，不仅极大地提升了生成速度，更为实时视频生成、具身智能控制等对延迟敏感的领域打开了新的大门，堪称生成式AI领域的“光速进化”。\n\n[社区供稿丨迈向AI4S 2.0，上海AI实验室开源书生万亿科学大模型Intern-S1-Pro](https://mp.weixin.qq.com/s?__biz=Mzk0MDQyNTY4Mw==&mid=2247496375&idx=1&sn=89e0b8d1518178225d64044f93f85d8b)\n\n当大多数人还在卷通用大模型时，上海AI实验室已在科学计算领域筑起了高墙。Intern-S1-Pro拥有1万亿参数，采用了MoE架构，每次仅激活22B参数，实现了算力效率与模型规模的平衡。其引入的傅里叶位置编码（FoPE）赋予了模型“波”与“粒子”的双重物理直觉，使其在解决数理化奥赛题时表现卓越。这是AI for Science迈向2.0时代的重要标志——从单纯的“工具革命”进化为驱动科学发现的“革命工具”，为全球科研界提供了强大的开源基座。\n\n[“2.4万亿+原生全模态”是怎样炼成的？文心5.0技术报告首公开](https://mp.weixin.qq.com/s?__biz=MzI5NzUyMzM1Mg==&mid=2247666229&idx=1&sn=5abc314a7316497ca47b124f35278e5c)\n\n百度文心5.0的发布，标志着国产大模型在多模态融合上进入了深水区。2.4万亿参数只是表象，核心在于其“原生全模态统一建模”技术，不再将文本、图像、音频视为割裂的模态，而是在底层进行统一理解与生成。这种架构不仅提升了模型在复杂场景下的表现力，更重要的是，它通过弹性训练范式解决了大规模部署的资源约束问题。对于开发者而言，这意味着更自然的跨模态交互体验和更高效的模型调用能力。\n\n### 端侧智能与具身演进\n\n[告别“对讲机”时代：面壁智能给 AI 装上了“神经末梢”](https://mp.weixin.qq.com/s?__biz=Mzg4NDQwNTI0OQ==&mid=2247588743&idx=1&sn=cfdc72a28df9289b79a5f0aa53923b9b)\n\n在巨头们卷云端算力时，面壁智能选择了一条更难的路——把AI塞进端侧。MiniCPM-o 4.5仅用9B参数就实现了全双工语音交互，打破了传统“回合制”对话的枷锁，让AI能像人一样“边听边说”。配合硬件开发板“松果派”，他们正在构建“Model-Native”的端侧生态。这对于行业影响深远：它不仅解决了隐私和延迟痛点，更定义了未来具身智能的“1Hz大脑”标准。智能机器人将不再需要依赖不稳定的云端连接，而是拥有本地化的实时决策能力。\n\n[如何让 AI 用“温柔但坚定”的语气说话？](https://mp.weixin.qq.com/s?__biz=MzkxMTYyMTAzNA==&mid=2247499528&idx=1&sn=6d24bdfdcc6947bae38c006418ef6b9d)\n\n通义实验室的13篇ICASSP 2026收录论文，展示了语音技术从“识别”向“感知”的跨越。特别是基于PAD心理学模型的情感语音合成，让AI不仅能听懂内容，还能细腻地控制“愉悦度、唤醒度、支配度”，甚至能应对“心理操纵式攻击”。这意味着未来的语音交互将不再是冷冰冰的指令应答，而是具备情商、能感知情绪甚至能进行情感抚慰的沉浸式体验，为人机交互赋予了更强的“人性”色彩。\n\n[速递｜红杉资本领投，语音AI独角兽ElevenLabs融资5亿美元，估值冲至110亿](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247513924&idx=3&sn=0913efbcf875d12840ec8eda0b4c03cf)\n\nElevenLabs的高估值融资，是对“声音即界面”这一趋势的强力背书。ARR达到3.3亿美元且增长迅猛，说明市场对高质量语音生成的需求正在爆发。更重要的是，他们计划将能力扩展至视频和智能体领域，试图打造多模态的交互入口。对于创业者来说，这表明在通用大模型之外，深耕特定模态（如语音）并做到极致，依然具有巨大的商业价值和护城河。\n\n### 推理增强与工业落地\n\n[自动化评测的九九归一——评测agent](https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247558178&idx=1&sn=eaa639c6255e7dd20e13f07bc9bf4670)\n\n阿里云的这篇文章揭示了AI大规模落地背后的隐形工程。面对数十个业务场景，靠人力评测已不可能。他们构建的“评测Agent”通过自主学习业务标准，实现了97%的机审率。其核心技术亮点在于“识图-推理解耦”，用小模型做忠实描述，大模型做推理，有效抑制了多模态幻觉。这为行业提供了一个重要范式：AI的工业化不仅是模型大小的比拼，更是评测、监控、迭代这一整套自动化工程能力的较量。\n\n[ICLR 2026 | 这道题是否需要用图思考？模型来告诉你！自适应思考模式切换助力通用视觉推理提升](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651015544&idx=3&sn=9dc01133077f122da429f00f3dc0ccb0)\n\n复旦与阿里的这项研究解决了一个核心矛盾：何时用文本思考，何时用图像思考？他们提出的Mixture-of-Visual-Thoughts（MoVT）框架，让模型能根据问题自适应切换推理模式。这不仅提升了模型在数学、视觉定位等不同任务上的表现，更赋予了一种“元认知”能力——模型开始思考“该如何思考”。这对于提升多模态模型的鲁棒性和通用性具有里程碑意义。\n\n[突破传统限制：OxygenREC——一个基于指令跟随的“快慢思考”电商生成式推荐框架](https://mp.weixin.qq.com/s?__biz=MzU1Mz