AI日报｜2026年8月28日周五｜腾讯百亿模型开源、英伟达单日飙涨8.74%、壁仞营收翻20倍：今日五大事件定调下半年走向

每日十分钟，带你洞悉AI行业动态。今日最令我震撼的并非英伟达的财报，而是腾讯悄然释出的这款770B参数、49B激活、1M上下文长度的Hy4 preview——全面开源，零门槛使用。

今日要览：三组数据揭示趋势

8.74%：英伟达单日股价涨幅，市值一夜激增4415亿美元（约合2.97万亿人民币），刷新美股历史第二大单日市值增长纪录。

1997.6%：壁仞科技半年度营收同比增速，国产GPU首次交出"现象级"成绩单。

6元/百万Token：腾讯混元Hy4 preview的输入定价，千亿参数级模型直接降到"亲民价"。

以下进入今日五大事件。

一、今日五大AI事件

事件一｜腾讯混元Hy4 preview发布并开源：千亿模型降至"亲民价"

2026年8月28日 腾讯混元正式发布并开源新一代大语言模型Hy4 preview，总参数770B、激活参数49B，上下文长度突破1M，采用MoE架构。

一句话解读：这是国产开源模型首次在参数规模、上下文长度、推理价格上同时跻身全球第一梯队。

几个关键看点：

架构：MoE（混合专家），总参数770B但每次推理仅激活49B，相当于一个千亿级大脑但日常仅启用一个"专家小组"。

定位：为生产力而生——重点优化Agent、Coding、复杂办公、金融分析、游戏开发、科学研究六大应用场景。

实测表现：在腾讯内部163名专家、203个工程任务的盲测中，Hy4 preview（均分2.99/4）略胜GLM 5.3（2.92/4）和Kimi K3（2.94/4）。

价格屠夫：输入6元/百万tokens，输出18元/百万tokens，缓存命中0.3元/百万tokens——千亿级模型的输入价直接降至与几B级模型同档。

首发渠道：WorkBuddy、CodeBuddy（国内+国际版）、元宝、ima同步上线。

为何重要：Hy4的开源意味着开发者可零成本获取一个千亿级、1M上下文的Agent底座——这曾是OpenAI、Anthropic、Google闭源阵营的核心护城河。腾讯此次"开源+白菜价"组合拳，可能直接重塑下半年国产Agent的竞争版图。

事件二｜英伟达Q2财报炸场：营收962亿，下一财年指引70%，市值冲至5.49万亿美元

2026年8月27日盘后 英伟达发布2027财年第二季度财报，多项核心数据远超华尔街预期：

指标

数据

同比

总营收

962.21亿美元

+106%

数据中心营收

890亿美元

+117%

调整后EPS

2.22美元

+120%

GAAP/非GAAP毛利率

均75%

—

Q3营收指引

1080亿美元

—

几个重磅细节：

首次提前一年给出指引：CFO克雷斯罕见地预告2028财年整体营收将增长约70%，远高于市场此前预期的45%。

Vera Rubin平台全面投产：下一代产品已出货，CoreWeave、谷歌云、微软Azure、甲骨文云、Nebius等头部客户已下单。

AWS扩大合作：亚马逊云将在本季度至2029财年Q2额外部署200万颗GPU。

黄仁勋放话："AI已经迎来拐点，每一个Token都在创造生产力和利润。"

市场反应：财报发布后股价单日暴涨8.74%，市值冲至5.49万亿美元，单日市值增加4415亿美元（折合约2.97万亿人民币），创美股历史第二大单日市值增幅。

一句话解读：市场对AI算力"需求见顶"的担忧，被英伟达用一份"客户明年需求翻倍"的硬数据直接证伪。

为何重要：当一家公司能以一年提前给出70%的增长指引，说明它已看到客户算力需求的"几何级"扩张——AI不是泡沫，而是"算力即收入"的硬通货。

事件三｜壁仞科技半年报：营收暴增近20倍，国产GPU四小龙加速聚首资本市场

2026年8月28日 国产GPU四小龙之一壁仞科技（06082.HK）发布2026年中期业绩，营收、亏损、毛利率三项关键指标全面改善：

营收：12.36亿元，同比+1997.6%（上年同期5890万元）

毛利：5.27亿元，同比+2708.5%

亏损：3.77亿元，同比收窄76.4%

毛利率：42.7%，同比提升1080个基点

研发投入：8.04亿元，同比+40.7%

总市值：1017亿港元（截至8月28日收盘）

营收暴增的主要原因是智能计算解决方案收入——从上年同期的5820万元暴增至11.68亿元，背后是市场对GPU的强劲需求和壁砺™系列旗舰通用GPU的规模交付。

一句话解读：国产GPU不再是"实验室样品"了，已经能在大客户那里批量出货、贡献规模化收入。

为何重要：摩尔线程、沐曦股份、壁仞科技、燧原科技——"国产GPU四小龙"正在加速汇聚资本市场。英伟达财报打破"见光死"魔咒的同一天，国产替代的故事终于有了实打实的营收支撑。

事件四｜小鹏第二代VLA大模型：AI首次拥有"时间感"，端到端响应提速300%

2026年8月27日发布 小鹏集团在"TIME·时间"物理AI分享日上，正式发布第二代VLA（Vision-Language-Action）大模型，全新XOS 6.3.0将于小鹏G9L全球首发全系标配。

核心突破：AI开始理解"时间"

传统车载感知模型只能处理单帧画面，而真实道路是连续的时空流。第二代VLA做了三件事：

Infini-VLA长时序架构：记得前30秒的道路事件，把碎片化的画面串联成完整驾驶上下文。

X-Foresight预测世界模型：能推演未来6秒周边交通参与者的运动趋势，提前预判加塞、行人变向等场景。

流式自回归推理：从传统的"看—算—输出—再看"离散模式，进化为"边看、边想、边行动"的并行模式，端到端响应速度提升300%。

一句话解读：智驾模型从"3D空间理解"跃迁到"4D时空理解"，AI首次真正拥有了"时间感"。

几个关键数据：

端侧模型参数量扩大3.5倍，是当前行业主流VLA模型的15倍以上。

多维综合安全能力整体提升20倍。

配套推出Master Agent整车智能体：VLA+VLM驾舱融合，能解析自然语言意图，调度智驾、底盘、车身、座舱多模块协同执行。

语音靠边停车、语音就近泊入功能落地——把Robotaxi的L4级能力下放到量产车。

Robotaxi已获广州主驾无安全员道路测试资质。

蒸馏版VLA 2.0 Lite将于9月推送至部分存量车型。

同一套物理AI基座已完成端侧部署至人形机器人IRON。

小鹏机器人业务首轮融资超9亿美元，投后估值超63亿美元。

为何重要：当AI开始理解"时间"，物理AI的范式就从"识别"升级为"预判"——这不仅是智驾的飞跃，更是通用机器人走入真实世界的关键一步。

事件五｜国务院"人工智能+"行动意见发布：6大行动+8项支撑定调AI国策

2026年8月 国务院印发"人工智能+"行动意见，从顶层设计上明确AI作为国家战略的推进路径：

6大行动：

"人工智能+"产业升级

"人工智能+"科技创新

"人工智能+"消费提质

"人工智能+"民生福祉

"人工智能+"治理能力

"人工智能+"全球合作

8项支撑：算力底座、数据要素、模型能力、开源生态、人才队伍、安全保障、政策法规、国际合作。

一句话解读：这是全球首个将"开源生态繁荣"写入国家AI战略的政策文件。

几个核心信号：

举国体制+市场规模：政策引导+14亿人口应用场景。

开源生态政策化：从国家层面明确鼓励开源，可能带动一波国产开源模型红利。

算力统筹：类似"东数西算"升级版的国家级算力调度平台，国产AI芯片采购可能获得政策倾斜。

应用发展环境：AI应用采购可能获得补贴或便利。

为何重要：当国家把AI从"技术议题"升级为"国家战略"，接下来12个月你会看到地方政府密集出台配套补贴、各地AI产业基金加速成立、国产开源生态拿到真金白银的订单——这是创业者必须抓住的窗口期。

二、AI落地实操：今天发生的真实案例

案例一｜若羽臣：用AI把电商代运营做到营收+73%、净利润+131%

公司：若羽臣（电商代运营+自有品牌）

财报数据：2026年上半年营收22.86亿元（+73.29%），归母净利润1.67亿元（+131.72%）

AI怎么落地的：

多模态AI智能体从"业务辅助工具"升级为"核心运营单元"——AI不仅是写文案，而是参与业务决策和资源配置。

AI深度渗透产品开发、渠道运营、营销投放、供应链调度四大核心环节。

通过开放API能力接入多款Agent产品，为运营、选品、投放岗位打造专属智能体。

可复制的4步法：

找高频、规则明确的环节——若羽臣选的是选品、投放、供应链，这是数据标准化程度最高的场景。

梳理数据口径——跨品牌、跨品类、跨渠道统一数据规范。

从单Agent到多Agent协同——不是一个大模型搞定一切，而是为每个岗位配专属Agent。

从"工具"升级为"运营单元"——让AI参与决策，而非仅做内容生成。

三、AI底层原理冷知识：99%的人不知道的真相

冷知识一｜Transformer里唯一的"思考动作"，是QK那一个点积

很多人以为Transformer的"思考"发生在FFN（前馈网络）或LayerNorm（层归一化）里。

但真相是：整个模型中，唯一涉及原始输入语义信息的可学习运算，只有QK^T这个点积。

Q（Query）：当前token"想要查询什么"

K（Key）：当前token"包含什么信息"

V（Value）：当前token"实际传递什么内容"

数学公式：

Attention(Q, K, V) = softmax(QK^T / √d_k) · V

通俗解释：想象你去图书馆找书——Q是你的查询词（"量子力学"），K是每本书的分类标签，V是书的内容。你拿着Q去匹配K，匹配度高的书的V就被你重点读。

为什么要点积？因为点积衡量的是两个向量的相似度——向量在语义空间里越接近，点积越大，注意力权重就越高。

真正的反直觉点：点积结果完全取决于两个向量在每一维上的数值匹配程度，而这些维度本身没有可解释的物理含义。第127维可能对应"是否出现在科普文章中"，第2048维可能对应"是否常与数学符号共现"——但模型自己并不知道，它只是发现"当这两个维度数值同号且较大时，后续预测'叠加态'这个词的概率会提升12.3%"。这种关联性被固化为权重，而非被理解为知识。

写在最后：今天的5个信号意味着什么？

如果让我用一句话总结今天：

国产开源模型进入"千亿白菜价"时代，国产AI芯片进入"营收暴增"时代，国家AI战略进入"政策红利"时代。

具体来说：

开发者：Hy4 preview开源 + 6元/百万Token = 立刻把Agent底座从闭源API切到开源自托管。

创业者：国务院"AI+"意见 + 各地配套补贴 = 现在是注册AI公司、申报政府项目的最佳窗口期。

企业IT：若羽臣的案例说明，AI Agent从"工具"升级为"运营单元"已不再是概念。

投资人：英伟达+壁仞的双重信号 = 算力需求远未见顶，国产替代是真故事。

👉 你今天最关心哪个事件？评论区告诉我

👉 觉得有用就点赞、在看、转发——这是AI速报活下去的唯一动力