国常会聚焦AI：国家战略提速
国常会"听取汇报"，绝非例行公事。这一动作传递双重信号：该议题已上升至跨部门协同层级，亟需国务院层面定方向。上一次国务院如此高规格研讨人工智能，是2024年8月《关于深入实施"人工智能+"行动的意见》发布。彼时是部署，此次是复盘——两年过去，进展如何、瓶颈在哪、未来路径何在，必须给出答案。因此，"听汇报"三字，首先是一种姿态：国家正在密切关注。第一条：加速超大规模智算集群建设。"加快关键技术攻关和超大规模智算集群建设"，现实情况是：全国已建成42个万卡集群，数量可观，但大模型训练对算力的需求增速更快。美国
云知声U2登场：主打智能密度与执行能力，告别参数内卷
2026年6月8日，登陆港交所的AI科技公司云知声（9678.HK）推出了全新通用基础模型U2。 在当前国内大模型赛道已从"百模大战"演变为"百模淘汰"的背景下，这条消息本身并不算新鲜。但深入了解U2的技术底牌和商业路径后，会发现它传递的信号颇具新意：它并非又一个万亿参数军备竞赛的参与者，而是对"参数越大越强"这一底层逻辑提出质疑的破局者。 一、近3000亿参数对阵万亿：重新定义"智能密度" U2采用近3000亿总参数的MoE（混合专家）架构。这个数字在2026年的大模型格局中，看起来并不算大。 但云知声
AI 新纪元：智能密度决胜未来
近日，南开大学经济研究所发布了《中国新一代人工智能科技产业发展报告2026》，提出一个关键观点：2025年，中国主导完成了人工智能的第二次技术转型——从侧重“规模效应”转向聚焦“智能密度”。这标志着，AI 发展进入了一场围绕“智能密度”的比拼——谁能以更少的算力、更低的成本、更精准的数据，在具体业务场景中创造更大价值，谁就能赢得未来。从“规模效应”到“智能密度”：回归 AI 商业本质回想 ChatGPT 横空出世的那一年，仿佛一夜之间，所有科技公司都在做大模型，所有投资人都在寻找 AI 项目，许多企业老板
AI原生企业：从人力协作到智能系统的蜕变
众多企业正进行"AI升级"：为员工配置工具、开设培训课程，将会议记录、客服话术、销售邮件交由AI处理。但这并非真正的AI原生。真正的AI原生企业，不是人在组织中多了一个帮手，而是企业本身蜕变为一个具备感知、决策、执行、复盘和学习能力的系统。传统企业的运营核心在于人。销售依赖主管复盘，客服依靠团队长抽检，产品依靠会议对齐，研发依靠经验排期。数据存储在表格中，判断存在于脑海中，规则写在文档里，而许多关键经验则分散在聊天记录和日常口头沟通中。AI原生企业的核心转变，在于将这些要素转化为机器可读取、可调用、可评估
MiniCPM5-1B：重塑端侧AI智能密度新高度
2026年5月26日，面壁智能携手清华大学及OpenBMB开源社区，共同推出面向端侧部署的文本基座大模型 MiniCPM5-1B。该模型参数量为1B，专为终端设备场景设计。依据官方公布数据，MiniCPM5-1B 在 Artificial Analysis（AA）榜单中斩获17.9分，在2B以下开源模型中表现优异。相比之下，Qwen3.5-2B 得分为16.3分。在知识问答、数学推理、代码生成及工具调用等评测维度上，MiniCPM5-1B 相较于 Qwen3.5-0.8B、LFM2.5-1.2B-Thin
AI 自训模型问世！面壁小钢炮成本降一成，性能碾压同尺寸竞品
面壁智能最新一代“小钢炮”正式亮相。5 月 25 日，面壁智能携手清华大学及 OpenBMB 开源社区，共同推出了 MiniCPM5-1B。该模型仅含 1B（10 亿）参数，却在权威评测榜 Artificial Analysis（AA）上斩获 17.9 分的高分，一举超越所有参数量在 2B 以下的模型，即便是参数翻倍的 Qwen3.5-2B 也甘拜下风。更小却更强，这再次印证了面壁曾发表于 Nature 的密度定律：大模型的智能密度大约每 3.5 个月就能翻一番。面壁“小钢炮”系列模型向来以参数小巧、能量
智能创业新法则：重塑组织而非堆砌工具
詹培勋 瞻行资本创始人往昔初创企业的核心筹码，无非是团队、资本、渠道与产品。如今这些依旧关键，但 AI 时代引入了新变量：谁能率先将 AI 打造为企业的操作系统，谁便能以精简团队达成过往大厂方能企及的成就。这绝非空谈概念。Claude Code 已将"编码"转化为可外包任务，具备读取库、改文件、跑测试及提交代码的能力。Google 推出 AP2 等协议，昭示 AI Agent 正从聊天工具向交易、支付及商业执行层深入。B2B 营销界亦在被 AI 重构，从内容创作、数据洞察到营销自动化与销售赋能，皆由 AI
国际三大AI机构集体验证"密度定律":清华团队两年前预测获证实
全球人工智能研究领域近期出现罕见"共振"现象。4月间，美国研究机构METR与Meta超级智能实验室相继公布独立研究成果，得出了惊人相似的结论：人工智能能力正呈指数级攀升，而实现同等智能水平所需的训练算力则急剧下滑。两项研究的曲线斜率高度吻合，共同指向一个中国团队早在两年前就已提出的概念——"密度定律"。4月3日，METR发布的技术报告显示，AI处理复杂任务的能力每88.6天实现翻倍。仅隔5天，Meta推出新模型Muse Spark，其内部训练数据表明，达到一年前Llama 4 Maverick的性能水平，
谷歌DeepMind发布Gemma 4：开源AI新里程碑
2026年4月2日，谷歌DeepMind正式推出了Gemma 4——这是其迄今为止最强大的开源模型系列。一句话概括：凭借310亿参数的性能，Gemma 4击败了拥有6000亿参数的竞争对手。接下来，我们通过数据来深入了解这款模型。Gemma 4共发布了四个版本：E2B（20亿参数）适用于手机和IoT设备；E4B（40亿参数）适合移动端和边缘设备；26B MoE（260亿混合专家）专为服务器和工作站设计；旗舰版31B Dense（310亿稠密参数）则针对高端GPU服务器。在Arena AI文本排行榜上，旗舰