人工智能周报 | 本周AI创投与大模型最新动态
📅 覆盖时间：2026年5月22日 — 5月24日 📊 共 20 条（🇨🇳 国内 14 条 | 🌍 国际 6 条）Source: 36氪 |Published: 2026-05-24 |Heat: ⭐⭐⭐⭐⭐ (75) | 🇨🇳 国内概述: 2026年人工智能领域投资热潮持续升温。仅5月份，月之暗面、阶跃星辰等国内大模型企业便斩获超300亿元资金，具身智能同样成为资本追捧对象，维他动力、鹿明机器人等在一周内连续获得数亿元融资。据投资机构数据显示，一季度人工智能行业融资事件近600起，总金额超1100亿元，
深圳骑行记：从惬意到被AI“卑微”对待
五一期间前往深圳，首日沿深圳湾骑行游览。租车价格亲民合理，唯独调度费用偏高，令人难以接受。当时我使用美团单车，老杨则扫了其他品牌的自行车。我们一路骑行至赤湾地铁站，打算弃车换乘地铁返程。抵达一处停车点时，蓝、绿、黄三色的车辆已将区域几乎占满。我顺利停放并正常结算费用。然而老杨的车明明停在同品牌车旁，系统却无法锁车。尝试附近多个停车点结果相同，最终被迫支付调度费。20元的费用实在过高，是否合理值得商榷。真心期盼深圳地铁站周边增设更多停车区。仅此点位，同品牌车辆已超十辆，说明该区域亟需配套停车设施。若设置专用
雨情考验下，河南如何守护夏粮丰收
新华社郑州5月24日电 题：雨情考验下，河南如何守护夏粮丰收 新华社记者郑家宝、刘金辉 河南小麦即将迎来集中收获期。近期河南多地遭遇持续阴雨天气，连续降水增加了农田渍涝和农作物倒伏风险，给小麦生长和收割带来挑战。目前河南小麦长势如何，为保夏收做了哪些准备？记者深入河南多地探访。 记者了解到，去年秋季河南遭遇连阴雨，河南各地大力疏通沟渠、抽水排涝、深耕散墒，实现小麦抗湿晚播；今年以来，河南农业农村部门积极组织农民加强田间管理，科学春耕。作为粮食核心主产区的河南，今年小麦播种面积在8500万亩以上。 据河南省
马维斯：腾讯AI执行者的关键落子
Marvis（马维斯）表面上是一款 AI 助手，实则是腾讯在终端入口与智能体领域的一次重要探索。腾讯于 5 月 20 日宣布 Marvis 正式推出，官网已开放 Windows、macOS 及安卓三端下载，无需邀请码即可使用；iOS 版本官网显示正在审核中，预计 6 月中旬上线。根据腾讯的产品定位，Marvis 旨在将终端系统、文件、应用、算力及跨端连接整合至同一 AI 中间层。这并非腾讯单纯再造一个问答机器人，而是推动 AI 应用从“内容生成”向“任务执行”迈进的关键一步。当前许多 AI 应用仍更像屏幕
湖南提升防汛应急等级至Ⅲ级应对严峻形势
长沙5月22日专电 记者从湖南省水利部门获悉，依据当前防洪工作态势及《湖南省水利部门防洪应急响应工作规程（修订）》相关规定，省水利部门于5月22日9时将防洪应急响应级别从Ⅳ级上调至Ⅲ级。 气象与水文机构监测数据显示，自5月22日起，湘中以北区域将迎来新一轮强降水天气，局部地区可能出现暴雨乃至大暴雨。本轮降水过程具有累计雨量大、覆盖区域与前期降雨集中区高度重合的特点，致灾风险极高。 省水利部门提醒各地水利机构务必高度重视当前防洪工作的严峻态势，实时监测雨情、水情、险情动态，及时启动相应级别防洪响应，进一步强
云南发布AI赋能能源产业升级路线图
5月20日，云南省发展和改革委员会、云南省能源局联合发布《云南省推进“人工智能+”能源高质量发展实施方案（2026—2030年）》（云能源科技〔2026〕132号），提出以人工智能技术驱动能源产业链全面升级，充分发挥云南绿色能源资源禀赋和山地地形特征，设定2027年、2030年两个阶段发展目标，为新能源产业发展提供战略指引。《实施方案》提出到2027年初步建立能源与人工智能协同创新体系、打造10个以上典型应用场景且“绿色电力+智能算力”产业集聚区初具规模，到2030年形成覆盖全能源品种的智能调度集群、建成
AI调度平台的国家战略逻辑与物理世界智能化机遇
一个标志性事件：当运营商开始复刻半导体生态链近期，中国移动正式推出AI模型调度平台。这一动作在产业层面释放的信号，远超过一个传统电信运营商的“业务升级”范畴。其底层商业逻辑，与半导体领域“异构芯片协同”的生态链模式高度同构——在半导体产业中，不同制程、不同架构的芯片之间存在天然的设计与制造壁垒，跨芯片的协同需要统一的调度层（如UCIe互联标准、Chiplet生态）来消解摩擦成本。中国移动正在做的，正是将这一逻辑升维至AI领域：构建一个覆盖“数据-算力-模型”的城市级智能体基础设施调度层。但两者的关键差异在
珠江流域开启“龙舟水”强降雨模式
新华社北京 5 月 21 日电（记者魏弘毅、熊嘉艺）来自水利部的消息显示，自 21 日开始，珠江流域正式步入“龙舟水”降水密集阶段。水利部有关人员指出，“龙舟水”特指每年 5 月 21 日至 6 月 20 日之间，华南地区在端午节前后出现的大规模强降水现象。由于此时段正值端午龙舟竞渡之际，因此得名“龙舟水”。预测显示，今年“龙舟水”时节，珠江流域整体降水量将略高于常年水平，其中流域东部和北部预计多出一至二成，北江、韩江及东江区域更是可能激增三至五成。与此同时，流域内气温将持续走高，强对流天气活跃，局地极端
全国算力一张网：智能时代的新基建
伴随人工智能引领科研竞赛成为全球科技博弈的新焦点，无论是千亿级参数模型的训练，还是气象预测、新材料探索，科学智能的每一次飞跃，都离不开强劲算力的坚实支撑。从“构建算力”迈向“编织算网”超算与智算融合夯实科研基石作为当下科研投入的关键基础设施，一张具备智能调度能力的算力网正在加速成型。今年 4 月，我国规模宏大的科学智能计算集群在河南郑州正式启用。它与常规算力中心有何异同？总台央视记者苏童报道：此处为位于河南郑州的国家超算互联网核心节点，逾 6 万张国产 AI 加速卡正全速运转，不仅胜任科学计算，亦能支撑人
AI应用边界消融，智能基础设施时代来临
当前，生成式 AI 的落地正在经历一场深刻变革：AI 应用的边界正在加速融合。无论是办公软件、视屏编辑、图形设计等传统工具，还是新兴的浏览器、搜索入口、命令行与对话界面，生成式 AI 已从最初的"展示技术"演变为它们的核心功能。用户不再关注产品是否打着"AI优先"的标签，他们只在乎它能否更快速、更经济、更便捷地完成任务。场景融合，正在成为 AI 落地的最终形态。但我们想把这个判断再往下推一层——当AI融入所有软件、所有场景、所有工作流程，AI本身就不再是"应用"，而是基础设施。核心判断：AI就是未来的基础
AI for Science的决胜之道：多模型协同编排能力
当业界纷纷追逐「更强大的模型」时，真正的领跑者已经在布局「更高效的协作」。当全球 AI for Science 领域还在较量「谁的模型性能更优」时，真正稀缺的战略资源已悄然转移——核心已不再是模型本身，而是如何让不同代际、不同技术路线、不同学科知识深度的模型，像一个高效的研究团队般协同运作。Anthropic 在 2026 年 5 月发布的 BioMysteryBench 研究中，坦诚指出 Claude「适合辅助角色，难以主导科研进程」；Google DeepMind 通过 6 个分工精细的 Agent
AI双雄分道扬镳！七娘A哥算法加持两千城，重塑原生商业版图
世界AI两大主流演进方向正式分庭抗礼：Anthropic转向自主迭代模式，构建AI自主管理体系；OpenAI坚持工具赋能定位，聚焦实用落地与效率提升。这一分歧的源头，可追溯至2020年底OpenAI核心团队分裂，内部在安全边界与商业落地理念上彻底对立。AI行业无法赚取认知之外的收益，若看不清这场路线变革，便难以把握下一轮AI商业机遇。七娘A哥专注高维AI商业体系，打造「AI信仰→AI思维→闭环方法论→全域工具→实战技巧」完整成长路径，实现行业独有的AI（工具附加）→AI+（场景赋能）→AI*（原生重构）三
七省区获发洪水防御四级响应令
新华社北京5月19日电（记者魏弘毅）水利部消息指出，为有效应对近期连绵强降雨，该部于19日正式对江西、湖北、湖南、广东、广西、贵州及海南等七个省份启动洪水防御Ⅳ级应急响应。 气象预报显示，5月19日至21日期间，江西北部、湖南全境、贵州东部、广西北部及沿海区域、广东西北部及沿海地带、海南南部等地将迎来持续性暴雨。受此影响，珠江流域西江中下游干流及其支流柳江、桂江，北江干流，以及长江流域洞庭湖水系的沅江上游、鄱阳湖水系的饶河与赣江均将出现水位上涨过程。此外，广西防城河、湖南沅江上游支流沱江、湖北内荆河及长湖
5 月 26 日杭州相约！共赴阿里云 AI 生产力盛会
5 月 26 日，「阿里云 AI 生产力峰会・杭州站」即将隆重召开。此次盛会紧扣人工智能与各行业场景的深度融合，阿里巴巴 AI 顶尖团队将全方位剖析 Qwen3.6、Happyhorse 等旗舰模型的最新突破及实战案例。与此同时，亿脉通将正式以阿里云「杭州 OPC 生态运营合作伙伴」的身份，在本次峰会上完成签约仪式！活动精彩看点：阿里资深专家深度拆解 Qwen-3.6、Happyhorse-1.0、Wan-2.7 等前沿旗舰模型杭州市算力资源调度服务平台——模型超市 2.0 震撼发布杭州 OPC 生态运营
AI4Protein 最新论文精选 | 2026-05-19
今日热点 / Relevant Today AI4Protein 前沿动态 1.跨越桥梁的熵：用于流与薛定谔采样器的条件 - 边缘离散化 日期：2026-05-15 作者：Bruno Trentini, Dejan Stancevic, Michael M. Bronstein 等人 AI 深度解析 本研究提出了一种名为 AlphaFlow 的新方法，致力于优化高维扩散模型采样中的时间步长分配难题。研究指出，经典的布朗桥理论（例如 U 形收缩模式）仅适用于高斯分布，而通用模型需采用自适应的边际项来匹配学习