标签 DeepSeek 下的文章

最近在折腾自动化内容产出，发现微信公众号的排版和发布流程非常割裂。虽然 mdnice 很好用，但它没有官方 API ，很难集成到自动化流里。

于是自己动手撸了一套方案，并把其中最关键的 Markdown 转微信排版 环节封装成工具开源了。

技术栈：

n8n：作为全流程自动化编排中心。

DeepSeek：负责高质量文本生成。

Gemini (Image Generation)：根据内容自动生成配图作为头图。

自建 API (markdown2wechat)：解析 mdnice 主题并将 MD 转换为适合微信预览的 HTML 格式。

全流程逻辑：

定时触发或 Webhook 触发。

调用 DeepSeek API 生成符合排版规范的 Markdown 。

调用 Gemini 生成文章封面图并自动上传。

通过我的工具接口，将 MD 自动套用 mdnice 主题模板并转换为 HTML 。

推送到草稿箱。

工具开源地址： https://github.com/koala9527/markdown2wechat

欢迎 V 友们拍砖，如果大家有更好的全自动发布 API 思路也欢迎交流。


今天凌晨，喜欢闷声做大事的 DeepSeek 再次发布重大技术成果，在其 GitHub 官方仓库开源了新论文与模块Engram，论文题为“Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”，梁文锋再次出现在合著者名单中。

与传统的大模型架构相比，该方法提出了一种新的“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。代码与论文全文均已开源。

 

论文地址：https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf

代码地址：https://github.com/deepseek-ai/Engram

 

这种查和算分离的 Engram 新方法的整体架构如下图所示：

 

为什么需要 Engram？

 

那么，我们为什么需要 Engram ？

 

目前主流的大语言模型架构依然基于 Transformer 和Mixture-of-Experts（MoE）结构。MoE 是目前推进参数规模和能力扩展的关键技术之一，通过动态路由机制，只激活部分参数以降低计算成本，同时在任务容量方面实现大规模扩展。DeepSeek 自家系列模型（如 DeepSeek V2、DeepSeek V3 等）也采用了先进的 MoE 方法进行扩展训练。

 

但在这些传统的 Transformer 架构（无论是 Dense 还是 MoE）中，模型的参数实际上承担着两种截然不同的角色：

 

事实性记忆（Memorization）：存储海量的知识事实。例如，“法国的首都是哪里？”、“世界最高的山脉是哪座”等。这类信息相对死板，更多依赖于“查表”式的检索。

 

逻辑推理与计算（Calculation）：负责复杂的逻辑链条、多步推理和情境理解。例如，“根据这段代码的逻辑推导可能的 Bug”、“解析一段复杂的哲学论证”。

 

目前的大语言模型倾向于将这两者混在一起。当你试图让模型记住更多知识时，你不得不增加参数量。而在传统的 Dense 模型中，参数量增加意味着前向传播时的计算量（FLOPs）也会同步激增。MoE 架构虽然通过稀疏激活解决了“算力随参数同步爆炸”的问题，但 DeepSeek 研究发现，MoE 专家在处理“死记硬背”的任务时依然不够高效。

 

神经网络本质上是连续的数学变换，用高昂的矩阵运算去模拟简单的“查表检索”，本身就是一种极大的浪费。DeepSeek 的 Engram 正是为了打破这一困境——“该查表的查表，该算的算”。

Engram 的核心思想与架构

 

聚焦到问题本身，Engram 方法为什么能解决上述问题？

 

“Engram”一词源自神经科学，意为“记忆痕迹”，它是一个可扩展、可查找的记忆模块，用于语言模型在推理过程中过去可能已经见过的模式或片段。

 

Engram 的核心技术之一是现代化的哈希 N-Gram 嵌入（Modernized Hashed N-gram Embeddings）。

 

  • 传统方式：模型通过多层自注意力（Self-Attention）和 MLP 层的非线性变换，反复提取输入文本中的特征。

  • Engram 方式：它对输入的 Token 序列进行 N-Gram（连续 N 个词）切片，并利用哈希算法将这些片段映射到一个巨大的、可学习的查找表（Lookup Table）中。

 

由于采用哈希索引，这种查找是确定性且 O(1) 时间复杂度的。这意味着无论模型存储了多少万亿个记忆片段，检索的速度几乎是恒定的，且算力消耗极低。

 

O (1) 的含义是： 一次查找的耗时是常数级的，与 N-gram 表的规模无关。

 

也就是说，这种设计本质上将一部分“记忆职责”从深度神经计算中卸载出来（例如序列模式、固定知识段的识别与回填），使得模型既拥有活跃神经通道（例如 Transformer + MoE）处理复杂计算，也有静态记忆通道高效处理固定模式，这就是所谓的“稀疏性的新轴”（a new axis of sparsity）。

 

简单来说就是 MoE 负责：“计算密集”神经推理与复杂组合功能、Engram 负责：“记忆查找”固定模式以及模式重建，两者协同构成一个更高效的整体架构。

 

此外，它还具备条件记忆（Conditional Memory）。与简单的静态查找表不同，Engram 是“条件化”的。它会根据当前上下文的隐向量（Hidden States）来决定提取哪些记忆。

 

在架构设计上，Engram 模块位于 Transformer 层的早期阶段。它负责“模式重构（Pattern Reconstruction）”，即在计算层（MoE 或 Dense）开始干活之前，先把相关的背景事实和历史模式检索出来，作为“素材”喂给后续的逻辑层。

 

它与 MoE（Mixture of Experts）的关系是怎样的？

 

论文特别指出：Engram 提供了一个新的稀疏性轴，与 MoE 的条件计算不同，它通过条件查找提供静态记忆容量。下面图表中从目标、计算方式、优化方向和作用位置四个维度解释了 Engram 和 MoE 的区别。

 

最后，DeepSeek 将 Engram 与 MoE 结合，形成了一个双系统：

 

  • Engram 模块：负责海量知识点的“存储与快速检索”。

  • MoE 专家：摆脱了沉重的记忆负担，全身心投入到“逻辑推理与合成”中。

 

这种分工极大地优化了参数效率。在 27B 的实验模型中，Engram 模块可以占用大量的参数用于记忆，但在实际推理时，它只消耗极少的计算量（FLOPs）。

 

网友：V4 将采用这种架构

 

在 Reddit、X 和其他平台的相关帖子中，Engram 的技术核心受到了不少用户的肯定和技术肯定。众多网友认为这个模块的特点在于让模型架构处理“记忆模式查找”和“神经计算推理”两块职责分离，从而开启了新的稀疏性方向。

 

在 Reddit 平台有用户评论说：

 

 “Engram 嵌入方法很有意思。大多数模型仅通过 MoE 进行扩展，但 Engram 增加了静态记忆作为补充的稀疏性轴，查找复杂度为 O(1)。他们发现 MoE 和 Engram 之间存在 U 形缩放规律，这指导着如何在两者之间分配容量。分析表明，这减轻了早期层级静态模式重建的压力，从而保留了用于复杂推理的深度。确定性寻址意味着它们可以将嵌入表卸载到主机内存中，而不会增加太多推理开销。”

 

同时，有用户对这种基于 n-gram lookup 的机制表达了直观兴趣，他评论道：

 

“即便是在不依赖 GPU 的环境下也能实现这种 O(1) 查找方式，让不少开发者对本地部署这样的大模型功能有了更实际的期待。”

 

在部分技术性评论中，有人指出：

 

即从已有技术逻辑来看，在 LLM 中加入静态记忆查找似乎是“顺理成章”的发展方向。

 

这类观点反映了一个重要观点：专家群体开始从纯参数扩张思维转向更“智能”的架构设计，包括查表式模块和神经网络的协同。

 

不少高级开发者在讨论中进一步提到，这种设计在理念上类似于对传统 NLP 技术（如 n-gram embedding）的现代化转换，结合了高效寻址机制（deterministic addressing）和神经推理模块，这种组合在纸面上看具有较高的可行性和实用性（这一点正是 Engram 的核心贡献）。 

 

另一条社区评论指出，Engram 很可能是DeepSeek 即将发布的 V4 模型的核心技术基础：

 

业内观察者认为 Engram 模块可能会成为 DeepSeek V4 的重要组成部分，并预示 DeepSeek 下一代模型会在记忆和推理协同上实现架构级提升。

 

在 X 平台，也有网友表达了同样的猜测，认为 V4 也将采用这种架构。

还有网友调侃，原本想抄袭下谷歌的技术，但现在要抄袭 DeepSeek 了，因为它比谷歌更好！

还有网友表示，其实 Meta 之前也有过类似想法，但用到的技术不同。

参考链接：

https://www.reddit.com/r/LocalLLaMA/comments/1qb034t/github_deepseekaiengram_conditional_memory_via/?utm_source=chatgpt.com

https://x.com/scaling01/status/2010748516788777445

https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf

我自己简单组了一套：
IDE：vscode
插件：roocode
大模型：Gemini/DeepSeek
MCP：Serena，以及站里大佬开发的 ace-tool（配的也是站里佬的中转 API）
系统提示词：基本都是去 gemini 网页版现写，然后加到 roocode 的模式里。

这种自组的，和 cursor、antigravity 相比，能追上 90% 的使用体验吗？
另外感谢 L 站的巨佬们，开源、免费用了很多好东西，磕头

📌 转载信息
原作者：
Grant9062
转载时间：
2026/1/10 19:11:56

上学时，就为背单词头疼。后来工作了，也没有进一步增加词汇量的需求，所以英语一直保持着 3000 个单词的水平，聊胜于无。

最近，因为个人工作原因，订阅了一些英文邮件通讯，才深感专业词汇的不足。为了更好的阅读领域材料，我想针对性记忆一些领域常用的单词。

为了解决这个问题，我尝试了很多方法，但是发现一个问题：传统的背单词软件大部分都是为了考试而准备的，与我只想学习自己用得着的单词有所冲突。

经过多次尝试，通过 Mac 的「快捷指令」+「大模型」+「滴答清单」的组合，我终于摸索出了一套适合自己的个性化单词学习方案，分享给大家。

下面是快捷指令的分享链接，如果不想修改的话，直接输入你的 API Key 并设置快捷键之后就可以使用了。感兴趣的朋友可以继续阅读后文的思路说明。

下载链接

使用快捷指令的前提条件

上述快捷指令需要提供大模型的 API Key 和安装滴答清单。

  • 大模型：我推荐使用国产之光——DeepSeek，每百万 token 不到 3 元。只是背单词的话，估计一辈子也用不到 10 元钱，简直等于不要钱。直接在官网注册、申请就可以，具体流程不赘述。亦可自行更换为其他兼容 OpenAI API 的提供商。
  • 滴答清单：是我用的比较多的任务管理软件，功能强大、界面简洁，免费版本就能满足日常使用需求。很多任务管理工具只有简单的提醒，但滴答清单内置了 「艾宾浩斯记忆法」重复模式。在滴答清单中，你只需将单词任务设置为该模式，它就会根据科学的间隔（1 天、2 天、4 天、7 天、15 天……）自动弹出提醒。你不需要自己去规划复习进度，只需要在收到提醒时看一眼单词卡片即可。当然，如果你有其他软件同样支持快捷指令和艾宾浩斯记忆法，也可在后续指令中替换。

运行效果

整个流程分为五步：

1. 即时查词：阅读英文内容时，选中生词并按下指定的快捷键组合（默认为 Option-D）。

在浏览时，选中单词，按快捷键

2. AI 解析：系统会自动调用 DeepSeek 大模型，并在弹窗中展示该词的音标、中文含义和例句。

自动弹出自定义翻译和解释

3. 一键入库：点击「确定」后，单词及所有解析内容会自动保存至滴答清单的专用文件夹中。

加入清单成功提示

4. 重复模式：浏览完文章后，进入滴答清单对应的列表，将单词的「重复」模式改为艾宾浩斯记忆法。

重复记忆设置

5. 自动提醒：在查看滴答清单每日任务时，单词及其读音、解释就会根据设置自动出现。每天花上几分钟简单记忆，自然形成单词的长期记忆。

设计思路和制作过程

在完成申请大模型的 API Key 和创建单词清单之后，就可以进入快捷指令页面，点击「+」号，开始「新建快捷指令」。

本文转载自：清华大学人工智能国际治理研究院微信公众号

2025 人工智能大事件回顾丨科技巨头篇1

AI

2025 人工智能大事件回顾

科技巨头篇

-2025 Annual Major Events-

1 月

中国 DeepSeek 发布 R1 推理模型，震动全球 AI 市场

2025 人工智能大事件回顾丨科技巨头篇3

1 月 20 日，中国 AI 初创公司 DeepSeek 发布了开源推理模型 DeepSeek-R1，宣称其性能与 OpenAI 的 o1 模型相当，但训练成本仅为约 600 万美元 —— 远低于 OpenAI GPT-4 约 1 亿美元的训练成本。该模型采用 MIT 许可证开源发布，引发全球科技界震动。1 月 27 日，DeepSeek 的消息导致英伟达市值单日蒸发约 6000 亿美元，创下美国公司史上最大单日市值损失纪录。DeepSeek 证明了即使在美国芯片出口限制下，中国仍能开发出具有竞争力的 AI 模型，这一事件也推动了开源 AI 模型的发展浪潮。

2 月

特朗普宣布 Stargate 项目，5000 亿美元投资 AI 基础设施

2025 人工智能大事件回顾丨科技巨头篇5

1 月 21 日，美国总统特朗普在白宫宣布了名为 "Stargate" 的 AI 基础设施投资计划。该项目由 OpenAI、软银和甲骨文联合发起，计划在四年内投资高达 5000 亿美元，用于在美国建设 AI 数据中心。软银 CEO 孙正义担任项目主席，OpenAI 负责运营。项目首批 1000 亿美元将立即投入使用，首个数据中心已在德克萨斯州阿比林开工建设。特朗普称这是 "史上最大的 AI 基础设施项目"，将创造超过 10 万个美国就业机会。马斯克对此表示质疑，声称 "他们实际上没有这笔钱"，但 OpenAI CEO 阿尔特曼进行了反驳。

3 月

Anthropic 完成 35 亿美元融资，估值达 615 亿美元

2025 人工智能大事件回顾丨科技巨头篇2

3 月 3 日，Anthropic 宣布完成 35 亿美元融资，投后估值达到 615 亿美元。本轮融资由 Lightspeed Venture Partners 领投，Salesforce Ventures、思科投资、富达等机构参与。Anthropic 由前 OpenAI 高管创立，其 Claude AI 助手已成为 ChatGPT 和 Google Gemini 的主要竞争对手。截至年初，公司年化收入已达 10 亿美元。融资将用于推进下一代 AI 研发，特别是在机制可解释性和对齐研究领域。

3 月

谷歌发布 Gemini 2.5，引入 "思考" 能力

2025 人工智能大事件回顾丨科技巨头篇4

3 月 25 日，谷歌发布了其最智能的 AI 模型 Gemini 2.5，首个版本为 Gemini 2.5 Pro 实验版。这是谷歌首款具备 "思考" 能力的模型，能够在回答前进行推理过程，在数学、科学、编程等领域的基准测试中达到最先进水平，并在 LMArena 排行榜上以显著优势位居第一。

4 月

Meta 发布 Llama 4 系列模型，首次采用 MoE 架构

2025 人工智能大事件回顾丨科技巨头篇7

4 月 5 日（周六），Meta 发布了全新的 Llama 4 模型系列，包括 Llama 4 Scout 和 Llama 4 Maverick，以及仍在训练中的 Llama 4 Behemoth。这是 Llama 系列首次采用混合专家（MoE）架构和原生多模态设计。Scout 拥有 17B 活跃参数、109B 总参数和 10M token 上下文窗口；Maverick 同样拥有 17B 活跃参数，但总参数达 400B，拥有 128 个专家。Meta 声称其教师模型 Behemoth（约 2 万亿参数）在 STEM 基准测试中超越了 GPT-4.5、Claude Sonnet 3.7 和 Gemini 2.0 Pro。当被问及为何选择周六发布时，CEO 扎克伯格简单回应：“准备好了就发了。”

5 月

Anthropic 正式发布 Claude Code，编程助手市场爆发

2025 人工智能大事件回顾丨科技巨头篇6

5 月，Anthropic 正式发布了 Claude Code 开发工具，专为软件工程师设计。该工具通过命令行和编辑器插件（VS Code、JetBrains 等）集成，提供 AI 驱动的结对编程、调试和多文件代码编辑功能。凭借在 SWE-bench 上 72.5% 的成绩，Claude Code 被认为是市场上最强大的编程助手之一。该产品迅速获得市场认可，到 8 月已产生超过 5 亿美元的年化收入，三个月内使用量增长超过 10 倍。

7 月

英伟达成为全球首家市值突破 4 万亿美元的公司

2025 人工智能大事件回顾丨科技巨头篇10

7 月 10 日，英伟达收盘市值首次突破 4 万亿美元大关，成为史上第一家达到这一里程碑的上市公司。在 AI 芯片需求持续火爆的推动下，英伟达的市值此时已超过英国所有上市公司的总和。从 2023 年 6 月的 1 万亿美元，到 2024 年 2 月的 2 万亿美元、6 月的 3 万亿美元，英伟达仅用了约一年时间就实现了市值的四倍增长。

8 月

OpenAI 发布 GPT-5，整合推理与通用能力

2025 人工智能大事件回顾丨科技巨头篇9

8 月 7 日，OpenAI 通过直播活动正式发布了 GPT-5。这是继 GPT-4 之后的第五代生成式预训练变换器模型，首次将推理能力与非推理功能整合到统一接口中。发布时，GPT-5 在数学（AIME 2025 达 94.6%）、编程（SWE-bench Verified 达 74.9%）、多模态理解等多项基准测试中达到最先进水平。据 OpenAI 表示，GPT-5 的响应速度更快、编程和写作能力更强、健康问题回答更准确、幻觉率也大幅降低。然而，部分用户反映 GPT-5 的语气较 GPT-4o 显得 "平淡" 和 "缺乏创意"，OpenAI CEO 阿尔特曼随后表示将优化模型的个性化表现。

8 月

OpenAI 发布首个开源模型 GPT-OSS，应对中国开源浪潮

2025 人工智能大事件回顾丨科技巨头篇8

8 月 5 日，在 GPT-5 发布前两天，OpenAI 发布了 GPT-OSS，这是自 2019 年 GPT-2 以来该公司首次发布开放权重模型。阿尔特曼在后来的采访中承认，来自中国开源模型（尤其是 DeepSeek）的竞争影响了这一决定，他表示："很明显，如果我们不这样做，世界将主要建立在中国的开源模型之上。" 这标志着 OpenAI 战略方向的重大转变。

9 月

Anthropic 完成 130 亿美元融资，估值跃升至 1830 亿美元

2025 人工智能大事件回顾丨科技巨头篇11

9 月 2 日，Anthropic 宣布完成 130 亿美元 F 轮融资，投后估值达 1830 亿美元，较 3 月估值增长近三倍。本轮融资由 ICONIQ 领投，富达和 Lightspeed 联合领投，Altimeter、General Catalyst、Coatue 等参与。公司表示，年化收入已从年初的约 10 亿美元飙升至 8 月的超过 50 亿美元，成为史上增长最快的科技公司之一。Anthropic 服务超过 30 万企业客户，包括 Netflix、Spotify、Salesforce 等知名企业。

10 月

英伟达成为全球首家市值突破 5 万亿美元的公司

2025 人工智能大事件回顾丨科技巨头篇13

10 月 29 日，英伟达股价上涨超过 3%，收盘市值突破 5 万亿美元，成为人类历史上首家达到这一里程碑的公司。从 4 万亿到 5 万亿，英伟达仅用了约三个月时间。当天，特朗普总统表示将与黄仁勋讨论 Blackwell 芯片对华出口事宜，为股价注入额外动力。英伟达 CEO 黄仁勋在此前一天披露，公司已获得 5000 亿美元的芯片订单，并宣布与诺基亚合作开发 6G 技术、与 Uber 合作开发自动驾驶汽车。此时，英伟达的市值已超过除美国和中国以外所有国家的 GDP。

11 月

谷歌发布 Gemini 3，开启智能新时代

2025 人工智能大事件回顾丨科技巨头篇12

11 月，谷歌发布了 Gemini 3，这是其有史以来最强大的 AI 模型。据报道，Gemini 3 Pro 的发布让 OpenAI 进入 "红色警戒" 状态，该模型迅速占据 AI 排行榜榜首位置。在 LMArena 排行榜前 10 名中，谷歌独占 4 席，是表现最好的公司；OpenAI 唯一进入前 10 的模型排名第 8。Gemini 3 被引入 Google 搜索的 AI 模式，标志着首次在发布当天就将最新模型应用于搜索产品。谷歌还宣布在德克萨斯州投资 400 亿美元用于 AI 和云基础设施建设。

11 月

谷歌宣布 400 亿美元德克萨斯州 AI 基础设施投资

2025 人工智能大事件回顾丨科技巨头篇14

11 月，谷歌和 Alphabet CEO 桑达尔・皮查伊与德克萨斯州州长格雷格・阿博特共同宣布了 400 亿美元的 AI 和云基础设施投资计划。这是谷歌 2025 年 AI 投资推进计划的收官之作，该计划旨在释放经济机遇、推进科学突破，投资范围覆盖美洲、欧洲、非洲和亚太地区。计划还包括培训 10 万名电气工人和创造 3 万个新学徒岗位的美国劳动力发展计划。

12 月

特朗普政府允许英伟达 H200 芯片出口中国

2025 人工智能大事件回顾丨科技巨头篇15

12 月，特朗普总统宣布允许英伟达向中国出口 H200 芯片，但需向美国财政部缴纳 15% 的销售收入作为费用。这是继禁止最先进 Blackwell 芯片出口后的政策调整。H200 是英伟达上一代 Hopper 架构中最强大的 AI 芯片，其性能约为中国国产最先进加速器的 2-3 倍。消息传出后，阿里巴巴、字节跳动等中国科技巨头立即联系英伟达下单，据报道订单量已达 200 万片，远超英伟达当前 70 万片的库存。英伟达已开始与台积电协商增加 H200 产能。

12 月

谷歌发布 Gemini 3 Flash，以速度和效率取胜

2025 人工智能大事件回顾丨科技巨头篇16

12 月 17 日，谷歌发布了 Gemini 3 Flash，这是其旗舰模型的更高效、更经济版本，旨在帮助用户更快速地处理复杂查询。Gemini 3 Flash 将取代 Gemini 应用中的 2.5 Flash，并成为 Google 搜索 AI 模式的默认模型。该模型结合了前沿模型的速度与改进的推理能力，为博士级推理能力提供了堪比大型模型的表现，同时在多模态理解方面实现了重大飞跃。

📌 转载信息
原作者：
wilsons
转载时间：
2026/1/7 18:57:08

本文为《2025 年度盘点与趋势洞察》系列内容之一，由 InfoQ 技术编辑组策划。本系列覆盖大模型、Agent、具身智能、AI Native 开发范式、AI 工具链与开发、AI+ 传统行业等方向，通过长期跟踪、与业内专家深度访谈等方式，对重点领域进行关键技术进展、核心事件和产业趋势的洞察盘点。内容将在 InfoQ 媒体矩阵陆续放出，欢迎大家持续关注。

 

我们采访了无问芯穹联合创始人兼 CEO 夏立雪，他指出，2025 年之前，算力集中于 “造模型”；2025 年起，“用模型” 的算力需求快速起量，尽管单纯扩大模型规模的边际回报递减，但整体算力需求并未下降，行业进入 “高效用模型” 的良性阶段。此外他表示，从企业一号位开始重视 AI 的公司，已在业务流中找到大量落地机会，决策层对 AI 的认知度，是未来企业拉开差距的关键。下面是详细对话内容，以飨读者。

 

两个代表性模型串联起今年 AI 圈

 

InfoQ：您眼中 2025 年科技圈的关键词是什么？您会怎样总结自己这一年的收获与遗憾？

 

夏立雪：我眼中的关键词是“跃升”。我认为，今年 AI 圈发生了非常多的可喜变化，由两个代表性模型串联，也包含了技术和产业两个角度。

 

第一个转变以 OpenAI 从 24 年底推出的 o1 模型为转折点，象征着模型从单次生成转向多步推理。第二个转变以 DeepSeek-R1 的发布为关键时刻，证明了软硬协同优化的核心价值，可以推动模型性能与应用成本巨大跃迁。而这两个模型不止带来了技术突破，也带动了巨大的产业跃升：一系列推理模型的不断出现使得 AI 能从事的工作越来越丰富，而开源模型（特别是中国的开源模型）站上人工智能舞台中央，大大加速了世界范围内各种 AI 技术的部署和实验，最终促成了行业智能体为代表的各种应用新物种的诞生。

 

与这个跃升相对应的，人工智能基础设施的关键指标在执行研发任务所需的“性能、资源利用率、算力成本”等基础保障指标之上，新增关注智能体规模化服务的“业务弹性、并发稳定性、可观测性、安全性”等服务效果指标，为这个堪称第四次工业革命的时代做好基础设施准备。

 

回头来看这一年，我很幸运能见证技术浪潮的重要拐点，而我们的技术路径能在其中创造真实价值，这种体验带来的信心，比任何事都珍贵。同时我也见证了团队的成长——既能沉下心打磨产品、陪客户啃硬骨头，又能持续在复杂的事情里面找最重要的问题，就像写数学公式一样，把最需要找到的核心剥出来，这个过程里，人是最大的收获。

 

算力需求却没有下降

 

InfoQ：在您看来今年跑出来了哪些明星公司，以及带来了怎样的行业影响？哪些企业相对落后了？

 

夏立雪：DeepSeek 是今年公认的明星公司。从生态上看，R1 的出现和它的开源姿态，极大地活跃了 AI 中下游的创新生态，让许多创业公司和开发者，能以更低的门槛获得接近前沿的推理能力，去试验和构建自己应用。

 

从算力用量上看，虽然整体上单纯扩大规模的回报在边际递减，但算力需求却没有下降。因为如果把模型制造和使用方当作一个整体玩家，你会发现从去年到今年初，基本全部算力资产都配置在了“如何造模型”，今年开始“如何用模型”的算力起量，这也是一个良性的变化。

 

关于企业的领先和落后，我的观点是 AI 是一个全新的“物种”，每一个行业都有与 AI 紧密合作的巨大机会。而我看到的现象是，在同一个行业中，自一号位开始认真拥抱 AI 的，明显已经在自己的业务流中找到许多落地的机会了，所以决策人的认识是未来拉开差距的关键点。而 AI 还在不断创新，所以我更愿意说这是一场面向未来的、所有玩家都需要边跑边学的马拉松。

 

InfoQ：根据您的观察，科技公司今年面临的压力如何？对此采取了什么样的应对措施？员工们的状态如何？（可以针对广泛的科技圈，也可以是您所在公司或细分行业公司）

 

夏立雪：今年的行业压力，更多还是在兴奋与焦虑中负重转向。以 DeepSeek 为代表的推理范式和智能体应用前景的爆发，给大家带来了一些转型压力。这种转型不止是应用产品的迭代，它会牵动整个技术栈、组织架构和商业逻辑的变化，大家都在焦虑自己的速度能否跟上范式迁移的浪潮。

 

面对快速的变化，一个组织最容易遇到的问题就是决策困难，而我们因为从诞生之日就以“让 AGI 触手可及”为目标，所以在复杂的变化中能够保持冷静和坚定，比较早就洞察到了变化，率先在相应领域进行了布局，这也是创业公司的敏捷性优势，让我们在变局中保持了一定的主动性和节奏感。甚至我们会认为，今年的许多变化都是让通往目标的路径更清晰的喜讯，这让我们信心满满。

 

在员工状态方面，作为一家身处前沿的 AI 企业，我们看到许多同事展现出极强的适应性与学习热情，积极拥抱技术变革带来的挑战。整体上，团队在对技术未来充满信心的同时，也对工作稳定性和清晰的职业发展路径产生了更强烈的期待——这是一种理性和积极并存的健康状态。

 

全球在真正生产中使用中国 AI

 

InfoQ：经过一年竞赛，国内前沿 AI 水平取得了怎样的成绩？是否赶上了硅谷科技公司？

 

夏立雪：最近 OpenRouter 和 a16z 合作的报告里讲得很清晰，全球对开源模型的使用激增与 DeepSeek V3 和 Kimi K2 等主要开放模型发布相吻合，而且这些增长持续了长时间，说明全球正在真正的生产中使用中国 AI。我们今年也自己出去走了走，体感是高度一致的。

 

这个时代可以说，是自工业革命以来，中国第一次能够以技术引领者，而不仅仅是追随者的身份，站在一场世界级产业革命的前沿。我们不仅在解决别人的问题，更在定义新的问题、新的赛道和新的游戏规则。

 

InfoQ：您认为，2026 年的技术赛点可能是什么？您会重点关注哪些行业和技术？

 

夏立雪：2026 年的技术赛点可能还是聚焦在智能体上，基础设施如何让数字世界智能体在各种场景中规模化落地，以及如何通过云端协同帮助具身智能（作为物理世界的智能体）从实验室走向特定场景的落地验证，是我们会重点关注的方向。

 

Clicks 推出 Power Keyboard 和 Communicator 手机

1 月 2 日，科技初创公司 Clicks Technology 发布了继实体键盘保护壳之后的首批新品。

其中，Clicks Communicator 手机被定义为一款「现代通讯伴侣」，定位类似于 Kindle 之于 iPad，主要作为用户的第二部手机使用。该设备运行 Android 系统，直板设计，配备 4 英寸屏幕与实体全键盘，重 170 克，厚 12 毫米。为了减少信息干扰，其系统界面由 Niagara Launcher 深度定制，摒弃了传统的应用网格，转而采用极简的消息聚合中心。硬件方面，Communicator 有 5000 万像素后摄、2400 万像素前摄，保留了 3.5mm 耳机孔、静音开关与 MicroSD 卡槽，侧面设有可根据通知类型改变颜色的信号灯按键，搭载 4000mAh 电池。处理器和存储参数未公布。该机起售价为 499 美元（约合人民币 3487 元），目前提供 399 美元的早鸟预订价，预计将于今年晚些时候发货。

另一款新品 Clicks Power Keyboard 则是蓝牙键盘与移动电源二合一设备。它支持 MagSafe 与 Qi2 无线充电标准，可以磁吸在手机背面。键盘采用滑盖式设计，除了作为手机的实体键盘外，还支持通过蓝牙 5.4 连接至多三台平板电脑、智能电视等设备。Power Keyboard 重 180 克，厚 15.2 毫米，电池容量为 2150mAh，其中 500mAh 划分给键盘使用。该产品定价 109 美元（约合人民币 790 元），早鸟价 79 美元，将于今年春季正式发售。

Pebble 推出 Round 2 手表

1 月 2 日，智能手表品牌 Pebble 发布 Pebble Round 2。作为品牌重启计划的一部分，Round 2 复刻了 2015 年推出的 Pebble Time Round，旨在通过更现代的技术重现这款当年「业界最薄」的圆形手表经典设计。

在硬件设计上，Pebble Round 2 解决了初代产品边框过宽的痛点。新品在保持 8.1mm 超薄不锈钢机身的同时，搭载了一块 1.3 英寸彩色电子墨水屏，像素密度较前代翻倍至 283 ppi，且具备背光功能。Round 2 保留侧边实体按键，让用户可在会议等场景下通过触觉盲操作。

为实现 10 至 14 天的续航，Pebble Round 2 在功能上做了明显的取舍，仅保留计步、睡眠追踪等基础健康功能，未配备心率传感器，因此不适合作为运动追踪设备使用。系统方面，它运行开源的 Pebble OS，兼容数千款表盘与应用，内置麦克风支持语音输入与回复，但受限于苹果系统限制，该功能目前主要面向 Android 用户，iOS 端的支持将率先在欧盟地区开放。此前，Pebble 已推出过一款具备录音转写功能的低成本 AI 智能戒指，官方表示未来计划将类似的 AI 能力引入手表端。

该产品定价 199 美元（约 1390 元），即日起在官网开启预售，预计将于今年 5 月发货。对于此前已预订方形表盘 Pebble Time 2 的消费者，官方也提供了保留排队位次改订 Round 2 的选项。

DeepSeek 发论文介绍高效训练技术 mHC

1 月 1 日，DeepSeek 发布了一篇由创始人梁文锋合著的技术论文，提出了一种名为「流形约束超级连接」（Manifold-Constrained Hyper-Connections, mHC）的新型深度学习架构。该研究旨在通过优化计算效率，在算力资源受限的环境下，以更低的成本训练更大规模的模型。

mHC 技术是对「超级连接」（Hyper-Connections）架构的进一步改良。超级连接最初由字节跳动研究人员于 2024 年 9 月提出，旨在改进由微软亚洲研究院何恺明等人发明的 ResNet（残差网络）主流架构，以解决深层网络中的信号衰减（信息在传递过程中「声音」越来越小，深层网络接收不到有效信息）与模型坍塌（无论输入什么不同的数据，层层处理后变得相似甚至趋同）。

DeepSeek 团队指出，虽然字节跳动的方案提升了网络复杂度，但在大模型训练中忽略了日益增长的显存成本，导致实际扩展性受限。就此，DeepSeek 的 mHC 方案通过引入特定的流形约束，让数据流仅在特定的几何轨迹（流形）上运行。这在保留超级连接优势的同时，成功解决了内存与成本瓶颈，实现了「几乎可忽略的计算开销」。论文数据显示，DeepSeek 研究团队在 30 亿、90 亿及 270 亿参数规模的模型上测试，实证结果表明 mHC 具备优于传统架构的扩展性，且能维持大规模训练的稳定性。

该论文由梁文锋本人账号上传至 arXiv。梁文锋此前仅亲自发布过 DeepSeek 最重要的技术论文（如 R1 和 V3 模型相关研究），且被列为本文的最后一位作者，这一举动证实了他仍深入参与核心研发，也被视为 DeepSeek 下一代核心模型技术路线确立的信号。目前市场预期 DeepSeek 可能延续 R1 的发布策略，在 2 月中旬的春节假期前发布新款大模型。

华硕通知渠道今起涨价

据 VideoCardz 报道，华硕于去年 12 月 30 日向合作伙伴发出《2026 年产品价格调整说明函》，宣布将于 2026 年 1 月 5 日起实施价格调整。

该函称，受全球供应链结构性波动影响，多项关键零组件正承受严峻的成本上升压力，特别是 DRAM 内存和 NAND。此变动源于「全球原厂产能配置调整」「先进製程投资成本增加」，以及「AI 算力需求导致的产业结构性缺口」。

尽管华硕未列出具体受影响的型号，但明确表示将「针对部分产品组合策略性价格调整」。由于此次调价生效日期恰逢 2026 年 CES 开幕前夕，业界分析认为，华硕即将在 CES 上发布的新一代硬件产品，特别是 AI PC 及电竞设备，将首当其冲，并可能确立新的市场价格基准。

华硕强调，此次调价是公司在「长期吸收与因应成本压力后所做出的必要决定」，目的是为了「确保稳定供应、维持品质与服务水准」。针对后续影响，华硕业务代表将主动联系合作伙伴，提供详细说明并协助规划最适切的因应方案或配置建议。

华硕公关部门证实了该文件的真实性，但向媒体澄清，这是一份仅供渠道合作伙伴参考的内部商业沟通文件，并非面向公众发布的正式新闻稿。

新一批作品进入公有领域

2026 年 1 月 1 日，全球迎来一年一度的版权释放重要时刻。弗洛伊德、爱因斯坦、汤因比等名家名作分别在美国、欧洲或中国等司法辖区进入公有领域。

在美国，随着 1930 年作品保护期的终结，福克纳的《我弥留之际》、弗洛伊德的《文明及其不满》等著作，《西线无战事》等电影进入公有领域。蒙德里安与保罗·克利的画作、初代「贝蒂娃娃」、迪士尼最早期的普鲁托（当时名为 Rover）形象均不再受版权限制，基于这些早期素材二次创作成为可能。

在实行「作者有生之年加 70 年」版权期限的司法辖区，如欧盟、英国、俄罗斯，1955 年逝世作者作品保护期届满。这意味着物理学家爱因斯坦、《人性的弱点》作者卡耐基、诺贝尔文学奖得主托马斯·曼的作品在这些地区将不再受版权限制。

在实行「作者有生之年加 50 年」版权期限的司法辖区，如中国及亚洲和非洲大部分地方，1975 年逝世的作者作品保护期届满。这包括蒋介石、历史学家阿诺德·汤因比、苏联作曲家肖斯塔科维奇、政治哲学家汉娜·阿伦特等。

比亚迪超越特斯拉成为 2025 年全球电动车销量榜首

据《纽约时报》报道，2025 年，特斯拉失去全球最大电动汽车制造商的位置，首次被比亚迪超越。根据 12 月 31 日公布的数据，特斯拉全年交付量同比下降 9% 至 164 万辆，其中第四季度销量受政策冲击暴跌 16%。相比之下，比亚迪全年纯电车型销量增长 28%，达到 226 万辆，并凭借价格优势在亚洲、欧洲和拉美市场实现了显著扩张。

特斯拉销量的下滑主要受到美国政策急剧转向的冲击。尽管马斯克在 2024 年大选中大力支持特朗普，但共和党重新执掌白宫和国会后，迅速废除了最高 7500 美元的联邦电动车税收抵免，并着手削弱清洁空气法规。特斯拉作为占据美国电动车市场 45% 份额的绝对主力，成为此项政策变动的最大受害者，导致其第四季度交付量从上年同期的 49.6 万辆锐减至 41.8 万辆。

除外部环境恶化外，特斯拉自身的产品迭代滞后也是关键因素。其主力车型 Model Y 自 2020 年上市以来未见重大更新，新推出的 Cybertruck 销量惨淡。在欧洲市场，特斯拉的销量已被大众汽车反超。此外，马斯克将公司重心转向自动驾驶出租车（Robotaxi）和人形机器人，但尚未产生显著营收，且在自动驾驶落地进程上已落后于谷歌旗下的 Waymo。

行业分析师预测，2026 年美国电动车市场将持续低迷，需等到 2027 年更多低于 3 万美元的廉价车型上市后才有望回暖。尽管汽车销售疲软，但华尔街因看好其在自动驾驶领域的长期潜力，特斯拉股价目前仍维持在历史高位。与此同时，比亚迪虽然因高关税壁垒无法进入美国市场，但已确立了其在全球其他市场的领跑地位。

看看就行的小道消息

  • 近日，多名 Reddit 用户抱怨多邻国通过实时活动功能显示订阅广告，而这是 App Store 审核规则禁止的行为，可能被下架处理。多邻国后来似乎停止了广告展示。
  • 据 StackOverflow 官方数据，该站在 2025 年 12 月仅新增 3862 个问题，已低于初创不久时 2008 年 8 月的水平。
  • 据路透社查阅的 Meta 内部文件显示，面对全球监管机构打击社交媒体诈骗广告的压力，Meta 制定了一套名为「全球剧本」（Global Playbook）的应对策略。文件揭露，Meta 并没有全面验证广告主身份、根除诈骗，而是通过操纵搜索结果，使监管机构难以发现违规广告，以此通过合规审查。例如在日本，Meta 团队发现监管机构会通过特定关键词（如名人姓名）在公开的广告资料库中搜索诈骗广告，于是在监管审查前针对性地清洗相关搜索结果，制造出诈骗广告已大幅减少的假象。此外，当一地加强监管时，算法会自动将诈骗广告流量导向其他监管较松的地区。此前，Meta 曾因 Facebook 和 Instagram 上泛滥的投资诈骗和 AI 合成名人代言虚假广告而面临日本、新加坡等国政府的严厉质询。
  • 1 月 3 日晚，雷军在新年直播中披露，2025 年小米汽车交付量目标原本定的是 30 万辆，中间提高到 35 万，最后实现超过 41 万辆，并宣布 2026 年小米汽车交付目标为 55 万辆。当晚，雷军直播四个小时，随工程师团队完整拆解了一台 YU7。拆车结束后，雷军集中回应了近期围绕小米汽车的多项舆情与争议。关于「1300公里只充一次电」「200公里瞬间刹停」等营销表述质疑，雷军表示，相关说法源自驾驶体验展示视频，主要用于展示 SU7 的续航、刹车性能，有完整视频作为佐证，但在传播过程中被「断章取义」。雷军还承认「小字营销」是行业陋习，接受批评，已于去年 11 月要求各业务团队尽量使用大字直观展示。

少数派的近期动态

  • 年末「夯」一下！少数派 2025 年度盘点正式上线。
  • 少数派会员年终福利来袭，引荐比例限时上调至 15%，邀请好友享 85 折入会优惠。参与活动
  • 好玩又实用，还有迪士尼授权配件可选，少数派「扭扭宝」充电宝火爆开售。来一个试试
  • GAMEBABY for iPhone 17 Pro & 17 Pro Max 系列现已上市。进一步了解
  • 《蓝皮书》系列新版上架，一起探索全新 iOS 和 macOS 的精彩。试读并选购

你可能错过的好文章

    教大家薅智谱的免费模型打造豆包手机
    记得在 glm 官网注册 api
    https://open.bigmodel.cn/

    豆包手机功能快速配置指南

    白嫖豆包手机！普通安卓手机的自动化功能一键快速配置指南4


    （下一期给大家讲虚拟屏技术，给手机虚拟 “外接” 屏幕效果演示）

    趁着质谱官方平台 autoglm-phone 模型免费，快别管你那 api 公益站了，来玩 UI 自动化

    对话模型：deepseek-chat（不要换过傻的模型，就用 deepseek 官网！！公益商会注水，你的 gemini、claude，gpt 可能效果都没 deepseek v3 好，而且官网有缓存，实际用起来花销极低）

    UI 自动化模型：autoglm-phone（一定要质谱大模型平台才免费！！！）

    一个比价任务成本不到一毛钱（但是虚拟屏非常吃手机性能）

    耗时：不到 2 分钟配置，剩下的 AI 自动操作；比价任务耗时 10 分钟，这个下期展示

    步骤一：在 Operit 中新建一个模型配置专门给 UI 控制器用，别动默认聊天模型

    步骤二：开权限让 AI 动手

    步骤三：选配置方式

    方法 A（懒人版）：

    进工具箱，点 AutoGLM 自动配置 按钮

    白嫖豆包手机！普通安卓手机的自动化功能一键快速配置指南1


    跟着提示走完就行

    方法 B（手动版）：

    关掉 Automatic_ui_base，打开 Automatic_ui_subagent

    白嫖豆包手机！普通安卓手机的自动化功能一键快速配置指南2

    给 UI 控制器选个能看图的模型

    白嫖豆包手机！普通安卓手机的自动化功能一键快速配置指南3


    记得开 直接图片处理 开关

    步骤四：开始使用

    回到聊天界面，直接告诉 AI 你想做什么
    这个软件也支持悬浮窗和语音

    步骤五：享受自动化

    看着 AI 自己操作你的手机
    不满意就接管。可屏幕多开。

    现在你的手机已具备豆包手机核心功能：

    ✓ 屏幕视觉理解
    autoglm-phone 似乎还可以作为一个识图模型去使用，效果如图 hhh，还是免费的

    白嫖豆包手机！普通安卓手机的自动化功能一键快速配置指南5

    ✓ 自动化操作

    ✓ 零成本实现

    软件：operit
    权限：shiziku 或 root（无障碍无法开启虚拟屏幕，但是可以实现自动化操作）
    虚拟屏幕技术比 adb 和无障碍底层，会比较难检测，目前操作购物平台没问题
    不建议操作微信
    开着无障碍权限三角洲会封号
    开源地址：（半年快 3k​了）

    📌 转载信息
    原作者：
    yihong
    转载时间：
    2026/1/3 12:03:21

    DeepSeek 发布新论文 mHC: Manifold-Constrained Hyper-Connections2


    DeepSeek 发布新论文 mHC: Manifold-Constrained Hyper-Connections3

    📌 转载信息
    原作者：
    BunnHack
    转载时间：
    2026/1/1 16:15:20

    2026 新年快乐～

    这次 V1.2 更新大幅加强了较弱模型的绘图能力，此前往往只有类似于 claude-sonnet 这样对 drawio 内容特殊训练的模型才能有效地绘制 drawio。这次更新引入了知识和主题的概念，同时重构了操作的工具来解决这个问题。

    直接放一个使用 deepseek-chat(v3.2，非思考) 下展示下效果：

    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置5

    这一次的更新内容 electron/web 双端都能使用 详细介绍下这次更新内容：

    自定义绘图主题 / 颜色风格 / 知识

    可以在单次会话或在设置中指定要生成图标的整体风格和配色。同时也可以选择附加的 drawio 元素相关的知识，如在要绘制托管框架图时，勾选上 Azure 知识，这样提示词中就会自动附带 Azure 相关元素的使用说明了。

    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置1
    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置3
    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置2

    画布增强

    更多的画布增强功能，现在还支持进行布局检查，避免非视觉 LLM 对连接线位置理解不佳导致的线与元素重叠 (视觉 LLM 直接以视觉方式查看画布在做了 )

    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置8

    drawio 画布自定义

    支持了自定义显示主题 / 编辑器服务地址 / URL 参数等更多自定义功能

    【开源】Drawio2GO V1.2 更新：让 DeepSeek 也能画好图！自定义绘图主题 / 颜色风格，附加图标库，更多 drawio / 自定义配置7

    WEB 部署优化

    支持了直接在 vercel 上部署：

    或者可以直接访问 https://drawio2go.vercel.app/ 试用。所有 LLM 的配置都是直接保存到浏览器端的 (但是请求由于 CORS 的原因只能走服务端，不能从网页直接请求)。

    欢迎各位佬友体验捉虫，感觉有意思或者未来可期的话顺手 star 一下吧

    📌 转载信息
    原作者：
    Menghuan1111
    转载时间：
    2026/1/1 16:13:49
    1. 1
    2. 2