2026年7月9日 · 今日科技资讯

如果说2023年是AI元年，2026年就是AI真正"下地干活"的元年——模型不仅在跑在跑，还在实时听说、在工厂焊接、在医院读片、在你手机里安静地等待指令。今天这期，我们来聊聊最近几天真正值得关注的几个信号。

当地时间7月8日，OpenAI正式推出GPT-Live实时语音模型系列——GPT-Live-1和GPT-Live-1 mini。这是语音交互领域的一次实质性跨越：新一代模型不再等待用户说完每一句话才回应，而是能够同时听和说，并在用户说话过程中自然地发出"嗯""对""明白了"等短回应。演示中，用户让ChatGPT核实即将到来的会议日期，同时查询路线上的天气和交通状况，ChatGPT能一边用短句回应，一边持续处理请求，即使中途追加更多需求也不会丢失对话脉络。

此外，GPT-Live的语音模式已接入GPT-5.5等最新文本模型，意味着它在执行搜索、推理或Agent任务时，可以实时调用更强的后端能力，而不只是依赖一个古老的语音识别+语音合成串联系统。

坦白说，这个升级其实来得不算快，但确实戳中了一个真实痛点：之前的语音助手总有一种"我在对着一个录音机说话"的感觉，因为它必须等你闭嘴才能开口。GPT-Live把交互节奏彻底改变了。在我看来，这不只是交互体验的优化，它意味着语音正在从"聊天入口"升级为"实时工作界面"——你真的可以一边开车一边让它帮你安排日程、查资料、发指令，它像个真实的副驾驶一样在你旁边"听着"。不过话说回来，同声传译的精度和延迟控制才是真正考验工程能力的地方，具体效果还得等大规模用户上手之后再看。

7月7日，工信部科技司副司长甘小斌在2026世界人工智能大会（WAIC）新闻发布会上透露，2026年全年人形机器人整机产量有望突破10万台。做个横向对比：2025年全球人形机器人出货量约1.8万台，其中中国企业合计占据约74%的份额。也就是说，中国今年一年的目标产量，是去年全球总出货量的五倍多。

这个数字背后，有两个驱动逻辑值得关注。一是劳动力短缺和制造业回流的长期趋势正在倒逼自动化需求，二是政策层面的推动力——工信部明确提出规上工业企业人工智能应用普及率要超30%，人形机器人是其中的明星载体。武汉"光谷"的工业机器人已在华工科技实现0.02毫米焊接精度，九州通用多模态大模型支撑数万种医疗器械的智能管理——这些都不是PPT，是已经落地的产线。

在我看来，10万台这个数字本身有点"放卫星"的意味，但背后的趋势是真实的。中国制造业对机器人的接受度正在从"试试看"进入"批量下单"阶段，这是供应链成熟度和成本下降共同作用的结果。不过也需要泼点冷水：人形机器人在精度、续航、可靠性上与真正的工业场景要求还有差距，10万台里有多少是"能真正干活"的，这个数字可能比总量更值得关心。对从业者来说，现在可能是进入这个赛道的窗口期——需求在爆发，但供给侧的真正强者还没完全定型。

7月6日，腾讯通过大宗交易减持快手2.73亿股，持股比例降至9.37%，不再为主要股东。同一天，快手旗下可灵AI宣布完成30亿美元融资，腾讯参与其中。这两件事放在一起来看，信号非常清晰：腾讯的投资逻辑正在发生根本性转向——从"生态投资人"（买入口、建微信生态）转向"基础设施投资人"（系统性布局DeepSeek、MiniMax、智谱等全赛道大模型）。

过去四年，腾讯逐步减持了京东、美团、拼多多等移动互联网时代的战略持仓。这不是简单的财务行为，而是一次时代级别的换仓——从消费互联网的"连接器"逻辑，转向AI时代的"算力+模型"逻辑。腾讯可灵AI参与快手30亿美元融资这件事尤其有意思：可灵是一个视频生成AI公司，腾讯不是战略财务投资者，而是以"基础设施合作方"的身份参与的。

总体来说，这个转向对创业者的参考价值比大多数人意识到的更大。腾讯的退出告诉我们：纯流量型、消费入口型的项目，巨头已经用脚投票了。而模型层、推理层、工具链层——这些"卖水"型的底层能力——正在成为资本新的共识。对于0-1阶段的创业团队，这意味着你要认真思考自己的定位：是在模型层的缝隙里找机会，还是在应用层做出差异化，但必须想清楚如何与基础设施层的玩家共生而不是对抗。

据海外媒体报道，DeepSeek正在开发面向推理场景的AI专用芯片，项目约一年前启动，已低调接洽芯片设计、代工和存储企业，并开始招聘芯片设计人才。同日，OpenAI前研究员田永龙加入腾讯，参与VLM（视觉语言模型）研发，他在计算机视觉和表征学习方向有深厚积累。

DeepSeek自研芯片这件事值得单独说说。模型公司做芯片，在逻辑上是在做纵向整合——控制成本、提升性能、减少对英伟达的依赖。对于DeepSeek这样的公司来说，推理成本是核心竞争力的一部分，自研芯片可以把边际成本压下来。

说实话，DeepSeek自研芯片的象征意义可能大于短期实际意义——芯片从设计到量产通常需要三年以上，而且绕过先进制程限制本身就是个大难题。但这代表了一种趋势：AI产业正在从"软件定义一切"走向"软硬一体"。对创业者而言，如果你不在芯片层，有两个方向值得关注：一是推理加速的中间件和编译工具，帮助中小企业用更低成本部署大模型；二是VLM（视觉语言模型）方向正在成为下一波竞争焦点，田永龙加入腾讯暗示这个赛道正在被头部公司加码。

7月9日传来消息，阿里云与上海交通大学张林峰教授团队合作的3篇论文被ECCV 2026主会收录，研究方向均聚焦Diffusion Transformer（DiT）架构下的高效推理加速，涵盖时序误差校正、自适应特征分解、时空令牌筛选三条技术路线。官方数据显示，在高分辨率图片生成场景下，可将算力需求缩短近90%，综合提速最高14.76倍。

ECCV是计算机视觉领域公认的三大国际顶级学术会议之一，目标检测、图像分割、视觉Transformer等多项影响行业格局的核心技术均首次亮相该会议。阿里云的这次集中突破，说明中国在Diffusion Model的工程优化方向上正在形成系统性的学术和工程积累。

我觉得，DiT加速这件事比大多数普通读者关注的"哪家模型最强"更有实际意义。大模型的推理成本是制约商业化的核心因素之一——如果图片生成的推理速度能提升14倍，成本下降90%，意味着AI生图从"玩具"到"生产力工具"的跨越会更快速落地。对设计师、内容创作者来说，这意味着今年内AI生图工具的使用成本会大幅降低，值得持续关注。

今天的几条资讯放在一起，其实都在指向同一个大趋势：AI正在从"模型军备竞赛"转向"落地效率竞赛"。GPT-Live解决的是交互效率，10万台机器人解决的是应用渗透率，腾讯换仓解决的是资本配置效率，DeepSeek自研芯片解决的是推理成本效率，DiT加速解决的是生成效率。这五件事凑在一起，构成了一个完整的画面——AI竞赛的下半场，不在于谁家模型更强，而在于谁能更高效地把能力交付到真实场景里。

对你来说，这些变化意味着什么？如果你在选技术方向，推理成本和部署效率可能比模型参数更重要；如果你在创业，基础设施层的投资热度意味着你需要在"做什么"和"用什么做"之间想清楚关系；如果你只是普通用户，语音交互和AI生图的体验会在接下来半年内发生显著变化，值得保持好奇。

下周WAIC就要开幕了，届时预计会有更多重磅发布。我们下期见。