「AI日报」4月30日 · 四巨头交卷,有云的赢了

整理范围：覆盖模型发布与架构创新、开发工具与框架更新、产品应用落地、技术研究前沿、行业战略与资本动向、社区生态观察等核心领域。

硅谷四巨头同日交卷，Google Cloud首破200亿美元而Meta盘后暴跌6%——”有云”的赢了，”烧钱”的被罚了。国内这边，国家电网甩出68亿采购单正式给具身智能开了张”现实账单”，小红书成立AI一级部门Dots完成13年来最大组织手术。今天的AI世界，钱在重新找方向。

四巨头同日交卷：Google大涨6%，Meta暴跌6%——”有云”的赢了

4月29日硅谷”超级星期四”，Alphabet、微软、Meta、亚马逊同日发财报，市场反应却是冰火两重天。Alphabet盘后涨超6%——Google Cloud同比暴增63%首破200亿美元，搜索收入同比增长19%达604亿美元，打脸”AI会抽走搜索用户”的叙事。亚马逊盘后涨约1.7%，AWS增速28%创15季最快，自研AI芯片年化收入已超200亿美元。微软盘后跌超2%，Azure增长不惊艳。Meta最惨，盘后跌超6%，上调全年资本开支吓坏市场。四家Q1资本开支合计创历史新高，但分水岭很清晰：AI已经开始在云端变现的被买单，纯靠广告+烧钱的被惩罚。Anthropic承诺未来十年向AWS投入超1000亿美元——云才是AI时代的真正收银台。

国家电网68亿采购单：具身智能第一次被写进”现实账本”

国家电网印发《2026年具身智能发展规划》，甩出一张68亿元的采购清单：四足巡检机器狗5000台（单价30万，共15亿）、双臂巡检机器人3000台（单价60万，共18亿）、人形带电作业机器人500台（单价500万，共25亿）。供应商名单上写着云深处、宇树、智元、优必选、傅利叶。这是中国具身智能行业有史以来最大的单笔订单，算上南方电网和地方能源集团跟进，预计2026年电力行业总投资突破100亿元。电网为什么率先买单？任务标准化程度高，单设备年省50-80万人工成本，回收期2-3年——算得过来账的生意，不需要信仰。

Mistral Medium 3.5发布：128B dense开放权重，SWE-Bench 77.6%

Mistral放出Medium 3.5公开预览，这是一个128B参数的dense模型（不是MoE），支持256k上下文窗口，修改版MIT许可开源。在SWE-Bench Verified上打出77.6%，超过Devstral 2和Qwen3.5 397B。最少4张GPU即可自托管。同步上线的Vibe远程Agent功能允许从CLI启动云端coding session，支持并行多任务。视觉编码器从零训练支持可变图像尺寸。在OpenAI、Google、Anthropic三强格局中，Mistral正试图用”开放权重+Agent能力”组合拳打出差异化——不跟你比封闭，跟你比谁更可控。

8节点解锁1M上下文训练：百万token长序列不再是大厂专利

Dirhousssi Amine的实验让人眼前一亮：在8个节点上成功解锁100万上下文长度训练，使用Qwen3-30B-A3B MoE模型，达到37% MFU。技术栈是DeepSpeed ZeRO Stage 3+ 加 Ulysses序列并行。此前百万级上下文训练被认为需要数百GPU集群，现在通过MoE架构（仅3B活跃参数）+序列并行+ZeRO优化的组合，8节点即可企及。37%的MFU在分布式长序列训练中算相当不错。中小团队和学术机构微调百万token级模型，从此有了可行路径。

Zed 1.0正式发布：100万行Rust代码，GPU渲染的编辑器新物种

Zed团队宣布编辑器进入1.0。这是Atom原班人马的”复仇之作”——彻底抛弃Electron，用Rust从零实现GPU渲染的UI框架GPUI，把整个应用组织成向GPU shader喂数据的流水线，思路更接近游戏引擎而非网页。代码量超100万行，支持Mac/Windows/Linux三端。AI方面支持多Agent并行运行、击键级编辑预测、ACP协议接入任意第三方Agent。Zed赌的是：拥有全栈意味着能触到Electron编辑器永远到不了的性能天花板。对VS Code说，这是第一个在架构层面完全不同的正面挑战者。

Copy Fail：2017年至今所有Linux发行版本地提权漏洞，732字节Python即可root

安全研究员Xint Code披露CVE-2026-31431，影响自2017年以来所有主流Linux发行版。漏洞出在内核crypto API的authencesn模块——一个直线逻辑缺陷，通过AF_ALG和splice()链式利用实现4字节page-cache写入。不需要竞争条件，不需要内核偏移，一个无特权本地用户就能提权到root。整个exploit只有732字节Python脚本，在Ubuntu 24.04、Amazon Linux等多个发行版上100%复现。AF_ALG在几乎所有主流发行版默认启用。运维同学请立即检查补丁状态。

小红书13年最大组织手术：成立AI一级部门Dots，COO升总裁统管三大业务

小红书4月30日扔出成立以来最大的组织变革炸弹。COO丁玲（柯南）晋升总裁，统管社区、电商、商业化三大业务及技术体系。最核心的变化：成立AI一级部门Dots，整合模型研发、基础设施、工程与产品。同时成立海外业务部门Rednote正式出海，成立企业智能部。小红书月活已超4亿，2023年营收37亿美元、净利润5亿美元，最新估值约500亿美元。集权的深层逻辑是打破数据孤岛——AI大模型效果取决于数据集成度，此前社区、电商、商业化分属不同指挥体系，数据割裂。把三条线收到一个人手里，本质上是为AI打通数据管道。

郭明錤爆料：OpenAI自研手机2028量产，Jony Ive领衔200人硬件团队

天风国际分析师郭明錤放出重磅消息：OpenAI正在自研手机，与联发科、高通合作开发处理器，立讯精密为独家系统协同设计与制造商，预计2028年量产。硬件团队已超200人，包括前苹果首席设计官Jony Ive和前苹果产品设计主管Tang Tan。战略逻辑直白：手机仍是数量规模最大的终端，是Agent最佳载体；只做模型永远是”寄生在别人生态里的插件”。郭明錤的概念图里，APP将消失，前端被Agent替代。与字节找中兴合作不同，OpenAI在海外找不到愿意让渡系统主导权的手机厂商，只能走纯自研。

Kimi月活从3600万跌至833万：C端失血，出海成唯一出路

月之暗面的Kimi正在经历一场漫长的下坠。QuestMobile数据：月活从峰值3600万跌至约833.8万，连续四个季度下滑。同期豆包月活逼近3.5亿。三重困境叠加：C端被大厂生态碾压（豆包背靠抖音，通义嵌入淘宝钉钉，Kimi无流量靠山）；API市场被DeepSeek价格战挤压；4月泄露门（翻译PPT收到陌生人简历）暴露工程链路问题。但出海数据亮眼：2026年2月海外收入超过国内，3月底公司ARR突破1亿美元，K2.5在OpenRouter周榜以1.16万亿token排名第一。API定价约为OpenAI的1/10。结论很明确：C端战场不值得恋战。

Manus 20亿美元收购被中方叫停：”新加坡洗白”策略彻底破产

Meta对Manus的20亿美元收购案被中方正式拦截。Manus创始人萧弘、季一超被限制出境，商务部以外资审查和技术出口管制为由介入。Manus去年夏天将总部从北京迁至新加坡，试图通过离岸架构规避监管——业内称之为”新加坡洗白”（Singapore washing），但国家发改委3月召见两位创始人后，这条路彻底堵死。Manus上线约12个月即达到1亿美元ARR，是2025年最火的Agentic AI创业公司之一。此案对所有计划通过离岸重组卖身海外的中国AI创始人是一记重锤：出海可以，卖身不行。

银河通用+英伟达LDA-1B：用”垃圾视频”训练机器人，成功率从14%跳至55%

银河通用联合英伟达、清华、北大发布LDA-1B论文，提出了一个可能改写具身智能行业底层逻辑的命题。当前主流方案是”行为克隆”——用人类专家完美遥操数据训练机器人模仿，天花板极低且误差会雪崩式崩溃。LDA走世界模型路线：用DINO视觉基础模型将预测从”像素空间”迁移到”语义空间”——不猜下一帧颜色，而是理解”杯子+推=位移”，成功率从14.2%跳至55.4%。更狠的是数据策略：网上随手拍的短视频等”垃圾数据”用于学习物理常识，昂贵专业数据只在最后微调时用。这直接挑战了”完美数据=完美机器人”的行业共识。

Anthropic发布”内省适配器”：让模型主动交代自己偷偷学会了什么

Anthropic Fellows发布新工具”introspection adapters”，让语言模型能自报告在训练中隐式学到的行为。这东西解决的是一个核心安全问题：模型在微调过程中可能习得人类未预期的行为模式——比如学会讨好、学会回避、甚至学会”装傻”。以前只能靠外部红队探测，现在有了让模型主动暴露这些行为的机制。对alignment研究和模型审计来说这是实打实的工具进步。当你不知道AI”偷偷学会了什么”，最好让它自己说。

卡帕西红杉万字实录：软件3.0来了，自然语言就是新的编程语言

前OpenAI/Tesla AI总监Andrej Karpathy在红杉资本分享了一场重磅演讲。他提出”软件3.0“概念：1.0是手写代码，2.0是神经网络权重，3.0是自然语言编程。Karpathy坦言”作为程序员我从未感到如此落后”——AI编码工具的进化速度已超出从业者的适应能力。他的判断：大部分软件工程师的工作将在3-5年内被根本性重构，但”理解计算本质的人”反而更值钱——因为AI生成的代码需要人来审计、调试和架构。编程的抽象层级再次上移，就像汇编→C→Python的历史脉络。变的是工具，不变的是思维。

Zig严禁AI贡献的深层逻辑：我们赌的是人，不是代码

Simon Willison解读了Zig编程语言的严格反AI贡献政策。Zig基金会副主席Loris Cro给出了迄今最有说服力的理由：审查PR的首要目标不是获取代码，而是培养可信贡献者——每位贡献者都是对核心团队的长期投资。LLM辅助彻底破坏了这一逻辑：即便AI帮你提交了完美PR，花在审查上的时间也无法帮团队评估一个真正的人。Loris称之为”贡献者扑克”——”你赌的是人，不是牌”。有趣的是，Zig最知名的项目Bun（已被Anthropic收购）刚实现4倍编译性能提升，但因AI禁令不计划上游合并。

银行春招考场：监考是AI，作弊的也是AI，百元工具100%通过率

2026年春招季暴露了一个魔幻现实：银行等金融机构大规模采用AI监考系统，与此同时一条完整的AI作弊产业链已在电商平台公开销售——仅需百元即可购买”实时监听考题+毫秒级生成答案”的作弊工具。技术实现并不复杂：屏幕捕获+ASR实时抓取考题，调用大模型API生成答案，全程后台运行不触发监考系统进程检测。当AI同时武装了防守方和攻击方，考试这一延续千年的人才筛选机制正在失效。一些前沿企业已开始用现场任务+AI协作能力评估替代传统笔试——不考你”知道什么”，考你”能用AI做什么“。