据彭博社报道，苹果近期再度出现 AI 人才流失，多名核心研究人员及一名负责 Siri 的高层主管在过去数周内相继离职，去向包括 Meta 与 Google DeepMind 等竞争对手。报道指出，最新离职的研究人员包括 Yinfei Yang、Haoxuan You、Bailin Wang 与 Zirui Wang。其中，Yang 创办了新公司，You 与 Bailin Wang 加入 Meta，分别投身该公司的 Superintelligence 研究部门与推荐系统团队；Zirui Wang 则转投 Google DeepMind。与此同时，曾负责 Siri 关键能力重建的高层主管 Stuart Bowers 也已离开苹果，加入 Google DeepMind。报道指出，这些离职发生在苹果去年大规模调整 AI 组织架构之后。当时，CEO Tim Cook 将长期负责 AI 的 John Giannandrea 调离核心岗位，由软件工程高级副总裁 Craig Federighi 接手整体 AI 战略，并引入前 Google 与微软高管 Amar Subramanya 负责部分组织。报道提到，苹果的 Foundation Models（AFM）团队在过去半年已流失十余名研究人员，该团队负责支撑 Apple Intelligence 的底层模型，并因 Siri 推出延期与功能反响平平而承受内部压力。值得注意的是，苹果今年计划推出两版 Siri：一版将利用个人数据提供更具上下文的回答；另一版则是更彻底的改造，采用类似聊天机器人的交互方式。两者均基于由 Google 团队协助开发的新架构模型。库克在财报电话会上回应为何选择 Google 时表示，这将为苹果提供「最强大的基础」，并强调双方合作有助于解锁更多体验。尽管苹果在最新财报中公布了超过 850 亿美元的 iPhone 销售额，但缺乏亮眼的 AI 进展与持续的人才流失，仍被视为影响其今年股价表现的重要因素。
庞天宇加盟腾讯混元，负责多模态强化学习方向
据凤凰网科技报道，清华大学计算机系博士、可信机器学习与生成式模型领域研究者庞天宇昨天确认加入腾讯混元团队，担任 Multimodal RL 方向的 Tech Lead，并将于 2 月 4 日正式入职。他将主要负责多模态模型的强化学习研究，前期重点聚焦生成模型方向，并在腾讯混元多模态部 Exploration Center 开展前沿算法探索。公开资料显示，庞天宇 1995 年出生，清华直博期间在机器学习鲁棒性、深度学习等方向取得多项成果，以第一作者（含共同一作）身份在 ICML、NeurIPS、ICLR 等顶会发表多篇论文，并多次入选 Oral 或 Spotlight。他曾获得微软学者奖学金、英伟达学术先锋奖等荣誉，毕业后在新加坡 Sea AI Lab 担任高级研究科学家。此次加入腾讯，被业内视为混元团队持续吸引原生 AI 人才的又一信号。今年以来，腾讯在大模型架构、组织结构和人才体系上持续调整。此前，前 OpenAI 高级研究员姚顺雨加入腾讯并担任首席 AI 科学家，负责 AI Infra 部及大语言模型部，推动混元体系的深度重构。马化腾在今年年会上也提到，混元团队在过去一年经历了「深度重构」，并加速了人才引入与内部协同。在产品层面，腾讯 AI 助手「元宝」从去年起持续迭代，今年春节档上线「派」功能，并宣布派发 10 亿红包。1 月 28 日，混元团队开源混元图像 3.0 图生图版本，并同步接入元宝。在最新 LMArena 图像编辑榜单中，该模型进入第一梯队。与此同时，MLNLP 社区也发布了庞天宇团队的招聘信息，面向 26 届、27 届校招及毕业三年内社招人才，重点寻找具备生成模型、diffusion models、RL infra、VLM agent 等方向经验的候选人。实习岗位则面向在读硕博生，要求具备较强工程能力或理论基础，并有顶会论文经历者优先。从更早的公开活动可见，庞天宇长期深耕可信机器学习方向，其在 2022 年的 TechBeat Talk 中曾提出「合理定义的鲁棒性与准确率之间不存在矛盾」，并提出自洽鲁棒性 SCORE 方法，为对抗训练与模型泛化提供新的解释框架。随着庞天宇正式加入，腾讯混元在多模态强化学习方向的研发力量进一步增强，也为其在开源模型、生成式 AI 应用及基础设施层面的竞争提供更多技术储备。
曝理想新设软件本体与人形机器人团队
据晚点 Auto 报道，理想汽车正在进行一轮覆盖软件、自动驾驶与前沿智能体方向的重大组织架构调整，进一步强化其在 AI 战略上的投入，并以更贴近先进 AI 公司的方式重组研发体系。理想已新设两个关键部门：软件本体团队与人形机器人团队。智能空间副总裁勾晓菲出任软件本体负责人；自动驾驶研发高级副总裁郎咸朋转任人形机器人负责人。与此同时，多数自动驾驶部门员工被划入由詹锟负责的基座模型团队，形成更集中、更模型化的研发结构。在本周一举行的全员线上战略宣贯会上，理想 CEO 李想强调，公司将「参照最先进 AI 公司的运作模式」，以协作构建硅基生命的方式重新划分技术团队，并明确提出将大幅调整研发架构。这次组织变动正是该战略的直接落地。勾晓菲长期负责理想智能座舱架构，深度参与理想 ONE 与 L 系列平台的系统设计；郎咸朋则是理想自动驾驶团队的第一号员工，主导从 NOA、端到端到 VLA 的多代技术演进，并推动 2024 年「端到端 + VLM」方案量产、2025 年 VLA 全量推送以及今年 OTA 8.2 强化版 VLA 司机大模型上线。詹锟自 2021 年加入理想后，专注自动驾驶架构与三代技术栈部署，去年起负责「VLA 模型」部门，如今将带领基座模型团队，承接更多自动驾驶员工与模型化研发任务。此外，原自动驾驶部门的 AI 评测与运营负责人湛逸飞、数据标注负责人凌琳均随郎咸朋转入人形机器人团队，两人均为理想自动驾驶早期核心成员，分别在地图、系统架构、数据标注等方向承担关键角色。报道认为，此次调整意味着理想正将自动驾驶、软件本体与人形机器人纳入统一的 AI 战略框架，通过模型化、体系化的组织方式加速技术迭代，并为未来的智能体产品线奠定基础。
Clawdbot 再改名：OpenClaw 确立开源与社区驱动定位
据「AI 寒武纪」报道，昨天，开源个人 AI 助手项目 Clawdbot 正式宣布其最终名称为「OpenClaw」。团队表示，新名称旨在强化开源、开放与社区驱动的定位，同时继续保留龙虾作为项目吉祥物。项目最初于 2025 年 11 月以「Clawd」立项，随后因商标与法务因素短暂更名为「Moltbot」。在完成商标检索、域名购买与代码迁移后，团队最终确定使用「OpenClaw」作为正式名称。OpenClaw 运行在用户本地设备，通过 WhatsApp、Telegram、Discord、Slack、Teams 等常用聊天应用提供 AI 助手能力。与传统 SaaS 助手不同，用户数据不上传至第三方服务器，所有密钥与数据均保留在用户自有设备或服务器上。此次更新中，OpenClaw 新增对 Twitch 与 Google Chat 的支持，并扩展模型兼容范围，包括 Kimi K2.5 与小米 MiMo-V2-Flash。同时，Web 端界面现已支持图片发送。团队还进行了 30 余项安全相关提交，并发布可机器检查的安全模型，强调提示注入仍是行业未解难题。项目维护者 Peter Steinberger 表示，随着项目规模迅速扩大，团队正引入更多维护者并建立流程，以应对大量 PR 与 Issue，并探索为核心贡献者提供全职报酬的可行方式。未来，OpenClaw 将继续强化网关可靠性、扩展模型支持，并提升整体功能完善度。
GDC 报告：52% 游戏开发者认为生成式 AI 对行业有害
据 PC Gamer 报道，游戏开发者大会（GDC）近日发布的《2026 游戏行业现状》调查显示，超过半数的游戏开发者认为生成式 AI 正在对行业造成负面影响，这一比例在近两年内出现显著上升。调查覆盖了超过 2300 名游戏行业从业者。报告指出，今年有 52% 的受访者认为生成式 AI 对行业发展不利，而在去年这一比例为 30%，前年仅为 18%。与此同时，认为生成式 AI 有益的比例从去年的 13% 下滑至今年的 7%。尽管态度趋于负面，但开发者对生成式 AI 的使用比例并未出现明显变化。今年有 33% 的受访者表示在工作中使用生成式 AI，与 2021 年的 31% 基本持平。不过，52% 的受访者称其所在工作室正在使用生成式 AI 技术，主要集中在研讨灵感（81%）、办公文书（47%）、协助编程（47%）和原型设计（35%）等环节，只有 5% 的人表示会将其用于面向玩家的功能开发。从岗位分布来看，美术、设计、编剧和程序人员对生成式 AI 的接受度最低；而商务和管理人员则是最频繁的使用者。报告显示，58% 的商务人员会使用 AI 工具，47% 的公司高管也在使用，而基层员工的比例为 29%。PC Gamer 指出，这与管理层更依赖 AI 工具的行业观察一致。在匿名评论中，支持者认为外界对生成式 AI 的批评属于「道德恐慌」，甚至有人声称正在开发「让所有游戏开发者失业的平台」。反对者则强调生成式 AI「建立在盗窃与抄袭之上」，产出内容是「已有素材的混合」。一位英国游戏设计主管直言「我宁愿离开这个行业，也不使用生成式 AI」。报告总结称，游戏从业者对生成式 AI 了解越深入，越倾向于对其持保留甚至反对态度；但在实际工作中，许多人仍不得不使用相关工具，以避免在竞争中落后。
Kimi 海外收入首次超越国内，K2.5 推动全球用户激增
据智能涌现报道，Kimi 在发布新模型 K2.5 后，海外市场表现出现显著跃升，公司的海外收入已超过国内收入，全球付费用户数在模型更新后的短短几天内实现 4 倍增长。与此同时，K2.5 在 Openrouter 上的热度快速攀升，排名已升至第三位，仅次于 Claude Sonnet 4.5 和 Gemini 3 Flash。Kimi 的商业化进程始于去年 10 月。根据公司在 2025 年末的内部信披露，自 2025 年 11 月以来，海外 API 收入增长 4 倍，海内外付费用户月度环比增速均超过 170%。K2.5 是 Kimi 迄今最智能的模型，采用原生多模态架构，覆盖视觉理解、代码生成、Agent 集群、思考与非思考模式等能力。在 HLE、BrowseComp、SWE‑Bench Verified 等基准测试中，K2.5 达到开源 SOTA，部分指标超过 GPT‑5.2、Claude Opus 4.5 等闭源模型。在模型路线方面，Kimi 正逐渐靠近「Anthropic + Manus」的组合路径： 一方面，通过开源模型权重与工具链，强化技术影响力； 另一方面，在产品端明确定位为生产力工具，并持续强化 Agent 能力。K2.5 能调度多达 100 个 Agent，并行处理约 1500 个步骤，在大规模信息收集等场景中效率提升 3 至 10 倍。Kimi 创始人杨植麟在 1 月 29 日的 Reddit AMA 中表示，高质量数据增长速度已赶不上算力增长，传统「预测下一个 token」的扩展方式边际效应下降。因此，团队选择通过 Agent Swarm 的方式扩展模型能力，将并行代理数量视为新的扩展维度。在产品层面，Kimi 继续强化 C 端生产力定位，并将此前内测的 OK Computer 更名为 Kimi Agent，强调统一品牌与通用能力。团队在复杂场景的可编辑性上投入较多，例如生成 PPT 后自动拆分元素编辑、从录屏中识别 UI 逻辑并生成前端代码、自动完成 Word 批注、Excel 建模、PPT 生成、PDF 翻译编辑等任务。Kimi 总裁张予彤曾在去年 12 月表示，公司会刻意控制业务边界，专注大模型层、逻辑层、Agent 层，以及研究、PPT、数据分析、网站开发等偏复杂的生产力链路。随着行业普遍押注 Coding、Office 等刚需场景，Kimi 也在争取在基础模型保持第一梯队的同时，打造具有独特用户心智的 C 端产品。
AI 视频热潮消退，Sora App 下载量连续两月下滑
据 TechCrunch 报道，OpenAI 的 Sora 应用在去年 10 月登顶 App Store 后，近期出现增长乏力迹象。根据 Appfigures 的最新数据，Sora 在去年 12 月的下载量环比下降 32%，今年 1 月继续下滑 45%，仅录得 120 万次安装。同期消费者支出也下降 32%，从去年 12 月的 54 万美元降至今年 1 月的 36.7 万美元。Sora 由 OpenAI 的视频生成模型 Sora 2 驱动，最初以 iOS 独占、邀请制形式上线，首日安装量突破 10 万次，并迅速登上美国 App Store 总榜第一，累计下载量已达 960 万次，累计消费支出约 140 万美元，其中美国贡献 110 万美元。不过，自移动端上线以来，应用热度持续回落。目前 Sora 在美国 App Store 总榜排名已跌至第 101 位，在 Google Play 的表现更弱，仅排在免费榜第 181 位。报道认为，多重因素导致了这波下滑： Google Gemini（尤其是 Nano Banana 模型）带来强劲竞争； Meta AI 推出的 Vibes 视频功能在去年 10 月吸引大量用户； Sora 在版权管理上持续承压，早期允许用户生成包含热门角色的视频推动了增长，但随后从「默认允许」转向「默认禁止」商业 IP 使用，限制了内容创作空间； 尽管 OpenAI 上月宣布与迪士尼达成合作，允许使用其角色生成视频，但目前尚未带来明显增长。此外，Sora 的社交属性也面临挑战。应用允许用户将自己或朋友「出演」视频，但许多用户并不愿意让他人使用自己的肖像生成内容；在缺乏熟悉面孔与热门 IP 的情况下，用户兴趣明显下降。
千问 C 端应用团队四篇论文入选 ICLR 2026
昨天，千问 C 端应用团队宣布，其四篇人工智能研究论文入选今年的国际学习表征会议（ICLR 2026）。论文覆盖扩散模型训练、多轮对话决策、信息验证机制及价值观对齐等关键方向，部分成果已在实际产品中落地，旨在提升 AI 助手在复杂场景下的稳定性、可靠性与实用性。据介绍，ICLR 与 NeurIPS、ICML 并列为机器学习领域三大顶级国际会议。本届投稿量接近 19000 篇，接收率为近年来新低，竞争激烈。团队在扩散语言模型（Diffusion Models）研究中，将 dLLM 掩码训练不稳定性拆解为三类噪声来源，并提出帕累托最优的无偏训练算法，以显著降低训练波动并提升图文生成质量。这意味着在内容创作、图文生成等应用中，AI 输出将更稳定。在医疗多轮对话推理方面，团队提出自适应树策略优化（ATPO）方法，使模型能够根据对话不确定性动态调整推理路径。当信息不足时主动追问关键问题，当线索明确时快速给出判断，帮助 AI 在医疗咨询等专业场景具备类似经验医生的「主动问诊」能力，减少无效往返。在信息检索与验证方向，团队构建了「提问—解答—验证」的自博弈强化学习框架，使模型无需人工标注即可持续自我验证与迭代，提升在知识密集型任务中的检索与核验能力。在价值观对齐研究中，团队引入信息论偏见消除方法，引导奖励模型关注真正与人类偏好相关的有效信号，减少冗长但信息密度不高的输出，使模型在训练中更聚焦用户核心需求，降低「表面迎合」式回答的出现。值得注意的是，本次入选的四篇论文相关代码均已开源，为行业在提升 AI 可用性与可靠性方面提供了可复用的技术参考。
音乐出版商再诉 Anthropic：非法下载 2 万首歌曲
据 TechCrunch 报道，多家音乐出版商近日对 Anthropic 提起新一轮诉讼，指控其在未经授权的情况下非法下载超过 2 万首受版权保护的歌曲、乐谱、歌词及音乐作品。索赔金额或将超过 30 亿美元，成为美国历史上规模最大的非集体版权诉讼之一。出版商方面表示，他们在去年 Bartz v. Anthropic 案件的取证过程中发现，Anthropic 的侵权范围远超此前掌握的约 500 首作品，实际涉及的盗版下载数量达到数万首。此前，Bartz 案中法官 William Alsup 曾裁定，AI 模型可以在版权内容上进行训练，但获取内容的方式不得违法；而 Anthropic 在该案中因侵权被判赔 15 亿美元，约 50 万名受影响作者每人获得约 3000 美元补偿。在本次诉讼中，出版商指出，法院去年 10 月曾驳回他们在原诉讼中追加盗版指控的请求，理由是出版商未能更早提出相关调查，因此他们选择单独提起新案。诉讼同时将 Anthropic CEO Dario Amodei 与联合创始人 Benjamin Mann 列为被告。出版商在声明中称，Anthropic 一边将自己包装为「AI 安全与研究公司」，一边却通过大规模盗版构建商业帝国，相关行为与其公开形象严重不符。