蚂蚁Ling-flash-2.0仅6.1B参数！ | 腾讯AI学会多线程推理 | 英伟达投130亿建AI基建

根据我搜集到的信息和资料，来给你聊聊这周AI圈都有哪些新鲜事：

这周别错过：

🚀 蚂蚁新模型真厉害：6.1B参数干出了40B的活儿
🧠 腾讯让AI学会\"一心多用\"，推理能力大升级
🏆 阿里开源模型超了OpenAI和DeepSeek，表现惊艳
⚡ 英伟达砸了130亿搞全球AI基建
🤖 Figure机器人又融了10个亿，估值冲到390亿

蚂蚁的Ling-flash-2.0：小身材也有大能量

蚂蚁集团这次搞了个大新闻！他们的Ling-flash-2.0 MoE模型简直是个效率狂魔——只用了6.1B参数，就做到了原来需要40B参数才能达到的效果。这意味着啥？简单说就是用更少的参数干更多的活儿，性能一点不打折，但模型体积直接小了快85%！

这种轻量化设计特别实用，以后在国产GPU这类性能没那么顶级的硬件上也能跑得飞起，大大降低了大模型落地的门槛。

MoE架构其实挺有意思的，它就像组建了一个专家团队，每次处理问题只请相关的几位专家出马，既保证了专业度又省了力气。Ling-flash-2.0的成功说明，只要设计得巧，完全可以在性能和效率之间找到完美平衡。

Ling-flash-2.0 MoE架构示意图 | 图源：网络

腾讯让AI学会\"多线程\"思考

腾讯AI Lab这次玩得更溜，他们搞出了个Parallel-R1强化学习框架，让大模型终于能像人类一样\"一心多用\"了。以前AI思考问题就像走独木桥，一次只能想一条路，现在可以同时探索多条路径，然后选最优解。

想象一下，以前解数学题得一步步来，现在可以同时尝试好几种解法，效率直接翻倍。这种并行思维在处理复杂推理任务时特别给力，比如逻辑判断、数学推导这些需要多角度思考的问题。

Parallel-R1框架示意图 | 图源：腾讯AI Lab

阿里开源模型登上榜首

阿里巴巴这次真是扬眉吐气了！他们开源的通义DeepResearch模型不仅超越了OpenAI和DeepSeek的旗舰模型，还在多个基准测试中表现抢眼，特别是在复杂推理任务上刷新了记录。

更难得的是，阿里选择了开源这条路，把最新研究成果分享给全球开发者社区。现在在开源Agent模型排行榜上，这模型已经登顶了，国产大模型这次确实争气。

全球AI基建大升级

英伟达这次可是下了血本，和Nscale一起砸了130亿美元搞AI基础设施建设。计划在全球部署30万颗Grace Blackwell GPU，光是英国就要用6万颗。这波操作将极大提升全球AI算力规模，为下一代大模型的训练提供强力支持。

人形机器人要来了？

Figure人形机器人公司最近完成了超过10亿美元的C轮融资，估值已经冲到390亿美元。这轮由Parkway Venture Capital领投，英伟达也跟投了。看来人形机器人的商业化进程要加速了，说不定很快就能在工厂和服务场所看到它们的身影。

技术趋势怎么看

这周的动态可以看出几个明显趋势：大家都在想办法把模型做小做精，而不是一味堆参数；强化学习在提升AI推理能力方面越来越重要；开源正在推动整个行业向前发展；硬件投资还在持续加码，为AI发展打下坚实基础。

这些进展不仅展示了中国企业的创新能力，更为全球AI产业提供了新思路。随着技术越来越成熟，AI肯定会在更多领域大展拳脚。

作者：程序员Left（全网同名）
职位：后端工程师
创作方向：AI前沿科技内容

关注我，带你第一时间了解AI最新动态和技术内幕！

一起来聊聊：在模型轻量化和性能提升之间，你更看好哪条路？是继续把模型做大，还是专注架构创新提升效率？评论区见！