1月31日，据国家医保局，2026年1月1日起，国家新版医保药品目录在广西全面落地执行。此次目录调整中，国家医保局通过谈判将“去铁酮片”纳入国家医保药品目录，有效解决地中海贫血患者就医需求，减轻参保患者家庭的用药负担。纳入医保前，城乡居民患者在市县定点机构诊疗的月自费近3000元，纳入医保后，谈判降价叠加医保报销，个人自费仅为原来的十分之一。

近日，苇渡新能源Windrose Electric在欧洲比利时顺利完成首台纯电重卡注册上牌，这是中国新能源重卡首次在欧洲道路上获得合法运营身份。（界面新闻）

2026年春运期间，全国铁路客运量预计将达5.4亿人次。据介绍，春运期间全国铁路高峰购票需求巨大，一些热门线路、热门时段、热门车次依然存在较大的供需矛盾。为此，铁路部门将积极挖掘运输潜能，最大化增加列车利用效率，全面提升运输能力。在京广、京沪、沪昆等主要高铁干线通道，将开行夜间高铁近1000列。在客流高峰日，最高可安排开行旅客列车超1.4万列，客座能力同比增长5.3%。（央视新闻）

2026年公募基金发行市场迎来强势开局。Wind资讯数据显示，截至1月30日，开年以来已有118只新基金宣告成立，合计募集资金1137.80亿元，成功突破千亿元大关，较2025年1月份的832.64亿元增长36.6%。发行特征上，权益类基金、FOF（基金中的基金）两类产品热度持续攀升，批量涌现爆款，同时提前结束募集现象频发，反映出市场资金借道公募基金入市的热情高涨。（证券日报）

知情人士透露，英伟达原本计划向OpenAI投资至多1000亿美元，助力其训练和运行最新人工智能模型，但因英伟达内部部分人士对该交易提出质疑，相关计划已陷入停滞。（新浪财经）

当地时间1月30日，联合国秘书长古特雷斯警告称，由于未缴会费不断累积，联合国的资金可能在7月前耗尽，这个全球机构正面临“迫在眉睫的财政崩溃”。（央视新闻）

爱范儿关注「明日产品」，硬哲学栏目试图剥离技术和参数的外衣，探求产品设计中人性的本源。

每每聊到苹果，我们总会在潜意识里把它描绘成一家纯粹的产品公司。

而现实世界里，如今的苹果远远不止一家产品公司，同时也是一个眼光独到的投资公司——不是投资金融产品，而是投资未来技术。

▲ 图｜TheVerge

就在昨夜，苹果曝出斥巨资收购了一家来自以色列的人机交互技术公司「Q.ai」，后者的主要研发方向为读取面部动作和理解无声交流的相关技术。

尽管目前双方没有公布收购的具体细节，但 Q.ai 此前已经收到了包括凯鹏华盈（Kleiner Perkins）、谷歌风投（GV）、星火资本（Spark Captial）、EXOR 集团等风投巨鳄的支持，外界预估本次收购的金额在 16-20 亿美元左右。

如果估值无误，这将是苹果历史上第二大的收购案例，仅次于 2014 年 30 亿美元收购 Beats，同时也可能是苹果最大的 AI 领域单笔投资。

但是这家 Q.ai 公司究竟何许人也？一个官网上没有任何技术细节的科研公司，苹果为什么愿意花这么多钱去收购它呢？

新面孔，但是老朋友

尽管 Q.ai 的名字里带个 AI，却不是我们常规意义上的「AI 公司」，像 OpenAI 或者 xAI 那样提供模型服务。

Q.ai 的主要技术是基于机器学习算法，分析人们说话时面部肌肉和微表情，来理解无声交流，并将这些信息转化成具体的输入或控制指令。

换句话说，Q.ai 的「产品」实际上是基于 ML 的新型人机交互技术——从路线上讲属于 AI，但并不是时下大火的生成式 AI 领域。

而说到 Q.ai，同时也不得不提到它的主要创始人：Aviad Maizels。

▲ 图｜CTech

你不一定认识这个以色列人，但你大概率用过他的产品。

2005 年，Aviad Maizels 联手几位技术同僚创立了 PrimeSense 公司，主攻 3D 感知与空间交互技术，基于静态结构光原理，开发出了名为「光编码」（Light Coding）的动态结构光技术。

第二年的圣何塞游戏开发者大会（GDC）上，PrimeSense 展示了它们 3D 感测系统的雏形，被寻求游戏主机突破口的微软一眼相中。

合作的最终产物，就是 Xbox 360 的 Kinect 体感遥控套件，上市两个月售出了 800 万台，几乎反超 Wii 成为了「体感游戏」的代名词：

▲ 图｜CNET

但两家的合作只持续了不长时间。2013 年的 Xbox One 上，微软就放弃了 PrimeSence 的动态结构光方案，将第二代 Kinect 改成了自研的 3D ToF 路线。

这反而给了苹果出手的机会。

同年，苹果确认以约 3.5 亿美元的价格收购 PrimeSense，这在当时是苹果最大的技术性收购之一，仅次于收购指纹技术公司 AuthenTec 和芯片制造商 PA Semi。

而后面的产品自不用说，PrimeSence 的动态结构光技术最终成为了苹果原深感相机（TrueDepth Camera）和 ARKit 的基石，也就是我们现在使用的 Face ID 的根源。

▲ 图｜Apple

而苹果这一次想要从 Aviad Maizels 那里得到的，同样是一套革命性的人机交互方式。

前面提到，Q.ai 的核心技术在于识别用户在无声状态下发出的精准指令。

这和现在 Vision Pro 使用的视觉手势识别交互有着根本性的区别，很容易让我们联想到另一个东西——唇语。

换句话说，在苹果的设想里，未来的穿戴式设备即使听不到语音指令，也可以根据面部动作来接受操作指令或者内容输入——

▲ 图｜OneEarPod

至于苹果为什么要在这个节点投资这项技术，我们可以做一个大胆的推想：

苹果需要为 2027 年产品路线图上的智能眼镜找到一个更合理的交互方式。

毕竟在使用智能眼镜的时候，你肯定不希望满大街的人都听到你对 AI 眼镜说的话或者命令——那画面太诡异了，也不符合苹果一贯优雅、智能的交互方式。

而 Q.ai 的路径可以完美解决这个问题，让你在下达指令的同时不需要发出声音，只需要做个口型。隐私且优雅，也符合我们对超级 AI 眼镜的想象：

▲ 图｜Marvel Cinematic Universe Wiki

另一种更加大胆的猜测，则是苹果可能会在 Q.ai 识别原理的基础上，开发传说中的屏下 Face ID 技术。

通过将原理改成高精度的肌肉识别，以及瞬时肌肉运动，可以让 Face ID 实现与结构光近似的安全性，并且进一步减少零件，达到屏下隐藏的效果。

▲ 图｜9to5Mac

二次收购，可能早有预谋

虽然 Aviad Maizels 在 2013 年 PrimeSence 被苹果收购之后留在苹果任职，但并没有停下他的脚步。

除了继续研究人机交互技术之外，Aviad Maizels 在 2016 年还和创立 PrimeSence 的两个同事联合成立了 Bionaut Labs 公司，旨在研究能够跨越血脑屏障的精密医疗机器人。

▲ Bionaut Labs 展示他们的微型手术机器人｜Daily Sabah

而在 2022 年，已经成为苹果硬件与技术部门高级总监的 Aviad Maizels 宣布离职，成立了前面提到的 Q.ai 公司，继续研究机器学习和人机交互。

当然，后面的故事我们都知道了——保持低调的 Q.ai 一直研究到 2026 年，被苹果收购，Aviad Maizels 再次回到了苹果。

▲ 在魏茨曼科学研究所（Weizmann Institute of Science）学习时的 Aviad Maizels｜WeizmannCompass

但如果连起来看，Aviad Maizels 这一波「离职创业」到「二次收购」的历程，其实可能是精心策划过的——

这倒不是什么阴谋论，而是常见的商业举动。

2022 年的苹果正处在「大的要来了」的节点上，同时给未来的 Apple Intelligence 和 Vision Pro 做准备，内部研究方向和组织架构处在持续的变动中。

在混乱背景下，把不那么紧急的技术路线从总公司里分离出去，让研发不受管理决策的影响，同时作为一个外部的「战略储备」，这就是典型的业务分拆（corporate spin-off）战略。

▲ 图｜MacRumors

类似的事情在苹果历史上亦有记载，就是 Mac 与 NeXT 的故事——

虽然乔布斯当年被排挤出公司并非自愿，但乔布斯本人和 NeXT 刚好躲过了时任苹果 CEO 吉尔·阿梅里奥的混乱期。

而 NeXT 坚持的 Unix 路线最终借着 1996 年的收购成功夺舍 Mac 系统，成为了后来 macOS 与 iOS 的基础。

这么来看，Aviad Maizels 与他领导的「无声通信」、「微表情识别」技术栈，可能就是苹果前两年分拆的技术储备。

为什么苹果需要新交互

总之，Q.ai 无论是 Aviad Maizels 自己的创业举动，还是苹果为了保证研究不受影响而进行的「分兵」，都已经不重要了。

现在更值得关注的，是 Q.ai 的技术回到苹果之后，会产生什么样的影响。

苹果刚刚公布了一份堪称成立以来最强劲的财报，整个 2026 财年收入 1437.56 亿美元，毛利率达到了惊人的 48%，净利润 420.97 亿美元：

▲ 图｜App Economy Insights

然而即使在如此强劲的刺激下，苹果的股价却反应平平，当日收盘涨幅仅为 0.72%，基本与正常波动无异。

这种业绩不错但股价平淡的现象，不仅仅是苹果缺少了现在股市急需的 AI 叙事，同时也是因为苹果的财报结构有一了些失衡的迹象：

1438 亿美元的收入中，iPhone 贡献了 852.7 亿美元，总收入占比接近 60%，相比去年增长了 23%。

尽管数字很强势，市场的眼光却正在看向更远的地方。原因很简单：在经历过 2025 下半年近乎疯狂的闪存涨价之后，市场意识到了智能手机业务的脆弱。

换句话说，iPhone 作为长久以来拉动苹果收入的主要马车，现在有点「独木难支」了。

▲ 图｜Tom’s Guide

在这种背景下，苹果急需新形态的产品来实现破局。

而苹果看好的技术路线无疑就是 Vision Pro 与近似的智能眼镜类穿戴产品，想要做好智能眼镜，最大的阻碍就是交互方式。

如果基于 Q.ai 的技术理念，新的 Vision Pro 或者苹果眼镜可以在完全无声的情况下实现表情交互和输入的话——

它对于可穿戴设备的意义将不亚于当年 iPhone 上面的电容屏。

▲ 图｜CNET

无论苹果收购 Q.ai 打的什么算盘，这大概率都是个长线投资。

换句话说，苹果的长远战略与重视人机交互的逻辑没有改变，我们不一定马上就能看到和收购 Q.ai 直接关联的新产品或者功能。

今年苹果最需要做的，还是赶紧把成品 Apple Intelligence 端上来。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

据当地时间1月30日报道，迪士尼CEO鲍勃·艾格尔(Bob Iger)已告知同事，他计划在合同到期前辞去首席执行官一职。（财联社）

今日热点导览

• 中国最新富豪榜出炉
• 金价未来几年有望涨到8000美元至8500美元
• iPhone 18 Pro或直连星链
• 监管通报“某基金产品单日吸金超百亿”事件
• 特朗普起诉美国财政部和国税局，索赔至少100亿美元

TOP3大新闻

特朗普提名美联储新主席人选

当地时间1月30日上午，美国总统特朗普提名美国联邦储备委员会前理事凯文·沃什出任下一任美联储主席，接替现任美联储主席鲍威尔。沃什2006年加入美联储，是当时最年轻的美联储理事。在美联储任职期间，沃什持鹰派货币政策立场，但近年转向支持特朗普的关税政策及加快降息立场。特朗普在首个总统任期内提名鲍威尔为美联储主席。当时，鲍威尔与沃什均为特朗普考虑的人选，但鲍威尔最终获得提名。

根据美国法定程序，美联储主席由美国总统提名人选，经国会参议院批准后任职。（央视新闻）

广东连续8年成为第一生育大省

数据显示，2025年末，广东全省常住人口12859万人，比上年末增加79万人。全年出生人口100.3万人，人口出生率为7.82‰；死亡人口71.3万人，人口死亡率为5.56‰；人口自然增长29万人，人口自然增长率为2.26‰。2025年城镇人口占常住人口比重（城镇化率）为76.58%，比上年末提高0.67个百分点。对一个省份来说，人口增长包括自然增长和机械增长（即“人口净流入”）。广东已连续6年成为全国唯一出生人口超百万的省份，连续8年蝉联“第一生育大省”。根据广东省统计局于1月30日公布的数据，2025年，广东实现地区生产总值145846.76亿元，广东经济总量连续37年稳居全国首位，占全国经济总量超十分之一。（第一财经）

“黑白颠周媛”被立案调查

连日来，自称为“性商第一人”的网红周媛，因其教授女性吸引男性课程遭封禁风波，持续发酵。有媒体称，周媛名下“黑白颠性商学院”线下活动仍正常开展。1月30日上午，记者从湖南长沙雨花区市场监督管理局处获悉，该局已联合公安、文化等多个部门，成立工作专班，对黑白颠周媛进行立案调查，并责令其停止线上线下社会行为。（中国新闻社）

大公司/大事件

Kimi海外收入已超国内，全球付费用户4倍增长

36氪独家获悉，近期Kimi在和投资人的沟通中表示，公司的海外收入已超过国内收入，新模型K2.5发布后，全球付费用户已有4倍增长。继上一代模型K2发布会后，K2.5继续引发了海外热潮。在Openrouter上，K2.5的排名已经来到第三位，仅次于Claude Sonnet 4.5和Gemini 3 Flash。

中国最新富豪榜出炉：张一鸣、钟睒睒、马化腾稳居前三，雷军排名第十

据新浪科技1月30日消息，近日，福布斯中国富豪榜进行了更新（截至2026年1月份），前十名中除了稳居前三名的张一鸣、钟睒睒、马化腾外，大家熟悉的还有曾毓群、丁磊、李嘉诚等。值得一提的是，雷军也进了前十名，其拥有的财富为304亿美元，而马云排在其后面，财富为296亿美元。（新浪科技）

原新加坡Sea AI Lab高级研究科学家庞天宇即将入职腾讯

36氪获悉，据相关消息证实，原新加坡Sea AI Lab高级研究科学家、清华大学计算机系2017级直博生庞天宇即将入职腾讯，加盟腾讯混元多模态部Exploration Center，负责强化学习前沿算法探索。

Sora下载量暴跌45%

据Appfigures数据显示，OpenAI开发的AI视频生成应用Sora的移动端下载量1月环比下跌45%，消费者环比支出则下降32%至36.7万美元。Sora在去年10月曾一度登顶苹果应用商店的下载量榜首，并比ChatGPT更早达成了百万次下载量目标，但现在，其用户群正在以惊人的速度流失。近两个月，Sora表现出明显的疲态，12月下载量环比下跌了32%，而假日季通常意味着移动设备使用量的高峰期。这一下滑可能与版权限制以及谷歌Gemini的竞争加剧有关。（财联社）

内存供应紧张，苹果2026年将优先推出高端iPhone机型

1月30日消息，受营销策略调整及供应链供应紧张影响，苹果公司正优先推进2026款三款高端iPhone新机的生产与出货工作，同时延后标准版机型的出货时间。（财联社）

小摩：金价未来几年有望涨到8000美元至8500美元

摩根大通全球市场策略师Nikolaos Panigirtzoglou最新报告预测，未来几年金价有望涨到8000美元至8500美元，理由之一是散户投资者越来越依赖黄金而非固定收益产品来对冲美股下跌风险。不过，Panigirtzoglou警告称，大宗商品交易顾问（CTA）和动量交易者目前在白银和黄金上的持仓都处于极度超买状态，这意味着短期内黄金和白银存在获利回吐或均值回归的风险。（财联社）

iPhone 18 Pro或直连星链

据快科技报道，从iPhone 18系列开始，苹果调整了产品发布节奏，今年秋季只发布iPhone 18 Pro系列和iPhone Fold，iPhone 18标准版会在明年春季亮相。苹果正在与SpaceX洽谈合作，希望借助SpaceX的近地轨道星链网络，为iPhone 18 Pro系列机型提供卫星通信服务，用户使用该功能时无需搭配额外硬件。知名科技记者Mark Gurman曾透露，iPhone 18 Pro预计将支持5G非地面网络技术，该技术可让移动基站借助卫星拓展信号覆盖范围。（快科技）

昆明市明确：空置房不能减免物业费

网友在问政平台留言，建议对昆明市空置房（未装修未入住）物业费给予一定减免优惠，减轻业主负担。对此，昆明市住房和城乡建设局近日答复表示，由于国家层面未出台空置房物业费政策，且已明确指出部分省市出台空置房物业费政策缺乏上位法依据，因此，在昆明市不具备出台空置房物业费政策的立法条件，不能出台空置房物业费政策。（澎湃新闻）

工行：自2月7日起 将对如意金积存业务进行限额管理

36氪获悉，工商银行发布关于调整如意金积存业务及部分品牌实物黄金产品销售业务办理规则并修订如意金积存业务协议的公告。自2026年2月7日起，在周末以及法定节假日等非上海黄金交易所交易日，我行将对如意金积存业务进行限额管理，限额类型包括全量或单一客户单日积存/赎回上限、单笔积存或赎回总量上限等，并进行动态设置，提金不受影响。

监管通报“某基金产品单日吸金超百亿”事件

针对此前市场传言“某基金公司管理的基金产品单日申购量超百亿”一事，监管部门核查结果正式公布。监管部门发布的机构监管通报指出，D基金公司与不具备基金销售及从业资格的互联网“大V”合作，利用其流量和影响力鼓动投资者跟风买入，诱导了风险承受能力不匹配的投资者购买中高风险产品。目前，监管对该公司采取责令改正并暂停受理公募基金产品注册的监管措施，同步追究公司总经理、督察长、互联网业务部门负责人等责任人员责任。（界面新闻）

市场监管总局公布4起直播电商领域典型案例，成都快购被罚超2600万

36氪获悉，市场监管总局今天（30日）集中发布第五批直播电商领域典型案例。其中，市场监管总局查处成都快购科技有限公司违法案。2025年12月，市场监管总局综合考量当事人的违法事实、案件性质、违法情节以及社会危害程度，依法对当事人的违法行为作出行政处罚。责令当事人立即改正违法行为，并处罚没款26692904.62元。

库迪将取消全场9.9元

1月30日，有网友在社交平台上晒图称，库迪咖啡发布了门店价格策略和活动调整通知，库迪的“全场9.9元不限量”活动将在1月31日晚24:00正式结束。2月1日起，库迪将开启特价专区，部分产品仍将延续9.9元不限量，而其所有平台内非特价活动产品，均按零售价售卖。库迪相关负责人向记者确认，库迪确实要缩小9.9元活动的覆盖范围。库迪相关负责人称，部分产品延续特价9.9元不限量，全线产品持续参与外卖平台各类补贴活动。不过对于促销活动调整原因，该负责人则未透露。

目前尚不能确定库迪9.9元活动覆盖的饮品占比，而根据点餐小程序，库迪饮品的零售价在10.5元-15.9元之间，这也意味着，调整后，其饮品的整体价格将有明显上调。（封面新闻）

荃银高科：涉嫌信息披露违法违规，被中国证监会立案调查

36氪获悉，荃银高科公告，公司于2026年1月30日收到中国证监会下发的《立案告知书》，因公司涉嫌信息披露违法违规，中国证监会决定对公司立案。目前公司生产经营正常，立案调查不会对公司正常生产经营活动产生重大影响。公司将积极配合中国证监会的工作，严格履行信息披露义务。

美股三大指数收盘集体下跌，纳指收跌0.94%

美股三大指数收盘集体下跌，道指跌0.36%，1月累涨1.73%；纳指跌0.94%，1月累涨0.95%；标普500指数指数跌0.43%，1月累涨1.37%。科技股普跌，AMD跌超6%，英特尔跌超4%。黄金、白银股大幅下挫，全球最大白银ETF--iShares Silver Trust跌28%，科尔黛伦矿业跌超16%，金田跌超14%。（界面新闻）

贵金属价格全线跳水

美东时间周五，美股三大指数集体飘绿，贵金属持续暴跌。现货黄金盘中跌超12%，最低触及4682美元/盎司；现货白银盘中跌超35%，最低下探至74.28美元/盎司。临近尾盘，现货金银跌幅稍有收窄。截至发稿，伦敦金现跌9.25%报4880.034美元/盎司，伦敦银现跌26.42%报85.259美元/盎司，COMEX 黄金跌8.66%报4890.9美元/盎司，COMEX 白银跌26.07%报84.6美元/盎司。（中新经纬）

小米SU7 Ultra单月销量下滑至45辆，曾经月销超3000辆

据懂车帝等平台数据，2025年12月小米SU7 Ultra销量为45辆。此前销量最高的月份为3月，卖出3101辆。从3月到8月，小米SU7 Ultra的月销量基本维持在2000至3000辆之间，然而自9月起，销量出现大幅下滑，当月仅售出488辆，10月进一步跌至130辆，11月已不足百辆，直至12月销量已不足50辆。小米SU7 Ultra是小米汽车高端化战略下的核心产品，2025年2月27日正式上市，售价52.99万元，该车型搭载三电机系统，最大马力1548匹，零百加速仅需1.98秒，最高时速可达350km/h。（蓝鲸新闻）

刘强东、雷军等出席中英企业家会议

《科创板日报》30日讯，1月29日，2026中英企业家委员会会议在北京举行。《科创板日报》记者获悉，京东、小米、追觅科技等作为行业代表受邀参会，其中，雷军、刘强东等以中方企业家代表身份出席。

星巴克计划2028财年全球净新增超2000家门店

星巴克当地时间1月29日发布声明称，目标2028财年全球自营和特许经营门店净新增超2000家，其中包括约400家美国自营门店；合并净收入增长5%或以上，全球和美国同店销售增长至少3%。（财联社）

特朗普起诉美国财政部和国税局，索赔至少100亿美元

当地时间29日获悉，美国总统特朗普已向联邦法院提起诉讼，起诉美国财政部和国税局（IRS），指控其在他的首个总统任期内非法泄露其个人税务申报信息，并要求至少100亿美元的赔偿。（央视新闻）

马斯克被曝筹划推进太空算力

美国企业家埃隆·马斯克正考虑整合旗下资产，从而推进太空算力布局。报道称，马斯克在太空部署人工智能数据中心的设想将可能通过上述不同路径实现。如果工程技术允许，其中一个方向是，太空探索技术公司在轨数据中心将为xAI输送庞大算力。另一个方向是，特斯拉制造储能系统的能力，将可帮助太空探索技术公司在太空利用太阳能运行这些数据中心。知情人士说，马斯克尚未作出最终决定，细节可能会变化，相关公司也可能保持独立。（新华社）

AI最前沿

苹果收购人工智能初创公司

苹果公司收购了一家专注于“静默”通信技术的人工智能初创企业Q.ai。这家总部位于以色列的初创公司成立于2022年，其相关计划此前一直高度保密。该公司去年公开的专利描述了一种通过识别人类面部动作来解读非语言交流的技术。（新浪财经）

蚂蚁灵波科技宣布开源具身世界模型LingBot-VA

36氪获悉，1月30日，继空间感知模型、具身大模型与世界模型“三连发”后，蚂蚁灵波科技宣布开源具身世界模型LingBot-VA。LingBot-VA首次提出自回归视频-动作世界建模框架，将大规模视频生成模型与机器人控制深度融合，模型在生成“下一步世界状态”的同时，直接推演并输出对应的动作序列，使机器人能够像人一样“边推演、边行动”。

Waymo正式启动旧金山机场的乘客接送服务

谷歌旗下Waymo于1月29日在博客中宣布，已率先向部分精选用户开放旧金山国际机场的无人驾驶接送服务，未来数月将逐步拓展至所有用户。该服务初期的上下客点设置在机场租车中心，后续还将逐步扩展至航站楼等更多区域。Waymo已于去年年底开始在高速公路上开展无人驾驶载客服务，这也是其切入机场接送领域的必要前置步骤。（新浪财经）

Cosmo通过WASC学校级全权认证，为AI教育机构全球首例

36氪获悉，近日，硅谷AI教育科技品牌Cosmo宣布，已正式通过美国权威学校认证机构WASC（Western Association of Schools and Colleges）的学校级全权认证（Accredited），成为全球首个通过该级别认证的AI教育机构。据了解，公开资料显示，猿辅导联合创始人帅科于2024年辞职创办Algorithm of Learning Inc.，并完成早期融资。Cosmo为该公司的核心业务之一，此前主要面向美国和加拿大市场展开。

上市进行时

OpenAI

据报道，OpenAI计划在第四季度IPO，与银行就潜在上市事宜举行非正式磋商。据悉，OpenAI已聘请新高管以助筹备IPO。（界面新闻）

伊戈���

36氪获悉，伊戈尔公告，公司已于2026年1月29日向香港联合交易所有限公司递交了首次公开发行H股股票并在香港联交所主板上市的申请，并在香港联交所网站刊登了本次发行的申请材料。本次发行如果最终实施，发行对象将仅限于符合相关条件的境外投资者及依据中国相关法律法规有权进行境外证券投资的境内合格投资者。公司本次发行尚需取得中国证券监督管理委员会、香港证监会和香港联交所等相关政府机关、监管机构、证券交易所的批准、核准或备案，该事项仍存在不确定性。

欣旺达电子股份有限公司

36氪获悉，据港交所文件，欣旺达电子股份有限公司向港交所提交上市申请书，联席保荐人为高盛、中信证券。

爱芯元智

36氪获悉，爱芯元智在港交所公告，在港上市拟发行104915200股H股（视乎超额配股权行使与否而定），定价28.2港元/股。预期H股将在2月10日开始交易。

澜起科技

36氪获悉，澜起科技在港交所公告，公司拟全球发售65890000股H股，香港发售股份6589000股H股，国际发售股份59301000股H股，另有15%的超额配股权；发售价最高为每股106.89港元；预期股份将于2026年2月9日开始在香港联交所买卖。

大公司财报

万科2025年亏损扩大至820亿

1月30日下午，万科A（000002.SZ）在互动平台回答投资者提问时如是表示。同日发布的2025年业绩预告印证了这一说法。业绩预告显示，2025年全年，万科归母净利润预计亏损约820亿元，扣非后净利润预计亏损约800亿元，基本每股收益预计亏损约6.89元/股。而上年同期，上述三项指标分别为亏损494.78亿元、453.94亿元、4.17元/股，经营压力可见一斑，历史包袱颇为沉重。（第一财经）

三六零：预计2025年净利润2.13亿元-3.18亿元，同比扭亏为盈

36氪获悉，三六零发布2025年业绩预告。报告显示，预计2025年度归属于上市公司股东的净利润约为2.13亿元-3.18亿元，同比扭亏为盈；扣除非经常性损益的净利润约为0.27亿元-0.40亿元。业绩预盈主要系权益法核算的长期股权投资收益增加。

光线传媒：预计2025年净利润15亿元-19亿元，同比增长413.67%-550.65%

36氪获悉，光线传媒公告，预计2025年度归母净利润15亿元-19亿元，同比增长413.67%-550.65%，上年同期盈利2.92亿元。随着《哪吒之魔童闹海》的热映，公司的相关IP运营业务贡献了较多的收入和利润。2025年，公司电影及衍生业务收入及利润较上年同期均实现大幅提升。

阿迪达斯第四季度初步收入实现增长，将回购10亿欧元股票

阿迪达斯在公布最近一个季度初步收入增长后，将推出一项2026年的股票回购计划。这家德国鞋类和服装公司于29日表示，其第四季度初步财务业绩显示，收入为60.8亿欧元（合72.7亿美元），高于上年同期的59.7亿欧元。该公司还称，第四季度阿迪达斯品牌的汇率中性收入同比增长11%。该公司表示，包括2024年的Yeezy销售额在内，上一季度收入增长了10%。（新浪财经）

新易盛：2025年净利同比预增231.24%-248.86%

36氪获悉，新易盛发布2025年业绩预告。报告显示，预计2025年归属于上市公司股东的净利润为94亿元-99亿元，比上年同期增长231.24%-248.86%。报告期内，受益于算力投资持续增长，高速率产品需求快速提升，公司销售收入和净利润大幅增加。

西部黄金：2025年净利同比预增46.78%-69.23%，自有矿山黄金产品销量增加及销售价格上升

36氪获悉，西部黄金发布2025年业绩预告。报告显示，预计2025年度归属于上市公司股东的净利润为4.25亿元到4.90亿元，与上年同期（法定披露数据）相比，同比增加46.78%-69.23%，与上年同期（追溯调整后）相比，同比增加67.58%到93.21%。业绩增长主要系自有矿山黄金产品销量增加及销售价格上升所致。

大悦城：预计2025年归母净利润亏损21亿元–27亿元

36氪获悉，大悦城发布2025年业绩预告。报告显示，预计2025年度归属于上市公司股东的净利润亏损21亿元–27亿元，上年同期亏损29.77亿元。扣除非经常性损益后的净利润预计亏损22.5亿元–28.5亿元，上年同期亏损40.5亿元。本报告期，公司预计归属于上市公司股东的净利润为负，主要系公司积极调整量价策略，部分项目出现减值迹象，公司按照企业会计准则对可能发生减值损失的各类资产计提减值准备。

投融资

“益腾医疗”完成近亿元A轮融资

36氪获悉，近日，“益腾医疗”宣布完成近亿元A轮融资。本轮融资由弘晖基金领投，昆山国创集团、昆玉人才基金跟投，启峰资本担任本轮财务顾问，所募资金将重点用于高端CT球管的研发迭代与注册推进。

因势新材完成数千万元天使轮融资

近日，合肥因势新材料科技有限公司完成数千万元天使轮融资。本轮融资由奇瑞集团的风险投资(CVC)平台瑞丞基金领投，淡马锡旗下的风险投资机构祥峰投资、安徽省国有资本运营控股集团旗下国控投资公司跟投，小米战投继续追加投资。融资资金将主要用于产能扩建与技术研发，助力公司进一步推进硫化物固态电解质的产业化进程。

据报道，SpaceX去年营收约150-160亿美元，星链占SpaceX总收入的50%至80%。SpaceX计划在6月IPO中筹集500亿美元。SpaceX保守估值目标为1.5万亿美元。（科创板日报）

1月30日消息，据报道，支持人工智能的超级政治行动委员会“引领未来”已筹集超过1.25亿美元，OpenAI前总裁、联合创始人格雷格·布罗克曼、8VC创始人及管理合伙人乔·朗斯代尔，以及硅谷知名创投公司安德里森·霍罗威茨（Andreessen Horowitz，又简称为a16z）均向该基金捐款。（界面新闻）

美东时间1月30日下午，国际市场黄金、白银价格继续大幅下跌。纽约商品交易所4月黄金期价一度跌破每盎司4800美元关口，跌幅超过10%；3月白银期价一度跌破每盎司80美元关口，跌幅超过30%。（新华网）

近日，有消息称，库迪咖啡发布门店价格策略和活动调整通知。通知指出，“全场9.9元不限量”活动将于2026年1月31日24时正式结束，2026年2月1日0时起，将开启特价专区，部分产品仍然延续9.9元不限量。2026年2月1日0时起，库迪自有平台内非特价活动产品，均按零售价售卖。（澎湃新闻）

周末也值得一看的新闻

苹果发布 2026 新春影片《碰见你》

昨天，苹果 2026 新春影片《碰见你》正式上线。

影片由平遥国际电影展获奖影片《过春天》导演白雪执导，以 iPhone 17 Pro 拍摄完成，并结合定格动画等混合媒介形式，呈现苹果在移动影像上的最新能力。

《碰见你》讲述了一只在春节期间迷路、渴望回家的小狗，与一路给予帮助的女主角林微相伴前行的故事。影片以更贴近年轻人的叙事方式，聚焦人与动物之间的情感连接，并围绕「家」的意义展开。

苹果 CEO 库克在微博表示：「《碰见你》是一段关于在意想不到的朋友陪伴下，重新找回自己的故事。这部 Apple 新春大片由 iPhone 17 Pro 拍摄，捕捉了许多温暖动人的瞬间，希望大家喜欢。」

作为苹果首次采用混合媒介的新春影片，《碰见你》在影像上大量使用 iPhone 17 Pro 的新特性，包括等效 200mm 的 8 倍光学品质变焦、全系 4800 万像素融合式摄像头，以及 Center Stage 前置摄像头等功能。

影片摄影团队表示，iPhone 的轻巧设计与高倍率变焦让拍摄更具灵活性，也为以动物视角取景提供了可能。

自 2018 年起，苹果已连续九年在农历新年推出由当代旗舰 iPhone 拍摄的短片，包括《三分钟》《一个桶》《女儿》《阿年》《卷土重来》《过五关》《小蒜头》以及去年由 iPhone 16 Pro 拍摄的《想和你一起听听歌》。

曝马斯克评估 SpaceX IPO 前与特斯拉或 xAI 合并

据彭博社报道，马斯克正评估合并 SpaceX、特斯拉与 xAI 的可能性，相关讨论仍处于早期阶段，但已引发资本市场与行业的高度关注。

多名知情人士称，SpaceX 正在研究两种主要路径：其一是与特斯拉合并，其二是在今年 IPO 前与 xAI 进行股份置换式合并。

部分投资者正推动 SpaceX 与特斯拉的整合，而 SpaceX 与 xAI 的合并则被视为另一种可行方案。报道指出，若交易推进，可能吸引基础设施基金及中东主权财富基金参与，并需要配套大规模融资。

报道称，从战略层面看，合并设想与马斯克的长期规划密切相关。

SpaceX 正探索将数据中心部署至太空，为 AI 提供高密度算力；若工程可行，xAI 将直接受益于轨道算力布局，而特斯拉在能源存储系统方面的制造能力，也可能为太空数据中心提供太阳能供电支持。

此前，马斯克还讨论过利用 SpaceX 星舰将特斯拉 Optimus 机器人运往月球或火星。

市场方面，受合并传闻影响，特斯拉股价在周四盘后交易中一度上涨 4.5%。

彭博社此前报道称，SpaceX 计划在今年 6 月左右上市，估值或达 1.5 万亿美元，融资规模最高可达 500 亿美元，或成为史上规模最大的 IPO。

内华达州企业登记信息显示，本月 21 日已设立两家名称含有「merger sub」的法律实体，登记高管包括 SpaceX 首席财务官 Bret Johnsen，被视为潜在交易准备动作之一。

路透社援引消息人士称，若 SpaceX 与 xAI 合并，部分 xAI 高管可能选择以现金而非 SpaceX 股票作为对价。

SpaceX 去年已向 xAI 投资 20 亿美元，特斯拉本周也宣布向 xAI 投资约 20 亿美元，显示马斯克旗下企业间的资本流动正在加速。

苹果 AI 团队再现离职潮，多名研究员与 Siri 高层投向 Meta 与 Google

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。

宇树王兴兴：通用机器人十年可期，大模型是行业「诺奖级」突破

近日，《扬声》栏目上线了宇树科技创始人兼 CEO 王兴兴的预告访谈，王兴兴在访谈中系统阐述了对通用型机器人、具身智能商业化路径及行业未来的判断。

他认为，当下正处在智能升级的临界点，通用型机器人在「我们这代人」身上完全可实现，最快在未来十年内将带来「翻天覆地的变化」。

王兴兴表示，谁能率先打造真正可用于机器人的大模型，谁就将成为全球最强的AI公司与机器人公司，「完全足够拿诺贝尔奖」。

在他看来，智能不受物理规律限制，因此 AGI 与通用机器人在理论上必然可实现，其对社会的改变将超过电与蒸汽机时代。

在谈及宇树的发展时，王兴兴回顾了从 2009 年自制人形机器人、到 2013—2016 年以极低成本打造早期机器狗的经历。

他强调，成本控制与软硬件一体化能力是宇树的核心竞争力。公司目前多款机构产品出货量位居全球前列，其中小型机构年出货量达数万台，占据约 60% 市场份额。

对于行业热度，他认为 2025 年以来的爆发并非偶然，而是动力系统、关节架构与端到端 AI 控制等关键技术成熟的结果。宇树 2025 年人形机器人实际出货量超过 5500 台，本体量产下线超 6500 台。

在商业化方面，王兴兴强调营收与利润是硬件公司的生命线，创业不能依赖融资驱动。

他指出，行业中许多失败案例源于产品定义、招人、商业化与运营等环节的失误，而优秀公司的共性在于严谨、执行力强、持续学习与持续迭代。

对于未来落地场景，他认为短期内机器人将在会议室、商场等 2B 场景承担基础任务；家庭场景因安全要求更高，将更晚普及。他强调，宇树的终极目标是让机器人真正「去干活」，为社会创造实际价值。

王兴兴也谈到个人成长经历。他自述从小动手能力强、性格敏感且内向，这种敏感后来反而帮助他在合同、风险判断与团队管理中保持谨慎。

他坦言，创业初期极度焦虑，2016 年辞职创业时资金未到位、团队仅三四人，但坚持技术突破与产品落地让公司逐步走上正轨。

生数科技推出 Vidu Q3，视频生成进入「一键成片」阶段

昨天，生数科技 Vidu 宣布推出全新的 Vidu Q3 视频生成模型，主打「为剧而生」，强调其在多镜头叙事、声画同步和多语言渲染上的全面升级。

Vidu Q3 是全球首个支持 16 s 音视频直出的模型，能够在单次生成中完成画面、声音、镜头调度与文本渲染，显著提升短剧、漫剧、影视内容的生产效率。

官方称，该模型可实现「一镜到底」式的叙事生成，支持多角色对话、情绪节奏控制以及复杂转场，生成内容可直接作为成片交付。

在功能层面，Vidu Q3 具备以下能力：

• 支持最长 16 s 视频生成，声画同步输出；
• 多镜头自由切换，可根据剧情张力自动调整景别；
• 支持中、英、日多语种文字自然嵌入画面；
• 适配漫剧、短剧、影视剧等多行业场景，强调工业化生产能力。

生数科技表示，Vidu Q3 在国际权威 AI 基准测试机构 Artificial Analysis 最新榜单中排名中国第一、全球第二，位列马斯克 xAI Grok、Runway Gen-4.5、Google Veo 3.1 和 OpenAI Sora 2 之前。

商汤开源 SenseNova‑MARS，多模态推理性能超越 Gemini‑3‑Pro

昨天，商汤科技宣布正式开源多模态自主推理模型 SenseNova‑MARS，核心定位为 Agentic VLM（视觉语言模型），强调「自主规划步骤 + 多工具协作」的执行能力，提供 8B 与 32B 两个版本。

据悉，该模型在多模态搜索与推理的核心基准测试中取得 69.74 分的综合成绩，超过 Gemini‑3‑Pro 与 GPT‑5.2 等闭源模型，并在多个开源与闭源模型对比中位列前列。

模型通过强化学习（RL）训练，使其能够在推理过程中动态调用图像裁剪、文本搜索、图像搜索等工具，实现跨模态、多步骤的复杂任务处理。

在性能方面，SenseNova‑MARS‑32B 在 MMSearch、HR‑MMSearch 等搜索导向评测中分别取得 74.27 分与 54.43 分，均领先于 Gemini‑3‑Pro 与 GPT‑5.2。

在实际应用场景中，SenseNova‑MARS 能够处理「细节识别 + 信息检索 + 逻辑推理」的复合任务，例如识别赛车服上的微小 Logo、查询企业背景、比对人物信息等，并可在无人工干预的情况下完成完整推理链路。

训练方法方面，模型采用「自动化数据合成 + 强化学习」的双阶段机制：

• 第一阶段通过多模态智能体生成高复杂度、多跳推理数据，并加入闭环一致性校验以减少幻觉；
• 第二阶段使用 BN‑GSPO 算法提升 RL 训练稳定性，使模型在多工具调用场景中保持一致表现。

目前，模型、代码与数据集均已在 GitHub 与 Hugging Face 全面开源。

论文: https://arxiv.org/abs/2512.24330

GitHub: https://github.com/OpenSenseNova/SenseNova-MARS

Hugging Face: https://huggingface.co/sensenova/SenseNova-MARS-8B

蚂蚁灵波开源 LingBot-VA：让世界模型直接驱动机器人行动

昨天，蚂蚁灵波科技宣布开源具身世界模型 LingBot-VA。

该模型提出自回归视频-动作世界建模框架，将大规模视频生成模型与机器人控制深度融合，可在生成「下一步世界状态」的同时直接推演并输出动作序列，使机器人能够像人类一样「边推演、边行动」。

在真机评测中，LingBot-VA 展现出对复杂物理交互的高适应性，覆盖长时序、高精度及柔性物体操控三大类六项高难度任务，仅需 30~50 条真机演示数据即可完成适配，任务成功率相较业界强基线 Pi0.5 平均提升 20%。

在仿真评测中，模型在双臂协同操作基准 RoboTwin 2.0 上首次将成功率提升至超过 90%，在长时序终身学习基准 LIBERO 上达到 98.5% 平均成功率，均刷新行业纪录。

LingBot-VA 采用 Mixture-of-Transformers（MoT）架构，实现视频处理与动作控制的跨模态融合。其闭环推演机制会在每一步生成时纳入真实世界反馈，确保推演过程不偏离物理现实。

为解决大规模视频世界模型在机器人端侧落地的计算瓶颈，模型引入异步推理管线、持久化记忆缓存与噪声历史增强策略，使其兼具大模型的理解深度与低延迟控制能力。

LingBot-VA 亦与此前开源的 LingBot-World（模拟环境）、LingBot-VLA（智能基座）与 LingBot-Depth（空间感知）形成体系化能力。

蚂蚁灵波表示，将依托 InclusionAI 社区持续推进开源开放，与行业共建具身智能基础能力，加速构建面向真实产业场景的 AGI 生态。目前，LingBot-VA 的模型权重与推理代码已全面开源。

Hugging Face: https://huggingface.co/robbyant/lingbot-va-base

百度开源 PaddleOCR-VL-1.5，文档解析精度超越 DeepSeek-OCR2

昨天，百度正式发布并开源新一代文档解析模型 PaddleOCR-VL-1.5。

据介绍，该模型在全球权威文档解析评测榜单 OmniDocBench V1.5 中取得综合性能第一，整体精度达到 94.5%，超过 DeepSeek-OCR2、Gemini-3-Pro、Qwen3-VL-235B-A22B 以及 GPT-5.2 等主流模型。

PaddleOCR-VL-1.5 采用仅 0.9B 参数的轻量化架构，但在多项关键指标上实现领先。其中，表格结构理解得分为 92.8 分，阅读顺序预测得分为 95.8 分，均位列榜单第一。

百度表示，在文档阅读顺序预测任务中，该模型的版面逻辑解析错误率仅为同类模型的一半左右，在合同、财报等高复杂度文档场景中具备更高稳定性和可用性。

此次发布的另一核心突破在于「异形框定位」能力。百度称，这是全球首次在 OCR 模型中实现对倾斜、弯折、拍照畸变等非规则文档形态的稳定识别，使移动拍照、扫描件变形及复杂光照条件下的文档解析成功率显著提升。

该能力可应用于金融票据处理、档案数字化以及政务文档流转等真实业务场景。

在功能层面，PaddleOCR-VL-1.5 在上一代基础上进一步集成印章识别、文本检测与识别能力，并针对生僻字、古籍文献、多语种表格、下划线和复选框等复杂结构进行优化。

同时，模型新增对藏语、孟加拉语等语种的支持，并支持跨页表格自动合并与跨页段落标题识别，以缓解长文档解析中的结构断裂问题。

GitHub: https://github.com/PaddlePaddle/PaddleOCR

Hugging Face: https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5

ModelScope: https://modelscope.cn/models/PaddlePaddle/PaddleOCR-VL-1.5

三星 Galaxy S26 系列发布时间曝光：2 月 25 日亮相

据 Android Authority 报道，三星下一场 Galaxy Unpacked 发布会的日期已被提前曝光。

知名爆料人 Evan Blass 分享了一张疑似官方海报，显示 Galaxy S26 系列将于 2 月 25 日正式亮相。

相比去年 S25 系列在 1 月发布，今年发布时间延后约一个月，报道指出原因与三星对产品线的临时调整及 Edge 机型的取消有关。

海报信息与此前多轮爆料一致。报道提到，三星虽然早前确认今年上半年会推出新旗舰，但至今尚未启动正式宣传。除 Ultra 机型已公布的「Privacy Display」隐私显示功能预告外，官方尚未披露更多细节。

根据泄露内容，Galaxy S26、S26 Plus 与 S26 Ultra 将在发布会后立即开启预购，公开销售预计从 3 月 11 日开始。

此外，三星也将在同场发布 Galaxy Buds 4 系列。该产品此前已多次曝光，最新爆料显示其定价将与 Buds 3 系列保持一致。

三只松鼠发布 2025 年业绩预告，净利或创近年新低

据界面新闻报道，三只松鼠近日披露 2025 年度业绩预告，公司预计全年归属于上市公司股东的净利润为 1.35 亿元至 1.75 亿元，同比下降 57.08%-66.89%；

扣除非经常性损益后的净利润预计为 4500 万元至 6500 万元，同比降幅进一步扩大至 79.64%-85.91%。相关数据尚未经审计，最终结果将在今年年度报告中披露。

业绩预告发布当日，公司股价短线反弹，1 月 29 日收盘报 24.88 元，上涨 4.85%。但在随后一个交易日开盘后股价再度走弱，截至发稿报 24.24 元，总市值约 97.36 亿元。

三只松鼠将利润大幅下滑归因于多重因素：

• 其一，销售旺季出现结构性错档，叠加坚果原料价格大幅上涨，公司主动调整销售结构，导致利润空间被压缩；
• 其二，全球坚果主产区受气候影响减产，进一步推高原料成本；
• 此外，公司在社区零售新赛道的战略投入也对阶段性利润造成影响。

从历史表现看，公司业绩在 2021 年达到阶段性高点，归母净利润为 4.11 亿元。随后受行业竞争加剧、电商红利消退等因素影响，利润出现波动，2022 年和 2023 年分别降至 1.29 亿元和 2.2 亿元，2024 年回升至 4.08 亿元。

今年前三季度，公司营收同比增长 8.22% 至 77.59 亿元，但归母净利润同比下降 52.91% 至 1.61 亿元，扣非净利润降幅更达到 78.57%。

为缓解成本压力，三只松鼠已在去年 10 月上调 35 款核心产品供货价，涨幅在 0.2 元至 10 元之间，部分产品涨幅超过 20%；今年 1 月，公司再次启动线下分销坚果礼出厂价调整，但提价仍未完全覆盖原料上涨带来的成本压力。

目前，坚果品类仍占公司收入约 50%，烘焙与综合零食两大新兴品类合计占比不足 40%，且竞争激烈。

线上渠道方面，抖音、天猫、京东三大平台贡献了 78.42% 的收入，但抖音渠道增速已从 2024 年的 81.73% 放缓至今年上半年的 20.75%，流量红利减弱趋势明显。

业内人士认为，三只松鼠的业绩压力也是当前休闲零食行业整体竞争加剧的缩影。随着流量红利见顶，企业在短期业绩与长期能力建设之间面临更艰难的平衡；

线下市场中，以零食很忙、赵一鸣零食为代表的量贩零食品牌凭借高性价比和快速扩张，对传统品牌形成明显冲击。

好想来回应门店称重多收费：公司称因新员工操作失误

据界面新闻报道，量贩零食品牌「好想来」近日因门店称重被指多收费引发关注。

事件源于一名消费者在中国浙江慈溪市的门店购买 23 件零食后，回家自行称重发现多款商品的实际重量低于门店称重结果，累计差值约 129 克，按其计算多付了 6.41 元。

好想来方面表示，公司在关注到相关内容后已进行内部核查，确认问题源于新员工操作失误，相关员工已重新培训。企业称已主动联系消费者致歉并协商赔偿。

消费者此前发布的视频显示，多款商品存在不同程度的重量差异，例如笋尖鸡肉肠门店称重为 76 克，自行称重为 62.2 克；无穷盐焗大鸡翅门店称重 216 克，自行称重 202 克；

其他如三角芝士、麦烧、乳酪包、海苔、小糖果、面包、鸡腿等均存在 12 克左右的差值。

该消费者还称，好想来曾向平台投诉要求下架视频，理由为「个人摆拍、真实性不确定」。

慈溪市市场监管局工作人员表示，监管部门已于 1 月 27 日对涉事门店的秤具进行检查，未发现异常。好想来方面强调，所有门店计量器具均经检定合格，并执行每日校验制度，如发现误差会立即停用并维修或更换。

公开资料显示，好想来为万辰集团旗下品牌，于 2023 年通过整合多个零食品牌形成统一运营体系，总部位于江苏南京，SKU 数量近 2000 个。

按 2024 年商品交易总额计算，其以 426 亿元 GMV 位居中国零食饮料零售榜首。万辰集团去年已向港交所递表，2025 年上半年营收达 225.83 亿元，同比增长 106.89%，其中量贩零食业务贡献近 99%。

《庇护之地》全球同步上映

昨天，《庇护之地》在全球同步公映，并释出「绝命搏杀」正片片段及上映日海报。

影片讲述特工迈克尔 · 梅森隐居孤岛，却因营救少女杰茜被迫重返战场，在黑鸢组织的追杀下揭开阴谋并展开生死突围。

作为「开年一部杰森」的延续，《庇护之地》成为动作片爱好者的热门选择。映前活动中，影迷以角色造型打卡、还原名场面，映后更有观众表示将二刷支持。

是周末啊！

One Fun Thing｜70 岁「萌新」成龙官宣入驻小红书，首日吸粉超 8 万

昨天，演员成龙于正式入驻小红书，账号简介显示「70 岁小红书萌新报道！用最快乐的方式，做认真的事。」目前已吸引约 8.2 万粉丝关注。

成龙发布的首条视频为自我介绍，并表示希望能与每一位「momo」成为朋友，未来会常来平台互动。

成龙还在评论区发表语音，称自己知道小红书是个「特别好玩特别有梗的地方」，但刚加入还不太熟悉，希望用户能成为他的「小红书导游」，并向网友提问「小红书最火的是什么呢」。

此次入驻引发平台用户热烈讨论，相关互动持续攀升。

周末看什么｜经典心理惊悚片《闪灵》回归院线

经典心理惊悚片《闪灵》昨天起正式在大陆院线以 4K 修复版重映。

影片改编自斯蒂芬 · 金同名小说，1980 年上映后长期被视为恐怖类型的标杆作品。剧情围绕作家杰克·托兰斯展开。他在冬季受雇看管远望酒店，并携妻子温蒂与儿子丹尼入住。

大雪封山后，酒店只剩三人。丹尼逐渐出现「闪灵」力，看到酒店中诡异的幻象；温蒂则察觉丈夫情绪失控；杰克在封闭环境与心理压力下逐步崩溃，最终走向暴力失控。

影片以对称构图、长镜头与斯坦尼康技术构建压迫感，是库布里克美学与类型创新的代表案例。豆瓣评分为 8.3 分，超过 58 万人评价，位列恐怖片高分区间前列。

买书不读指南｜《温柔的讲述者》

奥尔加 · 托卡尔丘克获得诺贝尔文学奖后的首部作品《温柔的讲述者》收录 12 篇散文、演讲与思想札记，主题跨越文学、心理学、哲学、神话学与生物学等多个维度。

她在书中持续追问「如何讲述世界」：反对自 19 世纪以来的「全知叙述者」传统，主张以容纳矛盾、保留暧昧的方式理解现实。

在社交媒体时代，她提出「罗得之妻综合征」这一隐喻，指向人们在算法驱动下不断回头张望、沉溺碎片化信息的认知困境。

「拒绝洞察意味着成为恶的同谋，而语言本身塑造我们理解他者的方式。」她呼吁作家发明独立的「个人语言」，像指纹一样独特，能够抵抗集体语言的浑浊，并为世界重新命名。

游戏推荐｜生存攀岩游戏《孤山独影》

《孤山独影》是一款由 The Game Bakers 开发的生存攀岩游戏，以高度写实的攀登机制与叙事驱动的冒险流程为核心。

玩家在游戏中扮演专业登山者艾瓦，目标是登顶被称为「神之山」的险峻山峰。

游戏采用自由攀登设计，玩家可在岩壁上寻找支点、调整姿势与平衡，并在不同地形中解决攀登难题。

若操作失误，角色会从高处坠落，形成极强的紧张感。开发团队将每一面岩壁视作「BOSS 战」，强调体力、节奏与策略的综合挑战。

剧情部分围绕艾瓦的个人追求展开，玩家在攀登途中会遇到其他登山者，倾听他们的故事，并逐步揭开山脉的历史背景。

叙事重点在于「梦想的代价」与「极限挑战的意义」，呈现出兼具孤独感与探索感的旅程。

资源管理是另一核心机制，包括岩钉、防滑粉、缠手带、食物、水与药品等。玩家需在山体中布置营地、收集补给，以维持长线攀登的生存能力。

价格方面，《孤山独影》Steam 国区定价为 108 元，首发 9 折后价格为 97.2 元。Steam 当前共收录 780 条玩家评测，整体评价为「特别好评」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

美股三大指数收盘集体下跌，道指跌0.36%，1月累涨1.73%；纳指跌0.94%，1月累涨0.95%；标普500指数指数跌0.43%，1月累涨1.37%。科技股普跌，AMD跌超6%，英特尔跌超4%。黄金、白银股大幅下挫，全球最大白银ETF--iShares Silver Trust跌28%，科尔黛伦矿业跌超16%，金田跌超14%。

视频讲解：二分查找 红蓝染色法【基础算法精讲 04】，包含闭区间、半闭半开、开区间三种写法。

相关题目：34. 在排序数组中查找元素的第一个和最后一个位置，推荐阅读 题解 中的答疑。

手写二分

推荐写开区间二分，简单好记。

class Solution:
    def nextGreatestLetter(self, letters: List[str], target: str) -> str:
        n = len(letters)
        left, right = -1, n
        while left + 1 < right:
            mid = (left + right) // 2
            if letters[mid] > target:
                right = mid
            else:
                left = mid
        return letters[right] if right < n else letters[0]

class Solution {
    public char nextGreatestLetter(char[] letters, char target) {
        int n = letters.length;
        int left = -1;
        int right = n;
        while (left + 1 < right) {
            int mid = left + (right - left) / 2;
            if (letters[mid] > target) {
                right = mid;
            } else {
                left = mid;
            }
        }
        return right < n ? letters[right] : letters[0];
    }
}

class Solution {
public:
    char nextGreatestLetter(vector<char>& letters, char target) {
        int n = letters.size();
        int left = -1, right = n;
        while (left + 1 < right) {
            int mid = left + (right - left) / 2;
            (letters[mid] > target ? right : left) = mid;
        }
        return right < n ? letters[right] : letters[0];
    }
};

func nextGreatestLetter(letters []byte, target byte) byte {
n := len(letters)
left, right := -1, n
for left+1 < right {
mid := left + (right-left)/2
if letters[mid] > target {
right = mid
} else {
left = mid
}
}
if right == n {
return letters[0]
}
return letters[right]
}

库函数写法

class Solution:
    def nextGreatestLetter(self, letters: List[str], target: str) -> str:
        i = bisect_right(letters, target)
        return letters[i] if i < len(letters) else letters[0]

class Solution {
    public char nextGreatestLetter(char[] letters, char target) {
        int i = Arrays.binarySearch(letters, (char) (target + 1));
        if (i < 0) { // letters 中没有 target + 1
            i = ~i; // 根据 Arrays.binarySearch 的文档，~i 是第一个大于 target 的字母的下标
        }
        return i < letters.length ? letters[i] : letters[0];
    }
}

class Solution {
public:
    char nextGreatestLetter(vector<char>& letters, char target) {
        auto it = ranges::upper_bound(letters, target);
        return it < letters.end() ? *it : letters[0];
    }
};

func nextGreatestLetter(letters []byte, target byte) byte {
i, _ := slices.BinarySearch(letters, target+1)
if i == len(letters) {
return letters[0]
}
return letters[i]
}

复杂度分析

• 时间复杂度：$\mathcal{O}(\log n)$，其中 $n$ 是 $\textit{letters}$ 的长度。
• 空间复杂度：$\mathcal{O}(1)$。

附：二分查找常用转化

需求	写法	如果不存在
$\ge x$ 的第一个元素的下标	$\texttt{lowerBound}(\textit{nums},x)$	结果为 $n$
$> x$ 的第一个元素的下标	$\texttt{lowerBound}(\textit{nums},x+1)$	结果为 $n$
$< x$ 的最后一个元素的下标	$\texttt{lowerBound}(\textit{nums},x)-1$	结果为 $-1$
$\le x$ 的最后一个元素的下标	$\texttt{lowerBound}(\textit{nums},x+1)-1$	结果为 $-1$

需求	写法
$< x$ 的元素个数	$\texttt{lowerBound}(\textit{nums},x)$
$\le x$ 的元素个数	$\texttt{lowerBound}(\textit{nums},x+1)$
$\ge x$ 的元素个数	$n - \texttt{lowerBound}(\textit{nums},x)$
$> x$ 的元素个数	$n - \texttt{lowerBound}(\textit{nums},x+1)$

注意 $< x$ 和 $\ge x$ 互为补集，元素个数之和为 $n$。$\le x$ 和 $> x$ 同理。

分类题单

如何科学刷题？

1. 滑动窗口与双指针（定长/不定长/单序列/双序列/三指针/分组循环）
2. 二分算法（二分答案/最小化最大值/最大化最小值/第K小）
3. 单调栈（基础/矩形面积/贡献法/最小字典序）
4. 网格图（DFS/BFS/综合应用）
5. 位运算（基础/性质/拆位/试填/恒等式/思维）
6. 图论算法（DFS/BFS/拓扑排序/基环树/最短路/最小生成树/网络流）
7. 动态规划（入门/背包/划分/状态机/区间/状压/数位/数据结构优化/树形/博弈/概率期望）
8. 常用数据结构（前缀和/差分/栈/队列/堆/字典树/并查集/树状数组/线段树）
9. 数学算法（数论/组合/概率期望/博弈/计算几何/随机算法）
10. 贪心与思维（基本贪心策略/反悔/区间/字典序/数学/思维/脑筋急转弯/构造）
11. 链表、树与回溯（前后指针/快慢指针/DFS/BFS/直径/LCA）
12. 字符串（KMP/Z函数/Manacher/字符串哈希/AC自动机/后缀数组/子序列自动机）

我的题解精选（已分类）

欢迎关注 B站@灵茶山艾府

给你一个字符数组 letters，该数组按非递减顺序排序，以及一个字符 target。letters 里至少有两个不同的字符。

返回 letters 中大于 target 的最小的字符。如果不存在这样的字符，则返回 letters 的第一个字符。

 

示例 1：

输入: letters = ['c', 'f', 'j']，target = 'a'
输出: 'c'
解释：letters 中字典上比 'a' 大的最小字符是 'c'。

示例 2:

输入: letters = ['c','f','j'], target = 'c'
输出: 'f'
解释：letters 中字典顺序上大于 'c' 的最小字符是 'f'。

示例 3:

输入: letters = ['x','x','y','y'], target = 'z'
输出: 'x'
解释：letters 中没有一个字符在字典上大于 'z'，所以我们返回 letters[0]。

 

提示：

• 2 <= letters.length <= 104
• letters[i] 是一个小写字母
• letters 按非递减顺序排序
• letters 最少包含两个不同的字母
• target 是一个小写字母

二分

给定的数组「有序」，找到比 $target$ 大的最小字母，容易想到二分。

唯一需要注意的是，二分结束后需要再次 check，如果不满足，则取数组首位元素。

代码：

###Java

class Solution {
    public char nextGreatestLetter(char[] letters, char target) {
        int n = letters.length;
        int l = 0, r = n - 1;
        while (l < r) {
            int mid = l + r >> 1;
            if (letters[mid] > target) r = mid;
            else l = mid + 1;
        }
        return letters[r] > target ? letters[r] : letters[0];
    }
}

• 时间复杂度：$O(\log{n})$
• 空间复杂度：$O(1)$

---

加餐 & 其他「二分」

今日份加餐 【综合笔试题】两种强有力的字符串处理方式 🎉🎉

或者继续学习「二分」相关内容 🍭🍭🍭

不太清楚 check 的大于小于怎么确定的可以重点看看这篇：

• 34. 在排序数组中查找元素的第一个和最后一个位置 : 考察对「二分」的理解，以及 check 函数的「大于 小于」怎么写

题目	题解	难度	推荐指数
4. 寻找两个正序数组的中位数	LeetCode 题解链接	困难	🤩🤩🤩🤩
29. 两数相除	LeetCode 题解链接	中等	🤩🤩🤩
74. 搜索二维矩阵	LeetCode 题解链接	中等	🤩🤩🤩🤩
220. 存在重复元素 III	LeetCode 题解链接	中等	🤩🤩🤩
354. 俄罗斯套娃信封问题	LeetCode 题解链接	困难	🤩🤩🤩
363. 矩形区域不超过 K 的最大数值和	LeetCode 题解链接	困难	🤩🤩🤩
852. 山脉数组的峰顶索引	LeetCode 题解链接	简单	🤩🤩🤩🤩🤩
1004. 最大连续1的个数 III	LeetCode 题解链接	中等	🤩🤩🤩
1208. 尽可能使字符串相等	LeetCode 题解链接	中等	🤩🤩🤩
1482. 制作 m 束花所需的最少天数	LeetCode 题解链接	中等	🤩🤩🤩
1707. 与数组中元素的最大异或值	LeetCode 题解链接	困难	🤩🤩🤩
1751. 最多可以参加的会议数目 II	LeetCode 题解链接	困难	🤩🤩🤩

注：以上目录整理来自 wiki，任何形式的转载引用请保留出处。

---

最后

如果有帮助到你，请给题解点个赞和收藏，让更多的人看到 ~ ("▔□▔)/

也欢迎你 关注我 和 加入我们的「组队打卡」小群 ，提供写「证明」&「思路」的高质量题解。

所有题解已经加入 刷题指南，欢迎 star 哦 ~

方法一：线性查找

由于给定的列表已经按照递增顺序排序，因此可以从左到右遍历列表，找到第一个比目标字母大的字母，即为比目标字母大的最小字母。

如果目标字母小于列表中的最后一个字母，则一定可以在列表中找到比目标字母大的最小字母。如果目标字母大于或等于列表中的最后一个字母，则列表中不存在比目标字母大的字母，根据循环出现的顺序，列表的首个字母是比目标字母大的最小字母。

###Python

class Solution:
    def nextGreatestLetter(self, letters: List[str], target: str) -> str:
        return next((letter for letter in letters if letter > target), letters[0])

###Java

class Solution {
    public char nextGreatestLetter(char[] letters, char target) {
        int length = letters.length;
        char nextGreater = letters[0];
        for (int i = 0; i < length; i++) {
            if (letters[i] > target) {
                nextGreater = letters[i];
                break;
            }
        }
        return nextGreater;
    }
}

###C#

public class Solution {
    public char NextGreatestLetter(char[] letters, char target) {
        int length = letters.Length;
        char nextGreater = letters[0];
        for (int i = 0; i < length; i++) {
            if (letters[i] > target) {
                nextGreater = letters[i];
                break;
            }
        }
        return nextGreater;
    }
}

###C++

class Solution {
public:
    char nextGreatestLetter(vector<char>& letters, char target) {
        for (char letter : letters) {
            if (letter > target) {
                return letter;
            }
        }
        return letters[0];
    }
};

###C

char nextGreatestLetter(char* letters, int lettersSize, char target){
    for (int i = 0; i < lettersSize; i++) {
        if (letters[i] > target) {
            return letters[i];
        }
    }
    return letters[0];
}

###JavaScript

var nextGreatestLetter = function(letters, target) {
    const length = letters.length;
    let nextGreater = letters[0];
    for (let i = 0; i < length; i++) {
        if (letters[i] > target) {
            nextGreater = letters[i];
            break;
        }
    }
    return nextGreater;
};

###go

func nextGreatestLetter(letters []byte, target byte) byte {
    for _, letter := range letters {
        if letter > target {
            return letter
        }
    }
    return letters[0]
}

复杂度分析

• 时间复杂度：$O(n)$，其中 $n$ 是列表 $\textit{letters}$ 的长度。需要遍历列表一次寻找比目标字母大的最小字母。

• 空间复杂度：$O(1)$。

方法二：二分查找

利用列表有序的特点，可以使用二分查找降低时间复杂度。

首先比较目标字母和列表中的最后一个字母，当目标字母大于或等于列表中的最后一个字母时，答案是列表的首个字母。当目标字母小于列表中的最后一个字母时，列表中一定存在比目标字母大的字母，可以使用二分查找得到比目标字母大的最小字母。

初始时，二分查找的范围是整个列表的下标范围。每次比较当前下标处的字母和目标字母，如果当前下标处的字母大于目标字母，则在当前下标以及当前下标的左侧继续查找，否则在当前下标的右侧继续查找。

###Python

class Solution:
    def nextGreatestLetter(self, letters: List[str], target: str) -> str:
        return letters[bisect_right(letters, target)] if target < letters[-1] else letters[0]

###Java

class Solution {
    public char nextGreatestLetter(char[] letters, char target) {
        int length = letters.length;
        if (target >= letters[length - 1]) {
            return letters[0];
        }
        int low = 0, high = length - 1;
        while (low < high) {
            int mid = (high - low) / 2 + low;
            if (letters[mid] > target) {
                high = mid;
            } else {
                low = mid + 1;
            }
        }
        return letters[low];
    }
}

###C#

public class Solution {
    public char NextGreatestLetter(char[] letters, char target) {
        int length = letters.Length;
        if (target >= letters[length - 1]) {
            return letters[0];
        }
        int low = 0, high = length - 1;
        while (low < high) {
            int mid = (high - low) / 2 + low;
            if (letters[mid] > target) {
                high = mid;
            } else {
                low = mid + 1;
            }
        }
        return letters[low];
    }
}

###C++

class Solution {
public:
    char nextGreatestLetter(vector<char> &letters, char target) {
        return target < letters.back() ? *upper_bound(letters.begin(), letters.end() - 1, target) : letters[0];
    }
};

###C

char nextGreatestLetter(char* letters, int lettersSize, char target){
    if (target >= letters[lettersSize - 1]) {
        return letters[0];
    }
    int low = 0, high = lettersSize - 1;
    while (low < high) {
        int mid = (high - low) / 2 + low;
        if (letters[mid] > target) {
            high = mid;
        } else {
            low = mid + 1;
        }
    }
    return letters[low];
}

###JavaScript

var nextGreatestLetter = function(letters, target) {
    const length = letters.length;
    if (target >= letters[length - 1]) {
        return letters[0];
    }
    let low = 0, high = length - 1;
    while (low < high) {
        const mid = Math.floor((high - low) / 2) + low;
        if (letters[mid] > target) {
            high = mid;
        } else {
            low = mid + 1;
        }
    }
    return letters[low];
};

###go

func nextGreatestLetter(letters []byte, target byte) byte {
    if target >= letters[len(letters)-1] {
        return letters[0]
    }
    i := sort.Search(len(letters)-1, func(i int) bool { return letters[i] > target })
    return letters[i]
}

复杂度分析

• 时间复杂度：$O(\log n)$，其中 $n$ 是列表 $\textit{letters}$ 的长度。二分查找的时间复杂度是 $O(\log n)$。

• 空间复杂度：$O(1)$。