

这篇文章,是优客工场对 2026 年 1 月全球科技与 AI 领域的汇总。
我们尽量少用结论,多呈现发生了什么。
1|Kimi 发布 2.5 版本,大模型继续向“工程能力”靠拢
1 月下旬,Moonshot AI 发布了 Kimi K2.5 版本更新。从官方披露的信息来看,这次升级并不强调某一个单点能力的突破,而是集中在更稳定的推理表现、更好的代码能力、更长上下文支持,以及对多 Agent 并行协作的适配。大模型仍在进化,但语气已经不再是“我能做什么”,而是“我是否适合被部署进复杂系统里”。模型越来越像一个可以被“调用、编排、协作”的组件。

2|ChatGPT 推出 Prism,工作空间开始成型
几乎在同一时间,OpenAI 推出了 ChatGPT Prism。Prism 并非全新模型,而是一个围绕 GPT-5.2 能力构建的 AI-native 工作空间,支持复杂的长文本协作、结构化研究和多人任务场景。AI 正在逐步脱离“聊天工具”的心理定位,转向一个可以长期使用的环境。

3|Claude Code 更新到 2.1,AI 正在进入开发者的日常流程
Anthropic 在 1 月初发布了 Claude Code v2.1.0。这次更新的重点在于开发者体验:更顺滑的工作流、更清晰的任务拆解,以及对“智能体式编程”的进一步支持。在真实的开发环境中,这类提升工程效率的升级,往往比一次性能榜单的突破更为重要。

4|办公软件的 AI 升级,开始绕开“灵感”,直接面对现实问题
1 月,金山办公对 WPS 365 的 AIGC 能力进行了新一轮升级。官方表述中反复提及“企业内部数据”,其重点在于让 AI 参与到散乱数据的整理、复用与沉淀过程中。这类升级意味着 AI 开始直面组织内部最难处理的部分:历史文件、非结构化信息及不完美的流程。

5|芯片自主化进程深入,算力底层之争持续
1 月,阿里巴巴平头哥正式发布自研 AI 训练推理一体芯片“真武810E”。此举旨在打造从芯片、云到模型的全栈 AI 能力,标志着国内头部厂商在算力底层自主化道路上的关键一步。算力竞赛正从“获取”转向“定义”。

6|具身智能走向舞台中央,从实验室步入现实
银河通用机器人在1月被官宣为2026年央视春晚指定具身大模型机器人。这不仅是营销事件,更象征着具身智能从实验室走进大众视野与产业规划。其背后的大模型、仿真数据训练体系,代表了AI与物理世界交互的前沿探索。

7|基础设施投资加码,国家战略焦虑显现
除了OpenAI与软银的联合投资,1月,新加坡政府宣布未来五年追加逾10亿新元(约7.86亿美元)用于公共AI研究与能力建设。全球范围内,算力、能源、数据中心正被重新拉回战略讨论的中心,成为决定AI扩展速度与安全边界的关键变量。

8|百度智能云的 AIGC 动作,指向完整行业方案
1 月,百度智能云成立 AIGC 内容创作者联盟,并同步发布了 AI 漫剧行业解决方案。这套方案覆盖从脚本、分镜到生成、分发的全环节,目标用户是内容机构和产业团队。信号明确:AIGC 正在成为一种可被规模化复制的生产方式。
9|短视频与生成式内容工具,继续向工业化靠拢
1 月,多家平台更新了面向视频、图像生成的 AI 能力,包括更稳定的角色一致性、更清晰的分镜控制。这些更新看似是“技术迭代”,实则在逐步补齐内容工业化生产线上的每一个短板,直接影响着稳定交付的效率与成本。

10|韩国推动 AI 立法,技术被正式纳入制度框架
1 月 22 日,韩国《AI基本法》正式生效,成为全球首个综合性AI监管框架。立法内容涉及风险分级、生成内容标识、企业责任边界等具体细则。当 AI 被写进法律文本,它就不再只是“创新工具”,而成为需要被系统性治理的基础设施。
11|中国生成式 AI 备案数量持续增长
截至 2025 年底,中国完成备案的生成式 AI 服务数量已接近 750 款,1月这一趋势仍在延续。备案本身不等同于能力高低,但它意味着一件事:生成式 AI 已全面进入“被系统性管理”的阶段,规则在与应用扩张同步铺设。
12|AI 成为并购决策中的核心变量
多家咨询机构在1月的年度报告中指出,AI 正成为并购与投资决策中的核心考量因素。评估重点从“故事性”转向是否拥有真实数据、是否嵌入行业流程、是否能长期稳定运行。资金并未离开,但变得极为挑剔。
13|战略投资强化全球生态布局
1 月,谷歌入股日本初创企业 Sakana AI,旨在增强其 Gemini 模型在日本企业市场的本地化竞争力。同时,盖茨基金会与 OpenAI 联合启动了一项 5000万美元 的“Horizon1000”计划,旨在利用 AI 改善非洲国家的基层医疗系统。资本正通过投资与合作,在特定市场与重大挑战中寻找确定性的落点。
14|达沃斯论坛的共识与分歧:泡沫、生产力与就业冲击
在1月的达沃斯论坛上,AI是绝对焦点。巨头们的发言呈现出对现实的共同关注,但态度分化:

15|科学智能的新路径:“通专融合”
在AAAI 2026大会上,上海人工智能实验室主任周伯文提出了“通专融合”的AGI发展路径,指出当前大模型在专业科学推理上的短板,并发布了“智者(SAGE)”新架构。这代表顶尖研究机构对AI下一阶段进化方向的深度思考:通用能力必须与垂直领域的深度理解相结合。

如果把 2026 年 1 月的所有信息放在一起,会看到一种非常克制的气氛。
很多事情看起来并不激烈,却在悄悄改变方向。

如果回头看 2026 年 1 月,会发现这是一个很少被情绪裹挟的月份。
没有“革命性突破”的口号,也没有密集的发布会轰炸。
取而代之的,是大量看起来克制、务实、甚至有些“无聊”的动作:版本更新、硬件迭代、系统整合、规则推进、生态布局。
1|AI 正在失去“表演性”,获得“位置感”
无论是软件的工作空间化,还是硬件的具身化,讨论正从“能做到什么”转向“应该被放在哪里”。AI 需要证明的不再是聪明,而是可靠。一旦进入“被长期使用”的阶段,评判标准就会彻底改变。
2|真正的分化,发生在“会不会用”,而不是“用不用”
在组织内部,AI 正成为一种默认配置。真正的分化开始出现在另一个层面:谁知道该把 AI 用在什么地方;谁知道什么时候不该用;谁能把 AI 深度接入业务流程。这不是技术能力的分化,而是理解力与系统思维的分化。
3|规则与硬件的门槛,正在构建新的筛选器
韩国的立法、各国的备案、芯片的自研、算力的投资,这些动作共同构建起更高的行业门槛。规则不是为了减速,硬件不只是为了算力,它们共同的作用是区分谁能长期留在场上,筛选掉那些无法承担长期责任、只想蹭一波红利的参与者。
如果一定要用一句话总结 2026 年 1 月的气质,那可能是:
技术正在要求它的使用者、建设者和监管者,一同变得更成熟。
成熟意味着什么?
意味着不再把每一次升级当成奇迹,也不把每一次调整当成威胁。
意味着开始思考:

很多真正重要的变化,都发生在热度退去之后。
2026 年 1 月没有制造恐慌,也没有贩卖希望。
它只是默默地完成了一次广泛而深刻的位置校准。
而理解这些变化的人,往往会在之后很长一段时间里,做出更稳的选择。
在变化发生之前,先理解变化。
这是我们持续记录这些月份的原因。
