
雷军最近频繁的出现在人们的视线中,都是在做投资,这次是云计算,在就小米、金山投资世纪互联的媒体沟通会上,雷军上演了双重身份,金山软件董事长、小米科技董事长兼CEO,不管站在哪个立场,雷军都在作证云的投入是值得的。
图:金山软件董事长、小米科技董事长兼CEO雷军,世纪互联董事长兼CEO陈升,金山软件兼金山云CEO张宏江
不久前,雷军委任给小米副总裁陈彤“十亿”美金大权,就小米电视内容进行投资,而又在昨天,传出了雷军的又一个“十亿”美金的大手笔:未来三到五年向金山云投入十亿美金,将云计算作为金山软件的公司战略业务。
这十亿美金的第一步举措,就是由金山软件、小米和淡马锡三家共同出资2.96亿美元入股中国最大的电信中立互联网基础设施服务提供商世纪互联。其中金山软件投资1.72亿美元,持有世纪互联11.6%的股份。小米投资5000万美元,持有世纪互联股份的3.4%。
以金山集团董事长的身份来看,雷军上任三年来,对金山进行了一系列改造:聚焦核心业务,退出非核心业务;振兴子公司,放水养鱼,重点发展移动互联网,时至今日,金山旗下的猎豹浏览器月活跃用户数已经达到3.41亿,WPS有超过3亿手机下载,西山居已经有两款强力的手游面世。
而金山作为老牌的传统软件厂商,未来做些什么呢?
金山软件兼金山云CEO张宏江说,“金山的高官们就这个问题讨论了17个小时,从早上9点,一直讨论到第二天凌晨4点。最后,大家确定了一个方向:云计算。”
为此,雷军说服金山董事会,做出了“All-In 云服务”的战略规划,投入10亿美金发展云业务。
一直以来,小米手机、小米平板、小米电视都是用户关注的话题,花十亿美金来为小米电视买内容不足为怪,那么,再花十亿美金做看不见摸不着的云计算,又是怎样的算盘呢?
作为小米董事长兼CEO的雷军给出了一堆数字:“今年一年,小米云服务的数据量跟去年同比增长7倍,预计明年还会增长5倍。小米云的用户量6795.5万人,差不多6800万人。小米云总存储47个PB(没有计算小米其他的存储还有10个P),就是一千个T等于一个P。这仅仅是小米云存储是47个P,还有其他的10个P,一共是57个PB。总共存了多少张照片呢?241亿张。现在每天新增约九千万张照片,每天新增120万段用户视频,这是个海量的数据。”
而且,这个存储的数字还在指数级的增长,“现在最高的一天新增了380个T的数据。估计明年到这个时候一天新增1个P的数据。一个P什么概念?一个P的内容存一年时间,存储加带宽,成本差不多要250万人民币到300万人民币。”
小米俨然已经成为了应用云服务提供商,而且,云服务会变得越来越重要,将直接决定小米用户的体验,云服务会随着移动互联网的发展,逐渐走向前端。
为了应对数据量的爆炸式增长,雷军愿意做这个投入。
十亿美金,用来做云计算,可能很多人对这个数字没什么感觉,是多了,还是少了呢?
雷军判断,“未来在云服务领域,非常有可能产生几家市值上百亿美金的公司,希望金山云是其中一家。”
当然,云服务长期来看需要很多投入,“三到五年十亿美金已经很多,差不多相当于爱奇艺的投入,目前,业内除了BAT三大互联网公司外,恐怕愿意拿出这个数来做云计算的不多。”雷军说。
在为数不多的企业里,国内必定会出现三到五家大的云服务提供商,金山董事会给金山云的要求就是做到前五家,十亿美金就是董事会押进的赌注。
雷军自嘲小米不懂IDC,不懂怎么建机房,以小米“能不自己做就不自己做”的理论,他们就要去选择第三方基础设施提供商,于是找到了世纪互联。
世纪互联是目前中国最大的电信中立互联网基础设施服务提供商,是微软、IBM等巨头在国内云服务的合作伙伴。
这正是雷军想找的最佳合作伙伴,仅仅是合作的不行,因为雷军想要更踏实,所以就要入股。
世纪互联董事长兼CEO陈升也希望跟雷军合作:“世纪互联是资源驱动的服务行业,但是,未来也要像互联网一样,变成产品驱动的行业,希望能向快速崛起的小米学习,做到极致、专注。”
谈到世纪互联的极致专注,陈升指出:源头就是从小米开始,金山云在中间做接力,最后落到世纪互联,满足小米需要的超预期,就能做到满足产业界的超预期。
未来,世纪互联要做的事情还有很多。陈升坦言,以中国今天互联网的规模来看,高质量的机柜供不应求,在互联网的微循环上还有大量的互联互通工作要完善。
对金山而言,要过技术关、规模关、服务关这三大关。
“实际上,借助小米云的客户基础,金山云已经成为中国最大的独立的云存储服务提供商”,张宏江指出,这个“最大”的意义,不是强调数字,而是证明了金山有实力成为一流的基础云服务提供商,已经经受住了数字的考验。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。