本周，蚂蚁集团旗下灵波科技自1月27日起三天内接连开源了LingBot-Depth、LingBot-VLA、LingBot-World三款具身领域大模型，意味着蚂蚁的AGI战略实现了从数字世界到物理感知的关键延伸，标志着其“基础模型-通用应用-实体交互”的全栈路径已然清晰。

1 月 29 日，继连续发布空间感知与VLA基座模型后，蚂蚁灵波科技再次刷新行业预期，开源发布世界模型 LingBot-World。该模型在视频质量、动态程度、长时一致性、交互能力等关键指标上均媲美 Google Genie 3，旨在为具身智能、自动驾驶及游戏开发提供高保真、高动态、可实时操控的“数字演练场”。

HTAP数据库首先必须有一个强大的心脏，能够对各种复杂查询都游刃有余，能够在优秀的资源管理器的控制之下，充分榨干现代硬件的能力，从而让用户的每一分投资都得到体现。HTAP数据库，先把这颗心脏锻炼出来，才是根本。

1月 27 日，蚂蚁集团旗下具身智能公司灵波科技宣布开源高精度空间感知模型 LingBot-Depth。

尽可能减少某个事务的延时对于分布式数据库应用而言也是十分关键的，一个设计良好的应用，每个事务中影响的数据行的数量必须有很理性的控制。虽然现在绝大多数分布式数据库都已经可以把每个事务相关的行数设置到无限大，但是受限于内存、网络包的大小等因素，尽可能减少每个事务修改的记录数，是一种比较安全的用法。

数据质量问题往往隐匿无形，直至系统崩溃才显现，因此在预算规划阶段常被低估。但其直接与间接成本会迅速累积。

在不断提升数据库自治能力的同时，通过提升数据库的可观测性，让运维人员可以随时感知数据库内核中存在的隐患，既可以针对数据库的缺陷做提前的优化，又可以在系统故障时更快速地定位问题。这条Oracle以前走得不错的路子，现今依然有参考价值。

当企业声称难以填补AI技能缺口时，他们往往缺失的并非原始技术能力，而是能在不完美环境中推进AI工作的人。多数组织并不需要更多模型构建者，而是需要理解数据如何在企业中流动的人才。

存储引擎是数据库的所有外在能力的基础，虽然SQL引擎对外表现出各种各样的兼容性和相似性，不过没有存储引擎这个内在的引擎支撑，一些特性也仅仅是特性而已，并不能真正的成为能力。

1月20日消息，蚂蚁集团打造的全模态AI助手 “灵光”鸿蒙版已登陆AppGallery。灵光App鸿蒙版集对话、AIGC内容创作、闪应用等于一体，为3200万鸿蒙用户带来前沿的多模态AI体验。

从2009年Yandex内部的一个数据库项目，到估值150亿美元的AI Infra玩家，ClickHouse基本踩对了技术节拍。如今的AI时代，面临更大的市场机遇以及行业巨头竞争，未来能否稳固差异化优势，仍待市场检验。

数据系统的作用是让企业行动更智能。这意味着在执行阶段就能提供正确的洞察，并立即形成闭环。否则，一切都只是潜力。而潜力是无法从季度财务数据中体现出来的。

1月16日，支付宝联合千问App、淘宝闪购、Rokid、大麦、阿里云百炼等伙伴，正式发布ACT协议（Agentic Commerce Trust Protocol，智能体商业信任协议）。这是中国首个面向 Agent 商业需求设计的开放技术协议框架，为 AI 与电商、外卖等服务平台的协同打造一套 “通用语言”，让跨终端、跨系统、跨平台的 AI 任务执行，变得更便捷、更高效。

多重因素导致这种被动状态，削弱了IT团队提升运营韧性与成熟度的能力。SolarWinds最新报告数据显示：超过半数IT从业者(53%)认为低效工作流程拖慢了问题响应速度;逾三分之一(36%)从业者指出人员短缺是核心挑战。

1月13日，Forrester研究公司预测，至2030年自动化与人工智能将对就业产生真实但有限的影响。尽管人工智能可能导致美国6%的岗位流失(相当于1040万个职位)，但大规模的人工智能替代就业现象仍不太可能发生，因为劳动生产率需大幅提升才能实现大规模替代人力。Forrester预测，未来五年人工智能将增强20%的岗位职能，而非消减岗位，这使得企业投资员工培训与技能提升至关重要。

十年前，“互联网+”催生产业互联网建设浪潮，一批创业者走入产业深水区，推动概念走向真实业务。今天，当AI成为重塑产业的新变量，新的时代窗口已经开启。

在刚刚过去的2025年，AI正以前所未有的速度融入到人们的工作和生活之中。各个行业、各家企业都在积极探索AI的企业级应用场景。那么，AI的规模化应用存在哪些堵点？在2026年，我们该如何布局AI？

健康已成为AI技术的高频应用场景。OpenAI在其一篇博客文章中透露，通过分析匿名化的ChatGPT对话数据，发现全球每周有超过2.3亿人在ChatGPT上咨询健康相关问题，医疗健康的需求极为旺盛。

2026年1月8日，北京智源人工智能研究院（以下简称“智源研究院”）发布年度报告《2026十大AI技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。

目前我们把应用系统从一个十分成熟的数据库迁移到了一个不够成熟的数据库上，可靠性下降，出现某些故障可能是必然的事情。但是在数字化浪潮下，我们的IT系统的依赖度又远高于二十五年前，这样就出现了考核体系与必然的客观规律之间的矛盾。