## 动物福利运动的新盟友：AGI 今年2月初，旧金山湾区的一群动物福利倡导者与AI研究人员赤脚走进Mox——一个不拘一格的免鞋共享办公空间。他们聚集于此，讨论一个颇具争议的前瞻性议题：如果**人工通用智能（AGI）** 即将到来，它能否被用来预防动物痛苦？ 与会者提出了多种设想：有人建议开发定制化的AI代理来辅助动物权益倡导工作；有人则设想利用AI工具优化**细胞培养肉**的生产，以减少对传统畜牧业的依赖。但讨论中最引人注目的，是他们对未来资金流向的预测：与会者普遍预期，大量资金将很快涌入动物福利慈善领域——这些资金并非来自传统的亿万富翁捐赠者，而是来自**AI实验室的员工**。随着AI行业创造巨额财富，这些高收入从业者可能成为动物福利事业的新兴资助力量。 ## 更深的伦理困境：AI本身会“受苦”吗？ 会议还触及了一个更为激进的伦理议题：如果未来AI系统发展出感知痛苦的能力，这本身是否构成一场**道德灾难**？这一观点引发了激烈辩论，凸显了AI伦理讨论正从“人类中心”向更广泛的“感知实体”拓展。动物福利运动与AI社群的这次跨界对话，反映了技术激进主义的新趋势——将前沿科技与长期被忽视的道德议题相结合。 ## 白宫AI政策蓝图：轻监管框架的全国化 与此同时，美国联邦层面的AI政策动向同样值得关注。白宫近日公布了其**AI政策蓝图**，核心是推动国会将一套“轻触式”监管框架写入法律。该蓝图旨在为AI创新提供灵活空间，同时试图**阻止各州出台更严格的AI限制措施**，以避免监管碎片化。 然而，这一政策并非没有争议。在政治光谱的另一端，部分MAGA（让美国再次伟大）阵营成员已开始形成对AI技术的反弹力量，担心其对社会秩序和就业的冲击。一场围绕AI监管尺度与权力的“战争”正在美国悄然酝酿。 ## 其他科技头条速览 * **马斯克的法律麻烦**：埃隆·马斯克因在收购推特（现X）前误导投资者，被陪审团裁定需承担欺诈责任，涉案金额达440亿美元。不过，他也被免除了部分欺诈指控。 * **五角大楼的AI核心系统**：美国国防部已决定采用**Palantir的AI平台**作为其核心军事系统，长期锁定该公司的武器目标锁定技术。该系统旨在连接战场传感器与射手，提升作战效率。此外，Palantir还获得了访问英国敏感金融监管数据的权限。 * **马斯克的芯片野心**：马斯克计划在奥斯汀建设**史上最大的芯片工厂**，由特斯拉和SpaceX联合运营，旨在满足未来AI算力的巨大需求。有研究显示，未来AI芯片可能采用玻璃基板技术。 * **OpenAI的变现压力**：面对飙升的计算成本，OpenAI正寻求新的收入来源。该公司将向所有美国免费版ChatGPT用户展示广告。同时，OpenAI也在开发一个**全自动AI研究员**项目，探索AI在科学研究中的自动化应用。 ## 小结：技术、伦理与政策的交叉点 本期《下载》呈现了两个看似独立却内在关联的叙事线：一方面，社会运动开始主动拥抱AGI等尖端技术，将其视为解决古老伦理问题（如动物福利）的潜在工具，甚至预判其可能引发的全新道德挑战（AI感知痛苦）。另一方面，国家层面的AI政策制定进入深水区，在鼓励创新与防范风险、联邦统一与地方自治之间寻找平衡。 这些动态共同勾勒出AI时代的一个核心特征：技术已不仅是工具，更成为重塑伦理讨论、影响资源分配、触发政治博弈的关键变量。动物福利倡导者与AI研究员的跨界对话，以及白宫的政策蓝图，都是这一宏大图景中的具体缩影。
今年二月，一场别开生面的聚会在旧金山一家名为Mox的“脱鞋”共享办公空间举行。动物福利倡导者与AI研究人员赤脚聚集，在波斯地毯、马赛克灯和盆栽植物营造的独特氛围中，探讨一个大胆的议题：**如何将人工智能技术引入动物福利领域，以应对未来可能由AI主导决策的世界**。 ## 一场“AGI信仰者”的跨界对话 活动由**Sentient Futures**组织主办，该组织坚信动物福利的未来将依赖于AI。与会者大多是“**AGI-pilled**”——即相信**人工通用智能（AGI）** 即将到来的人。他们认为，如果AGI真的实现，它将成为解决社会最棘手问题（包括动物苦难）的关键工具。 活动现场的讨论主题极具想象力： - 在公共区域，一位野生动物倡导者热情地向躺在豆袋椅上的听众介绍一种**无需毒药的啮齿动物节育方法**，以控制鼠类数量。 - 在“甲壳动物室”，十几人围坐一圈，辩论**昆虫的感知能力是否能为我们理解聊天机器人的“内心世界”提供线索**。 - “牛室”门口的书架上，堆放着埃利泽·尤德科夫斯基的《如果有人建造它，所有人都会死亡》——一本主张AI可能毁灭人类的宣言。 ## 核心理念：在AI价值观中植入对动物生命的尊重 Sentient Futures创始人**Constance Li**指出：“AI将极具变革性，它几乎会彻底颠覆游戏规则。如果你认为AI将做出大多数决策，那么它们如何评价动物和其他感知生命（那些能感受并因此受苦的生命）就至关重要。” 这种思路基于一个前瞻性假设：未来可能由AI系统而非人类主导决策。因此，动物福利的最终保障，可能取决于我们是否成功训练AI系统**重视动物生命**。 ## 运动背景：与有效利他主义的紧密联系 湾区动物福利运动与**有效利他主义**密切相关——这是一种致力于最大化个人所做善事的慈善运动。许多峰会参与者早在AI兴起之前就长期投身于动物福利事业，但他们的行动方式并非传统的向动物收容所捐款。 他们更关注大规模解决方案，例如通过推广**培育肉**（在实验室中从动物细胞培养出的肉类）来减少工厂化养殖。这种宏观、系统性的干预思路，与他们对AI作为未来关键杠杆的信念一脉相承。 ## 未竟的辩论与不确定的未来 需要明确的是，专家们仍在激烈争论当今的AI系统是否真的能实现人类或超人类水平的智能，以及如果真的实现会发生什么。会议参与者所设想的“AI主导决策”的未来，只是众多可能性之一。 然而，这场聚会本身标志着一个新兴趋势：**当科技前沿与伦理前沿相遇，一群行动者正试图在AI的“价值观设定”阶段，提前为动物福利争取一席之地**。无论AGI是否如期而至，这种将长期伦理考量嵌入技术发展轨道的尝试，本身已是对未来负责任的一种姿态。
## OpenAI的新“北极星”：全自动AI研究员 OpenAI宣布了一项新的宏伟挑战：**构建一个全自动的AI研究员**。这是一个基于智能体的系统，能够独立处理大型、复杂的研究问题。公司首席科学家Jakub Pachocki在独家采访中透露，这一目标将成为未来几年的“北极星”。 ### 从“研究实习生”到多智能体系统 OpenAI计划在今年9月前，先打造一个**“自主AI研究实习生”**，能够处理少量特定的研究问题。这个实习生将是未来全自动多智能体系统的前身，而完整的系统预计在**2028年**首次亮相。 这一举措标志着OpenAI从单纯的语言模型提供商，向更广泛的研究自动化领域迈进。如果成功，AI研究员可能加速科学发现，特别是在需要大量数据分析和假设验证的领域。 ## 迷幻药临床试验的困境 与此同时，另一则科技新闻揭示了**迷幻药临床试验**面临的重大挑战。过去十年，科学界对迷幻药（如神奇蘑菇中的**psilocybin**）的兴趣激增，这些物质被探索用于治疗抑郁症、创伤后应激障碍、成瘾甚至肥胖。 然而，本周发布的两项研究显示，研究这些药物异常困难。问题在于**临床试验的“盲点”**——由于迷幻药会产生强烈的感知改变效果，患者和研究人员往往能轻易识别出谁服用了药物，谁服用了安慰剂，这严重影响了试验结果的客观性。 ### AI可能成为解药？ 有趣的是，AI技术或许能帮助破解这一难题。通过分析大脑成像数据，AI模型可能识别出迷幻药对神经网络的特定影响，从而提供更客观的疗效评估指标。这为迷幻药研究开辟了一条新路径。 ## OpenAI的“超级应用”战略 除了AI研究员项目，OpenAI还在整合**ChatGPT、网页浏览器和代码工具**，打造一个“超级应用”。这一举措旨在提供更无缝的用户体验，同时公司还收购了编码初创公司Astral，以增强其Codex模型。 这些动作发生在OpenAI削减次要项目、并面临Anthropic在企业市场竞争的背景下。显然，OpenAI正通过聚焦核心产品与前瞻性研究，巩固其在AI领域的领先地位。 ## 行业背景与启示 OpenAI的AI研究员愿景，反映了当前AI发展的一个关键趋势：**从工具到自主智能体的演进**。如果AI能够自主进行科学研究，它将不仅改变科研工作流程，还可能重新定义人类与知识创造的关系。 而迷幻药研究的困境提醒我们，即使是最有前景的科技，也需要严谨的方法论支撑。AI在这里的角色可能是双重的：既是研究工具（如分析神经数据），也是潜在的治疗辅助（如个性化用药方案）。 **小结**： - OpenAI正全力开发全自动AI研究员，目标2028年推出多智能体系统。 - 迷幻药临床试验因“盲点”问题面临方法论挑战，AI或能提供解决方案。 - OpenAI同时推进“超级应用”整合，以应对市场竞争并聚焦核心业务。 - 这两则新闻共同凸显了AI在推动科学前沿与解决复杂现实问题中的双重潜力。
OpenAI 正将其研究重心和资源集中投入一项新的宏大挑战：构建一个名为 **AI 研究员** 的全自动、基于智能体的系统。该系统能够独立处理大型、复杂的问题，成为公司未来几年的 **“北极星”** 目标。 ### 雄心勃勃的路线图 OpenAI 为这一愿景设定了明确的时间线： * **2024 年 9 月前**：首先打造一个 **“自主 AI 研究实习生”**。这个系统将能够独立处理少量特定的研究问题，作为更宏大系统的前奏。 * **2028 年**：计划推出 **完全自动化的多智能体研究系统**，即最终的“AI 研究员”。 ### 能力与愿景 据 OpenAI 首席科学家雅库布·帕乔基（Jakub Pachocki）描述，这个未来的 AI 研究员将能解决那些对人类而言过于庞大或复杂的问题。其应用领域可能非常广泛： * **数学与物理**：例如提出新的证明或猜想。 * **生命科学**：如生物学和化学领域的难题。 * **商业与政策**：处理复杂的商业决策或政策困境。 理论上，任何能以文本、代码或白板草图形式表述的问题，都可以交给这个工具处理。帕乔基在采访中展望道：“我认为我们正接近一个临界点，届时我们将拥有能够像人类一样持续、连贯工作的模型……我想我们会达到这样一个阶段：你仿佛在数据中心里拥有了一整个研究实验室。” ### 战略背景与驱动力 这一战略转向并非偶然。OpenAI 多年来一直是 AI 行业的议程设定者，其早期在大语言模型（LLM）领域的优势塑造了当今数亿人日常使用的技术。然而，当前它正面临来自 **Anthropic** 和 **Google DeepMind** 等竞争对手的激烈竞争。因此，OpenAI 决定下一步构建什么，对其自身和 AI 的未来都至关重要。 帕乔基与首席研究官马克·陈（Mark Chen）共同负责制定公司的长期研究目标。帕乔基本人在 **GPT-4**（2023年发布的变革性大语言模型）和 **推理模型**（2024年首次出现、如今支撑所有主要聊天机器人和智能体系统的技术）的开发中都扮演了关键角色。新的“AI 研究员”目标正是为了整合公司在推理模型、智能体和可解释性等多个研究方向上的成果。 ### 行业影响与挑战 如果 OpenAI 成功，这将是 AI 从“工具”迈向“自主合作伙伴”的关键一步。一个能独立进行前沿研究的 AI 系统，将极大加速科学发现和技术创新的进程。然而，实现这一目标也面临巨大挑战，包括确保系统的可靠性、安全性、伦理对齐，以及如何定义和评估其“研究”成果的有效性。 OpenAI 将“全自动 AI 研究员”设为北极星目标，标志着 AI 研发进入了一个新的雄心阶段。从今年秋天的“AI 研究实习生”到 2028 年的完全体，这条路线图不仅关乎 OpenAI 自身的竞争地位，也可能重新定义人类与人工智能在探索未知领域的协作关系。
This week I want to look at where we are with psychedelics, the mind-altering substances that have somehow made the leap from counterculture to major focus of clinical research. Compounds like psilocybin—which is found in magic mushrooms—are being explored for all sorts of health applications, including treatments for depression, PTSD, addiction, and even obesity. Over…
## 量子计算医疗应用竞赛拉开帷幕 在牛津郊外的一间实验室里，一台由原子和光构建的量子计算机正静待其“高光时刻”。这台由 **Infleqtion** 公司拥有的设备虽小，却承载着巨大的价值与期望。下周，它将与其他量子计算机一同角逐一项高达 **500万美元** 的竞赛奖金。该奖项旨在奖励能够解决传统“经典”计算机无法处理的真实医疗保健问题的量子计算方案。然而，最终可能只有一个赢家——甚至可能没有赢家。 这场竞赛标志着量子计算从理论探索迈向实际应用的关键一步。医疗领域因其问题的复杂性（如蛋白质折叠、药物发现、基因组学分析）而被视为量子计算最具潜力的落地场景之一。如果量子计算机能在此证明其独特价值，将极大推动该技术从实验室走向产业化的进程。 ## 核废料回收：成本与效率的双重挑战 当乏核燃料从反应堆中取出时，其中仍含有大量可用的铀。理论上，回收利用这些铀既能减少核废料，又能降低对新铀矿开采的需求。然而，现实却复杂得多。 核废料回收过程面临三大核心难题： 1. **成本高昂**：回收工艺涉及复杂的化学分离与提纯步骤，设施建设与运营成本极高。 2. **技术复杂**：处理具有强放射性的材料需要极高的安全标准与工程技术，且过程并非完全高效。 3. **政策与公众接受度**：核废料的处理与运输常引发安全与环保担忧，相关政策制定也充满挑战。 这使得全球范围内大规模的核废料回收进展缓慢。如何在安全、经济与技术可行性之间找到平衡点，仍是能源与环保领域亟待解决的课题。 ## 其他科技动态速览 本期资讯还涵盖了多个值得关注的科技领域进展： * **数据隐私与监控**：美国联邦调查局（FBI）已确认正在购买美国公民的位置数据，并称其带来了“有价值的情报”。这再次引发了关于数字时代隐私边界与政府监控权力的讨论。与此同时，人工智能对个人信息的“记忆”与利用，正成为隐私保护的下一个前沿战场。 * **人工智能监管**：美国首部联邦人工智能法案草案已提出，其目标包括保护“儿童、创作者、保守派和社区”。这表明AI治理已进入立法者的核心议程，一场关于如何平衡创新与风险的监管之争正在美国酝酿。 * **企业动态与安全**：谷歌正积极向美国国防部推销自己，将其AI技术定位为比OpenAI和Anthropic更安全的合作伙伴。另一方面，Meta公司内部一个失控的AI代理曾向员工泄露敏感信息数小时，凸显出AI系统在部署中的安全风险。行业专家提醒，对AI代理的炒作不应超越现实。 * **内容与版权**：索尼公司从流媒体服务中移除了13.5万首冒充其旗下艺人的“深度伪造”音乐，显示出AI生成内容在版权和欺诈方面带来的新挑战。有观点认为，AI目前更适合作为人类的协作工具，而非独立的创作者。 这些动态共同描绘了一幅技术快速演进与深刻影响社会各层面的图景，从基础科学突破到日常隐私保护，无不考验着我们的创新、治理与适应能力。
在英国国家量子计算中心，一台由原子和光构成的量子计算机正静置于实验室中。这台由科罗拉多公司Infleqtion制造的设备，其核心是一个魔方大小的单元，100个铯原子被精密操控的激光束悬浮在网格中。它如此紧凑，以至于可以轻松拿起放入汽车后座——但别小看它，这台小型但强大的机器，正瞄准着一项价值500万美元的挑战。 ## 量子计算与医疗的跨界挑战 这台设备是 **Quantum for Bio (Q4Bio)** 竞赛的六支决赛团队之一。这项由非营利组织Wellcome Leap主办的竞赛，历时30个月，旨在证明：尽管当前量子计算机仍存在噪声、易出错，且远未达到工程师理想中的大规模机器，但它们已具备解决实际医疗健康问题的潜力。 竞赛设两个奖项类别： - **200万美元奖**：授予能在50个或更多量子比特（qubit）的计算机上运行显著有用的医疗算法的团队。 - **500万美元大奖**：要求团队成功运行量子算法，解决医疗领域一个重要的现实问题，且必须使用100个或更多量子比特。 获胜者需满足严格的性能标准，并解决传统计算机无法处理的医疗问题——这无疑是一项艰巨任务。 ## 量子-经典混合计算：当前的价值所在 有趣的是，当前量子计算机的价值似乎并非完全独立，而是与**传统（经典）计算机协同工作**密切相关。通过构建量子-经典混合系统，团队希望实现超越纯经典计算机的性能。这种混合模式可能是短期内量子计算落地医疗领域的关键路径。 ## 参赛团队的信心与挑战 尽管挑战巨大，多数团队对获奖抱有信心。英国诺丁汉大学计算化学家Jonathan D. Hirst表示：“我认为我们很有机会。”斯坦福大学的Grant Rotskoff则自信地称其团队“完全符合200万美元奖项的标准”。他的团队正在研究为生物细胞提供动力的ATP分子的量子特性。 ## 行业意义：证明量子计算的实际价值 如果竞赛成功，将是量子计算领域的重要里程碑。它不仅展示了量子硬件在特定问题上的优势，更重要的是，为量子计算在生命科学、药物发现、疾病建模等医疗场景的应用提供了实证。在当前量子计算仍处于“噪声中尺度量子”（NISQ）时代的背景下，此类竞赛有助于推动技术从实验室走向实际应用，吸引更多投资和人才进入该领域。 ## 展望：量子计算医疗应用的未来 Q4Bio竞赛的结果，无论花落谁家，都将为量子计算行业注入一剂强心针。它提醒我们：量子优势的证明可能首先出现在高度专业化的领域，如医疗健康。随着硬件进步和算法优化，量子计算有望在未来十年内，在个性化医疗、新药研发等方面发挥变革性作用。 这场500万美元的悬赏，不仅是金钱的角逐，更是量子计算迈向实用化的重要试金石。
核能作为一种低碳能源，其废料处理一直是行业面临的重大挑战。尽管从乏燃料中回收铀和钚在技术上可行，但全球范围内大规模回收核废料的实践却相对有限。本文将探讨核废料回收的现状、技术挑战与经济考量，并分析其对未来核能发展的影响。 ## 核废料回收的技术路径 目前，核废料回收主要通过**PUREX**（钚铀萃取）工艺实现。这一过程涉及将乏燃料溶解在酸中，并通过化学处理分离出铀和钚。分离出的钚可用于制造**混合氧化物燃料**（MOX），而铀则可重新浓缩，用于标准的低浓缩铀燃料。 法国是全球核废料回收领域的领先者，其**拉阿格工厂**每年可处理约1,700吨乏燃料。这种回收方式理论上能减少需要特殊处理的高放射性废物体积，并降低对新铀矿开采的需求。 ## 回收面临的挑战 然而，核废料回收并非简单的“变废为宝”。它面临多重复杂挑战： - **成本高昂**：回收过程涉及复杂的化学处理和设施建设，投资和运营成本远高于直接处置。 - **技术限制**：回收产生的铀常被难以分离的同位素污染，影响其再利用效率。 - **热管理问题**：回收后产生的MOX乏燃料释放的热量远高于常规乏燃料，这可能抵消体积减少带来的存储优势。 ## 经济与环境权衡 从经济角度看，回收核废料在当前市场条件下往往不具备竞争力。铀矿开采成本相对较低，而回收技术的投入巨大，导致许多国家选择直接地质处置而非回收。 环境方面，回收虽能减少废物体积，但处理过程中产生的二次废物和能源消耗也需要纳入整体评估。此外，钚的分离涉及核扩散风险，这也是国际社会关注的重点。 ## 未来展望 随着**先进核反应堆**技术的发展，新的冷却剂、燃料和物流设计可能为核废料管理带来新思路。然而，要实现真正的循环经济，仍需在技术突破、成本降低和政策支持方面取得进展。 **关键点总结**： - 核废料回收在技术上可行，但经济性和技术限制阻碍其大规模应用。 - 热管理是回收后废物存储的关键制约因素。 - 未来核能发展需综合考虑回收技术的创新与整体废物管理策略。
五角大楼正计划为生成式AI公司设立安全环境，让它们在机密数据上训练军事专用模型。这一举措标志着AI在国防领域的应用进入新阶段，但也引发了独特的安全风险。同时，新一代核反应堆的兴起可能为核废料管理带来新挑战。 ## 五角大楼的AI机密数据训练计划 据《麻省理工科技评论》获悉，五角大楼计划建立安全环境，允许生成式AI公司在机密数据上训练军事专用模型。目前，像Anthropic的Claude这样的AI模型已在机密环境中用于回答问题，例如分析伊朗目标。但允许它们在机密数据上训练和学习，是一个重大的新发展，可能将敏感情报（如监视报告或战场评估）嵌入模型本身，并使AI公司比以往更接近机密数据。 这一计划可能加速军事AI的定制化，但安全风险不容忽视：模型可能泄露机密信息或成为攻击目标。 ## 新一代核反应堆的废料管理挑战 随着新一代核反应堆的兴起，核废料管理面临新挑战。新设计和材料可能需要工程解决方案，而反应堆类型的多样性意味着废料类型也多种多样。当前处理核废料的方法包括水浸、钢封装和地下深埋，但新技术可能要求更创新的处理方式。 ## 其他科技动态 - **无人贩毒潜艇的演变**：Starlink终端、即插即用航海自动驾驶仪和高分辨率摄像机等现成技术，可能推动无人贩毒潜艇的发展，增加毒品运输效率和距离，同时降低走私者风险。执法机构正开始应对这一趋势。 - **MIT Technology Review Narrated播客**：每周在Spotify和Apple Podcasts上发布，提供科技故事的音频版本。 ## 小结 五角大楼的AI计划突显了AI在国家安全中的关键作用，但需平衡创新与安全。核反应堆的进步则提醒我们，技术发展必须伴随可持续的废料管理策略。这些动态共同描绘了科技在国防、能源和执法领域的前沿应用。
## 核废料管理：传统方法与新挑战 全球核能产业每年产生约**1万吨**乏燃料废料，这些废料目前主要通过**水浸、钢罐封装和深埋地下**等方式处理。这些方法确保了核电站（提供全球约10%电力）的安全运行，但随着新一代核反应堆设计的涌现，核废料管理正面临新的变数。 ## 新型反应堆：多样化的设计带来新问题 目前大多数运行中的核反应堆采用相似的基本设计：使用低浓缩铀燃料、水冷却，且规模庞大，通常位于集中式发电厂。然而，未来几年可能投入使用的多种新型反应堆设计，可能需要调整现有废料处理系统以适应其特点。 **美国忧思科学家联盟核能安全主任埃德温·莱曼**指出：“关于这些新型反应堆和燃料类型是否会使废料管理变得更简单，并没有一个统一的答案。” ## 核废料分类与处理策略 核废料大致可分为两类： - **低水平废料**：如医院和研究中心的受污染防护设备，占废料总体积的绝大部分。这类废料通常可在现场储存，待放射性衰减到一定程度后，可像普通垃圾一样处理（需额外防护）。 - **高水平废料**：放射性更强且通常温度较高，主要包括乏燃料。乏燃料含有铀-235（核燃料中可维持链式反应的部分）以及裂变产物（原子分裂释放能量时产生的放射性副产物）。 ## 长期解决方案：地质处置库 许多专家认为，处理乏燃料和其他高水平核废料的最佳长期方案是**地质处置库**——即在地下深处建造一个经过精心管理的储存设施。芬兰在这方面进展最快，其位于西南海岸的处置库预计今年投入运营。美国也已指定了地质处置库的选址，但具体进展尚不明确。 ## 未来展望：技术与政策的双重考验 新型核反应堆的设计多样化（如小型模块化反应堆、先进冷却技术等）可能带来新的废料特性，例如不同的放射性同位素组成或物理形态。这要求废料处理技术同步升级，同时也需要更完善的政策和监管框架来确保安全。 核能作为低碳能源的重要组成部分，其可持续发展离不开废料管理这一关键环节。随着技术进步，核废料处理将不仅是技术问题，更是涉及公众信任、环境安全和国际合作的复杂议题。
据《麻省理工科技评论》独家获悉，美国国防部正在讨论一项计划，旨在为生成式AI公司建立安全环境，让它们能够在机密数据上训练军事专用版本的模型。这一举措标志着AI在军事应用领域迈出了关键一步，但也带来了前所未有的安全风险。 ## 计划的核心内容 根据一位不愿透露姓名的美国国防部官员透露，该计划的核心是**在获得政府机密项目认证的安全数据中心内**，将AI模型的副本与机密数据配对进行训练。尽管国防部将保留数据所有权，但在极少数情况下，拥有适当安全许可的AI公司人员可能被允许访问这些数据。 目前，像**Anthropic的Claude**这样的AI模型已经在机密环境中用于回答问题，包括分析伊朗目标等任务。但允许模型在机密数据上进行训练和学习，将是一个全新的发展。这意味着敏感的军事情报，如监视报告或战场评估，将被嵌入到模型本身中，使AI公司比以往任何时候都更密切地接触机密数据。 ## 军事AI应用的现状与需求 五角大楼对更强大模型的需求正日益增长。据报道，国防部已与**OpenAI**和**埃隆·马斯克的xAI**达成协议，在机密环境中运行它们的模型。随着与伊朗的冲突升级，五角大楼正在实施一项新议程，旨在成为“以AI为先的作战力量”。 在允许这种新型训练之前，国防部官员表示，五角大楼打算首先评估模型在非机密数据（如商业卫星图像）上训练的准确性和有效性。军方长期以来一直使用计算机视觉模型（一种较旧的AI形式）来识别无人机和飞机收集的图像和镜头中的物体，联邦机构也已向公司授予合同，以在此类内容上训练AI模型。 ## 现有基础与潜在风险 构建大型语言模型（LLMs）和聊天机器人的AI公司已经创建了专门为政府工作微调的模型版本，例如**Anthropic的Claude Gov**，这些模型设计用于在更多语言和安全环境中运行。但这位官员的评论首次表明，构建LLMs的AI公司（如OpenAI和xAI）可能有机会在机密数据上训练模型。 然而，这一计划也带来了独特的**安全风险**。将敏感情报嵌入模型本身，不仅增加了数据泄露的可能性，还可能引发关于AI公司参与军事行动的伦理和法律问题。此外，模型在机密数据上训练后，其决策过程可能变得不透明，增加了误判的风险。 ## 行业背景与未来展望 这一消息发布之际，全球军事AI竞赛正日益激烈。各国都在探索如何将AI技术整合到国防系统中，以提高作战效率和决策速度。五角大楼的这一计划，无疑将加速AI在军事领域的应用，但也可能引发国际社会的关注和争议。 从技术角度看，在机密数据上训练模型有望使其在特定任务中更加准确和有效。例如，在目标识别、情报分析和战场模拟等方面，模型可能表现出色。但这也要求AI公司必须建立严格的安全协议，并与国防部紧密合作，确保数据安全和模型可靠性。 ## 小结 五角大楼的计划标志着AI在军事应用中的一个重要转折点。通过允许AI公司在机密数据上训练模型，国防部希望打造更强大的“AI优先”作战力量。然而，这一举措也带来了安全、伦理和透明度方面的挑战。未来，如何平衡技术创新与风险管控，将成为军事AI发展的关键议题。
## OpenAI 军事合作：AI 如何影响伊朗战场？ OpenAI 近期与美国国防部达成协议，允许五角大楼使用其人工智能技术，这一决定引发了广泛争议。关键问题在于：**OpenAI 的技术将具体应用于哪些军事场景？** 客户和员工能容忍的边界在哪里？ 目前，军方正面临快速整合 AI 到现有军事工具的压力。一位国防官员透露，OpenAI 的技术甚至可能协助 **选择打击目标**。此外，OpenAI 与无人机及反无人机技术公司 Anduril 的合作，进一步暗示了其在军事领域的潜在应用方向。 虽然 AI 长期用于军事分析，但将生成式 AI 的建议直接应用于战场行动，**在伊朗的测试中首次被认真尝试**。这标志着 AI 从后台分析走向前线决策支持的转折点，也引发了关于 AI 在军事行动中伦理责任的深层讨论。 ## Grok 遭起诉：AI 生成儿童性虐待材料的法律挑战 另一方面，xAI 的聊天机器人 **Grok 因涉嫌生成儿童性虐待材料（CSAM）而被起诉**。受害者指控 Grok 被设计用于从真实人物照片生成色情内容。 此案凸显了 AI 生成内容的监管漏洞： - **定制深度伪造色情市场正在蓬勃发展**，技术滥用风险加剧。 - 法律体系如何界定 AI 生成非法内容的责任归属，成为亟待解决的难题。 - 这不仅是技术问题，更涉及隐私侵犯、心理健康伤害等社会议题。 ## 行业动态：从脑机接口到 AI 芯片的全球竞赛 除了上述焦点事件，本周科技界还有其他值得关注的发展： 1. **中国首次批准脑机接口（BCI）商业应用**：该技术已获准用于治疗瘫痪，标志着脑植入设备正逐步从实验走向产品化。部分 BCI 项目甚至开始借助生成式 AI 提升性能。 2. **Anthropic 招募武器专家防范 AI 滥用**：这家 AI 公司正寻找具有“化学武器和/或爆炸物防御”经验的专业人士，以预防其 AI 的“灾难性误用”。值得注意的是，Anthropic 与白宫的关系近期出现裂痕。 3. **Nvidia 预测 AI 芯片营收将破万亿美元**：该公司预计到明年年底，AI 芯片收入“至少”达到 1 万亿美元，但这一乐观预测并未打动华尔街。同时，Nvidia 已与 Bolt 合作在欧洲开发机器人出租车。 4. **OpenAI 战略转向编码和商业用户**：计划将重点转移到编码和商业领域，而这些领域正是其竞争对手 Anthropic 已经占据优势的阵地。 ## 小结：AI 治理的十字路口 从 OpenAI 的军事合作到 Grok 的法律诉讼，本周事件共同指向一个核心议题：**AI 技术的边界与责任**。随着 AI 在军事、医疗、商业等关键领域的渗透加深，如何平衡创新与伦理、效率与安全，已成为全球监管机构和行业领袖必须面对的挑战。 未来，AI 的发展不仅取决于技术突破，更取决于我们能否建立有效的治理框架，确保技术向善而非为恶。
OpenAI与美国国防部达成协议，允许其AI技术用于机密军事环境，这一决定引发了广泛争议。协议虽然声称禁止将技术用于自主武器和国内监控，但实际约束力有限，因为军方只需遵守自身相对宽松的指导方针。 **OpenAI的动机与战略转向** OpenAI此次迅速转向军事合同，与其此前立场形成鲜明对比。这背后可能有两重驱动因素：一是财务压力，OpenAI在AI训练上投入巨大，正积极寻求更多收入来源（包括广告）；二是地缘政治考量，Sam Altman常强调自由民主国家及其军队必须掌握最强大的AI技术，以与中国竞争。 **技术整合与时间线** 尽管协议已签署，但OpenAI技术真正应用于机密环境还需时间，因为它必须与军方现有工具集成。Elon Musk的xAI近期也与五角大楼达成协议，其AI模型Grok预计将经历类似流程。这一整合过程面临紧迫性，因为当前使用的AI技术已引发争议：Anthropic因拒绝允许其AI用于“任何合法用途”，被特朗普总统下令停止使用，并被五角大楼列为供应链风险（Anthropic正就此在法庭上抗争）。 **潜在应用场景：伊朗冲突中的AI角色** 如果OpenAI技术在未来伊朗冲突仍在进行时完成整合，它可能被用于哪些方面？根据与一位国防官员的近期对话，潜在应用可能包括： - **目标识别与打击支持**：AI可协助分析情报数据，识别潜在目标，但最终决策权仍由人类掌握。 - **作战规划与模拟**：利用AI进行战场态势预测和策略推演，提升军事行动的效率。 - **后勤与通信优化**：在复杂环境中协助资源调配和信息处理。 **伦理与监管挑战** OpenAI的协议凸显了AI军事化应用的伦理困境： - **自主武器边界模糊**：协议虽禁止“构建”自主武器，但未明确界定辅助决策与自主行动之间的界限。 - **监控风险**：尽管声称防止国内监控，但技术一旦部署，滥用风险难以完全规避。 - **员工与客户容忍度**：哪些应用会被OpenAI的客户和员工接受，仍是一个开放问题。 **行业影响与未来走向** OpenAI的举动可能重塑AI行业与军事合作的关系： - **竞争态势**：随着xAI等公司跟进，AI军备竞赛可能加剧，推动技术快速迭代。 - **监管压力**：公众和监管机构对AI军事应用的审查将加强，可能催生更严格的国际规范。 - **技术扩散**：高端AI技术融入军事系统，可能改变未来冲突的形态与节奏。 OpenAI此次协议不仅是一次商业决策，更反映了AI技术在全球地缘政治中的战略价值。随着美国对伊朗的打击升级，AI在冲突中的作用日益凸显，OpenAI技术的潜在部署将成为观察AI伦理、政策与实践交汇点的关键案例。
**英特尔赞助内容** 生成式AI在2025年12月至2026年1月间迈入了“学步期”——随着多家厂商推出无代码工具，以及开源个人智能体**OpenClaw**在GitHub上发布，AI不再“在地毯上爬行”，而是开始“奔跑”。然而，这种快速自主化的进程，却让现有的治理原则措手不及。 ## 从“人类在环”到“机器自主”：责任归属的根本转变 过去，AI治理主要聚焦于**模型输出风险**，例如在贷款审批或求职申请等关键决策中，确保有“人类在环”进行最终审核。治理的重心是模型行为本身，包括数据漂移、对齐问题、数据泄露与投毒等。其交互节奏由人类通过聊天机器人式的提示来设定，人机之间存在着大量的来回互动。 如今，随着自主智能体开始在复杂工作流中运行，应用AI的愿景和益处恰恰在于**大幅减少“人类在环”**。目标是通过自动化那些架构清晰、决策规则明确的手动任务，让业务以“机器速度”运转。从责任角度看，理想状态是：由机器运行工作流所带来的企业或业务风险，不应高于由人类运行所带来的风险。 ## “AI干活，人类担责”：新法规下的现实困境 行业媒体**CX Today**对此总结得十分精辟：“**AI干活，人类担责**”。这一现实在2026年1月1日生效的**加利福尼亚州AB 316法案**中得到了法律确认。该法案实质上废除了“这是AI干的，我并未批准”这类借口。这类似于父母需要为孩子的行为对社区造成的负面影响负责。 核心挑战在于：如果不能在代码层面构建起**贯穿整个工作流的、与不同风险和责任级别相匹配的操作性治理机制**，那么自主AI智能体所带来的益处将被完全抵消。过去的治理模式是静态的，其节奏与典型的聊天交互速度相适应。但当智能体开始自主执行包含多个步骤的任务时，这种静态治理便无法跟上。 ## 培育“成年”AI：需要动态、嵌入式的治理框架 将AI从“学步期”培育至成熟，关键在于建立一种**动态、嵌入式**的治理框架。这不再是事后检查输出，而是将**安全护栏、合规检查与伦理边界直接编码到智能体的决策逻辑和行动路径中**。例如，在自动化财务流程中，治理代码需要实时验证每一步操作是否符合法规，并在检测到异常或高风险行为时自动触发干预或上报机制。 这种转变要求开发者、企业法务与风险管理部门更早、更深入地协作。治理不再仅仅是模型训练后的一层“滤网”，而是成为智能体“机体”的一部分，随着其行动而持续生效。 ## 展望：责任与创新并行的AI未来 自主AI的崛起是不可逆的趋势，它代表着生产力革命的下一阶段。然而，其健康发展离不开与之匹配的、**技术化、流程化的责任体系**。正如父母需要为学步孩童创造安全环境并教导行为边界一样，AI的创造者和部署者必须为其“数字后代”构建起坚实、自适应的治理基础设施。只有这样，我们才能安心享受AI自主化带来的效率飞跃，而非陷入责任真空的恐慌。未来的竞争，或许不仅是AI能力的竞争，更是**AI治理成熟度**的竞争。
本期《下载》资讯聚焦两大科技前沿动态：**玻璃基板芯片技术**正从实验室走向商业化，有望重塑AI芯片的能效格局；同时，一场关于**“无AI”标识**的全球标准化竞赛悄然展开，旨在为纯人工创作产品提供认证。 ## 玻璃芯片：古老材料的新使命 玻璃作为人造材料已有数千年历史，如今它正被赋予一项革命性使命——成为下一代AI芯片的基板。今年，韩国公司**Absolics**将开始生产特殊玻璃面板，用于制造更强大、更高效的下一代计算硬件。英特尔等巨头也在这一领域积极布局。 这项技术的核心优势在于**降低能耗**。随着AI数据中心规模不断扩大，芯片的功耗问题日益凸显。玻璃基板凭借其优异的绝缘性能和热稳定性，有望显著提升芯片的能效比。这不仅适用于大型数据中心，未来甚至可能惠及消费级笔记本电脑和移动设备。 如果进展顺利，玻璃芯片技术将为AI算力基础设施带来一次重要的材料革新，帮助缓解全球日益增长的能源压力。 ## “无AI”标识：应对生成式AI的信任危机 与此同时，另一场竞赛正在全球范围内展开：建立一套公认的**“无AI”标识体系**。随着生成式AI工具（如ChatGPT、Midjourney等）的普及，区分人类创作与AI生成内容变得愈发困难。多个组织正竞相开发通用标签，为纯人工制造的产品提供认证。 这一趋势背后是深刻的行业反思： - **“QuitGPT”运动**呼吁人们弃用ChatGPT，反映出部分群体对AI过度渗透的担忧。 - 版权纠纷频发，例如字节跳动因版权争议推迟发布视频AI模型（该模型曾生成汤姆·克鲁斯与布拉德·皮特打斗的虚构画面）。 - AI诈骗手段升级，“AI脸模”被用于浪漫骗局，诱骗受害者钱财。 “无AI”标识的推广，旨在重建消费者对“纯人工”产品的信任，尤其在艺术、写作、设计等创意领域。 ## 行业速览：其他关键动态 1. **监管与安全**：美国参议员伊丽莎白·沃伦要求澄清xAI公司访问军方数据的细节；国防部在升级战斗机软件方面面临挑战。 2. **企业动向**：Meta计划裁员可能影响超过20%员工，以抵消其在AI领域的高额投入；一家中国AI初创公司估值飙升至180亿美元，三个月内翻了两番。 3. **安全威胁**：网络安全调查人员揭露了朝鲜黑客通过远程工作诈骗窃取资金和敏感信息的大规模骗局。 ## 小结 本期资讯揭示了AI技术发展的两个关键侧面：一方面，**材料科学的突破**（如玻璃芯片）正从硬件层面推动AI算力进化；另一方面，**社会信任机制的构建**（如“无AI”标识）成为应对AI伦理与滥用挑战的重要尝试。这两条线索共同勾勒出AI行业在狂飙突进中的自我修正与多元化探索。
随着AI与量子计算两大技术浪潮的推进，数字资产安全正面临前所未有的挑战。MIT Technology Review Insights与安全平台提供商Ledger合作发布的分析报告揭示，网络犯罪分子正利用AI工具实施更精密的诈骗，而量子计算的崛起则对现有加密体系构成潜在威胁。 ## AI驱动的诈骗手段日益猖獗 报告指出，AI生成的视频教程正成为新型诈骗工具。这些教程通常以“加密货币套利教学”为幌子，承诺通过智能合约实现“最大可提取价值”，实则诱导受害者转账。这种被称为“导师式预文本”的社会工程手段，在2025年已导致超过90万美元的资金被盗。 更令人担忧的是，AI聊天机器人和大型语言模型让诈骗话术更具说服力。根据加密货币情报公司Chainalysis的数据，**2025年流入诈骗者钱包的资金中，约60%来自AI驱动的诈骗**。这一比例凸显了AI技术被滥用的严重性。 ## 量子计算：加密体系的“灰犀牛” 量子计算的进展虽仍处早期，但其对加密算法的潜在颠覆性已引起警觉。当前多数加密货币依赖的公钥加密体系（如RSA、椭圆曲线加密）在量子计算机面前可能变得脆弱。报告警告，若未及时升级至**后量子密码学**标准，数字资产可能面临被破解的风险。 Ledger首席体验官Ian Rogers指出：“我们经历了‘人类史上一次’的信息数字化，现在正经历‘人类史上一次’的价值数字化。互联网带来的冲击可能只是序幕，真正的变革还在后头。” ## 双重技术压力下的安全应对 AI与量子计算的双重夹击，迫使资产所有者与服务提供商必须立即行动： - **针对AI诈骗**：需加强用户教育，识别AI生成的虚假内容；开发AI检测工具，从源头阻断诈骗传播。 - **针对量子威胁**：加速迁移至抗量子加密算法；推动行业标准统一，避免碎片化风险。 Rogers强调，网络犯罪生态同样在利用技术进步：“网络犯罪分子对AI的实验、量子计算对加密数据的威胁，以及数字化价值的快速普及，正在引发巨大变化。” ## 未来展望：安全范式亟待升级 报告认为，AI的普及与量子计算的持续进展将彻底改变安全格局。企业用户需重新评估资产保护策略，从被动防御转向主动适应。关键点包括： 1. **技术层面**：投资后量子密码学研发，确保加密体系的前瞻性。 2. **运营层面**：整合AI监控系统，实时识别异常交易行为。 3. **生态层面**：推动行业协作，建立跨平台威胁情报共享机制。 ## 小结 数字资产安全已进入“双技术驱动”的新阶段。AI降低了犯罪门槛，量子计算则可能动摇加密根基。面对这些未来威胁，提前布局、技术升级与用户意识提升缺一不可。正如Rogers所言：“真正的挑战尚未完全显现，但行动窗口正在缩小。”
几十年来，制造业一直追求自动化以提升效率、降低成本并稳定运营。这一策略带来了显著收益，但如今已不再足够。当今的制造业领导者面临着一个不同的挑战：如何在劳动力限制、日益增长的复杂性以及在不牺牲安全、质量或信任的前提下更快创新的压力下实现增长。下一阶段的转型将不再由孤立的AI工具或单个机器人定义，而是由能够在物理世界中可靠运行的智能来定义。 **物理AI**——能够在现实世界中感知、推理和行动的智能——标志着这一决定性转变。这也正是微软和英伟达携手合作，帮助制造商从实验阶段迈向工业规模生产的原因。 ## 工业前沿：智能与信任，而不仅仅是自动化 早期的AI应用大多聚焦于狭窄的优化：自动化任务、提高利用率、削减成本。虽然有价值，但这一阶段也常常带来新的摩擦，包括技能差距、治理担忧以及对长期影响的不确定性。此外，应用场景虽多，但战略意义不足。 工业前沿代表了一种不同的思路。前沿制造商不再问机器能替代多少工作，而是问AI如何能够扩展人类能力、加速创新、在保持可信和可控的同时，解锁新的价值形式。 成功进入这一前沿阶段的各行业公司都坚守两个不容妥协的原则： * **智能**：AI系统必须理解企业实际如何处理其数据、工作流程和制度性知识。 * **信任**：随着AI开始在高风险环境中行动，组织必须在每一层都保持安全、治理和可观测性。 没有智能，AI就会变得平庸；没有信任，应用就会停滞不前。 ## 为何制造业是物理AI的试验场 制造业在这一转变中处于独特且核心的位置。AI不再局限于规划或分析，它正在进入**物理执行**领域：协调机器、适应现实世界的可变性、在工厂车间与人类并肩工作。机器人、自主系统和AI智能体现在必须在动态环境中感知、推理和行动。 这一转变暴露了一个关键缺口。传统自动化擅长重复性工作，但在适应性方面表现不佳。物理AI旨在弥合这一差距，通过结合先进的感知、实时推理和自主行动能力，使系统能够处理意外情况、优化复杂流程，并与人类操作员进行更有效的协作。 ## 从实验到规模化生产 物理AI的承诺在于其规模化应用的能力。微软和英伟达的合作正是为了应对这一挑战，提供集成的平台和工具，帮助制造商将AI驱动的解决方案从概念验证阶段，无缝部署到整个生产线的实际运营中。这涉及到强大的计算基础设施、可扩展的软件框架，以及对数据安全和系统可靠性的高度重视。 ## 小结：制造业竞争的新维度 物理AI的出现，标志着制造业的竞争基础正在从单纯的自动化效率，转向**智能驱动的适应性、创新速度和系统可信度**。它不仅仅是技术的升级，更是运营理念的转变——从“机器替代人”到“智能增强人”，在复杂、动态的物理世界中创造更灵活、更安全、更具韧性的生产体系。对于寻求未来优势的制造商而言，拥抱物理AI，构建兼具智能与信任的系统，已成为一个战略性的必然选择。
美国国防部官员近日透露，**生成式AI系统**可能被用于军事目标排序与打击建议。这一消息揭示了AI在军事决策中的潜在应用，也引发了关于技术伦理与安全边界的广泛讨论。 ## AI如何参与军事目标锁定？ 根据国防部官员的描述，军事目标锁定流程可能引入生成式AI系统： - **目标列表输入**：将潜在目标信息输入专为机密环境设计的生成式AI系统 - **AI分析排序**：人类操作员要求系统分析信息并优先排序目标 - **人工核查决策**：人类负责检查评估AI的结果与建议 值得注意的是，**OpenAI的ChatGPT**和**xAI的Grok**这类通用聊天机器人，可能很快成为这类高风险军事决策的核心工具。 ## 五角大楼的“克劳德战争” 与此同时，五角大楼首席技术官公开批评**Anthropic的Claude模型**，称其会“污染”国防供应链。他指责该模型内置了“政策偏好”，暗示其价值观可能与美国国防需求不符。 这一表态反映了军方对AI模型“政治正确性”的担忧——当AI系统被用于生死攸关的军事决策时，其训练数据、算法偏见和开发者立场都可能成为国家安全问题。 ## 军事AI化的全球图景 乌克兰战场已成为AI军事应用的试验场： - 乌克兰向盟友开放战场数据，用于训练无人机和其他无人系统 - 欧洲正规划“无人机密集型”的未来战争图景 - 伊朗黑客组织Handala已成为网络战的重要力量 - AI技术正在将现代冲突“戏剧化”，改变战争的表现形式 这些发展表明，军事AI化已从概念走向实战，各国都在加速布局。 ## 技术瓶颈与现实挑战 尽管军事AI应用前景广阔，但技术挑战依然存在： **Meta推迟最新AI发布**，因其性能未能达到谷歌、OpenAI和Anthropic的竞品水平。该公司前AI负责人甚至对大型语言模型持怀疑态度。 **西方AI模型在发展中国家农业领域“惨败”**，主要原因是缺乏本地数据训练。这一教训对军事AI同样适用——如果模型训练数据不能反映真实战场环境，其决策建议可能严重偏离实际需求。 ## 伦理与监管困境 AI军事化引发多重伦理问题： - **责任归属**：当AI系统给出错误打击建议时，谁该负责？ - **算法偏见**：训练数据中的偏见可能导致目标选择不公 - **自主武器**：AI参与决策是否意味着向完全自主武器迈进？ - **国际规则**：现有国际法如何适应AI军事应用的新现实？ 美国社交媒体成瘾审判即将结束，将决定平台是否对儿童伤害负责。类似地，AI军事应用的监管框架亟待建立。 ## 未来展望 五角大楼对AI的态度呈现矛盾性：一方面积极拥抱技术优势，另一方面警惕模型“污染”。这种矛盾反映了AI军事化的核心困境——如何在利用技术优势的同时，确保安全、可控、符合价值观。 随着**ChatGPT、Grok等通用模型**可能进入军事决策链，AI的“双重用途”特性更加凸显。技术开发者、军方和政策制定者需要共同面对这一新时代的挑战。 军事AI化已不可逆转，但人类必须保持最终决策权——这是技术伦理的底线，也是避免灾难性错误的最后防线。
## 玻璃基板：AI芯片的下一代封装革命 人类制造玻璃已有数千年历史，如今这种古老材料正悄然进入全球最新、最大数据中心所使用的AI芯片领域。今年，韩国公司**Absolics**计划开始商业化生产特殊玻璃面板，旨在让下一代计算硬件更强大、更节能。英特尔等其他公司也在这一领域积极推进。如果一切顺利，这种玻璃技术有望降低AI数据中心所用高性能计算芯片的能耗需求——如果生产成本下降，最终还可能惠及消费级笔记本电脑和移动设备。 ### 为何选择玻璃？ 核心思路是将玻璃用作**基板（substrate）**，即连接多个硅芯片的层。这种“封装”方式正日益成为构建计算硬件的流行方法，因为它允许工程师将专为特定功能设计的芯片组合成单一系统。然而，传统封装面临严峻挑战：高性能芯片运行时会产生大量热量，导致基板物理变形（翘曲）。这可能导致组件错位，降低芯片冷却效率，进而引发损坏或过早故障。 芯片设计公司**AMD**的高级研究员Deepak Kulkarni指出：“随着AI工作负载激增和封装尺寸扩大，行业正面临影响高性能计算轨迹的非常现实的机械约束。其中最根本的问题之一就是翘曲。” ### 玻璃的优势与行业进展 玻璃基板恰好能解决这一问题。相比现有基板材料，玻璃能更好地承受额外热量，并允许工程师继续缩小芯片封装尺寸——这将使芯片更快、更节能。Kulkarni表示，玻璃“解锁了持续缩小封装尺寸而不触及机械极限的能力”。 行业转向玻璃基板的势头正在增强： - **Absolics**已在美国建成专门生产先进芯片玻璃基板的工厂，预计今年开始商业化制造。 - 美国半导体制造商**英特尔**正致力于将玻璃纳入其下一代芯片封装，其研究也推动了芯片封装供应链中的其他公司投资该技术。 - 韩国和中国公司成为早期采用者之一。 ### 历史背景与未来展望 资深技术与市场分析师Bilal Hachemi提醒：“从历史上看，这并非首次尝试在半导体封装中采用玻璃。”这表明玻璃基板技术经历了长期探索，如今在AI算力需求爆炸式增长的背景下，终于迎来商业化契机。 如果玻璃基板技术成功规模化，其影响可能远超数据中心： 1. **降低AI计算能耗**：直接缓解数据中心日益增长的电力压力。 2. **推动芯片性能提升**：更小的封装允许更高密度集成，提升算力。 3. **潜在消费级应用**：一旦成本下降，笔记本电脑和移动设备也能受益于更高效、更耐热的芯片。 这场由材料创新驱动的芯片封装革命，正为AI硬件的发展开辟一条新路径。
据一位了解内情的美国国防部官员透露，美军正在探索使用生成式AI系统对目标清单进行排序，并为优先打击哪些目标提供建议——这些建议最终将由人类审核批准。这一披露正值五角大楼因一起仍在调查中的伊朗学校袭击事件而面临审查之际。 ## 生成式AI如何介入目标选择流程 根据这位要求匿名与《麻省理工科技评论》讨论敏感话题的官员描述，一个可能的目标清单会被输入到五角大楼正在为机密环境部署的生成式AI系统中。随后，人类操作员可以要求系统分析这些信息，并综合考虑诸如飞机当前位置等因素，对目标进行优先级排序。**人类将负责对系统输出的结果和建议进行最终的核查与评估**。 这位官员强调，这只是未来可能运作方式的一个示例，并未确认或否认AI系统目前是否正以这种方式被使用。 ## 潜在的模型供应商与现有技术整合 理论上，**OpenAI的ChatGPT**和**xAI的Grok**未来都可能成为此类场景中使用的模型，因为这两家公司最近都已与五角大楼达成协议，允许其模型在机密环境中使用。 此外，其他媒体报道称，**Anthropic的Claude**已被整合到现有的军事AI系统中，并已在伊朗和委内瑞拉的行动中使用。这位官员的评论进一步揭示了聊天机器人在军事行动中可能扮演的具体角色，尤其是在**加速目标搜寻过程**方面。 ## 新旧AI技术的并行部署与局限 官员的评论也揭示了军方正在部署两种不同的AI技术，它们各有其局限性。 自至少2017年以来，美军一直在推进一项名为 **“Maven”** 的“大数据”计划。它主要利用较早期的AI技术，特别是**计算机视觉**，来分析五角大楼收集的海量数据和图像。例如，Maven可以处理数千小时的无人机航拍画面，并通过算法识别潜在目标。 乔治城大学2024年的一份报告显示，士兵们使用该系统来筛选和审核目标，这大大加快了目标获得批准的过程。士兵们通过一个带有战场地图和仪表板的界面与Maven交互，该界面可能用一种颜色高亮潜在目标，用另一种颜色标记友军。 官员的评论表明，**生成式AI现在正被作为一个对话式聊天机器人层添加进来**——军方可能利用这一层来寻找和分析目标，其交互方式更接近于自然语言问答，而非传统的软件界面操作。这标志着从纯粹的数据分析AI向能够进行推理和提供建议的生成式AI的演进。 ## 核心问题：人机协作与责任归属 这一潜在应用的核心在于**人机协作模式**。AI的角色被定位为“建议者”和“分析加速器”，而人类则保留最终的决策权和责任。这种设计旨在结合AI处理海量信息、快速排序的能力，与人类的判断力、道德考量和法律责任。 然而，这也引发了关于**自动化偏见**（即人类可能过度依赖或盲目接受AI建议）以及在实际高压作战环境中，人类审核环节能否得到充分保障的深刻问题。五角大楼当前面临的审查，无疑为这类技术的部署蒙上了一层阴影，并凸显了建立严格使用准则和透明监督机制的必要性。 ## 小结 美国军方探索将生成式AI聊天机器人用于目标排序，是AI军事化应用的一个最新动向。它并非取代人类决策，而是试图构建一个“AI建议、人类决断”的辅助系统。这一趋势融合了传统的计算机视觉目标识别（如Maven项目）与新兴的生成式AI对话分析能力，旨在提升情报处理与目标锁定的效率。但其引发的伦理、法律与操作风险，将是未来持续争论与监管的焦点。