本周，谷歌将举行年度开发者大会 I/O。一年前，谷歌凭借 Gemini 2.5 Pro 的发布在基础模型竞赛中占据优势，但如今已明显落后于 Anthropic 的 Claude Code 和 OpenAI 的 Codex。据报道，谷歌甚至允许其 AI 部门 DeepMind 的部分工程师使用 Claude 进行工作。本次大会，谷歌在 AI 编码领域的反击将成为最大看点，预计会推出重大编码更新，可能涉及 Antigravity 平台。此外，AI for Science 是谷歌的强项，DeepMind CEO Demis Hassabis 和诺贝尔奖得主 John Jumper 的参与值得关注。总体而言，谷歌短期内难以重回编码前沿，但科学领域的进展可能更具深远影响。
在最新一期的 **MIT Insider’s Panel** 中，多位来自麻省理工学院及产业界的专家齐聚一堂，围绕当前 AI 领域最关键的“信号”展开深度对话。本次圆桌并未停留在技术参数的比拼上，而是试图穿透噪音，识别那些真正能改变行业走向的底层趋势。 ### 自动化研究：OpenAI 的新赌注 圆桌首先聚焦于 OpenAI 近期披露的“全自动研究员”计划。据《MIT Technology Review》报道，OpenAI 首席科学家 **Jakub Pachocki** 在独家访谈中透露，该公司正在将全部资源押注于构建一个能够独立完成科学研究的 AI 系统。这一目标远超当前的聊天机器人和代码生成器——它意味着 AI 不仅要理解现有知识，还要能提出假设、设计实验、分析数据并得出结论。 专家们认为，这标志着 AI 从“工具”向“合作者”的范式转变。如果成功，它将彻底加速药物发现、材料科学等领域的创新周期。但同时也引发了关于科研伦理、可重复性以及人类科学家角色的新讨论。 ### 生物医学的边界突破 另一个引发热议的信号来自生物医学领域：**人类子宫首次在体外成功存活**。这一由 Jessica Hamzelou 报道的突破，不仅为研究子宫疾病和早期妊娠提供了前所未有的平台，更可能在未来实现人类胎儿的体外培育。 圆桌讨论指出，这项技术与 AI 的结合点在于：体外子宫系统将产生海量的实时生理数据，而 AI 模型可以从中学习并预测胚胎发育轨迹、识别异常信号。这为个性化生殖医学和产前诊断开辟了新路径，但同时也敲响了生物伦理的警钟。 ### AI 指数揭示的“加速悖论” 斯坦福大学发布的 **2026 AI Index** 成为圆桌的量化参照。数据显示，AI 模型的能力提升速度正在脱离传统摩尔定律的轨道：训练成本、数据消耗和能源需求同步飙升，但社会适应速度却严重滞后。 专家们指出，这种“技术冲刺、社会慢跑”的错位，正是当前 AI 治理困境的根源。圆桌呼吁行业在追求性能极限的同时，必须同步投入于可解释性、安全对齐和公平性研究，否则加速可能演变为失控。 ### 永生幻想与现实的鸿沟 最后，圆桌触及了一个更具争议的话题——**“无脑人类克隆”**。一家隐秘的初创公司正在推销通过克隆技术制造无脑人体，以实现意识上传和“永生”。尽管听起来像科幻小说，但专家警告，这类主张模糊了科学事实与商业炒作之间的界限。 真正的信号不在于技术可行性，而在于市场对“永生”概念的追捧如何扭曲研发优先级。圆桌一致认为，AI 和生物技术的健康进步需要更严谨的科学传播和监管框架。 ### 小结 本次 MIT Insider’s Panel 传递的核心信息是：**真正重要的信号往往不在头条新闻中**。无论是自动化科研、体外器官维持，还是 AI 指数的结构性矛盾，都指向同一个方向——技术正在以远超社会准备的速度重塑基础规则。识别这些信号，并理解其背后的连锁反应，才是决策者、研究者和公众的当务之急。
国防科技公司安杜里尔（Anduril）与Meta合作，正在为美军开发一款增强现实（AR）头戴设备原型，其核心愿景是通过眼球追踪和语音命令来指挥无人机打击等任务。这一项目由曾在陆军特种作战司令部服役的副总裁Quay Barnett领导，他直言目标是优化“人类作为武器系统”的效率。 安杜里尔目前有两个并行项目。第一个是陆军“士兵出生任务指挥”（SBMC）项目，安杜里尔去年赢得了一份价值1.59亿美元的原型合同，与Meta合作开发可安装在现有军用头盔上的AR眼镜。第二个是公司自筹资金的“鹰眼”（EagleEye）项目，于去年10月公布，旨在从头设计一款头盔与头戴设备组合。尽管军方并未提出这一需求，但安杜里尔坚信最终会获得青睐。 两个系统都还需数年才能成熟。陆军预计要到2028年才决定是否将SBMC项目投入生产——此前微软曾获得220亿美元的生产合同，但因眼镜方案不可行而取消。Barnett向《麻省理工科技评论》透露了原型的发展方向：根据场景，眼镜会在士兵视野中叠加信息，从简单的指南针到复杂的地图、附近无人机位置，甚至AI识别的目标（如卡车）。士兵可以用自然语言与界面交互，例如为伤者请求撤离或规划避开禁区的路线。 安杜里尔正在测试Google的Gemini、Meta的Llama以及Anthropic的Claude等大语言模型，以将士兵语音转化为可执行命令。所有这些都由安杜里尔的Lattice软件驱动，该软件整合了多种军事硬件的数据。今年3月，陆军宣布将投入200亿美元整合相关系统。 这一合作标志着消费级AR技术向军事领域的激进延伸。Meta的Ray-Ban智能眼镜已具备拍照、语音助手等功能，而安杜里尔正试图将其改造为战场上的“第六感”。尽管技术前景令人兴奋，但伦理与实战可靠性仍是巨大挑战：如何确保AI在混乱战场中准确识别目标？如何防止误伤？这些问题尚无答案。
本周的《下载》 newsletter 聚焦两大科技新闻：马斯克与奥特曼的庭审进入第三周，双方围绕信誉展开激烈交锋；同时，特朗普在政策利好前大量买入科技股，引发关注。 ## 马斯克 vs 奥特曼：信誉之战 在庭审最后一周，双方律师分别攻击对方的可信度。奥特曼被指控撒谎和利益输送，而马斯克则被描绘为试图控制通用人工智能的权力追求者。案件揭示了两位宿敌及OpenAI非营利地位的新细节，甚至包括一个奖励给挑战马斯克员工的驴屁股金杯。记者Michelle Kim全程旁听，带来独家报道。 ## 特朗普的科技股交易 特朗普在政策利好前买入英伟达、AMD、Arm等股票，并在Truth Social上推荐Palantir后买入其股票。此外，他的加密企业与伊朗顶级交易所共享网络，引发争议。 ## 其他要闻 - **SpaceX**计划6月12日在纳斯达克上市，估值1.75万亿美元，黑石可能投资100亿美元。 - **中国AI公司**在视频生成领域超越美国对手，字节跳动和快手在真实感和规模上领先。 - **伊朗**威胁向使用海底互联网电缆的科技公司收费。 - **三星**面临大规模罢工，4.5万名员工可能因AI红利分配问题停工18天。
马斯克诉奥特曼案进入最后一周，双方律师就马斯克和OpenAI CEO萨姆·奥特曼的信誉展开激烈交锋。奥特曼被质疑有说谎和与OpenAI有业务往来的公司进行自我交易的历史，但他反击称马斯克是一个寻求权力、试图控制通用人工智能（AGI）发展的人。为证明对AI安全的承诺，OpenAI展示了一个金色驴屁股奖杯——这是赠给一位因反对马斯克急于开发AGI而被骂“蠢驴”的员工的。双方律师还进行了结案陈词，并在大屏幕上并排展示了马斯克和奥特曼的不雅大头照。马斯克的律师史蒂文·莫洛称，奥特曼和OpenAI总裁格雷格·布罗克曼违背了使用马斯克捐款维持OpenAI非营利性质的承诺，转而创建了让他们暴富的营利实体。OpenAI的律师莎拉·埃迪则辩称，奥特曼和布罗克曼从未承诺保持非营利，且OpenAI仍致力于安全开发AI。她声称马斯克起诉太晚，真实动机是打击竞争对手xAI。马斯克要求法院撤销2025年将OpenAI转为公益公司的重组，并寻求高达1340亿美元的赔偿。陪审团将于周一商议，最快下周给出咨询裁决，但法官将最终判决。若马斯克胜诉，可能颠覆OpenAI近万亿美元的IPO计划；而xAI预计最早6月上市，目标估值1.75万亿美元。第一周马斯克自称诉讼是为了拯救OpenAI造福人类的使命，本周奥特曼则称马斯克是权力追求者。
## 中国的短剧行业正在被AI重塑 中国的短剧产业以适合手机刷屏的短小、夸张、低俗剧情为燃料。如今，许多短剧已完全由AI制作：无需演员、摄影师、导演或CGI专家。1月份，平均每天有470部AI生成的短剧上线。制作周期从数月缩短到数周，成本下降高达90%。故事创作也越来越依赖表现数据。这种模式正在迅速向海外扩张，同时重塑编剧和制作团队的工作方式。 ## 全球健康目标可能落空 世界卫生组织最新全球统计报告与其说是进展更新，不如说是一个警示信号。一些全球最大健康威胁的进展正在停滞，甚至逆转。2024年新增130万HIV病例，疟疾再度抬头，美洲疫苗接种率下滑，4280万儿童严重营养不良。世界已远未达到联合国2030年多项主要健康目标。 ## 其他必读资讯 - 马斯克和奥特曼的审判进入陪审团阶段，双方律师指责对方撒谎，马斯克被控“选择性失忆”。 - AI数据中心正在给美国电网带来压力：内华达州将太浩湖的电力转给AI，犹他州在缺水担忧下仍建大型数据中心。 - OpenAI考虑对苹果就其ChatGPT集成采取法律行动，认为合作未带来预期收益。
中国短剧行业正经历一场由AI驱动的革命。在过去几年里，这些每集仅一两分钟的竖屏微短剧凭借狗血剧情和密集反转，迅速占领了全球用户的碎片时间。2024年，中国短剧市场收入达到约**69亿美元**，首次超过国内年度票房。如今，生成式AI的介入让这个本就以低成本、高效率著称的行业进一步加速——**每天平均有470部AI生成的短剧上线**。 ## 从真人拍摄到AI全流程 以《Carrying the Dragon King's Baby》为例，这部短剧的画面介于电影和游戏CG之间，角色动作略显僵硬，光影虽华丽却缺乏真实感。这正是AI短剧的典型特征：没有演员、摄影师或特效师，全部由AI生成。制作方昆仑万维等公司已开始将AI作为核心生产力工具，从剧本撰写、角色设计到分镜渲染，整个流水线都在被重塑。 ## 技术如何改变叙事 AI不仅降低了制作成本——单个短剧的预算可压缩至传统制作的十分之一——还大幅缩短了生产周期。过去需要数周拍摄和后期处理的剧集，现在几天内就能完成。但代价是明显的：AI生成的画面在细节和情感表达上仍显生硬，尤其是人物面部表情和动作连贯性。不过，对于追求高频更新的短剧平台而言，这种“够用就好”的质量完全可以接受。 ## 海外扩张与本地化挑战 中国短剧公司早已将目光投向海外。以ReelShort、DramaWave为代表的App在欧美市场累计下载量接近10亿次，其中**美国市场贡献了约50%的海外收入**。AI的加入让本地化变得更简单：通过AI配音和字幕翻译，一部中文短剧可以快速适配多个语言市场。但文化差异仍是隐忧，例如西方观众对“霸道总裁”和“龙太子”等设定接受度有限。 ## 行业前景与争议 AI短剧的爆发引发了关于创意价值和工作岗位的讨论。一方面，它让更多小团队有机会制作内容；另一方面，它可能进一步拉低内容质量，形成“算法喂食”的恶性循环。目前，中国监管部门已开始关注AI生成内容的标识和版权问题。未来，随着视频生成模型（如Sora、视频生成模型）的成熟，AI短剧的画面质量有望提升，但真正的挑战在于：如何让机器学会讲好一个故事。
世界卫生组织（WHO）于本周三发布了《2026年全球卫生统计报告》，这份被视为全球健康“成绩单”的报告显示，尽管部分领域有所改善，但整体进展缓慢且不均衡，2015年设定的2030年可持续发展目标（SDG）中的健康相关指标很可能无法如期实现。 **HIV：新感染人数仍居高不下** 报告指出，2024年全球新增约**130万例HIV感染者**，虽然较2010年下降了40%，但距离“到2030年将新感染减少90%”的目标仍相去甚远。此前，基于千年发展目标的成功，国际社会曾乐观预期“2030年终结艾滋病流行”，但现实数据表明，这条道路依然漫长。 **结核病：进展微乎其微** 结核病（TB）的情况更为严峻。目标要求2015至2030年间病例数下降80%，但截至目前仅减少了**12%**。更令人担忧的是，在美洲地区，结核病病例反而增加了**13%**。结核病目前位列WHO全球死因前十。 **疟疾：发病率不降反升** 疟疾方面的进展同样令人失望。目标为2015至2030年间发病率降低90%，但2024年全球疟疾病例估计达**2.82亿例**，发病率较基线上升了**8.5%**。抗疟药物耐药性在8个非洲国家已被确认或疑似出现，蚊虫对杀虫剂的抗性也加剧了防控难度。 **区域与系统性不平等** 报告还强调，健康改善在不同地区之间差异巨大。欧洲地区自2015年以来已实现疟疾零本土传播，但非洲等全球南方国家仍承受着最沉重的疾病负担。这种不平等不仅体现在传染病上，也反映在非传染性疾病、母婴健康等各个领域。 **2030年目标：雄心与现实之间的鸿沟** 联合国可持续发展目标（SDGs）涵盖17个大项，健康目标是其中核心组成部分。然而，从最新数据看，多数健康指标进展缓慢。WHO总干事谭德塞在报告前言中表示：“尽管我们看到了希望的曙光，但速度远远不够。如果不采取紧急且协调的行动，我们将会辜负全球最脆弱的人群。” **结语** 《2026年全球卫生统计报告》是一记警钟。它提醒我们，即使有明确的目标和过去的成功经验，全球健康事业仍面临资金不足、政治意愿缺乏、疾病耐药性等系统性障碍。距离2030年还有不到四年时间，扭转趋势需要前所未有的国际合作与资源投入。
当生成式AI从研究实验室进入真实商业场景时，企业默认了一个隐性契约：先要能力，再谈控制。将专有数据喂给第三方AI模型，能获得强大结果，但数据流经不受己控的系统，治理规则由他人设定。如今，随着AI深入日常运营，更复杂的自主智能体系统不断演进，企业开始重新审视这笔交易。 ## 数据主权：从隐忧到刚需 EDB CEO Kevin Dallas指出：“数据是新的货币，是许多公司的知识产权。核心担忧在于：如果你用云上大模型部署AI应用，是否会失去你的IP和竞争地位？”这一问题正推动企业夺回对数据和AI系统的控制权。据EDB内部数据，**70%的全球高管认为需要主权数据与AI平台**才能成功。 ## 全球政策共振 AI主权已成为全球政策议题。英伟达CEO黄仁勋在2026年1月达沃斯世界经济论坛上呼吁：“每个国家都应参与构建AI基础设施，利用自身语言和文化这一自然资源，开发并持续优化AI，让国家智慧成为生态系统的一部分。” ## 企业行动加速 EDB对超过2050名高管的调查及行业专家访谈表明，企业层面的主权运动已全面展开。企业正从依赖单一云提供商转向混合架构与本地部署，通过开源模型、数据加密与合规框架重掌控制权。报告强调，**主权不是封闭，而是可控的选择**——在能力与安全间找到平衡。 ## 未来路径 专家建议，企业应从三方面入手：1）**数据治理先行**，明确数据分类与访问权限；2）**模型灵活部署**，结合本地微调与云端推理；3）**生态合作**，与提供主权解决方案的厂商共建基础设施。主权不是技术倒退，而是数字化转型的成熟标志。 *本文基于MIT Technology Review Insights与EDB合作报告，内容由定制内容团队制作，非编辑部原创。*
金融服务业在部署代理式AI时，面临独特的数据挑战。本文探讨了数据质量、安全性和可访问性如何成为成功的关键，以及如何通过集中化数据管理实现合规与效率的平衡。
## 深度伪造的“受害者”：谁在盗用你的身体和号码？ 本周，《麻省理工科技评论》的《The Download》栏目聚焦两项令人不安的AI隐私与伦理问题：**深度伪造色情内容中“被偷走的身体”** 以及**AI聊天工具泄露真实电话号码**。 ### 被忽视的群体：身体被“换脸”的成人内容创作者 当谈论深度伪造色情内容时，公众和媒体通常将目光投向那些**面部被移花接木到色情视频中的受害者**。然而，一个同样重要的群体却被长期忽略——那些**被“借用”身体的成人内容创作者**。 一位化名Jennifer的研究人员在2023年入职时，出于好奇将自己的职业头像照片输入面部识别程序。结果不仅找到了她十多年前拍摄的成人视频，更发现其中一部视频上**她的身体被换上了别人的脸**。 成人内容创作者们指出：AI系统正在**大量抓取他们合法拍摄的作品进行训练**，克隆其外貌与体态，并生成他们从未同意制作的色情内容。这些创作者面临的是**权利、生计与身体所有权的三重威胁**，但在现行法律框架下几乎得不到保护。正如记者Jessica Klein在深度报道中揭示的：当AI可以无限复制与重组身体影像时，“同意”这个概念的边界正在瓦解。 ### Gemini 的“电话号码黑洞”：AI 泄露隐私为何难以阻止？ 另一则新闻则关乎普通人：**生成式AI正在暴露人们的个人联系信息**，而且受害者几乎束手无策。 - 一名软件开发者发现，自己的手机号码被 **Google Gemini** 提供给询问律师联系方式的人，导致他不断收到WhatsApp求助信息。 - 一位大学研究员成功让Gemini**吐出了同事的私人手机号码**。 - 还有Reddit用户声称Gemini将找律师的来电都引到了他的手机上。 专家分析认为，这些隐私泄露的根源在于**AI训练数据中包含大量个人可识别信息**。过去这些信息散落在互联网角落，但聊天机器人现在能够**极其便捷地将它们检索并关联起来**。更棘手的是，受害者几乎无法要求AI公司彻底删除自己的信息，因为模型已经“记住”了这些数据。 ### 特斯拉 Semi：电动卡车终于“上路”，但挑战仍在 此外，特斯拉 Semi 电动卡车历经近十年跳票，终于开始量产交付。这款号称**单次充电可行驶480英里**、运营成本远低于柴油卡车的重型车辆，被视作电动货运的破局者。然而，高昂售价、充电基础设施匮乏以及续航焦虑仍是其大规模普及的拦路虎。 --- 本周的新闻共同指向一个核心矛盾：**AI技术带来的便利（信息检索、内容生成）正以前所未有的速度侵蚀个人隐私与数字自主权**。无论是成人创作者的身体影像，还是普通人的手机号码，都成为了AI训练与推理链条上的“数据养料”。当技术跑在监管前面，每一位数字公民都可能是下一个“Jennifer”或“接到陌生电话的开发者”。
历经近十年打磨，特斯拉 Semi 终于从量产线驶出。这款电动半挂卡车以相对亲民的价格和亮眼性能，瞄准了占道路车辆 8% 却贡献 35% 碳排放的重型卡车市场。随着 WattEV 超 1 亿美元订单落地，Semi 或将加速清洁运输转型。 ## 从概念到量产：一场漫长的等待 2017 年 11 月，埃隆·马斯克在洛杉矶的发布会上高调亮相特斯拉 Semi，承诺 5 秒零百加速、500 英里续航和“防核爆玻璃”。彼时，沃尔玛等巨头纷纷下单，预计 2019 年交付。然而，多次跳票后，直到 2022 年才交付少量试点车辆。今年 2 月，特斯拉终于公布最终生产规格，4 月底首辆 Semi 驶下高产线，标志着这款电动卡车正式进入量产阶段。 ## 性能与价格：打破电动卡车“贵且慢”的刻板印象 Semi 定位为 **Class 8 重型卡车**，最大总质量约 37 吨。其续航里程分为 **300 英里（约 483 公里）** 和 **500 英里（约 805 公里）** 两个版本，起售价分别为 **15 万美元** 和 **18 万美元**。相比之下，传统柴油卡车售价约 12 万-15 万美元，但 Semi 的运营成本（尤其是电费与维护）预计大幅降低。此外，Semi 的 0-60 英里/小时加速时间为 **5 秒**（空载），满载下为 20 秒，远超柴油卡车平均水平。 ## 行业意义：卡车虽少，污染却重 全球范围内，卡车和巴士仅占道路车辆的 **8%**，却贡献了 **35%** 的道路交通二氧化碳排放，以及大量氮氧化物和颗粒物污染。电动化是减碳的关键路径，但此前电动卡车因电池成本高、续航短、充电设施不足而进展缓慢。特斯拉 Semi 凭借 **1000V 高压架构** 和 **1MWh 级电池**，宣称可在大约 30 分钟内充至 80% 电量，部分缓解了续航焦虑。 ## 市场信号：WattEV 的大订单 近期，货运服务商 **WattEV** 宣布订购 **370 辆** 特斯拉 Semi，总金额超 **1 亿美元**。WattEV 提供“卡车即服务”（TaaS），为客户提供车辆和充电设施，降低其电动化门槛。这笔订单不仅验证了 Semi 的商业可行性，也表明市场对电动卡车的接受度正在提升。 ## 挑战与展望 尽管 Semi 技术指标亮眼，仍面临 **充电基础设施不足**、**电池成本高昂** 以及 **竞争对手（如 Nikola、戴姆勒）** 的追赶。特斯拉在内华达州超级工厂扩建了 Semi 专用生产线，但产能爬坡尚需时日。若 Semi 能稳定交付并持续降低成本，它或许能像 Model 3 推动乘用车电动化一样，成为 **电动卡车领域的“破局者”**。
当詹妮弗（化名）在2023年入职一家非营利研究机构时，她将自己的新职业照输入了人脸识别程序，想看看技术能否关联到她十多年前制作的色情视频。结果确实匹配上了，但更令她震惊的是：一段旧视频中，她的身体被换上了别人的脸。她意识到自己成了深度伪造的受害者。 关于非自愿性深度伪造的讨论通常聚焦在“被换脸”的人——那些脸被嫁接到他人身体上的名人或普通人。但很少有人关心那些身体被使用的原主：通常是成人内容创作者。律师科里·西尔弗斯坦指出，成人演员的身体在深度伪造中被非自愿使用是“家常便饭”。随着生成式AI和“脱衣”应用的泛滥，这一问题变得更加复杂：如今，这些身体不再直接来自色情视频，而是被用作训练数据，生成全新的AI内容。 詹妮弗说：“没有人问‘这是谁的身体？’”她的经历揭示了深度伪造产业链中一个被系统性忽视的群体——那些身体被窃取、却几乎没有法律保护的创作者。 ### 谁的身体被使用了？ 成人内容创作者是深度伪造的“原料库”。从2017年“deepfakes”用户将明星脸贴在色情演员身上起，成人演员的身体就一直被无偿使用。如今，AI模型通过学习大量真实色情内容，能够生成逼真的虚拟身体，而这些身体的原型往往来自不愿被识别的创作者。 ### 法律与伦理的盲区 现有立法多聚焦于“未经同意使用他人面容”，但身体图像的使用缺乏明确界定。西尔弗斯坦表示，成人演员很难证明自己的“身体特征”被侵权，因为法律更保护可识别性。詹妮弗的案例中，人脸识别程序仍能通过骨骼轮廓识别她，说明身体特征同样具有独特性。 ### 技术与社会责任 AI公司是否在训练数据中过滤了未经授权的内容？平台如何应对“身体盗窃”？这些问题尚无答案。詹妮弗的经历提醒我们：深度伪造的伤害不仅针对“被换脸者”，也指向那些身体被数字化劫持的个体。 > “这就像我戴着别人的脸当面具。”——詹妮弗 随着AI生成内容越来越难以追溯，保护身体图像所有权的需求变得空前迫切。
近期，多位用户报告称 Google 的 AI 聊天机器人 Gemini 泄露了他们的个人电话号码，引发隐私担忧。一位 Reddit 用户声称其手机在过去一个月内不断接到陌生来电，对方声称在寻找律师、产品设计师或锁匠，这些来电均源于 Google AI 提供的错误信息。此外，一名以色列软件开发者因 Gemini 给出错误的客户服务号码而被陌生人骚扰；华盛顿大学一名博士生则利用 Gemini 轻松获取了同事的手机号。 隐私专家指出，这些泄露很可能源于训练数据中包含的个人身份信息（PII），但具体机制尚不明确。更令人担忧的是，目前几乎没有有效手段阻止此类事件。据数据删除服务公司 DeleteMe 统计，过去七个月内与生成式 AI 相关的隐私咨询量激增 400%，其中 55% 涉及 ChatGPT，20% 涉及 Gemini，15% 涉及 Claude。用户投诉通常表现为两类：一是用户向聊天机器人询问关于自己的信息时，AI 准确返回了家庭住址或电话号码；二是 AI 在回答无关问题时意外泄露他人联系方式。 尽管 AI 公司声称已采取措施减少隐私泄露，但专家强调，训练数据中 PII 的广泛存在使得完全避免泄露几乎不可能。当前，受影响用户除了联系平台要求删除数据外，几乎没有其他补救途径。此事件再次凸显了生成式 AI 在隐私保护方面的脆弱性，并呼吁行业建立更严格的训练数据审查机制。
今天的《The Download》带来了两则引人注目的太空科技新闻。 ## 太空制药走向商业化 一家名为 **Varda Space Industries** 的初创公司正押注于在轨道上制造药物。该公司已与 **United Therapeutics** 签署协议，测试药物在微重力环境下是否会以不同方式结晶，从而可能产生具有新特性的改进版本。这个想法听起来很科幻，但不断下降的发射成本和可重复使用火箭正在让太空制造变得越来越可行。Varda 表示，此次合作可能标志着向在轨生产产品、供地球使用迈出了重要一步。 ## 核动力星际飞船揭秘 就在 Artemis II 任务开始其历史性的绕月飞行之前，NASA 公布了一项更宏伟的太空旅行计划：到 2028 年底，该机构的目标是发射一艘由核反应堆驱动的星际飞船前往火星。一次成功的任务将开启太空飞行的新时代，并可能让美国在与中国的竞赛中占据优势。然而，该项目仍笼罩在神秘之中。MIT Technology Review 采访了核动力和推进专家，以了解这艘核动力飞船可能如何工作。 ## 其他必读新闻 - **Sam Altman 称 Elon Musk 试图夺取 OpenAI 控制权**：Altman 表示 Musk 最初要求 90% 的股权，并曾两次试图终止其非营利地位。Musk 提起诉讼的动机正受到审视。 - **Google 与 SpaceX 洽谈将数据中心送入轨道**：SpaceX 可能加入 Google 的轨道数据中心项目 Suncatcher，首次发射定于 2027 年初。
位于加州埃尔塞贡多的初创公司 **Varda Space Industries** 宣布，已与制药巨头 **United Therapeutics** 签署协议，计划在微重力环境下生产药物晶体。这被视为**太空制造从实验室走向商业化的关键一步**。 ## 微重力下的化学奇迹 太空制药的核心科学原理在于：**在失重条件下，化学混合物会表现出与地球上截然不同的性质**。例如，水在太空中会因表面张力聚成球状，这一特性同样影响药物分子的结晶过程。Varda 计划将 United Therapeutics 的现有药物送入轨道，让它们在微重力环境中形成晶体。理论上，这些晶体可能呈现出地球上无法实现的**原子排列方式**，从而产生具有更高稳定性、更好溶解性或更强药效的新型药物。 ## 商业闭环：从实验到产品 以往太空实验多依赖**国际空间站**，且由政府资助、规模有限。Varda 的策略是提供**可重复、商业化的轨道制造服务**。公司首席战略官 Michael Reilly 表示：“这是通往太空制造产品的第一条商业路径。” 通过将药物送入轨道并回收晶体，Varda 有望帮助制药公司**延长专利保护期**——这与业界常见的“药物改良”策略一脉相承，例如将片剂改为吸入剂。 ## 关键人物：从卫星到猪器官的跨界者 United Therapeutics 的 CEO **Martine Rothblatt** 是一位传奇人物。她早年参与通信卫星项目，后创立了价值数十亿美元的制药帝国，核心产品用于治疗其女儿所患的肺动脉高压。此外，公司旗下还有一家子公司，正开发**基因编辑猪**作为人类器官移植来源。Rothblatt 表示，如果太空条件能帮助识别出“更惊艳”的药物版本，那将是下一个前沿。 ## 行业背景与挑战 Varda 成立于 2021 年，创始人为 Delian Asparouh 等人。其商业模式对标 Halozyme、MannKind 等专业药物改良公司——这些公司通过帮助其他药企重新配方药物并分享销售分成获利。但 Varda 的差异化在于：**用太空旅行替代雾化器、贴片或纳米颗粒**。 不过，太空制药仍面临诸多挑战：发射成本、晶体回收技术、FDA 对太空制造药物的监管路径等。Varda 尚未公布具体的任务时间表或财务条款，但此次合作至少证明：**制药巨头已经开始认真考虑在轨道上“炼制”下一代药物**。
世界模型最近被列入《麻省理工科技评论》的“当前人工智能领域最重要的10件事”榜单。执行编辑 Niall Firth 解释了这一新兴领域为何备受关注。 ## 世界模型是什么？ 世界模型是一种试图让AI学习并理解现实世界运行规律的建模方法。与当前主流的大语言模型不同，世界模型不仅处理文本，还整合视觉、空间、物理规则等多模态信息，使AI能够**推理因果关系**、**预测未来状态**，并做出更接近人类常识的决策。 ## 为什么突然火了？ 近年来，AI在图像识别、自然语言处理等领域取得突破，但**缺乏对物理世界的真正理解**成为瓶颈。例如，自动驾驶汽车可能无法预判一个皮球的滚动方向，机器人抓取物体时容易失败。世界模型旨在填补这一空白，让AI具备“常识”。 ## 关键人物与动态 - **Yann LeCun**（Meta首席AI科学家）一直倡导世界模型，认为它是通往**类人智能**的关键路径。 - 《麻省理工科技评论》将举办订阅者专属圆桌讨论“AI能学会理解世界吗？”，深入探讨AI推理能力的进化及其对未来系统的影响。 ## 相关进展 - 《宝可梦GO》如何为配送机器人提供**厘米级**的视觉定位。 - OpenAI 全力构建**全自动研究员**，其首席科学家 Jakub Pachocki 透露了新的宏大挑战。 - 首个人类**子宫体外存活**实验成功，可能改变早期妊娠研究。 - 斯坦福2026 AI指数显示，AI发展速度远超人类适应能力。 ## 挑战与展望 世界模型仍处于早期阶段，主要挑战包括：**计算成本高昂**、**多模态数据融合困难**、**缺乏大规模标注的物理世界数据**。但一旦成熟，它将赋能**机器人、自动驾驶、游戏、科学模拟**等领域，使AI从“感知”走向“认知”。
## 诺贝尔经济学奖得主达龙·阿西莫格鲁：AI领域值得关注的三个方向 在2024年获得诺贝尔经济学奖前几个月，达龙·阿西莫格鲁发表了一篇论文，让他在硅谷不太受欢迎。他认为AI只会给美国生产率带来小幅提升，且不会消除人类工作的需求。两年过去，阿西莫格鲁的谨慎观点并未成为主流。技术已取得长足进步，但数据在很大程度上仍支持他的判断。MIT Technology Review与他进行了对话，了解最新进展是否改变了他的论点。以下是阿西莫格鲁目前最关注的AI三个方向。 尽管AI能力在飞速提升，但阿西莫格鲁坚持认为，其对生产力的实际贡献有限。他关注的核心是：AI是否真正改变了劳动市场的结构，以及技术进步是否带来了广泛的经济红利。他指出，当前AI的突破主要集中在生成式领域，这类技术更擅长替代而非增强人类能力，从而可能加剧不平等。 ## 修复一切的案例：斯图尔特·布兰德的维护哲学 反文化偶像、科技行业传奇人物斯图尔特·布兰德将维护视为一种“文明”行为。他的新书《维护：一切，第一部分》认为，承担维护责任——无论是摩托车、纪念碑还是地球——都可能具有革命性意义。布兰德认为，维护者并未获得应有的赞誉——这一点他说得对。然而，他的维护愿景往往显得孤独：深刻，但更关乎个人成就感，而非照料一个共享的世界或让它变得更好。 Virginia Tech科技与社会副教授李·文塞尔在书评中指出，布兰德的视角虽然发人深省，但忽略了维护的集体性和社会性。维护不仅是个人修行，更是社区协作和制度支撑的体现。 ## 必读精选 - **首个由AI构建的零日漏洞被发现**：谷歌发现并阻止了一次“大规模利用事件”。黑客利用AI发现未知漏洞，AI驱动的黑客攻击已发展为工业级威胁。新工具正在简化网络犯罪。 - **OpenAI推出其ChatGPT的竞品**：OpenAI发布了名为GPT-4o的模型，意图巩固其在AI对话领域的领先地位。该模型支持多模态交互，但安全性和偏见问题仍是关注焦点。 ## 小结 本期《下载》涵盖了从AI经济影响到维护哲学的多元话题。阿西莫格鲁的冷静分析提醒我们，技术进步并不自动等同于生产力提升；而布兰德的维护理念则促使我们反思科技与人文的交汇点。在AI安全领域，零日漏洞的出现敲响了警钟，而OpenAI的新模型则标志着竞争进入新阶段。
2024 年诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）在获奖前数月发表了一篇论文，其中对 AI 的谨慎预测让硅谷颇感不快。与科技巨头 CEO 们宣称的“全面颠覆白领工作”不同，阿西莫格鲁估算 AI 仅能小幅提升美国生产率，且不会消除人类工作的必要性。他认为 AI 虽擅长自动化某些任务，但许多工作仍将安然无恙。 两年过去，阿西莫格鲁的冷静判断并未成为主流。从参议员伯尼·桑德斯的集会到杂货店排队时的闲聊，关于 AI 取代工作的恐慌无处不在。一些原本持怀疑态度的经济学家也开始松动，认为 AI 可能带来剧烈变革。一位加州州长候选人甚至提议对 AI 企业征税，以补偿“AI 驱动的裁员”受害者。 一方面，数据仍站在阿西莫格鲁一边：多项研究反复表明，AI 并未影响就业率或裁员水平。但另一方面，技术已比他当初预测时进步许多。为此，《MIT 科技评论》与阿西莫格鲁进行了对话，了解最新的 AI 发展是否改变了他的观点，以及真正让他担忧的究竟是什么。 ### 三大关注焦点 **1. AI 智能体（Agentic AI）** 自阿西莫格鲁那篇论文以来，AI 最大的技术飞跃之一便是智能体——能够自主执行任务、超越聊天机器人范畴的工具。由于它们可以独立工作，企业正越来越多地将其宣传为“一对多”替代人力的方案。 阿西莫格鲁认为这是“一个失败的主张”。他主张智能体更适合作为增强特定工作环节的工具，而非灵活到足以完成一个人的全部工作。原因在于，任何工作都包含多种任务。以 X 光技师为例，他们需要同时处理 30 项不同任务，从记录患者病史到整理乳腺影像档案。人类可以自然地在不同格式、数据库和工作风格之间切换，但 AI 要完成同样的事情，需要多少独立的工具或协议？ **2. 对经济学的真正影响** 阿西莫格鲁的研究表明，AI 目前对整体经济的影响有限。他坚持认为，只有当 AI 被用于创造新任务、补充人类能力而非简单替代时，才能带来广泛的生产率提升。然而，当前大多数 AI 投资仍集中在自动化上，这可能导致收入不平等加剧。 **3. 监管与公共政策** 阿西莫格鲁呼吁政策制定者关注 AI 的分配效应。他支持对 AI 使用征税或建立补偿机制，但强调更关键的是引导技术走向“以人为本”的发展路径——例如投资于教育、医疗等领域的 AI 增强工具，而非盲目追求通用人工智能（AGI）。 ### 小结 尽管 AI 技术日新月异，阿西莫格鲁的核心论点依然稳固：AI 的能力被高估，而其对就业的破坏性影响被过度渲染。真正的风险不在于 AGI 的临近，而在于企业和社会可能选择一条错误的部署路径——即过度依赖自动化，忽视人类工作的复杂性与价值。
麦肯锡研究显示，尽管经历了多年数字化，企业从数字投资中获得的价值仍不到预期的三分之一。根本原因在于，大多数公司从技术能力出发，将应用“嫁接”到现有系统上，而非从客户需求出发逆向推导技术解决方案。这种不以客户为中心的做法导致解决方案碎片化、客户体验割裂，最终转型失败。 **客户反向工程（Customer-back Engineering）** 是扭转局面的关键。Capital One业务卡与支付技术部常务副总裁Ashish Agrawal指出，当工程师贴近客户时，会产生大量“侧向创新”——工程师从不同维度解决问题，带来独特的产品视角。 ## 工程师的自然优势 工程师天生是问题解决者。当他们听到客户的实际挑战或看到产品在真实场景中的使用方式，就能利用对系统和数据的深入理解，高效满足客户需求。Agrawal强调：“以客户为中心的文化对工程师有激励作用，当他们看到自己做出的核心改变或新增功能直接改善客户生活时，动力会倍增。” ## 实践方法 Capital One为每位工程师设定了每年与客户多次接触的目标，形式包括： - **数字共情会议**：观察用户旅程，识别痛点 - **嵌入式客服支持**：深入理解服务需求 - **工程师跟访**：与客户成功、销售及支持团队一同拜访客户 这种“客户反向工程”思维不仅提升了客户满意度，还激发了工程师的创新潜能，让AI产品从设计之初就贴合真实需求。 ## 行业启示 在AI领域，技术能力固然重要，但若脱离客户场景，再先进的模型也难以落地。企业应将客户需求作为创新的起点，而非终点。Capital One的做法为行业提供了可复用的范式：通过系统化的客户接触机制，将工程师的创造力与真实痛点结合，从而在AI竞争中实现突破性创新。