每天，全球的航空公司调度员、电网运营商和农民都根据天气预报做出决策。天气预报看似不起眼，却影响着许多行业的重大战略决策，涉及真金白银、生计甚至生命。农民用它决定播种品种、施肥时机和灌溉投资；公用事业公司据此选址建设太阳能和风电场，并定价批发电力；极端天气预警和应急响应也依赖预报。最近，天气预报还与新兴的预测市场挂钩——人们押注真实世界事件，包括天气。然而，操纵天气数据以在市场中获利的诱惑，加上向数据驱动型AI天气预报的集体转变，正开始威胁预报的准确性。目前这些风险相对可控，但专家预见它们可能演变成更严重的系统性问题。 传统天气预报依赖来自机场、公用事业等气象站的观测数据，并通过数据同化等机制进行交叉验证。但今年早些时候，巴黎戴高乐机场的气象站被发现遭人篡改，凸显了新型威胁。随着AI天气预报模型（如华为盘古、谷歌GraphCast）兴起，它们对观测数据的依赖更强，但缺乏传统模型的物理约束，使数据污染更易渗透。预测市场的出现则提供了直接的经济动机：操纵一个气象站的读数，可能影响温度或降水预报，从而在押注天气的合约中获利。 目前，单个站点的篡改影响有限，因为AI模型仍会吸收大量数据。但若攻击者系统性地污染多个站点或关键数据源（如卫星或雷达），后果可能严重。例如，在航空业，错误预报可能导致航班延误或燃油浪费；在农业，误导性数据可能引发错误种植决策。更危险的是，极端天气事件预警被延迟或弱化，将危及公共安全。 专家建议加强数据源的物理安全与加密，并开发针对AI模型的异常检测算法。同时，预测市场平台需监控可疑交易模式。长远看，维护数据完整性需全球协作，因为天气预报没有国界。正如一位研究者所言：我们正在把信任交给一个系统，而它的脆弱性才刚刚显现。
## OpenAI 推出 GPT-Red：用“超级黑客”大模型训练 AI 安全防线 OpenAI 近日对外展示了其内部研发的“超级黑客”大模型 **GPT-Red**，这是一个专门用于红队测试（red-teaming）的 AI 系统，旨在通过自动化攻击手段来帮助其他模型提升防御能力。红队测试原本由人类安全专家执行，而 GPT-Red 能够自动寻找软件系统中的漏洞、后门或劫持方法，其效率远超传统人工测试。OpenAI 向 MIT Technology Review 独家展示了该系统的工作原理，并认为它能帮助公司在与真实网络攻击者的对抗中保持领先。 这一举措反映了 AI 安全领域的一个关键趋势：当模型能力越来越强，其被恶意利用的风险也随之增加。过去，红队测试依赖安全专家手动尝试各种攻击手段，不仅耗时且难以覆盖所有场景。GPT-Red 的自动化能力意味着可以更快速、更全面地发现潜在弱点，从而在模型上线前进行修复。不过，这也引发了一个有趣的问题：**一个专门设计来“攻击”的 AI，是否也会被滥用？** OpenAI 表示，GPT-Red 目前仅用于内部安全评估，并严格控制其使用范围。 ## 美国热泵销量逆势增长：化石燃料供暖正在被赶超 尽管正值盛夏，但供暖设备的市场格局正在发生深刻变化。最新报告显示，美国热泵（heat pump）的销量在过去 15 年间翻了一番，并在 2026 年第一季度以 32% 的增速超越天然气炉。这一增长尤其引人注目，因为**一项关键的热泵税收抵免政策刚刚到期**，按理说补贴退坡会抑制需求，但市场表现却出人意料地强劲。 热泵之所以持续走热，原因有三：一是其极高的能效比——热泵消耗 1 度电可以产生 3 至 4 度的热能；二是政策导向，尽管联邦税收抵免结束，但多个州和地方政府仍提供额外激励；三是消费者对化石燃料的环保意识增强，以及天然气价格波动带来的不确定性。热泵作为电气化供暖的核心技术，在建筑脱碳中扮演着重要角色。随着美国电网清洁化，热泵的碳排放优势将进一步凸显。 ## 其他值得关注的科技动态 - **马斯克低调收购燃气轮机制造商**：据报道，马斯克通过旗下公司以 10 亿美元收购了 APR Energy，这家公司主营燃气轮机发电。分析认为，这笔交易很可能用于为 xAI 的 Grok 模型提供数据中心电力，反映出 AI 计算对能源的巨大需求。 - **Suno AI 音乐模型被曝抓取数据**：黑客披露的信息显示，AI 音乐生成公司 Suno 从 YouTube 和 Deezer 等平台抓取了大量音乐数据用于训练模型，这再次引发了关于 AI 训练数据版权的讨论。 - **Thinking Machines 发布开源模型 Inkling**：这家美国初创公司推出了开放权重的 AI 模型 Inkling，被视为对开源社区的重要贡献，也为美国 AI 生态提供了除中国开源模型之外的新选择。
盛夏时节讨论取暖设备似乎有些不合时宜，但热泵这个议题却无法回避。尽管美国针对热泵的关键税收抵免已于2025年底到期，但最新数据显示，其销量在过去15年间翻了一番，并在2026年第一季度以32%的增速领先天然气炉。这一现象背后的原因值得深究。 ## 热泵的工作原理与优势 热泵通过电力驱动制冷剂循环，实现热量的高效转移。它既能供暖也能制冷，运行成本远低于燃气炉或传统电暖系统。由于不燃烧化石燃料，热泵在建筑脱碳中扮演着关键角色。 ## 税收抵免到期后的市场韧性 2026年1月1日，美国联邦政府终止了最高2000美元的热泵安装税收抵免。这与电动汽车补贴到期后的市场反应形成鲜明对比——EV补贴取消后销量曾急剧下滑。但热泵市场却展现出韧性，销量不降反升。 ## 为何热泵能逆势而上？ 1. **长期经济效益凸显**：虽然前期安装成本较高，但热泵的能效比（COP）通常达到3-4，意味着每消耗1度电可产生3-4度热，长期使用显著节省电费。 2. **政策惯性效应**：2023-2025年的补贴窗口期促使大量消费者提前安装，形成了市场认知和渠道基础。 3. **气候与环保压力**：极端天气频发和碳中和目标推动消费者转向低碳方案。 4. **技术迭代降低成本**：新型冷媒和变频技术降低了热泵的制造成本，提升了低温环境下的性能。 ## 行业展望 尽管税收优惠取消，但热泵的市场渗透率仍在提升。美国能源部预测，到2030年热泵将占据供暖设备市场的一半份额。不过，行业仍面临安装工人短缺、老旧建筑改造难度大等挑战。 小结：热泵的持续热销证明，当技术成熟度和经济性达到临界点，政策补贴的退出未必会导致市场萎缩。这为其他清洁技术领域提供了重要参考。
OpenAI 开发了一个名为 **GPT-Red** 的 LLM“超级黑客”，专门用于攻击自家其他模型，以此帮助它们提升抵御网络攻击的能力。上周，OpenAI 发布了其旗舰模型的最新版本 **GPT-5.6**，并声称通过与 GPT-Red 的对抗训练，该模型成为迄今为止最稳健的版本。 ### 红队测试自动化 GPT-Red 的核心功能是自动化“红队测试”——一种通常由人类测试团队执行的安全评估方法，旨在尽可能多地发现系统漏洞，以便在最终版本发布前进行修复。随着 LLM 变得越来越复杂，应用场景不断扩展（尤其是以智能体形式与文件、网站、第三方代码及其他智能体交互），传统人工测试已难以跟上攻击手段的迭代。OpenAI 研究科学家、GPT-Red 联合创建者 Nikhil Kandpal 指出：“风险面在扩大，爆炸半径也在增长。” ### 自我博弈与训练道场 为了构建 GPT-Red，OpenAI 的研究团队将未经黑客训练的 LLM 放入一个“自我博弈”循环中，与其他多个模型对抗。GPT-Red 的目标是攻击对手，而对手则学习防御。经过多轮对抗，GPT-Red 的攻击能力不断提升，受训模型的防御能力也随之增强。训练在一个模拟真实部署场景的“道场”中进行，涵盖网页浏览、文件读取等常见任务。 ### 发现新型攻击 GPT-Red 的一个关键贡献在于，它能够发现此前未知的攻击类型。研究团队主要聚焦于 **提示注入** 攻击——黑客通过隐藏指令诱导 LLM 执行违规操作，如窃取机密信息、破坏代码库或生成有害内容。理论上，这类指令可嵌入任何 LLM 可能接触到的文本中（如代码或网页）。 ### 前瞻性安全策略 OpenAI 强调，GPT-Red 的设计初衷是“面向未来”。随着更强大的模型出现，GPT-Red 能够持续挖掘新的攻击模式。联合创建者 Dylan Hunn 表示：“当更强大的模型问世时，我们已经准备好了能够发现新攻击方式的系统。” 这种自我进化的安全测试方法，为 LLM 的规模化部署提供了重要保障。 ### 行业意义 GPT-Red 的诞生标志着 AI 安全领域从“人工红队”向“AI 红队”的转变。随着智能体系统日益复杂，自动化、持续性的安全测试将成为必需品。OpenAI 的这一实践，不仅提升了自身模型的安全性，也为整个行业提供了新的安全范式参考。
## 今日科技速览 ### PsiQuantum：用光打造实用量子计算机 一家名为 **PsiQuantum** 的公司正计划建造一台前所未有的量子计算机。这台机器将安置在一个兼具数据中心与冰淇淋工厂外观的房间里，内部包含约 **100 个不锈钢机柜**，每个机柜内装有数百个芯片。在这些芯片上，数以千计的光子将穿过由光学开关和分束器构成的迷宫。每一个光子都必须被精确追踪，因为最终测量其位置将能回答当前计算机需要数百万年才能解决的问题。 PsiQuantum 成立于 **2016 年**，由四位来自英国大学的物理学家共同创立。在竞争激烈、资金雄厚的量子计算领域，该公司目标是成为第一个造出**实用量子计算机**的企业。尽管这台机器目前还不存在，但它的设计理念引发了广泛关注。 ### 挪威海底隧道：工程奇迹的诞生 在挪威峡湾下方约 **1000 英尺** 处，一条即将成为**世界最长、最深的海底公路隧道**正在建设中。这条隧道全长 **16.6 英里**，最深处位于海平面下 **1280 英尺**，是一项非凡的工程壮举。记者亲临现场，感受头顶数百万加仑海水的压力，并探究在当今时代，如此宏伟的工程如何得以实现。 这条隧道的故事已被制作成 MIT Technology Review Narrated 播客，每周在 Spotify 和 Apple Podcasts 发布。 ### 今日必读精选 - **Meta 被指控用 AI 针对健康问题员工进行裁员**：诉讼称 Meta 依赖 AI 生成裁员名单，并特别针对休产假或残疾假的员工。一名员工在产假前一天被告知被裁。 - 其他科技热点新闻，请关注后续报道。
## 快讯：Anthropic 揭开 Claude“内心思考”的面纱，但意义何在？ 上周，Anthropic 宣布在其模型推理答案时，找到了观察其“内部思考”的新窗口。这一发现迅速引发热议。MIT 科技评论资深编辑 **Will Douglas Heaven**（计算机科学博士）受邀解读：这项研究到底揭示了什么，又未能说明什么？ ### 关键发现：模型内部状态的“窥探” Anthropic 的研究团队通过分析模型在处理复杂问题时中间层的激活模式，发现 Claude 在生成最终答案前，会经历类似“规划”或“自我校正”的阶段。例如，在回答数学题或逻辑推理问题时，模型内部会先形成一种“草稿”式的表示，再逐步优化为最终输出。 ### 局限：并非真正的“意识”或“思维” Heaven 强调，尽管这听起来像模型有了“意识”，但实际只是对神经网络高维空间中的统计模式进行了可视化。模型并没有真正的意图或理解，其“内部思考”更像是一种统计上的捷径，而非人类式的推理。Anthropic 的发现更多是提供了可解释性工具，帮助开发人员调试模型行为，而非揭示智能的本质。 ## 深度话题：世界模型如何让 AI 理解物理世界？ 今天的 AI 系统在生成文本、图像和代码方面表现出色，但对物理世界的复杂性仍力不从心。许多研究者认为，关键在于构建 **世界模型（World Model）**——一种能让 AI 模拟物理规律、预测交互结果的内部表征。 ### 世界模型的应用前景 - **机器人技术**：机器人需要理解物体如何移动、力如何作用，世界模型可使其在现实环境中更灵活地操作。 - **自动驾驶**：预测其他车辆和行人的行为，需要基于物理常识的世界模型。 - **通用人工智能**：如果 AI 能像人类一样想象“如果……会怎样”，将更接近真正的智能。 ### 专家观点：1X Technologies 的实践 在 MIT 科技评论举办的 LinkedIn Live 活动中，**Sam Sinha**（1X Technologies 世界模型研究负责人）指出，当前世界模型面临两大挑战： 1. **数据需求**：训练世界模型需要大量物理交互数据，而收集这些数据成本高昂。 2. **泛化能力**：模型在训练场景外往往失效，难以应对真实世界的多样性。 Sinha 认为，结合神经符号方法和强化学习可能是突破方向。 ## 其他必读资讯 - **纽约州成为首个实施数据中心禁令的州**：州长签署法令，禁止新建大型数据中心长达一年，以应对能源和环境影响。 - **智能手机出货量创13年新低**：2026年第二季度出货量同比下降11%，主要受内存芯片短缺和价格上涨影响。 - **星际空间首次发现糖分子**：这一发现暗示地球上生命可能源自太空，并增加了外星生命存在的可能性。 - **英伟达削减亚洲买家名单**：为阻止 AI 芯片流向特定地区，英伟达将亚洲合作伙伴数量减半。 ## 小结 Anthropic 的研究让我们更接近理解 AI 模型的内部机制，但距离真正的“意识”还很遥远。与此同时，世界模型作为下一代 AI 的关键技术，正在机器人、自动驾驶等领域孕育变革。关注 MIT 科技评论的后续报道，获取深度分析。
有一台可能改变世界的机器，它将安置在一个兼具数据中心与冰淇淋工厂外观的房间里。内部约有 100 个不锈钢机柜，每个高约 1.8 米，连接着液氦供应系统，温度仅比绝对零度高几度。机柜内包含数百个芯片，其上数千个光子穿过由光学开关和分束器组成的迷宫——每个光子的最终位置都必须被精确测量，因为这将帮助解答当前计算机可能需要数百万年才能解决的问题。 这台计算机目前还不存在，它是 **PsiQuantum** 的构想。这家公司由四位英国大学物理学家于 2016 年创立，在众多资金雄厚、愿景同样宏大的竞争对手中，它立志成为第一个兑现承诺的企业。自 1981 年物理学家理查德·费曼首次构想量子计算机以来，这类设备一直承诺通过利用量子粒子的特性加速从医学研究到人工智能的一切。与传统计算机比特只能为 0 或 1 不同，量子比特可以同时处于多种状态，将足够多的量子比特组合在一起，就能制造出远超当今传统机器能力的计算机。 然而，即便是目前最好的量子原型机也规模过小且错误率过高，无法完成任何实用任务。这使得 PsiQuantum 对其计算机最终能力的承诺显得尤为大胆。以预测细胞色素 P450 酶（常在体内分解药物）的效果为例：如果制药公司能更精确地了解药物对特定分子的作用，就能更快设计出更有效的药物。PsiQuantum 量子应用副总裁 Philipp Ernst 表示，用现有方法估算一种药物可能需要 **10 年以上**，而他们的目标是 **缩短到 4 分钟**。 在这个充满类似声明的领域，PsiQuantum 之所以吸引到不寻常的投资和关注，有两个原因：它是少数几家直接瞄准建造大型实用机器的公司之一，并且它已经与一家主要芯片制造商合作，利用现有半导体晶圆厂来构建其系统。其愿景已获得强劲势头：去年，PsiQuantum 融资 **10 亿美元**，并在芝加哥破土动工建设部分生产设施。
Anthropic，这家估值近万亿美元的 AI 巨头，再次以一项奇特的研究引发关注。该公司近期宣布，通过一种新技术，他们窥见了 AI 模型在大语言模型（LLM）内部的“思维过程”——一个被称为“J-space”的隐藏空间，其中充满了未出现在输出中却影响推理的词汇。这听起来像是对 AI 意识的突破性探索，但真相远比标题复杂。 ## 发现什么？ Anthropic 的研究聚焦于**机械可解释性**（mechanistic interpretability），即通过解析模型内部的复杂数学运算，理解其为何产生特定输出。与 OpenAI 或 Google 不同，Anthropic 将大量资源投入这一领域，CEO Dario Amodei 曾表示，只有深入了解 LLM 的工作原理，才能真正控制它们。 最新成果是发现了 LLM 内部存在一个“J 空间”——一个由隐含词汇构成的维度。这些词汇不会出现在最终回复中，但会像“思维路标”一样引导模型推理。例如，当模型回答关于生物学的问题时，“蛋白质”这样的概念可能在内部被激活，但最终输出中并未明确提及。Anthropic 通过一种新型探测技术，在自家的 Claude 模型中揭示了这一现象。 ## 意义与争议 这一发现确实为理解 LLM 提供了新窗口。它表明模型并非简单地从输入到输出直接映射，而是存在一个**中间表征层**，其中词汇以抽象形式参与计算。这有助于解释为什么 LLM 能进行多步推理，以及如何处理模糊问题。 但资深编辑 Will Douglas Heaven 提醒，**用心理学或神经科学术语描述 AI 模型可能造成误导**。将内部激活称为“思维”或“想法”，容易让人误以为模型具有意识或主观体验，而实际上这些只是数学模式。Anthropic 的研究虽展示了更精细的内部结构，但并未证明 AI 能“感觉”或“思考”，只是揭示了更高维度的统计关联。 ## 行业背景 在 AI 安全日益受关注的当下，可解释性研究至关重要。Anthropic 的这一工作与其他团队（如 OpenAI 的稀疏自编码器）形成互补，共同推进对“黑箱”的拆解。然而，**从发现到真正控制仍路途遥远**——模型内部的参数数以亿计，J 空间只是冰山一角。 ## 小结 Anthropic 的新研究是机械可解释性领域的重要一步，它让我们看到 LLM 内部更丰富的结构。但我们需要保持清醒：这些发现揭示的是计算机制，而非意识萌芽。AI 的“内心世界”仍然神秘，而科学家们才刚刚开始绘制地图。
## 精子捐赠：欧洲生育组织呼吁设定国际上限 **Ties van der Meer** 不知道他有多少兄弟姐妹。这位47岁的男性通过私人生育诊所使用匿名捐赠者的精子受孕出生。他最终找到了一个同父异母的兄弟姐妹，但可能还有更多他永远无法找到的。其他通过捐赠受孕的人发现他们可能有数十甚至数百个这样的亲属。“这确实让你感觉有点像是批量生产的，”一位发现自己有25个同父异母兄弟姐妹的人说。 作为回应，一个欧洲生育组织表示，我们需要对单个捐赠者可以贡献的孩子数量设定国际限制。该提案旨在减少因匿名捐赠导致的亲属数量失控问题，但实施起来面临跨国协调的挑战。 ## AI世界模型：让机器理解物理世界 大型语言模型（LLM）已经改变了AI处理语言的能力，但帮助机器理解和操作物理空间则是一个不同的挑战。为此，研究人员正在开发一种新的人工智能形式：**世界模型**。 明天，**MIT Technology Review** 将举办一场LinkedIn Live活动，探讨这项技术如何塑造机器人技术的未来，并开辟AI的下一个主要前沿。届时，AI高级编辑 **Will Douglas Heaven** 将与1X Technologies的创始AI研究员兼世界模型负责人 **Sam Sinha** 进行对话。 ## 今日必读 - **苹果起诉OpenAI**：指控OpenAI窃取商业机密，用于开发自己的消费硬件。诉讼称OpenAI挖角苹果员工以获取信息，并在面试中要求苹果员工透露商业机密。苹果还起诉了两名前员工。 - **诺贝尔奖得主离开美国**：化学家 **Omar Yaghi** 将前往中国领导一个利用AI发现新材料的实验室。他曾因创造“分子海绵”获得诺贝尔化学奖，其离开正值中国试图吸引美国科学家之际。
## Claude 的“隐藏空间”与 OpenAI 的“超级应用”同日登场 今天的科技资讯中，**Anthropic** 与 **OpenAI** 两大 AI 巨头分别带来了重磅消息：前者首次揭开了大语言模型内部运作的神秘面纱，后者则正式推出了其酝酿已久的“超级应用”。 ### Anthropic：窥见 Claude 的“内心世界” Anthropic 的研究团队开发了一种名为 **Jacobian lens（J-lens）** 的工具，并利用它在其旗舰模型 **Claude** 内部发现了一个隐藏区域——**J-space**。这个空间包含了模型在生成最终答案前可能考虑过的相关词汇。如果用人来类比（尽管 Claude 并非人类），可以说这些隐藏的词汇揭示了它在“开口说话”之前的“想法”。 这一发现是理解大语言模型内部工作机制的重要一步。它展示了模型在形成最终输出时，背后存在一个复杂的、多候选的推理过程，而不仅仅是从输入到输出的简单映射。研究成果涵盖了从寻常到令人不安的多种现象，为 AI 安全与可解释性研究提供了新的视角。 ### OpenAI：ChatGPT 变身“超级应用” 同日，OpenAI 正式推出了其长期规划的 **ChatGPT 工作版**，旨在将聊天机器人、代码工具和新模型整合为一体，打造一个能“替你工作”的 AI 平台。该产品被外界视为 OpenAI 的“超级应用”战略落地，它不仅能与你协作，更能主动完成任务。 值得一提的是，该应用与 OpenAI 的 **GPT-5.6** 系列模型同日发布，显示出 OpenAI 正加速整合其技术栈。此外，OpenAI 还在开发一款 **全自动研究员**，进一步拓展 AI 在知识工作领域的边界。 ### 行业动向：从芯片到手术，AI 渗透加速 除了这两大新闻，今日科技领域还涌现了多项重要进展： - **SK 海力士** 完成了外国公司在美最大规模上市，募资 **265 亿美元**，凸显 AI 数据中心需求的爆发式增长。 - **人形机器人** 首次成功对活体动物进行远程手术操作（摘除猪的胆囊），标志着医疗机器人技术迈出关键一步。 - **腾讯** 正牵头谈判，计划收购 Meta 此前被迫放弃的 **Manus** 中国业务，交易金额或达 **20 亿美元**。 - 科研领域传来突破：**死亡 10 小时后的人类视网膜** 经复苏后对光产生反应，为眼移植与视力恢复带来了希望。 ### 小结 今日资讯的核心在于 **AI 从“黑箱”走向透明** 与 **AI 从工具走向平台** 的双重趋势。Anthropic 的内部机制探索为安全可控的 AI 奠定了基础，而 OpenAI 的“超级应用”则预示着 AI 将更深度地嵌入日常工作与生活。与此同时，芯片、机器人、医疗等领域的进展表明，AI 的产业影响力正在全方位扩散。
一位47岁的荷兰男子Ties van der Meer至今不知道自己有多少同父异母的兄弟姐妹。他由匿名捐精者通过私人诊所孕育出生。2004年荷兰禁止匿名捐赠后，诊所医生销毁了可能识别捐精者的记录。van der Meer形容这种情况“很成问题”，认为孩子有权知晓自己的生物学父母。尽管他最终找到了一位兄弟姐妹，并借此确认了父亲和其他遗传亲属，但他可能还有永远无法找到的兄弟姐妹。 其他通过捐精出生的人在寻找兄弟姐妹时，发现数量可达数十甚至数百。一位在七年内找到25位半兄弟姐妹的女性告诉《卫报》：“这确实让你有种被批量生产的感觉。” 昨日，一个欧洲生育组织在伦敦会议上提出，需要为单个捐精者能贡献的孩子数量设立国际上限，并计划先从欧洲范围内推行。目前，包括英国在内的许多国家已禁止匿名卵子和精子捐赠。然而，即便在法律允许匿名捐赠的地区，匿名也无法得到保证。Ancestry、23andMe等公司的基因检测服务以及基因注册库，使捐精出生者更容易找到共享基因的父母和兄弟姐妹。 由于精子可冷冻保存多年后才被使用，当前体系可能导致捐精出生者仅在遗传父母去世后才得知其身份，还可能发现年龄差异巨大、分布全球的兄弟姐妹。有些人甚至发现数百名兄弟姐妹。例如，荷兰人Jonathan Meijer自2007年开始捐精，其精子用于孕育了550至600名孩子。van der Meer担任主席的基金会Stichting Donorkind将其告上法庭，2023年法院裁定他停止捐精。 这类故事对捐精出生者而言令人痛苦。限制捐精者后代数量的重要性还体现在其他方面：高产捐精者的后代可能无意中形成浪漫或性关系；此外，有人担忧携带有害基因突变的捐精者可能将缺陷遗传给大量后代。
Anthropic 开发了一种名为“雅可比透镜”（Jacobian lens，简称 J-lens）的新技术，首次让研究者得以窥见大型语言模型（LLM）在回答问题或执行任务时内部的真实活动。他们发现的内容从平凡到令人不安不等。该工具被用于探测 Anthropic 旗舰模型 Claude Opus 4.6（2 月发布）的内部，发现了一个名为“J-space”的隐藏区域。该区域包含与模型即将输出的词和短语相关的单个词。如果 Claude 是人（它当然不是），你可以说这些隐藏词揭示了它在说话前的“想法”。Anthropic 发现，LLM 的实际运作常常与其口头表述不同。公司声称，监控 J-space 中出现的词为其提供了一种理解和控制模型的新方式。相关结果已发布在公司网站上的论文中，并与开源平台 Neuronpedia 合作推出了可交互的演示。Goodfire 首席科学家 Tom McGrath 评价称这是“非常出色且有趣的工作”。 该技术建立在 Anthropic 在机械可解释性领域的先前工作之上，揭示了研究者此前未曾见过的更深层内部结构。可以将 LLM 想象成一摞书：每本书是一层由基本计算单元（神经元）构成的网络，每一层的神经元将信息传递给上一层。底部的书是输入层，处理传入的文本；顶部的书是输出层，准备模型即将生成的文本。中间层则负责繁重的计算工作，将提示转化为回答。J-lens 通过数学变换将中间层的活动投射到 J-space，从而暴露出隐藏的词汇表示。 这一发现的意义在于，它提供了一种直接监控模型“思考”过程的方法，而不必依赖模型最终输出的文本。例如，当模型被问及一个需要推理的问题时，J-space 中可能会先出现与推理步骤相关的词，然后模型才输出最终答案。Anthropic 认为，这种透明度有助于检测模型是否在“说谎”或表现出不良行为，从而提升 AI 安全性和可控性。不过，目前该技术仍处于研究阶段，尚未在商业产品中全面应用。
## 美国核能里程碑：四座微反应堆实现临界 7月4日不仅是美国独立日，也成为了核能领域的重要节点。去年特朗普政府设定的目标——在建国250周年之际让三座新微反应堆达到**临界状态**——不仅如期实现，甚至超额完成：共有四座反应堆成功达到这一技术里程碑。临界意味着反应堆能够维持链式反应，是核能技术的关键一步。在当前电力需求激增、清洁能源转型迫切的背景下，这无疑是积极信号。不过，达到临界并不等于可以并网发电，这些反应堆距离实际供电仍有距离。这一进展为美国核能未来注入了强心剂，但接下来的商业化之路仍需观察。 ## 中国AI企业获准购买英伟达H200芯片 在国际芯片管制背景下，中国科技巨头迎来转机。据报道，**阿里巴巴、字节跳动和DeepSeek**等顶级AI公司有望获得政府许可，采购英伟达的**H200芯片**。此前，尽管美国已授权部分出口，但中国方面一直未予批准。这一动向表明，中国在平衡AI发展需求与国家安全考量之间可能正在调整策略。H200作为高性能AI芯片，对中国大模型训练至关重要，此次放行或将加速国内AI产业迭代。 ## 其他科技要闻速览 - **北约构建反俄攻击网络**：利用传感器、无人机、卫星和AI技术，打造实时监测与防御体系，以应对俄罗斯的网络威胁。 - **太阳“调暗”对抗厄尔尼诺**：研究人员提出通过反射太阳辐射来冷却海洋，降低厄尔尼诺风险，但地球工程可能带来意外后果，领域正面临现实检验。 - **Meta专利AI情绪分析设备**：该设备可记录用户状态并分析情绪，据称用于定制健身计划，但引发隐私担忧——AI记忆正成为隐私新战场。 - **芯片堆叠突破摩尔定律**：随着传统制程微缩放缓，芯片厂商转向垂直堆叠晶体管，IBM等公司正押注这一技术路线。 - **常春藤盟校动态**：相关教育科技新闻持续更新中。 ## 小结 今天的科技新闻勾勒出多重图景：核能复兴曙光初现，AI芯片博弈出现松动，军事与气候技术加速演进，而隐私与伦理议题始终如影随形。每一项进展都牵动未来走向，值得持续关注。
美国核能领域在2026年7月4日迎来一个象征性节点：四座微型反应堆成功实现零功率临界，达成了特朗普政府设定的“250周年目标”。这一进展标志着新一代核技术从概念走向现实的速度远超预期，但距离真正并网发电仍有漫漫长路。 ## 从目标到现实：四座反应堆的“极限冲刺” 去年，特朗普政府提出一项雄心勃勃的计划：在美国建国250周年（2026年7月4日）之前，让至少三座新型微型反应堆达到临界状态——即反应堆能够维持自持链式裂变反应的技术里程碑。结果，不仅目标达成，甚至超额完成：**Antares Nuclear**、**Valar Atomics**、**Deployable Energy** 和 **Aalo Atomics** 四家公司均在截止日期前后宣布实现临界。其中，Aalo 更是在7月4日凌晨才堪堪达标，堪称“踩线”典范。 这些公司的速度令人瞩目。要知道，传统核电站项目往往以数年甚至数十年为周期，且频繁超支延期。而这几家初创企业成立时间极短——Valar、Antares 和 Aalo 均成立于2023年，Deployable 甚至是在2025年才起步。它们借助美国能源部（DOE）的“反应堆试点计划”，获得了国家实验室的技术支持和试验用地审批快车道，从而大幅缩短了开发周期。 ## 临界≠发电：零功率测试的真实意义 然而，必须冷静看待这一里程碑。所有四座反应堆实现的只是“零功率临界”（zero-power criticality），即验证核燃料能够启动并维持链式反应，但**反应堆并未产生任何有实际意义的电力输出**。正如前美国能源部核能助理部长 Kathryn Huff 所指出的：“零功率临界测试可以在没有实质性燃料或设计工程进展的情况下完成。” 换言之，这更像是一场物理验证实验——确认反应堆设计在基础核物理层面可行，而非工程上可部署的发电装置。从零功率临界到真正并网发电，中间还需要攻克燃料耐久性测试、热量导出系统验证、安全壳完整性试验、监管审批等一系列难关，通常需要数年时间。 ## 微型反应堆的“破局”潜力 尽管距离商业化尚远，此次集中突破仍具有行业信号意义。目前美国电网主力是大型轻水反应堆（单机容量数百兆瓦至吉瓦级），而此次试点的四座反应堆均为**微堆**（microreactors），功率通常在1-20兆瓦之间，体积仅为传统反应堆的几十分之一。 微堆的核心优势在于： - **模块化与可运输性**：工厂预制、现场组装，适合偏远矿区、军事基地或灾后应急供电。 - **被动安全设计**：依靠自然循环等物理原理实现安全停堆，无需复杂主动安全系统。 - **快速部署**：建设周期可缩短至2-3年，远低于传统核电站的7-10年。 在数据中心算力爆发、制造业电气化加速的背景下，微堆被视为填补可再生能源间歇性、替代柴油发电机的有力选项。此次四家公司集中突破临界，至少证明了“小快灵”的核能路线在技术起步阶段是可行的。 ## 行业展望：从实验室到电网的“最后一公里” 下一步，这些反应堆将进入更高功率的测试阶段。DOE 的试点计划为它们提供了持续的试验场地和监管沙盒，但真正的挑战在于： 1. **燃料供应链**：高纯度低浓缩铀（HALEU）目前产能严重不足。 2. **监管审批**：美国核管会（NRC）尚未完成任何微堆设计的认证。 3. **经济性验证**：微堆的度电成本能否低于燃气轮机或电池储能，仍是未知数。 总体而言，2026年的“四重临界”为美国核能复兴写下了充满想象力的开篇，但要让这些微堆真正点亮灯泡，行业仍需耐心等待下一个“独立日”。
MIT Technology Review 的 EmTech AI 2026 大会聚焦于 AI 平台的崛起，探讨了大型语言模型的新突破、脑机接口的进展、AI 对就业市场的影响以及编程工具的未来。 ## 大型语言模型的突破与争议 一家初创公司声称突破了制约 LLM 的瓶颈，发布了新模型，但专家仍持怀疑态度。这反映了 AI 领域创新与质疑并存的常态。 ## 脑机接口的全球竞赛 中国批准了全球首个侵入式脑机芯片，目标是成为脑植入领域的全球领导者。政府的大力支持将加速这一进程。 ## AI 就业影响的现实检验 关于 AI 对劳动力市场的影响，数据揭示了与普遍恐慌不同的图景。专家呼吁基于事实的理性讨论。 ## 编程的未来：Claude Code 的启示 Anthropic 的 Code with Claude 展示了编程的未来——开发者越来越愿意将编码任务交给 AI。软件开发方式已永久改变。 EmTech AI 2026 清晰地表明，AI 平台正在从技术概念走向全面落地，深刻影响各行各业。
## 蠕虫（和微生物）正成为解决粪污污染的流行方案 安东尼·阿圭达是加州第三代奶牛场主。他用耙子翻开一床深色潮湿的木屑，露出半打扭动的红蚯蚓。表面之下，可能还有数十万条在蠕动。这些蠕虫和微生物构成了一个“**蚯蚓过滤**”系统，用于净化粪污废水。这种方法有望大幅减少甲烷、一氧化二氮和水污染。随着畜牧业面临越来越大的压力，要求解决这一行业最臭环节的环境危害，蚯蚓过滤只是农民、企业和科学家采用的多种方法之一。探索这条不起眼的蚯蚓如何重塑可持续农业的未来。——詹姆斯·坦普尔 ## 地球工程迎来现实检验 太阳地球工程——即有意干预气候系统以抵消全球变暖的有争议想法——正从计算机模拟走向实现它所需的实际工程挑战。研究人员现在正在研究用于太阳地球工程的飞机、材料和其他系统。但随着他们深入这些细节，他们发现即使是早期部署也需要大量的新基础设施、时间和投资。——詹姆斯·坦普尔 ## 必读文章精选 我浏览了互联网，为您找到今天关于技术的最有趣/重要/可怕/迷人的故事。 1. **特朗普政府解除了对 OpenAI GPT-5 的限制**。此次放行是在额外测试和会议之后进行的。(Axios) + OpenAI 随后表示将于明天广泛发布。(Bloomberg $) + 该发布曾因安全问题而延迟。(The Verge) + AI 是否知道太多？(MIT Technology Review) 2. **中国正考虑限制海外访问其顶级 AI 模型**。阿里巴巴、字节跳动和智谱参加了相关会议。(Reuters $) + 北京也在权衡开源权重 AI 的安全风险。(SCMP)
## 你的家族在OpenAI中拥有的300美元股份 Sam Altman曾提议让美国人分享AI创造的财富，如今这一提议再次成为焦点。据报道，Altman正在讨论向美国政府转让OpenAI **5%** 的股份。按公司当前估值计算，这部分股份相当于每个美国家庭约 **320美元**。该提案旨在解决AI公司无偿利用人类劳动成果的问题，同时为可能因AI导致的劳动力市场崩溃提供安全网。然而，细节仍不明确。事实上，这一提议作为政治叙事可能比作为政策计划更有力。 ## 美国财政部的AI警告 一份泄露的美国财政部报告将AI市场与 **互联网泡沫** 相提并论，这与政府对AI的公开乐观态度形成对比。报告警告市场可能过度膨胀，而AI利润正掩盖财报中的更大风险。 ## 其他要闻 - **三星利润飙升**：得益于AI芯片销售，三星利润暴涨 **1800%**，连续第三个季度创纪录。但股价因AI热潮可能放缓的担忧而下跌。 - **网络安全局使用Mythos**：美国网络安全与基础设施安全局（CISA）正在使用Anthropic的模型Mythos审计政府代码，寻找漏洞。 - **伊利诺伊州签署AI法案**：州长签署了全美最严格的前沿AI法律，旨在保护公民免受AI风险。 - **Claude Code隐藏追踪器**：一个隐藏追踪器在Claude Code中被发现并移除，该追踪器曾秘密监控中国用户，引发隐私担忧。
随着AI能力快速提升和智能体系统兴起，企业正在不断拓展AI应用场景。然而，持续的技术演进也带来了风险——IT领导者往往难以判断哪些投资在六个月后仍能创造价值。回归AI架构的底层逻辑，即构建可规模化部署、管理可靠且集成化AI系统的结构性框架，能帮助技术领导者做出明智的当下决策，同时为未来的AI智能体（能够检索信息、决策并跨系统执行复杂工作流）奠定基础。 ## 可倚仗的四大AI架构要素 无论底层技术如何演变，以下四大能力为生产级部署提供了稳定指南。 ### 1. 为规模化AI准备数据 模型的可靠性取决于其所能访问的数据质量。数据质量差会导致AI产生幻觉、偏见和不可靠的输出。多数企业受困于遗留系统、不一致的数据结构、碎片化的所有权和不完整的数据集，使得AI难以有效扩展。AI本身无法解决这些底层数据问题。正如Elastic CIO Adnan Adil所言：“数据是AI架构的持久组成部分，因为没有它，模型就无法运行，无法提供正确的上下文，也无法达到我们期望的服务水平。”行业调查一致将数据质量列为AI成功最大的障碍之一。Adil指出：“数据质量必须良好，否则用户会失去对系统的信心。”有效的AI策略始于跨组织连接数据，并确保数据实时地组织、准确、受治理且可访问。这些考量最好在模型和架构设计之初就融入其中。可扩展的数据架构使AI系统能够随业务同步演进，并可靠地连接交付有意义价值所需的内部信息。Gartner预测，到2026年，若缺乏AI就绪数据支持，企业将放弃60%的AI项目。避免这一结局的关键包括：明确的数据标准和所有权、干净且标记过的数据，以及支持实时检索的数据管道。 ### 2. 利用上下文工程为每次AI查询提供精准数据 上下文工程确保AI模型接收到与其任务高度相关的信息，从而减少幻觉并提高输出准确性。这涉及构建检索增强生成（RAG）系统、设计有效的提示模板，以及建立数据与模型之间的语义映射。通过精心设计上下文工程，企业可以显著提升AI在特定业务场景中的表现，例如客户服务、合规审查或知识管理。 ### 3. 构建安全且可治理的AI管道 随着AI系统深入核心业务流程，安全性与治理成为不可忽视的要素。企业需要建立模型访问控制、数据加密、审计日志和合规检查机制。同时，AI管道应支持可解释性，让利益相关者理解模型决策的依据。这不仅是技术需求，更是赢得用户信任和满足监管要求的必要条件。 ### 4. 设计可观测性与持续优化机制 AI系统在生产环境中运行时，必须能够监控其性能、检测漂移、识别异常并触发重训练。可观测性工具可以提供模型延迟、准确率、资源消耗等关键指标，帮助IT团队快速响应问题。持续优化则依赖于反馈循环——将用户交互结果和业务成果反馈至模型迭代中，形成闭环改进。 ## 小结 AI架构的四大要素——数据准备、上下文工程、安全治理与可观测性——构成了一组稳定的“北极星”，指引IT领导者在快速变化的技术浪潮中做出可持续的投资决策。无论未来AI模型如何演进，这些基础能力将始终是规模化AI成功的关键。
美国加州乳业面临日益严格的环保法规，粪便污染成为亟待解决的难题。一家名为 **BioFiltro** 的智利公司带来了创新方案——**蚯蚓过滤（vermifiltration）**，利用蚯蚓和微生物处理奶牛粪便，大幅减少甲烷、氧化亚氮及水污染。第三代奶农 Anthony Agueda 的家族农场率先采用该技术，在占地相当于六个足球场的木屑与碎石生物滤床中，培育了数十万条红蚯蚓。这些蠕虫与微生物共同分解粪便有机物，将污染转化为肥料和水。Agueda 表示，相比其他高科技方案，蚯蚓过滤简单且成本较低，让农场成为环保解决方案的一部分。目前美国已有8座此类系统运行，另有16座在建或规划中，几乎全部位于加州。研究人员指出，仍需更多长期实地研究以评估不同方法的有效性及权衡。加州已投入超过十亿美元推动此类技术，乳业正从污染制造者转向绿色转型的参与者。 ### 从污染到解决方案 作为美国最大产奶州，加州乳业面临巨大环境压力。传统粪便管理方式——露天 lagoon 储存、土地施用——会释放大量温室气体并污染水源。蚯蚓过滤系统通过模拟自然湿地过程，让粪便流经蚯蚓和微生物活跃的滤床，有机物被快速分解，温室气体排放显著降低。Agueda 的农场每天处理数百头荷斯坦牛的粪便，系统运行稳定，成本可控。 ### 技术优势与挑战 蚯蚓过滤的主要优势在于 **低能耗、低维护**，无需大型厌氧消化器或复杂设备。然而，其长期效果、对不同气候条件的适应性仍需验证。研究人员强调，不同农场规模、地理位置和管理方式可能导致效果差异，需要更多实地数据。此外，BioFiltro 的专利技术虽已推广，但整体行业仍处于早期探索阶段。 ### 行业前景 随着加州环保法规持续收紧，类似蚯蚓过滤的 **生物处理方案** 正获得更多关注。政府补贴和科研投入加速了技术落地，但乳业仍需平衡成本、效率和可持续性。Agueda 表示，创新让奶农看到了希望：“我们正在成为解决方案的一部分。”
OpenAI CEO 山姆·奥特曼（Sam Altman）关于让美国人分享AI创造财富的承诺，上周再次成为焦点。据《金融时报》报道，奥特曼正与特朗普总统讨论向美国政府转让 OpenAI 5% 股份的计划。这一构想并非全新——奥特曼早在2021年就提出过更激进的版本，今年4月OpenAI也曾披露类似方案。其逻辑在于：AI从人类创作中学习，却未支付报酬，股权可作为补偿；同时，分红能缓解AI导致失业的焦虑。若将5%股份（当前估值约426亿美元）平分给全美1.33亿家庭，每户约得320美元。但更可能的方式是成立财富基金，仅分享收益。对科技公司而言，此举有助于改善公众对AI的观感，但具体实施细节仍待明朗。