大模型虽然能力惊人，但其内部运作机制长期以来如同“黑箱”，开发者往往只能通过调整输入数据或超参数来间接影响模型行为，过程充满试错。如今，旧金山初创公司 **Goodfire** 推出了一款名为 **Silico** 的新工具，旨在改变这一现状。该工具允许研究人员和工程师在训练过程中直接“窥视”AI模型内部，并调整其参数——这些参数决定了模型的行为。Goodfire声称，Silico是首个能够帮助开发者在从构建数据集到训练模型的整个开发流程中进行调试的现成工具。 ### 从“炼金术”到“精密工程” Goodfire的CEO **Eric Ho** 在接受《麻省理工科技评论》独家专访时表示：“我们看到模型被理解的程度与其被广泛部署的程度之间存在日益扩大的差距。目前主流前沿实验室的主导思想是：只要扩大规模、增加算力和数据，就能实现通用人工智能，其他都不重要。但我们认为，还有更好的方法。” Goodfire的目标是让构建AI模型更像一门科学，而非炼金术。 Goodfire是少数几家致力于 **机械可解释性** 技术的公司之一，该领域的其他领军者还包括Anthropic、OpenAI和Google DeepMind。机械可解释性旨在通过绘制模型内部的神经元及其连接路径，来理解模型在执行任务时的内部运作。值得一提的是，《麻省理工科技评论》将机械可解释性评选为 **2026年十大突破性技术** 之一。 ### Silico：将内部技术产品化 Goodfire此前已利用其技术成功调整了LLM的行为，例如 **减少模型产生幻觉的次数**。现在，他们将这些内部技术打包成产品Silico，向更广泛的开发者开放。Silico利用 **智能体** 来自动化大部分复杂的可解释性工作。Ho解释道：“智能体现在已经足够强大，可以执行我们之前手动完成的许多可解释性任务。” ### 行业意义与挑战 长期以来，AI模型的开发高度依赖经验和直觉，尤其是在处理数十亿参数的模型时，定位并修复特定问题（如偏见、事实错误或安全漏洞）非常困难。Silico这类工具的出现，有望将模型开发从“黑盒”调试转向更可控的“白盒”优化，让开发者能够精确地找到问题神经元或回路，并进行针对性调整。这不仅能提高开发效率，也可能为AI安全领域带来重要突破——通过直接干预模型内部机制来防止有害输出。 然而，机械可解释性仍处于早期阶段。对于超大规模模型，完全映射其神经元连接的计算成本极高。Goodfire的Silico能否在实用性和可扩展性上取得突破，将是其成功的关键。但无论如何，它代表了一种重要的趋势：我们不再满足于仅仅“使用”AI，而是开始追求“理解”和“控制”AI。
## 探索北极的过去：冰层消失的启示 过去，抵达北极需要穿越数米厚的冰层，艰险重重。但去年，一艘研究船却遇到了开阔的水域和薄冰，轻松通过。这提醒我们北极正在快速变化。如今，科学家正在海床深处挖掘，试图找出北冰洋是否曾经无冰——以及这对地球最北端水域的未来意味着什么。了解更多发现，请阅读《MIT科技评论》最新一期关于自然的专题报道。 ## 人形机器人数据：AI领域的10件要事 我最近受邀加入一个应用，它付费让我录制自己执行任务（如将食物放入碗中并用微波炉加热）的视频。另一个网站则问我是否愿意远程控制机械臂以帮助提高其灵活性。这究竟是怎么回事？这些例子只是机器人公司日益增长的努力的一部分——它们收集我们的运动数据来训练人形机器人。随着真实世界数据竞赛的升温，我们的日常动作正被转化为训练数据。阅读完整报道。 人形机器人数据是“当前AI领域10件要事”之一，该系列聚焦AI世界中真正值得关注的大创意、趋势和技术。 ## 必读精选 我翻阅了互联网，为你找到今天最有趣/重要/可怕/引人入胜的科技故事。 - **谷歌、微软、亚马逊和Meta均创下AI支出纪录**：与去年同期相比，它们的总支出增长了71%。微软、谷歌和亚马逊报告了巨额支出的丰厚回报，但Meta的股价因计划令投资者不安而下跌。AI泡沫到底是什么？ - **白宫反对Anthropic扩大Mythos访问的计划**：担心该模型的网络风险，以及政府将失去计算访问权限。Anthropic正以超过9000亿美元的估值寻求融资。 - **埃隆·马斯克声称OpenAI领导人“掠夺了非营利组织”**：在证词中，马斯克表示他“是个傻瓜”才信任他们。但他也承认自己共同创立了该公司。
## 核废料处置：一个亟待解决的旧问题 今天，核能罕见地获得了跨政治光谱的支持。公众认可度飙升，大型科技公司也在投入巨资以满足日益增长的电力需求。然而，这种新兴趣恰恰凸显了一个老问题：**核废料**。在美国，核反应堆每年产生约 **2000 公吨** 的高放射性废料，却无处可放。现在，寻找永久储存方案的需求变得紧迫。 ## AI代理协作：白领工作的新变革 当人们谈论AI将改变行业时，他们心中所想（无论是否意识到）其实是 **AI代理**。ChatGPT展示了AI能对话，但要改变世界，它需要能“做事”。真正的力量来自代理团队协作，通过协调多个角色来处理复杂任务。像 **Codex** 和 **Claude Cowork** 这样的应用已初露端倪，它们带来了多代理通用生产力工具。理论上，AI代理网络对白领知识工作的影响，将类似于流水线对制造业的改变。然而，随着代理进入真实世界系统，风险也在增加。 ## 镜像生命：潜在威胁的警示 2019年2月，一群科学家向美国国家科学基金会提出一个高风险、前沿且诱人的想法：制造“镜像”细菌。这些实验室创造的微生物将像普通细菌一样组织，但其蛋白质和糖类分子是自然界中的镜像。研究人员认为，这能揭示构建细胞、设计药物乃至生命起源的新见解。但现在，其中许多人改变了立场。他们确信，镜像生物可能引发一场灾难性事件，威胁地球上所有生命。 ## 小结 从核废料到AI代理，再到镜像生命，这些议题反映了技术发展的双刃剑特性。我们需要在推动创新的同时，审慎评估并管理其潜在风险。
核能正迎来美国政治光谱上罕见的跨党派支持，科技公司为满足巨型数据中心激增的电力需求而争相投资，使核能产业重获资金与关注。然而，这股热潮恰恰凸显了一个老问题：核废料。美国核反应堆每年产生约2000吨高放射性废物，却无长期储存方案。目前，乏燃料主要暂存于反应堆现场的水池或钢制混凝土容器中，虽安全但非永久。全球公认的长期方案是深地质处置库，但尚无运营中的此类设施。芬兰进度最快，2026年测试中，预计今年底前获批运营。法国计划建设处置库，初步批准或于2030年代前完成。美国虽指定内华达州尤卡山为最终处置场，但因政治阻力停滞。核能复兴之际，解决废料问题已刻不容缓。
本周，一场可能重塑AI行业格局的法律大战即将打响。马斯克与OpenAI CEO萨姆·奥特曼将对簿公堂，案件的核心是OpenAI的未来走向。马斯克作为OpenAI的联合创始人，指控奥特曼等人以虚假承诺诱骗他出资，如今要求**1340亿美元**的赔偿，并寻求罢免奥特曼和总裁格雷格·布罗克曼，同时将公司恢复为非营利组织。这场诉讼恰逢OpenAI筹备IPO之际，法院的裁决可能决定其能否以营利性企业身份存在，甚至可能直接更替管理层。案件的影响远超两家公司——它将为AI行业的治理模式、盈利路径与创始责任划定边界。 ## 从“收集内裤”到盈利迷局 AI行业正面临一个经典的“内裤精灵”困境：技术有了（第一步），盈利承诺也喊了（第三步），但中间的路径却一片模糊。正如《南方公园》中那群偷内裤的小精灵，科技公司们大张旗鼓地收集数据、训练模型，却对如何将技术转化为可持续利润语焉不详。目前，AI领域的烧钱速度惊人，而商业化落地仍集中在少数场景。从企业级SaaS到消费者订阅，再到广告植入，各家都在摸索，但尚未出现杀手级应用。**盈利的缺失正在考验投资者的耐心**，也让行业不得不直面从技术狂热到商业理性的必要过渡。 ## 深度伪造武器化：信任危机降临 与此同时，AI的另一面——**深度伪造武器化**——正从警告变为现实。廉价易得的模型如今能生成令人不寒而栗的逼真假内容：从色情图像到政治宣传，它们正在煽动暴力、操纵舆论、腐蚀信任。女性和边缘群体首当其冲。专家担忧，深度伪造正在系统性破坏公众的批判性思维。当眼见不再为实，社会共识的基础将被动摇。 ## 微软与OpenAI：独家合作落幕 在商业层面，OpenAI已终止与微软的独家云服务协议，转而向亚马逊等竞争对手敞开大门。微软虽仍可继续使用OpenAI的技术，但独占权不再。这一变动反映出OpenAI对多元化基础设施的渴望，也暗示其盈利压力下对更广泛合作的需求。然而，据路透社报道，OpenAI正面临增长目标未达预期的困境，盈利之路依然崎岖。 ## 小结 从法庭上的对决到盈利模式的迷茫，再到深度伪造的泛滥，AI行业正站在一个十字路口。技术突破带来的兴奋正在被现实问题稀释：如何盈利？如何治理？如何防范滥用？这些问题的答案，将决定AI是成为推动社会进步的引擎，还是加剧混乱的源头。
经过数年的法律纠纷，埃隆·马斯克与OpenAI CEO萨姆·奥特曼本周将在北加州法院对簿公堂，这一案件可能对整个AI行业产生深远影响。在OpenAI备受瞩目的IPO前夕，法院将裁决该公司是否能够以营利性企业的形式存在，甚至可能罢免包括奥特曼在内的现任高管。 ## 案件核心：非营利承诺的背离 马斯克起诉OpenAI，指控奥特曼和总裁格雷格·布罗克曼在早期欺骗他出资支持公司，承诺维持其非营利性质，致力于开发造福人类的AI技术。然而，公司后来却重组并运营营利性子公司。马斯克于2015年与奥特曼等人共同创立OpenAI，但在2018年因权力斗争退出。 马斯克寻求高达**1340亿美元**的赔偿，对象包括OpenAI及其主要投资者微软。他还要求法院解除奥特曼和布罗克曼的职务，并恢复OpenAI的非营利状态。值得注意的是，马斯克要求将任何赔偿金判给OpenAI的非营利实体，而非他个人。 ## 庭审看点：行业秘密或将曝光 九人陪审团将提供咨询性裁决，该裁决不具约束力，但将指导法官对马斯克针对奥特曼的指控做出判决。马斯克、奥特曼和布罗克曼将出庭作证。前OpenAI首席科学家**伊利亚·苏茨克弗**、前CTO**米拉·穆拉蒂**以及微软CEO**萨提亚·纳德拉**预计也将作证。 在一个充满保密性的行业中，此次庭审将成为公众难得的机会，得以窥见那些开发最具变革性技术的公司背后的内幕。尴尬的短信、原始的日记条目以及围绕OpenAI创立与成长的无穷谋划，预计都将公之于众。 ## 争议背景：从非营利到营利 OpenAI最初作为非营利组织成立，得到马斯克**3800万美元**的捐赠，承诺开发开源技术造福公众，不受财务回报约束。但随着时间的推移，公司开始声称激烈的竞争可能导致共享AI模型开发方式变得危险，且非营利结构无法筹集足够资金继续构建AI。（《麻省理工科技评论》率先报道了OpenAI围绕其使命的内部冲突。） 法院已发现，2017年奥特曼和布罗克曼希望建立营利性部门，而马斯克提议将OpenAI与特斯拉合并。最终，马斯克离开，OpenAI在2019年正式创建了营利性子公司，并从微软获得10亿美元投资。 ## 影响深远：AI治理的里程碑 此案不仅关乎OpenAI的未来，更可能为AI行业的治理树立先例。如果法院判定OpenAI必须恢复非营利状态，将对其商业计划和IPO产生重大冲击。反之，若允许营利化，则可能鼓励其他AI公司效仿。无论结果如何，庭审都将揭示AI巨头在理想与现实之间的艰难平衡。
今年2月，我在伦敦一场反AI游行中捡到一张传单。传单模仿《南方公园》中“内裤小精灵”的经典段子，将AI的现状概括为三步：第一步，造出数字超脑；第二步，？；第三步，？传单末尾呼吁：“暂停AI，直到我们搞清楚第二步到底是什么。” 这则讽刺恰如其分地捕捉了当前AI行业的尴尬：企业造出了强大的技术（第一步），也承诺了颠覆性的变革（第三步），但如何从技术走向价值，中间仍是一片迷雾。反AI组织Pause AI认为，第二步必须包含监管，但具体形式和执行者尚存争议。而AI乐观派则坚信第三步就是救赎，往往对中间环节一笔带过。 OpenAI首席科学家Jakub Pachocki称AI为“经济变革性技术”，但人人都知道目标在哪，却各自选择了不同的路径。每一句关于未来的宏大宣言，都伴随着更冷静的评估。例如，Anthropic的研究预测了哪些职业最受大语言模型影响——管理者、建筑师和媒体从业者需做好准备，而园丁、建筑工人和酒店服务人员受影响较小。但这些预测本质上仍是猜测，基于模型擅长什么任务，而非其在真实工作场景中的表现。另一项2月发布的研究则进一步揭示了现实与承诺之间的差距。 AI行业正站在十字路口：一边是激进的愿景，一边是务实的落地难题。缺失的第二步，或许正是决定AI能否从炒作走向可持续盈利的关键。
人工智能或许正主导董事会议程，但许多企业发现，实现有意义的AI应用的最大障碍在于其数据基础设施。面向消费者的AI工具以速度和易用性惊艳用户，但企业领导者逐渐意识到，大规模部署AI需要更不显眼却更关键的基础：统一、治理良好且适合用途的数据架构。这种AI雄心与企业就绪度之间的鸿沟，正成为数字化转型下一阶段的决定性挑战。 **数据质量决定AI成败** Databricks高级副总裁Bavesh Patel直言：“AI的质量和有效性，实际上取决于组织中的信息。”然而在许多公司，这些信息仍分散在遗留系统、孤立应用和脱节格式中，导致AI系统几乎无法生成可信、上下文丰富的输出。Patel强调：“大多数组织真正的竞争差异化优势，在于它们自己的数据以及能够整合的第三方数据。”企业AI要释放价值，数据必须整合为开放格式、精确治理并跨职能可访问。缺乏这一基础，企业将面临“糟糕的AI”。 **从孤立迈向统一开放架构** 这意味着要超越孤立的SaaS平台和断连的仪表盘，转向统一、开放的数据架构，能够融合结构化与非结构化数据、保留实时上下文并执行严格的访问控制。当基础正确构建后，组织才能迈向可衡量的成果：释放效率、自动化复杂工作流，甚至开辟全新业务线。Infosys技术官Rajan Padmanabhan指出，这种价值聚焦至关重要，尤其是当企业追求驱动业务决策的精确输出时。领先企业不再将AI举措视为孤立的创新项目，而是直接将其与业务指标挂钩，利用治理框架判断哪些能带来成果、哪些应迅速放弃。 **业务用户的AI素养是关键** Patel补充道：“我们看到业务用户的AI素养带来了巨大机遇——他们非常渴望理解应如何思考AI。AI揭开面纱后意味着什么？其构成要素和构建块是什么？”企业需要培养跨部门的数据文化，让业务用户理解AI的能力边界，并参与数据治理与模型优化。 **小结** AI的规模化落地并非算法竞赛，而是数据基础设施的持久战。企业需优先投资于数据整合、治理与开放架构，将AI战略与业务指标深度绑定，并提升全员的AI素养。唯有如此，才能将AI从试点项目转化为真正的竞争护城河。
本周五，中国 AI 公司 DeepSeek 发布了其备受期待的新旗舰模型 **V4 预览版**。这一版本带来了多项关键升级，可能重塑 AI 竞争格局。以下是 V4 的三大看点： ### 1. 超长上下文处理能力 V4 采用全新架构设计，能够更高效地处理大规模文本，支持比前代模型**更长的提示词**。这使得它在处理复杂文档、长对话或大型代码库时更具优势，为需要深度上下文理解的应用场景打开了新可能。 ### 2. 开源性能比肩闭源巨头 尽管 DeepSeek 延续了**开源路线**，V4 的性能却足以与 Anthropic、OpenAI 和 Google 等公司的顶尖闭源模型相抗衡。这种“开源且高性能”的策略，可能进一步推动 AI 民主化，降低企业使用先进 AI 的门槛。 ### 3. 首次适配华为昇腾芯片 V4 是 DeepSeek 首个**针对华为 Ascend 芯片优化**的模型。这不仅是技术适配，更是中国减少对英伟达依赖的关键测试。在中美芯片管制背景下，能否在国产芯片上实现同等性能，将直接影响中国 AI 产业的自主性。 --- 与此同时，**世界模型**正成为 AI 研究的另一热点。与擅长数字世界的 LLM 不同，世界模型旨在理解物理世界的规律，让 AI 能完成叠衣服、导航等现实任务。斯坦福教授李飞飞、AMI Labs 创始人 Yann LeCun 等领军人物认为，世界模型能弥补 LLM 的固有局限，是通往通用机器人的关键。这一方向已被列入 **MIT Technology Review 的“AI 领域 10 大要事”** 榜单。 --- ### 今日必读 - **中国阻止 Meta 收购 AI 初创公司 Manus**：监管机构以国家安全为由，否决了 Meta 价值 20 亿美元的收购案。此举凸显中国对 AI 技术外流的警惕，并可能加剧中美 AI 竞争。 - **Google 向 Anthropic 投资高达 400 亿美元**：这笔交易将 Anthropic 估值推至 3500 亿美元，资金将用于支持其日益增长的算力需求。 DeepSeek V4 的发布与世界模型的崛起，共同指向一个趋势：AI 的竞争正从单纯的模型规模，转向效率、自主硬件适配和物理世界理解的多维度博弈。
上周五，中国人工智能公司 DeepSeek 发布了其备受期待的新旗舰模型 V4 的预览版。与上一代相比，V4 能够处理更长的提示词，这得益于一项帮助模型更高效处理大量文本的新设计。像 DeepSeek 之前的模型一样，V4 也是开源的，任何人都可以下载、使用和修改。 V4 是 DeepSeek 自 2025 年 1 月推出推理模型 R1 以来最重要的发布。R1 在有限的计算资源上训练，凭借其强大的性能和效率震惊了全球 AI 行业，几乎一夜之间将 DeepSeek 从一个鲜为人知的研究团队变成了中国最知名的 AI 公司。它还引发了其他中国 AI 公司发布开源模型的热潮。此后，DeepSeek 一直保持相对低调——但本月早些时候，它为其在线版本增加了“专家”和“快速”模式，暗示着一次更大的发布。 尽管该公司已成为中国 AI 雄心的强大象征，但它的这次回归是在数月的审视之后——包括重大人员离职、之前模型发布的延迟以及中美政府的日益关注。那么，V4 会像 R1 那样震撼 AI 领域吗？几乎不可能，但以下是这次发布重要的三个原因。 ## 1. 为开源模型开辟新天地 与之前的 R1 一样，DeepSeek 声称 V4 的性能可与最好的模型媲美，但成本却低得多。这对开发者和使用该技术的公司来说是个好消息，因为他们可以按自己的方式访问前沿 AI 能力，而无需担心成本飙升。新模型有两个版本，均可通过 DeepSeek 网站和应用程序获得，API 访问也对开发者开放。**V4-Pro** 是一个更大的模型，专为编码和复杂的智能体任务而设计；**V4-Flash** 则是一个更小的版本，旨在更快、更便宜地运行。两个版本都提供推理模式，模型可以仔细解析用户的提示，并在处理问题时逐步展示每个步骤。 对于 V4-Pro，DeepSeek 收费为每百万输入 token **1.74 美元**，每百万输出 token **3.48 美元**，仅为 OpenAI 和 Anthropic 同类模型成本的一小部分。V4-Flash 更便宜，约为每百万 token **0.14 美元**。这种价格差异意味着，即使预算有限的小型团队也能使用顶级 AI 能力，从而降低创新门槛。 ## 2. 长上下文处理能力大幅提升 V4 最显著的技术进步是其处理超长提示的能力。得益于新的架构设计，V4 可以高效处理大量文本，这对于需要分析完整文档、长对话或复杂代码库的任务至关重要。例如，用户可以直接输入整本书或大量代码文件，模型仍能保持连贯的理解和推理。这种能力**将 DeepSeek 推向了长上下文模型的领先行列**，与 Google 的 Gemini 1.5 Pro 等模型竞争。对于需要处理大量信息的企业和研究机构来说，这是一个重要的实用功能。 ## 3. 开源生态的持续推动 DeepSeek 坚持开源策略，V4 的发布将进一步推动开源 AI 生态的发展。与闭源模型不同，开发者可以自由下载 V4 的权重，在自己的硬件上运行，甚至进行微调以适应特定任务。这**促进了透明度和协作**，允许学术界和工业界深入研究模型的行为，并在此基础上构建应用。DeepSeek 的成功也激励了其他中国公司，如阿里云和百川智能，纷纷发布开源模型。V4 的发布可能会加速这一趋势，使开源模型在性能上更接近闭源对手。 尽管 V4 可能不会像 R1 那样引发轰动，但它在成本、上下文长度和开源方面的突破，**对 AI 行业具有深远意义**。它证明了高效、低成本的模型开发是可行的，为更广泛的 AI 应用铺平了道路。
随着ChatGPT在2022年底的发布，生成式AI展现出惊人的文本生成能力，也迅速被网络犯罪分子利用。如今，AI已渗透到从网络钓鱼、深度伪造到自动化漏洞扫描的各个环节，使得攻击更加快速、廉价且易于实施。许多组织正疲于应对激增的网络攻击。 ## AI如何重塑网络犯罪 AI驱动的诈骗已成为当前AI领域最值得关注的十大趋势之一。犯罪分子利用大语言模型（LLM）编写更具说服力的钓鱼邮件，生成难以辨别的深度伪造视频和音频，甚至自动化扫描系统漏洞。这些工具降低了攻击门槛，让非技术背景的罪犯也能发动复杂攻击。 然而，AI也在防御端发挥作用。安全公司正开发AI驱动的检测系统，以实时识别异常行为。但攻防双方的军备竞赛仍在加剧，随着AI能力提升，未来诈骗将更加难以防范。 ## 医疗AI的疗效困境 在医疗领域，AI正被用于辅助记录、分析患者记录、解读影像等。尽管许多研究表明这些工具能提供准确结果，但一个关键问题悬而未决：它们是否真正改善了患者的健康结局？ 目前缺乏足够证据证明AI工具能转化为更好的临床效果。原因包括：临床试验设计困难、评估指标不统一，以及AI在真实场景中的表现可能与实验室有差距。专家呼吁更多关注实际疗效而非技术指标。 ## 行业动态速览 - **DeepSeek发布新一代AI模型V4**：据称是性能最强的开源模型，媲美闭源模型，并适配华为芯片。 - **多国限制儿童使用社交媒体**：挪威计划实施最新禁令，此前已有多个国家采取类似措施。 *本文整合自MIT Technology Review的《The Download》及《The Checkup》通讯。*
医疗AI正全面渗透医院场景：从自动记录医患对话、分析病历数据到解读影像结果，AI工具的数量和部署速度都在激增。然而，密歇根大学计算机科学家Jenna Wiens与多伦多大学Anna Goldenberg在《自然·医学》上发表的观点文章指出，尽管大量研究表明这些AI工具在实验室条件下表现准确，但几乎没有证据证明它们能切实改善患者的健康结局。 以“环境AI”为例——这类工具能自动转录并总结医患对话，极大减轻医生文书负担，早期调查也显示医生对其满意度极高。但Wiens指出，现有评估仅停留在医生体验和效率层面，从未深入追问：AI辅助下的诊断决策是否更正确？患者最终是否更健康？同样，其他用于预测病情走向或推荐治疗方案的AI系统，即便算法精确，也可能因部署方式、临床流程或人机协作问题而无法转化为临床获益。 文章呼吁医疗系统在广泛部署AI前，必须建立严格的临床评估框架，像检验新药一样检验AI工具对患者结局的影响。当前“先部署再验证”的做法，不仅浪费资源，更可能带来安全隐患。在AI医疗热情高涨的今天，这一理性声音提醒我们：技术落地的终点应是患者受益，而非技术本身的光环。
## 当“自然”不再自然：MIT科技评论特辑探讨技术与地球的未来 你想象的“自然”是什么？是未被触碰的荒野，还是纯粹的原生状态？然而，从雨林野生动物体内的微塑料到北冰洋的人造光，人类的影响已触及地球的每一个角落。在这样的背景下，**“自然”本身成了一个需要重新定义的问题**。 这正是 **MIT科技评论全新“自然特辑”** 试图回答的核心议题。该特辑通过一系列深度故事，审视技术如何重塑我们的星球，以及技术能否用于修复它。 - 我们调查了**不会唱歌的鸟**、**不是狼的狼**，以及**不是草的草**——这些看似矛盾的现象背后，是人类活动对物种和生态系统的深刻改变。 - 我们探索了**北极冰下的生命意义**、人类内心的自然性，甚至借助著名作家杰夫·范德米尔的新小说，展望了遥远未来异星世界上的自然形态。 这些故事共同提出一个问题：在一个被技术深刻改变的世界里，我们是否应该用技术去“修复”自然？而修复后的自然，还是“自然”吗？ ## LLMs+：大语言模型的下一步是什么？ 在AI领域，ChatGPT的爆发让大语言模型成为焦点。但下一个大事件是什么？答案是：**更多、更好的大语言模型——我们称之为LLMs+**。 LLMs+将朝着**更便宜、更高效、更强大**的方向进化。这一趋势被列入MIT科技评论的“当前AI领域最重要的10件事”榜单，本特辑将逐一解读。 ## 聚变发电会变便宜吗？别抱太大希望 聚变能被视为零排放的未来能源，但一项发表在《自然·能源》上的新研究泼了冷水。研究团队通过估算聚变技术的“经验率”（即产能每翻倍时成本下降的百分比），发现**聚变发电的成本下降可能不如预期**。这为聚变技术的商业化部署提供了更现实的判断依据。 --- **小结**：无论是重新定义“自然”，还是审视LLMs+与聚变能的未来，本期《下载》特辑都在提醒我们：技术既是问题的制造者，也可能是解决方案的一部分。关键在于我们如何理解并选择使用它。
聚变能有望成为未来稳定、零排放的电力来源——前提是相关公司能够建成并运营聚变电站。但一项新研究指出，即使那一天到来，聚变能也可能并不便宜。 技术通常会随着时间推移而降价，但不同技术的降价速度差异显著。锂离子电池自 2013 年以来成本下降了约 90%，而历史上风电、太阳能和电池的“经验率”（即产能每翻一倍时成本下降的百分比）分别为 12%、23% 和 20%。相比之下，核裂变仅为 2%。 发表于《自然·能源》的新研究试图通过估算聚变能的经验率来预测其未来价格。研究团队考察了三个关键特征：单元规模、设计复杂度和定制化需求。规模越大、复杂度越高、定制化需求越强，经验率通常越低。 研究人员采访了聚变领域专家，请他们基于上述特征对聚变电站进行评估，并据此预测经验率。研究主要聚焦于磁约束和激光惯性约束两种主流路线，它们占据了目前绝大部分研发投入。 结果显示，聚变电站规模较大（类似煤电或裂变电站），定制化需求可能低于裂变（因监管和安全更简单），但仍高于部分技术。综合来看，预计聚变能的经验率较低，成本下降速度可能远慢于太阳能和电池。 这意味着，即便聚变技术实现商业化，其发电成本可能仍高于其他清洁能源，难以成为“太便宜的”电力。研究提醒，在投入巨额公共与私人资金时，需审慎评估对聚变能经济性的假设。
在AI领域日新月异的今天，各种产品发布、市场炒作和风险警告层出不穷，让人难以分辨哪些才是真正重要的趋势。为了帮助读者拨开迷雾，**MIT Technology Review**（麻省理工科技评论）的记者和编辑团队，基于多年的深度分析，精心编纂了一份全新的核心指南——**《当前AI领域最重要的10件事》**。 这份清单并非简单的热点罗列，而是对塑造AI未来的核心理念、关键议题和前沿研究的系统性梳理。它旨在揭示那些真正影响世界格局的趋势与突破。 ### 指南的定位与价值 这份指南是MIT Technology Review标志性年度榜单 **《10大突破性技术》** 的延伸与拓展。如果说后者聚焦于年度最具潜力的具体技术点，那么这份新指南则采取了更宏观的视角。它不再局限于单一技术突破，而是试图回答一个更根本的问题：在纷繁复杂的AI浪潮中，哪些底层逻辑、社会影响和长期议题，才是决定未来走向的关键？ ### 如何获取与跟进 MIT Technology Review将通过其工作日通讯 **《The Download》**，每天深入解读清单中的一项内容，详细阐述其含义与重要性。对于希望快速掌握全貌的读者，可以**立即阅读完整的清单概述**。而对于希望持续跟进深度分析的读者，则需要**关注后续的每日更新**。 ### 行业背景与意义 当前AI行业正处在一个关键的十字路口。一方面，基础模型能力持续跃进，应用场景不断拓宽；另一方面，关于技术滥用、伦理困境、就业冲击和社会分化的担忧也日益加剧。在这种背景下，一份由权威科技媒体发布的、去芜存菁的指南显得尤为重要。它不仅能帮助从业者、投资者和政策制定者把握重点，也能为公众理解AI的复杂影响提供一个清晰的框架。 这份指南的发布，本身也反映了科技媒体角色的演变——从单纯的信息传递者，转变为复杂技术议题的梳理者和解读者。在信息过载的时代，提供有深度、有洞察的“导航图”，其价值不亚于报道一则独家新闻。 **小结**：对于任何关注AI发展的人来说，MIT Technology Review的这份《当前AI领域最重要的10件事》都值得密切关注。它有望成为我们理解下一阶段AI变革脉络的重要参考。
## 从实验到日常：企业AI部署的现状与挑战 人工智能正在企业环境中快速推进，从早期的实验阶段迈入日常运营。根据一项近期调查，到2025年底，**半数企业已在至少三个业务职能中应用AI**，涵盖财务、供应链、人力资源和客户运营等领域。企业纷纷部署智能助手、代理系统和预测模型，试图通过自动化提升效率。 然而，随着AI深度融入核心工作流程，企业领导者发现最大的障碍并非模型性能或计算能力，而是**支撑这些系统的数据质量与上下文**。SAP数据与分析部门总裁兼首席产品官Irfan Khan指出：“AI非常擅长生成结果，速度很快，但如果没有上下文，它就无法做出良好判断。而良好的判断力才是为企业创造投资回报的关键。没有判断力的速度不仅无益，反而可能带来损害。” ## 数据上下文：AI决策的隐形基石 在自主系统和智能应用兴起的时代，上下文层变得至关重要。AI系统不仅需要访问数据，还必须理解数据背后的业务逻辑。缺乏这种理解，AI可能快速给出答案，却做出错误决策。 传统数据策略主要聚焦于聚合——过去二十年间，企业大量投资于从运营系统提取信息并加载到集中式数据仓库、数据湖和仪表板中。这种方法便于生成报告、监控绩效和获取业务洞察，但在过程中，许多数据的含义（如与政策、流程、角色和业务规则的关系）往往被剥离或简化。 ## 数据架构：从简单集成到智能连接 为提供必要的上下文，企业需要精心设计的**数据架构**，它不仅仅是集成数据，更要连接跨应用、云和运营系统的信息，同时保留描述业务运作方式的语义。这种架构使组织能够安全地扩展AI，协调跨系统和代理的决策，并确保自动化反映真实的业务优先级，而非孤立决策。 Khan强调，正确的数据架构应具备以下能力： - **规模化安全部署AI**：在扩大应用范围时保持数据质量和一致性 - **跨系统协调决策**：确保不同AI代理和系统基于统一上下文运作 - **反映业务优先级**：使自动化决策与组织战略目标保持一致 ## 架构转型：企业数据策略的重新思考 认识到这一需求，许多组织正在重新思考其数据架构方法。他们不再仅仅将数据移入单一存储库，而是寻求在保持业务语义的同时，实现信息的智能连接。这种转变正推动数据架构作为AI基础设施基础的日益关注。 ## 关键启示 1. **上下文缺失是AI应用的核心问题**：没有业务上下文，AI的速度优势可能转化为错误决策的风险 2. **数据架构需要升级**：从简单的数据聚合转向支持语义理解的智能连接架构 3. **投资回报取决于判断力**：AI的商业价值不仅来自处理速度，更来自基于上下文的准确判断 随着企业AI从辅助工具演变为核心运营组件，构建能够提供丰富业务上下文的数据基础设施，已成为释放AI真正商业价值的关键前提。
当人们谈论“自然”时，通常指的是那些非人造的事物——岩石、珊瑚礁、红狼。然而，尽管地球上仍有许多“上帝的造物”，但很难找到任何一处人类之手未曾触及的地方。从巴西雨林到北极海洋，从阿尔卑斯山湖到西伯利亚冻土，人类活动的影响已渗透到地球的每一个角落。这不仅仅是污染问题，更是人类如何从根本上改变了我们所处的世界。 ## 无处不在的人类印记 科学家在巴西雨林的动物体内发现了微塑料，从红吼猴到海牛无一幸免。在遥远的雅库特，尽管土地人迹罕至，但大气中的碳仍在融化着下方的永久冻土。北极海洋中，随着极地冰盖融化而增加的船舶交通带来的人工光线，正在干扰浮游生物夜间向海洋表面的迁徙——这是地球上规模最大的动物迁徙之一。 阿尔卑斯山的偏远高山湖泊被各种合成化学物质污染，北极熊体内充满阻燃剂，核弹爆炸产生的铯-137轻覆整个星球。这些例子大多涉及核污染、碳污染、化学污染和光污染，但重点不在于强调人类工业和技术如何破坏环境，而在于指出人类创造的事物如何改变了环境。 ## 人类自身的改造 人类不仅改变了世界，也改变了自己。我们特别擅长“弯曲”人性——从外貌、健康到我们的思想，一切都在被重塑。 - **医药技术**：药物、手术、疫苗和激素延长了我们的寿命，减轻了疼痛，缓解了焦虑和抑郁，让我们更快、更强、更具韧性 - **生殖技术**：我们已能窥见那些让我们在孩子出生前就改变其未来的技术 - **脑机接口**：植入大脑的电极让人们能够控制计算机，将思想转化为语音 - **增强技术**：漫画书中走出的假肢和外骨骼恢复并增强了身体能力 - **基因编辑**：像CRISPR这样的基因编辑技术正在重写我们的DNA 与此同时，人们将所有书面信息的总和输入庞大的计算机器，试图——至少部分人如此——构建超越人类自身的智能。 ## 重新定义“自然” 在这样的背景下，“自然”或“天然”究竟意味着什么？如果人们认为“自然”已不复存在，那么按照传统意义上的“环保主义”来保护它还有意义吗？我们应该运用技术来做什么？ 这些问题没有简单的答案。人类的影响已如此深远，以至于“原始自然”的概念本身可能已经过时。我们生活在一个人类世时代，在这个时代，人类活动已成为塑造地球环境的主导力量。 ## 科技与自然的未来关系 面对这一现实，我们需要重新思考技术与自然的关系。技术不应被视为自然的对立面，而应成为我们更负责任地管理地球的工具。从清洁能源到生态监测，从污染治理到物种保护，技术可以成为修复而非破坏的力量。 关键在于我们如何运用这些强大的工具——是继续无意识地改变世界，还是有意地塑造一个更可持续的未来？当我们谈论“保护自然”时，也许我们真正需要保护的是地球系统的健康和平衡，无论其中包含多少人类的影响。 在这个人类影响无处不在的时代，重新定义我们与“自然”的关系，可能是21世纪最紧迫的哲学和实践挑战之一。
在加州福斯特城，一场人与加拿大鹅的“战争”正借助高科技手段悄然升级。这个湾区小镇的300只加拿大鹅数量已接近当地人口的1%，它们留下的粪便不仅污染环境，更带来公共卫生隐患。然而，传统的捕杀方案因环保组织反对而搁浅，迫使市政当局转向更温和但昂贵的科技解决方案。 **斥资40万美元的“鹅群管理计划”** 福斯特城政府与野生动物管理公司Wildlife Innovations签订合同，以近40万美元的总价（约合每只鹅1300美元）实施一项综合驱赶计划。该公司高级野生动物生物学家丹·比特曼解释，核心策略是“让鹅感到不舒服”，从而促使它们主动离开。 **多层技术监控与干预网络** * **GPS追踪项圈**：工作人员为部分鹅佩戴白色颈圈式GPS追踪器，实时监控其活动轨迹与聚集区域。 * **智能摄像头网络**：在环礁湖附近的Gull Park等七个公园，树干上安装了黑色监控摄像头，每15分钟自动拍摄并传回公司总部。一旦AI识别出鹅群，生物学家会立即前往驱散。 * **多样化驱赶工具**：团队使用激光设备、无人机进行威慑，并出动一只名为Rocky的边境牧羊犬（天生厌恶鹅类）进行追逐。最特别的是一款名为“Goosinator”的遥控橙色浮筒船，船头绘有狰狞的狗嘴图案，专门用于水上驱赶。 **为何需要如此复杂的方案？** 这背后反映的是全球范围内日益加剧的人与野生动物冲突。随着土地开发与动物行为变化交织，类似矛盾不断涌现——从蒙大拿草原上的灰熊、旧金山街头的郊狼，到坦桑尼亚公园的草原象。传统粗暴的移除方式（如捕杀）越来越受到伦理与法规制约，促使“冲突缓解”行业向技术化、非致命化转型。 **成效与争议并存** 尽管方案设计精密，但实际效果仍待观察。每只鹅1300美元的高昂成本引发部分纳税人质疑，而依赖持续人工干预的模式能否实现长期、自治的种群控制，也是未知数。此外，技术手段是否会对其他野生动物或生态系统造成干扰，仍需谨慎评估。 **小结：当AI遇见生态管理** 福斯特城的案例并非孤例，它标志着野生动物管理正进入一个“智能干预”时代。通过GPS、图像识别、远程控制设备等多技术融合，人类试图以更低侵入性的方式重新划定与野生动物的边界。然而，技术解决方案同样伴随成本、可持续性与生态伦理的新挑战。在追求“清洁草坪”与“和谐共存”之间，小镇的试验或许将为更多面临类似困境的社区提供参考——无论最终成功与否，这都是一次值得关注的科技与自然博弈。
洛杉矶，这座以汽车文化闻名的城市，正悄然经历一场交通革命。在长达30年的重建努力后，洛杉矶的轨道交通网络正迎来关键转折点——五月，一项重大地铁扩建项目即将启动，标志着这座“汽车之城”正加速回归其曾经拥有的世界级铁路系统。 ## 从“汽车之城”到轨道交通的回归 洛杉矶的交通形象根植于其**2200平方英里**的广阔地域，宽阔的林荫大道和混凝土高速公路塑造了城市的节奏。然而，许多人可能不知道，洛杉矶曾拥有世界一流的铁路交通系统。过去三十年来，城市一直在重建有轨电车和地铁网络，试图扭转对汽车的过度依赖。 ## 为什么洛杉矶需要“入地”？ 洛杉矶的交通挑战是多方面的： - **拥堵问题**：作为美国人口最密集的城市之一，交通拥堵长期困扰居民和经济发展。 - **环境压力**：汽车尾气排放加剧了空气污染和气候变化问题。 - **公平性考量**：完善的公共交通能为低收入群体提供更可及的出行选择。 地铁系统的扩建不仅是交通基础设施的升级，更是城市可持续发展战略的关键一环。 ## 五月项目：洛杉矶交通转型的里程碑 即将在五月启动的地铁扩建项目，具体细节虽未完全披露，但可以预见它将： - **扩展网络覆盖**：连接更多社区，减少通勤时间。 - **提升运力**：缓解现有线路的压力，提高整体效率。 - **促进城市一体化**：加强不同区域间的联系，支持经济均衡发展。 这一项目是洛杉矶长期交通规划的一部分，反映了城市从依赖私人汽车向多元化交通模式的转变。 ## 对AI与智慧城市建设的启示 洛杉矶的交通转型并非孤立事件，它呼应了全球智慧城市的发展趋势。在AI技术日益成熟的背景下，轨道交通系统的智能化升级成为可能： - **预测性维护**：AI算法可分析设备数据，提前预警故障，减少运营中断。 - **客流优化**：机器学习模型能预测乘客流量，动态调整班次，提升服务效率。 - **自动驾驶集成**：未来，自动驾驶技术与轨道交通的融合，或能创造无缝接驳的出行体验。 洛杉矶的案例表明，基础设施的“硬”升级与数字技术的“软”赋能相结合，是解决现代城市交通难题的有效路径。 ## 挑战与展望 尽管前景乐观，洛杉矶的轨道交通复兴仍面临挑战： - **资金持续投入**：大型基建项目需要长期、稳定的财政支持。 - **公众接受度**：改变以汽车为中心的生活方式，需要时间和教育。 - **技术整合**：如何将AI等新技术无缝融入现有系统，考验着规划者的智慧。 然而，随着五月项目的推进，洛杉矶正朝着更绿色、更高效、更包容的城市交通未来迈出坚实一步。这不仅是一场交通变革，更是城市治理理念的深刻演进。
米歇尔·金（Michelle Kim）近期分享了她关注的三个文化现象，它们分别代表了数字娱乐、社会纪实与喜剧艺术领域的新动向。这些内容不仅反映了当代年轻人的精神需求，也揭示了技术与社会变迁如何塑造我们的文化体验。 ## 虚拟偶像团体 Isegye Idol：Z世代的数字避风港 如果你觉得K-pop已经足够新奇，那么**虚拟偶像**——通过动作捕捉技术以动漫风格数字角色表演的人类——可能会让你大开眼界。米歇尔·金最喜欢的虚拟偶像团体是**Isegye Idol**，由韩国VTuber（同样以数字形象表演的直播主）**Woowakgood** 创建。这个六人女子组合的成员身份匿名，这种匿名性似乎赋予了他们一种罕见的真诚与幽默感。 Isegye Idol 的活动内容非常多元化：他们玩游戏（如《英雄联盟》、《围棋》、《我的世界》）、闲聊，并表演一种介于动漫配乐和电子游戏音乐之间的“俗气”歌曲。整个风格非常**DIY（自己动手）**，且充满亲密感。 这个团体的火爆人气，深刻反映了韩国Z世代的社会心态——这一代人常被描述为“孤独”且“文化上漂泊不定”。他们面临着就业困难、放弃约会、试图在线上寻找友谊等现实挑战。Isegye Idol 展示了一个事实：当现实世界不尽如人意时，人们可以在线上构建一个充满魔力的宇宙。这不仅是娱乐，更是一种情感寄托和社群构建的新形式。 ## 纪录片《无名氏对抗普京》：战争阴影下的教育困境 在俄罗斯铜冶炼小镇卡拉巴什（Karabash，曾被联合国教科文组织称为“地球上毒性最强的地方”），学校教师**帕维尔·塔兰金（Pavel Talankin）**的生活并不轻松。但他拍摄的视频（部分秘密拍摄）清楚地表明，他深爱着这个地方——烟囱、寒冷、在室外行走时结冰的胡子，以及最重要的，他那些眼睛明亮的学生。 然而，一场遥远而残酷的战争，以及国家宣传，逐渐改变了这个小镇。作为一名在教室悬挂民主旗帜的反战进步人士，塔兰金不得不面对新的爱国主义课程、强制性游行、雇佣兵的来访，以及他与学生共同建立的创意空间的丧失。 导演**大卫·博伦斯坦（David Borenstein）** 凭借这部纪录片获得了奥斯卡奖。影片通过塔兰金的镜头讲述了他的故事。最打动米歇尔·金的一点是：**成年人在孩子身边的存在是如此奇特**。我们在无形中以深刻的方式塑造着他们，甚至可能自己都未曾意识到。 ## 詹姆斯·阿卡斯特的《剧目》：喜剧中的身份迷失与荒诞 米歇尔·金自嘲是那种愿意花150美元在旧金山一个气味不佳的剧院看喜剧的人（剧院里一罐水卖20美元），因为她“疯狂地”希望单口喜剧不会消亡。今年二月，她现场观看了英国喜剧演员**詹姆斯·阿卡斯特（James Acaster）** 的演出，但感觉那场表演平平。 然而，阿卡斯特2018年在Netflix上线的迷你剧集《剧目》（Repertoire）却被她视为“黄金之作”。这部四集特辑拍摄于阿卡斯特经历分手后不久。剧中，他扮演了多个角色，其中包括一名卧底成为单口喜剧演员的警察，这名警察后来忘记了自己的真实身份，并经历了离婚。随后，剧情走向越发荒诞，探讨了诸如“如果你曾经拥有的每一段关系都……”（原文未完整引述）等假设性问题。 《剧目》展现了喜剧如何能够超越简单的笑话，深入探讨身份、记忆和人际关系的复杂性，呈现出一种精心构建的、层次丰富的幽默艺术。 ## 小结：技术、社会与艺术的交织 米歇尔·金关注的这三个热点，看似分散在虚拟娱乐、严肃纪录片和喜剧表演领域，实则共同勾勒出当代文化图景的几个关键维度： - **技术赋能的新社群**：如Isegye Idol所示，AI与虚拟技术正在创造全新的情感连接和娱乐体验，尤其为面临现实压力的年轻一代提供了出口。 - **现实世界的沉重记录**：塔兰金的故事提醒我们，在全球政治与冲突的背景下，个体的教育理想与日常生活如何被重塑，纪实影像的力量在于保存这些容易被忽视的真相。 - **艺术形式的深度探索**：阿卡斯特的《剧目》证明了即使在流媒体时代，喜剧也可以是一种严肃的、探索人性与叙事可能性的艺术形式。 这些内容不仅是消遣，更是观察社会变迁、技术影响与人类情感演变的窗口。