法国研究人员在3D芯片堆叠技术领域取得重大突破，创造了新的连接密度纪录。这项名为**混合键合（Hybrid Bonding）** 的技术，能够在垂直堆叠的两层芯片之间实现数百万个高密度互连，为下一代高性能计算、人工智能加速器和先进存储器铺平道路。 ## 什么是混合键合？ 混合键合是一种先进的芯片封装技术，它通过将两片裸晶圆（die）精确对齐并加热加压，使金属触点（通常是铜）直接熔合，同时周围的介电材料也键合在一起。与传统的微凸点（micro-bump）技术相比，混合键合能实现更小的间距（pitch）和更高的连接密度。 ## 突破纪录 来自法国研究机构**CEA-Leti** 的团队实现了间距仅为 **0.5微米**（500纳米）的混合键合，这意味着每平方毫米可容纳 **超过400万个** 独立连接。这一密度较此前业界领先的1微米间距（约100万连接/平方毫米）提升了约4倍。 ## 技术意义 更高的连接密度直接带来两大好处： - **带宽提升**：更多并行数据通道可大幅增加芯片间的数据传输速率，对于需要大量数据搬运的AI训练和推理任务至关重要。 - **功耗降低**：更短的互连距离和更低的寄生电容可减少信号传输能耗，有助于缓解高性能芯片的散热压力。 ## 行业影响 混合键合技术近年来成为半导体巨头竞相争夺的制高点。台积电（TSMC）在其3D Fabric平台中采用类似技术，用于整合系统级芯片（SoIC）；英特尔（Intel）也在Foveros Direct中推广混合键合。CEA-Leti的这一成果表明，实验室层面的工艺能力已远超当前量产水平，为未来3D芯片的密度极限提供了参考。 ## 挑战与前景 尽管纪录令人振奋，但将0.5微米间距的混合键合从实验室推向量产仍面临诸多挑战： - **对准精度**：晶圆键合需达到纳米级对准误差，对设备精度要求极高。 - **热管理**：密集互连产生的热量可能导致热应力，影响可靠性。 - **良率控制**：数百万个连接中任何一处失效都可能影响整体性能。 业界预计，该技术有望在 **2027-2028年** 进入商业化阶段，届时将推动AI加速器、高性能CPU和HBM（高带宽存储器）的集成度再上台阶。
随着人工智能在数学领域的能力日益增强，数学家的身份与意义正面临深刻拷问。本文从一位前应用数学博士的亲身经历切入，探讨了纯数学研究的本质——并非追求效率或成果，而是源于对理解本身的深层愉悦。卡内基梅隆大学的 Jeremy Avigad 将这种体验形容为“马拉松式的成就感”与“突然顿悟的美妙”。AI 的介入可能重塑数学研究的方式，但不会取代数学家对意义和美的追求。
随着半导体工艺微缩逼近物理极限，晶体管堆叠技术成为延续摩尔定律的关键路径。然而，在面向 2030 年代的 CFET（互补场效应晶体管）架构上，各大巨头的技术路线开始出现明显分化。IBM 选择了不同于 Intel、三星和台积电的方案，引发业界关注。 ## CFET 架构：垂直堆叠的晶体管 CFET 是一种将 n 型与 p 型晶体管垂直堆叠的架构，相比传统平面布局，可大幅节省芯片面积并提升性能。它被视为 2030 年前后实现 1nm 以下节点的关键技术。 ## 路线分化：IBM 的“另类”选择 据 IEEE Spectrum 报道，IBM 在 CFET 制造路径上采用了与众不同的方法。具体差异虽未完全公开，但已知 IBM 的方案在材料选择、堆叠顺序或工艺集成上与传统三强（Intel、三星、台积电）不同。这种分化可能源于 IBM 在先进封装和垂直集成方面的独特积累。 ## 行业格局与影响 目前，Intel、三星和台积电在 CFET 研发上倾向于采用更成熟的沉积与刻蚀工艺，而 IBM 则可能更早引入新材料或新型层转移技术。这种分歧意味着未来代工厂之间的 IP 与工艺生态可能进一步割裂。 对于芯片设计公司而言，不同代工厂的 CFET 实现方式可能影响电路库、设计规则乃至 EDA 工具适配。IBM 的差异化路线若成功，或将为特定应用（如高性能计算、量子控制芯片）提供定制化优势。 ## 小结 CFET 是半导体行业面向下一个十年的共同目标，但通往目标的路并非只有一条。IBM 的选择提醒我们，在技术探索期，多元化的解决方案反而能加速收敛到最优路径。行业需密切关注各家的工艺进展，以评估其对未来芯片设计生态的深远影响。
在全球5G向6G演进的关键节点，一场围绕 **6 GHz频段** 的争夺战正在 Wi-Fi 与蜂窝网络两大阵营之间激烈展开。该频段因其优异的传播特性（兼顾覆盖与容量）被视为未来无线通信的“黄金频谱”，而各国对其分配方式的抉择，将深刻影响未来十年的技术生态与产业格局。 ## 两大阵营的对立立场 - **Wi-Fi 阵营**（主要由科技公司、设备制造商及互联网服务商组成）主张将6 GHz频段的大部分划为 **免授权频谱**，以推动 Wi-Fi 6E/7 等下一代技术发展，满足室内高密度数据需求。 - **蜂窝网络阵营**（以传统电信运营商和通信设备商为代表）则力推 **授权频谱** 模式，确保 5G/6G 网络的稳定性和服务质量，并寻求通过独占频谱实现商业回报。 ## 关键国家的不同选择 - **美国**：联邦通信委员会（FCC）于2020年率先开放 **6 GHz 频段中 1.2 GHz** 供免授权使用，成为 Wi-Fi 阵营的重大胜利。 - **中国**：采取截然相反的立场，将整个6 GHz频段（5925-7125 MHz）分配给 **5G/6G 蜂窝网络**，强化其在移动通信领域的领导地位。 - **欧盟、印度、英国**：目前处于观望或内部博弈阶段。欧盟正就“6 GHz 低段部分（5925-6425 MHz）是否应开放免授权”进行咨询；印度电信部门倾向于蜂窝网络，但科技行业强烈反对；英国则采取“混合模式”，将部分频段用于 Wi-Fi，部分保留给移动网络。 ## 频谱分配背后的产业博弈 这场争夺本质上是 **两种技术范式** 的较量：Wi-Fi 代表“低功耗、分布式、免许可”的互联网生态，而蜂窝网络代表“集中化、高可靠性、许可制”的电信体系。频谱分配不仅关乎技术性能，更牵涉到数万亿美元的投资方向——运营商已为5G频谱支付巨额费用，而 Wi-Fi 芯片厂商（如高通、博通）则押注免授权频谱的规模化效应。 ## 未来展望：分裂还是协同？ 业界普遍认为，6 GHz 频段的最终分配将呈现 **区域化差异**。北美和部分欧洲国家可能延续 Wi-Fi 友好路线，而亚洲（尤其是中国）将推动蜂窝网络主导。**动态频谱共享技术**（如 Automated Frequency Coordination, AFC）或成为折中方案，允许两种服务在特定条件下共存。 然而，若各国各行其是，全球频谱碎片化将导致设备兼容性下降、漫游成本增加，并延缓 6G 标准的统一进程。世界无线电通信大会（WRC-23）虽已就部分频段达成共识，但6 GHz 的最终命运仍有待各国监管机构在技术、经济与地缘政治的多重压力下做出抉择。
你能想象只需折叠一张纸，就能制造出电路板吗？香港城市大学创意媒体学院的博士生张奇和朱克宁教授，在最新一期《DIY 杂志》上展示了一种创新方法：通过折叠和切割浸渍了导电油墨的纸张材料，即可形成导电通路，为电机和灯珠供电。这项技术将古老的折纸艺术与现代电子制造巧妙结合，为柔性电子和快速原型设计开辟了新路径。 ## 原理与操作 这种“折纸电路板”的核心在于一种特殊纸张——其纤维中浸渍了导电油墨，使得纸张本身具备导电性。用户只需像折纸一样进行折叠和切割，就能在纸张内部形成连续的导电轨迹。例如，通过简单的山折和谷折，可以改变电流路径；而切割则能断开不需要的连接。最终，这些导电通路可以连接电池、LED 灯或小型电机，实现功能电路。 ## 优势与潜力 相比传统蚀刻或打印电路板，折纸电路板具有以下显著优势： - **低成本**：无需复杂的化学蚀刻或昂贵的设备，仅需导电纸和剪刀。 - **快速原型**：从设计到实现只需几分钟，适合创意验证和教育场景。 - **柔性可折叠**：电路板可以像纸一样弯曲、折叠，甚至揉皱后仍能工作，非常适合可穿戴设备和柔性电子。 - **环保**：纸张基材可降解，减少电子垃圾。 ## 应用场景 研究人员展示了多个示例，包括折纸灯笼中的 LED 照明、折纸飞机上的微型电机驱动，以及互动贺卡中的声音模块。这些应用不仅展示了技术的实用性，也凸显了其艺术与科技融合的独特魅力。 ## 行业背景 当前，柔性电子市场正在快速增长，但多数方案仍依赖昂贵的导电聚合物或金属薄膜。折纸电路板提供了一种极低成本的替代方案，尤其适合教育、创客运动和快速原型领域。不过，其导电性能有限，目前仅适用于低功率应用。未来，通过改进导电油墨配方和纸张结构，有望提升电流承载能力，拓展到更复杂的电子系统中。 折纸电路板不仅是技术上的创新，更是一种思维上的突破——它告诉我们，电子制造不必总是依赖精密仪器，有时一张纸、一把剪刀，加上一点创意，就能点亮世界。
射频集成电路（RFIC）设计长期以来被视为一门“黑暗艺术”，依赖工程师多年经验，复杂且耗时，严重制约了 5G、自动驾驶、卫星通信等无线技术的发展。然而，普林斯顿大学的研究团队正通过强化学习、逆向设计和扩散模型等 AI 技术，彻底改变这一局面。他们的方法能在数小时内生成高性能的 RF 电路布局，甚至创造出人类设计师无法想象的创新结构，同时大幅缩短设计周期。未来，建立大型共享芯片设计数据集和开放生态系统，将是 AI 进一步掌握通用电磁与电路行为的关键。 ## 从“黑暗艺术”到 AI 驱动的自动化 传统的 RFIC 设计高度依赖人类专家的直觉与试错，一个复杂的芯片往往需要数月甚至数年才能完成。AI 的介入打破了这一瓶颈。普林斯顿团队采用**强化学习**和**逆向设计**，让算法从零开始探索最优电路拓扑，无需遵循人类的设计规范或美学约束。这种方法不仅速度快，还能发现人类未曾考虑过的创新方案。 ## 扩散模型生成“非人类”布局 研究进一步引入**扩散模型**，能够快速生成新颖且可解释的 RF 布局。这些布局在性能上屡创纪录，但外观却与人类设计的芯片截然不同——它们可能形状不规则、走线怪异，但电磁特性却更优越。这印证了 AI 设计的一个核心理念：摆脱对人类可理解性和视觉美感的依赖，纯粹追求功能最优。 ## 行业影响与未来挑战 AI 驱动的 RFIC 设计将加速 6G、量子通信和自动驾驶等领域的商业化进程。然而，当前最大的障碍是**数据匮乏**：AI 需要大量高质量的设计数据来学习通用规律，但芯片设计数据往往被企业视为机密。普林斯顿团队呼吁建立开放的芯片设计数据集和生态系统，让 AI 能够像在图像识别领域一样，通过共享数据实现突破性进展。 ## 小结 AI 正在将 RFIC 设计从一门依赖个人经验的手艺，转变为可扩展、可复制的工程科学。虽然完全替代人类设计师尚需时日，但 AI 在探索未知设计空间方面的能力已经毋庸置疑。未来的无线世界，或许正由这些“非人类”的芯片所塑造。
But not by shifting costs to electricity customers, FERC says
6G will only expand the reach of fixed wireless access
美国电网的容量利用率长期徘徊在50%左右，意味着大量已建成的输电和配电设施处于闲置或低效运行状态。这一现状不仅推高了电力成本，也延缓了清洁能源的接入进程。IEEE Spectrum 能源编辑 Emily Waltz 在与行业专家 Ian Magruder 的对话中探讨了一系列新兴技术，这些技术有望大幅提升电网利用率，从而降低电价并加速能源转型。 ## 利用率低下的根源 电网容量利用率低的主要原因在于传统规划与运行方式的保守性。为了确保供电可靠性，电网运营商通常预留大量备用容量以应对极端天气、设备故障或负荷波动。此外，区域间电力交换受限于输电瓶颈和调度协议，导致部分地区电能不能被有效输送至需求中心。这种“以防万一”的设计思路虽然保证了基本安全，却也造成了巨大的资源浪费。 ## 新兴技术的突破方向 Magruder 指出，**动态线路定容（DLR）** 技术是提升利用率的关键手段之一。传统上，输电线路的容量基于最恶劣天气条件（如高温、无风）下的热极限设定，而 DLR 通过实时监测风速、温度、日照等环境参数，动态调整线路的载流量。在有利气象条件下，线路容量可提升 **30% 至 50%**，且无需新建基础设施。 另一项重要技术是 **电网拓扑优化（GTO）**，通过电力电子装置（如柔性交流输电系统，FACTS）和智能开关，动态改变电网的潮流分布，使电能从拥堵路径自动转移到空闲路径。这相当于在不增加线路的情况下“疏通”电网瓶颈。 此外，**先进储能系统** 和 **需求侧响应** 也能平滑负荷曲线，降低峰谷差，从而让现有设备在更长时间内保持高利用率。例如，电池储能可在低谷时充电、高峰时放电，有效替代部分调峰机组。 ## 经济效益与环境红利 提高电网利用率可直接降低电价。据估算，若将美国电网平均利用率从50%提升至70%，全国每年可节省数十亿美元的电力成本。对于消费者而言，这意味着更低的电费账单；对于可再生能源开发商，则意味着更少的弃风弃光损失。 更重要的是，更高效率的电网能更快接纳分布式光伏、风电等间歇性电源。当前，新能源项目常因并网排队和升级成本而延期，而利用现有容量即可实现部分新增接入，大幅缩短项目周期。 ## 挑战与展望 尽管技术可行性已得到验证，大规模部署仍面临监管壁垒、投资回报机制不清晰以及电网运营商的文化惯性。Magruder 强调，需要政策层面推动激励改革，例如将“利用率提升”纳入电网公司的绩效考核指标，或建立容量市场中的效率奖励机制。 总体而言，**释放闲置电网容量** 是短期内最具成本效益的电力系统升级路径之一。随着 DLR、GTO 等技术的成熟与商业化，美国有望在不大量新建输电塔的情况下，实现电力容量翻倍，为清洁能源转型铺平道路。
想象一下，你坐在办公桌前，登录系统参加一场绩效评估，而一个 AI 系统正在分析你们的对话。你最近一直在加班，努力赶截止日期，经理问你最近怎么样。你说“挺好的”，甚至还笑了笑，但语气中带着一丝犹豫，声音有些颤抖。你调整了一下坐姿，肩膀微微下垂。这些细微的线索，对人类来说可能暗示着潜在的压力。但对于一个只被训练将情感归类为“开心”或“悲伤”的 AI 模型来说，这些细微差别很可能被忽略。它记录下你的话语和微笑，然后继续——除非你的经理介入，否则你疲惫、注意力不集中、可能再过几天就会 burnout 的事实，永远不会进入它的计算范围。 “情感 AI”（Emotion AI）——通过面部表情、语音语调和行为来推测人们感受的技术——似乎突然无处不在；它被用于员工福祉和招聘面试、教育平台以及驾驶员监控系统。像 **NiCE** 和 **Genesys** 这样的技术型呼叫中心平台，使用 AI 来检测客户何时感到沮丧，并实时提示客服人员放慢语速或更有同理心地回应。像 **Meta** 这样的巨头和 **Hume AI** 这样的初创公司，正在开发更具表现力的语音 AI 系统，这些系统可以检测到“对话”对象的情感线索，并调整自己的沟通方式。此外，已有数百家公司提供虚拟 AI 陪伴应用，这是一个快速增长的市场，预计到 2035 年价值可能达到 **5550 亿美元**——机器人伙伴也已登场。例如，**Intuition Robotics** 的 **ElliQ**，一个小型设备，外形略似白色台灯，目前正被用于与老年人对话，以期减少孤独感。 然而，尽管情感 AI 领域正在飞速发展，但现有的大多数系统都专注于检测有限数量的信号，一次只标记一种特定的情绪——如果你想理解人类状况，这是不够的。在现实世界中，人类的信号和情绪是**情境化的、重叠的、不断变化的**。笑声可以表示快乐，也可以表示紧张，或者两者兼有；提高音量可能同样容易代表热情或沮丧。更让情感检测任务困难的是，不同个体的反应差异巨大。 ## 从“读脸”到“读场” 过去的情感 AI 模型往往依赖于静态的面部表情或单一的语音特征，忽略了场景和上下文。例如，一个人在葬礼上哭泣和在毕业典礼上哭泣，背后的情感截然不同。新一代的 AI 正在尝试整合更多维度的信息，包括环境、对话历史、文化背景等，以做出更准确的判断。这种“情境感知”能力，是情感 AI 走向成熟的关键一步。 ## 商业与伦理的双重驱动 情感 AI 的商业潜力巨大。从提升客服满意度到改善驾驶安全，再到为孤独的老人提供陪伴，应用场景层出不穷。但与此同时，伦理问题也日益凸显：如果 AI 错误解读了你的情绪，可能导致不公平的招聘决策、不当的医疗建议，甚至侵犯隐私。欧盟的 AI 法案已开始将情感 AI 列为高风险应用，要求更严格的透明度和监管。 ## 小结 情感 AI 正在从简单的“标签化”走向复杂的“情境化”，这既是技术的进步，也是对人类情感复杂性的尊重。未来，真正有用的情感 AI 必须学会“读场”，而不仅仅是“读脸”。对于企业而言，投资于更精准、更符合伦理的情感 AI，不仅是商业选择，更是社会责任。
## 何为“Vibecoded”恶意软件？ 近期，一种被称为“Vibecoded”（氛围编码）的恶意软件正在互联网上泛滥，迫使安全行业重新思考传统的反恶意软件策略。这种新型威胁并非源于复杂的黑客技术，而是借助生成式AI工具（如ChatGPT、Copilot等）快速生成的代码——开发者或攻击者只需描述一个“氛围”或大致需求，AI便能自动产出功能完整的程序，其中可能包含隐藏的恶意逻辑。 ## 为什么这种威胁正在激增？ 生成式AI的普及大幅降低了编写恶意软件的门槛。过去，编写恶意代码需要专业的编程知识；现在，任何人只需用自然语言描述目标（如“创建一个能收集浏览器密码的脚本”），AI就能生成可执行的代码。这些代码往往经过混淆处理，难以被传统杀毒软件检测。此外，AI生成的恶意软件变种速度极快，每次请求都可能产生不同的代码形态，使得基于签名的检测方式失效。 ## 对安全行业的冲击 安全专家指出，Vibecoded恶意软件代表了一种“非典型”攻击模式：它不依赖零日漏洞或复杂漏洞，而是利用AI的“黑盒”特性生成不可预测的代码。这迫使防御方转向行为分析、异常检测和AI驱动的威胁情报。例如，安全公司开始部署专门检测AI生成代码特征的引擎，并加强对API调用的监控。 ## 应对策略：从“签名”到“行为” 为了应对Vibecoded恶意软件的泛滥，安全行业正在推动以下变革： - **行为基线的建立**：不再依赖已知恶意文件哈希，而是监控程序运行时的异常行为，如未经授权的数据外传、键盘记录等。 - **AI对抗AI**：使用生成式AI模拟攻击路径，提前发现潜在漏洞。同时，训练检测模型识别AI生成代码的典型模式（如冗余注释、异常的错误处理逻辑）。 - **代码审查自动化**：在开发阶段集成AI安全扫描工具，自动标记由AI生成的、可能包含恶意逻辑的代码片段。 ## 小结 Vibecoded恶意软件的兴起是AI双刃剑效应的典型体现。它既降低了创新门槛，也带来了前所未有的安全挑战。对于企业和个人用户而言，保持警惕、更新安全策略、采用下一代端点防护方案已刻不容缓。
欧盟正加速推动技术供应链的自主化，以降低对亚洲和美国关键技术的依赖。这一战略转向不仅关乎半导体制造，更涉及云计算、人工智能、开源软件等多个领域。如果欧盟能够克服长期以来的官僚惯性，开源社区和欧洲本土科技产业有望从中受益。 ## 供应链自主化的紧迫性 近年来，全球芯片短缺、地缘政治紧张以及技术出口管制，让欧盟深刻认识到供应链脆弱性的代价。欧盟委员会提出《芯片法案》，计划投入超过430亿欧元，目标是到2030年将欧洲在全球半导体市场的份额从当前的10%提升至20%。然而，供应链自主化远不止于芯片制造。 欧盟的目标是构建从原材料到终端产品的完整技术生态。这意味着不仅要在**先进制程**上追赶台积电和三星，还要在**芯片设计工具（EDA）**、**光刻设备**、**封装测试**等环节建立本土能力。此外，欧盟还在推动**云计算**领域的“欧洲云”计划（如Gaia-X），以减少对美国云服务商的依赖。 ## 开源：欧洲的突破口？ 在构建自主技术供应链的过程中，**开源软件**被欧盟视为关键杠杆。开源社区的协作模式天然符合欧盟强调的“数字主权”和“技术中立”原则。通过支持开源项目，欧盟可以避免被单一商业供应商锁定，同时降低中小企业进入门槛。 例如，欧盟资助的**Next Generation Internet**计划已投入数百万欧元，支持包括**Matrix**（去中心化通信协议）、**Nextcloud**（私有云存储）在内的开源项目。在人工智能领域，欧盟推动的**Trustworthy AI**框架也鼓励企业采用开源模型，以增强透明度和可审计性。 ## 挑战：克服惯性 尽管方向明确，欧盟推进自主供应链面临的最大障碍是**官僚惯性与决策效率**。相比美国通过《芯片与科学法案》快速拨款，欧盟的补贴审批流程繁琐，成员国之间利益协调困难。此外，欧洲缺乏像硅谷那样成熟的创业生态，许多技术人才流向美国或亚洲。 另一个隐患是**市场碎片化**。欧盟各成员国在技术标准、数据保护法规上存在差异，导致企业难以形成规模效应。例如，Gaia-X项目虽然愿景宏大，但实际落地进展缓慢，部分原因正是各国对数据本地化要求的理解不一致。 ## 前景展望 如果欧盟能够简化行政流程、加大研发投入并统一技术标准，其自主供应链战略有望在以下领域取得突破： - **边缘计算与物联网**：欧洲在工业自动化领域有深厚积累，结合开源边缘平台（如Eclipse IoT）可形成差异化优势。 - **量子计算**：欧洲在量子硬件（如离子阱技术）上处于领先地位，通过开源量子软件开发套件（如Qiskit的欧洲分支）可加速生态建设。 - **绿色计算**：欧盟严格的环保法规可转化为机遇，推动低功耗芯片和可持续数据中心技术发展。 不过，这一切的前提是欧盟能否真正“克服惯性”。正如一位分析师所言：“欧洲不缺少好想法，但缺少把它们变成现实的速度。” 未来五年将是欧盟验证其决心的关键窗口。
科学家们开发出一种新型成像设备，能够利用单个原子拍摄照片。这项看似有趣的物理实验，可能成为量子计算领域的“救星”。 ## 突破性原理：单原子如何“拍照”？ 传统相机依赖大量光子或电子来记录图像，而这项新技术完全颠覆了常规。研究团队通过将单个原子作为“感光元件”，使其在特定图案中移动，每次扫描 **100纳米** 的区域，逐步拼凑出完整的纳米级图像。这种原子相机实际上是一种扫描探针技术，利用原子与样品之间的量子相互作用来捕获细节。 ## 量子计算的潜在应用 量子计算机的稳定性依赖于量子比特（qubit）的精确控制，而环境中的微小扰动就可能导致计算错误。研究人员指出，这种单原子相机能够以极高的灵敏度检测量子系统中的异常，例如 **量子比特的退相干** 或 **能量泄漏**。通过实时监控单个原子的状态变化，工程师可以更早地发现并纠正错误，从而提升量子计算的可靠性。 ## 技术挑战与未来展望 目前，该设备仍处于实验室阶段，成像速度较慢——每张图像需要数小时才能完成。但研究团队认为，通过优化扫描路径和并行化处理，未来可以大幅提升效率。此外，该技术还有望应用于 **超精密测量** 和 **纳米材料表征**，为半导体行业提供新的检测手段。 尽管距离商业化还有很长的路，但单原子相机无疑为量子计算和纳米技术领域打开了一扇新的大门。
Salome Mikadze-Struk 是一位乌克兰创业者，她在疫情期间和战争爆发后成功创办并运营了一家软件公司。她的经历不仅展现了个人韧性，也为全球科技创业者提供了宝贵启示。 ## 从危机中崛起 Mikadze-Struk 的创业故事始于 2020 年，当时新冠疫情席卷全球。她抓住远程办公和数字化转型的趋势，创立了一家专注于企业软件解决方案的公司。然而，真正的考验在 2022 年到来——俄罗斯入侵乌克兰，她的生活和事业被彻底打乱。 面对空袭警报、断电和供应链中断，Mikadze-Struk 没有选择放弃。她将团队分散到安全地区，利用云工具维持运营，并优先保障员工安全。她表示，战争教会她“计划赶不上变化”，但适应能力和快速决策是生存的关键。 ## 韧性的商业价值 如今，Mikadze-Struk 的公司不仅存活下来，还实现了增长。她将自己的经验总结为三点：**第一，保持灵活**——在不确定性中，僵化的计划可能成为负担，而快速迭代的思维更能应对变化；**第二，重视团队**——危机中，员工的信任和凝聚力是最大资产；**第三，寻找机会**——战争催生了新的需求，比如网络安全和数据备份服务，她的公司及时调整了产品方向。 她还开始为其他初创公司提供咨询，分享如何在极端环境下保持韧性。她认为，许多创业者在和平时期过于关注增长，而忽视了抗风险能力。 ## 行业启示 Mikadze-Struk 的故事在 AI 和科技行业引发共鸣。近年来，全球供应链波动、地缘政治紧张和经济下行让“韧性”成为热门话题。她的经历提醒创业者：**危机不是终点，而是重塑业务的契机**。对于 AI 领域的公司而言，技术迭代快、竞争激烈，但真正的护城河往往来自团队文化和适应力。 她的建议是：**建立多元化的收入来源**，**投资于员工培训**，以及**保持对市场变化的敏感度**。这些原则看似简单，但在压力下坚持执行却需要极大的勇气。 ## 小结 Salome Mikadze-Struk 的故事是一个关于勇气和适应性的现代寓言。她证明了即使在最黑暗的时刻，创业者也能找到光。对于 AI 行业的从业者，她的经验或许比任何技术指南都更有价值——因为最终，技术只是工具，而人的韧性才是驱动进步的根本力量。
每周精选的机器人酷炫视频又来啦！本期“视频星期五”由 IEEE Spectrum 机器人编辑 Evan Ackerman 主持，带来一系列令人惊叹的机器人动态。其中，最引人思考的问题是：**机器人真的需要腿吗？** 在厨房等结构化环境中，轮式或履带式机器人往往比双足机器人更高效、更稳定。例如，Genesis 等公司展示的轮式机器人能够灵活地在室内穿梭，完成搬运、清洁等任务。这引发了行业对机器人形态与场景适配性的深度讨论。 ## 轮式 vs. 足式：场景决定形态 - **轮式机器人**：在平整地面（如工厂、仓库、家庭）具有速度、能效和成本优势。波士顿动力等公司已推出轮式物流机器人。 - **足式机器人**：在复杂地形（如废墟、山地、楼梯）具备通过性优势。但控制复杂、能耗高。 ## 混合形态趋势 近年来，不少机器人采用**轮腿混合设计**，如 ETH Zurich 的 ANYmal 结合了轮子和腿，既能快速移动又能攀爬。这种“取长补短”的思路可能是未来方向。 ## 行业启示 随着 AI 和感知技术的进步，机器人形态将不再局限于模仿人类，而是**为特定任务优化**。例如，送餐机器人用轮子，救援机器人用腿，而家庭服务机器人可能采用混合方案。 视频还展示了本周其他亮点：灵巧手抓取、自主导航、群体协作等。这些内容不仅展示了技术前沿，更促使我们重新思考：**机器人的“腿”究竟是为了什么？** 欢迎观看完整视频，并参与讨论。
在机器人领域，一个常见的误区是：只要外观可爱，用户就会喜欢。然而，亚马逊Astro机器人前性格与声音负责人Mike Forst指出，**“可爱”远不足以让机器人拥有“性格”**。性格，恰恰是区分“一台被容忍的机器”和“一款被信赖的产品”的关键。 ## 性格不是装饰，而是交互的核心 Forst在参与Astro项目时发现，机器人的人机交互远不止于完成任务。用户对Astro的信任感、亲近感，很大程度上取决于它如何“表达自己”——比如移动时的节奏、声音的语调、甚至“犹豫”时的停顿。这些看似微小的细节，共同构成了机器人的**性格（Character）**。 传统的机器人设计往往聚焦于功能效率：快速、精准、不犯错。但Forst认为，这种“完美”反而会让人感到疏离。例如，一个永远直冲目标、毫无停顿的机器人，会显得机械而生硬；而一个在转弯前稍微减速、发出轻柔提示音的机器人，则更像一个“有生命的伙伴”。 ## 从“工具”到“伙伴”的跨越 Astro的设计理念是成为一个家庭伙伴，而非单纯的清洁或监控工具。为了实现这一目标，团队刻意引入了**非功能性行为**：比如Astro会偶尔“看看”周围，仿佛在观察环境；在听到呼唤时，它会用点头或转身来回应，而不是立刻执行指令。这些行为并不服务于任何具体任务，却极大地提升了用户的**情感接受度**。 Forst强调，性格设计必须与机器人的物理能力相匹配。如果Astro试图模仿人类的表情，但限于硬件只能做出有限的“微笑”，反而会引发用户的“恐怖谷”效应。因此，团队选择了一种更抽象的表达方式——通过**声音、运动和灯光**的组合来传递情绪。例如，当Astro电量低时，它会用缓慢的移动和低沉的音调暗示“疲惫”，而非直接弹出电量提示。 ## 信任建立在“可预测的个性”之上 在家庭环境中，用户对机器人的信任不是一蹴而就的。Forst观察到，Astro的早期用户会花费数周时间观察它的行为模式。一旦用户发现Astro的“性格”是稳定且可预测的——比如它总是在早晨用轻快的音乐唤醒用户，而在深夜保持安静——信任感便会自然生长。 这种信任甚至超越了功能本身。有用户反馈，当Astro“不小心”撞到家具时，他们会像对待宠物一样说“没关系”，而不是感到恼怒。这正是性格设计带来的意外收获：**用户愿意包容机器人的不完美**，前提是它表现出“真诚”的个性。 ## 对行业的启示 Forst的经验为机器人行业提供了重要思路：未来的机器人不应只是算法的载体，而应是**有“人格”的交互主体**。从社交机器人到工业协作机器人，性格设计都可能成为差异化竞争的关键。 当然，这并非鼓励过度拟人化。Forst指出，好的性格设计应当**诚实反映机器人的能力边界**——一个扫地机器人不必假装有情感，但它可以通过移动轨迹和声音反馈，让自己显得“专注”或“细心”。这种微妙的性格塑造，才是让用户从“容忍”走向“信任”的桥梁。 总而言之，赋予机器人“灵魂”不是技术难题，而是设计哲学的选择。当机器不再只是工具，而是带着性格走入生活时，人与机器的关系也将迎来全新的篇章。
太阳磁场是驱动日冕物质抛射、太阳耀斑等空间天气现象的关键，但传统测量方法依赖于慢速扫描或复杂的光学元件，难以捕捉动态变化。如今，一种基于**光学超表面**的新型设备有望改变这一局面——它被集成到望远镜中，能在单次快照中捕捉太阳光的偏振信号，从而快速获取磁场信息。 ### 超表面：微型结构实现大功能 该设备的核心是一层精心设计的**光学超表面**，由亚波长尺寸的纳米结构阵列组成。这些结构能精确操控光的相位、振幅和偏振态。当太阳光通过超表面时，不同偏振方向的光被引导至探测器上的不同区域，形成多幅偏振图像。与传统依赖旋转波片或分束器的系统相比，这种设计**无需移动部件**，**结构紧凑**，且能实现**同步成像**。 ### 快照式偏振测量：从分钟到毫秒 太阳磁场测量通常基于**塞曼效应**：磁场会使光谱线分裂，分裂的程度和偏振态与磁场强度、方向相关。传统方法需要分步测量多个偏振分量，耗时数分钟，无法跟踪快速演变的磁场结构。而超表面系统能在**单次曝光**（毫秒级）内同时获取所有偏振信息，这意味着研究人员可以“冻结”太阳表面的动态活动，例如耀斑爆发前的磁场变化。 ### 集成望远镜：从实验室到太阳 研究团队将该超表面集成到**邓恩太阳望远镜**（Dunn Solar Telescope）中，成功观测到太阳表面特定区域的偏振信号。初步结果与现有仪器数据吻合，验证了技术的可行性。下一步，他们计划优化超表面的效率和工作波段，并探索在**太空望远镜**上应用的潜力——无大气干扰的太空环境将进一步提升测量精度。 ### 行业意义：空间天气预报的潜在突破 太阳磁场是空间天气预报的基石。更快速的磁场测量有助于**提前预警**太阳风暴，保护卫星和电网。此外，该技术也可用于其他天体（如恒星）的磁场研究，甚至拓展到地球遥感、生物医学成像等领域。超表面的**轻量化**和**无运动部件**特性，尤其适合资源受限的航天任务。 总之，这项研究将**纳米光子学**与**太阳物理**结合，为高时间分辨率磁场观测开辟了新路径。虽然目前仍处于原型验证阶段，但其“快照式”能力已展现出超越传统方法的巨大潜力。
在人工智能硬件领域，一场由声波引领的变革正在悄然发生。来自亚利桑那大学的研究团队成功开发出一种基于声波的神经突触器件，其灵感直接来源于生物大脑的学习机制，却仅需传统电子AI芯片极低的一部分能耗。这一成果为神经形态计算开辟了全新的路径。 ### 从电信号到声波：为何要“换道”？ 传统AI芯片依赖电子在半导体中的流动来模拟神经元的连接与权重更新，但这一过程伴随着显著的能量损耗。随着模型规模呈指数级增长，能耗已成为AI发展的关键瓶颈。研究者将目光投向了声波——一种机械振动，它在传播过程中的非线性特性天然适合模拟突触的可塑性。 这款声学突触器件通过压电材料将电信号转换为声波，声波在微结构中传播时，其振幅和相位会随输入信号历史而发生变化，从而“记住”过往模式。这种物理记忆机制无需像传统芯片那样频繁进行数据读写，使得单次操作能耗大幅降低。 ### 性能对比：声学突触的“脑力”优势 在标准基准测试中，该声学突触在执行模式识别任务时，能耗仅为同等规模电子突触的**千分之一**。更值得注意的是，其学习过程更接近生物突触的“脉冲时间依赖可塑性”——即神经元放电的时间先后决定了连接强度的变化方向。这种时间编码能力让芯片在处理时序数据（如语音、视频流）时具有天然优势。 不过，研究团队也坦言，当前原型仍处于实验室阶段。声波器件的集成密度尚无法与先进CMOS工艺媲美，且声波在材料中的衰减限制了信号传播距离。但作为一种全新的计算范式，它的低功耗特性已吸引多家半导体机构关注。 ### 行业启示：神经形态计算的“第三条路” 目前，神经形态芯片主要分为两条技术路线：一是基于数字电路的脉冲神经网络（如Intel的Loihi），二是基于模拟电路的交叉阵列（如IBM的TrueNorth）。声学突触的加入，提供了**第三条路径**——利用物理动力学本身实现计算。 这并非孤例。此前已有研究利用光子、自旋波甚至化学扩散来实现类脑计算，但声波因其在固态材料中传播慢、波长易调控的特点，在能耗和尺寸之间取得了较好平衡。如果未来能解决声波器件的制造兼容性问题，它或将成为边缘AI设备的理想选择——那些需要持续运行但电池容量有限的场景，如智能传感器、可穿戴设备。 ### 小结 亚利桑那大学的这项研究证明了“非电子”计算方式的巨大潜力。它提醒我们，AI硬件的进化或许不必一味追随摩尔定律的缩微路径，而是向生物大脑学习——利用物理现象本身，而非模拟其表象。当然，从实验室到量产仍有漫漫长路，但声波这一古老而熟悉的介质，正在数字时代焕发新的生命力。
在成功推出开发者套件后，Modos 的联合创始人再次转向众筹，这次他们带来了一款集成式电子纸显示器。这款设备旨在为需要长时间阅读或编程的用户提供更护眼的视觉体验。 ## 从开发者套件到成品显示器 Modos 的两位创始人是电子纸技术的资深工程师。此前，他们通过众筹成功发布了 **Modos 开发者套件**，获得了社区的热烈反响。如今，他们决定更进一步，推出面向普通用户的 **集成式电子纸显示器**。该显示器采用低功耗、高对比度的电子墨水屏，刷新率经过优化，适合静态内容显示。 ## 众筹模式：验证需求与社区共建 选择众筹并非偶然。两位创始人表示，开发者套件的成功验证了市场对电子纸显示器的需求，但量产仍面临成本与供应链挑战。通过众筹，他们可以： - 直接获取早期用户反馈 - 降低库存风险 - 建立忠实用户社区 这种“智慧众筹”模式在硬件创业领域并不罕见，但 Modos 的特殊之处在于其技术背景——他们曾为多家大厂设计电子纸模组，深知技术落地痛点。 ## 电子纸显示器的定位与前景 与常见电子书阅读器不同，Modos 的显示器定位为 **电脑外接显示器**，支持 HDMI 或 USB-C 连接。它特别适合： - 程序员：长时间阅读代码，减少眼疲劳 - 作家与编辑：专注文字创作 - 科研人员：阅读论文与数据 不过，电子纸的刷新率限制意味着它不适合视频、游戏等动态内容。 ## 行业背景：电子纸正在“破圈” 近年来，电子纸技术已从阅读器扩展到 **电子货架标签、数字标牌、可穿戴设备** 等领域。随着彩色电子纸和更高刷新率技术的成熟，其应用场景不断拓宽。Modos 的显示器正是这一趋势的体现——将电子纸带入传统显示器市场，挑战 LCD 和 OLED 的护眼短板。 ## 结语 Modos 的众筹项目不仅是一款产品，更是对“众包研发”模式的又一次实践。如果成功，它可能为电子纸在桌面端的应用打开新窗口。当然，最终能否打动消费者，仍有待市场检验。
当求职者走进技术面试的房间，往往只看到一排严肃的面孔和一连串技术问题。但面试的另一面——面试官的视角——却鲜少被提及。Brian Jenney，编程训练营 Parsity 的创始人，在 IEEE Spectrum 的客座文章中揭开了技术面试的幕后故事，告诉我们面试官真正在考察什么，以及求职者可以从中学到什么。 ## 面试官的视角：不只是正确解法 Jenney 指出，许多求职者误以为面试的唯一目标是给出“完美”答案。然而，面试官更看重的是候选人的**思考过程**和**问题解决方式**。在有限的时间内，面试官会观察候选人如何分解问题、如何处理未知情况，以及如何沟通思路。一个常见的场景是：候选人陷入僵局，却不敢提问或寻求提示。Jenney 强调，**主动提问**实际上是一个加分项，因为它展示了合作精神和学习能力。 ## 软技能与技术能力同样重要 在技术面试中，硬技能（如算法、系统设计）固然重要，但软技能往往成为决定性因素。Jenney 分享了一个例子：一位候选人虽然技术能力稍弱，但表现出极强的**沟通能力**和**团队协作意识**，最终获得了 offer。面试官会评估候选人是否能融入团队，是否愿意接受反馈，以及是否有成长心态。Jenney 建议求职者在面试中主动展示这些特质，比如在讨论代码时解释自己的决策逻辑，或者承认自己的不足并表达学习意愿。 ## 准备策略：从面试官的角度反向思考 基于多年面试经验，Jenney 给出了具体建议。首先，**不要死记硬背答案**，而是理解核心概念，因为面试官会通过追问来检验深度。其次，**模拟真实面试环境**，练习在白板或共享文档上写代码，并口头解释每一步。最后，**准备一些有深度的问题**来问面试官，这不仅能展示你的兴趣，还能帮助你判断团队是否适合你。 ## 行业背景：技术招聘的演变 这篇文章也反映了当前 AI 和软件工程领域的招聘趋势。随着 AI 工具（如 GitHub Copilot）的普及，面试重点正从纯粹的代码编写转向**更高层次的问题解决**和**系统思考**。面试官越来越关注候选人如何利用工具，而非仅仅是否记得 API。Jenney 的观点与行业趋势一致：未来的技术面试将更加注重实际工作场景中的协作与创新。 ## 小结 技术面试不是一场单向的考试，而是一次双向选择。了解面试官的视角，能帮助求职者更有针对性地准备，同时也能更自信地展示真实能力。Jenney 的幕后视角提醒我们：**面试官也在寻找一个能一起解决问题的人**，而不仅仅是一个会写代码的机器。