当前 AI 系统依赖 GPU 等传统硬件，能耗惊人——单个 GPU 功耗可达 1000 瓦，而人脑在处理同类任务时能效高出约百万倍。为了突破这一瓶颈，类脑计算（neuromorphic engineering）应运而生，旨在构建模仿神经元与突触的电子器件。然而，无论是新型实验器件还是 CMOS 晶体管模拟方案，都面临可靠性或集成度不足的问题。近日，研究人员在一次意外的实验室失误中，发现了一种简单高效的神经形态器件，它能像脑细胞一样工作，且制造工艺与传统半导体兼容。这一发现可能为低功耗、高性能计算打开新的大门。 ## 意外发现：从失误到突破 在尝试制造新型忆阻器时，研究团队因操作失误导致材料层结构异常。但测试结果令人震惊：这种“错误”的器件展现出了**类似生物神经元的积分-点火特性**，且能耗极低。与需要数十个晶体管才能模拟一个神经元不同，这个单器件就能实现关键功能，**功耗仅为微瓦级别**。 ## 类脑计算的核心挑战 传统神经形态方案面临两难：新型材料（如相变存储器、铁电晶体管）虽能模仿突触可塑性，但稳定性差、难以大规模集成；而 CMOS 模拟方案虽工艺成熟，但模拟一个神经元需 20-100 个晶体管，导致芯片面积大、功耗高。 ## 新器件的优势 该意外发现的器件采用**标准硅基工艺**，结构简单，可直接与现有 CMOS 电路集成。它不仅能模拟神经元的时空整合功能，还能实现**突触权重更新**，这意味着一个器件即可完成传统方案中多个元件的工作。初步测试显示，其能效比传统 GPU 提升 **三个数量级**。 ## 前景与局限 尽管成果令人兴奋，但该器件目前仅在实验室环境中验证，距离实用化仍有距离。团队需要解决器件一致性、长期可靠性以及大规模互联等问题。不过，这一“美丽的错误”已经为类脑计算提供了极具潜力的新方向——用最简单的结构，逼近生物大脑的效能。
在全球化与技术竞争交织的当下，**主权**与**自力更生**再次成为美国政策与产业界的核心议题。近日，IEEE Spectrum发表了一篇来自系统工程师、**《棘手问题：如何工程化一个更美好的世界》**作者**Guru Madhavan**的观点文章，探讨了美国历史上如何通过工程手段构建主权，并指出这种自力更生并非一蹴而就，而是一项持续的任务。 ## 工程与主权的历史交织 文章开篇即点明：**主权并非天然存在，而是被“工程化”出来的**。从19世纪的跨洲铁路到20世纪的州际公路系统，从曼哈顿计划到阿波罗登月，美国在关键基础设施与科技领域的自主能力，往往是通过大型工程项目的推动而逐步建立。这些项目不仅解决了物理连接与国防安全问题，更在制度、人才与产业链层面塑造了国家的独立韧性。Madhavan强调，工程思维——即系统性地定义问题、整合资源、迭代方案——是国家主权建设的重要工具。 ## 自力更生的现实挑战 然而，历史上的成功并不意味着今日可以高枕无忧。文章指出，**当代的供应链脆弱性、技术依赖与人才短缺**正在考验美国的主权基础。半导体制造、稀土材料、人工智能算法等关键领域，美国对海外来源的依赖程度远超过去。Madhavan认为，真正的自力更生不是追求100%的自给自足，而是**在关键节点上具备替代能力与快速恢复能力**。这需要政府、产业与学术界的持续协作，以及长期的投资耐心。 ## 现状与应对 当前，美国通过《芯片与科学法案》等政策试图重振本土制造业，但Madhavan提醒，**硬件之外，软件与系统层面的主权同样重要**。例如，在AI领域，训练大模型所需的算力与数据往往依赖跨国云服务，这构成了新的依赖关系。他建议，应当借鉴历史上**国防高级研究计划局（DARPA）** 的模式，设立跨领域的工程创新机构，聚焦“卡脖子”技术的突破，并建立从基础研究到产业化的快速转化通道。 ## 小结：主权是动态工程 Madhavan总结道，**主权不是一次性的成就，而是一个需要不断维护与更新的动态系统**。就像软件需要持续打补丁，国家的主权工程也需要根据技术环境的变化而调整。对于AI从业者而言，这意味着不仅要关注算法与模型的进步，更要思考如何在开源生态、数据主权与算力基础设施上构建自主可控的闭环。未来的竞争，将是“工程化主权”能力的竞争。
近年来，大语言模型在文本生成、翻译和对话领域取得了惊人进展，但一个名为 **ConlangCrafter** 的新项目将 AI 的创造力推向了另一个维度——**人工语言创造**。 ## 从现实语言到虚构语言 传统上，人工语言（conlang）的构建需要语言学知识、文化背景和大量手工设计。无论是《星际迷航》中的克林贡语，还是《权力的游戏》中的多斯拉克语，背后都有专业语言学家投入数月甚至数年时间。ConlangCrafter 的目标是让 AI 学习这种创造性过程，自动生成具有内在一致性的新语言。 ## 突破性能力：基于颜色变化造语言 ConlangCrafter 最引人注目的功能是能够根据 **颜色变化** 等非语言概念来设计语言。例如，用户可以指定“一种随着颜色从红变蓝而改变词序的语言”，模型会尝试生成一套符合该约束的语法和词汇。这种跨模态映射能力表明，AI 不仅学会了语言结构，还能理解颜色、空间等抽象概念与语言形式之间的潜在关系。 ## 技术实现与创新点 虽然具体技术细节尚未完全公开，但从现有信息推断，ConlangCrafter 可能结合了 **序列到序列模型** 与 **语法归纳算法**。它需要同时满足两个目标：生成的语言必须具有可解释的规则（如固定词序、时态标记方式），同时符合用户指定的外部约束（如颜色关联、声音模式）。这比单纯的语言翻译或文本生成更具挑战性，因为模型必须在“创造”与“一致”之间取得平衡。 ## 潜在应用场景 1. **游戏与影视创作**：为虚构世界快速生成背景语言，降低制作成本。 2. **语言学教育**：帮助学生理解语言结构如何通过规则组合形成。 3. **认知科学研究**：通过观察 AI 的“造语”过程，探索人类语言习得的底层机制。 ## 局限与展望 目前 ConlangCrafter 生成的词汇和语法仍较为简单，与真实人工语言的复杂性还有差距。此外，如何评估“造语”质量也是一个开放问题——是追求语法严谨性，还是强调文化合理性？未来版本或许会引入人类反馈（RLHF）来优化生成结果。 ConlangCrafter 的出现标志着 AI 在 **符号化创造力** 领域迈出了有趣的一步。它不再只是理解和生成现有语言，而是开始参与语言系统本身的构建。这一方向如果持续发展，可能会重新定义我们与计算机在创意协作中的边界。
欢迎来到本周的“视频星期五”——一个汇集全球精彩机器人视频的固定栏目。作为IEEE Spectrum的机器人编辑，Evan Ackerman每周都会为我们筛选出最值得关注的机器人动态。本期视频集锦的主题是“给机器人搭把手”（Give Robots a Hand），重点展示了机器人操纵、人机协作以及灵巧手技术的最新进展。 ## 本周亮点 - **人形机器人**：多家公司展示了人形机器人在仓储、家庭等场景中的操作能力，尤其是利用多指灵巧手完成精细任务，如抓取鸡蛋、拧瓶盖等。 - **协作机器人**：工业机器人通过力控和视觉引导，实现了更安全、更高效的人机协作，例如在装配线上与工人共同搬运重物。 - **仿生手**：研究团队推出了新型仿生手，其抓握力与灵活性接近人手，甚至能感知物体的软硬程度。 ## 技术解读 “给机器人搭把手”不仅是一个标题，更指向机器人领域的关键挑战：**灵巧操作**。长期以来，机器人擅长重复性、高精度的工业任务，但面对形状、材质各异的日常物品时往往束手无策。近年来，随着**深度学习**、**触觉传感**和**柔性材料**的突破，机器人手部正变得越来越“灵巧”。例如，通过强化学习训练的机械爪可以学会从未见过的抓取策略，而新型触觉皮肤则让机器人能感知滑动和压力。 ## 行业趋势 从本期视频可以看出，机器人行业正从“机器”向“伙伴”转变。人形机器人的涌现（如Tesla Optimus、Figure 01）推动了灵巧手技术的商业化，而协作机器人的普及则让工厂更安全、更柔性。不过，成本、可靠性和通用性仍是大规模落地的障碍。 ## 小结 “视频星期五”以直观的方式记录了机器人技术的演进。无论是人形机器人笨拙却努力的尝试，还是工业机器人精准的抓取，都预示着未来人机共融的图景。如果你对某个视频或技术感兴趣，欢迎留言讨论。
增强现实（AR）技术近年来在游戏、教育和工业领域取得了长足进步，但一个长期困扰用户体验的问题始终存在：虚拟物体与真实环境之间的光影不一致，尤其是阴影的缺失或错误投射，会打破沉浸感。最新研究提出了一种**无阴影增强现实**技术，通过算法消除虚拟物体投射的阴影，使得用户更难区分真实与虚拟内容。实验表明，参与者在测试中几乎无法分辨真实文字与投影文字的差异。 ## 技术原理与突破 传统AR渲染通常依赖物理引擎模拟光照和阴影，但计算复杂且难以实时适配动态环境。新方法采用**深度学习模型**，通过分析真实场景的光照分布，动态调整虚拟物体的渲染参数，使其无需阴影也能自然融入背景。关键技术包括： - **光照估计网络**：从单帧图像中预测环境光照方向与强度 - **阴影消除算法**：在渲染阶段抑制虚拟物体的阴影生成 - **边缘融合优化**：通过像素级混合减少虚拟与真实边界的突兀感 ## 实验与用户测试 研究团队设计了一项对照实验，让20名受试者观察混合现实场景中的文字内容。场景包含真实书写的文字和AR投影的文字，部分投影文字启用了无阴影模式。结果令人惊讶：**启用无阴影模式的投影文字被误认为真实文字的比例高达68%**，而传统带阴影的投影文字误认率仅为32%。这说明阴影的存在反而成为了用户识别的“破绽”。 ## 行业影响与应用前景 这一发现对AR/VR行业具有重要意义。当前主流AR设备（如Microsoft HoloLens、Apple Vision Pro）仍在努力解决光照一致性问题，而无阴影方案提供了一条低成本、高效果的路径。潜在应用包括： - **远程协作**：虚拟标注更自然，减少视觉干扰 - **医疗手术导航**：关键信息叠加更精准，避免阴影误导 - **消费级AR滤镜**：提升社交应用的沉浸体验 不过，该技术目前仍局限于静态光照场景，在复杂动态环境下（如户外阳光变化）的稳定性有待验证。研究团队计划下一步结合**神经辐射场（NeRF）**技术，实现全动态场景的无阴影渲染。 ## 小结 无阴影增强现实技术通过逆向思维——消除而非模拟阴影，反而提升了虚拟内容的真实性。这启示我们，在追求逼真渲染时，“不完美”有时反而更接近真实感知。随着算法的持续优化，未来AR体验或将进入一个“无影无形”的新阶段。
在夏季用电高峰，空调是电网的主要负担之一。然而，一家名为 **Every Electric** 的初创公司正在纽约市推出一种创新方案：用电池为空调供电，以缓解电网压力。这项技术不仅帮助用户节省电费，还让普通家庭成为 **虚拟电厂** 的一部分，参与能源市场的需求响应。 ### 工作原理：电池如何“接管”空调？ Every Electric 为住宅或小型商业建筑安装一套电池系统，专门与空调设备连接。当电网负荷达到峰值时，电池会自动放电，为空调供电数小时，从而减少从电网取电。用户几乎察觉不到切换过程，室内温度保持恒定。这套系统通过智能算法预测电网负荷高峰，并在电价较高时优先使用电池储能，从而降低用户的电费支出。 ### 虚拟电厂：从消费者到能源参与者 参与该计划的家庭实际上成为了 **虚拟电厂** 的一部分。虚拟电厂是一个由分布式能源资源（如电池、太阳能板、电动汽车充电桩）组成的网络，通过中央控制系统统一调度，向电网提供灵活性服务。在纽约，Every Electric 的电池网络在高峰时段可提供数百千瓦的电力，相当于一个小型发电厂的输出。电网运营商为此支付费用，这些收益会部分返还给用户，形成双赢。 ### 实际效果与前景 此前，类似的虚拟电厂项目多依赖太阳能或大型储能设施。而 Every Electric 的方案专注于空调这一单一但耗电巨大的设备，降低了部署门槛。纽约市已有数百户家庭参与测试，初步数据显示，该系统在夏季高峰时可减少 **20% 至 40%** 的空调相关电网负荷。 该技术对老旧的电网基础设施尤其有价值。纽约市的电网在极端高温天气下曾多次接近容量极限，电池空调方案提供了一种分布式、快速的缓解手段。此外，电池还可以在非高峰时段充电，利用夜间更便宜、更清洁的电力，进一步减少碳排放。 ### 挑战与未来 目前，该方案仍面临电池成本较高、安装空间有限等挑战。但 Every Electric 预计，随着电池价格持续下降和更多用户加入，经济性将逐步改善。公司还计划将系统与太阳能板集成，实现全天候清洁供冷。 对于城市居民而言，这不仅是技术升级，更意味着能源消费方式的转变——从被动用电到主动参与电网平衡。虚拟电厂的概念正从理论走向现实，而电池空调可能是其中最接地气的应用之一。
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。