AI离“理解万物”还有多远？先拿癌细胞和行星轨道试试水

一篇技术报告中居然出现了两个看起来风马牛不相及的研究对象，跟着AI真是见世面。 一个是患者来源的类器官，另一个则跨越到了宏观宇宙……先说前者。研究者利用模型学到的内部因子，提出了细胞因子联合抗体阻断的干预方案，并经细胞系、类器官、小鼠实验层层验证。 至于后者，研究者把模拟的行星位置和速度轨迹喂给模型，不告诉它开普勒定律。 等它学完后分析其内部的预测模式，提取出的“轨道频率-半长轴”关系拟合斜率达-

AI如何消耗水资源

王坚院士：AI不该只吃人类嚼过的东西

王坚院士指出，当前AI主要处理的是经过人类加工的“二手数据”，大量原始科学数据被忽略。 他以天文学为例，绝大多数天文观测数据从未被天文学家看过，而一位18岁高中生用退役卫星数据发现了新东西。 王坚用“两种AI，两个吃相”比喻，未来科学基础模型应该去“吃人类从来没有吃过的东西”。

Arm CEO表示人工智能或能治愈癌症，但数据中心是瓶颈

“目前，情况相当受限。在我们能把数据中心送入太空之前，我们需要更多的晶圆厂，这一点我可以明确告诉你，”他说。然而，哈斯表示，要实现这一目标，将需要巨大的计算能力。

模型越来越强，企业AI为什么还卡在“最后一公里”？

过去两年，大模型快速跃迁。从百亿级参数模型，到复杂逻辑推理、多模态理解，到自主 Agent，技术边界不断突破，一切似乎都在宣告：AI 已经准备好接管一切。 然而，如果把视线从实验室拉回产业一线，一个反差正在出现：大量企业的 AI 探索仍停留在试点和演示阶段，并没有真正进入业务流程。 麦肯锡的研究曾指出，企业数字化转型长期面临「试点容易、规模化难」的挑战。 问题随之浮现：为什么一个能够完成复杂任务的

关于AI末日的争论越来越离谱了。AI是一种产品，不是神。

人工智能要么治愈癌症，要么毁灭人类。这正是近日业界爆发的一场充满恐慌情绪的辩论中那种两极分化的核心论点。而事实很可能远比这平淡，风险也比一些领先AI实验室的研究人员想让你相信的更可控。这是来自一群罕见的跨党派科技专家、行业领袖和政策制定者的观点，他们公开反对极端的AI末日预测。他们强调，AI主要是一种技术产品，而非有感知的生命或神明。所以，放轻松。凭借我们已有的资源和结构，世界完全能够应对AI。首

从电账到水账：AI 算力中心的水风险从哪里来

联合国大学（UNU）水、环境与健康研究所 2026年6月发布的报告测算，全球数据中心的用水足迹（含冷却与发电）将从2025年的约4.5万亿升增至2030年的9.3万亿升——后者相当于撒哈拉以南非洲约 13 亿人一年的基本生活用水。图：视觉中国　　你向 AI 提一个问题，它用几秒钟给你答案。这段时间里，某座机房里的一排排服务器正在发热，一座冷却塔正在蒸发水分。联合国大学（UNU）水、环境与健康研究所

用人工智能“与动物交谈”或许会让我们觉得自己很聪明——但这对它们究竟有什么好处，如果有的话？

我正坐在澳大利亚鲨鱼湾的一艘小船上，偷听着地球上一些最聪明的生物之间的对话。发动机已经关闭，蔚蓝色的海水波光粼粼；我和斯蒂芬妮·金静静地坐在船上，完全被下方游动的海豚们发出的各种声音（如哨声、咔嗒声以及嗡嗡声）所吸引。 如果有人能告诉我这些聪明且具有高度社交能力的海豚在说什么，那一定非她莫属。她目前就职于布里斯托大学，共同领导着“鲨鱼湾海豚研究项目”——这是世界上持续时间最长的野生海豚研究项目之一

#观察 有什么可以“叫唤”的？

AI在所有科学和数学领域都将远远超越人类科学家，这是必然。适应一下。

马克·哈尔佩林：社交媒体伤害了一代人。我们准备让AI也这样做吗？

想象一下，两百个外星人降落在地球上，还有成千上万的外星人即将到来，势不可挡。 再想象一下，我们知道其中一些外星人是来帮助我们的，让我们的星球变得更好、更智能、更高效。 但我们也知道，其中一些外星人是来伤害我们的，可能会对我们造成不可挽回的伤害。我们不知道哪些外星人会对我们友善，哪些会心怀恶意？这就是AI的现状。但情况更为复杂。因为好的外星人和坏的外星人不一定是不同的外星人。 同样的技术，既能帮助发

当人工智能解出“千禧年难题”，人类还需要亲自做数学吗？

【编者案】什么是信息，什么是知识？在 AI 时代，两者有怎样的差别，又有哪些知识是仍然值得拥有的？人工智能发展正对许多学科带来冲击，尤其是在信息丰富，但需投入海量计算资源的领域，例如预测新的蛋白质 3D 结构，解决数学问题，描绘生物演化关系等。前所未有的效率工具让学科进步提速，但变化日新月异，想要辨明当下的发展方向也变得更加困难。端传媒推出“未来怎么学”系列，关心 AI 时代的学习问题，大到“还要

人工智能很强大，但尚未形成意识

人工智能很强大，但尚未形成意识 杜索托伊：我不认为我们正在目睹机器形成意识，而只是算法在参数和限制条件定义不当的情况下实现目标所带来的意外后果。 本文作者是牛津大学(University of Oxford)数学教授兼西蒙尼教席公众理解科学教授 三个月前，我试着使用OpenAI的ChatGPT来协助我进行数学研究，试图发现自由幂零群的zeta函数中的非多项式行为。结果发现ChatGPT毫无用处

人工智能圈的人似乎并不理解智能

作者：高塔姆·穆昆达。就在OpenAI宣称其模型擅长小学数学仅仅三年后，该公司宣布它们在88小时内解决了纳维-斯托克斯千年奖问题，而这个问题自20世纪30年代以来一直困扰着人类最伟大的数学头脑。将这一趋势向前推演，你就能理解为什么OpenAI首席执行官萨姆·奥尔特曼认为人工智能将治愈所有疾病——以及为什么人们担心失控的人工智能可能伤害人类。 圣塔菲研究所的科学家梅拉妮·米切尔和戴维·克拉考尔将人工

普林斯顿团队借助人工智能驯服“比太阳更热”的聚变等离子体

普林斯顿大学的研究团队近期展示了一种将人工智能引入核聚变控制的新方法，目标是更稳定地约束和调节核聚变装置内部温度极高的等离子体。等离子体被形容为“比太阳更热”，正体现出聚变实验所面临的极端物理环境，也说明这项工作的难点并不只是“把温度升高”，而是要在高温、高能、强扰动条件下维持可控状态。 核聚变研究之所以长期受到关注，是因为它有望提供近乎无限、低碳且高能量密度的清洁能源。不过，要让聚变反应真正走向

研究：200多种AI视觉模型都没学会像人一样“看形状”

人工智能已经能够生成逼真的图像、解决复杂数学问题，并在大量视觉识别测试中达到甚至超过人类水平，但一项最新研究显示，在一个看似非常基础的能力上，机器仍没有真正学会像人一样“看东西”。 计算机视觉系统识别真实物体与屏幕图像的示意。图／Max Gruber、Better Images of AI，CC BY 4.0 纽约大学研究人员在《iScience》发表研究，对超过200种深度神经网络视觉模型进行测

把时间还给科学家：华为如何筑牢AI科研底座

真正进入具体研究场景，AI科研的价值才开始变得具体。凤凰网科技 出品作者｜杨乐拿到诺贝尔奖的，永远是科学家。很少有人会注意，科学家身后站着什么。 2024年诺贝尔化学奖授予蛋白质结构预测领域的科学家，AlphaFold由此成为AI进入基础科学的标志性案例。但一个模型能够预测蛋白质结构，只是故事的开始。 一篇论文可以在几个月里完成，一套科研基础设施却可能需要几年、十几年。 AI for Scienc

AI时代，数学为何要警惕“只会做题”

最近，数学可能要被AI“玩坏了”。难题解决得更快，为什么还值得担心？关键在于我们如何评价、组织和延续数学研究。 AI模型的能力很难用一句话概括，基准测试（benchmark）因此成为比较模型的常用工具。但成绩一旦与融资、声誉和研发投入挂钩，测试便不再只是被动记录能力，也开始引导能力向哪些方向发展。经济学家陈斌（Alex C当公开分数能够吸引投资，针对测试进行定向优化就可能有利可图，而分数对于广泛能

人工智能每项任务的环境影响随复杂度增加而急剧膨胀

基准测试机构Vals AI发现，多阶段任务可能要求模型消耗的能量或水比简单查询呈指数级增长。 随着人工智能的使用从简单的一次性查询转向更长、更复杂的任务，所需计算量的增加导致环境足迹急剧扩大。使用某些模型构建一个网页应用所需的能量，相当于为一个家庭供电2.5小时。 这是根据独立AI基准测试公司Vals AI的一项新分析得出的结论，该公司在真实世界任务上评估模型。该公司发现，需要AI模型“思考”更长

79岁诺奖得主爱看《三体》，每天向AI提数百个问题

79岁的迈克尔·莱维特在他的社交账号简介里写道：“以我这个年纪，代码写得还不错。”莱维特是美国斯坦福大学结构生物学教授，也是计算结构生物学的先驱之一。2013年，他与另外两名科学家因开发复杂化学体系的多尺度计算模型，共同获得当年的诺贝尔化学奖。如今，他是AI的深度使用者。“我每天可能会向AI提出数百个问题。”莱维特说。科学研究离不开怀疑和验证。虽然深度痴迷AI，但莱维特不会照单全收AI的所有答案。

大型科技公司声称人工智能能找到治愈癌症的方法。那么，它在哪里呢？

在利用人工智能（AI）作为工具来检测、预防和治疗癌症方面，已经取得了显著的进展。（插图：Jason Solo/《卫报》）虽然人们常常担心人工智能可能会毁灭人类，但同时也高度评价其在医疗领域的潜力。那么，人工智能究竟能将我们带到多远的地方呢？ 她的名字叫琼（June）。对她来说，那将是她生命中的最后一个月份……我记得她的床显得如此狭窄，仿佛把她整个“吞没”在了房间中央；床的方向总是朝向窗户。由于肝脏

如果人工智能继续进步，它们可能会反直觉地揭示出未来有多少是真正不可知的，又有多少只是迄今为止未知的

。Ariel Davis

人工智能研究革命：为何取得进展可能意味着打破体系

在现代历史的大部分时间里，发现的步伐一直受到人类消化、分析以及利用现有知识的能力的限制。然而，人工智能（AI）正在改变这一状况。无论是在学术界、政府机构还是企业中，研究人员都需要花费大量时间来阅读文献、进行实验、分析数据、发表研究成果，并申请资金支持。只有当这些研究成果被广泛传播后，其他研究人员才能在此基础上继续进行研究，或者从中发现新的研究方向。AI有潜力加速这一过程的每一个环节。像 Claud

别只问AI会不会毁灭人类

“十年之内，AI毁灭全人类的概率超过10%。”这个数字一出，舆论哗然。有人追问它是否科学，有人指责它制造恐慌，也有人据此主张放慢甚至停止AI研发。 其中，一些最了解AI的建造者，一边真诚地承认这项技术可能杀死所有人，一边却没有停下手里的开发。他们并非在说谎，也不是虚伪——现实中有种种力量，使他们无法停下来。 观潮无意纠缠“10%的概率究竟大还是小”。比数字更值得追问的，是人们讨论它时所站的位置。

AI巨头押注医疗健康以平息公众反弹

AI有一个形象问题。而解决这个问题的一个方法就是让顶级公司一头扎进医疗保健领域。 为什么这很重要：用AI设计的疗法拯救世界，总比被指责破坏环境或推高美国人的电费要好。 但即使是最先进的AI模型目前也无法产生奇迹般的治疗方法——而且如果它们尝试，可能会带来严重的安全风险。 这可能会在未来两三年内引发一场关于资源分配的激烈辩论，即把大量计算能力投入医学研究的收益是否大于成本。 推动因素：《华尔街日报》