COP31 的 Antalya AI pledge 被批为气候“安慰剂”
190 多个国家的谈判代表本月在土耳其安塔利亚参加 COP31,土耳其提前公布 Antalya Artificial Intelligence Pledge,邀请各国在 11 月 16 日正式发布前背书。该 pledge 提出数据中心使用清洁能源、报告要求和电子垃圾管理等目标,但明确为自愿、非规范性且不产生新义务;美国因特朗普退出全球气候协定而未派官方代表参会。
190 多个国家的谈判代表本月在土耳其安塔利亚参加 COP31,土耳其提前公布 Antalya Artificial Intelligence Pledge,邀请各国在 11 月 16 日正式发布前背书。该 pledge 提出数据中心使用清洁能源、报告要求和电子垃圾管理等目标,但明确为自愿、非规范性且不产生新义务;美国因特朗普退出全球气候协定而未派官方代表参会。
图灵奖得主 Richard Sutton 在最新文章中表示,仅靠原始算力不足以实现智能,AI 科学需要更聪明的新方法,且「远未完成」。他此前曾批评单纯扩展大语言模型的局限,称合成数据是「大错」,主张智能体应具备世界模型并从自身经验中持续学习。
Helmholtz Munich 的 Fabian Theis 认为,现有数据集下的扰动预测并不足以支撑复杂算法,应转向用大规模、高精度、多尺度、配准的生物数据预测分子→细胞→组织→器官→生物体的演化。
Helmholtz Munich 的 Fabian Theis 认为,现有数据集下的扰动预测并不足以支撑复杂算法,真正值得攻克的是从分子、细胞到组织、器官的多尺度、多模态生物数据建模。
随着企业将智能体 AI 引入日常工作流,AI 安全的核心已从工具问题转为数据可见性问题。智能体持续摄取、复制、摘要、转换和再分发数据,传统围绕应用、系统、网络或端点的安全方法已不足以应对。企业需要建立数据血缘,才能在人类、智能体及混合工作流中实现治理、问责与信任。
Legora CTO Jacob Lauritzen 在 Latent Space 播客中讲述如何在看不到智能体运行轨迹的情况下构建法律智能体——数据归律所客户所有。Legora 用三名工程师加三名律师搭建模拟客户工作的测试环境,某次发布后引用准确率从 70% 升至 99%。其 Tabular Review 可在单张表格中审阅 10,000 份合同,全部服务运行在 Azure 上。
企业 AI 正从零散的聊天机器人实验变成业务基础层,衡量指标也从 token 或 GPU 小时价格转向"每个有用产出的有效成本"。企业可选自建栈、按需消费或集成私有 AI 平台三条路径,HPE Private Cloud AI 将调度、模型选择、GPU 分区和缓存管理作为运营杠杆,其委托的独立测试显示高利用率多负载平台的每 token 有效成本低于反复租用同等容量。
Leash Bio 用 DNA 编码库(DEL)为每个分子加数十条条形码,剔除结合 DNA 而非药物的蛋白,从而获得干净可复现的高通量数据。其仅用自家数据训练的 Hermes 在公开基准上与 Boltz 持平,团队还发现模型会记住蛋白"绰号"而非结合位点。录制时刚起步的智能体科学推理沙盒已发展为 Minos,可提供数万次"lab-in-the-loop"模拟,相关预印本、博客与开放数据集已发布。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍,Dyna-2 是基于超过一百万小时人类视频预训练的世界动作模型,采用扩散 Transformer 与 flow matching,先预测未来视频再生成机器人动作。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出,AlphaFold 的突破只是开始,蛋白质折叠远未解决。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"(synthesis superintelligence)愿景:让 AI 通过物理实验而非仅靠互联网数据学习,用强化学习结合高通量实验室、AI 材料表征与 DFT 模拟来发现新材料。
Ben Affleck 本周因多段采访视频走红,他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量和 GPU 推理,并称自己会写 Python。
企业 AI 的竞争焦点已从预测模型能否超越统计预测,转向如何让预测系统在不偏离业务意图的前提下自主行动。深度学习与生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而无需等待季度刷新,其数据来源也扩展到非结构化交互内容。Everest Group 合伙人 Vishal Gupta 认为,"分析"一词正在让位于 AI。
MIT Technology Review 报告指出,企业 AI 的规模化瓶颈是结构性的,2026 年全球 AI 投资将达 2.5 万亿美元、同比增长 44%,但多数企业仍未靠 AI 实现收入增长。报告提出“智能体转型”需同步重构架构与运营模式:以可访问性而非数据量重建数据基础设施、用可组合架构替代固定技术栈,并解决 AI 主权问题。
Adrian Sanborn 在 Endura Therapeutics 的实践中提出,AI 对科学的影响分为两类:Foundries 用新一代测序、高通量显微和物理自动化把实验测量成本降低一个数量级,Navigators 则把变便宜的"思考"用于决策与流程。
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为,提升生物能力的模型同样能用于防御,主张更激进地推进前沿研究。其团队开发的 Evo、Evo 2 基因组语言模型曾被 Arc/Stanford 团队用于生成完整噬菌体基因组并合成出功能性病毒。
Google 的 Empirical Research Assistance(ERA)把可写成评分函数的科学问题交给 Gemini 自动搜索解法:它维护实验 notebook 树,用 Upper Confidence Bound 挑选分支并每次提出约十个变异,Gemini 2.0 到 2.5 之间从完全不可用变为效果出色。
MIT Technology Review 与 Times of San Diego 用 15 个月完成首张美国边境监控塔附近死亡的综合地图与分析,梳理 2015 年以来的移民死亡案例。团队向得州 17 个县警长办公室申请记录,从 14 个县获得超 4000 页文件,并用 Anthropic 的 Claude(通过 API)提取遗骸发现地点坐标,再人工抽样核验。
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告,基于 Hub 数据指出中国实验室在多数月份推出的最大开源模型参数量超过美国实验室,中国月度上限在 754B 至 2.78 万亿参数之间,美国模型在七个月中有五个月低于 130B。
Hugging Face 博客指出,AI 的下一个真正约束不是智能而是 GPU 利用率:GPU 按日历小时计费,却只在计算小时产出,与航空业飞机停场成本结构相同。
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10,UC Berkeley 的 Aditya G. Parameswaran 等人提出智能体时代数据系统的三大方向:面向智能体(For Agents)、由智能体运行(Of Agents)、由智能体构建(By Agents)。
Jack Clark 在 Import AI 455 中判断,到 2028 年底出现无需人类参与、能自主训练后继模型的 AI 研发的概率约为 60%,2027 年的概率约为 30%。