网络安全在AI进入技术栈之前就已承压。如今，AI既扩大了攻击面，又增加了新的复杂性，传统方法的局限性愈发难以忽视。这是来自MIT Technology Review EmTech AI大会的一场讨论，主题是为什么必须将安全置于AI的核心来重新思考，而不是事后才补上。 ## 当AI成为安全问题的放大器 AI的引入让网络攻击变得更加智能和自动化。攻击者可以利用生成式AI快速生成钓鱼邮件、深度伪造内容，甚至自动发现系统漏洞。与此同时，企业自身也在大量引入AI应用，这些新组件——从模型训练数据到推理接口——都成为潜在的攻击目标。**攻击面的扩张速度远超传统安全工具的适应能力**。 GC Cybersecurity的联合创始人、CEO兼CTO Tarique Mustafa在演讲中指出，传统安全方法本质上是“打补丁”式的：先有系统，再在外部加一层防护。但在AI时代，这种思路已经行不通。因为AI系统本身具有动态学习和决策能力，其行为难以用静态规则来预测和约束。 ## 为什么“事后补安全”行不通 过去的安全架构往往依赖签名检测、规则匹配和边界防御。这些方法在面对已知威胁时有效，但面对AI驱动的、不断变异的新型攻击时，就显得力不从心。**安全必须成为AI系统内在的一部分，而不是事后添加的附加层**。 Mustafa强调，企业需要将安全能力嵌入AI模型的训练、部署和运行全生命周期。例如，在数据分类和泄露防护领域，他的公司GC Cybersecurity采用了**自主协作AI**技术，让多个AI代理协同工作，实时分析数据流动，识别异常行为，而无需依赖预设规则。这种架构能够适应不断变化的威胁环境，并在攻击发生前主动拦截。 ## 从被动防御到主动智能 Mustafa拥有超过20年的技术领导经验，曾在Symantec、DHL Airways IT等公司担任高级职务，并持有多项美国专利。他领导的GC Cybersecurity开发了第四代和第五代全自动数据泄露防护平台，其核心算法能够在不依赖人工干预的情况下，自主识别和阻止数据外泄。 他认为，AI时代的网络安全必须实现三个转变：从“检测响应”到“预测预防”，从“单点防御”到“系统免疫”，从“人工主导”到“AI自治”。**未来安全的核心不是更快的补丁，而是更聪明的系统**。 ## 小结 AI既带来了新的安全威胁，也提供了重塑安全架构的机会。正如这场讨论所揭示的，企业再也不能把安全当作一个独立于AI之外的“附加项”。只有将AI与安全深度融合，让系统本身具备自适应和主动防御能力，才能应对日益复杂的网络威胁。
在MIT Technology Review的EmTech AI大会上，一场主题为“规模化与主权并重的AI运营化”的讨论揭示了企业如何通过掌控数据来定制AI，同时平衡所有权与高质量数据的安全流动。以下是核心观点与分析。 ## 数据主权：从被动到主动 随着AI技术深入各行各业，企业不再满足于使用通用模型，而是希望基于自有数据构建专属AI。然而，这带来了一个根本挑战：如何在确保数据主权的同时，让高质量数据安全、可信地流动，以支撑可靠洞察？ HPE高性能计算与AI客户解决方案副总裁Chris Davidson指出，**AI工厂**（AI Factory）正是为此而生——它通过集成化的计算基础设施，帮助企业实现从数据到模型的全链路闭环，从而在规模化部署中兼顾治理与可持续性。 ## AI工厂：解锁规模与治理的新范式 Davidson认为，AI工厂不仅是一个技术概念，更是一种战略架构。它通过标准化流程、模块化硬件和自动化运维，让企业能够： - **规模化训练与推理**：利用高性能计算（如HPE Cray exascale系统）处理海量数据，缩短模型迭代周期。 - **强化治理与合规**：在本地或私有云环境中运行，确保数据不出域，满足主权要求。 - **提升可持续性**：通过液冷、动态功耗管理等技术降低能耗，实现绿色AI。 Oak Ridge国家实验室计算科学部负责人Arjun Shankar补充道，**国家级的AI基础设施**同样需要这种“工厂化”思维。实验室正在构建的超算系统，本质上是为科学发现服务的AI工厂，其核心原则——可扩展、可复用、安全——与企业需求高度一致。 ## 主权AI：从企业到国家的战略需求 讨论中，“主权AI”成为高频词。Davidson强调，无论是政府还是大型企业，都将数据控制视为战略必需。HPE正在与多国政府合作，建设**国家级AI能力**，确保关键数据在本国境内处理，避免依赖外部云服务。 Shankar则从科研视角指出，开放与安全并非对立。通过联邦学习、差分隐私等技术，可以在不共享原始数据的前提下实现模型协作，这为跨机构、跨国界的AI合作提供了新路径。 ## 挑战与展望 尽管AI工厂前景广阔，但运营化之路仍存挑战： 1. **人才短缺**：既懂AI又懂基础设施的复合型人才稀缺。 2. **成本控制**：大规模算力投入需要明确的ROI模型。 3. **技术迭代**：硬件和框架更新迅速，企业需保持敏捷。 Davidson总结道，未来AI运营化的核心不再是“要不要做”，而是“如何做得更快、更安全、更可持续”。**数据主权与规模化并非零和博弈**，通过AI工厂这类架构，企业完全可以在掌控数据的同时，享受大模型带来的生产力跃升。 ## 小结 EmTech AI的这场对话清晰传递了一个信号：AI运营化已进入深水区。企业需要从战略高度重新审视数据、算力与治理的关系，而AI工厂正是连接这三者的关键纽带。对于希望在AI时代保持竞争力的组织而言，现在就是行动的时刻。
## 今日资讯速览 本期的《The Download》为您带来三则重要科技新闻。 ### 基督徒专用电话网络：屏蔽色情与性别相关内容 一家面向基督徒的全美移动电话网络将于下周上线。该网络通过无法关闭的网络级控制拦截色情内容——即使是成年账户所有者也无法解除。此外，它还推出了一项针对性内容的过滤器，默认开启，旨在屏蔽与性别和跨性别议题相关的材料。问题在于，许多网站无法被简单归类，这赋予了其特立独行的创始人广泛且主观的控制权，决定什么内容被允许或禁止。 ### 新工具Silico：让LLM调试像软件工程一样可控 旧金山初创公司Goodfire发布了名为**Silico**的新工具，允许研究人员窥视AI模型内部，并在训练过程中调整其参数。这可能赋予用户比以往认为的更多对技术构建方式的控制权。目标是将构建AI模型从炼金术转变为科学。Silico利用**机械可解释性**技术，映射模型内部的神经元和路径，让开发者调整它们以减少不良行为或引导输出。通过暴露“旋钮和拨盘”，Goodfire希望将AI训练更接近传统软件工程。 ### 大规模解雇：特朗普再施重击于美国科学界 过去一周，美国科学界再遭重创。这次的目标是**国家科学基金会（NSF）**——一个每年资助约90亿美元重大研究项目的联邦机构。上周五，负责这些工作的22名科学家全部被解雇。自2025年以来，NSF面临预算削减、拨款终止和大规模裁员，员工数量大幅下降，许多雄心勃勃的项目陷入停滞。这标志着美国科学资助和治理方式的重大转变。 ### 中国的开源赌注：AI领域值得关注的10件事 硅谷AI公司遵循熟悉的模式：将模型保密，但中国正走出一条不同的道路。更多详情请关注后续报道。
在澳大利亚与南美洲之间的太平洋深处，美国国家海洋和大气管理局（NOAA）的科研船“雷尼尔号”正执行一项任务：绘制超过8000平方海里的海底地图，寻找关键矿产。从本周起，它不再孤军奋战——两艘亮橙色潜水器将作为“特工”潜入近6000米深海，在海底跳跃前行。这些由初创公司**Orpheus Ocean**打造的潜水器，专为探索富含微生物、蠕虫和蜗牛的海底环境而设计，同时瞄准那些如鸡蛋大小的金属结核（含铜、钴、镍、锰），它们是现代科技不可或缺的原料。 深海探索与采矿的梦想由来已久，但高昂成本始终是拦路虎。2024年从伍兹霍尔海洋研究所（WHOI）独立出来的Orpheus，正试图改变这一局面。其联合创始人兼CEO杰克·拉塞尔（化学家出身）说，公司的设计哲学很简单：“**便宜下深海**”。每台Orpheus潜水器的造价仅数十万美元，而现有同类设备的价格往往在500万至1000万美元之间。更关键的是，它们能像“海底鼹鼠”一样钻入沉积物，采集岩芯样本——连同其中的生物。 Orpheus的工程师团队已在深海设计上打磨多年，早期工作与WHOI、NOAA及NASA合作完成。原型机曾下潜至**11000米**（马里亚纳海沟最深处），验证了极限能力。此前已完成两次商业部署，而本次“雷尼尔号”任务则是迄今最大考验：连续数周在大范围海域作业，搭载多种仪器。以“雷尼尔号”为母船，每台潜水器单次可游出10公里，每秒拍摄一张高分辨率图像，并带回最多8个海底物理样本。 若任务成功，Orpheus的潜水器有望成为政府机构、科学家和矿业公司探索深海的利器。目前市场上并非没有竞争者，但Orpheus凭借成本优势和独特的采样能力，正试图在“深海科学”与“深海采矿”之间架起一座桥梁。不过，深海采矿的环境影响争议从未停止，这些“便宜又好用”的潜水器是否会加速海底资源开采，仍是值得关注的议题。
过去一周，美国科学界再遭重创。这次的目标是美国国家科学基金会（NSF）——一家每年资助约90亿美元重大研究项目的联邦机构。该基金会的监督工作由22位知名科学家组成的委员会负责。上周五，他们全部被解雇。 自2025年4月以来，NSF一直处于无主任状态，当时前任主任Sethuraman Panchanathan在DOGE主导的资金削减和大规模解雇后辞职。特朗普提名的继任者是Jim O'Neill，一位没有科学背景的投资人和长寿研究爱好者。目前很难准确预测科学界的走向，但前景并不乐观。 NSF成立于1950年，旨在“促进科学进步”等目标。自那时起，它一直是研究和教育的主要支持来源。2024年，该机构支出93.9亿美元，数额可观，但仅占联邦总支出的0.1%。这些资金如何使用的关键决策由国家科学委员会做出。直到上周，该委员会的科学家们均由美国总统任命，任期至少六年。 范德堡大学物理学家和天文学家Keivan Stassun于2022年底被任命为委员会成员，他表示，这些成员负责制定NSF政策、批准重大支出并提供监督。例如，几年前，委员会负责在机构内设立新的“技术、创新和伙伴关系”部门，并授权资助美国极大望远镜项目。Stassun称：“这是一个相对较小的团体，承担着巨大的责任和权力。”他将自己的任命视为“极大的荣誉”。 然而，上周五，解雇邮件降临。Stassun回忆道：“邮件说：‘代表特朗普总统，此信通知您，您作为国家科学委员会成员的职务立即终止。感谢您的服务。’这令人深感失望。”尽管如此，鉴于过去一年政府对联邦科学机构的行动，Stassun并不感到意外。自2025年1月特朗普就职以来，NSF与其他许多联邦机构一样，经历了资助冻结、解冻和终止。Stassun指出：“委员会并未参与任何这些（终止）决定。” 这一事件揭示了科学治理中的深层矛盾：当政治干预跨越专业边界，长期依赖专家共识的科研资助体系面临信任危机。委员会被整体解雇，意味着NSF在关键决策上失去科学判断的缓冲层，可能加速资金分配的政治化。对于依赖NSF资助的基础研究项目，不确定性进一步加剧——从天文观测到材料科学，许多长期计划可能被迫中断。 更令人担忧的是，NSF主任一职的空缺已持续数月，而提名人选缺乏科学背景，这引发了对机构未来方向的质疑。如果缺乏科学共识的制衡，NSF是否会从“促进科学进步”转向更短视的政治目标？虽然短期内具体影响尚不明朗，但这一系列事件表明，美国科学界的“黄金时代”正面临严峻考验。
一家名为 Radiant Mobile 的新移动虚拟网络运营商（MVNO）将于 5 月 5 日在美国推出首个面向基督徒的全国性手机网络。该网络的最大特点是默认在运营商层面屏蔽色情内容，且成年账户持有人也无法关闭此过滤。此外，它还提供一项可选但默认开启的过滤功能，用于屏蔽与性别和跨性别议题相关的性内容。网络安全专家指出，这是美国首次有手机套餐在运营商层面强制屏蔽此类内容。 Radiant Mobile 创始人 Paul Fisher 在接受《麻省理工科技评论》采访时表示：“我们将创造一个以耶稣为中心、没有色情、没有 LGBT、没有跨性别内容的环境。”该 MVNO 使用 T-Mobile 的基站网络，但 T-Mobile 声明与 Radiant 无直接关系，而是通过 MVNO 管理方 CompaxDigital 合作。 除了内容过滤，Radiant 还计划招募基督教网红推广套餐，并向全美数千家教会提供捐款合作：用户每月支付 30 美元套餐费，其中一部分会捐赠给用户所属教会。Fisher 还计划将业务扩展到韩国、墨西哥等基督教人口众多的国家。 Radiant 与以色列网络安全公司 Allot 合作，在运营商层面阻止暴力、自残等类别的内容，其中色情内容被默认永久禁止，用户无法解除。这一做法引发了关于网络中立性和言论自由的争议，但 Fisher 强调这是合法且符合其用户群体价值观的尝试。 该网络的推出正值美国社会对网络内容监管日益严格的时期，包括年龄验证法律和针对社交媒体平台的诉讼浪潮。Radiant 的“核选项”为特定群体提供了一种极端但清晰的解决方案，但也可能进一步加剧数字世界的分裂。
## 永生之梦的“备份身体”方案 追求永生的终极计划，或许是一副崭新的身体。MIT Technology Review 最新发布的订阅者专属电子书，深度揭秘了一家名为 **R3 Bio** 的隐秘初创公司，该公司提出了一项既惊世骇俗又充满伦理争议的愿景——制造“无脑克隆人”，作为人类的备用身体。 ### 核心构想：可作为“载体”的克隆体 R3 Bio 的设想并非复制一个完整的有意识人类，而是培育出**缺少大脑的克隆胚胎**，使其发育成仅具备身体结构的“空壳”。这些无脑克隆体理论上可以被用作器官移植的完美供体，甚至成为未来意识上传或神经链接的载体。如果一个人的大脑或意识能够被转移到这个克隆身体中，那么“置换身体”便不再是科幻。 ### 伦理风暴与技术鸿沟 这一概念甫一提出，便引发了科学界与伦理界的激烈争论。批评者指出： - **道德边界**：即使克隆体没有大脑，将其视为可随意利用的“生物零件”是否逾越了人类尊严的底线？ - **技术可行性**：当前再生医学和神经科学远未达到能精准培育无脑克隆体、并实现意识转移的水平。研究者认为，这更像是一个“科幻级”的远期目标。 - **监管空白**：绝大多数国家严格禁止生殖性克隆，而针对“治疗性克隆”的法规也充满灰色地带。R3 Bio 的提案可能直接挑战现有法律框架。 ### 背后的推动者与行业背景 该电子书的作者 **Antonio Regalado** 长期追踪生物技术前沿。他在书中指出，R3 Bio 并非孤例——近年来，随着基因编辑、干细胞技术和人工智能的进步，一批初创公司开始探索“身体置换”的可能性。另一篇相关文章《这位研究员想一点一点地替换你的大脑》也揭示了类似的激进思路。 ### 值得关注的相关报道 MIT Technology Review 同期还发布了其他深度内容，包括： - **OpenAI 全力构建全自动研究员**：首席科学家 Jakub Pachocki 独家对话，揭示公司新挑战与 AI 未来。 - **Niantic AI 衍生公司**：利用《精灵宝可梦 Go》玩家众包的 300 亿张城市地标图像，训练全新世界模型。 - **2026 AI 指数报告**：斯坦福大学数据显示，AI 正在飞速发展，人类已难以跟上步伐。 ### 小结：科幻与现实之间 “无脑克隆人”概念目前仍处于理论探讨阶段，但它迫使公众正视一个根本问题：**我们愿意为永生付出何种伦理代价？** 订阅者可通过访问 MIT Technology Review 获取完整电子书，以及更多关于干细胞疗法、脑机接口等突破性技术的报道。
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。