研究背景与核心成果 - 天文学家绘制出迄今最详细、分辨率最高的宇宙“质量地图” 揭示了暗物质在过去100亿年间如何塑造星系发展 [1] - 该地图分辨率是前代的两倍以上 并延伸至宇宙演化的更早期阶段 为研究暗物质性质及构建恒星形成高峰时期（约110亿—80亿年前）的星系环境模型提供了基准 [1] 研究方法与技术突破 - 研究团队利用詹姆斯·韦布太空望远镜的成像数据 测量了约25万个星系的形状 重建了宇宙连续区域中最为详细的质量地图 [3] - 通过测量大量遥远星系形状的微小扭曲（引力透镜效应）来追踪中间质量的分布 并与已知发光结构比较以定位暗物质 [3] - 相比过去基于哈勃望远镜等设备的地图 新地图克服了分辨率、灵敏度或范围有限的缺点 后者过去只能呈现宇宙网中最庞大、最重的结构 [3] 地图揭示的宇宙结构 - 地图揭示了大质量星系团、暗物质的细丝桥梁网络以及低质量星系群 [3] - 暗物质细丝是气体和星系分布的骨架结构 星系形成于贯穿宇宙的暗物质丝状结构之间高密度的节点 [3] - 这些低质量星系群因太过暗淡或遥远 无法用传统望远镜看到 [3] 科学意义与验证 - 地图显示的结构与主流宇宙学模型的预测一致 [3] - 该地图是研究星系演化和宇宙结构发展的宝贵资源 [4] - 暗物质占宇宙总质量约85%（或表述为八成以上） 但因其不发射也不吸收光线而难以被检测 [3][5] 观测手段与原理 - 科学家通过观测25万个遥远星系的光线如何被引力扭曲 反推出中间暗物质的分布 [5] - 传统观测手段无法直接观测暗物质 新方法通过引力效应间接揭示其存在与分布 [5]

水稻耐不耐旱，和叶子的厚实程度相关，这是由什么因素决定的？日前，中国农业科学院作物科学研究 所水稻分子设计技术与应用创新团队发现，水稻基因组中的三个耐旱基因可以"团队作战"，共同调控强 化其细胞壁结构，让叶片更厚实，由此提高全生育期耐旱性。相关研究成果近日发表在学术期刊《分子 植物》上。 该研究团队介绍，近年来，水资源短缺和干旱频发严重威胁水稻生产，因此，提高水稻的耐旱性至关重 要。既有研究表明，水稻耐旱性受多个基因调控，尽管已有多个相关基因被发现、克隆，但科学家对这 些基因之间的相互作用、协同效应理解还不充分，可直接应用于育种实践的基因资源仍然有限。此外， 水稻细胞壁中的木质素已被证明与干旱耐受性紧密相关，但其基因调控网络和作用机制仍未被阐释清 楚。 研究团队利用408份水稻核心种质，通过全基因组关联分析，定位到OsMYB2、OsGH18和OsCAD3三个 耐旱相关基因。研究表明，在外界干旱因素的"胁迫"下，基因OsMYB2可正向调控另外两个基因，而基 因OsGH18还可以进一步释放第三个基因OsCAD3的活性，促进水稻内木质素的合成与细胞壁增厚，进 而减少叶片水分蒸发，增强其保水与耐旱能力。进一步研究还发 ...

核心观点 - 中国科研团队开发出全球首个兼具自主出题与自动解题双重能力的通用人工智能系统“通矩模型”（TongGeometry），在逻辑推理领域实现了从“模仿解题”到“自主创造”的范式转变，并在性能与功能多样性上全面超越了以DeepMind为代表的国际顶尖水平 [1][5] 技术突破与性能表现 - 系统核心能力在于对偶性建模，能够从海量空间组合中精准捕捉符合人类数学家审美标准的高质量奥赛题目，实现了自主创造 [2] - 相比需要庞大算力集群的AlphaGeometry，该系统仅需单张消费级显卡（如RTX 4090）即可在最多38分钟内解决近25年所有奥数几何难题，推理效率和准确率均达世界顶尖水平 [2] - 系统通过创新的“规范化表示”技术，将搜索空间压缩了几个数量级，有效解决了传统方法中的路径爆炸问题 [2] - 系统实现了“小数据、大任务”的范式转化，不依赖海量标注数据，通过模拟人类数学家的直觉和审美进行内部逻辑自我演化 [4] 行业影响与认可 - 系统自主生成的3道几何新题已正式入选2024年全国中学生数学联赛（北京赛区）及美国精英奥赛，这是AI原创题目首次进入高规格人类数学竞赛 [5] - 该成果标志着中国科研团队在自动化推理的逻辑核心领域实现关键技术自研 [5] - 该科研团队由北京通用人工智能研究院、北京大学多个学院及研究院联合组成，未来将继续深耕“通系列”通用智能模型，推动中国人工智能技术在更多复杂逻辑与科学发现领域实现领跑 [5]

行业市场表现与规模 - 2024年中国成为全球最大腕戴设备市场 在国补政策推动下智能手表和手环销量明显提升[5] - 截至2025年三季度末 中国登记使用商品条码的智能穿戴相关产品总量达18.1万种 市场呈现稳步快速增长态势[5] - 市场调研数据表明 18~35岁的年轻人是智能穿戴设备的消费主力军[5] 产品功能与应用场景 - 智能穿戴设备提供第一人称视角的伴随式智能交互 将查导航、看通知、读翻译等动作转变为在视野前方自然呈现的眼前显示[6] - 某咨询平台2025年调研数据显示 中国消费者购买智能手表的原因中监测健康数据以45.48%的占比稳居消费动因首位[7] - 智能手表已成为健康、健身和保健应用场景的关键入口[7] 用户行为与消费偏好 - 年轻用户将智能穿戴设备视为贴心的健康伙伴 设备通过无声的震动提醒、细致的睡眠报告与健康勋章将抽象的健康目标拆解为可执行的小事[6][7] - 44.71%的年轻消费者在购买智能穿戴设备时最看重的因素之一是产品设计精美且有个性 仅次于健康监测需求 甚至超过了记录运动情况的43.44%[10] - 年轻消费者反感千篇一律的基础款 追求不撞款的专属感 国潮手环、DIY定制穿戴设备等产品满足了该需求[11] 产品设计与发展趋势 - 在血氧、心率、运动追踪等基础功能成为标配的情况下 智能穿戴设备只靠基础款式已经不够[10] - 将智能穿戴打造成既时尚百搭又舒适耐用的日常配饰 符合厂家形成差异化竞争的需求 也能迎合年轻人的消费偏好[10] - 有品牌在发布智能戒指时明确表达了与时尚品牌联名将其打造为时尚单品的意向 产品将复杂的传感器与AI芯片集成于轻盈时尚的戒指形态中[11] 行业影响与社会现象 - 智能穿戴设备所创造的自我追踪媒介逻辑 在帮助人们管理健康的同时 可能塑造出一种新的技术权威 让人产生成为标准化均值人的担忧[12] - 社交媒体上出现用户反思圆环焦虑和数据依赖现象 有用户感到被设备控制而非辅助[12] - 智能穿戴设备对青年人的影响是多维且深远的 正塑造年轻人新的日常行为模式和生活理念[13]

研究核心发现 - 云南大学研究团队在国际期刊《自然》发表成果 首次揭示距今约5.18亿年的早期脊椎动物昆明鱼类具有4只相机型眼 [1] - 研究证实昆明鱼类化石的松果体复合体保存了富含黑素体的视网膜和晶状体 是与侧眼功能相同的完整成像相机型眼 [1] - 对寒武纪中期另一种脊椎动物化石的分析也发现其具有一对侧眼及一对较小的松果体眼 表明5.18亿年前的脊椎动物始祖阶段松果体复合体是一对可成像相机型眼 [2] 演化路径与生态驱动 - 在后续向有颌类脊椎动物演化过程中 这对松果体眼的视觉功能逐渐退化 转变为调节昼夜节律的神经内分泌系统 即现代脊椎动物的松果体 [2] - 研究认为寒武纪大爆发的快速环境变化和形态创新中 捕食关系的出现是推动动物感官系统进化的重要生态驱动力 [2] - 早期脊椎动物4只相机型眼的视觉系统可能有利于其应对捕食压力 [2] 研究团队与方法 - 该研究由中国科学院院士、云南大学生命科学学院脊椎动物演化中心徐星团队与古生物研究院丛培允团队联合完成 [1] - 研究描述了澄江生物群中两种昆明鱼类化石侧眼之间的两处色素化结构 并将其阐释为松果体与副松果体器官 统称为松果复合体 [1] - 研究首次以翔实的形态学与化石分子信号证据证实了上述发现 [1]

在个体社会性发展方面，AI只能呈现虚拟社会，与AI互动的方式、价值和社会联系形态也与真实社会 截然不同。对于很难区分虚拟与现实的幼童来说，不仅可能模仿AI做出危险行为，也难以形成与他人 交往的意愿、信心、勇气与能力。一旦孩子只能通过沉浸在虚拟互动中感受刺激，而对现实中的人际交 往失去兴趣、感受与体验，甚至视其为负担，将严重影响其社会性发展，甚至形成孤立型人格或虚拟型 人格。 因此在幼年阶段，尤其是4岁以前，"AI哄娃"应注意加以限制。此时幼儿的自主性尚未完全形成，与AI 的过量接触会抑制其自主性的正常发展。相反，儿童在发育期需要足量的户外与社会活动，有助于保障 其身心健康发展。当前许多未成年人心理问题的原因之一，就是户外活动不足。沉湎于跟AI的互动， 势必挤压他们走进自然、参与社会、体验生活多样性的机会。长期生活在虚拟环境中，户外活动减少， 不仅影响身体健康与综合能力发展，也会削弱对父母和教师的信任与亲情，使他们更容易依赖AI、盲 从AI，难以建立现实生活中的自律与规则意识，长大后也就更难真正成为AI的主人。 在AI快速发展的社会中，AI无疑是未成年人成长过程中无法回避的背景、资源、工具乃至"共生者"。完 全 ...

来源：环球时报 新加坡亚洲新闻台1月26日文章，原题：皱纹、健身与智慧：中国"银发博主"重新定义年老的意义 从健 身房举重到练习瑜伽，一名女博主经常在网上记录她的日常健身活动。这名来自上海的博主还分享健康 食谱和每日穿搭建议。一般来说，这类内容往往出自更年轻的创作者，但64岁的她坦然接受了自己的年 龄，"64岁只是一个数字，我的皱纹和白发是我的荣誉勋章"。 这名老年博主并非个例。在中国，越来越多的60岁及以上老年人正从观看社交媒体内容转向内容创作。 分析人士表示，与志同道合者分享的乐趣和使用中国社交媒体应用的便利性，是更多中国老年人选择这 样做的原因。 分析人士表示，年长创作者的内容往往被认为比年轻创作者的内容更接地气。与年轻网红博主不同，年 长创作者通常更专注于传统技能、生活反思和如何优雅地老去等话题。对于许多年长用户来说，转向内 容创作是他们上网习惯的自然延伸。如今，大部分中国老年人已经成为"数字移民"，智能手机"几乎无 处不在"。中国互联网络信息中心发布的《中国互联网络发展状况统计报告》显示：截至2025年6月，中 国60岁以上网民规模已达1.61亿人，互联网普及率为52%。（作者莱基莎·利奥，王会聪译 ...

文章核心观点 - 人工智能技术正以前所未有的速度发展并广泛渗透至各行业，其应用场景正从认知智能向具身智能等前沿方向演进，同时低空经济等新兴领域将与AI深度融合，成为产业发展的重要赛道 [1][3][5][10] - 行业专家对AI超越人类智慧的观点持审慎乐观态度，认为AI将在特定领域超越个体，但缺乏意识与情感，与人类集体智慧存在根本差距，未来AI的本质是赋能人类，提升能力边界并替代重复性工作 [1][4] - 人工智能的进一步发展面临算力供需矛盾、大模型能力短板以及伦理治理滞后三大核心挑战，需要通过技术优化、能源效率提升和国际协同治理来应对 [11][12] AI发展趋势与前沿方向 - **具身智能成为关键演进方向**：2026年是AI从“认知智能”向“具身智能”跨越的关键年，其特点包括智能体与身体依存、能实时感知反馈环境、形成互动闭环并具备学习适应性 [5][6] - **开辟“仿生智能”新赛道**：未来AI发展新赛道被描述为“鸟工智能”，强调借鉴动物在极端环境下的敏锐感知与快速反应能力，而非依赖大量计算 [5] - **大模型竞争重点转移**：竞争重点从规模转向效率与能力，聚焦推理优化与智能体高效构建，推动AI从生成向规划和执行进化 [5] - **空间智能成为研究前沿**：大模型突破空间理解力，将赋能无人系统、数字孪生等领域 [5] - **科学大模型与绿色AI受重视**：科学大模型将加速落地以重构科研流程，使用绿色能源的AI技术及新型算力架构将成为规模化应用的新支撑 [6] AI应用场景与产业化进展 - **工业与精密操作**：机器人已能完成拼装积木、检测手机电路板等精细作业，相关设备和技术的国产化率达到98%，未来将应用于穿针引线、叠衣服等场景 [3] - **数字孪生与城市治理**：数字孪生系统已在昆明长水机场应用，实现车辆轨迹实时监控、飞机降落预警及除雪作业预演，国内AI也应用于电力调度，可自动处置告警、拟写指令 [3] - **具身智能的商用化**：具身智能将在工业巡检、家庭服务等场景实现小规模商用 [6] - **专用机器人更快落地**：四足、两栖等专用机器人可能比人形机器人更快实现规模化应用，人形机器人仍面临较长发展路径与技术难点 [9] - **场景智能解决落地难题**：通用模型因数据维度问题落地难，应发展场景智能，例如无线胶囊机器人仅用消化道数据训练，即可有效完成病灶检测任务 [8][9] 低空经济与AI的融合 - **低空经济处于快速发展期**：已成为培育新质生产力、打造万亿级新兴产业的核心赛道，正处于政策红利释放与技术迭代加速期 [10] - **发展需构建“世界模型”**：低空（尤其城市上空）环境复杂，需打造高保真的低空全景三维世界模型，这是实现从“大语言模型”向“世界模型”演进的后半场关键 [10] - **安全是首要前提与核心挑战**：安全挑战包括自然风扰、电磁干扰、人为风险等，需针对城市空中交通、遥感测绘、应急救援等不同场景突破关键技术 [11] - **AI是实现规模化的关键变量**：低空经济与AI（尤其是地理空间智能）深度融合，是实现小规模飞行走向大规模经济的关键，飞行前、中、后的全周期及各应用场景均需AI支撑 [11] - **已有关键技术平台支撑**：例如全球首创的低空复杂环境模拟装置，能精准复现城市峡谷风场、热岛效应、风切变等极端气象，为无人机、eVTOL提供试验验证平台 [10] AI发展面临的挑战 - **算力需求与资源供给矛盾**：算力需求增速超过GPU/TPU等芯片的算力迭代速度，能源消耗增速远超算力能效提升速度，且算力资源分布不均，制约AI规模化落地 [11] - **大模型能力短板**：大模型存在“生成幻觉”、可解释性差、因果推理弱等问题，“黑箱决策”模式暗藏安全风险，与使用精准性要求存在矛盾 [11] - **技术发展与伦理治理滞后**：数据隐私泄露、算法歧视、责任界定模糊等问题凸显，全球范围内尚未形成统一的AI治理规则与标准 [11] 应对挑战的路径 - **提升算力能效与优化资源配置**：通过重构训练框架、优化芯片底层设计提升能源使用效率，将低成本绿色能源纳入算力规划，并布局边缘算力、推进跨域调度以缓解分布不均 [12] - **优化大模型能力**：优化训练结构与数据逻辑，强化模型的因果推理能力与生成准确性，突破可解释性技术瓶颈以增强决策可靠性 [12] - **完善伦理规范与全球治理**：完善AI领域伦理规范与法律法规，建立分领域、分层级的监管框架，加强国际协同与规则对接，推动形成全球通用治理共识 [12]

国家“人工智能+”行动与产业数字底座政策 - 国家全面部署“人工智能+”行动，推动其与经济社会千行百业广泛深度融合，产业数字底座正成为构建新质生产力的赋能基石与核心引擎 [1] - 国务院发布《关于深入实施“人工智能+”行动的意见》，明确将人工智能定位为驱动产业升级、重塑生产生活范式的核心力量 [2] - 工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，提出“创新筑基：夯实人工智能赋能底座”的核心任务 [2] - 产业数字底座构建的关键在于强化智能算力供给、开发高水平行业模型、开展“模数共振”行动 [2] - 政策目标是到2027年，推动通用大模型在制造业深度应用，形成特色化行业大模型，并打造上千个高水平工业智能体及高质量数据集 [2] - 全国各地相继推出本地化行动方案，共同形成以算力、数据、算法、应用为核心要素的全国性产业数字底座建设热潮 [2] 梨花AI声学学习机的产品定位与特点 - 梨花教育AI声学学习机是公司响应国家“人工智能+制造”战略、参与构筑面向未来的文化服务数字底座的实践成果 [1] - 该产品超越了单一硬件意义，呼应了《“人工智能+制造”专项行动实施意见》中关于“培育智能手机、电脑、平板、智能家居等人工智能终端”及“打造智能体新业态”的号召 [3] - 该产品是在文化养老与终身学习垂直领域，将产业数字底座理念浓缩为可触可感的终端产品 [3] - 该产品是一套为中老年人深度定制的文化学习与情感陪伴系统，旨在满足中老年群体在精神文化、情感陪伴、身体康养等方面的显著需求 [3] - 产品从硬件到软件、从交互到内容均进行了全链路适老化设计，采用12.7英寸类纸屏，支持语音唤醒、一键学习、手写笔输入等便捷操作，常见学习路径不超过3步 [3] - 产品搭载的“声学大模型”集成了75种AI测评算法与50种声音特征维度，基于4.8亿份声音样本与2.8万份专家标注数据训练而成，可对用户的朗诵、语音表达进行多维评估与实时纠正 [4] - 产品具备AI陪伴功能，可扮演生活管家与学习搭子双重角色，为使用者提供个性化学习建议与情感互动 [4] - 设备已通过中国信息通信研究院“人工智能学习机”4+级认证，成为银发经济领域内首台获此认证的学习机产品 [4] 行业生态与未来展望 - “AI+智能硬件生态共建活动”是产业生态共建的重要契机，通过汇聚AI技术、智能硬件、资本与服务的生态力量，赋能新锐品牌成长 [4] - 在国家和地方政策合力铺就的“产业数字底座”之上，人工智能正以前所未有的深度和广度，渗透进制造、健康、文化、民生等各个角落 [4] - 梨花AI声学学习机的亮相是这一生态共建成果的生动体现 [5] - 公司未来将持续深耕“AI+文化养老”场景，推动智能硬件与精神文化服务的深度融合，助力更多中老年人实现老有所学、老有所乐 [5]

报告概览 - 胡润研究院发布《2025胡润未来独角兽：中国猎豹企业榜》，列出了中国成立于2000年之后、最有可能在五年内（至2030年底）达到十亿美金估值的高成长性企业，榜单估值计算截止日期为2025年10月31日 [1] 榜单总体情况 - 2025年中国共有304家猎豹企业，分布于39个城市，企业平均“年龄”约为10岁 [3] - 85%的猎豹企业为B2B模式，仅有15%直接面向消费者 [3] - 与上一年相比，有33家（占比11%）企业“升级”退出榜单，其中9家上市，2家升级为独角兽，19家升级为瞪羚企业，3家被收购；另有6家企业“降级”未达上榜门槛 [3] - 过去一年，中国新增了40家猎豹企业 [5] 企业总部城市分布 - 上海拥有65家猎豹企业，数量最多，但较上年减少3家 [3][4] - 北京以60家猎豹企业位居第二，较上年增加4家，是增长数量最多的城市 [3][4] - 深圳和杭州分别以35家和34家猎豹企业位列第三和第四，数量与上年持平 [3][4] - 无锡和天津的猎豹企业数量均增加2家，表现较好；天津和常州是今年新进入前十名的城市 [3] - 其他上榜城市包括：苏州（23家，减少2家）、广州（17家，持平）、南京（14家，持平）、无锡（13家，增加2家）、厦门（4家，增加1家）等 [4] 行业分布与趋势 - 生物科技、健康科技、企业服务、半导体及人工智能五大领域的企业合计占比超过六成 [3] - 生物科技以50家企业位居行业榜首，占比16.4%，主要集中于上海（14家）、杭州（8家）、深圳（6家）和苏州（6家） [4][5] - 健康科技以49家企业位列第二，占比16.1%，主要集中于上海（13家）、苏州（8家）和北京（8家） [4][5] - 企业服务以41家企业排名第三，占比13.4%，较上年增加2家，主要集中于北京（14家）、杭州（8家）和上海（5家） [4][5] - 半导体领域表现亮眼，以29家企业排名第四，占比9.5%，较上年大幅增加10家，主要集中于上海（7家）、北京（4家）和深圳（3家） [4][5] - 人工智能领域有20家企业，占比6.6%，排名第五，较上年减少8家，主要集中于北京（10家）和上海（4家） [4][5] - 软件服务与工业智能制造为新晋前十的行业 [4] - 与五年前相比，电子商务领域企业比例逐渐降低，而健康科技、半导体、人工智能领域企业比例显著提高 [5] - 16%的中国猎豹企业涉及AI相关领域 [5]