以下文章来源于知识分子 ，作者张天祁 知识分子 . 知识分子由非营利公益组织北京市海淀区智识前沿科技促进中心主办，以传播科学知识、弘扬科学精 神、促进科学文化为使命，致力于关注科学、人文、思想。我们将兼容并包，时刻为渴望知识、独立思 考的人努力，共享人类知识、共析现代思想、共建智趣中国。 本文来自微信公众号： 知识分子 ，作者：张天祁，题图来自：虎嗅（张一然拍摄） 对于中国北方居民而言，今年又是一个难熬的花粉季： 漫天的花粉蔽日；眼睛奇痒红肿、喷嚏不断、鼻子干裂，症状严重时，即便戴上口罩和护目镜也得不到有 效的防护，只能被花粉堵在家里。 由于树木需要时间成长，人们长时间吸入空气中的花粉过敏反应才会逐渐显现，所以一种树木致敏的危 害，可能要在大规模种植后多年才能显现。 首都医科大学附属北京世纪坛医院变态反应科的研究表明，由于花粉在空气中飘散的特点，我国北方地区 花粉的浓度显著高于南方，花粉诱发的季节性变应性鼻炎 （seasonal allergic rhinitis，SAR） 的患病率可高 达18.5%以上 。 当然，过敏的故事并非中国独有，而且各地的情况都在越来越糟。 《美国国家科学院院刊》上的一项研究发现， ...

AI驱动的新闻摘要功能 - 彭博旗舰产品"新闻标题与正文"覆盖全球上万个主题领域，遍及所有地区及主流企业，并配有丰富的标签体系，可标注话题、证券代码及人物信息 [3] - 利用大语言模型(LLM)和文本嵌入技术可计算不同新闻标题之间的相似度，有效识别重复信息，同一主题下的新闻报道数量可反映事件的市场影响力 [4] - 通过提示工程可提取关键特征如"WTI原油市场是否受影响"或"事件是否导致石油供应中断"，这些特征值可生成市场信号与波动率预测 [6] 供应链数据与生物多样性风险 - 自然相关财务信息披露工作组(TNFD)发布建议帮助企业评估并披露自然资源依赖度、环境影响、风险与机遇，特别强调对上下游价值链的全面评估 [7] - 通过整合供应链数据与生物多样性数据库，可精确定位供应商在高水资源压力区域或生物多样性完整度区域的资产分布 [8] - 明治控股供应商位于高/极高水资源压力区域及生物多样性完整度区域的实体资产占比数据可供分析 [9] 欧洲汽车行业分析 - 欧洲汽车行业销售动能持续衰减，供应商业绩分析显示这一颓势早在市场普遍察觉之前便已现端倪 [12] - 分析覆盖欧洲汽车板块1500+供应商，遍布53个国家，结合标准化财务数据支持多维度关联分析 [12] - 欧洲汽车供应商的需求疲软迹象精准预示了行业拐点，印证财务数据与供应链信息整合对行业趋势预判的价值 [12]

英伟达下一代AI芯片Rubin - 英伟达CEO黄仁勋将在GTC会议上披露下一代AI图形处理器Rubin的详细信息[1] - Rubin平台以天文学家Vera Rubin命名 延续公司用女性科学家命名架构的传统[2][4] - Vera Rubin因暗物质研究闻名 职业生涯致力于支持女性科学工作者[2][5][6] 英伟达芯片命名文化 - 自1998年起采用科学家命名架构 首款芯片基于Fahrenheit微架构[2] - 近年命名突出多元性 包括Grace Hopper、Ada Lovelace和David Blackwell等少数群体科学家[4][7] - 命名从次要营销元素升级为核心技术平台标识 如Blackwell指代整代AI产品[8] 产品技术路线图 - Rubin包含Vera CPU和Rubin GPU 预计2026年推出Vera芯片[10] - 将同步发布Blackwell Ultra升级版芯片 预计2024年下半年上市[10] - 公司计划每年发布新芯片 加速迭代节奏以维持技术领先[10] 市场表现与预期 - 2025财年销售额同比增长超100%至1246.2亿美元 受Hopper持续销售和Blackwell早期需求驱动[10] - 分析师认为新产品将吸引微软、戴尔及主权国家客户[10] - Blackwell芯片发布9个月后即贡献季度收入 验证快速商业化能力[10] 行业影响 - 科技巨头竞相宣称首批采用Blackwell平台 形成行业标杆效应[9] - 开发者社区关注新架构性能提升 包括速度、能效和总拥有成本优化[3][10] - 年度发布节奏对供应链管理提出更高要求 需平衡创新速度与交付稳定性[10]

核心观点 - 现代人饮食结构偏离"正常饮食"标准，导致隐性饥饿和肥胖问题并存 [4][10] - 高糖高脂食物通过重塑大脑奖赏机制加剧暴饮暴食倾向 [15] - 超加工食品消费量激增是肥胖率上升的关键因素 [24][25] - 社交环境和包装设计等外部因素显著影响进食量 [18][20] - 规律三餐和进食速度对体重管理的影响超过单纯热量控制 [30][34] 膳食结构分析 - 标准膳食结构：蔬菜水果占50%（蔬菜为主），谷薯类碳水+优质蛋白占50% [4] - 成年人日摄入量标准：谷物200-300g/蔬菜≥300g/水果200-350g/动物性食物120-200g/奶制品≥300g当量 [5] - 中国实际摄入量：人均日热量3200千卡，超世界平均水平10%（2900千卡），超膳食指南标准42%（男性2250千卡） [11] - 脂肪摄入占比从2010-2012年的32.9%升至2015-2017年的34.6%，超推荐上限（30%）[12] 食品消费趋势 - 超加工食品人均消费量从2002年62g/日增至2016年174g/日，增长180% [24] - 典型超加工食品如星巴克牛角包（80g）含300千卡热量，脂肪占比达40% [23] - 高糖饮食导致内脏脂肪堆积，含糖饮料使腰围增长风险提升31% [13][30] 行为影响因素 - 7人以上聚餐使热量摄入增加76%，周末食量比工作日高10% [18] - 快速进食（<5分钟）人群更易出现腰围增长，北方居民该习惯更普遍 [30] - 不吃早餐使超重风险增加48%，腹部肥胖风险增加31% [30] 解决方案建议 - 运动方案：每周150-300分钟中低强度有氧+2-3次抗阻训练，目标周消耗2000千卡 [34] - 食物选择：增加全谷物/蔬果摄入，减少超加工食品，控制单次包装量 [25][20] - 进餐方式：细嚼慢咽、定时定量、避免分心进食 [30][35]

文章核心观点 谷歌推出用于识别野生动物的AI模型SpeciesNet，可助力野生动物图像分析和生物多样性监测，且该模型开源可用于商业用途，同时市场上还有其他类似开源工具[1][2][3] 分组1：Wildlife Insights平台介绍 - 世界各地研究人员用连接红外传感器的相机陷阱研究野生动物，但图像筛选需数天到数周，谷歌约六年前推出Wildlife Insights平台，可让研究人员在线分享、识别和分析野生动物图像，加速相机陷阱数据分析[1] 分组2：SpeciesNet模型情况 - SpeciesNet驱动Wildlife Insights的许多分析工具，基于超6500万张公开可用图像及多个组织图像训练[2] - SpeciesNet可将图像分类为2000多个标签之一，涵盖动物物种、分类群及非动物对象[2] - SpeciesNet AI模型发布可使工具开发者、学术界和生物多样性相关初创企业扩大对自然区域生物多样性的监测[2] - SpeciesNet在GitHub上以Apache 2.0许可证提供，基本可无限制用于商业用途[3] 分组3：行业其他情况 - 微软的AI for Good实验室维护着PyTorch Wildlife，这是一个为动物检测和分类提供预训练模型的AI框架[3]