文章核心观点 - 谷歌DeepMind CEO哈萨比斯认为AGI将在未来十年内实现 并开启科学的黄金时代和新文艺复兴 在能源 健康等领域带来巨大益处 [2][7][51] - 当前AI系统仍存在关键瓶颈 包括缺乏真正的创造力 无法提出新假设 以及在某些领域表现优异但其他方面犯简单错误 [4][5][33] - 实现AGI需突破多模态理解 世界模型构建和持续学习能力等核心技术障碍 [6][21][36] DeepMind战略定位与团队规模 - DeepMind与谷歌完成合并 整合Alphabet所有AI团队 成为谷歌和Alphabet的"发动机舱" 负责构建核心Gemini模型及视频模型 交互式世界模型等多种AI模型 [15] - 团队规模约5000人 其中80%以上为工程师和博士研究员 约有三四千名顶尖技术人才 [16] - 模型已全面接入谷歌生态 包括Workspace和Gmail等全线产品 每日服务数十亿用户通过AI概览 AI模式或Gemini应用进行交互 [15] 世界模型技术突破 - Genie 3世界模型通过分析数百万段YouTube等平台视频 自主推导现实世界运行逻辑 能即时生成可交互的沉浸式环境 [17][19] - 模型无需预编程物理规则 仅通过观察学习即掌握光影反射 物体运动等复杂原理 生成持续一两分钟的高度一致性交互场景 [19][20] - 技术突破点在于实现逆向工程学习物理规律 生成范围远超人类活动 包括操控沙滩小狗或与水母互动等多元世界模拟 [19] 机器人技术发展路径 - 采用"安卓模式"战略 打造跨机器人的通用操作系统层 同时探索垂直整合 将最新模型与特定机器人类型深度结合 [25] - 人形机器人对日常任务极具价值 因人类环境基于人体工学设计 但专用机器人形态在工业等领域仍有不可替代性 [26][27] - 当前处于类似70年代PC初期阶段 未来两三年将实现算法突破 关键挑战在于硬件规模化时机选择 需平衡成熟度与量产需求 [28][29] AGI核心能力缺失与衡量标准 - 当前AI缺乏真正创造力 无法像爱因斯坦提出狭义相对论那样实现直觉飞跃或类比推理 [33][34] - 真正AGI需在所有领域保持博士级表现 而非仅在某些领域优异 同时需具备持续学习能力以实时吸收新知识 [35][36] - 关键测试包括给AI设置1901年知识截止点 检验其能否提出类似1905年爱因斯坦的创新理论 [34] 创意工具变革与行业影响 - Nano Banana等工具的核心优势在于惊人一致性 能理解指令并保持其他元素不变 实现高效迭代 [14][38] - 工具双轨赋能：降低大众创作门槛 同时为顶级创作者提供十倍百倍效率提升 但输出质量仍依赖使用技巧和审美素养等专业因素 [38][39] - 未来娱乐将出现融合共创的新艺术形式 顶级创意先锋主导高质量动态叙事 数百万人可参与部分内容共创 [39][40] 药物研发加速前景 - Isomorphic Labs依托AlphaFold技术 旨在将药物研发周期从数年或十年缩短至几周或几天 [41] - 目前与礼来 诺华等重要合作 推进癌症 免疫学和肿瘤学研究 预计明年进入临床前阶段 [43][44] - 采用混合模型架构 结合学习组件与化学物理规则约束 以解决生物学数据不足问题 [45] 能源效率与AGI贡献 - 通过模型蒸馏等技术 相同性能下模型能效过去两年提升10倍甚至100倍 [49] - AI系统在电网效率 材料设计和新能源等领域的贡献将远超其自身能源消耗 [50] - 当前总需求未降低因前沿模型仍需扩大规模实验 但服务端能效持续优化 [49]

新药研发往往需要数年时间，而且失败率极高。不过，人工智能(AI)有望改变这一情况。谷歌 (GOOGL.US)旗下AI实验室DeepMind的联合创始人兼首席执行官、诺贝尔化学奖获得者Demis Hassabis 表示，AI很快将把新药研发的时间从数年缩短至数月。Demis Hassabis在接受采访时表示："在未来几年 内，我希望能将这一时间缩短至数月，而不是数年。""我认为这是可能的，甚至可能更快。" Isomorphic Labs目前正致力于寻找癌症和免疫系统疾病的治疗方案。该公司的药物设计主管Rebecca Paul表示，这些疾病为将算法模型成果转化为临床结果提供了相对更为简便的路径。Rebecca Paul还曾 表示，AI研发的药物将使许多癌症转变为可治疗的慢性病。她表示："很难给出一个明确的时间表。但 我们现在已经可以开始思考如何解决这个问题。" 自2021年成立以来，Isomorphic Labs已与制药公司礼来(LLY.US)和诺华制药(NVS.US)达成合作。去年， Isomorphic Labs表示正在与诺华制药合作，基于三种靶点研发疗法——这些靶点即药物设计用于作用的 蛋白质或分子。Dem ...

无锡途深智合人工智能科技有限公司（简称"途深智合"），近日宣布完成千万元级人民币天使+轮融 资。 据悉，途深智合此轮融资由上海天使会联合投资，老股东诚美资本持续跟投。途深智合称，将融资资金 进一步投入AI蛋白质平台的研发，持续加速产品创新等。 途深智合宣布完成千万元级人民币天使+轮融资，由上海天使会联合投资，老股东诚美资本 持续跟投。 近两年连融4轮 途深智合成立于2023年12月，是一家专注于人工智能蛋白质设计领域的生物科技公司。该公司以AI超 智能技术推动科学研发，主要应用于高价值蛋白及相关产品的设计与产业化。 目前，途深智合已建立起聚焦生物医药领域的科学智能体平台，能够实现抗体设计的智能化与自动化， 包括ProteinNova蛋白设计AI科学家和蛋白表达测试两大智能体平台。同时，其基于国产芯片超智能技 术，自主研发多款蛋白设计闭源模型，并对多种垂直开源SOTA模型进行了深度优化。 在产业化应用方面，途深智合已取得多项实质性进展。例如，在兔单克隆抗体亲和力改造方面，其成果 已优于欧洲头部医药公司的商用抗体；在酶改造方面，氧化还原酶活性AI首轮设计即提高380%，核酸 酶的活性提高800%。 创投日报记者注 ...

《狐仙崇拜》《至高无上》《通勤梦魇》《与希罗多德一起旅行》。 [加] 康笑菲 著 姚政志 译 读客文化·海南出版社 2025年3月 "你这个狐狸精。"这句台词一度经常出现在影视剧作品中，无论是男女爱情剧还是家庭伦理剧。在大众 印象里，狐狸似乎一直跟魅惑、狡诈、邪恶脱不开干系。狐狸是天性如此，还是被"污名化"了呢？ 华盛顿大学的康笑菲副教授从祖辈早年的狐仙信仰入手，查阅明清及民国时期的笔记小说中大量狐仙故 事，发现在当时的民间视角中，狐仙既可能带来祸害，也可能带来好运和财富。 对于中国人来说，狐狸的形象亦正亦邪，长期就有"模棱两可"的性质：它们漫游在荒野间，无法被驯化 为家畜，却不是人类饲养的牲畜；在人类聚居处造窝，并展现出如人类般的慧黠。正如清代学者纪昀所 言：人物异类，狐则在人物之间；幽明异路，狐则在幽明之间；仙妖殊途，狐则在仙妖之间。正如"狐 狸精"这个称呼，指一个人兼具迷惑人的美貌和毁灭性的色诱力量。而"狐仙"这个称呼，不只是对良狐 的敬称，也带有取悦恶狐的意味。 本书通过一系列生动的故事揭示了"狐仙崇拜"这一中国传统民间信仰的本质：英俊的"胡郎"以狐精之身 迷倒世家小姐，却因出身低微被拒婚，揭示寒门士 ...

一幅面向未来的图景徐徐展开。8月26日，《国务院关于深入实施"人工智能+"行动的意见》公布。中国 确定以科技、产业、消费、民生、治理、全球合作等领域为重点，深入实施"人工智能+"行动，到2035 年全面步入智能经济和智能社会发展的新阶段。 这是一份兼具时间表、路线图与价值指向的战略性文件。在中美竞争与博弈的今天更是意味深长。我们 将见证这样一段历史：AI(人工智能)从前沿概念走入日常现实，深度嵌入我们的生活方式与公共治理结 构。 事实上，AI已是当下。Al－phaFold破解蛋白质结构难题，为生命科学和新药开发打开新路径； ChatGPT、DeepSeek等大语言模型正重塑法律、商业等知识密集型领域的生产与流通方式；自动驾驶车 辆驶入城市街巷；AI教师和个性化教学系统让因材施教不再是精英特权。更广泛地说，每一条信息推 荐、每一段自动生成的回复，背后都有AI悄然参与。 不同于曾经轰鸣登场的蒸汽机与内燃机，AI的变革是静默的——它在无声中重写流程、改变规则、重 构边界。此时此刻，有必要重温一下互联网留下的烙印。互联网带来了平台经济、信息普及与生活方式 变迁，却也划下了鸿沟：不会使用智能手机的老人，无法适应算法界面 ...

国家战略规划 - 国务院公布《关于深入实施"人工智能+"行动的意见》，明确以科技、产业、消费、民生、治理、全球合作为重点领域，目标2035年全面步入智能经济和智能社会发展新阶段 [2] - 文件兼具时间表、路线图与价值指向的战略性定位，在中美竞争背景下具有深远意义 [2] - 计划通过十年时间实现技术跃迁，涉及巨量投资和快速扩张的市场 [5] 技术应用现状 - AlphaFold破解蛋白质结构难题，为生命科学和新药开发开辟新路径 [2] - ChatGPT、DeepSeek等大语言模型重塑法律、商业等知识密集型领域生产与流通方式 [2] - 自动驾驶车辆进入城市街道，AI教师和个性化教学系统推动教育普惠化 [2] - 人工智能已深度嵌入信息推荐、自动回复等日常生活场景 [2] 产业影响与机遇 - 中国在数据资源、产业体系、应用场景方面具有显著优势，正加快追赶算力和算法领域 [5] - AI核心要素包括算力、数据、算法、应用四大方向，将开启创业创新大时代 [5] - 一批具备超强能力的AI企业将崛起，推动千行百业"ALL IN AI"转型 [4][5] 社会影响与治理挑战 - AI对就业结构产生实质性冲击，客服、翻译、内容审核岗位萎缩，法律与财务辅助工具替代初级知识工作 [3] - 技术可能加剧数字鸿沟，存在"被退场"风险和社会参与感剥离问题 [3] - 政策注重风险评估和减少就业冲击，将AI系统性纳入教育、医疗、就业、养老等民生场景 [4] - 需要建立智能向善理论体系，深入研究AI对人类认知判断、伦理规范的深层次影响 [4] 发展路径与保障机制 - 算法平台天然倾向效率与规模，普惠需要更高设计成本和更复杂反馈机制 [5] - 通过政策引导、制度设定边界、财政托底风险、治理激发共识等多重手段推动技术普惠 [5] - 强调以人为本的发展方向，确保技术成果共享和社会包容性 [5]

人工智能+行动政策发布 - 国务院发布《关于深入实施"人工智能+"行动的意见》 推进人工智能与科学技术、产业发展、消费提质、民生福祉、治理能力和全球合作六大领域深度融合 [1] 发展目标与规划 - 设定三步走目标：2027年人工智能与重点领域广泛深度融合 新一代智能终端和智能体应用普及率超70% 智能经济核心产业规模快速增长 [2] - 2030年新一代智能终端和智能体应用普及率超90% 智能经济成为经济发展重要增长极 [2] - 2035年全面步入智能经济和智能社会发展新阶段 [2] 技术演进与产业升级 - 从"互联网+"向"人工智能+"演进 实现从信息连接到知识运用的跃升 推动生产要素重组和价值创造方式升级 [2] - 加快培育基于人工智能底层架构的智能原生企业 探索全新商业模式和智能原生新业态 [5] - 当前人工智能应用集中在第二、三产业 第一产业应用相对不足 [5] 科学技术领域应用 - 加快探索人工智能驱动的新型科研范式 强化跨学科牵引作用 [4] - 支持AI for Science在自然科学和哲学社会科学领域的应用 推动人机协同研究模式转变 [4] - 重点突破材料等领域 利用AI建模预测材料结构性能关系 缩短研发周期并降低成本 [5] 消费与产业发展 - 大力发展智能网联汽车、人工智能手机电脑、智能机器人、智能家居和智能穿戴等新一代智能终端 [6] - 加快发展提效型、陪伴型等智能原生应用 支持开辟智能助理等服务新入口 [6] - 推动企业加快技术研发 完善5G和物联网等新型基础设施 促进智能家电和智慧出行等应用普及 [6] 民生与就业影响 - 关注人工智能对工作方式的重塑 以及在智能教学、个性化学习和医疗保障等场景的应用 [6] - 支持开展人工智能技能培训 激发创新创业和再就业活力 [6] - 加强人工智能应用就业风险评估 引导创新资源向创造就业潜力大的方向倾斜 [6] 数据与基础设施支撑 - 完善适配人工智能发展的数据产权和版权制度 推动版权内容依法合规开放 [8] - 鼓励探索基于价值贡献度的数据成本补偿和收益分成方式 [8] - 加大金融和财政支持力度 发展壮大长期资本和战略资本 完善风险分担和投资退出机制 [8] 治理与国际合作 - 推进人工智能健康发展相关立法 优化安全评估和备案管理制度 [8] - 推动人工智能技术开源可及 强化算力、数据和人才等领域国际合作 [7] - 支持联合国在人工智能全球治理中发挥主渠道作用 探索形成各国广泛参与的治理框架 [7] 实施路径与挑战 - 需推动供给侧与需求侧深度对接 缓解模型输出不稳定和场景融合难度大等应用困境 [9] - 鼓励数字化基础好、智能升级需求大的场景先行先试 形成示范带动效应 [9] - 统筹有效市场和有为政府关系 加强基础支撑保障同时减少对市场活动的直接干预 [10]

编辑 岳彩周 校对 穆祥桐 对此，王志珍对新京报贝壳财经记者表示，"AlphaFold对我从事的蛋白质分子结构和功能领域科研的直 接影响是，几乎我所在领域的科学家人人都会去使用它，有一个氨基酸的序列后，几乎马上就能够知道 蛋白质的结构是什么样的，但这个结构并非100%准确。例如昨天我接触到的一位科学家发现其做出来 的新结构，如果使用AlphaFold进行预测，会出现很大差异。" "因为AlphaFold是根据已知结构，通过算法帮助科学家进行预测，因此对于新解的蛋白质结构， AlphaFold的预测效果就不一定很好。因此不能绝对化AlphaFold的作用。"王志珍说。 在她看来，结构生物学家不仅要把结构研究出来，还要解析分子的功能，而功能的研究则更加复 杂，"不仅仅是结构问题，还要使用细胞生物学、交叉学科的各种手段，才能明白分子怎样"干活儿"、 怎样起作用。而且生命当中起作用的并非靠一个分子，还要靠许多分子之间的相互作用，这都是现在结 构生物学家要解决的问题。" 新京报贝壳财经讯（记者罗亦丹）8月25日，中国科学院院士、中国科学院生物物理研究所研究员王志 珍在北京接受了新京报贝壳财经记者采访，回答了关于AI F ...

核心观点 - 文章探讨了老子《道德经》中"道"的不可言说性与现代物理学、AI技术的"不可解释性"之间的深刻关联 [1][2][20] - 提出人类认知边界与自然规律/技术原理之间存在根本性鸿沟，需以新视角理解AI的"黑箱智慧" [12][17][21] 物理学与"道"的关联 - 光的波粒二象性颠覆经典物理认知，体现微观世界规律超越人类直觉 [4][5][6] - 高维空间理论（弦理论/M理论）揭示宇宙运行逻辑远超三维感知能力 [7][8] - 量子物理奠基者（海森堡/爱因斯坦）的困惑印证自然规律不可被传统逻辑完全解释 [9][10][11] AI技术的"黑箱"特性 - AlphaGo的"神之一手"展示AI通过海量训练发现人类无法理解的决策模式 [14][15] - 模型复杂性体现为：万亿级参数非线性交互、非符号化数值表征、缺乏显性逻辑规则 [17][18] - 当前技术局限：开发者可构建系统但无法完全解析内部实时决策机制 [19] 跨领域共性特征 - 认知超越性：自然规律（道）与AI模式均突破语言/逻辑框架 [12][20] - 涌现现象：简单规则衍生复杂行为（宇宙秩序/AI智能） [20] - 有效性优先：两者均通过实际结果而非理论解释证明价值 [21] AI应用启示 - 需建立可靠性验证机制替代完全透明性要求 [24][25] - 人机协作模式：AI发现模式+人类伦理决策形成共生智慧 [26][27][29] - 数据治理关键性：需防范训练数据偏见导致的系统性风险 [30][31] 终极思考 - 科学边界问题：量子不确定性/宇宙观测限制暗示人类认知存在永久盲区 [33][34] - 提出"接受未知"的智慧观，呼应老子"知其白守其黑"哲学 [35][36]

行业与公司发展 - 2012年Hinton团队在ImageNet竞赛中以15.3%错误率夺冠，标志深度学习在图像分类领域的重大突破 [30][31] - 深度学习复兴的两大前提：2010年前后计算能力与大数据成熟 [34] - Hinton团队开发的神经网络技术使机器识别常见物体的准确度达到前所未有的水平 [33] 关键技术突破 - Hinton与搭档提出玻尔兹曼机和反向传播算法，解决机器"从数据中自动提炼内部表征"的核心难题 [20] - ChatGPT底层架构采用Transformer，属于神经网络的一种特殊形式 [13] - 2012年深度学习从纯学术研究转向产业应用，成为科技巨头战略核心 [42][43] 重大商业事件 - 2013年谷歌以4400万美元收购Hinton创立的DNNResearch公司 [40][41] - 谷歌随后以6.5亿美元收购DeepMind，该交易被视为谷歌最值得的投资之一 [54] - DeepMind被收购后开发出AlphaGo、AlphaFold、Gemini等里程碑式AI产品 [55][57] 行业影响与趋势 - 2019年Hinton与LeCun、Bengio共获图灵奖，表彰其推动神经网络成为科技产业核心 [59][60] - 2023年Hinton预警AI风险，提出"AI30年内导致人类灭绝概率10%-20%"的观点 [76] - AI发展速度超预期，Hinton修正预测认为"AI5年内可能比人类更聪明" [76] 行业应用前景 - Hinton认为AI将颠覆所有行业，仅水管工等需要高度创造力的职业暂时安全 [76] - 谷歌通过整合DeepMind与谷歌大脑部门，持续产出尖端AI产品 [57] - 全球科技巨头围绕深度学习重构业务，涵盖搜索、语音、图像识别、自动驾驶等领域 [43]