硅谷选读·AI|9.24 必读|Claude 生命科学、Google 基础设施更新及更多

硅谷选读

AI · 2026.09.24

这两天 AI 圈照例又有不少进展。生物和生命科学方向最近动静特别多，说实话，我也说不好这些进展是好是坏。另一个越来越大的话题是隐私。

Google 在好几个方向上慢慢往前推。它的语音合成已经很强，3.8 又往前走了一步，我自己试了，很自然，跟真人录的播客差不多。Cloud 这边，前几天它刚发了 AX（Agent Executor）的新版本，一个用来大规模跑 agent 的底层平台，现在又出了下面这套隐私方案。Google 铺基础设施的路子，和 OpenAI、Anthropic 这些做前沿模型的公司不太一样，但它盯的都是真正值得盯的事，很值得看。

写一句描述，Gemini 就能造出一个新声音

以前用 AI 配音，基本是在一排现成的声音里挑一个，挑来挑去总差点意思。Google 这次换了个做法：想要什么声音，直接用文字描述出来。

昨天 Google 发了两个新的语音合成模型。大一点的 Gemini 3.8 Flash TTS，比如你可以写“深夜电台的主持人，嗓音低，语速慢”，它就现场造出一个原本不存在的声音，存下来可以反复用。台词也能一句一句地导：哪句压低嗓子，哪里停一下，哪里插一声“嗯哼”。小一点的 Flash-Lite 走量，给批量配音和语音客服用。

最敏感的是克隆。给它一段 30 秒的录音，就能复刻出这个人的声音。Google 设的关卡是：必须附上声音主人亲口说的同意录音，系统核对是同一个人才放行；生成的每段音频都埋了听不出来的水印。欧洲、英国、印度和美国部分州，暂时用不了克隆。

开发者现在可以在 Google AI Studio 里试。换声诈骗这几年已经不稀奇，这道同意录音的关能不能拦住坏人，要等用的人多了才知道。

原文deepmind.google/blog/say-hello-to-gemini-38-text-to-speech

Google 想让 AI 在 cloud 上记住你，而且它自己看不到

AI 助手要好用，就得记得你：上周聊到哪了，你在智能眼镜上看过的组装说明，换到电脑上还能接着看。可记的东西一多，就只能存到 cloud 上，等于把自己的生活放进别人的服务器。

Google 之前推出过 Private AI Compute，让设备把复杂任务交给 cloud 上一块隔离的硬件去算。问题是它和业内类似的方案一样，任务一结束就把上下文清空，什么都不留。

这次 Google 公布了补上记忆的办法。每个人的记忆单独加密存在 cloud 上，钥匙只放在你自己的设备里。AI 要用的时候，设备通过加密通道连进 cloud 上的隔离区，数据在里面临时解开，处理完、存好新内容，马上重新锁上。按 Google 的说法，连它自己也读不到。

为了让人信，它还公开了一份改不了的服务器软件记录，设备发数据前可以先核对软件有没有被动过，另外附了一家安全公司的独立审计。

不过这还只是技术方案。Google 没说用在哪款产品、什么时候上线。这把锁到底牢不牢，要看安全圈拿到白皮书以后怎么挑毛病。

原文deepmind.google/blog/advancing-private-ai-compute-with-secure-server-side-memory

Claude 翻 DNA 数据，找到一个长得像 CRISPR 的新系统

生物这边，先从 CRISPR 说起。人的遗传信息写在 DNA 上，像一本很长的说明书，不少病就出在几个字写错了。CRISPR 能在指定位置把 DNA 剪开、改掉，这就是常说的“基因编辑”。它拿过诺贝尔奖，已经有用它做的疗法获批。

它不是人发明的，是从细菌身上找到的。最早大家只注意到细菌 DNA 里有一串怪东西：同一小段序列隔一段就重复一次，排得整整齐齐，这叫“重复阵列”。后来才弄明白，细菌靠它记住来过的病毒，下次认出来就剪掉。人把这套本事借过来，才有了基因编辑。所以生物学家一直在 DNA 数据库里翻，找这种长得不对劲的地方。专家做一轮，要几周到几个月。

Anthropic 今年春天组了个生物团队，在湾区建了自己的实验室。研究员只写了开头的 prompt，让 Claude 去找新的逆转录酶。酶是细胞里干活的蛋白质；RNA 可以理解成 DNA 的抄本，逆转录酶干的是反方向的活，把 RNA 抄回 DNA。近千个 Claude agent 翻了将近一天，其中一个盯上了一种怪酶，藏在专门感染细菌的病毒里。这个酶以前有人见过，可它旁边也有一串整整齐齐的重复片段，没人注意到。Claude 当时的原话是：“这是……像 CRISPR 的重复阵列？！”它接着数重复、量间距、查文献，确认没人报道过，才交给人复核。团队给它起名 ART。

ART 到底干什么，现在还不知道。初步实验只看到，这串重复会转成一段段短 RNA。CRISPR 正是靠这种短 RNA 认准该剪哪里，所以 ART 可能也有类似的机制。CRISPR 基因编辑的开创者之一张锋看了预印本，说这个发现确实耐人寻味，值得接着查。它能不能成为下一件基因工具，得等实验室的结果。

原文anthropic.com/news/claude-discovers-novel-enzyme-system

Kimi K3 学会少想废话，token 省了四成

用过“深度思考”的人都见过：问一句，模型先自言自语一大段，才给答案。这段思考按 token 收钱。Fireworks 说，像月之暗面的 Kimi K3 这样的推理模型，生成的 token 大部分都花在了思考上，写代码的 agent 一轮轮跑下来，账单涨得很快。

最直接的办法是把思考力度调低。Fireworks 的用户试过，答案质量掉得太多。所以他们换了个思路：不让模型少想，而是教它别想废话。

他们在 K3 的基础上接着训练，得到 Ember-1。检查假设、发现走错了回头改，这类有用的反思留着；原地打转的部分砍掉。按他们自己的测试，token 少用了四成左右，编程和 agent 任务的成绩基本持平。拿客户的真实线上流量做对比，结论也差不多。

这样看，快答和深想未必是一个开关的两头，中间有很长一段可以调。Ember-1 往快的那头挪了一大截，但它照样在推理，只是想得更干脆。

Ember-1 现在是研究预览版，放在 Fireworks 的 serverless 上限时开放，用的人多才会长期留下。上面的数字都是 Fireworks 自己测的，还没有外部复现。

原文fireworks.ai/blog/ember-1

Replit 的 CEO 觉得，大学把年轻人最值钱的东西磨掉了

AI 写代码越来越顺手，不少家长开始犯嘀咕：大学四年学的东西，毕业时还管用吗？AI 编程平台 Replit 的创始人 Amjad Masad 在硅谷风投 a16z 的播客里聊了快一个小时，他想的问题比“学什么专业”更根本。

他说，年轻人对社会最大的用处，是质疑大家深信不疑的东西，当“异端”。现在的大学正好相反，教你照它的路子走，找份工作，成家买房。可那条路已经不灵了，书读得再好，也可能背着一身债找不到工作。

要是重新上一次大学，他希望学校别规定他学什么，能旁听八竿子打不着的课，就像乔布斯当年旁听书法，后来用在了 Mac 的字体上；要是他突然扎进一个项目，学校别拿考勤把他赶走。

他也不赞成年轻人急着创业，说这就是程序员常讲的“过早优化”。他听说有投资人跑到斯坦福，给还没想法的学生开一百万美元的支票。他自己的路子是跟着兴趣走：最近迷上国际象棋，发现 ChatGPT 下棋很烂，就自学训练模型，最后琢磨出 Replit 的一条新业务线。

对谈的另一位是 a16z 新办的一所学院的负责人。这所学院不打分、不考试，Masad 也是它的支持者。

原文a16z.simplecast.com/episodes/amjad-masad-on-rethinking-college-for-the-ai-era-sOmuMQGQ

硅谷选读