夜雨聆风## 📝 要点概括
今日科技新闻的核心主题围绕人工智能对劳动力市场的冲击、资本的高度集中以及技术重心的转移。多家科技巨头联手前商务部长成立非营利组织“Raise US”，筹集5亿美元应对就业错位。同时，旧金山湾区凭借AI独角兽的崛起主导全球风投，但资金高度集中于OpenAI等少数公司，导致生态失衡。技术前沿正从语言模型转向“世界模型”和物理AI，探索更高效的计算架构与能源解决方案。此外，AI在医疗领域加速落地，但研究工具的价值需根据场景审慎评估。
## 1. 大公司旨在缓解人工智能美国工人的转型-纽约时报
【1】
大公司旨在缓解人工智能美国工人的转型
OpenAI、Anthropic、亚马逊和微软已签署由前商务部长吉娜·雷蒙多（Gina Raimondo）领导的计划。
作者：莉迪亚·德皮利斯
2026年6月25日更新于美国东部时间上午8：57
国会未能解决人工智能可能产生的劳动力中断问题。白宫对股市和投资的上涨感到兴奋，并淡化大范围失业的可能性。
现在，在公众对人工智能日益愤怒中，以及如何监管的争论，一群雇主、州长和基金会筹集了5亿美元，试图自己回答其中一些问题。
投资者包括A.I. OpenAI和Anthropic等准备上市的实验室以及已成立的美国银行和亚马逊等企业巨头。他们的新非营利组织名为Raise Us，由前商务部长和罗德岛州州长吉娜·雷蒙多（Gina Raimondo）领导，她在离任后一直呼吁公司和政府采取更多措施，引导美国工人使用新的人工智能时代。
“这是一项独立的努力，”雷蒙多女士说。“这是我所知道的第一次科技行业的竞争对手抛开竞争，说‘我们将开出巨额支票，为我们的国家服务，尽我们所能来解决这一转变。’”
对美国劳动力就业岗位错位程度的估计差异很大，从一半的入门级白领工作到各地的几千个工作岗位。尽管目前整个经济体的裁员率非常低，但员工评级网站Glassdoor发现工人对人工智能的情绪一直在恶化。公司因引用人工智能作为大幅裁员的原因而成为头条新闻。其中包括新非营利组织的Workday和IBM，以及并非该组织成员的Meta和Oracle。
该组织将主要与犹他州、阿肯色州、马里兰州和康涅狄格州的州长合作。理论：各州通常控制其社区学院系统，该系统可以通过课程提供和行业合作伙伴关系转化劳动力政策。大部分预算将资助由约15名工作人员和顾问监督的试点项目。
## 2. 旧金山湾区十大最有价值初创公司中的8家：PitchBook - citybiz
【2】
[Skip到内容]（#main）、城市链接、频道链接等导航内容已删除。
# citybiz+旧金山湾区十大最有价值初创公司中的8家：PitchBook
2026年6月25日
旧金山湾区仍然是全球初创公司创新的中心，这由人工智能驱动的风险投资热潮推动，该热潮集中投资于OpenAI、Anthropic和xAI等公司。PitchBook报告称，2026年后期和风险成长资金达到创纪录水平。
根据PitchBook的一份年中报告，在前所未有的人工智能投资浪潮推动下，旧金山湾区稳固地保持全球领先的初创创新中心地位，这加速了风险投资活动，并扩大了该市对竞争性技术生态系统的领先优势。
硅谷地区是全球10家最有价值的风险投资支持独角兽公司中的8家所在地，包括Anthropic、OpenAI和Databricks。这八家初创公司的估值总计约2.268万亿美元。另外两家分别是加利福尼亚州科斯塔梅萨的Anduril，估值为610亿美元，以及华盛顿特区的电子商务公司Juul Labs，估值为380亿美元。
前十名中有六家位于旧金山市，标志着从大流行时代的低迷中戏剧性转变后的复苏。当时，关于“末日循环”的长期预测以及一波初创公司迁往迈阿密、纽约和奥斯汀等城市的趋势，让人们对其未来产生怀疑。相反，人工智能投资热潮在很大程度上强化了科技资本的风险生态系统，因为这座城市聚集了大量人工智能公司、风险投资公司、研究人才和创业网络，使其能够吸引大量投资，尽管更广泛的风险投资市场仍不平衡。
PitchBook的《2026年美国风险投资展望：年中更新》显示，今年迄今为止，全国各地的后期风险投资和风险增长交易活动表现强劲，人工智能是这两个阶段的重要推动力。
截至5月31日，近2000笔交易的后期风险投资达到593亿美元，有望迎来十年来第二强劲的一年；而风险增长资金在409笔交易中飙升至2742亿美元，已是2025年全年记录总额的两倍多。
PitchBook的报告还指出，旧金山的人工智能激增也暴露了风险生态系统日益严重的不平衡。三位最引人注目的人工智能领导者的估值使风险资本越来越集中在少数私人控股公司，导致更广泛的初创市场流动性有限，退出机会也更少。
OpenAI、Anthropic和xAI（现为SpaceX的一部分）占今年完成的四轮最大融资，总共筹集了2370亿美元。仅这些交易就占今年迄今部署的所有风险增长资本的86.4%。
报告称，B轮和C轮人工智能交易的中位数差距仍然不大，分别为12.5%和7.5%。然而，在D轮及以后系列中，差距大幅扩大，人工智能交易中位数为2.35亿美元，比非人工智能交易中位数1.5亿美元高出56.7%。
## 3. OpenAI、Anthropic、微软和亚马逊是一个新组织的幕后黑手，旨在帮助员工为人工智能做好准备- Business Insider
【3】
科技和人工智能领域的一些知名人士都是一个新组织的幕后黑手，该组织制定了雄心勃勃的计划，以帮助员工应对人工智能转型。
OpenAI基金会、Anthropic、亚马逊和微软都是Raise US的“锚定合作伙伴”，Raise US是一家新的非营利组织，旨在筹集10亿美元建立一个国家平台，为州长提供建议，指导他们如何最好地为劳动力应对人工智能的破坏做好准备。据该组织称，他们已经筹集了5亿美元。（The OpenAI基金会是一家非营利组织，作为OpenAI重组的一部分创建，持有OpenAI营利性部门1000亿美元的股权。）
“美国制定了领导全球人工智能竞争的技术战略。它还没有人才战略——如果没有人才战略，我们就无法领导，”领导该组织的前商务部长吉娜·雷蒙多（Gina Raimondo）在宣布该倡议的声明中表示。
Raise US的最初合作伙伴关系是与阿肯色州、康涅狄格州、马里兰州和犹他州，共和党和民主党州长管理的州之间的比例大致相同。
亚马逊首席全球事务和法律官大卫·扎波尔斯基（David Zapolsky）在一篇解释合作伙伴关系的帖子中写道：“通过直接与州政府合作，试点和扩展新的劳动力模式，我们可以比我们任何人独立地更快地行动，接触到更多的人。”
在阿肯色州，该组织正在与州长莎拉·赫卡比·桑德斯（Sarah Huckabee Sanders）合作，建立一个名为“Arkansas LAUNCH的人工智能驱动职业导航平台”，将学生和求职者与个性化学习和雇主相关的职业途径联系起来。
在马里兰州，Raise US正在与州长韦斯·摩尔合作，将应届高中毕业生的服务年限扩大到医疗保健和教育等领域。
在最初的群体中，犹他州可能是最有趣的群体之一。该州发现自己处于人工智能数据中心建设的强烈反对中心。鲨鱼坦克明星凯文·奥利里在公众强烈反对和政治压力下，将他提议的数据中心缩减了近一半。
该组织表示，未来几个月将有更多州加入。在其他地方，Raise US表示，希望为“短期补偿和工资保险”等政策进行“现实世界试点”。
雷蒙多在加入拜登政府之前是罗德岛州州长，她与前印第安纳州州长埃里克·霍尔科姆一起领导这项工作。Greylock合伙人David Sze是该组织董事会的四名成员之一。
除了人工智能合作伙伴外，Raise US顾问委员会还包括美国企业界、政治界、劳工界、慈善界和经济界的名人，包括劳伦·鲍威尔·乔布斯、黑石集团首席执行官史蒂夫·施瓦茨曼、美国银行联席总裁吉姆·德马雷、前IBM首席执行官塞缪尔·帕尔米萨诺、前众议院议长保罗·瑞安、美国劳工联合会-产联主席利兹·舒勒和著名经济学家拉吉·切蒂。
关于人工智能将在多大程度上扰乱劳动力市场，存在激烈争议。Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）直言不讳地警告称，人工智能可能会在未来1到5年内消除多达一半的入门级白领工作。
人工智能和科技领域首席执行官最近试图摆脱就业“末日”的讨论，因为人们担心这种言论导致人工智能在美国的受欢迎程度下降。OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）甚至表示他“很高兴在这一点上犯了错误。”
奥尔特曼在澳大利亚联邦银行5月份举办的一次活动中表示：“我认为，现在取消入门级白领工作岗位的影响会比实际情况更大。”
## 4. SK海力士、美光固化存储芯片成为AI的失控之星-Bloomberg.com
【4】
SK Hynix Inc.本周连续发布公告，和美光科技公司一起巩固了存储芯片市场作为人工智能行业最热门领域的地位。
SK Hynix周三披露计划，将在美国上市重磅股票。这家韩国存储芯片制造商正在寻求约45.45万亿韩圆（294亿美元）的首次公开募股，这将是有史以来最大的IPO之一。
## 5. 微软股票暴跌- 24/7华尔街。
【5】
人工智能本应成为提升该地区所有船只的浪潮，但微软（纳斯达克：MSFT | MSFT价格预测）是一个主要例外。今年迄今为止，该股已下跌24%，而市场上涨7%。微软的长期交易表现糟糕或更糟。过去五年来，该股上涨了38%，而标准普尔指数上涨了72%。竞争对手Alphabet（纳斯达克：GOOG）的股价同期上涨了171%。
微软的问题相当简单，基于快速分析即可显现。如果说人工智能领域有最大的输家，那就是比尔·盖茨创立的公司。当它对OpenAI进行一系列投资时，它似乎处于行业领先地位，而OpenAI当时是明显的行业领导者。然而，随着时间的推移，OpenAI变得越来越独立，现在更像是竞争对手而非盟友。
假设两家公司之间的关系进展顺利，微软本可以在其Azure云业务的人工智能能力方面拥有优势，其Copilot AI产品也不会是一场灾难。
然而，Copilot已经被Google、Anthropic和OpenAI所超越。《华尔街日报》指出：“在依靠与OpenAI的合作伙伴关系后，微软正在聊天机器人竞赛中迎头赶上。但数据显示，它正在失去用户的支持。”
尽管尚未被普遍接受，但人们普遍认为，人工智能业务的赢家和输家已经确定，不存在追赶这种事。
微软在人工智能领域甚至输给了苹果（纳斯达克股票代码：AAPL）。至少苹果拥有超过20亿台可以通过人工智能产品瞄准的设备，其中大部分都是从谷歌获得的许可。微软没有那么大的硬件基础。
微软拥有的是其安装的Windows和Office。利用这一点并没有成功。
微软现在不得不辩称人工智能并不重要。相反，它的遗留产品才是关键。然而，即使是其Azure云计算业务在最近一个季度也表现不佳，而据推测，强大的人工智能集成本应改善这些数字。
华尔街对微软的看法是：它输掉了可能是过去半个世纪最大规模的科技竞赛。
## 6. Databricks的前人工智能首席执行官认为他可以将人工智能的电费削减1，000倍- TechCrunch
【6】
# Databricks的前人工智能负责人认为他可以将人工智能的电费削减1，000倍
探索人工智能下一个重大突破的努力催生了相当雄心勃勃的项目，但一家公司正将其视为从头重建计算架构的机会。
在Databricks前AI主管Naveen Rao的领导下，Unconventional AI承诺使推理处理更加高效。其秘密武器是：一种新型的基于脉动器的计算机架构。
周四，该公司发布了第一款人工智能模型——名为Un 0——这是一款图像生成系统工具，首次展示了该公司的技术如何复制传统人工智能系统。在随附的一篇新论文中，该公司的研究团队详细介绍了他们如何使用新架构的软件模拟来构建功能齐全的图像生成模型——该模型的性能与最先进的扩散模型同样出色。
“这是一种新型计算机的‘你好世界’，”拉奥告诉TechCrunch。“在接下来的一年里，你将开始看到一些关于这方面的非常有趣的消息。”
新的Un 0模型的输出与Stable Diffusion或OpenAI的GPT Image 1等图像生成模型的输出相似。令人印象深刻的是它是如何达到这种性能的。该模型建立在基于脉动器的架构上，与传统计算和传统大语言模型所用的芯片完全不同。基于脉动器的计算优势很复杂，但Rao相信它最终能将功耗降低多达1000倍。
实现这一目标所需的大部分基础设施仍在建设中。当前版本的Un 0运行在Unconventional脉动器芯片的软件模拟上，但该公司计划很快发布实际芯片的原理图。接下来，计划是从头开始构建整个推理堆栈，最终使Unconventional AI像其他任何提供商一样提供计算能力。
“我们将建立一种由我们的芯片组成的新型系统，”拉奥说。“我们将在那里运行人工智能模型，我们将有一条网络电缆，提示输入，推理输出，但它将以1/1000的功率完成。”
这是一个雄心勃勃的目标，尤其是对于一家员工人数仍不到50人的公司来说。但考虑到人工智能建设的规模以及满足日益增长的推理需求的预期成本，这可能是少数几个能解决规模问题的尝试之一。正如拉奥所认为的，可用的电力供应将成为未来几年人工智能的硬约束之一，而Unconventional是少数能够解决这个问题的项目之一。
“由于能源的原因，人工智能扩展很困难。这将成为未来几年的基本限制。你就是无法超越它。归根结底，这将是一个能源有限的问题，”他说。
## 7. TigerConnect通过新的调度功能扩展了人工智能驱动的平台-FierHealthcare
【7】
人工智能驱动的平台TigerConnect通过推出新的调度功能来扩展其临床通信平台。
这款名为TigerConnect调度的工具具有一系列功能，包括人工智能自动调度、实时人工智能生成的间隙检测、对话工作流程和平衡调度的智能分配逻辑。
“医疗保健领域长期以来一直将调度混乱视为生活常态，以至于我们不再质疑它，”TigerConnect首席医疗信息官彼得·斯特森医学博士在接受Fierce Healthcare采访时表示。“临床经理平均每周花几个小时在一个本应只需几分钟的流程上，而这些时间本应用于患者护理或团队领导。”
斯特森在一封电子邮件声明中说，该工具收到的反馈显示，调度问题在全行业具有“普遍性”。
相关报道：Hartford HealthCare与K Health推出PatientGPT，这是一款帮助患者查找健康信息的新人工智能工具。
“人工智能调度带来的不仅仅是效率，”斯特森说。“更重要的是，它让临床领导者能够提前预判缺口，而不是匆忙填补，从而确保在患者需要的时间和地点提供合适的临床医生。这种从被动到主动的转变才是真正的临床价值所在。”
TigerConnect于2010年推出，目前与近6000家医疗保健组织合作，覆盖超过100万名护理提供者。
总部位于康涅狄格州的哈特福德医疗保健公司是采用该工具的组织之一。
哈特福德医疗保健首席临床官阿贾伊·库马尔医学博士在一份声明中表示：“有效的劳动力沟通和协调对于高质量的护理和临床医生支持至关重要。”
“随着医疗保健变得越来越复杂，我们将继续评估有助于简化运营、改善沟通并减轻行政负担的技术和工具，”库马尔说。“调度平台等解决方案是创建更加互联、高效护理环境的一部分，使哈特福德医疗保健中心能够专注于最重要的事情——护理患者。”
## 8. 为什么综合研究只取决于其受众模型-鼓
【8】
#为什么综合研究只取决于其受众模型
#作者：Eric Ayzenberg，首席执行官
2026年6月25日|6分钟阅读
人工智能与人类研究的争论没有抓住重点。Soulmates.ai的Eric Ayzenberg表示，真正的问题是合成受众背后的模型是否足够值得信赖，足以为决策提供信息，以及它们与现实世界的研究属于哪里。
合成受众背后的模型是否足够值得信赖，可以为决策提供信息。
去年，围绕人工智能研究的对话就像一场笼子比赛一样。合成与真实。人工智能与人类。速度与严谨度。
这是一场错误的辩论。
The Good最近的一项评估针对实际用户的工作测试了六种人工智能研究工具，并找到了更有用的地方：这些工具可以提供帮助——当它们用于正确的工作时。它们可以快速暴露明显的摩擦，加速某些工作流程，并降低获得定向输入的障碍。当风险很高时，它们无法可靠地取代的是研究中最重要的部分：真实的行为、情感上的细微差别以及使强有力的决定变得合理的微妙信号。结论？人工智能工具并不能取代真正的用户测试。
这很重要，因为“人工智能研究”不是其中一个类别。在The Good的评论中，这些工具涵盖合成用户、人工智能主持的采访、人工智能辅助设置、分析和合成、推荐引擎和预测热图。将所有这些集中在一个桶里从一开始就会造成混乱。不同的工具可以完成不同的工作。应该用不同的标准来评判他们。
这就引出了真正的问题：合成研究背后的建模方法是否值得信赖。
合成系统的价值取决于观众对它的理解。如果模型很肤浅、通用或基础薄弱，那么输出听起来仍然很精致。它甚至可能在方向上有用。但当涉及到真正的价值时，它就会陷入困境：反应背后的原因和决定背后的紧张局势。
这就是市场需要更好地做出的区分。
表面层面的一致与决策级信心不同。在The Good的并排比较中，合成工具经常遇到与真实用户相同的广泛问题：混乱，怀疑，摩擦和混乱的层次结构。但是，他们始终未能了解真实参与者实际做了什么，他们如何移动，他们在哪里犹豫，他们误解了什么，以及他们如何改变发现的意义。
AI工具并非无用。只是它们最好被视为起点，而不是人类研究的替代品。
例如，在Soulmates.ai上，93%保真度数字双胞胎的承诺并不新鲜。高保真受众模型不应产生听起来可信的回应;它应该反映真实受众群体的思考、优先顺序、反应和决策方式。这与通用模拟人物角色的标准非常不同。这导致了研究过程中截然不同的角色。
因为一旦你接受了并非所有合成系统都是平等的这一事实，一个更实用的三步决策结构就会出现：
1. 当您需要快速明确方向时，请使用合成受众模型：在花费时间和金钱进行实时研究之前，对消息传递进行压力测试，比较战略路线，探索各细分市场可能的受众反应，并缩小概念集。它有助于在正式研究之外持续追踪受众动向。这种方法最适合风险较低、定义明确的问题，其中速度比确定性更重要。
2. 当您需要快速了解行为时，请使用高保真合成受众模型。最有价值的系统对特定受众群体可能如何思考、优先考虑和回应不同的选择进行建模。这使得它们对于压力测试信息传递、探索跨部门的可能反应以及在时间紧迫时为战略决策添加行为背景非常有用。当您需要真实人类数据的信心时，无需支付全面现场研究的成本或延迟。Brand Soulmates等工具是根据真实、经过审查的人类数据而不是通用人物角色构建的，并经过93%的准确性验证，旨在弥合传统合成研究和现场观众洞察之间的差距。
3. 当您需要观察野外行为时，使用传统的招募研究。当您需要实时观察某人与产品、环境或某个时刻的互动时。当监管或投资要求需要进行主要的实地调查时。当问题只能通过把一个人放进房间来回答时。
最终，人工智能研究工具的上限比炒作所暗示的要低，但它们的下限比怀疑论者承认的要高。它们可以真正有用。他们可以节省时间。他们可以创造动力。但前提是团队停止要求他们做他们本来不应该做的工作。
这就是为什么研究的未来不是合成的或人类的。它是合成的、人性的，对每个人的归属有更多的纪律。
*Eric Ayzenberg一直是塑造社交、数字和影响者营销中品牌故事讲述方向的关键参与者，为视频游戏、消费软件、玩具、戏剧和消费电子企业的一些知名企业创造创新的媒体传播解决方案，包括微软、Pokemon、英特尔、Riot Games和亚马逊。*
## 9. 顶级开发人员正在从聊天机器人转向物理人工智能-《太阳报纪事报》
【9】
顶级开发人员正在从聊天机器人转向物理人工智能
人工智能“世界模型”是计算机科学家的下一个前沿，他们看到流行聊天机器人背后的人工智能语言模型存在太多限制
作者：Matt O'Brien——美联社技术作家
罗德岛州普罗维登斯(AP)——计算机科学家路易斯·卡斯特里托（Louis Castricato）正在研究大型语言模型——ChatGPT和Claude等聊天机器人背后的人工智能技术——当他开始感觉自己正在走进死胡同时。
“我们基本上已经过了进行真正的基础大语言模型研究的阶段，”卡斯特里托说。“现在只是应用问题。”
他放弃了布朗大学的博士学业，创办了一家名为“Overworld”的新公司。其目标正如其名：让人工智能能够理解并导航一个世界，而不仅仅是文字。
尽管从人工智能聊天机器人中仍能赚取大量资金——投资者正押注于此，向Anthropic和OpenAI等领先开发者投入数十亿美元——但越来越多的人工智能企业家正致力于他们认为的下一个前沿：“世界模型”，即教人工智能系统，有时甚至是机器人，如何在物理环境中做出反应。
这些先驱包括业界一些最杰出的科学家，比如被称为“人工智能教母”的李飞飞。她在本月发表的一篇论文中形容“世界模型”的概念是“当今人工智能最重要且最被过度使用的术语之一”。
科学家正通过“世界模型”将人工智能应用于新维度
世界模型研究的核心是这样一个理念：人工智能如果只能读书，就无法真正具备智能。它还需要读懂房间。
李飞飞写道：“如果说语言模型学习的是文本的统计结构，那么世界模型学习的则是空间和时间的统计结构——光线如何落在表面上，花园在相机角度下看起来如何，物体如何对力作出反应并遵循物理定律。”
另一位提出这一概念的人工智能先驱是杨立昆（Yann LeCun），他去年辞去了Meta首席人工智能科学家的职务，创立了总部位于巴黎的“高级机器智能实验室”。
杨立昆在最近的一期Unsupervised Learning播客中说：“世界模型正迅速成为一个流行词。”他表示自己将其视为使人工智能代理能够“预测自身行为后果”的东西。
世界模型有多种定义方式，往往基于某人希望用它构建的技术——无论是机器人还是更具交互性的视频游戏。
机器人无法从仅基于书籍训练的人工智能模型中学到太多东西
像人工智能语言模型那样，基于人类所有书籍进行训练，已经产生了正在改变办公室工作和某些创意领域的人工智能助手。但一些研究人员认为，通过重复预测下一个词或像素来生成新对话、图像或代码行的生成式人工智能模型存在局限性。
聊天机器人无法拿起咖啡杯，卡内基梅隆大学计算机科学系主任马蒂尔·赫伯特（Martial Hebert）指出。
“这里有世界的几何结构，我移动手时的动力学，以及与杯子接触时的物理交互，”赫伯特说，“这远比只预测句子中的下一个词复杂得多。”
对于像赫伯特这样从事机器人研究超过四十年的科学家来说，世界模型最有用的应用是作为通往“物理人工智能”——行业另一个流行词——的更快捷、更廉价的途径。
“有些人可能有不同的定义，但物理人工智能和具身人工智能几乎就是我们过去称之为机器人学的概念的演变，”赫伯特在接受采访时说。他说，让聊天机器人变得如此有用的一些人工智能进步，同样可以应用于构建具有足够环境感知能力的人工智能，使其像机器人的大脑一样工作。
“在你的身体和脊髓中，有一个非常通用的平衡和行走模型，你可以根据实际情况进行微调，因此你走路的方式会略有不同，”他说，“你不需要去思考这些。你的神经系统和大脑的某个地方有一个通用模型，让你的身体能够非常快速地适应。”
模拟世界正吸引投资者的兴趣
更智能的机器人并非世界模型的唯一目标。卡斯特里托去年创办了Overworld，这家位于罗德岛州的小型初创公司正在构建视频游戏世界，其中的场景可以通过门，并与其中的物体进行交互。
“没有任何其他世界模型能让你随便穿过门，或者与如此详细的环境进行互动，”他在一次采访中说，“我们优先考虑交互性，而非其他一切。”
虽然短期应用不像人工智能编码工具那样显而易见，但世界模型的制造者正吸引着像史蒂夫·张（Steve Jang）这样的风险资本家的兴趣。他是Kindred Ventures的联合创始人兼管理合伙人。
该公司正在投资Overworld以及其他专注于世界模型的公司，包括正在构建用于天气预测的人工智能模型的Causal Labs，以及正在制造适用于世界模型的专用计算机芯片的Extropic。
“我认为未来会有许多不同类型的模型，拥有许多不同的理念和架构，”张说，“我不认为会有一个庞大而单一的模型统治一切。”
在最近的一篇论文中，李飞飞试图创建一个世界模型的“分类法”，以帮助厘清围绕这些相互竞争的愿景的困惑。
“一个能生成华丽但物理上不可能帧的视频模型，一个能即兴演绎可玩游戏的语言模型，以及一个能忠实模拟燃烧的物理引擎，都被称作同一个名字，”她写道。
她将世界模型分为三类。目前商业上最可行的是“渲染器”，它们优先考虑虚拟世界的视觉保真度，但不能被信任来教授机器人太多东西。
其次是“模拟器”，它们创建能够忠实再现物理世界结构的虚拟训练场；以及“规划器”，它们试图预测人工智能代理或机器人在非结构化世界中应该做什么。
“能够规划的机器人就是能工作的机器人，整个行业都在争相成为获得这一突破的那个，”她写道。
## 10. 人工智能框架提出具有多种癌症潜力的新CAR T目标-基因工程和生物技术新闻
【10】
# AI框架提出具有多种癌症潜力的新CAR T目标
*Cell*上的一项新研究描述了一种人工智能支持的策略，该策略可以加速寻找下一代CAR T细胞靶点——一个持久的目标将治疗方法扩展到血癌以外的问题。该工作题为“人工智能驱动的GPNMB CAR T细胞作为多种癌症疗法的发现”，由宾夕法尼亚大学佩雷尔曼医学院和宾夕法尼亚大学艾布拉姆森癌症中心的研究人员领导，以及西奈山伊坎医学院和RWTH亚琛大学的合作者。
宾夕法尼亚大学团队开发了一个人在环人工智能框架，旨在系统性地提名适合CAR T细胞治疗的抗原。该系统没有取代专家判断，而是将大型语言模型（LLM）与来自人类皮肤癌和健康组织的单细胞RNA测序数据集集成，以生成和完善目标列表，然后科学家进行实验评估。
挑战是众所周知的：虽然CAR T疗法已经改变了多种血液恶性肿瘤的治疗方法，但在实体瘤中识别安全、选择性的靶点仍然缓慢且需要劳动密集型。主要作者Daniel Baker博士表示：“发现一个好的CAR靶点就像试图在大海捞针一样，除了随着更多测序数据的可用，大海捞针会不断扩大。”他在Carl June医学博士的指导下完成了这项工作，合作者还有Zoltan Arany医学博士。贝克补充说，法学硕士擅长扫描广泛的数据集，而人类专家则“深入”——团队试图正式建立一种补充配对。
为了测试该框架，研究人员重点关注皮肤癌，将四个公开可用的单细胞RNA-seq数据集与额外的公共资源集成在一起。使用与CAR T设计相关的标准（包括肿瘤成分、免疫组织特异性、临床可行性）过滤了超过10,000种潜在抗原。然后，多个LLM重复模拟目标提名——1,000次独立运行——以减少噪音并减轻幻觉。该团队审查了由此产生的共识列表，选择糖蛋白非转移性黑色素瘤蛋白B（GPNMB）作为首选候选人。
然后，研究人员设计了一种GPNMB定向的CAR T细胞，并在几个临床前模型中验证了其活性。在小鼠研究中，CAR T细胞不仅消除了黑色素瘤中的肿瘤——肿瘤的最初焦点——而且还消除了单核细胞白血病和结直肠腺癌，这表明了更广泛的治疗潜力。这些发现与该论文的重点一致，即GPNMB在广泛的肿瘤类型中表达。
完整的框架包含在方法部分，以便其他团体采用。宾夕法尼亚大学团队计划将该方法应用于其他癌症类型，并继续将GPNMB CAR T候选药物推向潜在的临床翻译。
June表示：“这项研究代表了大型语言模型在细胞和基因治疗领域的首次使用之一，包括CAR T细胞治疗。”该框架是故意模块化和疾病不可知的，旨在适应新的数据集和未来的LLM，因为它们的发展。Arany强调了更广泛的影响：“这只是冰山一角，因为代理人工智能正在崛起。”
## 📈 行业趋势
当前AI行业呈现三大趋势：一是市场规模的高度集中与资本垄断，少数头部公司（如OpenAI、Anthropic）吸走了绝大部分风险投资，导致创业生态两极分化，流动性受限；二是劳动力政策从企业自发合作转向政府主导的体系化应对，聚焦社区学院和职培试点，解决技术引发的就业结构性错配；三是技术探索从虚拟语言模型转向物理世界模型与新型计算架构，旨在突破能源和硬件瓶颈，推动具身智能与高效推理。行业正从通用型AI竞争转向垂直场景（医疗、机器人）的应用落地，同时“AI替代论”催生对合成研究工具可靠性的理性审视。
