夜雨聆风今天我优先筛选过去 24 小时内的 AI、大模型、科研、生物医药、AI农业/兽医科技和职场相关信息。未做精确计数/为估算：粗筛约 30–50 条信息线索，最终选出 5 条。
1）最值得关注：三星预计季度利润暴增，AI 正在把“算力焦虑”推向存储芯片
Reuters 7 月 7 日报道，三星预计第二季度营业利润同比增长约 19 倍，主要受 AI 需求带动内存价格上涨影响；报道还提到，AI 支出正在从 HBM 扩展到传统 DRAM 和 NAND。
为什么重要：这说明 AI 竞争已经不只是“谁的模型更强”，而是进入了底层供应链竞争。GPU、内存、数据中心、能源、网络，都会变成 AI 发展的硬约束。以后大模型能力提升，不只是算法问题，更是硬件供给问题。
2）微软继续裁员，AI 投资正在重塑公司组织结构
Reuters 7 月 6 日报道，微软将裁减约 4800 个岗位，占全球员工约 2.1%；同一篇报道提到，科技公司正面临 AI 基础设施巨额投入压力，需要向市场证明 AI 变现速度能超过 AI 成本上升。微软方面同时强调，被裁岗位并不是直接由 AI 替代，但 AI 正在改变工作方式。
这与近期 Harvard Business School 和 INSEAD 的工作论文形成呼应：AI-native 初创公司平均规模更小、工程师占比更高，入门级岗位和管理岗位占比更低。该论文显示，同类行业和融资周期下，AI-native 公司员工规模约少 25%，工程师占比高 13%，入门级员工和管理者占比各低约 15%。
为什么重要：AI 没有简单让普通人更容易就业，而是把组织推向“少人、高技术、高判断力”的结构。低层执行任务会被压缩，但能定义问题、组织流程、复核结果、承担责任的人会更值钱。
3）Nature Communications 发布 AI 精准营养综述：科研 AI 的核心仍然是数据质量、解释性和验证
Nature Communications 7 月 6 日发表 Perspective 文章，讨论 AI 和机器学习在精准营养中的应用。文章指出，AI/ML 能处理多模态队列和生物样本数据，但仍受限于数据质量、解释性、验证和因果推断等问题。
为什么重要：这类文章看起来是营养学，但底层逻辑适用于几乎所有生命科学 AI：数据复杂、个体差异大、变量多、噪音高、因果难。AI 可以提高建模能力，但不能自动解决实验设计和生物学解释问题。
4）AI 制药继续被药企买单：Takeda 与 Insilico 合作，最高潜在价值约 6 亿美元
Insilico Medicine 近日宣布与 Takeda 建立战略 AI 药物发现合作，将使用其 Pharma.AI 平台推进候选药物发现；协议包括约 6000 万美元的项目启动费、近期付款和里程碑付款，若达到后续节点，总交易价值最高可达约 6 亿美元。
为什么重要：AI 制药正在从“论文展示”和“平台概念”进入药企预算。药企真正愿意付钱的地方，不是 AI 会生成分子，而是它能不能提高候选质量、减少无效筛选、降低前期试错成本。
5）AI农业/兽医科技信号：畜牧 AI 正从“识别模型”走向“行为数据实验室”
宾夕法尼亚州农业部门 5 月发布的信息显示，Penn Vet New Bolton Center 的 DAT-AI-LAB 用 AI 加速动物行为数据采集与分析，用于动物福利监测、早期健康问题识别和精准干预；该实验室由农业创新基金和家禽畜牧相关资金支持，并与 AgriGates 合作。
为什么重要：这说明 AI 兽医科技的重点不再只是“拍张图识别一下”或“做个算法分类器”，而是进入了传感器、数据基础设施、行为智能和农场决策系统阶段。真正能落地的 AI农业，必须连接现场数据和管理动作。
AI 辅助工具：麦伴科研, 科研全流程的 AI 工具箱，适合用来写作，查文献、读论文、溯源观点、改写润色、生成图表和整理报告。https://www.maltsci.com/
《推荐一款科研神器》
