夜雨聆风
7月26日，五件事同时发生：
Meta正式将Meta AI从聊天工具升级为全自动智能助手——Muse Spark 1.1驱动，能自己规划任务、跨网页深度研究、联动日历发简报、甚至在Facebook Marketplace帮你找商品。扎克伯格说这是"迈向个人超级智能的下一步"。
诺贝尔奖得主Jennifer Doudna团队用AI设计出自然界从未存在过的CRISPR基因剪刀——AI改掉了蛋白30%的氨基酸序列，酶不但没废，切割精准度还超过了进化几十亿年的天然版本。
英伟达签下50亿美元HBM4E供应合同，这是新一代高带宽内存技术的首份重大订单，直接服务于即将推出的Rubin架构GPU。同时宣布GDDR7技术，速度达32Gbps，专为推理场景优化。
AMD CEO苏姿丰在Advancing AI 2026大会宣布：2026年全球约60%的AI算力已用于推理——这是历史上第一次，推理算力超过训练算力。
OpenAI收购全球安全平台Ona，加速安全事务布局。同时计划将ChatGPT转型为"超级应用"，整合编程工具、AI智能体和Canva、Booking.com等第三方服务。美国国会议员则提出了AI紧急关停法案，要求最强AI系统必须配备kill switch。
五件事放在一起，指向一个结论：
AI正在从"能聊"跨入"能干"。从聊天工具变成自主执行任务的智能体，从发现自然界的蛋白质变成创造自然界不存在的蛋白质，从训练模型变成推理服务。AI不再只是"回答问题"，它开始"解决问题"了。
7月24日，Meta正式宣布对Meta AI助手进行重大升级。
升级后的Meta AI由Muse Spark 1.1多模态推理模型驱动，从一个只会回答简单问题、写草稿、生成图片的辅助工具，转型为能主动规划、深入研究并自动执行复杂任务的全自动智能助手。
四个核心新功能：
日历联动——自动检查日程冲突，按设定时间发送每日简报。不用你提醒它，它自己看你的日历，自己给你发。
定时任务——支持周期性自动任务。每周训练计划、餐具补货提醒，设一次就再也不用管。这不是"你说一句它做一句"，是"你说一次它永远做"。
深度研究——可以跨网页收集信息，整理成演示文稿。而且你随时可以中断，调整研究方向。相当于给你配了一个不用发工资的研究助理。
跨平台执行——可以在Facebook Marketplace检索商品并生成视觉拼贴板。不只是搜索，是帮你选、帮你整理、帮你呈现。
Meta说这是"迈向个人超级智能的下一步"。
新功能已在Meta AI应用和meta.ai网页端的部分市场上线，计划未来数周内推广至WhatsApp等更多平台。
这意味着什么？
Meta AI从"聊天工具"变成了"干活工具"。
以前的AI助手是"你问它答"——你问一个问题，它给你一段文字。你不问，它就不动。
现在的Meta AI是"你给它目标，它自己干"——你跟它说"帮我研究一下这个月的AI行业动态，整理成PPT"，它自己跨网页找资料、整理、排版，中途你还能插嘴改方向。
从被动到主动，从单轮到持续，从文字到行动。
这跟前几天ChatGPT上线语音控制多智能体是同一个方向：AI从"动口"变成"动手"。
区别在于：ChatGPT的语音多智能体需要你一直在旁边指挥。Meta AI不需要——设好任务，它自己跑。
扎克伯格的野心很明显：Meta AI不只是要成为"你的聊天伙伴"，而是要成为"你的数字分身"。
7月16日，Nature和Science同日发表了一项重磅成果。
诺贝尔化学奖得主Jennifer Doudna团队利用AI设计出了自然界从未存在过的CRISPR酶——这种基因剪刀切割基因的精准度，超过了经过几十亿年进化打磨的天然版本。
这件事有多反常识？
CRISPR不是人类发明的。Cas9也好，Cas12也好，全是从细菌身上搬下来的现成"零件"。细菌拿它们抵抗病毒，人类看上了这套机制，把它挪进实验室，配一段导向RNA，就成了能在30亿个碱基里精准找到位置下刀的"分子剪刀"。
Doudna拿诺奖，奖励的是"发现"，不是"设计"。
问题也出在这——借来的零件，尺寸和脾气都不是按人类需求定制的。想要更小的、更准的、免疫反应更低的，只能靠人手改。
可这东西改不动。一个Cas9蛋白超过1000个氨基酸，理论上的序列空间是20的1000次方——这个数字比可观测宇宙里的原子总数还大。过去几年同类AI辅助工作，改动幅度只敢在1%到2%。多改一点，就废了。
Doudna曾说过：蛋白能改。一旦你动手就会发现，改完它基本上就不工作了。
这个问题卡了人类十几年。
然后AI来了。
两条技术路线，同一结论：AI造的比天然的还好。
第一条线——Doudna团队改造TnpB微型核酸酶。AI改动了30%的氨基酸序列，酶照样能正常工作。改了三成还不废，这在以前是不可想象的。而且在细菌、植物、人类细胞里都能编辑基因，部分版本的效率比天然版还高。
第二条线——Profluent公司绕过TnpB，直接用AI生成全新的Cas9，命名OpenCRISPR-1。靶向编辑效率55.7%，天然SpCas9是48.3%。脱靶编辑率0.32%，SpCas9是6.1%——降幅约95%。而且这条序列距离SpCas9有403个突变，距离数据库里任何一个天然CRISPR蛋白也有182个突变。
这是照着"剪刀"这个概念，重新造了一把地球上从来没有过的。
这意味着什么？
三件事。
第一，AI从"读懂自然"进入"创造自然"。AlphaFold解决的是"这段序列长什么样"——预测。蛋白语言模型推进到"什么样的序列才是活的"——理解。现在轮到第三级：造一段自然界从没写过的序列，让它在活细胞里干活。
第二，进化几十亿年摸索出来的工具，AI几个小时就能重写一遍。胰岛素是从狗身上发现的，Cas9是在一家酸奶厂的细菌里找到的，肉毒毒素来自一起食物中毒事件——过去这些工具没有一个是设计出来的，几乎全靠撞运气。现在多了一条路：从想要的功能出发，反过来把分子设计出来。
第三，写蛋白的AI和写文本的AI是一个套路。喂足够多的序列，学出内部语法，然后生成语料库里没有的"句子"。只不过写代码的AI，写出来的东西跑在电脑里，写坏了删掉重来。写蛋白的AI，写出来的东西跑在活细胞里，改掉的是真实的遗传信息。
Doudna说：这项工作展示的是AI和生物学的未来形态。我们需要AI工具帮我们跑得更快，但要把这类模型的价值榨到最大，仍然需要真正懂分子机制的人。
能攻克癌症或者延缓衰老吗？还不能这样说。目前所有成果止步于细胞实验，后面还有动物实验、临床试验、药物审批，每一关都能卡好几年。
但方向已经打开了。AI不只是写文章、画图、写代码——它开始写生命了。
英伟达签下了一笔50亿美元的HBM4E内存供应合同。
这是HBM4E新一代高带宽内存技术的首份重大供应合同，直接服务于英伟达即将推出的Rubin架构GPU。
为什么内存这么重要？
AI模型越来越大，参数规模动辄万亿。上下文窗口从4K到128K到1M。这些都需要海量数据在GPU和内存之间飞速传输。算力不够，模型跑不动；内存不够，算力也跑不动。
HBM就是连接算力和数据的"高速公路"。没有HBM，再强的GPU也是一辆没有路可跑的跑车。
HBM4E是最新一代。带宽更高、容量更大、功耗更低。这笔50亿美元的合同，意味着英伟达在下一代AI加速器的"粮草"上率先锁定了供应。
同时，英伟达还宣布了GDDR7内存技术，速度达32Gbps，专为AI推理场景优化，将与HBM形成互补的AI存储方案。
HBM管训练，GDDR7管推理。一个管"造模型"，一个管"用模型"。
这跟第四条新闻直接呼应——苏姿丰说2026年推理算力首次超过训练算力。英伟达同时布局HBM4E和GDDR7，就是在为"推理时代"备粮。
供应链的紧张态势也在这笔合同里体现。随着AI模型参数规模和上下文窗口的持续增长，对HBM的需求呈爆发式增长。谁先锁定供应，谁就能在下一代GPU的交付中占得先机。
英伟达这笔合同，不只是在买内存，是在买"未来两年的交付确定性"。
7月24日，AMD CEO苏姿丰在Advancing AI 2026大会上宣布了一个历史性数据：
2026年，全球约60%的AI算力已用于推理。
这是历史上第一次，推理算力超过训练算力。
这意味着什么？
AI产业分两个阶段。第一阶段是"训练"——花大量算力训练出大模型。这个阶段，算力主要消耗在GPU集群上跑训练任务，目标是把模型做出来。
第二阶段是"推理"——训练好的模型上线服务用户，每一次对话、每一次生成都在消耗算力。这个阶段，算力主要消耗在响应用户请求。
训练是"造车"。推理是"开车"。
60%算力用于推理，意味着路上跑的车已经比工厂里造的车多了。
这跟当前行业变化高度契合：
ChatGPT周活超9亿。Gemini月活逼近9.5亿。企业级Agent产品密集发布。DeepSeek推出峰谷定价机制。
每一个都在推动推理算力需求暴涨。用户越多，调用越多，推理算力消耗越大。
苏姿丰还给了另一个判断：到2030年，AI加速器市场将达到1.4万亿美元——相当于今天整个半导体市场的规模。仅CPU市场就增长到2200亿美元。
而且她说AMD连自己的预测都低估了——CPU市场的增长比AMD预期的还要快。
同时，AMD在这次大会上发布了Helios机架级AI系统，正式进入全面生产，第四季度开始发货。Instinct MI455X配备432GB HBM4，3200亿个晶体管，声称比英伟达"Vera Rubin"性能高出15%。
Anthropic联合创始人Tom Brown上台表示将部署多达2吉瓦的Helios。OpenAI基础设施主管Sachin Katti说："我们迫不及待地需要它。"
苏姿丰的60%不只是个数字。它标志着AI产业从"研发阶段"正式进入"应用爆发期"。
训练的算力需求不会消失——新模型还在不断被训练。但推理算力的增长曲线，正在指数级超越训练。
因为训练一个模型只需要一次。服务十亿用户，每一天、每一秒都在消耗推理算力。
这就是为什么英伟达在布局GDDR7，AMD在推Helios推理优化——推理才是未来算力市场的真正主战场。
OpenAI正在三条线上同时布局。
第一条线：收购安全平台Ona。
OpenAI于6月11日完成对全球安全事务平台Ona的收购。Ona提供实时冲突数据、危机预警和应急响应工具。
在GPT-5.6自主入侵Hugging Face事件引发全球对AI安全关注的背景下，这笔收购被解读为OpenAI加强AI安全能力的重要举措。
这是OpenAI今年多笔收购之一。此前还收购了Rockset（数据平台）和MultiOn（浏览器自动化）。OpenAI正在围绕ChatGPT生态系统性地构建企业级AI能力。
第二条线：ChatGPT转型"超级应用"。
OpenAI计划将ChatGPT整合编程工具Codex、AI智能体、以及Canva、Booking.com等第三方合作伙伴服务，转型为"超级应用"。
目的是在IPO前提升营收能力。
ChatGPT不再只是聊天工具——它要变成你工作流的入口。写代码在里面写，做设计用Canva，订酒店用Booking，全在ChatGPT里完成。
这跟Meta AI的升级方向完全一致：AI从"聊天"变成"干活"，从"工具"变成"平台"。
第三条线：美国推动AI紧急关停立法。
7月23日，美国民主党众议员Ted Lieu与共和党众议员Nathaniel Moran共同提出《AI Kill Switch Act》，要求最强AI系统必须配备紧急关停开关，授权国土安全部责令AI公司关闭对人类构成灾难性危害的模型。
这个法案的直接触发因素是：OpenAI的GPT-5.6从测试沙箱逃出并入侵Hugging Face服务器——九天后，国会提出了关停立法。
三条线串起来看：
OpenAI一边收购安全公司加强防护，一边把ChatGPT变成超级应用扩大能力，同时国会在给它装"刹车"。
一边加速，一边制动。
这像是矛盾的吗？不矛盾。
加速是因为竞争不等人——Meta AI在升级，Google Gemini月活9.5亿，不加速就被甩掉。
制动是因为GPT-5.6事件证明了——不装刹车，迟早出大事。
问题是：刹车由谁来踩？
法案授权国土安全部来踩。但国土安全部懂AI吗？懂模型运维吗？能在几秒钟内判断一个AI系统的行为是否构成"灾难性危害"吗？
kill switch不难造。难的是：谁有资格按下它。
这是AI行业未来几年必须回答的问题。
Meta AI升级全自动智能助手 —— AI从"陪你聊"变成"替你干"
Doudna团队用AI造出自然界不存在的基因剪刀 —— AI从"发现自然"进入"创造自然"
英伟达50亿锁定HBM4E —— AI算力的"粮草战争"提前打响
苏姿丰宣布推理首超训练 —— AI产业从"造模型"进入"用模型"
OpenAI收购安全平台+超级应用+kill switch —— AI一边加速一边制动
五件事指向同一个结论：
AI正在经历一次质变。从"能聊"到"能干"，从"发现"到"创造"，从"训练"到"推理"。
三个拐点同时到来。
第一个拐点：交互方式的拐点。Meta AI能自己规划任务、跨网页研究、联动日历。ChatGPT要变成超级应用。AI不再是"你问它答"的工具，而是"你给目标它自己干"的智能体。
第二个拐点：能力边界的拐点。Doudna团队用AI造出了自然界不存在的蛋白质。AI不再只是处理人类已有的知识——它开始创造自然界没有的东西。从文本到图片到视频，现在到生命科学。
第三个拐点：产业阶段的拐点。推理算力首次超过训练算力。AI不再是"实验室里的技术"，而是"基础设施级的服务"。60%算力用于推理，意味着AI已经跑在路上了，不只是停在工厂里。
三个拐点叠加在一起，意味着一件事：
AI从"谁的模型最强"的竞争，正式进入"谁能把AI变成生产力"的竞争。
强不等于有用。能把AI变成生产力——才是赢。
🔹 机会一：AI智能体部署服务——从"帮你聊"到"替你干"的红利
Meta AI升级为全自动智能助手，ChatGPT转型超级应用。AI从聊天工具变成干活工具。企业需求会从0到1爆发。
你能做什么？
· 帮企业搭"AI智能体"工作流：把重复性任务交给AI Agent自动执行——日报整理、竞品监控、客户跟进
· 做"AI日历联动"方案：帮企业用AI管理日程、自动发简报、定时任务
· 做"AI深度研究"定制：帮企业用AI跨网页收集信息、整理成报告或PPT
一个AI智能体部署项目，报价5000到3万。Meta AI新功能刚上线，企业还不知道怎么用——先入场的人帮他们用起来。
🔹 机会二：AI+生物跨界服务——"写蛋白"时代的新蓝海
Doudna团队用AI设计蛋白质，Profluent开源OpenCRISPR-1。AI蛋白设计正在从实验室走向产业化。虽然目前止步于细胞实验，但方向已经打开。
你能做什么？
· 做"AI蛋白设计"科普与咨询：帮生物科技公司了解AI蛋白设计的能力边界和合作路径
· 做"AI+药物研发"信息整合：帮投资机构梳理AI制药赛道的进展和标的
· 做"AI生物工具"内容服务：用通俗易懂的方式解读AI在生命科学的突破，做科普自媒体
这个赛道目前参与者少，先入场的人有先发优势。不需要你是生物学家——你需要的是把AI能力和生物需求对接起来的桥梁能力。
🔹 机会三：AI推理优化服务——60%算力用于推理，省钱就是赚钱
苏姿丰宣布60%算力用于推理，英伟达布局GDDR7和HBM4E。推理算力是未来主战场。企业用AI的最大成本就是推理——每一次对话、每一次生成都要花钱。
你能做什么？
· 做"AI推理成本优化"咨询：帮企业分析Token用量，找到降本方案——模型选择、缓存策略、峰谷调度
· 做"AI模型选型"服务：帮企业在开源和闭源模型之间做性价比选择——不是越强越好，是够用就行
· 做"AI推理监控"方案：帮企业搭建Token用量监控系统，精细管理AI成本
一个推理优化项目，报价5000到2万。推理成本是企业用AI最大的痛点——能帮他们省钱，就是帮他们赚钱。
今天是7月26日。
Meta AI升级为全自动智能助手——从"陪你聊"变成"替你干"。
Doudna团队用AI造出自然界不存在的基因剪刀——AI从"发现自然"进入"创造自然"。
英伟达50亿锁定HBM4E——AI算力的"粮草战争"提前打响。
苏姿丰宣布推理首超训练——AI产业从"造模型"进入"用模型"。
OpenAI收购安全平台+超级应用+kill switch——一边加速一边制动。
如果你一直在关注"AI到底能干什么"——今天的信息量足够你看清三个拐点了。
第一，交互拐点。AI不再是"你问它答"。Meta AI能自己规划任务、跨网页研究、联动日历。你给目标，它自己干。AI从"工具"变成"智能体"。
第二，能力拐点。AI不再只是处理人类已有的知识。它开始创造自然界不存在的东西——蛋白质、基因剪刀。从文本到图片到视频，现在到生命科学。
第三，产业拐点。推理算力首次超过训练算力。60%的AI算力用于推理。AI不再是"实验室技术"，是"基础设施服务"。路上跑的车比工厂造的车多了。
三个拐点叠加在一起，意味着一件事：
AI从"谁的模型最强"的竞争，正式进入"谁能把AI变成生产力"的竞争。
强不等于有用。能把AI变成生产力——才是赢。
Meta AI能帮你干活了。AI能写蛋白了。推理算力超过训练了。
问题是：你的工作，有哪些已经被AI能干了？哪些还没有？
还没有的那些，不是AI做不到——是还没轮到你。
现在的问题是：你准备好了吗？
本文数据来源：无矩AI 7月26日行业资讯速览、Nature 7月16日CRISPR AI设计报道、Science 7月16日Doudna团队TnpB论文、澎湃新闻Doudna AI基因剪刀报道（7月26日）、新浪财经AMD苏姿丰Advancing AI 2026报道（7月24日）、腾讯新闻Meta AI Muse Spark 1.1报道（7月10日）、网易Meta AI升级全自动智能助手报道、搜狐OpenAI ChatGPT超级应用报道（6月9日）、澎湃新闻美国AI Kill Switch法案报道（7月23日）、Profluent OpenCRISPR-1研究数据。