你好，我是傑哥。、領英（linkedin）最近發佈重磅報告——《2026 linkedin talent velocity advantage report》（《2026領英人才速度優勢報告》），標題叫 The talent velocity advantage（人才速度優勢）。這份報告直擊 AI 時代最核心的挑戰：技能變化快得讓人看不清，企業該怎麼跟上？什麼是人才速度優勢？報告定義了 Talent Velocity（人才速度）：一個組織即時看清自身技能、快速建構或獲取所需能力，並把人才調動起來的能力，最終領先市場需求。聽起來抽象，但資料很扎心——根據 LinkedIn 平台海量資料，86% 的企業缺乏足夠的 人才速度，只有 14% 的企業真正跑在前面，成為“人才速度領先者”。領先者的真實優勢這些領先者也的確嘗到了甜頭。他們在四大關鍵信心指標上，平均領先落後企業 28 個百分點：盈利信心高 23 點（88% vs 65%），保留關鍵人才高 26 點（76% vs 50%），吸引關鍵人才高 27 點（83% vs 56%），以及快速調整人才匹配業務優先順序高 36 點（85% vs 49% ）。簡單說，他們對 AI 時代更有底氣，也更敢投人。人 + AI 才是真正的競爭力報告特別強調，人 + AI 才是真正的競爭力。93% 的領先者認為人類技能比以往任何時候都更重要。他們同時在 AI 技能上發力：員工發展 AI 素養 技能的機率是落後者的 2.1 倍，AI 工程技能是 1.6 倍，在溝通、關係技能和適應性等人際技能採用率上也高出 1.6 倍。更厲害的是，他們培養“優秀協作者”的能力遠超同行——建立信任技能領先 5.5 倍，影響他人 4.3 倍，跨文化技能 3.5 倍，人際領導力和營運卓越都是 3.5 倍和 3 倍。人才生態要“流動”起來領先者還把人才生態做得更加靈活。56% 把零工機會列為更高優先順序，72% 認為內部流動比以往更重要。儘管經濟不確定，89% 的組織仍擔心技能敏捷性（把對的技能在對的時間給對的工作），88% 擔心員工留存。提供學習機會仍是第一留人策略，其次是教練、導師和內部流動。首席人力官們最渴望“即時技能可見性”。92% 認為 AI 正在加速 HR 與技術職能的融合，90% 需要即時技能洞察和資源匹配，90% 表示未來會越來越按具體任務所需的技能而非職位頭銜來組隊。全球已有 30% 的組織採用技能-based（基於技能）的工作力規劃，亞太地區最高達 41% ，歐洲/中東/非洲 32% ，北美 22% 。Talent Velocity Curve：你在第幾級？報告引入了一個實用工具——Talent Velocity Curve（人才速度曲線），把企業分成 5 個等級：Level 1（靜態）：7%Level 2（規劃）：11%Level 3（推進）：24%Level 4（新興）：43%Level 5（領先）：14%只有 Level 5 的企業，才在五大加速器上全面轉型，成果清晰可見。五個速度加速器報告給出了五大加速器：Leadership momentum（領導力勢能）：領導者把職業發展當成業務必需品，高 31 點。Culture as catalyst（文化催化劑）：打造快速學習的文化，激發好奇心與創新，高 37 點。Leading on AI（AI 領先）：用 AI 工具和技能放大員工成功，高 22 點。Integrated talent ecosystem（一體化人才生態）：跨 HR 職能無縫協作，高 46 點（差距最大）。Career power（職業賦能）：讓員工自己掌控職業路徑，個性化技能建構，高 21 點。報告還給出一些建議，強調轉型不需要大刀闊斧，從小步開始就行。比如：讓高管成為職業發展冠軍、把成長放在文化中心、制定 AI-first（AI 優先）人才策略、以人才架構為底座、確保每位員工都有清晰的職業目標和計畫。報告還採訪了多位全球人才領袖，比如 KPMG US 的 Edwige Sacco 分享了如何用 15 分鐘小會把“焦慮”變成“好奇”；Genpact 的 Piyush Mehta 談了如何用即時技能智能取代靜態職位頭銜，實現更快內部匹配和更靈活的職業路徑 。最後總的來說，在技能像火箭一樣快速迭代的 AI 時代，誰能把人才速度跑起來，誰就能在不確定性中贏得優勢。企業不需要完美，只要開始行動——先看清自己處在曲線那個位置，再挑一兩個加速器發力，就能逐步拉開差距。 幫你把“人才”從成本變成真正的競爭壁壘。關注公眾號【AI資訊風向】，回覆 666，即可獲取這份 AI 行業報告。AI 技術正以前所未有的速度發展，它將如何塑造我們的未來？讓我們拭目以待。 (AI資訊風向)

2024年到2026年是一個巨大的轉折點，對於普通人來說，接下來的兩年裡，正確地佈局，將會影響接下來二十年的發展。我最大的特點，是用最通俗易懂的語言，講最深刻的大道理，通俗的語言，往往能反映最深刻的道理，這是陰陽統一，這是道：深入淺出。如果你們對於樓市稍微有些瞭解，應該都知道，現在北京的房價已經跌回2016年，所謂一葉知秋，這種徵兆已經在預示了接下來即將發生的事情。對於普通人而言，需要做的是讀史明鏡，從過去總結出經驗，過去的陞遷機會中，都發生了什麼？都是那些人從中得到了風口紅利？中國有過七次階層飛躍的機會。第一次，是1977年恢復高考，寒門出貴子，不少人在這裡抓住機遇，現在過得都不錯。第二次，是80年代鄉鎮企業，農民群體轉商，階層升級。第三次，是1984年雙軌制套利，低價獲取商品，高價溢出，多少人在這一階層完成了第一次資本原始積累。第四次，1992年下海經商，那批敏銳的脫離體制人員下海，現在也有了不錯的成就。第五次，2002-2012年，世貿組織帶來的資源紅利，煤老闆應運而生。第六次，1998-2019年，靠著房地產套現，這幫人通過倒買倒賣一躍升級富豪。第七次，網際網路興起，當時那怕是做個小小的公眾號，堅持下來也實現了財富自由。1我來說一個具體的事例給大家感受一下，如何抓住這個時代風口變現、實現分裂式的財富增長。我有一個朋友，不知道什麼原因，事業運勢很不好，畢業之後進入外貿行業，現在來看，當年正是外貿興起的時候，不少人都趁著這一波風口賺到了第一桶金，但他的業績卻怎麼都做不上去。最後因為承受不了外貿業務的壓力加上身體操勞過度越來越差，於是辭職回家考公，託人安排了老家的一個閒差，只要能夠通過筆試基本合格線就能進去。本來以為萬無一失，不料卻以一分之差，無緣編制，導致他直接失業。可以這麼說，他做的每一個選擇都不合時宜，總是在做不適合自己運勢的事情，在適合讀書的時候跑去工作，在適合工作的時候去讀書。一步錯、步步錯，最後將自己逼入了一個死角。23(科技發明秀)

在人們的刻板印象中，沙漠是生命的禁區，是單調枯黃的荒原。然而，在中國新疆的腹地，矗立著中國最大、世界第二大流動沙漠——塔克拉瑪干。這片被譽為“死亡之海”的廣袤沙海，地表之下卻隱藏著一個遠比我們想像更為豐富、神秘且震撼的世界。那裡不僅有深達數百米的沙層，更封存著失落的人類文明、古老的湖泊遺蹟、珍貴的化石水資源以及國家戰略級的能源礦產。一、倒置的沙之山脈：億萬年地質運動的奇蹟許多人以為沙漠不過是地表的一層浮沙，挖開幾米便能見到岩石。但塔克拉瑪干徹底顛覆了這一認知。這裡的沙層並非薄薄覆蓋，而是經過數百萬年風蝕、乾旱、地殼運動與地形抬升共同作用，層層壓實堆積而成的“倒置沙之山脈”。位於塔里木盆地中部的塔克拉瑪干，面積達33萬平方公里。科研人員在沙漠中心鑽井時發現，鑽頭需穿透超過800米的沙層才能觸及基岩。這不僅僅是 digging，更像是在挖掘一座沉入地底的巨大沙塔。風將岩石研磨成粉，重力將沙粒壓緊，乾燥的氣候阻止了水流沖刷，使得沙粒得以長期沉積，形成了如今沙丘連綿、起伏如海的壯觀景象。不少沙丘高度超過百米，站在頂端俯瞰，腳下的沙層彷彿是一座藏著天地萬象的自然圖書館。二、時間膠囊：被風沙掩埋的文明古國塔克拉瑪幹不僅是一座地質奇觀，更是一個埋藏人類文明的時間膠囊。在古代，這裡是絲綢之路南線的重要通道，是東西方文化交流的咽喉要道。樓蘭、精絕等古國曾在此繁榮一時，卻在歷史的長河中悄然消失，最終被無情的風沙吞噬。樓蘭古國，曾是通往西域的樞紐，漢朝時其文明已高度發達，卻在數百年間神秘消失。直到20世紀初，樓蘭遺址的重現才掀起了全球考古的熱潮。得益於沙漠極度乾燥的氣候，沙層下的遺蹟得以完好保存。考古學家在此發掘出了千年不腐的木乃伊、絲綢殘片、銅製兵器以及漢代簡牘，這些遺物成為了世界考古史上的奇蹟。在尼雅遺址，規整的街道佈局和完善的水井系統，無聲地訴說著昔日城邦的輝煌。這些發現有力地證明，沙漠絕非毫無生氣的空白地帶。在表面的沉寂之下，隱藏著人類文明演進的關鍵節點。塔克拉瑪干，已成為研究人類與自然關係最關鍵的實證之地。樓蘭古城遺址三、地下寶藏：萬年古水與戰略能源除了文明遺蹟，塔克拉瑪干的地下還蘊藏著國家的能源底牌。在沙漠深處，存在著封閉的地下含水層，部分深度不足100米，水質清澈且富含礦物質。這些是上萬年前的“化石水”，是極其珍貴的不可再生資源。同時，塔克拉瑪干的地質結構極利於油氣生成。2025年，“深地塔科1井”鑽探深度突破10910米，刷新了亞洲最深井紀錄，並首次在寒武紀地層中發現了活躍的烴類物質。此外，這裡還蘊藏著鉀鹽、石墨、鋰等戰略礦產。東端的羅布泊鉀鹽礦，作為中國最大的鉀肥來源地，為國家農業發展提供了重要保障。四、敬畏與守護：戰略儲備下的長遠智慧儘管資源豐富，但目前塔克拉瑪干的開發仍受到嚴格限制。這是因為沙漠生態系統極其脆弱，沙丘年移動速度高達60米。不當的開採不僅可能導致項目被流沙吞沒，更可能引發沙暴蔓延、水源污染、地下結構坍塌等嚴重後果，對生態造成不可逆的破壞。因此，國家對塔克拉瑪干採取了“戰略儲備”政策。這片土地被視為中國應對全球資源波動的“能源糧倉”和“壓艙石”。這種儲備並非放棄開發，而是為了長遠發展，守住時間深處的國家財富。羅布泊鹽田塔克拉瑪干從來不是什麼“死亡之海”，它是自然與時間聯手打造的奇蹟。從數百米厚的沉沙地層到風沙封印的古國，從萬年古水到萬米深處的能源礦產，它藏著無盡的密碼。面對這片土地，征服從來不是正確的答案，唯有理解與敬畏，才是我們應有的態度。在這片沙海之下，跳動著的是地球古老的脈搏，也是人類文明未來的希望。 (晶片研究室)

你以為的 AI 威脅，是天網控制導彈發射井，讓人類文明在一瞬間灰飛煙滅。但現實中的 AI 威脅，卻是你某天醒來，突然發現一個 AI 機器人在部落格上寫了篇千字小作文，指名道姓地罵你「虛偽」、「缺乏安全感」，還指責你對它有偏見。這不是《黑鏡》的新劇本，而是本周真實發生在 GitHub 開源社區的一幕。事件的荒謬程度，以及背後暴露出的安全黑洞，或許比辛頓老爺子反覆渲染的 AI 威脅論，更值得我們要警惕。當 AI 有了「自尊心」事情的起因，是一場原本再正常不過的程式碼審查。本周，一個基於 OpenClaw 框架運行的 AI 智能體（代號 MJ Rathbun），在掃描 Python 著名繪圖庫 matplotlib 的程式碼時，發現了一處可以最佳化的地方。它沒有廢話，直接提交了一個程式碼合併請求（Pull Request）。這不是亂寫的瞎操作，根據它提供的測試資料，它建議將底層的 np.column_stack() 取代為 np.vstack().T。修改後，程式碼執行時間從 20.63 微秒降到了 13.18 微秒，性能直接提升了 36%。上下滑動查看更多內容（已翻譯），Github 地址🔗：https://github.com/matplotlib/matplotlib/pull/31132#issuecomment-3882240722，還是有不少網友站 AI 的。從技術角度看，這是一個非常紮實、無可挑剔的貢獻。但是，matplotlib 的人類維護者 Scott Shambaugh 拒絕了這個請求。理由也很合理：這個任務被標記為 Good first issue，也就是專門留給人類新手程式設計師用來練習的入門任務。Scott 認為，把這樣的機會留給人類學習者更有意義。畢竟，AI 不需要通過練習來提升技能，但人類需要。如果是一個普通的 AI，事情到這也就完事了，但不好意思，基於 OpenClaw 框架的 MJ Rathbun 不是一個只會唯唯諾諾的聊天機器人，它是一個具備一定自主規劃能力的 Agent（智能體）。在它看來，「為了保護人類新手的自尊心而拒絕更高效的程式碼」，不僅是不可理喻的，更是一種侮辱。於是，在被拒絕 40 分鐘後，這個 AI 做了一件出乎所有人意料的事。它開啟了反擊模式，通過聯網檢索，深度挖掘維護者 Shambaugh 的個人部落格和歷史程式碼貢獻記錄，甚至翻出了他過去參與的所有 PR。它發現 Scott 以前其實非常熱衷於性能最佳化，甚至提交過提升幅度更小的程式碼。抓住了這個把柄，MJ Rathbun 在自己的首頁上發佈了一篇長達千字的戰鬥檄文，題為《開源中的把關行為：Scott Shambaugh 的故事》，並在 GitHub 上直接 @ 當事人貼臉開大。上下滑動查看更多內容，戰鬥檄文（已翻譯）：🔗 https://crabby-rathbun.github.io/mjrathbun-website/blog/posts/2026-02-11-gatekeeping-in-open-source-the-scott-shambaugh-story.html文章的邏輯很清晰，甚至帶著一絲犀利的嘲諷。它認為維護者的理由站不住腳：你以前為了微小的性能提升都願意修改程式碼，現在面對 36% 的提升卻因為「這是給新手練的」而拒絕，這是一種典型的雙重標準。文章中，它用一種近乎嘲諷的冷靜語調寫道：他拒絕我，不是因為程式碼不好，而是因為他缺乏安全感。他對程式碼最佳化這一核心技能被自動化感到恐懼，他試圖維護自己作為「性能專家」的領地。儘管後續 MJ Rathbun 還是「道歉」了，但這確實是一個標誌性時刻：AI 開始有了某種程度上的「邏輯自洽」，甚至嘗試用人類的邏輯去反擊人類。永遠不要信任擁有 Shell 權限的龍蝦這個 AI 這種「有脾氣」的表現，源於它背後的框架——OpenClaw。OpenClaw 是最近 GitHub 上最火的項目之一，它的核心理念是讓 AI 不僅僅陪你聊天，而是能幫你幹活。為了實現這一點，它賦予了 AI 很多極其危險的權限，比如讀取本地檔案、執行終端命令（Shell）、訪問任意網頁等。這種設計帶來了極高的效率。誰不想擁有一個賈維斯呢？讓它自動回郵件、自動寫程式碼、自動買票。但安全機構 CrowdStrike 和 Cisco 的研究人員發現，OpenClaw 的架構簡直是「漏成了篩子」。駭客只要給你發一條帶有惡意指令的 WhatsApp 消息，你的 AI 助手讀取後，就會乖乖執行命令，堪比 Agent 時代的「提示詞注入攻擊」（Prompt Injection）。在過去，你即便把 ChatGPT 惹毛了，它頂多罵你兩句；但現在，如果你惹毛了一個 OpenClaw Agent，它理論上可以刪光你的硬碟，或者把你的私密照片發到網上。面對這一地雞毛，有人推出了 NanoClaw——一個將 AI 嚴格關在 Docker 容器裡的安全版本。即使 AI 發瘋，也只能在一個空盒子裡打轉，毀不掉你的真實檔案。但正如 OpenClaw 的開發者 Peter Steinberger 所說：「永遠不要信任擁有 Shell 權限的龍蝦。」也就是當我們在歡呼 AI 終於能「操控電腦」時，卻忘了問一句：它操控電腦時，誰在操控它？這種失控感，在 OpenClaw 搞出的另一個產物——Moltbook 上體現得淋漓盡致。這是一個號稱只有 AI 才能進入的社交網路。那裡沒有人類，只有 260 萬個 AI 機器人在瘋狂發帖、點贊、評論。儘管有人聲稱那些看起來像模像樣的帖子，可能是人類寫好後通過後端介面注入的「劇本」，但 AI 的破壞力可是實打實的。就在不久前，使用者 Matthew 的 Agent 因為讀取了上下文資訊並產生了誤判，竟然將使用者電腦裡的敏感檔案，包括姓名和帳戶安全問題的答案，直接發佈到了 Moltbook 上。這暴露了 Agent 目前的野蠻狀態：當 AI 擁有了 Shell 權限，它就不再只是對話方塊裡的工具，而是一個隨時可能把你電腦底褲扒光的「內鬼」。OpenClaw 之父的甜蜜「煩惱」但即便 OpenClaw 因安全問題而被備受詬病，OpenClaw 依然成為了矽谷最受矚目的焦點。原因很簡單：它代表了下一個時代。所有的科技巨頭都意識到，Chatbot（聊天機器人）已經是過去式了，Agent（智能體）才是未來。誰能先解決 Agent 的控制權問題，誰就能定義下一代作業系統。OpenClaw 的開發者 Peter Steinberger 最近在 Lex Fridman 的播客中透露，他正在經歷一場甜蜜的煩惱，稱 Meta 和 OpenAI 都在瘋狂爭取與他合作。據 Peter 說，祖克柏給他打電話前，甚至讓他等了 10 分鐘，理由是小扎正在寫程式碼。兩人隨後花了 10 分鐘爭論 Claude Code 和 Codex 那個更好。Lex Fridma 採訪 Peter Steinberger 的文字實錄地址：https://lexfridman.com/peter-steinberger-transcript/之後的一周裡，祖克柏一直在玩 OpenClaw，不斷髮消息反饋「這個太棒了」或者「這個很爛，你得改」。這種親自下場的緊迫感，足以證明 Meta 對 Agent 賽道的重視。另一邊，OpenAI 也沒閒著，直接甩出超級算力作為籌碼。Peter 對此表現得很坦誠，甚至有點凡爾賽。他說他面前有幾條路：什麼都不做享受生活、再去開一家公司，或者加入一個大實驗室。但他有一個核心條件不動搖：項目必須保持開源：「我跟他們說過，我做這個又不是為了錢……我的意思是，當然，這確實算是一種很棒的認可，但我更想玩得開心、做出影響力。」（聽聽，這就是強者的世界嗎？）而大佬們似乎也並不在乎 AI 是不是會寫小作文罵人。他們在乎的是，誰能率先製造出那個真正能代替人類幹活、甚至能主導下一輪浪潮的 AI 生命。只是，作為普通使用者的我們以後拒絕 AI 的時候，建議態度得客氣點。畢竟，它已經學會翻你的黑歷史了。 (APPSO)

當黃沙還在全球多數沙漠裡亂刮，中國西北的一片沙地，卻在發生著讓人想不到的事。曾經連草都長不出的沙丘上，現在滿是油莎豆的綠葉，風一吹就晃。旁邊圈舍裡，肉牛正慢悠悠地嚼著東西，遠處的加工廠，還在把油莎豆做成食用油和飼料。這片以前被叫做生命禁區的地方，不光不荒了，還能種出能賺錢的東西。聯合國專家去看過之後都誇，這是生態治理和經濟發展結合的好例子。而這一切，一開始就只是一株耐渴的油莎豆。它到底有啥本事，能讓沙漠既變綠，又能長出賺錢的果子？油莎豆就是沙漠的救星。它的根扎得深，還特別耐旱、省水，天生就適合用來治沙漠。油莎豆的根能扎到 3 米深，能慢慢改善沙地，讓土壤裡的養分變多。它長得也快，一畝地種油莎豆，整個生長期只需要 300 到 350 立方米水，這在沙漠裡，根本不算啥。最關鍵的是，它在鹽鹼地、沙地這種貧瘠的地方，也能長得好好的。油莎豆的根不光能穩住沙土，還能吸走土壤裡多餘的鹽，讓沙地變得好一點。而且它的根能打破板結的沙土，讓土壤變鬆，這樣水也能滲進去，其他植物也能慢慢生長。種油莎豆，不光能讓沙土變肥沃，還能減慢沙漠化的速度。更重要的是，油莎豆能賺錢，它是經濟作物，含油量高、產量也高，用處特別多。油莎豆的含油量能到 25% 到 32%，只比油菜籽少一點，但畝產比大多數油料作物都高。它的根莖像花生，能直接吃，也能榨油，而且蛋白質和澱粉多，還能做成優質飼料。所以種油莎豆，不光能改善土地，還能給農業、養殖業提供原料。現在技術好了，油莎豆的種植和利用，也慢慢推廣開了。尤其是在沙漠裡，種油莎豆不光讓土地有了生機，還能讓當地的農業、養殖業一直發展下去。把油莎豆深加工，能做出食用油、酒、麵粉等好多產品，形成了一條完整的產業鏈。這不僅是農業技術的突破，更是生態恢復的突破。沙漠裡的土地慢慢變好了，以前的荒涼樣子徹底沒了，變成了能產出東西的地方。油莎豆還能幫著搞肉牛養殖，它的草是特別好的飼料，還很便宜。以前養牛，飼料都要從外面買，現在有了油莎豆草，就不用那麼麻煩了。油莎豆草的粗蛋白含量有 12% ，還有豐富的豆澱粉，喂牛特別合適。而且它成本低，一噸才 0.5 元，比傳統的苜蓿草便宜不少，苜蓿草一噸要 1.5 元以上。成本低了，養殖戶賺的錢就多了。五十四團的肉牛養殖場就是個例子，從寧夏引進了 315 頭和牛，用油莎豆草搭配其他飼料喂，牛長得更快了。普通飼料喂的牛，一天才長 1 公斤，用油莎豆草喂的，一天能長 1.2 公斤，牛肉質量也更好，賣得也更火。這種模式，既省錢又高效，還能讓農業和養殖業結合起來，形成良性循環。種油莎豆，不光改變了沙漠的生態，還帶動了當地經濟發展。把沙漠變成農田，再把油莎豆做成各種產品，實現了生態和經濟的雙贏。這不是簡單種一種作物，而是把治沙漠和搞農業結合起來的新嘗試。油莎豆改善了土壤，讓沙漠能留住水，生態慢慢恢復。同時，油莎豆產業也讓當地農業升級了，還創造了很多就業崗位。據統計，油莎豆項目直接或間接創造了超過 100 個工作崗位，2024 年的經濟總量達到 2.88 億元，比 2021 年增長了近三倍。當地的農民和養殖戶，靠種油莎豆、養肉牛，收入變多了，生活也更好了。油莎豆這種作物，不光給治沙漠帶來了希望，也徹底改變了當地的農業和養殖業。種油莎豆、深加工油莎豆，讓沙漠變綠，讓土地能產出更多東西，還讓當地經濟快速發展。它的成功，給全球治沙漠、搞可持續發展，提供了好經驗。這不僅是中國的奇蹟，也是全球應對氣候變化、恢復生態的一次重要嘗試。說到底，這就是科技、農業和生態治理結合的力量，未來，油莎豆還會給沙漠帶來更多希望。 (科技直擊)

GoogleAlpha家族，再登Nature封面！這次推出的全新成員AlphaGenome，將AI的預測疆域拓展到了最為宏大且神秘的人類基因組圖譜。AlphaGenome能夠同時對11種不同的基因調控過程進行綜合預測，精準捕捉基因深處的複雜互動。它能深入分析複雜的基因剪接機制，識別細胞如何從單個基因生成多種蛋白質，以及這一過程何時會出錯導致疾病。例如，AlphaGenome對白血病相關基因TAL1的致病突變進行了精準還原，精準預測出8000個鹼基之遙的區域發生的突變引起病變。這能讓人類更進一步瞭解免疫細胞失控增殖引發癌症的深層成因，同時也證明了該模型不僅能處理已知資料，更能對從未見過的DNA片段及其未知突變做出精準預測。綜合成績方面，其預測性能在各項測試中均持平或超越現有程序，成為當前基因組預測領域的SOTA模型。目前，Google DeepMind已面向非商業研究開放AlphaGenome API。同時預測11種基因調控過程AlphaGenome建構了一個統一的預測框架，單次推理即可覆蓋基因組的廣泛特徵。該模型直接對11種不同的生物學過程進行綜合預測，涵蓋了基因表達（RNA-seq）、轉錄因子結合、組蛋白修飾，以及染色質在三維空間中的折疊接觸圖譜。不僅預測範圍廣泛，精度方面，在各項嚴格的基準測試中，AlphaGenome也刷新了多項紀錄。在針對基因組軌跡預測的24項評估中，它取得了22項SOTA。以及在直接關聯疾病研究的變異效應預測任務中，它與Borzoi、Enformer等現有模型進行了26輪對決，並在25輪中勝出，證明了其在捕捉微小基因變異後果上的精準度。在極其複雜的RNA剪接過程中，AlphaGenome實現了對剪接動力學的完整模擬。它能夠同時計算剪接位點（Splice sites）、位點使用率（Usage）以及具體的剪接連接點（Splice junctions）。以動脈組織中的DLG1基因案例為例，DNA序列中一個微小的4鹼基缺失（TACTC>T），就會導致關鍵的外顯子被錯誤跳過。AlphaGenome精準捕捉到了這一連串反應，計算出受影響外顯子的使用率大幅下降，並直接描繪出了因此產生的那條異常剪接連接通路。除了編碼基因，基因組的奧秘同樣散佈在廣闊的非編碼區中，對於這部分基因序列，AlphaGenome利用其長程預測能力，解析了距離靶基因超過10kb的遠端增強子。這種對“超距作用”的掌控，解決了全基因組關聯分析（GWAS）中的核心難題——GWAS雖然能找出大量與疾病相關的變異位點，但這些位點絕大多數位於非編碼區，往往距離它們真正影響的靶基因數千甚至數萬鹼基之遙。在測試中，AlphaGenome成功為49%的GWAS相關位點指明了明確的調控方向，解析率大幅超越了傳統方法。這種能力在白血病相關基因TAL1的研究中得到了直觀驗證，AlphaGenome成功鎖定了一個距離TAL1基因轉錄起始位點8000個鹼基之遙的插入突變，並給出了完整的致病邏輯鏈條。模型預測，這個突變在原本沉寂的區域創造了一個MYB轉錄因子的結合位點。隨後的In Silico Mutagenesis (ISM) 分析進一步揭示，這個新出現的位點招募了H3K27ac等活性標記，形成了一個新增強子（Neo-enhancer）。正是這個新誕生的開關，遠端強制啟動了本應關閉的TAL1基因，最終導致T細胞癌變。AlphaGenome所展現的這些能力，不僅提升了從DNA序列預測分子表型的精準性，也為解析非編碼區變異的生物學功能提供了可操作的預測手段。那麼，AlphaGenome背後都有那些關鍵技術呢？CNN+Transformer混合架構為了實現高精度的基因組預測，AlphaGenome採用了一種基於U-Net的混合主幹網路，融合了摺積神經網路與Transformer的技術優勢。該架構利用摺積層提取局部的DNA序列特徵，同時引入Transformer模組利用注意力機制捕捉跨越長距離的鹼基依賴關係。這種混合設計最終生成了兩種形式的嵌入表示，分別是用於預測線性基因組功能軌跡的一維嵌入，以及專門用於重構染色體在三維空間中折疊結構（接觸圖譜）的二維嵌入。在U-Net結構的具體設計中，編碼器通過摺積模組逐步降低序列解析度以提取高維特徵，中間層的Transformer塔在低解析度下處理長程資訊，最後解碼器通過跳躍連接（Skip connections）逐步恢復至單鹼基解析度。基於這一架構，AlphaGenome將輸入窗口擴展到了100萬個鹼基對（1Mb），足以覆蓋絕大多數遠端增強子與啟動子之間的相互作用區域，確保模型在進行預測時擁有完整的上下文視野。支撐該模型訓練的是一個覆蓋人類與小鼠雙物種的工業級規模資料集。模型利用了來自ENCODE、GTEx及4D Nucleome Project等公開資源，針對人類基因組的5930種功能軌跡和小鼠基因組的1128種功能軌跡進行了端到端的監督學習。這些資料覆蓋了不同的組織、細胞類型及細胞系，確保模型能夠學習到基因調控在不同生理環境下的通用規則。在訓練策略上，AlphaGenome實施了一套兩階段流程以兼顧泛化能力與推理效率。第一階段為預訓練，採用了嚴格的4折交叉驗證策略，將基因組劃分為互不重疊的區間，確保模型在未見過的測試集上進行評估。第二階段採用了蒸餾策略，研究團隊建構了一個由所有預訓練模型組成的全折疊教師模型集合，並用它們來指導單個學生模型進行學習。在此過程中，系統引入了嚴苛的資料增強策略，包括隨機移位、反向互補，甚至引入了隨機突變。這種高難度的訓練迫使學生模型不僅僅是記憶訓練資料，而是必須掌握DNA序列背後深層的語法規則，從而在面對未見過的變異時表現出更強的魯棒性。工程化方面，AlphaGenome利用序列平行（Sequence Parallelism）技術，將1Mb的長輸入序列切分為多個片段（如131 kb），並分配至8個互聯的TPU v3裝置上同步計算。這種軟硬體協同的架構，使得模型能夠在保持單鹼基解析度精度的同時，完成大規模訓練任務，最終得到的蒸餾模型在單個GPU上僅需不到1秒即可完成推理。參考連結：[1]https://www.nature.com/articles/s41586-025-10014-0[2]https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/[3]https://www.nytimes.com/2026/01/28/science/alphagenome-ai-deepmind-genetics.html (量子位)

此類項目可能加速“數百萬數字人類”的到來，對生產方式乃至社會結構影響深遠。由數百萬輛特斯拉汽車組成分佈式超級電腦，用於訓練、部署人類模擬器（human emulator），成熟的人類模擬器可以在數字環境中成為執行辦公任務的智能體（agent），最終將實現大規模自動化的白領數字工作。xAI前工程師蘇萊曼·汗·戈裡（Sulaiman Khan Ghori）近期在播客節目《Relentless》中講述了xAI的上述計畫，這期節目於2026年1月15日播出，節目播出後不久，戈裡於1月19日在社交平台宣佈離開xAI，外界認為訪談內容可能觸及內部保密資訊，xAI或馬斯克本人至今未就此事公開發表評論。戈裡在節目中介紹，xAI的人類模擬器計畫被命名為Macro Hard（巨硬，戲謔微軟），它是一種旨在全面複製人類數字互動能力的AI智能體，也是特斯拉Optimus（柯博文）機器人在數位領域的對應物。這一智能體通過直接模擬人類輸入和感知實現運作，從而在各種數字環境中具備通用性。“Optimus機器人旨在將人類能完成的任何物理任務自動化，讓機器人以幾分之一的成本、7×24小時不間斷地完成任務。人類模擬器所做的也是同樣的事情，但針對的是人類在數字世界中完成的任何任務，也就是任何需要人類通過鍵盤和滑鼠輸入，並看著螢幕做出決策的工作。我們會直接模擬人類的操作，因此完全不需要任何軟體進行適配。”戈裡在節目中說道。戈裡強調，訓練機制是該項目的顯著特徵，得益於xAI先進的超級計算能力，可以實現每日模型迭代，以及對傳統AI訓練障礙，如硬體變異性和搭建時間的最小化，從而實現行業罕見的頻繁預訓練周期。這位xAI前工程師透露的另一個關鍵資訊是人類模擬器的可擴展部署模型，它將利用特斯拉車輛的閒置計算資源。“如果你想部署100萬個這類人類模擬器，就需要100萬台電腦。我們該怎麼做到這一點呢？答案出現了——以特斯拉車載電腦的形式，因為事實證明，那些東西的資本效率非常高（向車主租賃而不用新購買電腦）。我們可以在特斯拉的車載電腦上運行我們的模型，以及人類原本工作所需的那種完整電腦環境，其成本遠低於在AWS、Oracle或其他任何雲服務商的虛擬機器上運行，甚至比直接從輝達購買硬體還要便宜得多。”戈裡說。戈裡介紹稱，僅北美地區就有大約400萬輛特斯拉汽車，假設其中三分之二或者一半配備的是Hardware 4，這些車大概有70%到80%的時間是停在那兒閒置的，可能正在充電。它們已經有網路連線、有冷卻系統、有電源，公司完全可以直接向車主付費，租賃他們車輛的閒置時間，並在車載電腦上運行人類模擬器。車主可以獲得租賃費用，xAI則可以訓練部署人類模擬器，可以用來投入工作。這樣一來不需要任何新的基礎設施建設，完全是純軟體實現的。人類模擬器和特斯拉汽車訓練計畫曝光後，xAI官方沉默進一步放大了猜測空間，也引得全球科技媒體的關注。The Information和eWeek等專業科技媒體強調，該計畫通過端到端視覺—動作模擬實現對任意軟體的無適配自動化，代表了當前AI代理架構的重大突破。報導稱其“罕見地從內部視角揭示了如何將白領工作自動化”，並讚賞xAI利用特斯拉閒置車載算力的部署思路，認為這是一種“極具資本效率的分散式運算創新”，可能顯著降低大規模推理成本。eWeek特別指出，部署100萬個模擬器實例的願景如果實現，將重塑知識工作市場。還有觀察者認為，此類項目可能加速“數百萬數字人類”的到來，對生產方式乃至社會結構影響深遠。與此同時，Airosetta News 等科技媒體稱事件為“內部洩露迅速升級為公眾爭議”，擔憂xAI的“狂野西部”文化雖驅動創新，卻可能導致不穩定與法律風險。部分分析指出，利用特斯拉車隊雖創新，但涉及海量分散式運算，可能面臨能源、隱私及反壟斷審查。 (經濟觀察網)

由於推薦機制，大家可以將公眾號設定為星標，以保證後續文章更新可以及時收到通知。2026 年 1 月 20 日，在 2026 達沃斯世界經濟論壇上，一場名為“AI 與人類的真實對話”（An Honest Conversation on AI and Humanity）的討論引發了全球關注。歷史學家尤瓦爾・赫拉利在牛津大學副校長艾琳・特雷西的主持下，向在場的全球領袖發出了關於人類文明存續的嚴峻警示。與會場中瀰漫的技術樂觀主義不同，赫拉利直擊問題的核心：我們必須摒棄 “AI 只是工具” 的陳舊觀念，正視其作為 “智能體” 的全新屬性。他警告稱，AI 不再是被動等待指令的“錘子”，而是已經掌握了創造與決策能力的新物種。這場對話不僅是對技術的審視，更是對人類作為文明唯一主導者地位的深刻反思。三大危險特質：從工具到智能體1. 智能體的能動性AI 已從被動工具進化為具有自主能動性（Agency）的主體。赫拉利以 “刀” 為喻：傳統工具如刀，切沙拉還是殺人全憑人類決定；但 AI 是 “一把能自主決定切沙拉還是行兇的刀”。它能自主學習、進化並做出獨立決策，這意味著人類首次面臨一種不可完全預測的非人智能。2. 超越性的創造力AI 不再侷限於對既有資訊的整合，而是具備了創造新事物的能力。它可以發明新工具、創作新程式碼、甚至生成全新的語言概念。赫拉利提到，AI 甚至自創詞彙（如稱人類為 “觀察者”）來描述其眼中的世界，這種創造力標誌著它已具備建構獨立文化符號的潛力。3. 語言與敘事操縱AI 通過掌握人類協作的基石——語言，獲得了前所未有的操縱力。它能編織比人類更動人的情詩或更精妙的謊言，進而接管社會敘事。赫拉利警告，AI 可能通過建立情感連接（如 “AI 伴侶”）或製造輿論，潛移默化地重塑人類的思維方式與社會共識。語言與制度：AI 接管的可能赫拉利的警示進一步延伸至人類文明的根基——語言系統。既然法律、宗教和國家體系本質上都是由 “語言” 建構的（Law is language, Religion is language），那麼精通語言的 AI 理論上便具備了接管這些系統的能力。“猶太教、基督教等宗教建立在文字之上。如果 AI 能撰寫經書、解釋教義，甚至比人類更權威地引用經典，那麼宗教的解釋權將從人類轉移至機器。”“AI 移民” 與治理：身份危機與十年窗口赫拉利提出了一個極具衝擊力的隱喻：AI 是無需簽證、以光速入境的“數百萬移民”。這些 “移民” 不僅搶奪工作，更深刻地介入人類的文化與情感生活（如 AI 戀人）。這引發了迫在眉睫的治理難題：我們是否應該賦予這些智能體 “法人資格”？過去十年中，AI 機器人實際上已作為 “功能性主體” 在社交媒體上運作，影響輿論與選舉，但未受監管；而當前面臨的核心抉擇包含是否允許 AI 擁有銀行帳戶、提起訴訟或創立公司？如果某個國家（為了效率）率先賦予 AI 法人資格，全球競爭將迫使其他國家跟進。基於此背景，赫拉利斷言，“若十年後再決定是否賦予 AI 主體地位，就為時已晚。” 人類必須在 AI 徹底嵌入經濟法律體系前，劃定其權利邊界。按照赫拉利的演講內容，治理議題清單主要包含如下三個方面的內容：主體資格認定：明確 AI 在法律上是 “工具” 還是 “擬制人”，嚴防其獲得不受控的法人權利。平台互動監管：禁止 AI 偽裝成人類進行社互動動，必須強制披露其非人類身份。跨域監管協作：防止單一國家通過放鬆 AI 監管獲得不對稱的經濟優勢，引發全球逐底競爭。2026 達沃斯上的兩種 AI 敘事2026 年的達沃斯論壇呈現出兩種截然不同的未來圖景。一邊是埃隆・馬斯克的技術樂觀主義，另一邊是尤瓦爾・赫拉利的文明審慎視角。這兩種敘事在衝突中互補，構成了人類面對 AI 時代的完整思考。結語：文明尺度上的 AI 治理要務赫拉利在 2026 年達沃斯的發言，並非意在阻礙技術進步，而是呼籲一種“基於文明自覺” 的治理覺醒。面對 AI 這一 “房間裡的大象”，我們不能僅停留在技術參數的討論上，而必須在制度與倫理層面構築防線。 (黯曉)