Anthropic 花了 4 億美金，買了一家不到 10 個人的生物科技公司。這家公司叫 Coefficient Bio，去年秋天才成立，做的事情是用 AI 來做藥物研發規劃、臨床策略管理和新藥候選發現。Anthropic CEO Dario Amodei4 億美金，不到 10 個人，折算下來每個人值 4000 多萬美金。這個數字乍看離譜，但放在 Anthropic 最新 3800 億美金的估值下，其實只稀釋了大約 0.1%。用一個比喻來說的話：這筆交易就像一個身家千億的富豪，花了一頓米其林晚餐的錢，請了一桌頂級生物學家坐下來聊聊。只不過這頓飯，聊的是，人類的生死。01他們是誰Coefficient Bio 的兩位創始人 Samuel Stanton 和 Nathan Frey，都來自 Genentech 旗下的 Prescient Design，一個專門做計算藥物發現的團隊。Coefficient Bio 聯合創始人 Nathan Frey（左）和 Samuel Stanton（右）Nathan Frey 是個挺厲害的角色。賓大材料科學博士，之前在 Genentech 帶了一支跨學科團隊，做生物基礎模型和 AI 分子設計。他在 2024 年的 ICLR 上拿過最佳論文獎，研究的是用生成模型來設計藥物候選分子。Samuel StantonSamuel Stanton 則是 NYU 資料科學博士，同樣在 Prescient Design 做過機器學習科學家。兩個人從羅氏/Genentech 出來創業，半年後就被 Anthropic 收了。速度之快，倒是讓人想起了當年 DeepMind 收購 Isomorphic Labs 團隊的路數。收購之後，這個團隊會併入 Anthropic 的醫療健康與生命科學部門，負責人是 Eric Kauderer-Abrams。Eric 在今年 1 月的 JP Morgan 醫療健康大會上說過一句話：“ 我們的目標，是把 Claude 變成生物學領域最受歡迎的 AI 模型。02不只是買個軟體這筆收購的訊號，其實非常明確：Anthropic 買的，不只是幾個工程師和幾行程式碼。Coefficient Bio 做的事情，是讓 AI 能接管生物科技研究中的實際工作流：起草藥物研發計畫、管理臨床試驗的合規策略、篩選新藥候選分子。這些活兒需要深厚的領域知識，光靠通用大模型是幹不了的。換句話說，Anthropic 買的是「生物學的手感」。是那種知道一個臨床試驗要怎麼設計、FDA 的審批流程那裡有坑、什麼樣的分子結構值得深入研究的經驗。這也解釋了為什麼不到 10 個人值 4 億。因為這類人才，在整個行業裡可能也就那麼幾十個。03Dario 的預言說到 Anthropic 進軍生物學，就不得不提 Dario Amodei 在 2024 年 10 月發的那篇著名長文：《Machines of Loving Grace》，見：剛剛！Anthropic CEO Dario Amodei 發文：人工智慧如何讓世界變得更美好【附全文翻譯】。Anthropic CEO Dario Amodei一萬五千字，核心論點之一就是：AI 加速的生物學，可以在 5 到 10 年內，壓縮人類生物學家原本需要 50 到 100 年才能取得的進展。這話聽著像科幻，但 Dario 給出了具體的論證。他的邏輯是這樣的：20 世紀，人類平均壽命從大約 40 歲翻到了大約 75 歲，差不多翻了一倍。如果 AI 能把 21 世紀的生物學進展壓縮到 5 到 10 年內完成，那再翻一倍到 150 歲，算是「趨勢延續」。人類壽命翻倍趨勢而且他指出了幾個關鍵事實：•  已經有藥物能把老鼠的最大壽命延長 25% 到 50%，副作用還很小•  有些烏龜能活 200 年，說明人類目前的壽命顯然不是什麼理論上限•  一旦人類壽命達到 150 歲，我們可能就觸及了「逃逸速度」：活得夠久，就能等到下一代續命技術Dario 原文是這麼寫的：“ 一旦人類壽命達到 150 歲，我們或許就能達到「逃逸速度」，為目前活著的大多數人爭取到足夠的時間，讓他們想活多久就活多久。當然，這在生物學上是否可行，沒人能打包票。04疾病會怎樣Dario 在那篇文章裡，對主要疾病的預測非常詳細。Dario 的疾病攻克預測傳染病：幾乎所有自然傳染病都將可防可治。mRNA 疫苗已經指明了方向，未來的疫苗技術可以快速適配任何病原體。癌症：死亡率和發病率都會下降 95% 以上。他提到，癌症死亡率其實每年已經在以大約 2% 的速度下降了，而 AI 加速的早期檢測和靶向藥物會讓這個趨勢急劇加快。阿爾茨海默症：Dario 認為這恰恰是 AI 擅長解決的問題類型，因為它需要更精密的測量工具來隔離生物學效應。預防應該可以實現，但已經造成的腦損傷要逆轉……可能就難了。糖尿病、肥胖、心臟病：他認為這些比癌症「更容易解決」。心臟病死亡率已經下降了 50%，GLP-1 類藥物（就是大家熟知的司美格魯肽那一類）的進展更是肉眼可見的快。當然他也承認，這一切的前提是 AI 要能夠「執行」生物學研究，而不只是「分析」資料。“ 我說的不是把 AI 當資料分析工具。我說的是用 AI 來執行、指導、並改進生物學家做的幾乎所有事情。指揮實驗室機器人、設計實驗方案、發明新的測量技術，這些都得上。05速度的邊界不過 Dario 也沒有盲目樂觀。他列出了幾個 AI 加速生物學的「硬限制」：細胞培養需要時間，動物實驗需要時間，化學反應需要時間。這些是物理世界的節奏，再強的 AI 也壓縮不了。還有資料質量的問題，生物複雜性的問題，以及很多發現之間存在序列依賴，必須一步一步來，沒法全部平行。他的估計是：10 倍加速是現實的，但 100 倍壓縮到一兩年內……不太行。話說回來，10 倍就已經夠嚇人了。原本需要 50 年的研究進展，5 年搞定。06Anthropic 的佈局回頭看 Anthropic 在生命科學領域的動作，其實是一條清晰的線：Anthropic 生命科學佈局時間線2025 年 10 月，發佈 Claude for Life Sciences，讓 Claude 能連接 Benchling、BioRender 等科研工具。2026 年 1 月，在 JP Morgan 醫療健康大會上推出 Claude for Healthcare，一套符合 HIPAA 標準的工具包，能連接醫療資料庫、電子病歷系統。還宣佈了新的臨床試驗文件自動撰寫功能。合作夥伴名單也非常亮眼：賽諾菲、諾和諾德、Genmab、AbbVie、Allen 研究所、HHMI。2026 年 4 月，收購 Coefficient Bio。從賣工具，到建平台，到直接買團隊。步子越來越大了。Eric Kauderer-Abrams 的那句話，現在看來也不只是口號：“ 把 Claude 變成生物學領域最受歡迎的 AI 模型。他們是認真的。07不只 Anthropic值得一提的是，Anthropic 並不是唯一在押注 AI + 生物的大玩家。AI 藥物發現加速對比Google DeepMind 的 AlphaFold 在 2024 年拿了諾貝爾化學獎，旗下的 Isomorphic Labs 已經在準備 AI 設計藥物的人體臨床試驗。Insilico Medicine 用 AI 把一個纖維化候選藥物從發現推進到人體試驗，只用了不到 18 個月，傳統路徑通常要 4 年。AI 製藥市場從 2023 年的 18 億美金，預計到 2030 年會增長到 131 億美金。整個行業的共識已經很明確了：AI 對生物學的加速效應，可能會是 AI 所有應用場景中，最深遠的那一個。畢竟，提高程式設計效率是讓人寫程式碼更快。而加速生物學研究，是讓人活得更久。壽命逃逸速度概念圖回到 150 歲Dario 在那篇文章的最後，還提到了一個更大膽的概念：生物自由。他認為 AI 加速的生物學研究，最終會讓人類對自己的體重、外貌、生殖等生物過程擁有完全的控制權。這聽起來有點賽博朋克，但如果你看看 GLP-1 藥物在短短幾年內對肥胖治療的顛覆，就知道這個方向的推進速度比大多數人預期的要快。而 Anthropic 用 4 億美金收購一個不到 10 人的生物科技團隊，說到底，押的就是這個未來。通用大模型想要真正改變一個領域，得先變成那個領域的專家。Coefficient Bio 的團隊，就是幫 Claude 變成生物學專家的那塊拼圖。至於我們能不能活到 150 歲……Dario 說了，沒人能打包票。但至少現在，有人在認真賭這件事了。所以，除了擁抱 AI，我們現在最應該做的事情大概就是：注意身體，保護好自己。萬一真等到了呢。 (AGI Hunt)

華為一年的研發費用，就夠買下快手。01. 一年投入近2000億研發2025年華為重回巔峰3月31日，華為發佈2025年年度財報，總營收8809億元，淨利潤680億元，跟2020年業績幾乎持平。歷經5年，華為終於走出修復期，重回巔峰！而除開這兩個數字外，這份財報中最值得關注的是：永遠都在上漲的研發投入。過去一年，華為在研發上砸了1923億元，佔到全年總收入的21.8%。相當於每收入100塊，就敢拿22塊用於研發。國內科技公司裡，沒有一家公司能跟他掰手腕。騰訊857.5億元、阿里巴巴571.5億元、小米331億元，還不到華為的零頭，研發佔比也都不到10%。放眼到國外，蘋果營收是華為的3倍多，但研發也只是比華為多一些而已。論研發佔比，華為更是在全球科技巨頭裡穩坐第一把交易，蘋果佔比8%，微軟也才11.53%，這種投入力度，只有華為才敢。02. 10年砸了1.38兆全力押注AI單看一年還不夠震撼，過去十年，華為累計研發投入已經超過1.38兆元。不管外部環境多差，不管營收是否下滑，華為都沒有縮減過研發投入，反而一年比一年砸得多，甚至連續5年研發佔比超過20%。這麼多錢，都燒在那了？輪值董事長孟晚舟在年報中說了幾個關鍵詞：聯接、計算、雲、終端、智能駕駛、人工智慧。華為把AI當成未來十年最確定性的戰略機遇，這也是華為研發投入最集中的領域。華為雲現在聚焦包含通算、智算在內的三項基礎業務，目標很明確：要做AI時代的“黑土地”。截至2025年底，華為在全球共持有有效授權專利約16.5萬件，研發員工約11.4萬名，佔總員工數量的53.7%。也就是說，華為超過一半的員工都在搞研發。03. 汽車業務起飛手機將全面回歸長期、持續的投入，已經給華為帶來了看得見的效果。其中，汽車業務成為華為新的增長極，全年收入450.18億元，同比增長72.1%，增速在華為所有業務裡一騎絕塵。2023年時，該類股營收還不到50億元，誰敢相信兩年時間翻了近10倍！鴻蒙智行，包括問界、智界、享界、尊界、尚界在內，2025年全年交付58.9萬台，去年12月單月交付8.96萬台，連續三個月刷新紀錄。問界M7手機業務也將迎來全面回歸。2025年華為終端業務實現收入3444.73億元，同比增長1.6%。別看增速不高，但能保持增長已經很難得。根據IDC發佈的資料，2025年中國智慧型手機市場出貨量約2.84億台，同比下降0.6%，華為以16.4%的市場份額，重回國內第一。截至2025年底，鴻蒙5.0以上終端裝置突破3600萬台，鴻蒙開發者超1000萬。孟晚舟直言：“終端攻堅克難，鴻蒙生態跨越了體驗臨界點。”唯一下滑的是雲端運算業務，但華為雲正在戰略調整，從追求規模轉向聚焦核心業務，短期陣痛，長期看未必是壞事。04. 只有華為才敢這麼投在中國科技公司裡，敢這麼花錢搞研發的，真就只有華為。這種投入比例放在任何一家上市公司裡，股東都得鬧翻天，但好就好在，華為沒上市，沒有短期業績壓力。任正非曾多次強調，華為不追求利潤最大化，要長期活下去。這份堅持，正是華為十年如一日，大力投入研發的核心原因。孟晚舟在財報裡說了句話：“在迷霧中航行，比前行速度更重要的是羅盤的精準。”翻譯過來就是：方向對了，慢一點沒關係；方向錯了，跑得越快死得越慘。華為選的方向，比如AI、終端、智能駕駛，都是底層技術，投入大、周期長、風險高，但一旦做成，就是護城河。從2G時代的跟隨者，到5G時代的領跑者；從被制裁，手機業務幾近歸零，到麒麟晶片全面回歸；從鴻蒙被嘲笑“Android套殼”，到千萬開發者、千萬裝置的生態……華為用十幾年時間證明了一件事：技術沒有捷徑，只有死磕。 (科技每日推送)

AI迭代正擊穿預測極限，受Claude Opus 4.6驚人表現衝擊，權威研究員Ajeya Cotra坦言其對2026年的AI進展預測已提前失效，今年底“AI研發自動化”的機率達10%，她表示“已找不到任何穩固趨勢能斷言這不會很快發生”！人工智慧能力的躍升速度，正在讓最嚴謹的預測者也措手不及。知名AI預測研究者Ajeya Cotra近日公開承認，她僅在兩個月前發佈的2026年AI進展預測已顯著偏於保守。觸發這一自我修正的，是Anthropic最新模型Claude Opus 4.6在權威評測機構METR基準測試中的表現，該模型的軟體工程"時間跨度"已達約12小時，遠超Cotra此前預測的2026年底約24小時水平。這意味著AI在軟體工程領域的實際進展，比她的預測提前了近十個月。更具衝擊力的是，Cotra隨之上調了對"AI研發全面自動化"的機率判斷。她將今年年底前AI完全接管研究構想與實施、無需人類介入的機率維持在10%，並明確表示："這是我第一次找不到任何可以外推的穩固趨勢，來斷言這件事不會很快發生。"這一表態在AI預測圈引發廣泛關注。Cotra曾在全球最大AI安全資助機構之一Coefficient Giving擔任AI安全研究資助負責人，目前供職於METR——一家專注於AI能力評估的機構。01 預測落空：兩個月前的判斷已經過時今年1月14日，Cotra基於2019年至2025年間時間跨度約每年翻倍不到兩次的歷史趨勢，預測2026年底最先進模型的50%成功率時間跨度約為24小時，80百分位預測為40小時。然而，僅在她發佈預測約兩個月後，Opus 4.6便被評估為具備約12小時的時間跨度。在METR測試集中，19項被估計需要人類耗時超過8小時的軟體工程任務裡，Opus 4.6能夠至少部分完成其中14項，並穩定攻克其中4項。Cotra坦言，在此後還有整整十個月進展的情況下，AI代理仍在24小時任務上有一半時間失敗，"已經不再可信"。值得注意的是，Cotra同時提示，當前時間跨度估算的不確定性顯著上升——Opus 4.6的95%置信區間為5.3小時至66小時，部分原因在於長任務數量稀少、人工完成時間多為估算，且基準測試本身已接近飽和。02 能力邊界：傳統評估框架正在失效隨著AI代理能力逼近乃至超越數十小時的任務量級，Cotra認為"時間跨度"這一概念本身的適用性正受到挑戰。她指出，任務的可分解性隨規模增長而顯著提升：一小時的偵錯任務幾乎無法拆分平行，一天的開發任務勉強可以分工但邊界模糊，而一個月乃至數月的項目則天然適合拆解為多個平行子任務。一旦AI代理能夠穩定完成80小時量級的任務，理論上便可通過"管理層AI"分配任務、"執行層AI"平行推進的方式，持續推進任意規模的項目。Cotra的同事Tom因此提出，以大型團隊完成任務所需的日曆時間，而非單人工時，作為衡量"內在難度"的更優指標。Cotra認為，隨著AI進入這一新量級，"單人時間"指標可能開始呈現超指數增長，使得年底前軟體工程能力的上限極難估算。她同時承認，這種大規模任務分解在實踐中不會完美運作——項目參與者對全域背景的直覺性把握，難以被Jira工單或Asana任務完全替代。但她認為，對於相當大一類軟體項目而言，這種模式"可能出乎意料地有效"。03 關鍵節點：AI研發自動化今年或成現實在所有預測中，最受關注的是Cotra對"AI研發全面自動化"的機率判斷。她將這一機率定義為：AI系統完全承擔研究構想與實施工作，無需人類參與。在1月的預測中，她給出了10%的機率，並在發佈後收到多位AI預測領域同行的反饋，認為這一數字偏高。但在Opus 4.6的表現出爐後，她表示10%"再次感覺處於合理區間"。Cotra同時保持審慎。她指出，全面自動化AI研發不僅需要軟體工程能力，還需要在"研究判斷力"和"創造力"等方面取得突破，而這些恰恰是當前AI系統相對人類研究者仍明顯欠缺的領域。她認為，這一目標在未來三至五年內實現的可能性，遠高於今年之內。但她的措辭已發生根本性轉變："這是我第一次，找不到任何可以外推的穩固趨勢，來斷言它不會很快發生。" (硬AI)

韓國一份官方科技報告，直接在業內掀起了波瀾。這份報告覆蓋 11 大領域 136 項核心技術，資料顯示中國技術水平達到美國的 86.8%，已經超過韓國的 82.8%。僅僅兩年時間，中韓技術差距從 0.2 年拉大到 0.7 年，就連韓國最自信的二次電池技術，也被中國實現反超。這不是單個技術的突破，而是全產業鏈的系統性追趕，依靠的是長期穩定的研發投入，和從頭到尾的完整產業佈局。韓國官方也明確承認，中國研發投入是韓國的 8 倍。不少人覺得技術反超靠的是運氣，可這次韓國評估的技術，橫跨航空航天、材料、生命健康、資訊通訊等所有前沿方向。能做到全面推進，核心是天量且穩定的研發資金支援。2024 年中國研發投入突破 3.6 兆元，規模接近韓國的 8 倍。韓國研發投入佔 GDP 比重不低，但國家體量差距太大，根本無法彌補。這種差距不是靠效率能追上的，是底層實力的降維打擊。對比二十年前，中國研發支出只有現在的二十分之一，這樣的增速在全球主要經濟體裡獨一無二。和美國相比，高端產業仍有差距，但追趕速度讓西方格外重視。我們的研發不是盲目燒錢，而是從基礎研究到應用技術，從零部件到終端產品的精準佈局。政府、高校、企業三方協同，形成了很難被覆制的創新體系。韓國媒體也坦言，面對中國全方位的研發推進，韓國只能死守少數領域。過去韓國還能靠幾個支柱產業撐場面，如今中國全領域突破，韓國已經越來越力不從心。讓韓國最難以接受的，是一個個優勢產業被中國攻破。二次電池兩年內完成徹底反超，2025 年中國兩家動力電池企業全球佔比超 55%，韓國三家合計僅 15% 左右。顯示面板也實現逆襲，2025 年中國大陸面板廠商全球營收份額突破 52%，OLED 手機面板出貨量首次超過韓國。半導體領域，中國技術水平 91.5%，同樣小幅超過韓國的 91.2%。韓國機構預測，2030 年前中國將在十大出口產業全面超越。韓國經濟高度依賴這些支柱產業，如今接連失守，國內輿論充滿焦慮。中國的核心優勢是全產業鏈閉環掌控，從原材料到製造應用全部打通，成本、效率、規模都佔據絕對優勢。韓國企業再努力，也擋不住中國全產業鏈加超大市場的組合拳，曾經的技術壁壘，正在被逐一攻破。技術反超的最終紅利，落到了每一個普通人身上。動力電池成本大幅下降，讓新能源車價格越來越親民。國產面板量產，讓手機、電視不再高價，千元機也能用上好螢幕。半導體國產化推進，還會讓更多電子產品告別溢價。中國科技發展，從來不是為了資料攀比，而是擺脫被卡脖子的困境，讓國人用上更好更便宜的產品。韓國的官方報告，已經用資料承認了現實。全球科技格局早已改寫，這是長期投入的必然結果，中國科技的自強之路，才剛剛步入快車道。 (科技直擊)

幾周前，在紐約的一場以美國貿易為主題的晚宴上，談話很快就轉向了中國。在座的專家們資歷深厚，卻立場對立：有些人支持川普總統強硬、激進的對華策略，有些人則主張採取更溫和、傳統的外交方式。圖片來源：Andrey Kasay我不是貿易專家，但多年來一直在中國進行投資，而且剛結束為期一周的訪華行程。鼓起勇氣後，我提出：這兩種策略恐怕都行不通。中國作為競爭對手太過強大，同時又是全球製造業的核心力量，單靠外交手段或政策上的強硬轉向根本無法遏制它。我們唯一真正的出路，是先把自己的事情做好，然後在中國擅長的領域中擊敗它。而這項需求正變得愈發緊迫——因為川普重返白宮第一年的種種混亂舉措，已經讓美國落後了。除了製造業，中國也在人工智慧、新藥研發等快速成長的關鍵領域挑戰美國的領先地位。當川普試圖削減基礎科學研究等重要政府職能的支出時，中國已將這些領域列為國家戰略重點。中國在人工智慧領域的進步令人震驚。儘管在尖端半導體晶片方面仍落後於美國，但中國擁有另一個人工智慧成功的關鍵要素：電力。中國的發電裝置容量是我們兩倍以上，部分資料中心的電價甚至只有美國的一半。這有助於中國企業以驚人的速度開發出像「Manus」這樣的產品——在我造訪後不久，這款效能堪比ChatGPT的人工智慧代理商就被Meta以超過20億美元的價格收購。人才是中國成功的關鍵因素之一。我見到了無數中國年輕創業者，他們的活力與才智絲毫不遜於矽谷同行，其中一位中國億萬富翁甚至至今仍睡在辦公室裡。無論川普如何高調加徵關稅，我們在貿易戰中並未取勝。這個亞洲巨人繼續穩居全球最大出口國地位，去年貿易順差創下1.2兆美元的歷史新高。這一整體成長表明，大量中國商品只是經由第三國中轉後再進入美國市場。無論有沒有關稅，全世界都離不開中國製造。以汽車為例。此行中，我參觀了小米公司——這家原本主營智慧型手機和電子產品的公司，五年前才宣布進軍電動車領域。在其幾乎看不到工人的龐大工廠裡，形狀像機械恐龍的巨型機器人輕鬆地將鋁板精準安裝到流水線上的車身。展間停放一輛黃色跑車，若不細看，很容易被誤認為保時捷。我還走訪了一家機器人公司，看到看似塑膠兒童玩具的小型機器人在地板上靈活奔跑，展示公司在人形機器人領域的進展——這些機器人未來有望在某些任務中取代人類。 （2024年，中國安裝的工業機器人數量接近美國的九倍。）去年夏天，在訪華之後，福特執行長吉姆法利（Jim Farley）公開表示，中國汽車的車載技術「遠超」美國車型，並稱中國的技術進步是他「一生所見最令人震撼的事」。巧合的是（或許並非巧合），福特最近停產了其F-150電動皮卡，並對其電動車業務提列了高達195億美元的巨額減值。再來看醫藥研發領域。幾年前，中國也主要依賴從海外公司引進藥品授權；如今，它向其他國家授權的藥品數量已超過從國外引進的數量，並且臨床試驗數量也已超過美國。當然，中國自身也面臨挑戰。房地產泡沫持續收縮的餘波仍在蔓延，消費者信心尚未恢復，這形成了一個「兩個中國經濟」的局面：一方面是疲軟的內需，另一方面則是主導全球製造業、並在長期由美國引領的高科技前沿領域取得非凡進展的產業巨獸。中國之所以能如此成就，部分歸功於其「國家主導型」模式。當政府意識到自己在人工智慧競賽中落後時，便明確將追趕列為國家戰略重點，並迅速投入資金、放鬆監管、大規模建設發電能力。如今，成果已然顯現。即便在最理想的情況下，與中國的競爭也將異常艱難。顯然，我們必須重新思考自己的產業政策──也就是如何動用政府資源支持具有戰略意義的產業，這其實就是我們自己的「國家主導」。不幸的是，川普政府混亂無序的政策正在製造極其不利的局面。首先，我們必須逆轉川普對科學研究等關鍵領域的預算削減。雖然我對民主政府能否有效「挑選贏家」持懷疑態度，但我們已不再有袖手旁觀的奢侈。尤其應聚焦未來產業——其中許多與科技相關——並弱化川普對傳統金屬加工製造業的過度強調。例如，在拜登總統任內通過的《晶片與科學法案》推動下，亞利桑那州等地正在興建大型半導體晶圓廠。政府角色的調整不僅限於支出。我們缺乏關鍵礦產，並非因為這些資源稀有，而是因為新建礦場和加工廠的審核程序過於繁瑣。我們完全可以在不犧牲合理環保標準的前提下，找到加快礦業發展的路徑。川普（以及所有人）應當明白：靠加徵關稅或試圖談判貿易協議，我們不可能戰勝中國。 （需要強調的是，健全的產業政策並不意味著政府直接持股企業或索取專利使用費——而這正是川普政府正在做的事。）要超越中國，必須從國內做起──先把我們自己的經濟秩序理順。這項挑戰也應促使川普重新審視其一系列政策。 (邸報)

總部位於英國倫敦的知名品牌估值機構品牌金融公司（Brand Finance）在瑞士達沃斯同期發佈兩份重磅報告——《2026年全球軟實力指數》與《2026年全球品牌價值500強》。兩份報告均展現出中國發展的亮眼成績，不僅軟實力指標實現多項全球第一，國際聲譽與品牌價值也迎來突破性提升，成為全球發展格局中極具份量的增長力量。在《2026年全球軟實力指數》報告中，中國的表現尤為突出，是軟實力排名前十國家中唯一實現排名上升的經濟體。報告顯示，中國多項軟實力核心指標穩居全球第一：營商與貿易領域，營商便利度、未來成長潛力雙雙保持全球首位，彰顯出中國市場對全球資本和貿易合作的強勁吸引力；教育和科學領域，在先進科學技術研發、創新能力等方面位列全球第一，太空探索領域也保持全球第二的領先位置。同時，中國的國際聲譽排名大幅上升9位，躍居全球第18位，首次實現對美國的超越，成為本次報告的重要亮點。報告分析認為，中國軟實力的持續攀升並非偶然，而是長期戰略規劃與紮實發展實踐的成果。近年來，中國通過共建“一帶一路”的持續投資，推動國際互聯互通與經貿合作；依託科技領域的不斷突破，夯實創新發展根基；推進可持續發展改革，踐行全球綠色發展理念；打造具有國際影響力的本土產品品牌，提升產業全球競爭力；同時積極促進國際文化交流，推動文明互鑑，多重舉措共同構築起軟實力提升的堅實基礎。而在同期發佈的《2026年全球品牌價值500強》報告中，中國品牌的全球表現再創新高，成為全球品牌價值增長的核心引擎。資料顯示，本次共有68個中國品牌躋身全球500強榜單，入榜數量位居全球第二，僅次於美國；中國入榜品牌的整體估值創下歷史新高，合計佔全球500強品牌總估值的15.1%。從領域來看，中國品牌在科技、公用事業、金融等核心類股表現尤為突出，多個品牌在各自細分領域躋身全球前列，展現出中國品牌從規模擴張到質量提升的轉型成效。 (魚記財經)

據歐盟《2025全球研發投入百強企業榜單》顯示，美國有674家企業入圍，佔總研發的47.1%，中國有525家企業入圍，佔總研發投資的16.1%，歐盟有318家企業入圍，佔總研發投資的16.2%，日本有192家企業入圍，佔總研發投資的7.8%。其中，華為在榜單中排名第六，研發投資金額為229.4億歐元。這個數字背後，則是一家企業用“壓強式投入”改寫全球科技競爭格局的故事。在亞馬遜、Google等美國巨頭壟斷前五的榜單上，華為成為唯一進入前十的中國企業，也折射出中國科技從“跟跑”到“並跑”的躍遷。研發“壓強”：每天燒掉5.3億據華為2025年上半年財報，2025年上半年，華為研發費用投入969.5億元，佔營收比例達22.7%。這相當於每天燒掉5.36億元，研發費率遠超蘋果、小米。這種“不計成本”的投入，並非盲目擴張，而是瞄準“卡脖子”領域的精準攻堅。比如，在海思半導體，超7000名工程師的團隊每年消耗超百億元研發經費，支撐麒麟晶片突破製程封鎖、昇騰晶片在AI算力領域對標輝達；在2012實驗室，華為前瞻佈局的量子計算、6G 通訊等項目，已形成全球專利的技術壁壘。歐盟這份榜單資料，更展現了華為的堅韌。全球前五名企業的研發投入多集中於軟體生態（如亞馬遜的雲服務、Meta 的社交演算法），而華為229.4億歐元的投入中，超60%流向硬體底層技術。從5.5G通訊的全頻譜方案，到超節點算力叢集的靈衢互聯協議，再到超導量子晶片的可調耦合器專利，每一項突破都指向“自主可控”的核心目標。技術破壁：算力、量子與作業系統的三重突圍在2025年的科技戰場，華為的研發成果已跳出“單點突破”，形成系統性的能力閉環。算力革命：用架構創新補工藝短板當AI大模型邁入兆參數時代，華為並未糾結於EUV光刻機的限制，而是通過“超節點+叢集”的架構創新，將數萬張昇騰晶片聯成“超級電腦”。其發佈的Atlas960 Super PoD超節點，支援15488張計算卡，FP8總算力達30EFLOPS，互聯頻寬突破 34PB/s。這一性能不僅超越輝達同期規劃的產品，更實現跨百公里算力拉遠場景下95%的算效保持率。支撐這一突破的“靈衢協議”，已通過開源技術規範，推動國內算力生態從“伺服器堆疊”轉向“資源池化”。量子突圍：繞開EUV的自主路線面對經典半導體的技術封鎖，華為在量子領域聚焦核心技術攻堅與行業場景落地，形成 “技術研發-生態協同-商用驗證”的完整佈局。在超導量子晶片核心技術層面，華為2022年11月獲國家智慧財產權局公開的“超導量子晶片”專利（公佈號 CN115271077A），通過可調耦合器與控製器的創新設計，可使兩個超導位元電路的交叉共振效應等效相互作用趨近於零，顯著降低量子位元串擾，為大規模量子計算晶片的研發奠定關鍵基礎。作業系統：從“替代”到“定義標準”在鴻蒙作業系統的研發上，華為累計研發費用達 “數百億元”，完成了從“相容Android”到“重構生態”的蛻變。2025年發佈的鴻蒙5.0，首次實現“跨裝置原子化服務+AI Agent原生支援”。使用者在手機上發起的設計任務，可自動呼叫平板的繪圖算力、PC的渲染資源、雲端的模型庫，任務完成效率大幅提升。點評：榜單的啟示與隱憂華為以229.4 億歐元的投入躋身全球研發前十，既是中國科技的里程碑，也折射出全球創新格局的深層變革。其價值不僅在於突破了多少技術壁壘，更在於驗證了“長期主義+開放協同”的創新路徑。當大多數企業將研發視為“成本項”時，華為將其轉化為“生態紅利”，帶動中芯國際、燦勤科技等數百家本土企業實現技術躍遷，讓上千億元的業績紅利由產業鏈共享；當歐美企業依賴“技術封鎖”維持優勢時，華為通過開源靈衢協議、開放鴻蒙生態，以“共生”替代“獨行”。榜單同樣折射出隱憂。在歐盟這份榜單中，中國入榜企業雖達581家，但除華為外，僅有騰訊等少數企業進入前50，且多集中於網際網路應用層；而華為22.7%的研發費率，已接近其利潤承受的極限。這意味著，中國科技的“單點突破”仍需轉化為“群體崛起”，而華為的研發模式，既需要政策層面的持續支援，更需要更多企業加入“長期主義”的陣營。畢竟，全球科技競爭的終極賽場，從來不是“一家獨大”，而是“萬木成林”。 (黃海峰的通訊生活)

在大眾的印象中，製藥研究往往發生在擺滿實驗台、充斥著冒泡液體，研究人員身著白色大褂的傳統實驗室裡。但在倫敦國王十字區，有一位不走尋常路的製藥研究員帕特里克·施瓦布，他的工作場景卻截然不同。這裡曾經是鐵路站場和工業建築的地盤，如今卻搖身一變，成了倫敦最時尚的街區之一。施瓦布博士全身黑衣，供職於製藥巨頭葛蘭素史克（GSK），他正在用電腦科學中同樣熱門的人工智慧（AI），重新構想製藥的未來，致力於將儘可能多的工作從玻璃器皿轉移到電腦上，開啟“矽基藥物設計”新時代。當Transformer遇上藥物研發製藥行業一直以來都面臨著高成本、高風險的困境。一種新藥從研發到上市，平均需要花費26億美元，耗時10 - 15年，而且臨床試驗階段的候選藥物失敗率高達90%。這就好比在黑暗中摸索，投入巨大卻往往收穫寥寥。不過，AI的出現，似乎為這片黑暗帶來了一絲曙光。波士頓的生物技術公司英矽智能（Insilico Medicine）率先將基於Transformer模型的新一代AI應用於藥物研發領域。2019年，他們的研究人員腦洞大開，想用AI從生物和化學資料中發明新藥，第一站就瞄準了特發性肺纖維化這種肺部疾病。他們先是用與該病相關的資料集訓練AI，找到了一個有潛力的目標蛋白。接著，另一個AI登場，給出了能與該蛋白結合併改變其行為，同時毒性和穩定性都不錯的分子建議。最後，人類化學家接力，對篩選出的分子進行合成和測試，最終得到了一種名為rentosertib的藥物，並且最近成功完成了中期臨床試驗。整個過程僅用了18個月，而以往通常需要四年半的時間。這就像是原本開著老牛拉的破車在崎嶇山路前行，突然換成了高速行駛的跑車，效率提升立竿見影。如今，英矽智能已經有40多種由AI研發的藥物正在針對癌症、腸道和腎臟疾病等進行評估。而且，這種AI驅動的藥物研發模式正在迅速擴散。有預測顯示，該領域的年度投資將從2025年的38億美元飆升至2030年的152億美元。製藥公司與AI公司的合作也日益頻繁，2024年就宣佈了十幾項合作交易，總價值達100億美元。去年10月，製藥巨頭禮來（Eli Lilly）與輝達（Nvidia）宣佈合作，要打造行業內最強大的超級電腦，以加速藥物的發現和開發。這就像是武俠小說裡的各路高手紛紛結盟，準備在藥物研發這個江湖裡大幹一場。AI如何顛覆傳統藥物研發流程？傳統藥物研發就像一場漫長而艱難的馬拉松，從篩選具有潛在生物活性的有機小分子開始，就充滿了挑戰。要從數十億個小分子中篩選出合適的，就如同在茫茫大海裡撈針。而AI的加入，讓這個過程發生了翻天覆地的變化。它可以通過軟體模擬，對數以百億計的小分子進行篩選，測試它們的效力、溶解性和毒性等特性，根本不需要真正的分子進入試管。阿斯利康（AstraZeneca）負責這項工作的吉姆·韋瑟羅爾表示，AI篩選的速度比以前快了一倍，該公司90%以上的小分子發現流程現在都有AI助力。這就好比以前是人工一粒一粒地篩選沙子找金子，現在有了一台先進的淘金機器，效率自然大幅提升。在臨床試驗設計方面，AI同樣大顯身手。比如GSK的AI負責人金·布蘭森展示的基於智能體的系統Cogito Forge，當被問及生物學問題時，它能編寫自己的程式碼來回答問題、收集合適的資料集、整合資料，還能製作帶有結論圖表的簡報。它可以就一種疾病提出假設，包括可測試的預測，並通過文獻檢索來驗證或證偽。它甚至會派出三個“智能體”，一個尋找支援假設的理由，一個尋找反對的理由，還有一個來判斷誰對誰錯。這就像是有一群聰明的助手，幫研究人員全面地思考問題，大大提高了研究的精準性和效率。AI在選擇臨床試驗患者方面也發揮著重要作用。它可以分析候選人的健康記錄、活檢和身體掃描等資料，找出最有可能從新藥中受益的人。這樣一來，臨床試驗的參與者選擇更精準，試驗規模可以更小，速度更快，成本也更低。這就好比在一場比賽中，挑選出最有潛力奪冠的選手參賽，比賽自然更容易取得好成績。而AI最讓人驚豔的應用之一，當屬建立合成患者（也叫數字孿生）作為真實參與者的對照。AI通過分析過往試驗資料，學會預測未接受治療的患者病情自然發展情況。當有志願者參加試驗並接受藥物治療時，AI就會建立一個具有相同特徵（如年齡、體重、現有疾病和疾病階段）的“虛擬患者”。這樣，通過對比真實患者和虛擬患者的情況，就能更準確地評估藥物的療效。舊金山的數字孿生公司Unlearn.AI在2025年發佈的研究顯示，這種方法在早期帕金森病試驗中可將對照組規模縮小38%，在另一項阿爾茨海默病研究中可縮小23%。而且，對於那些原本可能沒有對照組的早期試驗，現在也可以通過數字方式引入對照組，增強對藥物療效的信心，並改進後續試驗的設計。這就像是給每個真實患者都找了一個虛擬的“影子”，通過對比兩者，更清晰地看到藥物的效果。AI的“製藥瓶頸”與突破之路不過，AI在製藥領域也並非無所不能。許多蛋白質分子，作為越來越常用的藥物，但它們比傳統藥物分子大得多，還老是晃來晃去，確定它們的精確形狀可不容易。RNA分子，作為新型疫苗的基礎，同樣讓人頭疼，而細胞內部基於膜的複雜結構更是難上加難。但好在這個領域的研究進展迅速，研究人員正在訓練AI來模擬蛋白質與其他分子的相互作用、預測RNA折疊，甚至模擬細胞。鹽湖城的Recursion公司打造了一個AI“工廠”，在其中對數百萬個人類細胞進行各種化學和基因變化的成像，讓AI學習基因和分子通路之間的模式。紐約的AI生物技術公司Owkin則利用醫院患者的大量高解析度分子資料訓練模型。Owkin的老闆湯姆·克洛澤爾認為，通過做出人類無法做到的發現，這項工作正在朝著生物學領域的真正通用人工智慧邁進。隨著AI在製藥領域的深入發展，一個問題也隨之而來：傳統製藥公司會被新興的AI公司顛覆嗎？像OpenAI，它引領了被稱為大語言模型的Transformer的發展，還有從GoogleDeepMind分拆出來的藥物發現初創公司Isomorphic Labs，都在訓練能夠在生命科學領域進行推理和發現的系統，希望這些工具能成為出色的“生物學家”。目前來看，製藥公司擁有豐富的資料以及理解和使用這些資料的背景優勢，所以合作是當下的主流。例如，OpenAI正在與RNA疫苗先驅Moderna合作，加速個性化癌症疫苗的開發。但隨著新模型讓生物學變得更具可預測性，行業優勢的天平可能會發生傾斜。無論未來競爭格局如何變化，有一點是肯定的：AI已經給製藥行業帶來了巨大的改變。如果它能在後期臨床試驗中也取得像前期那樣的改進，那麼上市的藥物數量有望大幅增加。從長遠來看，AI為人類健康帶來的提升潛力是巨大的。也許在不久的將來，我們就能看到更多由AI助力研發的藥物，為無數患者帶來新的希望，就像一場全新的醫學革命正在緩緩拉開帷幕。 (跬步書)