美國能源部重磅啟動“創世使命”（Genesis Mission），AI巨頭們組團“復仇者聯盟”式合作，目標直指核能、量子、製造等領域大突破。還有OpenAI開放ChatGPT應用市場、Figure CEO新AI實驗室等熱點，一起看~ 😎AI巨頭聯手美國政府“創世使命”：科學革命來襲 💥美國能源部（DOE）宣佈與24家科技巨頭合作，聯合17個國家實驗室和4萬名研究人員，用AI加速前沿科學研究！這波操作堪稱AI界的“曼哈頓計畫”升級版。亮點貢獻：GoogleDeepMind：提供AI科學家代理、AlphaEvolve編碼系統、AlphaGenome DNA模型早期訪問。亞馬遜AWS：砸高達500億美元建AI基礎設施，OpenAI已在實驗室超級電腦上部署模型。其他大佬：xAI、微軟、Palantir、AMD、甲骨文、Cerebras、CoreWeave等全員到齊！目標：在核能、量子計算、製造業等領域實現飛躍，AI正式成為國家科學引擎！OpenAI開放ChatGPT應用市場：第三方開發者入場，變身超級平台 🎉OpenAI放大招：正式向第三方開發者開放ChatGPT專用應用目錄！使用者可一站式瀏覽、連接外部服務，把ChatGPT打造成“萬能介面”。✨細節：分類：特色、生活方式、生產力等。已整合：Photoshop、Canva、DoorDash、Spotify、Zillow等，直接在對話中使用。開發者福利：測試版SDK、樣本程式碼、提交指南齊全。未來：探索數字商品貨幣化。ChatGPT從助手進化成生態中心，生態戰打響！🔥Figure AI CEO自掏1億刀建新AI實驗室Hark：追求“關心人類”的AI 🧡Figure AI創始人Brett Adcock又出手！個人出資1億美元建新實驗室Hark，目標打造“以人為本”的AI：主動推理、持續自改進、深切關心人類。🤖首個GPU叢集已上線。Adcock同時營運Figure（估值390億刀）。機器人+前沿AI雙線並進，新玩家殺入AGI賽道！🚀(Evan的迷路筆記)

白宮和美國能源部的最新聲明顯示，包括微軟、Google、輝達等在內24家頂尖的人工智慧企業已與美國政府簽署協議，加入“創世紀計畫”。該計畫由白宮發起，旨在推動新興技術在科學探索與能源項目中的應用。當天，行業參與者、美國能源部長克里斯·賴特、美國能源部負責科學和創世紀計畫的副部長Darío Gil以及白宮科技政策辦公室主任Michael Kratsios在白宮舉行會議，旨在啟動人工智慧技術領域的公私創新夥伴關係，以確保建立可擴展的美國國家基礎設施，以前所未有的速度推動科學發展，並確保人工智慧的益處惠及全美。Kratsios表示，“今日宣佈的24家新研究合作（企業）僅是開端，我們將貫徹川普總統的指示，將包括企業、高校、非營利組織及聯邦機構在內的整個科學界納入創世紀計畫。”“運用尖端人工智慧推動科學研究，將極大提升美國科研人員的生產力。創世紀計畫將助力美國科學家實現實驗設計自動化、加速模擬處理程序、生成預測模型，從而在能源、製造、藥物研發等領域取得突破性進展，” Kratsios稱。美國總統川普上月通過行政命令宣佈了該計畫，旨在加強政府各部門科研工作的協調，更高效地整合人工智慧工具以實現更多科學突破。Kratsios當時表示，該計畫將整合能源部國家實驗室的計算資源，呼叫聯邦資料集，推動更多基於人工智慧的實驗。他預測此舉將縮短科學發現周期。不過官員們也意識到，人工智慧發展所需的海量計算資源依賴於耗能巨大的資料中心，因此正積極尋求開發新能源並升級電網。據美國能源部介紹，截至本周四簽署協議備忘錄的合作機構，均已通過資訊徵詢響應向能源部表達合作意向，或正與能源部及國家實驗室開展創世計畫相關項目。這24家公司包括(以英文首字母排序)：埃森哲、AMD、Anthropic、Armada、亞馬遜AWS、Cerebras、CoreWeave、戴爾、DrivenData、Google、Groq、慧與、IBM、英特爾、微軟、輝達、OpenAI、甲骨文、Periodic Labs、Palantir、Project Prometheus、Radical AI、xAI、XPRIZE。自川普今年年初重返白宮後，就一直將培育人工智慧產業列為優先事項，並宣佈了旨在簡化人工智慧設施建設和技術開發的多項政策。與此同時，白宮也正著手限制州級法規，認為這些法規會給企業帶來負擔。但AI批評者指出，由於聯邦政府制定法規行動遲緩，需要依靠州級法規來解決偏見內容、深度偽造和使用者安全風險等緊迫問題。 (財聯社)

「歐米伽未來研究所」關注科技未來發展趨勢，研究人類在歐米伽點演化過程中面臨的重大機會與挑戰。將不定期推薦和發布世界範圍重要科技研究進展和未來趨勢研究。（點這裡看廣義智能體理論）美國能源部（DOE）最近發布了2025年《人工智慧戰略》報告。這份長達45頁的文件清楚地表明，人工智慧已不再是其龐大科學研究體系中的輔助工具，而是被提升至關乎美國國家安全、科學發現和能源主導地位的核心驅動力。該策略的核心任務是，將人工智慧從國家實驗室中零散、專業的科學應用，轉變為整個能源部系統性的、可規模化的企業級能力。這份於2025年10月發布的報告，其野心並不僅限於技術研發。它直面了在聯邦機構內部署尖端技術所面臨的深層挑戰：根深蒂固的資料豎井、陳舊的基礎設施、以及在敏捷創新與高風險後果（尤其是在核安領域）之間尋求平衡的治理難題。能源部的使命是「透過變革性的科學技術解決方案，應對美國的能源、環境和核子挑戰，確保國家安全與繁榮」。新策略的發布，實質上是承認若無人工智慧的全面滲透，這項核心使命在未來將難以為繼。報告詳盡規劃了六大支柱，包括AI基礎設施、數據、勞動力、研發、治理與風險管理以及資源規劃。這不僅是一份技術藍圖，也是一份旨在重塑美國核心能力版圖的組織變革宣言。以「高後果系統」為核心的國家安全應用與許多專注於商業或消費者應用的AI策略不同，美國能源部的藍圖將國家安全置於最優先的地位，其措辭嚴謹而迫切。其應用的核心聚焦於「高後果系統」（high-consequence systems）——一個委婉的術語，背後直指美國的核威懾力量。該戰略明確指出，人工智慧的實施正在確保美國「保持威懾力的最前沿」。這項任務主要由國家核子安全局（NNSA）執行。報告詳細闡述了幾個關鍵的國家安全應用領域：首先是核子威懾與武庫管理。該策略強調，開發和部署新的人工智慧能力，包括任務導向的智能體、模型和硬件，旨在「加速核武庫（儲存）管理任務」。在禁止物理試驗的背景下，利用AI和機器學習進行高精度模擬、預測性維護和數位孿生，對於確保核武庫的可靠性和安全性至關重要。其次是核不擴散。能源部正在開發「用於核不擴散的多模態基礎模型」。這些模型不僅用於在安全環境中增強任務能力，還被賦予了一項關鍵的元任務：評估「外部專有模型」所帶來的核相關風險。這顯示DOE不僅在利用AI，還在防範AI自身（特別是強大的外部模型）可能帶來的擴散威脅。此外，NNSA還開發了一種「紅隊」能力，專門評估AI模型如何被非國家行為者或擴散國家用於推進核武能力。第三，在核安領域引入生成式AI。報告中最具突破性且風險最高的應用之一是「用於高後果系統工程設計的生成式AI」。能源部正引領將生成式AI應用於「核能事業」等領域的工程設計與數位保障。這項選擇的目的是利用AI加速設計迭代、提升可靠性，確保關鍵國家安全資產的完整性與現代化。第四是情報與反情報。該戰略提出，開發和部署「基於大語言模型（LLM）的工具，用於情報和反情報分析」。其目標是提高成品情報的及時性、準確性和影響力，為國家安全決策提供關鍵見解。最後是AI自身的安全性。能源部清醒地認識到，在關鍵基礎設施（如電網）或核子安全系統中使用AI必須以「信任」為前提。為此，網路安全、能源安全和緊急應變辦公室（CESER）在勞倫斯利弗莫爾國家實驗室（LLNL）領導建立了一個「AI保障測試平台」。該平台將嚴格測試AI模型的漏洞、對抗性穩健性以及對關鍵能源應用的適用性，為設計安全的電網AI系統提供可操作的評估。算力與數據：建構「美國科學雲」與自主實驗室美國能源部擁有全球最強大的科學研究運算資源，新策略明確將其無與倫比的算力（Computing）和龐大的科學數據（Data）視為其AI雄心的兩大基石。然而，報告也坦率地指出了最大的障礙：「不均衡的機構採用、持續的資料豎井、資料使用限制以及遺留基礎設施的複雜性」。在基礎建設層面，能源部擁有無可匹敵的優勢。截至2025年9月，該機構運作著世界上最快的三台超級電腦：LLNL的El Capitan、橡樹嶺國家實驗室（ORNL）的Frontier和阿貢國家實驗室（ANL）的Aurora。這些百億億級（Exascale）運算系統是DOE訓練和部署最先進AI模型的引擎。但真正的挑戰在於數據。能源部作為“首屈一指的科學和數據驅動機構”，其數據集本身就是“關鍵的國家資產”。問題在於，這些數據分散在17個國家實驗室中，格式各異且難以存取。為了解決這個問題，該策略提出了一個宏大的解決方案：「美國科學雲」（American Science Cloud, AmSC）。根據《One Big Beautiful Bill (OBBB) Act》法案的授權，DOE正動員其國家實驗室「為人工智慧和機器學習應用建置和預處理科學數據」。 AmSC的目標是成為一個連接政府、學術界和私營部門的基礎設施，利用雲端運算技術促進跨學科的科學研究、資料共享和運算分析。這實質上是一項龐大的資料治理和資料工程任務。為了實現這一目標，該策略詳述了「數據」支柱下的幾個關鍵目標：現代化資料基礎架構和管理： 建立強大的資料管理框架和標準，特別是優先採用「API優先」的方法，以減少部署時間並提高資料品質、可用性和共享性。加強資料治理： 能源部已經設立了首席資料長（CDO）職位和企業資料管理計劃，並成立了一個「資料治理委員會」。此舉旨在將數據作為策略資產進行管理，確保治理在企業層面有效，同時響應特定領域的獨特需求，而不是「一刀切」。提高資料可存取性和策展： 能源部正在積極推進其“開放資料計劃”，使其在data.gov上的3700多個資料集更易於查找、存取、互通和重複使用（即FAIR原則）。報告特別強調，要確保公共資料是「機器可讀的」並採用開放格式，以優化其用於AI訓練的效用。動員DOE的科學數據： 該戰略要求與美國工業界合作，對整個DOE體系的科學數據進行策展，「以便對其進行結構化、清理和預處理，使其適用於AI和機器學習模型」。在解決了算力和數據之後，策略描繪了科學發現的未來圖景：「自主實驗室」（Autonomous Laboratories）。報告明確提出，將「擴大對自主實驗室和AI引導設計工作流程的投資」。這意味著由人工智慧協調、自我驅動的實驗室，它們利用DOE產生的獨特科學資料湖，在內部和雲端運算資源的驅動下開發模型。這種模式將用於加速材料發現、同位素生產或生物技術創新，以實現科學發現的自動化。從能源主導到內部治理：AI的全面滲透在解決了國家安全和科研基礎這兩大核心之後，該戰略將目光投向了其第三大任務：能源主導。報告詳細闡述了AI如何全面滲透到能源生產、分配和監管的各個環節，同時輔以強大的內部治理、勞動力和資源規劃作為保障。在「能源主導」方面，AI的應用極為廣泛且具有高度的針對性：核能運作： 報告重點在於「提高反應器的自主運作能力」和「降低核能運作和維護成本」。其核心項目是GEMINA（Generating Electricity Managed by Intelligent Nuclear Assets），該計劃專注於為先進核反應器開發數位孿生技術，利用AI進行先進控制、預測性維護和故障檢測。聚變能源： AI/ML技術正被應用於聚變等離子體控制和預測，以加速這一前沿能源的探索。電網控制與彈性： 策略強調使用「實體資訊機器學習」（Physics-informed ML）來控制電網。這種演算法能夠顯著減少電網控制迴路的計算負荷，使營運商能夠快速完成複雜的緊急評估，這對於維護日益複雜和可再生能源驅動的電網的彈性至關重要。基礎設施完整性： 先進基礎設施完整性模型（AIIM）是一個多模型AI系統，用於評估和預報關鍵能源基礎設施（如天然氣管道、海上平台）的完整性，目前正擴展到井筒完整性評估。加速審批流程： 官僚主義的拖延是能源基礎建設的主要障礙之一。能源部推出了「PermitAl」工具，該工具利用AI「簡化能源基礎設施審批」。透過對過去50年的12萬份國家環境政策法（NEPA）文件進行訓練，PermitAl可以幫助分析師在幾小時內（而非幾周）完成新許可證的環境審查摘要和分類。為了支撐如此廣泛且高風險的應用，該策略在「治理與風險管理」方面尤為謹慎和成熟。能源部意識到，「一刀切」的治理方法會扼殺創新或在某些領域監管不足。因此，其核心是「比例化的AI治理架構」（Proportional Al Governance Frameworks）：分級治理方法： 實施一種「分級方法」（graded approach）進行治理和風險管理。這意味著監督的嚴格程度與AI應用的風險和影響成正比。低風險的內部工具（如生產力套件Joulix AI）可以敏捷創新，而高風險應用（如核能係統）則必須接受「強有力的審查」和「多方面的回應以最小化風險暴露」。明確的領導結構： DOE的AI治理由資訊長辦公室（OCIO）、關鍵和新興技術辦公室（CET）以及首席人工智慧長（CAIO）共同領導。此外，也設立了「AI治理委員會」作為協調整個企業AI活動的主要論壇。報告指出，選擇這種多方共治模式是為了「利用多樣化的專業知識並確保更廣泛的部門支持」。內部政策制定： 能源部正在更新和創建內部AI指南，其「GenAl（生成式AI）政策」預計將於2025年12月發布。在「AI就緒勞動力」方面，該策略的重點不僅僅是招募資料科學家，而是「交叉培訓」。報告敏銳地指出，「實驗科學家必須擁有將AI實施到其工作流程中的工具，而AI科學家需要與領域專家密切合作來應對科學挑戰」。這需要透過實習、獎學金和學術聯盟建立早期職業AI人才管道，並加強國家實驗室與區域學術課程的合作。最後，該策略以一種非常務實的方式結束，指向聯邦機構最大的痛點：“資源追蹤和規劃”，特別是採購。報告坦率地指出，必須「加快採購時間」。其策略目標包括：為AI技術和資料服務建立“明確的加急採購”和“預先批准的供應商名單”，並為預先審查過的雲端服務實施“一攬子使用授權（ATU）批准”。這些措施旨在打破官僚主義的瓶頸，使能源部能夠「以產業的速度前進」。結論：一場防禦性與進攻性並存的變革美國能源部2025年《人工智慧戰略》是一份雄心勃勃的藍圖。它具有顯著的雙重性：一方面，它是一項防禦性戰略，旨在利用AI保護和管理美國最敏感的「高後果系統」——核武庫；另一方面，它又是一項進攻性戰略，旨在釋放其無與倫比的計算資源和科學數據，透過「美國科學雲」和「自主實驗室」等項目，加速科學發現和鞏固能源主導地位。這份報告的深刻之處在於它坦誠地承認了實施這一願景的巨大障礙——資料豎井、遺留系統和製度慣性。該策略的成敗，最終可能不在於其研發出了多麼先進的模型，而在於它能否成功執行那些不那麼光鮮亮麗，但卻至關重要的組織變革：真正實現數據的“API優先”、在17個國家實驗室之間推行勞動力“交叉培訓”，以及徹底改革其緩慢的“採購”流程。透過這份策略，美國能源部明確表示，AI不再只是一個研究主題，而是其未來運作的底層作業系統，是從原子到電網，確保美國核心能力在21世紀保持領先的根本保障。(歐米伽未來研究所2025)

近日，美國能源部最新推出的超級電腦、Top500 排名第一的El Capitan在加州的 LLNL 舉行了落成典禮。落成典禮結束後，他們讓我（作者）帶著手機進入 El Capitan。通常，這是一個不允許使用電子裝置的區域，手機也不能進入。今天，我進去了。 El Capitan落成典禮 在提交資訊以獲得現場訪問驗證後，我們獲得了一個徽章並被護送到禮堂。在那裡，LLNL、NNSA、DoE 和其他人員就 El Capitan 發表了演講。 顯然，HPE 的首席執行官 Antonio Neri 曾在利弗莫爾住過一段時間。我問 Antonio，El Capitan（和其他 HPC 叢集）上的這項工作如何轉化為 AI 銷售。他說，所有底層技術（包括 GPU 計算、網路、液體冷卻、電力輸送等）的大規模部署都直接轉化為 AI 叢集。

考慮到AI伺服器需求的增長，美國能源部預測，2023-2028年，美國資料中心的電力需求每年有望增長13-27%，高於許多機構預測的15%。 市場還是太低估吃電狂魔AI了。 1月3日，巴克萊分析師William Thompson及其團隊發佈報告，分析、總結了美國能源部（DOE）發佈的約70頁國會授權研究報告預測。 美國能源部預測，從2023年開始，美國資料中心的電力需求（不包括加密貨幣）將每年增加約13-27%，到2028年時將達到325-580TWh（1太瓦時 = 10億千瓦時），佔美國總電力需求的6.7%-12%。按照這一預測，從2023到2028年，美國資料中心的電力需求有望增長2-3倍。