“AI教母”李飛飛和MasterClass創始人兼CEO大衛·羅吉爾做了一場播客訪談，標題叫《AI教母：10年後，只會剩下兩類工作者》。 主持人問李飛飛怎麼看一個流傳很廣的說法：工業革命自動化了體力勞動，現在AI要自動化智力勞動，我們怎麼辦？ 李飛飛卻說，工業革命並沒有自動化勞動。它讓勞動更高效，擴大了勞動的規模，也確實改變了勞動力市場。但它沒有自動化勞動。而且我們也不能暗示，勞動是沒有智能的，那個假設錯得太離譜了。 變了勞動的形式，但人在勞動中投入的判斷力，那些工匠積累了一生的經驗直覺、那些體力勞動裡夾著的認知判斷，從來沒有被真正自動化。

“AI教母”李飛飛和MasterClass創始人兼CEO大衛·羅吉爾做了一場播客訪談，標題叫《AI教母：10年後，只會剩下兩類工作者》。 主持人問李飛飛怎麼看一個流傳很廣的說法：工業革命自動化了體力勞動，現在AI要自動化智力勞動，我們怎麼辦？ 李飛飛卻說，工業革命並沒有自動化勞動。它讓勞動更高效，擴大了勞動的規模，也確實改變了勞動力市場。但它沒有自動化勞動。而且我們也不能暗示，勞動是沒有智能的，那個假設錯得太離譜了。 變了勞動的形式，但人在勞動中投入的判斷力，那些工匠積累了一生的經驗直覺、那些體力勞動裡夾著的認知判斷，從來沒有被真正自動化。

過去60餘年，全球半導體的發展大致遵循著英特爾聯合創始人戈登·摩爾提出的“摩爾定律”：積體電路上可容納的電晶體數量會以大約18至24個月翻一番的速度增長。 然而，隨著先進製程逼近物理和成本極限，“摩爾定律”的發展空間正在縮小，產業界也開始尋找後摩爾時代的新方向。 在5月25日的IEEE國際電路與系統研討會（ISCAS 2026）上，華為公司董事、半導體業務部總裁何庭波正式發佈“韜（τ）定律”（Tau  Scaling Law），旨在跳出縮小電晶體的傳統路線，預計到2031年，基於“韜（τ）定律”的高端晶片電晶體密度將達到1.4奈米製程的同等水平。 何庭波視訊演講 圖片來源：演講視訊截圖

人形本身既是目的也是手段 如果有人還在質疑人形機器人幹活只是一場作秀，不妨去看看Figure AI的直播，從5月13日到今天，全程無間斷直播機器人分揀物流包裹，這已經不能叫演示或者挑戰，而是實實在在的連續作業。 去年，“人形機器人落地真實場景”還被懷疑是喊口號；今年，不少人形廠商已可憑落地之實證，細細分說其中的經驗得失。 5月18日至19日，高工人形機器人、高工諮詢舉辦了2026(第三屆)高工人形機器人技術應用峰會，以“當具身智能開始衝入現實”為主題。

4月14日，輝達（NVIDIA）正式宣佈推出全球首個開源量子人工智慧模型系列——“Ising(伊辛)”，聚焦解決量子處理器校準和量子糾錯兩大核心痛點，使得AI代理能夠持續自動化校準，並能把校準時耗從數天縮短到數小時；糾錯運行速度與精準率較行業標準分別最高提升約2.5倍和3倍。該模型已被全球多家頂尖實驗室、高校及量子企業採用。輝達意圖繫結量子計算與自身算力體系，黃仁勳表示AI將成為量子計算控制層。Ising系列由兩類核心模型組成:Ising Calibration（校準）和Ising Decoding（解碼）。作為視覺語言模型，Ising Calibration可自動化QPU（量子處理器）的校準任務，應對硬體不穩定及參數漂移；Ising Decoding則利用3D摺積神經網路進行量子糾錯解碼，其計算速度比目前行業標準快2.5倍，精準度提升達300%。輝達CEO黃仁勳指出，Ising將使AI成為量子機器的“控制平面”與“作業系統”，將脆弱的量子位元轉化為可擴展、可靠的“量子-GPU系統”。目前，該模型已在GitHub及Hugging Face開源，並獲得哈佛大學、伯克利實驗室等科研機構的採納，相關資料、框架可在GitHub、Hugging Face及公司官網找到。隨著量子計算市場預計在2030年突破110億美元，輝達此舉不僅鞏固了其在高性能計算領域的生態領導力，更標誌著量子計算正從實驗室環境邁向AI驅動的全自動化運行階段，加速了通用量子電腦的商業化處理程序。 (半導體技術天地)

通過在動物一生中對魚類進行持續、細緻的觀察，研究人員發現：中年階段的一些相對簡單的行為——例如運動方式與睡眠模式——能夠用來預測壽命。保持較高活動水平、且主要在夜間睡眠的魚往往壽命更長；而那些更早出現“變慢”跡象的個體則壽命更短。令人意外的是，衰老並不是以平滑、連續的方式逐步展開，而是會在不同階段之間出現“跳躍式”的變化。該研究提示：若能在人體中追蹤日常習慣，或許可以更早地獲得關於個體如何衰老的線索。科學家雜誌AI繪圖 GPT5.4當動物進入中年後，其日常習慣就能提供關於其未來可能壽命長短的線索。這一結論來自一項新的研究，由史丹佛大學吳懷慈神經科學研究所（Wu Tsai Neurosciences Institute）的“Knight Initiative for Brain Resilience”項目支援。研究團隊對大量短壽命魚類進行了貫穿生命全程的連續監測，以探究行為與衰老之間的關聯。儘管這些魚具有相似的遺傳背景，並在相同的受控條件下生活，但它們的衰老方式卻差異顯著。到成年早期，這些個體差異已經體現在游泳與靜息的行為方式上。更重要的是，這些行為模式具有足夠強的預測力，可以判斷某條魚最終將擁有較短還是較長的壽命。儘管研究聚焦於魚類，但其發現提示：借助可穿戴裝置常規記錄的細微日常行為（如運動與睡眠），可能能夠為人類衰老過程提供洞見。該研究發表於《Science》（2026年3月12日），主要由吳懷慈神經科學方向的博士後研究員 Claire Bedbrook 與 Ravi Nath 牽頭。研究源於“Knight Initiative”支援下的合作：由史丹佛大學遺傳學家 Anne Brunet 與生物工程學家 Karl Deisseroth 所領導的多個實驗室共同參與，二人均為論文通訊作者。對衰老進行即時追蹤以往的大多數衰老研究會將年輕動物與年老動物進行對比。儘管這種方法有價值，但它可能忽略了：衰老如何在個體內部隨時間逐步發生，以及個體之間的差異是如何逐漸形成的。Bedbrook 和 Nath 希望在整個生命過程中連續地觀察衰老的演變。他們想回答一個關鍵問題：即便是在幾乎相同的飼養條件下，動物仍可能以不同方式衰老，並出現截然不同的壽命長短。研究團隊的目標是確定：自然行為的差異，是否會在個體之間的壽命分化出現之前就已經開始顯現。為此，他們選擇了非洲藍綠麗魚（African turquoise killifish）作為模型。該物種的壽命僅為4至8個月。儘管壽命很短，但它與人類共享重要的生物學特徵，包括複雜的大腦，因此是開展衰老研究的理想模型。在建構該魚作為模式生物方面，Brunet 實驗室一直走在前列。本研究也是首次對脊椎動物在整個成體階段進行連續的、日夜不間斷的追蹤。研究人員設計了一套自動化系統：每條魚都在各自的水槽中生活，同時被恆定的攝影機持續監控。該裝置可視作現實版的《楚門的世界》（The Truman Show）：系統記錄了動物生命中的每一個瞬間。研究團隊共隨訪了81條魚，並獲得了數十億幀視訊資料。在如此龐大的資料基礎上，研究人員分析了姿態、速度、靜息與運動等指標。他們識別出100種不同的“行為音節”（behavioral syllables）——這些是魚類運動與靜息過程中最基本的、短暫且重複出現的動作單元。Brunet 表示：“行為是一種極其整合性的讀出，它反映了腦與身體層面正在發生的變化。分子標誌物是必不可少的，但它們只能捕捉生物學過程的一部分。通過行為，我們可以看到整個機體的連續變化，而且是非侵入性的。”憑藉這種細緻的記錄，研究團隊進一步提出新的問題：個體究竟在何時開始以不同方式走向衰老？那些早期特徵能夠界定這些軌跡？僅憑行為能否預測壽命？與長壽相關的早期行為訊號研究中最引人關注的發現之一，是個體的衰老軌跡在很早期就開始分叉。在完成全程追蹤後，研究團隊根據最終壽命對魚進行分組，再回看以識別：這些行為差異最初在何時出現。他們發現：在“早期中年”（70至100天齡）階段，最終壽命較長或較短的魚，其行為就已經存在差異。睡眠模式尤為關鍵。那些最終壽命較短的魚，不僅夜間睡眠，而且在日間的睡眠佔比會逐漸增加；相比之下，壽命較長的魚主要在夜間睡眠。活動水平也同樣與壽命有關。沿著長壽軌跡的魚游泳更有力，在運動時能夠達到水槽中更高的速度；它們在白天也更活躍。值得注意的是，這種自發性的運動模式在其他物種中也與長壽有關。更重要的是，這些行為差異具有預測意義，而不僅僅是“描述性觀察”。研究人員使用機器學習模型表明：在中年階段，僅需幾天的行為資料，就足以估計壽命。“在生命較早階段出現的行為改變，正在向我們傳遞未來健康狀況與未來壽命的資訊。”Bedbrook 如是說。衰老以不同階段的形式發生該研究還揭示：衰老並不是以緩慢、平穩的方式推進。多數魚經歷2到6次快速的行為轉變，每次持續僅數天。隨後是更長時間的穩定階段，持續數周。魚類通常按順序經歷這些階段，而不會在不同階段之間反覆來回切換。Bedbrook 指出：“我們原本預期衰老會是一種緩慢、逐漸的過程。結果顯示，動物在較長時間內保持穩定狀態，然後會非常迅速地進入一種新的階段。僅憑連續行為就能看到這種‘階段化結構’，是我們最令人興奮的發現之一。”這種“階段化”模式與人類研究的結論相呼應：分子層面的老化變化往往呈現“波次”特徵，尤其在中年及更晚階段更為明顯。killifish 的結果從行為層面提供了對這一現象的另一種視角。研究團隊提出：衰老過程可能表現為長時間的相對穩定，隨後被短暫的快速變化所打斷。他們將其比作一座積木塔（Jenga tower）：在移除許多積木之前，整體結構看似穩定；但當某一個關鍵變化發生時，系統就會突然發生整體轉變。為進一步探究這些模式背後的生物學機制，研究團隊在一個行為能夠可靠預測壽命的階段，檢查了8個器官的基因活性。他們並沒有聚焦於單個基因，而是觀察參與共同生物過程的一組基因的協調性變化。差異最明顯的出現在肝臟。與壽命較短的魚相比，壽命較短的個體在與蛋白質產生和細胞維護相關的基因方面呈現更高的活性。這提示：隨著衰老處理程序推進，個體的行為差異也可能伴隨體內的內部生物學變化同步發生。行為為理解衰老提供了一扇窗口Nath 表示：“事實證明，行為是一種對衰老極其敏感的讀出。你可以比較兩隻同一日齡的動物，僅憑行為就能看出它們正在以非常不同的方式衰老。”這種敏感性在日常生活的多個方面尤為突出，尤其體現在睡眠上。在人類中，睡眠質量以及睡眠-覺醒節律往往會隨著年齡增長而下降；這些變化與認知衰退以及神經退行性疾病相關。Nath 計畫進一步研究：改善睡眠是否能夠促進更健康的衰老，以及能否通過早期干預改變衰老軌跡。研究團隊還計畫探討：衰老軌跡是否可以通過定向策略被改變，包括飲食調整和可能影響衰老處理程序速度的遺傳干預。對 Bedbrook 來說，這些發現還引發更廣泛的問題：是什麼驅動了衰老階段之間的轉變？這些轉變能否被延緩甚至逆轉？她也希望將研究推進到更自然的環境中，讓動物能夠進行社會互動並體驗更真實的條件。“我們現在具備了在脊椎動物中連續繪製衰老圖譜的工具。”她說。“隨著可穿戴裝置的普及以及人類長期追蹤的興起，我很期待這些規律——早期預測指標、階段化衰老、分叉的衰老軌跡——是否也同樣適用於人類。”另一個重要的研究方向是大腦。Deisseroth 團隊正在開發工具，用於在長時間尺度上連續監測神經活動，這有望揭示大腦變化如何與全身其他組織的老化同步，甚至可能影響衰老的處理程序速度。Bedbrook 和 Nath 將繼續開展這項研究：她們將在今年7月於普林斯頓大學建立各自的實驗室，在史丹佛團隊開發的工具與洞見基礎上繼續前進。最終，這項研究旨在解釋為何衰老的差異在不同個體之間表現如此巨大，並為支援更健康、更長壽的生命提供新的路徑。（史丹佛大學）Claire N. Bedbrook、Ravi D. Nath、Libby Zhang、Scott W. Linderman、Anne Brunet、Karl Deisseroth.終生行為篩查揭示脊椎動物衰老的結構。《科學》，2026；391（6790）DOI：10.1126/science.aea9795點評這項研究的價值在於將“衰老”從靜態對比（年輕 vs. 年老）推進為縱向、連續的行為定量。研究者不僅觀察到運動與睡眠等表型與壽命的相關性，更提出了可操作的“行為軌跡預測窗口”：在魚的早期中年階段，行為指標就已能區分個體的壽命走向，並可通過機器學習僅利用中年階段的短期資料實現壽命估計。這提示衰老可能存在在早期即可觀測的“前期分叉”過程，而並非完全滯後於分子層面的改變。睡眠節律比“睡多久”更值得關注研究中與壽命相關的關鍵因素之一是夜間睡眠佔比更高且晝夜節律更穩定。對人群而言，可穿戴與自我記錄有助於發現持續性作息漂移（如長期晝夜倒置或白天睡眠顯著增加）。運動的核心是“維持能力與穩定性”，而非短期衝刺魚的長壽軌跡伴隨更高的活動水平與更強的運動表現。遷移到人類層面，健康目標更應聚焦於長期維持日間活動量與體能儲備（規律步行、力量訓練或中等強度運動），而非短期強度爆發。可穿戴資料更適合作“趨勢監測”，而非診斷工具從科學角度，應將其用於早期風險預警：例如睡眠節律持續惡化、日間活動量長期下降、體能恢復變差等趨勢性改變。但當異常持續並伴隨症狀時，仍需尋求專業醫療評估。一句話總結：該研究強化了“行為與衰老處理程序同步”的觀點。對普通人而言，最可取的策略是穩定睡眠節律 + 持續的日間活動 + 關注長期趨勢。 (科學家雜誌)

29日，中國首條年產能萬台級人形機器人自動化產線在廣東佛山正式啟用，標誌著中國人形機器人規模化量產能力取得重大突破。該產線年產能突破一萬台，可實現每30分鐘下線一台人形機器人，高效滿足市場規模化交付需求。產線上，24道精密組裝工序均實現數位化指導生產，效率較傳統提升50%以上。77項測試流程對零部件和整機安全性能進行檢驗，確保下線產品穩定可靠。此外，產線還可實現高彈性裝配，通過靈活調整工位與產線長度，支援多型號、多產品混線生產，將有力推動人形機器人產業規模化發展。 (新聞聯播)

新思收購Ansys後：AI EDA正式發佈！ 快50000倍EDA 從 “單純畫晶片” 進入 “晶片 + 熱 + 力學 + 多物理場” 一體化設計 。芯榜消息：近日，新思科技斥350億收購Ansys後放大招，AI晶片設計新工具發佈，徹底破解芯粒封裝難題！IBM聯手新思科技，憑DARPA加持的熱建模黑科技，以1℃精度、5000倍速狂飆，直逼1.4nm工藝，重構EDA天花板！（註：DARPA 是美國國防部下屬的獨立科研機構，1958 年應對蘇聯成立，專注高風險、高回報的顛覆性技術研發。它是網際網路、GPS、隱形戰機、無人機等關鍵技術的源頭，在 AI、半導體、量子計算等領域也有重要推動，眾多成果已深度民用化。）一、驚雷！EDA設計範式被徹底重構，告別“單一畫芯”時代長期以來，EDA（電子設計自動化）工具的核心定位是“畫晶片”——幫助工程師規劃、佈局、布線，將數十億個電晶體有序排列，完成晶片的電路設計與物理實現。但隨著晶片製程邁入2nm、向1.4nm持續突破，AI晶片功耗密度暴增，Chiplet堆疊、3D-IC等先進封裝技術普及，傳統EDA設計範式已難以為繼。新思科技350億美元收購Ansys後，聯合IBM與DARPA推出原子級熱建模技術，標誌著EDA正式告別“單純畫晶片”的單一模式，進入“晶片+熱+力學+多物理場”一體化設計的全新階段。這一變革，為先進製程突破掃清了核心障礙，開啟半導體設計的全新紀元。二、倒逼革新！先進技術“卡脖子”，傳統EDA設計範式窮途末路EDA一體化設計的興起，本質是晶片技術迭代與市場需求升級的必然結果。一方面，製程微縮至2nm及以下時，電晶體尺寸接近原子級，熱傳導、力學應力等物理問題成為制約晶片性能的關鍵。AI晶片的高功耗密度導致發熱劇增，局部熱點溫度可達110°C以上，若無法提前管控，會直接引發晶片翹曲、開裂、性能衰減。另一方面，Chiplet堆疊與3D-IC技術的應用，讓晶片設計不再是單一器件的佈局，而是多芯粒、多材料的系統整合。機械應力、熱耦合、電磁干擾等跨領域問題相互交織，傳統“先設計、後模擬”的序列模式，往往導致設計反覆、流片失敗，浪費數億美金成本。三、強強聯手！新思+Ansys融合，築牢多物理場設計根基新思科技對Ansys的收購，是EDA進入多物理場一體化設計的關鍵轉折點，堪稱半導體行業的“世紀聯姻”。作為EDA行業龍頭，新思科技長期主導晶片設計工具研發，牢牢掌握行業話語權。而Ansys在熱模擬、力學分析、多物理場耦合領域擁有深厚積累，是物理模擬領域的絕對強者。兩者的融合實現了“晶片設計+物理模擬”的全鏈路打通，打破了行業技術壁壘。此次聯合IBM研發的熱建模技術，正是兩者技術協同的核心成果——Ansys貢獻了降階建模（ROM）與機器學習熱求解器兩大關鍵技術。新思科技則將其嵌入自身EDA工具鏈，實現了晶片設計與熱、力學分析的無縫銜接，徹底打破過去晶片設計與物理模擬“各自為戰”的僵局。四、技術炸場！三大突破，改寫多物理場設計規則以IBM與新思科技聯合研發的Thermonat項目為代表，多物理場一體化設計實現了三大核心技術突破，每一項都堪稱行業里程碑。一是原子級熱建模精度，溫度預測誤差控制在1℃以內，精準滿足DARPA1%的精度要求，可完美捕捉奈米級熱流分佈。二是極致運算速度，比傳統物理建模方法快50000倍，新思科技的ML熱求解器在百萬電晶體設計中可實現1000倍提速且不損失精度，將模擬時間從數月壓縮至分鐘級。三是多場耦合能力，基於傅里葉神經算子與降階建模技術，實現熱、力學、電磁等多物理場的即時協同分析。該技術可全面支援3D-IC、Chiplet的全流程設計最佳化，讓多物理場分析從“後期驗證”提前到“設計初期”，真正實現“設計左移”，顛覆行業傳統流程。五、價值拉滿！降本增效+製程突破，賦能半導體產業躍遷多物理場一體化設計為半導體行業帶來了顛覆性價值，核心體現在降本、增效、提性能三大維度，全方位破解行業痛點。在降本方面，可提前預測熱失效、力學應力等問題，有效避免流片失敗，為企業節省數億美金的量產投入，降低行業試錯成本。在增效方面，將原本數周、數月的模擬時間壓縮至分鐘級，大幅縮短晶片設計周期，加快產品上市節奏。在提性能方面，通過熱感知佈局設計，可使晶片性能提升5%~15%，同時實現極致功耗最佳化。既可以在相同溫度下提升晶片功耗以增強算力，也可以降低工作溫度以減少能耗，適配不同場景需求。此外，該設計模式還為1.4nm及以下先進製程的突破提供了核心支撐，成為未來高性能晶片、AI晶片的必備設計能力。六、加速落地！從高端場景突圍，全面滲透半導體產業鏈目前，EDA多物理場一體化設計已從技術研發走向落地應用，率先在高端晶片場景實現突破，開啟規模化普及之路。首批落地領域包括資料中心、AI高性能晶片，這些場景對晶片算力、功耗、可靠性要求極高，多物理場最佳化成為核心剛需。後續該技術將逐步延伸至手機等消費電子領域，覆蓋更多終端場景，惠及全行業。在產業鏈合作方面，IBM正與日本Rapidus深度合作，計畫2027年實現2nm工藝量產，將該技術全面應用於Chiplet、先進封裝等核心環節。新思科技則將熱分析、力學分析能力深度嵌入現有EDA工具，供英特爾、AMD、輝達等行業巨頭使用，持續推動技術普及，重塑產業鏈格局。七、格局重塑！EDA進入協同時代EDA進入多物理場一體化設計階段，不僅是工具的簡單升級，更是整個半導體設計生態的徹底重塑，影響深遠。它標誌著EDA工具從“單一設計工具”升級為“系統級協同平台”，實現了晶片設計、物理模擬、製造封裝的全鏈路協同，打破了行業各環節的資訊壁壘。新思科技與Ansys的融合，成功建立了“AI+先進製程+多物理場模擬”的技術壁壘，引領行業正式進入協同設計的新時代。同時，這種設計範式的變革，將加速2nm向1.4nm及以下製程的突破，為AI、高端製造、航空航天等領域的技術創新提供核心支撐。它為半導體行業高品質發展注入強勁新動力，推動行業向更高水平邁進。未來，隨著技術的持續完善，多物理場一體化設計將成為EDA行業的主流，推動晶片設計向更高效、更可靠、更先進的方向發展，改寫全球半導體產業格局。 (芯榜)