吵起來了。圖靈獎得主和諾貝爾獎得主，為了“智能的本質”——直接激情友好地交流上了。AI三巨頭之一、圖靈獎得主Yann LeCun明確表示：純粹就是胡扯（complete BS）。而諾貝爾獎得主、GoogleDeepMind CEO哈薩比斯也不留情面了，指名道姓回擊：LeCun的說法簡直是大錯特錯。論戰之激烈，關注度之高，已經讓𝕏專門開闢了一個話題類股：馬斯克也跑來吃瓜了——沒有任何多餘的解釋，但這波他站哈薩比斯——“Demis is right”。當然，馬斯克的站隊可能也有別的原因。畢竟他和LeCun素來不是很對付，跟哈薩比斯則亦師亦友——馬斯克還是哈薩比斯DeepMind早期投資人。要科學吃瓜，可能還是要知道他們究竟在激辯什麼？爭論焦點：智能的本質是什麼？事情還要從LeCun幾天前接受的一場採訪說起。他在節目中言辭犀利地指出：根本不存在所謂的“通用智能”，純粹就是胡扯（complete BS）。這個概念毫無意義，因為它實際上是用來指代人類水平的智能，但人類智能其實是高度專業化的。我們在現實世界裡確實幹得不錯，比如認個路、導航blabla；也特別擅長跟人打交道，因為咱們進化了這麼多年就是幹這個的。但在國際象棋方面，我們表現很差。而且還有一堆事兒都搞不定，反倒是有些動物比我們強得多。所以說，我們其實就是“專才”。我們認為自己是“通用”的，但這僅僅是一種錯覺，因為我們能理解的所有問題都侷限於我們能想到的那些。簡單概括就是，LeCun認為人類智能並不“通用”，而是為了適應現實物理世界而專門進化出來的某種專業能力。人類之所以擅長識別物體、躲避危險、與他人合作等，也只是因為這些能力在進化中被環境塑造。然而，這一觀點很快遭到了哈薩比斯的直接回懟。哈薩比斯表示：LeCun的說法簡直是大錯特錯。他這是把“general intelligence”和“universal intelligence”兩個概念搞混了。然後他一一駁斥了LeCun的觀點，其原話如下：大腦是目前宇宙中已知最精妙、最複雜的事物，實際上具有極強的通用性。但是在實際的系統當中，“天下沒有免費的午餐”這個道理是無法迴避的——任何實際且有限的系統，在其所學目標分佈周圍，都必然存在一定程度的專門化。但從圖靈機的理論意義上講，通用性的核心在於，只要給予足夠的時間、記憶體（及資料），就能夠學習任何可計算的內容。而人腦（以及AI基礎模型）正是近似的圖靈機。並且，針對LeCun關於國際象棋棋手的評論，哈薩比斯認為人類能發明國際象棋本身就令人驚嘆，更不用說從科學到波音747等現代文明的一切了。關於LeCun對棋手的評論——人類最初竟能發明國際象棋（乃至從科學到波音747的整個現代文明！）本就令人驚嘆，更不用說還能出現像馬格努斯·卡爾森那樣棋藝卓絕的人物。他或許並非嚴格意義上的最優解（畢竟記憶有限、決策時間也受限），但考慮到我們的大腦本是為狩獵採集而進化，他和我們如今所能成就的一切，已足以展現人腦的驚人潛力。顯而易見，哈薩比斯對“智能”的理解從不侷限於電腦科學，而是深度融合了神經科學。一直以來，他認為真正衡量智能的兩個關鍵標準分別是通用性（Generality）和學習能力（Learning），為此他經常拿1997年“深藍”戰勝卡斯帕羅夫舉例——雖然“深藍”在國際象棋上很強，但還是連簡單的井字遊戲都不會玩，所以足以見得這種程序的死板之處。而關於這場對決，哈薩比斯還透露，最吸引他的不是“深藍”這個系統，而是卡斯帕羅夫的大腦（畢竟他能作為人類代表與AI進行比賽）。沒錯，又是“大腦”這個關鍵詞。哈薩比斯一直堅信，人類大腦是宇宙中已知的唯一關於“通用智能可行性”的存在性證明。當大腦和AI結合之後，所謂的“通用人工智慧”其實就是能夠展現出人類所擁有的所有認知能力的系統。至於具體如何實現AGI，哈薩比斯多年來也形成了一套自己的方法論，總結起來就是——預測建構理解，規劃擴展可能，強化學習實現自主進化。第一步：以預測為基石。在他看來，智能的本質在於預測——無論是預測下一個單詞還是預測蛋白質的折疊形狀。這是所有認知活動的基礎形式，也是AI理解世界的內在驅動力。第二步：引入搜尋與規劃AI系統首先要建立一個世界模型，然後在此基礎上進行搜尋或規劃，以在巨大的組合搜尋空間中找到最優解。第三步：最終通向深度強化學習這是哈薩比斯最推崇的終局路徑，也是對大腦運作方式的模擬——深度學習負責模式匹配和尋找結構，強化學習負責通過試錯進行規劃和達成目標。這在生物學上對應著大腦的神經通路和多巴胺獎勵系統。至此，我們看到兩位大佬關於智能本質的爭論，表面上看起來似乎確實截然不同。一個認為“通用性智能”是胡扯，本質上智能是自然世界高度專業化的產物；另一個認為通用性智能不僅存在，而且仍有巨大潛力有待挖掘。但事實，真的如此嗎？上述爭論過後，LeCun又再次出來回應了，而且這次直接點名了分歧核心——用詞。我認為分歧主要在於用詞。我反對用“通用（general）”來指代“人類水平”，因為人類是高度專門化的。不過，雖然承認用詞有分歧，但他還是繼續重申了“人類智能並不通用”的觀點。其論證如下：第一，理論完備≠實際通用。你也許不同意人類思維是專門化的，但事實確實如此。這不僅是理論能力的問題，更是實踐效率的問題。顯然，一個經過良好訓練的人腦，如果配合無限量的紙和筆，是圖靈完備的。但對於絕大多數計算問題來說，這種方式效率極低，因此在資源受限的情況下（比如下棋），它遠非最優方案。就是說，哈薩比斯所構想的“理想的圖靈機”對解決現實問題幾乎沒有意義，因為真正的智能必須在有限資源下高效運作——而人腦的進化恰恰是資源約束下高度最佳化的結果。第二，兩個典型例子可以反映大腦的“非通用性”。在理論上，一個兩層神經網路可以以任意精度逼近任何函數；但在實踐中，幾乎所有有意義的函數都需要隱藏層中包含數量巨大、難以實現的神經元。正因如此，我們才使用多層網路——這正是深度學習存在的根本原因。再換一個角度來看：視神經大約有100萬根神經纖維。為了簡化討論，我們假設訊號是二進制的，那麼一次視覺任務就可以被視為一個從100萬位元對應到1位元的布林函數。在所有可能的此類函數中，有多少是人腦可以實現的？答案是：一個無窮小的比例。通過這兩個例子，LeCun再次重申了自己的觀點：所以我們不僅談不上“通用”，而且是極其高度專業化的。可能的函數空間極其廣闊。我們之所以沒有意識到這一點，是因為其中絕大多數函數對我們來說複雜到難以想像，看起來幾乎完全是隨機的。而且他還提到了愛因斯坦曾經說過的一句話——世界上最不可思議的事情，是世界竟然是可以被理解的。在所有可能的、隨機的世界組織方式中，我們竟然能夠理解其中極小的一部分，這本身就令人驚嘆。而我們無法理解的那一部分，我們稱之為“熵”。從這個意義上說，宇宙中絕大多數的資訊都是熵——是我們孱弱的認知能力無法理解、因而只能選擇忽略的內容。總之，事情battle到最後，網友們也是紛紛回過神來了——這場爭論最大的bug可能就在用詞上了。而拋開用詞不談，本質上來看，兩個人其實更像是在談論不同的問題：一個核心在強調“我們是什麼”，另一個則在強調“我們能成為什麼” 。而這，也恰恰指向了同一個更深層、也更現實的議題——接下來，我們究竟該以怎樣的方式實現AGI？答案：世界模型不管是在LeCun還是哈薩比斯這裡，答案其實都已經很清晰了——世界模型。眾所周知，即將從Meta正式離職的LeCun，下一站就是創業世界模型。據《金融時報》爆料，其新公司名為Advanced Machine Intelligence Labs（AMI Labs），計畫於明年一月正式亮相，目標估值30億歐元（約247億人民幣）。在LeCun的理解中，世界模型所要追求的不是渲染精美的像素，而是掌握控制理論和認知科學。他認為對AI而言，只有中間那個抽象表徵才重要（和JEPA研究一脈相承），模型沒必要浪費算力去生成像素，只需專注於捕捉那些能用於AI決策的世界狀態。換言之，瞭解“世界的結構是什麼”才是最關鍵的。而哈薩比斯這邊也在採訪中多次表示，世界模型絕對是自己和Google接下來的重點。今年8月，GoogleDeepMind推出了新版世界模型Genie 3。哈薩比斯表示：我們談論的世界模型，指的是那種能夠理解世界運行機制中因果關係與協同效應的模型，也就是一種“直觀物理學”——事物如何運動、如何相互作用、如何表現。你已經可以在當前的視訊模型中看到這種能力的雛形。而檢驗是否真正具備這種理解的一種方式是否能夠建構一個逼真的世界。因為如果你能夠生成它，那麼在某種意義上，你就已經理解並內化了這個系統的運作規律。這也解釋了為什麼Genie、Veo這些模型首先會以視訊模型的形式出現。在他看來，這種可互動的世界模型正是通往AGI的關鍵一步。通過對比，我們能發現雖然二者都是在描繪“世界模型”，但他們的理解和實踐方向也明視訊記憶體在差別——LeCun代表著“世界模型即認知框架”，而Google哈薩比斯代表著“世界模型即模擬器”。嗯，同一個概念，不同的理解和實踐——怎麼不算一種call back呢？（手動狗頭）Anyway，回顧歷史，實際上AI的每一次躍遷都伴隨著這樣的“爭吵”：符號主義和連接主義的爭論，定義了智能的根基究竟是“邏輯”還是“資料”；端到端學習和模組化系統的爭論，定義了“系統該如何建構”；再加上我們今天的“開源VS閉源之爭”、“智能本質之爭”……還是那些老話，“真理不辯不明”、“真理越辯越明”。不過玩笑說說，等到真理辯明了，那個老頭可要來了……One More Thing幾乎同一時間，LSTM之父Jürgen Schmidhuber又出來隨機掉落了一個“小彩蛋”，他預判了預判——LeCun即將創業的世界模型，他們在2014年就有涉獵了（原話是二者高度相似）。怎麼說呢，Jürgen Schmidhuber老爺子這幾年，基本都在“維權”了。作為LSTM的發明者，LSTM一度在ChatGPT誕生前被稱為“最具商業價值的人工智慧成就”，而作為LSTM之父，Jürgen Schmidhuber早在三巨頭獲得圖靈獎之前就被《紐約時報》稱為“成熟人工智慧之父”。但當AI時代真正到來，各種技術發明者桂冠沒有他、圖靈獎沒有他、諾貝爾獎也沒有他……Schmidhuber只能一次次維權、隔空懟人，最後成為祥林嫂·Schmidhuber。幸好，還有推特，可以讓他首頁上清晰完整展示——以及推特當前的擁有者馬斯克，他評價Jürgen Schmidhuber時言簡意賅：一切的發明者。這，確定不是在陰陽八卦？ (量子位)

據美聯社報導，當地時間12月12日，諾貝爾和平獎得主納爾吉斯·穆罕默迪的支持者稱，穆罕默迪在伊朗馬什哈德市被逮捕。以穆罕默迪的名字命名的基金會表示，穆罕默迪在伊朗首都德黑蘭東北約680公里的馬什哈德被捕，當時她正出席律師霍斯羅·阿里科爾迪的悼念儀式。支持者稱，穆罕默迪遭遇了“安全部隊和警察部隊的暴力拘留”，同一儀式上另有其他活動人士被捕。伊朗馬什哈德市市長哈桑·侯賽尼證實，檢察官因現場有人高喊“打破常規”口號而下令暫時拘留部分參與者。他聲稱拘留是“預防性地保護在場人員”，但未回應關於使用暴力的指控。網路上流傳的視訊顯示，穆罕默迪在發言時未佩戴頭巾，並帶領人群呼喊曾被公開處決者的名字。穆罕默迪現年53歲，此前因“串謀危害國家安全”和“反政府宣傳”罪被判刑13年零9個月。2024年12月，她因健康原因獲得臨時釋放，但支持者數月來一直警告其可能被重新收監。近年來，穆罕默迪的健康狀況堪憂。在獄中，她曾多次心臟病發作，並於2022年接受了緊急心臟手術。此外，2024年她因腿部骨病變接受了切除手術。負責其健康狀況的醫療團隊建議，應將她的病假至少延長六個月，以便進行徹底的術後康復和心臟護理，並警告稱，若重返監獄，在巨大壓力和醫療條件不足的情況下，其身體狀況可能嚴重惡化。此次逮捕發生在伊朗國內局勢緊張之際。近期伊朗當局被指加緊打壓知識分子及異見人士，同時面臨制裁壓力、經濟困境及與以色列衝突的擔憂。逮捕行動可能引發西方進一步施壓，而此時伊朗已多次表示希望就核計畫與美國重啟談判。挪威諾貝爾委員會對此事“深表關切”，呼籲伊朗當局“立即澄清穆罕默迪的下落，確保她的安全和人身安全，並無條件釋放她”。納爾吉斯基金會亦發表聲明，要求“立即無條件釋放所有被拘留者”，並指責逮捕“嚴重侵犯了基本自由”。此前，悼念儀式的主角——律師阿里科爾迪本月初被發現在辦公室死亡，官方稱其死於心臟病，但超過80名律師聯署要求更多資訊，其死因伴隨安全部門的鎮壓行動引發公眾質疑。作為一名工程師出身的人權活動家，穆罕默迪曾13次入獄、5次被定罪，累計刑期達30多年。她曾公開支援2022年因瑪莎·阿米尼之死亡引發的全國抗議活動，持續以拒絕佩戴頭巾等方式表達抗爭。 (APD環球觀瀾)

註：各大公司財政年度的起始時間不同於自然年，因此會出現財政季度、年度等與自然年不一致的情況。歐洲巴斯夫(BASF Group)公佈2025年第三季度業績。季度集團銷售額152.3億歐元(約177億美元)，上年同期為157.39億歐元，同比下降3.2%。季度營業利潤(EBIT)2.78億歐元，上年同期為2.5億歐元，同比增長11.4%。季度淨利潤1.72億歐元，上年同期為2.87億歐元，同比下降40%。利安德巴賽爾(LyondellBasell)公佈2025年第三季度業績。季度銷售額和其他營收77.27億美元，上年同期為86.04億美元。季度淨虧損8.9億美元，上年同期淨利潤5.73億美元。英力士集團控股(INEOS GROUP HOLDINGS)公佈2025年第三季度業績。季度集團營收34.18億歐元(約39.7億美元)，上年同期為42.73億歐元。季度營業利潤1.13億歐元，上年同期為3.39億歐元。季度本期虧損5650萬歐元，上年同期利潤2.83億歐元。贏創(Evonik Group)公佈2025年第三季度業績。季度集團銷售額33.91億歐元(約39.4億美元)，上年同期為38.32億歐元。季度調整後的EBITDA利潤4.48億歐元，上年同期為5.77億歐元。季度淨虧損1.06億歐元，上年同期淨利潤2.23億歐元。科思創(Covestro)公佈2025年第三季度業績。季度銷售額31.71億歐元(約36.8億美元)，上年同期為36.03億歐元，同比下降12%。季度EBITDA利潤2.42億歐元，上年同期為2.87億歐元，同比下降15.7%。季度淨虧損4700萬歐元，上年同期淨利潤3300萬歐元。帝斯曼芬美意(dsm-firmenich)公佈2025年第三季度業績。季度銷售額30.7億歐元(約35.65億美元)，上年同期為32.44億歐元，同比下降5%。季度調整後的EBITDA利潤5.4億歐元，上年同期為5.41億歐元。瑞士工業和建築化學品製造商西卡(Sika)公佈2025年前9個月業績。當期淨銷售額85.78億瑞士法郎(約107億美元)，上年同期為89.15億瑞士法郎，同比下降3.8%。當期EBITDA利潤16.45億瑞士法郎，上年同期為17.02億瑞士法郎，同比下降3.3%。當期淨利潤8.71億瑞士法郎，上年同期為9.23億瑞士法郎，同比下降5.6%。漢高(Henkel)公佈2025年第三季度業績。集團銷售額第三季度名義下滑6.3%至51.47億歐元。粘合劑技術業務部第三季度銷售額達億歐元(約31.45億美元)，較去年同期名義下滑3.3%。消費品牌業務部第三季度銷售額達24.02億歐元，較去年同期名義下滑9.5%。特種材料生產商阿科瑪(ARKEMA)公佈2025年第三季度業績。季度銷售額21.87億歐元(約25.4億美元)，上年同期為23.94億歐元，同比下降8.6%。季度EBITDA利潤3.1億歐元，上年同期為4.07億歐元，同比下降23.8%。季度調整後的淨利潤7800萬歐元，上年同期為1.68億歐元，同比下降53.6%。Syensqo公佈2025年第三季度業績。季度淨銷售額15.17億歐元(約17.6億美元)，上年同期為16.33億歐元，同比下降7.1%。季度EBITDA利潤3.26億歐元，上年同期為3.74億歐元，同比下降12.8%。季度歸屬公司股東的淨利潤1.1億歐元，上年同期為1.62億歐元，同比下降31.8%。朗盛(LANXESS)公佈2025年第三季度業績。季度銷售額13.38億歐元(約15.54億美元)，上年同期為15.98億歐元，同比下降16.3%。季度EBITDA利潤1.05億歐元，上年同期為1.63億歐元，同比下降35.6%。季度淨虧損7700萬歐元，上年同期淨利潤100萬歐元。索爾維(Solvay)公佈2025年第三季度業績。季度淨銷售額10.44億歐元(約12.1億美元)，上年同期為11.56億歐元，同比下降9.7%。季度EBITDA利潤2.32億歐元，上年同期為2.59億歐元，同比下降10.3%。季度歸屬公司股東的淨利潤8800萬歐元，上年同期為1.03億歐元，同比下降15%。特種化學品公司科萊恩(Clariant)公佈2025年第三季度業績。季度淨銷售額9.06億瑞士法郎(約10.27億美元)，上年同期為9.91億瑞士法郎，同比下降9%。季度EBITDA利潤1.59億瑞士法郎，上年同期為1.39億瑞士法郎，同比增長14%。莊信萬豐(Johnson Matthey)公佈截至2025年9月30日的上半財年業績。當期營收53.53億英鎊，營業利潤5.38億英鎊，稅後虧損1600萬英鎊。除去貴金屬業務之外的銷售額12.79億英鎊(約16.9億美元)，上年同期為14.02億英鎊，同比下降9%；營業利潤1.42億英鎊，上年同期為1.06億英鎊，同比增長34%；稅後利潤8600萬英鎊，上年同期為6600萬英鎊，同比增長30%。亞洲榮盛石化發佈2025年三季度報告。前三季度營收為2278.15億元(約322億美元)，同比下降7.09%；歸屬於上市公司股東的淨利潤為8.88億元，同比增長1.34%。其中，第三季度營收為791.85億元(約112億美元)，同比下降5.67%；歸屬於上市公司股東的淨利潤為2.86億元，同比增長1427.94%。沙烏地阿拉伯基礎工業公司(SABIC)發佈2025年第三季度財報。季度營收343.33億沙烏地阿拉伯里亞爾(約91.47億美元)，上年同期為368.8億里亞爾；季度營業利潤16.63億里亞爾，上年同期為24.77億里亞爾。季度淨利潤11.35億里亞爾，上年同期17.63億里亞爾。恆力石化披露2025年第三季度報告。前三季度公司實現營業收入實現營業收入1573.84億元(約223億美元)，同比下降11.46%；歸屬於上市公司股東的淨利潤50.23億元，同比下降1.61%。其中，第三季度實現營業收入534.96億元(約75.67億美元)，同比下降17.98%；歸屬於上市公司股東的淨利潤19.72億元，同比增長81.47%。萬華化學公告2025年前三季度實現營業收入1442.26億元(約204億美元)，同比下降2.29%；實現歸屬於上市公司股東的淨利潤91.57億元，同比下降17.45%。其中，第三季度公司實現營業收入533.24億元(約75.4億美元)，同比增長5.52%；歸屬淨利潤30.35億元，同比增長3.96%。三菱化學集團(Mitsubishi Chemical Group)公佈2025年上半財年業績(4月-9月)。當期銷售營收17991.24億日元(約115億美元)，上年同期為20097.72億日元，同比下降10.5%。當期營業利潤864.89億日元，上年同期為1076.31億日元，同比下降19.6%。當期歸屬母公司所有者的淨利潤1101.32億日元，上年同期為409.21億日元，同比增長169%。台化發佈2025年第三季度合併財務業績。季度營收新台幣695.76億元(約22.16億美元)，上年同期為868.99億元。季度營業虧損新台幣2.15億元，上年同期虧損20.89億元。季度歸屬母公司業主的淨利潤新台幣17.8億元，上年同期淨虧損19.18億元。南亞塑膠2025年第三季度合併財務業績。季度營收新台幣642億元(約20.44億美元)，上年同期為664億元。季度營業利潤新台幣10.4億元，上年同期為9.9億元。季度稅後淨利潤新台幣40億元，上年同期為4.9億元。台塑發佈2025年第三季度合併財務業績。季度營收新台幣417.18億元(約13.29億美元)，上年同期為504.92億元。季度營業虧損新台幣26.85億元，上年同期虧損15.07億元。季度本期淨虧損新台幣6.02億元，上年同期淨虧損30.92億元。旭化成(Asahi Kasei Corporation)公佈2025年上半財年業績(4月-9月)。當期淨銷售額14863.68億日元(約95.4億美元)，上年同期為14903.34億日元。當期營業利潤1089.15億日元，上年同期為1074.54億日元。當期歸屬母公司所有者的淨利潤602.48億日元，上年同期為662.66億日元。東方盛虹披露2025年三季報。前三季度公司主營收入921.62億元(約億美元)，同比下降14.9%；歸母淨利潤1.26億元，同比上升108.91%。其中，第三季度公司主營收入312.45億元(約億美元)，同比下降11.91%；歸母淨虧損2.6億元。信越化學工業(Shin-Etsu Chemical)公佈2025年上半財年業績(4月-9月)。當期淨銷售額12845.22億日元(約82.4億美元)，上年同期為12664.6億日元，同比增長1.4%。當期營業利潤3339.35億日元，上年同期為4057.03億日元，同比下降17.7%。當期歸屬母公司所有者的淨利潤2578.44億日元，上年同期為2941.17億日元，同比下降12.3%。東麗(TORAY)公佈2025年上半財年業績(4月-9月)。當期營收12343.1億日元(約79.2億美元)，上年同期為12941.08億日元，同比下降4.6%。當期營業利潤642.99億日元，上年同期為795.12億日元，同比下降19.1%。當期歸屬母公司所有者的淨利潤369.35億日元，上年同期為555.24億日元，同比下降33.5%。恆逸石化發佈2025年第三季度報告。前三季度營收為838.85億元(約119億美元)，同比下降11.53%；歸母淨利潤為2.31億元，同比增長0.08%。其中，第三季度營收為279.25億元(約39.5億美元)，同比下降7.07%；歸母淨利潤為440.79萬元，同比增長102.21%。LG化學(LG Chem)發佈2025年第三季度業績。季度銷售額111962億韓元(約76.24億美元)，上年同期為126200億韓元，同比減少11.3%。營業利潤6797億韓元，上年同期為4900億韓元，同比增加38.9%。淨利潤4470億韓元，上年同期為10130億韓元。其中，石油化學業務銷售額4.4609兆韓元，營業利潤291億韓元。尖端材料業務銷售額8382億韓元，營業利潤73億韓元。生命科學業務銷售額3746億韓元，營業利潤1006億韓元。子公司LG新能源銷售額5.6998兆韓元，營業利潤6013億韓元。住友化學(Sumitomo Chemical)公佈2025年上半財年業績(4月-9月)。當期銷售營收10954億日元(約70.3億美元)，上年同期為12414億日元。當期營業利潤1037億日元，上年同期為1212億日元。當期歸屬母公司所有者的淨利潤397億日元，上年同期淨虧損65億日元。桐昆股份公告2025年前三季度公司實現營業總收入673.97億元(約95.34億美元)，同比下降11.38%；歸母淨利潤15.49億元，同比增長53.83%。其中，第三季度實現營業收入232.39億元(約32.9億美元)，同比下降16.51%；歸屬於上市公司股東的淨利潤4.52億元，同比增長872.09%。樂天化學(Lotte Chemical)發佈2025年第三季度業績。季度銷售額47860億韓元(約32.6億美元)，上年同期為50800億韓元，同比下降5.8%。營業虧損1330億韓元，上年同期虧損4170億韓元。淨虧損1640億韓元，上年同期虧損5140億韓元。三井化學(Mitsui Chemicals)公佈2025年上半財年業績(4月-9月)。當期銷售營收8136億日元(約52.2億美元)，上年同期為8904億日元。當期營業利潤279億日元，上年同期為460億日元。當期歸屬母公司所有者的淨利潤78億日元，上年同期為222億日元。新鳳鳴公佈2025年三季報。前三季度公司主營收入515.42億元(約72.9億美元)，同比上升4.77%；歸母淨利潤8.69億元，同比上升16.55%。其中，第三季度主營收入180.51億元(約25.53億美元)，同比上升0.71%；歸母淨利潤1.6億元，同比上升13.42%。力森諾科(Resonac Holdings)公佈2025年前九個月業績。當期營收9863億日元(約63.3億美元)，上年同期為10293億日元。當期營業利潤215億日元，上年同期為855億日元。當期歸屬母公司所有者的淨利潤60億日元，上年同期為648億日元。雲天化公告2025年前三季度實現營業收入375.99億元(約53.2億美元)，同比下降19.53%；歸屬於上市公司股東的淨利潤47.29億元，同比增長6.89%。其中，第三季度實現營業收入126.07億元(約17.83億美元)，同比下降14.42%；歸屬於上市公司股東的淨利潤19.68億元，同比增長24.30%。美國陶氏(Dow)公佈2025年第三季度業績。季度淨銷售額99.73億美元，上年同期為108.79億美元。季度歸屬公司普通股東的淨利潤6200萬美元，上年同期為2.14億美元。藝康(Ecolab)公佈2025年第三季度業績。季度淨銷售額41.65億美元，上年同期為39.99億美元，同比增長4%。季度營業利潤7.6億美元，上年同期為10.45億美元，同比下降27%。季度歸屬公司的淨利潤5.85億美元，上年同期為7.37億美元，同比下降21%。杜邦(DuPont)公佈2025年第三季度業績。季度淨銷售額30.72億美元，上年同期為28.62億美元。季度歸屬公司普通股東的淨虧損1.23億美元，上年同期淨利潤4.55億美元。偉思磊(Westlake Corporation)公佈2025年第三季度業績。季度淨銷售額28.38億美元，上年同期為31.17億美元。季度營業虧損7.66億美元，上年同期營業利潤1.8億美元。季度歸屬公司的淨虧損7.82億美元，上年同期淨利潤1.08億美元。國際香精香料公司(IFF)公佈2025年第三季度業績。季度淨銷售額26.94億美元，上年同期為29.25億美元，同比下降8%。季度營業利潤2.26億美元，上年同期為2.49億美元，同比下降9%。季度歸屬公司股東的淨利潤4000萬美元，上年同期為5800萬美元。塞拉尼斯(Celanese)公佈2025年第三季度業績。季度淨銷售額24.19億美元，上年同期為26.48億美元。季度營業虧損12.75億美元，上年同期營業利潤2.45億美元。季度淨虧損12.75億美元，上年同期淨利潤1.17億美元。伊士曼化工(Eastman Chemical Company)公佈2025年第三季度業績。季度銷售額22.02億美元，上年同期為24.64億美元。季度歸屬公司的淨利潤4700萬美元，上年同期為1.8億美元。亨斯邁(Huntsman Corp)公佈2025年第三季度業績。季度營收14.6億美元，上年同期為15.4億美元。季度歸屬公司的淨虧損2500萬美元，上年同期淨虧損3300萬美元。工業氣體林德(Linde plc)公佈2025年第三季度業績。季度銷售額86.15億美元，上年同期為83.56億美元。季度營業利潤23.67億美元，上年同期為20.86億美元。季度公司淨利潤19.29億美元，上年同期為15.5億美元。液化空氣(Air Liquide)發佈2025年第三季度業績。季度集團營收65.99億歐元(約76.6億美元)，上年同期為67.62億歐元。空氣產品(Air Products & Chemicals)發佈截至2025年9月30日的第四財季和財年業績。第四財季銷售額31.67億美元，上年同期為31.88億美元。季度營業利潤1680萬美元，上年同期為24.24億美元。季度歸屬公司的淨利潤490萬美元，上年同期為19.5億美元。財年營收為120.37億美元，上年為121億美元。財年營業虧損8.77億美元，上年營業利潤44.66億美元。財年淨虧損3.95億美元，上年淨利潤38.28億美元。作物科學先正達集團(Syngenta Group)發佈2025年第三季度業績。季度集團營業收入為64億美元，同比下降6%。季度集團EBITDA為9億美元，同比增長28%。其中，先正達植保季度營業收入34億美元，先正達種子季度營業收入8億美元，先正達集團中國季度營業收入16億美元，安道麥季度營業收入9億美元。拜耳(Bayer Group)公佈2025年第三季度業績。季度集團銷售額96.6億歐元，上年同期為99.68億歐元。季度EBIT虧損5.43億歐元，上年同期虧損38.22億歐元，淨特殊費用為10.64億歐元，上年同期為40.88億歐元，主要與訴訟準備金的提取有關。季度淨虧損9.63億歐元，上年同期淨虧損41.83億歐元。按業務劃分，作物科學部門銷售額38.58億歐元(約44.8億美元)，EBIT虧損11.87億歐元。處方藥部門銷售額43.35億歐元，EBIT利潤7.58億歐元。健康消費品部門銷售額14.15億歐元，EBIT利潤2.62億歐元。科迪華(Corteva, Inc.)公佈2025年第三季度業績。季度淨銷售額26.18億美元，上年同期為23.26億美元。季度歸屬公司的淨虧損3.2億美元，上年同期淨虧損5.24億美元。化肥加拿大化肥巨頭Nutrien公佈2025年第三季度業績。季度銷售額60.07億美元，上年同期為53.48億美元。季度淨利潤4.69億美元，上年同期為2500萬美元。雅苒(Yara International ASA)公佈2025年第三季度業績。季度營收和其他收入41.08億美元，上年同期為36.54億美元。季度營業利潤4.7億美元，上年同期為3.09億美元。季度淨利潤3.2億美元，上年同期為2.86億美元。美盛(The Mosaic Company)公佈2025年第三季度業績。季度淨銷售額34.52億美元，上年同期為28.11億美元。季度營業利潤3.4億美元，上年同期為1.15億美元。季度歸屬公司的淨利潤4.11億美元，上年同期為1.22億美元。CF Industries公佈2025年第三季度業績。季度淨銷售額16.59億美元，上年同期為13.7億美元。季度歸屬普通股東的淨利潤3.53億美元，上年同期為2.76億美元。塗料PPG INDUSTRIES公佈2025年第三季度業績。季度淨銷售額40.82億美元，上年同期為40.32億美元，同比增長1%。季度淨利潤4.44億美元，與上年同期持平。阿克蘇諾貝爾(AkzoNobel)公佈2025年第三季度業績。季度營收25.47億歐元(約29.6億美元)，上年同期為26.68億歐元，同比下降5%。當期營業虧損2900萬歐元，上年同期營業利潤2.59億歐元，當期歸屬股東的淨虧損1.94億歐元，上年同期淨利潤1.63億歐元。日涂控股(立邦控股)(NIPPON PAINT HOLDINGS CO., LTD.)公佈2025年前九個月業績。當期營收13183.78億日元(約84.67億美元)，上年同期為12227.47億日元，同比增長7.8%。當期營業利潤1905.79億日元，上年同期為1397.05億日元，同比增長36.4%。當期歸屬母公司所有者的淨利潤1343.36億日元，上年同期為969.02億日元，同比增長38.6%。宣偉(Sherwin-Williams)公佈2025年第三季度業績。季度淨銷售額63.58億美元，上年同期為61.63億美元。季度淨利潤8.33億美元，上年同期為8.06億美元。其中，塗料零售集團淨銷售額38.37億美元，同比增長5.1%。消費品牌集團淨銷售額7.7億美元，同比下降2.6%。專業塗料集團淨銷售額17.5億美元，同比增長1.7%。艾仕得塗料系統(Axalta Coating Systems Ltd.)公佈2025年第三季度業績。季度淨銷售額12.88億美元，上年同期為13.2億美元。季度營業利潤2.04億美元，上年同期為1.93億美元。季度歸屬普通股東的淨利潤1.1億美元，上年同期為1.01億美元。三棵樹公告2025年前三季度實現營業收入93.92億元(約13.3億美元)，同比增長2.69%；歸屬於上市公司股東的淨利潤7.44億元，同比增長81.22%。其中，第三季度實現營業收入35.75億元(約5.06億美元)，同比增長5.62%；歸屬於上市公司股東的淨利潤3.08億元，同比增長53.64%。 (全球企業動態)

正值AlphaFold問世五周年，其設計者、也是憑藉AlphaFold獲得諾貝爾化學獎的John Jumper公開表示：AlphaFold的下一步是與大模型整合。不過具體方法並沒有透露，或許已有所思路，甚至已經在進程之中。五年期間，AlphaFold已經幫助全球300多萬研究人員，預測了數億種蛋白質的三維結構，並影響了超50萬篇相關論文。可以說，這是繼量子力學和分子生物學革命後，生命科學的另一個重大躍遷。繼最初的「結構預測革命」、隨後的「科研常規工具」化，AlphaFold及其繼承技術正進入新的大模型階段。AlphaFold+大模型即使在AI浪潮不斷湧來的今天，AlphaFold仍然是AI+生命科學最具里程碑意義的一次落地。作為由GoogleDeepMind開發的AI科研工具，AlphaFold能夠精確預測蛋白質的三維結構。利用儲存在序列和結構資料庫中的大量實驗數據，該網絡被訓練以發現氨基酸序列之間的關聯和模式。自2020年首次公開AlphaFold2以來，它迅速成為結構生物化學領域的堅實基座，接著又陸續推出了可預測多個蛋白質結構的AlphaFold Multimer，以及迄今為止速度最快的AlphaFold 3。現在AlphaFold已從最初單純地蛋白質結構預測，發展到能夠處理更為複雜的多分子複合體以及更廣泛的生物分子交互作用。科學家也據此，實現了相當多的成果突破：例如最近來自密蘇里大學的研究團隊，借助AlphaFold，成功揭開了心血管疾病的秘密——壞膽固醇（LDL），並刊登上了《Nature》。LDL是動脈粥狀硬化、冠心病等心臟疾病的主要風險因子，核心由ApoB100蛋白組成，但由於其體積巨大、結構複雜，同時又與脂肪緊密纏繞，長期以來科學家都無法確認它的原子級三維結構。於是他們利用AlphaFold先對其胺基酸序列進行結構預測，再將產生的模型擬合到密度圖中，並逐步優化，直到與實驗數據對齊。最終揭示了ApoB100的籠狀結構，為後續推動心血管疾病治療提供了理論基礎。再比如說，利用AlphaFold研究蜜蜂的抗病性。研究聚焦於蜜蜂體內的關鍵蛋白Vitellogenin(簡稱Vg)，該蛋白不僅支持群體後代餵養，也與蜜蜂的免疫力、抗壓力息息相關。在AlphaFold的幫助下，研究人員得以在兩天時間內完成過去數年的工作，解密了Vg蛋白的近原子級結構模型，對瀕危族群的保育起到了關鍵性指導作用。另外，AlphaFold在一些非常規用法上也依舊作用顯著。去年與John Jumper同獲諾貝爾化學獎的計算生物學家David Baker，就正在嘗試利用AlphaFold預測蛋白質合成設計的成功率。或者有些團隊​​也會將AlphaFold當作搜尋引擎使用，在成千上萬個候選蛋白中篩選出最有可能與目標蛋白結合的一種。……總之，AlphaFold的作用不勝枚舉，它已經不僅僅是單一的結構預測工具，更是當代實驗設計的重要組成部分之一。那麼接下來AlphaFold又將何去何從呢？據John Jumper所說，下一步將會是AlphaFold與更廣泛的AI大模型結合。AlphaFold仍將持續推動結構預測成為研究流程中的基礎一環，但同時，其結構預測能力也會同大模型強強結合，提升到能讀懂科學文獻資料、做科學推理的程度。也就是說，接下來的AlphaFold在預測結構之外，或許還能提出假設、設計實驗流程甚至自動產生研究思路。對於一些較複雜的多分子多功能係統，例如蛋白質之間的相互作用、核酸（DNA/RNA）的相互作用等，AlphaFold也能更好地幫助理解對應的生物過程。這就好比Google的另一個系統AlphaEvolve，使用一個大模型來產生問題的解決方案，然後再用第二個模型負責檢查並過濾掉錯誤訊息。二者思路類似，不過一個面向數學和電腦科學領域，一個立足生物化學。首位「80後」諾獎得主負責領導開發AlphaFold的，則是DeepMind創辦人兼CEO哈薩比斯和John Jumper。其中，John Jumper還是最年輕的諾貝爾化學獎得主，也是第一位80後諾獎得主。他本科就讀范德堡大學，主修數學和物理，隨後在劍橋大學獲得理論凝聚態物理碩士，並在芝加哥大學博士期間轉向理論化學。他的博士論文是研究如何將機器學習技術應用於蛋白質動力學研究。2017年，正在讀博士後的他聽說了GoogleDeepMind正在從遊戲AI開發秘密轉向蛋白質結構預測，於是他申請了這份工作。事實上，在AlphaFold之前，GoogleDeepMind就嘗試了名為「Foldit」的蛋白質折疊遊戲，這還是因為哈薩比斯從劍橋求學時代起就對蛋白質折疊問題的關注，他希望透過預測蛋白質結構，找到解決阿茲海默症等疾病的方法。但遊戲終歸只是遊戲，在面對真實的分子結構上顯然不夠用，因為真實的蛋白質折疊的訓練資料極為固定有限。要確定一個蛋白質結構，往往需要耗費數月甚至數年時間，而這個過程已經持續了將近半個世紀。於是他們轉向研發了AlphaFold。雖然初代AlphaFold在第13屆CASP（蛋白質結構預測關鍵評估賽事）中嶄露頭角，成功預測出43個蛋白質中的其中25個，力壓其餘的97名參賽者，證明了用“機器學習+統計信息”推斷蛋白質結構是可行的。但哈薩克言，當時的預測品質還不足以讓生物學家在實際中應用，其針對複雜蛋白的準確性、泛化性還存在嚴重缺陷。在意識到僅依靠標準的機器學習方法無法取得成功後，DeepMind內部專門成立了一個攻堅小組，利用Transformer推翻重構了AlphaFold 2，並逐步融入生物學專業知識。但早期的AlphaFold 2表現相比AlphaFold 1還有所下滑，這也一度讓他們害怕方向是否有錯誤。於是在這個階段他們採取一種交替模式——一方面嘗試將舊系統性能壓榨到極限，一方面給予新系統的研發團隊自由試誤的空間：允許短期的性能下降，只求不斷嘗試各種新想法。直到某一天奇蹟發生，它突然變得非常好。那天早上，團隊其中一個成員上班打開電腦，突然發現AlphaFold 2在某一組蛋白質上表現出奇地好，預測的結構精度達到了1.5埃，大約相當於一個原子的寬度。但她的第一個反應不是興奮，而是害怕，因為結果好到讓她確信自己犯了錯誤，於是接下來幾天她和團隊成員一起試圖找出錯誤原因。結果事實上，這裡沒有錯誤——換言之，新系統成功了。於是他們參加了CASP 14競賽，並專注於攻克了一個名為ORF8的SARS-CoV-2冠狀病毒蛋白。結果讓人震驚，準確度均分從原先的60+/100，提升至92.4/100，而此前其它方法還停留在40分左右。至此，這個困擾學界50餘年的重大挑戰──蛋白質折疊問題終於得到了解決方案。而在取得突破之後，DeepMind更是將AlphaFold的程式碼全部開源，並向全世界免費發布了2億個蛋白質的結構預測資料。AlphaFold的出現，標誌著生物化學領域正式向AI智能發展，也讓哈薩比斯和John Jumper獲得了2024年的諾貝爾化學獎。諾獎組委會是這樣評價這份工作的：毫不誇張地說，AlphaFold在結構生物化學領域引發了革命，並為設計前所未見的蛋白質開闢了全新的可能性。但在此之前，John Jumper接受採訪時曾謙遜地表示，自己的獲獎機率只有10%，他更多的是期待能有越來越多科學家利用AlphaFold實現醫學和生物學的突破。而現在，他對自己未來的規劃是：作為年輕的諾獎得主，這讓我感到擔憂。接下來我將嘗試做一些深入研究的小事情，而對於第二次衝擊諾貝爾獎，我認為那是個陷阱。(量子位元)

2017 年，剛剛從理論化學博士畢業不久的 John Jumper 聽說，Google DeepMind 正悄然從“打造能擊敗人類的遊戲 AI”這條路線轉向一個全新的秘密項目：利用人工智慧預測蛋白質結構。他隨即投遞了簡歷。三年後，他便迎來了足以載入科學史冊的時刻。在 CEO Demis Hassabis 的合作領導下，他共同開發的 AI 系統 AlphaFold2，能夠以接近一個原子寬度的精度預測蛋白質的三維結構——其精準度與實驗室耗時數月的傳統技術相當，卻只需數小時即可得出結果。AlphaFold2 攻克了生物學界 50 年來懸而未決的一道大題。“這是我建立 DeepMind 的理由。事實上，這也是我整個職業生涯投身 AI 的原因。”Hassabis 曾對筆者表示。2024 年，Jumper 與 Hassabis 因這一突破共同獲得諾貝爾化學獎。（來源：MIT TR）五年前的這個星期，AlphaFold2 的橫空出世讓科學界震驚不已。如今熱潮已退，它究竟帶來了那些真正持久的影響？科研人員現在如何使用它？它的下一步又將指向何方？筆者與 Jumper 進行了深入交談。“這五年非常不真實，”Jumper 笑著說，“我幾乎已經記不得不認識這麼多記者的日子了。”在 AlphaFold2 之後，DeepMind 又推出了能夠預測多蛋白複合體結構的 AlphaFold Multimer，以及速度更快的 AlphaFold3。團隊還將 AlphaFold 應用於全球廣泛使用的蛋白資料庫 UniProt，如今已預測約 2 億種蛋白質結構，幾乎囊括了科學界已知的一切蛋白。儘管影響巨大，Jumper 對 AlphaFold 仍保持著科學家的謹慎：“這不意味著裡面的每個預測都是確定無疑的。它是一個預測資料庫，也攜帶著預測本身的全部侷限。”解開蛋白質之謎，為何如此艱難？蛋白質是生命的“分子機器”。它們構成肌肉、羽毛、角，負責運送氧氣、傳遞訊號；它們讓神經元放電、幫助我們消化食物、驅動免疫系統。這一切功能都依賴於它們摺疊成的三維結構。然而，要從一條氨基酸鏈推斷其最終結構，極其困難。蛋白可能摺疊成天文數量級的結構，預測正確的那一個，就像在宇宙中找一枚硬幣。Jumper 和團隊採用了 Transformer 神經網路——與大語言模型同源——以捕捉序列中的遙遠關聯。但 Jumper 認為真正的秘訣是他們迭代速度快：“我們做出了一個能以驚人速度給出錯誤答案的系統。正因為如此，我們才能大膽嘗試各種想法。”他們儘可能向模型灌注蛋白結構相關資訊，如來自不同物種的演化線索。效果遠超預期。“我們確信自己抓住了重大突破，確信這是一次理念上的飛躍。”他沒有預料到的是，研究人員會直接下載軟體並立即用於如此廣泛的用途。他說：通常來說，真正產生影響的是之後幾代的版本，等一些問題被解決之後。“我對科學家們如何負責地使用它感到非常驚訝。無論是在理解上還是在實踐中，他們使用它的程度恰好與它的可信程度相匹配，既不過度信任也不過低信任。”有那些令他印象深刻的應用？蜜蜂的抗病研究。Jumper 提到一個團隊，使用 AlphaFold 研究蜜蜂的抗病性：“他們想研究一種與蜂群崩潰有關的蛋白。我從沒想過 AlphaFold 有一天會走進蜜蜂科學。”“超出適應症”的創新用法。他特別提到幾類不是 AlphaFold 本來設計用途，但卻因其能力被開闢的新方向。其一，蛋白設計。華盛頓大學的 David Baker（去年諾獎得主）利用 AlphaFold 的能力加速合成蛋白設計。他們開發了 RoseTTAFold，也嘗試用 AlphaFold Multimer 來提前判斷設計是否可行。“如果 AlphaFold 自信預測出你想要的結構，你就去做；若它猶豫不決，你就不做。光是這點，就讓設計速度提升了十倍。”其二，把 AlphaFold 當“結構搜尋引擎”。兩個研究組曾試圖找出人類精子與卵子在受精時結合的關鍵蛋白。他們已知其中一個卵子蛋白，但不知道精子端的對應物。於是他們拿已知的卵子蛋白讓 AlphaFold 逐一預測與全部 2000 個精子表面蛋白的結合結構。AlphaFold 自信指出了某一個。隨後的實驗驗證無誤。“以前沒人會做 2000 次結構比對來找一個答案，你現在可以做，這是 AlphaFold 真正改變科研方式的地方。”AlphaFold2 面世時，筆者曾採訪過幾位早期使用者。五年後，我再次聯絡了其中一位，加州大學舊金山分校的分子生物學家 Kliment Verba。“毫無疑問，它非常有用。我們每天都在用。”但它也有明顯的限制。許多科研問題涉及多個蛋白之間或蛋白與小分子之間的複雜互動，而 AlphaFold 在這類預測中的精準度較低。Verba 說：“有時候你會拿到一個預測，讓你琢磨半天，這到底是真是假？它處在模糊邊界上。”他笑稱：“有點像 ChatGPT——它把真話和胡話都說得同樣自信。”儘管如此，他們常用 AlphaFold（2 和 3）來做“虛擬實驗”：先在電腦裡篩選可能有價值的方向，再決定要不要投入真實實驗室資源。“它沒取代實驗，但確實極大增強了實驗效率。”下一波浪潮如今，許多初創公司和研究機構正在從 AlphaFold 出發，開發更專注於藥物發現的模型。例如今年 MIT 的研究人員與 AI 藥物公司 Recursion 合作，推出了一種名為 Boltz-2 的模型，它不僅能預測蛋白結構，還能預測潛在藥物分子與其靶點的結合效果；上個月，初創公司 Genesis Molecular AI 發佈了另一種結構預測模型 Pearl，該公司聲稱 Pearl 在某些與藥物開發相關的問題上比 AlphaFold3 更準確。Pearl 是互動式的，可以讓藥物開發者將任何額外的資料輸入模型，以指導預測。那新藥會因此更快出現嗎？Jumper 並不樂觀主義過頭：“蛋白結構預測只是生物研究中的一步。我們不是只差一個結構就能治癒疾病。”他打比方說：“如果我們真的只差十萬美元（過去確定一個蛋白結構的成本）就能完成某事，那這件事早就被做了。”但他仍希望結構預測能發揮更大作用：“既然我們現在有一把威力巨大的錘子，那就儘量讓它敲更多的釘子。”接下來呢？Jumper 的下一步計畫，是把 AlphaFold 的“垂直深能力”與 LLM 的“橫向理解能力”結合起來。“我們已經有能閱讀科學文獻、能進行部分科學推理的機器了；也有能在蛋白結構預測上達到超人水平的系統。現在的問題是：怎麼讓它們協同？”這讓筆者想到 DeepMind 另一個系統 AlphaEvolve——一個 LLM 生成假設，另一個模型負責篩選。它已在數學和電腦科學領域取得多個實際發現。我問他是否也在做類似方向，他只是微笑。“我不便多說。但如果未來 LLM 在科學發現中的作用越來越大，我一點也不會意外。這是一個巨大而開放的問題。”對於下一步的規劃？Jumper 說：“這多少讓我有些不安。我可能是 75 年來最年輕的化學獎得主。”他補充：“我現在大概處在職業中點。我的策略是從一些小想法開始，慢慢沿著線索往下拉。下一次我發表的成果，不需要是第二個諾獎的候選。我認為那是個陷阱。” (麻省理工科技評論APP)

在剛榮獲 2025年諾貝爾化學獎三周後，加州大學伯克利分校教授奧馬爾·M·亞吉（Omar M. Yaghi）在由陳天橋腦科學研究院主辦的AIAS（AI Accelerating Science）大會上，進行了他獲獎後的首次公開演講。鈦媒體AGI作為合作媒體也參加了本次大會。這位從約旦裔難民棚中走出來，被稱為“MOF之父”的世界級科學家， 並未在演講中回顧他因發明金屬有機框架（MOF）和共價有機框架（COF）獲得諾獎的過去，而是首次揭示了他的一個全新科學思想體系：“讓化學能夠自己具備思考、推理與自我演化的能力。”“科學一直是自然與人類思維之間的對話，”他說，“如今，借助人工智慧，我們正在賦予科學自行思考、推理和演進的能力。”他稱這一體係為 “From Molecule to Society”（從分子到社會），這也是他的核心思想——將分子設計、實驗合成、產業化擴展與社會應用融為一體，形成了一個由生成式AI、機器人和自學習智能體共同驅動的科學循環系統。有趣的是，與其他科學家充滿了對AI的徬徨或焦慮不同，他詳細講了四個自己最近如何使用AI取得重大科研突破的案例，其中前三個都與ChatGPT相關。這也標誌著他從一個建構材料的化學家，轉變為建構智能的科學家，而這種智能將建構下一代材料。案例一：讓ChatGPT成為“化學家”亞吉從一個簡單但具有變革性的問題開始：大語言模型能理解化學嗎？在他的第一個演示中，他的團隊訓練ChatGPT閱讀數千份合成報告並進行推理——提取反應參數、預測結果，並對實驗將產生單晶或多晶產物進行分類。他認為該模型的預測性能優於許多傳統啟髮式方法。通過這種方式，ChatGPT從一個文字生成器演變成一個科學推理引擎——連接了自然語言和實驗邏輯。“我們不再需要問AI能為科學做些什麼，”亞吉說，“我們現在要問的是，當科學由AI驅動時，它能變成什麼樣子。”這“第一步”就奠定了“AI加速化學”的基礎——這是一個通過資料驅動推理對化學智能進行編碼、學習和迭代改進的領域。也是實驗知識第一次被系統地數位化、學習化和智能化。“AI不只是幫助科學家，而是讓科學本身獲得新的思維方式。”亞吉說道。案例二：AI設計的沙漠取水器第二個案例中，亞吉介紹了他的“死亡谷實驗”，他的團隊在那裡部署了一個可攜式、零能耗的取水裝置，該裝置由經ChatGPT分子編輯最佳化的MOF材料製成，具體說就是AI通過分子編輯最佳化MOF結構，研發出的一款可攜式、無需能源的集水裝置，改善了吸附等溫線和解吸閾值，能在僅有15%濕度的沙漠空氣中提取飲用水。實驗室測試和現場資料吻合，表明經過微調的GPT模型能夠“塑造框架的取水行為”——同時最佳化效率和可持續性。這項突破使“AI驅動的材料創新”第一次直接造福人類生活。在這裡，生成式AI與網狀化學的融合產生了切實的社會價值：為那些本不應存在水的地方帶來了水。亞吉評價稱，這說明了“AI並不取代化學家，而是讓他們的創造力倍增。”案例三：七個Agents智能體的協作實驗亞吉的第三個例子看起來宛如科幻小說，更進一步展示了AI的“團隊智能”，即Agents智能協作的可能性。在這個案例中，由亞吉基於ChatGPT建立的七個Agents組成虛擬科研團隊，分工執行實驗設計、文獻檢索、演算法最佳化、實驗安全與資料分析等任務，每個智能體承擔不同的角色： 實驗規劃師、文獻分析師、資料解讀員、演算法編碼員、機器人控製器、安全顧問、Bayesian貝葉斯最佳化器。這些AI智能體共同設計並最佳化了COF-323的結晶過程，該材料長期以來被科學界認為非常難以合成。它們自主地與機器人反應平台互動，平行運行數百個實驗，每個實驗都由貝葉斯最佳化指導，以追求更高的結晶度。結果非常顯著：在幾天內完成了上百次COF結晶實驗，通過Bayesian演算法持續最佳化條件，實現從無定形到高結晶的飛躍。亞吉稱這是“AI自主協作科學”（AI Self-Collaborative Science）的早期原型——在這個系統中，大語言模型扮演著能夠進行獨立實驗的推理同事角色，AI系統則與自動化實驗Agents協同運行。案例四：從分子到社會，AI科學的設想在最後一個案例中，亞吉介紹了一家誕生於伯克利的初創公司AIMATX。該公司正在開發一個他稱之為“從分子到社會”（From Molecule to Society）的通用平台。該平台由三大AI層構成： 1. 設計層（Design）：AI預測並生成分子結構； 2. 合成層（Synthesis）：AI+Agents執行實驗並自動表徵； 3. 擴展層（Scaling）：AI分析市場、最佳化供應鏈、推動社會部署。亞吉也稱之為“從分子到社會的AI循環”（Molecule-to-Society AI Cycle）——每個實驗資料都反饋進系統，驅動下一輪發現。他展示了一張標有“從分子到社會的AI循環”的循環圖——展示了資料集如何在理論、合成和應用之間持續流動。每個實驗都成為一個資料點，每個資料點都改進模型，而模型反過來又設計下一個實驗。“我們正在建構一個永不停歇地去發現的活系統，”亞吉說。為了演示，他還分享了通過AI輔助工作流程發現的新型ZIF和LZIF晶體結構，該系統的發現率是隨機人工探索的至少兩倍。這場演講不僅展示了前沿的科學創新，更是一份關於AI“科學本質”的宣言：AI不是工具，而是新的科學思維體。“我們不是在加速實驗，而是在加速人類解決問題的能力。”隨著掌聲響起，螢幕上出現亞吉與學生的合照——象徵一個由AI與人類共創的科學新紀元。這場在舊金山AIAS大會上的演講，或許將被寫入史冊——作為人類科學史第一次見證“自己會思考與進化的化學”的時刻。 (鈦媒體AGI)

地球村輿論界，有東邪西毒之說。武俠世界的東邪西毒，是影響武林風向的高手。地球村的東邪西毒，是影響輿論界風向的高手，他們不僅有油管五常的美譽，更是把騎牆之術與吹牛大法練得爐火純青。吃瓜群眾都知道，那個自稱未來盡在掌握的國家有很多吹牛高手，老仙更是高手中的高手。從最近傳出的消息看，埃蘇丹的吹牛功夫不下於老仙。事情要從10月13日說起。那一天，坐落於埃及西奈半島的沙漠之城沙姆沙伊赫，迎來一個“和平峰會”。美國（以色列最大的後台，也是很多阿拉伯石油國家的後台）總統川普埃及（以色列鄰國，人口最大的阿拉伯國家）總統塞西土耳其（試圖擴大在伊斯蘭世界的影響力，長期給哈馬斯上層庇護）總統埃爾多安卡達（阿拉伯交際花，長期給哈馬斯上層庇護）埃米爾塔米姆他們四人成了會議的主角，共同簽署了一份檔案，為加薩停火協議提供擔保。短期紙面上看，加薩戰爭結束了。然後川普又可以炫耀，自己又又又調解了一場戰爭，為爭取明年的諾貝爾和平獎做鋪墊。但這事兒和埃蘇丹的吹牛功底有啥關係？容我慢慢道來。根據路邊社報導，會議前後僅僅持續了一個多小時。按道理說，如此重要的會議，怎麼著也得仔細研究，詳細溝通，充分討論，再加上開幕式與閉幕式。怎麼這麼快就結束了？事實就是這麼快，甚至這一個多小時還有很大的水分。因為這一個多小時，還包括與會大佬們的拍照時間，演講吹牛時間。更直白地說，大部分時間都是川普在講話，少部分時間是埃爾多安在講話。至於和平協議，基本上只走了一個簽字流程。如此短的時間就結束了，以至於有媒體懷疑，這是政治走秀。協議內容大致分以下幾個部分：其一，加薩地區全面停火，交換人質。其二，哈馬斯解除武裝，以色列撤離加薩。其三，加薩地區重建。這些內容能否落實，尤其是哈馬斯是否真的能解除武裝，以色列是否願意撤離加薩，都存在很大的變數。那麼這些和埃蘇丹的吹牛功力有啥關係呢？別急，馬上就說到正題了。大家看一看，這是調解加薩戰爭的峰會。加薩戰爭的主角是以色列和哈馬斯，雙方都沒有在協議上籤字，甚至都沒去人。當然由於哈馬斯比較激進，國際社會大部分國家都表示支援巴勒斯坦，很少有國家表態支援哈馬斯。川普也不願意承認哈馬斯。從哈馬斯的角度看，派代表出席也比較危險，容易被以色列定點襲擊。所以哈馬斯沒有參會，吃瓜群眾可以理解。為何以色列總理納坦雅胡也沒去呢？根據路邊社報導，納坦雅胡原本計畫要去的，但臨時找了個藉口（一個猶太教節日當晚開始）推辭了。以色列第12頻道電視台稱，納坦雅胡缺席的原因是，擔心與埃爾多安、巴勒斯坦總統阿巴斯等領導人同場參會而得罪以色列國內支持者和右翼盟友。哈馬斯沒有派代表參加，但巴勒斯坦總統（法塔赫領導人）阿巴斯去了。他當然願意去，因為法塔赫是這場戰爭的主要受益者。法塔赫與哈馬斯是死敵，以色列重創了哈馬斯，相當於打擊了法塔赫的敵人。國際社會又主張法塔赫接收加薩地區，讓阿巴斯獲益巨大。納坦雅胡和阿巴斯會面，會讓以色列右派認為他不夠強硬。鋪墊了這麼多之後，回到埃蘇丹吹牛這個話題上。據土耳其《每日晨報》報導，土耳其總統埃爾多安的專機在埃及降落前，他曾發出警告，稱如果納坦雅胡出席峰會，專機將立即掉頭返回安卡拉。土耳其外交消息人士聲稱，納坦雅胡最後選擇取消行程，證明埃爾多安的警告是“有效的”。這些話代表了埃爾多安在吹牛。土耳其的《每日晨報》和外交消息人士都代表土耳其官方，也代表了埃爾多安的喉舌。按埃爾多安的意思，是埃爾多安的警告與威脅，讓納坦雅胡不敢去參加會議，暗示納坦雅胡懼怕埃爾多安。那麼納坦雅胡會懼怕埃爾多安嗎？輿論界大部分吃瓜群眾認為，不怕。納坦雅胡這些年在中東橫衝直撞，埃爾多安發出過無數警告，都沒效果。當然，埃爾多安及其支持者可以認為納坦雅胡懼怕埃爾多安。畢竟在奧斯曼帝國時代，中東地區的政客都要靠蘇丹吃飯，大家都懼怕蘇丹。現在埃爾多安有恢復奧斯曼帝國的雄心，把自己默認為現代蘇丹，自然希望納坦雅胡懼怕他。納坦雅胡究竟會不會懼怕埃爾多安，這個話題暫且不說。單單就《每日晨報》的內容而言，就感覺是在吹牛。如果說埃安多安真的威脅納坦雅胡，可以首先擺明了說，如果納坦雅胡去開會，他就不去；而不是說，如果納坦雅胡去開會，埃爾多安就不下飛機、掉頭回來。實際情況可能是：內塔尼亞離埃及近，埃爾多安離埃及遠；埃爾多安上飛機之前，並不知道納坦雅胡會缺席；納坦雅胡臨時取消了行程，當納坦雅胡確認不去開會時，埃爾多安的喉舌立刻宣佈，納坦雅胡是懼怕埃爾多安才不敢去的。土耳其宣稱納坦雅胡懼怕埃爾多安，這個事情本質上有吹牛的成分。但真正牛的地方在於吹牛的技巧。僅僅臨時看到納坦雅胡缺席，就能立刻開動宣傳機器，把自己完美地吹噓一番。就憑這反應速度，埃爾多安不愧是土耳其政壇不倒翁。莫老仙在戰爭中吃了虧，反手就全世界宣稱是對手求饒，也不過如此了。大家可能納悶，埃爾多安宣稱納坦雅胡畏懼自己，有啥意義呢？那不是東方的阿Q精神嗎？表面上看，確實是精神勝利法。但背後，則另有一本帳。土耳其有兩個春秋大夢，分別是奧斯曼帝國夢與泛突厥夢。這兩個夢想的核心，都是要整合伊斯蘭世界，換句話說，就是要當伊斯蘭世界的老大。伊斯蘭世界的老大，需要有權威，需要讓異教徒害怕。現在對伊斯蘭世界來說，以色列就是最大的威脅。埃爾多安趁機宣稱納坦雅胡懼怕自己，本質上是為了強化自己在伊斯蘭世界的威信，讓更多的伊斯蘭信徒相信埃爾多安很強大。後來以軍又和哈馬斯打起來，埃爾多安的威懾不知道能否兌現。 (虛聲)

Chen Ning Yang, Nobel-Winning Physicist, Is Dead at 103他與同事李政道於1956年提出“自然界四大基本力量之一可能違背物理定律”，這一觀點曾引起轟動。這是1963年的物理學家楊振寧。他的同事佛裡曼·戴森曾評價，楊振寧對數學美感的感知「能將他最不起眼的計算轉化為微型藝術作品」。圖片來源：羅伯特·W·凱利/生活圖片集，蓋蒂圖片社供圖作者：喬治‧約翰遜2025年10月18日美國東部時間下午12:56更新諾貝爾物理學獎得主、理論物理學家楊振寧於周六在北京逝世，享年103歲。他對數學美感的敏銳把握，曾幫助人類揭示自然界運行規律中一個出人意料的「褶皺」。楊振寧的逝世由北京清華大學宣佈，他在該校任教多年。1956年，楊振寧與同事、物理學家李政道共同提出一個觀點：自然界四大基本力量之一，可能違背「宇稱守恆定律」這一看似不容置疑的原則。該定律的核心是「一種物理現象與其鏡像應表現完全一致」。他們的預測很快就透過實驗得到證實，兩人也因此共同獲得諾貝爾物理學獎。1999年，楊振寧從紐約州立大學石溪分校（現石溪大學）退休時，著名物理學家、同事弗裡曼·戴森稱他是“20世紀物理學界最傑出的'風格大師'”，僅遜色於阿爾伯特·愛因斯坦與保羅·狄拉克。戴森評價道，楊振寧對數學美感的感知「既能將他最不起眼的計算轉化為微型藝術作品，也能將他更深刻的理論推測打造成傳世傑作」。晚年的楊振寧在中國廣為人知，他積極推動基礎科學研究的發展。 2004年，82歲的他與28歲的廣東外語外貿大學研究生翁帆結婚，名氣進一步提升。兩人相識於1995年，當時翁帆在一場國際物理研討會上擔任翻譯。據《中國日報》報導，楊振寧曾稱翁帆是他「上帝賜予的最後一份禮物」。楊振寧常以「弗蘭克」（取自本傑明·富蘭克林）為英文名。他屬於二戰後那一代年輕理論物理學家，當時人類發現宇宙射線中存在大量奇特的新粒子，亟待科學解釋。 1956年，他與李政道專注研究其中最奇特的一種粒子──如今被稱為「K介子」或「Ka子」。這種粒子最初是透過氣球搭載的探測器及山頂觀測裝置記錄的軌跡被發現的。有時，K介子會衰變為兩個較小的“π介子”，有時則衰變為三個。這一現象本身並不異常，但它的衰變方式似乎違背了「宇稱守恆定律」——而這一「鏡像對稱性」原則，長期以來被認為是支配物理世界的基本規律。1950年代，楊振寧與物理學家理查費曼的合照。圖片來源：SSPL／蓋蒂圖片社當時的物理學家不願接受「宇稱守恆定律不適用於這類核衰變」的結論，於是被迫提出「存在兩種K介子」的假設，並將它們分別命名為「θ介子」與「τ介子」。這兩種介子在其他方面完全相同，僅衰變方式不同。與許多理論物理學家一樣，楊振寧與李政道也懷疑這種「兩種介子」的解釋只是權宜之計——是為迴避棘手實驗結果而臨時提出的假設。 1956年春，當時任職於美國新澤西州普林斯頓高等研究院、並在長島布魯克海文國家實驗室兼職的楊振寧，前往紐約市與哥倫比亞大學的李政道進行定期會面。兩人在附近一家中餐館共進午餐時，直面了一個可能性：弱核力（核衰變的「驅動力」）可能不遵循鏡像對稱性。同年秋季，他們在《物理評論》期刊上發表了一篇具有里程碑意義的論文，提出了驗證這個猜想的方法。哥倫比亞大學物理學家吳健雄接受了這個挑戰。她在華盛頓國家標準局（現為美國國家標準與技術研究院）進行實驗，證實弱核力確實會破壞宇稱守恆。實驗顯示，當原子核衰變時，朝某一方向發射的電子數量多於另一個方向──對稱性並不成立。1957年，楊振寧（左）與李政道（中）共同獲得諾貝爾物理學獎。獲獎後，人們常將「李楊」或「楊李」並稱，彷彿他們是一個整體。圖片來源：美聯社斯德哥爾摩（諾貝爾獎評選機構所在地）的「慢節奏」流程罕見提速，1957年，這兩位物理學家被授予諾貝爾獎——這或許是史上「最快頒發」的諾貝爾獎之一。他們也是首批華裔諾貝爾獎得主。此後，人們常將「李楊」或「楊李」並稱，彷彿他們是一個整體，卻不知兩人的關係當時已出現裂痕。楊振寧於1922年10月1日（部分公開資料記載為9月22日）出生於中國合肥，位於上海以西約300英里處。他是楊武之與羅孟華夫婦五個孩子中的長子，父親楊武之是數學教授。楊振寧的童年與少年時期多在北京度過，但隨著抗日戰爭爆發，一家人逃往南方的昆明。 1940年，日軍為切斷英國向中國國民黨軍隊輸送物資的「滇緬公路」（公路終點為昆明），對楊家所在的庭院進行了轟炸。轟炸後，一家人遷往郊區。1944年，楊振寧從清華大學獲得碩士學位（抗戰期間，清華從北京遷址昆明）。不久後，他獲得獎學金前往美國，原本希望在哥倫比亞大學師從恩里科·費米——這位義大利裔物理學家曾主持首個成功的核鍊式反應實驗。楊振寧意外得知費米即將前往芝加哥大學參與「曼哈頓計畫」（研製原子彈的計畫），便隨之前往芝加哥。他後來在文章中寫道，正是費米教會他“理論必須與實驗緊密相連”，並告訴他“物理學需要一磚一瓦、一層一層地從基礎搭建起來”。在芝加哥，楊振寧與李政道重逢──兩人在中國求學時便已相識。在匈牙利裔「氫彈之父」愛德華·泰勒的指導下，楊振寧完成了博士論文，於1948年獲得博士學位。在芝加哥大學任教一年後，他前往普林斯頓高等研究院，師從時任院長羅伯特‧奧本海默。楊振寧曾回憶起與研究院最著名教員愛因斯坦的一次交集。當時他剛在《物理評論》發表一篇論文，愛因斯坦希望與他討論該論文。楊振寧表示，兩人交談了一個半小時​​，但自己「沒太聽懂對話內容」。“他說話聲音很輕，”楊振寧說，“而且，能與這位我仰慕已久的偉大物理學家近距離接觸，我太激動了，根本無法集中精力聽他講話。”在普林斯頓站穩腳跟後，楊振寧開始在布魯克海文國家實驗室度過暑期。在此期間，他與辦公室同事羅伯特·L·米爾斯合作提出了「楊-米爾斯理論」——這一理論成為現代粒子物理學的重要框架。他們藉鑑德國數學家赫爾曼·外爾提出的“規範場論”，創立了“規範原理”，解釋了量子物理核心領域中電磁力、弱核力與強核力的相互作用，尤其是“自相互作用”。2006年，楊振寧在石溪大學接受采訪時談及這一理論：“我們發表那篇論文時，沒人覺得它重要，我們自己也沒想到它會有這麼大影響力。但我們當時認為這個想法很美，數學結構也非常優雅，所以還是發表了論文。20年後，一系列實驗表明這個方向大致正確。又經過五年的研究，人們才明確：它大致正確。”與此同時，楊振寧還在與李政道合作——李政道在普林斯頓高等研究院工作一段時間後，前往哥倫比亞大學任職。從1956年開始，兩人共同發表了32篇論文。但兩人的合作關係逐漸出現緊張，最終在1962年分道揚鑣。讓李政道感到不滿的是，楊振寧有時會強調自己的“資歷”，因自己年長四歲而堅持名字排在前面。李政道在1986年的一篇回憶錄中寫道，“正是因為這一點及其他原因，我與楊振寧之間那種微妙的平衡被打破了。”多年後，楊振寧在2000年接受《新聞日報》採訪時，稱這次決裂是「一場悲劇」。楊振寧對自己的成就並非總是保持謙遜。在60歲生日前夕，一些仰慕他的同事提議撰寫論文，彙編成一本「紀念論文集」（Festschrift），以致敬他的學術貢獻。但楊振寧認為，一本收錄自己論文並附上解讀的集子會更有意義。在這本論文集中，他描述了諾貝爾獎級成果「宇稱不守恆」理論的起源，並將大部分功勞歸於自己。後來，李政道發表了截然不同的版本。1966年，楊振寧離開普林斯頓高等研究院，前往石溪大學擔任“阿爾伯特·愛因斯坦物理學教授”，並擔任該校“楊振寧理論物理研究所”（現名）所長。2009年，楊振寧在香港出席「邵逸夫獎」（科學獎）公佈儀式並行言。圖片來源：麥剋剋拉克/法新社-蓋蒂圖片社1971年訪問中國後，楊振寧開始重建舊時的聯絡。後來，他擔任香港中文大學數學科學研究所所長，並回到母校清華大學任教。 2015年，他放棄美國國籍，加入中國國籍。楊振寧的第一任妻子是杜致禮，兩人相識於中國－當時楊振寧在中學任教，杜致禮是他的學生。兩人結婚53年，杜致禮於2003年去世。除第二任妻子翁帆外，楊振寧的倖存者還包括與第一任妻子所生的三個子女（Franklin Yang、Gilbert Yang、Eulee Yang），以及兩名孫輩。在接受《新聞日報》採訪時，楊振寧表示，他懷疑物理學家永遠無法找到「萬物理論」（能解釋所有物理現象的統一理論）。“自然界極其微妙，”他說，“我個人認為，人類無法完全探究自然界的深層奧秘。畢竟，人類的大腦只有約1000億個神經元，怎麼可能與自然界的無限深度相匹敵呢？”迪倫·洛布·麥克萊恩對本文亦有貢獻。 （邸報）