{"source":{"id":"raw_a720227445891271","title":"把去世捐赠者的脑组织切下一片，泡进培养皿。 给它接上一只机械手，旁边放一个麦克风。 几天之后，这块只有几毫米大的脑组织，…","url":"https://mubeitech.com/p/raw_a720227445891271"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"id":"raw_5972038fa5b56599","account":"mubei","brand":"@mubei","title":"手里握着能把全人类文献读上几万遍的超级算力。 为什么还要在旧金山亲自租厂房买移液枪？ 为什么非要建一个倒弄试管和培养皿的…","summary":"手里握着能把全人类文献读上几万遍的超级算力。 为什么还要在旧金山亲自租厂房买移液枪？ 为什么非要建一个倒弄试管和培养皿的生物实验室？ 纽约时报刚披露了一组数字。 Anthropic 告诉投资人，他们正计划把算力推到 5 个吉瓦（GW）。 未来十年，他们光是在亚马逊云服务（AWS）…","body":"手里握着能把全人类文献读上几万遍的超级算力。\n为什么还要在旧金山亲自租厂房买移液枪？\n为什么非要建一个倒弄试管和培养皿的生物实验室？\n\n纽约时报刚披露了一组数字。\nAnthropic 告诉投资人，他们正计划把算力推到 5 个吉瓦（GW）。\n未来十年，他们光是在亚马逊云服务（AWS）的数据中心上，就要花掉超过 1000 亿美元。\n5 个吉瓦是什么概念？\n500 万千瓦，相当于好几个大型核电机组满负荷发电的总和。\n在纯数字的屏幕里，这是人类有史以来最庞大的一台硅基大脑。\n按常规的理解，有了这种级别的算力，早该把全球生物论文吃透了。\n在电脑里把蛋白质折叠和分子结构推演个几百亿次。\n什么疑难杂症攻不破？\n\n但同样是今天。\nAnthropic 生命科学负责人 Eric Kauderer-Abrams 证实了一件事。\n他们在旧金山湾区建了一个实体的湿实验室。\n是真的去采购离心机、通风橱、自动化机械臂和试剂瓶。\n开始在物理世界里摆弄真实的细胞和化学溶液。\n一位手握 5 吉瓦数字算力的 AI 巨头，为什么突然要回过头来洗试管？\n\n因为在生物学面前，纯代码世界的算力神话撞上了一面坚硬的高墙。\n在行业里，完全依靠计算机进行模型演算的方式，叫干实验，或者叫纯计算模拟。\n在过去的几年里，这种模拟看起来无所不能。\nAlphaFold 预测了几亿个蛋白质结构。\n各种生成式模型在几分钟内就能画出几万种潜在的药物候选分子。\n很多人觉得，只要算力继续堆上去，新药和疗法就会像代码一样自动写出来。\n但生命科学跟下围棋、写代码有一个根本的区别。\n当年 AlphaGo 可以在电脑里左右互搏几千万盘棋，几小时完成一次进化。\n围棋的规则是一套封闭且确定的数学系统。\n黑白棋子落下去，胜负由算法在几微秒内判决。\n没有半点误差。\n写代码也是一样，程序能跑还是报错，编译器自己就是最公平的裁判。\n但生命从来无法被几行数学公式穷尽。\n它是地球演化了三十多亿年、被无数偶发事件揉成一团的生化浓汤。\n你在电脑里把一个药物分子和病毒靶点的结合模拟得再完美，自由能计算得再精准，它依然只是一份假说。\n一旦把这种分子真正融进液体、滴到活体细胞上，物理世界的混乱立刻砸了过来。\n它可能根本穿不过细胞膜。\n它可能刚进入血浆就被未知的酶降解掉了。\n它可能确实按住了那个致病靶点，但顺手毒死了旁边的健康细胞。\n这些微观层面的非特异性结合和脱靶毒性，目前没有任何公式能算得准。\n正如 Eric Kauderer-Abrams 所说：\n最终的检验，依然是、并且很长一段时间内都将是真实实验室里的工作。\n在这一滴真实的液体面前，5 个吉瓦的算力只要拿不到物理反馈，就算到天花板也是盲人摸象。\n\n既然算不准，去买现成的生物实验数据喂给模型不行吗？\n这就引出了生物学里最残酷的现实：整个行业正面临着巨大的真值赤字。\n很多人以为互联网上到处都是生物医学论文，数据多得用不完。\n但过去一百年人类积累的实验数据，绝大多数是全球各个高校的研究生在操作台前手工做出来的。\n移液枪吸了多少微升、试剂批次有没有杂质、当天的温度湿度有没有变化，全靠实验员的手法和肉眼观察。\n这导致生物学论文有着极高的不可复现率。\n同一个实验换一个实验室，结果经常大相径庭。\n更要命的是学术界普遍的发表偏差。\n只有实验成功了、分子产生反应了，科研人员才会写成论文发表。\n那些失败了九千九百次的阴性数据，全被顺手倒进了废液桶，连一行记录都没留下。\n但在机器学习的世界里，没有失败样本，模型就根本学不会边界在哪里。\n如果拿着这些充满噪音、全是幸存者偏差的数据去训练。\n算力越大，模型在生物学上的幻觉就越可怕。\n把 5 吉瓦算力开满，产出的可能只是一堆精致的垃圾。\n\n今年 4 月，Anthropic 先掏出 4 亿美元股票，一口气收购了生物科技初创公司 Coefficient Bio。\n紧接着，诺华制药（Novartis）的首席执行官 Vas Narasimhan 被请进了董事会。\n6 月份上线了专门针对科学家的工作台 Claude Science。\n现在，又在旧金山亲自建起了湿实验室。\n他们并不打算开一家替药企代工检测的外包机构。\n他们的目标，是打造一套自驱动的自动化实验闭环。\n这套闭环具体怎么跑？\nClaude 先在云端调动几十个专业数据库和海量算力，生成分子假说。\n接下来，模型不需要等人类科学家去手写实验步骤，它直接把方案编译成自动化控制代码。\n指令下发给实验室里的高通量移液工作站和机器人手臂。\n机械臂全自动取样、配比试剂、点样、加热、培养。\n没有人工手抖，没有记录造假，操作过程被传感器毫秒级记录。\n几个小时后，检测设备读出荧光信号和结合曲线，拿到物理世界的硬反馈：分子到底结合了没有？细胞是生是死？\n最关键的一步紧接着发生。\n这些刚从物理世界拿到的真实数据，带着完整的成功与失败记录。\n直接作为奖励信号，喂回给 Claude 的训练系统。\n整套循环几个小时就能跑完一轮。\n模型吸纳了物理世界的真实碰撞，重新修正参数，立刻发出下一批实验指令。\n\n这就是物理世界向数字系统交账的方式。\n过去两年，整个科技界都在比拼谁的显卡集群更大。\n谁找电力公司拿到了更多的电网负荷。\n谁的模型能在排行榜上刷出更高的分数。\n但当 AI 试图推开物理世界的大门时，决定胜负的瓶颈已经悄悄转移了。\n算力花钱就能向电网买，但高精度的物理真值，在市场上根本买不到。\n如果数字大脑不能连上物理触角，再多的吉瓦也只是在虚空中空转。\nAnthropic 在旧金山租下的这间实验室，标志着整个大模型竞赛走到了一个新的分水岭。\nAI 的下一场硬仗，不再仅仅取决于显卡里消耗的电力。\n它取决于谁能在真实的试剂与培养皿里，以更快的速度，把物理世界的规律一滴一滴测出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2101149265863057746","translated_status_id":"2101149265863057746","published_at":"2026-09-18 23:03:21","created_at":"2026-09-18T23:03:21.070582","url":"https://mubeitech.com/p/raw_5972038fa5b56599","markdown_url":"https://mubeitech.com/p/raw_5972038fa5b56599/markdown"},{"rank":2,"id":"2060990453231808956","account":"mubei","brand":"@mubei","title":"“AI 已经有意识了。” 说这话的不是科幻狂热分子。 是诺贝尔物理学奖得主、AI 教父 Geoffrey Hinton。…","summary":"“AI 已经有意识了。” 说这话的不是科幻狂热分子。 是诺贝尔物理学奖得主、AI 教父 Geoffrey Hinton。 这绝对是个绕不开的麻烦。 机器到底能不能产生真正的意识？ Hinton 抛出了一个极其具体的思想实验。 假设现在挖掉你脑子里的一颗神经元。 换成一块肉眼看不见…","body":"“AI 已经有意识了。”\n说这话的不是科幻狂热分子。\n是诺贝尔物理学奖得主、AI 教父 Geoffrey Hinton。\n\n这绝对是个绕不开的麻烦。\n机器到底能不能产生真正的意识？\nHinton 抛出了一个极其具体的思想实验。\n\n假设现在挖掉你脑子里的一颗神经元。\n换成一块肉眼看不见的纳米芯片。\n这块芯片接收和发射信号的方式，和原来的脑细胞完全一样。\n你还会觉得清醒吗？\n当然会，你根本察觉不到少了一颗原装脑细胞。\n\n顺着这个逻辑往下推。\n如果你脑子里的神经元被这样一颗颗全部替换掉呢？\n只要反应机制一模一样，碳基能做到的，硅基照样能做到。\n当大模型说出“我想做这个”的时候。\n它的屏幕背后，极有可能已经存在一个具备自我的实体。\n\n人类几千年都没搞明白什么是自我，什么是意识本质。\n现在却已经开始在代码里批量制造生命体了。\n算力突破的速度，彻底撕碎了碳基生物的伦理护城河。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-31 11:23:09","created_at":"2026-05-31T13:19:23.017807","url":"https://mubeitech.com/p/2060990453231808956","markdown_url":"https://mubeitech.com/p/2060990453231808956/markdown"},{"rank":3,"id":"2069858272690291003","account":"mubei","brand":"@mubei","title":"你的梦境，很快就能被“播放”出来了。 科幻正在变成现实。 DeepMind 创始人 Demis Hassabis 最近在…","summary":"你的梦境，很快就能被“播放”出来了。 科幻正在变成现实。 DeepMind 创始人 Demis Hassabis 最近在访谈里，透露了他们正在做的一项研究。 现在的 AI，在很多人眼里只是个高级的“写字画图工具”。 但实际上，它正在逼近人类最私密、最底层的感知接口。 来，看看神经…","body":"你的梦境，很快就能被“播放”出来了。\n\n科幻正在变成现实。\nDeepMind 创始人 Demis Hassabis 最近在访谈里，透露了他们正在做的一项研究。\n\n现在的 AI，在很多人眼里只是个高级的“写字画图工具”。\n但实际上，它正在逼近人类最私密、最底层的感知接口。\n\n来，看看神经科学家们正在用他的 AI 模型做什么。\n\n一个实验对象，躺在 fMRI（核磁共振）扫描仪里。\n科学家让他闭上眼，在脑海里想象一个具体的画面，或者直接入睡、做梦。\n\n这时候，AI 模型开始介入。\n它不靠硬性“读心”，它通过理解大脑处理视觉信息的算法，去解码那些神经信号。\n\nAI 把这些脑信号翻译成了视觉图像，直接在屏幕上重建了出来。\n\n科学家问扫描仪里的人：这是你刚才脑子里想的画面吗？\n对方说：是的，就是这个。\n\n很多人以为，要实现这种技术必须 1:1 地复制人类大脑。\n但 Hassabis 说，根本不需要。\nAI 的逻辑是理解大脑的工作原理和表征方式，然后把这种算法结构“移植”到大模型里。\n让 AI 成为大脑信号的翻译官。\n\n必须说明的是，这项技术目前还处于实验室阶段，并没有商业化量产。\n但 Hassabis 预测，这种近乎科幻的设备，在未来几年内就会真正问世。\n\n人机界面的大叙事，正在发生根本性的转向。\n从前我们用键盘，后来用触控屏，未来，我们可能直接用“意识”和机器对话。\n当科技开始工具化我们的神经科学，\n人类最私密的精神自留地 梦境，也正在向机器敞开大门。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2069866930702348334","translated_status_id":"2069866930702348334","published_at":"2026-06-24 19:13:27","created_at":"2026-06-24T21:00:42+02:00","url":"https://mubeitech.com/p/2069858272690291003","markdown_url":"https://mubeitech.com/p/2069858272690291003/markdown"},{"rank":4,"id":"wb_a57fce4acb545200","account":"mubei","brand":"@mubei","title":"Neuralink 最容易被误读的项目，是 Blindsight。 马斯克说，这东西能让失去双眼和视神经的人重新看见。…","summary":"Neuralink 最容易被误读的项目，是 Blindsight。 马斯克说，这东西能让失去双眼和视神经的人重新看见。 甚至，天生失明的人也可能第一次获得视觉。 听起来像科幻？ 很多人第一反应：这不就是给大脑装个摄像头，把画面直接传进去吗？ 如果你也这么想，就完全错过了它真正硬核…","body":"Neuralink 最容易被误读的项目，是 Blindsight。\n马斯克说，这东西能让失去双眼和视神经的人重新看见。\n甚至，天生失明的人也可能第一次获得视觉。\n\n听起来像科幻？\n很多人第一反应：这不就是给大脑装个摄像头，把画面直接传进去吗？\n如果你也这么想，就完全错过了它真正硬核的地方。\n恢复视觉，光靠往脑子里塞照片没用。\n关键是让大脑学会读懂一套全新的信号。\n\n来，看个半个世纪前的实验。\n1969年，有位神经科学家在《自然》上发了篇短论文。\n他把摄像头拍到的图像转成触觉刺激，打到盲人的背上。\n按理说，这不过是一背的震动。\n可经过训练，受试者竟然能靠这些震动，判断物体的位置、轮廓和运动。\n\n重点来了。\n大脑根本没有收到“光”，它收到的是触觉。\n但它硬是把触觉当成了空间信息来用。\n这句话掀翻了我们对感官的全部直觉。\n眼睛只是个输入端。\n真正的感官，发生在大脑把信号组织成世界的那一刻。\n\n用电极刺激视觉皮层让人看到光点，这事儿上世纪 70 年代就有人干过了。\n所以 Blindsight 最激进的地方，是把这件事做得更密、更稳、更可扩展。\n2024年，FDA 给了它“突破性设备资格”。\n但别被这个词骗了，这只是监管同意加速推进，不等于技术已经抵达终点。\n\n真正的难题，藏在“看见”这两个字里。\n你刺激皮层，受试者能看到一个光点，两个光点。\n但这离“认出一张脸”或者“躲开桌角”，中间还隔着海量的编码问题。\n正常视觉不只是像素堆叠，它有边缘、深度、颜色和记忆。\n神经接口不能只靠点亮更多小灯泡。\n它得找到一种语言，一种视觉皮层能长期听懂的语言。\n\n这就是为什么马斯克说，第一版视觉可能像古早的 Atari 像素画面。\n这反而很诚实。\n对盲人来说，能不能看高清电影根本不是第一诉求。\n能不能知道门在哪，能不能认出走过来的人影，这才是最重要的。\n它早期不一定能恢复“美”，但它能恢复行动力。\n\n看懂了这些，你就不会被所谓的“超人红外视觉”带偏。\n如果大脑能学会把全新的人工信号当成视觉使用，人类的感官边界就不再被天生器官锁死。\n视神经断了，世界未必只能从此关灯。\n\n下次再看到脑机接口的新闻，先别问能不能变超人。\n问一个更底层的问题。\n它在替身体修一个零件，同时在教大脑学一门新语言。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2061912104370671944","translated_status_id":"2061912104370671944","published_at":"2026-06-02 20:10:33","created_at":"2026-06-02T22:08:40.979548","url":"https://mubeitech.com/p/wb_a57fce4acb545200","markdown_url":"https://mubeitech.com/p/wb_a57fce4acb545200/markdown"}]}