研究與前沿

作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。

作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。

AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。

。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。

我没办法凭这条标题写出符合要求的完整新闻稿,原因很直接: 现有"可用资料"其实只有一行标题,正文是空的。后面的内容全是的侧边栏推荐和网站导航(Anthropic华人、Manus估值、腾讯投资药企等),跟这条新闻没有关系。 如果硬写 900–1600 字,我就得自己编造这些关键事实: 是哪个团队、哪家医院、哪篇 Science 论文 论文的具体方法和结果数据 医生"催着上线"的具体场景和原话 这些一旦写出来就是假新闻,我不做这个。

Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。

Google 推出最新 AI 系統 Dream-RSI，宣稱其將是最後一個由人類製造的 AI。該系統的核心痛點在於，當前循環中仍有部分環節依賴人工手動編寫，無法從經驗中學習，導致資源重複投入失敗方向。

在大型語言模型時代，本體以顯式結構呈現知識，相較於LLM的黑箱決策更具可靠性與可編輯性。本體適合需要監管與可追溯性的應用，能即時更新知識，與LLM形成互補而非替代的關係。

Anthropic 近日對外公開一份代號為 RSI 的內部報告，揭露該公司內部約 3 萬個 AI 智能體正處於持續自我迭代的運作狀態。這份原屬絕密等級的文件首次曝光，詳細描述了這些智能體如何透過遞迴自我改進（Recursive Self-Improvement, RSI）機制，在無需人類直接介入的情況下自主優化自身性能與決策邏輯。

在 Transforms 官方文檔也將 Serve 這一服務方式定位為適合本地或自託管、實驗評估和中等負載的輕量方案；對於大規模生產部署，則建議考慮 vLLM 或 SGLang 等專門的推理引擎。

我沒辦法直接產出這篇稿子——你提供的「可用資料」裡其實沒有文章正文。它只有一則新聞標題（「OpenAI被曝雪藏數百個證明…」）、一條 Google DeepMind 成立 AGI 研究所的標題、一條 MPV 稿的標題，以及 的網站導覽與頁尾（備案號、舉報電話、合作連結等）。真正那篇報導的內文、受訪者、具體數字、時間與出處都不在裡面。

DeepMind成立新研究院。 谷歌團隊在9月16日成立DeepMind研究院。首批發布四篇文章。重點包括透明推理與前沿評估。Hassabis提議30天保密測試。

GPT-6 的評分口徑再遭質疑。一名 Reddit 作者在 Astra 評分爭議持續延燒之際，著手核對 ARC 相關表格，發現兩項測試之間的成績落差達 37 分，質疑同一模型在不同評測基準下的表現被以不同方式呈現。 該作者同時指出，ARC 方面從未將該結果稱為 AGI，外界將高分直接等同於通用人工智慧的說法，與評測方自身的表述並不一致。 爭議亦波及 OpenAI。有用戶比對後指稱，OpenAI 頁面上的數值曾出現改動，令評分的可追溯性受到進一步檢視。目前各方尚未就表格差異與頁面數值變更給出統一說明。

OpenAI 最新研究顯示，使用人工智慧工具的打工人不僅沒有因為效率提升而減少工作時間，反而面臨工作量增加的現象。這項由 OpenAI 進行的研究指出，當員工導入 AI 協助日常任務後，整體任務數量與投入時數不減反增，顛覆了外界普遍預期「AI 應能減輕工作負擔」的直觀看法。 根據報導，這份研究結果已引發職場與科技圈的熱烈討論。研究團隊分析，AI 雖然能加速部分流程，卻也可能催生新的工作需求，例如員工需要花更多時間校對與調整 AI 生成的內容，或是在效率提升後被賦予更高產出的目標，導致整體工作負荷不降反升。OpenAI 這項研究為 AI 如何真正改變勞動模式提供了值得深思的視角。

世界模型正快速從學術概念走向商業競爭的焦點，而這場「入口戰」的路徑分化也逐漸浮現。根據業內觀察，字節跳動與京東分別選擇了截然不同的發展方向，反映出兩家公司對世界模型核心價值與應用場景的不同理解。世界模型帶來的不僅是技術變革，更是人機交互方式的根本轉變，這意味著誰能率先掌握從感知到推理的完整閉環，就有機會重塑用戶與數位世界的連接模式。

很抱歉，您提供的來源資料僅包含頁面的導航與標題列表，並未提供〈重磅發現：GPT-6實現具身智能突破，中國如何打具身防衛戰？〉這篇文章的實際內文。由於缺乏具體的事實、人物、數字、時間線與因果脈絡，我無法在不新增未經來源支持資訊的前提下，完整重寫一篇900至1600字的繁體中文新聞稿。 若您能提供該篇文章的完整正文內容（例如文字稿或可複製的段落），我將立即為您重新撰寫為自然、可刊登且符合SEO可讀性的新聞內文。屆時我會保留所有關鍵事實，用自己的文字流暢改寫，並確保長度與段落符合要求。請補充來源資料後再次下達指令。

關鍵信息：• Peerium計算架構突破了圖靈範式，提出了Nested BSP，突破了馮·諾依曼單機架構，顛覆了長久以來的主從架構，實現了百萬級處理器真正成為一臺更大的計算機。• 靈衢是實現Peerium計算架構的關鍵互聯技術。[中國，上海，2026年9月17日] 今日，華為發佈AI時代的全新計算架構 – Peerium計算架構。該架構能實現百萬級處理器成為一臺計算機，以滿足不斷發展的AI算力需求。Peerium計算架構是基於嵌套並行，統一內存尋址、平等互聯實現百萬級處理器強擴展的計算架構。Peerium計算架構突破了圖靈範式，提出了Nested BSP，突破了馮·諾依曼單機架構，顛覆了長久以來的主從架構，實現了百萬級處理器真正成為一臺更大的計算機。靈衢是實現Peerium計算架構的關鍵互聯技術。靈衢是基於一個開放協議，可無限擴展地聯接CPU、NPU、內存、SSD、網卡和交換機的高速總線。有了靈衢，可實現計算、存儲和網絡的平等互聯。Atlas 950超節點是Peerium計算架構的首代產品，25.6萬卡Atlas 950超節點集群已經在部署中，基於NPO的Atlas 960系統正在測試中。華為輪值董事長徐直軍表示：“AI時代，華為基於開創的Peerium計算架構，持續打造滿足客戶訓練和推理需求的超節點和集群，讓算力無處不在，讓智能無所不及。”FAQs：Q1:什麼是Peerium計算架構？Peerium計算架構是基於嵌套並行，統一內存尋址、平等互聯實現百萬級處理器強擴展的計算架構。Q2：什麼是靈衢？靈衢是基於一個開放協議，可無限擴展地聯接CPU、NPU、內存、SSD、網卡和交換機的高速總線。有了靈衢，可實現計算、存儲和網絡的平等互聯。

中型公司的運維團隊在AIOps落地過程掌握主導權，相較於盲目追求大廠，更能獲得完整技術棧的成長機會。真正的高階能力在於判斷與選擇合適工具並實際落地，而不只是會使用工具。

Loop Transformer 能在固定算力預算下帶來更好的建模性能，同時會伴隨著更短的推理鏈。這種架構能在架構內部調動更多計算，而不是把推理軌跡寫在草稿紙上，在技術的思想上也是一次偉大的探索。​

OpenAI 推出全新框架，用於追蹤、調查並揭露其模型的失調行為。該團隊於 X（前 Twitter）上宣佈此消息，並附上六份詳細的事件報告。此框架設定了公開揭露的標準與截止期限，即便 OpenAI 尚未完全解釋或緩解該行為也同樣適用。過去 OpenAI 的失調揭露方式較為臨時且頻率偏低，往往等到累積多個案例才一次公佈或納入系統卡。研究團隊認為，對齊與監控技術尚未成熟到能長時間維持最大規模的模型擴展，並在《異類心智》一文中提出類似觀點。目前業界尚無統一的失調揭露標準。