Archives: 2025年7月3日

应对全球气候变化已成为当今时代最紧迫的任务之一。在众多应对气候变化的策略中，碳捕获、利用与封存（CCUS）技术无疑扮演着举足轻重的角色。尤其是在工业领域，寻找有效降低碳足迹的方法变得至关重要。Carbon Clean 作为该领域的领军企业，正通过其创新技术和战略合作，加速工业脱碳进程，并致力于实现大规模的碳减排目标。

碳捕获技术的革新与创新

Carbon Clean 专注于点源碳捕获，为工业部门提供适应净零世界的下一代解决方案。技术创新是其核心驱动力。该公司在印度纳维孟买开设了全球创新中心（GIC），作为其重要的国际枢纽，致力于开发下一代碳捕获技术。GIC的设立不仅体现了Carbon Clean对印度市场的重视，也表明了其对在该地区发展碳捕获技术的信心。实际上，印度已经成为Carbon Clean 的一个关键市场。该公司已经为塔塔钢铁（Tata Steel）的詹谢德普尔钢厂设计并调试了印度首个高炉碳捕获装置，该装置每天可捕获 5 吨二氧化碳，是印度钢铁行业乃至全球的首次尝试，直接从高炉气体中捕获二氧化碳并进行现场再利用。这些举措都预示着碳捕获技术正迎来一个创新加速的时代。2024年，该公司推出了突破性的 CycloneCC C1 系列，标志着碳捕获技术的一次重大飞跃。与传统的碳捕获技术相比，CycloneCC C1 系列在成本效益、能源效率和环境友好性方面都取得了显著的提升，这无疑将加速碳捕获技术在工业领域的广泛应用。可以预见，未来碳捕获技术的关键发展方向将集中在提升捕获效率、降低运营成本、减少能源消耗以及实现更广泛的应用场景。新材料的研发，如更高效的吸附剂和膜材料，将进一步提升碳捕获的效率和经济性。

全球战略合作与市场拓展

Carbon Clean 的成功不仅在于其技术创新，更在于其积极拓展全球市场并与行业巨头建立战略伙伴关系。该公司与雪佛龙（Chevron）的投资合作，以及与沙特阿美（Aramco）和三星E&A的合作，都体现了其在全球碳捕获领域的地位和影响力。这些合作不仅为 Carbon Clean 提供了资金支持，更促进了技术的进一步开发和应用。与此同时，Carbon Clean 还积极在中东和北美地区部署 CycloneCC 设备，并扩大了在加拿大和美国的影响力。这种全球战略布局，有助于 Carbon Clean 将其先进的碳捕获技术推广到全球各地，加速全球工业脱碳进程。通过与不同国家和地区的合作伙伴建立紧密的合作关系，Carbon Clean 可以更好地了解当地的市场需求和政策环境，从而制定更具针对性的市场推广策略。此外，与当地企业的合作也有助于 Carbon Clean 更好地融入当地的商业生态系统，建立更广泛的合作网络。

碳再利用与循环经济

Carbon Clean 还在积极探索碳的再利用途径。通过将可规模化的碳捕获技术与废物利用相结合，该公司不仅解决了关键的环境挑战，还创造了经济机会。例如，捕获的碳可以被转化为有价值的产品，如合成燃料和建筑材料。这种碳的“升级利用”模式，符合循环经济的理念，为可持续发展提供了新的思路。这不仅可以减少对化石燃料的依赖，还可以创造新的经济增长点。例如，利用捕获的二氧化碳生产合成燃料，可以替代传统的汽油和柴油，从而减少交通运输行业的碳排放。利用捕获的二氧化碳生产建筑材料，如混凝土和砖块，可以替代传统的建材，从而减少建筑行业的碳排放。这种碳的“升级利用”模式，不仅有助于实现碳减排目标，还可以促进资源的循环利用，实现经济效益和环境效益的双赢。Carbon Clean 与 AM Green 合作，推进印度碳捕获和可持续航空燃料的发展，旨在减少对原油的进口依赖，就体现了碳再利用的巨大潜力。

Carbon Clean 的努力得到了广泛认可，并已连续六次入选全球清洁技术 100 强榜单，巩固了其作为脱碳先锋的地位。在应对全球气候变化的挑战中，Carbon Clean 正在发挥着越来越重要的作用。通过持续的技术创新、战略合作和市场拓展，该公司正在为全球应对气候变化贡献力量，并为构建一个更加清洁、可持续的未来奠定基础。而印度国内初创企业在碳捕获领域的活力，也展现出气候创新不再是遥不可及的梦想，而是正在发生的现实。这些都预示着工业脱碳进程将迎来更加快速的发展。

大型语言模型（LLM）的快速崛起正在重新定义人工智能的边界，从简单的文本生成到复杂的逻辑推理，LLM 的能力不断进化，应用场景也呈现出爆炸式增长。然而，要真正释放 LLM 的全部潜力，使其具备更高级的智能行为，就需要将其与强化学习（RL）有效结合。这意味着，LLM 不仅仅是被动地生成内容，而是能够主动学习、适应环境，并做出最优决策。然而，不同 LLM 在与 RL 结合时表现出的兼容性差异，成为了当前研究的一个重要课题。

LLM 架构差异对强化学习的影响

上海交通大学的研究团队针对这一问题进行了深入的探索，他们聚焦于两个备受瞩目的开源 LLM——Llama 和 Qwen，分析了它们在与 RL 结合时的兼容性差异，并在此基础上提出了一种名为 OctoThinker 的框架，旨在提升 LLM 与 RL 的协同效应。这项研究的重要性在于，它不仅揭示了 LLM 架构设计对强化学习的影响，也为未来的 LLM 与 RL 融合提供了新的思路和方法。

Llama 和 Qwen 作为当前开源社区中极具影响力的 LLM，都拥有着大量的用户和开发者。Llama 系列模型，由 Meta 公司发布，以其相对较小的参数量和出色的性能而著称。它的成功很大程度上归功于其独特的技术特点，例如，Llama 采用了预归一化（Pre-normalization）技术，这有助于稳定训练过程，提高模型的收敛速度。此外，Llama 还使用了旋转位置嵌入（RoPE），这使得模型能够更好地处理长文本，并捕捉文本中不同位置之间的关系。

相比之下，Qwen 系列模型，由阿里巴巴公司发布，则在模型规模和训练数据方面进行了大规模的扩展。Qwen 拥有更大的参数量，这意味着它能够学习到更复杂的模式和关系。同时，Qwen 也接受了海量数据的训练，这使得它能够更好地理解自然语言，并生成更流畅、更自然的文本。在架构方面，Qwen 也采用了不同的注意力机制和激活函数，这些差异使得 Qwen 在某些任务上表现出优于 Llama 的性能。

然而，正是这些架构上的差异，也导致了 Llama 和 Qwen 在与 RL 结合时表现出不同的兼容性。研究表明，Llama 在直接应用传统的 RL 算法时，往往表现出训练不稳定、奖励信号利用率低等问题。这主要是因为 Llama 的内部状态表示与 RL 算法所期望的状态空间存在较大差距。换句话说，Llama 的内部状态可能不够清晰和明确，导致 RL 算法难以准确地评估 LLM 的行为，并提供有效的反馈。例如，Llama 的 token embedding 和隐藏状态在语义上可能不够连贯，使得 RL 算法难以理解 LLM 的意图，并做出相应的调整。

相比之下，Qwen 在与 RL 结合时表现出更好的稳定性。这可能得益于 Qwen 更大的模型规模和更丰富的训练数据，使其能够学习到更具表达力的内部状态表示。更大的模型规模意味着 Qwen 能够捕捉到更多的信息，而更丰富的训练数据则使得 Qwen 能够更好地泛化到不同的任务和场景。此外，Qwen 的注意力机制和激活函数可能更适合于 RL 算法的优化过程，从而更容易地实现有效的强化学习。然而，即使是 Qwen，在与 RL 结合时仍然存在一些挑战，例如训练效率较低、奖励塑造困难等。这意味着，即使是性能优异的 LLM，也需要在与 RL 结合时进行专门的优化和调整。

OctoThinker 框架的核心机制

为了解决 Llama 与 RL 结合的兼容性问题，并进一步提升 LLM 与 RL 的协同效应，上海交通大学的研究团队推出了 OctoThinker 框架。OctoThinker 的核心思想是引入多视角反馈和动态奖励塑造机制，从而更好地引导 LLM 的学习过程。

多视角反馈是指从多个不同的角度对 LLM 的行为进行评估，例如从准确性、流畅性、逻辑性等多个维度进行评分。通过综合考虑这些不同的反馈信号，可以更全面地了解 LLM 的优缺点，并为 RL 算法提供更准确的奖励信号。OctoThinker 采用了多种反馈机制，包括人工反馈、基于规则的反馈和基于模型的反馈，从而实现了多视角的评估。例如，在评估 LLM 生成的文本时，OctoThinker 可以同时考虑文本的语法正确性、语义完整性和逻辑连贯性，从而给出一个更全面的评价。

动态奖励塑造是指根据 LLM 的学习进度和表现，动态地调整奖励函数的参数。在学习初期，可以给予 LLM 更宽松的奖励标准，鼓励其进行探索；随着 LLM 的学习深入，可以逐渐提高奖励标准，引导其朝着更优的目标前进。OctoThinker 采用了基于课程学习（Curriculum Learning）的动态奖励塑造策略，根据任务的难度和 LLM 的掌握程度，逐步增加任务的复杂性，从而有效地提升了学习效率。例如，在训练 LLM 进行数学问题求解时，OctoThinker 可以先从简单的加减法开始，然后逐步过渡到更复杂的乘除法和代数问题，从而让 LLM 能够循序渐进地掌握相关技能。

研究团队在多个复杂的推理任务上对 OctoThinker 进行了实验验证，结果表明，OctoThinker 能够显著提升 Llama 与 RL 的协同效应。在数学问题求解、逻辑推理和代码生成等任务上，OctoThinker 都取得了比传统 RL 算法更好的性能。例如，在 GSM8K 数学问题求解数据集上，OctoThinker 将 Llama 的准确率提升了 15 个百分点。这充分证明了 OctoThinker 的有效性和优越性。

未来展望

OctoThinker 的成功表明，通过巧妙地设计反馈机制和奖励函数，可以有效地解决 LLM 与 RL 结合的兼容性问题，并充分发挥 LLM 的潜力。然而，OctoThinker 仍然存在一些局限性，例如对人工反馈的依赖程度较高、奖励塑造策略的设计需要一定的经验等。这意味着，OctoThinker 仍然有很大的改进空间。

未来，研究团队将继续探索更有效的反馈机制和奖励塑造策略，例如利用无监督学习方法自动生成奖励信号、采用更先进的强化学习算法等。此外，还将研究如何将 OctoThinker 应用于更广泛的 LLM 和任务，例如对话系统、机器人控制等。随着 LLM 和 RL 技术的不断发展，我们有理由相信，未来的 AI 系统将能够更好地理解人类意图、解决复杂问题，并为人类社会带来更大的价值。OctoThinker 的出现，无疑为这一愿景迈出了重要的一步，它为我们展示了 LLM 与 RL 融合的巨大潜力，也为未来的研究方向提供了新的启示。

人工智能的浪潮正席卷全球，其影响之深远、范围之广泛，远远超出了我们的想象。它不仅改变着知识的获取和应用方式，加速了创新进程，更推动着各行各业的产业升级。在这一变革的时代，理解和应用人工智能，不仅仅是提升企业竞争力的关键，更关乎社会进步和人类未来的发展方向。

高等教育领域正积极探索人工智能技术的应用，力求培养学生对人工智能技术效益和局限性的深刻理解，从而做出明智的决策。这种探索并非孤立存在，而是与更广泛的技术变革紧密相连。例如，在建筑设计领域，人工智能辅助设计已成为不可避免的趋势。研究人员正积极探索人工智能在建筑设计中的具体作用，期望通过人工智能的助力，提升设计效率和质量，创造更具创新性的建筑作品。在文化遗产保护领域，研究人员也在探索如何在转型过程中利用人工智能技术，从新的视角审视建筑遗产，并利用人工智能进行遗产的数字化保护和修复。

在技术变革的浪潮中，拥有远见卓识的领导者至关重要。Yildirim Adiguzel正是一位凭借其在人工智能、云基础设施和数字化转型领域超过二十年的丰富经验，为初创企业提供战略指导的领军人物。他深谙如何构建可扩展、人工智能驱动的系统，推动数字化转型，并确保业务目标与技术发展紧密结合。通过战略性的微服务迁移和云原生实践，他帮助企业实现近乎完美的正常运行时间，加速功能交付，并显著降低基础设施成本。Adiguzel的成功案例充分表明，成功的数字化转型需要具备前瞻性的技术领导力，以及将技术与业务战略有效整合的能力。他被誉为“引领商业前沿的十位企业家”之一，这不仅是对他个人能力的肯定，更是对他在变革时代勇于挑战和重新定义游戏规则的领导力的认可。他将变革的挑战转化为自身优势，引领着企业在数字化的道路上不断前行。

人工智能的影响力远不止于此。它正在降低技能门槛，帮助更多人掌握各个领域的知识，打破了语言和时间的限制。这种普及性的知识获取，将带来更高效、更有效的解决问题能力，从而推动全方位的创新。人工智能还在改变创新管理的方式。研究表明，人工智能的应用有望为创新管理带来新的机遇，并重塑组织内部的创新实践。通过对人工智能的深入理解和有效应用，企业可以加速研发进程，降低成本，并提升创新效率。例如，微软Build大会上推出的新人工智能工具和能力，旨在赋能每一位软件开发者，使其能够轻松成为人工智能开发者。人工智能在研发领域的应用，能够加速创新，并推动各行各业的增长。

然而，人工智能的发展也并非一帆风顺。在数据共享和知识产权方面，缺乏明确的协议和平台，限制了创新经济的发展和学术研究的深入开展。为了打破这些瓶颈，我们需要构建更加开放和透明的数据共享机制，并建立完善的知识产权保护体系，鼓励创新，促进合作。此外，人工智能在工作场所的应用也引发了人们对未来就业的担忧。为了应对这些挑战，我们需要制定合理的政策和伦理规范，确保人工智能的开发和应用符合人类的共同利益。世界经济论坛强调，企业必须重新思考工作和人才发展，并优先考虑人工智能的负责任使用，以确保其部署的伦理、公平和安全。

面对人工智能带来的机遇和挑战，我们需要保持开放的心态，积极拥抱新技术，同时也要关注潜在的风险和挑战，共同塑造一个更加美好的未来。通过人类中心化的创新，我们可以引导人工智能的发展方向，使其更好地服务于人类社会，并为未来的发展注入新的动力。Adiguzel的案例再次印证了这一点：拥抱变革，勇于创新，将技术与战略紧密结合，才能在人工智能的时代乘风破浪，引领未来。

面对气候变化和能源需求的双重压力，下一代储能技术正迎来前所未有的发展机遇。印度科学家们在超级电容器的材料研发领域取得了显著进展，他们正以创新性的科研成果，为构建清洁、高效的能源未来贡献力量。这些突破不仅体现了印度在科技创新方面的实力，也为全球能源转型提供了新的思路。

新型电极材料的崛起

传统的超级电容器在能量密度和成本效益上存在瓶颈，印度科研团队正通过开发新型电极材料来克服这些限制。那加兰大学的研究团队取得了一项重要突破，他们开发出一种具有专利且经济高效的先进电极材料生产方法。这种材料被认为是下一代超级电容器的关键组成部分，有望彻底改变能源存储的能力。该团队专注于开发创新且具有成本效益的材料，旨在提升超级电容器的整体性能，使其在能量存储效率和成本控制方面更具竞争力。

同时，科学家们也在积极探索不同的材料组合，以期实现超级电容器性能的最优化。例如，班加罗尔的科学家与阿利加尔穆斯林大学合作，成功研发出一种下一代储能材料，能够显著提升超级电容器的性能。这项突破的核心在于掺杂镧的铌酸银（La-doped silver niobate）材料，它能在不影响功率输出和稳定性的前提下，显著提高超级电容器的性能。研究表明，AgNbO₃纳米颗粒在电化学储能领域具有巨大潜力，而稀土掺杂在其中扮演着至关重要的角色。此外，印度科学家还成功开发出一种低成本的混合超级电容器，其电容保持率表现出色，并采用了他们合成的新型电极材料，为下一代高功率、高能量存储设备的发展奠定了坚实的基础。国际先进粉末冶金和新材料研究中心（ARCI）的科学家也参与到这项研究中，共同推动了技术的进步。这些研究成果表明，通过材料的创新，超级电容器的性能潜力远未被完全挖掘，未来仍有巨大的提升空间。

技术路径的多元探索

除了材料本身的创新之外，研究人员也在积极探索提升超级电容器整体性能的技术路径。印度科学研究院（IISER）与SPEL合作，开发了一种用于石墨烯基超级电容器的本土化石墨烯生产工艺，这将有助于开发用于能量存储的石墨烯基超级电容器。这一举措表明，印度正积极推动关键储能技术的自主可控，力求在超级电容器领域掌握核心竞争力。此外，对镍基LDH材料的研究也为超级电容器的应用提供了新的思路，旨在设计高性能的电极材料。这些研究成果不仅关注材料的性能提升，还强调了成本控制和可持续性。例如，利用水、碳黑和水泥等常见材料构建超级电容器，这与麻省理工学院的相关研究方向类似，展现了利用现有资源进行能源存储的巨大潜力。这种立足于本土资源和成本效益的研发策略，将有助于超级电容器技术的更广泛应用。

超级电容器凭借其快速充放电能力和优异的能量存储能力，正逐渐成为高效可持续能源管理的关键解决方案。随着全球对可再生能源的需求持续增长，超级电容器在能量收集和储存方面的作用日益凸显。印度科学家们的研究成果，例如开发出具有高能量密度、宽电化学窗口、高稳定性和高能量保持率的水性超级电容器，与全球能源存储技术的发展趋势高度契合。这些进展不仅对移动设备、电动汽车等领域具有重要意义，也为构建更智能、更可持续的能源系统奠定了基础。

展望未来，超级电容器技术的发展将继续朝着高性能、低成本、可持续的方向迈进。未来的研究重点将集中在优化材料性能、降低生产成本、提高设备可靠性以及探索新的应用场景，从而充分发挥超级电容器在能源领域的潜力。可以预见，随着技术的不断成熟，超级电容器将在未来的能源格局中扮演越来越重要的角色，为实现清洁能源转型做出更大的贡献。印度科学家在这一领域的持续投入和创新，无疑将为全球能源科技的发展注入新的活力。

人工智能的浪潮席卷全球，预示着一个智能化的新纪元正在加速到来。我们正目睹着人工智能从科幻概念走向现实应用，它不再仅仅是实验室里的研究项目，而是逐渐渗透到我们日常生活的方方面面，深刻改变着我们与世界互动的方式。生成式AI的崛起，更是将这场变革推向了新的高潮，而各大科技巨头的战略布局，则为这一趋势的加速发展注入了强大的动力。

AI智能体：应用商店的下一代入口

在众多AI应用中，AI智能体无疑是最具潜力颠覆现有应用生态的一种形式。它不再是简单的工具，而是具备一定自主性、能够理解用户意图并提供个性化服务的智能助手。近期，小米应用商店与百度文心智能体平台的深度合作，标志着AI智能体与应用市场生态的融合进入了一个新的阶段。双方联手打造行业首个智能体与应用市场跨端分发模式，并上线“AI智能体专区”， 这并非仅仅是增加了一个新的应用分类，而是预示着应用商店正在经历一场深刻的变革，AI智能体或将成为下一代应用商店的重要入口。

具体来说，小米用户现在无需下载单独的APP，即可直接在小米应用商店体验到由百度文心大模型驱动的各类AI智能体服务，享受“即开即用”的便捷体验。用户只需点击小米应用商店APP底部的【智能体】入口，便可浏览并使用各种实用、有趣的AI智能体产品，或者通过搜索功能快速找到所需的服务。这种模式极大地降低了用户体验AI的门槛，加速了AI技术的普及，也为开发者提供了一个更直接触达用户的渠道。例如，用户可以通过AI智能体进行法律咨询、情感交流、健康管理等，满足多样化的需求，真正感受到AI带来的便捷与高效。

技术驱动：百度文心与小米澎湃OS的强强联合

百度文心智能体平台的强大技术实力是这次合作得以实现的关键。该平台已经吸引了超过10万家企业入驻，形成了一个日益繁荣的开发者生态。文心智能体平台不仅提供了强大的模型能力，还具备易开发、能分发和有钱赚的特点，吸引了大量开发者积极参与智能体的开发和创新。例如，文心快码等智能代码助手，基于文心大模型，能够显著提升软件开发效率，释放“十倍”的软件生产力。此外，百度AI市场也为AI产业链提供了全方位的服务，包括算法商城、需求广场等，促进了AI技术的商业化应用。这些技术积累和生态建设为AI智能体的广泛应用奠定了坚实的基础。

而小米方面，凭借其庞大的用户群体和完善的生态系统，为AI智能体的分发提供了广阔的市场空间。尤其值得关注的是，小米澎湃OS的发布，进一步提升了用户体验，支持多设备复杂操作，并具备强大的并发处理能力。这使得AI智能体能够在小米的生态系统中无缝集成，为用户提供更加流畅和智能的服务。小米对AI和算力的长期投入也为其在该领域的发展提供了保障。过去五年超过千亿的研发费用表明了其对AI领域的坚定决心和长远规划。这种软硬件协同的优势，将进一步推动AI智能体在小米生态内的普及和应用。

竞争与合作：AI智能体生态的未来图景

百度与小米的合作并非孤例，其他科技巨头也在积极探索AI智能体的应用，构建自己的AI生态系统。腾讯元宝品牌智能体专区也已正式上线，邀请了多家合作伙伴入驻，覆盖了文娱、旅游、购物等多个领域。这些举措都表明，AI智能体正在成为新的增长点，各家企业都在努力抢占先机。

与此同时，开源社区也在蓬勃发展，为AI技术的创新和共享注入了活力。启智社区等平台为开发者提供了一站式AI服务软硬件环境，降低了开发门槛，促进了AI技术的快速迭代。这种竞争与合作并存的局面，将加速AI智能体技术的成熟和普及，并推动整个行业向前发展。未来的AI智能体生态将更加开放、多元和充满活力，为用户提供更加丰富和个性化的服务。

AI智能体正从概念走向现实，从实验室走向市场，其发展前景令人期待。可以预见，在不久的将来，AI智能体将成为我们生活中不可或缺的一部分，深刻改变我们的交互方式，提升我们的生活品质，并为各行各业带来新的增长机遇。它将不仅仅是一个工具，而是一个真正理解我们、服务于我们的智能伙伴。而百度和小米的合作，无疑为我们揭开了这个未来图景的一角。

量子科技的浪潮正以前所未有的速度席卷全球，它既带来了无限可能，也对现有的安全体系构成了严峻挑战。其中，最令人关注的莫过于量子计算机对传统加密算法的潜在威胁。长久以来，诸如RSA和AES等加密算法构筑了我们数字世界的安全基石，支撑着银行、金融机构、甚至是国家安全系统的信息安全。然而，量子计算的强大算力，如同悬在达摩克利斯之剑，随时可能打破这层脆弱的屏障。

如今，我们正站在一个关键的十字路口。一方面，传统加密体系岌岌可危，另一方面，抗量子计算技术也在蓬勃发展。这场“矛”与“盾”的较量，将深刻影响未来的数字世界格局。尤其值得关注的是，中国科学家正积极探索抗量子攻击的区块链技术，为未来的信息安全提供新的解决方案。

量子威胁下的数据安全困境

近年来，量子计算领域取得了令人瞩目的进展。量子计算机利用量子比特的叠加和纠缠特性，理论上能够以远超传统计算机的速度解决特定问题，其中就包括破解复杂的加密算法。这意味着，曾经被认为牢不可破的RSA和AES等算法，在量子计算机面前可能变得不堪一击。中国科学家在此领域的研究也取得了显著成果，有报道称，他们利用量子计算机成功攻破了广泛使用的加密算法，甚至对军用级别的加密方法进行了攻击，这无疑加剧了人们对数据安全的担忧。

尽管一些专家认为这些攻击的实际威胁被夸大了，但量子计算对现有加密体系的潜在威胁是不容忽视的。一旦量子计算机真正具备破解现有加密算法的能力，那么我们所依赖的数字基础设施将面临前所未有的风险，包括金融交易、国家机密、个人隐私等等，都可能暴露在威胁之下。

中国应对量子威胁的策略

面对量子计算带来的潜在威胁，中国并未坐以待毙，而是积极探索应对方案。一方面，致力于研发抗量子计算技术，构建新的安全屏障；另一方面，也在积极推动量子安全标准的制定，力求在未来的量子安全领域占据领先地位。

一个显著的例子是，中国本土区块链平台ChainMaker宣布其平台已配备了能够抵抗经典和量子计算机攻击的技术。这项技术集成了一种后量子数字签名算法，旨在确保区块链平台的安全。这无疑是一项重要的突破，意味着区块链技术在面对量子威胁时，不再是毫无还手之力。它象征着一种主动防御的姿态，为未来的数据安全提供了新的可能。除了ChainMaker，中国电信量子集团也推出了首个分布式抗量子计算机攻击的密码系统，该系统集成了量子密钥分发（QKD）和后量子密码（PQC）技术。这些举措都表明中国在抗量子计算领域正在进行积极的探索和布局。

此外，中国还启动了一项全球倡议，旨在开发后量子密码算法，与美国主导的加密标准制定工作形成差异化。这一举措展现了中国在量子安全领域的战略眼光和自主创新能力。值得注意的是，中国企业如Origin Quantum也在积极扩大超导量子计算机的生产，尽管受到美国制裁，但其发展势头并未减弱。这说明中国在量子计算领域拥有强大的发展潜力，也为抗量子计算技术的发展提供了坚实的基础。

合作共赢，共筑量子安全未来

量子计算带来的安全挑战是全球性的，没有哪个国家能够单独应对。因此，国际合作至关重要。各国需要加强在量子安全领域的交流与合作，共同推动后量子密码算法的研发和标准化。只有通过共同努力，才能构建一个更加安全可靠的数字未来。尽管中国在量子安全领域取得了一定的进展，但仍面临着诸多挑战。例如，后量子密码算法的标准化需要时间，量子计算的实际威胁程度也存在不确定性。然而，中国积极应对量子威胁的态度和举措，无疑为全球数据安全提供了新的思路和可能性。

随着量子技术的不断发展，我们必须持续关注量子计算带来的挑战，并积极探索应对方案。通过加强国际合作，推动技术创新，我们可以共同构建一个安全、可靠的数字未来，确保量子科技的发展能够为人类带来福祉，而不是威胁。这场量子科技时代的“矛”与“盾”之战，最终将走向何方，让我们拭目以待。

数字转型浪潮下的“以人为本”：大型语言模型与未来科技图景

全球正经历着前所未有的数字转型，各行各业都在积极拥抱新技术，试图通过技术革新来提升效率、优化用户体验并创造新的价值增长点。然而，我们必须时刻牢记，技术进步的最终归宿始终是服务于人类，提升人类的福祉。在这一背景下，一个至关重要的问题浮出水面：如何确保技术发展真正以人为本，而非仅仅沦为冰冷的工具，甚至反噬人类？尤其是在人工智能领域，特别是大型语言模型（LLM）的快速发展，更引发了我们对于“以人为中心”的深刻思考和责任。正如Marco Brambilla在2025年7月DataDrivenInvestor上发表的文章所提出的，LLM能否真正做到以人为本？这是一个值得我们深入探讨的问题。

构筑“人类模型”：理解并模拟人类的复杂性

大型语言模型在文本生成、信息检索和对话交互等领域展现出令人惊叹的潜力。但不可否认的是，当前的LLM往往缺乏对人类复杂性的深刻理解，难以真正实现个性化和富有洞察力的交互。它们在很大程度上依赖于海量数据的训练，缺乏对人类情感、偏好和价值观的真正理解。为了构建真正以人为中心的LLM，我们需要深入研究人类自身的特征，并将其融入到模型的构建过程中。

一个可行的思路是构建“人类模型”，即对特定个体的特征进行精准描述，以此来指导LLM生成更贴合用户需求的交互内容。这种模型可以通过图嵌入等技术实现，将用户的偏好、知识背景、情感状态等信息转化为可供LLM使用的“软提示向量”，从而显著提升交互的精准度和个性化程度。例如，想象一个为老年人设计的健康助手LLM，通过分析用户的健康记录、日常活动和情感状态，它可以提供更个性化的健康建议和心理支持。这远非简单的问答，而是基于对个体深入理解的定制化服务。

这种“人类模型”的构建，并非一蹴而就，需要跨学科的合作，涵盖心理学、社会学、认知科学和人工智能等领域。我们需要更深入地理解人类的思维模式、情感表达和行为习惯，才能将其有效地转化为可供LLM学习和利用的数据。

以人为本的设计：用户体验至上的数字转型

数字转型的成功，不仅仅依赖于先进的技术，更离不开以人为本的设计理念。在物理安全行业，推动数字化转型固然重要，但如何持续发展，才是更具挑战性的问题。正如业界观察到的，企业在技术部署的同时，需要充分考虑用户体验，将用户需求置于核心位置。

这种“以人为中心的设计”理念，同样适用于其他领域，是确保数字转型取得长期成功的关键。例如，在智能家居领域，如果仅仅追求设备的智能化和互联互通，而忽略了用户的使用习惯和安全性需求，那么最终的产品很可能难以获得用户的认可。只有真正理解用户的需求，将技术与人性化设计相结合，才能创造出真正有价值的产品和服务。

在软件工程领域，模型驱动方法论正逐渐成为主流。Marco Brambilla作为该领域的专家，在模型驱动软件工程实践、多体验开发平台等方面进行了深入研究。他提出的交互流建模语言（IFML），旨在通过模型驱动的方式，简化Web和移动应用的UI工程，提升开发效率和用户体验。这种方法论强调对用户交互流程的建模，从而确保最终产品能够满足用户的实际需求。Brambilla的研究成果，也体现了将抽象模型转化为实际应用，最终服务于人的核心思想。通过对用户交互流程的精确建模，开发者可以更好地理解用户的需求，从而设计出更符合用户习惯、更易于使用的应用程序。

技术与人文的交融：艺术探索与未来愿景

技术进步的最终目标是提升人类的福祉，而这离不开对人类情感和未来愿景的深刻思考。在艺术创作领域，涌现出许多探索人类情感和未来愿景的作品。艺术家Marco Brambilla的作品，就以其对流行文化和现有图像的精妙再诠释而闻名。他的作品《乌托邦的逼近》，更是利用AI生成和档案图像，构建了一个未来世界博览会的景象，哲学性地探讨了人类的希望和对乌托邦的向往。通过对过去世界博览会的雄心壮志的挖掘，Brambilla的作品引发了人们对未来社会形态的思考，以及人类在技术发展中的角色定位。这提醒我们，在追求技术进步的同时，也要时刻关注人类的价值和尊严，避免技术发展走向歧途。

值得注意的是，数字转型的实践者，如ShopFully的首席技术官Marco Brambilla，也在积极探索技术与商业的结合。他通过LinkedIn等平台分享专业见解，推动技术创新在实际应用中的落地。而他在Politecnico di Milano的学术研究，则为数字转型提供了理论支撑。这体现了技术人员不仅仅是技术的创造者，更是技术的应用者和思考者，他们的努力将直接影响着技术的未来走向。

此外，将大型语言模型与知识图谱相结合，也是提升模型智能化水平的重要途径。通过知识图谱，LLM可以获取更丰富的背景知识，从而更准确地理解用户意图，并生成更具逻辑性和深度的回复。这种集成方法，不仅可以提升LLM的性能，还可以增强其可解释性，让用户更好地理解模型的决策过程。例如，一个集成了医学知识图谱的LLM，可以更准确地诊断病情，并提供更专业的医疗建议。

构建真正以人为中心的LLM和推动成功的数字转型，需要从多个维度进行努力。这包括深入理解人类的复杂性，构建个性化的用户模型；坚持以人为本的设计理念，将用户需求置于核心位置；采用先进的技术方法，如模型驱动工程和知识图谱集成；以及在艺术创作中探索人类情感和未来愿景。只有将技术与人文关怀相结合，才能真正实现技术的价值，并为人类创造更美好的未来。技术不应是冷冰冰的工具，而应成为连接人与人、促进社会进步的桥梁。

在未来的科技图景中，“科学共识”的概念正面临着前所未有的挑战。长久以来，特别是在气候变化、公共卫生和技术进步等复杂议题上，科学共识被视为衡量科学真理的重要标杆。专家们达成的广泛共识往往被视为“定论”，但这种观念既强大又充满问题。诚然，国际合作和交流促进了类似于“世界国家”的“科学共识”，但仔细审视便会发现，共识并非等同于确定性，也无法免受历史修正的影响。

科学的本质在于质疑、挑战和完善既有知识。将共识等同于不容置疑的真理，会扼杀这一关键过程。历史上有许多被广泛接受的科学理论最终被推翻的例子，比如地心说、物种跃迁，甚至曾经被大多数科学家认可的产褥热理论，最终都被新的证据和创新的思维所否定。这表明，普遍的共识，虽然代表着当前的理解，但并不能保证绝对的正确。曾经持续数千年的关于以太的科学共识被推翻，就是一个突出的例子，它说明了根深蒂固的信念是如何被一个关键性实验彻底改变的。此外，认为共识是通过民主程序——“举手表决”——达成的，与科学方法是根本矛盾的，科学方法优先考虑的是经验证据，而不是大众意见。

对共识的依赖的局限性，还会因外部因素的影响而变得更加复杂。利益、偏见和社会背景都可能影响科学知识的形成和解释。科学并非对意识形态的俘获免疫。对科学共识的定义并非易事。 “科学共识”的武器化，突显了这个概念是如何被政治或意识形态目的所操纵的，比如加利福尼亚州禁止医疗专业人员分享被认为是“错误信息”的信息的法律。此外，与主流观点保持一致的压力可能会抑制不同的声音，从而阻碍对替代假设的探索。在与那些拒绝既定共识的人打交道时，有效的科学传播需要诉诸情感和逻辑。在驾驭科学知识的这些社会维度方面存在内在的困难。许多科学哲学家认为，追求“价值中立的科学”是站不住脚的。

展望未来，我们可以预见到以下几个颠覆性技术趋势，它们将进一步削弱“科学共识”的地位，并重塑我们理解和获取知识的方式：

总而言之，虽然科学共识代表了在特定时间点上的最佳理解，但它应该被视为一种动态的和暂定的状态，而不是真理的最终宣告。重点应该始终放在基础证据、方法的严谨性以及对修正的开放性上。科学在挑战中蓬勃发展，而不是在一致性中。专家们应该专注于“趋同”——支持性证据的积累——而不是简单地声称共识。研究表明，爱尔兰人对科学的期望正在发生变化，这突显了需要透明地沟通科学过程固有的不确定性和复杂性。追求真理至关重要，而最好的追求方式是培养一种批判性探究、智力谦逊以及愿意接受新证据的文化，即使这些证据挑战了既定的信念。媒体有责任避免通过不提出难题而制造危险的共识，而是准确地反映科学发现的持续过程。

人工智能（AI）领域正经历着前所未有的发展浪潮，各种创新应用层出不穷，深刻地改变着我们获取信息、工作和生活的方式。在这一变革中，AI搜索作为一种新兴的信息获取方式，正逐渐受到用户的青睐。而近期，AI搜索领域的一颗新星——Perplexity AI，宣布推出名为“Perplexity Max”的全新订阅服务，定价高达每月200美元，无疑在行业内掀起了一阵波澜。这一举动不仅标志着AI服务定价策略的进一步升级，更引发了人们对AI工具价值和用户付费意愿的深入思考。

AI服务订阅模式的兴起

Perplexity AI并非孤例，事实上，提供高级AI服务并收取高额订阅费已经成为一种趋势。OpenAI的ChatGPT Pro同样以每月200美元的价格提供高级服务，Anthropic也推出了Claude Max订阅计划，月费同样可以达到200美元。这种现象反映出AI服务提供商正在积极探索更加精细化、专业化的服务模式，希望通过差异化的功能和优质的用户体验来满足不同用户的需求，最终实现商业价值的最大化。这种分级订阅模式允许用户根据自身的需求和预算选择合适的服务等级，为AI服务的普及和发展奠定了基础。

Perplexity AI的独特优势

Perplexity AI的崛起并非偶然，其核心在于其独特的对话式搜索体验。与传统的搜索引擎不同，Perplexity AI采用了AI聊天机器人的形式，能够更加自然地理解用户的问题。它不仅会理解问题本身，还会自动检索和整理来自多个权威网站的信息，然后以简洁明了的答案呈现给用户，并且会附上可靠的资料来源，从而极大地增强了搜索的透明度和可信度。这种对话式搜索体验，极大地提升了用户获取信息的效率和质量，让用户无需在海量的信息中筛选，就能快速找到所需答案。

除了对话式搜索体验，Perplexity AI还提供了强大的功能支持。其免费版本已经具备强大的搜索能力，而Pro版本则更进一步，提供了对更先进AI模型的访问权限，例如GPT-4、Claude 3.5以及Perplexity自身的大型语言模型。Pro用户还可以享受无广告体验、更高的优先级响应，以及多步骤推理、文件图像分析、图像生成等高级功能。而最新的Max订阅则将重点放在了对“实验室”功能的无限使用上，用户可以无限制地利用其电子表格、网络应用程序和演示工具，并抢先体验即将推出的Comet AI浏览器。这些强大的功能，使得Perplexity AI能够满足不同用户的需求，无论是普通用户还是专业人士，都能从中受益。

AI服务背后的算力支持

值得注意的是，Perplexity AI的背后有英伟达的投资，这为其技术研发和商业化提供了强大的支持。英伟达在AI芯片领域的领先地位，为Perplexity AI提供了强大的算力保障，使其能够运行更复杂的AI模型，提供更流畅的用户体验。强大的算力是AI服务的基础，只有拥有足够的算力，才能支持AI模型的训练和推理，从而提供高质量的AI服务。英伟达的投资，无疑为Perplexity AI的未来发展注入了强劲的动力。

AI服务订阅的未来趋势

除了Perplexity AI，其他AI服务提供商也在积极推出高级订阅服务。OpenAI的ChatGPT Pro除了提供更快的响应速度和优先访问新功能外，还允许用户使用GPT-4模型，这对于需要高质量文本生成和复杂问题解决的用户来说，具有很大的吸引力。微软也在其Microsoft 365 Copilot中引入了AI功能，并以订阅的方式提供给用户。这些举动都表明，AI正在逐渐渗透到各个领域，并成为人们工作和生活的重要工具。

展望未来，随着AI技术的不断发展，我们可以预见，AI服务将变得更加个性化、智能化和专业化，订阅模式也将更加多样化，以满足不同用户的需求。例如，针对特定行业或特定用户的定制化AI服务，可能会以更高的价格提供。同时，AI服务的定价策略也将更加灵活，根据功能、算力、数据量等因素进行调整，以实现商业价值的最大化。AI服务提供商将不断探索新的商业模式，以满足用户不断变化的需求，并推动AI技术的进一步发展。

总而言之，Perplexity AI推出每月200美元的“Max”订阅服务，不仅反映了AI服务定价策略的升级，也预示着AI服务订阅模式的未来发展方向。随着AI技术的不断进步和用户需求的日益增长，我们可以期待，更加个性化、智能化和专业化的AI服务将会不断涌现，为我们的工作和生活带来更多的便利和惊喜。而AI服务提供商也将不断探索新的商业模式，以实现商业价值的最大化，并推动AI技术的进一步发展。

在医疗科技领域，宫颈癌的早期检测一直是研究的重点。传统的巴氏涂片检查虽然普及，但存在一定的假阴性率，导致漏诊。而活组织检查作为确诊的金标准，却又具有侵入性，患者接受度较低。因此，一种快速、无痛、准确的宫颈癌筛查技术具有广阔的市场前景。Guided Therapeutics 公司正是瞄准了这一需求，开发了 LuViva 先进宫颈扫描系统。

LuViva 系统的核心在于其专利生物光子技术。这种技术通过分析子宫颈组织对特定波长光线的反射和吸收情况，来判断是否存在癌变迹象。与传统的检测方法相比，LuViva 具有快速、无痛的特点，且检测结果实时呈现，医生可以即时做出判断。这种技术的优势使其在宫颈癌筛查领域具有颠覆性的潜力。

中国作为全球第二大医疗器械市场，拥有庞大的适龄女性群体，宫颈癌筛查需求巨大。因此，Guided Therapeutics 将中国市场视为其战略布局的重点。公司通过与中国本土企业合作，积极推进 LuViva 系统在中国的注册审批和商业化进程。

深耕中国市场：战略合作与市场拓展

Guided Therapeutics 与杭州东业医疗科技有限公司（HDMT）的合作，标志着其在中国市场拓展方面迈出了重要一步。首批设备和一次性组件的交付，以及 HDMT 价值 70 万美元的 35 台 LuViva 系统采购订单，都显示出 HDMT 对该技术的信心和市场潜力。更值得注意的是，Guided Therapeutics 并没有选择单打独斗，而是选择了与山东药业医疗器械有限公司（SMI）合作。SMI 负责设备的组装和测试，充分利用了其在当地的制造和质量控制优势。这种合作模式可以有效降低生产成本，提高生产效率，并确保产品质量符合中国市场的标准。 HDMT 位于杭州，有利于 LuViva 系统在这一重要的经济和医疗中心进行推广和分销。杭州作为一个经济发达的城市，拥有较高的医疗水平和消费能力，对 LuViva 系统来说是一个理想的切入点。

本土化研发与注册审批：赢得市场准入的关键

除了与 HDMT 合作外，Guided Therapeutics 还获得了来自 SMI 本身的 253.8 万美元采购订单，这进一步证明了其长期合作伙伴对 LuViva 技术的信心。更为关键的是，Guided Therapeutics 正在积极寻求中国国家药品监督管理局（NMPA）的批准。一项涉及 150 名患者的临床试验已经完成，所有四个临床试验点的数据都获得了积极评价，超出预期。SMI 已正式向 NMPA 提交了 LuViva 的上市销售申请，这是实现全面商业化的关键一步。为了加速注册审批的进程，可能需要进一步的临床试验和数据分析，以满足 NMPA 的严格要求。同时，与 NMPA 保持良好的沟通，及时了解最新的政策法规，也是至关重要的。

全球战略布局：融资与技术创新双轮驱动

虽然中国市场是 Guided Therapeutics 的重点，但该公司并没有忽视其他国际市场。来自印度尼西亚的订单表明其正在积极拓展全球业务。为了支持其国际扩张和重启美国 FDA 的审批程序，Guided Therapeutics 最近通过可转换债券和投资筹集了 240 万美元的资金。这些资金将用于支付临床试验、市场推广和生产扩张等费用。 Guided Therapeutics 对技术创新的承诺也值得关注。LuViva 系统在美国仍处于研究阶段，仅限于研究使用，这表明该公司正在不断改进和完善其技术，以期获得 FDA 的批准。未来的技术创新方向可能包括提高检测灵敏度和特异性，开发新的应用场景，以及与其他诊断技术的整合。

宫颈癌的防治是一个全球性的挑战。 LuViva 系统作为一种快速、无痛的宫颈癌筛查技术，具有广阔的应用前景。通过与中国本土企业合作，积极推进注册审批和商业化进程，Guided Therapeutics 有望在中国市场取得成功。同时，该公司也在积极拓展其他国际市场，并不断进行技术创新，以巩固其在宫颈癌筛查领域的领先地位。然而，面对竞争激烈的医疗器械市场，Guided Therapeutics 仍需不断努力，才能最终赢得市场的认可和患者的信赖。