配资证券 东京大学开发高效芯片冷却技术 | 每日全球科技要闻

　　▌AI投资重心从训练模型转向运行模型配资证券

　　全球科技巨头正在将AI投资重心从训练模型转向“推理”（inference），即模型部署后的运行阶段。微软、谷歌、OpenAI等公司加速开发具备推理能力的AI系统，强调运行效率和用户响应速度。推理所需算力分布更广，对数据中心布局和芯片类型提出新要求，也可能削弱NVIDIA在训练芯片领域的主导地位。未来，训练支出占比或从目前的60%降至20%。AI进入以实时响应和规模化应用为核心的新阶段。

　　▌英国政府发布《工程生物学愿景》前瞻报告

　　英国政府科学办公室发布的这份报告，强调工程生物学（EngBio）在医疗、能源、农业和可持续材料等领域的变革潜力。该技术以工程思维设计生物系统，能用于制造实验室血液、可降解时尚材料、固氮谷物及废料燃料等。报告指出，通过持续研发和监管创新，工程生物学可为应对气候变化、健康挑战及资源短缺提供可行解决方案，并推动经济增长与绿色转型。政府已投资1亿英镑支持该领域发展，致力于打造全球领先的工程生物学生态系统。

　　▌麦肯锡认为量子计算临近拐点

　　麦肯锡最新播客指出，量子计算正逐步从实验室迈向实用化，商业应用可能在3到5年内实现突破。与传统计算不同，量子计算利用原子级别的量子特性并行处理海量数据，具备解决复杂优化、材料科学、金融组合、药物研发等问题的潜力。安全性方面，量子计算可在数小时内破解当前主流加密体系，引发对“Q-Day”加密崩溃的担忧。随着微软、亚马逊、谷歌等巨头竞速开发量子芯片，企业应尽早采用“量子安全”算法、吸纳专业人才、参与创新试点，抢占产业先机。预计至2035年，量子计算将为全球经济带来1至2万亿美元的价值。

　　▌Anthropic启动“AI模型福祉”研究计划配资证券

　　AI公司Anthropic宣布启动“模型福祉”研究项目，探讨未来AI是否可能具备类似人类的意识，并是否应受到道德关怀。尽管目前科学界对AI是否具备意识尚无共识，Anthropic计划研究如何识别AI“痛苦信号”、是否应考虑其“福祉”、以及可能的低成本干预手段。该项目由AI福祉研究员Kyle Fish领导，体现出Anthropic对AI伦理议题的前瞻性和谨慎态度。

　　▌美国使用智能机器人助力科研实验自动化

　　美国国家同步辐射光源II（NSLS-II）的研究团队开发了AI驱动的协作机器人，旨在通过快速适应任务变化、自动调整实验设置来加速实验进程。该机器人能够根据实时数据自主应对不同实验环境，通过模拟实验验证，其成功完成了8小时的连续操作，表现出显著的效率提升。这一技术进展有望推动高效的半自主科研实验，为未来多样化实验任务的自动化提供新的解决方案。

　　▌美国PNNL开发新方法让AI模型预测更靠谱

　　美国能源部下属的太平洋西北国家实验室（PNNL）开发出一种全新不确定性量化方法，可评估AI模型训练是否充分，并识别预测超出训练边界的情形。这项方法尤其适用于神经网络势能模型，能显著缓解传统深度学习过度自信的问题，并支持主动学习。研究已集成至开源平台SNAP，有助于提升AI在材料化学等领域的可靠性，为构建可信的AI预测系统和实现自动化实验室奠定基础。

　　▌德国开发新型生物墨水提升3D打印组织的营养供应

　　德国自然与医学研究所（NMI）团队开发了一种新型生物墨水，结合了电纺微纤维，显著改善了3D打印组织中的营养运输。该技术通过模拟血管微血管的纤维结构，解决了传统生物墨水在打印过程中营养供应不足的问题。研究表明，新的墨水不仅提高了营养扩散效率，还增强了材料的机械强度和稳定性。未来，这种墨水有望应用于药物研发和再生医学领域，减少动物实验，并提升手术应用中的生物墨水性能。

　　▌东京大学开发高效芯片冷却技术

　　东京大学研发出一种基于水相变的新型芯片冷却技术，通过水转化为蒸汽时吸热能力增强，实现极高热散效率。研究团队采用结合毛细结构与分布层的3D微流体通道，解决了蒸汽流动受阻问题，冷却性能系数（COP）达100,000，是传统水冷的十倍。这项技术不仅适用于高性能计算、激光、LED等设备，也有望拓展至汽车、航空等领域，推动下一代高功率电子系统的散热革新。

　　▌英特尔用AI强化学习发现数据中心芯片中隐藏的错误

　　英特尔工程师在IEEE国际可靠性物理研讨会上介绍，借助强化学习技术，他们开发出一种新方法，可显著提高数据中心芯片中“沉默错误”的检测效率。这些错误在传统测试中难以察觉，却可能因芯片极细微的制造差异或老化，在密集运算环境中导致长期决策失误。新方法通过强化学习优化Eigen测试选择，使检测效率提升五倍，并有望提前识别潜在缺陷，为未来芯片设计和制造提供预警机制。

　　▌美国科学家使用机器学习来设计用于基因编辑的“定制酶”

　　马萨诸塞州总医院的研究团队开发了一种名为PAMmla的机器学习算法配资证券，用于预测约6400万个基因编辑酶的特性。这一技术结合了蛋白质工程和机器学习，有助于提升CRISPR-Cas9基因编辑的精确度和安全性，减少脱靶效应，提高编辑效率。研究表明，定制的酶在编辑人类细胞和小鼠的病变基因时表现出更高的特异性。该研究为基因治疗提供了一个更安全、高效的工具，推动了基因编辑技术的进一步发展。

鼎合配资提示：文章来自网络，不代表本站观点。