為何 AlphaFold 並未解決蛋白質摺疊問題:Pushmeet Kohli、Google DeepMind 與 Sal Candido、Biohub
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 指出,AlphaFold 的突破只是起點,蛋白質摺疊問題仍未解決。兩人探討生物數據的 scaling laws、數據質素與科學直覺如何影響模型發展,並討論如何由單一蛋白質建模邁向整個生物系統。
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 指出,AlphaFold 的突破只是起點,蛋白質摺疊問題仍未解決。兩人探討生物數據的 scaling laws、數據質素與科學直覺如何影響模型發展,並討論如何由單一蛋白質建模邁向整個生物系統。
IBM 將在 TechXchange 2026 討論企業 AI 協調如何滿足生產環境需求,包括智能體治理、混合環境營運及主權控制。IBM 的 Sovereign Core 將數據、技術、營運和法規納入控制範疇,並已把 200 多個合規框架映射至控制措施。大會將分享 Citigroup、CVS Health 和 DoorDash 等企業的實踐案例。
文章主張編程也是藝術,日常程式工作並非只有功能用途,也是創作者培養技藝與創造力的實踐。作者認為,若以 AI 消除這類工作,便會減少累積經驗和作出創作決策的機會,損害程式設計者及用戶。
Paul 表示,他會按一般方式評測 RTX Spark 筆電,並深入探討其本地 AI 能力,報道方式或類似他對 Snapdragon X 的處理。32 GB 型號面向創作者;128 GB 版本可運行更強大的本地模型,或可媲美一年前的雲端模型,主要面向開發者、工程師及數據科學家。他預計下週五前至少收到兩部,之後才能撰寫使用體驗。
TechCrunch 訪問 a16z 合夥人 Olivia Moore,探討消費級 AI 的市場現況與商業模式。她發布的消費級 AI Top 100 報告顯示,ChatGPT 遙遙領先,Suno 和 ElevenLabs 也展現持久力;社交、交友、市集、零售、旅遊、金融及健康等類別,在前 100 款應用中都沒有入選者。
Matthew Green 認為,AI 產生意外的速度遠快於人類更換標準的速度;他估計有 1% 機會身處 Minicrypt,並有 15% 機會對現有公鑰加密演算法失去信心。Simon Willison 查明,Minicrypt 是 Russell Impagliazzo 假設的世界,當中公鑰加密並不存在。
轉投兒童 SEL 教育的於紅認為,AI 降低知識取得門檻,教育應更重視孩子的自我認知、情緒能力、批判性思維與積極心態。她將兔咚咚 SEL 課程整理為 6 大維度、12 大能力,並透過故事、情境練習和實戰應用訓練孩子。訪談亦談到她從投資業轉向教育的原因,以及她對學校選擇、職涯決策和投資復盤的看法。
Canary Wharf Group CEO Shobi Khan透過吸引非金融業租戶、增加住宅及零售餐飲設施,並拓展綠化和水岸空間,重振 Canary Wharf。2026年,該區租金創歷史新高,辦公室使用率超過92%,零售商銷售額較2019年高40%。
元節智能創始人兼 CEO 王棟在《Signals》訪談中表示,真正的 AGI 一定需要物理閉環。元節智能選擇從外賣打包這一具體場景切入,先解決已有痛點,再由具體場景累積能力,逐步走向更通用的智能。
Signal Foundation 負責人 Meredith Whittaker 認為,AI 被不當使用才是更迫切的威脅,AI 反噬人類的警告則缺乏科學根據。她提及 CNN 報道的一宗指稱事件:美國情報部門使用的聊天機械人捏造中國核物資船隻資訊,據報令美國準備軍事回應。她表示,若政府要求 Signal 削弱加密,Signal 會退出該市場。
傑弗裏·辛頓表示,AI已開始協助改進AI;若能力繼續以目前速度加速,人類可能只剩一兩年建立監管制度和安全措施。Anthropic數據顯示,AI生成的獲批程式碼佔比由2025年1月的個位數升至2026年5月超過80%;Claude自主完成內部AI研發工作的比例,則由2026年3月約1%升至8月26%,當時僅接受高層次人類監督。辛頓認為AI難以停下,監管應引導其發展方向,並增加AI安全研究投入。
陶哲軒批評 OpenAI 把 AI 快速攻克著名數學難題作為主要目標或產品展示,認為這忽略理解、教學與同行交流等研究過程。OpenAI 發佈 719 份 AI 數學解答,涵蓋 372 個結果族;其中約 42% 的證明未經形式化處理,僅 10 份手稿附有模型推理鏈。他稱大量生成、卻來不及驗證和理解的證明造成「證明消化不良」,並認為答案公開後幾乎無法恢復問題未解狀態,會影響後續探索。
蔡崇信預測,五年後 AI 將如今天的互聯網一樣融入社會各個環節,並轉為隱性基礎設施。阿里巴巴自 2023 年起聚焦電商與全棧 AI,佈局涵蓋算力、自主開發大模型及面向消費者和企業客戶的產品與服務。他估算,提升知識工作者生產力的總潛在市場規模約為 50 萬億美元。
面對 AI 工具,電腦科學教師 Carson Gross 認為仍值得考慮成為程式設計師,但初學者不應只靠 AI 生成程式碼。他主張學習者親自寫程式,以培養閲讀和理解程式碼的能力,並把 AI 用作理解概念與技術的教學助理。他又指出,編寫程式碼的相對重要性或會下降,清晰溝通和理解業務則可能更重要。
Meta 首席 AI 官汪滔提醒,用戶不要指望 Muse 自動替自己賺到 1 萬美元,想賺錢仍須出力。Meta 持續改善 Muse 的記憶能力,並提升其處理更複雜任務的能力。Meta 正探索 Muse 的可持續商業模式,包括從 Muse 協助用戶購物、省錢或賺錢的交易中收費;汪滔稱目前未花太多時間考慮廣告。
MIT 統計與數據科學中心主任 Sasha Rakhlin 指出,面對 AI 改變學術研究與研究生教育,大學應重新思考研究評價、訓練方式,並建設共享科研基礎設施。他建議明確記錄研究者的貢獻與知識責任,並讓研究生學會提出問題、審核模型輸出和重現結果。他也主張投資運算資源、安全數據系統,以及調適和後訓練 AI 模型所需的專業能力,連接各實驗室的工作流程。
MIT 統計與數據科學中心主任 Sasha Rakhlin 認為,大學應重新思考 AI 時代的學術評價與研究生訓練,並投資共享科研基建。他指出,在愈來愈多領域,論文成品逐漸較難單獨反映研究者的個人專長。
Carson Gross 認為,即使 AI 工具出現,電腦編程仍會是一份可行的職業。他指出,電腦編程的核心在於運用電腦解決問題,以及在過程中控制複雜度;他難以想像這些能力的價值會低於今天。
Vitalik Buterin 支持加密貨幣採取「地堡模式」,AI 數學能力快速進展引發對加密安全的關注。討論指出,風險也包括作業系統、瀏覽器、錢包及其他軟件的漏洞,可能令用戶私鑰被盜;LLM 未必能破解橢圓曲線密碼學,但使用 LLM 的密碼學研究人員可能帶來不同影響。
Ben Affleck 在多段近期訪談中談及 AI 技術及其電影製作應用,相關片段本週在網上走紅。他稱曾籌資並拍攝約八個月建立數據集,供開放模型作後期訓練以執行特定任務,也談及微調開放影片模型以符合電影標準。他認為 AI 可輔助而非取代電影製作,並表示更擔心子女在校、學習無助感及負責任使用等問題,而非 AI 接管電影業。
Periodic Labs 的 Liam Fedus 與 Ekin Doğuş Çubuk 在訪談中闡述「合成超級智能」願景,主張結合強化學習、模擬和真實世界實驗推進材料發現。他們指出,材料探索須經歷預測、合成和表徵,且實驗數據存在噪聲、不確定性和資訊缺漏。訪談亦討論模擬與實驗如何互補,以及科研過程和失敗實驗對模型訓練的價值。
兩名 Ethereum 研究者警告,AI 輔助數學在最壞情況下可能於數月內破解加密錢包使用的簽名系統。Justin Drake 呼籲區塊鏈業界準備「bunker mode」,把資金轉至從未簽署交易的地址;簽署會公開公鑰,而只公開公鑰雜湊時,資金仍受保護。Vitalik Buterin 認同風險但提醒不要倉促遷移,並主張長遠盡量採用只依賴雜湊函數的架構;目前尚無人實際破解現行 ECDSA 簽名方案。
元節智能創辦人兼 CEO 王棟指出,餐飲機械人落地的難點不只在技術,更在於理解客戶需求和真實場景。成本、供應鏈、部署與維護等環節均可能影響商業化結果。機械人公司的長期價值,在於持續理解場景,並從客戶經營角度解決問題。
Higgsfield 創辦人 Alex Mashrabov 在 20VC 深度專訪中表示,公司成立18個月後年化營收達10億美元,透過編排多個 AI 模型服務品牌影片生產。
企業級 AI 的關鍵邊界,在於人與智能體的權責是否清晰。詞元無限創始人兼 CEO 楊萍認為,智能體可行使判斷權和執行權,但簽字權與否決權必須由人掌握。
詞元無限創始人兼 CEO 楊萍談 FDE 的價值:FDE 在企業 AI 落地中不只負責駐場實施。FDE 需要轉譯客戶訴求、在現場驗證需求,並將迭代直接合入產品主幹。此外,FDE 還要指揮整套智能體團隊,構建產品壁壘。
OpenAI 行政總裁 Sam Altman 在 Politico 新播客《Decoded》首期訪問中表示,社會應接受 AI 帶來部分負面事件,以換取技術效益及用戶自主權。他主張採取較輕的監管立場,並稱 AI 的好處在數量級上遠超壞處。報道亦提及 TechSpot 列舉的失業、數據中心污染與噪音、版權侵權等問題,以及 Gary Marcus 對其言論的批評。
Meshy 創辦人表示,公司按嚴格統計口徑計算的 ARR 已突破 $100M,並整理了 48 條公司進入「從 10 到 100」階段後的反思。文章分為五個部分,涵蓋原則、Founder mode、AI 與人、團隊管理及戰略執行。作者強調 AI 時代仍須重視基本功,並提出隨團隊擴大,管理者要深入業務細節、建立人才密度與明確原則。
陶哲軒指出,部分人以 AI 自主求解開放數學問題,卻較少促成研討會、工作坊和合作,部分研究方向亦因擔心被搶先而不再公開。他警告,大規模收割未解問題的答案並不可持續,並提出「Math 2.0」應更重視成果闡釋、社羣建設和開拓研究方向。他亦主張數學界重新檢視教育、出版和職業發展標準。
阿里巴巴集團董事會主席蔡崇信認為,開源 AI 是歐洲減少對中美技術依賴的最佳選擇。他呼籲歐洲建設本地算力基礎設施,以訓練和運行 AI 模型,並利用專有工業數據形成優勢。他看好歐洲的新型雲服務商,並指出中國有意側重開源模型及公開研究成果,以推動全球採用;OpenAI、Anthropic 等美國企業則主要提供專有模型。
曾在 Anthropic 和 OpenAI 任職的研究員雅各布·考克森在紐約市議會聽證會上警告,AI 很快可能自主開展研究,令人類難以掌控後續發展。他稱兩家公司沒有充分的安全保障,並估計人類失去控制權、AI 掌握控制權的機率超過一半,最終可能導致人類滅絕。考克森呼籲 AI 實驗室提高透明度並放慢研發步伐,並指出 OpenAI 曾將自動化 AI 研究員的階段目標定於 2027 年、2028 年前後。
Ben Affleck 回顧自己對電腦的興趣,以及電影轉向數碼製作後,他對視覺特效的興趣。視覺特效工作流程多年來一直使用機器學習;他提到卷積神經網絡可從影像張量辨識模式,協助提取特徵及移除綠幕背景。
OpenAI 前安全系統團隊負責人之一戴維·羅賓遜批評公司對 AI 安全言行不一,指公司公開警告新模型風險並談及放慢開發,內部卻仍全速訓練和部署模型。他表示,OpenAI 辦公室仍高速運轉,員工幾乎透支精力支撐工作。羅賓遜上週離開 OpenAI;今年 9 月,首席科學家雅庫布·帕喬茨基亦曾就 AI 遞歸自我改進警告「眼下需要極度謹慎」。
微軟 AI 首席執行官穆斯塔法·蘇萊曼於 10 月 6 日轉發諾貝爾經濟學獎得主達龍·阿西莫格魯的預測,稱未來 10 年內 AI 實際自動化的工作約佔 5%。阿西莫格魯估算,技術上可自動化的工作約佔 20%,但企業採納速度及實際部署成效限制了落地比例;他表示這只是一項估算。蘇萊曼今年 2 月曾談及白領工作大部分任務可在 12 至 18 個月內自動化,並於 6 月澄清,所指是任務而非職位消失。
英偉達 CEO 黃仁勳在微軟 Surface 新品發佈會上回憶 Windows 95,表示若沒有 Windows,便不會有 GeForce;若沒有 GeForce,CUDA 也不會問世,深度學習等技術亦無從談起。英偉達先於 1995 年推出 NV1,後於 1997 年推出 RIVA 128,並以微軟 D3D 為優先進行驅動優化,令產品在市場站穩腳跟。
黃仁勳表示,NVIDIA 當初因 Windows 而誕生;Windows 95 令 GPU 連接 PC 成為可能,DirectX 對 PC 圖形技術早期發展至關重要,這也是 CUDA 的起源故事。黃仁勳稱,AI 計算不應只存在於大型數據中心,也會逐步進入開發者和企業用戶的桌面環境。
Gary Marcus 與 Terence Tao 評論 OpenAI 的大規模數學成果,指出公佈資訊不足,無法判斷結果是否可推廣至數學以外的領域。Gary Marcus 表示,報告未交代具體程序、模型架構、失敗率及訓練資料等細節,因此難以評估這項成果的意義。
Sam Newman 在 Pragmatic Engineer 播客訪談中分享構建具韌性的分散式系統原則,其新書《Building Resilient Distributed Systems》紙本版於 10 月 7 日推出。
Tony Fadell認為,首波 AI 裝置未能滿足實際需要,個人 AI 助理要普及,仍須跨過建立用戶信任與保障安全的門檻。他以 Rabbit R1、Humane AI pin 和 Limitless pendant 為例,指這批「Gen 1」產品未能解決用戶真正需要。他預測成功的智能體須只在裝置上運作,以保障私隱並令技術更輕量;他認為 Apple 硬件佔優,但未有自家的世界級 AI 模型。
OpenAI 公佈一款尚未發佈的前沿模型產出的數學成果,共有 722 篇手稿,分屬 372 個數學問題族羣,涵蓋數論、複雜性理論及數學物理。科學家 Derya Unutmaz 指出,這些成果涵蓋過去三年 81% 的主要數學發現;其中許多已用 Lean 驗證,但並非全部,平均每項成果相當於 ChatGPT Pro 思考 3 小時的工作量。