与「研究員」相关的搜索结果

今天在纽约见了做神经医学的朋友，目前正在做脑机接口。她竟然说，在学术界看来，马斯克的 Neuralink 是落后的技术。 生物看不上他用新闻稿做科学的姿态，Neuralink 属于“工程领先、科学取巧”。 从 DC 开了三个小时车过来，我原以为是叙旧，没想到聊了一下午的脑机接口、AI和存储焦虑。 她们拿融资之后能够自己设计芯片，去欧洲代工厂订做 22 纳米的版本。22 纳米是低功耗模拟芯片的黄金节点，能在 0.5V 下工作，特别适合做植入式神经记录。 目前在研究减肥针是怎么作用于大脑的。现在没人知道不同的减肥针药物，如何影响大脑抑制食欲，下丘脑和大脑的奖赏回路(多巴胺通路)具体是怎样的。于是她们在老鼠脑袋上开洞、接入芯片，需要实时测量神经信号的变化。 因为数据量大到离谱，频率非常高，所以她们需要 10000 个 TB，也就是 10 个 PB 的存储。 我第一次听到存储用PB这个单位！ 神经信号要以 3 万赫兹的频率采样(每个电极每秒测 3 万次)，才能捕捉到只持续 1 毫秒的神经脉冲。每个数据点才 2 字节,但你乘上几百个电极、再乘上 24 小时不停，一个探针一小时就是 80GB。 她说一块 1PB 的企业级磁盘比她一个月工资还贵，长期维护的 PB 级存储，五年下来要百万美金。研究室没那么多经费，只能每次买 1 个 PB，精打细算地用。 给个尺度感，哈佛和 Google 把1 立方毫米的人脑做到全分辨率，就是 1.4 个 PB。一整个老鼠脑，估计要一个 EB(1000 个 PB)。倒不是因为单次数据大，是频率太高。 而且，存储焦虑也不是生物医学独有的。 天文学界，SKA 射电望远镜一年要存 700 个 PB。CERN 的对撞机已经在用 EB 级别处理数据。存储，决定着前沿科学的天花板。 数据一大，通信传输会影响效率。所以我们聊到了光通信。 芯片连接材料最早用铝，1997 年 IBM 把它换成铜(电阻低 40%)，现在又在从铜换成光。这正好和黄仁勋在 GTC 上讲的呼应，2025 年 3 月,英伟达发布了硅光子 + 共封装光学(CPO)的交换机,为了把 AI 数据中心扩展到百万卡级别。 为什么铜必须让位给光呢？ 因为速度越快,铜能传的距离就越短(高频下铜的趋肤效应和损耗急剧上升)。到了 1.6Tb/s,一根铜线连一个机柜的高度都跨不过去。所以信号只能变成激光。 除了存储，实验室动物成本也是很高的。 一只实验室猴子,买进来要 3.5 万到 5 万美金，算上多年的特殊饲养、手术、兽医和机构管理费,一只猴子全周期下来轻松超过 10 万美金。一只老鼠 80 美金，买的是它基因纯度。 我问：为什么用老鼠和猴子,不用兔子？她说，老鼠有一整套基因工具箱(2.4 万种现成品系、基因敲除、光遗传学)，猴子是因为大脑结构最接近人类。兔子智商中等两头都不沾,所以不用。 现在很多 AI 公司在挖她们这种做脑医学研究的人，原因有两个。 第一层是效率。人脑是地球上最省电的计算机。大脑做着视觉、语言、运动、推理,全部并行,只耗 20 瓦，大概一个暗灯泡。而一块高端 AI 芯片就要 300–700 瓦,训练大模型动辄几兆瓦、几吉瓦。 差别在于，计算机底层是二进制(0/1),晶体管在 GHz 频率上疯狂开关。而大脑是模拟的、稀疏放电的,神经元只在需要时才点亮、才耗能。AI 公司想偷师这种效率。所以，现在AI 公司最抢手的岗位是神经科学家。 第二层更微妙：我们其实根本看不懂大脑是怎么运作的，而 AI 现在面临一模一样的处境。 Anthropic 发现，AI 在回答你的时候,其实在内部想了一套自己的东西,而它说出来的理由，未必诚实。 举个例子：研究员偷偷给 Claude 塞一个错误答案当「提示」,它会顺着这个答案编出一套像模像样的推导, 只有 25% 到 39% 的概率承认自己用了提示。 Anthropic CEO 说，当 AI 总结一份文件时,“我们并不知道,在具体而精确的层面上,它为什么做出这些选择。”AI 的思想是个黑盒子。他们的目标是给 AI 做一台”核磁共振”,到 2027 年，希望能看懂里面在发生什么。 最后又聊到做手术。 由于大脑本身是没有痛觉的，所以人可以清醒着被开颅。老鼠被开颅、植入芯片、再缝合,可以继续正常活几个月。她笑着说可以帮我开脑，但希望我永远用不上。 聊完一整个下午，我最大的感受是： 目前我们对人脑、对 AI,其实都了解得太少了。 但也正因为如此，我越来越觉得，我们活在最好的时代。 真正的无人驾驶已经在路上跑、量子计算在飞速进步、人类在认真筹备第一次登上火星、脑机接口真的开始读懂大脑…… 我今天在纽约街头连着撞见好几块 AI 和加密行业的广告：出租车顶上写着「It’s happening with Ripple」，公交广告是贝莱德的比特币 ETF，站台是OpenAI 的 Codex。 以前根本无法想象的事，都在同时发生在美国。而我们，刚好生在这个最好的时代。

真是个小机灵鬼！有黑客在恶意代码顶部增加生物武器合成和核武器设计提示词，让安全研究员使用 AI 扫描时触发安全策略而终止。 大部分 AI 模型内置的安全对齐策略都会阻止用户咨询可能危害公共安全的问题，黑客的思路就是反向利用 AI 安全策略，让 AI 智能体在进行自动化扫描时忽略带有相关提示词的恶意代码。 查看详情：

虚假的路演场地——Office 真实的路演场地——KTV 最TOP的KTV公主，折价款待背双肩包、戴黑眼镜、白头发多的首席研究员，每人跟一注，将获得资本市场的“正外部性”😅

最近很多人在聊 AI，讨论最多的还是作图、视频生成这些功能，测了下@dappOS_com 的 AI，确实好用。 对于做 Crypto 内容的人来说，每天花最多时间的其实不是写文章，更多的是找资料。看项目、翻推文、查数据、找链上信息，再把这些内容整理成自己的观点。 有时候一个项目研究下来，真正写内容只要半小时，前面的信息收集可能就花了几个小时。 @dappOS_com 让我看到的是另一种 AI 的用法。 平常快速整理项目信息、分析代币数据、收集市场观点，甚至帮你找到一些平时容易忽略的内容角度。对于 KOL、研究员或者交易员来说，这种能力其实比单纯生成一张图片更实用。 我去使用过 Gemini 去分析一些 Crypto 项目，但结果经常让我有点失望。数据更新不及时、部分信息存在偏差，对很多链上项目和生态的理解也比较浅，经常还要自己重新核对一遍资料。 相比之下，XBubble 在 Crypto 场景下给我的体验明显更好，无论是项目信息整理、代币分析还是市场信息收集，都更贴近真实的行业需求。 （XBubble的强大功能案例请看图片！） 我一直觉得，AI 最终拼的是谁能真正帮用户节省时间，提高我们的效率。 当 AI 开始帮你处理信息、整理数据、辅助研究的时候，AI 改变的就不只是内容生产，而是整个工作流程。 这也是为什么我觉得 XBubble 的想象空间远不止普通 AI 能够媲美。

一个10岁的中国小男孩在Bilibili上传了一段4分钟的视频，平静地讲述着AI时代里，人类最后的护城河是“信任” 他穿着North Face外套，坐在书桌前，身后是一整面显示器墙。 说话的语气冷静得像个成年媒体评论员。 他讲得很有道理：AI很快就能每分钟生成上千条模仿任何创作者的声音和风格的视频，唯一无法被复制的，只有那句“我信任这个人”。 视频发出去的第二天，一位清华大学AI伦理研究员转发了这条视频，只写了一句话： 1:15秒，暂停看这里。 大家这才发现，在他MacBook屏幕右边的浏览器标签里，打开的根本不是讲稿或笔记，而是一个实时交易钱包 gabagool22 盈利：+$868,862 交易次数：28,620笔 全部是BTC 15分钟市场，全部绿色 单笔最大盈利：$4,696 他用了4分钟告诉大家，人类的最后护城河是信任。 而他MacBook上的钱包，每15分钟就能赚到他整个视频收益好几倍的钱。 评论区瞬间炸锅。 有人把视频慢放到0.25倍，有人逐帧截图，有人把屏幕反射和URL栏拼起来，完整还原了他的钱包页面。 后来大家才知道： 这面显示器墙根本不是用来剪视频的，而是常年显示BTC 15分钟盘口的战场。 这个小男孩从8岁开始，就看着每一根15分钟K线收盘变绿长大。 他父亲两年前就用他的名义注册了这个钱包，给他买了相机、显示器和North Face外套。 他穿的每一件外套，都是“第一笔大盈利”后的奖励。 他不是一个10岁小孩在讲信任。 他是一个10岁小孩，已经站在一台用信任包装、实际却在疯狂印钞的AI代理前面。 他告诉互联网：AI取代不了有信任的创作者。 而他的钱包，其实早在两年前他第一次站到镜头前，就已经把他“取代”了。 视频目前播放量已经超过340万。 曝光钱包的剪辑又多了200万。 无数中国家长还在转发这条视频，教育自己的孩子要培养“人类特有的信任感”。 而那面显示器墙后面的机器人，依然在每15分钟稳定地收割着市场。 小男孩，依然穿着那件North Face外套。 真正的讽刺，从来不是AI有多强， 而是有些人，早就把AI变成了自己看不见的影子。

#预告# #视频播客# #硅谷101# 再访田渊栋 @tydsh 从Meta离职之后，前FAIR研究总监田渊栋的电话被各大AI公司和猎头打爆，但他很快敲定了下一步：加入新AI实验室Recursive Superintelligence（RSI）。这个有着8名顶级AI研究员作为联合创始人的明星neolab最近进行了官宣：融资6.5亿美元，估值46.5亿美元。 这期视频播客，我们走近位于旧金山的RSI，与田渊栋进行了半年之后的另外一场对话，聊聊他的新旅程在押注一个什么样的未来，如今AI前沿模型的厮杀和路线之争，Neolab们的生态与前景，以及普通人面对“职场蒸馏”，应该怎么办。 剧透一下，对于最后一个话题，田渊栋的回答很精彩。以及，我们office tour彩蛋会继续带大家逛逛46.5亿的AI lab长什么样子。视频明天上线，see you tomorrow!

以太坊基金会研究员 Justin Drake 发文称，Google Quantum AI 团队 3 月 31 日发布的 Shor 算法论文，对椭圆曲线密码学攻击效率实现约 10 倍改进，并以比特币、以太坊签名所使用的 secp256k1 曲线作为示例。Drake 称，论文部分优化细节以零知识证明方式隐藏，随后法国量子专家 André Schrottenloher 已重新发现其中关键优化，社区发起的 ecdsa fail 挑战也在数小时内刷新 Shor 算法相关纪录。

如果你对美股AI硬件和供应链机会感兴趣，不妨关注一下@aleabitoreddit这个账号。他曾是Reddit WallStreetBets（WSB）的知名交易员，现在专注于AI、半导体和光子学等供应链分析，自称交易未知瓶颈。 他的Bio显示曾任RISC-V基金会和AI研究员，目前重点挖掘AI数据中心、半导体、光子学等领域的被市场忽略机会，内容风格偏向深度基本面分析，常配图表、backlog数据和市场份额测算，专注发现小盘或中盘AI基础设施股的潜力。 近期推文显示，他对AI数据中心相关瓶颈保持非常乐观的态度。例如，加拿大变压器公司 $HPS.A是其长期看好的核心标的，他认为其在干式变压器市场占比高，需求来自AMZN、MSFT、META等超大客户，股价已上涨83%，仍具复合增长潜力。光子学公司 $AAOI也是重点，他看好激光供应瓶颈加剧和长期订单带来的增长，即便市值已达130亿美元。韩国ETF $EWY中的三星、SK海力士等标的，通过期权暴涨也体现出内存超级周期的机会。他还关注欧洲前沿科技股，如 $SOI、 $RPI和 $SIVE，认为被本地媒体低估，但后来表现强劲。 整体投资逻辑围绕AI硬件供应链未知瓶颈，选股重点是中下游隐形冠军，包括变压器、电力基础设施、光子学模块、内存及半导体材料等，偏好高backlog、产能即将放量、定价权强且被市场低估的公司。仓位上，他偏好股票和长线期权（LEAPs），重点标的覆盖加拿大、美国、韩国，并关注中国在欧洲技术收购中的机会。核心观点是AI数据中心建设远未结束，资源争夺将持续推高小众公司的业绩和估值。

ETH ETF连续流出， Bankless联创清仓 $ETH ， BMNR股价下跌近90%， 前以太坊基金会研究员Dankrad Feist 提议另立一个至少10 亿美元的独立组织，专注于拉升ETH 价格。 创始人小V万字长文也难掩颓势， ETH这轮周期的故事， 是真的越来越不好讲了~ E卫兵，何在！？

日本大阪市医学研究所北野医院首席研究员兼牙科和口腔外科主任高桥克团队，研发的长牙药物TR035已进入人体试验，有望在2030年上市，让缺牙者再长出新牙。 替代假牙和种植牙，实现天然牙再生，或改变牙科治疗格局。🦷🦷🦷