为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动力学与无序区域仍是静态结构预测的盲区。
#数据/训练
#数据/训练
今日 0 条Latent SpaceAI 评分3030
Latent SpaceAI 评分3434 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"（synthesis superintelligence）愿景：以物理实验为环境的强化学习、AI 驱动的材料表征、DFT 与高通量实验室，训练模型学习做科学的过程而非只看已发表结果。
MIT Technology Review · AIAI 评分1010 如何将预测分析带入智能体 AI 时代
企业 AI 的竞争前沿已从预测转向自主决策，深度学习与生成式 AI 驱动的智能分析让 AI 能实时训练、持续进化，不再依赖季度刷新。预测引擎的数据来源也从规整的数值记录扩展到杂乱的非结构化交互数据，推动企业从被动回顾走向务实前瞻。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
MIT Technology Review · AIAI 评分1212 HPE：当 AI 进入生产环境，如何让 AI 从支出变成资产
HPE 提出，当 AI 从试验走向客服、IT、研究等常驻生产工作负载，按 token 逐次消费的模式会让支出难以预测，企业需评估自身在何种持续用量下自建容量比按请求购买更经济。
Latent SpaceAI 评分3434 Foundries vs Navigators：AI 如何降低科学研究的成本
Anthropic 开设湿实验室之际，Endura Therapeutics 的 Adrian Sanborn 提出 AI 改造科研的两条路径：Foundries 用新一代测序、多重检测和物理自动化把实验数据产出提速一个数量级，Navigators 则用 AI 模型优化公司决策与流程。前者需要资本和数年投入，后者对所有公司开放，早期创业公司因无历史包袱推进最快。
Latent SpaceAI 评分5252 Radical Numerics CEO Eric Nguyen：生物安全是一场 AI 军备竞赛
Radical Numerics 联合创始人兼 CEO Eric Nguyen 在 Latent Space 访谈中表示，提升生物能力的模型同样能帮助防御方跟上节奏，而当前防御在这场军备竞赛中处于下风。
Latent SpaceAI 评分6262 John Platt 谈 Google ERA：用 Gemini 自动求解可打分的科学问题
Latent Space 播客访谈 Google 的 John Platt，介绍其团队提出的 Empirical Research Assistance（ERA）：把可写成评分函数的科学问题交给 Gemini 维护一棵实验笔记本树，用类似蒙特卡洛树搜索的 Upper Confidence Bound 规则挑选最有希望的笔记本并生成约十个变异，分支历史共享。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万；约 85.6% 的模型累计下载不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用七个月的 Hub 数据拆开开源模型的下载、点赞与衍生生态，读者可据此判断谁在被真正使用。
Import AIAI 评分3030 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
智库 IFP 提出 23 条“低后悔”政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发进一步自动化的风险。MIT 与 Columbia 的论文 Racing to Ruin 用博弈模型分析企业竞速，认为透明度和把对手视为可信理性行为体是实现协调减速的两个关键变量。本期还介绍了 PostTrainBench+ 以及一篇关于智能机器与机器人身体的虚构短篇。
Hugging Face BlogAI 评分2222 GPU 管理：为什么闲置 GPU 是新的停场飞机
Hugging Face 博客指出，AI 的下一个真正约束是 GPU 利用率而非智能水平。GPU 按日历小时计费，却只按计算小时产出，企业自购 GPU 后问题从"能否买到"变成"能否让它们保持忙碌"。文章以航空业停场飞机作类比，强调集群即使满载也可能浪费大部分潜力，因为 GPU 全天运行而需求并不持续。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 团队提出，随着推理价格从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统需应对三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体集群（Of Agents）、由智能体合成（By Agents）。
Import AIAI 评分3030 Import AI 459：AI 监管为何困难、蛋白质折叠模型的缩放定律、AI 系统灭绝风险的定价
Import AI 459 探讨了 AI 监管的困难、蛋白质折叠模型的缩放定律以及 AI 系统灭绝风险的定价。弗吉尼亚大学、Anthropic 和加拿大银行的经济学家估算，2025 年美国 AI 名义 GDP 约 2500 亿美元，质量调整后实际年增速约 2600%，但这一增长在常规 GDP 统计中几乎不可见。
Import AIAI 评分6262 Import AI 455：AI 系统即将开始自我构建
Jack Clark 在 Import AI 455 中判断，到 2028 年底出现无需人类参与、能自主训练出后继版本的 AI 研发的概率约为 60%，2027 年底的概率约为 30%。
Google DeepMindAI 评分3030 AlphaGo 十周年：从围棋到生物学，DeepMind 回顾 AlphaGo 的影响
AlphaGo 成为首个击败围棋世界冠军的 AI 系统十周年，其“Move 37”展示了 AI 超越模仿人类、发现全新策略的能力。这一突破直接催生了 AlphaGo Zero、AlphaZero，以及破解蛋白质折叠难题的 AlphaFold 2，后者已向全球 3 百万研究人员免费开放 2 亿个蛋白质结构。
Hugging Face BlogAI 评分2828 中国开源 AI 生态的架构选择：超越 DeepSeek 之后
中国开源模型近一年几乎一致转向 MoE 架构，Kimi K2、MiniMax M2、Qwen3 均属此类，目标是在成本可控下实现可持续部署。开源活动从文本扩展到多模态与智能体，StepFun 的 Step-Audio-R1.1 语音模型性能超越闭源模型，腾讯开源 Hunyuan Video 与 Hunyuan 3D。
Hugging Face Blog精选AI 评分6262 Hugging Face 分析全球算力格局变化：中国开源模型与国产芯片的相互牵引
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为 Ascend、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源，并推动 CUDA 之外的软件生态成形。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face BlogAI 评分2222 Hugging Face 伦理与社会通讯 #6：构建更好的 AI，数据质量为何至关重要
Hugging Face 发布《伦理与社会通讯 #6》，聚焦高质量数据对 AI 开发的重要性。文章指出好数据并非只是准确或量大，而是契合特定用途，需具备相关性、全面性、时效性并减少偏见，同时强调数据质量能提升模型表现、泛化能力与效率，并推动公平与可问责。
Hugging Face BlogAI 评分3636 2023：开源大语言模型之年
Hugging Face 回顾 2023 年开源 LLM 进展，指出公众对开源与闭源模型的讨论已触及广泛受众。2022 年的开源模型仍延续规模竞赛，如 176B 参数的 BLOOM、175B 参数的 OPT 和 GLM-130B，而 2023 年转向对数据的重视。
Hugging Face BlogAI 评分1212 Hugging Face 机器学习专家访谈：Sasha Luccioni 谈 AI 碳足迹与数据伦理
Hugging Face 研究科学家 Sasha Luccioni 在访谈中介绍了她在 Big Science 项目中主持碳足迹工作组的工作，研究范围涵盖 GPU 训练时长、制造成本乃至一封邮件产生的 CO2 排放。她还参与数据工作组，关注数据策展、多语言性与模型训练数据的伦理问题。
Hugging Face BlogAI 评分3030 大语言模型：新的摩尔定律？
微软和 NVIDIA 发布 Megatron-Turing NLG 530B，号称全球最大最强的生成式语言模型，但复现成本接近 1 亿美元，单台 DGX A100 服务器售价 19.9 万美元、功耗达 6.5 千瓦。