在2025年谷歌在硅谷举行的I/O大会上，显而易见谷歌正加大其在人工智能领域的投入，旗下品牌“北斗星”涵盖多种模型架构与研究内容，迅速将创新应用到产品中。除了推出新功能外，谷歌还提出了一个大胆的愿景：打造一个以AI为核心的操作系统——不是传统的启动系统，而是一个每个应用都能访问的逻辑层。“世界模型”旨在支撑一个理解物理世界、能推理和为用户行动的通用助手。这个战略或许在众多发布内容中被掩盖，但却是谷歌超越竞争对手的关键所在。 谷歌投入数十亿美元支持这一“登月计划”，面对如何将AI研究快速转化为产品的挑战，力图比在包容性和商业适用性上更擅长的竞争对手更快出产品。它必须在微软的专注策略、OpenAI的硬件雄心以及在AI变革中保护其盈利丰厚的搜索帝国之间巧妙应对。 谷歌的规模庞大： Sundar Pichai透露，每月处理的令牌数达480万亿，是去年的50倍，几乎是微软的五倍。开发者的参与度也在激增，已有超过700万开发者使用“北斗星API”，比上一届I/O增长了五倍，Vertex AI的使用量也增长了40倍。通过如“北斗星2

区块链安全公司Dedaub发表了一份关于Cetus去中心化交易所被黑的事后分析报告，明确指出根本原因在于Cetus自动做市商（AMM）的流动性参数被利用漏洞突破，攻破了代码中的“溢出”检查。 报告解释说，攻击者利用了最大比特（MSB）检查中的弱点，使其能够将流动性参数值操控到多个数量级，从而几乎瞬间开出不成比例的巨大仓位。Dedaub的研究人员指出： “这使他们只用一个单位的代币输入，就能增加大量的流动性仓位，随后大量抽取池子中的资产，总计数亿价值的代币。” 这一事件及其分析突显了影响加密和Web3领域的网络安全漏洞问题仍在持续存在。 行业领导者多次警告，企业必须实施强有力的保护措施，确保用户安全，防止在监管机构干预之前就被攻击。 相关报道：两次好运？Cetus在Sui上的恢复计划模仿了Solana的蓝图 Cetus去中心化交易所遭黑事件造成2

所有的智慧生命体共有何特质？据Meta的首席AI科学家Yann LeCun所说，主要有四个关键特征。 今年早些时候，在巴黎举行的AI行动峰会期间，政治领袖和AI专家聚集一堂，共同探讨人工智能的发展。在会议上，LeCun向IBM的AI领导者Anthony Annunziata表达了他对“智能”的根本定义。 “每个动物——或者说相对聪明的动物——而且毫无疑问是人类——都具有四个本质特征，”他解释道。“它们理解物理世界、拥有持久的记忆、具备推理能力，以及规划能力，尤其是在通过层级规划实现复杂动作方面。” LeCun指出，人工智能，特别是大型语言模型（LLMs），尚未达到这个水平。要实现这些能力，就需要在训练方式上进行转变。这也解释了为何许多领先的科技公司目前都在为现有模型添加新功能，以在激烈的AI竞争中占据领导地位。 “为了理解物理世界，你可以训练一个单独的视觉系统，然后将其集成到大型语言模型中。至于记忆，你可以用检索增强生成（RAG），加入一些联想记忆，或者简单地扩大模型规模，”他说（RAG是一项由Meta开发的技术，旨在通过引入外部知识源来提升大模型的表现）。 然而，LeCun认为这些努力都只是“技巧”。 他多次谈及一种替代方法，称为基于世界的模型，这些模型以真实世界场景为训练对象，展现出超越单纯模式识别的更高认知能力。在与Annunziata的对话中，他详细阐述了这一概念。 “你从某一时间点T的世界状态出发，设想一个行动，然后世界模型预测这个行动会如何改变世界的状态，”他解释道。 但由于世界在不断变化，充满了无数难以预测的可能性，训练这种模型的唯一可行途径就是抽象化。 Meta已经在探索这一思路，推出的V-JEPA模型于今年二月向公众开放。它被描述为一种非生成式模型，通过预测视频中的缺失或遮挡段落来学习。 “核心思想不是直接在像素层面进行预测，而是训练一个系统对视频的抽象表示进行操作，使其可以在该抽象中做出预测。理想情况下，这个抽象能过滤掉那些无法预料的细节，”LeCun说。 这种方法类似于化学家为物质的基本组成建立的层级体系。 “我们创建了抽象：粒子，粒子之上是原子，然后是分子，最后是材料，”他说。“每一层都能根据任务的需要，从更底层过滤掉许多无关紧要的信息。” 本质上，这意味着我们通过构建层级体系来理解物理世界，而这也是智慧的根本所在。

代币化是区块链技术的一个关键应用，受到传统金融（TradFi）行业的高度关注和大量投资。 作者：杰米·克劳利 | 编者：谢尔顿·里巴克 更新时间：2025年5月23日下午4:57 | 原文发布时间：2025年5月22日下午4:12

在大众市场人工智能向消费者公开不到三年的时间里，几乎每个行业的企业都纷纷抢先采用这项技术，就像反疫苗者被多层次营销计划吸引一样。 到2024年，拥有超过5000名员工的公司中，有一半以上已经在使用人工智能。对于注重成本的老板来说，人工智能承诺可以提高生产力、降低运营成本——特别是减少传统上支付给人类员工的工资。 然而，随着全球工人对由少数巨头科技公司控制的AI驱动未来感到焦虑，企业积极采用AI的趋势已经开始对就业市场产生明显影响。 由于AI，年轻的大学毕业生进入职场的数量创下历史新低，全职有薪岗位正逐渐变为零工职位，简历夸大事实的现象也变得司空见惯，就业变成了一场令人头疼的噩梦。 虽然像Marc Andreessen这样的富有科技领袖声称技术将神奇地解放我们所有人，但历史告诉我们另一个故事：技术进步往往加剧现有的不平等，而非减轻它。这一模式早在人工智能成为主流之前，像爱因斯坦和霍金这样的思想家就已观察到。 事实上，人工智能已经表现出显著的性别和种族偏见，这是由其训练数据所导致的，专家警告说，将带有偏见的软件与全球大规模推广相结合，正在助长剥削现象。 不出所料，根据联合国国际劳工组织（ILO）更新的报告，人工智能预计将扩大就业中的性别差距。 借助2023年关于AI带来的自动化风险对各类岗位的影响的预测，该报告显示，在美国等高收入国家，女性在“高度自动化潜力”岗位中的比例已上升至9

在5月2日，代表Coinbase、Ripple和Uniswap Labs等行业领先企业的区块链协会向美国证券交易委员会（SEC）提交了详细的意见意见稿，受新任主席Paul S

西雅图UW医学中心的护士麻醉师约翰·维德斯潘（John Wiederspan）深知在高压手术室环境中错误如何发生，特别是在紧急情况下，肾上腺素和紧迫感促使医护人员匆忙给药。尽管持续进行患者安全措施，药物错误仍然普遍存在，据世界卫生组织统计，每20名患者中至少就有1人受到影响，美国每天大约有130万起伤害和1人死亡。药物错误常常涉及错误用药或剂量不正确。医院已采取色码标签和条码扫描等安全措施以减少失误，但错误仍在发生。 UW医学中心和华盛顿大学的麻醉学专家兼工程师凯莉·米歇尔森（Kelly Michaelsen）指出，90%的麻醉师在职业生涯中都承认曾出现过用药错误。她设想人工智能可以作为“第二只眼睛”，实时检测错误，因为大约99%的药物都集中在10至20种常用药物中。她特别关注“瓶子置换”错误，这类错误约占药物差错的20%，发生在错误的药瓶或注射器标签导致患者被注射了不正确的药物时。一例悲剧发生在范德比尔特大学医学中心，一名75岁的女性因误用麻痹剂而非镇静剂导致死亡。 为了预防此类错误，米歇尔森开发了一种嵌入摄像头的智能眼镜系统，将其集成在手术时佩戴的保护眼镜中。该系统可以扫描、读取并比对瓶子和注射器上的标签，一旦发现不匹配便向医护人员发出警示。该AI系统的研发和培训超过三年，期间获得了使用预录药物制备视频及模拟错误场景的批准，因伦理限制不能在真实患者身上故意制造错误。测试结果显示，该系统在检测瓶子置换错误方面的准确率达99