中國科學院國家天文台6月29日向媒體發布消息說，該台星際介質演化與恆星形成團組與清華大學天文系聯合團隊領銜並攜手中外合作者，最近首次在長期“射電靜默”的年輕中子星——中心緻密天體中探測到射電脈衝。這一重要天文發現相關成果論文，近日在國際專業學術期刊《自然-天文》發表。

2026年唐獎第七屆漢學獎頒發給中國復旦大學文史研究院及歷史學系文科資深教授葛兆光，表彰他的中國古代思想學術專長，從早期的禪宗、道教和哲學思想史，到近年來的「何為中國」系列討論，不僅在中國啟發深遠，更影響全球華文知識圈乃至日、韓、北美、歐洲學界。為此，《思想》雜誌授權《波士頓書評》重新刊發2015年10月《思想》29期首發的葛兆光文章《對「天下」的想像：一個烏托邦想像背後的政治、思想與學術》，該文深刻剖析了当代学术界对“天下观”的重构与意识形态化，以饗讀者。 葛兆光 | 對「天下」的想像：一個烏托邦想像背後的政治、思想與學術

#最華人【深耕地基工程領域，華人學者助力中國基建技術走向世界】劉金波深耕地基與岩土工程領域數十年，曾參與國家體育場#(鳥巢)等國家級標誌性工程建設，並牽頭編制多部行業技術標準規範。定居加拿大溫哥華後，他在英屬哥倫比亞大學土木系做訪問學者。多年來，劉金波依託紮實的專業功底優化海外工程方案，並通過學術授課與行業分享，向國際業界彰顯中國土木工程過硬的綜合實力與深厚的技術底蘊。

伊利諾理工學院，一個不是很大的學校，排名也不算太高，但還可以的學校，前幾天解僱了一百多個教職員，教授和職員各半，而被裁的教授裡，有好些是有終身職(tenure)，造成不少騷動，現在美國大學就要開學了，伊利諾理工此舉，對學校和學生都有不小影響。先說一下美國大學終身職教授能不能解僱，一般說來是不行，不然tenure這種用來保護言論和學術自由的機制就沒用了，但私立學校通常在學校設立章程裡會規定，「如果因為有財政困難financial exigency」，終身職教授可以解僱，伊利諾理工就是先由校董會宣告了財政困難，所以才能夠大量裁員。 被解僱的教授裡有一個電腦系的教授，是電算學院的創始院長，據說在電腦科學界還算是知名人士，叫Lance Fortnow。這是很奇怪的決定，因為解僱這麼多人，本身就會鬧上新聞，但如果是冷門科系，那還可以說是假財務之名，行重整部門之實，但一開，就把熱門系的大牌給開了，那真的是財政問題了。如果沒必要，真的不會砍這麼大牌，因為會影響未來招生，而招生似乎就是伊利諾理工的問題所在。 私立學校裡面，除了排名很好的名門，本身就很有錢，招生也沒困難外，大部份的私校，都要面臨making the class的問題。每一年學校放的錄取通知，會有多少轉換成真的入學學生，然後這些學生付的學費，夠不夠學校營運，都是一大考驗，因為這些學校通常都沒有大量的校產基金(endowment)，所以如果沒辦法make the class，學校就立刻面臨預算赤字。如果是一、兩年的短期財政赤字，學校可以向銀行借，或是挪用一下校產基金，但如果長年沒辦法make the class，那就只能裁員。但在學術界，裁員不是那麼容易的事，一來象牙塔裡的教授，什麼不會，吵架一流，所以行政當局能避免惹惱蛋頭學者，就要盡量避免，二來，裁員會製造恐慌，尤其是如果讓學生或是家長開始擔心學校沒辦法持續下去，那招生就立刻會雪上加霜，誰會想去一個可能會關門的學校上學 ？因此，裁員通常就是學校走上關校的不歸路的開始。 伊利諾理工的問題有多大呢？2025年比2024年，少了一千二百個學生，這是個本科加研究生才七千多學生的學校！假設一個學生帶來的學費、住宿費收入是三萬美元，那1200名學生的減少，就是少了三千六百萬的收入。伊利諾理工的年度預算在三億左右，一下就少了十分之一強的經費，能不砍人嗎？高等教育機構最大的支出就是人事費用，不砍人沒辦法減少支出，而且學生數目減少的勢頭，也不是去年才發生，所以只有幾億美元的校產基金，應該有借用不少，所以才被逼要裁掉一百多人。今年看起來又辦法make the class，所以才趕在開學前動手。 少掉的學生是什麼學生呢？研究生，尤其是國際學生。美國現在越來越不歡迎國際學生，學費貴、簽證難、留下更難，除非真的上了名校，不然像伊利諾理工，或是排名更後面的學校，學生要來留學的動力，自然更少。川普想要修理哈佛這些菁英學校，結果死的卻是排名後面的可憐蟲。川普也砍科研經費，像伊利諾理工這種理工學校，也有一部份經費靠政府，在兩面挾擊下，遭到重創，而且美國本土的本科生正面臨人口斷崖，因為高中畢業生開始減少，因此伊利諾理工也沒辦法多收本科生來補。現在鬧了這個新聞，對新生來說，要不要來唸，又是要考慮一下，一考慮，伊利諾理工就財政更困難了。 中國新的出境管制不知道對今年的留學生有沒有影響，伊利諾理工這種常年依賴中國留學生的學校，享受了幾年的好日子，但該還的債，還是得還。敝校沒有什麼中國留學生，影響雖然不大，但我們的排名也很後面，所以我已經挫在等很久了，哪一天工作沒了，我也只能懶蛋挾緊，認了。

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

【中國雜交水稻育種科研取得重要進展】中國水稻研究所研究員王克劍團隊近日在雜交水稻育種領域取得重要進展——成功研發出克隆效率穩定超過99%、結實完全正常的一系法雜交水稻，團隊將其命名為“一系1號”。這一成果有望從根本上改變雜交稻依賴年年制種的傳統模式，為全球糧食安全提供新的技術支撐。這項原創研究成果於7月21日刊發於國際學術期刊《Vita》。

中共對美國的滲透與威脅，已經深入政治、經濟、科技、教育、媒體、網路安全、供應鏈及海外社群等不同層面。美國兩黨與主流媒體雖然對威脅的程度、來源及應對方式存在分歧，但愈來愈多事實提醒人們：自由社會的開放、包容與法治，如果缺乏必要的防範，也将被專制政權反過來利用。 中共利用自由世界的市場獲取資金與技術，利用言論自由傳播有利於自身的敘事，利用學術交流接觸敏感研究，利用商業利益影響企業決策，也透過統戰、政治獻金、網路宣傳、假資訊、跨國施壓及經濟脅迫，削弱民主社會內部的信任與團結。 真正值得警惕的，不只是某一次選舉、某一家企業或某一個政黨受到影響，而是自由世界在毫無防備的情況下，逐步失去關鍵技術、產業安全、資訊主權與制度自信。當社會被族群、黨派及意識形態撕裂，當人民不再相信選舉、媒體、司法與公共機構，最大的受益者往往正是企圖削弱民主制度的外部力量。 美國真正需要防範的是一個不受民主監督、缺乏透明度，並利用自由制度弱點擴張影響力的專制政權。美國兩黨、主流媒體、科技公司、學術機構及華人社會，都應超越黨派立場，共同建立更透明的外國代理人制度、更嚴格的資料與選舉安全防線，以及更有效的反滲透和反跨國鎮壓機制。 自由不是沒有邊界的天真，包容也不代表對威脅視而不見。保護自由世界，既需要勇氣，也需要團結。面對中共政權的滲透與脅迫，海外華人更應該勇敢捍衛言論自由、人權、法治與民主制度。 1、攻入美國的选民登记数据库，美国消费者数据库，注册美军人员信息库，獲得2億零500萬選民信息（美國總共選民才2億1000萬），攻入美国公民医疗数据库，拿到2800萬人的信息，攻入美国州选民库，取得800萬人的數據。 2、操纵美国舆论、打击川普政府、削弱美国政府合法性。具體包括：锁定美国社会的裂痕，借助公开与隐蔽的「影响者」，把特定主题投放到 TikTok、Facebook、Twitter、YouTube 及主流媒体，來影響公眾輿論。 3、通過大公司付錢給美國記者，詆毀川普總統。 4、在中國印刷美國大選的選票，走私入境。 5、挑動美國族群對立，挑動美國警察与种族运动对立，挑动排外与亲移民阵营对立。 6、鼓动暴力示威与打砸抢、放大对总统的不满。 7、和馬杜羅勾結，入侵美國的選票機系統。 8、透過經濟、科技與供應鏈優勢，擴大對美國關鍵產業的影響，包括半導體、稀土、電池材料、醫療用品等領域，增加美國在戰略上的依賴與風險。 9、加強對海外華人社區、留學生、僑團及商界人士的統戰工作，試圖影響公共輿論、地方政治及學術交流，引發美國對外國影響力運作的關注。 10、利用網路攻擊、商業間諜、知識產權竊取等方式，獲取美國企業及科研機構的技術成果，提升自身科技競爭力。 11、在國際組織、發展中國家及全球媒體平台擴大影響力，推動有利於自身利益的國際敘事，與美國展開制度、科技及外交層面的長期競爭。 12、美中競爭已不僅限於經濟與貿易，更延伸至科技、金融、安全、人工智慧、太空及地緣政治等多個領域。

【投資AI】輝達擬向兩家光學公司各投20億美元 加碼AI算力生態 輝達同意向兩家開發數據中心光學技術的企業總計投資40億美元，這類技術對人工智能系統至關重要。輝達稱，將在多年期協議中分別向Lumentum Holdings和相干公司（Coherent ）投資20億美元。

突發新聞：在人工智慧的「改變遊戲規則」交易中，英偉達正在與玻璃製造商康寧合作，開發3個全新的先進製造設施，完全用於光學技術。 詳情包括： 1. 這些工廠將創造至少3000個就業機會，並將康寧的美國光學製造能力提高+1,000% 2. 英偉達可能會在其人工智慧機架規模系統中用康寧的光學玻璃纖維取代銅 3. 與銅相比，光纖的訊號損耗更少，使人工智慧資料中心的效率更高 4. 康寧，$GLW，在新聞中飆升了+16%，英偉達，$NVDA，上漲了+3% 人工智慧革命正在加速。

SENKO 於 2026 年 9 月 14 日宣布與 Advantest、VIAVI 合作，目標是加速「高量產（HVM）就緒」的共封裝光學（CPO）模組測試落地。三方結合光連接、自動化測試設備與高速光子測試能力，處理 CPO 從實驗室走向量產時最容易被忽略的測試瓶頸。 開啟 AI 基礎設施新時代
AI 資料中心正從運算受限轉為連線受限，銅線已接近物理極限，產業加速改採 CPO。三方提供自動化、高重複性測試平台因應整合難題。示範核心是 Advantest 自動化測試環境，串接 SENKO 可拆卸光連接與 VIAVI 高速光子測試，模擬高量產製造條件。 SENKO 主管引言
Ryan Vallance 指出，CPO 正在改寫網路擴充性、功耗與 AI 基礎設施作法。光子技術雖已成熟，但可規模化製造與測試仍是大規模部署的最大障礙。 CPO 測試挑戰（展覽與技術門檻）
三方將於 2026 年 9 月西班牙馬拉加 ECOC 展示。CPO 最終測試關鍵是每通道 200 Gbps 須能通過「可拆卸」連接器；過去高速光引擎多用永久尾纖，高速率可拆卸連接很難。方案以 VIAVI 光子與 1.6 Tbps 收發器平台當代表引擎，示範經可拆卸介面做 200 Gbps BER 測試。 VIAVI 主管引言與產能壓力
Matt Adams 認為，現在重點不是實驗室證明性能，而是在 AI 光學量產環境反覆驗證。月產量可達數萬顆；若 40 UPH，約等於每月逾 2.8 萬顆。這對連接器耐用度與可靠度的要求，遠高於傳統可拆卸 FAU。 Advantest 模擬產線與 SAM-T
Advantest 建置模擬 CPO 量產測試環境，評估製造規模下的自動化光子測試流程，並導入 SENKO SAM-T（校正主跳線系統），強調 HVM 所需耐用度、重複性與精度，用來驗證次世代光子元件的吞吐量與可擴充性。 Advantest 主管引言
Ira Leventhal 表示，光子與半導體整合對 AI 基礎設施愈來愈關鍵，自動化、可規模化測試決定商業成敗。與 SENKO 合作可把先進光連接與 HVM 就緒自動測試結合，縮短從開發到量產的路徑。 突破性耐用度與吞吐量（技術本體）
合作聚焦 SENKO SEAT™ receptacle 與 SAM-T HVM 測試連接器。連接器用超耐用碳化鎢製造，負責把光耦合進出 PIC，並承受量產反覆插拔。 重點能力：可插拔數千次不劣化；具備未來 FAU 同樣的彈性平均對準；可並聯同時測多顆引擎以加快大量測試；減少換件與維護停機。 產業意義收束
CPO 若要大規模部署，必須靠產業合作建立可落地的製造、測試與可維修方法。三方結合專長，正補足可規模化 CPO 生態系中最關鍵的一環：模組級、高重複、高產能測試。 三家公司簡介
SENKO：被動光纖互連領導者，部署逾 10 億顆連接器、500+ 專利，設 ETG 專攻 CPO 與 AI 互連。
Advantest：半導體自動測試設備領導者，涵蓋 HPC／AI 等到系統級測試與良率分析。
VIAVI：測試量測與光學技術領導者，覆蓋資料中心、通訊網路及高量產光學應用。