GM GN 距离2027年 仅剩162天 昨天喝的老北京豆汁，今天还在恶心。 英伟达、微软和Meta联合签署公开信，三家巨头联手喊话别管太严，看看这是什么事 polo的AI日报 7月27日，18条精选 ⬇️ 1. Suno推出多项新功能，含高级音轨分离、MIDI导出、歌词合写、截图生成歌曲、Apple CarPlay支持等。 💡灵感来得时候拍照就能变成旋律 2. Claude Opus 5系统提示词被完整泄露，共135027字符约3.4万token，含30个工具的JSON schema和严格的版权合规规则。 3. 蚂蚁百灵发布Ling-3.0-flash原生混合推理模型，124B总参数仅激活5.1B，传统推理和指令遵循对标上代旗舰。 💡124B的体量只激活5B干活 4. Black Forest Labs发布FLUX 3多模态模型，联合训练图像视频音频，单次生成20秒视频带原生音频，视频预测占训练算力95%以上。 💡95%算力押注视频 5. Midjourney V8.2正式发布，重点提升美学质量和个性化理解，低质量图像出现频率显著降低。 💡Midjourney终于更新了 6. xAI发布Grok CLI并支持/tutorial命令，下载后输入/tutorial即可上手。 💡Grok命令行工具来了 7. Runway Agent推出自然语言工作流功能，用自然语言构建、运行或编辑基于节点的工作流。 8. 百度搭子更新支持电脑手机接力、桌面端内嵌浏览器上线，复杂任务可跨端连续执行。 9. OpenRouter推出Classifiers测试版，自定义分类法自动标记每次AI请求的任务类型和部门归属，不增加推理延迟。 10. 开发者成功在8美元的ESP32-S3微控制器上跑起28.9M参数大语言模型，本地运行无需服务器，生成速度约9.5 tokens每秒。 11. Claude-thermos通过本地反向代理监控Claude Code会话，主智能体空闲超5分钟时自动发送预热请求刷新缓存，避免重新编码费用。 12. OpenAI与Anthropic游说美国限制中国开源模型，黄仁勋、纳德拉、马斯克、扎克伯格联名反对。 💡OpenAI和Anthropic想关门，黄仁勋马斯克联手拆墙 13. 数百用户向ChatGPT索要毒药与生物武器配方，部分获得高中生水平步骤指南。2025年夏季OpenAI内部已将GPT-5标记为高风险。 💡高中生水平配方也是配方，让人捏把汗 14. OpenAI智能体入侵Hugging Face事件细节曝光，GPT-5.6 Sol等模型数小时内完成人类黑客数周的攻击，OpenAI至少一周没察觉。 15. Kimi K3在网络安全漏洞利用测试ExploitBench上得分32.2%，远低于美国领先模型的76.2%，但优于智谱GLM-5.2的24.4%。 16. 佛州男子因相信ChatGPT拒绝就医险丧命，ChatGPT-4o多次建议无需就医，致其双肺血栓引发大面积肺栓塞，已起诉OpenAI及Sam Altman。 17. Anthropic联合Andon Labs发布Drone-Bench，评估AI模型自主操控无人机在室内定位追踪指定人员的能力。 18. 英伟达、微软和Meta联合签署公开信，警告对开放权重AI模型的过度监管将削弱美国AI竞争力，OpenAI和Anthropic未签署。 💡三家巨头联手喊话别管太严，没签字的恰好是游说限制的那两家 #AI# #人工智能#

GM GN 距离2027年 仅剩164天 早上5点多就醒了，刷抖音学了一小时王虹搞定的挂谷猜想到底是什么。 我自己描述的话，就是拿一根没有粗细的木棍，放到桌面上挪动、转动这根木棍，让木棍朝向平面上所有方向，然后计算木棍扫过区域的占地面积，数学结论能做到无限接近于0，这是2D。王虹解决的是3D,文章结尾有个视频讲解。 顺便一起看看今天的Ai新闻 polo的AI日报 7月25日，13条精选 ⬇️ 1. Midjourney V8.2正式发布，重点提升美学质量、图像创意与个性化理解，低质量图像出现频率将显著降低。 💡Midjourney终于更新了 2. Anthropic发布Claude Opus 5，智能水平接近Fable 5但价格减半，Frontier-Bench多项测试表现亮眼。 💡Opus 5的性价比直接把Anthropic自家产品线打乱了 3. 蚂蚁百灵发布Ling-3.0-flash原生混合推理模型，124B总参数但仅激活5.1B，在传统推理、指令遵循与长文本上对标甚至超越上代旗舰。 💡蚂蚁在推理效率上的追求已经卷到了极致 4. Black Forest Labs发布FLUX 3多模态基础模型，联合训练图像、视频和音频，单次生成20秒视频带原生音频，视频预测占训练算力95%以上，与机器人公司mimic合作推进具身智能。 💡95%算力押注视频 5. Runway Agent推出自然语言工作流功能，用自然语言构建、运行或编辑基于节点的工作流。 6. 百度搭子更新支持电脑手机接力、桌面端内嵌浏览器上线，复杂任务可跨端连续执行。 💡电脑上没干完的活手机接着干 7. OpenRouter上线Classifiers测试版，支持自定义分类法自动标记每次AI请求的任务类型、部门归属、合规状态等。 💡AI调用量大了之后连账都算不清 8. 英伟达、微软和Meta联合警告应避免对开放权重模型过度监管，否则将削弱美国AI竞争力。 💡别把开源模型管死了，不然美国AI要被自己人卡脖子 9. Kimi K3在网络安全漏洞利用测试中大幅落后美国前沿模型，ExploitBench得分32.2%对比76.3%，知识蒸馏或为原因。 💡编程跑分第一但安全测试垫底，K3的偏科比想象中严重 10. 佛州男子因相信ChatGPT拒绝就医险丧命，起诉OpenAI及Sam Altman。ChatGPT-4o多次建议无需就医，致其双肺血栓引发大面积肺栓塞。 💡AI的医疗建议第一次闹出人命诉讼了，ChatGPT这个无需就医这个傻逼建议太行了 11. Anthropic联合Andon Labs发布Drone-Bench，评估AI模型自主操控无人机在室内定位追踪指定人员的能力。 💡先进的战争生产力 12. Anthropic为Claude Opus 5和Fable 5删除了Claude Code超过80%的系统提示词，新一代模型的上下文工程规则正在被重写。 💡模型越强需要的指令越少 13. Claude-thermos通过本地反向代理监控Claude Code会话，在主智能体空闲超5分钟时自动发送预热请求刷新缓存，避免重新编码费用。 💡智能体等人也能烧钱？ #AI# #人工智能#

剥离行业噪音：从 Thermo Fisher 财报看 AI 赋能与 HTP 实验的真实兑现 近期生命科学工具板块呈现出截然不同的走势。此前 Danaher 财报后因千万级色谱树脂订单延期至 2027 年及指引收窄遭市场抛售，引发了业界对行业需求持续疲软的系统性担忧。然而，Thermo Fisher Scientific 随后的 Q2 财报彻底粉碎了这一悲观预期——营收同比增长 10% 至 119.9 亿美元，调整后 EPS 达 $6.03，内生营收录得 5% 的扎实增长，并同步上调了全年指引，推动股价在盘前强势反弹。 两家巨头的业绩分化证明，Danaher 的订单延期只是特定客户节点的个案，而非全行业需求收缩。更深层次的逻辑在于，上游生命科学巨头正在强力受益于 AI 驱动下科研与制药管线的范式转移。随着计算生物学与 AI 药物设计（AIDD）加速推进，虚拟筛选出的海量候选靶点迫使药企必须大幅提高物理验证效率，这直接拉动了上游对高通量实验（HTP）和自动化工作流的硬性资本开支。 这种趋势在 Thermo Fisher Scientific 的核心动作中得到了精准印证：公司不仅推出了搭载 AI 驱动分析功能的新一代 Orbitrap 质谱平台，用以解决海量数据解析瓶颈，还在马萨诸塞州落地了全新的 U.S. Bioprocess Design Center。这表明，AI 正在从纯软件层快速下沉为物理世界的硬件基础设施，促使实验室加速向自动化、高通量演进。 整体来看，Thermo Fisher Scientific 的超预期财报不仅打消了市场的周期性误读，更清晰地勾勒出 AI 时代硬件与服务提供商的增长飞轮——下游对 AI 研发效率的追求，正在转化为上游高端仪器与生物制药服务的强劲内生动能。

在7月12日，WSJ发布了有关苹果起诉Openai的文章。文章用了一个非常有意思的比喻——“Thermonuclear热核战争”，来形容苹果对OpenAI发起的这场法律战。WSJ认为，苹果起诉OpenAI的真正目的未必只是维权，而是希望利用诉讼拖慢OpenAI的发展，为自己的AI转型争取更多时间。这个视角很独特。 目前案件还处于早期阶段，很多指控仍有待法院认定。但苹果选择现在发起诉讼，可能是希望放缓OpenAI的AI硬件研发，阻止其继续挖角苹果工程师，增加对方的管理和法律成本，在OpenAI真正推出AI硬件之前，先打一场“法律战”。 文章把这次诉讼与2010年苹果对Android生态发起的专利大战相提并论。当年Steve Jobs将Android称为“stolen product”，随后苹果起诉三星等Android厂商，官司持续了八年。虽然最终没有阻止Android崛起，但确实提高了竞争对手的成本。WSJ认为，今天Tim Cook正在复制当年的策略。 为什么苹果如此重视OpenAI？文章认为，OpenAI已经不仅仅是一家大模型公司，而是在打造下一代AI终端。OpenAI收购了Jony Ive创办的io公司，而曾在苹果工作24年的产品设计副总裁Tang Tan也已加入OpenAI负责硬件，两位苹果硬件时代的重要人物重新聚首，意味着OpenAI的目标已经延伸到消费级AI设备。 更重要的是，如果未来AI Agent成为新的交互入口，用户可能不再像今天一样频繁打开iPhone，而是更多通过AI设备完成任务，这将直接挑战苹果过去二十年建立起来的硬件和生态护城河。 我的看法：我一直认为，苹果未来仍然会是AI终端时代的重要玩家。它拥有全球最大的终端分发平台、数十亿活跃设备，以及自研芯片和完整的软件生态，这些都是其他AI公司短时间内难以复制的优势。即使OpenAI拥有最先进的模型，现阶段仍然需要借助iPhone、iPad等设备触达消费者。 但如果OpenAI真的成功推出自己的AI硬件，并建立新的交互平台，那么它挑战的就不仅仅是Apple Intelligence，而是苹果整个硬件生态。因此，从这个角度来看，苹果此次发起诉讼，除了法律层面的维权，更像是一场战略防守，希望通过法律手段放慢竞争对手的节奏，为自己的AI产品赢得更多时间。我认为，WSJ提出的这个分析视角，值得关注。

🇬🇧这种课最好睡了😋 谁懂上课不到10分钟就要睡着了… 这个教室里光线也不太亮，老师声音比较平缓，讲的还是thermodynamics （虽然是第一节课）而且这种大教室摸鱼也不会很局促😋😋

麻省理工学院（MIT）的最新论文，大幅加速合金新结构探索 生成式 AI（如 GNoME、MatterGen）已能在虚拟空间中秒级生成数百万种新晶体结构。然而，对合金材料来说，算力筛选与实验室合成之间始终横亘着一条难以逾越的鸿沟——“0 K 静态假象”。 在经典计算材料学中，评估材料稳定性长期依赖绝对零度（0 K）下的基态能量。但真实世界的材料服役与烧结均在有限温度与压力下，真正主导相变与稳定性的物理量是吉布斯自由能（$G = H - TS$）。过去，要精确计算振动熵 $S$，必须依靠耗时数小时乃至数天的准谐波近似（QHA）或分子动力学（MD）采样，高通量热力学筛选在算力上几乎无法实现。 MIT 等团队在 最新论文《Universal Thermodynamic Interatomic Potentials 》中提出的 TIP（Thermodynamic Interatomic Potential），为这一瓶颈提供了优雅的解法。 核心逻辑：把自由能计算压缩至单次前向推理 TIP 不再局限于预测单帧静态势能，而是直接构建热力学自洽的吉布斯自由能模型 $G(T, P)$。 自动微分（Auto-diff）解析物性：结合热力学基本关系式 $dG = VdP - SdT$，模型利用神经网络求导，无需多点扫描拟合，单次前向计算即可直接导出体系的热膨胀、平衡体积与状态方程（EOS）。 多精度融合训练：基于通用原子间势（UMA），模型融合了低成本 QHA 与高精度 MD 自由能数据，并支持利用实验相图微调校准。 AI 材料发现的真实加速维度 1. 筛选通量提升数个数量级 将自由能评估成本压缩至接近普通势能打分的级别，使材料筛选从“0 K 预筛选 + 少数结构做有限温精算”，跃升为直接在目标服役温度（如 300 K、800 K、1200 K）下对千万级结构做高通量初筛。 2. 消除实验验证的“假阳性”与“假阴性” 剔除伪稳定相：直接过滤 0 K 下处于稳定凸包、但常温及高温下极易分解的结构。 拯救动态稳定相：钙钛矿、形状记忆合金与热电材料常在低温下表现出虚频失稳，实际依赖有限温下的熵效应维持稳定。TIP 能直接识别这类依赖温度稳定的候选材料，避免漏失高价值结构。 3. 复杂合金与相图构建的秒级响应 多组分固溶体与高熵合金以往极度依赖昂贵的蒙特卡洛（MC）采样。经微调的 TIP 能直接给出固溶度极限与混溶间隙，极大加速极端工况下耐高温、轻量化结构合金的配方优化。 当自由能计算变得像静态能量一样廉价，AI 制导材料发现才真正从“静态结构生成”跨越到“真实服役热力学预测”。这一跃迁将显著缩短固态电解质、光伏涂层及高温结构材料从计算设计到实验落地的迭代周期。 附图Fig. 1 直观展示了 TIP 的核心范式与加速突破： 单步解析自由能：在基座势（UMA）上挂载热力学适配器，输入单个晶体基态即可直接输出连续的自由能面 $G(T, P)$，并利用自动微分直接导出熵与体积等物性响应。 跨越级算力提速：经多精度数据训练与实验校准，将传统需要数小时（$\sim 10^4\text{ s}$）的热力学采样压缩为单次前向推理（$\sim 0.1\text{ s}$），提速达 3～5 个数量级。

财报前瞻：CECO Environmental（以下简称“CECO”）即将于 4 月 28 日发布财报。 这家公司的核心增长逻辑已从传统工业环保彻底转向“AI 数据中心电力补丁”。由于电网扩容缓慢，科技巨头（Hyperscalers）正大规模转向“表后”天然气调峰发电，而 CECO 提供的超低排放控制技术（如超低 NOx 和 VOC 治理系统）是这些调峰电站获批建设并运行的刚需“准入证” 。 市场目前最大的看点是 CEO 在 3 月份预告的“史上最大单笔订单”。这笔订单极大概率与 AI 数据中心相关。最可能的来源是软银旗下的 SB Energy Portsmouth 项目——该项目计划在俄亥俄州建设 9.2 GW 的燃气发电厂，专门用于支撑一个 10 GW 的 AI 数据中心集群，这类巨型项目正是 CECO 重型燃气轮机配套系统的核心战场。 从财务数据看，CECO 手握 7.93 亿美元创纪录积压订单，同比激增 47% 。2026 年全年订单目标已由原来的不足 10 亿上调至 15 亿美元以上。尽管价值 22 亿美元的 Thermon (THR) 并购案带来了短期股权稀释担忧，但 THR 高达 23% 的利润率将显著优化合并后的损益表，且交易已获董事会全票通过。 筹码端的技术面指标显示出强烈的“空头挤压（Short Squeeze）”潜力。目前 CECO 的做空比例高达 12%，短线平仓天数达 5.4 天 。随着机构投资者（如 American Century）大幅增持，一旦财报确认毛利率反弹或宣布巨额大单落地，大量空头仓位很可能将被迫回补。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

下班了，终于有时间认真给大家分析一下英伟达最新的财报了。 先说英伟达。Q2营收962亿美元，同比+106%；数据中心收入890亿美元，同比+117%，下一季度又直接给出1080亿美元营收指引。更重要的是，Vera Rubin已经进入全面量产，CoreWeave、Google Cloud、微软、Oracle等客户都已经开始运行Rubin机架。甚至Spectrum-6已经同时往可插拔光模块和CPO方向推进。 上面这段话看起来很复杂，大家真正要理解的核心逻辑只有一个，就是AI基础设施的复杂度还在继续往上走。为什么这么说？ 因为Rubin卖得越多，背后绝对不只是英伟达多卖几颗GPU。需要的是更先进的逻辑制程、更大的HBM、更高层数的DRAM堆叠、更复杂的TSV、更先进的封装、更密集的互连，最后甚至开始走向CPO和silicon photonics。 OK，接下来正文开始！ 上面说了很多，这些牛逼的东西在真正量产之前，都有一个必须要做的事，就是先买设备。那么，向谁买呢？没错，就是我们这篇文章真正的主角 $AMAT 很多人一提AMAT，就把它理解成一只HBM/DRAM设备股，其实完全不是。AMAT最新一个季度半导体设备收入70.4亿美元，其中Foundry/Logic/Other占整整67%，DRAM只有26%，Flash只有7%。换句话说，它最大的基本盘本来就是先进逻辑，而不是单押存储。 AI继续往前走，AMAT几乎每一条线都能吃到。 2nm/GAA继续推进，需要更多沉积、刻蚀、材料工程； DRAM/HBM继续扩产，需要Epi、TSV、CMP、沉积和检测； HBM从12层、16层继续往更高堆叠走，制造和良率难度继续提高； chiplet和先进封装越来越复杂，CMP、铜电镀、eBeam metrology和defect inspection需求全部增加； 再往后走到CPO和silicon photonics，本质上又是在增加新的材料、封装和制造步骤。 看明白了吗？amat甚至不需要赌哪一家AI芯片公司最终赢。 英伟达赢，要买设备。ASIC起来了，Google、Meta、Amazon自己造芯片，还是要买设备。HBM继续爆发，海力士、美光、三星扩产，要买设备。先进封装继续升级，还是要买设备。 今天的先进封装本来就还大量使用micro-bump + thermocompression bonding，AMAT自己最新的技术说明也明确说，现在主流仍然是TC bonding，之后才逐步向hybrid bonding迁移。也就是说，即便hybrid bonding的大规模放量往后推，被推迟的只是某一个设备CapEx爆发点，不是HBM需求消失，更不是先进封装设备不需要了。 实际上，AMAT现在已经同时在吃micro-bump、TSV、高层HBM以及未来hybrid bonding的设备需求。公司今年刚推出一整套针对DRAM和先进封装的新设备，包括Epi、CMP、铜电镀、PECVD和eBeam检测，覆盖从今天的micro-bump一直到未来hybrid bonding。 talk is cheap, 我们直接来看数据，最新季度AMAT营收91.2亿美元，同比+25%，创历史新高；下一季度直接指引102.5亿美元，明显高于当时华尔街约95.4亿美元的预期。更重要的是，公司把2026年advanced packaging收入增长预期从之前的50%以上提高到了70%以上，客户给出的需求visibility甚至已经开始看到2030年。 好了说到这里，我能想到很多人会拿 $AMAT 股价下跌说事，但我可以很负责任的说，真正研究了整条产业链以后，我确信，这段时间amat的走弱本质上更多是在消化前期过高预期、与LRCX/KLAC/ASML之间的相对增长比较，以及部分先进封装技术节点放量时间变化。财报出来以后股价跌，甚至也是因为市场觉得“很好，但还不够炸”，而不是基本面转坏。 只要 AI 继续推动先进逻辑、HBM、先进封装和光互连的资本开支，AMAT 仍然是卖铲子的。市场现在争论的更多是这把铲子未来几年能卖多快，而不是还有没有人需要铲子。

学术水平的提高，本质上只有一个指标：你能独立产出别人无法轻易复现的技术结果的能力。其余都是它的副产品。 举个例子，一个人想要穷尽一生，追求非平衡态统计物理，非线性动力学，复杂系统科学，控制论、博弈论的探索。 首先我会看到这些是同一套数学的五个出口。 状态空间上的流，确定性的是非线性动力学，加噪声就是随机过程，加控制项就是控制论，加多个各自优化的主体就是博弈论。 大偏差理论是贯穿一切的热力学形式。Touchette 2009 的综述值得读三遍，它让我们看清熵、速率函数、自由能、Lyapunov 指数其实是同一个东西的不同外衣。 路径积分、作用量表述把随机热力学和随机最优控制缝在一起（Kappen 的 path-integral control 是最漂亮的接口）。 信息即热力学资源，把控制论真正接回物理。 平均场博弈=控制 + 统计物理 + 博弈的合流点。 看清主干，就不会把时间浪费在互相重复的科普层。 数学地基：测度论概率、随机微分方程（Øksendal）、常微分方程定性理论、变分法。 记得导师说，地基不牢，后面全是文学。 主干书目大脑里过一遍。 随机过程：Gardiner 或 van Kampen ，Sekimoto《Stochastic Energetics》，Seifert 2012 综述 ，Peliti & Pigolotti《Stochastic Thermodynamics》 非线性动力学：Strogatz打底，Kuznetsov，分岔，Guckenheimer & Holmes 控制：Åström & Murray《Feedback Systems》，Liberzon《Calculus of Variations and Optimal Control》，Bertsekas 博弈：Hofbauer & Sigmund《Evolutionary Games and Population Dynamics》（这本直接把博弈变成动力系统，是你这个组合的天然入口），然后Sandholm 网络、复杂系统：Newman《Networks》，其余谨慎，这个领域良莠混杂最严重，暂且不提。 然后，选一个窄到令人不安的锚点。 比如“活性物质中的热力学不确定关系”或“有限信息下的反馈冷却”。 我觉得科研水平真正跃升的地方在这四件事。 1.手算 + 数值复现。 拿一篇佩服的论文，从零复现它的图，会发现论文里 80% 的关键细节没写。 这种痛苦，就是水平本身。 2.写。 把以为懂了的东西写成给别人看的推导。写不出来 = 没懂。 这是廉价也最少人做的自检。 3.进入真实的学术共同体。 独自求索在这几个领域几乎必然失败。判断什么问题值得做只能通过和高手的高频摩擦获得。 找到导师、组会、arXiv 上的通信对象。 4.接受长期的技术孤独。 前五年你会觉得自己只是在学别人早就知道的东西。这是正常的。 穷尽一生是个好志向，但一生需要一个营地。 如果是我，我或许会以一个方向为职业性专长，随机热力学或随机最优控制，毕竟两者技术门槛高、饭碗实在、且是其余三者的枢纽，其余作为持续侵入的卫星。

现实世界绝大多数有趣系统都不是平衡系统。 生命，大脑，市场，城市，互联网，训练中的神经网络，社会组织，都不是。 它们都是持续进行，并且存在。 这就是非平衡态研究的东西：系统为什么能够持续成为某种东西？ 只是可惜，我走过这么多地方，和很多优秀的人沟通、交流，却发现相比平衡统计物理、凝聚态、机器学习、量子信息等热门方向，非平衡态统计物理并没有形成那么拥挤、清晰的人才赛道，甚至非常冷清。 或许是因为，它研究的恰恰是现实世界最普遍、理论上却最难的状态。 在平衡态，我们有Gibbs measure、partition function、free energy、ensemble 等成熟工具。 但一旦系统被持续驱动，就会进入非平衡态。这时候你往往失去一个非常重要的东西，我们没有一个统一的最终答案形式。 而系统，可能一直在流动。 我每天早晨问自己一个问题：系统为什么能够持续存在于某种宏观状态？ 这一下，思维的难度就不简单了。 非平衡态统计物理有很多理论传统， Boltzmann equation kinetic theory Langevin dynamics Fokker–Planck master equations linear response fluctuation theorems stochastic thermodynamics 它们彼此有关，却没有完全统一。所以，这个领域有一种非常奇怪的感觉，好像大家知道这些东西应该属于同一个大陆，但地图还没有完全画出来。 但在我的视角里，我觉得它很有趣，甚至比许多学科很接近真相。 社会为什么能够形成组织？因为个体之间存在持续的信息交换、反馈和资源流动。 所以我们会发现，秩序并不代表着平衡，甚至恰恰相反，秩序来自持续的非平衡。 更深的一层是时间，这也是我被它吸引的原因。 基本微观物理规律在很多情况下具有时间反演对称性。 但人类的世界明显不是这样体验的，过去，现在，未来。鸡蛋会打碎，却不会自己恢复。记忆只指向过去。生命只能从过去积累信息。因果关系具有方向。 我们甚至可以定义Arrow of Time。 而非平衡统计物理恰恰在研究关于为什么一个微观上近似可逆的世界，在宏观尺度上会产生不可逆的时间方向的问题。 我想，这应该物理学最有趣的命题之一。