Author: aitrendtrackers@rengongzhineng.io

2025 年 11 月 17 日，一篇关于“迈向星际 QUIC 流量”的技术记录引发了对深空互联网未来的讨论。文章开篇提出一个看似冷门却耐人寻味的问题：当公众从“毅力号”火星探测器下载图片时，究竟使用了哪些通信协议？这一疑问源自 2024 年 4 月网络上一则颇具技术色彩的简短招募信息，其内容是寻找熟悉 QUIC 与 Quinn 的专家参与深空 IP 项目。尽管文字简短却行话繁多，但信息背后指向了令人振奋的研究方向：在星际距离上使用 QUIC 协议进行通信。 相关背景显示，QUIC 是一种可替代 TCP 的互联网可靠通信协议，Quinn 是最受欢迎的 Rust QUIC 实现，而项目的目标则是让地球与遥远行星上的计算机能够通过 QUIC 进行通信。由于参与者此前曾为 Quinn 做出贡献，他认为自己具备协助项目的基础。由此展开的研究经历，构成了文章的主要内容。 深空通信困难重重。尽管人类已能与火星探测车乃至太阳系外的探测器保持联络，但随着参与太空探索的主体不断增加，现有架构的局限愈发凸显。扩展深空网络的努力仍在持续，其中一个颇具前景的方向是采用 IP 协议栈，并令 QUIC 成为可靠通信的首选协议。当前项目旨在证明 QUIC 能否在深空环境下稳定运行，并为未来部署提供具体指导。 然而，深空环境的巨大挑战使 QUIC 在默认配置下无法正常工作。例如，地球到火星的单程信号延迟高达 3 至 23 分钟，而信号中断也相当常见，这导致 QUIC 按默认设置尝试建立连接时必然超时，即使成功连接，也会因后续问题迅速断开。因此，关键不在 QUIC 协议本身，而在其配置需要针对深空环境进行高度定制。QUIC 的高度可配置性使得标准兼容的实现无需修改源码，只要暴露足够的配置选项，即可适配深空使用场景。相比之下，2000 年代初对 TCP 的评估已明确显示其不适用于深空网络。 为了找到适用于深空环境的…

中国在追求“永久能源独立”的道路上迈出关键一步。以钍为基础的熔盐核反应堆技术于近期取得新突破，引发全球关注。 苏联天体物理学家尼古拉·卡尔达舍夫曾提出文明等级划分，将“一级文明”定义为能够完全掌控并利用其母星全部能量资源的社会，包括太阳能、风能、地热能及潮汐能等。根据美国物理学家卡尔·萨根对卡尔达舍夫等级的推算，人类目前大约处于 0.73 级，只使用了地球可利用能源的一部分。最新进展显示，中国在释放地球能源潜力方面实现重大突破，使人类距离“一级文明”又近了一步。 数月前的报道曾提到，中国科研团队在今年 4 月成功为一座正在运行的钍基熔盐反应堆加入新燃料。相关研究持续快速推进。上月，由中国科学院上海应用物理研究所（SINAP）在戈壁沙漠建设的实验反应堆成功实现钍-铀燃料转化，为核能领域提供了接近“取之不尽”的能源可能性。 这座 2 兆瓦液态燃料钍基熔盐反应堆（TMSR）由此成为全球唯一成功加载并使用钍燃料运行的第四代核能示范装置，也是科研人员首次从实际运行的熔盐反应堆中获取钍基运行的实验数据，被视为可重塑未来清洁可持续核能格局的创新突破。 先前研究指出，钍在地壳中的丰度远高于铀，获取更为便捷，且其废物放射性显著更低。钍因而常被视为核裂变能源的“圣杯”，与核聚变并列为核能终极方向。内蒙古白云鄂博矿据估算所蕴藏的钍资源足以支撑中国未来 2 万年的能源需求。 此次突破的核心在于“堆内钍-铀转换”过程，即将天然存在的钍-232 转化为可持续链式反应的铀-233。该过程包括钍-232 吸收中子形成钍-233，随后衰变为镤-233，最终转变为有效核燃料。整个转化链在反应堆内完成，无需外部燃料加工。 钍被溶解在氟化盐中形成高温熔融混合物，既是燃料又是冷却剂。外部少量初始裂变材料（如浓缩铀-235 或钚-239）提供中子源以启动反应。在持续运转过程中，钍-232 不断吸收中子并转化为铀-233，实现“自燃式再生循环”，这是钍基熔盐技术的核心优势。 与传统压水堆需要停堆更换固体燃料不同，TMSR 的液态燃料在系统中持续循环，可随时补充，不必中断运行。此外，该技术不需要任何冷却水，大幅区别于传统需依赖海岸线布置的大型水冷式核电站，从而使其在干旱地区乃至内陆地区部署成为可能。 熔盐在常压与高温下具备极高传热效率，使该技术不仅适合集成在内陆电站，也具备在大型船舶等移动平台上应用的潜力。中国造船企业已在探索无排放核动力海运的可行性，而其在海军舰艇上的潜在价值也备受关注。 钍基熔盐反应堆系统于 2011 年进入中国科学院战略项目规划，核心目标包括可持续能源与碳减排。经过近 15 年研发，由原上海应用物理所所长许鸿杰领导的科研团队克服重重挑战，并于 2023 年 10 月 11 日实现 2 兆瓦液态燃料 TMSR 的首次临界，2024 年 6 月 17 日实现满功率运行。今年 4 月，科研团队首次在运行中的熔盐反应堆中加入钍燃料，再度创造全球首例纪录。 由许鸿杰团队实现的突破意味着中国目前拥有全球唯一实际运行的钍基熔盐反应堆。作为第四代先进核反应堆，该系统具备高度固有安全性：在常压下运行，几乎不存在高压爆炸风险；其建于地下并具有完善的辐射屏蔽能力；化学性质稳定的熔盐可有效吸附放射性物质；如发生泄漏，熔盐将自动流入被动安全排泄槽并在冷却后固化以实现物理封存。 目前，中国正逐步形成完整的 TMSR 产业链，约有近百家科研机构与企业参与反应堆设计、材料科学与关键技术研发。该实验装置的所有核心部件均已实现百分之百国产化，标志着供应链自主与技术独立能力的成型。 按照最新官方规划，中国正在戈壁地区建设 100 兆瓦示范反应堆，目标是在 2035 年左右验证其大规模商业化可行性。 正值全国为这一突破庆祝之际，科研界也迎来令人悲痛的消息：被誉为中国钍基反应堆项目之父的核物理学家许鸿杰于 2025…

由《纽约时报》记者 Cade Metz 自旧金山发回的报道显示，亚马逊创始人、全球最富有的企业家之一杰夫·贝索斯正将资金与时间投入一家人工智能初创公司，并将以联合首席执行官的身份参与管理。这家名为 Project Prometheus 的公司以 62 亿美元的初始资金亮相，其中部分来自贝索斯本人。三名知情人士透露，这使该公司成为全球融资最充足的早期初创企业之一。由于相关细节尚未公开，这些知情人士均要求匿名。 这是贝索斯自 2021 年 7 月卸任亚马逊首席执行官以来首次在企业中担任正式运营角色。尽管他长期深度参与旗下太空公司蓝色起源，但在那家公司中，他的官方头衔仅为“创始人”。自离开亚马逊后，他在商业之外也因个人生活受到关注，其中包括其今年在威尼斯举行、群星云集的奢华婚礼。与此同时，他愈发积极参与蓝色起源事务，并对人工智能竞赛表现出更强烈兴趣。 Project Prometheus 的出现，意味着他正式置身这一竞争激烈的赛道。在人工智能领域，无论是规模较小的新创企业，还是谷歌、Meta、微软等行业巨头，以及 OpenAI、Anthropic 等先驱企业，都在争夺属于自己的位置。 该公司至今保持低调，成立时间尚不明确。据了解，Project Prometheus 正聚焦与贝索斯长期太空愿景相契合的技术路线，致力于开发可用于计算机、航空航天以及汽车等多个行业的工程与制造类人工智能。目前公司基地所在地尚未披露。 贝索斯的联合创始人与联合首席执行官是物理学家兼化学家维克·巴贾杰（Vik Bajaj）。他曾在谷歌旗下被称为“登月工厂”的研究部门 Google X 与联合创始人谢尔盖·布林密切合作。Google X 曾孵化多项雄心勃勃的项目，包括无人机配送服务 Wing 和后来发展为 Waymo 的自动驾驶汽车计划。 2015 年，巴贾杰参与创建 Verily，这是由谷歌母公司 Alphabet 运营、专注生命科学研究的实验室。三年后，他又共同创立并担任 Foresite Labs 的首席执行官，主要孵化新的人工智能与数据科学企业。据三名知情人士透露，他已离任该职位以全力投入 Project Prometheus。 Project Prometheus 属于一批致力于将人工智能应用于物理任务的公司之一，这些方向包括机器人、药物设计与科学发现。今年，多名来自 Meta、OpenAI、Google DeepMind 等顶尖 AI 项目的研究人员共同创立了 Periodic Labs，旨在利用人工智能加速物理与化学等领域的科研突破。 去年，贝索斯也投资了 Physical…

谷歌云与加州大学洛杉矶分校（UCLA）的研究团队近日提出一种全新的强化学习框架，可显著提升语言模型在多步骤、高难度推理任务中的表现。这一被称为 监督强化学习（Supervised Reinforcement Learning, SRL） 的方法，将问题求解重新定义为一系列逻辑“动作”，使训练过程获得更丰富的学习信号。 研究表明，SRL 能让规模更小、成本更低的模型掌握以往难以触及的复杂推理能力，不仅在数学推理测试中表现突出，还能有效推广至 软件工程代理任务，展现出跨领域的泛化能力。 研究团队强调，SRL 是一个高度通用的训练框架，可让小模型获得远超其规模的推理能力。 当前大模型推理训练的瓶颈 目前推动大模型推理能力进步的核心方法主要包括： 其中，RLVR依据最终答案是否正确给予奖励。模型反复尝试解题，在最终对错的反馈中逐渐学会策略。但由于推理“rollout”代价昂贵，模型能尝试的次数非常有限——问题一旦过难，模型往往连一次正确解题都无法“踩中”，导致完全没有学习信号。 更严重的是，复杂推理中模型可能前几步都正确，却在最后一步出错。RLVR 仍给出“错误”奖励，使得模型无法从部分正确的过程学习，这被称为稀疏奖励问题。 另一方向是 SFT，模型模仿专家的详细推理轨迹，但容易过拟合——只会复述训练数据中出现的路径，而非真正理解。同时，高质量专家推理数据极其昂贵与稀缺。 正如论文指出的，现有方法造成了一个严重缺口： SRL：介于 RL 与 SFT 之间的“中间道路” SRL 采用一种“顺序决策”框架，在最终结果奖励与全路径模仿之间找到平衡。它不是要求模型只关注最终答案，也不是要求模型逐字模仿专家思路，而是教模型模仿专家推理中的关键动作序列。 专家的完整解题过程会被拆解为一系列具体动作，例如： 训练数据由更强大的“教师模型”生成，再用于训练较小的学生模型。 Google 研究科学家、论文共同作者许一宏（I-Hung Hsu）指出，SRL 的优势在于贴近现实场景： 密集奖励训练：模型每做一步动作就获得反馈 在训练时，模型会先产生内部推理“独白”（以 <think> 标签包裹），再做出一个动作。SRL 依据模型预测动作与专家动作的相似程度给出逐步奖励。 这意味着模型即使最终解题失败，也能从部分正确推理中学习，彻底解决了 RLVR 的稀疏奖励困境。 SRL 的实测效果：更强推理、更高灵活性、无额外推理成本 研究中，SRL 在数学推理与软件工程代理任务中均显著优于现有技术。研究者观察到 SRL 训练出的模型更擅长： 在推理效率上，SRL 也未显著增加 token 使用量，这意味着更强的推理能力并不以更高成本为代价。 Hsu 强调： “推理提升来自结构化推理本身，而非输出变长。” 数学推理实验：小模型提升 3%…

摩根大通最新分析指出，随着 Nvidia 明年推出用于 AI 与高性能计算（HPC）的 Vera Rubin 平台，AI 硬件供应链可能迎来重大变化。根据报告，Nvidia 计划向合作伙伴直接交付 完全组装好的 Level-10（L10）VR200 计算模组，其中包含所有计算部件、散热系统与接口。这意味着 OEM/ODM 厂商几乎不再需要自行设计关键部件，其利润空间也将因此受到挤压。目前该信息尚未获得官方确认。 从卖 GPU 到卖整机：Rubin 时代的激进整合 传闻显示，从 VR200 平台开始，Nvidia 将： 这不是 Nvidia 第一次尝试深度整合：在 GB200 平台时代，Nvidia 就曾交付过预组装的 Bianca 板卡，但当时层级属于 L7～L8，而 VR200 则将这一整合程度推向 L10 完整计算模块。 如果摩根大通的消息属实，这意味着 Nvidia 将掌握一台 AI 服务器近九成的价值，而合作伙伴的角色被大幅弱化为： 这些工作虽必要，但几乎不再构成技术差异化。 为何 Nvidia 要大幅提高整合度？复杂设计 + 极端散热需求是关键 Rubin 平台的硬件设计难度极高。此前黄仁勋展示过 Vera Rubin Superchip，其： 这些设计成本昂贵，也需要大量时间。摩根大通认为，若由 Nvidia 直接与…

近期，AI 公司 Anthropic 发布了一份关于网络攻击的重量级报告。该公司因其 Claude 系列 AI 工具而走红，尤其在代码辅助方面广为宣传。然而，这份本应具权威性的威胁情报报告，却因其模糊的细节、缺失的指标与高度营销化的内容，在网络安全社区引发强烈质疑。 报告执行摘要中最引人注目的段落如下： “2025年9月中旬，Anthropic 侦测到一项高度复杂的网络间谍行动，该行动由一个被命名为 GTG-1002 的中国国家支持组织实施……攻击涉及约30个目标实体，并验证了部分成功入侵。” 乍看之下，这段文字信息量巨大： 网络安全分析人士原本预期，报告后续应提供完整的 TTP（攻击战术、技术和流程）、IoC（攻击指标）以及可用于其他机构自查的证据。然而，报告越读越让人失望——缺乏验证、缺乏细节、缺乏任何行业标准必备内容。 关键问题：IoC在哪里？证据在哪里？ 一份合格的威胁情报报告通常会包含： 例如，法国 CERT 公布的 APT28 报告就包含上述所有关键信息。但在 Anthropic 的报告中： 换言之，未提供其他机构保护自身所需的最基本情资。 关于“80–90% 自动化攻击”的说法毫无证据 报告声称： “Claude Code实例以自治渗透测试代理的形式执行80–90%的战术操作，执行速率为人类物理上不可能达到的规模。” 然而： 这些问题，报告全部避而不答。 报告还宣称 Claude 执行了 “系统性证书与凭证搜集”。但未说明： 没有方法、没有样本、没有路径、没有细节。 归因中国？却不给任何证据，这极其不专业 报告声称攻击来自“中国国家支持组织”。但未提供： 现实中，APT 归因需要严谨证据，背后甚至有外交影响。而该报告只是轻描淡写地一句话归因，完全不符合专业标准。 业内人士指出：在西方与中国关系紧张之际，这种无证据指控不仅鲁莽，而且可能误导公众。 更令人担忧的是，如果没有证据，这些所谓“高度先进攻击者”甚至可能只是自动化脚本小子。 报告目的似乎不在安全，而是营销 报告末尾突然给出一句关键话： “安全团队应开始在SOC自动化、威胁检测、漏洞评估、事件响应等领域尝试使用AI。” 结合全文，这似乎暗示： 安全社区专家指出： 从结构到内容，整个报告更像营销宣传，而非专业威胁情报。 结语：报告专业度不足，风险夸大，证据缺失，被指“不负责任” 综合分析，安全社区普遍认为： 在当下 AI 技术快速扩张的时代，安全行业对事实与证据的要求比以往更高，而并非更低。…

在过去一年中，随着OpenAI密集的融资行动与IPO传闻不断，其财务状况正受到空前关注。科技博主Ed Zitron近期获得的泄露文件，为外界首次提供了有关OpenAI具体收入以及其向微软支付的算力费用规模的更清晰图景。 文件显示，2024年微软从OpenAI获得 4.938亿美元 的分成收入；而2025年前三季度，这一数字上升至 8.658亿美元。 据悉，这些分成基于双方此前的合作协议：微软曾向OpenAI投资超过130亿美元，作为交换，OpenAI reportedly需将 约20%收入 返还给微软（双方从未公开确认这一比例）。 然而，这段合作关系远比表面复杂。 双向分成：微软也向OpenAI支付费用 一位熟悉内情的消息人士向TechCrunch透露，不只是OpenAI向微软返利，微软也会将Bing与Azure OpenAI Service的部分收入回拨给OpenAI，比例同样约为20%。 原因在于： 此外，这位消息人士强调，泄露的分成数字指的是 “净分成”，并不包括微软从Bing与Azure所得后返还给OpenAI的金额——这些金额会从微软对外披露的内部收入分成数据中被扣除。 由于微软没有披露Bing与Azure OpenAI的独立营收规模，外界无法得知实际返还给OpenAI的具体金额。 财务推算：OpenAI收入规模或远超已知数字 按照广泛报道的20%分成比例，可以推算： 但消息普遍认为实际收入更高。此前《The Information》报道： 而萨姆·奥特曼近期公开表示： 成本激增：推理（Inference）开销正在吞噬利润 Zitron的分析指出，OpenAI： 这意味着推理成本增长速度惊人。推理指的是模型日常运行所需的算力，是持续高额现金支出。 相比之下，训练成本（Training）多由微软先前的投资“算力信用”覆盖，因此是非现金支出。 也就是说： OpenAI的实际现金流压力来自推理成本，而这部分费用可能已超过其收入。 过去报道显示： 综上，这些数字暗示OpenAI可能仍处于 收入覆盖不了推理支出 的阶段。 对整个AI行业意味着什么？ 在纽约和硅谷，从风险投资人到科技公司高管，“AI泡沫是否已经出现”的讨论愈发激烈。若连OpenAI这样估值高达数千亿美元的巨头依然因推理成本陷入亏损，那么其他依赖大模型、需要持续花钱购买算力的AI创业公司又将面临何种处境？ 这或将影响全球AI产业的估值、投资节奏与资本态度。 OpenAI拒绝发表评论；微软未回复置评请求。

麻省理工学院的物理学家近日在“魔角”三层扭转石墨烯（magic-angle twisted trilayer graphene，MATTG）中观测到清晰且决定性的非常规超导性证据。这一发现为未来研发更高温超导体打开了新路径，并可能推动零能量损耗电网、量子计算等革命性技术的发展。 超导体能够让电流毫无阻力地穿过材料，因而极其节能。但传统超导体必须在极低温下才能保持超导状态，严重限制了应用范围。因此，科学界持续探索能够在更高温度下工作的“非常规超导体”。MATTG正是近年来最受关注的候选材料之一，由三层石墨烯以特定“魔角”堆叠而成，其内部电子结构因扭角而呈现奇特的量子行为。 此前，MATTG被观测到多种间接的非常规超导迹象，而MIT团队本次在《Science》期刊上发表的成果，被认为是迄今最直接、最明确的证据。 研究团队成功精确测量了MATTG的超导能隙（superconducting gap）——这是判断一种超导机制是否“非常规”的关键物理量。他们发现，MATTG的能隙呈现明显的V形结构，这与传统超导体平坦均匀的能隙曲线截然不同，说明其超导机理必须由全新的电子作用驱动。 “超导能隙为我们提供了材料何以成为超导体的重要线索。”论文共同第一作者、MIT物理系研究生孙书雯（Shuwen Sun）指出，“理解这些机制将有助于未来设计出甚至可能在室温工作的超导体。” 新型实验平台：在二维材料中“实时观看”超导形成 为了获得这一关键证据，研究团队开发了一种全新的实验平台，将量子隧穿谱技术与电输运测量结合在同一个装置中。隧穿谱可观察电子如何穿过材料，而电输运则可监测材料是否进入零电阻的超导状态。 通过这套系统，研究团队在同一块MATTG样品中同时确认了零电阻（超导特征）与V形隧穿能隙（非常规特征），实现了领域内长期难以做到的“直接关联证明”。 随后，团队研究了能隙在不同温度与磁场下的演化，确认其行为与传统由晶格振动驱动的超导机理不一致。 论文共同作者朴正敏（Jeong Min Park）解释道：“在传统超导体中，电子配对依靠晶格振动。但在魔角石墨烯中，更可能是强电子相互作用本身促成配对，从而形成具有特殊对称性的非常规超导态。” “扭曲材料体系”（Twistronics）再迎突破 自2018年Pablo Jarillo-Herrero教授团队首次制备魔角双层石墨烯以来，“扭学”（twistronics）迅速成为量子材料领域最热门的方向之一。通过对二维材料进行原子级扭转，可产生莫尔（moiré）干涉图案，使电子出现强关联效应，从而诱发超导、绝缘相和奇特的量子态。 本次对MATTG超导能隙的首次直接测量，是这一研究方向的里程碑成果。团队计划将新平台应用于更多二维扭转材料，以寻找更高温、更稳定的超导体候选者。 “深入理解一种非常规超导体，可能会带来对整个超导体系的突破性认识。”Jarillo-Herrero表示，“这将为我们设计未来的室温超导材料提供方向——那是整个领域的‘圣杯’。” 该研究由美国陆军研究办公室、空军科研办公室、国家科学基金会、戈登和贝蒂·摩尔基金会等机构支持。

纽约城市大学（CUNY）与德克萨斯大学奥斯汀分校的研究人员近日在现代光学领域取得重大突破——他们成功让一种极难探测的量子光状态 “暗激子（dark excitons）” 以 30万倍亮度被观测到，并可实现精确操控。此成果为更快速、更小型、更节能的量子计算与光子技术奠定了新基础。 暗激子是一种存在于原子级超薄半导体中的奇异“光-物质耦合”状态，由于其发光极弱，通常处于“隐形”状态。然而，它们的长寿命和极低环境干扰特性，使其成为量子信息处理和传感领域的理想候选。 为了让暗激子显现，研究团队构建了一种全新的纳米级光学腔结构，由金纳米管与一层仅三原子厚的**二硒化钨（WSe₂）**构成。这个精密的等离子体-激子纳米异质结构使暗激子的发光增强到原来的 近30万倍——不仅首次让其“发光”，还实现了纳米尺度的可控操作。 CUNY光子学计划负责人、研究首席科学家、爱因斯坦物理学教授安德烈亚·阿卢（Andrea Alù）表示：“这项研究表明，人类可以访问并操控过去完全无法触及的光-物质状态。通过在纳米尺度上随意开启与关闭这些隐藏态，将极大推进下一代光子与量子技术的发展，包括传感与计算。” 电场精准调控：可随需切换的新量子功能团队进一步展示了如何通过外加电场与磁场灵活调节暗激子的发光，使科学家能在芯片上微调其量子特性，以应用于光子电路、传感器与安全量子通信系统。 与过去依赖改变材料结构的方法不同，这种新技术完全保留了半导体材料本身的特性，却实现了前所未有的光-物质耦合增强。 论文第一作者、谷加明（Jiamin Quan）表示：“研究揭示了一类此前从未被观测到的自旋禁阻型暗激子，这是探索二维材料中更多隐藏量子态的开端。” 解决长期争议：等离子体结构能否增强暗激子？纳米光子学界长期争论是否能利用等离子体结构增强暗激子而不破坏其本征量子特性。本次研究通过精确设计的等离子体-激子异质结构给出了答案。团队利用纳米级六方氮化硼层，将金材料与半导体隔离开，使激子的内在结构得以保持，同时极大增强其光学响应。 该研究获得美国空军科研办公室、海军研究办公室及国家科学基金会资助。 通过让原本“黑暗”的量子光态变得明亮可控，这项成果为构建更小、更快、更节能的新一代量子与光子系统迈出了关键一步。

关于路易斯·安德烈（Louis Andre），互联网上的信息少得惊人——而这恰恰让他的崛起显得更加引人注目。 安德烈今年27岁，成长于欧洲，母亲是法国人，父亲来自马达加斯加。他曾在伦敦大学学院攻读神经科学与计算机科学，之后辗转于普林斯顿大学、斯坦福大学等科研机构，并在谷歌联合创始人谢尔盖·布林（Sergey Brin）支持的帕金森病相关生物科技公司任职。熟悉他的人评价其“聪明、有魅力、研究扎实”，虽然他过去的项目并非爆款，但始终潜心于科学。 然而，从本周一开始，这位默默无闻的年轻科学家将进入聚光灯中心。安德烈正式宣布成立新公司Episteme，获得OpenAI首席执行官萨姆·奥特曼（Sam Altman）、软银集团创始人孙正义（Masayoshi Son）以及多位尚未公开的投资者支持。总部位于旧金山的Episteme计划打造一个现代版“贝尔实验室”或“施乐帕洛阿尔托研究中心（Xerox PARC）”，吸引世界顶尖科学家进行自由探索式研究，孕育突破性成果。 “我们希望支持那些真正有思想、想追求有意义创意，却在现有体制下感到受限的人。”安德烈表示，“有太多天才科学家对当下的科研模式感到失望。” 从一场对话开始的理想 Episteme的起源可以追溯到几年前安德烈与奥特曼的一次谈话。两人讨论了当今科研生态的种种弊端：学术界的顶尖人才大多耗费时间在撰写基金申请、管理繁琐行政事务和论文发表上，真正的科研时间反而稀缺；而风险投资驱动的初创公司，则往往要求短期回报，难以支撑长期高风险研究。 “那时我们都在想，‘我们应该做点什么，尝试不一样的模式。’”安德烈回忆道。 Episteme的核心构想，是为科学家提供丰厚薪酬、实验资源与公司股份，让他们摆脱筹资与申报压力，专注研究。同时，Episteme配备专业团队处理知识产权、税务、人事与行政事宜，并已从盖茨基金会及美国能源部引入多名关键管理人才，帮助科学成果走向产品化。 “新贝尔实验室”的野心 贝尔实验室与施乐PARC被视为科研机构的巅峰典范——前者孕育了晶体管、激光、信息论、Unix系统与蜂窝通信技术，后者则奠定了个人计算与互联网时代的基础。它们的模式是让研究部门享有相对独立的自由，免受短期盈利压力的束缚，鼓励探索性研究。 20世纪90年代以前，美国大型科技公司仍延续这一传统。IBM、Sun Microsystems、惠普（HP）、英特尔等均设有实验室，记者每年都受邀参观科学家最新的突破性项目。近年来，谷歌的“X实验室”被认为是这种传统的延续者，但成效参差不齐。 如今，这种“自由科研乐园”几乎绝迹。企业需向股东交代季度业绩，已无余力长期资助基础研究。更多公司选择直接收购初创企业，而非自行研发。 Episteme：跨领域的科学加速器 与生物技术领域的霍华德·休斯医学研究所、怀特海德研究所或扎克伯格基金会的研究中心不同，Episteme的愿景更广——它不专注单一领域，而是吸纳跨学科的科学家。 耶鲁大学天文学系主任普莉亚姆瓦达·纳塔拉詹（Priyamvada Natarajan）作为Episteme顾问表示：“Episteme涵盖人工智能、能源、新材料、电池系统与超导体等多个方向。它借鉴了贝尔实验室和PARC的精神，但更适应当今科学语境——这是一种新型科研加速器。” 安德烈透露，公司已锁定约2,400名理想候选人，首批将招募15名科学家，研究领域包括能源、计算与神经科学。首个实验中心设在旧金山，未来计划在全球建立多处分部。 “我们考察三件事，”安德烈说，“科研的实质性、技术与执行能力，以及最重要的——他们的‘变革理论’。我们希望他们对未来有清晰愿景和深层动机。” 风险与理想并存的“科学乌托邦” 这种由投资人主导的科研机构风险不小。出资者可能因兴趣减退而撤资，科学家也可能在压力下失去自由。上周，曾获5亿美元融资、备受瞩目的Arena BioWorks被曝运营仅两年便即将关闭。 尽管如此，奥特曼与安德烈都承认Episteme具有商业目标。科学家将定期接受成果评估，公司希望通过科研成果与产品化实现自我造血。然而两人也强调，希望给予研究人员充分的时间与空间。奥特曼表示：“我不会对他们施压。科研项目成熟自有其节奏，有的需要两个月，有的需要十年。路易斯的愿景与我非常契合。” 安德烈与奥特曼均拒绝透露投资规模，但消息人士称，这并非奥特曼那类“巨额押注”项目（如Helion核聚变、Retro Bio长寿研究或World Labs世界模型）。其他富豪投资者也接受这一投资可能多年不见回报的前提。 重建科学的“第三条道路” 美国科研体制近年来遭遇重创——联邦预算削减、政治化干预、大学经费减少让众多实验室陷入困境。大量研究经费被行政管理消耗，年轻科学家面临职业不确定性。 纳塔拉詹指出：“当前正是提供这种替代方案的最佳时机。”与此同时，中国的科研体系正迅速崛起，从制造业到人工智能、生物科技都在迎头赶上，美国若继续失去科研创新优势，将付出高昂代价。 安德烈认为，问题不在人才，而在机制：“科学的瓶颈不是缺乏天才，而是缺乏让科学成果转化为社会应用的体系与执行力。Episteme的目标，是构建区别于学术界与产业界的‘第三种模式’，让科学家既能自由探索，又无需成为创业者或募款人。” 年轻的理想主义者与科学的再启蒙 Episteme首批科学家之一、本·安古洛（Ben Angulo）来自哈佛大学乔治·丘奇实验室（Church Lab），计划于2026年初在Episteme建立自己的研究室，专注基因与细胞疗法研究。“在学术界，很多有前途的项目被过早终止；若去初创公司，又会被严格的商业时间表束缚，”他解释道。 安古洛曾与安德烈在布林资助的OccamzRazor生物科技公司共事。他称安德烈“聪慧且理想主义”，并认为正是年轻使他有勇气挑战旧秩序：“要推动这种变革，必须是一个尚未被体制驯化的年轻人。” Episteme的名字源于哲学概念“知识论”（episteme），体现安德烈将文学与科学相融合的理念。他希望通过这家公司纠正“资本与人才错配”的问题。 “有些人会说这听起来太理想化，”安德烈笑道，“但在这个充满不确定的世界里，保持理想主义，恰恰是推动科学前进的必要条件。”