标签: 科学家
最近刷到司美格鲁肽，突然好奇背后的科学家们！这么厉害的药，肯定有不少女性研究者付出心血吧？她们在科研
最近刷到司美格鲁肽，突然好奇背后的科学家们！这么厉害的药，肯定有不少女性研究者付出心血吧？她们在科研领域默默深耕，攻克难题，才让好药造福更多人。别只盯着药，也该看看这些了不起的“幕后女英雄”呀～#司美格鲁肽背后的女性力量#了不起的女科学家最近刷到司美格鲁肽，突然好奇背后的科学家们！这么厉害的药，肯定有不少女性研究者付出心血吧？她们在科研领域默默深耕，攻克难题，才让好药造福更多人。别只盯着药，也该看看这些了不起的“幕后女英雄”呀～司美格鲁肽背后的女性力量了不起的女科学家
人类就该这样发明食物
人类就该这样发明食物
霍金为什么要去萝莉岛？
霍金为什么要去萝莉岛？
霍金为什么要去萝莉岛？
霍金为什么要去萝莉岛？
两位爱国人士又走到了一起！他们有一个共同目标，为正能量而发声，为国家的发展出谋划
两位爱国人士又走到了一起！他们有一个共同目标，为正能量而发声，为国家的发展出谋划策！新时代爱国力量宣扬科学家精神爱国统一阵线寻访科学家精神民间爱国力量
在互联网时代，最难的就是要从无数条百度搜索中找到你要的知识！而在AI时代，最难
在互联网时代，最难的就是要从无数条百度搜索中找到你要的知识！而在AI时代，最难的就是要从无数个自媒体平台里面找到靠谱的知识！事实上获取正确知识变得越来越难！这个时代绝大多数人都已经失去了知识的辨别能力，而且最可怕的就是他们没有能力知道如何获得每一个领域，每一个学科，每一个细分行业，真正靠谱科学的知识！其实方法很简单，当你对网上各种版本的知识进行鉴定的时候，唯一有效的方法就是去购买这个学科的大学教科书！因为教科书都是这个学科顶级的科学家关于这类问题的共识！能够写进教科书的总结，都是经过全世界这个学科的科学家反复筛选最终的结论！如果你想知道所有关于心理学正确靠谱的知识在哪？你只需要到网上去搜索心理学大学教科书，随便买一些最初级的，大一年级的，心理学教材就行了！而且心理学的教材全世界各大学使用的都是同一套知识，都是通用的！给你推荐一本最初级的，入门的叫做心理学与生活，你可以买最近的版本！如果你想要知道心理疾病相关知识，去买焦虑障碍手册，一定要买最新版本，全世界通用的！这些大学心理学教材教科书有一个特点，往往都是再版过七八版甚至10多版的！这就说明这种教科书稳定的在全世界通用，这才是真正靠谱知识的来源！然后我直接跟你说结论吧，因为我们账号是真正专业的心理学靠谱知识传播者，也是实践者，我们账号给全国的心理咨询师上课都20多年了！你从我们账号看到的任何知识，你都可以去买一本大学心理学教科书去对照！同样，你用大学心理学教科书教材去对照你在网上看到的任何一个心理学知识，你就会明白在全网真正始终保持专业靠谱，高水平心理学知识传播者和实践者也就只有我们账号了！因为我们整天也在看网上的各种心理学账号的知识，结果发现99.9%都是假的！凡是给你说这个研究，那个研究都是骗人的！因为心理学期刊上，心理学的研究成果8%九十都是假的！这就是心理学这个学科最奇葩的地方！这种一次性的研究往往没有科学性！而大学心理学教科书上的结论是这个学科知识反复几十年研究的结果，符合反复验证的科学标准要求！
牛顿，就是我们知道的那个苹果和万有引力的牛顿，他不仅是一位科学家，在人生的后半个阶段，他成为了一个“
牛顿，就是我们知道的那个苹果和万有引力的牛顿，他不仅是一位科学家，在人生的后半个阶段，他成为了一个“名侦探”。站在他对面的，是当时英国著名的骗子查络纳。他是出了名的道德败坏，老奸巨猾，且手段多样，甚至连国会和议会都被他骗得团团转。眼看着陷入重重危机，一个拥有着极高智商的科学家，将如何跟一个诡计多端的“天才”罪犯之间来回过招？让我们回到17世纪的英国，从头说起。牛顿，就是我们知道的那个苹果和万有引力的牛顿，他不仅是一位科学家，在人生的后半个阶段，他成为了一个“名侦探”。站在他对面的，是当时英国著名的骗子查络纳。他是出了名的道德败坏，老奸巨猾，且手段多样，甚至连国会和议会都被他骗得团团转。眼看着陷入重重危机，一个拥有着极高智商的科学家，将如何跟一个诡计多端的“天才”罪犯之间来回过招？让我们回到17世纪的英国，从头说起。
科学家首次绘制了成年雄性果蝇的完整大脑和中枢神经系统图谱——这是科学界的一个关键
科学家首次绘制了成年雄性果蝇的完整大脑和中枢神经系统图谱——这是科学界的一个关键模式生物。🪰与HHMIJanelia研究园区和科学界合作，@GoogleResearch的科学家和研究人员使用AI将数百万张2D图像组合成3D神经形状，重构了创纪录的166,000多个神经元。这个成年雄性果蝇大脑的基础图谱可以帮助加速我们对大脑的理解，是神经科学的一个重大里程碑。
科学家曾大费周章地抓了2万只蝉，小心翼翼地给它们搬进了一处新树林。结果不到一个星
科学家曾大费周章地抓了2万只蝉，小心翼翼地给它们搬进了一处新树林。结果不到一个星期，这2万只蝉的绝大部分就被吃掉了。闻讯赶来的鸟类和小型哺乳动物聚集在树枝上，把这场科学实验变成了自助大餐。组织这次搬家的是美国爱荷华大学的生物学教授安德鲁·福布斯（AndrewForbes），他本来希望帮这些虫子开辟新的栖息地，最后只能无奈承认自己的尝试彻底失败。在残酷的大自然里，2万只蝉听起来很多，但对它们这个物种来说，这点数量根本不够天敌塞牙缝。这种昆虫叫周期蝉（*Magicicada*），只分布在北美。普通蝉每年夏天都会钻出地面叫上几声，周期蝉则完全不同。它们的大部分生命都在黑暗的地底度过，耐心地数着树木的枯荣节律，直到整整13年或者17年过去，才会迎来生命中唯一一次集体破土。周期蝉没有任何能防身的能力。它们咬不了人，体内没有毒素，飞得跌跌撞撞，在捕食者眼里就是一块块移动的蛋白质。它们在地球上存活了近400万年，依靠的生存策略极其粗暴，那就是靠数量把敌人撑死。每次破土，同一区域的周期蝉会同步钻出地面，一英亩（大约4000多平方米）的林地里能挤下几十万只。黑色的身体、橙红色的翅膀和血红色的眼睛挂满每一根树枝。当地所有的天敌敞开肚皮吃到吐，也只能消灭一小部分，剩下的几百万只蝉便能安全地完成交配，把卵产在树枝上。正是这种维持了几百万年的生存奇观，如今成了它们的绝路。福布斯在研究生时期就迷上了周期蝉。多年后，他按照生命周期的推算，前往爱荷华州爱荷华城附近寻找预定破土的蝉群，眼前却几乎空空如也。曾经铺天盖地的虫群不知去向。福布斯和论文第一作者、来自美国加州大学伯克利分校的伊恩·陈（IanChan）调取了当地两个世纪以来的历史记录。他们翻阅旧报纸、核对早期的航拍照片，绘制出周期蝉曾经活跃的版图。历史记录显示，早在20世纪30年代，当地绝大多数的老龄森林就已经被人类砍伐殆尽。这给地下的周期蝉带来了灭顶之灾。周期蝉的幼虫在泥土深处生活10多年，唯一的营养来源就是老树根部的汁液。地面上的森林一旦被成片推平，树根枯死，地底下的蝉群就会全军覆没，根本等不到破土的那一天。更糟糕的是，就算人类后来意识到问题，把树林重新种了回去，蝉也回不来了。以往的野外研究显示，周期蝉极度不擅长远距离迁徙，每次羽化破土平均只能往前扩散大约46米。团队利用这一数据进行计算机模拟，结果显示，哪怕在一片重新长好的健康森林旁边，周期蝉要想从幸存的栖息地一点点挪过去、重新占领这片新林子，在最好的情况下也需要耗费好几个世纪。人类推平一座森林只需要几个月，而周期蝉跨越几千米的距离需要几百年。失去了数量优势的周期蝉，也无法通过人工引种来建立新种群。只要搬迁的数量达不到淹没天敌胃口的规模，再多的蝉也会在一周内被捕食者吃光。这项发表在《生态学》（*Ecology*）期刊上的研究表明，只要历史上遭遇过大面积森林砍伐，哪怕过去了近百年，地下的蝉群依然无法复原。如果现存的森林保护区再受干扰，或者新恢复的林地无法维持数百年不动，这种每隔十几年席卷森林的生命奇迹，就真的会彻底消失在北美大地上。～～～～～～图为树木砍伐与再生对周期蝉分布范围的长期影响，图源：Ecology(2026).DOI:10.1002/ecy.70487信源：UniversityofIowa."Periodicalcicadasmaybedoomedtoextinction."Phys.org,editedbyGabyClark,4Sept.2026
韩国学校挂明星不挂科学家，在这一点上，韩国很务实，清楚知道本国的优势，在韩国投身
韩国学校挂明星不挂科学家，在这一点上，韩国很务实，清楚知道本国的优势，在韩国投身娱乐事业就是比搞科研好！何况，韩国不需要科学家，别的国家发明了什么，韩国揽下来便是。
#AI产业链#AI加速之后，慢变量开始决定胜负信源：InvestLikeTheBest｜Patric
#AI产业链#AI加速之后，慢变量开始决定胜负信源：InvestLikeTheBest｜PatrickO’Shaughnessy对话Conviction创始人SarahGuo｜2026-09-01这期访谈最容易被截取传播的，是SarahGuo转述的一种新情绪：部分前沿研究者开始相信，能够改进AI模型的AI研究系统，可能在一两年内带来某种“指数AI产业链AI加速之后，慢变量开始决定胜负信源：InvestLikeTheBest｜PatrickO’Shaughnessy对话Conviction创始人SarahGuo｜2026-09-01这期访谈最容易被截取传播的，是SarahGuo转述的一种新情绪：部分前沿研究者开始相信，能够改进AI模型的AI研究系统，可能在一两年内带来某种“指数智能”。但她紧接着提到，AndrejKarpathy曾自嘲，自己已经连续十年觉得突破“还要两年”。标题中的“250人”也不是统计样本，而是Conviction长期接触的一群研究者和创业者。它能说明圈内叙事发生了变化，却不能当作AGI倒计时。视频真正提供的洞见，是AI时代出现了一场越来越尖锐的速度错配：模型、代码和研究方法可以按周迭代，价值兑现却要穿过电力、芯片供应链、数据采集、现实世界可靠性、监管和客户预算这些慢变量。能力曲线越陡，决定胜负的反而越可能是那些不能同步加速的环节。Sarah谈开放权重、算力独立、家用机器人和AI制药，看似跨越四个行业，实际都在追问同一件事：智能怎样从演示和榜单进入真实经济。这种错配先在前沿实验室内部显现。Sarah观察到，早期实验室规模较小，研究者容易相信个人能够改变技术路线；当组织扩张到数千人、竞争被巨额算力投入驱动后，一部分人开始觉得，要么模型最终会接管研究，要么唯一重要的变量只剩算力。这是她对圈内心理的描述，不是已被证明的技术规律。视频中那位超大规模云厂商基础设施负责人的说法——2030年前没有什么能以足够规模改变供给——同样只是匿名转述。不过，外部数据支持“物理供给正在变硬”这个方向：劳伦斯伯克利国家实验室2026年6月更新的报告估计，到2030年美国数据中心可能消耗全国11.8%的电力，情景区间为9.5%至15.3%。模型进步可以突然发生，电网、燃机、变压器和数据中心却不能突然出现。Sarah关于开放模型的判断，正建立在这条裂缝上。企业需要的不只是最高分模型，还要成本、延迟、容量、数据敏感性以及对部署节奏的控制。最新榜单比3月的年度报告更能说明当前状态：截至8月27日，Arena文本榜已覆盖395个模型和792万次投票，KimiK3排第10、GLM-5.3排第15；截至8月30日，CodeArena中KimiK3升至第2，GLM-5.3排第10。这里不应再编造一个“当前中美差距百分比”。更准确的结论是，前沿排序正在按周重排，开放权重模型已经进入第一梯队，但在不同任务上的位置并不一致。视频习惯把这类模型统称为“开源”，技术上需要再收紧一步：其中不少只是开放权重，许可证、训练数据和训练代码并未完全开放。即便如此，Sarah的机制判断仍然成立。开放权重降低了模型获取门槛，却不会自动消除算力、后训练、评测、安全和运维门槛；稀缺性只是从“能否调用模型”迁移到“能否把模型可靠、低成本地用于自己的任务”。因此，她主张与其用禁令阻挡扩散，不如对前沿模型做严格测试。这个主张值得讨论，但也带有明确的利益位置：她投资的生态需要开放能力继续扩散。机器人部分把“慢变量”讲得更具体。Sarah看好SundayRobotics，并非因为机器人外形，而是创始团队把数据采集成本、数据分布和模型迭代速度当成同一个工程问题。Sunday在7月发布的ACT-2说明确认，Memo计划在今年秋季进入家庭Beta，公司的核心资产是从手套采集、模型训练到机器人本体和部署反馈的闭环。但Beta不是通用自主，公司的文章反而给出了更清醒的判断：每项任务都做到60%可靠，可能不如先把少数高价值任务推过可用门槛。视频里“年底进家庭”代表的是验证开始，不是问题已经解决。PhysicalAI的瓶颈已经从能否做出漂亮演示，转向长尾环境中的成功率、恢复能力和单位数据成本。AI制药也有同样的证据边界。Sarah说，客户合同和药企科学家的反馈让她相信，模型可以在生物研发中创造并捕获价值；但她同时承认，行业真正的“亮灯时刻”要等到一个新适应症或新药的轨迹被AI明确改变。合同证明付费意愿，不能证明临床成功。软件模型可以缩短候选生成和筛选，实验、毒理、临床和审批仍服从生物学与监管的时间尺度。这里的机会不是消灭慢过程，而是让每一次昂贵验证承载更多、更好的假设。这也解释了Sarah自己的投资方法：她常常先凭人和技术形成八九分的直觉，再反向寻找认知漏洞，写备忘录，请同伴做第二遍判断。它不是“先有信仰、再找证据”的许可，而是一套把直觉变成可被推翻判断的办法。必须看到，她既是观察者也是投资者，节目中的Sunday、Chai等案例都与其投资组合有关；所谓“250人相信什么”更接近高密度关系网络的切片，而不是中立的产业普查。因此，这期视频留下的最好问题不是“指数智能何时到来”，而是哪些慢变量正在被真实改善。接下来应看数据中心负荷能否转化为实际并网和付费推理，开放权重模型能否在企业任务中形成持续使用，家用机器人能否跨家庭保持可靠，AI设计的分子能否通过实验和临床验证。如果这些指标停滞，模型继续变强也可能对应过度建设和资本错配；如果它们同步改善，AI的利润池才会从实验室向能源、基础设施、行业软件和现实世界部署迁移。AI跑得越快，研究者越要盯住那些跑不快的东西。
![孙宇晨这次翻车翻得太彻底了，说得再真诚，大家也不相信他了[无奈摊手]](http://image.uczzd.cn/9815495015438022048.jpg?id=0)
其实他是想他外星人老公了
其实他是想他外星人老公了
