OpenAI联合创始人兼首席执行官Sam Altman在华盛顿邮报，最新发布了一篇名为《Who will control the future of AI?》的深度长文。

**Sam认为，谁能掌控AI的创新和持续发展，谁就能统治未来的世界。

---

** 目前，美国依靠ChatGPT、Copilot 等产品，在生成式AI、大模型领域取得领先地位，但这只是阶段性并不稳固。

而中国在生成式AI领域进行了大量投资，包括基础建设（电厂、算力集群）、监管条例、技术生态以及场景化应用等，已经成为美国的头号竞争对手，并且在未来很可能会超越美国。

所以，Sam建议美国应该联合英国、德国、日本、韩国等盟友，打造一个“世界级AI联盟”实现统一的战略目标，来对抗那些信仰、价值观不同的国家，从而获得领先的主导地位。 可以从以下4个方面入手。

1、制定强大的安全措施： Sam强调了网络防御和数据中心的安全创新的重要性。以防止黑客窃取大模型权重和AI训练数据等重要知识产权。 可以通过AI来自动识别和阻挠潜在的网络威胁，同时还要确保这些防御措施可以快速适应不断演变的网络攻击手段。

2、基础设施建设： 主张通过建立公私合作伙伴关系来，投资必要的物理基础设施，这包括算力中心、网络光纤、发电厂等，这些基础设施对于AI的长期发展和技术创新至关重要。在建造这些基础设施的同时，还能提供全新的就业机会是一个多赢的举措。

3、商业出口管控： 可以制定明确的出口管制和外国投资规则的重要性，以及在全球范围内构建AI系统的指导方针。包括处理数据本地化的敏感问题，确保AI技术的健康发展和应用不受到政治和地理的限制。作为实际行为，OpenAI前不久刚停止了对中国API的支持。

4、全球模式： 需要创新地思考全球如何建立AI发展和部署的规范，特别是要关注安全问题，并确保历史上被忽视的南方和其他国家能够参与进来。 但这需要像处理其他全球重要问题一样，与中国进行接触并持续对话。

Sam认为，可以建设一个类似国际原子能机构的组织，将日本、英国等国家正在建立的AI安全研究所网络联合起来，并设立一个投资基金，那些遵守民主AI协议的国家可以从中获得资金，以扩大他们国内的AI算力从而获取更多的盟友支持。

关于这篇文章有478个评论，多数人认为，Sam写这篇文章只是一个“自保”的行为，希望美国政府不要把OpenAI作为眼中钉肉中刺，总是三番五次的调查、制裁他们，应该集中火力一致对外。

同时他也非常有政治头脑，知道“中美对抗”是一个非常热门且正确的话题，他通过移花接木的方式把苗头转向第三方，从而降低自身所受到的伤害。

以下是部分网友对这篇文章的评论。

Sam Altman的立场并不诚实。他只关心其开发的产品能带来哪些名利和财富，对这项技术所带来的裁员等负面消息丝毫不关心。

即便你所谓的大语言模型也并不是真正的AI，你只是在模仿、抄袭别人的东西，然后再此基础之上进行二次创新。

我有一个小型的电子商务网站，需要不停阻止OpenAI的网络爬虫，因为它行为非常糟糕。所以，我对Sam Altman持怀疑态度，因为一个真正的好人，是不可能创建这么一个极端不负责任的网络爬虫。

我同意Sam的许多观点，但他过去的行为告诉我们他不值得信任。他会说什么是明智的，什么是人们爱听的，但他所说的与行动不一致。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

近期，外媒披露一则消息，称中方将发布通告，在多个领域禁用美国芯片，支持采购和使用国产芯片。这一信息与此前国内多项政策具有某种内在一致性，比如在财政部公布的计算机采购的新标准，就在多项关键部件的采购规定中，明确要求审查部件是否“在政府指定的中国信息安全测评中心及国家保密科技测评中心的网站上，通过了安全性和可靠性的测试”。

---

这一消息掀起了轩然大波。它意味着国产CPU的能力得到了广泛承认，也意味着其肩负的责任更加重大。

面对时代洪流，面对商业压力，面对科技铁幕，国产CPU一次次经历困难，又一次次集聚力量。最终让自身成长赶上了大势的选择，在2024年扛起科技自立自强的旗帜。

过去数十年，社会各界对国产CPU的认识经历了几次变迁。曾经很多人认为“发展国产处理器真的有必要吗？”后来，我们惊叹“留给国产芯片突破的时间不多了”。

从是否有必要，到是否来得及——中国CPU，是一枚始终在与时间赛跑的芯片。

1957 年，北京电子管厂成功制造了新中国最早的半导体器件，中国半导体产业由此拉开了大幕。但其第一次与全球信息化的洪流并轨，是在20世纪80年代。

1979年，上海元件五厂和上海无线电十四厂，联合仿制成功了8080八位微处理器。8080是英特尔在1974年推出的第二款CPU处理器，这次仿制成功，帮助中国抢占了技术机遇，也客观上推动了家用电脑走向国内市场。

随后，伴随着信息革命的到来，中国开始了第一次芯片产业化浪潮。无锡华晶、绍兴华越、上海贝岭、上海飞利浦和首钢 NEC 等多家集成电路公司相继成立。国家先后开展了1986 年的“531 战略”、1990 年的“908 工程”、1995 年的“909 工程”三次半导体技术攻坚。这个时间段，有更多的产业、资本与人才投身到半导体行业当中，为后续波澜起伏的中国芯片事业奠定了多方面的基础。

尽管如此，漫长的自主化CPU探索，却没有得到多少真正的成果。伴随着中国市场的开放，以及全球技术成果的涌入，稚嫩的国产CPU迎来了世界顶尖产品的冲击。很快，这次国产化芯片浪潮没有激发太大涟漪，就淹没在了全球化的科技汪洋里。

但芯片需要自主化的种子，却已经埋下。

伴随着PC革命的到来，中国市场在千禧年前后迎来了PC与软件产业的飞速发展。这也倒逼底层技术的进步，国产芯片命题又一次被提上了日程。

但在这一阶段，面对国外竞品的大范围输入，国产CPU面临着一个漩涡：国产半导体起步晚，发展慢，生态兼容难度高，难以形成规模化效应。这又导致了后续的研发成本大，产品差距被进一步拉开。

这种情况形成了一个漩涡，导致大量国产CPU项目深陷其中，最终倾覆。“正确但艰难”成为这一阶段国产CPU的代名词，好在还是有很多力量，在中国芯片市场足够大的前提下，推动国产芯片在这一阶段从种子变成了幼苗。

1989年，中国电子成立，在DDR4等领域发力，推动自主芯片的成长与发展。

1999年，邓中翰博士回国创办了中星微电子，这一事件在当时引起了各界的广泛关注，为中国半导体的第二次热潮拉开了序幕。

此后，中国科学院计算技术研究所的胡伟武博士，在2000年开启了“龙芯”项目，并在2001年8月18日仿制成功了通用CPU“龙芯1号”。诞生于1999年的飞腾处理器，也加入了国产CPU的浪潮。

为了解决超算、信息安全等领域的芯片缺口问题，总参谋部第五十六研究所（无锡江南计算技术研究所）在2003年着手设计自主化高性能芯片，由此申威正式踏上了中国半导体的舞台。此后，申威打造了神威蓝光超算体系，并于2012年9月投入使用。神威蓝光超级计算机使用了8704片申威1600，搭载神威睿思操作系统，在超算领域实现了软件和硬件的全部国产化自主可控。

2013年，台湾VIA将上海的子公司升级成合资企业，打造了兆芯。兆芯专注于国产CPU领域，其掌握处理器、图形处理器、芯片组三大核心技术，具备相关IP自主设计研发的能力，能够提供自主可控且具备高度兼容性的…

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

近期，外媒披露一则消息，称中方将发布通告，在多个领域禁用美国芯片，支持采购和使用国产芯片。这一信息与此前国内多项政策具有某种内在一致性，比如在财政部公布的计算机采购的新标准，就在多项关键部件的采购规定中，明确要求审查部件是否“在政府指定的中国信息安全测评中心及国家保密科技测评中心的网站上，通过了安全性和可靠性的测试”。

---

这一消息掀起了轩然大波。它意味着国产CPU的能力得到了广泛承认，也意味着其肩负的责任更加重大。

面对时代洪流，面对商业压力，面对科技铁幕，国产CPU一次次经历困难，又一次次集聚力量。最终让自身成长赶上了大势的选择，在2024年扛起科技自立自强的旗帜。

过去数十年，社会各界对国产CPU的认识经历了几次变迁。曾经很多人认为“发展国产处理器真的有必要吗？”后来，我们惊叹“留给国产芯片突破的时间不多了”。

从是否有必要，到是否来得及——中国CPU，是一枚始终在与时间赛跑的芯片。

1957 年，北京电子管厂成功制造了新中国最早的半导体器件，中国半导体产业由此拉开了大幕。但其第一次与全球信息化的洪流并轨，是在20世纪80年代。

1979年，上海元件五厂和上海无线电十四厂，联合仿制成功了8080八位微处理器。8080是英特尔在1974年推出的第二款CPU处理器，这次仿制成功，帮助中国抢占了技术机遇，也客观上推动了家用电脑走向国内市场。

随后，伴随着信息革命的到来，中国开始了第一次芯片产业化浪潮。无锡华晶、绍兴华越、上海贝岭、上海飞利浦和首钢 NEC 等多家集成电路公司相继成立。国家先后开展了1986 年的“531 战略”、1990 年的“908 工程”、1995 年的“909 工程”三次半导体技术攻坚。这个时间段，有更多的产业、资本与人才投身到半导体行业当中，为后续波澜起伏的中国芯片事业奠定了多方面的基础。

尽管如此，漫长的自主化CPU探索，却没有得到多少真正的成果。伴随着中国市场的开放，以及全球技术成果的涌入，稚嫩的国产CPU迎来了世界顶尖产品的冲击。很快，这次国产化芯片浪潮没有激发太大涟漪，就淹没在了全球化的科技汪洋里。

但芯片需要自主化的种子，却已经埋下。

伴随着PC革命的到来，中国市场在千禧年前后迎来了PC与软件产业的飞速发展。这也倒逼底层技术的进步，国产芯片命题又一次被提上了日程。

…

国产CPU的下一个代际节点，不是来自内部市场的变化，而是外在的压力。

2019年，美国对华为实施全面制裁，随后越来越多的高科技企业、科研机构被列入实体清单，遭遇芯片封锁。

几年以来，芯片铁幕不断降下。美国甚至推动与日本、韩国、荷兰组成“芯片联盟”，从上下游多方面收紧对华芯片技术、工具与产品的出口限制。

至暗时刻到来，芯片国产化从“有必要做”，变成了“不得不做”。

国产CPU需要在极度有限的时间里，完成供应链、产业链、软硬件适配等多方面的准备。如果说上一个周期国产CPU是在商业压力下奔跑，那么这个阶段就变成了在科技铁幕下狂奔。

伴随着政策的明确，科创板的推出等诸多利好。国产芯片也迎来了最为高速的发展通道。

在高端处理器领域，国产与全球头部企业的显著技术差距，是海光信息这样的国产企业必须面对的难题。为此，海光在全力升级海光CPU的同时，还打造了DCU体系。海光DCU属于GPGPU的一种，采用“类 CUDA”通用并行计算架构来支持AI等各类应用任务，与海光CPU一道形成了通用计算与智能计算双轨并行的产业格局。

目前，海光DCU系列产品深算二号已经发布，实现了在大数据、人工智能、商业计算等领域的商用。深算二号具有全精度浮点数据和各种常见整型数据计算能力，性能相对于深算一号性能提升100%以上，填补了国内高端通用AI芯片的空白。

在这一时间段，龙芯也采取了更为激进的发展策略。比如2023年，龙芯正式发布了新一代通用CPU龙芯3A6000，其采用全自主设计的指令系统和架构，即“龙架构”，无需依赖国外授权技术，被业界认为可以达到英特尔十代酷睿的水平。

海光和龙芯，可谓是逆全球化压力下，中国芯片企业逆势上涨的代表。并且龙芯和海光，分别于2022年的6月和8月登上了科创板，可见半导体行业的政策利好与国家支持，在产业实践中得到了充分的回馈。

此前数十年，国产芯片的从业者觉得前路渺溟，而今天回头看，会感慨幸好早有准备。

时间来到2024年，在芯片封锁不断收紧的外部环境下，中国没有选择得过且过，虚与委蛇，而是更坚定地执行科技自立自强策略，强化选择国产CPU的力度。

这是大势所趋，也是因为国产CPU跑到了一个可以被选择、被托付的位置。一枚芯片，变成了这个时代的一面旗帜。

在中国信息安全测评中心发布《安全可靠测评结果公告（2023年第1号）》中，有18款CPU上榜，其中包括龙芯、申威、飞腾、海思、兆芯、海光等品牌。在各地陆续发布的信创采购目录中，也可以看到自主芯片品牌正在得到全面认可，肩负起数字中国的计算重任。海光、龙芯、申威等厂商都在加强自主研发上的投入，实现了更快的产品迭代与更清晰的核心技术差异化。

中国CPU，终于成一个期盼，成长为一面旗帜。

根据赛迪发布的《2022—2023年中国信创生态及信创PC市场发展研究报告》显示，中国信创产业进入快速发展期，信创产业正在向关键基础行业扩展，并最终延伸至全行业。国产CPU正沐浴在科技自立自强的阳光中，迎接一个新的时代。

当不确定性变成了新常态，以国产CPU为主的方向已经确定，再也没有可犹豫，可迂回的余地。

眼前的路，只剩下徐徐前进，加大研发，在中国市场内部形成良性竞争，凝结多元计算生态。反而失去庞大且具有整体性的中国芯片市场的副作用，将回馈到逆全球化者自身。

几十年中一次又一次地尝试与失败，失败与尝试，终于被证明是对的。

现在，时间终于站在了我们这边。

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

刚刚，OpenAI正式进军搜索，发布SearchGPT原型。
奥特曼直言：我们认为今天的搜索还有改进空间。

---

官方演示中的问题比较有特色，并不是搜索一些泛泛的知识，而是与具体的时空有关联。

这周末什么时间可以在半月湾（旧金山附近）看到海兔？
SearchGPT的回答也不是干巴巴的信息呈现，而是延续了对话形式：
想看的话，你应该在退潮时去，因为海兔经常出现在潮间带和岩石海岸，以下是这周的退潮时间段……
同时辅以图片展示，和参考链接。
最后还提醒用户去查询本地潮汐预测网站，以应对可能的变化。

SearchGPT与谷歌对比如何？
OpenAI挑这样一个问题来演示，除了展示SearchGPT自身能力特点之外，很难说不是专挑谷歌回答不好的例子。
同样的问题在谷歌搜索，并没有触发AI总结，且搜索结果第一页的链接时效性都不强。
排第一的页面也是2个多月前了，“本周末”这个信息点是一点不看。
AI搜索领域另一大竞争者，Perplexity表现如何呢？
也没能像SearchGPT一样给出具体时间段，只是推荐在退潮期，倒是在其他相关注意事项上补充的很全。
有最佳观赏打卡点，应该携带什么物品，安全、环保须知，以及可能看到的物种……
其他AI搜索引擎表现与Perlexity大致相同。
这波你更青睐哪种搜索结果？
另外把问题换成中文，在百度倒是能搜出用户撰写的实用攻略，而且是我们自己的山东威海半月湾了，倒是也很合理。
（用英文原问题搜索百度，会触发翻译）。

一步得到答案
说回到SearchGPT本身，主打的就是更快、更轻松地找到正在寻找的内容。
打破过去在网络上获取答案可能需要付出很多努力，通常需要多次尝试才能获得相关结果。
另一项演示中也是与时间地点相关：“北卡Boone八月的音乐节”。
这里也可以看到可以看到整个界面的布局，点击“展开链接”后，AI总结会出现在右边，而更多链接出现在左边。

不过这一页的搜索结果，被眼尖的网友挑出几处错误。
喔吼，当初谷歌就是因为在发布会上演示Bard错误回答，股价大跌，不过OpenAI没有股价可跌。
左侧边栏中看起来像图库的按钮，这次并未展示具体功能。
此外一些鼠标指向AI总结中的参考链接，可以预览页面标题。
初始提问和后续追问共享上下文。演示例子是“最好种的番茄品种”→”这里哪些是现在可以种的？”
最后，OpenAI还强调了和版权方、内容创作者的合作关系。
与SearchGPT一起，还推出了一种让提供方管理内容在SearchGPT中的显示方式的方法。
此外搜索索引和大模型训练数据是分开的，即使一家网站选择不允许把数据用于AI训练，也可以选择在搜索结果中展示页面。
那么SearchGPT究竟什么时候能大规模开放使用呢？
鉴于年初的Sora，五月的《Her》都还没有影，悲观的网友预测明年能用就不错了……
总之先排个队吧。
排队地址：
https://chatgpt.com/search

参考链接：
[1]https://openai.com/index/searchgpt-prototype/
[2]https://x.com/sama/status/1816551657158877187

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

这一届软件工程专业的学生占了 1/4，同班同学都是老乡。
都知道计算机专业火热，没想到竟然这么火。

---

刚刚，「2024 太原理工大学（211）软件工程招 60 个班，接近 2k 人」的这条消息登上知乎热榜，讨论量居高不下。
「60 个班，近 2000 人」，看到这个招生数量，各路网友们也是非常惊讶，一个专业招收这么多学生，这也太夸张了吧，别的不说，有这么多老师吗，难道学生都要上 120 人的大课？
等到写毕业论文找老师辅导，还得排号？毕竟一个老师平均要辅导超过 100 位本科生，就算是开线上讨论会，也得考虑一下腾讯会议室装这么多人会不会卡成 PPT。
更有网友用「离了个大谱」来形容。
太原理工大学（Taiyuan University of Technology）位于山西省太原市，是国家「世界一流学科建设高校」，国家「211 工程」重点建设高校。
据悉，该校 2024 年本科招生计划 8880，覆盖全国 31 个省市自治区（包括港澳台地区），其中山西省内计划占比 56%。
太原理工大学软件学院成立于 2010 年，2004 年经教育部批准设立软件工程本科专业。学院目前拥有完整的本科和硕士培养体系，设有软件工程本科专业，拥有软件工程一级学科硕士学位授予权，2021 年软件工程专业获批山西省本科一流专业。截止目前，学院教职工人数共 69 人，在校本科生 5439 人，研究生 117 人。师生比达到 1：78，可以说是非常夸张了。
据最新版报考指南介绍，太原理工大学的软件工程专业主要课程包括：面向对象程序设计、数据结构与算法、计算机系统基础、操作系统、数据库概论、软件工程导论、软件设计与体系结构、软件测试技术、软件需求工程、软件项目管理等。
根据官网查询到的准确消息，今年太原理工大学软件工程录取人数实为 1871 人（山西考区，原计划为 1795 人），最高分是 578 分，最低 534 分，平均 546 分。
当我们输入其他考区时，显示太原理工大学并未在其他地方招收学生。
作为对比，去年录取人数为 1541，今年比去年多了 300 多人。
除了招生人数，高昂的学费也是大家讨论的另一个焦点。据了解，该专业每年学费为 1.6 万，是其他专业的三倍之多。
随着这条消息的持续传播，大家讨论的也异常热烈，总结起来主要有以下几个观点。
观点 1 计算机行业已饱和，管杀不管埋？毕业即失业？
报志愿时，家长和考生们考虑的决定性因素，除了专业的未来「前景」，更是毕业时的「钱景」。
然而面对大学扩招带来的毕业生人数激增，毕业生获得 offer 的比率同时也在下降，我国今年的高校毕业生人数预计达 1179 万，同比增加 21 万。再创历史新高。大学生们，正在面临一个又一个「没有最难，只有更难」的就业季。
就业寒冬中，在张雪峰的直播间，紧紧围绕在计算机科学周边的 IT 专业无疑是推荐榜榜首的「爆款」。据麦可思研究院在今年六月发布的《2024 年中国本科生就业报告》…
观点 2：师生比高达 1:80，教学质量能保证吗？
除了找不到工作的问题，最令网友们担心的还有师生比带来的教学质量问题，更何况 1800 多个学生的学费，一年下来也是一笔不小的数目，收入是否与教学质量相匹配。
对于学校而言，这种看似「不考虑后果，只顾着收割眼前利益」的做法，并非全是收益。家长们的担忧不无道理：太原理工大学其他专业的录取分数线都在 600 分以上，而软件工程的最低投档线甚至只有 505 分，已经滑至 B 段本科的水平了，也就是说，录取的生源质量大打折扣。
这种忧虑也顺延到了这批学生走进就业市场的时候…
观点 3：还有很多学校有扩招现象
在这个帖子引发这么多质疑之前，关于报考太原理工大学软件工程专业的画风是这样的：
太原理工大学作为山西省唯一的一所 211 院校、唯二的双一流大学，承担着无数山西家长的希望，也肩负着山西考生的前途命运。为了保护本地考生，很多高校会把热门的好专业多留些名额给本地的学生。
除了太原理工大学，河南大学、南阳师范学院也有类似的扩招计划。
对此，也有许多山西 ip 的网友纷纷站出来力挺太原理工。
还有在读学生现身说法…
对此，你怎么看，欢迎评论区留言。
参考链接：https://www.zhihu.com/question/663179975

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SentinelOne（纽约证交所代号：S），全球领先的人工智能安全提供商，今天在Black Hat 2024上推出了一系列新的Purple AI、云、端点和身份创新，这些新产品和功能都利用了业界最先进的生成式人工智能技术、现代化安全设计单一代理架构以及最高性能的数据湖来保护组织免受来自端点、身份到云端各表面的攻击。{ width=60% }

---

“我们最新的创新旨在赋予安全团队全面洞察、已经优先排序和上下文化的能力，从而使他们能够提前预防攻击并加强安全姿态，跨各个表面从单一平台实现安全保护，” SentinelOne的首席产品和技术官Ric Smith表示。“这就是企业安全的未来，而SentinelOne正在引领如今的交付。”

具有Purple AI的新自然语言警报摘要和警报查询支持
Purple AI平稳嵌入于Singularity运营中心，作为第一个AI安全分析员，现在提供自然语言警报摘要 - 包括来自可能需要自己门户的第三方供应商的警报，因此分析员可以轻松查看和理解他们环境中的警报详细信息。分析师还可以使用自然语言查询警报信息，获得诸如总报告警报、未分配关键警报等信息，并在调查笔记本中直接获得快速答案。

通过CIEM持续创新云安全
作为Singularity云原生安全的一部分提供的Cloud Infrastructure Entitlement Management (CIEM)可帮助组织管理和控制对云资源的访问权限。借助这一创新，客户可以利用领先的云原生应用程序保护平台（CNAPP）来检测风险和过度特权人类和机器身份，准确定位有毒权限组合，并加快效率降低特权升级风险。通过SentinelOne研究团队创建的即插即用检测内容，安全分析师可以立即在其环境中部署预构建的高级检测，节省时间和资源。

扩展的端点和身份保护功能
SentinelOne通过简化安装、部署和管理单一代理，为端点安全和身份使用情况提供可视化和警报，执行所有安全策略，无需任何额外基础设施。通过新的内置欺骗功能，统一代理在从密码提取时向攻击者提供实时虚假凭据，提高端点保护水平。

此外，为进一步防止基于身份的风险，SentinelOne宣布了一个持续监视暗网以获取与第三方供应商相关的安全漏洞的新受损凭证保护功能，此外还检查由客户上传的弱密码或被禁用密码。

扩展的安全姿态管理（xSPM）
作为Singularity平台的一项新功能，xSPM提供实时洞察力，安全团队可用于驱动跨云、端点、身份和第三方风险的企业级可见性和控制。智能评分和上下文评估确保团队有效地对风险进行优先排序，并集成指导和本地清除以加速决策并改善安全姿态。

AI SIEM
建立在Singularity数据湖上的Singularity AI SIEM使客户能够使用一个无限可扩展、自动化且极快的AI平台替换昂贵、繁琐的传统SIEM解决方案，以确保他们整个组织的安全。

SentinelOne的Singularity平台在MITRE Engenuity ATT&CK评估中遥遥领先：企业，提供了100%的检测和#1的实际保护。三年来，该公司连续三次被认为是Endpoint Protection Platforms Gartner魔鬼四分卫中的领导者，并在Gartner Endpoint Protection Platforms关键能力中排名第一。客户证实了该平台的好处，在2024年Gartner Peer Insights™端点保护平台客户之声报告中将SentinelOne命名为，并在Gartner Peer Insights上提供了95%的推荐率。

要了解有关Singularity平台及其为您的组织提供的价值的更多信息，请点击此处。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

7月27日，BytomDAO在东京举办了“AI与Web3.0的创新与机遇”研讨会，吸引了众多业内人士的参与，共同探讨AI与Web3.0领域的发展现状和未来机遇。BytomDAO的CEO Charles在开场演讲中提出了AI和Web3行业的新桥梁构想，涵盖了DAO 2.0、资产 2.0（Asset 2.0）和去中心化应用 2.0（DAPP 2.0）。

---

他介绍了如何通过引入AI提高DAO的决策合理性，以及如何通过DAPP 2.0的Agent生成机制满足个体需求，消除试错成本。资产 2.0则聚焦于数字资产的智能管理。Charles还谈到BytomDAO利用在日华人资源帮助项目方进入日本市场，实现资源互通。在圆桌讨论环节中，Starknet的核心开发者Cryptonerdcn、Skyland Ventures的研究员Aya等嘉宾探讨了Layer 2解决方案的现状及未来趋势。此外，ETH Panda的Bruce Xu、Talentverse的James Wu、Jsquare的Joanna、浙大区块链协会的Artist、IOSG的Jiawei和Onekey的Hanning等嘉宾也参与了圆桌二的讨论，共同展望全球AI与Web3.0的发展格局。活动的最后，参会者们积极交流，分享见解与经验。这次活动不仅加深了业内人士对AI与Web3.0的理解，也为未来的合作带来了更多可能性。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

编辑 | 萝卜皮

借助深度学习的进步，蛋白质设计和工程正以前所未有的速度发展。然而，目前的模型无法在设计过程中自然地考虑非蛋白质实体。

---

在这里，瑞士洛桑联邦理工学院（EPFL）的研究人员提出了一种完全基于原子坐标和元素名称的几何 transformer 的深度学习方法，该方法可以根据不同分子环境所施加限制的主链支架，预测蛋白质序列。

使用该方法，研究人员可以以高成功率生产出高热稳定性、催化活性的酶。这有望提高蛋白质设计流程的多功能性，以实现所需的功能。

该研究以「Context-aware geometric deep learning for protein sequence design」为题，于 2024 年 7 月 25 日发布在《Nature Communications》。

设计蛋白质以实现功能性任务是一个具有重大生物学、医学、生物技术和材料科学影响的挑战。一个关键应用领域是蛋白质治疗药物的设计，通过定制蛋白质来精确针对特定疾病，可能比小分子药物更具竞争力。这种方法可能革新许多健康问题的治疗方式，从自身免疫疾病到癌症，提供更有效和个性化的治疗方案。

此外，设计酶功能也是蛋白质设计中的另一个重要挑战。酶作为天然催化剂在生物过程中起关键作用。通过设计新酶或改造现有酶，可以创造出促进自然界中罕见或不存在反应的催化剂。这对多个行业有深远影响，包括制药业和环保技术，例如合成复杂药物分子或分解污染物和塑料。

深度学习方法显著加速了蛋白质设计的成功率和多样性。然而，虽然目前的蛋白质设计模型可以处理多条蛋白质链，但在处理非蛋白质实体时表现较差，限制了其应用范围。

为解决这一问题，EPFL 的研究团队曾经引入了一种深度学习模型——Protein Structure Transformer（PeSTo），一种几何 transformer 架构，作用于原子点云。

PeSTo 结合了 transformer 注意力机制，利用标量和矢量状态表示原子，可以预测几乎任何分子与蛋白质界面的相互作用，包括蛋白质、核酸、脂类、离子、小配体、辅因子或碳水化合物。

在最新的工作中，该团队利用该模型的独特功能，并引入了基于 PeSTo 的蛋白质序列生成器模型 CARBonAra（Context-aware Amino acid Recovery from Backbone Atoms and heteroatoms）。

CARBonAra 基于 PDB 中可用的结构数据进行独特训练，可预测给定主链支架所有位置的氨基酸置信度，这些主链支架可以单独提供，也可以与任何种类和数量的有助于推动序列设计的分子复合。

CARBonAra 使用由几何 transformer 组成的深度学习模型，预测从输入主干支架中在蛋白质序列的每个位置找到给定氨基酸的可能性。CARBonAra 将主链原子（Cα、C、N、O）的坐标和元素作为输入，并使用理想的键角和键长添加虚拟 Cβ 原子。几何形状使用每个原子之间的距离和归一化相对位移矢量来描述。

几何 transformer 操作对所有相邻原子的相互作用进行编码，并使用 transformer 处理标量和矢量信息并更新每个原子的状态。最后，通过将原子状态从原子级别汇集到残基级别，研究人员训练模型以位置特定评分矩阵的形式预测蛋白质序列每个位置的氨基酸置信度。

实际上，这些置信度可以被解释为并映射到概率中，通过表征在给定每种氨基酸类型的预测置信度的情况下正确预测的概率。

与其他模型一样，CARBonAra 通过使用独热编码将特定氨基酸的先前序列信息印入主链原子来支持自回归预测。

最重要的是，CARBonAra 继承了 PeSTo 仅使用元素名称和原子坐标的能力，无需进行大量参数化，从而可以轻松适应各种场景。

因此，CARBonAra 可以解析和处理正在设计的蛋白质主链附近的任何分子实体，其中包括其他蛋白质、小分子、核酸、脂质、离子和水分子等一系列输入。

利用 CARBonAra 固有的灵活性，研究人员能够将 RCSB PDB 中的所有生物组装体纳入他们的训练数据集。

这包括与其他分子实体（如离子、配体、核酸等）复合的蛋白质。训练数据集由大约 370,000 个亚基组成，验证数据集中还使用了另外 100,000 个亚基，所有这些亚基均来自 RCSB PDB 生物组装体，并被注释为最佳可能。

对于从不含非蛋白质分子的骨架结构中分离蛋白质或蛋白质复合物的序列设计，CARBonAra 的表现与 ProteinMPNN 和 ESM-IF1 等最先进的序列预测方法相当，并且计算成本具有竞争力（在 GPU 上比 ProteinMPNN 快约 3 倍，比 ESM-IF1 快 10 倍）。

该方法在从主链结构重建蛋白质序列时，蛋白质单体设计的序列恢复率中值为 51.3%，二聚体设计的序列恢复率中值为 56.0%。尽管恢复率相似，但三种方法的最佳序列之间的序列同一性中值为 54% 至 58% 不等。

此外，研究人员观察到 CARBonAra 可以生成高质量序列，当在单序列模式下使用 AlphaFold 预测时，这些序列可以按预期折叠，TM 分数高于 0.9。

CARBonAra 在蛋白质核心处学习了更紧密的氨基酸包装，从而导致更高的回收率并反映了对典型的埋藏氨基酸取代的较低耐受性，同时允许蛋白质表面具有更高的可变性，除非提供额外的功能或结构限制。

从主干支架进行序列预测的方法主要在具有理想主干几何形状的实验数据上进行训练，当应用于生成的主干时会导致性能下降。在训练过程中向几何图形添加噪声可以缓解此问题。

研究人员通过将 CARBonAra 应用于分子动力学 (MD) 模拟的结构轨迹来表征该方法的稳健性。由于主链构象变化和先前显示低恢复率的病例增加，序列恢复率（53±10%）与一致预测（54±7%）没有显著下降。

同时，研究人员观察到每个位置预测的可能的氨基酸数量普遍减少，这表明探索构象空间正在限制序列空间，从而使得能够设计有针对性的结构构象。 …

论文链接：https://www.nature.com/articles/s41467-024-50571-y

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

在2023年5月16日，OpenAI迷人、温和、永远乐观的亿万富翁CEO Sam Altman 和我站在美国参议院AI监督小组委员会前。

---

我们在华盛顿特区，当时正值AI狂热的高峰期。当时38岁的Altman是这一切的宣传形象。Altman 在密苏里州圣路易斯长大，是一位在斯坦福大学辍学后，在30岁之前成为巨大成功的 Y Combinator 创业孵化器总裁的人物。在听证会前几个月，他的公司产品 ChatGPT 已经席卷全球。整个2023年夏天，Altman 就像披头士乐队一样备受瞩目，在全球巡回演出，会见各国总理和总统。美国参议员克尔斯滕·西尼玛（Kyrsten Sinema）赞叹道：“我从未见过像 Sam 这样聪明的人… 他是一个内向、害羞、谦逊的人… 但… 擅长与议会中的人建立关系… 可以帮助政府了解人工智能。” 那时，人们对他的热情描绘 Altman 年轻、真诚、才华横溢，对促进人类发展充满兴趣。他频繁表示人工智能可以改变全球经济，让世界领导人神魂颠倒。慢慢地，我意识到我、参议院，最终美国人，可能都被忽悠了。

理查德·布卢门瑞尔参议员曾邀请我和 Altman（以及 IBM 的克里斯蒂娜·蒙哥马利）前往华盛顿讨论人工智能的问题，这种“双用”技术有着巨大潜力，但也可能造成巨大危害，从信息海啸到可能促使新的生物武器传播。议程是人工智能政策和监管。我们发誓我们会说真实的话，只说实话。Altman 作为一家领先的人工智能公司代表，我作为科学家和作家，因为我对很多关于人工智能的事情持怀疑态度而知名。我发现 Altman 令人惊讶地引人入胜。有些时候他规避问题（尤其是布卢门瑞尔的“你最担心什么？”这个问题，我一再敦促 Altman 更坦诚地回答），但总体上他似乎很真诚，我记得当时对参议员说了这样的话。我们俩都强烈主张人工智能监管。然而，慢慢地，我意识到我、参议院，最终美国人，可能都被忽悠了。

事实上，我一直对 OpenAI 有些顾虑。公司的宣传活动经常夸大其词甚至误导，比如他们展示的一个机器人“解决”魔方的花哨演示，后来发现里面有特殊传感器。这得到了大量报道，但最终毫无实质进展。多年来，OpenAI 这个名字——暗示了公司背后的科学是开放的——在实际中变得越来越不透明。公司频繁地暗示人工智能通用智能（能够至少匹敌任何人类的认知能力）即将问世，对我来说总是似是而非的炒作。但是在私下里，Altman 让人眼花缭乱；我开始怀疑自己之前对他是否太苛刻了。回顾当初，我对他过于宽容。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

在2023年5月16日，OpenAI迷人、温和、永远乐观的亿万富翁CEO Sam Altman 和我一起出席了美国参议院人工智能监督小组委员会会议。

---

我们在华盛顿特区，正值人工智能狂热的高峰期。当时38岁的Altman是这一切的宣传人物。Altman在密苏里州圣路易斯长大，是斯坦福大学辍学生，曾在30岁之前成为巨大成功的 Y Combinator 创业孵化器的总裁。在听证会前几个月，他公司的产品 ChatGPT 风靡全球。整个 2023 年夏天，Altman 像甲壳虫乐队一样被视为焦点人物，作为世界巡回演出的一部分，他被世界各国的总理和总统接见。美国参议员克里斯汀·西内马（Kyrsten Sinema）赞叹道：“我从未见过像 Sam 这样聪明的人… 他是内向的、害羞的和谦逊的… 但…非常擅长与国会人员建立关系…可以帮助政府人员理解人工智能。” 当时的光鲜形象把年轻的 Altman 描绘成真诚、有才华、富有以及对培养人类毫无其他兴趣。他频繁表明人工智能能够改变全球经济，让世界领导人心驰神往。渐渐地，我意识到，我、参议院，最终是美国人民，可能都曾被玩弄。

Richard Blumenthal 参议员召集我们（包括 IBM 的 Christina Montgomery）去华盛顿讨论人工智能何去何从，作为一种“双用”技术，它拥有巨大潜力，但也有潜在能造成巨大危害的可能性 - 从信息洪水到促使新生物武器的扩散。议程是人工智能政策和监管。我们发誓要全部说出真相，不掺杂任何虚假。

Altman 代表着一家领先的人工智能公司；我作为一名科学家和作家，在许多与人工智能相关的事情上持怀疑态度而闻名。我发现 Altman 出人意料地引人入胜。有时他会回避问题（特别是 Blumenthal 的 “你最担心什么？”这个问题，我敦促 Altman 更坦率地回答），但总体来说，他似乎很真诚，我记得当时对参议员们说了这么一句。我们两个都强烈支持人工智能监管。然而，渐渐地，我意识到，我、参议院，最终是美国人民，可能都曾被玩弄。

事实上，我一直对 OpenAI 存有一些顾虑。例如，该公司的新闻宣传活动经常夸大其词，甚至误导，比如他们漂亮的演示，展示一个内部装有特殊传感器的机器人“解决”魔方。它受到大量媒体关注，但最终毫无意义。多年来，OpenAI 这个名字——暗示了公司所做的科学背后的一种开放性——一直让我感到虚伪，因为现实情况是，随着时间的推移，公司变得越来越不透明。公司经常提到人工通用智能（能够至少匹敌任何人类认知能力的人工智能，AGI）离我们只有一步之遥，对我来说总是带有不合情理的炒作。但与其亲自面对，Altman 使我眼花缭乱；我想知道我之前是否对他太苛刻了。回想起来，我可能太过宽容。

---

尊重原创，不得转载。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。