金融時報文章《蛋白質如何統治世界》登上 Hacker News
金融時報發布文章 How Protein Took over the World,中文意為「蛋白質如何統治世界」。該連結隨後被分享到 Hacker News,目前獲得 9 分、7 條評論。本條資料只提供原文連結與討論入口,未包含文章正文內容。
依意思最接近的 30 筆
金融時報發布文章 How Protein Took over the World,中文意為「蛋白質如何統治世界」。該連結隨後被分享到 Hacker News,目前獲得 9 分、7 條評論。本條資料只提供原文連結與討論入口,未包含文章正文內容。
研究者用 AI 蛋白設計工具,只保留兩類蛋白酶的催化核心、替換其餘全部結構,得到能把特定蛋白定向切成兩半的人工酶。天然肽鍵極為穩定,估計半衰期長達數百年,生物靠演化出的多種蛋白酶來催化其斷裂,這項工作是跳過自然演化過程直接重設計酶。團隊用它們切割與神經疾病相關的蛋白,驗證了有效性。
Proton CEO Andy Yen 正在公司內部強推 AI 化,今年是 Proton 最後一年招聘工程師,之後只招用 AI 建置產品的人;公司還在員工電腦上安裝軟體,統計 AI 生成程式碼的數量。據 404 Media 報導,他設立員工信箱收集阻礙 AI 推廣的事項,以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱,Yen 對外批評大型科技公司與 AI,對內卻推動工程師用 AI 建置 Proton 產品,即便他們對安全有顧慮。
中國一個大型研究合作團隊開發出可用自然語言提示設計蛋白質的工具,能按使用者指定的功能生成蛋白質。該工具成功率可能不高,但仍能產出可用設計,前提是有實驗室從數十個失敗設計中篩選出合格者。另一項公告中,Hugging Face 表示已託管一個在 DNA 層面做類似設計的工具。
Google DeepMind 發布一種可充當數字身份證的水印,用於標記 AI 生成的合成蛋白質。該水印能幫助 DNA 實驗室核驗合成蛋白來源,並保持序列資料庫的準確性。隨著相關需求規模擴大,驗證設計是否來自帶內建防護的 AI,將有助於實驗室實現自動化並加強生物安全。
Google DeepMind 10 月 15 日發布技術演示,展示用 AI 開發平台 Google Antigravity 的智慧體尋找抗菌肽:從 UniProt 數百萬條序列出發,經 ProtNLM 功能預測與序列、AlphaFold 結構、基因組鄰域三類證據篩選,找到一種 97 個胺基酸的乳酸菌素 972 家族細菌素候選(UniProt A0A0U0D591),已進入溼實驗驗證。
斯坦福 X-lab 與 SNAP 實驗室發布蛋白質設計框架 ProteoCraft,在獨立 AF2-IG 評估下嚴格通過率達 86.2%(181/210),明顯高於 BindCraft 的 49.5%。該框架把近似梯度提案、完整結構預測驗證與兩階段蒙特卡洛樹搜尋結合起來,既支援結合蛋白從頭設計,也能只改造指定區域。
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 在對談中表示,AlphaFold 的突破只是開始,蛋白質摺疊問題遠未解決。兩人認為僅擴大算力與資料不足以解決生物學問題,關鍵是先找到合適的 scaling law,低品質宏基因組資料也能提升蛋白質語言模型;建置虛擬細胞需要根本不同的資料集,研究須從單個蛋白質走向整個生物系統,治癒所有疾病要靠 10x 級突破而非漸進改進。
華盛頓大學大衛·貝克團隊聯合新加坡國立大學提出文字條件化全原子蛋白質結構生成模型 Prompteina,用自然語言提示即可指定蛋白質的結構與功能特性。團隊同時建置了含 180 萬個結構、超 5000 萬條說明文字的 Prompteina-Data 資料集。在 18 項結構特性基準中 Prompteina 有 15 項領先基線,智慧體引導的結合體設計介面置信度比最強基線提高 14%;針對此前無已報導從頭設計結合體的 GM2A,90 個測試設計中有 9 個產生結合體。
404 Media 調查披露,Proton CEO Andy Yen 在內部安全 Slack 頻道回應一位希望留幾天給新程式碼做滲透測試再上線的工程師,稱這類想法是 bullshit and loser thinking,並要求團隊別再手工打磨程式碼、多用 AI。報導還稱員工曾被暗示 AI 使用率可能影響去留,該方案在洩露後被撤回,Yen 稱它已達成目的。多年付費並推薦 Proton 的作者因此首次表示不確定是否還該推薦這家隱私公司。
Google 的智慧體開發平台 Antigravity 跑通了一次抗菌肽發現流程,在 Streptococcus pseudopneumoniae 中找到一條 97 個胺基酸的細菌素候選物,預測對呼吸道感染相關病原體有活性,目前已進入溼實驗驗證。Antigravity 把跨資料庫檢索、三維結構分析與文獻綜合收進一個會話,並呼叫 ProtNLM 直接從胺基酸序列預測功能,為 UniProt 中數百萬條未註釋序列補上功能標籤。
Proton CEO Andy Yen 取消了原本幾乎覆蓋全公司的 AI「再面試」,該面試要求員工說明自己如何使用 AI,使用不足者可能被解僱。此舉發生在 404 Media 披露公司內部以 AI 優先、漠視安全顧慮的施壓文化之後;Yen 承認溝通失誤,但表示仍會繼續推進 AI。被取消的考核內容將併入績效評估,公司下月進行組織調整,並稱不會因 AI 裁員。Yen 在 Reddit 的回應被踩逾 1200 次,部分付費使用者表示將退訂。
Google DeepMind 發布 SynthID Bio,一套面向 AI 生成生物設計的水印方法。官方稱這是全球首次能在不影響生物功能的前提下,把不可感知的簽名直接嵌入蛋白質序列。該技術屬於 SynthID 水印體系的新分支,具體覆蓋範圍、檢測方式與可用時間尚未公布。
Jev 發布 33 天后熱度迅速消退,這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器,宣稱不會幻覺、更快更便宜,但輸出仍會出錯,且已有開放權重模型在部分任務上價效比更高,並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現,並由此質疑行業四年來的創新增量。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
Science 網站報導,骨骼可能釋放某些蛋白質,這些蛋白質能夠減緩衰老、延長壽命。該條在 Hacker News 獲得 56 點、5 條評論;原文標題未給出具體蛋白質名稱、實驗物件與壽命延長幅度。
美國 500 名消費者的調研顯示,AI 健康入口與無毒消費、肽類/GLP-1 使用正在升溫。ChatGPT 被列為推動健康自查普及的因素;63% 知道體內微塑膠、35% 擔憂,70% 過濾飲用水,62% 願為“無毒”標籤多付錢。Function Health、Oura、WHOOP 及 OpenAI、Anthropic 等正從檢測記錄、可穿戴或通用助手切入,競爭焦點轉向預約、檢測與隨訪等行動層。
Anthropic 與經濟學家聯合調查顯示,91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現,美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作,美國工人平均為 28%;在使用 AI 的工作任務中,員工預期 2030 年有 65% 交由 AI 完成,美國成年人預期為 42%。
Mistral 宣布與輝達建立新合作,將 AI 引入工業工程,並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集,以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
Anthropic 官方發文表示,Claude 能在蛋白質設計研究中提供具體幫助,但強調這仍是探索性工作,公司並未聲稱已經研製出抗蛇毒血清。要驗證相關結合蛋白,需先在活細胞內測試,再在小鼠體內測試,並完成許多其他驗證步驟。該案例用來說明 Claude 可以在蛋白質設計研究中提供實際協助,而並非已經產出抗蛇毒血清。
Anthropic 於 10 月 16 日發布兩份報告:其內部 AI agent 工作時長在 2026 年 3 月已超過員工,到 8 月 agent 數量是員工的 6 倍,同期初級崗位與技術崗招聘佔比下降,人均程式碼、銷售與合同處理產出上升,瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查:91% 的員工認為 AI 能在 2030 年前做出諾獎級發現,美國成年人中僅 39%;
OpenAI 宣布收購 2022 年成立的 AI 生物製藥公司 Orchestra Bio,並將其團隊與技術整合進面向生命科學的 Rosalind 模型與工具。Orchestra 的平台用於協調藥物開發流程,其 CTO Andy Xu 畢業於北京大學與約翰斯·霍普金斯大學,曾在微軟工作近 19 年。同日,Anthropic 公布 Claude 在 64 小時內生成 318484 種蛋白質設計,其中 17 種達到結合蠍毒神經毒素的預設標準;
美國經濟政策研究中心(CEPR)於 11 月 3 日發布題為《The AI Bubble Monitor》的文章,以持續監測的形式討論 AI 泡沫問題。資料中只提供了標題與連結,未披露具體指標、資料來源或更新頻率;該條目在 Hacker News 上獲得 29 分、15 條評論。
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想:以真實物理實驗作為強化學習環境,訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室,希望讓每臺儀器擁有「140 IQ」,並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料,自主實驗可把數十年的試錯壓縮到數月,目標材料涵蓋室溫超導、磁體與電池。
Ollama 官方帳號引述 jmorgan 在 This Week in AI 播客(與 Jason 對談)中的說法,稱企業 AI 正在經歷它的“PC 時刻”。該推文未給出具體產品、資料或時間表,只是觀點性表態,沒有更多細節。
Anthropic 公布:Claude 在 64 小時內生成 318484 種微型結合蛋白設計,針對 5 種蠍毒神經毒素,最終 17 個在實驗室達到結合標準。團隊從這批設計中挑出 211 個,交由 Adaptyv Bio 與 Twist Bioscience 驗證;其中 7 個結合 Cn2,兩個候選的解離常數達個位數納摩爾,但尚未驗證中和毒素或動物體內保護。
亞馬遜工程領導層在一份關於 AI 時代開發者角色的內部更新中提出,如果現有 AI 工具無法讓某項工作受益,這應當被看作一個發現,而非失敗。撰寫該更新的 Terk Terkowitz 建議工程師記錄下 AI 具體在哪些環節幫不上忙,與同行社群分享、同步給主管,並共同尋找解決辦法。他表示,能說清 AI 目前無法幫助自己工作的工程師,正展現了公司期望的判斷力。
Biohub、美國能源部(DOE)、NIH 與 Google DeepMind、Isomorphic Labs、Meta 等宣布共同投入 18 億美元,生成面向 AI 的開放生物學資料。其中 DOE 五年投入逾 5 億美元用於測量、建模與算力,NIH 協調此前超 5 億美元聯邦投資積累的生物醫學資料集,三家科技公司則向 2026 年 4 月啟動的 Virtual Biology Initiative 合計投入 3 億美元。
軟體工程學者 Diomidis Spinellis 在部落格中判斷,AI 將接管大部分認知工作,思考會像狩獵、書法和木工一樣,從謀生手段變成休閒愛好。他給出三個驅動因素:效能更高、成本更低、可用性更高,並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力,政府可能以監管和稅收限制 AI,但歷史上的類似舉措未能阻止技術革命;他建議保持靈活、跟上進展,並在工作之外建立有意義的生活。
Apple 研究員 awnihannun 在社交平台發布一首短詩,稱因「未來會 foom」而上調自己的 P(doom),即 AI 導致人類滅絕的主觀機率。詩中還提到中文房間、shoggoth 與死神之眼等 AI 圈內梗,未給出具體數值或論證。