阅读

据TechRadar报道，Palantir联合创始人Joe Lonsdale正在支持一家名为Safer Human Medicine的初创公司，该公司计划在美国建立一个大型猕猴繁殖设施，最终容纳30,000只猴子。这一举措旨在应对人工智能加速药物发现所带来的实验动物供应压力。

AI技术使得研究人员能够更快速地生成潜在药物候选分子，从而增加了对毒性、安全性和生物效应测试的需求。猕猴因与人类生物学相似性高而常被选为实验对象。然而，由于中国自2020年起禁止出口实验猴（此前占美国进口量的约60%），以及柬埔寨等替代来源存在野生捕获冒充圈养的问题，美国实验室面临严重的供应短缺。据报道，猕猴价格已从2019年的约3,000美元上涨至目前的超过20,000美元，涨幅达700%。

Safer Human Medicine计划在约20年内逐步扩大种群，初期将从亚洲获取500至1,000只猕猴。然而，雌性猕猴通常在4岁左右才达到生殖成熟期，且每年通常只产一仔，这意味着国内产能的提升需要漫长的时间。此外，该计划已引发动物福利倡导者的批评，可能导致法律挑战并进一步延迟项目进展。

10月30日，空间智能公司影溯（InSpatio）在杭州落地了全国首个具身仿真数采中心。据影溯介绍，该中心预计将实现单月生产100万小时仿真训练数据的能力，并将单条数据的综合成本降低至传统真机遥操作采集方式的约十分之一。这一举措旨在应对具身智能领域长期面临的高质量训练数据供给不足问题。

当前具身智能的数据获取主要依赖两条路径：物理世界的真机遥操作和第一视角（EGO）可穿戴设备采集，以及数字世界的三维建模与物理仿真。然而，这两条路径均存在效率瓶颈。真机采集受限于物理时间、场地准入及环境调整的灵活性，一名操作人员控制一台机器人一小时的有效轨迹往往不足半小时；而传统仿真建模则依赖人工搭建场景，耗时数天甚至数周，且难以保证几何结构与物理关系的一致性，导致从仿真到现实迁移时出现“Real2Sim Gap”。

影溯提出的解决方案是构建一座“具身Token工厂”，通过自研的Topos空间智能底座，将现实空间转化为可交互的数字场景，并拆分为三道全自动工业产线。在上游，系统利用便携式设备扫描或原生3D生成能力，在15分钟内完成上百平方米空间的采集，并通过物体拆解、盲区补全和物理标定三个步骤，在几小时内将真实场景转化为可运行的数字母本。

在中游，一旦场景数字化入库，系统即可在云端启动多个仿真通道并行执行动作规划。底层物理引擎实时计算力学结果并筛除失败尝试，批量生成包含深度、位姿、接触力和动作语义等信息的具身Token。这种模式将数据产量从依赖人工现场布置转变为依赖数字场景复用程度和云端算力规模。

在下游品控环节，影溯设置了去重标准，并按空间几何、物理交互和任务闭环评测分级供给数据。同时，数据生产与模型评测形成闭环，可根据客户模型在测试中暴露的短板（如透明物体识别失败），定向生成相似复杂环境进行补充训练。尽管这一工业化流程展示了规模化潜力，但其实际产出数据的有效性以及对缩小Real2Sim Gap的贡献，仍需后续独立验证。

很多开源维护者抱怨 AI 辅助 PR 的涌入：大模型生成的代码提交大量涌向仓库，审查负担明显增加。开源工具 llm 的作者 Simon Willison 在 0.37 版本发布说明中谈到了他在这个问题上的实际体验——他说 llm 是他受影响最严重的项目，但他并不觉得这是问题。

他的应对分两层。工具层面，他用 Opus 5.5 或 GPT-6 Astra 帮忙做分诊，从大量提交中筛出最有价值的修复。认知层面，他不再把 AI 辅助 PR 当作需要逐行审查的代码提交，而是视为附带示例的 bug 报告——有时直接合入，有时自己重写修复。

这个版本包含来自 12 位贡献者的修复，几乎全部由 AI 辅助完成。Willison 说审查负担远没有他预想的那么大。

荷兰网络安全初创公司Hadrian宣布完成4000万美元B轮融资，累计募资金额达到6500万美元。该公司计划将新资金用于欧洲、中东、非洲及美国的业务扩展，并增加工程与研究投入。

Hadrian成立于2021年，总部位于阿姆斯特丹。其核心产品利用AI代理模拟攻击者手法，帮助企业检查暴露于公开网络的系统与应用程序。旗下外部攻击面管理产品Atlas持续盘点资产，并在发现新资产或变化时进行安全测试；当新的漏洞公布时，Atlas会比对软件版本以识别受影响资产，并测试漏洞是否可被利用。

今年3月，Hadrian推出了AI代理渗透测试产品Nova。该产品允许企业指定测试范围，由多个AI代理尝试接连利用不同漏洞，评估潜在的攻击路径及其影响。据Hadrian说明，多数测试可在24至48小时内完成。英国网络安全媒体Cyber Insider指出，尽管自动化渗透测试有助于发现问题，但企业仍需准确掌握对外资产并妥善控管测试过程，才能确保安全风险真正降低。

美国苹果公司于11月2日公布了截至9月26日的2026财年第四季度业绩。数据显示，该季度总营收为1144.77亿美元，同比增长12%；净利润为307.11亿美元，稀释后每股收益（EPS）为2.10美元，同比增长14%。毛利率达到47.9%，其中关税退款带来了约1个百分点的有利影响。

各业务板块表现出现分化。iPhone营收为575.83亿美元，创下历年同期纪录；Mac营收为107.92亿美元。值得注意的是，服务业务营收达到315.73亿美元，创下历史新高。iPad营收为62.29亿美元，可穿戴、家居及配件营收为83亿美元。大中华区营收为175.39亿美元，高于上年同期的144.93亿美元。

这是John Ternus出任苹果CEO后交出的首份季度成绩单。在随后的财报电话会上，Ternus表示苹果今年Mac电脑销量创下历史新高，并透露公司正推进AI能力的商业化。部分基于服务器端的AI功能将设置使用上限，以推动有更高使用需求的用户订阅iCloud+服务。Ternus多次提到新版Siri，称其为“我们一直想要的Siri”。

管理层对下一季度给出乐观指引，预计2026年12月季度苹果总营收将同比增长7%至10%，并创下公司历史最高季度营收；服务业务营收预计同比增长8%至9%。

美国人口普查局（U.S. Census Bureau）对其每两周进行的“商业趋势与展望调查”（Business Trends and Outlook Survey, BTOS）中的关键问题进行了重大措辞调整。这一变化源于美国总统签署的第14434号行政令（Executive Order 14434），该行政令旨在开启所谓的“超级智能时代”。

根据开发者Simon Willison对最新调查文档的分析，自2026年10月19日的收集周期开始，问卷中关于人工智能使用的问题已从“In the last two weeks, did this business use Artificial Intelligence (AI)...”变更为“In the last two weeks, did this business use Super Intelligence or SI (formerly referred to as Artificial Intelligence or AI)...”。示例也从通用的机器学习、自然语言处理等，变成了“SI-powered data analysis”、“generative SI for marketing”等带有强烈行政令色彩的表述。

这一改动对数据可比性造成了直接冲击。在此之前，该问题曾于2025年11月从“生产商品或服务”扩大至“任何业务功能”，导致2025年9月至2026年2月间，大型企业的肯定回答比例从约12%跳升至30%，并在2026年10月达到约40%。然而，随着“超级智能”新措辞的引入，目前发布的最新数据仍反映旧的“人工智能”定义，而包含新措辞的首批调查结果预计将在随后的周四发布。这意味着在短期内，基于BTOS的美国企业AI采用率官方追踪将出现口径混乱或断档。

对于关注AI产业渗透率和宏观经济影响的投资者及研究者而言，这一事件凸显了非市场因素对核心统计指标的干扰。当官方定义被政治化术语取代时，历史趋势线可能失效，新的基准需要时间建立。读者应谨慎对待近期基于BTOS数据得出的“AI采用加速”或“放缓”结论，并等待新口径下首批数据的发布以重新校准预期。

美国约会应用巨头Match集团在2026年第三季度财报电话会议上宣布，正在为其旗下约会应用Hinge测试一种更便宜的订阅计划。此举旨在将更多用户转化为付费客户，因为人们越来越厌倦昂贵的约会应用订阅服务。Match集团首席财务官Steve Bailey表示，新层级专为女性和价格敏感型用户设计，提供额外筛选条件和自定义位置边界等功能。

这一决定凸显了Match集团产品组合中的战略张力。据Bailey称，Hinge是公司定价最高的产品之一，每付费用户收入约为30美元，几乎是Tinder的两倍。然而，Hinge的付费用户渗透率仅略高于Tinder的一半。虽然Hinge在2026年第三季度报告了强劲增长，全球月活跃用户同比增长12%，直接收入增长19%，但其付费订阅用户数仅为230万。相比之下，Tinder产生了4.8亿美元的直接收入，但同比略有下降2%，拥有890万付费用户。

这种转变标志着Hinge此前策略的反转。2023年，该公司曾尝试推出一个更昂贵的层级，面向愿意为高级功能支付额外费用的用户。如今，面对更广泛的订阅疲劳，Match集团正在探索更实惠的选项能否在不稀释品牌高端定位的情况下吸引更广泛的受众。新层级的具体价格尚未披露。

美国马萨诸塞州的电路板（PCB）制造商CircuitHub声称，其名为“The Grid”的机器人制造系统能够比中国竞争对手更快地完成某些订单。该公司表示，需求已经远超其目前的制造能力，并计划在今年将产能扩大五倍。

“The Grid”被描述为“一个大型机器人”，它取代了传统的固定生产线，使用协调的机械和移动平台在制造站之间运输电路板。每个电路板遵循自己的路径，允许不同的产品同时进行制造，而无需传统生产线的换型时间。该系统可以处理100种不同的设计，使用共享的制造设备。

CircuitHub将其工厂与深圳的一家典型快速周转制造商进行了比较。在一个涉及五个组装电机控制器板的示例中，通过“The Grid”生产这些电路板的成本为630美元，交付到美国地址需要四天。而同等深圳订单的成本约为465美元（含运费和关税），中位交付时间为九天。因此，这家美国工厂收费高出约165美元，但客户能提前五天收到完成的电路板。

CircuitHub认为，较短的交付期为工程团队提供了更多时间继续开发，而不是等待外国制造。然而，这一比较来自CircuitHub自身，且仅针对特定订单，并非独立确立的不同制造商之间的性能表现。

计算流体力学（CFD）中的直接数值模拟（DNS）是精度最高的湍流仿真方法，它不依赖湍流模型近似，而是直接求解所有尺度的流体运动。然而，DNS对内存和计算资源的需求极高，通常受限于硬件容量而非算力本身。

AI基础设施公司CoreWeave与CFD软件开发商Convergent Science合作，在NVIDIA HGX B200 GPU集群上运行CONVERGE CFD软件，以验证其在极端规模下的表现。测试结果显示，该系统成功完成了包含5.36亿网格单元的DNS案例，耗时3.62小时。这一配置使用了两个NVIDIA HGX B200实例，共计16个NVIDIA Blackwell GPU。

研究还对比了两种不同类别的硬件：NVIDIA RTX PRO 6000 Blackwell Server Edition和NVIDIA HGX B200。RTX PRO服务器适用于单节点内可容纳的日常工业仿真，其GPU间通信通过PCIe进行；而HGX B200凭借更高的内存带宽（约7.7 TB/s vs 1.6 TB/s）和NVLink互联技术，更适合跨节点的超大规模案例。

值得注意的是，这些结果来自厂商合作的基准测试，旨在展示特定硬件配置下的理论上限和扩展特性，实际生产环境中的性能可能因具体物理模型、边界条件和软件优化程度而异。

据韩国媒体Byline Network报道，韩国金融科技巨头Toss的运营主体Viva Republica正计划进入日本证券市场。该公司将通过其海外业务实体Toss Global，收购日本东海东京金融集团（Tokai Tokyo Financial Group）旗下移动专业券商Cher Securities（치어증권）的100%股权。交易金额估计约为40亿日元（约合340亿韩元），目标是在2027年3月前完成交割。

Cher Securities成立于2019年，是一家专注于移动端小额股票交易和投资信托服务的在线券商。Toss方面表示，选择收购Cher Securities是因为其“易于初学者使用”的服务理念与Toss证券在国内的定位高度一致。通过保留Cher Securities现有的客户基础和运营经验，并结合Toss成熟的移动交易系统（MTS/WTS）技术，公司希望逐步优化服务，而非激进重组。

这一战略动作反映了Toss在寻求新的增长引擎。尽管Toss在韩国本土拥有庞大的用户群，但其盈利主要依赖证券业务，且国内市场增长空间逐渐收窄。相比在日本直接开展银行业务面临激烈的传统银行竞争和严格的监管壁垒，证券业为Toss提供了更现实的切入点。日本相对稳定的政治环境和完善的金融监管体系，也被视为有利于外资平台试验其数字化服务模式的外部条件。

对于投资者而言，此次收购是Toss全球化布局的关键一步。此前Toss已通过Toss Global在澳大利亚推出同名应用。若日本市场整合顺利，这不仅能为公司带来直接的海外营收贡献，还将为其潜在的IPO故事增添“跨国平台能力”这一重要估值支撑点。然而，交易尚未最终完成，仍需面对日本金融厅（FSA）的审批及后续整合风险。

英国高性能跑车制造商迈凯伦汽车（McLaren Automotive）宣布与工程计算平台Rescale及芯片巨头英伟达（NVIDIA）合作，将代理式人工智能（Agentic AI）和物理AI（AI Physics）整合进其车辆工程研发流程。这一举措旨在解决传统计算机辅助工程（CAE）模拟中计算成本高、限制设计探索规模的核心痛点。

在传统汽车工程中，评估车身结构受力、动态性能及材料耐久性需要运行复杂的数值模拟。虽然这些高精度模拟能提供可靠的物理依据，但每次运算耗时较长。当工程师需要反复调整参数或比较大量设计方案时，计算资源成为瓶颈，限制了在开发周期内能评估的设计数量。对于追求极致调校的高性能车辆而言，如何在保持分析可靠性的同时加快迭代速度，是研发的关键挑战。

迈凯伦采用的解决方案结合了“替代模型”（Surrogate Models）。这是一种通过既有模拟或实验数据学习物理系统行为的AI模型，能够建立设计参数与物理表现之间的映射关系。相较于每次都重新执行高精度数值模拟，替代模型能在适用范围内以毫秒级速度预测不同设计条件下的结果。根据Rescale提供的数据，迈凯伦工程师现在可以在数小时内评估数千种设计变化，原本需要数天的复杂模拟工作被缩短至数分钟。这种机制允许团队先通过低成本预测筛选出值得深入分析的方案，再对关键设计进行高精度验证。

除了物理AI，该平台还引入了AI Agent来处理重复性工程任务。Rescale的平台将代理式工程技术整合到迈凯伦的研发环境中，自动化串接模拟与分析工作流程，使工程师能将更多时间投入设计判断和复杂问题分析。此外，平台利用机器学习预测碳纤维结构的制造表现，并通过工程知识图谱整理过往项目洞察，支持后续决策。

值得注意的是，Rescale声称该平台可将专业工程人员的生产力提升最高达3倍，但公开资料未详细说明该数字的衡量方式、样本范围及独立验证方法。替代模型并非完全取代传统CAE，其预测能力依赖于训练数据和适用范围，关键设计仍需高精度模拟确认。这一案例展示了AI在工业研发中从“代码生成”向“物理仿真加速”延伸的实际应用价值。