谷歌AI对药物研究的影响

我靠，谷歌这个 ai 它居然可以它自己产生多巴胺，然后自我激励，就这个负责谷歌 ai 这个人，他把人类这个产生多巴胺的这个步骤都代码化赋予 ai， 让 ai 自己有这种 多巴胺的分泌，朝着这种正确的方向，它自己会自我强化，自我学习，自我激励，往前跑。卧槽，这个太牛逼了， 我就好奇去看了一下搞谷歌 ai 的 这个这个这个 leader， 他 怎么就获得了这个诺贝尔化学奖？一个搞 ai 的 人怎么就获得了诺贝尔化学奖？哎呀，我一看真的是牛逼的不行啊。 就他为了证明自己 ai 的 牛逼，他认为这个 ai 可以 解决世界上所有的难题，他就去找了这个世界上最难的难题来试着去解决。最难的难题就是人类的疾病，疾病的最源头就是蛋白质，就是通过预测这个各种蛋白质排列组合各种形状，就形成了药物，然后就可以对抗疾病。哎，他搞出来的这个成果 就获得了诺贝尔文学奖，就他获得的这个成果，比过去人类几十年所有的人，所有的科学家，所有药物学家获得的成就还大了几百倍。从此这人类研究药物在这个 ai 的 作用下，就变得难度小了，非常非常多。就是这个就是对人类的 这个健康啊，对抗疾病啊，甚至人类这个寿命啊，就瞬间被拉长了。所以我看完之后，哇，真的是 就这个 ai 就 像一把万能钥匙，就它可以记忆人类所有的知识，并且它模仿大脑的程序，把这些记忆用出来之后获得了成就。然后 ai 又把这种 大脑多巴胺分泌的这种激励机制赋予 ai， 就 ai 解决一个问题，它可以获得一个积分，然后 ai 就 有了这种自我反馈的系统，然后它就会朝着这种正确的道路上会越做的越来越好，越来越好。 这个就叫 ai 自己的激励机制。卧槽，这个太牛逼了，这个就模仿人自己可以记忆、存储、推理，然后 还能自我激励。我靠，这个太牛逼了，这个真的是会变得越来越聪明，就像人这个所谓脑子越用越灵，就神经这个突出会越来越多，就这个激励，然后会朝着这个越来越牛逼的方向去走。我靠，我觉得真的确实是牛逼，确实是牛逼。

未来十年， ai 有 望治愈人类所有的疾病啊！这话可不是我说的，这是诺奖得主、谷歌 deepmind 的 创始人哈萨比茨说的。最近呢，他的出现又让科技圈炸锅了。咱们先说说好消息啊， nature 刚刚报导了谷歌 deepmind 的 最新成果，他们发布的 ai 药物设计引擎 r s o d d e 被业内称为 alpha fold 四，有望彻底颠覆新药的研发行业。 这玩意有多恐怖啊？我举个例子啊，有个叫 cyril bloom 的 蛋白，科学家们研究了十五年，只找到一个药物结合位点，今年靠实验才勉强发现了第二个隐藏的位点。 而 i s o d d e 呢，只需要输入一串氨基酸序列，几秒钟就能精准复现。实验室要花几年烧几百万的实验，他眨个眼的功夫就能完成。 在新蛋白质的结构测试中，它的成功率是 alpha fold 三的两倍多。在抗体的预测中， r s o d d e 比 alpha fold 三高出二点三倍，甚至比开源模型 bolt two 高出二十倍。 这不是优化流程，这直接把新药的研发按了加速键。但接下来的消息可能不是那么美好，谷歌这次决定不再开源了，代码不公开，论文不发，方法也不说，直接把大门给关上了。 当年阿尔法 forward， 那 是全球科学家的共享利器啊，一百九十多个国家，三百万科学家都在使用，成了 ai 造福人类的典范。 而现在， r s o d d e 把门直接给关上了，这意味着，最强的科学家加速器开始集中在少数巨头手里了。这里面的矛盾其实很明显啊， 制药呢，是几百亿的生意，谁先找到新药，谁就能赚大钱。谷歌想自己下场做药了，核心技术藏着自己用，从商业角度看，似乎很合理。但话说回来， 科学进步本身就依赖分享和验证，你把最厉害的武器锁在柜子里，别人没法验证，也就没法改进，整个领域的发展速度就会降下来。 这背后呢？其实是谷歌身份的转变。以前的 alpha fold， 谷歌是工具提供者，做个好东西大家用。现在 r s o d d e。 谷歌想做药物制造商了， 用 ai 自己设计药，他们跟强生、李兰诺华签了几十亿英镑的协议，并且他们已经融资六亿美元，首款 ai 设计药物进入临床准备阶段了。 ai 制药这个赛道，竞争其实才刚刚开始，谷歌现在领先，但 mit 的 开源模型波特兔也在快速迭代，中国的公司也在发力。开源有开源的优势，闭源也有闭源的道理。关键看什么？ 看谁能更快的把 ai 变成真实的药物，让患者真正的受益，这才是最重要的。这事你们怎么看啊？是支持还是反对？评论区聊一聊。

谷歌 ceo 亲自宣布 ai 提出了一个人类五十年都没想到的抗癌思路，实验之后，结论居然是，它是对的。癌细胞最阴险的地方不是长得快，而是会隐身。几十年来，人类拼命找要杀死它，却忘了先撕掉它的隐身衣。这一次，谷歌和耶鲁大学联手，用二百七十亿参数打造的大模型 c two s scale 直接改写了抗癌。 ai 只用了三步就找到了思路。第一步，重新定义问题，不再问哪种药物能杀死癌细胞，而是问怎么让免疫系统重新看见它。第二步，虚拟筛选四千多种药物， ai 锁定一种老药，并给出必须在特定免疫信号环境下使用的新方案。第三步，实验证明 ai 是 对的。 科学家按照 ai 指令，把 s 药与低剂量干扰素搭配，使用免疫系统识别 ai 细胞的信号暴涨百分之五十，等于 ai 帮人类解锁了 ai 细胞隐身术的弱点。 更炸裂的是，谷歌已经将模型开源全球，任何科学家都能用它去挖掘生命奥秘。从 lfore 的 预测蛋白结构，到今天 ai 提出新抗癌假设， ai 不 再是科研的计算机，而是真正能思考的合作者。正如 deep money 的 ceo 帕萨比斯说的那句， ai 将在十年年内帮人类治愈所有疾病。今天，这句话正在一步步变成现实。

朋友们， ai 挖出抗癌新大招，谷歌 ceo 亲自官宣。这思路，人类想了五十年都没破。癌细胞最狠的从不是长得快，而是会隐身躲避免疫系统。 过去几十年，抗癌只盯着杀癌细胞，却没人想先撕了他的隐身衣。直到谷歌联手耶鲁，用二百七十亿参数大模型 c r s 六改写抗癌 ai 格局。他只用三步就找对核心解法。 四、重新定义问题，不杀癌，专教免疫系统认出癌四。二、虚拟筛四千多种药，精准锁定一款老药，还给出全新连用方案。四、实验验证老药搭配低剂量干扰素，免疫系统识别癌细胞信号直接暴涨百分之五十，精准破解隐身弱点。 更牛的是，谷歌直接把这模型开源了，全球科学家都能拿来深挖生命奥秘。 ai 在 生物医药领域的突破越来越多，人类寿命到一百二十岁甚至更高，真的不再是空想。你相信这一天会来吗？评论区聊聊我是丽姐，关注我，解锁前沿医疗科技！

ai 不 只是帮你查资料了，它已经开始提出人类想不到的科学假设。很多人以为 ai 的 任务就一个，让人干活，更快、更好的搜索、更快的总结、更聪明的模式识别。在过去的二零二五年中，百分之四十五的美国员工说自己工作中一年会用几次 ai， 百分之七十二的企业至少在一个环节用上了 ai， 甚至超过百分之九十九的财富五百强都已经在某种形式上接入了 ai。 但真正的拐点不在提速，而在换角色。 ai 开始提出人类没先想到的点子。 过去几百年，科学发现基本靠人类脑内循环，先假设，再设计实验，再验证，再复盘。这个过程慢，不是因为科学家不努力，而是因为人脑能想到的路径有限，实验能做的数量有限。现在，瓶颈开始松动了。 ai 不 只是帮你验证假设，它开始自己提假设 最直观的冲击来自药物研发。传统新药在进入临床试验之前，光是临床前阶段就可能要三到六年，成本大约四点三亿美元。 为什么这么贵？因为你得在巨大的化学空间里试错。设计分子预测作用，优化结构，淘汰失败方案， 最后才轮到实验室真刀真枪。 ai 把这条链路迁移了，它可以直接生成全新的后选分子，先在计算里模拟相互作用，再优化结构，把明显弱的选项在进实验室之前就筛掉。 结果有多夸张？ ai 设计的后选药物在一期临床的成功率能做到大约百分之八十到百分之九十，几乎是历史平均水平百分之五十的两倍左右。还有案例显示，一种 ai 设计的抗纤维化药物， 从发现到进入一期，临床用时不到三十个月，甚至在十八个月内就完成了后选物提名。整体来看， ai 工作流有机会把早期研发时间压缩百分之三十到百分之四十。更关键的是， ai 会在你根本没想到的方向上造分子，用人类团队完全做不到的规模去探索可能性。 当 ai 能在药物里发明新分子，下一步自然是它会不会把整套科学方法也自动化？答案是正在发生。 密歇根大学的研究团队做了一个系统，叫 backterai， 把机器学习和机器人结合起来，一天最多能跑一万次实验。在一项研究里，他用不到四千次实验，九天时间就找出了细菌所需的营养条件，准确率大约百分之九十。更进一步的是自主实验室， 比如伯克利实验室的 aab， 能做到每天处理的样本量是人类研究者的五十到一百倍。流程像流水线， ai 设计实验，机器人执行结果立刻分析，系统自动发起下一轮测试。 科学家把它叫做闭环研究系统。 ai 提假设， ai 做实验， ai 看结果， ai 再提下一个假设。这不是简单的实验室自动化，而是把科学方法本身做成了机器闭环实验，不再等人来排期、写计划、开会讨论，时间线会直接塌缩。 有估计认为，过去可能要十年的发现，未来可能六个月就能完成。听起来像科幻，但它的逻辑很朴素，当试错变成连续运行，进度条就会飞起来。 你可能会问，这只是在做实验更快吧？那需要天才灵感的数学呢？ ai 也开始插手。有个系统叫 alpha evolve， 用大语言模型加上进化算法，在巨大的解空间里生成成千上万种后选解法先生成再测试，淘汰失败，保留优解，继续变异迭代。 他在一项研究中挑战了六十七道数学题，覆盖几何组合数学和数论，不仅能复现已知证明，有些题还给出了更好或更通用的解。 最炸裂的一点是，它把矩阵乘法算法提升了大约百分之十，打破了持续五十多年的记录。 别小看百分之十，矩阵乘法是计算系统的地基优化，会像联一一样扩散到各类计算任务里，而且速度在加快。从二零二五年开始，类似 alpha evolve 的 系统帮助解决了十五个鄂尔得失风格的公开数学问题。其中有十一个发现直接把 ai 列为贡献者， 相当于比历史节奏快了大约五倍。数学在科学与工程的最底层，一旦数学边界扩张更快，上层的一切都会被带着加速。 生物领域的变化更直观。蛋白质折叠蛋白质像生物体里的机器，形状决定功能。过去要预测一个蛋白质的三 d 结构，可能得花几个月甚至几年做实验。 谷歌 deepmind alpha fold 能直接从氨基酸系列预测结构到二零二六年，它已经汇聚了超过二点一四亿个蛋白质结构，覆盖了已知蛋白质世界的很大一部分。在全球 casp 竞赛里，预测准确率曾长期在百分之四十左右徘徊。 alpha fold 把它推到了大约百分之九十。最新的 alpha fold 三还把蛋白质到配体相互作用预测提升至少百分之五十，超过传统方法。如今有超过三百万研究者在用 alpha fold 的 数据， 蛋白质数据库的存储量也增长了大约百分之五十。原本要按年算的工作，现在很多能按小时算，但这还只是单个蛋白质。下一站是模拟整个生物系统，细胞里成千上万分子同时互动。过去只能靠多年一步步实验去摸。 生物科技公司 recruitment 做法很激进，它们生产了数千亿个细胞，覆盖五十多种细胞类型，并在自动化实验室里每周能跑到二百二十万次实验海量数据。反过来训练模型， 目标是虚拟细胞，先在计算里跑数百万次模拟，把最有希望的方向筛出来，再进真实实验室试错。从现实转移到模拟，发现速度就会再被推高一档。所以真正的结论是， ai 正在从工具变成合作者。他不止回答问题，还开始生成问题。 科学不再只随研究员数量扩张，而是随算力扩张。当发现循环进入机器速度，知识增长会快到让单个科学家甚至整个学科都跟得吃力。新的时代已经开始了，你觉得科研的瓶颈会变成谁？算力更强吗？

朋友们，人类距离攻克所有绝症，可能只剩最后几分钟的算力了。曾经凭 alpha fold 的 拿下诺奖，暴力破解两亿蛋白质结构的谷歌哈萨比斯团队，带着终极武器 sodde 杀回来了。那么它有多夸张呢？ 那些让药企烧掉数亿美金，死磕十年的研发僵局，在他面前不过是几分钟的算力而已。但就在全世界准备欢呼时，谷歌却亲手关上了大门。谷歌 ismorphic 总裁 max 对 国际顶刊 nature 直言，不打算公开秘方技术，彻底保密核心代码，绝不公开。 曾经开源 iphone fold 的 科学之光，如今在能大规模救命的技术面前，谷歌 ismorphic 选择了成为商业巨兽。 这到底为什么呢？因为 sodde 握着三个让同行绝望的杀手锏，这对他们简直就是药物研发领域的超级印钞机。 第一，终结盲盒。以前药物研发像配钥匙， alfa fold 让你看清所恐， sodde 则直接告诉你这把钥匙能不能开门，直接解决药企烧钱困局。第二，猎杀死穴。 sodde 能在几分钟内算出了人类死磕十五年都没找到的抗癌靶点，隐藏口袋，把不可成药变成了精准猎杀，几分钟便可找到困扰人类十五年之久的抗癌靶点。 第三，巅峰收割。在最难的药物抗体研发领域，同行成功率只有百分之二，他直接飙到了百分之三十九，简直是降维打击。这次币源让学术界和开源社区普遍失望和批评。谷歌 isomorphic 作为纯商业化公司，目标是做药赚药钱， 通过币源建立壁垒，独占药物市场万亿级商业价值，而谷歌 deepmind 做科研开源赚声誉，双方分工配合， 这说明了什么？以前的谷歌在帮助人类理解生命，现在的谷歌在直接定价生命。不过好消息是，开源阵营的 deep origin 宣布加速追赶并超越 sodde。 让我们为开源阵营加油，为守护健康的普惠技术点赞加油！

大家好，今天我们聊一个正在真实发生，但可能被过度想象的变化。 ai 在 药物研发中到底解决了什么问题？边界又在哪里？很多人听过一种说法，说 ai 将颠覆制药，未来的新药可以被算出来。 但如果你真的了解药物研发流程，就会发现， ai 改变的从来不是答案本身，而是我们接近答案的方式。它并没有取代科学判断，而是在一些过去极其缓慢、极其昂贵，甚至几乎做不了的环节，显著提高了效率和信其密度。 最根本的变化发生在研发的起点，让原本看不见的靶点变得可研究。药物研发的第一步，通常是找到一个与疾病密切相关的蛋白质，并理解它在餐位空间中的结构。只有知道这把锁长什么样，才有可能设计出匹配的钥匙。 过去这一步主要依赖实验手段，周期长，成本高，而且对很多关键靶点并不适用。 ai 在 这里带来的突破是让蛋白结构在没有实验数据的情况下也能被精准预测出来。 这并不是让药物自动被设计出来，而是把大量曾经因为结构不可得而被搁置的靶点重新拉回可研究的范围。但这远远不是重点，真正的蛋白并不是静止不动的，药物分子也不是简单的贴上去，真正困难的是理解分子如何在动弹环境中进入，结合口袋，形成稳定相互作用机制。 因此，进一步的 ai 工作开始集中在相互作用模式和预测上。在这里， ai 的 价值不是直接给出最终结论，而是让药物设计从大规模盲筛转向有结构预测的理性起点。 第二个正在发生的变化是， ai 成为研发流程中风险前置工具。药物研发的现实是，绝大多数时候候选分子都会失败，而失败发现的越晚， 代价越高。很多项目不是没有活性，而是在后期才暴露出毒性、代谢和递送方面的问题。 ai 可以 通过学习已有的化学、生物和临床数据，对获选分子的特性进行概率预测，从而帮助团队在早期识别高风险方向。 这意味着 ai 能让研发资源更少的浪费在明显不利的路径上。第三个常被忽略的领域是临床试验阶段。临床试验是整个研发流程中最好使也最昂贵的部分。 ai 在 这里的作用并不是替代临床试验， 而是通过分析真实世界数据、基因信息和历史实验结果，辅助优化患者入组、设计实验和评估成功率。这仍然是决策支持，不是决策本身，但他正把 ai 的 影响力从实验室延伸到更靠近真实世界的环节。 正是在这些能力逐渐清晰的同时， ai 的 边界也同样清晰。首先， ai 无法真正理解因果关系，它只能处理相关性。它可以发现某种结构模式与某类活性高度相关，但无法解释背后的生物学机制。在药物研发中， 当数据出现冲突，当副作用超出预期，当路径需要重新被评估的时候，最终依赖的仍然是人类科学家对机制的理解、对不确定性的判断和对风险的承担。 第二个显值来源于数据本身。 ai 模型的能力高度依赖训练数据的质量和覆盖范围。在药物领域，高质量数据往往稀缺、封闭且带有偏差，这不仅可能放大已有的错误，也可能在未知领域中产生看似合理但实际上并不成立的预测。这类问题 并不能通过更大的模型自动解决。第三个边界是工程监管与责任。如何将一个分子稳定的规模化生产？ 如何满足监弊对一致性和可追溯性的要求？如何通过监管机构对安全性和可解释性的屏审？这些问题属于工程体系和法规体系。 ai 可以 辅助优化某些参数，但无法成为责任主体，也无法替代合规判断。 因此，在真实的制药世界里， ai 的 地位正在逐渐稳定下来。他不是裁判，也不是替代者，而是一个极其强大的工具，帮助人类更早的看到风险，更快的聚焦重点、更理性的分配资源、 科学洞察工程实践，理论判断和最终责任仍然牢牢掌握在人类手里。最后，留一个问题想听一听大家的观察。从爬电结构预测、分子设计到风险评估和临床试验，支持 ai 已经渗透进研发流程中的多个环节。如果你在学习和工作中接触过相关工具，欢迎在评论区写下具体名称和使用场景，我们一起看一看我们看到的世界是否一样。

朋友们刚刚刷到一条视频，或将重新定义人类的未来。谷歌蒂姆麦的掌门人、诺奖得主哈萨比斯最近放出重磅消息，未来十年， ai 将治愈所有人类疾病！这不是夸夸其谈，他们的 alpha 基因 已破解人类基因的核心密码。人类基因组有三十亿个遗传字母，其中百分之九十八的区域被称为暗物质。过去科学家穷其一生也难以解读这部分藏着疾病密码的区域， 而 alpha gene 们做到了。这款 ai 工具能一次性解读长达一百万个剪辑队的 dna 系列，精准预测基因变异如何影响人体健康，准确率高达百分之九十以上，相当于给人类基因组装上了一台超级显微镜。以前研发新药要十几年，花费数十亿资金， 成功率还不足百分之十。但有了 ai 的 助力，七十二小时就能筛选有效药物，大幅缩短研发周期，降低成本。 哈萨比斯透露，他们用 ai 设计的抗癌药，预计二零二六年就会进入临床试验，到时候癌症、阿尔兹海默症等疑难杂症都有望治愈。要知道，哈萨比斯就是凭借 ai 破解了蛋白质的结构，次次拿了诺贝尔奖。他带领着 deepmind 的 每一步突破，都在改解人类的医疗史。

诺贝尔化学奖得主、谷歌 deepmind 的 掌门人重磅预判，未来十年， ai 可能治愈几乎所有疾病。 这不是空想， deepmind 新发布的 ai 模型 alpha missiles， 让人类第一次能从 dna 系列本身系统性推演基因突变的后果。过去研究基因，就像在沙滩上用放大镜找沙粒，一个突变是否治病， 要做几个月甚至几年的实验。现在， ai 一 次读懂一百万个剪辑，一键说清图片会不会误激活致癌基因，剪错 r、 n、 a， 过去五六个模型才能搞定，是它一个就够。 更牛的是真实验证 t 细胞白血病的一个远程图片机制，科学家研究多年才破解 ai， 看一眼 d、 n 系列就精准算出结果，和实验完全一致。这不是算得更快，而是医学研究从经验试错变成了系统推演。 未来疾病不再是发病再治，而是基因层面提前预警，提前干预。别觉得这离你很远，我们百分之九十八的基因是非编码区域， 过去被称为基因暗物质，这是遗传病、癌症的主要风险来源，而 ai 正在照亮这片未知。从 alpha fold 的 读懂蛋白质，到 alpha missense 解码基因调控， ai 已经从某种模型走向理解生命本身。这不是某款模型的胜利，而是生物学从经验科学迈向工程化理解的革命。 当然不是明天就能包治百病，但人类终于不再盲人摸象，而是在绘制成完整的生命地图。如果未来医生先让 ai 读懂你基因，提前规避疾病风险，你最想解决哪种疾病？评论区，我们聊聊。

各位可以先看一个人，你们能看出他多大年龄吗？这个叫布莱恩约翰逊的人呢，今年四十八岁，他是硅谷的一位超级富豪，从二零二一年开始呢，每年豪掷两百万美元，目标呢是逆转每个器官的生理年龄。 openai 的 ceo 山毛特曼二十九岁开始服用糖尿病药物二甲双瓜来对抗衰老， 曾经表示过愿意花所有的钱来延长寿命。再说两位老富豪，比尔盖茨和贝索斯，更是砸了数亿美元投入到了抗衰老药物的研发当中。未来的癌症会被彻底治愈吗？未来的人类会迎来永生吗？以前呢，新药的研发，它有一个二十定律，也 就是十年时间砸十亿美元，成功率还不到百分之十。而现在呢，英伟达和谷歌正在联手制药，通过算力来主导药品的研发方式。英伟达呢，现在已经投资并深度绑定了多家的 ai 制药公司，提供 gpu 算力平台和生物模型的框架， 参与到了药品研发的底层系统。谷歌的 alpha fold 已经通过对蛋白质结构的预测，直接生成计算结果，并且呢，在持续地向药物发现分子设计延伸。谷歌的这个蛋白质结构的预测技术有多么厉害呢？大家可能都知道，咱们身体里啊，除了有水以外， 含量最多的就是蛋白质。人体的肌肉、皮肤和骨骼全是蛋白质搭建的，消化食物的酶是蛋白质胰岛素、生长激素，这些关键的激素是蛋白质免疫细胞的主要成分。是蛋白质运送营养物质和氧气的还是蛋白质？ 传统科学的模式呢，用的是 x 射线的经济学和冷冻的电竞，价格贵，速度慢，几十年呢，全球才解析出来十八万个蛋白质。而谷歌 deepmind 的 alpha fold two 可以 根据氨基酸系列精准地预测蛋白质的三维结构。现在已经预测出来多少种了呢？二点四亿种， 几乎覆盖了已知的所有蛋白质。 alpha four three 呢，更厉害，不仅能预测蛋白质的结构，还能模拟它的 dna、 rna 和小分子的相互作用。所以呢，掌握了蛋白质的结构，就相当于掌握了生命的原代码，谁能定义蛋白质， 谁就能定义了未来的抗癌药，抗衰老药，那这些都意味着什么呢？一句话就是，未来的药品肯定会研发的又快又好，根据最新的数据来看呢，研发的时间会缩短到原来的三分之一，而成本呢，直接砍掉百分之九十九。 如果 ai 能像写代码一样来写药的话，那未来的特效药、抗癌药，甚至是长寿药，那自然是不在话下的。问题是， 会不会构成一道新的普通人和富豪之间的鸿沟呢？马斯克在一月九号的播客当中提到，人是被预设好死亡程序的，改了这道程序就能活得更久，所以贝永生 他不再是梦想。顺着这个思路来想的话，未来有一天有没有可能是这样的，长寿药为肉身续命， 脑机接口，实现意识的永生。最后呢，再问问大家，如果未来有一颗定制的长寿药，你会花多少钱来买它呢？我是纪林，今天的内容呢就到这，欢迎大家点赞留言。

以下是科学家眼中的十五项重大突破，它们将彻底改变医学界！ 第十五项 ai 能在症状出现前十年预测阿尔茨海默病阿尔茨海默病极难治疗，因为当症状出现时，大脑损伤往往早已累积多年，而 ai 正开始改变这一局面。 梅奥诊所的研究人员联手华盛顿大学，分析了五千八百五十八名参与者，建立起一套能预测未来十年痴呆风险的模型。 波士顿大学开发出一种机器学习系统，通过分析幺六六份语音访谈，能以百分之七十八点五的准确率预测六年内的阿尔兹海默病进程。范德比尔特大学研究人员分析超四点三万病例，发现若能推迟五年发病， 患病总数可减少一半。第十四项体内 crispr 基因编辑获准用于人体， c r crispr 技术线也能直接在人体内发挥作用。在一项全身性临床试验中，单次静脉注射 n t l a 两千零一基因疗法治病蛋白水平最高，降低了百分之九十三， 最高剂量组的六名患者蛋白水平降幅均超过百分之八十。另一种名为 addit 幺零幺的疗法，成功改善了百分之七十九遗传性失明患者的视力。 费城儿童医院的医生更在短短六个月内研发出一种定制基因疗法，专门针对一种罕见代谢疾病， 且临床应用安全，未见严重副作用。十三点 ai 全身疾病预测模型 ai 已能提前鼠年预测多种疾病。名为 delfi r m 的 生成式模型利用医疗数据进行了训练， 数据源自四十万名英国生物库参与者及一百九十万名丹麦注册患者的医疗数据训练而成。该系统能预估上千种疾病的发病风险，提前长达二十年。它不依赖单一的医学检查。 该模型分析个人病史中的细微模式，即所谓的微事件。通过关联成千上万个此类信号， ai 能推算长期健康风险， 推动医疗从事后治疗转向主动预防。十二点， ai 研发抗生素对抗超级细菌抗生素耐药性已成为现代医学的最大威胁之一， 但 ai 或许能助科学家以前所未有的速度取得突破。麻省理工学院与迈克马斯特大学的研究人员利用 ai 不 到两小时就分析了六千六百八十种化合物。 经实验室测试，研究人员锁定了九种强效抗生素后选物，其中包括抗生素。该化合物能精准攻击一种蛋白质，即暴慢不动杆菌赖以生存的那种。实验证明，它能有效治愈小鼠的伤口感染。 ai 大 幅缩短了筛选潜在抗生素的时间，这有助于科学家跟上耐药细菌的快速演变。十一点， ai 发现的药物进入人体试验 ai 现已能从零设计全新药物。截至两千零二十三年，研究人员已确定了六十七款 ai 辅助研发的药物，这些药物已进入临床开发阶段。 这些项目在一期临床试验中的成功率约为百分之九十二期成功率约为百分之四十，均高于传统药物研发的平均水平。以 ins 的 零幺八零五五为例，这是一款 ai 设计的药物， 由英西智能开发，用于治疗特发性肺纤维化，目前已进入二期临床试验，近百家 ai 制药公司陷阱在中国运营， 药物研发进程正飞速提速。十点量子传感器预警疾病先兆 另一项新新突破是超灵敏量子生物传感器。在两千零二十六年的一项研究中，研究人员结合 dna 纳米结构量子点，并利用 crispr 技术打造出一款光信号传感器，能精准捕捉血液中 极低浓度的癌症 rna 生物标志物。在肺癌患者学新测试中，该传感器能成功识别癌性信号，并自动过滤无关遗传物质。建议该系统可通过编程设定搜索各类生物标志物。 未来，他有望筛查阿尔兹海默病等疾病，甚至能在症状显现前，仅凭简单的血液样本检测出癌症。 ai 癌症筛查胜过医生 正在彻底改变癌症检测手段。一项发表在柳叶刀肿瘤学上的大型研究 覆盖了瑞典八万多名女性。结果显示， ai 辅助乳腺 x 光检查的检出率提高了百分之二十。相比放射科医生双人阅片，值得注意的是，这一提升并未导致假阳性率升高。 在另一项含盖一百二十万份乳腺影像的研究中，通过结合医生与 ai， 癌症检测率提升了百分之二点六，同时将不必要的复检率降低了约百分之六。这些系统正助力医生更早发现癌症， 并实现更精准的诊断。八、靶向药物递送纳米机器人科学家们正在开发微型机器人，只在将药物精准输送至病灶部位。加州理工学院研究人员研制出可生物降解的声控微型机器人， 能将化疗药物直接输送至小鼠膀胱肿瘤，经过二十一天四次治疗后，肿瘤的缩小效果比单纯化疗更为显著。加州大学圣地亚哥分校的研究人员利用涂有抗生素的微型机器人 成功治愈了小鼠的肺炎，未经治疗的小鼠在三天内全部死亡，而接受微型机器人治疗的则全部存活，抗生素用量仅为传统疗法的几千分之一。第七项，非成瘾性止痛药取代阿片类药物 几十年来，强效止痛药往往伴随着阿片类药物成瘾的风险，而一类新型药物或许能改变这一现状。一种名为 vx 五四八的新药能精准阻断痛觉信号的那通道， 且不会激活大脑中的阿片类受体。在一项针对腹壁整形手术患者的临床研究中， v x 五四八组的疼痛评分降幅比安慰剂组高出四十八点四分。 在四十八小时的观察期内，用药患者得以显著缓解疼痛，起效更快，平均只需一百一十九分钟，而安慰剂组则长达四百八十分钟。第六项， cut 疗法与癌症之外的免疫工程应用 c r t 疗法已彻底革新了多种血液癌症的治疗手段，但科学家发现其疗效远不止于癌症治疗。 在一项小型研究中，五名重症红斑狼疮患者接受了基因工程免疫细胞疗法，只在清除有害 b 细胞。 短短三个月，五名患者全部实现停药缓解。这种缓解状态持续了长达一年，即便 b 细胞再生也未复发，且仅观察到轻微副作用。这表明免疫工程疗法有望从根本上治疗自身免疫性疾病。 通过重置免疫系统本身五多癌种液体活检，单次采血即可筛查早期发现癌症能显著提高生存率， 而新型血液检测技术即将让这一切成为可能。多癌种早筛技术通过分析循环 dna 片段， 即血液中的蛋白标志物，实现对多个器官癌症信号的同步检测。临床试验显示，该技术对多种癌症的检出灵敏度在百分之五十至百分之九十五之间， 特异性往往能达到百分之八十九到百分之九十九。部分机器学习模型已实现百分之九十九点五的特异性， 仅约百分之九十的准确率就能预测癌症的起源组织。仅凭一次血液样本。第四， mna 平台不仅局限于疫苗， 大众对 m rna 技术的认知大多始于新冠疫情， 但其实际潜力远不止于此。科学家正致力于将 m r n a 开发为一种可编程的药物平台。在丙酸血正的实验研究中， 研究人员为小鼠多次静脉注射了包裹在脂质纳米颗粒中的 m r n a。 六个月后，该疗法不仅提升了关键肝酶的活性，还减少了有毒代谢物，且未产生明显的副作用。这项研究表明， mna 未来有望 在人体内输送治疗性蛋白，为治疗相关疾病开启了新路径。含钙代谢及遗传性疾病第三项，脑机接口重塑语言能力 脑疾接口正助力失语患者找回沟通能力加州大学的研究人员在戴维斯分校，团队将四组微电机阵列植入 了健动症患者的大脑 ai 算法对患者的神经信号进行解码，并将其转化为合成语音，延迟仅四十分之一秒，听者能听懂约百分之六十的合成词汇， 而未使用该系统时仅为百分之四。这些神经修复技术正让 瘫痪患者的实时交流成为可能。二、婴儿 crispr 攒积编辑疗法基因编辑技术线用于治疗生命初期的遗传病。 在一例名为 kj 的 婴儿病例中，医生利用 crispr 剪辑编辑技术修复了一种由单一 dna 突变引起的致命代谢混乱。该疗法在六个月内便完成了定制， 并通过纸质纳米颗粒分三次完成递送。治疗后，婴儿的蛋白质耐受力提高，用药需求也相应减少。该疗法未出现严重的不良反应， 证明了个性化基因编辑能在生命早期纠正致命突变。一、实验室培育器官离遗传限时更近一步 医学界的一大难题便是公体器官短缺。科学家正致力于利用人类干细胞培育可移植器官。 在一项实验中，研究人员将人类多能干细胞注入，注入基因改造后的猪胚胎中，使其能自行发育出肾脏。在植入待孕母体的一千八百二十个胚胎中， 部分胎发育出了早期肾脏，其中约五到六成由人类细胞构成。尽管尚处于实验阶段，该方法 未来有望实现器官培育，从而大幅缩短器官移植的等待名单。

大家都以为谷歌靠着 ai 赚翻了，但你敢信吗？这家被华尔街捧上天的科技巨头，其实正坐在一个随时会爆炸的火药桶上。大家好，我是 ai 启示录。 最近看新闻的朋友一定都注意到了，不管这几个月没股，大盘怎么震荡，谷歌的股价就像穿了防弹衣一样硬挺。很多人在后台问我，谷歌现在看起来这么稳，还能不能追高买进？ 今天这期内容，我们就不说那些老生常谈的废话，我们要直接扒开谷歌光鲜亮丽的最新财报，带你穿透他高达二十六倍的超高估值，看看这只股票底层到底发生了什么？ 那么这个让谷歌面临生死考验的隐患到底是什么呢？我们先用数据说话，回顾二零二五年全年，谷歌简直是七大科技巨头里的优等生，一整年的回报率高达百分之六十五点八，直接拿下了科技巨头涨幅榜的第一名。 进入二零二六年，遇到科技股集体下跌的行情，结果谷歌呢？截止到第一季末，它的跌幅只有百分之七左右，是所有巨头里跌的最少的，防御力简直拉满。因为业绩好又抗跌，华尔街的交易员们疯狂买入，硬生生把它的预期市盈率拉高到了二十六倍。 预期市盈率是什么？简单来说就是你现在愿意花二十六块钱去买它，未来大概率只能赚一块的利润。大家要知道，谷歌过去三年的平均值也才二十三点七倍，现在的二十六倍还是在年初，说明市场对他的期望值已经打的极度饱和了。 那么到底是什么优质业务给了市场这么大的底气，敢给谷歌开出这么贵的标价呢？支撑这个昂贵标价的主要是他家的人工智能大模型伽曼力在两个关键领域的爆发。 首先是云端业务，连续八个季度，谷歌云端的营收都维持在百分之二十八到百分之三十五的高速增长，这是因为很多企业都在排队花钱接入 gemini 这个 ai 大 脑， 更厉害的是它的成本控制。谷歌跑 ai 用的是自家研发的 tpu 芯片，这就好比别人都在租用昂贵的英伟达 h， 一 百每小时要花将近四块钱。而谷歌用的是自家的高性价比产品，每小时只要一块多，成本直接砍掉了大半。 虽然谷歌做了一些财务调整，把服务器的报废年限从四年拉长到了六年，让账面省下了三十九亿美元，但就算挤掉这些水分，它的真实利润也大涨到了百分之二十二到百分之二十四的健康水平。 听到这里，你比较看好谷歌自己做的 tpu 芯片，还是更相信黄仁勋的算力霸权留言，让我知道你的选择。其次是大家最关心的搜索业务，谷歌推出了 ai 概览功能，直接在搜索结果里给你答案。原本大家担心这样就没人去点击广告了，这就是自己抢自己的生意， 但没想到 ai 推送的广告非常精准，大家反而更爱点了。这就硬生生把搜索收入的增长速度从去年第一季的百分之十七，直接击碎了外界对他的怀疑。 表面上看，谷歌的云端服务和搜索业务都在快速增长，简直是完美无缺，可是事实真的是如此吗？这就是我们要揭开的核心秘密了。 现在的市场极度乐观，但其实大家存在着一个巨大的逻辑盲点，那就是使用者的注意力已经被悄悄转移了。 大家静下心来想一想，现在遇到复杂问题，你是打开谷歌搜索，还是去问 chat gbt 或其他的 ai 助手？目前， chat gbt 的 每周活跃用户已经大幅增加了九亿。在传统搜索时代，谷歌占了百分之九十一以上的市场份额，绝对的霸主。但在 ai 助手的领域里，它的流量份额大概只有百分之十五上下。 只要你把提问的动作从谷歌的搜索框换到了别人的 ai 对 话框，谷歌的总流量基础就已经被实实在在的挖走了一块儿。 那为什么谷歌的财报还没出现问题呢？这是一个极度危险的时间差，因为他的竞争对手们现在还在靠收会员费赚钱，还没有大规模开放广告。 这就像你的客户已经被隔壁店铺抢走了，只是隔壁还没开始向他们推广高利润的产品，所以你暂时还没感觉到痛。一旦对手们开启了广告系统，谷歌的收入必然会遭到巨大冲击。 要知道，对这些拥有大量用户的 ai 企业来说，搭建广告系统，实现盈利从来都不是什么难事。如果你最近也觉得越来越依赖 ai 助手，而不是传统搜索引擎，请帮我点个赞，让我们看看有多少人的习惯已经被改变了。 除了对手未发力，财报的短期繁荣也掩盖了一个极具迷惑性的真相，那就是企业端、商家和个人用户之间的时间错位。 在企业端，也就是投放广告的商家端，这是一个快周期。谷歌的广告算法最近升级了，就像商场过了一批十分专业的优质导购，能在短短几个季度内，把广告的转化率快速提升百分之十五到百分之二十五，这让谷歌短时间内盈利丰厚，掩盖了危机。 但在个人用户端，也就是我们普通用户端，这是一个慢周期，大家放弃谷歌搜索的习惯正在慢慢形成，这就是典型的温水煮青蛙 行业。预测，未来谷歌的总搜索量每年都会下降百分之一到百分之三。有一个数据特别惊人，二零二五年，全球科技媒体从谷歌获得的流量竟然暴跌了百分之五十八。为什么？因为看科技新闻的人最喜欢尝试新事物，他们早就转向 ai 平台了。 这里有一个很简单的道理，这就好比你开了一家商场，企业端效率提升是你把商场里的导购培训的特别专业进来，一个人在一天天变少， 即使你的导购再专业，转化率逼近极限，只要进店的人持续减少，总有一天你的总营业额会迎来大幅下滑的拐点。既然总流量下降是无法改变的趋势，那么接下来谷歌的股价会面临什么样的波动呢？ 在目前二十六倍这么高且乐观的期望之下，这个泡沫想要破裂，甚至不需要财报出现多么严重的亏损。 市场现在给谷歌这么高的定价，是因为大家相信 ai 能让传统搜索变得更赚钱，但对我们投资人来说，真正需要紧盯的关键信号是全球搜索总量的绝对数值萎缩。 在未来，只要竞争对手稍微加大布局，或是某次财报里谷歌的搜索总量出现了超出预期的下滑，华尔街的态度就会瞬间转变，资本的逻辑会直接从 ai 助力谷歌变成 ai 冲击谷歌。 一旦这种预期崩塌，大家对谷歌的估值就会从现在的二十六倍回落至二十倍的历史平均值。这就是金融界常说的戴维斯双杀。简单来说就是公司实际盈利减少，同时市场对他的预期也降低，双重因素影响下，股价至少面临百分之二十到百分之三十的下跌风险。 所以总结我们的投资建议是，在目前的估值水平下，投资谷歌已经变成了一场容错率极低的操作。对于持有相关仓位的朋友，你需要时刻警惕这个流量转移的风险，不要盲目乐观。 好了，今天的深度分析就到这里，朋友们，你有持有谷歌的股票吗？你打算继续持有还是获利透？现在留言区告诉我你的真实想法。无论如何，希望这期内容能让你对谷歌和科技股有新的认识，学到有价值的内容。我是启示录，我们下期再见！

谷歌出了个黑科技，让 ai 的 内存需求量暴降了六倍，而内存市场呢，就要崩盘了。 大家好，我是黑冰。大家好，我是小叶。大家好，我是小鹿。大家好，我是小师妹。就在三月二十五日，首尔证券交易所开盘不到两小时， sk 海力士跌了将近百分之六，三星跌百分之四点八，而同时呢，美股的美光跌百分之七， 闪迪跌百分之六点八，全球的内存公司迎来了黑色星期三。而引起这波暴跌的据说是谷歌发布的一个博客文章，该文章介绍了一个叫 turbocharger 的 压缩算法，可以把 ai 的 qv touch 存储需求降低六倍。 于是此消息立刻引爆了全球的存储市场。既然谷歌都切算法解决了存储的需求问题，那是不是以后 ai 大 模型就不需要那么多内存了？所以就导致了一波内存股的应声大跌。因为之前啊，大家的共识是， ai 越来越牛，越来普及， 那肯定需要越来越多的内存呢，这需求肯定只会越来越多。所以从去年到今年，内存暴涨，而 大家都认为啊，未来几年内存都是要涨价，不会降的。但是这次谷歌的消息是不是可以简单理解为就是 ai 内存需求降低到了六分之一，所以不需要那么多内存了？哎，别着急 吃瓜，我们要吃完整瓜！这天啊，好多粉丝拿这个消息来问我啊，内存是不是要大跌了，是不是六幺八可以买到原价内存了？包括最近内存确实降了一些，所以好像更加证实了这个消息的口号，立刻全网很多博主都疯狂转发这个消息，仿佛啊慢一点就蹭不到热度了一样， 那这个消息的可信呢？真假呢？好像已经无人关心了。我先叠个假，我比谁都需要内存降价，因为我们之前啊，做了好多视频说过， 这波内存涨价导致了很多电脑店倒闭，包括我们现在也很不好过啊，销量也是大降。我们最近的视频上都已经开始跟丝袜厂家合作了，带货丝袜了。 但是这个所谓的降价消息可能只是个乌龙啊，大家不要过分期待了，因为这个超波快手的论文啊，其实最早于二零二五年四月二十八号就已经上升到了 x c 五，至今已经过去了十一个月。哎，那为什么之前无人问津，没有引起大家的关注呢？ 因为啊，现在大家看到这个谷歌上的消息是断章取义的，下面我们说点硬核的啊，我尽量用简化的语言说明白， a i 大 模型在跑数据推理时，真正内存占用大的不是模型本身，而是对话过程中产生的缓存。每当 a i 模型处理到对话呢，它需要记住所有的历史信息， 这些信息就被称为 k v 卡士，实时写入显存。这里要注意啊，是显存，不是内存。而超跑快的呢，用随机旋转、量化和量化变换对 k v k 值进行了无损压缩，在论文的测试中啊，是压缩了四倍，没有任何的影响， 但问题是，这只是一个软件层的算法优化 ai 大 模型对内存的需求，核心从来不是存不够，而是内存不够。 hvm 之所以是 ai 基础设备的核心，是因为 gpu 计算核心 等不及数据从内存传输过来，而鸳鸯的价值呢，就在于它每秒能传多少数据，而不只是能存了多少。 qq 卡是被压缩到六分之一，意味着传输量也降了，这实际上是在把算力和贷宽释放出来，而不是让内存变得不重要了。 当然，更关键的是传播快的目前没有官方代码，现有的数据测试和证明都是社区开发者自己写的。而且啊，实验只在小模型上验证过，七十比以上的模型，包括 m o e 架构等都是没有具体验证过。 所以这次的内存股暴跌是一篇应用范围有限的算法论文，被有心人断章取义发来了，然后呢，冲击了整个内存市场。 原来啊，不仅国内的媒体有时候为了博流量会搞个大新闻，看来国外媒体哎，也喜欢这样博流量的模式。 不过从这个事件中我们可以看出，现在的存储市场可能已经到了崩溃的边缘，稍微有一点点，这个风吹草动就大降特降，那么这次的文章就会发现是个乌龙哎，内存价格又稳住了，那下一次呢？压死骆驼的最后一根稻草早晚会出现的。

一位前谷歌高管最近公开发声，给所有人敲响警钟，人类历史上最大的巨变正在悄悄发生。我们熟悉的世界已经彻底进入新的时代，而推动这一切的核心就是 ai。 很多人觉得这话太夸张， ai 不 就是个工具吗？真有这么大威力？今天咱们就聊聊这场巨变到底是什么。 首先，咱们回头看历史，工业革命用机器替代了沟通方式，而 ai 革命和前两次完全不同， 它替代的是人类的脑力，是思考、分析、创造决策的能力，这是以前任何技术都做不到的。你可能没察觉，巨变已经发生在身边。工作中， ai 写文案、做报表、画设计图，替代了大量基础文职。工厂里 ai 控制机械臂，优化生产线， 工人不用再重复劳作。生活里， ai 导航、 ai 推荐、 ai 客服，渗透到衣食住行，甚至教育医疗， ai 都能辅助诊断、辅助教学。以前只有专业人士能做的事，现在 ai 都能帮忙。这位谷歌高管说的彻底结束，不是指世界毁灭，而是旧的生活方式、工作模式、行业规则被彻底打破。以前靠信息差，靠体力、 靠重复劳动就能立足，现在这些价值都在快速缩水。比如以前做文员会打字、做表格就行，现在 ai 几秒钟搞定。 以前做设计靠熟练度接单，现在 ai 能快速出十几版方案。这场巨变不是暂时的，而是不可逆的。 ai 的 发展速度越来越快，渗透的行业越来越多，未来十年，几乎所有岗位都会被 ai 改造，所有行业都会被 ai 重构。但这不是坏事， 巨变意味着新机会，真正可怕的不是 ai， 而是拒绝接受变化的人。就像当年互联网出现，有人抓住机会暴富，有人嗤之以鼻被淘汰。现在 ai 也是一样， 他不会淘汰人类，只会淘汰不愿意学习 ai、 使用 ai 的 人。前谷歌高管的预警不是制造焦虑，而是提醒我们主动适应 ai， 学会和 ai 合作，才能在这场人类史上最大的巨变里站稳脚跟，抓住属于自己的机会。

谷歌、 deepmind 的 联手 isomology labs 推出的 isomology， 堪称药物设计领域的超级典型，直接刷新了 ai 制药的天花板。打造 isomology 的 isomology labs 来头不小，由谷歌孵化，首次融资便募得六亿美元， 创始人 de mister sophis 更是诺奖得主，曾豪言，未来十年， ai 将治愈所有疾病。目前， isomology labs 与诺华、李莱、强生等药企巨头达成超三十亿美元合作，首款 ai 设计药物也即将进入临床试验， 全球 ai 制药的竞赛已然进入白热化阶段，而这股 ai 医疗的浪潮，正从药物研发端快速渗透到诊疗健康管理全链路，彻底重构医疗行业的底层逻辑。普慈互联网医院正式抓住这一时代机遇，将前沿 ai 技术落地到基层医疗与健康服务中， 让 ai 真正成为普惠大众、赋能行业的利器。他依靠国家卫健委批复的互联网医院资质，把 ai 药物研发的精准思维融入日常诊疗与健康管理。对消费者而言，不用奔波大医院排队， 手机就能完成 ai 智能问诊，快速建档，获得个性化调理方案，还能享受线上开放、药品配送到家的便捷服务，慢病管理、亚健康调理都能精准高效。对创业者而言，无需自研技术，无需繁琐合规流程，一拖沓沓的 ai 技术、 医疗资质、产品供应链与运营方案智能获客系统精准引流，还有完整合规方案与运营支持，低成本切入万亿级 ai 医疗赛道，快速抢占市场红利。