AI新闻综述——2025年6月28日

2025年6月，Meta招聘OpenAI高级推理模型核心研究员Trapit Bansal，作为扎克伯格加强AI能力战略的一部分。
2025年6月，Meta收购数据标注公司Scale AI 49%股份，Scale估值接近150亿美元。
2025年6月，Meta签下自2027年起由Constellation Energy提供1.1吉瓦电力的20年核能供应合同，用于AI数据中心。
2025年，Meta与Anduril携手为美国军方开发AI增强现实头显，将Anduril的战场数据平台集成进士兵AR设备。
2025年，亚马逊的AWS现已占全球云市场约30%，并通过云服务为生成式AI投资提供资金。
2025年，Salesforce发布升级版AI客服平台Agentforce 3，具备命令中心、实时监控、会话回放，以及100多种代理自动化，在半年内AI代理采用量增长233%。
2025年，Perplexity推出Perplexity Labs的新功能，按自然语言指令生成报告、幻灯片、简单Web应用，新增语音交互和文档语义搜索，集成Notion、ChatGPT与Wolfram Alpha。
DeepMind的AlphaGenome模型可一次分析多达100万个DNA碱基对，预测突变对基因调控与功能的影响，在24项核心任务中领先22项，并向非商业科研开放API。
2025年，美国联邦法官William Alsup在Anthropic诉讼中裁定，AI训练可在合理使用范围内使用版权受保护书籍，但通过盗版获取的数据将承担风险。
2025年，OpenAI联合创始人Ilya Sutskever在采访中警告AI可能极度不可预测并自我提升，已创办Safe Superintelligence推动安全研究。

2025年6月28日 – 本周，人工智能领域发生了大量动态，包括大型公司的重大举措、前沿研究突破、新的AI驱动工具、以及监管与伦理方面的重要进展。从科技巨头争夺顶级AI人才、加大基础设施投资，到在医疗和机器人领域的创新突破以及新法律开始塑造AI未来——以下是本周引发广泛关注的AI领域主要动态。

企业AI动向与投资

Meta招募OpenAI人才并加大AI投资：Facebook母公司Meta因聘请了OpenAI高级推理模型核心研究员Trapit Bansal而成为头条新闻 ^[1]。Bansal加入了近期多位被Meta招募的前OpenAI科学家 ^[2]，这是首席执行官马克·扎克伯格加强Meta人工智能能力战略的一部分。公司计划利用更多真实世界的数据训练AI系统，以提升其推理和规划能力 ^[3]。除了招聘人才，Meta还大举投资AI基础设施——6月收购了数据标注公司Scale AI 49%的股份（Scale估值接近150亿美元） ^[4]。Meta还签下了为期20年的核能供应合同（自2027年起由Constellation Energy提供1.1吉瓦电力），用于AI数据中心 ^[5]，凸显大规模AI对于能源的巨大需求。在国防领域，Meta携手军事科技公司Anduril，为美国军方开发AI增强现实头显 ^[6]——该项目将Anduril的战场数据平台整合进Meta用于士兵的AR设备。上述种种动作表明，Meta有志于在“AI竞赛”中占据前沿地位，且为此投入了大量人才与资源。

亚马逊低调扩张AI版图：尽管更具话题性的AI公司频繁登上头条，亚马逊对AI的持续投资却让其“低调致胜”。公司股价在过去三年几乎翻倍，分析师认为这部分归因于AI驱动的业务增长 ^[7]。Jennifer Saibil在纳斯达克分析中指出，亚马逊的“飞轮”——从零售到Prime Video再到医疗健康收购——正越来越依赖于亚马逊云服务（AWS），后者为众多服务提供AI云基础设施 ^[8]。AWS现已占据全球云市场约30%的份额，其利润（以及激增的广告收入）为亚马逊的AI“大跃进”项目提供了资金 ^[9]。首席执行官Andy Jassy将AI的变革性影响比作电力的无处不在 ^[10]。在实际运营中，亚马逊已把AI深度嵌入仓库自动化、Alexa语音助手等领域，并在为AWS客户大力投资生成式AI服务。亚马逊近期财报和举措释放出明确信号：AI已成为科技巨头的核心战略，而非某些竞争对手所宣传的“边角料项目”。

Salesforce与Perplexity推出新AI工具：企业软件巨头Salesforce本周发布了升级版AI客服平台Agentforce 3。新系统可将聊天机器人（“智能代理”）变为人类客服的虚拟队友，具备命令中心、实时监控、会话回放，以及拥有100多种预构建自动化的代理交换市场 ^[11]。这些改进带来了显著的商业影响——Salesforce报告称客户半年内对AI代理的采用量增长了233%，企业发现AI能够解决大部分客服工单并大幅缩短处理时间 ^[12]。与此同时，因AI搜索助手而知名的创业公司Perplexity推出了一套新功能，将产品从单纯问答升级为研究与效率工作室。升级后的Perplexity Labs能根据自然语言指令生成报告、幻灯片、甚至简单Web应用 ^[13]。新增语音交互功能允许用户语音提问、获得语音答复，文件上传功能可实现文档或会议记录的语义搜索 ^[14]。结合慷慨的免费额度和隐私选项（用户可清除对话记录），Perplexity工具集成了类似Notion、ChatGPT和Wolfram Alpha的能力于一身 ^[15]。趋势已然明朗：无论大企业还是初创公司，正加速将AI整合进产品以提升效率并开拓新功能，那些能有效利用AI工具的公司将获得新的竞争优势。

突破性AI技术与研究

DeepMind的AlphaGenome推动基因组学进步：谷歌AI研究部门DeepMind宣布了其在遗传学领域的一项重磅突破。其新模型AlphaGenome可一次性分析多达100万个DNA碱基对，并预测基因突变如何影响基因调控与功能 ^[16] ^[17]。这一统一DNA序列模型结合卷积神经网络和Transformers结构，既能捕捉局部DNA特征，也能识别远距离基因交互——比如能检测到距离目标基因近98万个碱基对的增强子区域并评估其影响 ^[18]。在基准测试中，AlphaGenome在24项核心基因组学任务中领先22项，甚至重新发现了一个导致白血病的已知突变（而人类科学家是在多年研究后才发现的） ^[19]。DeepMind已通过API开放AlphaGenome用于非商业科研，希望加速基因组科学的突破 ^[20] ^[21]。研究人员称之为“基因组学的雷霆一击”——AI让基因组“可检索” ^[22]。AlphaGenome等AI可快速评估DNA变异的效果，助力发现致病基因变异并指导新疗法研发。

阿里巴巴发布多模态Qwen-VLo模型：中国科技巨头阿里巴巴带来了又一AI里程碑，推出新一代多模态AI模型Qwen-VLo。基于阿里Qwen系列，Qwen-VLo为统一的视觉-语言模型，既能理解图像，又可根据文本指令生成全新图像 ^[23]。“新升级模型不仅能‘理解’世界，还能基于理解生成高质量内容，”阿里Qwen研究团队介绍道 ^[24]。用户可上传图像并要求复杂编辑，或仅用自然语言描述图像由模型生成。演示显示Qwen-VLo能精确完成风格迁移（如“让这张照片有梵高画风”）、实物插入（“给猫戴上一顶红帽子”），甚至一次完成多步复合指令 ^[25] ^[26]。Qwen-VLo独具特色，支持开放式图像编辑指令并且多语言（能同时流畅处理中英文指令） ^[27] ^[28]。该模型采用逐步细化方式生成图像——从粗到细、层层递进，输出内容自然流畅、真实感强。目前阿里已在Qwen Chat界面集成Qwen-VLo预览版，展现了AI既能“看”也能“创作”的愿景，类似OpenAI具备视觉能力的GPT-4。这也反映出整个行业正迈向多模态AI，实现文本、视觉等多领域的统一模型。

自我提升“SEAL”人工智能模型：在学术人工智能研究领域，麻省理工学院的科学家们提出了一种自适应语言模型（昵称“SEAL”），能够自主从自身输出中学习。SEAL模型训练完成后并非保持静态，而是可以自我生成练习题，自行解答，自评答案，并据此不断更新知识——整个过程完全不需要人工干预。在解谜基准测试中，SEAL原型系统通过自我迭代训练将成功率从0提升至72% ^[29]。该模型利用强化学习奖励自身改进表现，并可动态整合新数据，不过研究人员警告称，这种做法存在“灾难性遗忘”旧有知识的风险 ^[30]。SEAL模型的潜力在于“像学徒一样成长”，而非成为固定的专家 ^[31]。设想一个编程助手可以根据昨日错误，夜间自我练习新测试用例；或是一个教育辅导工具每次与学生互动后都能优化课程内容——这些正是SEAL理念所启示的应用。尽管仍处在实验阶段，但该研究已经展现出自主自我提升正成为AI系统的新设计哲学，使AI持续自我调整和进步的未来更进一步 ^[32]。

AI胜过测谎仪（大多情况下）：一项新的元研究震动了欺骗检测领域。研究人员回顾了98项研究，发现基于卷积神经网络（CNN）分析人体线索的AI系统在识别说谎方面优于传统测谎仪 ^[33]。这些AI系统能处理人的微表情、眨眼、声音颤抖、体温分布甚至脑电波数据，从而辨别真实与虚假行为 ^[34]。人类常常会忽略转瞬即逝的面部线索，比如仅持续一瞬间的眉毛抽动，而机器却能以每秒240帧的速度捕捉这些细节 ^[35]。但该研究也指出重大局限：欺骗信号因文化和性别差异而异——比如，扬眉在某种文化可能表示怀疑，而在另一种文化则可能是尊重 ^[36]。目前的测谎AI模型往往过度拟合于地区性数据，降低了其全球适用性。该综述呼吁增加多元化训练数据，并强调伦理边界 ^[37]。简而言之，AI测谎仪正在超越传统测谎仪，但并非万能——背景环境至关重要。专家强调，任何此类工具的使用都必须考虑隐私和误判风险，与更广泛的关于AI在监控及执法作用的讨论呼应。

AI在医疗健康与生命科学领域

深度学习预测产后出血：医学AI又一颇具前景的进展来自中国，由张文哲博士带领的研究小组报告称，他们开发出可预测产后出血（PPH）——这一导致孕产妇死亡的主要原因——在生产前进行预警。团队利用深度学习“后期融合”模型（融合2D及3D卷积神经网络、影像组学和临床数据），分析孕妇MRI影像，从而高精度识别高风险病例。在对581名患者的试验中，该AI预测严重出血的灵敏度约为92%，特异性约为91%，优于其他方法 ^[38] ^[39]。“更早发现产后出血高危孕妇对优化分娩方案、准备血液制品、减少不良结局至关重要。”研究团队在《Academic Radiology》期刊中指出 ^[40]。产后出血占据全球孕产妇死亡的约25% ^[41]，这类AI工具有望拯救生命——使医生能够提前调动输血和手术团队。尽管临床应用仍需进一步验证，但本研究凸显了AI结合常规MRI筛查能够发现人眼难以察觉的早期警示信号，有潜力守护孕产妇生命安全。

AI显微镜发现“隐形”精子：另一项医学突破来自生育领域。一台AI辅助显微镜展现出在极低精子数量导致男性不育的检测难题中，能发现常规手段难以检测到的活精子。在某生殖诊所，一份样本被技师找寻48小时毫无收获后被判定无望；AI系统则借助微流控芯片与计算机视觉，在一小时内定位到44个可用精子 ^[42]。这就足以支持特殊试管婴儿操作（ICSI-胞浆内单精子注射），最终实现怀孕 ^[43]。关键在于，AI方法无需有毒染料或侵入性活检。专家表示，这项技术有望推广，帮助更多男性不育病例——例如通过评估精子质量择优，或将该技术拓展至评估卵子和胚胎。曾经的“大海捞针”——即在数百万细胞中寻找少量精子，如今借助AI能在极短时间内可靠完成。对于难以受孕的夫妇而言，这一进步带来了新希望，也彰显出AI在实验室中正直接改变生活，让曾经不可能的情况变为现实。

医学影像AI守护孕产妇健康：除了产后出血，AI还在应对其他产科高危风险。美国加州和中国的研究团队结合MRI“影像组学”与机器学习，预测胎盘植入性疾病（胎盘过度附着导致危险大出血）以及相关出血。融合影像和临床数据的集成模型，不仅能预测出血事件，还能提前告知分娩计划 ^[44]。通俗说，这意味着有AI辅助的放射科医生能在分娩前数周就发现高危孕妇。医院可据此提前准备血库与专家，大幅提升结局。这一进展映射了更大趋势：AI赋能的医学影像诊断。从乳腺癌筛查、脑卒中影像分析，到产科大出血早期预警，AI系统正日益成为医生的“第二只眼睛”。在产科病房，AI的前瞻洞察力甚至可能决定生死，尤其在医疗资源有限地区意义重大。

AI在机器人与自主系统领域

Google DeepMind本地机器人“大脑”：最令人兴奋的发布之一来自Google DeepMind机器人部门，他们推出了全新Gemini Robotics On-Device，这是一个完全本地运行于机器人上的AI基础模型，无需云端连接 ^[45] ^[46]。这一视觉-语言-动作模型使类人机器人能够感知环境并以低延迟执行复杂任务，无需依赖互联网。“模型能独立于数据网络运行，这对低延迟应用非常有利，也能保证在网络不稳定或无连接环境下的鲁棒性。”DeepMind机器人负责人Carolina Parada表示 ^[47] ^[48]。该On-Device版本是在三月发布的“Gemini”模型基础上开发，专为双臂机器人设计，可通过微调快速学会新任务。Google报告显示，该系统能应对日常动作如拉开包拉链、叠衣服、倒液体、甚至从牌组中抽牌 ^[49]。开发者展示：仅需50–100次演示，模型就能泛化出新技能，大幅提升机器人灵巧度与适应性 ^[50]。这也是Google DeepMind首个允许开发者自主微调的大型机器人模型 ^[51]，为定制化打开了大门。Gemini On-Device的重大意义在于，机器人现在可“本地思考、即时反应”，对于制造业或家用机器人等数据隐私和决策实时性要求极高的行业尤为关键。正如一位科技媒体总结，借助这一突破，“机器人现在本地思考，即时行动” ^[52]，有望加速实用人形机器人走进现实世界。

ABB重载仓储机器人：在工业机器人领域，ABB发布了Flexley Mover P603，这是一款外形小巧但极具实力的自主移动机器人。这辆短粗的机器人体积大约只有一张咖啡桌那么大，却能承载高达1,500公斤（1.5吨）的货物 ^[53]——以其体量来看，这一承重能力令人印象深刻。P603采用视觉SLAM（同步定位与建图）技术导航，这意味着它可以即时绘制仓库地面地图，无需特殊的二维码或轨道 ^[54]。它还配备了主动悬挂系统，可应对不平整地面，并能以2米/秒的速度移动的同时，将重型托盘定位到5毫米精度 ^[55]。对工厂管理者来说最吸引人的地方在于，机器人的作业流程可以通过ABB软件工作室中的拖拽界面进行配置，无需复杂编程 ^[56]。换句话说，设置机器人的路线与任务几乎像创建播放列表一样简单。P603的推出正值工厂和仓库越来越追求柔性自动化之际——用可随时重新分配任务的自由移动机器人取代固定传送带和有引导轨道的车辆。ABB的产品，本周被业界综述称为AI驱动自动化浪潮中“又一块砖” ^[57]。随着供应链对快速电商增长和劳动力短缺的适应，这类智能机器人正变得不可或缺。

中国国防实验室发布了蚊子大小的侦察无人机原型 ^[58]。国家媒体画面显示，这款微型仿生无人机体型如昆虫一般，可被两指夹持。

中国蚊子大小的间谍无人机：这听起来像是科幻小说，但中国研究人员真的制造出了一款与真实蚊子同等大小的无人机。本周，中国央视军事频道CCTV-7播出了这款超微型机器人飞行器的画面，来自国防科技大学的一名学生用手指将其夹起进行展示 ^[59]。蚊子无人机至少具有双翼和四翼两种款式，专为隐蔽侦察任务设计 ^[60]。虽然具体技术参数仍属机密（在蚊子尺度的硬件下，传感器或电池续航尚未知），但专家表示，该项目的曝光本身就意味着中国要把微型无人机技术推向极限 ^[61]。这类微型无人机有可能潜入建筑或在城市环境中隐蔽盘旋，而更大型无人机无法进入，也引发了复杂的伦理和安全问题。国防分析师指出，许多国家都在研发昆虫级侦察无人机；挑战在于如何在极小的能源供给下实现实用射程并稳定回传数据 ^[62]。中国的原型机很可能还处于科研阶段（尚无实战部署证据 ^[63]），但显示出无人机创新已取得巨大进步——字面意义上让监控进入了“微型昆虫级别”。该发展也引发了关于反制措施和隐私的热议，人们开始思考耳边嗡嗡叫的蚊子也许根本不是蚊子。

AI政策、伦理与专家观点

AI训练数据版权标志性裁决：一位美国联邦法官作出备受期待的裁决，对AI公司和版权法产生巨大影响。在针对AI初创公司Anthropic（Claude聊天机器人的开发者）的诉讼案中，William Alsup法官认为利用受版权保护的书籍进行AI训练可以视为美国法律下的合理使用（fair use）——这对AI行业而言是一项重大胜利 ^[64]。Alsup将AI对成千上万本书的训练类比于作家阅读狄更斯等经典以激发新创作，称AI输出“本质上是变革性的”，而非简单复制 ^[65]。然而，法官明确划出一条重要界线：虽然分析（训练）部分可能属于合理使用，数据获取方式依然关键。在Anthropic案中，该公司从“影子图书馆”的盗版电子书中获取了大量书籍，基本属于非法下载 ^[66] ^[67]。Alsup法官裁定，Anthropic必须就版权盗用一事接受审判，因为“即使使用变革性，Anthropic也无权使用盗版复制品训练其库” ^[68]。实际上，法院驳回了仅因训练本身就构成侵权的主张，但保留了如果训练数据获取不合法则要承担责任的空间。该一分为二的判决成为AI训练和合理使用的（或许是首个）司法判例。它表明，“无许可学习仍被允许”——AI公司可在未获得直接授权的情况下学习受版权保护材料——但不合法的数据来源途径将被否定 ^[69]。往后，AI开发者必须规范训练数据管道：抓取互联网或盗版站点数据将承担法律风险，使用合法购买或公有领域数据才安全 ^[70]。该裁决出台之际，针对OpenAI等公司的类似版权诉讼不断增加 ^[71]，这判决很可能影响后续案件进展。Anthropic公司表示，对法官认可AI训练的变革性以及契合版权法激励创新精神表示满意 ^[72]。该案剩余问题定于12月审理，AI业界正密切关注法律框架如何追赶技术现实。

AI能耗问题引发关注：随着AI模型规模日益庞大，人们对其环境与能源影响的担忧也在加剧。本周，科技专栏作家Joanna Stern深入探讨了“你的AI提问需要多少能量？”——答案令人震惊。即使看似微不足道的AI任务，也会消耗大量电力。举例来说，生成一个仅6秒的AI视频片段，其能耗在“20至110瓦时”之间 ^[73]。高端能耗相当于电烤炉运行10分钟所需电量，Stern还以烤一块牛排为例，直观体现一次AI视频请求可能消耗的能源 ^[74]。实际上，两段短AI视频的能量消耗，可能等于烤制一顿晚餐所需的电力 ^[75]。而更大规模的AI任务则能耗激增：训练大型语言模型涉及成千上万个耗GPU的任务，需消耗兆瓦时级别的电力，还大量使用水冷却数据中心 ^[76] ^[77]。AI提问神秘之旅——从用户笔记本出发，穿越到遥远的GPU服务器再返回——通常对消费者而言是隐形的，而Stern的报道（以及越来越多的研究）正在揭开这一“能耗黑洞”的面纱 ^[78] ^[79]。像Hugging Face的Sasha Luccioni等研究者甚至发起了AI能耗排行榜，对不同模型的电力消耗进行基准测试 ^[80]。好消息是硬件正在提升：Nvidia最新AI芯片据其可持续发展负责人称，比一年前的芯片能效提升30倍 ^[81]。科技公司也在强调数据中心能源向更清洁方向转型 ^[82]。但效率提升可能赶不上AI使用量的飞速增长——更多模型、用户和请求，意味着全局总能耗还在上涨，哪怕平均每次能耗变得更环保 ^[83] ^[84]。Stern等人建议，透明度是关键：如果用户每次AI查询都能看到“能耗”提示，也许会重新考虑非必要的使用 ^[85]。最终，业界面临的挑战是既要抑制AI的碳足迹，又要不断创新。当前结论是：AI不是魔法——它靠电力驱动，而且是大量的电力。正如一位高管所说，AI的可持续性取决于我们为其供给的电（水） ^[86]，因此未来AI的突破不仅体现在模型更聪明，还要更节能。

专家讨论AI不可预测的发展路径：AI的快速进步让其领域的开拓者们既感到乐观，也充满忧虑。OpenAI联合创始人兼首席科学家Ilya Sutskever公开警告，AI的演变可能会以难以预想的方式失控。“AI将会变得极其不可预测和难以想象，”Sutskever在最近一次采访中表示，他警告称，未来的高级AI系统有一天可能会开始自我提升，而无需人类监督 ^[87]。他认为，这可能会引发“快速且无法控制的进步”，让人类难以理解或管理接下来的发展 ^[88]。这一严肃的警示与Sutskever对“智能爆炸”概念的反思相伴而来——即足够先进的AI可以不断重写自身，带来能力的指数级提升。积极的一面，Sutskever指出这样的AI可以带来“令人难以置信的医疗”突破，实现治愈疾病和延长寿命 ^[89]。但他同时对如果AI变得如此强大我们该如何应对表达了担忧 ^[90]。他的言论凸显了AI领域的更广泛讨论：如何在AI（如医疗、科学等）的承诺与失控或失去监督等危险之间取得平衡。值得注意的是，Sutskever最近离开OpenAI创办了新公司Safe Superintelligence，致力于确保未来AI依然造福人类 ^[91] ^[92]。他的立场和其他科技领袖对AI安全研究的高度重视产生共鸣。作为AI顶级架构师之一，他公开担忧那些看似科幻却真实存在的情景——自我进化的AI、超越人类理解的智能——这表明AI的伦理和生存命题已不再只是学术话题。它们已经到来，需要通过全球协作、深思熟虑的监管以及AI与人类价值对齐的持续研究来解决。

AI与未来工作——用工缺口警示：在人们聚焦高科技进步的同时，制造业发出一个强烈提醒：谁将建设AI的未来？福特首席执行官Jim Farley在阿斯彭思想节上指出，虽然AI提升了白领岗位的生产力，但熟练蓝领技工的供应却正在枯竭 ^[93]。Farley提到，工厂仍然依赖于熟练的电工、焊工和技术员——AI和机器人目前还只能完成大约10-20%的相关工作 ^[94]。他举了一个生动的例子：在一家汽车工厂，一名德国线上的工人曾巧妙地用自行车轮胎修复了卡住的尾门——这种随即解决问题的创造力是任何算法都无法预测的 ^[95]。这种人类即兴创新，仍然是工厂车间不可或缺的。但年轻一代进入技工行业的意愿下降，而随着现有技工退休，工业界担忧可能遇到瓶颈：没有足够的人力，无法扩大电动车工厂或基建项目。Farley主张投资职业教育，并将这些职业重新定义为未来至关重要的高科技岗位（事实上，现在的电工往往也与自动化及高端设备协作） ^[96]。他甚至将这一问题提升为国家安全议题（“本土制造业是我们的防线”），暗示国家竞争力取决于那些能够建设AI所创造创新的人才 ^[97]。结论很微妙：AI会改变工作岗位，但也会让劳动力市场产生新需求。AI可以处理常规认知任务，机器人能够承担重复劳动后，剩下的岗位往往需要更多技能、适应性和跨学科知识（比如，为智能家居安装者结合木工与编程）。因此，政策制定者和企业被呼吁规划劳动力发展，以免社会出现百万名“提示工程师”，却没有足够的水管工。用Farley的话说：“美国需要一份蓝图”，以确保技术与人类劳动并肩进步 ^[98]。

来源：上述信息来自公司公告、专家访谈及报道AI动态的多家权威新闻媒体。主要参考资料包括美联社关于Anthropic版权裁决的报道 ^[99] ^[100]、《华尔街日报》对AI能耗的分析 ^[101] ^[102]，Ilya Sutskever在Analytics India Magazine上的访谈 ^[103] ^[104]，以及像Cointelegraph提供的Meta相关公司新闻 ^[105] ^[106]。前沿研究成果则来自如DeepMind官方博客（AlphaGenome） ^[107]、《Academic Radiology》通过AuntMinnie（产后出血AI研究） ^[108] ^[109]，以及科技新闻网站如Tom’s Hardware关于蚊子无人机 ^[110]。这些进展共同描绘出AI领域能力边界持续扩展、影响力迅速增长的变革局面，同时也反映人类社会正努力理解并引领这股力量。每周的进步都带来兴奋与深思：AI在我们生活、经济及未来中的角色是什么？