由我国多家研发单位联合完成的两项关于降糖减重药物的Ⅲ期临床研究成果，北京时间18日在国际学术期刊《自然》发表，这也是该杂志创刊以来首次在代谢和内分泌疾病领域背靠背同步发表两项Ⅲ期临床研究成果。
此次刊发的两项Ⅲ期临床研究成果，分别是玛仕度肽在2型糖尿病患者中的单药治疗研究（DREAMS-1）和与口服降糖药联合使用的研究（DREAMS-2），均基于中国患者的临床数据。
前者由南京大学医学院附属鼓楼医院朱大龙教授团队、山东第一医科大学附属省立医院赵家军团队等全国多个临床研究中心团队与信达生物钱镭博士团队联合完成，后者由北京医院郭立新教授团队与中日友好医院张波教授、杨文英教授等全国多个临床研究中心团队与信达生物研发团队合作完成。
玛仕度肽是信达生物自主开发的全球首个且唯一获批上市的GCG/GLP-1天然双靶减重降糖药物。
据介绍，GLP-1是胰高血糖素样肽-1的英文简称，它在餐后分泌，可促进胰岛素分泌、降低进食后的血糖，并减缓胃肠道蠕动，造成饱腹感。GLP-1类药物可通过激活GLP-1的受体，增加胰岛素分泌，从而达到降低血糖和减轻体重的治疗效果。GCG是胰高血糖素的英文缩写，由胰腺中的胰岛α细胞分泌，其受体主要在肝脏中表达。激活GCG受体可增强脂肪氧化、促进能量消耗、改善肝脏脂肪代谢。
专家介绍，GCG与GLP-1靶点联合，通过“抑制食欲+加速代谢”的双重作用机制，可更好解决肥胖患者内脏脂肪堆积、胰岛素抵抗等复杂代谢问题。
据介绍，玛仕度肽已在中国获批用于糖尿病和减重两项适应证，并已开展7项Ⅲ期研究，涵盖糖尿病、肥胖及相关并发症领域。
《自然》发表的两项临床研究结果表明，玛仕度肽在血糖控制和减重方面均优效于安慰剂或度拉糖肽（1.5mg），同时均显示可改善多项心血管代谢、肝脏和肾脏相关指标，为全球糖尿病合并肥胖等代谢疾病的治疗提供了新的解决方案。
·当前AI热潮虽然具备历史性泡沫的所有特征，但这并不仅仅是简单的“科技股炒作过热”。AI行业的规模更有可能在继续发展壮大的同时，实现结构性的分化式调整。
2025年第四季度以来，伴随着主要科技股的一系列回调，“AI泡沫论”甚嚣尘上，引起了业界广泛的讨论。OpenAI首席执行官山姆·阿尔特曼承认，投资者作为一个整体对AI"过度兴奋"。微软联合创始人比尔·盖茨也将当前的AI热潮类比为二十多年前的互联网泡沫。
几乎所有人都在谈论泡沫的存在，却没有人愿意停止投资。资金继续涌入，估值继续攀升，狂热继续蔓延。“美股七雄”——苹果、微软、谷歌、亚马逊、Meta、英伟达和特斯拉的合计市值一度占据标普500指数总市值的三分之一以上。英伟达市值一度达到史无前例的5万亿美元。OpenAI的估值在短短数年间从数十亿美元跃升至五千亿美元，尽管该公司从未实现盈利，且预计在未来数年内仍将持续亏损。OpenAI董事长布雷特·泰勒概括了这种矛盾："AI将改变经济，我相信它会像互联网一样在未来创造巨大的经济价值……但我们同时也在一个泡沫之中，很多人将损失大量金钱。"
一方面，由于ChatGPT等生成式AI工具的普及，我们每个人都能在日常生活中直观感受到生产力的提升；另一方面，估值过高的股价、惊人的烧钱速度、模糊的盈利模式正让全球的投资者越来越不安。悲观者指出，AI初创公司普遍亏损，科技公司对基础建设的投入狂飙不止，“提供服务的成本高于价格”的商业模式不可持续；乐观者则坚信这是生产力的革命，PitchBook最新数据显示，未来五年仅Hyperscalers（超大规模云厂商）的资本支出就将高达6.4万亿美元。
1、AI泡沫是否存在
要回答AI泡沫是否存在，我们首先需要一个可靠的评估工具。美国马里兰大学商学院的布伦特·戈德法布（Brent Goldfarb）和戴维·A·柯施（David A. Kirsch）在其2019年出版的著作《泡沫与崩盘：技术创新的繁荣与萧条》中，提出了一个评估技术泡沫的四因素框架。这个框架被用来分析从电气照明到航空业再到互联网的历史性技术热潮，并将其在0到8分的量表上进行排名。
这四个因素分别是：
不确定性。这是技术泡沫的基石。它指的是围绕一项创新如何转化为实际业务、将取代价值链的哪些部分、竞争者数量以及实现预期成果所需时间的模糊性。当一项技术的商业价值和变现模式极度模糊时，投机空间就会急剧扩大。
AI技术的商业变现模式模糊，成本目前高于客户支付的费用，用户增长即意味着亏损扩大。MIT研究显示，95%采纳生成式AI的公司尚未从中获利，只有个位数到低两位数的企业看到了大规模的持续投资回报率。
估值最高的AI独角兽OpenAI推销“先构建通用智能（AGI），再谈盈利”的叙事。这种模式在财务上表现为巨大亏损。OpenAI最新一季度的亏损约115亿美元，而其2025年整年的预计营收仅为130亿美元。OpenAI预计未来几年将持续出现巨额年度亏损，2028年的营运亏损将高达740亿美元，预计要到2030年才会转正，到那时其年营收将达到2000亿美元，并在2029或2030年开始现金流转正。在长期商业模式尚未明确的情况下，这种依赖股东补贴用户的模式不可持续。
投资规模与实际收入之间存在巨大缺口。大型科技公司预计到2028年将投入高达3万亿美元用于AI基础设施建设，然而目前AI的年收入仅约为500亿美元。摩根大通估算，要让这些投资获得10%的回报，AI每年需要创造6500亿美元的收入——是当前水平的13倍。
纯粹投资标的盛行。这是指那些命运与特定创新紧密捆绑的公司，它们是将宏大叙事转化为实质性投资的核心载体。在历史上的每一次技术泡沫中，都会涌现出一批这样的公司，吸引投资者将赌注押在某项技术的成功上。
二级市场资金过度集中于英伟达等“纯粹”标的。一级市场则超过一半的风险投资流向AI公司。即使无清晰盈利模式，初创公司估值亦能短期翻倍。OpenAI和Anthropic的估值已分别飙升至5000亿美元和3500亿美元。AI公司的估值已经反弹并超过了2020年至2022年零利率政策时期科技泡沫的价格。
新手投资者。大量缺乏经验的投资者涌入市场，将资金投入到他们并不真正理解的领域，这显著增强了泡沫膨胀的能力。当投资门槛降低、参与变得容易时，这种力量会被进一步放大。
英伟达成为散户交易量最大的单一股票。大批缺乏专业定价能力的散户涌入，加剧了市场的非理性繁荣。鉴于AI是一个如此新且不确定的领域，从某种意义上说，每个人在AI领域都是“新手投资者”，因为没有人确切知道这项技术将如何演变，即便是专业投资机构的基金经理也面临知识盲区。大批散户投资者正通过E-Trade和Robinhood等应用向AI领域注入资金，将积蓄投入到对"通用超级智能"的模糊承诺中。
强大的叙事协调。强大的叙事能够协调和统一投资者的信念，将投资潜力推向"无限"的境界。故事讲得越好、越宏大、越令人激动，泡沫膨胀的动力就越强。
技术突破提供了叙事的基础，“Scaling Law”（规模定律）为不计成本的投资提供了理论依据。大语言模型展示出的涌现能力——即在规模扩大后突然出现的、训练时未明确教授的新能力——让人们开始相信，只要持续扩大模型规模和训练数据，就可能实现通用人工智能。
AI对投资者的承诺是近乎无限的，甚至是"不可知"的。硅谷叙事认为AI是解决所有问题的关键，构建了“AGI即将到来”的必然性叙事——它将能够完成人类几乎所有的任务，彻底改变所有行业。这种叙事将AI的潜力推向了极致，声称AI将治愈癌症、解决气候变化，取代企业的各类人员——从职能人员到CEO，甚至创造一个“数字上帝”，这种信仰能够证明任何金额的支出都是合理的。在大国间的科技竞争中，AI被拔高到了战略核心级别的地位。这种宏大叙事，使得任何高估值似乎都变得合理，成功协调了全球投资者的信念。
将这个框架应用于当前的生成式AI热潮时，四个标准都符合现实情况，即使它不是满分8分，它也完全具备一个历史性泡沫的所有特征。
在金融意义上，“泡沫”并不等同于“骗局”或“无价值”。它更接近一个结构描述：资产价格明显偏离可合理解释的长期现金流，并由融资、预期与竞争行为形成自我强化。
所以，讨论AI泡沫并不是要判断AI能不能用——AI当然能用，而且会越来越能用。真正需要回答的是：现在付出的价格，是否过早地购买了过长周期的未来？扩张速度是否显著快于兑现速度？当融资条件变化、预期回调时，产业链条会以什么方式出清？
2、泡沫延续的逻辑
对于科技巨头们来说，越智能的模型越具有商业价值，这离不开持续加码算力建设。然而，若前沿模型在推理能力上的提升与算力投入之间的投入产出比下降，巨额投资将面临折旧危机。如果AI相关的垂直软件系统和企业应用软件到2027年无法实现收入增长和盈利能力，股东可能会迫使五大超大规模云服务商削减资本开支。
对于投资机构和专业投资者，避免参与这场泡沫甚至比参与泡沫破裂的风险更大。如果基金经理回避AI股票导致回报落后于基准，他们可能会被解雇。在华尔街，FOMO（"害怕错过机会"）的情绪已经压倒了对投资泡沫的担忧。
与2000年互联网泡沫不同，当今AI浪潮的核心驱动力——“美股七雄”等大型科技公司拥有庞大的营收和健康的现金储备。它们正用自己的自由现金流来资助AI基础设施建设，这与当年许多互联网初创公司负债累累、商业模式脆弱的情况形成了鲜明对比。这让许多投资者相信“这次不同”。
“理性泡沫”的概念正是在这一背景下被提出：资产价格被推高到远超基本价值的水平，但参与者仍然持续买入，因为他们理性地预期价格还会继续上涨，且错失机会的风险大于过度投资的风险。Meta首席执行官马克·扎克伯格就表示，即使最终在AI上花费了数千亿美元，如果错失机会，风险会更高。
有人认为AI的采用速度是早期互联网接入速度的15 到60 倍。Lightspeed Venture Partners 的联合创始人认为，当前周期的营收增长规模“比以往任何周期都呈指数级增长”。即使许多投资是“死胡同”，长期来看，这项技术创造的净经济价值将是巨大的，就像互联网最终被证明非常有价值一样。
3、市场对AI泡沫的审视
拥护AI投资的乐观者认为，当前的投资与投机性的互联网泡沫时代有本质区别。目前的超大规模云服务商资本支出是以广泛的客户需求为基础，并有创纪录的运营现金流作为支撑的。投资的目标是追求投资回报（ROI）、利润率扩张和收入增长，而非追求“通用人工智能”的理论突破。对处理器的需求是没有上限的，仅受限于用户尝试解决的问题的复杂性。只要提供更多计算能力，AI就会变得更智能、更有用。这种论述为持续的巨额投资提供了理论正当性。
基金经理和资产配置者则没这么有“格局”，他们对公司过度投资AI而潜在回报可能无法达标感到“紧张”。这些担忧很可能被AI数据中心投资的规模所放大——这些是会随时间贬值的昂贵基础设施。
美国银行最新的基金经理调查发现，多数基金经理认为企业在资本支出上投入过多，应该改善资产负债表。这是自2005年以来首次出现多数基金经理认为公司资本支出过高的情况。
另外值得注意的是债务风险的扩散，融资结构正在发生深刻变化。债券资产和私募股权机构已扩大了在AI领域的投资，以帮助科技巨头融资。Meta和Blue Owl成立了一家270亿美元的合资企业，用于建设Meta在路易斯安那州的数据中心。其中一部分资金将由Blue Owl发行给PIMCO和其他债券投资者的债务提供。这样的操作将建设数据中心的巨额债务结构化到资产负债表之外。风险被转移到了私募信贷市场。
摩根大通估计，整个AI基础设施建设需要约5万亿美元，而当前融资渠道仍存在1.4万亿美元的缺口，需要在未来五年通过私募信贷或政府支出来填补。这意味着AI泡沫的风险已经超越了传统的股权投机，开始渗透到债券市场和信用体系。一旦AI商业化回报不及预期，违约风险将波及养老金、共同基金等普通投资者的资产
甲骨文有可能成为AI泡沫中第一个“爆雷”的科技巨头。在宣布与OpenAI签订3000亿美元AI计算服务合同后，甲骨文股价曾一度飙升，市值接近1万亿美元。然而此后三个月，该公司股价暴跌32%，成为标普500指数中表现第三差的股票。自2025年9月以来，甲骨文（Oracle）、CoreWeave等公司的信用违约互换（CDS）交易量激增90%。投资者开始对冲AI基建巨头的违约风险。
甲骨文为履行OpenAI合同大举借债购买芯片，未偿债务超1000亿美元，面临评级机构下调至“垃圾债”的风险。其5230亿美元的合同收入储备（RPO）高度依赖OpenAI。甲骨文的命运在很大程度上被绑定在一家仍在巨额亏损的初创公司身上，若OpenAI商业化受阻，甲骨文将面临巨额坏账。近期甲骨文宣布创纪录资本支出后股价应声大跌，表明市场已不再奖励扩张，而更看重AI投资的收益兑现。
另一个引起市场警觉的问题是AI芯片的经济寿命正在急剧缩短。英伟达等芯片制造商正以比以往更快的速度推出性能更强的处理器。Rubin架构的性能将是Blackwell的四倍。这意味着上一代芯片在三到四年内就会损失大部分市场价值。
批评者认为，科技公司通过将AI芯片的“有用寿命”延长到五到六年（而非更贴合实际的两到三年）来降低年度折旧费用，这是一种人为夸大当前利润的会计手段。如果这些芯片的实际寿命只有两到三年，公司可能面临数十亿美元的巨额资产减记。
4、技术在进步，泡沫依然存在
面对“AI泡沫”的论断，许多人会提出一个直觉性的反驳：AI技术确实惊艳并且还在不断进步，产品也确实在创造价值。对AI的需求也是真实的，ChatGPT每周用户已超过8亿，AI正在改变我们工作、学习和生活的方式。如果需求是真实的、技术是有价值的，我们能说它存在泡沫吗？
答案是：技术进步和泡沫并不矛盾。历史上许多泡沫都是由具有真正颠覆性价值的技术驱动的。泡沫的存在反映的不是技术是否会成功，而是市场价格对这种成功预期的过度提前和极度夸大。
互联网泡沫最终给世界留下了现代互联网，亚马逊和谷歌也从崩盘中崛起，证明了这项技术的价值是巨大的。铁路泡沫最终构建了英国的铁路骨干网络，尽管许多投资者损失了金钱。航空业在1929年泡沫破裂，但飞机最终彻底改变了人类的交通方式。
泡沫的本质在于市场价格与当前可实现价值的脱节，而不是技术的长期价值不足。正如比尔·盖茨所言，互联网泡沫破裂后，技术留下了巨大的净价值，但许多公司最终仍然被高估并失败。AI的价值同样是“极其高昂”的，但这并不意味着当前的定价是合理的。
按照股票估值来看，几乎所有方法都显示，美国股票看起来是自互联网泡沫以来最昂贵的。预期市盈率、股价现金流比、“美联储模型”（Fed model）计算的股票相对于债券的额外回报，以及周期性调整市盈率，都强烈显示股票估值高昂。
技术的实用性证明了长期价值，但无法否定金融层面的投机狂热。个人用户能够以低廉的成本使用AI服务，很大程度上是因为股东在补贴这些服务——提供AI服务的成本往往高于客户支付的费用。目前AI服务定价远低于生产成本，导致AI业务出现巨额亏损，这种模式能够持续多久，取决于投资者的耐心和资金的充裕程度。
5、中美科技竞争如何影响AI泡沫的发展
地缘政治竞争为AI泡沫提供了最强大的“必然性叙事”。当前AI行业领导者推动的宏大叙事中，明确包含了“必须在AGI竞赛中击败对手”的论调，为不计成本的巨额投入提供了正当性。尽管AI热潮最初是由技术突破驱动的“技术火花”，但政府的积极介入正在成为添加燃料的“政治火花”。美国政府的政策优先事项之一就是拆除针对AI的监管障碍，并与中国竞争以实现“全球统治”。
在地缘政治竞争的背景下，科技巨头和投资者担心如果他们不积极提前部署算力，就有被竞争对手超越或淘汰的风险。这种害怕错过机会的情绪与国家战略需求绑定，使得投资加速。即使从纯粹的商业回报角度看投资存在问题，国家层面的战略需求也会继续推动资金涌入。
与此同时，中国公司正在以更低的成本将具有竞争力的AI模型推向市场，威胁到了硅谷在某些市场上的定价权。DeepSeek的成功曾引发美国科技股出现大幅抛售，凸显了低成本竞争对高估值泡沫的结构性冲击风险。
6、什么情况下，AI泡沫不存在？
那么在什么情况下，AI泡沫会被“证伪”？换言之，如何证明“这一次确实不同”——AI企业的价值如果持续成长，当前的高估值是对未来价值的合理预判，而非投机泡沫。
第一，核心企业必须展现出稳健的财务基础和抗风险能力。当前AI热潮与历史泡沫最大的结构性差异，在于领军企业的财务健康状况。像微软、谷歌和亚马逊这样的巨头必须继续用其庞大的营收流和健康的现金储备来资助AI基础设施建设，依靠自由现金流而非债务扩张。同时，它们的核心业务必须持续盈利以对冲AI投资风险。对于像英伟达这样的纯粹投资标的，其目前约三十倍的预期市盈率远低于互联网泡沫顶峰时期思科的两百倍，但这个估值仍需通过持续"超出预期"的业绩来证明其合理性。
第二，生产力提升必须得到迅速和广泛的兑现。当前市场对AI价值的怀疑核心在于投资规模与实际收入之间的巨大缺口。用户的一大疑虑在于AI生成的低质量内容（Workslop）可能导致企业陷入“平庸陷阱”，即生产力表面提升但质量下降。AI必须从“前景”转变为“现实”，克服“生产力J型曲线”效应——新技术从发明到显著提升生产力往往存在较长时滞（如电力革命耗费了30年），能够被广泛应用并带来实际的生产力飞跃。AI模型需要解决其成本高昂、容易“产生幻觉”以及造成低质量内容泛滥的问题。投资者的焦点则需要从遥远的AGI宏大叙事，转向AI在特定领域创造立竿见影价值的“人工专业智能”。
第三，价值链竞争必须确保利润分布健康。如果少数几家大厂垄断了所有价值，并利用其主导地位吞噬下游应用，AI领域将陷入生态失衡，泡沫会在应用端先破裂。要使整个AI生态系统健康成长，依赖大型语言模型的应用开发者需要通过专业化数据、定制化工具和差异化服务建立起竞争壁垒。如果基础模型提供商之间的技术差异缩小，基础模型趋向商品化，大部分价值将流向使用模型的软件和服务供应商，巨头之间的激烈竞争将迫使所有参与者专注于效率和商业化。
第四，融资结构必须去风险化，避免系统性债务风险。历史上的泡沫破裂之所以具有破坏性，是因为债务而非单纯的股权损失。尽管大型科技公司财务稳健，但它们越来越多地依赖发债和资产负债表外融资来建设数据中心。如果AI投资最终失败导致大规模债务违约，风险将扩散到更广泛的金融领域。因此，在技术价值被兑现之前，支撑这场军备竞赛的金融结构不能先垮掉。AI企业建设算力所产生的债务需要拥有稳健的资金支持，确保即使AI盈利不如预期，资产也能被担保。此外，与互联网泡沫中铺设的光纤电缆相比，AI芯片等资本投入的折旧速度更快，AI硬件的“保质期”必须能够通过持续的技术创新得到延长。
第五，市场情绪与投资行为必须保持“理性兴奋”。如果市场认为AI的价值将不断成长，投资者就必须避免进入“非理性繁荣”阶段。风险资本家本·霍洛维茨指出，当前市场不处于彻底泡沫的最明显信号就是“每个人都在谈论泡沫”。只要投资者和分析师持续质疑估值和盈利能力，市场就会保持一种自我修正的机制，避免全面失控。只有当“最后一个批评者都承认自己错了”并全面涌入时，真正的泡沫才会破裂。投资者需要从当前忽略自由现金流和短期收入预测的行为模式中走出来，开始更严肃地衡量AI公司在未来几年内的实际盈利能力。
第六，物理基础设施能够满足AI产业需求。缺电可能比缺钱更早刺破泡沫。微软等巨头已出现因电力容量不足，导致昂贵的GPU芯片被迫闲置在仓库中的情况。美国电网并网排队需3-5年。若电力供应和液冷技术不能在2026年前突破，数万亿GPU将面临闲置风险。
7、 如果AI泡沫破裂
美国大举押注AGI，AI已成为美国经济增长的支柱。若AGI未如期爆发，美国将面对产业危机和失业危机风险。AI相关投资在2025年上半年贡献了近一半的美国GDP增长。美国家庭财富的21%直接来自股票，AI股贡献了近期增长的一半。若泡沫破裂可能导致家庭净资产缩水8%，消费支出可能剧减（约GDP的1.6%），足以引发衰退。因此，维持AI产业已成为维持经济增长的政治与经济任务。
AI相关投资对美国经济增长产生了重要支撑，帮助缓冲了关税等冲击的影响。如果没有AI带来的增长，美国经济增速可能更为缓慢，并受到关税威胁和地缘政治摩擦的困扰。如果AI泡沫破裂导致美国经济陷入衰退，随之而来的美国需求疲软将蔓延到欧洲和中国。
而即使泡沫破裂，由于其杠杆主要集中在私人股权和企业债券，而不是传统商业银行的资产负债表上，美股七雄等核心科技巨头的财务韧性强，可以吸收部分损失，泡沫破裂的后果将主要体现在资产价格的回调、经济增速的下滑，而不至于引起系统性金融危机。
8、展望2026：即使有泡沫，AI牛市不会崩盘
宏观政策层面，美联储进入降息周期，预计将在2026年继续降息，这种宽松的货币环境为融资活动提供了有利的宏观环境，将有助于支撑资产估值继续上升，与历史上泡沫破裂前夕的快速收紧形成鲜明对比。而在全球资本市场，AI科技是目前最集中的投资方向，除了AI之外，投资者似乎找不到别的选择。
与历史上许多投机泡沫不同，AI的需求是真实且旺盛的。根据OpenRouter平台的数据，Token消耗量在一年内增长了14.5倍，远超基础设施的投入速度。头部科技巨头的营收和利润增长表现持续超预期，即使未能填平与投资规模之间的鸿沟，也为市场情绪提供了持续的燃料。
这些因素结合前文中提到的国家战略的背书，和经济对AI的依赖，共同构成了这场泡沫继续膨胀的结构性力量。
AI牛市将呈现结构分化的增长特征。即使AI行业的整体规模预计仍将持续增长，一些此前被过度炒作的子行业可能由于商业模式无法兑现、市场需求不足、同质化竞争等原因面临洗牌，如语音转录、AI编程、聊天伴侣。应用层面的竞争焦点将转向具有明确ROI的垂直解决方案，如药物研发、企业解决方案、AI数据管理。AI智能体赛道也将迎来整合潮。
2026年的市场逻辑将从“讲故事”转向“拼资金效率”和“拼物理落地”。对于AI产业来说，解决电力问题、填补资金缺口、找到产品的盈利模式将至关重要。
AI泡沫的存在也许是个学术事实，但泡沫的持续膨胀将是个市场现实。泡沫是技术革命的代价，也是资本推动创新的机制。问题不仅在于泡沫是否会破裂，更在于破裂后会留下多少价值，以及谁将在这场“去伪存真”的进程中脱颖而出。
（作者滕斌圣，系长江商学院战略学教授，战略研究副院长，新生代独角兽全球生态体系研究中心主任；作者何涧石，系长江商学院新生代独角兽全球生态体系研究中心研究员）
记者从今天（11月24日）举行的空间科学先导专项最新亮点成果发布会上获悉，“十五五”期间，聚焦宇宙起源、空间天气起源、生命起源等重大前沿问题，中国科学院国家空间科学中心将组织实施包含“鸿蒙计划”、“夸父二号”、系外地球巡天、增强型X射线时变与偏振空间天文台在内的太空探源科学卫星计划，力争在宇宙黑暗时代、太阳磁活动周、系外类地行星探测等领域实现新突破。
持续布局前沿任务，推动空间科学跨越发展
通过这些空间科学卫星任务的扎实推进，中国空间科学将在更多方向上实现从“并跑”向“领跑”的跨越，持续产出更多关键性、原创性、引领性重大科技成果，有力支撑高水平科技自立自强，实现我国空间科学、空间技术、空间应用全面发展，为航天强国和科技强国建设作出标志性贡献。
在本次发布会上，中国科学院国家空间科学中心还集中发布了空间科学卫星任务在宇宙暂现天体、宇宙线传播、太阳爆发等领域取得的系列重大科学突破。
专项实施以来，我国空间科学呈现出多点突破、集群迸发的强劲发展态势
据介绍，中国科学院空间科学先导专项自2011年启动实施以来，已成功研制并发射“悟空”号、实践十号、“墨子号”、“慧眼号”、“太极一号”、“怀柔一号”、“夸父一号”和“天关”卫星等八项科学卫星任务，取得了一系列重大原创成果，创造了多项中国第一乃至世界首次。作为我国首个系统性支持空间科学研究的计划，该专项标志着我国空间科学创新发展进入“快车道”，实现了从“跟跑”、“并跑”到部分领域“领跑”的历史性跨越，推动中国空间科学家逐步走向世界舞台中央。
“天关”卫星探测到银河系内X射线暗弱爆发EP240904a
十五年来，专项集中体现了科学研究不断向“四极”方向的拓展与深化：
极宏观方面，绘制出国际首个X射线全天天图；
极微观方面，获得了迄今为止世界上最精确的宇宙射线电子、质子、氦核和硼核能谱精细结构；
极端条件方面，首次直接测量到宇宙最强磁场，探测到距离黑洞最近的高速喷流；
极综合交叉方面，实现了科学、技术、工程的高度融合发展。
在取得科学突破的同时，专项也带动了尖端有效载荷和卫星平台技术的跨越式发展。我国突破了星地光路对准等关键技术，建成国内首个国际水准的X射线标定束线，研制出国际上领先1~2个数量级的大视场、高灵敏度龙虾眼X射线望远镜，实现了卫星平台与载荷的一体化设计。
专项建立了“首席科学家+工程两总”的新型任务体制，培养出一批领军人才与创新团队，涌现出众多勇挑重担的青年科研骨干，形成梯次合理、德才兼备的高素质人才队伍。同时，我国空间科学学科体系不断完善，重点实验室建设成效显著，为后续任务实施奠定了坚实基础。
专项还积极开展全方位、多层次的国际合作，开创了多个国际合作新范式。“微笑”卫星是中国科学院和欧洲空间局（ESA，以下简称“欧空局”）首次进行任务级全方位、全周期的深度合作项目。“天关”卫星由中方主导，欧空局、德国和法国共同参与，是欧空局首次以“机遇任务”的方式参与中国空间科学任务。通过组建国际科学团队、推动数据共享，我国不断提升科学卫星的国际影响力与效益。
发现新型X射线暂现源，推动黑洞、中子星、伽马射线暴研究取得新突破
“天关”卫星发现新型X射线暂现源EP241021a，为理解这类神秘暂现天体提供了关键线索；探测到银河系内X射线暗弱爆发EP240904a，为发现恒星级黑洞开辟了新途径；实现“自主触发、自动后随”后首次探测到的暂现源EP240801a，对传统伽马暴分类提出了挑战。
“慧眼号”在黑洞、中子星和伽马射线暴等天体研究取得系列成果
“慧眼”卫星在地球大气层的密度测量、银河系内黑洞吸积爆发的耀发机制、吸积毫秒脉冲星的辐射机制和表面磁场、中子星表面核燃烧的点火位置、最亮伽马射线暴的最小光变时标等方面取得丰硕成果。
“怀柔一号”探测遥远宇宙天体
“怀柔一号”发现致密星并合产生的伽马暴中存在新的子类型，拓展了人们对引力波电磁对应体的认知；揭示全新的磁陀星爆发模式，对理解其爆发机制具有重要意义；通过发现一组独特的周期性粒子沉降事件，深化了对近地轨道空间辐射环境的认识。
首次发现次级宇宙线硼核能谱变硬结构
“悟空”号在国际上首次实现1TeV/n以上能区次级宇宙线硼能谱的精确测量，以8倍标准偏差高置信度发现其变硬结构。硼能谱指数变化幅度是质子、氦核等初级宇宙线能谱指数变化幅度的两倍，表明变硬可能源于传播效应，这对揭示宇宙射线传播机制有重要意义。
“悟空”号发现宇宙线硼核的能谱变硬
揭示太阳爆发高能C级耀斑和CME的反常关联率
“夸父一号”观测发现，高能C级耀斑与日冕物质抛射（CME）的关联率远低于预期值及传统模型，在127例高能C级耀斑中，仅有5例伴随有CME，且均为喷流产生的窄CME。这为破解太阳爆发机制和高能粒子起源提供了新线索。
“夸父一号”观测到双日珥爆发
记者今天（24日）从中国科学院地质与地球物理研究所获悉，基于嫦娥六号月壤样品，该研究所祁生文研究员团队系统揭示了月球背面月壤表现出的较高黏性特征的物理机制，从颗粒力学层面完整阐释了嫦娥六号月壤“为什么这么黏”的科学谜题。相关研究成果今天在国际学术期刊《自然·天文》发表。
2024年6月27日，嫦娥六号任务总设计师胡浩在嫦娥六号任务新闻发布会上提到，月球背面采样过程中，发现嫦娥六号着陆区月壤“似乎稍微黏稠一点，还有点结块”，显示出与月球正面的嫦娥五号月壤不同的物理特性。针对月球背面月壤这一特性，祁生文研究员团队开展了一年多的深入研究。
研究团队通过固定漏斗实验和滚筒实验，精确测量了嫦娥六号月壤的休止角——这个反映颗粒材料流动性的关键指标。实验结果显示，嫦娥六号月壤的休止角显著大于月球正面样品，其流动特性更接近于地球上的黏性土体，证实了胡浩总设计师的发现：背面“似乎稍微黏稠一点”。
精细成分分析表明，月壤中含有极少量磁性矿物且不含任何黏土矿物，即排除磁力和胶结作用的影响后，研究团队确认其休止角增大主要受三种粒间力的协同控制：摩擦力、范德华力和静电力。其中，摩擦力的作用与颗粒表面粗糙度正相关，范德华力与静电力的作用则随颗粒尺寸减小而显著增强。
在此基础上，科研团队对嫦娥六号返回样品进行了1微米的高空间分辨CT扫描，通过对超过29万个月壤颗粒的尺寸与形态进行精确厘定，并同月球正面嫦娥五号和阿波罗月壤对比，发现嫦娥六号月壤颗粒更细，形态更复杂，整体球度显著偏低。
祁生文研究员指出，这一现象颇为反常，通常颗粒越细，形状越接近球形，而嫦娥六号月壤虽细，形态却更复杂。研究人员认为，这可能与样品中富含易破碎的长石矿物（约占32.6%），以及月球背面经历更强太空风化作用有关。嫦娥六号月壤又细又粗糙的颗粒特性，提升了摩擦力、范德华力与静电力的贡献，产生更高的休止角，造就了其更高黏性特征。
该研究首次从颗粒力学角度，系统阐释了月壤的独特黏聚行为，揭开了嫦娥六号月壤的“黏性”之谜，为未来月球探测任务提供了重要科学依据。随着我国深空探测步伐的不断加快，这些研究成果将为月球基地建设、月面资源开发利用等提供关键理论基础，助力我国在月球科学研究和资源利用领域取得新的突破。
当地时间11月18日，谷歌母公司Alphabet正式发布新一代AI模型Gemini 3，其首席执行官桑达尔·皮查伊（Sundar Pichai）将该模型定义为“行业顶尖”，但与此同时，他在接受BBC新闻独家专访时直言，当前AI投资热潮中存在非理性成分，若AI泡沫破裂，没有任何一家公司能独善其身。
桑达尔·皮查伊警告称，当前的AI热潮存在一些“非理性”因素。
据介绍，Gemini 3在核心能力上实现显著突破，皮查伊在发布声明中提到，该模型“在推理能力上达到行业领先水平，可精准把握问题深度与细微差别”，且能更好解读用户需求背后的语境与真实意图，用户无需反复提示即可获取所需结果。
据了解，该模型基于谷歌TPU进行训练，支持100万个token的上下文窗口，适用于需要以下功能的应用：Agent、高级编程、长上下文、多模态理解、算法开发。
OpenAI联合创始人、CEO山姆·奥特曼（Sam Altman）和xAI创始人、CEO埃隆·马斯克（Elon Musk）纷纷向谷歌发来“贺信”。奥特曼在社交平台上评价“Gemini 3看起来很不错”。目前，这款新模型已确定将整合进谷歌搜索功能、Gemini应用及开发者工具。
值得关注的是，就在Gemini 3发布之际，皮查伊在受访时指出，当前AI行业正经历“非凡的投资增长期”，却也难逃投资周期中的“过热”问题，“就像当年的互联网，虽然后续影响力深远，但发展初期也存在大量过度投资，现在的AI既存在理性发展部分，非理性元素同样不可忽视”。
近期对于人工智能是否存在泡沫的问题存在大量讨论。罗斯柴尔德银行Redburn分析师下调微软、亚马逊评级，警告生成式AI经济效益未达预期；美国银行11月全球基金经理调查显示，自2005年8月以来，首次有近20%的投资者认为企业存在过度投资，核心原因便是对AI资本支出热潮的规模与资金筹措问题担忧。
更受关注的是，围绕OpenAI展开的1.4万亿美元复杂交易，与其不足千分之一投资规模的年度预期营收形成鲜明反差，市场普遍担心这会重蹈上世纪90年代末互联网泡沫“先飙升后崩盘”的覆辙，届时企业破产、员工失业、民众储蓄受损等问题或再度出现。
当被问及谷歌能否抵御AI泡沫破裂的冲击时，皮查伊坦言“没有一家公司可以幸免，包括我们自己”，但他同时强调，公司“从芯片到YouTube数据，再到AI模型与前沿科研”的全栈技术布局，能帮助其更好应对潜在的市场动荡。
AI发展的现实挑战也被皮查伊提及。他表示，AI当前1.5%的全球耗电量占比（数据来源：国际能源署），已对能源供应提出巨大考验，各国需加快新型能源开发与基础设施建设，否则可能制约经济发展；受AI高能耗影响，Alphabet的气候目标推进已出现滞后。
在就业影响层面，皮查伊将AI视为“人类最具深远意义的技术”，认为其虽会引发社会变革与岗位转型，带来一定挑战，但也将创造新机遇。“教师、医生等职业不会消失，但能熟练运用AI工具的人，才能在行业中脱颖而出，主动适应变化的人终将发展更好。”他说道。
Tony Zhao的个人社交平台
由斯坦福大学博士赵子豪（Tony Z. Zhao）和迟宬（Cheng Chi）联合创办的具身智能初创公司 Sunday .ai于 11月19日发布了其首款家庭服务机器人 Memo。
在演示视频中，机器人能够协调控制双夹持器，完成操作咖啡机以及同时抓取两个空酒杯的复杂连贯动作。还可以安静自主地清理餐桌上的盘子和易碎玻璃杯、丢弃食物残渣，并在启动洗碗机前将餐具装入碗碟，甚至还能叠好袜子放入衣栏中。
Sunday.ai公司总部位于美国山景城（Mountain View），赵子豪（Tony Z. Zhao）曾是斯坦福大学的博士生，他也是此前斯坦福风靡全网的低成本、开源机器人双臂系统ALOHA的主要开发者。赵子豪曾效力于DeepMind、Tesla以及Google X等顶尖人工智能与科技公司。
迟宬（Cheng Chi）拥有斯坦福大学与哥伦比亚大学的双博士学位，师从著名机器人学者宋舒然，同时也是UMI（Universal Manipulation Interface）、Diffusion policy的一作，具身数据集Open x-embodiment、Droid的贡献者之一。迟宬曾在Nuro、Uber和Ushr从事大规模自动驾驶车辆地图构建工作，并在苹果公司实习期间参与了iPhone 12相机的研发。
赵子豪将公司的愿景对标为机器人领域的“Macintosh、iPhone、ChatGPT时刻”。赵子豪透露，公司早在18个月前就已拿到来自Conviction风投合伙人Sarah Guo与Pranav Reddy的首份投资承诺。Memo预计将在2026年完成测试。
Memo可以折叠袜子 Sunday.ai 图
据了解，Memo专为家庭打造，旨在帮用户洗碗、洗衣、整理等家务。与大多数室内服务机器人不同，Memo的训练数据源自约1000万条真实家庭任务片段，其数据的多样性、规模性和真实性在行业里较为少见。这让Memo能够适应厨房、客厅、洗衣间等这类家庭环境充满不确定的场景中，完成“长链条”（Long horizon）的复杂任务，如清桌、运行洗碗机、叠衣、收鞋、制作浓缩咖啡等。
在外形上， Memo机器人采用了轮式底座配合可垂直升降的机身，它没有采用复杂的拟人化五指手，而是为家庭场景中的特定任务设计了定制化的双夹持器。
作为该公司的首席执行官赵子豪表示，“可爱与实用设计之间只有一线之隔，但我们认为已经找到了关键。”首席技术官迟宬表示，从硬件到人工智能的全栈掌控是唯一解决方案，团队实现了 “突破执行器物理极限的毫米级精度”。在一段赵子豪发布的机器人避开洗碗机内猫咪的视频中，他配文称，机器人已在内部实现 “猫咪级智能”（cat-level intelligence）。
【编者按】人工智能的发展给各行各业都带来了诸多影响，其中对于教育的影响非常显性。学生普遍开始使用AI作为工具，作业抄袭的情况屡见不鲜。如何在AI时代找到新的学习路径，从而不迷失自我；面对AI，我们该持有怎样的态度。6月18日，亚马逊云科技上海人工智能研究院院长张峥，作为复旦大学附属中学校友，在参加该校2025届学生毕业典礼时发表了自己的观点，即在AI时代要重新定义“了解自己”。AI时代是人类面临的共同挑战，演讲内容对于我们每个人都有启发意义。以下为演讲全文：
亚马逊云科技上海人工智能研究院院长张峥
各位老师和同学，大家好！
能接受邀请回到母校，我感到既荣幸又惶恐。因为我想起自己当年也是个"学渣"，入校时成绩并不好，毕业考入复旦也是刚够线。
所以接受邀请后，我询问附中的老同学，听听他们的建议，其中一位半开玩笑说，“和同学们讲，别相信鸡汤，别相信演讲。"
我觉得他说得很有道理。
所以今天我不打算给你们灌鸡汤，也不打算描绘一幅关于“诗和远方”的美好蓝图。我只想分享一个朴素但重要的话题：在AI时代，如何重新理解“了解自己”这件事。
我们不谈终点，谈一下起点。
我入附中其实是挺偶然的，初中的时候开始打排球，有教练觉得我个子那么高，力劝我去加入专业队。我老妈是复旦的，她就说复旦附中很好，我看你也不见得进得去，你去试试看，如果进不了，你去打球好了。用现在的话来说，她对赌了一下，还赌赢了。
入校的时候因为大家都来自上海的好中学，感觉都不错，结果第一天摸底考，全部打回原形，基本上是满地找牙。
这就是我当年的状态——都不知道起点在哪里。
“了解自己”听上去非常抽象。我觉得最重要的是搞清楚两件事：“你喜欢做什么”和“你擅长做什么”。这两个维度构成了四个象限，很大程度上决定了我们每个人当下的人生方向。
比如说，如果今天全班大扫除，大家抓阄，结果我去擦地板，那我的运气就太不好了，因为我太高了，去擦窗户更合适一些。这就是第一个象限：既不喜欢也不擅长，非常悲催。
第二个象限是喜欢但不擅长的事。你可以一直努力，但如果确实不是你的强项，时间长了就会产生挫败感，甚至会崩溃。
第三个象限是擅长但不喜欢的事。时间长了，你就一定会在混日子，感觉很无聊。如果你每天的工作都是这样，那就是在浪费生命。
第四个象限才是我们努力的方向：做既喜欢又擅长的事，这才是人生赢家。我职业生涯中最受益的经历，是有幸与几位图灵奖获得者近距离交流。他们的眼中闪烁着孩子般的光芒，快乐地做着自己喜欢的事，因此也做得特别出色。
如果你现在就很确定自己喜欢什么、擅长什么，那么恭喜你！
但事实上，这并不容易。比如某个科目你很强，可能会产生一种错觉，以为自己也喜欢这个领域。也许你慢慢发现，虽然你擅长，但并不真的喜欢，也可能反过来，你很喜欢，但在进一步的进阶道路上遇到瓶颈。
了解自己、发现自己，找到自己喜欢做什么、擅长做什么，是一个永恒的功课，需要不断地尝试和发现。
了解自己不是一个动词，而是一个过程，除了尝试、反思、再尝试，没有其他捷径。
所以，在相对静态的环境中，这本来就不容易，然而现在的问题是，世界变化太快，我们还需要不断调整。
影响世界变化的一个重要因素就是AI的到来。AI正在影响社会的方方面面，对教育更是带来了巨大挑战和诸多未知：怎么教？教什么？怎么学？学什么？
让我分享三个相对清晰的目标。至于怎么达到，需要大家一起努力：
第一，拥抱AI，但一定要挑战自己的极限。 不要害怕使用AI，要大胆地用它来提升自己。你们的目标是通过AI实现学习效果的显著提升，达到2到10倍的进步。如果某个任务因为AI变得简单了，那就主动给自己设定更高的挑战——用一半的时间完成更困难的作业，或者把节省下来的时间用于学得更深、更广。
这是因为你们即将面对的是一个与AI共存的职场环境，需要提前做好准备。
第二，要学会像文艺复兴时期的科学家那样思考。 我们现在的教育体系，是一条流水线，从中考到高考到考硕士考博士，大家走过独木桥再走钢丝，目标是培养专业人才，并不是一个完整的社会人，容易造成狭隘的专业化。
很多人文学科的同学不知道算法是什么，不理解基础的科学知识，不掌握最基本的思考方法，而学理科的同学又对历史一无所知，对人文没有兴趣。这种局限性并不是你们的错。
有了AI这个非常广谱的工具，你们可以不耻下问，把自己培养成广谱型人才。要知道，学习的障碍，经常是“自己无法提出问题”。
你们要学会连接不同领域的知识，理解一个技术发明对社会的影响，理解一个历史事件背后的逻辑。只要你有一点好奇心，善用AI工具，你们能对广阔的上下文有很好的理解，成为像文艺复兴时代科学家那样具有跨界思维的广谱人才。
用一句话概括就是："没有科学的人文是空洞的，没有人文的科学是盲目的。"
第三，也是最重要的一点，培养没有AI也能更强大的核心能力。 在学习时，我们要把AI当作良师，但不能依赖它。今天大家开车，没有GPS就不知道怎么走了，从这个角度看，GPS反而是一个糟糕的技术。你们要超越这种体验，利用AI来增强自己的核心能力，而不是让它替代自己思考。目标是成为有AI没有AI都更强大的自己。
换句话说，有AI帮助你，应该飞起来；没有AI，你要比现在跑得更快。
这三个目标是相辅相成的：挑战极限，成为广谱型人才，打破走过独木桥再走钢丝这种流水线造成的狭隘专业陷阱，最终目标是成为有AI没有AI都更强大的自己。
你们看，这是"既要、又要、还要"，所以不容易。但如果不达到这三个目标，我们就可能被时代淘汰。
我的体验和观察是，从整体上看，AI一定会帮助提高效率，改变我们的工作内容和方法，提高基准线，但同时它也是一个放大器，会让强者更强，弱者更弱。
但这里的强弱并不是我们通常意义上的强弱，尤其不是应试教育体系下的强弱，更重要的是保持强大的好奇心，拥有敏锐提问、甄别错误、发现机会的能力。
我们面对的是一个多变甚至巨变的时代给自己时间，在多变的时候最重要的是找到什么是不变的——对自己宽容一点，耐心一点，相信自己，多尝试，不要怕失败。
谢谢大家！祝愿你们都能成为更好的自己！
2025年6月21日，由中国科学院紫金山天文台主导的4.2米地基专用天体测量望远镜与2.5米多终端通用望远镜在青海冷湖天文观测基地启动建设。这两台望远镜的主要科学目标都是用于太阳系天体观测，在观测技术手段上相互补充，实现对太阳系天体的高精度“定位”。两台望远镜建成后将是我国天文学领域的一次重大突破，将形成国际先进的地基光学精密观测体系，实现我国精密天体测量观测能力的重大跨越，为我国天文学实测研究和航天强国建设提供强大的高精度观测保障。
4.2米地基专用天体测量望远镜设计图
4.2米地基专用天体测量望远镜具有大口径单镜面、极低畸变成像、极高精度定位、极深探测极限这四大特点，其主要科学目标是开展太阳系内暗弱运动天体的高精度位置、运动和特性测量，支撑我国太阳系天体历表的自主构建和长期维护，并服务于我国航天任务及深空探测的地基观测需求，为我国太阳系天体高精度观测研究提供核心支撑。2027年建成后，该望远镜将是我国首台4米级单镜面天文望远镜，也将是国际上最大的太阳系天体精密测量望远镜。
2.5米多终端通用望远镜设计图
2.5米多终端通用望远镜是一台中等口径精密测量望远镜，它具备多终端、多功能、多应用的特点，能够满足不同类型的观测需求。其主要科学目标是开展太阳系自然天体和人造天体的多波段、多类型精密测量，协同开展我国太阳系天体历表的自主构建和长期维护，还将服务于地月空间安全、太空资产保护等国家重大战略需求。2026年建成后，该望远镜将是我国最大的同轴收发激光测距望远镜。
·过去四十年，应试教育有效地帮助了中国快速追赶西方科技；但到了创新驱动时代，犯错比考满分更有意义，创新需要依赖每一个人，而不单单是考高分的人。
·大家认为名校可以带来更多的成功可能性，这是个错觉。考上好大学是“果”，而非“因”。人工智能的进程将促使应试教育改革提速。
【编者按】在担任上海科技馆馆长之前，倪闽景曾经做了18年的物理老师，这是他职业生涯中最喜欢的职业。在他看来，科技馆就是一个“大学校”，如何实现馆校连接，让更多的学生更常走进场馆，是他经常思考的一个问题。他认为，只有更开放的教育，才能培养真正的创新人才；眼下还不够开放的教育已经到了打开自己的时候。
一、
科技馆是一个科学教育的场所，它是个“大学校”，只不过每天来的孩子不一样，孩子来的目的也不一样。成功的场馆一定是让带着期待来的孩子，带着更多的期待离开场馆，并在孩子的心里埋下一颗科学的种子。
越是数字时代，我们越应该鼓励孩子走进真实场景。和电子屏幕不同，在真实场景里，孩子可以成为一个发现者，找到自己的兴趣爱好，甚至是未来的发展方向，孩子来场馆不是被动接受教育的。
学校教育的内容需要经过反复打磨，它是慢的；科技馆的特点是快速响应，通过最快的方式传播科学知识。
如果说学校教授的很多是人类长期积淀的“冷知识”，那么科技馆传递的大多是“热知识”，这些热知识甚至可能是错的。当今世界发展的一个特点就是：知识还在生长过程中时，我们就已经接触到它了，我们需要了解它，但我们了解到的也不是最终的结果。
实际上，现在我们所有的教育问题的根源都是“教育太慢，而世界和社会变化太快”，所有的矛盾都来于此。
学校教育更多是培养孩子的学科思维能力、规范的学术能力，为日后打下扎实的基础。不同的学科思维对我们来说非常重要，因为这是我们认识世界的一个工具。而像科技馆这样的校外教育是让孩子探索世界，认识自我。
学校系统具有很强的惯性，要让学校改变很难，所以我一直鼓励家长、学校多带孩子到科技馆来。“馆校”如果能够结合起来，对育人来说是非常有益的一个模式。但现实是我们做过很多尝试，效果并不明显，规模也不够大，很多学校会有自己的各种顾虑。
二、
我们的整个教育系统目前还是相对比较封闭的。老师们可能也不太了解新的科技成果，整个系统基本上仍然围绕着升学考试展开。
更令人担忧的是，我们的老师们越来越相信，通过做题和加班加点，就能提高学习成绩；他们越来越不相信，也很少采用“点燃孩子”的方法来促使孩子发挥主观能动性提高学习成绩。
教育的本质是“点燃孩子”，很遗憾的是，我现在感觉教育系统在这方面整体上越来越弱。
家长们其实也很矛盾，“80后”家长比以往所有的家长都更卷。即便有些学校愿意做些尝试，但如果一个班级里有一两个家长不支持，就很难执行。这一代家长的需求非常多元化。
此外，我们行政系统的容错也不够，任何一点舆情都会给学校带来极大的干扰。现在社会媒体的力量太强大了，舆论会裹挟所有家长，因此学校和老师也很难尝试改变，要打破目前的局面是非常困难的，它不单单是学校的行为，它需要全社会的认同和支持。我们以前一直讲要思想统一，但是现在大家是非常难统一的，因为大家的价值取向不一样，自媒体又放大了这种差别。
我认为政府层面首先应该做些改变。现在学生在学校里要学的东西太多了，孩子们的时间是有限的，作业也做不完，很难会想到到场馆里来，这需要整个课程教育进行改革。
三、
在现在这个时间节点，我觉得教育的改革是非常有必要的，因为当下推动国家继续发展的动力改变了。
在改革开放初期，我们在资源有限的情况下要实现快速追赶西方国家的先进科技，应试教育是一种非常有效的教育方式。
全中国学一样的教材，考一样的内容，然后把最会考试的人挑出来，最好是考满分的人，因为他百分百学得会。考高分的人模仿追赶别人的能力更强，这种教育策略让我们国家在过去40多年里快速发展。
但到了现在，我们很多领域已经走到了全球前列，此外人家也不给你学了，只有创新才能驱动发展，考满分已经没有意义了；犯错相比之下更有意义，因为创新就是在不断地试错。
但我们的教育惯性还在那里，科技发展速度这么快，知识多，孩子什么都要学，结果越学越多，家长、学校更卷了，孩子更累了，对于学习也没有了兴趣，这和我们需要的创新完全背道而驰。
我觉得现在已经到了不改不行的时候。人工智能的发展可能成为这场变革的最大诱因。大语言模型的出现让我们发现，我们原来觉得非常重要知识学习不再那么重要，因为人工智能可以替代所有将人作为工具的工作。
唯有热爱不能替代。真正的教育是让孩子能够有对某个领域产生兴趣，有热情、有热爱就不会“躺平”。我们需要大幅减少统一要求的内容，留出空间和时间让孩子找到他自己热爱的方向，勇敢地去试错。
我一直说考50分的孩子，也许比考100分的孩子更有创造力，因为他给的不是标准答案，而这样的人才会有更大的创造力。
创新不是依靠考最高分的人，创新要依靠每一个人。
未来世界充满了未知，有无穷无尽的东西需要我们去探索。我们去探索需要更多的人，就像在房间里找宝贝，相比让考满分的人去找，肯定是所有人去找更容易找到。
四、
为什么大家现在还在卷考分、考名校呢？我觉得这里存在一个很大的错觉。大家认为名校毕业的人拥有更多的资源，拥有更多的成功可能性，这是个错觉。
我们做了大量的研究和分析发现，一个人成功、幸福的根本不是考上好大学，而是“自主、专注、坚韧”的品格。具备这种品格的人，大概率能够考上一所好大学，考上好大学是“果”，而非“因”。
如果不具备“自主、专注、坚韧”的品质，而是在家长的推动下考上好大学的孩子，那么即便考上大学，大概率也不会好好读书，甚至可能出现“躺平”以及其他心理问题。
相反，具备“自主、专注、坚韧”品格的人，如果因为不擅长考试，或对学习不感兴趣，即便没有考上好大学，也不会影响他的幸福人生；即便是做了一名厨师，大概率也是一名米其林厨师。
我觉得当下我们需要一次新的教育启蒙，一次教育价值观的启蒙。所幸，现在大家都慢慢形成了一个共识，认识到应试教育需要改变，虽然我们还没有一个明确的改革方案。
不过，我相信改变的发生将会伴随人工智能的进程而提速。有了人工智能、机器人的支撑，我预测未来会出现很多小的大公司，而个人只有找到自己的热爱，才能找到自己的成功与幸福。
中国科学院分子植物科学卓越创新中心辰山科学研究中心陈晓亚院士（右二）和团队成员在田间观察水稻新种质
随着年龄增长，人体自身合成健康所需，尤其是合成心脏健康所需的脂溶性抗氧化剂辅酶Q10的能力逐渐下降，需要额外补充。但水稻等谷物中天然含有的主要是辅酶Q9。近日，中国科学家在农作物营养强化领域取得新突破：培育出一种可以合成辅酶Q10的水稻新种质，吃这种米饭能补充对心脏健康有益的营养物质。
2月14日，相关论文发表在国际权威期刊《细胞》（Cell）上，论文标题为《基于植物进化的辅酶Q10 性状设计》（Design of CoQ10 crops based on evolutionary history）。
该研究由中国科学院分子植物科学卓越创新中心辰山科学研究中心陈晓亚院士团队与中国科学院遗传与发育生物学研究所高彩霞团队等合作完成。
得益于上海辰山植物园丰富的植物资源，研究团队采集了包括苔藓、石松、蕨类、裸子植物和被子植物在内的共67个科134种植物样品。
结合对1000多种陆生植物辅酶Q侧链合成酶Coq1氨基酸序列的进化分析和机器学习，科研团队最终确定了决定链长的5个氨基酸位点。通过精准编辑，研究人员创制了能够主要合成辅酶Q10的水稻。其叶片和籽粒中辅酶Q10占总辅酶Q的75%，籽粒中辅酶Q10达5μg/g，且对水稻产量没有影响。
植物辅酶Q种类的进化和关联氨基酸
论文共同第一作者、上海辰山植物园副研究员许晶晶表示，过往研究表明，辅酶Q10在加热过程中较为稳定，蒸煮不会对其产生影响，油炸会造成少量损失。人们如果日常食用这种新创制的水稻做成的米饭，每天大约可以补充1到2毫克的辅酶Q10。而我们每天从肉类中摄取的辅酶Q10大约为2到3毫克。因此，新创制水稻的辅酶Q10含量已经接近肉类的水平，能够为日常饮食提供有效的营养补充。
上海辰山植物园赵清研究员向澎湃科技表示，他认为该研究师法植物千万年进化规律，找到了改造植物的密码，成功创制了新种，不仅适合辅酶Q的个例，更提供了一种通用的方法论。“合成生物学，就是向大自然学习。”
该研究成果为大数据和人工智能（AI）辅助育种精准改造农作物性状，创造高营养品质农产品，提供了范例。目前，类似研究在小麦中也取得了重要进展。
陈晓亚院士团队
