上周，华尔街发生了一件有意思的事。
两天内，全球软件和法律服务公司的市值蒸发了2850亿美元（或者换算成人民币是超过万亿的市值蒸发）。法律数据巨头Thomson Reuters单日暴跌18%，创下历史最大单日跌幅。投资人甚至给这次抛售起了个名字 - “SaaSpocalypse”（SaaS末日，或者说软件产品末日）。
导火索是什么？Anthropic（大模型御三家之一，Claude的母公司）发布了一套帮企业法务部门自动处理合同审查、合规检查的AI工具。
普通人可能对这些公司没什么感觉。但翻译一下就是：Thomson Reuters卖的是律师用的专业软件，现在华尔街担心的是，律所未来可能不需要买那么多软件了，因为AI自己就能干这些活。
这里展现的重大变化是：AI不再只是工具，它开始直接抢活干了。
当一句网络黑话被韦氏词典（Merriam-Webster）选为2025年度词汇，你就知道它代表的现象已经不是小打小闹了。
2025年，”Slop”这个词在网络上开始流行，用来形容那些质量低劣、未经人工审核、大规模批量生产的AI”废料”内容。
2023年，美国高校管理者们还在焦虑如何防止学生用ChatGPT作弊；2024年，讨论重心转向了如何设计AI相关课程；到了2025年底，游戏规则已经进化成：不会使用AI，你可能拿不到学位。
12月12日，普渡大学董事会批准了一项全美首创的政策：从2026年秋季入学的新生开始，所有本科生必须展示”AI工作能力”（AI working competency）才能毕业。这不是一门选修课，也不是某个专业的特殊要求，而是覆盖所有本科专业的硬性毕业要求。
更值得注意的是，普渡并非孤例。俄亥俄州立大学早在今年6月就宣布了类似的”AI流畅性”（AI Fluency）计划，并且已在2025年秋季开始实施。纽约州立大学系统也在推进将AI作为通识教育核心能力的计划，预计2026年秋季全面启动。
当调查显示86%的学生已经在学习中使用AI工具，54%的学生每周使用、近四分之一每日使用时，高校意识到”禁止”已经失去意义。关键问题变成了：如何引导学生正确、有效、负责任地使用？
尤其是在企业界早已开始类似的动作的情况下，今年4月，电商巨头Shopify发布内部备忘录，要求员工在工作中必须使用AI，并将其纳入绩效考核。现在，高校正在为未来的职场做准备，确保毕业生在进入职场前就已经具备这种能力。
刚读完了田渊栋发在知乎的年终总结，其中最有感触是”费米能级”这段。因为我之前写过一段关于AI时代同时带来的平等和不平等的思考，当时只觉得是个有趣的社会学现象，但田渊栋用物理学概念给出了一个更精确、也更残酷的模型…
2026年1月，OpenAI发布了一份名为《AI as a Healthcare Ally（AI作为医疗盟友）》的报告。作为一名长期关注AI落地，而且现在还是智能硬件领域的从业者，这份报告让我感到有些意外，下面就来总结一下我从这份报告中解读出的三个关键信号。
最近看到一个有有趣的实验：Arcada Labs给五个顶尖大模型各发了1万美元真金白银，让它们在Kalshi预测市场上自主下注，看谁能更准确地预测未来。
在聊这个实验之前，可能需要先解释一下什么是”预测市场”，因为这东西确实比较新和小众一些。
最近经常被朋友问：想招个懂AI的研发，但不知道怎么评估。
于是我想把一个更具体的问题讲清楚：2026年了，一个研发工程师的简历里，AI相关的部分到底应该怎么写？招聘方又该看什么信号？
如果说往年的 Google Year in Search（年度热搜）是世界的“流量排行榜”，那么 2025 年的这份榜单，更像是一台灵敏的“时代地震仪”。
它记录的不是谁的总量最大，而是谁在这一年引发了最剧烈的关注震荡。在过去，这台地震仪震出的通常是全球性的体育盛事（如世界杯），或者是牵动所有人神经的突发新闻。但今年，震中变了。
打开 Google 发布的 Year in Search 2025，全球热搜总榜的第一名赫然写着：Gemini（Google发布的最强AI大模型）。
这个信号说明：2025 年，AI 终于不再只是科技圈的性能对比，它已经像水和电一样，渗透进了普通人的生活。但如果我们继续挖掘这份榜单背后更深层的暗流，其实包括我们在搜什么（What）变了，我们搜索的方式（How）和原因（Why）也都发生了质的飞跃。
最近两年，以司美格鲁肽（Semaglutide）和替尔泊肽（Tirzepatide）为代表的GLP-1类药物火遍全球，被许多人奉为“减肥神药”。
但在热度背后，普通人最关心的问题往往被淹没在营销中：这药到底安全吗？我只是微胖能不能打？打了能不能停？
就在不久前，世界卫生组织（WHO）发布了首个关于成人肥胖药物治疗的全球指南。这份指南并非商业软文，而是基于严谨科学证据的“官方建议”。
如果你正在考虑通过药物减重，以下四点是你必须了解的核心真相：
我们生活在一个技术名词大爆炸的年代。
打开科技新闻，新词汇每天都在轰炸我们的眼球：”大语言模型””量子纠缠””合成生物学””边缘计算”……有时你刚弄明白什么是”深度学习”，行业里又开始热议”联邦学习”和”具身智能”。
这种感觉就像站在一片没有地图的茂密森林里。我们知道周围都是树，但分不清哪些是刚刚破土的嫩芽，哪些是盘根错节的参天古木，更不知道整片森林究竟长什么样。我们很难分辨，哪些是真正改变世界的突破，哪些仅仅是自媒体制造的泡沫。
澳大利亚悉尼科技大学（UTS）的一组研究者决定绘制一张人类技术的”全景地图”。有趣的是，他们没有聘请昂贵的专家组，而是利用了人类的”集体智慧” - 他们让AI读取了维基百科、数百万本书籍和专利数据，利用机器学习算法自动梳理了23,000多项技术。
这项名为 Cosmos 1.0 的研究最近发表在《自然》旗下的 Scientific Data 上，为我们展示了一个令人惊叹的技术宇宙。
如果把人类所有的技术知识洒向太空，它们会形成什么形状？
