08-07日报|告别蛮力时代：AI的『造物主』野心，与那根被忽视的『数据生命线』

今天是2025年08月07日。我们正站在一个由AI深度重构的十字路口。当“算力焦虑”与“模型军备竞赛”的喧嚣渐趋平息，真正的变革正在更深层次的基石中酝酿：AI不再满足于模拟现实，它正以前所未有的速度和效率，成为“造物主”本身——从构建可交互的数字世界，到智能设计出前所未见的物理材料。然而，这股颠覆性浪潮的背后，藏着一个被长期忽视的“隐形心脏”：数据。今天，我们将穿透技术的表象，直击智能的核心，看AI如何告别蛮力堆叠，走向精微掌控与本质重塑。

今日速览

• AI“世界模型”开启空间智能新纪元：DeepMind Genie 3将文本指令转化为连贯、交互式3D虚拟世界，不仅颠覆内容创作，更为AI Agent提供了无限的“认知训练场”，直指通用人工智能（AGI）。
• 效率革命重塑AI视频与大模型训练：FastWan以“稀疏蒸馏”将AI视频生成从“耗时巨兽”变为“秒生极速”，而Qwen GSPO则通过“序列级优化”解决了大模型（尤其是MoE）训练的稳定性难题，双双加速AI普惠化进程。
• AI深度赋能科学发现，迈向智能创造：北海道大学团队利用AI设计出超粘水凝胶登上《自然》封面，标志着AI从辅助工具跃升为材料科学的核心设计引擎，预示着“AI for Science”时代的全面到来。
• 数据采集：被忽视的下一代AI“生命线”：在模型性能瓶颈转向数据质量与新鲜度之际，数据采集正成为AI堆栈底层最关键的基础设施和商业护城河，巨头并购印证了“数据为王”的新范式。

---

DeepMind Genie 3：从生成片段到“可操作世界”，AI构建智能认知基石

【AI内参·锐评】
Genie 3的真正野心，并非仅仅“生图生视频”，而是谷歌为AGI搭建的“薛定谔的猫”箱子——一个可无限实验、验证因果的世界级训练场，其核心价值在于它让AI首次拥有了“空间记忆”与“因果推理”的胚胎。

【事实速览】
谷歌DeepMind发布的Genie 3是一款革命性的“通用世界模型”，能从文本提示生成连贯、交互式且符合物理逻辑的3D虚拟世界。它通过引入新的视觉记忆机制和强大的3D推理能力，解决了传统生成模型“世界一致性”难题，实现了场景的持久性与“Promptable World Events”。Genie 3在训练中大量使用游戏引擎数据，使其具备深层“因果感”，目标是“基于世界的交互式生成”，分辨率达720p，帧率24fps，可生成“数分钟”视频。DeepMind明确将其定位为AI Agent的“认知训练场”，是迈向AGI的关键基石，预示将颠覆游戏、影视、教育及元宇宙等创意产业。

【弦外之音】
Genie 3的发布，并非孤立的技术事件，它是DeepMind围绕“AI Agent”战略落地的关键一环，与Google在机器人、自动驾驶等具身智能领域的布局构成一张宏大的“世界模型-Agent训练-真实世界部署”关系网。Sora曾惊艳世人，但Genie 3则从“视觉生成”迈向了“世界生成”，这预示着AI巨头们正从单纯的“内容创作者”向“数字世界构建者”的角色转变，为未来AI Agent的决策与行动提供了真实可信的沙盒，其战略意义远超任何一款消费级应用。

【开发者必读】
过去，开发者构建3D世界需要耗费大量时间和资源在建模、渲染和物理引擎调试上。Genie 3的出现，将彻底改变这一范式。它意味着未来开发者能够以文本为核心，极速迭代虚拟场景、测试物理交互，将精力从繁琐的资产创建转向核心的逻辑与创意设计。对于游戏开发者，这将是一次生产力的大解放，低成本高效率地实现创意原型与测试；对于AI Agent开发者，这意味着一个近乎无限的模拟环境，可以在其中安全、高效地训练Agent的复杂决策能力和因果推理，加速具身智能的突破。

【我们在想】
当AI能够“记住”并“操纵”一个完整的虚拟世界，其生成的“幻觉”是否会转化为可控的“现实偏离”？这对于我们如何定义“数字真实”和“创造力”意味着什么？

【信息来源】

• 来源: 极客公园、开源中国技术社区、至顶网、华尔街见闻、36氪、新浪财经
• 链接:
  • https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653084277&idx=1&sn=ab4c25803b4346d15db49f17f728fed8&chksm=7f80f8b5d121f5221db983938e659b72ec334462d1a61ec91fdec7fbc31cc124f501546f3f5a&scene=0&xtrack=1#rd
  • https://www.oschina.net/news/364530/genie-3
  • https://m.zhiding.cn/article/3169977.htm
  • https://wallstreetcn.com/articles/3752717
  • http://www.36kr.com/p/3411247331446401
  • https://finance.sina.cn/stock/jdts/2025-08-06/detail-infizxpu6687115.d.html?vt=4&cid=76993&node_id=76993

---

AI重构材料研发：Nature封面背后的超粘水凝胶与科学发现新纪元

【AI内参·锐评】
这不仅是又一种“超能力材料”的诞生，更是AI从实验室的“工具人”晋升为科学发现的“总设计师”的里程碑：它证明了AI能以前所未有的效率，在最复杂的未知领域，解开自然界的密码，实现“0到1”的原创突破。

【事实速览】
《自然》杂志报道了北海道大学龚剑萍教授团队一项利用AI辅助设计出的仿生超粘水凝胶的里程碑式研究。该水凝胶在严苛湿润环境下仍能超强粘附且生物兼容，解决了软材料设计复杂性高、研发耗时长的痛点。研究通过仿生学习（分析天然黏附蛋白）、整合机器学习框架和闭环迭代优化流程，成功从180种初始水凝胶中设计出性能远超传统材料的超强粘附剂，甚至能在盐水冲刷和高压水管破洞下稳定工作。这标志着AI在材料科学领域从“试验探索性工具”跃升为“核心设计与开发引擎”，预示着医疗、海洋工程等领域的新材料应用革命，并开启了“AI for Science”的新范式。

【未来展望】
未来3-5年，AI在材料科学领域的应用将从个案走向常态化、平台化。我们将看到AI不仅设计新材料，还能指导自动化合成和测试，实现“AI工厂”的端到端闭环。超粘水凝胶的成功将催生更多“物理知情AI”模型，它们将更深入理解材料底层机制，甚至能在稀疏数据下进行精准预测。这将加速柔性电子、生物接口等领域的突破性应用，让人类社会拥有前所未见的“智能皮肤”和“智能器官”，但同时，伦理与环境评估将成为新材料商业化的必答题。

【我们在想】
当AI能够设计出人类从未设想过的材料，它是否有可能创造出超越人类认知和伦理范畴的物质？“AI for Science”的边界在哪里？我们如何确保这些智能创造出的“奇迹”不会带来新的未知风险？

【信息来源】

• 来源: 36氪、知乎、高分子科学前沿、OA Journal for Research & Collaboration
• 链接:
  • https://www.36kr.com/p/3411247331446401
  • https://www.zhihu.com/question/495632145
  • https://www.polymer.cn/polymer/news/detail.html?id=20210930112108
  • https://www.oajrc.org/articles/10.3389/oajrc.2023.00398/pdf

---

超越Sora：FastWan如何以“稀疏蒸馏”重塑实时AI视频生成范式

【AI内参·锐评】
FastWan并非Sora的“平替”，而是AI视频从“实验室艺术品”走向“工业级生产力”的关键转折点，它宣告了“效率为王”的新时代来临，把AI视频生成从算力黑洞中解放出来，直指实时交互的未来。

【事实速览】
由UCSD、UC伯克利、MBZUAI等机构联合推出的FastWan系列视频生成模型，通过创新的“稀疏蒸馏”训练方案和核心的“视频稀疏注意力（VSA）”技术，实现了AI视频生成效率的质的飞跃。它将视频去噪速度飙升70倍，仅用单张H200 GPU即可在5秒内生成一个5秒的480p视频，彻底打破了传统扩散模型（如Sora）的算力瓶颈。FastWan通过将去噪步骤从50步压缩至1-4步，同时兼容蒸馏训练，大幅降低了计算成本，并且模型权重、训练方案和数据集全部开源。这预示着AI视频将走向实时化和普惠化，深刻改变内容创作与产业生态。

【投资者必读】
FastWan的开源和效率突破，将彻底改变AI视频领域的投资逻辑。过去，投资者倾向于投入能生成“最逼真”视频的大模型公司，而现在，“效率”和“落地能力”将成为新的估值核心。拥有高效推理能力、能快速将AI视频应用于直播、广告、游戏等实时场景的初创公司将更具吸引力。此外，开源模型权重和训练方案的策略，将加速AI视频技术的普及和创新，催生更多围绕“AI视频应用服务”而非“模型本身”的投资机会。对于芯片和算力基础设施提供商而言，这既是机遇（更多AI视频部署），也是挑战（单位算力效率要求更高）。

【我们在想】
当AI视频以“秒生”的效率普惠化，如何有效应对Deepfake等虚假信息的爆炸式增长？技术的进步与社会治理的滞后，是否会加剧数字现实的信任危机？

【信息来源】

• 来源: ArXiv、Hao AI Lab Blog、36氪、新智元（微信公众号）
• 链接:
  • https://arxiv.org/pdf/2505.13389
  • https://hao-ai-lab.github.io/blogs/fastvideo_post_training/
  • https://www.36kr.com/p/3412444076494465
  • https://mp.weixin.qq.com/s/gx76pTlySt0Wd0vnhdby3Q

---

超越崩溃边缘：Qwen GSPO如何重塑大模型后训练范式，引领AI迈向新纪元

【AI内参·锐评】
Qwen GSPO对DeepSeek GRPO的“灵魂拷问”，不只是一场学术辩论，更是对LLM训练“稳定压倒一切”的终极宣告——它敲响了“逐token优化”的丧钟，为MoE等未来大模型的稳定、高效迭代，铺平了通往通用智能的康庄大道。

【事实速览】
在围绕大语言模型（LLM）强化学习训练稳定性的核心争论中，Qwen团队提出了GSPO（组序列策略优化）算法，旨在解决DeepSeek GRPO等现有算法的“误差积累”和“训练不稳定性”问题。GSPO的核心创新在于将重要性采样从GRPO的“逐token级”转移至“序列级”，并通过引入长度归一化因子显著降低了方差，从而提升了训练过程的稳定性。实验证明，GSPO在CodeForces等任务中展现出更高的训练效率和更强的可扩展性，尤其对于MoE（专家混合模型）架构，它能够无需额外辅助策略即可实现稳定收敛，极大简化了训练复杂性。这一突破预示着LLM后训练算法将迎来新标准，加速高性能AI的普及与应用。

【背景与动机】
LLM的后训练，尤其是强化学习阶段，是决定模型能否真正“听懂人话”、高效执行指令的关键。PPO等传统方法依赖昂贵的人工标注，而GRPO等自动化方法试图降低成本，但其在复杂模型（如MoE）和长序列生成中，屡屡遭遇“训练崩溃”的稳定性顽疾。Qwen团队推出GSPO，不仅是为了提升自身Qwen3系列模型的性能，更是对LLM训练效率和稳定性的深层思考，旨在从根本上解决困扰业界已久的“强化学习不稳定”症结，为未来更大、更复杂的AI模型（特别是MoE）的成功训练奠定基石，抢占底层算法的制高点。

【我们在想】
当LLM的训练稳定性和效率得到极大提升，模型崩溃的风险降低，这将如何加速AGI的到来？我们是否已充分准备好，迎接一个在训练层面更加“无懈可击”的超级智能？

【信息来源】

• 来源: NetMind.AI Blog、知乎专栏（机器之心）、36氪（机器之心）
• 链接:
  • https://netmind.ai/blogs/qwen-gspo-deepseek-grpo-ill-posed/
  • https://zhuanlan.zhihu.com/p/1934507418538206599
  • https://www.36kr.com/p/3412444076494465

---

AI的“隐形心脏”：数据采集——被忽视的下一代AI基础设施与护城河

【AI内参·锐评】
别再只盯着模型的“大”与“强”！当AI性能的瓶颈从算力转向“信息密度”，数据采集这块“隐形心脏”，才是真正定义AI未来智能高度和构建商业壁垒的终极战场。

【事实速览】
AI社区对模型规模和算力的痴迷正逐渐让位给数据采集，其作为AI堆栈底层的基础设施地位日益凸显。文章指出，AI性能提升的重心已转向数据质量与新鲜度，强调“好数据”必须具备领域特定、持续更新、结构化去重和实时可操作性四大特征。为满足这些要求，数据采集需构建可靠、实时访问开放网络的管道，实现循环传输、计划刷新和跨模态采集。Salesforce斥资80亿美元收购Informatica、IBM斥资23亿美元收购StreamSets等巨头并购案例，清晰印证了对高质量实时数据管道的战略重视，预示着数据基础设施而非单纯模型膨胀，将成为未来AI企业真正的长期护城河。

【产品经理必读】
许多AI产品经理在规划时，往往将重心放在模型选择与功能设计上，而忽视了最底层的“数据饥饿症”。这篇文章敲响了警钟：你的产品智能水平，最终将由你获取、处理和管理实时高质量数据的能力决定。与其盲目追求大模型，不如投资于构建健壮、合规、实时的数据采集与治理管道。这意味着产品经理需要开始关注数据源的可扩展性、数据更新频率、去重策略以及合规性，将数据采集视为核心产品能力而非后端技术细节，因为这直接决定了RAG、AI Agent等应用场景的“幻觉”多少与“智能”深浅。

【我们在想】
当高质量数据成为AI的核心稀缺资源和护城河，是否会加剧信息茧房效应和数字垄断？我们如何确保数据采集的伦理合规性，避免“数据贫富差距”对社会公平造成新的挑战？

【信息来源】

• 来源: 数据驱动智能、智源社区、东方财富证券研究所、上海交通大学、斯坦福大学以人为本人工智能研究院
• 链接:
  • https://mp.weixin.qq.com/s?__biz=MzIwOTIyMDE1NA==&mid=2247503500&idx=1&sn=2b270b6da68f496993c6de3528068833&chksm=964c2c4d94b9d876c216a24b8683fc805351f7d65d4745bcbdc142f330e710cfc986d7030987&scene=0&xtrack=1#rd
  • https://zhuanlan.zhihu.com/p/1934507418538206599
  • https://pdf.dfcfw.com/pdf/H3_AP202404191630645407_1.pdf?1713535861000.pdf
  • https://www.acem.sjtu.edu.cn/ueditor/jsp/upload/file/20250427/1745731689854071357.pdf
  • https://hai.stanford.edu/assets/files/hai_ai_index_report_2025_chinese_version_061325.pdf

---

【结语】
今天，我们看到了AI告别蛮力时代、迈向精微重塑的清晰轨迹。从DeepMind的“世界智造”，到FastWan的“效率重塑”，再到Qwen GSPO对训练稳定性的极致追求，AI正以前所未有的速度和深度，渗透并定义着人类的“创造”与“认知”边界。然而，所有这些耀眼突破的背后，都指向一个被忽视的终极战场——对高质量、实时数据的极致掌控。这场由数据、效率和创造力共同驱动的范式革命，不仅仅是技术演进，更是对“智能本质”的重新定义。未来，谁能更有效地捕获、管理和利用世界的瞬息万变，谁就能在AI新纪元中执掌乾坤。