MIT 科技评论 - 本周热榜

100亿美元押注AI：红杉换帅后，寻找“白天鹅”

DeepTech深科技 — Tue, 11 Aug 2026 09:31:52 GMT

2026 年 8 月，红杉资本（Sequoia Capital）宣布在成长策略基金和扩张策略基金中合计募得约 100 亿美元，成为这家机构成立 54 年来最大的募资规模之一。

借此机会，红杉两位新任掌舵人林君睿（Alfred Lin）和帕特·格雷迪（Pat Grady）接受了彭博社专访。这是他们自 2025 年 11 月接手以来，首次以“共同守护者”（co-stewards）身份合体亮相。

不到半小时的对话里，两人从红杉的合伙人文化聊起，讲到如何推动更灵活的投资决策方式，用 SpaceX 的往事阐释了“信念高于共识”的团队理念，坦承错过 Anthropic 多年后如何补仓。

最后他们释出一个相当乐观的判断：今天的市场行情不是危机重重的“黑天鹅”，而是随时会出现新机会的“白天鹅”。

一次引燃硅谷的动荡

过去一年，红杉经历了仓皇的领导层更替，而这源自一场前所未有的 LP 信任危机。

2025 年 11 月 4 日，罗洛夫·博塔（Roelof Botha）宣布卸任红杉资本的高级守护者，转任合伙关系顾问。这位南非裔老将于 2003 年加入红杉，2022 年中接任全球最高领导人。

表面看，这只是一次标准的代际交棒，但罗洛夫也是红杉内部任期最短的最高负责人。《福布斯》（Forbes）分析指出，他离开的背景是，“两年动荡”考验了这家机构的文化、公信力和内部凝聚力。

直接导火索则要回到那年 7 月。当时，红杉合伙人肖恩·马奎尔（Shaun Maguire）在 X 平台发帖，称一位纽约市市长候选人“来自一个凡事都撒谎的文化”，并称其在推进“伊斯兰主义议程”，该言论迅速引爆科技圈。

（来源：X@ shaunmaguire）

后续，超过 1,100 名硅谷创始人和科技从业者签署公开信，要求红杉公开谴责肖恩的言论、正式道歉，并对其过去两年的行为进行独立调查，其中还有多家红杉投资组合公司的创始人。

红杉方面则称“不评论人事问题”。据报道，罗洛夫在内部坚持“制度中立”的立场，捍卫合伙人的“言论自由权”，拒绝正式道歉。一个月后，红杉的女性穆斯林 COO 苏梅娅·巴尔巴莱（Sumaiya Balbale）宣布辞职。

作为红杉的关键 LP，海湾地区多家主权基金此前将“品格”和“包容性”作为投资准则的一部分，他们开始对红杉的沉默表达不满，红杉自此陷入道德立场和商业利益之间的进退两难境地。

这并不是罗洛夫任内面临的唯一危机：总计 2.14 亿美元的资产减记、中国和印度业务被迫拆分、与前合伙人迈克尔·莫里茨（Michael Moritz）就 Klarna 董事席位的公开争执，都不断消耗着他的信任资本。红杉此前被视为最有纪律的合伙关系，逐渐暴露出内部裂痕。

“投资决策不需要共识”

罗洛夫卸任后，林君睿和帕特接棒。两人分别在红杉工作了 15 年和 19 年。他们上任第一件事，是给全公司发出一封题为《我们的红杉》（Our Sequoia）的内部信。信里写了一些相当朴素的运行准则：公司高于任何个人；照顾好创始人，创始人会照顾好 LP；影响力应源于专业知识而非资历。

两人废除了红杉几十年来周一晨会决策投资的惯例。如今，任何合伙人可在任何时间通过任何方式发起讨论。帕特在访谈中讲述了一个细节：几天前，六位合伙人收到一封推荐投资的邮件，随即临时分乘五架不同的红眼航班飞往纽约，第二天上午谈了两小时，下午就签下投资意向书。

投票机制也变了。红杉的投资决策不再需要共识，一个被多数人反对的合伙人，只要自己的判断足够坚定，就可以推动交易。红杉内部数据显示，从 2014 年至今，共识投资和争议投资的回报之间没有显著差异。

他们用 2019 年投资 SpaceX 来诠释这一原则。当时，软件还是 VC 世界的绝对主流，Salesforce 的市值大致等于特斯拉（Tesla）和英伟达（Nvidia）之和。刚加入红杉早期投资团队的肖恩提出，要以 200 亿美元估值投资一家火箭公司。其他合伙人给这个提案的评分是 1 分（满分 10 分）。但肖恩打了 10 分。最终红杉投了，这也成为他们回报最高的投资之一。

帕特在讲述中不吝对肖恩的赞美，甚至详细讲述后者的人生经历：高中时是全美排名前列的电竞职业选手，高中就开始做日内交易，后来拿到物理学博士学位。加入红杉后，肖恩主导推动公司进入硬件、太空投资，甚至加密货币领域。

但当主持人紧接着追问他去年引发的社交媒体争议时，帕特表示，“我们对价值观和原则要求严格。只要我们相信合伙人的行为动机是好的，符合我们对所有合伙人期待的卓越标准的，是否同意具体的输出，其实并不那么重要。”

林君睿在旁边补充了一个概念，叫“软弱的发起人”（wimpy sponsor），这是他们内部总结的 40~50 种投资失败模式之一：“你说你喜欢一个机会，然后被人反对一次就退缩了。你可能根本没那么喜欢它。真正喜欢的话，你一定会继续推，继续推。”

这些表态的意义已经不言自明，他们将肖恩的言论和他在谈判桌上的坚持定义为“勇气”的两面。要求追究舆论影响，就相当于要消灭后者可能产生的巨大回报。

25 亿美元的补仓，和一份被重写的原则

作为近期金额最大、最能反映红杉变化的一笔交易，在访谈中，对于红杉错过 Anthropic 早期阶段的原因，林君睿和帕特给出的回应是“避嫌”：“我们已经投了 OpenAI，觉得不能同时投两个直接竞争对手。”

多方信源表示，罗洛夫任内拒绝加注 Anthropic 的核心理由之一是“集中度风险”，担心红杉在 AI 赛道中暴露过度，破坏投资组合的多元化。这在传统风投的风险管理逻辑里是完全合理的判断。

回避竞争投资并非临时借口。2020 年，红杉刚刚领投支付基础设施公司 Finix，几周后便因其可能与被投企业 Stripe 直接竞争而退出，这是红杉第一次因利益冲突与一家刚完成投资的公司解除关系。

但对于 Anthropic，红杉团队向被投企业创始人询问实际使用情况，得到的反馈是，OpenAI 和 Anthropic 经常在企业技术栈中并存，承担不同任务。

2026 年 2 月，Anthropic 公布 300 亿美元 G 轮融资，红杉参投。三个月后，Anthropic 再次启动规模更大的 H 轮融资，红杉开始讨论一张远超常规风投尺度的支票。

访谈中，二人讲述了这次押注背后的更多细节：另一位合伙人索尼娅·黄（Sonya Huang）和林君睿最初建议投入 10 亿美元。帕特直接加到 50 亿美元，逼迫团队正面回答，他们究竟有多相信 Anthropic。最终，他们敲定了 25 亿美元的投资金额。

2026 年 5 月，Anthropic 宣布完成 650 亿美元 H 轮融资，由红杉与另外三家投资机构共同领投。帕特解释称：“在一个完美的世界里，我们本应多年前就投资 Anthropic。”但现实没有“如果”：“现在能做的最好选择，就是以我们能调动的最大规模进入。”

Anthropic 的投后估值在三个多月内从 3,800 亿美元升至 9,650 亿美元，红杉的账面收益很快显现。当然，经营层面的验证还远未结束，最终回报仍取决于 Anthropic 能否把高速增长转化为可持续现金流。

前沿模型的融资逐渐变为一场跨越风投、主权基金、对冲基金和大型科技公司的资本工程，这促使红杉必须打破“同一赛道只能选一个赢家”的边界判断，同时投资 OpenAI、xAI 和 Anthropic 三家巨头。

红杉募集这轮基金的最大不同，还在于他们以此深度布局 AI 基础设施的规划。

在半导体领域，7 月 23 日，AI 推理芯片公司 Etched 完成 3 亿美元 C 轮融资，估值 103 亿美元，红杉领投。Etched 的核心产品是一款名为 Sohu 的 Transformer 架构芯片，据公司公开的基准测试数据，该芯片推理的速度是英伟达 H100 的 20 倍，功耗不足后者的一半。

这笔投资背后的故事是，红杉早期曾拒绝过 Etched 的创始人，三年之后，红杉以历史最高的 C 轮估值把他们重新买了回来。要知道，红杉上一次大规模进入半导体领域，是 1993 年投资英伟达。负责这场交易的索尼娅曾直言：“如果你五年前在红杉想推一个芯片投资，只能祝你好运。”

（来源：Sequoia Capital）

8 月 3 日，核能初创公司 Valar Atomics 宣布完成 10 亿美元 B 轮融资，红杉领投。值得注意的是，帕特曾认为肖恩给这家公司投 3 亿美元风险过大，只支持 2,500 万美元。直到团队飞去犹他州的沙漠里参观了整整一天。回来后，帕特决定投 1 亿，但在肖恩的坚持下，最终还是敲定投出 3 亿美元。帕特的看法和索尼娅类似：“放在一年前，这件事根本不可能在红杉发生。”

AI 需要算力，算力需要芯片，芯片需要能源，不难看出，红杉正在对链条上的每一环节下注，甚至不惜高价捡回曾经拒绝参与的项目。

“白天鹅”的阴暗面

访谈的最后，主持人问帕特：如果你今天要写一份备忘录，标题会是什么？

“白天鹅（White Swan）。”他如是说。帕特认为，市场对 AI 的悲观情绪与事实存在严重错位。“我们同时处在三个构造板块位移中：AI 本身、硬件和半导体、美国再工业化。这三件事叠加，未来非常光明。”

对照现实，这个判断自然有其依据：Anthropic 的收入曲线相当陡峭，远超 Palantir、Snowflake、CrowdStrike 等十家新一代软件公司的收入总和；Etched 手握 10 亿美元订单合同；Valar 的反应堆已经开始在现实中驱动英伟达的芯片。

晦暗不明的一面也在显现：OpenAI、SpaceX 都还在亏钱，红杉大手笔补票的 Anthropic 预计要到 2028 年才能实现正向现金流；另外，Etched 仍承担着专用 AI 芯片固有的架构风险：如果模型计算范式快速迁移，其针对当前主流工作负载进行的硬件优化可能迅速失去优势；Valar 的反应堆距离真正落地，还要从美国能源部（DOE）试验项目转入美国核管理委员会（NRC）商业许可体系，这是一条耗时、昂贵且几乎从未有过先例的路径。

在巨额资本涌入但盈利模型尚未跑通的当下，红杉自然不是这个方向上唯一的下注者：Founders Fund 刚募了 60 亿、Khosla Ventures 正在寻求新一轮 55 亿美元基金、Kleiner Perkins 募了 35 亿，AI 成为共同的核心主题，自此，“信念”和“从众”的界线开始变得模糊。

（来源：YouTube）

红杉的战略调整不只对外产生影响。过去一年里，他们进行了一次真正意义上的自我改造，放弃旧红杉引以为傲的一些原则，换取新红杉在 AI 时代的反应速度和下注规模。

至于这个交换是否值得，将取决于 AI 的前景是否真的“一片光明”。对此，林君睿笑着说：“我们必须永远愿意冒着让整个机构陷入险境的风险，否则我们就不配再叫红杉了。”

参考内容：

https://www.bloomberg.com/news/articles/2026-08-05/sequoia-aims-10-billion-at-ai-reindustrialization

https://www.youtube.com/watch?v=OybfqKh4GqQ

https://thenextweb.com/news/sequoia-capital-is-putting-10bn-behind-ai-and-reindustrialization

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成

改写纳米光学底层逻辑！MIT学者搭建通用可重构光子平台

胡巍巍 — Tue, 11 Aug 2026 02:36:28 GMT

不久前，唐皓凝入选“35 岁以下科技创新 35 人” 中国区新一届入选者名单，她现在是美国麻省理工学院（MIT）的助理教授。

从香港科技大学到哈佛大学，再到 MIT，她的科研方向也是在不断探索中逐渐形成的。进入香港科技大学之后，她开始在不同科研实验室轮转，先后接触光学、材料、电子这些方向，这让她觉得做实验还挺有意思的。那时她没想过自己会一直做下去，只是觉得眼前的问题值得花时间解决。

让她决定投入科研的，从一个具体的问题开始。

许多传统纳米光学器件的功能，在加工完成后就基本由材料和几何结构决定，因此其共振、相位、偏振和波前响应往往也被预先设定。可重构光子学希望突破这种由加工结构预先定义功能的工作方式。唐皓凝选择从机械自由度入手：把 MEMS 与纳米光子结构集成，使纳米级位移和转动本身成为可以连续、可逆控制的光学参数。

她构建的是一个可以相对运动的双层纳米光子系统：两层结构之间保留纳米级间隙，并由 MEMS 连续调节层间距和扭转角。随着几何构型改变，层间电磁耦合、系统对称性以及光学本征模式都会随之重构，共振频率、辐射损耗和光场分布也可以发生显著变化。在这一平台中，机械自由度不仅承担结构调节的作用，也被用作直接控制光学态的可编程变量。

这一思路真正困难的地方，不只是“让结构动起来”，而是把机械运动变成一个可定量、可重复、可预测的科学变量。纳米光学对几何误差极其敏感，几纳米的位移或很小的转角就可能显著改变光学响应，因此需要同时解决层间平行度、对准误差、机械漂移、多自由度耦合和光学标定等问题，并在微型化器件中保持稳定性。她和当时所在团队花了很长时间把这些机械和光学自由度真正校准到一起，使平台能够用于可重复的物理测量。

2024 年，她和合作者在《自然·光子学》上发表了一篇论文，他们把光谱仪和偏振仪的功能集成到了同一个器件里面。背后原理是这样的：不同波长、不同偏振的光在器件上会产生不一样的响应，这些响应就像是一组组编码。在测量这些编码信号之后，通过计算就能反推出来入射光的光谱和偏振信息。整个过程只需在同一个集成电路上完成，完全不需要额外的大型设备。

在她的工作中，扭转角并不是一个在样品制备后固定不变的参数，而是可以在器件运行过程中连续、原位调节的动态变量。通过控制这一自由度，同一个器件可以系统研究不同几何构型下的对称性、耦合和光学模式演化。通过扫描扭转角，同一个器件可以跨越不同的对称性和耦合状态，从而系统研究光学模式如何随几何构型演化。

因此，她更愿意把这项工作看作一种基础研究平台，而不只是某一种具体器件。它允许研究者在同一个样品上连续扫描几何构型，研究模态杂化、对称性变化、辐射耦合和非线性响应等基本物理问题；这一思路也可以进一步与二维材料结合，通过可控机械构型研究材料的光学、力学以及光–物质相互作用。

她认为，从基础研究中的新发现到真正形成成熟的技术和产品，往往需要较长的时间。因此，她目前的目标是先把基础问题研究清楚。

未来在 MIT，她希望进一步发展 MEMS 集成的平面光学平台，从单一可调器件走向具有多个可独立控制自由度的可编程光子架构。她关心的不只是调节一个共振峰，而是能否在同一芯片上重构光的频率、相位、偏振、传播方向和空间模式，并把这些自由度用于高维光场调控、非线性光学和智能光子系统。她希望最终让光子系统像集成电路一样，不仅能够被制造出来，也能够在制造之后被持续配置。

要做到这一点，关键挑战是把机械自由度真正变成可规模化的控制变量：不同自由度之间需要保持低串扰，光学状态需要具有可重复性和可校准性，大量可调单元还需要稳定的寻址、读取和闭环控制。随着系统规模扩大，器件良率、控制带宽、光学效率以及与封装和测试流程的兼容性都会成为同等重要的问题。

她同时把 AI 看作高维光子系统中的一种工具。对于包含大量几何和控制参数的纳米光子系统，机器学习和逆向设计可以用于加速参数搜索、建立近似模型以及辅助系统标定；但最终的设计仍需满足电磁、机械和制造约束，并经实验验证。对她而言，AI 的价值在于扩大可探索的设计空间。

对于想进入科研的年轻人，她的建议是找到让自己感兴趣的问题。她自己做的工作横跨光学、力学、材料、制造，没有人一开始就能掌握所有内容。但如果对一个问题本身非常感兴趣，就会自发地学习新知识，研究时也会更有耐心。对她来说，真正重要的是对问题本身保持兴趣，并有耐心把它一步步研究清楚。

集成光子学过去几十年的一个重要方向，是把越来越多的光学功能压缩到芯片尺度；但高度集成并不自动意味着可编程。许多器件的功能仍由制造时的几何结构决定，一个器件通常围绕预设的工作点优化。她关注的问题之一，是能否像电子系统通过改变内部状态重构功能一样，让光子器件也拥有可寻址、可重构的内部自由度，而机械位移提供了一种直接改变光学边界条件和耦合关系的方式。

因此，挑战不只是单个 MEMS 结构是否能够运动，而是光学、机械、电子和控制能否在同一平台上协同工作。系统需要在有限的机械行程下获得足够大的光学响应，同时兼顾稳定性、重复性、速度和功耗；在扩展到多单元之后，还要面对制造偏差、串扰、漂移和标定等问题。

对她来说，下一步的关键是从“单个可调器件”走向“可编程光子系统”：建立多个可调单元之间的系统级架构，定义可重复的光学状态，并通过反馈和校准保持长期稳定。如果这些问题能够解决，在她设想的平台中，MEMS 不仅可以作为微型执行器，也可以承担连接纳米光子器件与可编程控制之间的硬件接口。

同时，她表示自己的每一步都不是照着某个规划走的，只是觉得正在做的事情有意思。这种有意思的感觉来自实验里出现的新现象，也来自理论和实验对不上的时候产生的困惑，更来自把一个模糊的想法一步步变成可操作方案的满足感。

这些年她一直在做的，其实是把机械构型本身变成纳米光子系统的状态变量：用微纳机械运动改变电磁边界条件，再把这种变化映射为可测量、可控制的光学响应。这使她的工作天然跨越光学、力学、材料和微纳制造，也决定了她未来更关注的是这些领域交叉之后能够产生怎样的新物理和新系统。

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成

AI预测台风精度或大幅提升，谷歌天气预测模型登上Nature并开源

DeepTech深科技 — Mon, 10 Aug 2026 14:28:26 GMT

根据世界气象组织（WMO）数据，过去 50 年间，热带气旋相关灾害已造成全球约 77.9 万人死亡，造成经济损失达 1.4 万亿美元。作为仅次于地震的第二大危险自然灾害，台风等热带气旋长期威胁沿海地区生命安全与经济活动。

因此，更早、更准确地判断台风的移动路径、强度变化和风圈范围，对于识别潜在风险区域、做好预警和应急决策至关重要。

8 月 6 日，谷歌 DeepMind、Google Research 与美国国家飓风中心等机构的研究人员在 Nature 发表论文，公布面向热带气旋业务预报的 AI 模型 WeatherNext Cyclones。论文显示，该模型可针对全球热带气旋生成最长 15 天的天气和气旋情景，并预测路径、强度及风圈半径。

值得注意的是，WeatherNext 在路径、强度和风圈半径等预测任务上，平均可提前一天或更多时间达到与现有模型相当的准确水平。换言之，该模型能够在更早时间提供更精确的预测结果，为预警和决策争取更多准备时间。

一直以来，台风预报领域都面临路径预测与强度预测难以兼顾的问题。其中，台风路径主要受到大尺度大气环流影响，全球天气模型通常具有较强预测能力；但强度变化更多取决于台风核心区域的海气相互作用、对流活动等局地过程，往往需要更高分辨率的区域模型参与预报。

区别于传统路径预测，此次公开的 WeatherNext 模型能够在同一套全球 AI 模型中同时预测台风路径、强度和风结构。该模型会生成多种可能的未来情景，并据此评估台风移动路径、强风影响范围以及不同强度等级出现的概率，从而更全面反映预测中的不确定性。

除论文发表外，研究团队还公开了 WeatherNext 2 与 WeatherNext Cyclones 的代码和预训练权重，并提供计算需求更低的轻量版本，便于研究人员、气象机构和开发者进行复现与进一步适配。不过，研究团队也强调，这些模型目前仍属于实验性研究工具，不能替代气象机构发布的正式预警信息。

（来源：Nature）

双重数据训练，提升预测能力

研究团队认为，热带气旋的发展既受到全球大气环境影响，也取决于风暴自身演变过程。为此，研究团队将两类数据共同用于训练：全球天气分析数据帮助模型识别影响台风移动和发展的环境条件，历史热带气旋资料则用于学习不同环境下台风路径、强度及风圈范围的变化规律。

第一类数据来自欧洲中期天气预报中心（ECMWF）的 ERA5 再分析数据。研究团队使用了 1979 年至 2018 年间的全球天气资料，该数据融合卫星、地面观测等多源历史信息，包含不同气压层的温度、湿度、风场、位势高度等变量。

第二类数据来自全球热带气旋最佳路径资料库 IBTrACS，汇集多家气象机构的历史记录，包括气旋中心位置、最大持续风速以及不同风速阈值下的风圈半径等信息。

在此基础上，WeatherNext 通过端到端训练近 20TB 的全球大气数据和涵盖近 5,000 场历史风暴的数据库，使模型能够学习复杂的大气演变规律，并模拟热带气旋在不同环境条件下的发展过程。

在过去，传统天气预报通常先给出一个最可能的发展结果，但真实的大气系统充满不确定性，微小的初始变化也可能导致风暴未来路径和强度出现明显差异。

WeatherNext 则在预测全球天气状态的同时，直接输出台风位置、强度和风圈范围等信息，将大气环境变化与台风演变过程纳入同一次预测，使预测结果从单一路径判断转向对多种可能情景的综合模拟。

论文显示，该模型能够生成覆盖未来 15 天的全球天气和气旋情景，并支持最高 1,000 个成员规模的集合预测。具体而言，模型通过连续读取两个时刻的全球天气状态，以 6 小时为一步向前推演，最终生成未来多种可能的发展路径。

同样的准确性，预测提前整整一天

那么，新的训练模式是否真的让 WeatherNext 超越现有气象系统？

为了回答这一问题，研究团队使用 2023 年至 2025 年的热带气旋数据，对 WeatherNext Cyclones 进行系统评估，并将其与当前领先的业务气象模型进行比较。对比模型包括欧洲中期天气预报中心集合预报系统 ENS、高分辨率台风模型 HAFS，以及此前的 AI 天气模型 GenCast。

评估主要围绕三个方面展开：一是路径预测，即模型预测的台风中心位置与实际路径之间的偏差；二是强度预测，即预测的最大持续风速等指标与实际情况的差距；三是风圈预测，即模型对不同强度风力影响范围的判断是否准确。此外，研究团队还评估了模型预测结果的不确定性是否与实际发展情况相匹配。

为保证不同模型之间的比较公平，研究团队设置了统一的筛选标准。这意味着，只有当实际发生的系统属于热带或副热带气旋，且参与比较的模型均成功识别该气旋时，这次预测结果才会被纳入统计。

图｜WeatherNext 与不同气象预测模型的对比情况（来源：DeepMind）

结果显示，在路径、强度和风圈半径预测中，WeatherNext 平均能够比现有模型提前一天甚至更早达到相近准确水平。研究团队通过统计检验确认，其相较 ENS、HAFS 和 GenCast 的部分优势具有稳定性，并非单次预测中的偶然结果。

与此同时，团队将 WeatherNext 的表现与传统业务模型过去十年的进步幅度进行了比较。研究发现，ENS 在十年间约提升了 22 小时的有效预报提前量，而 WeatherNext 相比 ENS 又增加了约 27 小时，意味着 AI 模型在较短时间内达到了传统模型多年改进带来的提升幅度。

WN-C 的强度预测能力也超过了专门针对飓风设计的高分辨率区域模型 HAFS。此前，全球 AI 天气模型主要擅长预测大尺度天气变化，而在台风核心区域的强度演变预测上，通常不如高分辨率区域模型。

不过，WeatherNext 的目标并非取代现有预报体系，而是作为新的预测工具参与业务流程。研究团队发现，将其结果与现有模型进行融合后，可以进一步提高整体预报表现。

对台风预报而言，这项研究表明全球 AI 天气模型已经具备同时预测路径、强度和风圈等关键信息的能力。若未来在更多气旋季节和不同海域中得到验证，AI 或将帮助预报系统更早识别风险，并提供更多可能的发展情景。

参考资料：

1.https://www.nature.com/articles/s41586-026-10953-2

2.media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-10953-2/MediaObjects/41586_2026_10953_MOESM1_ESM.pdf

3.https://github.com/google-deepmind/weathernext

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成

把猪基因写进生菜里，科学家让植物长出肉类关键蛋白

刘雅坤 — Mon, 10 Aug 2026 12:40:27 GMT

科学家在生菜和烟草中，“种”出了肉类的关键蛋白！

近期，英国帝国理工学院等团队利用基因工程技术，将猪肌红蛋白基因导入生菜和烟草的叶绿体基因组，让植物叶绿体生产出原本存在于猪肌肉中的动物源肌红蛋白（Mb）。其中，烟草中的肌红蛋白积累量达到总可溶性蛋白的约 2.7%，生菜达到约 1.5%。

肌红蛋白是决定肉类颜色、风味和营养特征的关键蛋白之一。它不仅参与氧气结合，也携带血红素铁，并对肉类特有的鲜味、金属味以及红色外观产生影响。因此，如果替代肉想更接近真正的肉，需要解决的问题不只是如何复制肌肉纤维的质地，还包括如何获得这些真正赋予肉类特征的动物蛋白。

在以往的研究中，这类蛋白更多依赖微生物发酵生产。而这项提出了另一种思路：不一定要建更大的发酵罐，也可以直接把植物变成生产动物蛋白的生物工厂。研究结果显示，转基因植物能够正常生长和繁殖；而在进一步测试的烟草中，肌红蛋白的表达也未对主要光合作用指标造成显著影响。

该技术有望以更低资源消耗生产肉类关键成分，减少畜牧业环境负担。相关论文发表在 Frontiers in Plant Science[1]。“我们的研究首次证明，高等植物可以稳定地产生肌红蛋白，”该论文第一作者、伦敦帝国理工学院植物生物技术研究员 Alexia Groff 告诉媒体。

图丨相关论文（来源：Frontiers in Plant Science）

生菜里，真的长出了肉的蛋白

想要理解这项研究，我们首先需要了解下肌红蛋白的重要性。以牛排为例，它之所以是红色的，很大程度上与肌红蛋白密切相关。氧与肌红蛋白结合时会形成氧合肌红蛋白，使肉呈现鲜红色；没有氧结合时形成脱氧肌红蛋白，肉则呈现紫红色。

但颜色只是其中一部分。实际上，肌红蛋白携带的血红素铁比植物中常见的非血红素铁更容易被人体吸收。与此同时，肌红蛋白还参与塑造肉类的鲜味和所谓的“金属味”。

（来源：Frontiers in Plant Science）

此前，要想实现直接生产动物肌红蛋白，主要依赖大肠杆菌、酵母等微生物系统；也有研究人员曾尝试利用植物进行瞬时表达，但尚未在高等植物中实现稳定生产。在此次研究中，该团队选择了另一条路线——直接将猪肌红蛋白基因稳定整合进植物叶绿体基因组。

研究人员分别将经过密码子优化的猪肌红蛋白基因导入烟草和生菜叶绿体，并通过基因枪将携带 DNA 的金微粒轰击进入叶片细胞。经过反复筛选和植物再生之后，研究人员最终获得了叶绿体基因组稳定转化的植物。

结果进一步显示，外源基因已经稳定整合到叶绿体基因组。更关键的是，这些植物能够正常开花、产生种子，其后代依然保持相应遗传特征。换句话说，这不是在一批植物中暂时制造肌红蛋白，而是在一定程度上将生产肌红蛋白的能力迁移到了植物的叶绿体基因组。

为什么偏偏要把动物蛋白放进叶绿体？

这项研究最值得关注的地方，其实不只是植物能生产动物蛋白，而是研究人员选择了叶绿体作为生产车间。更关键的是，叶绿体本身也是植物血红素生物合成的重要场所。

植物中的血红素和叶绿素共享四吡咯生物合成途径。从理论层面看，将一种需要血红素才能发挥功能的蛋白直接放到叶绿体内部生产，有一个天然优势：蛋白和它所需要的辅基处于同一个生化环境中。

实验结果也印证了叶绿体表达的潜力。研究人员检测发现，转质体烟草中的猪肌红蛋白约占总可溶性蛋白的 2.8%，独立重复实验得到约 2.6%，因此论文给出的平均估算值约为 2.7%；生菜则达到约 1.5%。相比之下，莱茵衣藻中的牛肌红蛋白低于 0.25%。

（来源：Frontiers in Plant Science）

此外，研究团队还专门将叶绿体表达与传统的核表达进行了比较。结果显示，在分析的 37 株核转化植物中，肌红蛋白积累量始终低于叶绿体表达，差距至少达到 3 倍。

也就是说，至少在这项研究测试的烟草体系中，叶绿体不仅能够稳定生产肌红蛋白，表达量也明显高于两种核基因组表达方案。按鲜重计算，烟草中的肌红蛋白产量约为 94±12 mg/kg，生菜约为 48±2.6 mg/kg；如果按干重计算，二者分别达到约 800±110 mg/kg 和 810±60 mg/kg。

生菜在这里尤其值得关注。一直以来，烟草是植物分子农业中常用的模式植物，但它并不是食品。生菜则不同，它本身是可食用的作物。

这意味着，如果未来能够进一步提高表达量和蛋白功能，生产出来的蛋白未必一定要经历复杂的纯化流程，理论上有可能直接将富含目标蛋白的植物生物质加入食品体系。这也是植物生产系统相较传统发酵体系，具有显著不同的想象空间之一。

蛋白有了，血红素没跟上

那么，植物生产出的蛋白，能够等同于真正肉类中的肌红蛋白吗？要弄清这点，需要确认其是否具备相关功能。

肌红蛋白要发挥作用，必须把血红素装进去。没有结合血红素的肌红蛋白被称为脱辅基肌红蛋白（apo-Mb）；只有结合血红素、形成含血红素的完整肌红蛋白（holo-Mb）后，才能真正发挥氧结合等功能，并进一步影响肉类的颜色、营养和风味特征。

因此，研究人员进一步从烟草中纯化了猪肌红蛋白。质谱结果显示，植物生产出的肌红蛋白主体结构基本正确，也几乎没有发现明显的氧化损伤。圆二色谱结果进一步证明，这些蛋白形成了肌红蛋白典型的 α 螺旋结构。

真正的瓶颈出现在血红素。研究人员在实验检测中发现，烟草生产出的肌红蛋白中，只有大约 35% 与血红素结合。作为对照，同一研究中使用大肠杆菌生产的肌红蛋白，血红素结合率达到约 80%。

更有意思的是，研究人员发现，表达肌红蛋白的烟草叶片中，总血红素水平大约提高了一倍。也就是说，当叶绿体开始大量生产一个需要血红素的外源蛋白后，植物自身的代谢网络也随之增加了血红素供应。

但这种补偿仍然不够。据研究人员推测，大量表达外源血红素蛋白可能已经超过了植物自身血红素生物合成系统的能力。此外，血红素和叶绿素共享部分合成前体，二者之间或存在竞争；血红素插入脱辅基肌红蛋白的效率，也可能成为新的限制环节。

正是这些因素，让研究人员下一步的优化目标变得更明确：未来需要解决的，已经不只是怎样表达更多肌红蛋白，而是怎样让植物同时生产足够多的血红素，并把它高效装进肌红蛋白里。

研究团队提出了一些可能的方法，例如提高亚铁螯合酶 1（FC1）的表达，或补充 5-氨基乙酰丙酸（ALA）等血红素前体，从而增加四吡咯代谢通量。

也需要看到的是，这项技术距离量产还存在距离，动物肌肉中的肌红蛋白积累水平目前仍大约比植物体系高出 10 倍。此外，转基因食用作物可能还需要食品安全审批。

同时，目前的结果还不能完全证明植物生产的肌红蛋白已经具备与天然肉类肌红蛋白完全相同的功能。针对这一点，研究团队也在研究中明确提出，未来还需要进一步测试其配体结合、氧化还原特性，以及真正放入食品体系后的颜色和风味表现。

过去，想实现替代肉更多是在想办法用植物“模仿”肉；这项研究提供了另一种可能：不只是让植物变得更像肉，而是直接让植物生产原本属于动物肌肉的关键成分。

参考资料：

1.https://doi.org/10.3389/fpls.2026.1876707

2.https://www.sciencealert.com/a-key-meat-protein-has-been-grown-in-lettuce-for-the-first-time

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成

核聚变能不能成为下一门万亿生意？

麻省理工科技评论 — Mon, 10 Aug 2026 10:49:56 GMT

（来源：MIT News）

过去十年，科学家已经证明，核聚变在物理层面是可行的。接下来的问题是：它在经济上也能成立吗？

麻省理工学院教授丹尼斯·怀特（Dennis Whyte）和安德鲁·罗（Andrew W. Lo）参与的一项新研究，提出了一套评估核聚变商业可行性的框架。它既考虑维持可控核聚变所需的物理条件，也把建设一座能够在能源市场上参与竞争的聚变电站需要花多少钱纳入其中。

“到了这个规模，寻找资金、配置资金以及真正把钱花出去，都会成为问题的一部分。”论文共同作者、麻省理工学院核科学与工程教授怀特说，“这些问题对我们非常关键。我们必须认真研究经济账。如果希望这项技术真正进入全球经济体系，就必须开始正视这些现实问题。”

怀特表示，这篇论文希望建立一个统一框架，把所有经济因素摆到台面上，进而判断一座聚变电站究竟需要满足哪些条件，才有可能真正投入商业运行。核聚变利用的是恒星内部发生的同一种反应：让较轻的原子核融合并释放能量。由于聚变燃料通常需要处在等离子体状态，因此这一路线也常被称为等离子体聚变。研究人员通常利用强磁场约束等离子体，或者使用高功率激光触发聚变反应。

怀特认为，核聚变的目标不仅是产生大量能源，还希望在安全性、监管审批和选址等方面，为社会提供更有吸引力的选择。2022 年，美国加利福尼亚州劳伦斯利弗莫尔国家实验室的国家点火装置（National Ignition Facility，NIF）首次实现了聚变反应的净能量增益。近年来，风险投资也大量涌入核聚变领域。不过，要真正建成具备商业可行性的聚变电站，仍然面临大量技术和工程挑战。

“真正困难的是，如何把复杂的科学和工程要求转化成经济结果。”罗说，“但如果我们做不到这一点，就很难获得实现目标所需要的资金。”

怀特曾担任麻省理工学院核科学与工程系主任，以及等离子体科学与聚变中心主任。他还是麻省理工学院的衍生公司联邦聚变系统（Commonwealth Fusion Systems，CFS）的联合创始人。这家公司目前是全球核聚变产业中最受关注的企业之一。

怀特和罗还共同创办了咨询及投资顾问机构卢瑟福能源创投。目前，该机构正在与美国能源部橡树岭国家实验室合作，组建新的核聚变研究联盟。

怀特和罗提出的框架包含 10 个参数，用来评估一座核聚变电站是否具有经济可行性。其中一部分属于科学和物理层面，例如电站运行时需要消耗多少能量，又能够产生多少能量。但更多参数涉及工程和经济问题，例如电站建设成本。

这套框架的重要灵感来自上世纪 50 年代提出的“劳森判据”（Lawson Criterion）。劳森判据描述了温度、等离子体密度和能量约束时间需要满足怎样的组合，才能让聚变等离子体实现净能量增益，而不受装置具体功率和体积影响。其中一个重要指标是“等离子体 Q 值”，也就是聚变产生的功率，与维持等离子体所需外部输入功率之间的比值。

“劳森判据描述的是聚变等离子体在科学意义上能否实现能量增益，而我们的框架关注的则是一种‘经济 Q 值’，也就是获得的资本回报与投入资本之间的比值。”怀特解释道。

这套框架中的参数还涵盖聚变电站的多项工程特征，例如功率密度、把聚变能量转化成可出售产品的效率，以及能源转换设备的耐用程度。同时，它也会计算成本、市场价格和资本投入可能获得的回报。

简单来说，这套框架关注的是：一座真正的聚变电站，要满足什么条件才能实现正向经济回报。与等离子体 Q 值类似，研究人员提出的“经济 Q 值”需要大于 1，项目才具备最基本的商业可行性。

目前，研究人员已经探索了多种不同的聚变实现路线和等离子体约束方式。但怀特强调，这套框架并不偏向任何一种技术路线，因为核聚变最终都绕不开一个现实：你必须先花钱建设产生聚变能量的能力。与此同时，这些参数也不取决于反应堆究竟有多大。无论项目规模还是输出功率如何，都可以按照相同框架进行换算。

“聚变电站是大还是小并不重要。”罗说，“归根结底，赚到的钱必须比投入的钱更多。否则，它就不可能长期存在。”

怀特和罗表示，提出这套框架还有一个重要目的：提醒整个核聚变行业，必须尽可能严格地计算所有成本。科研人员通常非常清楚一次基础实验需要花多少钱，但估算一整座聚变反应堆的成本，则是完全不同的问题。随着核聚变逐渐走向产业化，行业领导者也越来越需要把注意力从单纯的技术指标，转向完整的工程和经济账。

这种需求正在变得越来越迫切，因为大量新资金正在进入核聚变产业。就在不久前，联邦聚变系统获得了新一轮约 10 亿美元融资。该公司计划在 2030 年代于美国弗吉尼亚州建成首座能够实际运行的聚变电站。

罗坦言，第一批商业核聚变反应堆的开发必然伴随着大量不确定性，也需要做出许多艰难选择。但如果第一批项目成功，核聚变产业可能会像能源、制造业以及其他技术行业一样，通过迭代不断降低成本，让后续电站越来越经济。

“这种‘边做边学’的规律，在所有深科技行业中都存在。”罗说。他以基因测序为例。如今，对一个人类基因组进行测序的成本，已经只有大约 25 年前的百万分之一。核聚变领域也会出现类似趋势，只不过成本下降的幅度未必会达到同样的程度。

长期以来，罗一直在研究如何为生物科技领域的科研成果建立更有效的融资机制。他近期还将在麻省理工学院的斯隆管理学院推出一项名为 CATAPULT 的教育项目，希望为不同学科的研究人员提供工具，帮助他们把科研突破真正转化成产品。

对于核聚变而言，罗认为，现在已经完全可以开始评估它的经济可行性了。建设一座商业核聚变电站，最终可能涉及成千上万个具体决策。但研究团队认为，这套框架能够提供一个统一的量化方法，把这些复杂的技术选择最终转化为可以比较的经济结果。

“当你拥有一个能够进行定量评估的框架时，就能直接知道，某一个具体设计选择究竟值多少钱。”怀特说，“在核聚变发展到今天这个阶段，我认为这极其重要。而这恰恰是我们此前一直缺少的东西。”

原文链接：

https://news.mit.edu/2026/mit-researchers-tackle-economic-realities-fusion-power-0810

为了开发癌症新药，科学家做了近700种肿瘤模型

麻省理工科技评论 — Sun, 09 Aug 2026 12:13:53 GMT

（来源：MIT News）

为了开发更精准的癌症靶向疗法，科学家首先需要一种足够接近真实肿瘤的实验模型：不仅要模拟癌细胞的形态，还要尽可能保留患者肿瘤原本的遗传和分子特征。如今，一个由麻省理工学院科赫综合癌症研究所（MIT Koch Institute）、布罗德研究所（Broad Institute）、丹娜-法伯癌症研究所（Dana-Farber Cancer Institute）、美国国家癌症研究所（NCI）等机构共同参与的国际团队，建立了近 700 种新的患者来源癌症模型。研究人员希望，这批模型能够为寻找新的药物靶点和开发抗癌药物提供更可靠的实验基础。

这些模型覆盖 25 种癌症，目前已经向全球癌症研究人员开放。相关研究发表于最新一期《自然》，参与机构超过 20 家。

这批模型来自一个持续十年的大型研究项目。该项目由美国国家癌症研究所资助，目标是扩大患者来源肿瘤模型的数量和种类。研究人员将其中大部分肿瘤细胞培养成了“类器官”（organoid）：一种可以长期存活的三维细胞培养物，能够较好地保留原始肿瘤的遗传和分子特征。

相比传统癌细胞系，这类模型能够覆盖更多癌症类型，也有望帮助研究人员发现新的药物靶点，并在实验室中测试潜在疗法。

论文资深作者之一、MIT 科赫研究所研究科学家杰西·博姆（Jesse Boehm）表示：“过去 20 年，随着人类基因组测序和癌症基因组研究的发展，我们已经提出了大量潜在的癌症治疗靶点。但要验证这些靶点，并真正启动药物研发，还需要相应的实验体系。”

人类癌症模型计划（Human Cancer Models Initiative，HCMI）于 2016 年启动。当时，“癌症基因组图谱”（The Cancer Genome Atlas）项目刚刚完成。这项大型计划通过分析癌症基因组，希望系统梳理推动癌症发生和发展的遗传变化。

在癌症基因组图谱项目中，研究人员对数千名患者的癌细胞样本进行了测序。结果显示，肿瘤的遗传差异远比此前使用的癌症模型更加复杂。当时，全球广泛使用的患者来源癌细胞系大约只有 1000 种，并不足以覆盖真实癌症的多样性。

“我们意识到，1000 种远远不够。”博姆说，“国际研究界需要投入资源，建立数以千计的新模型，才能覆盖不同癌种、不同基因型和不同族群。现有模型大多来自欧洲和东南亚患者，很多罕见癌症甚至完全没有相应模型。”

在美国国家癌症研究所和英国惠康基金会（Wellcome Trust）的支持下，来自数十家机构的数百名科学家参与了这一项目。他们负责收集患者样本，并尝试将肿瘤组织培养成可以长期用于实验的细胞系或类器官。

博姆说：“这是一个规模非常庞大的项目。这篇《自然》论文，可以说是过去十年工作的集中成果。”参与研究的医院一共收集了超过 2700 份肿瘤样本，所有患者都同意将自己的细胞用于科研。这些样本来自美国、英国和荷兰的多家医院。

论文主要作者之一、科赫研究所高通量科学平台（High Throughput Sciences，HTS）科学主任穆什里克·阿尔-贾兹拉维（Mushriq Al-Jazrawe）表示，如此大规模的资源库，离不开大量的基础工作。他说，“非常感谢各参与机构的技术和科研团队。正是他们细致而专业的工作，才把患者的肿瘤样本转化成经过充分验证的模型和数据，让世界各地的研究人员都能够放心使用。”

这些样本大部分来自肺癌、肝癌和胰腺癌等常见癌症，但研究人员也纳入了大约 150 种较为罕见的癌症类型，包括胆囊肿瘤和小肠肿瘤。为了让患者的肿瘤细胞能够在实验室里长期存活，研究人员开发了专门的培养方法。他们将细胞放入特制培养基中，并加入能够支撑细胞生长的支架材料，使其逐渐形成三维结构。

最终，大约三分之一的患者样本被成功培养成了可长期使用的模型。其中大部分新模型都是类器官。在某些情况下，它们可以比传统癌细胞系更接近原始组织的结构。

传统癌细胞系从 20 世纪 50 年代开始被广泛用于癌症研究，通常是在培养皿中铺成一层生长；类器官则不同，它们会形成三维细胞团，并嵌入类似凝胶的支撑材料中，因此能够更好地模拟真实组织的空间结构。

建立一个稳定的类器官或细胞系，有时需要长达一年。模型建立后，研究人员还会对其进行系统分析，确认它们的基因组序列、RNA 表达以及表观基因组变化，是否仍然与原始患者肿瘤高度一致。

HCMI 项目建立的所有模型，都被存入美国典型培养物保藏中心（American Type Culture Collection，ATCC），供科研机构获取和使用。每个模型还配有较为完整的患者信息，包括患者从父母那里遗传的基因突变，也就是生殖系突变，以及患者此前接受过哪些癌症治疗。

有了这样一套资源，科学家可以开展比过去规模更大的药物筛选实验。同日发表于《自然》的另一篇论文中，布罗德研究所团队对其中 300 多种新模型进行了高通量基因组测序和 RNA 测序，并对其中 100 多种模型开展了 CRISPR 功能缺失筛选。

简单来说，研究人员会逐一“关闭”某些基因，观察癌细胞因此受到什么影响。通过这种方式，他们能够找出每一种癌症模型赖以生存的关键基因，也就是癌细胞潜在的“软肋”。这些脆弱点未来可能成为新药的攻击目标。

相关结果已经被加入“癌症依赖图谱”（Cancer Dependency Map，DepMap）。目前，这一数据库已经收录超过 2000 种癌症模型的信息。与此同时，另一篇同期发表的《自然》论文中，英国桑格研究所（Sanger Institute）团队也对 HCMI 项目建立的另外 256 种类器官进行了系统分析。

尽管 HCMI 作为一个正式项目已经逐渐进入收尾阶段，研究人员仍希望继续从新的患者肿瘤样本中建立更多模型，尤其是目前覆盖不足的儿童癌症和罕见癌症。

博姆表示：“现在我们大约有 2000 个模型，但如果我们真的希望临床前研究能够代表所有癌症患者，那么还远远不够。我们需要邀请更多患者捐赠组织，把它们变成全世界研究人员都能使用的科研工具。我希望这不是结束，而只是一个开始。”

阿尔-贾兹拉维也认为，下一步的重要任务，是把 HCMI 十年来积累的方法和经验延续下去，尽可能从这些珍贵的患者组织中获得更多信息。

他表示，HTS 平台目前仍在继续开发新的研究方法，希望能够更加稳定、标准化地大规模研究患者来源的样本和模型，同时为临床团队与科研团队之间的合作提供基础设施。

原文链接：

https://news.mit.edu/2026/scientists-unveil-600-new-tissue-models-human-cancer-0805

全球首款可食用AI Chip来了

加洋 — Sun, 09 Aug 2026 12:10:58 GMT

这两年，科技行业最烧钱的赛道之一非 AI chips 莫属。英伟达坐庄，Google、Amazon、OpenAI 排队做自研芯片，Anthropic 最近也被曝出正在组建芯片团队。

但就在这些 AI 芯片正在比拼制程、带宽和算力时，在波兰库特诺的一条品客薯片生产线上，另一种可食用的 chip 已经从产能和现金回报中验证了 AI 的价值：产能提升 10%，损耗降低 13%，公司称前期投入回报率超过 40%。

为了得到这些数字，品客制造商 Kellanova 联合西门子花了约 4年时间，投入约 400 万至 500 万美元。他们先给薯片面团建立数字孪生，再沿生产线布置传感器，采集约 200 项实时数据，让 AI 在面团断裂、粘锅或者拖慢生产之前发出预警。

图丨在波兰库特诺的凯拉诺瓦生产线上，传感器正在分析品客薯片。（来源：西门子）

你平时吃罐装薯片还是袋装薯片更多？对于我们大部分人来说，这两者之间的差别可能仅限于包装方式和形状。但对于品客这些生产商来说，罐装薯片实际上要就比袋装的难生产很多。

每片罐装薯片的弧度、大小和厚度都要尽量一致，才能整齐地叠进圆筒；只要其中一项出现偏差，后面的油炸、输送和装罐就可能受到影响。

普通袋装薯片可以大小不一，边缘卷曲或调味不均通常不影响销售。但如果罐装薯片的形状、厚度和含水量稍有偏差，问题就会沿着生产线一路放大：面团可能在压制时断开，薯片可能粘在炸锅里，也可能在装罐时破碎。生产速度越快，小偏差造成的废料和停机时间就越多。

但食品原料又很难像工业零件那样保持稳定。面粉颗粒大小、马铃薯原料的含水量、淀粉和蛋白质水平，都会随产地、收成和批次变化。昨天运转顺畅的配方，换一批原料后未必还能得到同样的结果。

过去，工厂主要依赖熟练操作员应对这种变化。他们观察面团的颜色和状态，凭经验调整水、油和原料比例。经验依然有效，只是往往要等面团开始断裂、薯片粘住或者生产线停下来之后，工人才知道哪里出了问题。

因此，Kellanova 和西门子希望把判断的时间往前移。双方先在虚拟环境中重建面团及其生产过程，让工程师可以调整原料比例、温度和机器参数，观察面团经过混合、压制、油炸和装罐时可能发生的变化。真实生产中的一次试错可能意味着停线和废料，在数字孪生里，同样的测试可以反复进行。

这种数字孪生也不是建好后便不再变化的三维模型。生产线上的传感器、摄像头和检测设备不断向它输入真实数据，模型再根据新的原料和设备状态更新判断。工厂采集的信息包括面团湿度、面粉颗粒大小、蛋白质水平，以及油和水的比例等约 200 项指标。

部署在产线附近的边缘端 AI 模型会据此预测当前批次的面团状态，并向操作员推荐配方或设备调整。最终决定仍由人作出。AI 没有取代工人的经验，而是把散落在不同环节里的信号集中起来，让经验可以在问题出现之前发挥作用。

原本，操作员看到坏面团后才会停线检查；现在，系统可以在异常刚刚形成时提示原料或参数发生了变化。工人不必从整条生产线逐一排查，也不用等到一批薯片报废后再寻找原因。AI 在这里承担的工作很具体：缩短判断时间，减少试错次数。

西门子公布的结果显示，库特诺工厂的产能提升了 10%，损耗降低 13%，能源消耗减少 7%，而产能增长没有依赖新建生产线。对于一座已经高度自动化的工厂，这意味着同样的厂房和主要设备可以生产更多合格薯片，同时少扔掉一些面团、废罐和碎片。

约 500 万美元的前期投入依然不低，4 年开发周期也不算短。Kellanova 称，项目的投入回报率已经超过 40%，但没有公开具体的计算周期和口径。即使如此，产能、损耗和能耗都是能够直接进入工厂成本报表的数字，相比起生产式 AI 让“员工更高效”或者“决策更智能”的效果，显然要容易核算得多。

这类工业 AI 不需要回答开放问题，也不需要掌握人类全部知识。它只需要理解一团面团如何在特定机器、温度和湿度下发生变化。预测是否有效，很快就能从断裂率、停机时间、产量和废料中得到反馈。

它们也不像大模型，需要在训练阶段投入巨量资源。相比之下，更重要的是工程师需要先理解哪些变量影响面团，决定在哪里安装传感器，统一不同机器产生的数据，再把操作员多年积累的经验转化为可以验证的规则。AI 出现在项目的最后一段，前面是大量工艺建模、设备改造和数据整理。少了这些工作，200个数据点只会变成 200 组彼此无关的数字。

这一点决定了项目能否复制。Kellanova 在波兰、比利时和美国田纳西州的 3 座工厂每年生产约 7.05 亿磅品客，把库特诺的改善幅度推广到更多产线，收益将远高于一座工厂的节省。不过，不同工厂的设备、原料和工艺条件各不相同，数字孪生无法原样复制，模型仍需重新校准。目前公开资料主要披露了波兰项目的结果，跨工厂推广的成本和成效尚未公布。

2025 年 12 月，Kellanova 被玛氏收购，品客由此进入后者的全球零食业务。对于一家每年生产数亿磅薯片的公司，AI 的商业价值无需依靠一个面向消费者的新功能来证明。让同一条产线少停几次、多生产一些、少扔掉一批面团，已经足够。

参考资料：

1.https://www.wsj.com/tech/ai/inside-the-long-ai-powered-quest-to-perfect-pringle-making-ab37a231

图灵奖得主Judea Pearl：理解因果的模型才能走向AGI

张锦怡 — Sun, 09 Aug 2026 12:03:03 GMT

当前，人工智能领域存在两种不同的推理路径：一类以大型语言模型（LLM）为代表，通过海量文本学习事物之间的统计规律；另一类则基于因果模型，试图让机器进一步理解变量之间的因果关系，区分“相关”与“因果”，并回答“如果主动改变某个因素，结果是否会随之变化”这类问题。

近日，播客栏目 The Peterman Pod 主持人 Ryan Peterman 推出对 2011 年图灵奖得主 Judea Pearl 的深度访谈。近一个半小时的对话涵盖了 Pearl 的学术经历、贝叶斯网络的诞生、因果推理“三层阶梯”框架，以及他对于当前大模型路线、AGI 发展路径的看法。

图｜Ryan Peterman（左）和 Judea Pearl（右）（来源：Youtube）

作为贝叶斯网络和现代因果推理理论的奠基者，Pearl 曾推动人工智能从早期的符号逻辑系统走向概率推理，为机器处理不确定信息提供了重要理论基础。但如今，这位曾推动 AI 能力跃迁的科学家，却成为当前大语言模型路线最具影响力的批评者之一。

Pearl 对大模型的质疑，核心来自他长期发展的因果推理理论。2019 年，他在Communications of the ACM 上发表文章《The Seven Tools of Causal Inference with Reflections on Machine Learning》，系统阐述了因果推理在机器学习中的重要性。

在这篇文章中，Pearl 提出了著名的“因果阶梯”框架，将智能系统能够处理的问题分为三个层级：第一层是观察，即回答“发生了什么”；第二层是干预，即回答“如果改变某个因素，会发生什么”；第三层则是反事实，即回答“如果当初采取另一种选择，结果是否会不同”。

他认为，当前大多数机器学习系统主要停留在第一层，通过观察数据中的统计规律进行预测，但难以真正理解变量之间的因果关系，也无法可靠回答“如果改变某个条件，结果是否会发生变化”这类问题。这一观点也成为 Pearl 近年来批评纯数据驱动 AI 路线的重要依据。

在访谈中，针对 LLM 是否能够通往 AGI、机器是否需要具备自主探索能力等问题，Pearl 给出了明确判断。他认为，大模型确实能够生成大量看似具有因果逻辑的回答，但其中相当一部分能力来自训练数据中已经存在的人类知识、解释和推理过程，而不是模型自身通过与世界互动建立出的因果理解。

基于这一判断，Pearl 提出了他所设想的“因果 AI”路径：未来智能系统不应只依赖语言模型学习统计规律，而应将其与因果模型结合，使机器既能够从有限数据中提取模式，也能够进行干预推理和反事实模拟。

他以婴儿学习为例指出，人类智能并不是通过阅读大量文本形成的，而是在与真实环境互动、主动探索世界运行规律的过程中逐渐建立起来。因此，如果机器要获得更接近人类的通用智能，仅依靠互联网文本训练可能仍然存在根本性限制，未来的 AI 系统或许需要具备更强的环境交互和自主学习能力。

从棋类博弈到贝叶斯网络：仅靠概率为什么不行

今天以因果推理闻名的 Pearl，恰恰是从一套他后来认为“不够”的理论中走出来的。

在走向因果之前，Pearl 曾长期研究搜索、概率推理与贝叶斯网络，并一度相信概率足以刻画人类的推理方式。但随着贝叶斯网络逐渐成熟，他开始意识到概率的边界：它可以描述变量之间如何相关，却无法单独说明究竟什么是原因，什么是结果。

在 UCLA 的早期教学中，Pearl 将棋类博弈视为研究人类思维方式的理想场景。当时，棋类程序、八数码等搜索问题是人工智能研究的重要方向。

棋类程序通常需要在两种计算方式之间取舍：一种是依靠“静态评估函数”，根据当前局面的特征快速判断局势，例如是否控制中心、子力是否占优；另一种则是继续向前搜索，沿着博弈树推演未来可能出现的局面，再决定当前应该采取的行动。

Pearl 将这种差异与卡尼曼提出的“快思考与慢思考”联系起来。前者更接近依靠经验快速判断，后者则需要投入更多计算资源进行深入推演。而真正有效的智能系统，需要让两种方式相互配合，根据任务和计算资源动态调整。

在这一阶段，Pearl 还完成了对 alpha-beta 剪枝算法最优性的数学证明。

（来源：Linkedin）

简单来说，棋类程序在推演时会形成庞大的博弈树，其中很多分支实际上不会影响最终选择。alpha-beta 剪枝可以帮助程序跳过这些无效路径，用更少的计算完成搜索。

但搜索效率并不是人工智能面临的唯一问题。随着专家系统开始进入现实任务，Pearl 遇到了另一个挑战：现实世界中的知识并不像棋局规则一样确定。

20 世纪 70 年代，以费根鲍姆（Edward Feigenbaum）等人为代表的研究推动了逻辑型专家系统的发展，其中医疗诊断系统 Mycin 是典型案例。这类系统试图把医生等专家的经验整理成大量明确的“如果—那么”规则，再由机器按照规则进行判断。

问题在于，真实世界中的判断往往包含大量不确定性。同一个病例中，“来自某一地区”“出现发烧”等信息可能分别对应不同程度的风险，而逻辑规则很难综合多个带有不确定性的线索。

因此，概率论逐渐成为人工智能处理不确定性的关键工具。但 Pearl 也发现，传统概率模型面临新的困难：当变量数量增加时，需要考虑的可能组合会迅速增长，计算成本随之上升。

然而，人类并不会把所有信息同时纳入计算。无论是判断疾病风险，还是决定是否过马路，人类通常只关注少数真正相关的因素，而忽略大量无关变量。Pearl 认为，这背后依赖的是一种“条件独立性”。也就是说，当已经掌握某些信息后，一些变量可能就不再提供额外帮助。例如在疾病判断中，一个人的眼睛颜色通常不会影响诊断结果，因此可以直接排除。

为了让机器也能利用这种结构，Pearl 开始尝试用图来表示概率关系。节点代表变量，边代表变量之间可能存在的关联，而缺失的边则表示某些变量在特定条件下相互独立。

这一想法最终形成了贝叶斯网络。它将概率论与图论结合起来，使机器能够通过变量之间的结构关系，减少不必要的计算，并更高效地进行概率推理。不过，Pearl 后来意识到，贝叶斯网络虽然解决了概率推理的问题，却仍然没有触及更深层的因果问题。

概率关系描述的是变量之间的关联，而因果关系则需要回答“如果改变一个变量，会发生什么”。传统数学关系本身并不包含这种方向性。例如，如果 F=ma，数学上可以推导出 m=F/a。但现实世界中的关系并不能简单倒置。气压计读数会随着天气变化而变化，但人为改变气压计本身，并不会改变天气。

在 Pearl 看来，这正是概率模型与因果推理之间的关键区别。机器不仅需要知道哪些事情经常一起发生，还需要理解哪些因素真正导致了结果，以及如果主动改变某个因素，世界会如何变化。

LLM 为何看起来懂因果：Pearl 的三层阶梯解释

要进一步表示这种不对称的因果关系，仅仅描述变量之间的统计依赖还不够。在 Pearl 提出的因果模型中，图结构还需要加入对因果方向的假设。

比如在医学诊断中，疟疾可能导致发烧，因此可以用从疟疾指向发烧的箭头表示这一因果机制，而不能仅凭两者存在相关性就确定方向。

这种按照因果机制组织知识的方式还有一个重要特点，即局部关系相对稳定。Pearl 在以汽车诊断系统为例，假设新车型只改变了某个部件的位置，如果系统按照部件之间的因果机制组织知识，通常只需要修改与这一变化相关的部分，其他关系仍然可以保留。相比之下，如果系统记录的主要是变量之间的统计相关性，局部变化可能牵动更多概率关系重新调整。

这意味着，要让机器真正理解因果关系，需要建立一种能够表达方向性的形式语言。

Pearl 指出，传统等式缺少这种操作上的方向性，而计算机科学中的“赋值”提供了一个更直观的类比。当一个变量的值被赋给另一个变量时，这个操作有明确的方向，不能像普通等式那样随意倒置。

基于这一思考，因果阶梯（Ladder of Causation）应运而生。这一框架把推理能力划分为三个层级，分别对应关联、干预和反事实。

图｜因果阶梯（来源：Medium）

第一层是“关联”（Association），对应传统概率和统计学最常处理的问题。它关注的是在已有观察数据中，一个变量出现时，另一个变量通常会怎样变化。

例如，观察一组癌症患者，通过比较吸烟者与不吸烟者的健康状况，统计吸烟群体中癌症发生的比例，就能判断吸烟与癌症之间存在怎样的关联。这一层回答的基本问题是“看到 X 时，可以推测 Y 可能如何变化”。

第二层是“干预”（Intervention），关注主动改变某个变量之后会发生什么。

以吸烟者为例，如果问题变成“从明天开始每天吸五包烟，会怎样影响未来的健康状况”，那么仅仅观察现实中吸烟者和不吸烟者的差异就不够了。这里问的是主动把某个条件设定为一种状态之后，结果会怎样变化。

在 Pearl 的因果框架中，这类主动干预通常用 do(X=x) 表示。它与单纯观察到“X=x”有所不同。do-演算（do-calculus）提供了一套形式化规则，用来判断在给定因果结构和相应假设的情况下，干预产生的因果效应能否由已有的观察或实验信息推导出来。

第三层是“反事实”（Counterfactual）推理，它进一步追问现实中没有发生的另一种可能。

假设一个长期大量吸烟的人目前依然健康，那么如果这个人过去没有吸烟，他现在会不会更加健康？这里比较的不再是两个不同人群，而是同一个人在现实情况和另一种未实际发生的情况下，结果可能有何不同。

另外，Pearl 强调，因果阶梯具有严格的层级关系，仅靠增加低层级数据的数量，无法获得更高层级的推理能力。

尽管更多观察数据可以让统计关联估计得更加准确，但观察分布本身通常不足以确定干预效果，还需要额外的因果假设或实验信息。同样，就算知道一般意义上的干预效果，也无法自动给出“同一个人如果当初做了另一种选择”的反事实答案。

这一层级划分也可以用来理解当前大语言模型（LLM）的能力边界。Pearl 在访谈中指出，LLM 看起来已经可以回答不少带有因果意味的问题，比如讨论疾病原因、行动后果，甚至回答“如果当初换一种选择会怎样”。然而，能够生成这样的答案，并不等同于模型已经从原始观察数据中自主建立了相应的因果关系。

原因在于，LLM 接触的大量互联网文本本身已经包含了人类对世界的解释。它看到的并不只是未经处理的患者、吸烟和癌症数据，还包括医生的判断、研究人员分析后的论文，以及作者对实验结果和因果机制的解释。换句话说，其中已经包含来自因果阶梯更高层级的信息。

继续以吸烟和癌症为例，LLM 通常不是直接面对一批原始患者记录，再独立判断吸烟是否导致癌症。它更多是在学习医生、流行病学家和研究者已经形成并写入文本的解释。

因此，在 Pearl 看来，LLM 能够谈论因果关系，与它能否从原始数据中自主发现因果关系，是两个不同的问题。

访谈中，Pearl 还提出了一个更直接的检验方式。去掉已经被人类分析和解释过的互联网文章，让系统直接面对患者、癌症、吸烟以及实验结果等原始信息，再看它能否自主形成解释，像一名“自动化科学家”那样发现其中的规律。但他认为，今天的 LLM 还难以独立完成这一过程。

从人类认知看 AGI：好奇心、控制欲与质疑精神的必要性

如果说因果阶梯讨论的是机器如何从观察关联走向干预和反事实推理，那么 Pearl 进一步关注的问题是：机器能否像人类一样主动探索环境，并在互动中形成对世界的理解。

在 Pearl 看来，人类智能的重要特征之一，并不是单纯处理信息，而是具有理解和控制环境的内在驱动力。

他在访谈中举了一个婴儿学习的例子。婴儿在婴儿床中反复摆弄玩具，直到发现“绿色玩具会发出声音，黄色玩具不会”，才逐渐停止尝试。Pearl 认为，这个过程体现了一种主动探索机制：婴儿并不是为了获得外部奖励，而是在不断实验中建立对环境运行规律的认识，并获得一种“能够控制环境”的感觉。

这种强调独立探索的思想，也来自 Pearl 自己的成长经历。他出生于 1948 年的英属巴勒斯坦托管地，回忆中，当时一些高中教师曾是 20 世纪 30 年代离开德国的大学教授。由于当地高校职位有限，他们进入高中任教，也给学生带来了一种不同于传统教学的科学训练。

这些教师并不只是传授已有知识，而是按照科学发现的过程展开教学：一个问题为什么出现，科学家当时知道什么、不知道什么，以及他们如何在未知中寻找答案。Pearl 认为，这种教育方式让学生意识到，科学并不是记忆答案，而是参与发现过程。

他回忆，学生当时甚至相信，“我们每个人都可以找到毕达哥拉斯定理的另一个证明，一个从来没有人想过的证明”。Pearl 后来称这种信念为一种“有用的幻觉”。它未必符合现实，但能够鼓励人保持探索和质疑。

这种批判精神也贯穿了他的科研生涯。Pearl 曾表示，科学界和学术界可能是人类创造的最保守、最教条的组织之一，并鼓励学生敢于质疑权威，包括质疑他本人。

基于对人类智能形成过程的理解，Pearl 提出了“因果 AI”的设想。在他的构想中，未来智能系统不应只依靠 LLM 从海量数据中学习统计规律，还需要具备主动探索、建立因果模型，并通过干预验证假设的能力。

不过，赋予机器主动探索能力也带来了新的安全问题。Pearl 在访谈中提出了“机器人婴儿”的思想实验：如果机器拥有持续理解和控制环境的驱动力，而人类本身也是环境的一部分，那么系统是否可能试图影响甚至控制人的行为？

对于 AGI 时间表，Pearl 并未给出具体预测。他认为，当前业界对于 LLM 的能力边界仍未形成共识，对于“意识”等拟人化概念，也需要首先明确其定义，再通过可验证标准判断系统是否真正突破了现有能力限制。

与此同时，Pearl 并不否认 LLM 的价值。他认为，LLM 从有限数据中提取统计规律的能力非常重要，可以成为未来智能系统的一部分。但如果目标是实现更接近人类的通用智能，仅依靠观察和预测仍然不足，机器还需要具备理解因果、主动实验和从环境中学习的能力。

参考资料：

1.https://www.youtube.com/watchv=FleTXB1fAcQ&list=PLmvMm6hsJgCc9VPDgq8SQEFMln_azyKSG&index=8

2.dl.acm.org/doi/pdf/10.1145/3241036

一个小众阴谋论，为什么能一路杀进华盛顿

麻省理工科技评论 — Sat, 08 Aug 2026 14:56:16 GMT

（来源：麻省理工科技评论）

2025 年 4 月的一天早晨，美国国务院一个小部门的员工收到了一封他们已经担心了很久的邮件。过去几个月，埃隆·马斯克（Elon Musk）领导的政府效率部一直在联邦政府内部大举裁撤机构。从科学研究、社会保障到国际援助，不少团队被削减甚至直接解散。因此，当负责追踪外国虚假信息的“反外国信息操纵与干预中心”（R/FIMI）员工收到通知，被要求半小时后开会时，很多人已经猜到了接下来会发生什么。“我们早就听说，总有一天办公室会被关掉。”一名前员工回忆说。由于担心遭到报复，他要求匿名。

时任国务院公共外交代理副国务卿达伦·贝蒂（Darren Beattie）没有寒暄，直接告诉在场员工，R/FIMI 将被关闭，他们的岗位也将被取消。据这名前员工回忆，当时会议室里的气氛既悲伤又愤怒，“很多年轻、敬业的员工都哭了，整个人都崩溃了”。

但在国务院的另一些地方，R/FIMI 的关闭却被视为一场胜利。不久后，美国国务卿马尔科·鲁比奥（Marco Rubio）在接受右翼网络活动人士迈克·本茨（Mike Benz）采访时宣布：“我们终结了美国政府通过国务院实施的审查。”

“这显然是个天大的好消息。”本茨回应道。随后，他再次提起自己多年来一直推动的一种说法：“现在很多人都开始怀疑，我过去是不是因为国务院做了什么，才遭到审查。”

对很多人来说，“美国国务院一直在压制美国人的言论”或许是一个陌生的说法。但过去十年，它已经逐渐成为美国极右翼博客、播客和社交媒体上一整套阴谋论的重要组成部分。这套理论认为，美国政府机构、学术界、民间组织和大型科技平台打着“打击虚假信息”的旗号，组成了一个庞大网络，长期压制保守派和民粹主义者在互联网上的声音。支持者把这个网络称为“审查工业复合体”（censorship-industrial complex，CIC）。

正如本茨在 2025 年的一档播客中所说：“所谓打击虚假信息，其实只是披着外衣的审查。”

R/FIMI 及其承担类似职能的前身机构“全球参与中心”（Global Engagement Center，GEC），多年来一直是美国右翼攻击的对象。如今，它们也成为这场政治运动的最新牺牲品。

特朗普第二届政府以“反审查”为名，已经推动拆解多个政府机构，包括国土安全部下属的网络安全与基础设施安全局、FBI 的外国影响特别工作组，以及美国国际开发署（USAID）等。

过去用于监测和应对外国势力干预选举、操纵舆论的信息安全体系，也因此遭到严重削弱。与此同时，“反审查”还被用来为大规模旅行禁令、针对个人乃至整个行业的制裁提供依据；它加剧了美国与欧盟围绕科技监管的矛盾，因为批评者认为欧洲的相关法律压制了美国人的言论；甚至美国的国家安全战略，也开始受到这种思路影响。

而它的影响远不止美国政府、大学和民间组织。围绕“审查”的政治动员正在影响全球数十亿依赖互联网获取信息和彼此交流的人。换句话说，几乎所有互联网用户都可能受到波及。

事实上，如今不少被贴上“审查”标签的工作，本意是为了让互联网更加安全。例如，研究网上针对女性和儿童的非自愿色情化内容究竟有多普遍；帮助网络跟踪、人肉搜索等犯罪的受害者寻求司法救济；或者判断网上与我们互动的某个账号究竟是真实用户，还是伪装成美国选民的外国特工。

那么，“审查工业复合体”这一说法究竟从何而来？过去九个月，麻省理工科技评论和类型调查机构（Type Investigations）一直在追查它的起源，试图弄清一个原本局限于极右翼圈层的阴谋论，是如何一步步进入美国政治主流，并持续影响特朗普第二届政府的一系列政策。从很多方面来看，“审查工业复合体”这套理论，甚至可以帮助解释特朗普政府处理国内外事务的一整套逻辑。

为了追踪它如何从信息生态的边缘进入美国最高权力层，我们利用开源方法抓取右翼网站内容，查阅数十万页公开记录、视频和播客，并分析了超过 10 万条传播这一叙事的社交媒体帖子。分析发现，这套观点虽然来源复杂，也存在多年，但真正让“审查工业复合体”这一框架迅速走红的时间，是 2023 年初。

推动它扩散的，主要是少数几个人，以及一个联系紧密的右翼组织和媒体网络。其中最核心的人物之一，就是去年 4 月接受鲁比奥采访的迈克·本茨。本茨曾短暂进入特朗普第一届政府，但长期以来并不为大众熟知。不过，他的一些观点已经吸引了不少追随者，包括声称泰勒·斯威夫特（Taylor Swift）是“北约资产”的阴谋论，以及他进入政府前曾匿名发布的白人身份政治内容。

我们的分析显示，本茨在传播“审查工业复合体”理论的过程中发挥了极其关键的作用。在我们研究的账号中，他是相关内容产量最高的人。这些内容随后被右翼媒体和播客不断放大，最终传入美国最高权力圈。他的宣传不仅推动了国会乃至总统层面的行动，也为他本人带来了关注度和经济收益。

本茨没有回应我们的多次置评请求。

每一种阴谋论都有自己独特的不满情绪和幕后反派，但从根本上说，它们往往惊人地相似。通常，一切从活跃在边缘地带的一小群坚定信徒开始。他们声称自己发现了权力人物刻意隐藏的真相。这类叙事能为支持者提供秩序感和意义，也能强化群体身份。

而传播最成功的阴谋论，往往都掺杂着一点真实。长期任职于美国情报系统、曾在国务院外交学院培训外交官识别宣传活动的大卫·米勒（David Millar）说，最有效的宣传同样如此。

“它们很少完全由谎言组成。”米勒说，“通常是把真实发生过的某件事无限放大，最后讲成另一件根本没有发生过的事。”

“右翼在网上遭到审查”这一叙事正是如此。2016 年，一名前 Facebook 员工匿名声称，该平台在“热门话题”栏目中压制保守派新闻。Facebook 随即试图安抚保守派，强调公司不存在这种做法，但后来还是撤掉了负责这一功能的人工编辑团队。不久之后，俄罗斯被发现曾试图影响 2016 年美国总统选举和英国脱欧公投，社交媒体平台因此加强内容审核，希望过滤外国虚假信息。

在这个过程中，一些保守派账号也遭到封禁，通常是因为违反了平台针对虚假信息等内容的规则。但在不少右翼网民看来，被平台标记为“有问题”或“虚假”的内容，偏偏“听起来就很符合他们自己的价值观”。

特拉华大学政治传播中心主任丹纳加尔·扬（Dannagal Young）解释说，俄罗斯宣传者非常了解美国社会，“他们制造出来的很多内容，与美国国内真实用户本来就会说的话，并没有那么大的区别”。

那是互联网公共生活异常混乱的一段时期。人类历史上从未出现过这样的局面：几乎所有人都突然拥有一个面向全球的扩音器，可以瞬间把自己的观点传播出去，无论好坏。

这种前所未有的传播能力，也带来了越来越难回答的问题：哪些内容应该被管理？应该由谁来管？到底要不要管？如果外国情报机构在社交媒体上大规模冒充普通人，试图操纵一个国家的公民，平台应该怎么办？如果有人发布挑衅、仇恨或煽动暴力的言论呢？又或者，一段内容并没有直接号召暴力，却可能诱发暴力，又该如何处理？社会要求平台采取行动的压力越来越大。

政治传播学者丹纳加尔·扬这样说，“疫情成为保守派激进化过程中的一个关键转折点。他们开始觉得：这不对劲。不是所有人都被审查，只有我们。”

几乎在没有任何成熟经验可以参考的情况下，科技公司、政府官员、研究人员和记者只能一边应对问题，一边制定规则。

一个新的研究和治理领域也随之形成，试图判断什么是“错误信息”（misinformation），什么是“虚假信息”（disinformation）。问题在于，当时两者并没有明确统一的定义，“审查”本身同样如此。

过去十年，为了减少假新闻、阴谋论和外国秘密影响行动对用户的伤害，各大平台陆续采取了一系列措施。其中一些做法后来被认为太过了，部分科技公司高管自己也承认了这一点。与此同时，一批宣称要建立“没有审查”的网络空间的平台开始出现。这里所谓的“审查”，实际主要指内容审核。Parler、Gab 等平台尤其吸引右翼用户，但后来它们自己也因为内容问题，被苹果和 Google 的应用商店下架，或者遭到云服务和支付服务商封禁。

一些备受关注的争议，也不断强化右翼的“审查”叙事。例如，2018 年 Twitter 被指对保守派实施“影子封禁”，以及 2020 年被指压低有关亨特·拜登（Hunter Biden）笔记本电脑新闻的传播。

而像本茨这样的网络意见领袖，则不断重新解释这些事件，最终利用它们推动拆解美国政府的整个机构体系，并攻击与自己立场不同的人。

新冠疫情尤其成为“审查”叙事迅速滋生的环境。疫情期间，公众对制度的信任急剧下降，各种有害谣言则在网络上大量传播。Facebook、Twitter 和 YouTube 等平台开始判断哪些说法属于新冠相关错误信息，包括有关病毒起源的内容，并删除相关帖子。一些知名的疫苗否认者，例如小罗伯特·F·肯尼迪（Robert F. Kennedy Jr.），也被平台封禁。有时，这些行动还得到联邦政府部分部门的推动。

扬认为，疫情成为“保守派激进化过程中的一个关键转折点”。他们逐渐产生了一种感觉：“这不对劲。不是每个人都在被审查，只有我们。”

随后，2021 年 1 月 6 日，美国国会大厦发生骚乱。这场骚乱本身就受到“2020 年总统选举被窃取”等虚假说法推动。此后，社交媒体公司采取了更强硬的措施，包括以可能进一步煽动暴力为由，封禁时任总统特朗普的账号。

但对于特朗普的盟友和支持者来说，这反而进一步证明，在他们看来，一个隐藏在幕后的网络正在联手压制他们的声音，并阻止特朗普继续掌权。

本茨后来在乔·罗根（Joe Rogan）的播客中说：“2020 年，特朗普就在自己眼皮底下被美国政府彻底审查掉了。政府和外部 NGO、五角大楼外围组织合作，几乎大规模压制了他传播的所有叙事，所以他才输了。”

在本茨看来，这正是所谓“审查力量”存在的证据。2022 年 4 月，网上关于“政府审查”的讨论突然有了一个现实中的具体靶子。拜登政府宣布成立“虚假信息治理委员会”（Disinformation Governance Board），用于协调国土安全部在这一领域的工作，由长期研究东欧俄罗斯宣传活动的妮娜·扬科维奇（Nina Jankowicz）领导。

但委员会的推出过程非常混乱。对极右翼而言，它听起来颇具威权色彩的名字，再加上政府没有清楚说明这个机构具体会做什么，很快让它成为“政府只是换了一个名字搞审查”的最好证据。

据《华盛顿邮报》报道，在委员会公布后的一周里，Fox News 有 70% 的新闻节目都提到了扬科维奇或这个委员会。肖恩·汉尼提（Sean Hannity）甚至称她是“全美国最大的虚假信息制造者和传播者之一”。后来负责关闭 R/FIMI 的贝蒂，则把她称为“拜登的新真理部长”。本茨声称，她是“英国王室的注册代理人”。

扬科维奇随后遭到大规模网络骚扰，甚至收到多次死亡威胁。她还被列入一起针对政府机构和官员的诉讼。原告声称，美国政府“与社交媒体公司公开勾结，压制不受欢迎的发言者、观点和内容”。本茨还为这起案件提交了支持原告的法律意见书。2024 年，美国最高法院驳回了这起诉讼。

但那时，扬科维奇早已离开。委员会成立仅三周后，她就因为“恶毒的人身攻击和人身威胁”辞职。这个委员会甚至一次正式会议都没有召开过。

2023 年 2 月，保守派媒体 The Federalist 的撰稿人玛戈·克利夫兰（Margot Cleveland）发表文章《特朗普精神错乱如何催生“审查工业复合体”》，第一次给右翼此前的种种不满提供了一个此后广泛流传的统一框架。

她写道：

“拜登政府或许已经放弃了成立‘虚假信息委员会’的计划，但一个更加阴险的‘审查复合体’已经存在，而且正在以惊人的速度扩张。它的资金和合作网络涉及政府、学术界、科技巨头、非营利机构、政客、社交媒体和传统媒体。在所谓打击错误信息、虚假信息和恶意信息的幌子下，这些组织试图压制那些会威胁极左控制公共讨论，进而控制国家和世界能力的言论。”

根据我们的社交媒体分析，这篇文章被 168 个账号转发。这也是“审查工业复合体”相关内容第一次被如此多不同账号同时传播。克利夫兰接受采访时说，这说明当时已经有很多人准备好接受这样一种叙事。

“这个词确实很好记。”她说，“毕竟‘军工复合体’从 20 世纪 50 年代就已经存在了，所以大家一听就知道是什么意思。”

仅仅几周之后，这个概念开始进入主流政治讨论。当时，刚刚收购 Twitter 的马斯克把公司内部文件交给两名记者迈克尔·谢伦伯格（Michael Shellenberger）和马特·泰比（Matt Taibbi）。

他的目标，是揭露 Twitter 与拜登政府据称如何相互勾结，压制保守派声音。外界普遍认为，他们最终公布的证据远不足以证明存在一场针对右翼的系统性阴谋。但 2023 年 3 月 9 日，两人还是出席了美国国会听证会，介绍所谓“Twitter 文件”的调查结果。

这场听证会由俄亥俄州共和党众议员吉姆·乔丹（Jim Jordan）召集。谢伦伯格提交了长达 68 页的证词，声称政府机构和承包商组成了一个庞大网络，通过建立“不受欢迎人物的黑名单”，向社交媒体平台施压，要求它们降低这些人的内容曝光，甚至直接封禁账号。

谢伦伯格在 Twitter 上发布的证词获得超过 270 万次浏览。泰比作证的视频被观看了 430 万次，一条分享视频的推文则获得 4000 万次浏览。作为对比，根据数据公司 Metricool 的统计，2023 年 X 平台一条帖子的平均浏览量只有约 1200 次。迈克尔·谢伦伯格说，“我们当时就像盲人摸象，只摸到了其中一部分。”

这些内容成为当时传播最广的“审查产业”或“审查工业复合体”相关推文之一。我们共找到近 3 万条相关推文，时间跨度从 2011 年 9 月“审查产业”一词首次出现在 Twitter，一直到 2026 年 3 月。最明显的传播高峰，正是 2023 年 3 月“Twitter 文件”国会听证会期间。

泰比通过邮件表示，自己一直为遭到审查的左翼和右翼人物辩护，因此并不认为审查是“保守派和自由派之间的问题”。他说：“虽然我们看到 Twitter 在 2020 年左右的做法确实更不利于美国的保守派内容，但在全球范围内，我们也看到同样的手段被用在左右两派身上。”

谢伦伯格、乔丹、贝蒂和马斯克均未回应我们的置评请求。

虽然这些帖子传播范围很广，但我们的分析显示，真正推动“审查工业复合体”相关观点扩散的，其实只是很少一批人。在 13,475 个曾经发布或转发相关内容的 Twitter（后更名为 X）账号中，有 71% 只发过一次。

即使在这套阴谋论最活跃的推动者中，本茨的内容产量也格外突出。从 2022 年 12 月注册账号，到 2026 年 3 月，他已经在 X 上发布超过 440 条直接提及“审查产业”或“审查工业复合体”的内容。

这个数字远高于同期我们分析的其他任何人，包括泰比、谢伦伯格和贝蒂。如果把所有含有“审查”相关词形的帖子计算进去，数量超过 2200 条。2023 年的一档播客中，谢伦伯格曾说，是本茨让自己第一次真正意识到保守派声音受到压制的规模。

“我们一开始只是担心 Twitter 和其他社交媒体平台存在糟糕的审查行为，后来才开始担心政府审查。”谢伦伯格说，“我们那时就像盲人摸象，只摸到了局部。直到看到你的工作，迈克，我们才知道这头大象究竟是什么。”

为了了解本茨如何塑造并推广这套叙事，麻省理工科技评论查阅了他自 2015 年以来的数千条推文、公开讲话、播客和报告，其中也包括已经删除的账号内容。这是迄今为止对本茨公开活动最全面的一次梳理。

我们发现，他对“审查”问题的关注最早可以追溯到 2016 年。当时，他还是住在布鲁克林的一名公司律师。NBC News 记者布兰迪·扎德罗兹尼（Brandy Zadrozny）后来披露，本茨当时开始以“Frame Game”为化名在网上发布内容。

“Frame Game”活跃于 YouTube、Twitter 和 Gab 等多个平台，内容混杂着白人身份主义、反犹观点，以及极右翼对“多元化产业”和“审查”的批评。值得注意的是，本茨本人自称是犹太人。

NBC News 2023 年报道发表后，本茨曾在 X 上发布长文反驳，称 Frame Game 是一个“由犹太人发起、目的是让仇恨犹太人的人不再仇恨犹太人的项目”，自己只“非常有限地参与”其中。他还写道：“我要明确一点，我对此感到无比自豪。”

Frame Game 的内容曾正面评价希特勒的《我的奋斗》，警告所谓“白人种族灭绝”，还声称“审查几乎完全是一种犹太现象”。这个账号甚至一度发起过一个此前从未被报道的“白人母亲生育基金”，声称会把频道收入的 20% 捐给一名由听众提名的母亲。这些内容让 Frame Game 获得了白人民族主义刊物 Counter-Currents 的赞扬。

2018 年 5 月，该刊物把这个匿名账号称为“冉冉升起的新星”和“亲白人、批判犹太人的网络活动人士”，还特别提到，它的 Twitter 粉丝包括白人民族主义网站 VDare 的专栏作者史蒂夫·赛勒（Steve Sailer），以及三K党前“大巫师”戴维·杜克（David Duke）。

Frame Game 另一个长期关注的话题，是所谓保守派言论受到压制。在动辄数小时的视频中，它把几乎所有形式的内容管理都统称为“审查”，甚至一度把任何形式的批评也算进去。2018 年，阴谋论者亚历克斯·琼斯（Alex Jones）遭多个平台封禁后，Frame Game 尤其愤怒，把这一事件称为“言论自由的珍珠港事件”。

该频道在 2018 年称，网络审查是一个“关键问题”，会影响右翼实现其他所有政治目标的能力。同年，Frame Game 停止更新。

本茨随后进入美国住房与城市发展部担任演讲撰稿人，后来加入白宫斯蒂芬·米勒（Stephen Miller）的演讲团队。2020 年 11 月，本茨转入国务院，在特朗普第一届政府最后几个月短暂担任负责国际传播和信息政策的副助理国务卿。他后来称，正是这段经历让自己第一次近距离看到所谓“审查机器”的运作方式。

“所有与美国外交政策有关的互联网事务，当时都在我的职责范围内。”本茨 2023 年 3 月在谢伦伯格的播客中说，“我因此看到了大政府和大型科技公司在核心层面是如何几乎无缝结合在一起的。”

这段政府经历，也为他离开特朗普政府后的事业铺平了道路。2022 年 4 月，本茨成立 Foundation for Freedom Online（FFO），自称是一家“言论自由监督机构”，目标是推动“全球数字自由”。

虽然名字中带有“基金会”，FFO 并没有注册为非营利组织，核心成员也寥寥无几。但它很快融入一个规模更大的亲特朗普组织网络。在这些组织看来，即使相当普通的项目，也可能成为“审查工业复合体”存在的证据。

FFO 曾发布多份报告，把媒体素养教育、品牌安全行动，以及包括调查机构 Bellingcat 在内的非营利新闻工作，都描述成隐藏的审查手段，并把与政府机构存在联系的人列为可疑对象。

“它对政治的影响非常可怕，因为它实际上让正常的交流和辩论变得几乎不可能。”政治学家迈克尔·巴昆（Michael Barkun）这样评论。

FFO 针对过的项目之一，是一款名为 Cat Park 的小众教育游戏。这款游戏于 2022 年推出，由国务院 GEC 提供资金。按照官方介绍，它面向 15 岁及以上玩家，希望帮助年轻人“提高抵抗虚假信息的能力，并培养数字媒体素养”。

游戏中，玩家首先需要通过制造煽动性标题和表情包，以及利用 AI 篡改图片，煽动公众反对政府出资建设一座“猫公园”。游戏进行到一半时，玩家才发现，原来反对猫公园的整个舆论行动，是一名亿万富翁策划的。

他的目标，是让公众反对建园，从而压低这块土地的价格，再趁机低价买下。随后，玩家必须利用此前学到的宣传技巧，反过来抵制自己制造的虚假信息。参与开发游戏的荷兰设计公司联合创始人马丁·古塞克卢（Martijn Gussekloo）表示，到 2024 年，大约只有 10 万人玩过 Cat Park，远少于他们此前开发的其他虚假信息教育游戏。

“据我所知，”他说，“这个项目根本没有任何政治目的。”

但 FFO 随后仍然发布了一份报告。报告使用由斯蒂芬·米勒创办的非营利机构 America First Legal（AFL）获得的资料，声称 Cat Park 是国务院的一项计划，目的是“潜移默化地训练年轻人，让他们把社交媒体上指控政府腐败的帖子与‘假新闻’联系在一起”。

这种解读很快被《Just the News》等保守派媒体引用，其中大量援引了本茨的观点。随后，俄罗斯 RT 新闻又转述了这篇文章，同样频繁引用本茨。这个观点的传播规模其实并不大，也始终相当小众。

但它并不需要真正拥有巨大影响力，就足以为政府的正式行动铺路。2023 年，美国众议院外交事务委员会的共和党议员开始引用 FFO 报告，要求国务院交出与打击虚假信息项目有关的文件，其中就包括 Cat Park。

第二年年底，国会投票取消了 GEC 的资金。Fox News 等媒体也开始用 Cat Park 来证明相关工作的“险恶目的”。一个原本活跃在网络右翼边缘的阴谋论，就这样先进入主流右翼媒体，最终走进美国的权力中心。

我们的调查发现，这种模式并非只发生过一次。从早期针对“虚假信息治理委员会”的攻击，到后来斯坦福互联网观察站、选举诚信伙伴关系等研究组织关闭，再到 R/FIMI 等政府机构被撤销，相似的过程一次又一次上演。每一次，社交媒体上的“审查工业复合体”阴谋论背后，都有一批保守派组织支持。

其中最关键的包括 FFO 和 AFL。AFL 在获取政府文件方面发挥了重要作用，并声称这些材料证明保守派遭到审查。FFO 随后利用这些文件发布长篇报告，把不同线索连接起来，试图解释所谓“审查产业”如何运作。AFL 还针对被指参与“审查工业复合体”的个人和机构发起多起诉讼。

随后，一批右翼媒体继续放大这些材料，而其中不少媒体背后又共享相同的资金来源。大量资金通过 Informing America Foundation（IAF）流入这一生态。IAF 是一家媒体资助机构，由约翰·所罗门（John Solomon）参与创办。

2019 年，由于其有关拜登家族和乌克兰的专栏受到广泛质疑，所罗门离开了 The Hill。IAF 为一个名为真实美国声音（Real America’s Voice）的播客网络提供资金，其中包括史蒂夫·班农（Steve Bannon）、杰克·波索比克（Jack Posobiec）、已故的查理·柯克（Charlie Kirk）以及所罗门本人等特朗普重要盟友主持的节目。

IAF 同时资助一批被媒体研究人员称为“粉红黏液”（pink slime）的网站。这些网站刻意包装成中立的地方新闻媒体，实际内容却有明显的党派倾向。本茨频繁出现在这些播客和网站中，让“审查工业复合体”进一步嵌入右翼信息生态，同时也不断提高自己的知名度，并从 X Premium 等平台获得更多收入。

与此同时，IAF 还间接资助 FFO 和本茨本人，向几个保守派组织捐赠数百万美元，而这些组织正是其工作的主要金主。2023 年和 2024 年，是目前唯一能在非营利组织财务文件中直接找到本茨收入记录的年份。仅其中一家组织，两年就向他支付了 53 万美元。

所罗门通过邮件为自己此前在 The Hill 的报道准确性辩护。他还表示，虽然自己确实参与提出了成立 IAF 的想法，但并不是该机构的正式管理人员，也不参与具体拨款。他还特别指出，自己很早就开始使用“审查工业复合体”这一说法，至少可以追溯到 2021 年。

“所谓联邦政府推动审查，并不是什么阴谋论。”所罗门说，“这件事确实发生过。”右翼互联网和播客上流传的“审查工业复合体”叙事，一次又一次推动现实中的行动，包括私人诉讼和国会调查。

马斯克的 X 尤其热衷于诉讼，至少起诉过三个研究或反对平台仇恨言论的组织，不过这些案件后来都被驳回。2023 年，共和党重新控制众议院后，由乔丹领导的“联邦政府武器化”特别小组，又开始调查此前被本茨、泰比、谢伦伯格、马斯克等人点名的个人和机构。

“收到要求你提交文件的国会传票，压力大得难以想象。”总部位于伦敦的非营利机构 Global Disinformation Index（GDI）执行主任克莱尔·梅尔福德（Clare Melford）说。GDI 负责评估网站上的虚假信息程度，从 2023 年 4 月起成为国会调查对象。“这甚至足以让一个机构在经济上被彻底拖垮，而这本来就是目的。”

2024 年 4 月，本茨在传统基金会的一场研讨会上谈到了右翼互联网的影响力。一年前，传统基金会刚刚公布后来成为特朗普第二届政府政策蓝图的“2025 计划”（Project 2025）。

本茨当时称赞乔丹和其他国会议员对“审查工业复合体”发起斗争，但同时强调，政客之所以会行动，是因为所有人早就在讨论这件事了。“最重要的事情就是谈论它，不断谈论它，一直谈论它。”本茨说。

他显然身体力行。我们的分析发现，在他的 YouTube 视频里，平均每三分半钟就会出现一次“审查”相关词汇。“不要低估，”他在传统基金会说，“一个微小声音乘以数百万之后，对这个体系能造成多大的破坏。”

第二年新政府上台后，这场“反审查战争”的影响进一步扩大。特朗普第二任期第一天，就签署了一项名为《恢复言论自由、终结联邦审查》的行政命令，指责拜登政府“践踏”美国人的言论自由权。

这为随后一系列政策决定奠定了基础。政府取消了数百万美元与错误信息和虚假信息研究有关的资金，并关闭多个政府机构，理由都是“打击审查”。其中影响最大的案例之一，就是 USAID 被拆解。

这一行动导致全球艾滋病防治、孕产妇健康和食品援助等项目遭到严重削减。特朗普政府官员高调宣称，USAID 浪费纳税人的钱，价值观也与美国利益不符。但一个较少受到关注的事实是，有关“审查”的错误叙事同样在 USAID 的覆灭过程中发挥了关键作用。

USAID 长期以来一直是本茨重点攻击的对象。早在 2022 年 7 月 FFO 发布第一份报告时，他就把这个机构描述成审查机器的一部分。例如，巴西曾有一个项目试图限制 WhatsApp 和 Telegram 等通讯软件上的虚假信息传播，FFO 就声称这是由 USAID 等机构资助的审查行动。

同年晚些时候，本茨还指责 USAID 资助了一本所谓《利用数字审查打击虚假信息指南》。实际上，那只是 USAID 为海外员工准备的一份基础培训材料，用来帮助他们识别所在国的虚假信息行动。

我们的分析发现，从 2022 年一直到 2024 年底，本茨和 FFO 一直是传播“USAID 与审查”相关阴谋论最主要的声音。之后，本茨登上了罗根的播客。

“USAID 实际上就像一个可以随时换位的球员。”本茨在节目中声称，“在国家安全问题上协助五角大楼，在国家利益问题上协助国务院，在某些秘密行动上则协助情报机构。”这期节目获得数百万观看，其中包括马斯克。

马斯克转发了一名 X 用户对采访的热情总结。“迈克·本茨刚刚把一切都揭露出来了。”这名用户写道，其中包括所谓“‘民主’这个概念如何被重新定义，最终成为压制你的工具”。这是已经进入 DOGE 的马斯克第一次专门发帖谈论 USAID。

不过，他与本茨早已相识。多年来，两人一直在 X 上互相回复，并围绕“审查”等阴谋论互动。本茨登上罗根节目几周后，马斯克已经开始直接使用“审查工业复合体”这一说法。而 USAID 也已处于濒临消失的状态。

2025 年 2 月，在小布什政府时期担任 USAID 负责人、身为共和党人的安德鲁·纳齐奥斯（Andrew Natsios），试图为这个机构辩护。

众议院外交事务委员会听证会上，佛罗里达州共和党议员安娜·保利娜·卢纳（Anna Paulina Luna）向他展示了一张本茨在社交媒体上发布的幻灯片。本茨声称，这张图展示了美军如何与 USAID 和其他机构合作，煽动骚乱、“破坏国家稳定”，并策划战略性“虚假信息行动”。

“本茨告诉你的这些东西都是胡说八道。”纳齐奥斯直接回应。他反复解释，这张幻灯片根本不是 USAID 制作的，因此不可能代表 USAID 的立场。

但卢纳仍然没有被说服。听证会后，她在 X 上发帖感谢本茨“揭露审查工业复合体”。“USAID 简直就是华盛顿沼泽的典型。”她写道。本茨回复了一个美国国旗表情。

“整场听证会让我目瞪口呆。”纳齐奥斯后来接受麻省理工科技评论采访时说，语气中仍难掩挫败。为了替 USAID 辩护，他接受了多家媒体采访，包括 Fox News 和60 Minutes，还主动联系过罗根的播客。

但为时已晚。到 3 月底，特朗普政府正式通知国会，将关闭 USAID。

“他们行动得太快了。”纳齐奥斯说，“我们根本来不及阻止。”“审查工业复合体”的叙事也开始改变美国与其他国家，甚至传统盟友之间的关系。例如，白宫去年 11 月发布的最新《国家安全战略》称，欧洲正面临“文明被抹除的风险”，其中一个原因就是“审查言论自由、压制政治反对派”。欧盟 2022 年通过、用于规范网络平台的《数字服务法》（DSA），也成为跨大西洋关系新的冲突焦点。

本茨将它称为欧盟“最重要的网络审查法律”。DSA 要求社交媒体公司删除违反成员国国内法律的内容，其中包括违反仇恨言论和虚假信息相关法律的内容。但在本茨及其盟友看来，这部法律的目标不是问责，而是建立一套可以输出到其他国家的审查体系。

由于全球科技平台往往会统一内容审核政策，本茨 2022 年 5 月在保守派网站 Townhall 撰文称，“美国科技公司最终将被迫在本土实施类似的审查措施”。后来，美国副总统 JD·万斯（JD Vance）也采用了类似说法。2025 年 2 月，他在慕尼黑发表了一场备受关注的演讲，警告欧洲的言论自由正在“倒退”。

仅一周后，特朗普便签署行政命令，表示如果欧盟采取包括 DSA 在内的任何行动、政策或做法，“损害言论自由或助长审查”，美国将考虑通过加征关税进行报复。去年夏天，鲁比奥还要求美国外交官直接游说反对这项法律。

不过，政府内部至少有一次专门寻找“审查证据”的行动，最后几乎一无所获。去年春天，万斯要求国务院组建团队，收集欧洲社交媒体平台审查言论的案例。一名接到任务的前官员告诉我们，万斯并不关心白俄罗斯、匈牙利、塞尔维亚或俄罗斯拘禁人权活动人士、记者和学者的问题。这些本来就是国务院长期追踪的事项。

相反，万斯“希望重点寻找极右翼意识形态、堕胎等非常狭窄类型的帖子”，甚至包括涉及他本人慕尼黑演讲的报道。他要求调查人员重点关注德国、法国、爱尔兰和英国。这些都是美国盟友，同时也是特朗普政府近来公开支持当地极右翼政党或政治人物的国家。

调查团队按照万斯的要求展开工作。但他们没有发现所谓“庞大的阴谋”。据这名前官员说，最终找到的被 X 删除的内容不到 10 条，而且全部与警方正在调查的暴力极端主义案件有关。万斯办公室发言人拒绝置评，只援引了他此前否认曾下令制作该报告的说法。

白宫没有回应置评请求。不过，特朗普政府并没有停手。去年 12 月，欧盟委员会对 X 开出 1.2 亿欧元罚款后，美国国务院宣布，五名支持通过 DSA 等机制加强内容监管的欧洲人士将被禁止入境美国。

鲁比奥称这些人是“审查工业复合体的代理人”，其中就包括 GDI 的梅尔福德。此后，一名法官在相关诉讼进行期间暂时阻止政府执行禁令，认为相关措施“很可能构成基于观点的歧视”。

今年上半年，围绕所谓“审查”的斗争继续升级。2 月，美国国务院宣布推出一个新网站 freedom.gov，让海外用户，尤其是欧洲用户，能够看到那些被本国政府禁止传播的仇恨言论、外国宣传以及其他网络内容。

同月，乔丹和众议院司法委员会工作人员发布第二份关于“欧洲审查”的报告，点名更多他们认为参与其中的组织。与此同时，已经离职的 R/FIMI 员工仍然担心，当初负责关闭该部门的贝蒂即将公布一项酝酿已久的“透明度计划”。

他们担忧，其中可能泄露外国个人和组织的敏感信息。这些人为了对抗来自外国的宣传，本就承担着现实风险。一些过去在政府之外推动“审查工业复合体”叙事的关键人物，如今反而获得了政府内部的重要职位。

“我现在就像一只同时抛八个球的章鱼。”2025 年 4 月，在接受鲁比奥采访、庆祝 R/FIMI 被关闭后不久，本茨曾这样形容自己的状态。他模糊地解释，自己同时参与媒体、政策、诉讼和国会事务。

而那时，他甚至还没有以“特殊政府雇员”的身份进入 USAID 剩余部门工作。如今，USAID 的残余机构已经被并入国务院。据报道，本茨正在那里调查那些自己长期以来一直声称存在的“违规行为”。

与此同时，今年 2 月，贝蒂被任命为美国国务院巴西事务高级顾问。5 月，白宫又任命约翰·所罗门为负责“透明度”事务的特殊政府雇员。所罗门表示，这是一个无薪职位。

国务院没有回应我们关于“审查工业复合体”叙事如何影响政策、万斯要求工作人员寻找西欧审查案例，以及贝蒂“透明度计划”进展情况的一系列问题。国务院一名官员只通过邮件表示：“在贝蒂博士的领导下，国务院在打击审查组织方面取得了巨大进展。”

与此同时，GEC 等机构原本用于对抗的国家级网络影响行动，正在变得越来越复杂。在美以与伊朗的战争期间，伊朗大量使用 AI 生成宣传内容，而且按照多方观察，它正在舆论战中占据优势。莫斯科则一直试图把俄罗斯宣传内容注入美国公司用于训练 AI 聊天机器人的数据集，从而提高主流聊天机器人复述俄罗斯叙事的概率。

而特朗普政府随后同样大幅裁撤了负责研究这些问题的部门。

去年夏天，一个利用 AI 冒充鲁比奥的人甚至主动联系了美国议员和外交官。“后来有一天，马尔科·鲁比奥自己也开始担心深度伪造，结果这种事真的发生在他身上，我觉得有点讽刺。”一名前国务院工作人员说。

“而国务院里原本负责处理这种问题的人，都已经被解雇了。”这些人几个月前就已经和 R/FIMI 其他员工一起被裁掉。

从外交政策角度看，美国这是在进行一种“单方面解除武装”，前 GEC 负责人詹姆斯·鲁宾（James Rubin）说。这等于“把信息空间直接让给美国的对手，尤其是俄罗斯和伊朗”。

结果是，每个人在网上都更容易受到恶意行为者欺骗，而且往往根本意识不到自己正在被操纵。与此同时，越来越多科技公司开始向特朗普政府靠拢。

批评者认为，这种立场也正在威胁数十亿平台用户的安全。去年 1 月，Meta 终止了 Facebook 的事实核查项目。马克·扎克伯格（Mark Zuckerberg）在视频声明中称，公司将“与特朗普总统合作”，共同抵制世界各国政府“针对美国企业、推动更多审查”的行为。

社交媒体 Meta、X 和 Google 此前还分别支付了数千万美元，与特朗普达成和解。相关诉讼源于这些平台在 1 月 6 日国会骚乱后关闭特朗普社交媒体账号的决定。Google 拒绝置评；Meta 和 X 没有回应置评请求。

今天，“审查工业复合体”已经远远超过任何一个组织或个人。这本来就是它的设计方式。它的推动者有意把整场斗争描述得更加宏大，把它塑造成一场捍卫言论自由的全面战争。

早在 Frame Game 时期，本茨就曾说：“如果我们能够自由说话，数以百万计的人就会听到一种他们根本无法抗拒的真相。然后，他们会加入这场运动。”

但长期研究阴谋论的雪城大学政治学家迈克尔·巴昆认为，这场运动真正攻击的，首先是“真相本身”。“它对政治的影响非常可怕，因为它实际上让交流和辩论变得几乎不可能。如果一个人认定你说的任何东西都是建立在某套谎言之上的，你还怎么跟他交流？”

本茨及其同伴其实也表达过类似的看法。在围绕“审查”的斗争中，双方的角色不断互换。指控别人的人变成被指控者，自称受害者的人又成为施害者。

加州大学欧文分校法学教授、前联合国言论自由问题特别报告员戴维·凯伊（David Kaye）认为，正因为如此，人们更应该抛开政治叙事，直接观察实际行动。

“特朗普政府可能也清楚，美国人通常并不觉得自己遭到了欧洲或巴西的审查。”他说。但通过不断把注意力放到欧洲、巴西和所谓“审查工业复合体”上，政府实际上是在“转移注意力”。因为现实是，“美国人现在确实正在经历大概过去 100 年来最严重的一轮审查”。

而凯伊补充说，真正实施这些行为的，“其实正是特朗普政府”。事实一再证明，“审查工业复合体”已经成为一个极其方便，同时也非常有力的政治借口，可以用来让权力者最尖锐的批评者闭嘴。

“他们指控别人正在做的事，也就是审查，现在恰恰正在由他们自己实施。”扬科维奇说。当然，这说不定从一开始就是目标。

2024 年，在传统基金会的舞台上，本茨曾把“审查工业复合体”描述成掌握着一个“上帝按钮”，能够“控制所有政治议题上的公共讨论”。而现在，保守派正亲自掌握这个按钮。

原文链接：

https://www.technologyreview.com/2026/08/07/1141105/how-ideas-of-a-vast-censorship-network-moved-from-the-online-fringe-to-trump-policy/

可以抗HPV的口香糖：实测困住93%口腔病毒，还能灭杀两类牙周致病菌

DeepTech深科技 — Sat, 08 Aug 2026 14:51:37 GMT

本文是专业学术论文解读，不做医疗建议。

口香糖通常用来清新口气，但科学家正在尝试赋予它一项新功能：在口腔里“捕获”病毒、清除与头颈癌相关的细菌。

最近，来自美国宾夕法尼亚大学、加州大学洛杉矶分校和堪萨斯大学医学中心等机构的团队，在 Scientific Reports 发表了一项研究。他们开发了一种含有抗病毒和抗菌蛋白的生物工程口香糖，并用头颈部鳞状细胞癌患者的唾液和漱口液进行了测试。

结果显示，一种含有豆类凝集素 FRIL 的口香糖提取物，可以使患者唾液样本中约 93% 的 HPV 颗粒发生聚集；在漱口液样本中，聚集比例约为 80%。在加入抗菌肽 protegrin-1 后，该配方还使两种与头颈癌相关的细菌减少了 99% 以上。

这项研究的主要负责人 Henry Daniell 是宾夕法尼亚大学牙医学院 W.D. Miller 教授、基础与转化科学系副主任。他长期研究叶绿体基因工程及植物源蛋白药物递送，致力于降低生物制药成本，已开发多种植物细胞口服疗法。这项研究延续了其团队利用植物源蛋白研制抗病毒、抗菌口香糖的技术路线。

图 | Henry Daniell（来源：宾夕法尼亚大学）

HPV 即人乳头瘤病毒，人们对它的了解大多与宫颈癌有关，但部分高危型 HPV 也可能导致肛门癌、阴茎癌以及口咽癌。尤其是 HPV-16，被认为与多数 HPV 相关口咽癌有关。

HPV 进入上皮细胞后，会利用自身携带的 E6 和 E7 蛋白干扰人体细胞的抑癌机制。在持续感染的情况下，病毒 DNA 还可能整合到人体细胞的基因组中，增加细胞异常增殖和发生癌变的可能性。HPV 相关口咽癌通常出现在扁桃体、舌根及咽部附近，属于头颈部鳞状细胞癌的一部分。

正因为口腔既可能是 HPV 停留的位置，也是病毒传播过程中的一个重要通道，研究团队想到了一种很直接的思路：与其让药物先进入胃肠道或血液，再想办法抵达口腔，为什么不直接在病毒最可能出现的地方进行拦截？

口香糖恰好提供了这样一种载体。人在咀嚼时，活性成分可以持续释放，并长时间接触唾液和口腔黏膜。

这块口香糖最核心的工作原理，其实很像“捕鱼”。承担“渔网”角色的是一种名为 FRIL 的蛋白。FRIL 全称为 Flt3 受体相互作用凝集素，天然存在于扁豆属植物 Lablab purpureus 中。它拥有四个糖结合结构域，能够识别并结合病毒表面的复杂糖链和寡糖。

HPV 颗粒原本分散在唾液中，只要接触到口腔、扁桃体或者咽部的上皮细胞，就有机会附着并进入细胞。FRIL 则像一张由蛋白质组成的小网，可以同时抓住多个病毒颗粒，把原本分散的病毒黏在一起，形成更大的团块。研究团队设想，病毒聚集后将更难进入人体细胞，并可能被口香糖吸附或随唾液排出口腔。

研究团队此前已经测试过 FRIL 对流感病毒、单纯疱疹病毒以及多种冠状病毒的作用，并把这种蛋白制成了可以在室温下保存的口香糖。这一次，他们把目标进一步转向了 HPV，以及与口腔癌有关的细菌。

为了测试这种方法，研究人员收集了头颈部鳞癌患者的唾液和漱口液。其中，唾液样本来自 14 名癌症患者和 12 名非癌症参与者；漱口液样本则来自 30 名癌症患者。

研究人员使用 ELISA 方法检测样本中 HPV 表面的 L1 蛋白。实验所用抗体可以识别 HPV 1、6、11、16、18 和 31 型，覆盖部分高危型和低危型 HPV。检测结果显示，在 14 份癌症患者唾液样本中，研究人员均检测到了 HPV 信号；30 份癌症患者漱口液中，约 75% 为 HPV 阳性。

随后，他们将口香糖研碎，制成含有 FRIL 的提取液，再把提取液加入患者的唾液和漱口液中。样本在实验室中孵育一小时后经过高速离心。没有被聚集的 HPV 会继续留在液体上层，被 FRIL 黏成团的病毒则会沉降到底部。

检测结果显示，在 14 份患者唾液样本中，FRIL 使 HPV 信号平均下降约 93%。多数样本的聚集比例超过 85%，部分样本接近或达到 100%。在 HPV 阳性的漱口液样本中，平均聚集比例约为 80%；22 份阳性样本中，有 13 份样本的 HPV 信号在处理后几乎全部进入了沉淀。

除了 HPV，研究团队还关注了牙龈卟啉单胞菌和具核梭杆菌。

这两种细菌过去主要因为牙周炎受到关注，但近年来越来越多研究发现，它们在部分口腔癌和头颈癌患者的肿瘤组织及唾液中也较为丰富。牙龈卟啉单胞菌可以进入上皮细胞，影响炎症和细胞增殖信号；具核梭杆菌则拥有多种黏附蛋白，可以附着于细胞并参与局部免疫调节。一些研究还发现，这两种细菌在头颈部鳞癌患者中的丰度较高，而且较高的细菌丰度与患者预后之间存在一定相关性。

在此次研究中，这种差异非常明显。癌症患者唾液中的两种细菌数量，最高可达到非癌症参与者的约 1,000 倍，漱口液中的差异也能达到约 100 倍。不过，论文并未记录患者是否患有牙周病，而牙周病本身也会增加这两种细菌的数量。因此，这一结果反映的是相关性，尚不能证明这些细菌直接导致了癌症。

FRIL 虽然很擅长聚集病毒，却不太擅长杀菌。实验中，单独加入 FRIL 后，两种细菌最多只减少了大约一个数量级。为了增强杀菌效果，研究团队又加入了一种名叫 protegrin-1 的抗菌肽。Protegrin-1 是一种由 18 个氨基酸组成的抗菌肽。它的分子结构由二硫键固定成发夹形状，可以接近细菌细胞膜，在膜上形成孔洞，破坏细胞内外的物质平衡，最终使细菌死亡。

图 | FRIL /protegrin-1 及其在口腔鳞状细胞癌中的作用机制（来源：上述论文）

研究人员通过植物细胞生产这种抗菌肽，再将其与含 FRIL 的豆类口香糖配方结合。在患者样本中，研究人员加入每毫升 166.6 毫克的豆类口香糖提取物和每毫升 100 微克的 protegrin-1，在 37 ℃ 下处理一小时，随后再培养样本，观察究竟还有多少细菌能够存活并形成菌落。

结果显示，牙龈卟啉单胞菌和具核梭杆菌的活菌数量下降了 4 到 6 个数量级，相当于减少了 99.97% 到接近 100%。研究人员在 39 份患者样本中都观察到了牙龈卟啉单胞菌的明显下降，具核梭杆菌在唾液和漱口液样本中也大幅减少。

有意思的是，这种组合并没有把口腔里的细菌全部“一锅端”。一些拥有荚膜或生物膜保护的常见链球菌并没有被完全杀死。研究团队推测，其外层多糖结构可能帮助它们抵抗抗菌肽。

不过，此次研究仍属于离体实验。患者并没有直接咀嚼口香糖，研究人员是在采集样本后，将特定浓度的口香糖提取物加入唾液或漱口液。因此，实验所显示的 HPV 聚集也不等于人体已经清除了 HPV 感染。

研究尚未直接测试处理后的 HPV 是否仍能感染细胞，也没有证明这种口香糖能够降低病毒传播、癌症发生或复发风险。据公开报道，团队正在推进针对口腔 HPV 的人体研究。后续试验需要回答，一块口香糖能释放多少有效蛋白、效果能够持续多久，以及长期使用是否安全。

目前，这种口香糖还没有作为 HPV 预防或治疗产品上市，也不能替代 HPV 疫苗、口腔检查和现有治疗。如果人体试验能够重复离体实验中的效果，它未来可能成为一种在口腔局部持续释放蛋白药物的新型递送平台。

参考链接：

1.Daniell, H., Wakade, G., Singh, R. et al. Ex vivo HNSCC clinical studies using saliva and antiviral or antibacterial chewing gums reveal reduction in carcinogenic microbes. Sci Rep 16, 7886 (2026). https://doi.org/10.1038/s41598-026-39062-w

排版：刘雅坤

注：封面/首图由 AI 辅助生成

本文是专业学术论文解读，不做医疗建议。