AI 要闻精选 — 全景 — 2026-10-22 (周四) 每日新闻

OpenAI收购Orchestra Bio、安斯泰来与AI Proteins达成的4亿美元协议、高通裁员并转向AI数据中心。过去半天的一系列报道表明，AI正在决定资金流向研究、设备和人员配置的去向。与此同时，在一篇列举美国人恐惧事项的文章中，对AI的焦虑跻身前10位，而杜克大学正在推进将AI用于痴呆症的临床应用。这一连串变化无法仅凭衡量技术已变得多么精准来解释。AI落地的成败如今取决于各组织如何定位AI，以及人们如何看待它。在接下来的各个小节中，我们将根据一篇篇报道来考察这些变化。

药物研发已进入通过收购与联盟争夺主导权的阶段

OpenAI已收购AI药物发现初创公司Orchestra Bio。CHOSUNBIZ将此次收购报道为“加速AI驱动的药物发现”之举，另一篇文章则以加快新药研发为标题。Business+IT报道称，此次收购正值来自Anthropic和Google的竞争日益加剧之际。AI公司选择收购初创公司而非自行开展研发，以此作为进入药物发现领域的方式。在评估药物发现AI时，仅仅比较模型性能已不再足够。哪些公司手握强大的药物发现团队和技术，也将成为决策的考量因素。

制药公司方面，通过联盟留住客户的进展也在推进。据Fierce Biotech报道，安斯泰来已与AI Proteins签署了一项金额达4亿美元的计算药物发现协议。在AI Proteins通过Business Wire发布的公告中，两家公司签署了研究合作与许可协议。目标是基于微型蛋白的新型治疗药物的探索与开发，据称总成本超过4亿美元。收购主要是AI公司进入药物发现领域的举措，而这份协议则是大型制药公司与专门从事AI的公司结盟的举措。由于所显示的金额为总金额，读者需要查看公告中的合同条款，才能确定实际的负担与回报。尽管如此，我们仍可以看到，资金正从单个实验转向与拥有特定技术基础设施的合作伙伴开展的长期合作。

合同本身的形式也在发生变化。GeneOnline报道称，随着AI给4000亿美元的医药后端业务带来革命性变化，按小时计费即将走向终结。如果累积工时再计费的制度难以为继，承包方就必须通过成果及其提供的机制来证明自身价值。发包方在选择分包商时，也将越来越多地看重其对AI的运用，而非其能投入的工时数量。媒体将这一变化描绘为整个行业的结构性转变。

收购、合作、外包合同这三种举措表明，引入AI不仅仅是技术问题，还延伸到资金的分配和交易的设计。下一个问题是，一线人员将如何认知和运用这套已经搭建好的体系。

资本投资与人员重新配置将改变组织的形态

据报道，高通（Qualcomm）正在裁员，并将业务重心转向 AI 数据中心，以配合其注重结果的方针（news.lavx.hu）。从此处可获得的资料来看，无法确认裁员的规模或所针对的职位类型。可以确定的是，裁减人员的决定和将重心转向 AI 设备的决定是在同一篇文章中被讨论的。大约在同一时间，杰米·戴蒙（Jamie Dimon）谈到了经济、"粘性"通胀和 AI 支出（WSJ）。AI 支出与通胀被放在一起讨论，这一事实表明，对 AI 的投资不再局限于各公司自身的技术选择，而是开始从成本和经济前景的角度来衡量。当读者考虑自身的 AI 投资时，他们不仅会看技术本身的优劣，还会看支出水平在外部环境之下会呈现怎样的状况。

人员一侧的配置也在发生变化。isolved 在组织结构图上将 AI 智能体与人力资源并列，以推进人力资本管理 (Yahoo Finance)。这意味着 AI 所承担的工作与人的工作放在同一张图上管理，引入的单位正从工具转变为组织架构上的角色。招聘流程也在发生变化。与医药行业关系密切的 CMIC 集团已在应届毕业生招聘中取消 Entry Sheet (ES)，并引入 AI 对话。学生被要求``用自己的话来表达'' (Nikkan Yakugyo)。其目的是减少阅读书面材料的功夫，还是改变甄别应聘者品性的手段，从现有材料中无从判断。但有一点不变：AI 的引入正在改变选拔流程本身。

迄今为止的四个案例在规模和行业上各不相同。但它们的共同点在于：设备资金的投入与人员及角色的配置正在同时被重新洗牌。对于评估引入AI的人来说，如果将资本投资金额、人员的增减、在组织架构图中的位置，以及在招聘中如何运用这些因素当作彼此独立的问题来看待，就会忽视整体动向。资金流向何处、人员安置在何处，需要被视为同一枚硬币的两面。如果是这样，导入的成败将取决于组织内部的人们如何看待AI。接下来我们将看到的，是AI正在渗透我们的工作方式、甚至触及我们内心领域的场景。

图像与分析模型在诊断和预测领域扎根

以图像为输入的AI，正从辅助诊断扩展到术前风险评估。Medical Economics的晨间医学新闻报道，AI提高了超声心动图诊断的准确性。同一期还报道了一名制药企业高管因非法倒卖HIV药物而被判有罪的消息。《International urology and nephrology》发表了一项研究，开发并外部验证了利用平扫CT影像组学识别无功能肾的多中心模型。《Breast cancer research: BCR》的研究使用基于DCE-MRI的集成模型，在保乳手术术前预测切缘阳性。该研究结合了多中心回顾性与前瞻性研究。

术前预测的例子在其他器官中也能找到。《Frontiers in Artificial Intelligence》报道了一种机器学习模型，它从多序列MRI中提取并整合肿瘤内异质性的二维和三维特征，能以高准确度预测胰腺导管癌的神经周围浸润。《Asian Journal of Andrology》发表了一项研究，利用T2加权MRI影像组学预测前列腺癌术前尖部切缘风险。其目标范围缩小到肿瘤在顶部可见的病例。《Abdominal Radiology》上有一个模型，利用机器学习和CT影像组学来识别肝细胞癌患者中出血风险高的食管静脉曲张。

排列起来看，有三点共同之处。输入是日常诊疗中拍摄的图像。要预测的目标是与手术方式和治疗策略选择相关的事件，例如切缘、浸润和静脉曲张。评估不局限于单一机构内部的验证，还包括多中心开发、外部验证和前瞻性研究。也有一些设计先确定该技术可以使用的条件，例如聚焦于肿瘤在顶部可见病例的前列腺研究。读者应当看的，不只是模型的准确度数字。还有必要确认它适用于哪些机构、在何种成像条件下、针对哪些患者群体。

这些研究表明，验证性设计已开始追问图像 AI 能否用于临床。然而，通过验证的模型能否在现场持续使用，与它的准确度是分开判定的。这一切都取决于阅读图像的医生和外科医生如何看待它，以及如何将其纳入诊疗流程。

贴近日常生活与情感的AI同时引发焦虑与期待

在一篇列举美国人所恐惧事物的文章中，对AI的焦虑位列前十（La Voce di New York）。与此同时，在医疗领域，据报道杜克大学正在推动将AI临床引入痴呆症领域的工作（News-Medical）。虽然AI被当作令人恐惧的事物来谈论，但它也在进入痴呆症照护这一微妙的领域。这两件事正在同一个社会中并行发生。因此，仅凭对AI的焦虑程度，很难判断AI将以何种方式被引入。我们需要观察，心存顾虑的人在涉及照护自己和家人的情境中是否会接受AI。

贴近日常生活的应用并不局限于照护场景。西班牙科尔多瓦大学 (UCO) 发布的一项公告讨论了免费AI女友为何如此受欢迎，以及用户的真实想法。在韩国，有报道称苹果的Siri人工智能将支持韩语，并且还会参考旅行记忆（朝鲜日报）。前者将人工智能定位为情感交流的伙伴，后者则定位为使用个人记录的助手。两者用得越多，你的私人情感和行为被记录得就越多。免费使用和记忆引用带来了便利。与此同时，也给用户留下了哪些内容能被记住、以及如何被使用的问题。

读取情绪本身的技术也开始被应用到产品中。据报道，Emotional Technologies 的情绪分析 AI 将被搭载到 Robutler 中（Dellows News）。如果对话伙伴或助手能够分析用户的情绪，就更容易根据个人情况调整回应。另一方面，也可能有人会觉得被读取情绪是一种负担。这里列出的所有文章都仅限于标题所包含的信息。各篇报道的准确性和安全记录无法得到确认。因此，实施该系统的人与其只关注功能数量，不如首先表明他们希望让用户了解多少信息，以及用户能够拥有多少选择。

无论是失智症护理、陪伴应用、语音助手还是情绪分析，比起性能数字，用户信任更容易受到信息处理与说明方式的影响。随着技术越来越贴近日常生活，其引入的成败取决于组织和人们如何看待它。这一点在观察职场与工作方式的变化时也是共通的。

实施的基础延伸至作物、学习和创造

据报道，目前正有人在努力利用AI开发能够抵御气候变化的马铃薯和水稻。这就是欧盟资助的BIOCRAFT项目，SeedWorld报道称。该项目针对两种主粮作物，由欧洲联盟的公共框架提供资金。在该新闻的范围内，无法确认其开发方法或数值结果。尽管如此，仍可看出，AI不仅被引入用于汇总资料和自动化任务，还被引入用于培育需要长时间生长的作物品种。读者应该关注的内容也随之改变。除了模型的性能之外，评估线索还包括公共资金在什么条件下被用于品种开发、以及使用了多长时间。

引入的浪潮也已波及个人学习。Mashable 介绍了一套售价 $35 的课程，可帮助你磨练 AI 技能，甚至将其变现。欧盟资助的研究项目与 $35 的课程，规模完全不同。这些文章被归入同一组，这一事实表明，AI 的应用正同时从组织投资扩展到个人学习。读者在这里想看到的并不是低廉的价格。关键在于，课程的目的中包含了变现。会用 AI 如今已被当作个人职业技能的一部分来谈论，并直接与个人的赚钱能力挂钩。无论是修读课程的人，还是雇用他们的人，都需要把技能的内容与实际工作的成果区分开来。

文化领域也有动向。据 AzerNews 报道，国家艺术博物馆参与了关于 AI 与文化的国际对话。博物馆是收集、保存并展示艺术品的机构。之所以会在超越国界的对话论坛上出现这样的举动，大概是因为 AI 被视为并非仅限于技术领域的问题，而是文化界的领导者应当用自己的话语来应对的问题。我们从报道中得知的只有参与这一事实，无法确认是否公布了协议或具体政策。随着越来越多的机构坐上对话之桌，AI 在创作与展览中的处理方式，不仅会从技术角度、也会从文化角度受到追问。

农作物、课程、博物馆这三个例子，领域和规模各不相同。然而，它们的共同线索是：如今是否引入AI的决策，不仅取决于技术的性能，还取决于谁来出资、谁来学习、谁来接受。随着实施范围的扩大，决定成败的因素正从技术转向人和组织。

虽然各版块涵盖的案例分属不同领域，但它们都指向同一个方向。收购与联盟决定了人工智能在药物研发中的位置，以及在设备与人员方面的投入和重新配置。在图像分析方面，多机构外部验证是评估的关键；在作物、学习和创作方面，资金的来源与方式则被用作评估的线索。在贴近日常生活与情感的领域，焦虑与期待在同一社会中被人们并列谈论。在所有案例中，模型精度都是前提条件，而非决定性因素。落地的成败将取决于谁来提供资金、谁来承担责任，以及用户如何看待它。对人工智能的评估正把重点从衡量技术性能，转向衡量组织和个人对它的认知。

问题1：将AI融入工作时，除了准确率数字之外，你会在哪个环节、以何种方式确认同事和用户是否会接受它？ 问题2：作为负责AI使用的人，你是否在引入之前就决定了由谁来核查范围、核查到什么程度，以及出现问题时由谁来解释？ 问题3：在决定是否投资AI或调配人员时，除了技术性能之外，你会用什么标准来纳入外部环境以及用户的看法？

最后，三个问题

- 将AI融入工作时，除了准确率数字之外，你如何以及何时才能知道同事和用户是否会接受它？ Q2: 作为负责AI使用的人，你是否在引入之前就决定了由谁来核查范围、核查到什么程度，以及出现问题时由谁来解释？ Q3: 在决定是否投资AI或调配人员时，除了技术性能之外，你依据什么标准来考虑外部环境以及用户对它的看法？ - 作为负责AI使用的人，你是否在实施之前就决定了由谁来核查范围、核查到什么程度，以及出现问题时由谁来解释？ Q3: 在决定是否投资AI或调配人员时，除了技术性能之外，你依据什么标准来考虑外部环境以及用户对它的看法？ - 在决定是否投资AI或调配人员时，除了技术性能之外，你依据什么标准来考虑外部环境以及用户对它的看法？