AI 要闻 — 全景速览 — 2026-10-24（周六）每日新闻

Warp Sciences 已融资 2.15 亿美元，用于建设利用 AI 和机器人开展化学实验的实验室。同一时期，据报道 American Express 将裁减 5% 的员工，Colliers 则警告称 AI 人才不足可能阻碍欧洲的增长。在资金和期望都很高的地方，人员重组与人才短缺同时发生。本半天要阅读的这些文章的共同观点是：成败之别，与其说取决于向 AI 投入了多少资金，不如说取决于这些投资如何经受现场验证，以及由谁来运营。关于诊断、语音分类和预测的研究，也让读者面对适当条件下的结果与真实环境中的结果之间的差异。

与募集了巨额资金的药物研发AI领域展开合作

Warp Sciences 融资 2.15 亿美元，打造 AI 驱动的药物研发实验室（citybiz）。据 BRIDGE 报道，该公司利用 AI 和机器人开展药物研发所需的化学实验，并通过由 Lightspeed 领投的 A 轮融资筹集了资金。在 A 轮阶段就筹集了超过 2 亿美元。资金的去向同样值得关注。其目标不仅是开发软件和模型，还要建设实际进行实验的实验室，实现化学实验的自动化。

另一家公司,AI 药物研发公司 Pathos 以 30亿美元的估值融资 2.37亿美元(STAT)。路透社报道称,Pathos 将与 Bristol Myers 和 Tempus AI 合作推进药物开发(Reuters)。这里的融资金额和估值,包含了与大型制药公司合作所带来的实际关联。资金之所以涌入,并不只是因为对 AI 本身的期待。看来评估时还会考虑它将如何融入制药公司的开发流程。

两家公司的融资总额达到 4.52 亿美元。这一规模表明，人们对药物研发 AI 的期待不止于算法的优越性，还延伸到了包括实验设备和合作伙伴在内的整个业务的投资。读者从这些数字中应当看到的并不是高估值本身，而是这些资金是否被用于自动化实验装置或与大型制药公司的合作。

不过,本次提到的材料全部是融资和合作的公告,并不是关于药物研发成果的报道。资金虽然先到位,但运营实验室的人才,以及在实际开发现场的验证是否会以同样的速度推进,还需要另行确认。

裁员与人才短缺同时推进

据Demokratis.co.id报道，美国运通将裁减5%的员工。标题指出的原因是适应AI。这次裁员表明，AI的引入不仅提升了运营效率，而且已进入重组就业结构本身的阶段。5%是占全体员工的比例，而非金额。与企业是否在AI上投入了巨额资金相比，这笔投入是否体现为人员配置的变化，更能说明企业的认真程度。读者在审视自己所在的公司和合作伙伴时，判断哪些岗位在减少、哪些岗位有需求，比看AI相关预算金额更能准确反映实际情况。

另一方面，只谈人员过剩是不够的。据 Data Center Solutions 报道，房地产服务巨头 Colliers 警告称，AI 人才的短缺可能会阻碍欧洲 AI 的发展。American Express 削减 5% 人员与 Colliers 的警告是几乎同时发布的两则独立报道。然而，把它们放在一起看，就能看出同一幅图景：现有岗位面临裁员和重组，而现场却缺少设计、运营和维护 AI 的人才。有观点指出，人力资源的供给可能成为欧洲地区增长的上限，这意味着仅仅筹集资金并不能保证增长。读者在规划引入时，除了确保设备和合同之外，还需要先确认从哪里获得人员。

改变工具与使用者之间关系的动向也出现在产业之外。Frieze 报道了画家 David Salle 邀请AI进入自己工作室一事。画室是创作者亲手完成作品的地方。在这一领域引入AI,本身就可以视为负责工作的人与辅助他们的工具之间的角色分工正在被重新审视的征兆。企业裁员、地方人才短缺和个人创作现场,这三个问题的规模虽然不同,但有一个共同点:谁负责什么,以及AI将负责到何种程度。基于这些事实,我们似乎正在进入这样一个阶段:引入的成败不是以投入金额的大小来衡量,而是看成果能否在现场的实际使用中得到验证,以及能否确保有能够胜任的人。下一节将探讨这种验证已经推进到了什么程度。

在诊断和预测方面超越人类的验证开始出现

微软发表了一项研究,显示以医生团队为原型的AI在诊断准确率上超过了医生(Medical Economics)。据称,其设计是利用AI重现医疗中由多位专家讨论并得出结论的方式。迄今为止,AI诊断辅助多被视为协助单个医生的工具。这次的比较对象是医生个人的判断,评价的着眼点已从辅助的便利性转向诊断准确率本身。不过,这一结果是在研究框架内得出的。在实际的门诊和急诊现场能否保持同样的准确率,还有待进一步验证。

在接近治疗方案选择的领域，预测的检验也已开始。BostonGene 将开展合作研究，利用其 AI 预测 CAR-T 疗法的疗效和毒性（RegMedNet）。对于 CAR-T 疗法，治疗决策的核心在于既要识别可望获益的患者，又要事先估计发生严重副作用的风险。如果预测范围从诊断扩展到治疗疗效和毒性，AI 的输出就不再只是医生的参考，而将成为决定是否开始治疗以及如何管理治疗的依据。这种联合研究的形式表明，该项目并未止步于方法的展示，而是已进入整合并验证来自临床一线的数据和专业知识的阶段。

除医学领域外，AI 负责现场观察的例子也已出现。EdenCore 在 FIRA USA（Fruit Growers News）上展示了其基于 AI 的水果监测技术。迄今为止，持续观察并掌握水果状况的工作一直由人到田间地头完成。如果由 AI 接手这项观察工作，其引入的价值将取决于能否持续收集可用于决策的信息。由于该技术目前只是在展会上进行了演示，还需要观察它在实际现场的使用方式，才能判断是否会产生成果。

尽管诊断、治疗预测和水果观测等领域各不相同，但它们的共同点在于，AI已开始承担观察与预测这一通向人类判断的入口性角色。就本案例而言，问题不在于其在研究或展示场景中的表现，而在于同样的成果能否在真实环境中复现，以及是否有足够多的人愿意接受并使用这些成果。

贴近日常生活的AI与真实环境中的验证

Bioengineer.org 报道了一款利用真实环境录音对构音障碍严重程度进行分类的 AI 语音模型。构音障碍是一种导致言语清晰度下降的病症。这篇报道值得关注的地方在于,它使用的是真实环境中的录音,而不是在设定条件下采集的音频。在家中或护理场所,既不可能有安静的房间,也不可能有专用麦克风。能否在这种情况下使用,取决于它能否根据含有噪音或说话者自身颤动的语音进行分类。考虑引入的人不仅要看准确率数字,还需要确认这一准确率是在什么录音条件下取得的。

在日常层面,AI正在扩展到人际关系和我们使用时间的方式上。北陆地方整备局的页面中包含对AI女友应用、AI Lover 免费版的价格比较及注意事项。出现比较价格结构和免费版范围的文章,说明这类应用已经从试用阶段进入了部分人出于成本考虑来选择的阶段。用户应当分别考虑哪些功能可以免费开始使用,哪些则需要付费才能继续使用。与此同时,Unite.AI 报道称,三名高中生推出了 MyDaye AI。这是一款把繁忙的日程纳入每日计划的工具,其创作者与用户来自相近的一代人。

在与情感相关的领域,我们也可以聊聊汽车。Yahoo! News 报道了马自达的 Vision Cross Compact,这款车承载着人们对下一代 Mazda 2 的期待。据说这辆车作为搭载“共情AI”的“最好的朋友”而备受关注。不过,这些只是对一款仍处于概念阶段的汽车的期待,驾驶过程中共情究竟如何发挥作用,尚未在实际驾驶中得到确认。

到目前为止的四个案例涉及不同的场景：医疗支持、恋爱、学业与日程安排，以及交通出行。不过，它们的共同点在于，AI 已开始被用于贴近人们生活细节和情感的场合。这样一来，接下来的问题与其说是它的性能有多高，不如说是谁会在现场持续使用它，以及谁来为此负责。

乍看之下,药物研发 AI 的融资金额、裁员比例、诊断准确率的比较,以及利用真实环境录音进行分类,是几个不同的话题。但各个部分的共同点在于,衡量引入成败的标准正在从投资金额和期待值,转向现场验证以及能够牵头推进的人才的保障。即便资金充裕,实验室能否完成实验仍是另一个问题。在研究框架内取得的准确率,在门诊或家庭环境中能否保持,需要另行验证。一些公司在裁员,另一些公司却在抱怨人才短缺,这同样反映了这种情况。与其看在 AI 上投入了什么,不如看在什么条件下能够验证什么、是否有足够的人手来负责,这将为今后是否引入提供判断线索。

Q1：在手头工作中使用 AI 时，其准确性和有效性是在什么条件下得到确认的？您能结合自己工作场所的条件加以说明吗？ Q2：当基于 AI 输出的决策出现错误时，能够追溯到多远，以确认责任归属和验证记录？ Q3：除 AI 相关预算之外，分配了多少资源用于保障人员和开展现场验证？您能否将这种分配作为一项经营决策加以说明？

最后，三个问题

- 在当前工作中使用AI时，其准确性和有效性是在什么条件下得到确认的？能否结合贵单位自身的工作环境来加以说明？ Q2：当基于AI输出作出的判断有误时，责任归属以及验证记录最远可以追溯到什么程度？ Q3：除AI相关预算之外，在人员保障和现场验证方面分配了多少资源？能否将这种分配作为一项经营决策来加以说明？ - 当基于AI输出作出的判断有误时，责任归属以及验证记录最远可以追溯到什么程度？ Q3：除AI相关预算之外，在人员保障和现场验证方面分配了多少资源？能否将这种分配作为一项经营决策来加以说明？ - 除AI相关预算之外，在人员保障和现场验证方面分配了多少资源？这种分配能否作为一项经营决策来加以说明？