1. 达沃斯2026：黄仁勋称AI将带来史上最大基础设施建设
核心内容：
NVIDIA CEO黄仁勋表示，用于开发和运行生成式AI模型的基础设施建设，将在未来15年带来约 85万亿美元（$85 trillion） 投资，是人类历史上最大规模的基础设施建设之一。
他在多场对话中反复强调：
目前全球在AI基础设施上的投入仅为几千亿美元（a few hundred billion dollars），远低于最终需求的数万亿美元（trillions of dollars）。
投资主要流向数据中心、芯片制造厂、AI计算集群等底层设施。
同期在另一场对话中，他将AI生态拆成五层蛋糕：能源→芯片与计算→云基础设施→模型→应用层，并指出应用层的价值必须依托底层大规模投资支撑。
影响判断：
这套叙事已被多家主流媒体引用，正在重塑市场对AI资本开支和算力基础设施的预期。
2. 韩国AI基本法正式落地：被称为首个全面AI法律框架
核心内容：
韩国推出《AI Basic Act》，被政府和多家媒体称为全球首个全面规制人工智能的法律框架。
重点条款（综合多家报道）：
高影响力AI：用于核安全、自来水生产、交通、医疗、金融（如信贷评估和放贷筛查）等场景的系统必须有人类监督。
生成式AI标识与告知：
产品或服务使用高影响或生成式AI时需提前告知用户。
当AI生成内容容易被误认为真实图像、音视频等时，必须显著标注为AI生成。
执法与罚则：
至少 1年宽限期，期间以咨询和教育为主，不立即处以行政罚款。
逾期拒不整改时，最高罚款 3000万韩元（约 $26,000）。
目标是既促进AI应用，又建立安全与信任的底线。
影响判断：
在欧盟AI Act分阶段到2027年才全面生效之前，韩国率先把一整套AI监管规则真正落地执行，对亚洲及全球后续立法可能形成示范效应。
3. 苹果将把Siri升级为内置AI聊天机器人，采用Google Gemini能力
核心内容：
苹果计划在今年晚些时候，将Siri升级为公司首个系统级AI聊天机器人，内部代号 Campos。
Campos将：
深度嵌入 iPhone、iPad 和 Mac 的操作系统中，取代现有Siri界面；
支持语音和文本两种交互模式；
使用Google的 Gemini 高端模型版本为其提供能力，内部称为 Apple Foundation Models version 11。
影响判断：
这标志着苹果在消费级AI助手上正式采用外部基础模型（Gemini），对苹果与Google、以及与现有大模型厂商之间的生态关系都会产生实质影响。
4. FDA批准Aidoc AI：一次腹部CT可同时分诊14种急症
核心内容：
美国FDA为放射科AI公司 Aidoc 的一款AI分诊系统授予510(k)批准，可在单次腹部CT扫描中同时针对 14种急性情况 进行自动分诊和优先级排序。
报道中提到的部分可检测情况包括：肝损伤、脾损伤、肠梗阻、阑尾炎等。
相关验证数据显示：针对其中11项新增指征，AI平均敏感度约 97%、平均特异度约 98%。
影响判断：
从单病种AI工具迈向一次扫描、多病种统一分诊的平台式工具，是医疗影像AI从点状应用走向通用工作流工具的关键一步。
5. 医疗AI公司 OpenEvidence 融资 $2.5 亿，估值翻倍到 $120 亿
核心内容：
医疗AI公司 OpenEvidence 宣布完成 D轮融资 $2.5 亿，由Thrive Capital和DST Global联合领投，本轮后估值 $120 亿，相比2025年10月的约 $60 亿估值翻倍。
截至目前，公司总融资额接近 $7 亿。
产品与覆盖：
提供面向临床医生的AI医疗搜索引擎，聚合同行评议文献和临床指南，辅助临床决策；
据报道，其工具已在美国 超过40%的医生 中日常使用，覆盖 1万+家 医院和医疗中心；
2024年12月单月支持约 1800万次 经验证的临床咨询。
影响判断：
这是当前周期下少见的大体量医疗AI融资之一，表明面向医生、以证据库为核心的检索+推理型AI正在成为资本重点赛道。
6. 盖茨基金会与OpenAI启动非洲AI医疗项目Horizon1000
核心内容：
比尔及梅琳达·盖茨基金会与OpenAI宣布成立 $5000 万 合作项目 Horizon1000，利用AI改善非洲多国基层医疗体系。
关键信息：
起点为 卢旺达，依托其在基加利已设立的AI健康枢纽；
目标是在 2028年前，覆盖多个国家 约1000家 初级卫生诊所及周边社区；
重点场景包括：孕产妇健康、HIV患者管理、就诊前分诊建议、就诊时自动整合病历与预约信息、减少纸面文书工作等。
影响判断：
该项目把大模型直接嵌入低收入国家的基层医疗流程，是AI+全球健康第一次以多国、系统工程方式推进。
7. 黄仁勋：AI机器人是欧洲百年一遇的产业机会
核心内容：
在达沃斯的一场讨论中，黄仁勋表示：
AI机器人（AI robotics）是欧洲once-in-a-generation（百年一遇/一代一次）的机会；
理由是欧洲拥有极其强大的工业制造基础，可以借助AI机器人跨越软件时代，在智能制造和工业机器人上取得领先。
影响判断：
这为欧洲工业界提供了一个明确的AI发力方向，也与他在其他场合强调的物理智能（Physical AI）一脉相承。
8. PropMolFlow：AI反向设计分子，分子生成速度提升约10倍
核心内容：
佛罗里达大学与纽约大学团队提出 PropMolFlow（Property-guided Molecular Flow），一种以目标性质→分子结构的方向直接反向设计分子的生成式AI方法，论文发表于 Nature Computational Science。
主要技术指标：
通过几何完备的流匹配算法，从噪声到可行分子只需约 100个计算步骤，相比以往约 1000步 的方法，生成速度提升约 10倍。
生成分子中，键合和几何结构合理的比例 >90%。
使用密度泛函理论（DFT）等物理方法对生成分子性质进行独立验证。
影响判断：
这类属性驱动的反向设计是AI参与药物和材料发现的一条关键技术路径，直接作用于新药分子和功能材料的前期筛选。
9. Riff‑Diff：AI辅助酶设计，实现接近原子级精度
核心内容：
奥地利TU Graz团队提出酶设计方法 Riff‑Diff（Rotamer Inverted Fragment Finder–Diffusion），论文题为 Computational enzyme design by catalytic motif scaffolding，发表在 Nature，DOI为 10.1038/s41586-025-09747-9。
关键点：
不再从数据库中找类似结构，而是围绕催化活性中心，从零构建蛋白支架，再用RFdiffusion等生成模型生成整体结构，并通过多步精修，使关键化学基团在 Å（埃）级精度 下被准确摆放。
实验中，针对若干反应类型，35条设计序列中产生了活性酶，且新酶在 约90°C 仍能保持稳定结构。
影响判断：
该结果提高了计算机辅助酶设计的成功率和工业适用性，有望在绿色化工、环境修复和生物医药中加速定制催化剂的研发。
10. Eightfold AI遭集体诉讼：被指暗中评分求职者，触及FCRA红线
核心内容：
为微软、PayPal等大企业提供招聘AI工具的公司 Eightfold AI 在加州被提起集体诉讼。
核心指控：
Eightfold基于大量数据为求职者生成包含性格描述、教育质量评分、未来职业和雇主预测的画像，并据此对求职者进行评分和筛选；
求职者在不知情的情况下被秘密打分，且没有机会查看或纠正这些报告，涉嫌违反：
《公平信用报告法》（FCRA）；
一项加州法律（赋予消费者查看并质疑用于信贷和招聘的信用报告的权利）。
主要原告为两名求职者Erin Kistler和Sruti Bhaumik，由Outten & Golden律师事务所和非营利组织Towards Justice代理。
影响判断：
这是已知首例直接以FCRA为依据、针对AI招聘评分系统的集体诉讼案例，可能成为后续AI招聘与算法决策场景的合规标杆。
