大模型助力设计全新量子实验，量子科研再添智能新工具

德国蒂宾根大学索伦・阿尔茨团队研发出一款基于 Transformer 架构的语言模型，能够针对特定量子态生成实验蓝图并完成分类。该模型通过解析目标量子态与实验设计间的关联数据，可快速生成对应的 Python 程序，实现任意系统规模的量子光学实验配置设计。研究结果显示，模型成功构建出 20 类量子态的实验方案，其中 6 类得出有效构造规则，还包含 2 种全新设计方法，覆盖 GHZ 态、W 态以及 Bell 态等经典量子纠缠态。目前该技术仍存在保真度未达最优、无法完全自主验证实验结果等不足，但大幅提升了量子实验设计效率，在量子计算与量子通信领域具备显著的科研加速潜力。

相较于传统人工手动设计，该模型依靠算法探索实验配置空间，为物理学家提供了可验证的实验框架。研究团队表示，AI 并非要取代科研人员，而是作为实验设计的协作工具，助力探索更高效的实验路径。当前该系统参数量约 1 亿，限制了对复杂问题的处理能力，团队后续计划拓展其应用领域，并融合其他科研发现方法。该成果是机器学习应用于物理实验设计的重要突破，为量子科学研究开辟了新方向。

（来源：物理世界 https://physicsworld.com/a/meta-design-language-models-generate-novel-quantum-experiments/#render_86a69aec99d3ed090994c97a734129e99）

月之暗面发布旗舰大模型 Kimi K2.6，国内 AI 开源浪潮持续推进

中国人工智能企业月之暗面正式推出最新开源旗舰模型 Kimi K2.6，当下阿里巴巴、字节跳动、腾讯等国内科技巨头均在积极推动开源合作，开源已逐渐成为行业共识，尽管部分企业仍在持续研发闭源系统。该模型在长上下文编码、动态丰富前端生成以及基于代理的工作流等技术层面实现升级优化。月之暗面表示，Kimi K2.6 的性能与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 等主流闭源标杆产品相比，表现相当甚至更优。不过这一性能表述尚未经过独立第三方验证，也反映出当前开源与闭源模型尚未建立统一的评估标准。值得关注的是，阿里云、智谱 AI 等企业同期推出全新闭源模型，行业正朝着混合业务模式转型。国内 AI 企业所处发展阶段与技术成熟度存在差异，也使得各家对开源的投入力度各不相同。如今开源生态与闭源技术协同发展，已成为推动人工智能产业进步的重要动力。

（来源：南华早报 https://www.scmp.com/tech/big-tech/article/3350887/moonshot-ai-releases-flagship-model-open-source-push-continues?module=top_story&pgtype=homepage）

警惕！AI 聊天机器人健康问答错误率高，部分误导性回答或危及健康

近期两项研究指出，当下主流 AI 工具在医疗咨询场景中存在明显短板。美国拉努奇研究所研究员尼古拉斯・蒂勒对 ChatGPT、Gemini 等五款 AI 产品进行测试，在 250 个健康问题的回答中，整体正确率仅略高于 50%，其中五分之一的错误答案可能对用户造成健康伤害。另一项由麻省总医院团队开展并发表于《美国医学会杂志》（JAMA）的研究表明，AI 在处理复杂病例时，常过早下结论，判断失误率高达 80%。研究人员分析，AI 主要依靠模式匹配处理信息，缺乏人类医生的临床推理能力，面对不完整数据时还容易产生虚假平衡，进而误导公众对疫苗等相关议题的认知。

美国西健康 - 盖洛普中心数据显示，四分之一的成年人会通过 AI 获取健康信息，其中 14%（约 1400 万人）因采纳 AI 建议而放弃就医。业内专家呼吁建立第三方评估机制，探讨通过美国食品药品监督管理局（FDA）、联邦贸易委员会（FTC）等机构实施监管。尽管 Meta 等企业已联合上千名医生优化训练数据，试图提升 AI 医疗问答能力，但行业仍需在技术发展与风险管控间做好平衡。蒂勒提醒，AI 本质上是语言模拟工具，流畅的表达并不代表具备专业医疗资质，建议用户仅将其作为辅助参考，不可替代专业医生诊疗。

（来源：华盛顿邮报 https://www.washingtonpost.com/health/2026/04/21/chatbot-medical-advice-accurate/）

企业因 “AI 算力焦虑” 盲目囤货，GPU 利用率仅 5% 超九成资源闲置

Cast AI 发布的《2026 Kubernetes 优化报告》披露，企业在搭建 AI 基础设施时普遍存在算力资源严重闲置问题。该平台追踪全球 23000 个集群运行数据后发现，企业 GPU 算力平均利用率仅 5%，CPU 利用率约 8%，超过 95% 的 GPU 资源处于闲置状态。报告指出，GPU 空闲时每小时产生的浪费成本达数美元，远高于 CPU 的几美分，二者价格差距最高可达 50 倍。这一现象源于当前高端 AI 芯片供不应求的市场环境，尤其是英伟达布莱克韦尔等高端 GPU 芯片紧缺，促使企业签订长期采购协议，过度囤积硬件资源。

Cast AI 首席执行官洛朗・吉尔表示，如今企业采购 AI 算力更多受芯片可得性影响，而非自身实际业务需求。他建议企业技术负责人先核查现有 GPU 使用情况，称多数企业账户中可利用的算力资源，实际是当前在用的 20 倍。行业公认理想的 GPU 利用率应达到 50% 以上，这一数据差距也暴露出云计算资源管理存在结构性效率问题。

（来源：商业内幕 https://www.businessinsider.com/companies-hoarding-unused-ai-compute-cast-ai-report-kubernetes-2026-4）