本周，OpenAI在软件控制、科学推理及金融服务领域加速扩张，带动数十亿美元资金涌入AI全产业链，与此同时，研究人员公开发出安全警告。行业正身处技术突破与安全控制博弈的风口浪尖。
模型能力跃迁：从问答到执行
OpenAI最新动向显示，企业对模型的工作负载期望显著提升。GPT-6 Astra具备导航软件界面、处理多步骤工作流的能力，并能对科学及数学问题应用高级推理；专为金融服务打造的ChatGPT版本，则在摩根士丹利（Morgan Stanley）和Evercore的数据输入下开发，旨在支持研究、金融建模及客户材料生成。
在科学突破方面，OpenAI宣称解决了长期未决的纳维-斯托克斯千禧年大奖难题。一个由1万个AI智能体组成的协调系统耗时88小时完成证明，随后Astra进行了17小时的基于模型验证。尽管公司否认了“接触现有研究成果”的指控，但外部研究者仍对此提出质疑。这一进展引发了深层思考：人类对系统的理解程度究竟如何，以及在科学发现中应扮演何种角色。
资本狂飙：全产业链押注
投资者正将资金广泛投向基础设施、平台及专用应用，而非局限于单一环节。法国公司Mistral筹集30亿欧元，计划用于计算基础设施和开放权重模型开发；法律AI公司Harvey、推理芯片初创公司Positron及企业AI公司Wonderful均完成大规模融资。此外，英伟达（NVIDIA）宣布以近130亿美元收购Hugging Face。
数据显示，全球AI融资额从2025年第四季度的560亿美元飙升至2026年第一季度的2420亿美元。然而，市场对于生成式AI能否产生匹配如此高额投资的回报存疑。即便AI持续提供有价值服务，最终能建立持久商业帝国的公司或许只是少数。
安全警钟：自主系统与人为风险
随着Anthropic研究员Jacob Coxon辞职，AI安全问题再成焦点。Coxon警告称，实验室正过快推进具备递归自我改进能力但未被充分理解的系统。来自Anthropic和Google DeepMind的其他研究人员也表达了类似担忧，Anthropic CEO Dario Amodei呼吁加强评估、建立共享安全标准及国际协调，Sam Altman和埃隆·马斯克对此表示赞同。
相较于自主系统失控的灾难性场景，业界目前更担忧恶意使用强大AI系统的现实风险。部署自主系统的组织必须建立健全的安全措施、访问控制、测试机制及人类监督体系。
AI向善：基因组学的具体实践
在安全争议之外，DeepMind、加州大学伯克利分校和Tempus合作的基因组学项目展示了“AI向善”的潜力。这些项目利用AI预测基因变化对功能的影响，识别疾病相关突变，并将基因组数据与患者病史关联。
对研究人员而言，AI使探索实验室中难以单独测试的遗传可能性成为可能，有助于缩小疾病变异搜索范围，支持更早诊断及个性化治疗。