在數碼平台爭奪用戶注意力的時代，Netflix 似乎開始感受到滾動瀏覽生態系統的壓力。為此，Netflix 計劃本月在應用程式內推出類似 TikTok 的垂直影片饋送功能，同時加強全平台 AI 應用。這項功能已在公司 2026 年第一季業績電話會議上確認，將展示節目和電影的短片片段。用戶可點擊片段即時觀看完整內容、儲存至「我的清單」或分享給他人。此舉反映 Netflix 不僅專注長篇串流，還進軍快速增長的短片「無腦滾動」領域。

短片發現功能全面推進

Netflix 自去年起已悄然測試垂直饋送，如今準備全球擴展。該功能將支援影片播客、電影和劇集的發現，模仿 TikTok、Instagram 和 YouTube 的互動策略。用戶不再瀏覽靜態縮圖，而是滾動動態片段，從而降低內容發現門檻並延長應用停留時間。公司相信短片預覽能直接轉化為完整觀看。若成功，將重塑用戶選片方式。 Netflix 同時擴大 AI 在推薦系統的應用。

公司去年推出 ChatGPT 驅動的搜尋功能，現計劃深化個人化系統整合。聯合行政總裁 Gregory Peters 表示：「我們從事個人化和推薦已有 20 年，但透過新技術仍有巨大改進空間。新模型架構的推薦系統不僅提升當前個人化，還能更快迭代，並高效支援不同內容類型。」AI 有助更快回應用戶行為，並無需大規模基礎設施變動。 領導層亦強調生成式 AI 在內容創作的角色。

聯合行政總裁 Ted Sarandos 指出，AI 將輔助而非取代創作者：「總體而言，我們預期生成式 AI 能改善內容；提供更好工具和流程……偉大藝術需偉大藝術家，AI 不會改變這點。」他補充，AI 助創作者更高效實現想法。Netflix 最近收購 Ben Affleck 的 AI 公司 InterPositive，以加速進展。Sarandos 表示：「透過收購 InterPositive，我們認為能加速生成式 AI 能力，因為這是專為電影製作人打造的專有技術。

」他提及創作者興趣上升及初步採用勢頭。 Netflix 2026 年第一季收入達 US$12.25 billion，約 HK$95.55 billion，按年升 16.2%。盈利激增 83% 至 US$5.28 billion，約 HK$41.18 billion。公司預計今年廣告收入達 US$3 billion，約 HK$23.4 billion。2025 年底付費訂戶達 3.

25 億。美國近期加價或進一步推升未來季度收入。同時，聯合創辦人 Reed Hastings 將於今夏卸任董事會，標誌領導層交接。

電動車製造商 Rivian 與電池回收及材料公司 Redwood Materials 合作，在位於美國伊利諾州 Normal 的 Rivian 工廠部署一個 10 兆瓦時的二手電池儲能系統。該系統利用超過 100 個回收再用的電動車電池組，旨在降低能源成本並在高峰需求期支援電網穩定。系統將 Rivian 的報廢電動車電池轉化為工廠現場的固定式儲能設備，由 Redwood Materials 整合至其 Redwood Energy 系統中，並運用 Pack Manager 技術控制及調度儲存電力。

二手電池轉化為工業能源資源

此部署設計用以削減高峰期電費並減輕當地電網壓力，初始容量提供 10 MWh 可調度能源。兩家公司表示，此模式具可擴展性，隨著更多二手電池可用，可進一步擴大規模。重點在於將退役電動車電池轉為工業分散式能源資源，而非直接送往回收。Rivian 指出，此方法延長電池使用壽命，將其轉化為支援電網的資產。Redwood Materials 負責系統整合及能源管理，將其定位為適合高變動電需求製造場所的靈活儲能方案。

美國電力需求增長快於電網擴張，對工業用戶造成高峰能源成本壓力。大規模儲能系統被視為平衡需求的方法，無需等待數年新建輸電基礎設施。兩公司認為，二手電動車電池提供更快增加儲能容量的途徑，利用車輛退役後仍保有可用容量的現有電池組，避免製造全新固定電池，從而降低成本並縮短部署時間。 Rivian 創辦人兼行政總裁 RJ Scaringe 表示：「電動車代表龐大、分散且具競爭力的能源資源。

隨著能源需求增長，電網需具靈活性、安全性及可負擔性。我們與 Redwood Materials 的合作，讓車輛電池超越車輛壽命，為電網健康及美國競爭力作出貢獻。」 Redwood Materials 創辦人兼行政總裁 JB Straubel 指出，電力需求增長正限制工業擴張，而美國現有電池資產構成龐大未開發儲能基礎。此合作展示如何將電動車電池轉為可調度能源資源，快速增加容量、支援關鍵製造並減輕電網壓力，無需等待新基礎設施。

此模式具可擴展性，支援高峰削峰策略，如熱浪期釋放儲存能源，維持工廠穩定運作並降低昂貴高峰電費採購。Redwood 表示，其電池整合平台可隨全美電動車隊更多電池可用而擴大，將退役移動電池轉為工業及電網分散式儲存網絡。此部署為製造現場直接應用二手電動車電池的早期工業規模案例，結合儲能、成本降低及電網支援。

Matlantis 高級應用科學家 Joshua Young 最近接受訪問，探討人工智能 (AI) 如何改變新材料發現的方式。材料科學一直是現代科技的基石，如今越來越依賴模擬、數據和機器學習。Young 指出，AI 加速模擬讓研究人員能以前所未有速度篩選數百萬潛在材料，多數團隊願意犧牲部分精準度換取更快結果，而全自主發現仍遙不可及。他強調，信任、知識產權保護和人類專業知識在 AI 融入實際材料研究時，仍居核心位置。

AI 作為加速器

當人們聽到材料科學中的 AI，Young 表示，他們常想像「端到端完整材料發現」。實際上，AI 工具是疊加在現有工作流程上，而非全面取代。「我們的調查顯示，許多研究人員正將新興 AI 模擬工具與傳統物理基方法如密度泛函理論結合，」他解釋。調查發現，約一半團隊已在生產環境使用 AI 原生模擬平台，儘管傳統方法仍佔總工作量多數。「這顯示 AI 目前與既有技術共存並強化之，」Young 說，「主要加速研究特定部分，而非完全主導端到端發現過程。

」 全自主發現仍面臨挑戰。雖然 AI 引導模擬和實驗技術上可行，但 Young 強調它們仍碎片化。「主要障礙在於它們仍被分割隔離，」他說。模擬產生文字輸出，實驗生成圖像、光譜和顯微數據，將這些異質數據流整合成單一閉環系統極其困難。「雖然這些元素皆存在，但連結它們才是自主發現的真正挑戰，」他補充。因此，Young 估計廣泛全自主材料發現需再等 3 至 5 年。

即使自動化進展，人類專業仍不可或缺。「我們稱之為『人類在迴圈中』，」Young 說。「我們不需要人類直覺，但仍需領域專長來詮釋和執行實驗。」雖然 AI 代理自動化部分模擬和分析，但他認為完全移除人類恐導致不良結果。調查顯示，只有 14% 研究人員對 AI 系統有極高信心。「這種猶豫源於信任不足，」Young 解釋，無專家監督易生「垃圾進垃圾出」問題。 Matlantis 調查最引人注目發現是，73% 研究人員願以少許精準換取 100 倍速度提升。

對計算專家而言，這意味接受每原子 5 至 10 毫電子伏偏差，足以保留有意義趨勢。「這顯示業界重視產出和篩選能力勝過絕對完美，」Young 表示。事實上，94% 團隊因時間限制放棄模擬項目，速度已成創新先決條件。 Young 駁斥模擬須完美預測才有用之說，引述東京大學 Yukihiro Shimogaki 教授言論：「精準度不該追求精確數字。」模擬最有價值在正確預測質性趨勢並縮小搜尋空間，AI 模擬如濾網，快速淘汰弱候選，讓實驗資源聚焦關鍵。

實際益處已顯現。使用 AI 加速模擬的機構每項目平均節省 US$109,000，約 HK$850,200，來自減少實體實驗、低運算成本和更快迭代。一化學公司評估 13 種催化劑改進，傳統需 2 至 3 年，AI 模擬僅 6 週完成。另一例，研究人員一週內篩選 3200 萬固態電池材料，傳統或需數十年，原型電池 9 個月內開發。 儘管進展，信任仍是關鍵，尤其知識產權。

「數據安全不容妥協，」Young 說，調查無人視 IP 保護為非議題。「這些材料突破值數十億美元，」數據洩漏恐懼合理。公司要求嚴格保障、私有雲或本地部署，客戶保有數據全權。「我們不涉 IP 事宜，所有 IP 歸用戶，」他強調。 展望 5 年，Young 預見大規模高速篩選成常態。「數千至數百萬模擬可在數天或數週完成，將成新項目基準。」他設想自駕實驗室，模擬觸發機器人實驗，反饋至 AI 模型，將物理失敗轉為資產。

AI 不取代科學家，而是解放他們追求新穎構想。

波士頓大學的研究人員發現，斑胸草雀大腦中存在一種令人意外的機制，或許能解釋人類大腦細胞再生能力有限的原因。研究團隊利用高解析度電子顯微鏡，觀察到神經發生（neurogenesis）過程，即新神經元誕生並遷移的情形。此發現挑戰了以往對大腦如何整合新細胞及自我修復的假設。「我們發現，鳴禽類成年大腦中的新神經元就像探險家在茂密叢林中開闢道路，」Benjamin Scott 表示，他是波士頓大學文理學院心理與腦科學助理教授，亦為本研究的通訊作者。

隧道效應神經元

人類大多數器官會經常更新細胞，但大腦主要依賴出生時的神經元，更新能力極其有限。相對而言，魚類、爬行動物及鳥類擁有終生神經發生，讓大腦能定期更新，這是大多數哺乳動物所欠缺的。此差異促使研究人員探討人類大腦再生受限的原因，並思考能否借鏡其他物種的生物機制，開發未來人類大腦再生療法。 斑胸草雀這種澳洲小型鳴禽，是神經研究的主要對象，因其能學習並精通複雜歌聲。透過研究其聲音學習，專家可洞悉動物大腦如何習得新技能及掌握精細聲音。

波士頓大學團隊發現，斑胸草雀大腦的神經發生涉及極具侵略性的遷移過程。他們運用先進顯微技術，觀察到新生神經元並非小心繞過成熟細胞，而是「隧道式」推進——物理性地推擠並擠壓既有細胞，以抵達目的地。此「霸凌」行為顯示，新細胞雖有助大腦修復及學習，卻透過破壞性機制強行融入現有神經迴路。 Benjamin Scott 指出，此隧道效應或許促進學習與修復，但也可能威脅既有記憶的完整性。

人類大腦儲存複雜終生記憶及個性特質，故無法容忍此類干擾，為保記憶完整，我們犧牲了自我修復能力。此進化權衡使人類更易受神經退化疾病及年齡相關衰退影響。不過，此發現亦帶來樂觀啟示：神經元遷移無需「膠質支架」（glia scaffolds）——以往認為大腦修復不可或缺的生物高速公路。人類出生後大多數膠質支架消失，此曾被視為成年神經發生障礙，但研究顯示鳥類新神經元無需此結構。

「這令人興奮，因為大腦修復或許不需專屬膠質支架，」Scott 解釋。 波士頓大學團隊現轉向基因層面，利用單細胞 RNA 測序技術，監聽這些隧道神經元與鄰近細胞的「對話」。他們欲釐清其運作機制：神經元如何知曉何時停止推擠？能否讓人類細胞效仿？研究結果已刊登於《Current Biology》。

中國科學家報告，在常壓下實現鎳基高溫超導體的轉變溫度分別達到 63 K、50 K 及 46 K。該研究由南方科技大學薛其坤團隊與中國科學技術大學合作，在《Nature》期刊發佈，詳細描述雙層鎳基材料的轉變溫度由先前 45 K 提升至 63 K。研究團隊亦製備出轉變溫度為 50 K 及 46 K 的兩種人工結構。此成果在常壓環境下運作，區別於以往鎳基超導研究多需高壓條件。

團隊首先設計特定原子堆疊序列，確認鎳基材料為繼銅基及鐵基系統後的第三類高溫超導體。此進展解決高氧化態需求，該狀態通常令材料生長在超導條件下不穩定。

原子尺度材料生長管理

團隊採用強氧化原子層外延技術，在原子尺度控制材料生長。此方法可在極端氧化條件下逐層組裝原子結構，從而產生具特定電子特性的高品質鎳氧化物薄膜，如 CGTN 報導。除材料合成外，團隊辨識與這些狀態相關的電子特徵，以深化對基礎物理的理解。透過角分辨光電子能譜儀，研究人員發現超導樣本在費米面附近共享獨特電子能帶結構，此為材料物理機制的實驗證據。成果連結原子結構、電子行為與超導性，有助界定高溫超導體的特性及行為。

團隊計劃比較鎳基、銅基及鐵基材料，以解開高溫超導機制。理解這些過程，對能源傳輸系統、精密感測器及量子運算具重要意義。 原子層級設計材料，提供無阻抗電流傳輸途徑，適用於未來能源及資訊科技。另有研究分析 La3Ni2O7 薄膜，探討此化合物家族中超導性的出現。「關鍵拼圖缺失的是相圖。我們想確認此雙層系統是否具『超導圓頂』——非常規高 Tc 超導體的經典特徵，」南京大學教授兼研究作者聶悅峰解釋。

測量材料性質後，科學家繪製相圖，揭示超導圓頂，即超導性在特定條件下出現並增強的彎曲區域。此圓頂類似電子摻雜銅氧化物超導體的模式，暗示鎳酸鹽超導可能與費米面重構及電子對稱性相關。

美國科學家發現，赤鐵礦（hematite）擁有罕見且新興的磁性形式，此發現據報為自旋電子學技術鋪平道路，這些技術有望革新數據處理與儲存方式。Oak Ridge National Laboratory（ORNL）的團隊提供了迄今最清晰的實驗證據，證實了交代磁性（altermagnetism），這是 2022 年首次提出的第三類磁性形式。赤鐵礦是一種常見的鐵氧化物，即俗稱的鐵鏽，也是地球上最普遍的礦物之一。

它在超過 1,200°F（約 649°C）的溫度下仍穩定，適合室溫自旋電子學應用，無需強力冷卻。「赤鐵礦豐富、化學穩定且無毒，」項目負責人、ORNL 博士後研究員 Qiyang Sun 表示。「透過證實其交代磁性，我們為工程師開啟新平台，利用廉價且廣泛可得的材料設計高速、低功耗量子電子設備。」

赤鐵礦的量子狀態與自旋電子學

交代磁性不同於傳統鐵磁體與反鐵磁體，其電子自旋呈相反方向排列，讓純自旋電流能在無電荷的情況下流動，非常適合自旋電子學應用。自旋電子學（spintronics）或磁電子學，依賴電子自旋而非電荷來處理與儲存數據，有望實現更快運作且能耗遠低於現代電子設備的裝置。然而，尋找合適的自旋電子材料一直是重大挑戰。為驗證赤鐵礦特性，研究團隊利用 Spallation Neutron Source（SNS），這是全球最先進的中子研究設施之一。

他們採用非彈性中子散射技術，即中子透過能量轉移與樣本互動而損失或獲取能量，從而探測材料原子層級的內部磁性動態。中子無電荷但具磁矩，非常適合磁性研究，團隊據此分析自旋波（spin waves），即磁結構中的集體激發現象。 研究結果顯示，自旋波能量出現明顯分裂，這是交代磁性的細微但明確標誌，稱為磁子分裂（magnon splitting），其他實驗技術無法捕捉。

「非彈性中子散射是唯一能解析這些細譜特徵的方法，」Sun 表示。「它同時提供動量與能量解析度，讓我們偵測到定義交代磁性的微妙磁子分裂。」研究結合實驗與 ORNL 的 Sunny 軟件建模，以及高效能運算，該軟件專為量子磁性研究設計。研究團隊指出，此發現顯示高速、低功耗量子電子設備的潛在組件，可能已存在於周遭常見鐵鏽中。未來將探討自旋波間隙如何影響赤鐵礦的熱傳輸。

研究論文已刊登於 Physical Review Letters。

伊朗表示，將暫時放寬霍爾木茲海峽的通行限制，允許商業船隻在脆弱停火期間通行。此舉迅速壓低油價，顯示能源市場對中東地區干擾仍極為敏感。

霍爾木茲海峽短暫重開

伊朗外長阿巴斯·阿拉格奇表示，海峽目前對商業船隻開放。他在社交媒體發文：「根據黎巴嫩停火協議，所有商業船隻可沿伊朗伊斯蘭共和國港口及海事組織已公布的協調航道，於剩餘停火期內完全通行霍爾木茲海峽。」霍爾木茲海峽連接波斯灣與全球航道，承載全球大量石油出口。即使短暫中斷，也會影響美國燃料價格及供應鏈。 美國總統唐納德·特朗普迅速在 Truth Social 回應：「伊朗剛宣布伊朗海峽完全開放並準備好全面通行。

謝謝！」儘管海峽重開，特朗普強調美國對伊朗港口的海軍封鎖將持續。華盛頓要求達成更廣泛和平協議，方會放寬壓力，此立場令緊張局勢持續。 市場對伊朗公告即時反應。布倫特原油價格從早盤超過 US$98 一桶，迅速跌至 US$90 以下，約 HK$702 一桶。美國基準原油亦大幅下滑。此前衝突期間，布倫特原油從緊張前低於 US$70 一桶，3 月升至超過 US$100 一桶，高峰逾 US$119。

最新跌幅反映供應風險緩解時，市場情緒轉變之快。 重開源於以色列與黎巴嫩的 10 日停火，貝魯特爆發慶祝。不過，執行與持續性仍存不確定。霍爾木茲海峽仍是全球能源要道，任何再度干擾均可能引發劇烈價格波動。

美國萊斯大學（Rice University）的工程師開發出一種雙細菌系統，能夠直接將化學訊號轉換為電訊號，從而創造新型生物電子感測器。此系統可用簡單電訊號讀取來偵測污染物、健康標記物及抗生素。該系統名為電活性共培養感測系統（electroactive co-culture sensing system，e-COSENS），取代傳統依賴光訊號的生物感測方法，改用電訊號，便於與萬用表及便攜裝置等標準電子設備整合。

研究由萊斯大學與塔夫茨大學（Tufts University）及貝勒醫學院（Baylor College of Medicine）合作進行。 生物電感測技術已存在多年，但大多數系統難以工程化或在實驗室外部署。許多系統依賴工程細菌發出光訊號或產生微弱電訊號，難以控制或擴展。研究人員透過分工解決此問題：一種細菌偵測目標化學物質並產生訊號分子，第二種細菌則將訊號轉換為可測量電流。

「這種分工令 e-COSENS 極具靈活性及威力。」系統利用醌（quinone）這種某些細菌自然用於產生電力的分子，作為兩種微生物間的關鍵通訊橋樑，在目標分析物存在時產生可控電回應。

模組化微生物電路

研究人員設計模組化系統，而非強迫單一生物體同時處理感測及電輸出。大腸桿菌（E. coli）可程式化偵測不同物質，包括重金屬及發炎標記物。一旦觸發，即產生醌，激活第二細菌產生可測電訊號。為測試平台，團隊設計四種感測配置，針對不同環境的分析物，包括水樣中的重金屬、人工唾液中的發炎標記物、糞便樣本中的抗菌肽，以及牛奶中的抗生素。「四種系統均成功，但實驗室大型反應器難以轉移至戶外。

」 塔夫茨大學合作者開發出硬幣大小的電子圓盤，可配對標準萬用表，實現實驗室外便攜偵測。研究人員指，系統可在 20 分鐘內視目標分析物產生可讀電訊號。此方法亦可擴展至更多能產生或回應醌的細菌，提升系統多功能性。模組化設計為關鍵優勢，可針對特定偵測任務調整細菌組合，而無需重設計整個系統。兩位作者已申請臨時專利，涵蓋系統設計及偵測硬件整合。研究刊登於 Nature Biotechnology。