隨著全球朝著第六代移動網絡（6G）邁進，真實的競爭戰場可能不僅僅是在地球上，而是位於太空中。根據預測，6G 商業化將在2030年左右實現，研究人員已經開始重新思考人工智能（AI）如何在全球範圍內運作。國際電信聯盟（ITU）已經確定了未來 6G 的使用案例，例如整合人工智能與通信，以及無所不在的連接，這標誌著網絡功能的轉變，不再僅僅是數據的傳輸。

然而，仍然存在一個主要障礙：如何在遼闊、偏遠和服務不足的地區提供無縫的 AI 服務。僅依靠地面網絡可能無法滿足這些需求，尤其是隨著 AI 工作負載的增長及其對延遲的敏感性。最近的一項研究提出了一個超越地面的解決方案。來自香港大學和西電大學的研究人員推出了一個框架，將邊緣 AI 與空地一體化網絡（SGINs）相結合，將衛星變成通信樞紐和計算伺服器。

這一名為「空地流動 AI」的方案旨在克服快速移動的衛星和有限的空地鏈接容量所帶來的挑戰，這兩個問題長期以來限制了 AI 在軌道系統中的應用。這一框架受到水流無縫跨越邊界的啟發，允許 AI 模型和數據在衛星和地面站之間持續流動。研究人員將其描述為將傳統的二維邊緣 AI 架構擴展到太空。

該框架基於三個核心技術：流動學習、流動推斷和流動模型下載。每一個技術都旨在克服衛星移動性和間歇性連接帶來的限制，確保 AI 服務的平穩運行。流動學習通過引入一種無基礎設施的聯邦學習方案來解決長時間訓練的問題。該系統不再依賴昂貴的衛星間鏈接或密集的地面站，而是利用衛星的運動來混合和擴散模型參數，從而使衛星的運動成為一種優勢，促進更快的收斂和更高的測試準確性。

流動推斷則專注於優化實時 AI 決策。神經網絡被劃分為分佈於衛星和地面節點的級聯子模型，這使得推斷任務可以根據可用的計算資源和鏈接質量動態調整，並使用提前退出策略來平衡延遲和準確性。

第三個支柱是流動模型下載，該技術解決了如何有效地將 AI 模型傳遞給地面的最終用戶。衛星不是存儲整個模型，而是緩存選定的參數區塊，這些區塊可以通過衛星間鏈接進行遷移，從而提高緩存命中率並減少下載延遲。多播可重用的模型參數進一步提高了效率，允許多個設備同時接收相同的 AI 组件，同時節約頻譜資源。

然而，將 AI 部署到太空中也面臨著一系列挑戰。衛星在惡劣的輻射條件下運行，並依賴有限的、間歇性的電力供應。為了解決這一問題，研究人員強調了輻射抗干擾硬件、容錯計算和能量感知任務調度的重要性。

展望未來，團隊概述了未來的研究方向，例如能源高效的流動 AI、低延遲的流動 AI 和安全的流動 AI，每一項都針對性能、可靠性和安全性之間的關鍵權衡。通過利用可預測的衛星軌跡和重複的軌道運動，空地流動 AI 可能在未來的 6G 時代中發揮重要作用，實現真正的全球邊緣智能。

攝影技術即將迎來一場革命，未來的相機可能無需透鏡，這一變革的影響或將與從膠卷轉向數碼攝影的過程同樣深遠。康奈爾大學的研究團隊開發出一種新型成像技術，預示著光學成像的規則將被重新定義，這種技術能夠在不依賴笨重透鏡或繁瑣的物理對齊的情況下實現超高解析度的影像。

這一突破來自於郭安正教授的實驗室，研究人員從不尋常的來源獲取靈感，即事件視界望遠鏡（Event Horizon Telescope），這是一個全球性的射電望遠鏡陣列，首次捕捉到了黑洞的影像。該系統通過整合多個望遠鏡的數據來模擬一個更大的望遠鏡，然而，將這一概念轉化為可見光的過程長期以來一直被認為不切實際。光學波長遠短於射電波，即使是微小的傳感器錯位也可能摧毀影像質量。直到現在，以納米級精度同步光學傳感器幾乎是一項不可能的任務。

郭教授及其團隊採取了不同的方法，完全避開了物理同步的問題。最終研發出多尺度孔徑合成成像器（Multiscale Aperture Synthesis Imager，簡稱 MASI）。MASI並不強求傳感器完美協同，而是允許每個傳感器獨立測量光線。隨後，計算算法會同步數據，重建出一幅完整的影像。

此項技術的核心是一個長期存在的技術問題，郭教授指出，合成孔徑成像——使事件視界望遠鏡能夠成像黑洞的方法——是通過一致地整合多個分散的傳感器的測量結果來模擬一個更大的成像孔徑。MASI用位於不同衍射平面點的編碼傳感器陣列取代了透鏡。每個傳感器捕捉包含光與物體互動的亮度和相位信息的原始衍射圖樣。這些測量結果經過處理，以恢復每個傳感器的複雜波場，然後將波場數字填充並數值傳播回物體平面。計算相位同步方法逐步對齊數據，最大化合成影像的相干性。

這種以軟件驅動的同步方法消除了多年来阻礙實用光學合成孔徑系統的剛性干涉設置。最終的結果是，一個虛擬的孔徑，遠大於任何單個傳感器。MASI的優勢十分顯著，能夠在幾厘米的工作距離內達到亞微米的解析度，且無需透鏡。傳統光學系統通常在解析度、視場和物體距離之間進行取捨，而MASI則打破了這一限制。

該系統的能力通過成像一個子彈彈殼而得到驗證，捕捉到微米級的細節，如擊針印記。這些標記可以用來將彈藥與特定的火器聯繫起來，顯示其潛在的法醫應用。郭教授表示，MASI的潛在應用範圍涵蓋法醫科學、醫療診斷、工業檢查和遠程感測等多個領域。最令人興奮的是該系統的可擴展性，與傳統光學系統相比，MASI在擴展時的複雜度呈線性增長，增加更多傳感器能提升能力，而不會引入過高的對齊挑戰。

除了成像，這項工作還強調了工程領域更廣泛的轉變：利用計算來繞過曾被認為是根本性的物理限制。通過解耦測量與同步，MASI開創了一個新的領域，在這裡，軟件而非玻璃決定了光學系統的視野，這一發現已在《自然通訊》上發表。

隨著抗藥性問題日益嚴重，機器人現在能在幾天內完成過去需要化學家數月才能做到的任務，迅速建構潛在的抗生素。研究人員在一次自動化化學的示範中，利用機器人合成平台迅速生成並測試了數百種金屬基化合物，在此過程中發現了一種有前景的新型抗生素候選物。這種方法可能會改變科學家尋找迫切需要的藥物來對抗抗生素耐藥細菌的方式。此項研究在全球對抗微生物抗藥性日益擔憂的背景下進行，每年已有超過一百萬人因此失去生命。隨著現有抗生素效力的減弱，甚至常規醫療程序，如髖關節置換手術和化療，都面臨變得危險不安全的風險。

研究團隊並未選擇對熟悉的藥物類別進行微調，而是探索金屬基化合物，這一領域因毒性和複雜性的假設而長期被忽視。由約克大學化學系的 Dr Angelo Frei 領導，該團隊利用機器人技術和高速化學，將通常需要數月的繁瑣實驗工作壓縮至一週內。這一突破的核心是一個自動化系統，結合了機器人技術與「點擊」化學，這是一種高效地將分子構建塊連接在一起的技術。

在這一平台上，博士後研究員 Dr David Husbands 將近 200 種不同的配體與五種金屬配對，在不到七天的時間內創建了超過 700 種獨特的金屬配合物。這種速度至關重要，傳統的抗生素發現管道往往緩慢、成本高昂，對製藥公司來說越來越不具吸引力。研究人員指出，自動化可以徹底擴大所探索的化學空間，同時縮短時間和勞動成本。

經過合成後，該團隊篩選了所有 700 種化合物，測試其殺死細菌的能力，而不損害健康的人類細胞。最終有六種候選物脫穎而出，其中一種化合物引人注目：一種基於鉑金的複合物，顯示出強大的抗菌活性，包括對類似 MRSA 的菌株，同時對人類細胞無毒。結果顯示其具有高治療指數，成為進一步發展的有力候選者。

金屬配合物相對於傳統抗生素具備顯著優勢。與主流醫學中佔主導地位的平面碳基分子不同，金屬基化合物是三維結構，能以新方式與細菌互動，可能繞過現有的抗藥性機制。首席作者 Dr Angelo Frei 強調了這項工作的緊迫性，表示新抗生素的管道已經枯竭數十年，必須以不同的思維來看待此問題。

通過將智能的點擊化學與自動化相結合，Frei 說明了他們能以前所未有的速度探索大量未開發的化學空間。他指出，雖然我們發現的鉑金化合物令人興奮，但真正的突破在於我們找到它的速度。這項研究也挑戰了對金屬基藥物的長期假設。根據開放抗微生物藥物發現聯盟的數據，金屬配合物在抗菌活性方面的命中率較高，且無毒性，相比於標準有機分子更具優勢。

除了抗生素之外，這項技術的應用範圍還可以更廣泛。研究人員表示，這個快速合成平台也可以用於發現工業過程中的新催化劑，為生物醫學科學以外的領域開闢了新方向。根據發表在《Nature Communications》的研究結果，該團隊目前正在研究鉑金化合物如何攻擊細菌，並計劃擴展機器人系統以探索其他金屬及其應用。

2025 年是一個讓工程師驚訝的年份，讓人不禁想：這真的發生了嗎？在工廠、太空和電網中，新聞報導不再只是花哨的原型或虛幻的概念，而是顯示出長期存在的工程問題終於迎來實用、可擴展的解決方案。這七個故事的共同點不是某一項技術，而是一種轉變：工程正在從展示轉向部署。人形機器人不再是好奇的玩意，而是開始解決實際的瓶頸；資深火箭設計師提醒我們，推進原則對商業化仍然至關重要；而新型故障模式—無論是在有爭議的水域上空還是在擁擠的低地球軌道中—迫使我們重新思考穩健性、倫理和風險。與此同時，意想不到的參與者（例如機器人割草機）推動了 LiDAR 的進步，數據中心重新塑造了能源地緣政治，鋼鐵製造商則在脫碳的名義下開始改寫百年的化學。這些故事揭示了資金、人才和緊迫性實際流向何處，並且技術細節至關重要：這將決定誰在工廠、太空和電網中獲勝。

人形機器人的安靜崛起背後，這些設備正在真實的工業任務中靜靜證明自己。今年我們最受歡迎的故事之一探討了未來十年的機器人技術將不再由可以後空翻的機器人決定，而是由那些能夠拿起工具、達到扭矩規範並且能安全與人類一起工作的機器人決定。工廠在現代工業的緊張氛圍中運行，勞動力短缺隨處可見。生產回流將製造帶回那些從未設計用於當今自動化的設施。精確性受到要求，而人力資源卻捉襟見肘。在這樣的背景下，新一代人形機器人正在悄然進入工業的聚光燈，成為解決實際瓶頸的實用解決方案。DEVELOP 的 Matt Moseman 表示：「人形機器人雖然受到關注，但工廠不是因為它們看起來像人而購買機器人，而是因為它們能解決瓶頸。」

曾任 SpaceX 工程師及 Impulse Space 創辦人的 Tom Mueller 對推進、重用和太空機動性進行了深入探討。這段與 Tom Mueller 的精彩對話吸引了眾多讀者的目光，他是現代商業太空飛行的關鍵工程師之一。從拆解父親的割草機到設計 Falcon 9 的 Merlin 發動機，再到創建太空物流初創公司，Mueller 帶領我們回顧了一位太空先驅的旅程。他在自家車庫的改裝成果是世界上最大的業餘液體燃料火箭發動機，重達 80 磅（36 公斤），產生 13,000 磅（58 kN）的推力。這一令人印象深刻的成就吸引了 Elon Musk 的注意，Mueller 成為 SpaceX 的第一位員工。在 SpaceX，Mueller 擔任 Merlin、Kestrel 和 Draco 發動機的首席設計師，幫助建立了仍然支撐 Falcon 9 的推進架構。

南海發生的兩起海軍飛機坠毁事件引起了人們對老化系統和可能干擾的質疑。兩架海軍飛機在 30 分鐘內相繼坠毁。這一罕見的故障讓人們對事件的地點和時間產生了疑問，是否這一切並非簡單的意外？一架 MH-60R「海鷹」直升機與一架 F/A-18「超級大黃蜂」在例行任務中相繼墜毀的事件，無論是發生在 USS Nimitz（CVN-68）上還是時間相隔不長，都讓人感到不幸且可能有些可疑。即使在這一事件發生近兩個月後，這一話題仍然在熱議中—這只是由於老化航母引發的不幸事故，還是另有隱情？

Elon Musk 對地球軌道的新計劃讓天文學家感到緊張。他的新 Starlink 提案涉及衛星驅動的人工智能和減少陽光的計劃。Musk 的最新大計當然值得一席之地—他不滿足於 Starlink 原本的全球連接承諾，還希望它能驅動人工智能並冷卻地球。世界首富宣布了他公司軌道網絡的兩個潛在新用例。首先，Starlink 可以用來滿足地球上數據中心的激增和不可持續的需求。更雄心勃勃的是，Musk 還表示，人工智能衛星星座可以用來冷卻我們的星球，並應對全球變暖。這兩個想法都針對現實危機，但它們帶來了驚人的技術、環境和倫理影響。兩者都恰好為將數千顆衛星發送到低地球軌道提供了理由，無論對科學、安全或可持續性帶來的風險。

中國的機器人割草機可能會決定 LiDAR 的競爭。LiDAR 的競賽正在中國的草坪上取得勝利。忘掉汽車，現在 LiDAR 的最重要測試場地不在高速公路，而是在草坪。機器人割草機作為一種小眾消費產品，迫使 LiDAR 以比汽車市場更快的速度進化。要在緊湊、低成本的割草機中運作，傳感器必須更小、更便宜且更可靠，並且必須具備大眾市場的準備。這種壓力促使中國供應商如 Hesai 和 RoboSense 取得突破，重新塑造 LiDAR 本身。許多工程師忽視的一個事實是，民主化 LiDAR 的競賽不會在豪華車上取得勝利。正是消費機器人，包括謙遜的割草機，推動了從笨重的模擬系統到流線型的數位固態 LiDAR 的飛躍。

21 世紀的能源戰爭不再是關於石油。全球電力系統在數據中心集中於少數地區的情況下正面臨極限，這不僅使電網承壓，還重新塑造了能源地緣政治。曾經，世界上最大的能源戰鬥是在石油市場上進行的，透過管道、煉油廠和 OPEC 的談判。如今，這些戰鬥已轉向一個截然不同的舞台—數據中心。遍布城市邊緣的巨大無窗倉庫已成為 21 世紀的決定性基礎設施。根據國際能源署（IEA）在 2025 年 11 月發布的報告，全球在 2025 年將花費 5,800 億美元於數據中心，這比全球在新石油供應上的總支出多出 400 億美元。IEA 的報告指出，這一比較為現代高度數位化經濟的變化性質提供了明確的標誌。這句話準確捕捉了全球的轉變，即新的能源衝擊不再是關於化石燃料，而是關於計算。

鋼鐵的化學正在以工業規模重寫。工程師們正在用氫還原和電弧爐改造百年老鋼廠。長期以來的高爐，這種由焦炭驅動的舊「日光機器」，是鋼鐵碳排放遺產的象徵。如今該行業每年仍排放約 26 億噸二氧化碳，約佔全球二氧化碳排放的七至九個百分比，讓鋼鐵成為全球最大的工業污染者之一。這一遺產源於百年來的煤基冶金。每生產一噸鋼，傳統高爐會產生約 2.3 噸二氧化碳，並需要約 770 公斤的焦煤。要消除 1960 年代高爐的碳遺產，唯有改變核心工藝，這一任務因新的碳稅、投資者要求和客戶需求而變得越來越緊迫。根據最近的一項調查，81% 的投資者認同「綠色鋼鐵」無法以化石燃料生產。市場和監管者正在朝著嚴格的目標趨近：IEA 表示鋼鐵必須在 2030 年之前將排放減少約 25% 才能保持在 2050 年實現淨零的路徑上。今日的工程師面臨著前所未有的任務：重新設計鋼鐵生產，以擺脫其依賴焦炭和煤炭的過去。

影響深遠的視頻遊戲開發者 Vince Zampella，上週日在加利福尼亞州的一起火災車禍中不幸去世，享年 55 歲。電子藝術公司（Electronic Arts）確認了 Zampella 的死訊。EA 擁有他共同創辦及領導的 Respawn Entertainment 工作室。當局表示，這起車禍發生在洛杉磯北部的 Angeles Crest Highway。Zampella 當時與另一名乘客乘坐一輛法拉利，該車輛偏離道路，撞上了混凝土障礙物並起火，兩名乘客均不幸喪生。

這起單車事故發生在聖加布里埃爾山脈的一條彎曲的雙車道上，時間大約是中午 12:45。加州公路巡警表示，法拉利剛剛從隧道駛出，便撞上了障礙物。據報導，該車輛因未知原因偏離了道路，撞上了混凝土障礙物並完全燃燒。官員表示，乘客被彈出車外，駕駛者則被困在燃燒的車內，後來確認 Zampella 是駕駛者。當場死亡的 Zampella 乘客則在醫院去世，當局尚未公佈該乘客的身份。

目擊者錄製了一段車禍視頻並提供給當局。視頻顯示，這輛紅色法拉利在離開隧道的瞬間撞上障礙物。事故車輛為 2026 年款法拉利 296 GTS，這款混合動力跑車的馬力超過 819 匹。Zampella 的職業生涯對現代遊戲產業影響深遠，他於 2003 年與長期合作夥伴 Jason West 和 Grant Collier 共同創造了《決勝時刻》（Call of Duty）系列。該系列最初靈感源自二戰，隨後擴展至現代戰爭主題，全球銷量超過 5 億份，成為遊戲界最具盈利能力的品牌之一。目前，微軟旗下的動視（Activision）控制著這一系列，並正在開發真人電影改編作品。

Zampella 後來領導了最初的《決勝時刻》工作室 Infinity Ward。2010 年，他在加利福尼亞州查茨沃斯共同創立了 Respawn Entertainment，該工作室發佈了多款備受好評的遊戲，包括《泰坦墜落》（Titanfall）、《泰坦墜落 2》（Titanfall 2）、《Apex 英雄》（Apex Legends）以及《STAR WARS 絕地：隕落的秩序》（STAR WARS Jedi: Fallen Order）。EA 在 2017 年收購了這家工作室。Zampella 還在 Playa Vista 領導了一個 EA 工作室團隊，該團隊專注於《戰地》（Battlefield）系列的開發。

電子藝術公司對 Zampella 的評價是他是一位具有遠見的領導者，對整個行業產生了深遠的影響。EA 的發言人表示，這是一個難以想像的損失，我們的心與 Vince 的家人、摯愛及所有受到他作品影響的人同在。EA 隨後進一步闡述了他的遺產，稱他的影響力深遠且廣泛，幫助塑造了現代互動娛樂，並激勵了數百萬人。華盛頓郵報的遊戲評論家 Gene Park 曾與 Zampella 會面，他讚揚了 Zampella 對創意的獨特見解，並指出他擅長與玩家建立情感聯繫。Park 表示，Zampella 真的很懂得如何創造故事和體驗，讓人感受到人類經歷的核心。他還補充，儘管 Zampella 取得了成功，但他始終保持謙遜。

當局仍在調查事故原因，目前尚未公布進一步細節。

POSCO DX，作為POSCO集團的科技子公司，於週二宣佈將向美國工業人形機器人初創公司Persona AI投資200萬美元。此外，這家韓國財團還將通過一個獨立的CVC基金再投資100萬美元，總投資額達到300萬美元。POSCO DX計劃制定詳細的合作計劃，旨在開發可替代集團工業現場高風險手動流程的人形機器人，根據公司新聞稿的說法。這項投資支持POSCO DX將集團的人工智能技術與機器人技術相結合，開發所謂的物理人工智能，讓智能直接嵌入在現實環境中運行的機器中。

這家總部位於浦項的韓國公司，旨在利用自動化和機器人技術減少工業事故，提高重型工地的安全性。Persona AI的業務範疇是什麼呢？Persona AI是一家美國初創公司，專注於為勞動密集型工業工作場所建造人形機器人。該公司由前NASA機器人工程師、現任CEO Nicholas Radford與前人形機器人製造商Figure AI的首席技術官Jerry Pratt共同創立。這家位於德克薩斯州的初創公司專注於重型行業，如造船和能源，旨在彌補勞動力缺口，應對工人流失，同時確保這些工作場所的更高安全性。

業界領導者如Figure AI和Boston Dynamics也在通過人形和移動機器人推進物理人工智能。然而，Persona AI的獨特之處在於其專注於重型工業環境，而非一般的移動或物流需求。這些人形機器人如何運作？這些人形機器人被設計成為生態系統的一部分，幫助監督者、同事和旁觀者精確地完成任務。Persona AI提供一系列的人形機器人，每種機器人都專門設計用於焊接、製造、採礦、建築和組裝等任務。根據該公司的說法，這些人形機器人配備了觸控傳感器，可實時測量力量和運動，使其能在工業環境中平穩且安全地執行任務。

該公司正在開發能夠精確控制的機器人，基於原本由NASA開發的機器人手技術。POSCO DX表示，Persona AI還應用了基於機器人基礎模型的人工智能算法，使得其機器人可以自主互動和執行任務。物理人工智能與傳統工廠自動化的區別在於，傳統工廠自動化使用預先編程的機器人來執行高度控制環境中的重複性任務。雖然這些系統在生產線上表現良好，但在需要適應性或人類般靈巧性的環境中卻表現不佳。

物理人工智能將人工智能嵌入機器中，使其能夠感知、解釋和回應現實條件。具備人工智能的機器人能根據觸摸、力量和環境反饋調整動作，這使它們更適合在條件變化和任務不可預測的非結構化工業環境中工作。為什麼重型製造商現在開始投資機器人技術？隨著運營挑戰日益增加，鋼鐵生產商和重型製造商越來越多地轉向機器人技術。許多工業行業正面臨勞動力短缺、老齡化勞動力和高員工流失率的問題，特別是在體力要求高和危險的角色中。

同時，工作場所安全也日益受到關注，公司尋求減少事故和人員暴露於危險任務的方法。隨著機器人技術的成熟，製造商將其視為一種切實可行的工具，而非針對這些挑戰的實驗性解決方案。