2025年你必須知道的8大AI研究突破

人工智慧（AI）持續以驚人速度進化，不斷突破科學、技術與產業的界限。從革命性的模型架構到創新的安全策略，再到高能耗需求，本文精選介紹AI研究最新進展及其重要性。

1. AI訓練的能源需求激增

最新報告警告，到2028年，訓練單一大型AI模型可能需要1-2 GW的電力，預計到2030年將達4-16 GW。在最高規模下，這可能消耗近美國能源供應的1%。整體AI電力需求可能在短短幾年內從目前的5 GW增長至超過50 GW，對能源基礎設施造成巨大壓力。
🔗 閱讀更多 – Axios

2. 「深度無知」策略提升AI安全性

英國AI安全研究所與Eleuther AI的研究人員發現，從訓練數據中過濾潛在有害的生物安全內容可在幾乎不影響性能的情況下提升AI安全性。此方法僅增加不到1%的計算成本，同時增強了安全性和透明度。
🔗 閱讀更多 – 華盛頓郵報

3. 韓國Upstage發布Solar Pro 2

韓國新創公司Upstage推出Solar Pro 2，這是一個擁有300億參數的大型語言模型，在基準測試中表現優於Anthropic的Claude 3.7和OpenAI的GPT-4.1。這得益於創新的深度擴展訓練法。該模型已被英特爾採用，標誌著韓國強勢進軍全球AI競賽。
🔗 閱讀更多 – 金融時報

4. 達爾文猴：類腦AI突破

浙江大學開發出**「達爾文猴」，這是一款擁有超過20億人工神經元**的類腦計算機，旨在模擬靈長類大腦結構與處理方式。這可能為更具生物真實性的AI系統鋪路，進而改變AI學習與處理資訊的方式。
🔗 閱讀更多 – 印度時報

5. AI在網路安全的雙重角色

在Black Hat與DEF CON大會上，AI展現了其雙面性：既是網路攻擊工具（自動化漏洞掃描與客製化攻擊），也是防禦機制（如微軟的AI病毒檢測器、趨勢科技的「數位分身」安全技術）。AI攻擊者與防禦者之間的軍備競賽正在加速。
🔗 閱讀更多 – 財富雜誌

6. 加速能源材料與電池研究

AI現已成為電池技術與能源材料研究的重要加速器，推動下一代能源儲存解決方案的快速發展——這對清潔能源創新至關重要。
🔗 閱讀更多 – Discovery Alert

7. 從古代基因組挖掘新型抗生素

賓夕法尼亞大學團隊利用AI分析古代微生物與滅絕物種的蛋白質序列，發現潛在的新型抗生素候選物。這種跨時代的生物資訊學方法可能徹底改變抗菌藥物的發現。
🔗 閱讀更多 – 賓夕法尼亞大學

8. AI驅動的科學突破

• Agentic AI Scientist-v2 – 一款能自主生成假設、設計實驗與撰寫論文的AI研究系統，已通過同行評審並在ICLR研討會發表。
  🔗 閱讀論文 – arXiv

• Agentic AI Review – 關於化學、生物學與材料科學中自主AI的全面綜述，涵蓋評估指標與倫理挑戰。
  🔗 閱讀論文 – arXiv

• DeepMind的AlphaEvolve – 基於Gemini LLM建構的演化程式設計代理，能發現並優化演算法。在50個基準問題中，75%的情況下能找到最佳解，並在20%的問題中超越現有解決方案。
  🔗 了解更多 – 維基百科

• Google的FutureHouse – 一個用於科學研究的多代理AI平台，可自動化文獻回顧、合成設計與數據分析。
  🔗 閱讀更多 – MIT新聞

重點摘要表

類別	關鍵亮點
能源與效率	AI訓練能耗飆升，AI加速材料研究
安全與透明度	「深度無知」訓練提升AI安全性
模型與演算法創新	Solar Pro 2、Agentic AI、AlphaEvolve
生物與醫學	AI驅動的抗生素發現
架構與安全	達爾文猴類腦AI，AI的網路安全角色