随着人工智能（AI）从以云端计算和数字空间为主，逐步向机器人、智能制造、自动驾驶等物理世界场景渗透，芯片设计、制造和系统部署正面临前所未有的复杂性挑战。在这一背景下，电子设计自动化（EDA）不再只是服务于芯片开发的工具体系，而正在演变为连接芯片、制造、AI算力与工业系统的关键枢纽。近期，Synopsys、Cadence、西门子三大EDA巨头相继发布重大业务调整或战略合作举措，并与格芯等晶圆代工厂及英伟达等关键玩家形成深度联动，集中反映出EDA产业在物理AI时代的路径分化与协同趋势。一、Synopsys：收缩处理器IP战线，回归EDA与基础IP核心定位1月14日，Synopsys与格芯达成最终协议，将其处理器IP解决方案业务，包括ARC-V（RISC-V）与ARCCPUIP、DSPIP、NPUIP及相关软件开发工具，以及应用专用指令集（ASIP）处理器工具（例如ASIPDesigner和ASIPProgrammer）出售给格芯。此举旨在通过整合新思科技在IP质量、技术支持和开发方法上的积累与格芯的先进制造能力，帮助客户降低集成风险、加快产品上市速度。从表面看，这是一次业务剥离，但从战略层面看，体现的是Synopsys对自身定位的主动收敛：一方面，通过退出处理器IP这一竞争日趋激烈、且高度依赖制造工艺协同的领域，Synopsys得以进一步巩固其在接口与基础IP领域的领先地位，持续为高性能计算、移动、汽车及消费电子等领域提供云端到边缘的AI驱动型解决方案；另一方面，将处理器IP交由格芯整合，有助于实现IP与工艺、良率和量产能力的深度绑定，格芯通过此次收购将强化其面向物理AI领域的技术路线图，致力于为客户提供端到端的解决方案，推动下一代计算与AI应用向物理世界扩展。二、Cadence：以生态系统方式前移，抢占系统级集成高地1月6日，Cadence宣布推出芯片规格到封装组件生态系统，旨在降低工程复杂性，并加快面向物理AI、数据中心和高性能计算（HPC）应用的芯片开发客户的产品上市速度。首批加入Cadence的IP合作伙伴包括Arm、Arteris、eMemory、M31Technology、SiliconCreations和TrilinearTechnologies，以及芯片分析合作伙伴proteanTecs。Cadence正与三星晶圆代工合作，在三星晶圆代工SF5A工艺上构建Cadence®物理AI芯片平台的硅原型演示，该平台包含预集成的合作伙伴IP。Cadence和Arm延续了双方长期以来的紧密合作，Cadence将利用先进的Arm®Zena™计算子系统（CSS）和其他关键IP，增强其物理AI芯片平台和芯片框架。这一战略体现出Cadence的三点关键取向：一是将EDA从“设计支持工具”升级为系统级集成与协调平台；二是通过预集成、预验证的IP组合，降低工程复杂性，缩短芯片从设计到量产的周期；三是明确面向物理AI、边缘AI、数据中心和HPC等高复杂度应用场景，为客户提供一条低风险的先进芯片部署路径，并为构建更智能、更安全、更高效的系统铺平道路。图1Cadence的Chiplet规格到封装部件生态系统降低了工程复杂性，并加快了面向物理AI、数据中心和HPC应用的Chiplet开发客户的产品上市速度图片来源：Cadence三、西门子：EDA深度嵌入工业AI，迈向“操作系统级”角色相较于Synopsys与Cadence仍以芯片和系统设计为中心，西门子与英伟达的合作则将EDA直接推向工业AI与数字孪生体系。西门子正在尝试构建一个以EDA为起点、以数字孪生和工业AI为终点的完整闭环。1月6日，西门子与英伟达宣布大幅扩展战略合作伙伴关系，共同推动人工智能在现实工业场景中的应用。双方将整合各自优势资源，开发面向工业和物理世界的AI解决方案，以加速各行业及工作流程的智能化创新。英伟达将提供包括AI基础设施、仿真库、模型、框架与蓝图在内的全方位技术平台；西门子则投入数百名工业AI专家及其领先的工业硬件与软件能力。在具体实施路径上，西门子将在其EDA产品组合中集成英伟达CUDA-X库、PhysicsNeMo和GPU加速技术，重点覆盖验证、布局布线和工艺优化等算力密集型环节，目标在关键流程中实现2—10倍的性能提升，并引入AI辅助布局、调试和电路优化功能。这一合作旨在赋能客户利用更完整的数字孪生技术，实现从产品开发、生产实时调整到“芯片—AI工厂”技术发展的全面提速。双方计划在全球打造首个完全由AI驱动的自适应制造基地，首例蓝图将于2026年在德国埃尔兰根的西门子电子工厂落地。目前，富士康、现代汽车、凯傲集团、百事公司等已在评估相关能力。双方还将共同开发下一代AI工厂的可重复蓝图，加速工业人工智能革命，并为其AI加速的工业产品组合提供高性能基础。该蓝图将平衡下一代高密度计算对电力、冷却和自动化的需求，同时确保技术在速度和效率方面都处于良好状态，优化从规划和设计到部署和运营的整个生命周期。图2西门子电子工厂图片来源：西门子、百事公司四、英伟达：贯穿EDA三巨头的物理AI底座在上述三种不同路径中，英伟达虽非EDA厂商，却成为贯穿三者的关键变量：对Synopsys和Cadence而言，英伟达的GPU与AI软件栈正在成为EDA加速与验证的重要算力底座；对西门子而言，英伟达更是工业AI操作系统的核心基础设施提供者。英伟达正在完成从“AI芯片公司”向物理AI基础设施平台的角色跃迁，其影响力已延伸至EDA、制造仿真和工业系统等多个层级。五、EDA三巨头分化演进，共同指向物理AI时代综合来看，Synopsys、Cadence和西门子正以不同方式回应物理AI带来的产业重构。Synopsys选择聚焦EDA与基础IP，强化规则与方法优势；Cadence通过生态系统前移，争夺系统级集成制高点；西门子则将EDA嵌入工业AI和数字孪生，迈向操作系统级角色；英伟达作为统一的AI算力与平台底座，成为三条路径的关键支撑。参考文献[1]GlobalFoundries.GlobalFoundriestoAcquireSynopsys’ProcessorIPSolutionsBusiness,ExpandingCapabilitiestoAcceleratePhysicalAIApplications[EB/OL].(2026-01-14)[2026-01-22].https://gf.com/gf-press-release/globalfoundries-to-acquire-synopsys-processor-ip-solutions-business/.[2]Cadence.CadenceLaunchesPartnerEcosystemtoAccelerateChipletTimetoMarket[EB/OL].(2026-01-06)[2026-01-22].https://www.cadence.com/en_US/home/company/newsroom/press-releases/pr/2026/cadence-launches-partner-ecosystem-to-accelerate-chiplet-time-to.html.[3]NVIDIA.SiemensandNVIDIAExpandPartnershiptoBuildtheIndustrialAIOperatingSystem[EB/OL].(2026-01-06)[2026-01-22].https://nvidianews.nvidia.com/news/siemens-and-nvidia-expand-partnership-industrial-ai-operating-system.

智慧养老，作为数字时代背景下诞生的新兴服务业态，正以前所未有的速度重塑传统养老格局。它不仅是科技赋能产业的典范，更是应对全球人口老龄化挑战的关键突破口。本文梳理这一新兴服务业的发展动因、市场现状、核心价值与未来趋势。一、市场机遇：老龄化浪潮催生庞大需求中国正经历快速且规模巨大的人口结构转变。65岁以上人口已超过2.6亿，且这一数字仍在持续增长。预计到2025年，中国养老市场规模将达到800亿美元，并在2030年突破3万亿人民币大关。庞大的老年群体，特别是慢性病患病率的上升，催生了对于高效、可持续养老照护体系的巨大刚需，为智慧养老这一新兴服务产业提供了爆发式增长的土壤。二、产业定义与核心特征：从“单点智能”到“全域智慧”智慧养老服务的核心，在于利用物联网、人工智能、5G、大数据等新一代信息技术，整合硬件、软件与服务，重构养老服务价值链。它区别于传统养老模式的本质特征是通过“数据驱动”，从环节单一化和机构分散化走向全链智能整合，主要表现在以下几个方面。一是主动预防，通过智能监测设备实现健康状况实时追踪与异常预警，变被动响应为主动干预。二是高效整合，将分散的养老服务与医疗系统无缝连接，实现跨机构的协同照护。三是个性化定制，基于个体数据和偏好，提供量身定制的健康管理方案与生活辅助。实践证明，采用智慧化手段的养老机构，其服务效率可提升40%以上，意外事件响应速度加快60%，显著优化了人力资源配置。三、关键驱动因素与全球格局在全球范围内，智慧养老作为新兴的服务业支柱，其迅猛发展并非偶然，而是由多重核心驱动力共同塑造，并在不同区域市场呈现出多样化的格局。1.核心驱动力剖析首先，人口结构的历史性转变是根本动力。全球范围内加速的人口老龄化，催生了对现代化、高效化养老解决方案的庞大刚需。其次，主流的“90-7-3”养老模式（即90%居家养老、7%社区养老、3%机构养老）奠定了市场基础，凸显出家庭护理场景的巨大潜力与广阔空间。再次，慢性病管理的迫切需求构成了强劲推力。心脑血管疾病、糖尿病等的高发，使得持续、便捷的居家健康监测与管理系统成为刚性需求，推动市场呈指数级增长。最后，政策支持与社会认知提升提供了关键保障。各国政府陆续出台扶持政策，同时公众对智慧养老的接受度不断提高，为产业创造了良好的发展环境。2.全球市场格局洞察从全球视野来看，智慧养老市场展现出巨大的增长潜力和鲜明的区域特色。据权威机构预测，全球智慧养老系统市场规模预计到2033年将达到约1155.7亿美元，期间年复合增长率将保持在12.6%的高位。区域市场表现各异：北美地区凭借其技术研发领先优势和较高的市场普及率，目前在市场中占据主导地位。欧洲市场则更为成熟，其发展注重成本效益与严格的合规性要求。而亚太地区无疑是未来最具活力的新兴市场，其庞大的老年人口基数、快速的经济增长以及巨大的市场潜力，正吸引全球资本和技术的关注，有望成为未来产业增长的重要引擎。在明确的内生动力推动下，智慧养老服务业正迎来黄金发展期，并将持续重塑全球养老产业的未来图景。四、主要发展趋势与服务创新智慧养老服务业正在技术革新与需求升级的双重驱动下蓬勃发展，其演进路径呈现出以下五大清晰趋势，共同勾勒出未来养老服务的崭新图景。1.服务个性化：从“标准化”到“量身定制”传统的“一刀切”式养老模式正被逐步淘汰。未来的核心趋势是个性化关怀，即利用大数据和评估工具，深入理解每位长者的健康状况、生活习惯及个人偏好，从而提供真正意义上的定制化照护方案与健康管理计划，显著提升服务的精准度与满意度。2.远程医疗普及：打破时空限制的医疗资源触达远程医疗的普及是智慧养老的关键一环。通过Telehealth（远程健康）服务和可穿戴设备的远程监测技术，老年人无需频繁前往医院，在家中即可享受专业的医疗咨询、慢病管理和紧急响应服务。这极大地缓解了医疗资源分布不均的压力，为行动不便或偏远地区的老人带来了福音。3.AI与数据分析深化：从“监测”到“预测与决策”人工智能（AI）与数据分析的应用正从表层监测向纵深发展。AI不再仅仅用于警报触发，而是通过深度学习，对海量健康数据进行分析，实现对跌倒、突发疾病等风险的主动预测，并为医护人员提供辅助诊断和个性化干预策略的建议，推动养老服务从“被动响应”向“主动预警”变革。4.系统集成化：构建“医养结合”的无缝服务体系“信息孤岛”问题正通过系统集成化得到解决。未来的趋势是将智慧养老系统与区域的医疗卫生、社保等平台进行深度整合，打通数据壁垒，实现老人健康信息在家庭、社区、养老机构与医院之间的顺畅流转，最终形成一体化的“医养结合”服务网络，确保照护服务的连续性和高效性。5.智能家居融合：打造全方位的智慧生活空间智慧养老正与智能家居生态深度融合。通过将紧急呼叫、环境传感器、智能药盒等养老设备与全屋的灯光、空调、安防等系统联动，能为长者创造一个更安全、舒适、便捷的生活环境。例如，夜间离床自动点亮小夜灯，发生意外时自动报警并联系亲属，真正实现全方位的智慧生活辅助。这五大趋势相互关联、协同作用，共同推动智慧养老服务业向更人性化、高效化和智能化的方向演进，最终目标是让每一位老年人都能享有有尊严、有品质的晚年生活。五、技术演进与未来展望家庭健康技术已历经从1.0（单设备监测）到4.0（多模态预测性护理）的演进。未来3-5年，技术创新将持续聚焦在以下几个方面。一是多模态感知，融合雷达、音频、视觉等非接触式传感技术，更精准、无感地监测生理指标（如血压、血糖）与环境参数。二是AI算法升级，发展个性化模型、小样本学习及可解释AI，以增强信任度和适应性。三是交互体验创新，引入自然语言、虚拟健康助手和AR/VR技术，提升服务的易用性和亲和力。前沿研究方面已开始探索联邦学习（保护隐私的数据协作）、量子计算在医疗数据处理中的应用等方向，预示着这一服务业巨大的技术纵深。六、社会价值与实证效果智慧养老服务的核心价值在于填补传统医疗系统在慢性病管理和院后护理领域的“空白期”，解决资源短缺、干预延迟等痛点。实证案例显示，AI医疗警报系统能将紧急响应时间缩短至90秒，降低高风险患者再住院率22%，并实现1:3.6的投资回报率，展现出显著的社会与经济效益。结语智慧养老产业方兴未艾，是技术赋能、需求拉动与政策引导共同作用下的典型新兴服务业。它正从技术应用的“单点突破”走向构建全域协同、主动服务的“智慧生态”。面对确定性的老龄化未来，推动这一新兴服务业的规模化、普惠化发展，不仅是巨大的市场机遇，更是构建未来社会福祉的重要支柱。参考文献：[1]RateMon.RateMonIntelligentCare:SmarterDetection,FasterProtection[EB/OL].(2025-06-30).https://www.ratemon.com/en.[2]AMR.SmartElderlyCareSystem12.6CAGRGrowthOutlook2025-2033[EB/OL].(2025-02-24).https://www.archivemarketresearch.com/reports/smart-elderly-care-system-46152#.

2026年初，人形机器人正从实验室走向真实工业场景，开启规模化应用新阶段。半导体巨头STMicroelectronics宣布与意大利公司OversonicRobotics合作，在其全球工厂部署RoBee认知人形机器人，成为全球首家在实际生产环境中部署并运行认知人形机器人的半导体企业；高通则在CES2026推出面向人形机器人的Dragonwing™IQ10计算平台，构建支持物理AI的端到端架构；与此同时，现代汽车集团计划自2028年起在全球生产基地部署波士顿动力Atlas机器人，并建设年产3万台的制造体系。人形机器人正从技术验证迈向产业落地，深度融入汽车、半导体等核心制造领域。半导体行业首次引入认知人形机器人，Oversonic与STMicroelectronics开启智能制造新篇章2025年12月22日，意大利认知人形机器人专业公司OversonicRobotics宣布与全球半导体领导者STMicroelectronics达成协议，将定制的RoBee认知人形机器人引入到STMicroelectronics位于全球多个工厂的生产和物流过程中。这是半导体行业首次在实际生产环境中部署并运行认知人形机器人，实现其在工厂产线上的操作性集成，标志着先进制造业发展的一个转折点。首台人形机器人已在马耳他的ST先进封装和测试厂部署。由OversonicRobotics研发的认知人形机器人RoBee是唯一获得工业和医疗保健部门认证的人形机器人。RoBee已经在几家意大利企业中投入使用，并参与了医院内的实验项目。作为首个将认知人形机器人引入如半导体这般复杂生产环境中的公司，意味着在可靠性、安全性和运营连续性方面面临最高标准的考验。根据协议内容，OversonicRobotics将在CES上与ST合作展示其RoBee人形机器人及其为高级生产和制造场景开发的应用程序。此次展示标志着双方国际合作的正式推出，获得了来自两家公司的机器人系统工程和自动化专家的支持。高通聚焦人形机器人，推出安全高效计算架构加速物理AI落地在2026年1月6日至9日于美国内华达州拉斯维加斯会议中心举办的CES2026上，高通展示了多款搭载Dragonwing处理器的人形及机器人平台，包括VinMotion的Motion2人形机器人和Booster的K1Geek机器人。随着机器人系统从受控环境走向现实世界部署，设计人员面临日益增长的需求：更高的计算密度、功能安全性、能效表现以及长期可扩展性。为应对这些挑战，高通提出了一种通用型机器人架构，将硬件、软件与复合人工智能集成于统一平台，覆盖从家用服务机器人、工业自主移动机器人到全尺寸人形机器人的广泛应用场景。该架构基于高通在边缘AI和低功耗高性能片上系统设计方面的经验，专注于支持那些需在复杂环境中感知、实时规划动作并持续自适应运行的机器人系统。其设计理念并非针对单一机器人类型，而是通过一致的软件基础和安全框架，实现跨多种形态的可扩展部署。该平台的核心是高通全新推出的高端机器人处理器——Dragonwing™IQ10系列，专为先进AMR和人形机器人系统设计。该处理器旨在充当机器人的“中央大脑”，集成了异构计算单元、边缘AI加速器，并支持混合关键性工作负载，涵盖感知、运动规划、安全控制等多个任务域。高通正通过与系统集成商、机器人开发商及工业伙伴的广泛合作，扩展其机器人生态系统。研华（Advantech）、Booster、库卡机器人（KukaRobotics）、Robotec.ai和VinMotion等公司已采用高通技术，加速规模化机器人解决方案的落地。同时，高通正与Figure公司合作，共同定义下一代计算架构，以支持人形机器人向更高水平的自主性和运行鲁棒性演进。现代汽车集团计划2028年起全球部署Atlas人形机器人现代汽车集团计划自2028年起在全球工厂部署由波士顿动力（BostonDynamics）开发的Atlas人形机器人，这标志着先进人工智能系统将彻底改变汽车生产方式。现代汽车集团持有波士顿动力公司的多数股权，表示其目标是到2028年建立一个年产能达到3万台机器人的生产系统。部署将分阶段推进：2028年起，Atlas将首先应用于已验证具备安全与质量效益的工序，如零部件排序；到2030年，应用范围将扩展至组件装配以及涉及重复性动作和重载搬运的任务——这些场景尤其需要AI驱动的自适应能力。Atlas的研发得益于波士顿动力与GoogleDeepMind的战略合作，融合了顶尖的机器人工程能力与前沿AI技术。这一合作被视为推动工业场景中AI驱动自动化发展的关键一步。Atlas具备56个自由度，主要采用全旋转关节，并配备具有触觉感知能力的人体尺度双手。该机器人可执行高精度任务，并能提起最高50公斤的负载。支撑该机器人计划的AI基础设施包括NVIDIA提供的AI框架与仿真库，将部署于现代汽车公司、起亚公司及现代摩比斯。该技术基础将与波士顿动力和GoogleDeepMind的合作协同，用于训练和提升机器人的AI能力。现代正围绕“端到端AI机器人价值链”构建其所谓的“集团价值网络”。通过软件定义工厂和“机器人Meta工厂应用中心”，利用真实产线数据对机器人进行训练，重点开发人机协作的安全协议。该AI训练方法旨在使机器人能够从实际制造环境中学习，从而适应多变的生产需求与安全场景。为支持这一AI机器人战略，现代宣布将在五年内向韩国投资860亿美元（约合690亿英镑），并向美国投资260亿美元（约合210亿英镑），均用于推进由AI驱动的机器人技术发展。这些投资有望推动整个汽车行业向AI深度融合的智能制造范式加速转型。参考文献：[1]OversonicRoboticssignshumanoidrobotssupplyagreementwithSTMicroelectronics[EB/OL].(2025-12-22)https://www.prnewswire.com/news-releases/oversonic-robotics-signs-humanoid-robots-supply-agreement-with-stmicroelectronics-302647593.html[2]QualcommScalesRoboticsComputefromAMRstoHumanoids][EB/OL].(2026-1-7)https://www.automation-mag.com/news/104970-qualcomm-scales-robotics-compute-from-amrs-to-humanoids[3]AIHumanoidRobotsCentraltoHyundai'sManufacturingVision[EB/OL].(2026-1-10)https://aimagazine.com/news/hyundai-targets-2028-factory-rollout-for-ai-humanoid-robots

一、引言随着生成式AI技术的快速迭代，AI生成内容（包括文本、图像、音频、视频等）的逼真度与传播效率显著提升，不仅推动了数字内容创作的革新，也引发了关于信息真实性、内容溯源及社会信任的严峻挑战。深度伪造技术引发的身份冒充、虚假信息传播，以及AI生成文本在公共事务领域的误导性使用，已对民主进程、个人权益及市场秩序构成实质性威胁。在此背景下，欧盟作为全球AI治理的先行者，于2025年12月发布《AI内容透明度行为准则》（第一版草案）（以下简称《准则》），构建了AI生成内容透明度的全链条规范体系。该《准则》是欧盟《人工智能法案》第50条的具体化实施文件，经过多方利益相关者参与的开放式公共咨询与专题研讨，整合了产业界、学术界、公民社会及成员国代表的多元意见，形成了针对AI系统提供者与部署者的双重责任框架。本文将从制定背景与流程、核心内容框架、技术实施要求、合规与监督机制、挑战与展望等方面，对《准则》进行全面解析，以期为理解欧盟AI治理逻辑、推动全球AI内容透明度规则协同提供学术支撑。二、《准则》的制定背景与流程（一）法律依据与政策目标《准则》的制定直接依据《人工智能法案》第50条第（2）（4）（5）款的规定，核心政策目标包括三方面：一是增强AI生成与操纵内容的透明度，使自然人能够有效识别AI来源内容，维护信息生态系统的完整性与公众信任；二是建立技术可行、比例适当的标识与检测机制，平衡AI创新发展与风险防控的关系；三是明确AI价值链各参与方的责任，促进提供者与部署者的协同治理，为欧盟内部市场的有序运作提供保障。同时，《准则》致力于确保AI技术的发展符合以人为本的原则，保护《欧盟基本权利宪章》所载的民主、法治、环境保护等基本权利，防范AI对健康、安全的潜在危害。（二）制定过程与参与主体《准则》的制定过程体现了多方共治的治理理念，其关键特点包括以下三点，一是多方利益相关者参与：通过开放式公共咨询收集187份书面意见，涵盖产业界、学术界、公民社会等多元主体，确保规则的实操性与包容性。二是专业工作组协作：设立两个专项工作组，分别负责生成式AI系统输出内容的标识和检测要求（工作组1），以及深度伪造及特定AI生成文本的披露要求（工作组2），由具备专业知识、经验、独立性及地域和性别多样性的主席和副主席领导。三是多轮研讨与专家审查：通过2025年11月17-18日的三次专题研讨会，结合针对性书面意见收集，整合最新学术研究、国际标准与实践经验，确保规则的科学性与前瞻性。三、《准则》的核心内容《准则》全文围绕AI系统提供者与部署者两大核心主体，构建了“技术标识与检测”（针对提供者）和“清晰披露与标签”（针对部署者）的双重责任体系，涵盖通用原则、具体承诺、实施措施及合规要求等内容，形成了逻辑严密、层次分明的规范框架。（一）适用范围与术语定义《准则》的适用范围与《人工智能法案》保持一致，涵盖生成或操纵合成音频、图像、视频、文本内容的AI系统（包括通用目的AI系统），重点规制深度伪造内容及旨在向公众告知公共利益事宜的AI生成文本。在术语定义方面，《准则》明确了主动标识、法证检测、感知哈希、结构化标识等关键技术术语的内涵，统一了“全生成内容”“AI辅助内容”等核心概念的界定，为规则的统一适用奠定基础（具体术语定义见表1）。表1核心术语定义表术语定义主动标识（Activemarking）向AI生成或操纵的内容中添加或嵌入标识，如水印或附加信息（如元数据条目），便于检测该标识及对AI生成或操纵内容进行来源归属法证检测（Forensicdetection）不依赖于主动AI标识存在的AI生成或操纵内容检测，可利用内容内在特征或机器学习模型区分AI生成与真实内容感知哈希（PerceptualHashing）将音频或视觉内容缩减为短标识符以便索引，用于快速查找已知AI生成或操纵内容结构化标识（Structuralmarking）在训练期间或推理时嵌入模型的不可感知水印，适用于开放权重模型的标识全生成内容完全由AI系统自主生成且不含人类创作真实内容的内容AI辅助内容人类和AI混合参与创作，AI的参与实质性影响内容意义、事实准确性或情感基调的内容（二）针对AI系统提供者的核心义务提供者的核心责任聚焦于技术层面的标识与检测，通过实施“多层标记法”确保AI生成内容的可识别性与可追溯性，具体包括四大承诺及配套措施：1.AI生成内容的多层标识该承诺要求提供者采用组合式标识技术，确保AI系统输出以机器可读格式进行标识，且标识技术符合有效性、互操作性、稳健性和可靠性要求。具体措施包括：第一，在机器可读标识技术方面：针对支持元数据嵌入的内容，在元数据中添加内容来源、AI系统签名及操作类型等信息并进行数字签名；对AI生成内容嵌入不可感知水印，直接与内容交织以抵御典型处理操作；必要时建立指纹识别或日志记录设施，弥补元数据与水印技术的不足。第二，在特定模态标识技术方面：为不允许安全嵌入元数据的内容（如部分文本）提供数字签名的来源证书；确保多模态内容的标识在各模态间同步，防止单一模态被替换后标识失效。第三，在开放权重模型的结构化标识方面：在模型训练期间将标识编码于权重中，使基于该模型开发的下游AI系统自动继承标识特征，降低下游合规成本。第四，在标识保护与来源链透明度方面：采取措施防止标识被更改或移除，在内容传播与转换过程中保留来源信号；记录内容从AI辅助修改到完全AI生成的来源链，区分AI操作与人工操作。2.AI生成内容标识的检测提供者需确保AI生成内容可被用户及第三方检测，具体措施包括：第一，提供免费检测接口（如API或用户界面）或公开检测器，支持带有置信度分数的内容验证，并披露完整来源信息。第二，模型提供者在模型投放市场前提供检测机制，促进下游系统合规。第三，实施法证检测机制作为主动标识的补充，通过分析内容内在特征实现AI生成内容识别，不依赖主动标识的存在；最后，确保检测结果的人类可理解性与无障碍性，符合欧盟ICT产品和服务的无障碍标准，提供培训材料与文档，提升部署者与用户的AI内容验证素养。3.标识和检测技术要求提供者需确保标识与检测技术符合有效性、可靠性、稳健性和互操作性四大核心要求。首先是有效性：包括技术方案需计算效率高、成本可控，能实时应用且不损害内容质量与模型功能，兼顾环境可持续性。第二是可靠性：通过低假阳性/假阴性率、低比特错误率等指标衡量，需在未见过的AI生成与人类创作内容样本上验证。第三是稳健性：能抵御镜像、裁剪、压缩、转述等常见修改及复制、移除标识等对抗性攻击，采用速率限制等安全措施防范恶意使用。最后是互操作性：技术方案需适配不同分发渠道与技术环境，鼓励合作创建共享聚合验证器，采用国际与欧洲标准提升互操作性。4.测试、验证与合规提供者需建立合规框架，确保标识与检测措施有效落地，制定并更新合规框架，记录标识与检测流程，应监管要求提供相关文档。提供者在投放市场前及定期进行真实场景测试，邀请独立专家参与或在监管沙盒中开展评估，采用自适应威胁建模应对新型风险，为相关人员提供培训，确保合规措施有效实施，配合市场监管机构的合规评估，提供必要信息与系统访问权限。（三）针对AI系统部署者的核心义务部署者的核心责任是对深度伪造内容及涉及公共利益的AI生成文本进行清晰、显眼的标签披露，确保自然人在首次接触内容时即可识别其AI来源，具体包括三大通用承诺及针对深度伪造与AI文本的特定措施：1.通用承诺该部分主要分为以下三点：（1）基于通用分类法和图标披露来源。采用“全生成内容”与“AI辅助内容”的二级分类法，明确区分AI参与程度；在欧盟通用图标确定前使用过渡性图标（如“AI”“KI”等成员国语言缩写），未来将开发交互式欧盟通用图标，支持点击查看详细来源信息，且图标放置需清晰可见、不干扰内容欣赏。（2）合规、培训与监督。制定内部合规文件明确标签实践，为相关人员提供培训；建立保密渠道接收第三方关于错误标签或未标签内容的举报，及时纠正不合规情况，并配合市场监管机构、事实核查组织等第三方的评估。（3）无障碍获取。确保标签符合欧盟无障碍要求，为视障用户提供音频描述、为听障用户提供字幕或手语披露，保证图标高对比度与屏幕阅读器兼容性。2.针对深度伪造的特定措施这一部分同样分为三个方面，分别是：（1）建立内部分类流程，结合目标受众、分发渠道特性识别深度伪造内容，区分执法用途等例外情况与艺术、创意、讽刺等特殊作品类型；（2）针对不同模态深度伪造内容采取差异化披露方式：实时视频持续显示图标并在开始时插入免责声明；非实时视频在开始时显示免责声明或全程放置图标；图像在固定位置持续显示图标；短音频在开始时加入口头免责声明，长音频在不同阶段重复披露。（3）对艺术、创意类深度伪造内容采用非侵入性披露方式，在不影响作品欣赏的前提下进行标识，同时保障第三方权利与自由。3.针对AI生成与操纵文本的特定措施AI系统部署者需要建立内部流程识别涉及公共利益的AI生成文本，区分执法用途、人工审查等豁免情形，确保标签过程有适当人工监督，在文本顶部、旁边或版权页等固定位置放置图标，确保首次接触时清晰可辨。同时，依赖人工审查豁免条款的部署者需建立内部程序并留存文档，明确承担编辑责任的自然人或者法人身份、审查措施、批准日期及最终内容版本等关键信息。四、《准则》的创新亮点与制度价值（一）技术规则的精细化与实操性《准则》突破了单一标识技术的局限，提出“多层标记法”，整合元数据、水印、指纹识别、日志记录、法证检测等多种技术手段，针对不同内容模态（文本、图像、音频、视频、多模态）设计差异化标识方案，兼顾技术可行性与抗攻击能力。同时，《准则》对技术要求进行量化界定，避免规则模糊导致的合规困难，为技术研发与应用提供明确指引。（二）责任划分的链条化与协同性《准则》构建了AI价值链全链条的责任体系，明确提供者（技术层面）与部署者（披露层面）的分工与协同：提供者通过技术手段嵌入标识、提供检测工具，为透明度奠定基础；部署者通过显眼标签与分类披露，确保普通公众能够感知AI来源。这种责任划分既避免了单一主体责任过重，又通过来源链记录、模型层面标识等机制实现责任传递，确保透明度要求贯穿AI内容生成、传播的全过程。同时，《准则》为中小企业与初创企业提供简化合规路径，体现比例原则，平衡了监管强度与创新活力。（三）治理理念的多方共治与包容性《准则》的制定过程与内容设计充分体现多方共治理念：在制定阶段吸纳产业界、学术界、公民社会等多元主体意见；在实施阶段鼓励提供者与监管机构、研究组织合作开发检测工具与标准，支持第三方参与内容验证；在规则设计中考虑艺术创作、讽刺表达等特殊场景，通过豁免条款与差异化披露方式保障创意自由，避免“一刀切”监管对文化创新的抑制。此外，《准则》强调无障碍要求，关注残障人士等弱势群体的信息获取权，体现了以人为本的治理导向。（四）国际治理的示范性与引领性作为全球首部针对AI内容透明度的详细行为准则，《准则》为国际AI治理提供了可借鉴的框架：其将技术标准与法律责任相结合，既明确合规要求，又为技术创新预留空间；通过通用分类法与图标系统促进规则统一，降低跨境合规成本；平衡了安全与发展、权利保护与创新激励的关系，为各国制定AI透明度规则提供了参考范式。同时，《准则》强调国际标准与互操作性，为全球AI内容透明度规则的协同奠定基础。五、《准则》实施面临的挑战与展望（一）实施挑战《准则》的实施挑战主要有以下4个方面，首先在于技术落地的复杂性：不同内容模态的特性差异较大，尤其是极短文本、纯音频等内容的标识技术仍面临技术瓶颈，如何在不影响内容质量与效用的前提下实现有效标识，需要进一步的技术突破，法证检测技术的准确性与抗干扰能力需在实践中持续验证，多模型聚合检测工具的开发面临技术整合与数据共享难题。第二是跨境合规的协调性：欧盟《准则》的要求可能与其他国家或地区的AI治理规则存在差异，跨国企业需应对多重监管要求，增加合规成本；通用图标与分类法的国际认可度有待提升，跨境传播的AI内容可能面临标识不被认可的问题。第三是中小企业的合规压力：尽管《准则》提出简化合规路径，但中小企业与初创企业仍可能面临技术研发、检测工具部署等方面的成本压力，如何确保规则的可及性，避免监管成为创新壁垒，需要欧盟进一步提供支持措施。最后是监管执行的难度：AI技术迭代速度快，新的生成与操纵技术可能规避现有标识与检测机制，监管机构需持续更新监管能力以应对新型风险；对AI内容的标签合规性检查涉及海量内容，如何实现高效监管而不增加行政负担，是监管机构面临的重要挑战。（二）未来展望在技术创新与标准完善方面：随着《准则》的实施，预计将推动AI标识与检测技术的快速发展，尤其是多模态标识、法证检测、结构化标识等核心技术的成熟；欧盟将进一步推动国际与欧洲标准的制定，统一内容来源标识标准与水印更新、撤销机制，提升技术互操作性。在规则迭代与范围拓展方面：《准则》将根据利益相关方反馈与技术发展持续修订，未来可能将AI生成软件代码、VR/AR内容等新型AI生成内容纳入规制范围，细化相关技术要求；针对艺术创作、政治广告等特殊场景的豁免条款与披露规则将进一步完善，平衡监管需求与权利保护。在国际协同与全球治理方面：欧盟可能通过双边或多边合作推动《准则》的国际认可，促进全球AI内容透明度规则的协同；国际组织（如联合国教科文组织、OECD）可能借鉴《准则》框架制定全球AI透明度指南，形成统一的治理原则与操作规范。在信任体系构建与公众素养提升方面：随着《准则》的落地，AI生成内容的透明度将显著提升，有助于缓解信息信任危机；通过培训、公众宣传等方式，公众对AI内容的识别能力将逐步增强，形成技术标识、法律监管与公众素养相结合的多元治理格局。六、结论欧盟《AI内容透明度行为准则》（第一版草案）作为《人工智能法案》的重要配套文件，构建了全球首个针对AI生成内容的全链条透明度规范体系，明确了AI系统提供者与部署者的责任边界，细化了标识与检测技术要求，平衡了风险防控与创新发展的关系。《准则》的核心创新在于采用“多层标记法”与“通用标签系统”的双重技术路径，建立了多方共治的治理框架，体现了技术精细化、责任链条化、治理包容性的特点。尽管《准则》在实施过程中面临技术落地、跨境合规、中小企业负担等挑战，但其为欧盟AI信任体系的构建奠定了基础，为全球AI内容透明度治理提供了重要参考。随着规则的迭代完善与国际协同的推进，《准则》有望成为全球AI治理的标杆，推动AI技术在透明、可信的轨道上发展，实现技术创新与社会公共利益的共赢。对于AI企业而言，应积极参与《准则》的反馈与修订过程，提前布局合规技术研发与流程优化，以适应欧盟的监管要求；对于其他国家而言，可借鉴《准则》的治理逻辑，结合本国实际制定AI内容透明度规则，推动全球AI治理体系的协同与完善。参考文献：1、FirstDraftCodeofPracticeonTransparencyofAI-GeneratedContent[EB/OL].[2025-12-17].[2026-01-06]https://digital-strategy.ec.europa.eu/en/library/first-draft-code-practice-transparency-ai-generated-content2、CodeofPracticeonmarkingandlabellingofAI-generatedcontent[EB/OL].[2025-12-17].[2026-01-06]https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content3、Tech’sExpectationsfortheEUAIActTransparencyCodeofPractice[EB/OL].[2025-12-17].[2026-01-06]https://www.itic.org/news-events/techwonk-blog/techs-expectations-for-the-eu-ai-act-transparency-code-of-practice

2025年12月初，逾24,000名机器学习专家齐聚圣地亚哥会议中心，共赴迄今规模最大的神经信息处理系统大会（NeurIPS）。本届大会从超过21,000篇投稿中遴选出5,000余篇论文参会。NeurIPS2025的参会代表中涌现出一批日益壮大的生命科学领域代表人物，这印证了生物学正迎来变革性时刻，为当今的大型语言模型乃至现代人工智能架构铺平道路。GenesisMolecularAI公司首席执行官埃文·范伯格注意到，近年来神经信息处理系统国际会议不断发展，专门针对科学领域人工智能的研讨会参与人数持续增长。“交叉领域已不再是小众领域，而是一个蓬勃发展的主要领域，它已成为人工智能的支柱之一，正如视觉或语言领域一样。”Genesis公司脱胎于斯坦福大学维杰·潘德博士的实验室。潘德博士曾任a16z生物与健康基金合伙人，现为新创投公司VZVC的联合创始人兼管理合伙人。该公司的人工智能平台融合了扩散模型、语言模型及物理机器学习模拟技术，用于分子生成与治疗特性预测。近日，Genesis公司发布了名为Pearl的基础模型，该模型用于蛋白质-配体协同折叠，据称其原子级精度已超越AlphaFold3。（一）人工智能驱动生物学的交叉研究在小分子药物研发领域，InsilicoMedicine创始人兼首席执行官亚历克斯·扎沃隆科夫指出，候选药物进入临床试验的周期显著缩短，这正是人工智能对生物学领域产生影响的明证。InsilicoMedicine公司宣称已拥有十余个获得IND（新药临床试验申请）许可的候选药物，其中数个已进入I期临床试验阶段。2025年早些时候，该公司还在《自然-医学》期刊上发表了新型TNIK抑制剂的IIa期试验结果。Insilico全球人工智能平台负责人佩特里娜·卡米亚表示，“当我们最初作为软件公司起步时，外界对软件的实际功能持诸多怀疑态度。短短五年内构建出自主研发的药物研发管线，正是对平台能力的有力证明。”在生物制剂领域，ChaiDiscovery联合创始人约书亚·迈耶指出，抗体设计领域在短短两年内取得了重大突破，尤其在需要原子级精度的硬靶标（如GPCR受体）方面。Chai公司近期推出的多模态生成模型Chai-2，在新抗体设计中实现了16%的命中率，较传统方法（成功率不足1%）实现了显著提升。“若2025年初询问人们‘全新抗体设计何时能实现？’多数人认为尚需五年时间。而我们在讨论两周后便发表了研究成果，并向这些专家证实：这项技术如今已能投入实际应用。”据悉，Chai-2加入了一个日益壮大的全新抗体模型生态系统，其中包括华盛顿大学诺贝尔奖得主大卫·贝克博士实验室研发的RFantibody，以及NablaBio公司开发的JAM-2——这家基于人工智能的蛋白质设计初创企业脱胎于哈佛医学院著名遗传学家乔治·丘奇博士的实验室。在虚拟细胞开发领域，在NeurIPS2025大会上，虚拟细胞开发者们翘首以盼Arc研究所首届虚拟细胞挑战赛的最终结果。这场由英伟达、10xGenomics和UltimaGenomics联合赞助的公开竞赛设立了两项大奖，每项奖金高达10万美元，授予那些“最精准”预测细胞对基因扰动反应的机器学习模型。新设立的通才奖授予了AltosLabs——这家营利性生物技术公司于2022年1月成立，获得30亿美元融资，其使命是通过细胞复活技术恢复细胞健康与抗逆性。该奖项的增设凸显了为复杂生物学建立可靠基准所面临的挑战。与此同时，Altos展示了由其高级机器学习科学家乔尔·达佩罗和马塞尔·纳萨尔牵头、与微软研究院合作开发的scGeneScope平台。该研究探索了如何通过在Altos独特的配对单细胞RNA测序与细胞绘图图像数据集上对模型进行重新训练和测试，从而识别实验室变异条件下的扰动及作用机制。团队还推出了PerturBench——一个用于预测细胞对遗传或化学扰动反应的标准化基准测试平台。在临床转化领域，Noetik联合创始人兼首席执行官罗恩·阿尔法表示，公司的目标是构建癌症生物学基础模型以支持患者层面的决策制定。他强调，人工智能驱动生物学的主要目标是从传统假说驱动型研究转向计算机模拟实验。为践行这一使命，Noetik构建了可大规模开展扰动实验的在体小鼠平台。团队正致力于建立模拟人类数据与小鼠实验之间的映射关系，以加速成果转化进程。在基因组学领域，23andMe公司推出了PRSformer——一种适用于群体规模的全基因组疾病风险预测的新型深度学习架构。该技术揭示了非线性效应仅在特定数据规模以上才可被检测到的原理。这项研究由Biohub人工智能高级总监、芝加哥大学助理教授阿里·汗领衔完成。（二）人工智能助力神经科学基础发现并产生临床影响更先进、更可靠的人工智能（AI）技术的发展在科学研究领域具有广阔的应用前景。人工智能已成为科学家们强大的辅助工具：它能在数秒内筛选海量数据，指导实验开展，并协助撰写更优质的论文。佐治亚理工学院神经工程师克里斯托弗·罗泽尔在2025年神经科学学会会议上主持了人工智能新闻发布会，他表示：“我们正见证着‘人工智能+X’的子学科兴起，其中X代表几乎所有科学领域。神经科学也不例外。”在本次会议中，五位专家小组成员探讨了人工智能在生物学领域的应用，以及机器学习如何从数据分析到临床诊断，全面提升临床实践水平并推动神经科学领域的发展。改良型人工神经网络揭示大脑整合感官信息机制：人类大脑通过整合各种感官输入，能够可靠地感知周围环境。马克斯·普朗克行为神经生物学研究所的神经生物学家马塞尔·奥伯兰德指出：“如今，人工神经网络（ANNs）也成功解决了这一任务，它们的设计确实受到大脑的启发”。这促使奥伯兰德及其团队探索人工神经网络能否帮助更好地理解大脑功能，尤其是感知功能。然而，人工神经网络缺乏大脑的许多特性，例如神经元多样性和连接性。将这些元素融入人工神经网络后，其表现超越了传统模型——类脑人工神经网络只需更少数据和更短时间即可产生相同结果。通过整合大脑特性构建人工神经网络，有助于神经科学家更深入理解这些特性如何促进感知等脑功能。利用人工智能对神经元进行逆向工程：神经元无法相互传递电信号，这是从癫痫到精神分裂症几乎所有神经系统疾病的根本原因。虽然膜片钳电生理学技术能帮助测量神经元的电输出，但无法提供关于导致电信号异常的离子通道的信息。经典计算模型通过整合离子通道与神经元形态学来预测细胞的电输出。为实现该过程的逆向推演，加州大学戴维斯分校神经生物学家罗伊·本-沙洛姆及其团队构建了名为NeuroInverter的深度学习模型。该人工智能工具成功分析并预测了170余种不同类型神经元的离子通道组成。“通过NeuroInverter，我们为深入理解脑部疾病打开了一扇大门。现在只需知道电压响应，就能为任何神经元创建‘数字孪生体’，这将成为疾病建模和发现领域中极其强大的工具。”人工智能工具助力步态障碍分析：衰老及中风、多发性硬化症等神经系统疾病会损害个体的行走能力。为治疗和康复患者，临床医生必须首先准确测量步态缺陷。临床评估可能存在主观性，而动作捕捉系统等客观工具则需要专业且昂贵的设备。这些局限性促使研究人员寻求实用且经济高效的替代方案。埃默里大学康复医学研究员特丽莎·凯萨及其团队运用机器学习算法，分析了智能手机拍摄的正常步态与步态障碍视频。该方法帮助他们以超过85%的准确率对具有临床意义的步态障碍进行了分类。“我们的目标是实现精准客观的步态分析，使临床医生能在社区诊所等不同环境中应用这些分析结果，从而推动更精准、更高效、更个性化的康复治疗。”人工智能可早期检测帕金森病患者步态冻结现象：帕金森病患者可能突然发现自己无法迈步，仿佛双脚被粘在地板上。虽然深部脑刺激已被证实是治疗其他症状的有效手段，但由于该症状的起因尚不明确，其在治疗步态冻结方面的应用仍受限。克利夫兰诊所的科学家杰伊·阿尔伯茨及其团队利用虚拟现实技术发现，诱发步态冻结的场景会在参与者大脑中激活独特的神经特征。阿尔伯茨团队基于每次试验获取的数据训练了机器学习模型，用于预测个体发生步态冻结的概率。该人工智能模型能够在步态冻结发生前准确检测到该症状。这使得自适应性深部脑刺激方案有望在步态冻结症实际发作前进行治疗。人工智能工具通过脑部活动解读词语含义：脑机接口（BCIs）可帮助严重残疾患者恢复沟通能力。现有技术能解码语音的发音特征，但会混淆发音相似的词汇。为解决这一难题，阿拉巴马大学伯明翰分校神经生理学家马修·尼尔森及其团队记录了人们思考不同类别词汇（如服装或动物）时的脑部活动。他们运用机器学习算法，根据个体脑部活动跨语义类别进行解码。这项基于人工智能的工具在77%的情况下能准确识别类别。总体而言，这是迈向语言脑机接口的重要一步，最终能够将语义信息与语音信息以及语言其他领域的信息相结合，从而在脑机接口中实现最丰富、最稳健且整体最优的语言解码。参考文献[1]NeurIPS2025:Biology’sTransformerMoment[EB/OL].(2025-12-09)[2026-01-19].https://www.genengnews.com/topics/artificial-intelligence/neurips-2025-biologys-transformer-moment/[2]InsilicoDetailsAI-Designed,Cancer-FightingPROTACTargetingPKMYT1[EB/OL].(2025-12-09)[2026-01-19].https://www.genengnews.com/topics/cancer/insilico-details-ai-designed-cancer-fighting-protac-targeting-pkmyt1/[3]AIToolsUnravelThoughts,Actions,andNeuronalMakeup:atthe2025SocietyforNeurosciencemeeting,scientistsdiscussedhowartificialintelligencecanaidfundamentaldiscoveriesandhaveaclinicalimpact[EB/OL].(2025-11-25)[2026-01-19].https://www.the-scientist.com/ai-tools-unravel-thoughts-actions-and-neuronal-makeup-73779NeurIPS2025[4]Recap[EB/OL].(2025-12-15)[2026-01-19].https://www.amplifypartners.com/blog-posts/neurips-2025-recap[5]NeurIPS2025InvitedSpeakerTopics[EB/OL].(2025-11-20)[2026-01-19].https://blog.neurips.cc/2025/11/20/neurips-2025-invited-speaker-topics/[6]AnnouncingtheNeurIPS2025BestPaperAwards[EB/OL].(2025-11-26)[2026-01-19].https://blog.neurips.cc/2025/11/26/announcing-the-neurips-2025-best-paper-awards/

美国商务部下属的美国国家标准与技术研究院（NIST）近日宣布，为确保美国在人工智能（AI）领域的领导地位，该机构已扩大与非营利性机构MITRE公司的合作范围。通过此次拨款，NIST将投入2000万美元建立两个人工智能中心——美国制造业生产力人工智能经济安全中心，以及保障美国关键基础设施免受网络威胁的人工智能经济安全中心，旨在推动基于人工智能的技术解决方案落地，以强化美国制造业及关键基础设施的网络安全防护能力。在“21世纪美国技术领导力战略”框架下此次拨款是实施美国国家标准与技术研究院“21世纪美国技术领导力战略”的重要举措，旨在通过与美国产业界的紧密合作，加速关键与新兴技术从研发到应用的进程。美国商务部副部长保罗·达巴尔表示：“这项投资将助力加速人工智能在美国制造业中的应用，推动美国制造业复兴；并且能够利用人工智能提升制造企业的竞争力，吸引更多投资进入美国。”美国商务部标准与技术事务代理副部长兼美国国家标准与技术研究院代理院长克雷格·伯克哈特表示：“我们的目标是消除美国人工智能创新的障碍，加速人工智能技术在全球的应用。与MITRE公司达成的这项新协议将重点提升美国企业高效制造高价值产品的能力，满足国内外市场需求，并推动新技术和新设备的研发与商业化进程。”美国制造业生产力人工智能经济安全中心与保障美国关键基础设施免受网络威胁的人工智能经济安全中心，将推动人工智能驱动工具（即“智能体”）在这两个国家级优先领域的发展与应用。这些中心将开展必要的技术评估与创新，以有效维护美国在人工智能创新领域的领先地位，应对敌对势力利用人工智能构成的威胁，并降低因依赖不安全人工智能技术而产生的风险。NIST将依托现有资源，发挥专业优势，推进美国白宫2025年7月《美国人工智能行动计划》中的建议，包括支柱一“加速人工智能创新”，以及支柱二“构建美国人工智能基础设施”。这是NIST项目计划中的重要开端，旨在协调基于创新的研究工作，加速国家优先领域关键技术的开发与部署。依托其悠久的公私合作传统，NIST计划通过建立适应性强且灵活的合作伙伴关系，开发、试点并实施新技术突破，以确立美国在人工智能、量子信息科学与技术、生物技术等关键与新兴技术领域的领导地位和创新优势。进一步深化与MITRE公司的长期合作基于为NIST运营国家网络安全联邦资助研究与发展中心（NCF）的经验，MITRE凭借其专业技术实力及与产业界、学术界的长期合作基础，将加速创新进程并实现人工智能领域的领先地位，这与美国白宫《美国人工智能行动计划》的指导方针相契合。该中心将充分利用MITRE在尖端人工智能实验室、联邦人工智能沙盒以及ATLAS、CALDERA和ATTCK框架等公开工具方面的投资成果。MITRE总裁兼首席执行官马克·彼得斯博士表示：“MITRE与美国国家标准与技术研究院的合作将催生变革性研究，加速美国开发和应用可靠、安全、可信赖的人工智能技术，确保美国在技术和市场领域的领先地位。依托MITRE的研究与技术实力，携手美国政府及产业界，这些中心将推动可信人工智能技术应用于最关键领域。”NIST期望这些人工智能中心能在应用科学和尖端技术领域实现突破，并提供颠覆性的创新解决方案，以应对国家面临的最紧迫挑战。该合作协议拓展了美国国家标准与技术研究院在人工智能领域的项目布局，并依托人工智能标准与创新中心（CAISI）推动的公私合作机制。CAISI已与多家前沿人工智能模型开发商达成自愿协议，旨在推动针对国家优先安全能力的行业模型开展协作研究与自愿测试。未来数月内，NIST还将计划通过“美国制造业计划”宣布其“人工智能韧性制造研究所”的资助项目。该研究所将获得NIST五年内高达7000万美元的投资，并获得至少同等规模的非联邦资金支持，旨在汇聚人工智能、制造业及供应链网络领域的专业力量，共同提升制造业韧性。这些举措将共同提升美国国家标准与技术研究院的核心研究、标准制定及技术使命，以消除阻碍美国在人工智能领域创新与领导地位的障碍。参考文献：[1]NISTLaunchesCentersforAIinManufacturingandCriticalInfrastructure[EB/OL].(2025-12-22)[2026-01-16].https://www.nist.gov/news-events/news/2025/12/nist-launches-centers-ai-manufacturing-and-critical-infrastructure[2]NISTLaunchesNewArtificialIntelligenceCenters,ExpandsCollaborationwithMITRE[EB/OL].(2025-12-22)[2026-01-16].https://www.mitre.org/news-insights/news-release/nist-artificial-intelligence-centers-collaboration-mitre[3]NISTLaunchesCenterforAIinManufacturing[EB/OL].(2025-12-31)[2026-01-16].https://www.assemblymag.com/articles/99732-nist-launches-center-for-ai-in-manufacturing[4]NIST,MITREPartneron$20mAICentersForManufacturingandCybersecurity[EB/OL].(2025-12-23)[2026-01-16].https://www.infosecurity-magazine.com/news/nist-mitre-ai-centers/

软材料是一类在较小应力下即可发生显著变形的物质，其典型特征包括低弹性模量、高延展性以及复杂的耗散行为，常见于自然界与工程领域，如生物组织、水凝胶、弹性体、食品等。这些材料在受力时往往表现出超弹性、黏弹性或塑性与黏性耦合的响应，并且其破坏过程常涉及大变形下的渐进式失效而非脆性断裂。切割作为一种基本的物理过程，在软材料中却呈现出尤为复杂的力学行为：它不仅涉及材料的宏观变形与断裂，还深受工具-材料界面的黏附、摩擦、磨损以及材料内部能量耗散机制的影响。尽管软切割在众多应用中至关重要，传统基于线弹性断裂力学或库仑摩擦的理论难以完整描述其过程，尤其无法解释为何力学性能相似的材料会表现出截然不同的切割响应，以及压入阶段如何稳定或不稳定地过渡到切割。因此，建立一个能统一描述材料本构行为、界面相互作用与能量耗散机制的物理框架，成为该领域亟待解决的关键问题。为深入揭示软材料切割的物理机制，德国埃尔兰根-纽伦堡弗里德里希-亚历山大大学应用力学研究所的MiguelAngelMoreno-Mateos与PaulSteinmann开展了一项结合实验与计算建模的系统研究。该工作获得了欧洲研究委员会“地平线欧洲”计划的资助，旨在通过设计新型切割实验并构建耦合内聚力与接触力学的三维计算模型，揭示不同软材料在刀具作用下的破坏机理，尤其聚焦于压入-切割转变的条件、切向阻力的来源以及材料内部结构对切割过程的影响。研究选取了三类代表性材料：物理交联的明胶水凝胶、Sylgard184弹性体以及由肉糜和脂肪构成的加工食品材料。实验方面，通过定制切割装置获取力-位移曲线，并利用数字图像相关技术捕捉表面应变场演化；计算方面，则建立了一个可分离多种物理贡献的连续介质模型，该模型集成了超弹性本构、内聚力分离律、库仑摩擦以及反映黏附与磨损的界面切向力模型，并通过开源有限元平台FEniCSx实现数值模拟。该研究主要围绕材料行为、破坏起始、界面力学与能量耗散展开。实验首先揭示了三种截然不同的切割响应：明胶水凝胶表现出明显的脆性转变特征，切割力在达到峰值后急剧下降，对应于内部物理交联网络的突然崩塌；弹性体则呈现平滑、近乎线性的力-位移曲线，反映其高韧性下渐进式的破坏方式；肉基食品材料则因内部异质结构（如脂肪颗粒）的阻尼作用，展现出无明显峰值、进入平台波动的切割力，表明其破坏主要通过延性撕裂与材料流动实现。这些行为差异无法仅用材料刚度或断裂韧性解释，而必须考虑界面与耗散机制的作用。进一步借助计算模型对物理机制进行剥离分析，研究获得了以下核心发现。首先，切割起始并非在刀具边缘，而是发生在样品中心正下方的区域，该区域因侧向约束形成较高的应力集中，成为失稳扩展的起点。其次，与通常假设不同，切割过程中的切向阻力主要来源于材料与刀具间的黏附及磨损效应，而库仑摩擦的贡献因切割表面极低的接触压力而可忽略不计。这一定性结论通过参数敏感性分析得到验证——即使将摩擦系数设为零，模型仍能准确复现水凝胶与肉基材料的切割力曲线。再者，压入到切割的转变稳定性受能量耗散路径控制：若材料本身或界面耗散较弱（如明胶水凝胶），储存的弹性能会突然释放，导致切割力骤降；反之，若界面黏附显著或材料内部存在异质阻尼结构（如弹性体与肉基材料），则能量被逐步吸收，转变过程平滑稳定。最后，研究提出了一组关键无量纲参数，将材料刚度、断裂韧性、黏附强度与阻尼效应统一于同一框架中，实现了对不同软材料切割行为的系统表征与预测。该研究通过实验观测与计算模拟的深度融合，建立了首个能够统一描述软材料切割中材料响应、界面力学与能量耗散耦合作用的物理框架。它不仅揭示了黏附（而非摩擦）在切向阻力中的主导作用，阐明了切割起始与扩展的几何约束效应，也为理解材料异质性对破坏过程的影响提供了新视角。这一成果为手术刀具的优化设计、食品质构的工程化调控、以及软材料在机器人抓持与加工中的性能评估提供了理论基础与方法工具，标志着软物质力学在破坏机理研究方面迈出了重要一步。相关链接：Moreno-MateosMA,SteinmannP.Cuttingsoftmaterials:howmaterialdifferencesshapetheresponse[J/OL].npjComputationalMaterials.(2026-01-06)[2026-01-21].https://www.nature.com/articles/s41524-025-01869-y.

英国推出新科研资助框架以加强科研与创新能力英国研究与创新署（UKRI）于2025年10月14日发布宣布推出新的研究资助框架“Fellowshipinvestmentframework”，旨在优化奖学金申请流程，提高不同职业阶段的研究人员和创新者的支持效率。新框架将自2025年末起应用于UKRI及各理事会新发布的资助项目，目前UKRI每年资助约350名新成员，当前在英研究学者群体逾2000人。新制度将明确奖学金目标，减少行政负担，为不同阶段的研究人员提供更灵活的职业发展路径，进一步强化英国科研生态。一、发布背景该框架是UKRI自2022年启动“联合人才资助（CollectiveTalentFunding）”转型后的关键进展，用以回应研究者对资助规则清晰性与一致性的诉求。UKRI强调，通过统一类型与要素，可让申请人与研究组织将精力更多用于科研与创新本身，同时加强对跨学科、跨领域团队与个体的持续支持，改善人才在学科与产业间的流动。二、资助框架概述1、资助类型新框架将所有UKRI资助项目的受众研究者归入三类以“结果为导向”的类型体系，并计划在未来逐步对齐共同特征与评审要素：1）职业转型（Careertransition）支持个人完成关键职业台阶，包括边履行临床等专业职责边完成博士培养（如职业化博士）、建立首个独立研究方向与证据（早期独立研究员），或成长为领域独立领军者（如未来领军者研究员）。2）能力建设与学科转型（Capacitybuildinganddisciplinetransition）面向特定研究领域的能力提升，支持跨学科流动、博士后阶段的进一步技能发展，或在国家优先方向中的快速再培训与补短板。3）产业转型（Sectortransition）促进学术界与产业界等部门间的知识与技能流动，多为例如“产业-学术”双向交流等固定期限的临时性流动，以催生新方法与跨界合作。2、实施细节UKRI将分阶段实施该框架：框架自2025年末起，适用于所有新的UKRI研究员机会，含各理事会管理的机会）；对常规类型的过往项目，将在下一轮相关机会开放时逐步对齐；而对于既有的长期投资，且分多批次录取研究员的项目，需待新的投资启动后才适用；此外，框架不对已授予的历史项目追溯适用。框架也从以下几方面给予了该资助计划的潜在受众学者以申请要点提示：一是先对齐自身匹配的申请类型——明确自身处于“首证独立”、“能力建设”或“跨领域转型”等几类资助中的哪一类场景；二是关注各理事会的具体机会——不同理事会会在框架下推出对应资助机会与侧重方向；三是准备证明自身能力与成果间的证据链——相较年限门槛，新框架更看重研究者的能力与潜力，及其研究路径的可验证性设计；四是善用配套发展网络，如FLFDevelopmentNetwork等领导力与职业发展资源。三、资助框架特征为扩大覆盖面与公平性，框架将逐步统一并简化项目特征，重点包括：标准化资格规则——资助面向更广泛的科研与创新岗位开放；取消以“博士获得年限”等时间限定为核心的个体资格门槛，转而聚焦研究者的能力与未来潜力；系统支持多元职业路径与回归科研者，如职业路径中断的研究人士等；拓展领导力与能力建设项目的可及性，例如与“未来领军者研究员发展网络”协同资助；减少申请与实施中的行政负担，提高项目管理效率与响应新兴机遇的灵活性。对申请者而言，每一类研究员资助都将具有明确目的与对位场景：例如处于“首证独立性”阶段的申请者可更快锁定与之相匹配的合适项目，而计划开展产学研跨界实践的申请者也能对应到“产业转型”这一清晰的申请路径。框架还允许各理事会基于自身战略需求发布机会、设定资助强度，只需在与整体资助类型与特征框架对齐的前提下即可拥有较大自由度的资助政策设计。四、资助规模与预期影响UKRI目前每年资助约350名新研究员，已形成2000多人体量的在英研究员群体。新框架被视为“提效-增能-促流动”的系统性工具：一是通过统一类型与要素，减少申请端与管理端的制度摩擦；二是强化对个人与团队在跨学科、交叉领域与跨部门协作中的支持；三是以灵活机制快速响应战略重点与新兴领域的人才与能力需求。该框架推进英国的科研资助类型从“项目导向”进一步延伸到“职业发展导向”，以人才成长不同阶段的关键跃迁转型与人才的能力潜力为靶点，从源头提升英国科研队伍的结构活力与创新韧性。对高校与科研机构而言，清晰稳定的类型与规则可优化人才引进与支持策略；对产业和公共部门而言，跨部门流动渠道有助于知识转化与场景落地，缩短科研—应用—产业化链条，增强英国在前沿科技与关键技术赛道的持续竞争力。参考文献：[1]UKRI.CollectiveTalentFundingroadmap2022to2025[EB/OL].(2022-12-14)[2025-11-24].https://www.ukri.org/publications/collective-talent-funding-roadmap-2022-to-2025/.[2]UKRI.Updateoncollectivetalentfunding[EB/OL].(2023-11-02)[2025-11-24].https://www.ukri.org/news/update-on-collective-talent-funding/.[3]UKRI.Fellowshipinvestmentframework[EB/OL].(2025-10-14)[2025-11-24].https://www.ukri.org/what-we-do/developing-people-and-skills/fellowship-investment-framework/.[4]UKRI.NewfellowshipframeworktostrengthenUKresearchandinnovation[EB/OL].(2023-11-02)[2025-11-24].https://www.ukri.org/news/new-fellowship-framework-to-strengthen-uk-research-and-innovation/.

世界生物能源协会（WBA）日前发布《2025年全球生物能源统计报告》（2025GlobalBioenergyStatisticsReport），提供了关于全球能源结构、可再生能源现状、生物质供应、生物质发电、生物质供热以及液体和气体生物燃料的最新信息，并介绍了欧洲木屑颗粒行业、印度乙醇工业和巴西沼气发展的特殊案例研究。该报告主要结论包括：2023年全球能源供应量达到622艾焦耳（EJ），其中化石燃料仍占80%以上。可再生能源持续增长，达到92艾焦耳，较2022年增长3%。生物能源保持9%的稳定份额，贡献56艾焦耳，创历史新高，较2022年增长2%。生物质供应主要由固体生物质驱动，占总产量的83%。其中大部分是传统生物质，如木柴和木炭。欧洲仍然是木屑颗粒的最大市场，而越南凭借33%的产量增长巩固了其在亚洲的地位，目前占该地区总产量的一半以上。生物能源在所有终端用户领域均有所贡献：电力、交通和供热。在发电方面，2024年生物能源发电量达到711太瓦时（TWh），占全球可再生电力的7%。亚洲占其中的一半。在供热领域，生物能源仍然是主要的可再生能源选择，供应了全球73%的可再生热能。欧洲遥遥领先，贡献了全球四分之三的生物热能。在交通运输领域，2023年生物燃料的消耗量达到4.73艾焦耳，几乎占该领域所有可再生能源消耗量的90%。过去五年，生物燃料的使用量增长超过20%，这得益于至少35个国家强制实施的掺混政策。乙醇是产量最大的生物燃料，2024年全球产量达到1180亿升，其中美国和巴西产量最高，合计占80%。印度紧随其后，位列第三，产量为64.8亿升。生物柴油的产量接近500亿升，主要生产国为印度尼西亚、欧盟、巴西和美国。2024年，生物能源装机容量达到151吉瓦，在过去十年中几乎增长了两倍，这主要得益于中国、印度和日本的快速发展。法国也实现了增长，2024年装机容量达到3.35吉瓦，同比增长60%。尽管如此，继2023年新增装机容量疲软之后，2024年整体增速放缓至3%。就业和投资趋势也反映了生物能源的发展。2023年，该行业提供了390万个就业岗位，其中液体生物燃料占比超过70%。投资也在不断增长，预计2025年将达到160亿美元，比上年增长13%，主要集中在生物柴油和乙醇项目上。关于印度乙醇工业，该报告认为印度2018年的国家生物燃料政策对印度乙醇的普及产生了巨大影响。该政策旨在减少对化石燃料的依赖，并支持可再生燃料的发展。此外，乙醇汽油混合计划（EBP）一直是乙醇生产的关键驱动力，该计划推广了多种原料，例如甘蔗糖浆、糖蜜、残次谷物和玉米。2024年，印度燃料乙醇总产量较2023年增长23%，达到65亿升。到2025年2月，印度的乙醇混合比例已达到17.98%，正朝着其E20目标迈进，并于2025年11月提前完成目标。据估计，目前印度全国已有超过18000家零售网点供应E20燃料。为实现目标并支持乙醇生产厂的建设，同时确保原料供应，政府已实施一系列机制。例如，2025年3月，印度政府宣布了一项针对合作糖厂的新方案，旨在将其现有的甘蔗制糖厂改造为多种原料制乙醇厂，以促进原料多样化。此外，政府提高了玉米的收购价格，以促进玉米在乙醇燃料生产中的应用，这使得用于乙醇生产的玉米粒用量从2023年的3200万吨增加到2024年的79.61亿吨。关于巴西沼气发展，该报告指出，在新的政策和不断增长的投资推动下，巴西的沼气产业正在迅速扩张，但其在巴西整体能源结构中所占比例仍然相对较小。2024年，沼气仅占国内能源供应的1.8%，约占天然气总消费量的2.5%。大部分沼气用于发电，少量用于热电联产电厂。沼气升级后注入电网或用于交通运输的规模仍然有限，但预计未来几年将有所增长。作为《未来燃料法》（2024年）的一部分，《国家天然气生产商和进口商脱碳计划》旨在通过在天然气管网中掺入越来越多的生物甲烷来减少温室气体排放，计划从2026年的1%开始，到2036年达到10%。该行业的基础设施也在不断扩建。2024年，巴西共有1633座注册的沼气厂，同比增长18%，总装机容量为47亿立方米。其中，1349座设施专注于发电，而54座生产生物甲烷。如果现有项目得以实现，生物甲烷的产量到2026年可能增长两倍，预计2025年供应量将增长107%，并在2024年至2026年间增长近200%。虽然垃圾填埋气仍然是主要原料，但农业残余物和副产品（例如乙醇生产中的酒糟）仍具有巨大的未开发潜力。目前，大约五分之一的废弃物甲烷排放被转化为沼气，占总产量的75%。《全球生物能源统计报告》是世界生物能源协会的年度报告，旨在清晰、数据驱动地展现全球生物能源的发展现状。自2014年首版发布以来，该报告已成为理解生物能源在全球能源体系中作用的重要参考。2025年版是该系列的第12版，扩展了覆盖范围，数据来源更加广泛，包括政府数据库、国际组织和独立研究平台。报告的结构侧重于全球、区域和国家层面的发展情况。参考文献：[1]TheWorldBioenergyAssociation.2025GlobalBioenergyStatisticsReport.https://www.worldbioenergy.org/uploads/251118%20GBSR.pdf

尽管不同国家和城市在发展阶段、制度环境和技术条件上存在差异，但智慧城市在实践层面却呈现出一系列高度相似的特征。这些共性并非偶然形成，而是通过长期探索逐步固化下来的结构性成果。当前智慧城市建设已不再停留在以单项技术应用为主的阶段，而是在发展理念、制度安排和治理方式等方面发生了系统性变化。一方面，智慧城市在以人为本、数字基础设施、数据治理、城市韧性和多方协同等方面形成了较为稳定的共性特征；另一方面，智慧城市的建设方法也在同步演进，从早期以技术部署和方案落地为核心，逐步转向以治理体系构建和治理能力提升为导向。基于此，本文作为系列研究的第二篇，围绕全球智慧城市发展中的五大共性特征，对智慧城市实践中的结构性特征与方法演变进行系统分析，深化对智慧城市发展逻辑的整体认识，并为后续关于痛点和发展方向的研究奠定基础。一、全球智慧城市发展的共性特征随着智慧城市从探索阶段走向深化阶段，其发展重心已从单项技术应用和项目落地，转向更加系统化、可持续的整体建设框架。在这一过程中，一些要素反复出现在不同国家和城市的智慧城市实践中，并逐渐固化为具有普遍意义的发展特征，成为当前国际智慧城市建设的重要共识。系统梳理这些共性特征，有助于从纷繁复杂的城市案例中提炼出智慧城市发展的关键要点，理解不同城市在智慧化进程中为何会在理念和路径上趋同。基于此，以下将围绕全球智慧城市发展中的五个共性特征展开分析，以揭示当前智慧城市实践所呈现出的共同规律。（一）以人为本与包容性成为主导理念智慧城市建设正在从以技术部署和效率提升为核心的“技术导向”，逐步转向以回应居民实际需求和提升公共福祉为目标的“服务导向”。联合国人居署明确提出，智慧城市不应以技术本身作为发展目标，而应将人的需求、权利和福祉置于规划、实施和评估的中心位置，这一理念正成为国际智慧城市建设的重要价值基础。在这一理念引导下，城市更加重视数字化成果的普惠性与可及性，强调数字基础设施、公共服务和参与机制应覆盖不同收入水平、不同年龄结构和不同数字能力的群体，特别关注弱势群体、低收入人群和数字技能相对不足的居民。DCO强调，包容性是智慧城市可持续发展的关键条件之一。只有在制度设计和技术应用中同步考虑公平性、可及性和参与性，才能避免数字服务在实际运行中形成排他效应，使不同群体都能够平等、安全地参与城市数字化进程。（二）数字基础设施成为城市竞争力的核心支撑《2025年城市互联互通趋势报告》指出，高速通信网络、实时数据系统、城市级物联网、智能感知设备以及人工智能辅助决策平台，正在成为全球智慧城市建设的基础配置，其成熟度直接影响城市各类智慧应用的运行效果。而数字基础设施的稳定性、覆盖范围和数据处理能力，则决定了城市在交通管理、公共安全、公共卫生、能源调度和应急响应等关键领域的智能化水平。城市运行日益依赖实时数据采集与分析，一旦底层网络或数据系统能力不足，相关智慧应用将难以持续、可靠运行，城市治理效率亦随之受限。国际经验显示，数字基础设施不仅是公共治理的重要支撑，也是城市创新能力和产业发展的重要基础。具备高质量网络环境和完善数据体系的城市，更容易吸引数字产业集聚，推动数据驱动型创新，并在数字治理和新兴产业发展方面形成比较优势。这一趋势在多国城市的智慧化实践中反复得到印证。（三）数据治理与数字安全的重要性显著提升随着数字系统深度嵌入城市运行和公共治理的关键环节，数据隐私保护、算法透明性、网络安全以及跨部门数据协同，正在成为智慧城市建设中不可回避的核心议题。DCO明确指出，智慧城市在广泛部署数据驱动系统和自动化决策工具的同时，也同步放大了隐私泄露、算法偏差和数据滥用等风险，如果缺乏相应的治理机制，技术进步可能削弱而非增强公共信任。在此背景下，越来越多国家和城市开始将数据治理视为智慧城市建设的基础性制度安排，而非单纯的技术管理问题。联合国人居署强调，智慧城市应在数据采集、处理、共享和使用的全过程中建立清晰规则，通过制度化手段保障居民的知情权、参与权和基本权利，并将透明性和问责性作为数字系统运行的重要原则。（四）城市韧性与可持续发展成为共同目标在气候变化加剧、极端天气事件频发以及能源成本持续上升的背景下，提升城市韧性与可持续发展能力，正成为智慧城市建设的重要目标之一。IMD在《2025年智慧城市指数报告》中指出，气候风险、能源压力和基础设施承载能力，已成为影响城市运行质量和居民满意度的关键因素，相关问题在全球范围内呈现出高度普遍性。在这一背景下，国际城市普遍加快将数字技术引入城市基础设施和公共服务体系，通过实时监测、数据分析和智能调度等方式，提高城市对环境变化和突发事件的应对能力。数字化手段在交通运行监测、能源系统管理、环境质量评估和风险预警等领域的应用，有助于提升资源配置效率，增强城市在不确定情境下的运行稳定性。（五）治理体系呈现协同化、多方参与化趋势智慧城市建设正在从以政府部门主导的单向推进模式，逐步转向多方主体共同参与的协同治理模式。联合国人居署明确指出，公众参与和多方协作是智慧城市实现可持续发展的关键条件之一，如果缺乏居民、社区和社会组织的有效参与，智慧城市建设容易脱离实际需求，难以形成稳定的社会认同。在这一趋势下，城市治理模式日益强调开放性和参与性，通过引入企业、科研机构、社区组织以及居民个人等多元主体，共同参与智慧城市的规划、实施和评估过程。DCO进一步强调，智慧城市中的协同治理并非简单的角色叠加，而是需要通过制度设计明确不同主体的责任边界和参与方式。实践表明，智慧城市建设若能够形成稳定的多方协作机制，并通过数字平台和制度化渠道持续吸纳公众意见时，更容易在效率、公平和信任之间取得平衡。反之，如果治理过程封闭、参与渠道有限，即便技术水平较高，也可能因公众认同不足而影响实际成效。二、全球智慧城市建设方法的演变智慧城市建设不再仅仅追求技术先进性，而是更加重视法律规范、伦理原则、数据治理与公民参与等系统性要素。首先，城市开始普遍引入综合治理框架，通过制度化手段规范技术应用行为。在实施智能交通、公共安全、城市管理等系统前，越来越多城市会进行社会影响评估、隐私风险评估，并建立常态化的公众咨询机制。例如，多伦多在推动滨水区智慧城市计划过程中，由于市民对传感器大规模采集个人数据的担忧，最终促使当地政府重启规划流程，并将隐私保护条款纳入城市治理体系，显示出“治理优先于技术”的趋势。其次，数据正被视为“战略性基础设施”纳入城市治理体系。城市在推进数据资源整合和共享时，更强调安全性、透明性和可控性。例如，巴塞罗那在城市数据治理改革中明确了公共数据作为城市公共资产的属性，并以开放源代码和严格的数据使用监控为原则，在确保居民权益的前提下推动创新生态发展。这些做法有效提升了城市数据体系的透明度，也使数据驱动的公共服务更加精准高效。第三，治理驱动的智慧城市强调对公民诉求的回应能力。一些国际城市通过共创机制强化居民参与，使技术决策更贴近民意。例如，在多个欧洲城市推行的“市民数字平台”中，居民可以提出社区改造、智慧出行等项目建议，政府则通过数字化协同机制评估、筛选并予以落地。这类做法有助于提升公众对智慧城市建设的信任度，并避免“技术先行、民众滞后”的治理风险。此外，亚洲部分城市在治理框架下探索更大规模的系统化建设。如吉隆坡结合城市大脑技术推进城市综合治理，通过对交通、能源和市政服务的实时分析保障城市运行效率；印尼万隆则在新任市长推动下，通过制度创新、跨部门协调与公共参与机制，实现了智慧交通与数字政务的加速落地。这些趋势共同表明，未来智慧城市的竞争力不再由“技术多先进”决定，而取决于“治理体系是否能确保技术为人服务、为社会增值”。参考文献：[1]IMD.IMDSmartCityIndex2025[EB/OL].（2025-06-16）[2025-11-20].ttps://imd.widen.net/s/psdrsvpbk7/imd_smart_city_2025_report.[2]UN-HABITAT.InternationalGuidelinesonPeople-CentredSmartCities[EB/OL].(2025-10-02)[2025-11-20].https://unhabitat.org/sites/default/files/2025/02/international_guidelines_on_people_centred_smart_cities_10.02.25_shared.pdf.[3]SwedenSverige.BuildingResponsibleSmartCities[EB/OL].(2025-07-01)[2025-11-20].https://www.undp.org/sites/g/files/zskgke326/files/2025-07/undp-rbap-building_responsible_smart_cities_toolkit_july2025.pdf.[4]SmartCitiesWorld.TrendReport2025:Enablingconnectivityincitiestoimproveurbanlife[EB/OL].(2025-01-29)[2025-11-20].https://www.smartcitiesworld.net/trend-reports/trend-report-2025-enabling-connectivity-in-cities-to-improve-urban-life.[5]DigitalCooperationOrganization.SMARTCITIESINTHEDIGITALAGE:AROADMAPFORETHICAL,INCLUSIVEANDSUSTAINABLEURBANFUTURES[EB/OL].(2025-09-01)[2025-11-20].https://dco.org/wp-content/uploads/2025/09/Smart-Cities-in-the-Digital-Age.pdf.

2025年11月，Alphabet旗下自动驾驶公司Waymo宣布，在美国旧金山湾区、洛杉矶和凤凰城三地，将原本仅限城市道路的无人驾驶出租车服务延伸至高速公路，向部分公众用户开放全程无安全员的收费运营。这意味着，在高速公路等高车速、长距离场景中，完全无人驾驶从测试阶段迈入商业化试运行阶段，Waymo在运营半径和业务模型上实现又一次关键升级，也进一步拉开了与其他自动驾驶企业在技术成熟度和场景覆盖上的差距。一、服务场景延伸此次高速公路服务并非单点试验，而是嵌入既有运营网络的系统性扩展。Waymo已在凤凰城、旧金山、洛杉矶和奥斯汀等地提供无人出租车服务，每周完成超过25万单付费出行，商业车队规模超过1500辆，并计划在2026年前进一步扩展至亚特兰大、迈阿密和华盛顿特区。在此基础上，高速公路场景的引入，使其原本相对“碎片化”的城市出行网络开始连成跨城走廊。在旧金山湾区，Waymo以旧金山为核心，将服务范围南延至圣荷西，实现“半岛一体化”的约260平方英里连续运营区，并首次将圣荷西米奈塔国际机场纳入正式上下客点。这是继凤凰城天港国际机场之后，Waymo接入的第二座机场，使机器人成为机场长距离接驳的重要选项。在洛杉矶和凤凰城，高速服务重点覆盖市中心与外围居住区之间的主要干道，有利于提升跨城区通勤效率。按照Waymo披露的信息，目前高速服务首先向“早期体验”用户开放，由用户在App中主动勾选高速路线偏好，系统在判断高速路线具备明显时间优势时，才会为其匹配包含高速路段的行程。这种渐进式开通模式，既有利于企业在真实运营中持续收集数据、改进算法，也为监管机构和城市管理者保留了观察和评估的空间。二、高速场景的技术难度与安全应对与城市道路相比，高速公路的交通参与者类型更单一、信号灯较少，表面上更“规则”，但车速更高、事故后果更严重，对系统冗余和极端工况应对能力提出更高要求。Waymo在官方博客和技术说明中强调，其在高速场景上投入了大量封闭场地试验和仿真测试，用以弥补真实道路上“罕见事件”样本不足的问题，通过大规模模拟来训练系统在紧急变道、汇入车流、应对突发障碍等情形下的决策能力。在硬件与系统架构上，Waymo继续沿用多传感器融合方案，使用激光雷达、毫米波雷达和多摄像头构建360度环境感知，并在车辆上部署具备冗余能力的计算与制动系统，使其中一路出现故障时，系统仍能保持基本控制并执行安全停车或驶离策略。公司还与加州公路巡警等安全机构联合制定了高速运营规范，包括车辆遇到交通事故、救援现场、临时封闭车道等情形时的处理流程，力图将自动驾驶行为纳入既有交通安全体系之中。需要注意的是，联邦监管机构和社会舆论对自动驾驶安全性的审视仍十分严格。美国国家公路交通安全管理局（NHTSA）曾就Waymo车辆在撞击路障、违反交通标志等场景中的“异常行为”发起调查，并促使企业进行数次软件召回和升级，其中2025年一次召回涉及1212台第五代自动驾驶系统车辆，原因是旧版本软件在特定条件下可能与链条、闸门等路面设施发生轻微碰撞。截至2025年10月，NHTSA记录的Waymo车辆涉事事故超过一千三百起，但大多数为低速擦碰和轻微事故，受伤比例显著低于同等里程的人类驾驶车辆。这些事实一方面表明，自动驾驶在真实环境中难以避免交通事件，另一方面也显示，通过持续的软件更新和监管约束，可以在总体层面逐步改善安全表现。三、对城市出行效率和商业模式的推动从用户体验和出行效率看，高速公路的开放具有直接收益。对于旧金山湾区、洛杉矶盆地和凤凰城都市圈这类高度依赖高速公路通勤的区域，新服务使跨城或跨区出行时间有望显著缩短。Waymo预计，在部分路线上，使用高速路径可将行程时间压缩近一半，这对于经常往返城市与郊区、或需要在不同城区间多点通勤的乘客而言，将明显提升对无人出租车的使用意愿。机场接驳是另一个具有代表性的高价值场景。传统出租车和网约车的收入结构中，机场线路往往占较大比重，竞争激烈。Waymo先后将凤凰城天港国际机场和圣荷西米奈塔国际机场纳入服务范围，并通过高速公路串联机场与核心城区，为“门到门”自动驾驶出行建立了具备稳定需求和支付能力的应用场景，有利于提高车队利用率与单车营收水平。从行业竞争格局看，Waymo目前仍是美国唯一在多座城市提供完全无安全员、面向公众收费的自动驾驶出租车服务企业，其在城市道路和高速公路的同步运营，形成了差异化优势。相比之下，特斯拉的机器人出租车仍依赖车内监控人员或司机配合，亚马逊旗下Zoox主要在拉斯维加斯等有限区域提供短途体验服务，并且仍处在监管审查和技术验证阶段。Waymo在高速场景率先实现规模化商业运营，将进一步巩固其在美国无人驾驶出行市场的先发地位。四、展望从长远看，Waymo在多个城市同步落地高速公路服务，既是自身商业模型“从试点走向规模”的关键一步，也为自动驾驶出行提供了可验证的范例：通过先在特定区域、特定路段、特定人群中取得相对稳定的安全记录，再逐步向更复杂的空间和更广泛的用户扩展。如果后续运营数据能够持续证明其在事故率和伤害程度上优于人工驾驶，且能够妥善处理个案事故和责任认定问题，高速公路无人驾驶出租车或将从当下的区域化运营，演进为跨州、跨区域的自动驾驶出行网络，对美国乃至全球的道路交通体系产生深远影响。参考文献：[1]WaymolaunchesrobotaxifreewayserviceinSanFrancisco,LA,Phoenix[EB/OL].(2025-11-13).https://www.reuters.com/business/waymo-launches-robotaxi-freeway-service-san-francisco-la-phoenix-2025-11-12/.[2]RafeRosner-Uddin.WaymotorolloutdriverlesstaxisonhighwaysinthreeUScities[EB/OL].(2025-11-13).https://arstechnica.com/cars/2025/11/waymo-to-roll-out-driverless-taxis-on-highways-in-three-us-cities/.[3]AndrewJ.Hawkins.Waymoishittingthehighway—butcanithandlethespeed?[EB/OL].(2025-11-13).https://www.theverge.com/news/818552/waymo-highway-california-arizona-robotaxi-challenge.[4]Waymo’sRobotaxisCanNowUsetheHighway,SpeedingUpLongerTrips[EB/OL].(2025-11-12).https://www.wired.com/story/waymo-robotaxis-can-now-take-highways-freeways/.

上篇解析了5G标准必要专利的核心持有格局，下篇继续解析5G标准必要专利的地域分布与市场覆盖、法律状态与诉讼趋势。二、地域分布与市场覆盖（一）全球区域专利分布图3示出了5G标准必要专利申请提交的地理区域，显示了商业化的主要目标市场。这些信息帮助公司制定申报策略，确保覆盖主要司法管辖区，提升投资组合价值，并识别尚未开发的增长市场。图35G标准必要专利申请提交的地域分布专利申请地域与市场重要性、创新能力高度相关，形成四大核心板块：1.美国以84517项专利居首，是全球5G市场与知识产权保护核心枢纽；2.中国紧随其后（77658项），既是华为、中兴等企业的创新基地，也是核心消费市场；3.欧洲（62543项）凭借电信基础设施优势，在合规与标准领域占据重要地位；4.日本（28918项）、韩国（28018项）作为成熟设备消费市场，专利布局聚焦终端与通信技术优化。其次，印度拥有447项专利，得益于庞大的消费者基础和“数字印度”等举措。新加坡和香港是战略性商业枢纽，分别拥有1980项和1233项专利，提供进入亚太市场的渠道。图4示出了5G标准必要专利份额的国家排名，其中具体示出了排名前5的国家。图45G标准必要专利份额排名前5的国家从图4中5G专利份额情况可见，美国和中国主导着5G专利市场，合计贡献了48.90%的专利份额。这凸显了全球5G专利申请数量的差距，少数关键国家推动了大部分技术进步。（二）企业跨区域市场策略下图揭示了全球领先的电信公司在美国、中国、欧洲、韩国和日本等主要市场中的布局情况。图5全球领先电信公司在美国、中国等主要市场的布局情况不同企业呈现差异化市场覆盖模式，反映其国际化战略差异：全球均衡布局型：高通（美国覆盖率97.10%、欧洲71.75%）、爱立信（美国93.83%、欧洲87.30%）、诺基亚，适合参与全球5G标准谈判；区域主导型：三星（韩国覆盖率72.86%）、LG，聚焦本土及周边市场；本土深耕型：OPPO、小米、vivo等中国企业，国内市场覆盖率超95%，海外市场仍处拓展阶段；枢纽型地区：新加坡（1980项）、中国香港（1233项）凭借区位优势，成为亚太市场专利布局跳板。三、法律状态与诉讼趋势（一）专利策略差异化布局在加速发展的5G专利领域，诸如加速审查等专利策略揭示了激烈的全球创新竞赛。图6展示了5G标准必要专利中，对专利申请加速审查的公司排名。图65G标准必要专利中加速审查数量对应公司排名如图所示，LG以720项专利领先，在加速审查领域占37%。排名前五的公司——LG、高通、华为、Oppo和爱立信——合计占战略专利申请的84%，这一集中凸显了快速知识产权开发在塑造电信未来中的战略重要性。（二）诉讼演变与争议焦点在5G专利的竞争激烈领域，诉讼起着重要作用，下图示出了与5G标准必要专利相关的专利诉讼数量分布。从图中可以看出，5G标准必要专利相关的诉讼数量呈稳步上升的趋势，并在2022年达到顶峰。图71993年至2024年5G标准必要专利相关的专利诉讼数量分布三星频繁作为被告出现在法律纠纷中。这种模式也出现在电信巨头如SprintCorp、ATT和VerizonCommunications中，他们经常卷入专利纠纷，通常是在推出新技术时涉及侵权问题。同样，苹果、T-Mobile和爱立信等技术领导者也经常卷入诉讼，凸显了围绕5G技术部署的激烈环境。从华为到BoostMobile等小型企业的广泛参与，体现了广泛的挑战以及战略性法律辩护在复杂专利环境中的必要性，这对全球5G市场的成功至关重要。下图示出了面临5G标准必要专利诉讼案件的公司排名。图8面临5G标准必要专利诉讼案件的公司排名在竞争激烈的科技领域，华为和爱立信等公司不仅在创新，还在积极保护自身创新。他们诉诸法庭，质疑对其知识产权的任何侵占。这一强有力的防御策略得到了多方参与者的呼应，从三星和苹果等行业巨头到像SolIpLlc这样的细分知识产权公司。这凸显了严格的专利执法对于保护技术进步和巩固市场地位的重要性。下图示出了提起5G标准必要专利诉讼案件的公司排名。图9提起5G标准必要专利诉讼案件的公司排名综上，5G专利竞争既是技术实力的较量，更是产业主导权的争夺。把握专利布局趋势，将助力企业在全球5G浪潮中抢占先机。参考文献：[1]INSIGHTS.5GPatentLandscape:AComprehensiveAnalysisof5GInnovation(Updated2025).[2025-10-10].https://insights.greyb.com/5g-patent-landscape.[2]新浪科技.华为5G专利排名中又拿第一：领先高通、爱立信！网友直呼难怪手机信号强.[2025-01-25].https://finance.sina.com.cn/tech/discovery/2025-01-28/doc-inehczmh1876186.shtml.

一、总体概述2026年1月13日，美国能源信息署（EIA）发布的《短期能源展望》（Short-TermEnergyOutlook），报告具有两个显著特征：一是首次报告2027年的预测数据，二是对全球油气供需、电力结构演变以及美国能源相关碳排放趋势给出了更为系统的中短期判断。总体来看，报告传递出一个清晰信号：未来两年全球与美国能源市场将进入“供给相对宽松、价格整体回落、结构持续调整”的新阶段。传统化石能源仍占主导，但增长动能明显减弱；新能源和电力需求成为推动能源系统变化的核心力量。全球油价。报告预计2026年油价将会下降，因为全球石油产量将超过全球石油需求，导致石油库存增加。全球库存到2027年仍将持续增加，但增速会放缓。报告预测布伦特原油价格在2026年平均为每桶56美元，比2025年低19%，然后在2027年平均为每桶54美元。全球石油产量。报告预计2026年液体燃料的全球产量将增加140万桶/日，2027年将增加50万桶/日。2026年全球液体燃料产量的增长是由欧佩克+国家的原油产量增长所推动的，而2027年的增长则由非欧佩克+国家推动，主要集中在南美洲。报告预测假设对委内瑞拉的现有制裁在2027年仍将继续实施。美国原油产量。在2025年达到年产量1360万桶/日的年度纪录后，报告预测美国原油产量在预测期内将会下降，2026年下降幅度不到1%，2027年下降2%。由于原油价格持续走低，报告预计原油产量将会下降，因为钻探活动的放缓速度将快于钻探效率的提升速度。在报告的预测中，2026年西德克萨斯中质原油价格平均为每桶52美元，2027年为每桶50美元，而2025年则为每桶65美元。美国汽油价格。报告对2026年和2027年的零售汽油价格的预测低于2025年，这主要反映了对较低原油价格的预测。报告预测2026年美国汽油价格的平均值将略高于每加仑2.90美元，与2025年相比下降了近20美分/加仑。2027年，报告预测价格将基本保持平稳，年平均值略高于每加仑2.90美元。天然气价格。报告预计亨利港的天然气现货价格在2026年将平均略低于每百万英热单位3.50美元，比2025年下降2%，2027年平均为每百万英热单位4.60美元。在报告的预测中，天然气价格上涨是因为需求的增长（由液化天然气出口的扩大以及电力部门的更多天然气消费所带动）将快于产量的增长。电力消费。报告预测，2026年的电力消耗将增长1%，2027年将增长3%，这标志着自2005至2007年以来连续增长的首个四年期，也是自世纪之交以来增长最为强劲的四年期。报告预测的电力消耗增长主要是由于商业和工业部门电力需求的不断增长所致。电力生产。在预测中，太阳能发电量的增长幅度最大。报告预计在预测期间太阳能装机容量将增加69吉瓦，从而使得2026年和2027年的太阳能发电量分别增长21%。报告预计天然气发电量在2026年将保持平稳，2027年将增长1%。燃煤发电厂的发电量在2026年下降9%，2027年则下降不到1%。二、全球石油市场：供给过剩主导价格下行（一）油价走势：库存累积压制价格中枢报告预计，全球原油价格将在2026年和2027年持续下行。布伦特原油现货价格在2025年平均为69美元/桶，预计2026年降至56美元/桶，2027年进一步降至54美元/桶。这一走势的根本原因在于：全球液体燃料产量增长持续超过需求增长，推动库存大幅累积。2025年下半年以来，全球石油市场已显现明显的供需失衡特征。尽管地缘政治风险仍然存在，但实际产量增长、海上浮动库存增加等因素，对油价形成了更强的下行压力。EIA判断，这一格局将在未来两年延续，但库存累积速度在2027年将有所放缓。（二）供给端变化：OPEC+与非OPEC力量此消彼长从供给结构看，2026年全球液体燃料产量增长主要来自OPEC+国家，而2027年新增产量几乎全部由非OPEC+国家贡献。报告预计，2026年全球液体燃料产量将增加140万桶/日，2027年增量放缓至50万桶/日。南美国家成为非OPEC增长的核心力量。巴西、圭亚那和阿根廷在新项目带动下，2026年合计增产约60万桶/日，2027年仍贡献全球新增产量的三分之二左右。相比之下，OPEC+在2027年预计维持产量不变。值得注意的是，报告假设针对委内瑞拉的制裁在整个预测期内持续存在。目前约60万桶/日的委内瑞拉出口受阻，对全球供给形成一定影响。如相关政策发生变化，将对油价产生额外下行压力。（三）需求端变化：非OECD国家支撑全球增长需求方面，全球液体燃料消费在2026年和2027年分别增长110万桶/日和130万桶/日，增速略有回升。几乎全部需求增量来自非OECD国家，尤其是亚洲地区。印度和中国是最主要的增长来源。报告预计，印度在2026年和2027年每年新增需求接近30万桶/日；中国每年增加约20万桶/日。此外，中东和非洲地区的能源消费也呈现稳步增长态势。三、美国石油市场：产量见顶回落、价格下行传导终端（一）原油产量：高点已现，回落趋势明确美国原油产量在2025年达到历史新高，年均约1360万桶/日。EIA预计，2026年美国原油产量基本持平，2027年将下降至1330万桶/日，降幅约2%。这一变化并非源于资源枯竭，而是低油价环境对钻探和完井活动形成抑制。尽管单井产能持续提高，但钻机数量下降的影响将在未来两年逐步显现。作为美国最重要的产油区，二叠纪盆地在2026年增量趋于停滞，2027年甚至出现小幅下降。（二）汽油价格：油价下行与炼厂因素相互抵消在原油价格走低的背景下，美国零售汽油价格整体回落。报告预计，2026年美国汽油均价约为2.92美元/加仑，比2025年下降约6%；2027年小幅回升至2.95美元/加仑，但仍低于2025年水平。值得关注的是，汽油价格下降幅度受到炼油环节的制约。西海岸炼厂产能下降导致区域性供应偏紧，推高炼厂利润率，并在一定程度上抵消了原油价格下行的影响。四、天然气市场：需求增长推动价格在2027年上行（一）价格走势：短期平稳，中期趋紧与石油不同，美国天然气市场在预测期内呈现“先稳后紧”的特征。亨利港天然气价格在2026年预计维持在3.5美元/百万英热单位左右，2027年则大幅上升至约4.6美元。价格上行的核心原因在于：需求增速超过产量增速，库存水平下降。尤其是在液化天然气（LNG）出口和电力部门用气增长的推动下，天然气市场供需趋紧。（二）LNG出口：天然气需求增长的最大变量LNG是天然气需求增长的最大驱动力。报告显示，美国LNG出口在2025年已大幅增长，2026年和2027年仍将分别增长9%和11%。多个新建或扩建项目陆续投运，使美国在全球天然气贸易中的地位进一步强化。五、电力系统：需求持续增长，结构加速转型（一）电力消费：数据中心成为关键驱动因素报告预计，美国电力消费将在2026年增长1%，2027年增长3%，这是自2000年代初以来最强劲的连续增长期之一。商业和工业部门是主要增长来源，其中数据中心用电需求增长尤为突出。得克萨斯州所在的西南中部地区，以及弗吉尼亚、乔治亚、俄亥俄等州，成为电力需求增长最为集中的区域。（二）发电结构：新能源主导新增发电量从发电侧看，太阳能是未来两年发电增量的绝对主力。报告预计，2026—2027年期间，美国新增太阳能装机约69吉瓦，太阳能发电量年均增长超过20%。相比之下，煤电发电量在2026年下降约9%，2027年继续小幅下降；天然气发电总体保持稳定；核电因个别机组重启在2026年小幅增长，2027年基本持平。六、煤炭与碳排放：结构性下降趋势延续煤炭消费在电力系统转型中持续走弱。报告预计，2026年美国电力行业煤炭消费下降约10%，2027年继续小幅下降。尽管煤炭出口有所增长，但难以改变国内需求下行的大趋势。在此背景下，美国能源相关二氧化碳排放量在2026年同比下降2.2%，2027年基本持平。煤电减少是排放下降的主要原因，其次是居民和商业部门天然气用量下降。七、结论与启示综合来看，该报告描绘了一幅能源供给宽松、价格中枢下移、电力与新能源加速发展的中短期图景。传统油气仍是能源体系的“压舱石”，但增长空间明显受限；电力需求与新能源扩张，正成为能源系统演变的主线。这一趋势表明，未来能源安全与能源转型将更多体现在结构调整能力、系统韧性以及新型用能场景的适应能力上，而不仅仅是资源禀赋本身。对政策制定者和能源相关行业而言，这一阶段既是压力期，也是重塑竞争力的重要窗口期。参考文献：[1]EIA,Short-TermEnergyOutlook.[EB/OL].(2026-01-13）.https://www.eia.gov/outlooks/steo/index.php.

一、《科研安全框架》的核心任务与理念美国国家标准技术研究所（NIST）于2025年11月正式发布修订版《保护国际科学：科研安全框架》（NISTIR8484r1），该文件取代了2023年8月发布的初版NIST内部报告8484。新版框架的核心任务是协助美国政府机构、高等院校及产业界在开展国际科技合作时，建立“任务导向、结构化、风险－平衡”的研究安全项目。框架直面美国科研生态系统的根本张力：一方面，美国保持全球科技领导地位依赖于与全球科学界的深度互动，通过互惠互利的联合研究吸引国际顶尖人才；另一方面，美国的国家与经济安全要求参与国际合作的组织必须实施有效的风险管理，防范不当外国影响与知识产权流失。NIST强调，缺乏有效的安全项目，组织可能触犯美国法律法规，面临刑事、民事或行政处罚。该框架与NIST网络安全框架互为补充，共同保护美国研究体系中的关键与新兴技术。其方法论设计特别强调，在审查潜在风险的同时必须保护个人隐私与公民自由。框架的核心理念是“以科学为中心”，通过可扩展、非侵入性的反制措施保护知识产权，从而赢得科研社群的文化认同，使科研安全成为科研活动的有机组成部分而非行政负担。二、新版框架的三项内容更新相较于2023年8月发布的初版，修订版框架在内容上有三项重要更新：1.新增“研究安全风险判定矩阵”。新版在旧版提供方法论描述与审查流程指引的基础上引入具体、可操作的风险评估工具矩阵。该矩阵不采用评分制，而是要求实践者基于专业经验与事实数据做出独立且可辩护的判断，实现了风险管理标准化与灵活性的平衡（详见本文第四部分）。2.深化风险分类体系。新版明确将风险划分为技术、组织、个人三大维度，每个维度细化为低、中、高三档具体指标，使风险评估从描述性转向结构化。例如，技术维度引入技术就绪水平（TRL）作为成熟度评估标准，组织维度强化对外国所有权控制影响（FOCI）的分析，个人维度则突出对恶意外国人才招募计划（MFTRP）的识别。3.强化“科学中心”原则与工具集成。新版明确要求风险评估必须基于对科学与技术领域“最新水平”的理解，强调不能过度依赖自动化工具，必须结合原始数据与专家判断。同时，整合了更丰富的开源情报资源（如ASPI中国国防大学追踪器、ITA综合筛查名单、GoogleScholar、ORCID等），构建多源验证机制，减少判断不确定性。三、“制度—组织—流程”安全管理体系新版框架通过制度设计、组织架构与流程规范三大支柱，构建了从价值观塑造到具体执行的完整安全管理体系。1.制度设计：将“保护科学”内化为组织价值观为塑造积极的安全文化，框架强调必须与科研人员开展开放沟通，明确国际科学对前沿研究的重要价值，同时承认组织对国际伙伴贡献的高度重视。成功的科研安全项目必须通过聚焦“保护科学”而非“安全合规”来影响机构文化，建立与科研社群的伙伴关系。2.组织架构：构建多学科集成的决策中枢框架规定了研究安全团队的构成与运作机制。团队必须由多样化专业背景的核心成员与临时成员组成，确保理解使命导向的关键新兴技术、国际科学与研究安全之间的关联。核心团队至少包括：研究安全团队负责人（具备科研背景，负责风险评估与决策）、国际事务经理（评估国际协议与政策影响）、出口管制经理（评估EAR/ITAR合规性）、信息安全官（评估IT系统访问风险）、研究与技术保护官（评估外国收集威胁）。团队建立层级报告结构，至少每两周向组织高级领导层提交双周报。3.流程规范：五大审查类别覆盖科研活动全链条框架定义了覆盖科研活动全链条的五个审查类别，每个类别均配备标准化审查表单与检查清单。“研究人员聘任审查”要求对所有研究助理进行年度审查；“外国旅行审查”重点评估目的地风险、主办方背景、演讲内容是否涉及未公开的关键技术、是否接受关注国家资助等；“外国合作审查”重点防范对方利用合作填补军事技术鸿沟；“产品服务请求审查”针对外国对组织数据库、研究工具、软件代码等的获取请求，评估产品是否可能被用于军民两用目的、请求方是否为关注国家实体、是否存在出口管制限制；“外部资助机会审查”需符合NSPM-33、《芯片与科学法案》、SBIR/STTR尽职调查等特定法规要求。四、风险判定矩阵与决策机制新增的风险判定矩阵与决策机制构成了框架的风险管理核心。其中，风险判定基于多源信息融合分析，包括开源情报、内部专家评估与外部情报输入，避免单一工具依赖导致的误报/漏报。风险判定矩阵将风险因素分为技术、组织、个人三类，每类从低到高列出具体指标，最终决策遵循“最高风险驱动原则”，但可通过缓解措施降低一档风险。常规缓解措施包括：运行安全培训、物理与逻辑访问审查、资助方批准、增强用户活动监控、缩短审查周期、技术隔离等。风险判定结果分为：“同意”“附条件同意”或“不同意”，后者必须与领导层协商。所有决策必须回答：“收益是否大于风险？”五、配套保障与实施支持体系框架还构建了完整的配套保障与实施支持体系。记录管理要求所有审查文件标记为受控非密信息（CUI），存档于受控访问网络，仅向有知情权人员共享。出口管制与合规要求指定专职专家，确保EAR/ITAR合规，制定技术控制计划（TCP）模板。TCP明确禁止向外国人员披露出口管制信息，要求物理隔离、信息系统隔离、访问管理、培训与审计。隐私与包容性强调保护隐私信息，防止仇外情绪，同时促进国际科学家的包容性参与机会。人员培训方面，框架要求所有涉及外国合作的人员每年完成IT安全、反情报、操作安全（OPSEC）等必修课程，研究安全团队定期提供针对性培训。NIST指出，实施《科研安全框架》的关键包括：高层管理支持、多学科团队协作、持续的员工培训与沟通、与情报界和法律界的有效协同。框架最终目标是促进负责任的国际科研参与，在保护美国关键技术与知识产权的同时，维护开放创新体系的活力，确保美国在全球科研生态中的领导地位。框架将持续演进以应对新兴威胁，为美国科研安全实践者提供动态、有效的指导工具。参考文献：[1]NIST.SafeguardingInternationalScience:ResearchSecurityFramework[EB/OL].[2025-12-03].https://www.nist.gov/publications/safeguarding-international-science-research-security-framework-0.[2]NIST.NISTIR8484ResearchSecurityPlanGuidanceTemplate[EB/OL].[2025-12-03].https://www.nist.gov/system/files/documents/2025/06/05/NIST

国际对比分析新西兰《数字时代的文化：长期洞察2025》和UNESCO《人工智能与文化》报告虽然都聚焦于AI时代文化领域的变革，但立足点有所不同，体现出国家层面与全球层面的互补视角。首先，在愿景与价值取向上，新西兰报告以《怀唐伊条约》确立的独特文化语境为重要前提，强调在面向未来的创意与文化治理中，需要充分考虑文化知识产权、数字taonga控制与伦理创新等议题；同时指出毛利群体处于运用数字技术保护与复振mātauranga与taonga的前沿，并提出未来政策应建立在毛利数字创新与领导力基础之上。这一本土视角使新西兰在AI文化政策上尤其关注土著文化权益和数据主权。相比之下，UNESCO报告具有更普适的全球公益取向。它提出AI时代面临的三大紧迫挑战：AI快速演进带来的文化生态震荡、持续存在的数字鸿沟，以及层出不穷的伦理风险（从深度伪造到算法偏见）。为应对这些挑战，UNESCO倡导的三大治理要务（保障人类创造力与尊严、利用AI促进文化多样性、保护遗产和弱势群体）贯穿其报告始终。在关注重点方面，新西兰报告围绕“创造－分享－保护”三个文化流程展开，将技术变革具体化为创意工具演进、内容传播变革和遗产保护挑战。这种框架清晰地反映了文化工作实际操作链条上的变化，并附带提出一系列国内政策选项。而UNESCO报告内容更加广泛，除创意产业外，还讨论了文化权利、教育、环境可持续性、文化遗产风险、文化主权等议题，分为七大主题部分。例如，UNESCO报告专门设有章节讨论文化教育与人才培养（提出在艺术教育中融入AI技能、培养跨学科人才等），以及气候变化与文化（探讨AI如何用于环境灾害中的文化保护，以及AI技术本身的碳足迹问题）。这显示了全球层面的综合视角：AI对文化的影响不仅限于产业和创作，还涉及教育、环保、人权等多维度。在政策工具与治理架构上，两者也有所差异。新西兰报告倾向于提出具体的政策创意和政府干预手段。例如，报告列举了政府在数字文化领域可以运用的六类杠杆及对应政策选项，包括：强化数字基础设施（如建立文化和创意数据沙盒、开发国家级公共AI系统）、提升技术素养与技能（如开展面向AI和区块链的未来技术学徒计划，促进创意人员与程序员协作创新，以及开展全民数字权利和隐私教育运动）、健全法规与监管（如为AI生成的文化内容和虚拟环境中的文化IP建立新的监管机制，更新隐私法律以应对量子计算时代的网络安全和深度伪造挑战）、提供资金与激励（如设立“文化科技”投资基金支持社区主导的技术项目，给予企业在可持续数字科技上的投资税收优惠）、推动公私合作（如打造“智慧文化城区”公私合作项目，将无线网络和数字创新中心融入城市文化基础设施，设立“AI赋能成功”专项基金资助符合伦理的AI文化应用）、加强国际合作与文化交流（如制定创意出口战略，拓展新西兰文化产品的国际市场；通过多边和区域协议，与他国分享AI驱动的文化遗产保护和数字叙事伦理方面的经验）。这些政策选项切合新西兰文化部门的具体需求，具有较强的可操作性。UNESCO报告则更加强调治理原则和国际协作框架。其建议往往着眼于宏观层面，例如呼吁各国将文化纳入国家AI战略，把风险评估、当代文化创造和遗产韧性纳入考量；倡议跨国合作来弥合数字鸿沟，维护语言多样性，保护弱势社区不受AI负面影响；强调多方参与的治理，超越传统监管范式，将文化多样性、公平和可持续性置于AI治理的核心。具体举措方面，UNESCO提出要提升算法透明度和问责制，如要求披露AI训练数据来源和算法逻辑，以避免暗箱操作；更新法律以填补“文化提取”（culturalextraction）的漏洞，确保创作者获得公平报酬，并防范算法歧视；探索对利用文化资源牟利的AI征收费用，设立文化数据共享收益机制。在保障文化多样性方面，UNESCO强调算法多元化和本地内容可发现性，要求平台打破单一算法推荐对主流内容的偏好，增强不同文化内容的曝光率。同时主张建设主权数字基础设施，比如支持公共部门开发开源AI和本地云计算资源，加强南南合作，降低对少数公司平台的依赖。这些建议反映出UNESCO更关注全球制度环境的塑造，例如通过国际标准和指南（如UNESCO《人工智能伦理准则（2021）》等）来引领各国政府行动，而不是直接给出某一国家层面的详细政策。启示与建议结合新西兰文化和遗产部的《数字时代的文化：长期洞察2025》与UNESCO的《人工智能与文化》报告，并参考欧盟AIAct透明度实施工具，以及美国版权局关于AI与版权等分析报告，建议上海围绕基础设施与数据治理、法规政策与平台治理、能力体系与创新生态、文化多样性与国际协作等方面，系统谋划人工智能时代的文化治理与政策应对。1.完善数字文化基础设施，保障数据主权与安全应把文化数据基础设施作为“数字时代文化治理的底座工程”，由公共部门牵引，构建自主可控的文化数据存储、治理与算力支撑体系，重点回应“文化资源外流、平台依赖、存储不可持续与真实性风险”等结构性问题。《数字时代的文化：长期洞察2025》明确指出：数字存储必须可扩展、安全且具备韧性，并强调在大型科技平台影响持续增强的背景下，地方化、去中心化的技术路径以及数据主权诉求不断上升。例如，借鉴新西兰的建议，可设立“文化数据沙盒”试点项目，让文化机构和创意人员在受控环境中安全试用AI新工具，积累经验。同时，探索建设由公共部门主导的本地AI模型和大数据系统（即“主权AI”），用于服务本市文化内容生产和遗产保护。UNESCO也倡导加强本地数字基础设施，以减少对少数科技巨头平台的依赖，避免文化数据过度外流。通过这些举措，上海可以保障对重要文化数据和数字资源的控制权，提高数字存储的韧性和安全性（例如引入分布式存储、防止单点故障），为文化的长期保存奠定基础。2.加强技术应用监管，健全法律政策框架针对AI在文化领域的新应用，应及早布局灵活的监管和立法。欧盟委员会在2025年发布训练内容公开摘要模板及说明文件，说明“训练内容透明度”正在走向可执行的合规工具。上海可据此探索对本地大型文化平台、公共文化AI系统以及在沪提供服务的关键模型供应商，建立“训练数据来源与类别摘要披露+文化风险评估”要求，尤其是在公共文化服务场景（推荐、检索、自动生成解说、内容审核）中优先落地。一方面，可参考新西兰经验，制定AI生成内容标识与版权保护制度，明确AI生成作品的版权归属和使用规范，防止出现文化IP被侵权和滥用的情况。同时完善与AI相关的隐私和安全法规，比如增补有关量子计算时代加密安全、算法欺诈与深度伪造防范的条款，确保法律能够应对新技术带来的风险。另一方面，关注算法透明与问责原则，建立算法影响评估制度：建议大型文化平台和AI系统定期评估其算法的公平性与多样性影响，并向监管部门报告。对于涉及公共文化内容的平台，可探索引入“算法可解释性审计”，确保推荐机制不存在系统性偏见或对特定群体的不利影响。此外，关注AI伦理准则在文化领域的落地，例如依据UNESCO《人工智能伦理规范》，制定本地操作指南，明确AI应用必须遵循的人权、文化多样性和可持续性底线。建立专门的新兴技术与文化治理委员会，集合法律、技术、文化专家和社区代表，持续研讨AI新趋势并提出政策建议，使治理框架能够动态适应技术演进。3.推动人才培养与数字素养提升，弥合技术鸿沟人工智能时代需要“既懂文化、又通技术”的复合型人才。因此，可以借鉴新西兰的举措，实施文化领域的数字技能提升计划。具体包括：与高校和培训机构合作，开设面向青年创意人才的AI、美术和人文交叉学科课程或实训项目，相当于“未来技术学徒计划”，让艺术专业学生学习编程与数据分析，让工程技术人才了解文化创意规律。还可以搭建“创意者－编码者对接”平台，促进本市的艺术家与AI工程师合作开发新的文化产品和工具。对广大市民，特别是青少年和老年群体，政府应开展数字和媒体素养教育，纳入公共文化服务项目。在学校和社区推广“数字公民”课程，提高公众对算法推荐、虚假信息的辨识能力和对数字版权、隐私保护的意识。UNESCO报告强调了文化-AI素养的重要性，呼吁通过教育合作在培养技术技能的同时注重创意思维和批判意识。上海可联合本地博物馆、图书馆等文化机构举办AI与文化专题展览、工作坊，例如组织跨代际的数字故事计划，让老一辈讲述的城市记忆通过年轻人运用AI技术来留存和传播。4.支持文化科技创新与产业发展，鼓励多元参与积极培育“文化+科技”创新生态。一方面，可以设立文化科技创新基金或专项资助计划，鼓励文博机构、演艺团体、内容创业公司采用AI等新技术，开发数字文化产品和服务。例如，支持博物馆运用AI实现馆藏的智能管理和互动展示，资助非遗传承人利用数字平台扩大影响力，扶持本地游戏、影视企业开发富有海派文化特色的AI原创内容。对这些创新项目，在资金、技术和市场推广上给予扶持，并建立风险容忍的试错机制（类似新西兰的社区主导技术项目资助）。另一方面，运用税收和金融杠杆吸引社会资本投入文化数字化建设，对企业在文化领域的AI研发、人才培养、基础设施建设等投入给予税收优惠或配套补贴。同时，倡导公私伙伴关系，将城市更新、智慧城市建设与文化数字化结合。例如，在上海的文化创意产业园区引入高速网络、开放实验室等基础设施，与龙头科技企业合作打造数字文化创新中心，又如推进“智慧剧院”“智慧博物馆”试点，提高文化场所的数字服务能力。5.保障文化多样性与包容性，深化国际交流合作确保传统文化在数字时代不被边缘化。支持社区主导的数字文化保存项目，例如建立社区数字档案馆、口述史料数据库，运用AI工具帮助少数民族或本地老字号社区保存语言、工艺和生活记忆。同时在数字文化政策中贯彻“知情同意”和“利益共享”原则：凡使用特定社区文化素材进行AI开发，应事先征求社区意见，并在成果应用中让社区受益。积极参与国际合作网络，分享数字文化治理经验。上海可以加入或主导国际城市间关于“AI与文化”议题的交流机制，与其他城市一道研讨算法治理、数字版权、遗产数字化标准等问题。可以与联合国教科文组织合作，举办AI与文化创新国际论坛或创客大赛，吸引全球人才关注文化领域的AI解决方案。特别是在亚太地区，上海可推动区域文化数字合作，共享AI保护文化遗产的技术和案例，并针对区域内的共同挑战（如海洋文化遗产、气候变化对文化的影响）开展联合研究。最后，在国际文化贸易与传播中，利用AI提高上海文化产品的全球影响力，打造数字时代的“上海文化品牌”。资料来源：[1]ManatūTaongaMinistryforCultureandHeritage.CultureintheDigitalAge–Long-termInsightsBriefing2025[EB/OL].(2025-12-04)[2026-01-19].https://www.mch.govt.nz/sites/default/files/2025-12/LTIB-2025_web.pdf[2]UNESCO.ReportoftheIndependentExpertGrouponArtificialIntelligenceandCulture[EB/OL].[2026-01-19].https://www.unesco.org/sites/default/files/medias/fichiers/2025/09/CULTAI_Report%20of%20the%20Independent%20Expert%20Group%20on%20Artificial%20Intelligence%20and%20Culture%20%28final%20online%20version%29%201.pdf?hub=171169[3]European.ExplanatoryNoticeandTemplateforthePublicSummaryofTrainingContentforgeneral-purposeAImodels（2025）.(2025-07-24)[2026-01-19].https://digital-strategy.ec.europa.eu/en/library/explanatory-notice-and-template-public-summary-training-content-general-purpose-ai-models[4]Copyright.gov.CopyrightandArtificialIntelligence.(2025-05-24)[2026-01-19].https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf

情报工作是一项复杂的任务，涉及多个环节，包括情报收集、情报分析、情报传递和反馈等。在这个过程中，既有人的因素，也有技术的因素。情报工作需要人员具备敏锐的观察力、深刻的洞察力以及强大的应变能力，这些素质共同作用，借助先进的技术手段，最终将复杂、零散的信息转化为有价值的判断和建议。无论是在市场竞争中对竞争对手的策略进行监测，还是在国家竞争中对潜在威胁的预判，情报都发挥着不可忽视的作用。近年来，地缘政治问题日益凸显，情报在国家安全和战略决策中的合法、合规应用受到广泛关注。情报的核心任务在于保障国家的安全和战略利益，确保对潜在风险和威胁做出预判和防范。合规和透明的信息收集为国家的防御策略提供支持，使其能够在维护自身安全的基础上参与国际合作。因此，情报不仅是维护国家利益的手段，也是影响国家外交、军事部署和经济策略的重要因素。一、情报：“大博弈”中的核心力量开启国家之间以情报手段为主进行博弈的新模式，肇始于19世纪英俄在中亚地区的影响力竞争。当时，英国和俄国在中亚地区展开长达数十年的竞争，尽管涉及外交和情报活动，但其目标主要是增强区域稳定的掌控力，并确保国家利益。通过合法的情报收集和对区域文化、经济情况的深入了解，双方致力于掌握关键信息，以减少直接军事冲突的可能性。1839年，阿瑟•康诺利（ArthurConolly）中尉最先创造性地使用了“大博弈（TheGreatGame）”这个词来描述英俄两国为了争夺在中亚的统治权与影响力而进行的竞争。这个词随后借鲁德亚德•吉卜林1901年出版的小说《基姆》（Kim）而流传下来。图1阿瑟•康诺利（ArthurConolly）中尉在“大博弈”期间，情报活动发挥了至关重要的作用。英国和俄国都投入了大量资源以收集对方的军事、经济和政治信息，并设法通过各种手段影响当地的局势。例如，英国派遣了大量年轻的探险家、地理学家进入中亚收集情报。俄国则展开了一系列行动，如向中亚派遣特工和使节，以建立地方情报网络。情报不仅仅是战术层面的工具，更成为支撑战略决策的重要支柱。例如，英国情报部门多次通过收集和分析情报来预测俄国的行动意图，从而调整对阿富汗和波斯的政策。俄国则通过情报网，逐步掌握了中亚地区的政治动态，并根据这些情报确定向南推进的步伐。二、情报搜集中的“硬实力”阿瑟•康诺利（ArthurConolly）中尉不仅是“大博弈”一词的提出者，还是作为士兵、冒险家或者官员走遍中亚收集信息并提供情报的众多年轻人中的一员。“康诺利们”的情报“硬实力”包括信息的记录与收集，对经济情报进行分析，以及区域政治格局的可视化。1.信息的记录与收集“大博弈”中的情报收集人员常常通过做笔记、画地图等方式来记录收集到的信息。他们在旅途中绘制地图，记录地形、道路和战略要地的位置。这些地图对于本国政府了解中亚地区的地理状况至关重要。他们详细记录所见所闻，包括军事部署、经济状况和社会文化动态，并定期向上级汇报。这些报告为政府制定政策提供了依据。图219世纪手绘地图2.经济情报的分析在“大博弈”时期，经济资源的分布和贸易路线的信息同样是重要的情报内容。例如，哪些地区产出丰富的矿产、粮食和畜牧产品，哪些贸易路线更为活跃，这些信息对了解中亚的经济状况非常重要。掌握这些信息有助于评估对方经济的自给自足能力及其对外贸易依赖度，从而为本国的经济封锁策略或贸易谈判提供依据。情报人员通过观察、记录市场物资流通情况、贸易往来和关税制度，不仅帮助本国了解当地的商业活动，也为潜在的贸易路线或禁运区域提供了参考，直接影响了对中亚经济政策的制定。3.区域政治格局的可视化情报人员通过绘制地图和记录区域内不同部族或政权的分布，帮助本国了解区域政治格局的动态。这种信息的收集为国家提供了更加客观的判断依据，使其能够采取更加平衡的外交措施，并在合法的前提下预防可能的冲突，以保障国家的战略利益和区域的和平与稳定。通过这些步骤，“康诺利们”得以收集到更多的信息，并将信息转化为情报，成为国家战略决策的关键依据。三、情报搜集中的“软实力”从相关传记资料来看，康诺利的动机不仅仅是为国家服务，某种程度上也包含了个人的冒险精神和对未知领域的探求欲望。在这种探索欲的驱使之下，康诺利在艰辛的环境中发展出重要的应变能力。除了专业的情报“硬实力”值得今天的情报从业人员借鉴，其在异域文化中的适应能力、语言技巧等“软实力”也同样值得关注。•克服语言和文化障碍：康诺利及其同事必须熟练掌握波斯语、阿拉伯语或土耳其语，并迅速适应当地文化，才能融入当地环境。•适应严峻的自然环境：从沙漠到高原，中亚的环境极为恶劣，不仅气候多变，还经常缺乏水源和补给，这要求他们具备强大的体力和适应能力。•建立坚实的人际网络：通过与当地领导人、商人和其他关键人物建立关系，探险者们建立了坚实的人际网络，能够获取有效信息，并获得在该地区行动的支持。图3“康诺利们”的情报软实力除此以外，情报搜集中的“软实力”还非常考验情报人员对当地环境的理解。情报搜集不仅仅依赖硬性的军事或政治数据，还涉及对文化、社会心理、历史背景等因素的敏锐洞察。具体来说，情报人员需要通过细致的文化理解和社会观察来捕捉到隐性的、潜在的，甚至是无法直接量化的信息，这对于制定有效的战略决策至关重要。康诺利在“大博弈”期间，除了关注俄国军事行动外，还非常注重中亚各国和各部族的文化、宗教信仰和社会结构的变化。这种深刻的文化理解让他能够更精准地分析不同族群的态度和行为，如通过研究中亚的部族和社会网络，理解了不同民族的政治需求与社会心理，从而能够通过文化纽带和历史背景去影响他们的政治态度。四、现代情报工作：“硬科技”与“软实力”相结合与康诺利的时代相比，现代情报工作在方法和技术上发生了深刻的变革。“大博弈”时期，情报人员必须亲自深入一线，与当地民众接触，凭借观察、文化理解和人际网络搜集情报；而现代情报工作更多地依赖于科技手段的支持，如卫星监控、互联网、社交媒体和大数据分析等。卫星和无人机等技术手段可以为情报部门提供合法的地理信息和自然环境数据，互联网和社交媒体也成为开放的舆情观察来源。大数据分析技术在信息收集上具有优势，为识别潜在的风险和趋势提供了合规支持。现代情报工作借助科技手段，提升了情报分析的客观性和效率，进而加强国家在全球化背景下的安全与合作能力。在这方面，现代情报人员不必再亲身前往某地即可获取大量信息，从而在全球范围内大大提高了情报收集的速度和广度。然而，现代情报工作也面临着信息过载的问题。如今的情报人员每天需要处理海量的数据信息，这远远超过了个人处理能力。因此，人工智能和自动化分析工具在情报工作中发挥了关键作用。通过机器学习和自然语言处理技术，情报人员可以自动过滤、分类、提取关键信息，从而更有效地应对信息过载的问题。不过，现代情报工作在信息甄别上也尤为依赖有如“康诺利们”所具有的“软实力”。尽管科技手段强大，但理解不同文化、语言背景下的信息含义依旧需要“软实力”支持。许多情报机构会配备语言学家、社会心理学家和文化专家，以便在大数据和自动化分析的基础上，对信息进行更加精细化的解读。现代情报工作应当始终遵循道德和法律规范，将“硬科技”与“软实力”结合，在合规的信息收集和分析框架内。通过合法渠道获取信息，并在文化理解的基础上进行分析，可以帮助国家实现更全面的预判与决策，保障国家利益的同时，积极促进全球和平与合作。参考文献：[1]大博弈[EB/OL].[2024-11-08].https://baike.baidu.com/item/%E5%A4%A7%E5%8D%9A%E5%BC%88/5899626.[2]努尔米宁.18-19世纪地图领域的科学、技术和探索[EB/OL].[2024-11-08].https://www.thepaper.cn/newsDetail_forward_4761417.[3]ArthurConolly[EB/OL].[2024-11-08].https://britishempire-me-uk.translate.goog/conolly.html?_x_tr_sl=auto_x_tr_tl=zh-CN_x_tr_hl=zh-CN.[4]YAPPM.ThelegendoftheGreatGame[EB/OL].[2024-11-08].https://www.thebritishacademy.ac.uk/documents/2491/111p179.pdf.