野外作业现场
记者近日从中国第41次南极考察队获悉，为深入开展东南极拉斯曼丘陵地区冰下地质环境研究，在中国第40次南极考察期间，吉林大学和中国地质大学（北京）联合俄罗斯海洋与地质矿产资源科学研究所组成联合科研小组，在中山站以南约25千米处，利用我国自主研发的新型铠装电缆悬吊式电动机械深冰及冰下基岩取芯钻机（IBED）成功钻穿了545米厚的冰层及冰岩夹层，获取了连续冰芯样品和0.48米的基岩样品。
中俄科研小组
在第41次南极考察期间，中俄科研小组利用自主研发的测井仪器开展了钻孔摄像，获取了完整的冰川内部温度剖面，测量了钻孔倾角和方位角，同时对钻孔缩径过程开展了持续观测，获取了重要的原位冰川运动参数。此外，中俄科研小组还从钻孔内回收钻井液约7立方米，践行了环境保护的理念。
测井仪
这是我国首次在南极冰盖基于已有钻孔开展测井作业，获取了钻孔温度、倾角、方位角以及钻孔直径变化等关键参数，从而为探明东南极伊丽莎白公主地末端冰盖底部地热通量及其动力学演化机制奠定了基础，为揭示未来气候变化背景下的南极冰盖演化规律提供了重要依据。
拉斯曼丘陵地区位于伊丽莎白公主地冰盖末端，是东南极冰盖重要的溢流区之一。冰下地质环境是影响冰盖运动的重要因素，探明拉斯曼丘陵地区冰下地质环境对揭示东南极伊丽莎白公主地末端冰盖的动力学演化机制和物质平衡特征具有重要意义。
富时中国A50指数期货盘初跌4.58%，上一个交易日夜盘收跌2.89%。
·（现在的大学）只有通过系统性变革，才能不断提高高质量研究的成功率。每个教授在科研上不能被学科所限制，要有一定的自由权和判断权。过去我们的教育体系总是偏爱最优秀的人，也许有一天，这种情况会改变，你不一定非得最好的大学，才能接受良好的教育。
一
2023年，我正式担任香港城市大学（港城大）校长至今，我深切地感受到人工智能科技发展的速度非常快。
2010到2020年间，当时正处于大数据时代，人们认为“数据就是财富”。如果说大数据是新型能源，我认为现在的人工智能技术（AI）则远远超过了这一层面，AI的赋能远远超过以往的计算能力，它不只是“更快”而已，而是以一种颠覆性的方式带来了全新的可能。
当计算机工程（computer engineering）、计算机科学（computer science）、技术生态系统（ecosystem）和大数据（big data）汇聚到一起时，技术发展的临界点已经到来。更重要的是，技术变革的时代，人工智能（AI）起到主导的作用，而并非仅仅是辅助作用。
一个最有代表性的例子：在2024年，诺贝尔物理学奖和化学奖中，确实有部分成果与人工智能相关，而且是应用于医学的领域，更引人注意的是，这些获奖者有部分科学家并非来自传统的大学或研究机构，而是来自企业，譬如谷歌旗下的DeepMind公司。
这个细节其实非常值得关注，也值得深入探讨。即当下的大学面临一场系统性的变革，但有趣的是，大学的发展并没有赶上技术发展的速度，技术发展得太快，但大学还没有跟上。
过去，我们对科研学术（scholarship）的理解，认为需要有足够的时间去思考、沉淀，学术研究成果本应该是一个缓慢而沉稳的过程，可能耗时十年、五十年，最终才见成果。但现在，技术的发展已经进入光速的时代，很多技术五个月就能做出来，悠闲的学术环境已经很难保持。
以美国硅谷为例，是什么造就了硅谷这样的科技生态环境？硅谷之所以形成，很大程度上得益于威廉·肖克利（William Shockley），这位集成电路芯片的发明人之一，因为厌倦了美国东海岸的生活，所以搬到西海岸创办公司，而斯坦福大学刚好就在那儿，顺势积极参与其中。
在硅谷模式里，大学的角色负责吸引顶尖人才，顶尖人才能够催生初创企业，随后吸引大型企业进入，最终形成科技创新的良性循环，硅谷也成了半导体产业的象征。
硅谷模式也给我带来不少启发，我在新加坡做了36年的教授，有一半以上的时间担任领导职务，也做基础研究，同时也非常积极地推动创新创业，所以很了解其中的实际情况。
我们经常说，要推动科研成果的转化，这背后涉及系统性的挑战，并不仅仅是简单几个环节的事。我这次来杭州观察到，这座城市的科技创新生态系统已经非常成熟。为什么杭州能取得成功？因为他们跑得更快，就这么简单，这并不是“有没有钱”的问题。
杭州政府干预相对较少，行政审批也更加高效便捷，这种环境，自然而然就会吸引人才。
在我看来，让科技创新速度跑得快，提高行政效率和服务意识是非常重要的，甚至可以说，行政服务的效率和响应速度起到了决定性作用。
二
传统教育模式里，大学办事讲究很多规矩，不可以这样做、那样做，这样就跑得慢。
现在办大学，不再只是拼资金，或是名气有多大，而是拼行政机制是否高效、有没有服务性意识，如果行政机制做得好，科研人才自然愿意留下来，自然而然，更多国际性人才也会愿意加入。英语有句话是“Don’t just do things right,but do the right things。”（不要只是把事情做对，而是要做对的事情）
什么是对的事情？ 大学如何做得好？人才愿意来、有人来，还能带人才来，就这么简单。
我来到港城大后，我并不把自己当作校长管理者角色，而是服务者，我最喜欢用的一句话是“Approve”（同意）。
我经常对我的行政人员说，“你在这里，不是管理，不可以很威风地说不可以。你可以说‘我建议这样做’。”这样就变成服务了。
对于顶尖的科研人才来说，他们看重的是研究的自由度和创业的自由度。跑得快对他们来说是有益处的。有些人才是非常强的科研人才，我会告诉他们，“你继续做研究，不需要事事都亲力亲为，其他事情让我来帮你做。”我要想办法让这些人才信任我，这非常关键。
近期，我们港城大有一个年轻的副教授（Associate Professor)连跳两级，担当了讲座教授（Chair Professor）。我之所以让他连跳两级，是因为我想给年轻的科研工作者传达出一种信号，即“如果你做得足够好，你不必等。”如果一个年轻的科研工作者明知道自己再努力，但只能得到极小的职位晋升机会，他还会有多少动力呢？所以，对于年轻的科研工作者来说，时间、资历或年限并不是唯一标准。
我希望顶尖的科研人才来到这里能够在三年时间内从“好”变“非常好”，再用三年的时间变成“卓越”。这不仅是我的期望，更是我作为港城大校长的使命，只有通过系统性的变革，才能不断提高教授做出高质量研究的成功率。英文有一句话叫 increase the batting average（提高击球率），我希望每位教授都能做出有分量的成果。
顶尖科研人才进入高校，这只是一个开始。这一年多时间，我不光到处找顶尖的科研人才，我也花了很多时间物色合适的行政人才。没有现成的行政人才，我会培养年轻的行政人员，给他们机会锻炼。但如果有些岗位的人不合适，我就直接换人。我在学校也特别和各个学院的院长强调，“你有一个重要使命，就是引进人才，人才的成功是你的成功，他们的失败就是你的失败”。
三
现在我们虽然强调基础研究很重要，但更应该鼓励基础研究能尽快产出成果，然后申请专利。如果一个科学家做出了科学成果，但在晋升、激励机制上没有获得支持，是不会持续投入的，这是非常现实的问题。
2024年12月，我们与深圳市政府合作建设的“国家知识产权运营（深圳河套）国际转化试点平台”正式开始运营，一旦转化成功，大家就会明白，这条路径是可行的。现在已经有越来越多的技术成功转化并落地到企业，这正是因为大家看到了实实在在的成果。
中国虽然不是最早提出创新生态这个概念的国家，但今天，我们已经比过去好很多了。比如在杭州、深圳、苏州，科技创新发展得很快，这也得益于当地实质性地给予资源，再加上人的推动。这在欧洲就非常难。
现在内地大学也开始谈融合教育（即跨领域、交叉学科），我觉得传统的教学思维必须改变，过往传统学科设置文科理科分得很清晰，交叉不多，这不仅是内地大学的问题，很多大学在结构上也是如此，非常强调学科边界，比如某个领域就是某个领域，两者之间隔着一条马路，永远不交叉。
但我现在推行的学校实验室更象是一个“横向高速通道”（Superhighway Horizontal）。非常开放、流动性很强。每个教授虽然归属于个别学院，但在科研上不能被学科限制。在这个环境里，院长不能说“我不批准，你就不能做”，每位教授都有一定的自由权和判断权。
现在还会有人对AI表示担忧，认为可以用它来写论文、作弊，影响学习过程等。但教育的核心其实并不是考试，教育的本质是学习。我为什么要在意他所学的知识是被人类教师教出来的，还是被AI教出来的或是他自己学的？
我喜欢人工智能的地方在于，它是公平的。如果你够聪明，你就能学得更好，它能让每个人的水平一起提高。过去我们的教育体系总是偏爱最优秀的人，忽视了那些相对较差的人。也许有一天，这种情况会改变，你不一定非得在最好的大学，才能接受良好的教育。
正是因为这种新的范式变化，我们应该完全拥抱AI。现在在港城大，我们已在日常的学习中引入AI程序，这个项目的核心是为学生打造一个「AI个人导师」，这位AI导师会非常有耐心，而且几乎全天候在线。
我并不是一个会在意过去的荣誉和头衔的人，如果让我用一句话来谈起我的科学观，那就是“Why not? We can do it”（为什么不能？我可以做到）
很多人很惊讶地问我，都这个年龄了，为什么还要跑到香港来？我只看前方的路，不会往回看来时的路。
新模型周周见，Anthropic前脚推出混合推理模型Claude 3.7 Sonnet，OpenAI立马打出GPT-4.5这张牌。当地时间2月27日，OpenAI推出GPT-4.5，其追随用户意图的能力更强，“情商”更高。OpenAI CEO山姆·奥特曼将其形容为“是一种不同的智慧”，有一种他从未感受过的魔力。
虽然GPT-4.5作为一款非推理模型展示了在预训练进一步扩展后的能力提升，包括更高的准确性和更少的幻觉。但值得关注的是，在DeepSeek掀起开源潮和降价潮后，显然海外市场并没有被“卷”到，这次的GPT-4.5定价堪称“非常贵”，导致很多人感叹“一般人可用不起”。但从另一方面来看，中国科技企业开拓海外市场的必要性好像更大了。
“情商”更高，更懂暗示
据了解，GPT-4.5在扩展预训练和后训练规模上迈出一步，OpenAI通过扩展无监督学习和推理两个互补范式来提升人工智能的能力。扩展推理让模型在做出反应之前进行思考并产生一系列思维链，从而能够解决复杂逻辑问题。无监督学习提高了世界模型的准确性和直觉，GPT‑4.5提高了识别模式、建立联系和无需推理就能产生创造性见解的能力。
OpenAI表示，与OpenAI o1和OpenAI o3‑mini模型相比，GPT-4.5是一个更通用、天生更智能的模型。早期测试表明，与GPT‑4.5交互更自然。GPT‑4.5更广泛的知识基础、更强的追随用户意图能力和更高的“情商”，使它在提高写作、编程和解决实际问题等任务上有效。GPT‑4.5能更好地理解人类的意思，并以更细微的差别和“情商”来解释微妙的暗示或隐含的期望。
快思慢想研究院院长、原商汤智能产业研究院创始院长田丰表示，GPT-4.5的推出，印证了美国大模型继续走“大力出奇迹”的尺度定律路线，算力、数据、模型都是顶级配置，以更大的算力、更多的数据，训练出效果更好的模型，“GPT‑4.5的预训练阶段算力非常大，用了10倍的算力来做训练。”
“神仙”按月打架，重视技术储备
“今年大模型会出现你追我赶的节奏，OpenAI现在采取的策略像是 ‘领先半步’。”田丰表示。
在GPT-4.5推出前，OpenAI内部至少在迭代两个模型版本，即针对GPT-4.5和GPT-5进行测试、工程优化、产品化对齐等。“OpenAI有资金、人力、算力做双版本的储备，其他公司要跟上节奏，也必须做到。”他表示，在当前竞争周期越来越长的情况下，无论是国外的Anthropic，还是国内的DeepSeek，都需要有更多技术储备投入。
“头部大模型公司按季度更新模型版本，最慢100天，短的话30天，‘神仙打架’已经按月来打，一个季度就是一场巡回赛了。如果跟不上这个节奏，就要在产业链上找到自己的优势。”田丰表示，“大模型厂家如果不能每一两个月推出一个新版本，可能会憋大招，憋三五个月憋出一个好版本追上现在的大模型也是可以的。”
他认为，当前最值得关注的国外大模型是OpenAI的GPT-4.5、Anthropic的Claude 3.5、马斯克旗下AI公司xAI的Grok 3，尤其是三者间的逻辑推理能力对比更有价值。其中，Anthropic日前推出的混合推理模型Claude 3.7 Sonnet具有“系统一”和“系统二”两套系统，既可以快速回答用户问题，也可以针对复杂问题启动“系统二”的深度思考，思考时间会更长，就像人类一样。从这个角度看，Claude 3.7 Sonnet在架构的双系统层面具有一定的领先性和启发意义，“在数据和算力遇到瓶颈时，会把创新集中在模型架构层面，探索方法上的创新、工程化的创新、架构上的创新。”
田丰表示，GPT-4.5等模型将加速补全基础模型通用知识领域，增强复杂推理质量和情绪感知，基础模型负责高水平通用能力，AI应用负责行业逻辑。Grok3会在空间智能领域发力，加速具身智能体的“ChatGPT时刻”到来。垂直领域的专业模型也会成为中国大模型的竞技场，中国在机器人产量、使用规模方面更有优势。
庞大但昂贵
在对GPT4.5的性能给出了高度评价的同时，山姆·奥特曼也表示这是一个“庞大且昂贵”的模型。
据悉，调用GPT-4.5的API目前的输入价格为75美元/百万token，输出价格为150美元/百万token，不仅高于GPT以往的模型，也高于市场其他模型。以Claude 3.7为例，调用其API，输入百万token的收费为3美元，输出则为15美元。
跟国内模型更是不能比，DeepSeek-V3最近给出了错峰优惠政策，在凌晨时段，调用DeepSeek-V3的API输入百万token只需要0.25元，即便是非优惠时段也不过是0.5元；输出百万token的优惠价格是4元，标准时段价格为8元，定价均为人民币。
在业内人士看来，OpenAI的定价之所以如此之贵，一方面是其算力成本真的很高，另一方面也说海外市场和国内市场的定价策略遵循了不一样的逻辑，OpenAI仍然可以依赖技术优势获得更高的溢价。
田丰表示，OpenAI目前也面临GPU不够用的难题，GPT‑4.5推理成本高、算力开支大，导致用户使用昂贵，难以全民推广和使用。
OpenAI CEO山姆·奥特曼在社交媒体坦言，“我们真的很想同时为Pro用户和Plus用户推出，但我们已经发展得很快了，GPU也用完了。我们将在下周增加数以万计的GPU，向Plus用户推出服务。”ChatGPT Pro的月费是200美元。GPT‑4.5目前不支持ChatGPT中的语音模式、视频和屏幕共享等多模式功能。
Hugging Face工程师王铁震认为，OpenAI的定价策略之所以没有被DeepSeek“卷”到，是因为国内市场和海外市场原本就是不一样的定价策略。另有大模型从业人士认为，OpenAI仍然走的是“高服务定价-高企业估值”的业务逻辑，“追求技术快人一步，然后享受技术溢价”。
田丰认为，相对于美国企业的“大力出奇迹”，国内目前的大模型路线是以极致性价比实现更好的模型效果，“两边走得会越来越不一样，但最终都会拉到一个竞技场上去PK。”
在王铁震看来，国内市场“卷价格”已经遍布各行各业，相比之下，海外市场享有更高的利润，海外市场能够接受技术带来的溢价，这也是近年来中国企业集体出海的一个重要动力，但中国大模型企业要想走入海外市场，会面临和中国电动车等其他行业出海一样的挑战，这些挑战将不止于价格、技术和性能。
·研究人员发现，在生物医疗领域，尽管“定制版”垂类模型应用对于医学自然语言处理上仍有优势，但涉及复杂的推理，尤其是医学问答方面，闭源通用大模型GPT-4则更有明显优势。
澎湃新闻记者 蒋立冬 AI创意
大模型在生物医疗领域的应用情况如何？哪种模型更加适用？4月6日，《自然·通讯》（Nature Communications）杂志刊登了一项由耶鲁大学医学院的研究人员对大语言模型（LLMs）在生物医学自然语言处理（BioNLP）中的全面评估与应用指南（《Benchmarking large language models for biomedical natural language processing applications and recommendations》，以下简称“指南”）。在该份指南中，研究人员选择了12个来自 BioNLP 不同应用领域的数据集，评估了四种具有代表性的大模型GPT-3.5、GPT-4、LLaMA 2 和 PMC LLaMA在零样本、少样本和微调设置下的性能。
生物医学自然语言处理（BioNLP）技术是一种将自然语言处理技术应用于生物医学领域的交叉学科技术，核心是从大量的生物医学文本比如医学论文、电子病历、基因数据库等中自动提取有用的信息。
研究人员发现，在生物医疗领域，仅靠持续扩充预训练数据并不能显著提升开源生物医学大语言模型的整体表现，针对具体医学任务的微调才是关键。比如生物医学领域特定大模型的代表PMC -LLaMA，使用了32个A100 GPU对模型进行预训练，但最终评估并未发现该模型的性能有显著提升。PMC -LLaMA是由上海交通大学长聘轨副教授谢伟迪研究团队于2023年4月研发的垂类模型，基座模型使用的是LLaMA 2；研究人员发现，直接微调LLaMA 2可以获得更好或至少相似的性能。通过微调，模型可以针对性地学习医学领域的专业知识和复杂推理要求，从而在信息抽取、医学问答等任务上实现显著性能提升。
研究人员建议，未来在生物医疗应用中，应更多关注如何优化微调策略，以弥补预训练在处理专业医学文本时的不足。“需要一种更有效、更可持续的方法来开发特定于生物医学领域的大语言模型。”研究人员称。
相较于通用大模型，针对生物医疗领域里的“定制版”模型BioBERT和PubMedBERT（注释：Bert是一款由谷歌开发的预训练语言模型），在医学自然语言处理表现更出色。由于经过专业的医学数据训练，BioBERT和PubMedBERT这类“定制版”模型能够更精准地识别疾病名称、基因、化学物质以及理解医学术语，这一点表现比GPT-3.5和GPT-4为代表的通用大型语言模型更好。但涉及较为复杂的推理任务，尤其是医学问答方面，GPT-4则更有明显优势，能够“看懂并能思考”，生成更合理以及准确的回应。
对于生物医药行业普遍关心的大模型幻觉问题，此次研究结果表明，GPT-4在两个数据集上几乎没有出现幻觉问题。在零样本条件下，通用开源模型LLaMA 2则更容易出现幻觉问题，比如输出时常常出现信息不完整、格式不一致或提示无关内容的情况，它产生的幻觉案例约占测试样本的32%，比例远超GPT-3.5和GPT-4。
尽管GPT-4在众多评估任务中表现优异，但研究人员指出，其调用成本相当于GPT-3.5的60至100倍。对于预算有限的实际应用场景，医学机构可能会倾向于选用成本较低且效果可接受的GPT-3.5；而对于准确性要求极高、尤其是医学问答这类依赖复杂推理的任务中，GPT-4可能会是更理想的选择。
我国科学家近期取得一项研究成果，能够让动态无线充电更高效。其未来应用有望让无人机边飞边充电。相关成果近日发表于国际学术期刊《自然·通讯》。
西安电子科技大学电子工程学院李龙教授课题组在无线能量传输和无线定位领域取得突破性进展，构建了一种基于双频超表面的无线传能、感知定位与通信一体化原型系统，实现了自适应追踪的无线能量传输。在这一系统中，超表面不仅实现了精确的目标定位，还能根据实时变化的环境和目标，进行灵活的能量聚焦，实现跟踪式隔空输能。
与传统的无线充电方式相比，该技术具有显著的优势：能够支持多个终端设备在移动过程中进行高效的非接触式无线充电，例如运动中的无人机、智能机器人等，为其提供稳定、高效的电力供应。
据悉，该论文成果以西安电子科技大学为第一单位发表，电子工程学院博士生夏得校为论文第一作者，李龙教授和东南大学崔铁军院士为共同通讯作者。
2月28日，国家重大科技基础设施“冷泉生态系统研究装置”在广州市全面启动建设。该设施由中国科学院南海海洋研究所牵头申报并承担建设，项目包含“海底实验室分总体”“保真模拟分总体”“保障支撑分总体”三部分。这也是世界首个2000米级坐底式可载人长期驻留的深海实验室。
冷泉装置采用“样地实验+陆地模拟，海陆协同、时空互换”的设计思想，计划用5年的时间，建设面向冷泉生态系统的深海载人驻守型海底实验室与陆基保真模拟设施相融合的国际领先研究装置，支撑冷泉生态系统发育、化能合成生物演替和甲烷物态演化及其环境效应研究。冷泉装置建成后，将为探索深海极端环境下的生命起源及可燃冰等深海资源的绿色开发等前沿基础研究和高新技术研发提供先进的平台支撑，成为我国在深海科学研究领域迈出的关键一步，服务“海洋强国”战略及“双碳”目标。
“冷泉”是指海底之下的甲烷、硫化氢和二氧化碳等气体在地质结构或压力变化驱动下，溢出海底进入海水的活动。而冷泉生态系统是指海洋生物利用海底冷泉渗出的化学物质为能源进行化能合成，发育成海底黑暗世界里独特的生态系统，具有黑暗、高压、低氧等理化特征，以可燃冰分解的甲烷为生源要素，通过化能合成作用而生生不息，被誉为“深海绿洲”。冷泉生态系统承载着地球深部碳循环的密码，是研究极端环境生命适应机制、探索新型生物资源的战略要地。开展冷泉生态系统研究是可燃冰等深海资源绿色开发与深海科学研究的最佳切入点。冷泉装置将为冷泉生态系统的研究提供全新的视角和技术手段，加速相关领域的科研进展。
计划用5年的时间，建成国际首个2000米级坐底式深海载人驻留实验室
冷泉装置总建设计划用5年的时间，建成国际首个2000米级坐底式深海载人驻留实验室，这也是世界首个面向海底冷泉系统的大科学装置，建成后将促进冷泉发育机制、极端生命演化过程、可燃冰的生态效应研究等海洋科学跨越式发展，推动深远海科技进步。
据公安部网安局4月7日消息，近日，公安网安部门侦破一起非法获取计算机信息系统数据案。 犯罪嫌疑人胡某是一名在校大学生，非法入侵了学校某系统并获取两万余条该校学生个人信息，后利用AI技术向其中的两千余名学生发送骚扰短信。目前，犯罪嫌疑人胡某对非法获取计算机信息系统数据罪供认不讳，案件正在进一步侦办中。
公安部在通报中披露，为寻求刺激、炫耀技术，胡某通过之前发现的某小程序存在的技术漏洞，利用AI编写程序，把其中盗取的上千余名学生的手机号码在该小程序上批量注册账户，后将短信验证码篡改为淫秽内容发送至学生本人，对其进行短信骚扰。
8日，上海大邦律师事务所高级合伙人游云庭告诉澎湃科技（www.thepaper.cn)，根据最高法和最高检关于办理危害计算机信息系统安全案件司法解释，如果获取身份认证信息500组以上，属于情节严重，可以处三年以下有期徒刑；如果获取身份认证信息2500组以上则属于情节特别严重，根据《刑法》第285条可以处三年以上七年以下的有期徒刑并处罚金。
游云庭称，结合本案来看，犯罪嫌疑人胡某的行为已经获取了1万多条信息，虽然胡某只向其中的两千余名学生发送骚扰短信，无实质骚扰行为，但获取信息数量已经达到了情节特别严重的标准，可能会被判三年以上有期徒刑。
职业律师李昀锴称，依据教育部《普通高等学校学生管理规定》第五十二条之二，触犯国家法律，构成刑事犯罪的学生学校可以给予开除学籍处分。“依据法律条文，高校可以向构成刑事犯罪的学生开除学籍，大概率胡某会被原高校开除学籍，但后续服刑之后胡某还可以参加高考。”
澎湃科技注意到，2024年12月，据美国宾夕法尼亚州兰开斯特郡地方检察官办公室通报，该郡一所学校发生一起利用AI篡改学生照片的恶性事件。两名未成年男性被告使用AI应用程序将数百张学生照片进行篡改为色情画面，受害者总人数达到60人，其中48人为该校学生。
通报20天后，宾州立法机构修改了相关法律条款，明确将AI生成的儿童色情材料列入犯罪范围。根据修订后的法律，持有或散播AI生成的儿童色情内容将构成三级重罪，出于骚扰或恐吓目的散播未成年人色情图像则构成一级轻罪。
今天（12月26日），我国自主设计建造的深远海多功能科学考察及文物考古船“探索三号”在广州南沙正式交付启航。“探索三号”是我国首艘具有覆盖全球深远海探测并具备冰区载人深潜支持能力的综合科考船。
“探索三号”船长约104米、排水量约10000吨，最大航速16节、艏艉双向破冰、续航力15000海里、载员80人。首次完成了全系列极地作业科考操控设备及国内最大水密科考月池系统装备、冰区深海声学探测、通信及定位装备，船舶动力定位系统等国产化技术的攻关和搭载。
在研建过程中，各研究机构、企业和高校等通过对关键核心技术集智攻关，突破了冰区船舶关键设计技术、冰载荷下高精动力定位控制技术、智能船舶控制技术等多项关键技术的垄断瓶颈，使我国载人深潜能力从全海深拓展到全海域。
记者从中国科学院空天信息创新研究院获悉，该院方广有研究员领导的月球与火星探测雷达研究团队发现，位于火星北半球乌托邦平原南部祝融号着陆区的地下10至35米深处存在多层倾斜沉积结构。这些地质特征与地球海岸沉积物高度相似，为火星中低纬度地区曾存在古代海洋提供了迄今最直接的地下证据。该成果北京时间2025年2月25日在《美国国家科学院院刊》（PNAS）上发表。
火星因其与地球相似的地质特征、季节性变化和昼夜节律而被科学家视为人类星际移民的首选目标。过去数十年，人类对火星的探测已取得诸多里程碑成果，但这些发现大多集中在环境极端寒冷的火星高纬度或极地区域，并且关于火星北部低地是否曾存在浩瀚海洋的争论始终存在，这使得获取火星古海洋的直接证据至关重要。
火星36亿年前的假想图。蓝色区域显示了现已消失的Deuteronilus古海洋和海岸线。橙色星标表示中国祝融号火星车的着陆点，黄色星标是NASA毅力号火星车的着陆点（图片来源: Robert Citron）
中国首辆火星车祝融号于2021年5月15日着陆于乌托邦平原南部，搭载有中国科学院空天信息创新研究院研制的火星次表层穿透雷达，用于探测地下结构和可能存在的水冰。祝融号行驶的路线位于前人提出可能存在的古海洋海岸线以北约280千米处，海拔比该海岸线低约500米。
乌托邦平原地图、祝融号火星车着陆点和四条可能的古海岸线
研究团队通过分析祝融号雷达低频通道实测数据，在火星车沿途地表以下10至35米深度范围内识别出76个地下倾斜反射体。这些发射体空间分布广泛且均匀，覆盖范围超过1.3千米，所有反射体均呈现向北方低地方向倾斜的特征，倾角介于6°至20°之间、平均倾角为14.5°，且在相同位置的不同深度可观测到多个平行分布的反射体。这些层理结构与地球沿海沉积物的雷达成像结果十分相似，其一致性和物理特性排除了风成沙堆、熔岩管道或河流冲积等其他成因。这些沉积物的大规模存在表明，风浪驱动的沿岸输送为海岸线提供了稳定的泥沙净流入，并形成了海岸线前积层，这种结构只有在持久稳定的大型水体环境中才能形成，而非仅仅是局部和短暂的融水现象。
这项研究不仅提供了火星北部平原曾存在古代海洋的关键地下证据，还揭示了火星曾经经历过长期温暖湿润的气候期，这意味着火星曾长期维持适宜液态水存在的温度和气压条件。此外，研究发现的海岸线沉积物电介质特性与地球上由细砂和中砂颗粒的介电常数一致，这也进一步证实了其海洋沉积物的性质。
火星上探测到的倾斜反射与地球海洋沉积物的对比 (A) 澳大利亚Shark Bay滨海沉积物的探地雷达图像；(B) 祝融号火星次表层穿透雷达低频通道雷达剖面图
祝融号着陆点倾斜沉积结构形成过程的示意图(A) 潮汐沉积作用下形成的分层结构；(B) 随着古代海岸线后退，液态水消失，沉积作用停止。随后长期物理和化学风化改变了岩石和矿物的性质，导致火星表面层的形成。因此，沉积物被当前的火星表面土壤覆盖
此次发现的最大意义，在于将火星液态水的证据从火星人迹罕至的极地地区，扩展到了更适合人类活动的中低纬度地区，证实了火星曾经是宜居的。如果这一区域曾存在海洋，那么随着气候变迁，大量水分可能以地下冰的形式被封存，为未来火星基地的水资源利用提供了可能，也将大大降低火星基地的建设和维护成本。此外，这些古海洋沉积物保存了火星气候变化的历史记录，研究这些沉积物可以帮助我们理解火星如何从温暖湿润转变为寒冷干燥，进而指导人类如何改造火星环境，实现火星的长期可持续居住。
