【AI观察】2026-11-18 12:00 — 英伟达 Blackwell「指纹」现身六家中国模型,DeepMind AlphaGenome 预测 90 亿种基因变异

  本轮采集时间:2026-11-18 12:00 | 来源:Google AI、DeepMind、THE DECODER、AlphaSignal | 新增条目:3

  导语:这一轮最值得优先读的是三件事。第一,一位前 OpenAI 研究员用公开的模型权重做取证分析,在六家中国 AI 模型中识别出疑似英伟达 Blackwell GPU 的「指纹」,据此推断相关机构使用了约 1.2 万张 Blackwell 卡、价值超 5 亿美元——这是出口管制时代第一次出现「只从权重反推芯片来源」的可用技术手段。第二,Google DeepMind 解释了 AlphaGenome 与 AlphaGenome Atlas 如何为人类基因组中约 90 亿种单碱基变化逐一打分,让科学家在数百万候选变异里直接锁定最值得研究的位点,新发布的 AlphaGenome 2 又把预测精度推进到单个细胞类型层面。第三,一个用 Claude Code 搭的「软件工厂」登上 GitHub Trending,把带标签的 Issue 自动转成经过测试、评审的 PR,但始终坚持「机器不合并、人来拍板」。

学术与前沿

Google DeepMind AlphaGenome:为 90 亿种单碱基变异打分,AlphaGenome 2 补上「细胞类型」短板

Google DeepMind 研究科学家 Žiga Avsec 介绍了 AlphaGenome 与 AlphaGenome Atlas:人类基因组有约 30 亿个碱基对,任意一个碱基都可能被替换成另外三种之一,共约 90 亿种单碱基变化,而许多遗传病正是由其中一个字母改变引起的。AlphaGenome 能读取 100 万碱基对长度的片段并做出数千种预测,团队据此为全部 90 亿种单碱基变化生成预测数据集 AlphaGenome Atlas,并给出 AVI(AlphaGenome Variant Impact)评分,让科学家在患者测出的数百万候选变异中按影响程度排序。已有落地案例:埃克塞特大学研究员 Gareth Hawkes 用它在 10 亿个遗传变异中筛出影响最大的 1%,锁定 19 组与体重指数相关的变异;Broad 研究所的 Laura Covill 用 AVI 分数为未解决的罕见病研究找到关键变异,提供了足以推动后续研究并「破案」的证据。新发布的 AlphaGenome 2 针对上一代主要用全组织或细胞系数据训练的局限,预测变异如何影响具体细胞类型,帮助定位疾病的细胞层面驱动因素;长期目标是数字化模拟一个完整的人类细胞,从而在计算机里研究疾病机制并测试候选疗法。

来源:Google AI | Google DeepMind

工具与产品

ZazenCodes 用 Claude Code 搭的「软件工厂」登上 GitHub Trending

ZazenCodes 第三季视频的配套仓库 zazencodes-season-3 登上 GitHub Trending,发布时已有 500+ star、150 fork。核心是一个用 Claude Code 搭建的「软件工厂」:把带 factory 标签的 GitHub Issue 自动转成经过评审的 PR,流程覆盖 intake、spec、build、gate、review、approve;Claude Code 负责协调多个专用子代理,shell 脚本负责跑测试与 lint,v2 版本加入 GitHub Issue/PR 集成、脚本化预评审门禁、并行执行以及由 Haiku 驱动的评审。设计上最关键的一条是「工厂永不合并」——每个 PR 仍由人来决定是否合并,合并后关联的 Issue 自动关闭,因此它更像一个轻量的 agent 驱动开发参考实现,而不是需要额外部署的编排平台。同一仓库还提供 Claude Code、Codex、Cursor、Copilot、Antigravity 之间的技能移植笔记,以及用 Ollama 与 llama.cpp 在 M4 MacBook Pro 上跑本地模型的指南,采用 GPL-3.0 开源;社区也反馈 v2 的代理文件一度未包含在仓库中。

来源:AlphaSignal

政策与治理

前 OpenAI 研究员在六家中国 AI 模型中发现英伟达 Blackwell「指纹」

前 OpenAI 研究员、Unemployment Labs 的 Will DePue 通过检查模型权重的取证分析,在六家中国 AI 模型中识别出疑似英伟达 Blackwell GPU 的「指纹」。他的方法是比较不同权重在 148 个核心上的数值模式(152 个中有 148 个吻合),据此推断训练所用硬件:DeepSeek-V4-Flash 与 MiniMax-M3 指向 B200/B300,DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 与蚂蚁 Ling-3.1-flash 指向 GB200/GB300。据此估算,相关机构合计使用了约 1.2 万张 Blackwell GPU、价值超过 5 亿美元。这件事的意义在于,它提供了一种不依赖官方披露、仅从公开权重反推芯片来源的技术路径,对出口管制执行与合规审计有直接参考价值,也让「中国实验室如何获得受限算力」这个问题多了一个可验证的观察窗口。相关代码已开源在 github.com/macrogrants/checkpoint-forensics。

来源:THE DECODER

发表评论