苹果有望牵手多家AI公司 打造“AI大模型商店”

摘要：为了追赶人工智能的大潮，苹果公司正在试图和越来越多人工智能公司讨论合作，以在这条人工智能道路上结伴而行。在与OpenAI首先达成合作后，现在，苹果寻求友谊的手又伸向了Meta。据报道，苹果正与Meta等多家公司讨论，将其生成式人工智能模型整合到苹果最近发布的iPhone人工智能系统中。 苹果正与多家人工智能公司谈合作两周前，苹果刚刚在年度全球开发者大会（WWDC）上公布了他们以人工智能为核心的一系列创新，包括与OpenAI构建合作伙伴关系，推出能够优先置顶推送、总结文本、生成图片的“Apple Intelligence”套件，更强大的Siri等。作为生成式人工智能领域的后来者，尽管苹果已经开发了自己的小型人工智能模型，但仍将求助于合作伙伴来完成更复杂或更具体的任务。根据苹果在WWDC上公布的信息，OpenAI的ChatGPT被宣布为该公司的第一个合作伙伴。“我们想从最好的开始，”苹果软件主管克雷格·费德里吉（Craig Federighi）表示，ChatGPT“代表了我们今天用户的最佳选择。”他在当时还透露，苹果也希望整合Google的Gemini。而最近的报道也表明，苹果所看重的合作伙伴，显然不止OpenAI一家。此前有报道称，苹果正在与长期搜索合作伙伴Google讨论结盟的可能性；同时，在中国等不同地区，苹果还将与其他人工智能公司讨论合作伙伴关系。而根据最新的报道，苹果正与Meta讨论合作。此外，人工智能初创公司Anthropic和Perplexity也在与苹果讨论，将其生成式人工智能引入 Apple Intelligence。合作模式类似于App Store？报道称，谈判合作的规模尚不清楚，但谈判涉及人工智能公司通过Apple Intelligence出售其服务的高级订阅。知情人士说，在与其他人工智能公司的谈判中，苹果并未要求任何一方向对方支付费用。相反，两者的合作模式有点像App Store：人工智能公司可以通过Apple Intelligence出售其服务的高级订阅服务，而苹果从其设备的订阅收入中抽取一部分。对于苹果而言，与越多公司合作，就越能为其用户提供更多潜在选择。苹果此前曾表示，如果与OpenAI以外的合作伙伴达成协议，苹果客户可以选择除了苹果内部系统之外他们想要使用的外部AI模型。而对于人工智能公司而言，假如能和苹果达成合作协议，将有助于人工智能公司借助苹果的强大平台获得更广泛的产品分销。不过，上述讨论尚未最终确定，可能会失败。同时，这种合作对于人工智能公司来说究竟有多大的好处，目前可能也很难说。深水资产管理公司(Deepwater Asset Management)资深苹果分析师、管理合伙人Gene Munster表示，虽然在与苹果合作后，ChatGPT的使用率预计将增加一倍，但OpenAI的基础设施成本预计也将增长30%至40%。蒙斯特表示：“分销渠道很难获得。苹果的美妙之处在于，它已经拥有了这种大规模分销渠道。”苹果在人工智能的技术探索道路上似乎仍在持续前进，这一进展也令苹果月初至今股价累涨近8%，一度超越微软重新成为全球最具价值的上市公司。这反映了金融市场对苹果AI愿景的认同，表明华尔街分析师也被苹果说服，相信苹果的AI新功能将刺激苹果用户换机。不过，苹果在AI道路上似乎正在面临监管政策的“拦路虎”。上周五，苹果声称，受限于欧盟的反垄断法——《数字市场法案》（DMA），苹果无法在今年向欧盟用户发布个人智能化系统“Apple Intelligence”、Mac上的“iPhone镜像”和FaceTime通话中的“SharePlay Screen Sharing”功能。 原文：https://m.cnbeta.com.tw/view/1435875.htm

汽车大芯片正走到巨变前夜

摘要：下一代汽车电子电气架构需要复杂的集中式计算单元来应对日益增长的功能需求。融合芯片（Fusion chips）和基于芯粒（chiplet-based）的设计是潜在的推动因素。软件定义汽车 (SDV) 的下一代电气/电子 (E/E) 架构正在向集中化发展。麦肯锡分析估计，到 2032 年，全球生产的所有汽车中 30% 将采用带区域控制器的 E/E 架构（图 1）。对于半导体行业来说，重要的是，这种转变将需要集中的高性能计算单元。 在未来十年内，汽车微元件和逻辑半导体市场预计将在 2032 年增长到 600 亿美元。预计整个汽车半导体市场将在同一时期内从 600 亿美元增长到 1400 亿美元。其 10% 的复合年增长率超过了半导体市场的所有其他垂直市场。集中式高性能计算单元通常为高级驾驶辅助系统 (ADAS) 或未来的自动驾驶 (AD) 提供功能，以及信息娱乐和车辆运动任务。两种原型——独立的、特定领域的计算单元和跨领域的中央计算单元——将主导下一代 E/E 架构（图 2）。根据这种性质，OEM 和一级供应商可以通过不同的方式实现集中式计算单元，例如通过基于机架的设置、带有多个芯片的印刷电路板 (PCB) 或用于多个域的融合芯片。在所有情况下，选择最高效的底层片上系统 (SoC) 或系统级封装 (SiP) 至关重要，原因如下：首先，SoC 和 SiP 实现了自动驾驶汽车所需的基本计算（例如，通过实现识别其他车辆和交通参与者的感知功能），此外还提供尖端的信息娱乐服务并支持生成式人工智能 (gen AI) 用例（例如，用于车载助手）。其次，SoC 和 SiP 是成本的主要驱动因素，并且极大地影响了整体物料清单 (BOM)。最后，它们的功耗可能在确保车辆节能运行方面发挥作用，这对于向电池电动汽车 (BEV) 的过渡尤为重要。因此，汽车 OEM 高度投入，不断提高计算能力和效率。于是，ADAS/AD 和信息娱乐领域的两个新兴趋势在即将到来的 E/E 架构的概念阶段获得了关注：融合芯片和基于芯粒的芯片设计。本文将讨论融合芯片和基于芯粒的芯片设计作为未来 E/E 架构中集中计算的推动因素，并讨论为什么它们成为首席技术官在制定有关集中计算的战略决策时的重要因素。通过融合芯片推进 ADAS/AD 和信息娱乐领域的集中计算融合芯片可能被视为提高 SDV 功能和计算整合度的合理下一步。也就是说，融合芯片将信息娱乐和 ADAS/AD 的功能合并到一块硅片上，形成一个单一的“融合”芯片。乍一看，这种整合的技术要求似乎很合理。如今，ADAS/AD 和信息娱乐领域都需要最先进的多核中央处理器 (CPU)、图形处理器 (GPU)、AI 加速器和数字信号处理器，并且这两个领域都旨在以非常小的节点尺寸（即小于 10 纳米）实现，以提高计算能力和能效。同时，这种整合的几个方面揭示了这两个领域的不同之处：虽然信息娱乐领域有一些与功能安全相关的应用（例如，支持驾驶舱集群），但在 ADAS/AD 领域，对汽车安全完整性等级 B (ASIL-B) 和 ASIL-D 功能安全合规性的需求更为明显，因为该领域必须执行许多实时关键功能（例如，执行器控制任务）。纯基于安全岛的方法在这里可能不够，因为信息娱乐通常采用这种方法。在 ADAS/AD 领域，对硬件/软件 (HW/SW) 进行紧密协同设计的需求尤为明显，以便为实现感知元素的特定神经网络架构（例如卷积神经网络和变压器）优化计算硬件（例如 AI 加速器）。在过去的两年中，尽管融合芯片设计面临着诸多挑战，但无晶圆厂半导体厂商和新进入者已经将这一理论想法变成了现实。此外，几家一级供应商已经展示了使用融合芯片的计算单元设计，并在 SDV 环境下宣扬其优势。通过使用融合芯片，OEM 可以减少物理计算单元的总数，并进一步简化计算逻辑的整体集成和整合。例如，这种方法对于在整个车辆生命周期内促进无线 (OTA) 更新至关重要，这是 SDV 的关键推动因素。此外，OEM 可以简化信息娱乐和 ADAS/AD 领域的工具链和开发框架，从长远来看具有预期的成本优势。麦肯锡与全球半导体联盟（GSA）合作，对整个汽车半导体价值链的利益相关者进行了调查。受访者表示，便利的开发模式（如开发环境和工具链）和成本原因（如节省知识产权和封装成本）是他们决定采用结合 ADAS/AD 和信息娱乐功能的融合芯片的首要因素（分别为 28% 和 57%）。与此同时，向融合芯片的过渡也将带来一些挑战。首先，融合芯片需要更高的技术复杂性（例如，验证工作）才能保证不受干扰，这是因为信息娱乐和 ADAS/AD 必须分开，并且一个域的任何计算要求都不能干扰另一个域。此外，在信息娱乐和 ADAS 域之间的协调需求方面，组织负担将增加。二是满足L3及以上自动驾驶系统的冗余度要求的问题。L3级系统需要有条件自动驾驶、计算冗余、执行器（制动和转向）和电源。当信息娱乐和 ADAS/AD 的计算功能组合到一个高度集成的芯片上时，可能不需要部署第二个芯片，因为在主芯片发生故障的情况下，信息娱乐域不需要额外的计算能力。在这种情况下，部署第二个芯片可能会产生开销。额外的挑战在于，由于相关的功能安全要求，电磁兼容性 (EMC) 的一致性要求更加复杂；单独优化的可能性有限，例如功能安全要求和专用加速器；以及失去为两个领域选择最佳供应商的能力和更高的锁定效应。在调查中，参与者还指出，采用融合 SoC 面临的三大挑战是确保不受干扰（33%）、处理组织原因（25%），以及解决 ADAS/AD 的冗余要求（19%）。计算能力方面的可扩展性以及物理和制造难度（分别有 13% 和 10%）被认为挑战性较小。考虑到更高级别自动驾驶的冗余要求，融合芯片可能是一种特别可行的解决方案，适用于针对 L0 到 L2 应用（例如自适应巡航控制 [ACC]、车道偏离警告 [LDW] 和自动紧急制动 [AEB]）的部署场景，而不是针对 L3 及以上应用（例如放手和放眼场景）的场景，尤其是在 2030 年之前。此外，融合 SoC 可能会接管两个领域之间的功能，例如驾驶员监控和乘员检测——鉴于欧洲即将出台的新车评估计划 (NCAP) 法规，这些领域变得越来越重要。在信息娱乐方面，融合芯片非常适合控制广泛的功能，例如驾驶舱集群、中央堆栈和乘客显示器、增强现实显示器、环视停车、后座娱乐和电子后视镜。根据最近的公开公告，针对系列车辆的融合芯片预计将在 2026 年至 2027 年期间首次部署，主要采用者是注重成本效益的批量原始设备制造商以及技术遗产有限且对技术创新更开放的颠覆者。采用Chiplet进行汽车定制芯片设计从广义上讲，“chiplet”是指一种先进的封装形式—即用于增强半导体器件性能、功能和集成度的创新技术，超越了传统的封装方法。芯片组架构代表了半导体设计的范式转变，能够将多个专用芯片模块化集成到一个封装中。芯片组允许 OEM 为每个子组件选择最佳技术解决方案，这突显出并非所有组件都需要在尖端节点尺寸上制造。因此，在专用 ADAS/AD 和信息娱乐芯片以及融合芯片中都可以使用基于芯片组的设计。由于实现了灵活性，人们甚至可以考虑在整体芯片设计为支持不同计算负载（例如，通过使用专用 CPU 芯片）的情况下使用芯片。因此，区域控制器也可能构成一个有趣的应用领域，因为它们的计算要求因原型而异（例如，简单的输入/输出聚合器与成熟的计算单元）。现代芯片的所有功能（例如 CPU、内存、AI 加速器、串行器和反串行器）并非都集成在一块硅片上，而是使用最适合应用且经济可行的技术节点大小分别实现芯片组的各个组件（图 3）。这意味着 CPU 和加速器子系统可能采用可用的最小节点大小，而其他功能可能在更大的节点大小上实现。为了确保单独制造的组件仍能协同工作，需要一个通用接口标准，例如通用芯片组互连标准 (UCIe)。如后文所述，许多创建这些标准的努力正在进行中。在汽车领域，专家最常提到基于芯粒的芯片设计的两个优点：整体芯片尺寸减小。使用芯粒可避免单片设计方法增加芯片尺寸（面积）。在过去五年中，复杂芯片的芯片面积不断增大，几乎达到极紫外光刻的掩模版极限，即 858 平方毫米。对于数据中心使用的 GPU，这个问题变得尤为突出，因为更大的芯片尺寸允许容纳更多晶体管，从而可以增强计算能力和处理能力。请记住，工艺的良率受缺陷密度（单位面积缺陷数量）的限制，较大的芯片更有可能包含一个或多个缺陷，因为它们覆盖的面积更大。即使一个缺陷也会导致芯片无法正常工作。从长远来看，较小的芯片尺寸可以提高良率，从而降低成本。虽然这种效应是芯粒的一个重要优势，但汽车芯片预计在 2030 年代中期之前不会达到这样的尺寸。相反，对于汽车垂直行业来说，乐高原（Lego principle）则更为重要。乐高原则（或由标准实现的模块化芯片设计）允许汽车 OEM 混合搭配现有设计池或库中的组件，以满足其特定需求。该原则的好处包括能够重复使用组件。由于汽车行业的制造量低于其他细分市场（例如，每年汽车产量接近 1 亿辆，而智能手机出货量接近 15 亿部），因此定制重复使用组件将提高目标芯片设计的成本效率。其他好处包括加快新芯片的上市时间，通过选择真正需要的组件提高可扩展性，以及为加速器等专用芯片提供更多供应商选择。调查显示，汽车半导体价值链中的大部分受访者（61%）表示，通过混合搭配或乐高原理设计最佳芯片的灵活性是业界采用芯粒的主要动机。降低总运营成本和提高单个 IP 组件的产量被视为基于芯粒的设计的重要优势，但影响较小（19%）。生态系统对于 Chiplet 的成功至关重要。这些生态系统促进了标准化，并营造了鼓励 Chiplet 在不同垂直行业（例如数据中心和汽车）采用的环境。UCIe 标准是标准化领域最重要的进步之一。自 2022 年 3 月发布第一个标准 (UCIe 1.0) 以来，我们成立了一个汽车工作组，为标准的修订做出了针对汽车的贡献。除了标准化之外，新兴生态系统在促进其采用方面也发挥着作用。例如，由独立纳米电子研发中心 Imec 赞助的汽车芯粒联盟聚集了 50 多家汽车半导体价值链参与者，讨论和交流汽车芯粒设计进展的想法。Chiplet 技术尚属新兴技术。OEM 必须考虑使用 Chiplet 的挑战，尤其是在考虑系列部署时。汽车就绪性（Automotive readiness）：为了满足汽车就绪性，芯片设计必须满足所有必需的设备和制造规范（例如 AEC-Q100 和 IATF 16949），并能承受恶劣环境，包括振动和温度。与汽车制造相比，数据中心当前的用例提供了更稳定的环境和更少的挑战。互连标准化（Interconnect standardization）：如前所述，生态系统参与者应考虑制定一个共同的标准，以便可以组合设计。目前，行业内的大型参与者正在组建不同的联盟和标准。一个全球性的、被广泛接受的标准对于实现乐高原则的理念至关重要。采用新的开发模式和开放性（Adoption of new development paradigms and openness）：为了确保成功采用芯粒，价值链上的各参与者（知识产权、代工厂、集成设备制造商和封装）可以寻求新的合作模式。虽然所有参与者都认为这是关键要素，但可能难以及时实现。这在一定程度上是由于知识产权方面的挑战以及有关责任的悬而未决的问题，例如确定哪一方将负责芯片的整体可靠运行，而各方都提供其构建模块。从验证和确认的角度来看，价值链参与者认为混合搭配的“商店”芯粒创建方法是不切实际的。价值链中的大多数高层领导预计，未来十年内，芯粒将得到更广泛的采用。在调查中，48% 的行业领导者预计，汽车应用的芯粒将在 2027 年至 2030 年之间出现，而 38% 的行业领导者则预测将在 2030 年至 2035 年之间出现。只有 8% 的人预计该技术将更快地发展，即在 2025 年至 2027 年之间。考虑到汽车行业的整体增长和发展时间，这种延迟并不令人意外。此外，预计芯片的过渡将是渐进的。虽然乐高原则很有吸引力，但第一批芯片设计很可能是同质的。在这些设计中，知识产权模块将来自同一供应商，并使用专有或既定标准，例如外围组件互连快速 (PCIe)。下一步很可能是使用来自外部一方的构建块进行设计，这也有助于解决责任问题。真正的异构设计，具有真正的多供应商或多技术节点大小组合，很可能在 2030 年代中期及以后出现。基于芯片的设计的重要性显而易见，因为它们允许芯片在计算需求增加时绕过现有界限，同时保持成本效益。一旦芯片生态系统和标准得以实现，利益相关者就应该量化当前应用场景的收益和机会。融合芯片和芯粒对整个汽车半导体价值链参与者的影响SDV 的兴起和供应链问题促使汽车 OEM 更深入地涉足半导体价值链。OEM 认识到，全面了解半导体技术以实现自动驾驶和信息娱乐领域的最先进功能对于保持竞争力至关重要。这一趋势对汽车半导体领域的所有参与者都有影响，尤其是 OEM、一级供应商、IDM 和无晶圆厂参与者。如前所述，采用融合芯片的决定很可能需要在未来两到四年内做出，而实施芯粒的问题可能会在未来进一步解决。汽车计算单元市场预计将从 2023 年的 960 亿美元增长到 2030 年的 1480 亿美元，复合年增长率为 6%（图 4）。具体而言，集中化和整合趋势导致车身和底盘领域的增长有限，每年仅增长 1% 至 2%，动力总成单元甚至会略有下降。鉴于这些单元的功能将在区域控制器或集中式计算单元（如车辆运动计算单元）中实现，这些单元甚至可能会出现下降。ADAS/AD 和信息娱乐单元的复合年增长率分别为 22% 和 6%。前者是由越来越多的具有 L2+ 及以上功能（例如放手、放眼和有条件自动驾驶）的车辆推动的。根据麦肯锡分析，预计2030年区域控制器的市场价值将达到30亿美元，而集中式计算单元（如融合SoC和车辆运动计算单元）的市场价值将达到80亿美元。一、对原始设备制造商的影响在决定是否采用融合 SoC 时，OEM 应该考虑以下具有战略意义的领域：软件专业知识。是否有足够的专业知识和对这两个领域的软件架构的控制来满足集成需求？ADAS/AD。应该支持什么级别的自动驾驶，融合 SoC 上应该承载什么样的功能？治理。信息娱乐和 ADAS/AD 小组是如何设置的？协调开发和发布时间表的可行性如何？采购策略。从同一家供应商采购 ADAS/AD 和信息娱乐芯片是否会妨碍任何战略采购决策和供应链弹性主题？BOM 与总拥有成本经济性。BOM基础上可以节省多少成本？从总拥有成本角度考虑，并考虑投资头几年的要求（例如新的开发模式和新的工具），商业案例是什么样的？关于芯粒，有三种可行的做法：首先，OEM 可以简单地依靠其 IDM 和无晶圆厂合作伙伴来推动芯粒的发展；其次，OEM 可以通过加入标准化机构（例如 UCIe）积极参与，并确保纳入具体要求；第三，OEM 可以积极自行开发芯粒；然而，这种选择需要大量资源，包括建立专门的专业团队。二、对一级供应商的影响一级供应商可能会跟进融合 SoC 趋势，利用融合 SoC 创建自己的集中式计算单元设计。他们可以使用这些设计向 OEM 展示潜在的技术和商业利益。几家一级供应商正在实施这一战略，为 2026 年至 2028 年即将开始的生产做准备。一级供应商提供的芯片选项范围与 OEM 类似。一级供应商可能希望尽早与 OEM 接洽，将他们对芯片的需求纳入下一代集中式计算单元的开发路线图中。三、对代工厂、IDM 和无晶圆厂厂商的影响虽然融合芯片的影响和兴起很可能对代工厂、IDM 和无晶圆厂厂商产生有限的影响，但芯粒的相关性将引发更广泛的问题，即最终制造的芯片的责任和“所有权”。除了技术主题之外，以下战略领域可能最为相关：生态系统。哪些生态系统和标准是成功的？哪些标准值得早期投资和参与？知识产权所有权。谁将持有用于制造最终芯片的知识产权“乐高积木”组合？责任。如果问题只出现在现场，谁将对芯片的最终功能负责？此外，该方是否负责制造芯片和处理互连，还是由提供知识产权的一方负责？发展。需要哪些额外的工具和方法来促进多供应商芯片生态系统？基于芯片的系统的设计验证和确认流程需要如何改变？商业模式。定价和许可方案是什么样的？谁会得到什么补偿？未来，半导体将在集中式计算单元中发挥越来越重要的作用。因此，OEM 正在深入汽车半导体价值链，并更积极地参与组件、功能和规格的选择。对融合芯片和基于芯片的设计技术、其优势和挑战以及潜在考虑因素的深入了解将使整个汽车半导体价值链的利益相关者在下一代软件驱动汽车中保持灵活性和竞争力。 原文：https://m.cnbeta.com.tw/view/1435876.htm

Meta向印度所有用户提供AI聊天机器人

摘要：经过大选期间几个月的测试，Meta 将向印度所有用户提供由 Llama-3 驱动的人工智能聊天机器人。不过，Meta AI 目前只支持英语，不支持其他本地语言。今年 4 月，该公司开始在印度的 WhatsApp、Instagram、Messenger 和 Facebook 上测试 Meta AI，并向部分用户推出。几天后，该公司在十几个国家正式推出了该机器人，但没有在印度推出，原因可能是当时印度正在举行大选。 除了通过其应用程序的搜索栏向所有用户提供聊天机器人外，Meta 还通过meta.ai网站提供该工具。Meta AI 的功能与其他聊天机器人类似，如 OpenAI 的 ChatGPT、Google的 Gemini 和 Anthropic 的 Claude。你可以让它为你推荐食谱、制定锻炼计划、帮你写邮件或总结一堆文字。在 Instagram 上，聊天机器人可以根据您的搜索结果推荐观看 Reels。此外，在 Facebook feed 上会看到 Meta AI 的提示，这样用户就可以提出与帖子相关的问题。例如，如果看到一张北极光的照片，可以向 Meta AI 询问有关观看北极光的最佳地点和最佳时间的建议。Meta AI 还能根据的提示生成图片。今年 5 月有用户发现，Meta AI 在生成印度男性图片时，有一种强烈的添加头巾的刻板倾向。此外，Meta AI 还存在其他偏差，比如总是生成色彩鲜艳、有木柱和屋顶造型的老式印度房子。虽然 Meta 公司当时表示，它在不断更新其模型，但目前还不清楚该公司是否在这些方面做出了任何改变。"这是一项新技术，它可能并不总能返回我们想要的响应，这对所有生成式人工智能系统来说都是一样的。自推出以来，我们不断对模型进行更新和改进，并将继续努力使它们变得更好，"一位发言人表示。Meta 正在将其聊天机器人带给印度 5 亿 WhatsApp 用户以及数亿其他应用程序用户。在 WhatsApp 上，你可以单独与 Meta AI 聊天，也可以在群聊中寻求聊天机器人的帮助，比如计划旅行或决定看电影。该公司表示，除了您在提及或回复聊天机器人时使用的文字外，Meta AI 并不掌握群组对话的上下文，该公司根据与它的对话对模型进行了微调。Meta 表示，在其应用程序中无法关闭或隐藏 Meta AI 功能。不过，人们可以选择在不调用聊天机器人的情况下进行搜索。Google在印度发布支持九种当地语言的Android用户双子座应用一周后，这家社交媒体公司就推出了这一应用。 原文：https://m.cnbeta.com.tw/view/1435874.htm

投资超1800亿迟迟无法运营 三星得克萨斯州芯片工厂2026年才能投产

摘要：据媒体报道，三星电子在美国得克萨斯州泰勒市投资的芯片工厂项目遭遇投产延期。原计划于2024年投入运营的新工厂，现在预计要推迟至2026年才能全面启动生产。该工厂是三星在美国的第二座芯片制造厂，其建设始于2021年，最初计划投资170亿美元，但据最新报道，总投资额已增至250亿美元，折合人民币约1819.94亿元。 成本的大幅上升主要归因于材料成本、施工成本和其他间接费用的增加，尽管施工工作可能在明年完成，三星计划在2026年才开始生产4纳米及更先进的芯片。三星此前已宣布将在泰勒市建立第三座芯片工厂，预计两座工厂的总成本可能达到440亿美元。三星的这一投资项目是美国《芯片和科学法案》的一部分，该法案旨在促进美国本土的芯片设计和制造能力，以减少对外部供应链的依赖，三星因此获得了美国政府64亿美元的资金支持。得克萨斯州泰勒市的新工厂预计将为当地创造1.7万个建筑岗位和4500个制造业岗位，对当地经济产生显著影响。得克萨斯州交通部还特别开通了名为“三星高速公路”的新四车道高速公路，以改善泰勒工厂与奥斯汀工厂之间的交通连接。 原文：https://m.cnbeta.com.tw/view/1435873.htm

韦伯望远镜揭示蛇夫座星云中的壮观恒星喷流

摘要：一些最伟大、最有趣的天文发现让研究人员大吃一惊，即使是在研究最深入的天空区域时也是如此。这些发现往往是新技术或偶然时机的结果。在美国国家航空航天局（NASA）詹姆斯-韦伯太空望远镜（James Webb Space Telescope）对蛇状星云的一项新研究中，两者兼而有之。 在美国宇航局詹姆斯-韦伯太空望远镜上的近红外相机（NIRCam）拍摄的这幅蛇夫座星云图像中，天文学家发现在一个小区域内（左上角）有一组排列整齐的原恒星外流。在韦伯望远镜的图像中，这些喷流呈现出红色的明亮块状条纹，这是喷流撞击周围气体和尘埃产生的冲击波。资料来源：NASA、ESA、CSA、STScI、Klaus Pontoppidan（NASA-JPL）、Joel Green（STScI）在星云的一个区域，韦伯已经将以前看似模糊的球状物解析成了清晰的原恒星外流。更让研究人员惊讶的是，这些外流被看成是排列整齐的，这表明我们在这一区域的历史上捕捉到了一个独特的时刻，并提供了恒星诞生的基本信息。在韦伯太空望远镜的新图像中首次进行了同类检测美国国家航空航天局詹姆斯-韦伯太空望远镜的近红外相机（NIRCam）首次捕捉到了天文学家一直希望直接拍摄的现象。在这幅令人惊叹的蛇夫座星云图像中，这一发现位于这个年轻的、附近恒星形成区的北部区域（见左上方）。天文学家发现了一组有趣的原恒星外流，它们是新生恒星喷出的气体射流与附近的气体和尘埃高速碰撞后形成的。通常情况下，这些天体在一个区域内会有不同的方向。然而，在这里，它们朝着同一个方向倾斜，程度相同，就像暴风雨中倾泻而下的雨夹雪。韦伯望远镜精湛的空间分辨率和近红外波长的灵敏度使得发现这些排列整齐的天体成为可能，这为了解恒星是如何诞生的基本原理提供了信息。位于加利福尼亚州帕萨迪纳市的美国宇航局喷气推进实验室的首席研究员克劳斯-庞托皮丹（Klaus Pontoppidan）说："天文学家长期以来一直认为，当云层坍缩形成恒星时，恒星会趋向于朝同一方向旋转。然而，这种现象以前从未如此直接地出现过。这些排列整齐、拉长的结构是恒星诞生的基本方式的历史记录"。这张来自美国宇航局詹姆斯-韦伯太空望远镜的图片显示了蛇夫座星云的一部分，天文学家在这里发现了一组排列整齐的原恒星外流。这些喷流以红色的明亮块状条纹为标志，这是喷流撞击周围气体和尘埃产生的冲击波。在这里，红色代表分子氢和一氧化碳的存在。资料来源：NASA、ESA、CSA、STScI、Klaus Pontoppidan（NASA-JPL）、Joel Green（STScI）恒星形成的机理那么，恒星喷流的排列与恒星的旋转有什么关系呢？当星际气体云撞向自身形成恒星时，它的旋转速度会更快。气体继续向内移动的唯一方法就是去除部分自旋（称为角动量）。年轻恒星周围会形成一个物质盘，将物质向下输送，就像排水口周围的漩涡一样。内盘中的漩涡磁场将部分物质发射成双子喷流，以垂直于物质盘的相反方向向外喷射。在韦伯望远镜的图像中，这些喷流以红色的明亮块状条纹为标志，这是喷流撞击周围气体和尘埃产生的冲击波。在这里，红色代表分子氢和一氧化碳的存在。这幅图像显示的是美国宇航局詹姆斯-韦伯太空望远镜的近红外相机（NIRCam）看到的蛇夫座星云中心。在这幅图像中，整个区域中不同色调的丝状物和缕状物代表了云中仍在形成的原恒星反射的星光。在某些区域，反射光前方有尘埃，在这里呈现出橙色的漫射阴影。资料来源：NASA、ESA、CSA、STScI、Klaus Pontoppidan（NASA-JPL）、Joel Green（STScI）增强型成像技术韦伯望远镜的主要作者、巴尔的摩太空望远镜科学研究所的乔尔-格林（Joel Green）说："蛇夫座星云的这一区域--蛇夫座北星云--只有在韦伯望远镜上才能清晰地看到。我们现在能够捕捉到这些极其年轻的恒星和它们的外流，其中一些恒星以前只是以圆球的形式出现，或者由于它们周围厚厚的尘埃而在光学波长下完全看不到。"天文学家说，在年轻恒星生命的这一时期，有几种力量可能会改变外流的方向。其中一种方式是双星相互旋转，摆动方向，随着时间的推移扭曲外流的方向。这幅由韦伯近红外相机（NIRCam）拍摄的蛇夫座星云图像显示了罗盘箭头、比例尺和供参考的色键。向北和向东的罗盘箭头显示了图像在天空中的方位。请注意，相对于地面地图上的方向箭头（从上往下看），天空中的北方和东方之间的关系（从下往上看）是颠倒的。刻度条标注的单位是光年，也就是光在一个地球年所走过的距离。一光年约等于 5.88 万亿英里或 9.46 万亿公里。这张图片显示的是不可见的近红外光波长，这些波长已被转换成可见光的颜色。色键显示了在收集光线时使用了哪些 NIRCam 滤光片。每个滤光片名称的颜色就是用来表示通过该滤光片的红外光的可见光颜色。资料来源：NASA、ESA、CSA、STScI、Klaus Pontoppidan（NASA-JPL）、Joel Green（STScI）蛇夫座星云的恒星蛇夫座星云距离地球 1300 光年，只有一两百万年的历史，从宇宙的角度来看非常年轻。它也是一个新形成的恒星（约 10 万年）特别密集的星团的所在地，在这张图片的中心可以看到。其中一些恒星的质量最终将达到我们太阳的质量。格林说："韦伯望远镜是一台年轻恒星天体探测机器。在这个领域中，我们可以捕捉到每一颗年轻恒星的路标，直至质量最低的恒星。我们现在看到的是一幅非常完整的画面。"在这张照片的整个区域中，不同色调的丝状物和缕状物代表了云中仍在形成的原恒星反射的星光。在某些区域，反射光前方有灰尘，在这里呈现出橙色的漫射阴影。2020 年，美国宇航局哈勃太空望远镜的数据显示，一颗恒星的行星形成盘发生了扇动或移动，"蝙蝠阴影"由此得名。在韦伯图像的中心位置可以看到这一特征。未来研究之路新图像和偶然发现的对齐天体实际上只是这项科学计划的第一步。研究小组现在将利用韦伯望远镜的近红外摄谱仪（NIRSpec）来研究云的化学构成。天文学家们对确定挥发性化学物质如何在恒星和行星形成过程中存活下来很感兴趣。挥发性物质是在相对较低的温度下升华或从固态直接转变为气态的化合物，包括水和一氧化碳。然后，他们将把他们的发现与在类似类型恒星的原行星盘中发现的数量进行比较。"从最基本的形式来看，我们都是由来自这些挥发物的物质构成的。地球上的大部分水起源于数十亿年前太阳还是一颗幼年原恒星的时候，"庞托皮丹说。"观察原恒星在形成原行星盘之前这些关键化合物的丰度，有助于我们了解太阳系形成时的独特环境。"这些观测是第 1611 号一般观测者计划的一部分。研究小组的初步结果已被接受在《天体物理学报》上发表。詹姆斯-韦伯太空望远镜（JWST）是一个大型天基观测站，将于 2021 年 12 月发射。它是哈勃太空望远镜的科学继承者。JWST 配备了一个 6.5 米长的主镜，专门观测红外光谱中的宇宙，使其能够比以往任何时候都能回溯到更久远的过去。这种能力使望远镜能够研究最初星系的形成、恒星和行星系统的演化以及遥远系外行星的大气层。JWST 位于第二拉格朗日点（L2），距离地球约 150 万公里，旨在提供前所未有的分辨率和灵敏度，为探索宇宙打开新的窗口。编译来源：ScitechDaily 原文：https://m.cnbeta.com.tw/view/1435872.htm

科学家发现了5种不同的睡眠类型：它们揭示了您的健康状况

摘要：研究人员已经确定了五种不同的睡眠类型；这些类型之间的转换模式有助于了解慢性和急性健康状况。追踪睡眠不仅能为人们提供睡眠模式，还能为糖尿病、睡眠呼吸暂停等慢性病以及COVID-19 等疾病提供线索。这些见解来自一项研究，该研究检查了约33000人的约500万晚睡眠数据。进行这项研究的研究人员确定了五种主要的睡眠表型，并进一步将其分为 13 个亚型。 研究人员还发现，与仅仅依靠一个人的平均睡眠表型相比，一个人在不同睡眠表型之间切换的方式和频率可以为检测健康状况提供两到十倍的相关信息。这项研究最近发表在《npj 数字医学》杂志上。研究人员利用从Oura Ring--一种追踪睡眠、皮肤温度和其他信息的智能戒指--收集到的数据，对个人进行了为期数月的观察，记录了他们是否患有糖尿病和睡眠呼吸暂停等慢性疾病，或者是否患有COVID-19和流感等疾病。研究小组发现，随着时间的推移，人们经常会在不同的睡眠表型之间转换，这反映了个人健康状况的变化，并通过研究人员创建的数据驱动的睡眠景观，创造了类似于个人旅行日志的记录。加州大学圣地亚哥分校博士生瓦伦-维斯瓦纳特（Varun Viswanath）是这篇论文的通讯作者。研究人员分析了来自 Oura 戒指的数据，这是一款可跟踪温度、睡眠和其他信息的智能可穿戴设备。图片来源：David Baillot/加州大学圣地亚哥分校"我们发现，睡眠质量的细微变化有助于我们识别健康风险。这些微小的变化不会出现在一个普通的夜晚，也不会出现在调查问卷上，因此这真正显示了可穿戴设备如何帮助我们发现那些可能被忽略的风险，"该研究的资深作者之一、加州大学圣迭戈分校雅各布斯工程学院和哈利西奥格鲁数据科学研究所的教师本杰明-斯马尔说。此外，研究人员还强调，在人群范围内长期跟踪睡眠的变化，可以获得与公共卫生相关的新见解，例如通过这些睡眠景观的一些模式变化，是否可以为慢性疾病或易感染性疾病提供早期预警。研究小组的工作基于对加州大学旧金山分校 TemPredict 数据集的新分析，该数据集是利用在 2020 年 COVID-19 大流行期间从佩戴市售 Oura 戒指的人群中收集的数据创建的。分析工作由加州大学圣迭戈分校舒千-吉恩-莱生物工程系的斯马尔和加州大学圣迭戈分校电气与计算机工程系的爱德华-王教授领导，加州大学旧金山分校的研究负责人、执业睡眠临床医生阿什利-梅森教授也参与了合作。第一作者是加州大学圣地亚哥分校雅各布斯工程学院电气与计算机工程系的研究生瓦伦-维斯瓦纳特（Varun Viswanath）。五种睡眠类型这是研究人员根据大约 33,000 人 500 万个夜晚的睡眠数据挑选出的五种睡眠表型。虽然这项研究涉及很多因素，但研究人员也发现了一些趋势，这些趋势有助于直观地区分这五种睡眠表型。表型 1：我们认为的"正常"睡眠。在这种睡眠类型中，人们至少连续六天都能获得大约八小时的不间断睡眠。这是美国国立卫生研究院推荐的睡眠类型，也是研究人员发现的最常见的睡眠类型。表型 2：大约有一半的夜晚人们会持续睡眠，但另一半夜晚他们只会短暂地睡上不到三小时。表型 3：人们的睡眠大多是连续的，但每周大约有一个晚上会出现睡眠中断。间断睡眠的特点是，一个时期的睡眠时间相对较长，约为 5 小时，另一个时期的睡眠时间较短，不足 3 小时。表型 4：人们再次出现大部分时间连续睡眠的情况。但他们会经历一些罕见的夜晚，在这些夜晚中，长时间的睡眠会被中途醒来所打断。表型 5：人们每晚只睡很短的时间。这种表型是研究人员发现的最罕见的，代表了极度紊乱的睡眠。跟踪睡眠类型的变化为了测量睡眠表型是如何随时间变化的，维斯瓦纳特构建了一个包含所有500万个夜晚的空间模型，在这个模型中，表型被表示为不同的岛屿，由大部分相似的睡眠周组成。随着时间的推移，研究人员发现了不同的模式，从而建立了每个人在岛屿之间的路线模型。由此可见，有助于区分糖尿病和睡眠呼吸暂停等慢性病患者的并不是他们的平均表型。取而代之的是他们在睡眠景观中不同岛屿之间切换的频率。这样，即使一个人很少切换表型，他们切换表型的事实仍然可以提供有关其健康状况的有用信息。研究人员根据对大约 33,000 名佩戴 Oura 戒指的人的五百万个夜晚的分析，选出了五种睡眠类型。资料来源：OURA数据显示，大多数人很少会连续几个月没有几晚睡眠中断。"我们发现，睡眠中断发生方式的细微差别可以说明很多问题。即使这些情况很少发生，其发生频率也能说明问题。因此，不仅仅是你是否睡得好，随着时间推移的睡眠模式才是隐藏关键信息的地方，"共同作者、加州大学圣地亚哥分校电子和计算机工程系教师王说。相反，人们并不倾向于保持由睡眠中断所定义的模式。但是，他们访问特定中断睡眠模式的频率说明了他们的睡眠状况如何。论文通讯作者维斯瓦纳特说："如果你想象有一个睡眠类型的景观，那么它与你倾向于住在那个景观的什么地方关系不大，而与你离开那个区域的频率关系更大。"以前的研究在6月20日发表的这篇新论文中，研究小组修改了先前研究中使用的技术，该研究是迄今为止规模最大的类似睡眠调查，从英国生物库中提取了约10.3万个夜晚的数据。之前的研究考察了睡眠时间、觉醒情况和许多相关特征，然后构建了一个夜晚之间相互关系的"景观"。但之前的研究人员没有做到两件关键的事情：他们无法进行跨时间研究，因为他们每人只有两到三个晚上的数据；他们也无法将由此得出的睡眠模式与健康结果联系起来。其他大规模睡眠分析则关注简单睡眠特征的高层次差异，如睡眠总时间。相比之下，这项新研究首次表明，研究人员可以量化人们随着时间推移而不断变化的睡眠动态，并利用这种量化让人们更好地了解自己的睡眠健康状况。研究还表明，这些睡眠变化可能预示着患各种疾病的风险较高。编译来源：ScitechDaily 原文：https://m.cnbeta.com.tw/view/1435871.htm