你的大腦正在「逆生長」！頂尖科學家：如何用天然「肥料」重塑記憶與思維？
現代人普遍面臨一種「資訊過載，記憶貧乏」的困境，儘管每天接收海量資訊，但思緒卻難以沉澱，記憶變得模糊。然而，神經科學家溫迪·鈴木博士的研究揭示了一個振奮人心的事實：大腦遠比我們想像的強大且可塑，它如同肌肉般可以透過訓練強化。鈴木博士透過其跨越半生的研究，以及一次偶然的個人經歷，發現運動對大腦的正面影響超乎想像，並進一步探索了記憶的形成機制與大腦升級的實用工具。
記憶的形成，關鍵在於四個要素的組合：首先是「新穎性」，大腦天生對新奇事物高度敏感，這能瞬間抓住注意力，是記憶的第一步。其次是「重複性」，透過反覆接觸，能在大腦中建立穩固的連結路徑。然而，死記硬背效果有限，因此更聰明的方法是「關聯性」，將新資訊與既有知識網絡建立錨點連接。最關鍵的要素則是「情感共鳴」，強烈的情緒反應會促使大腦的杏仁核標記該事件為重要，從而以最高規格儲存記憶。
鈴木博士原本專注於記憶研究，卻因自身體能的極度衰退與父親罹患阿茲海默症的雙重衝擊，毅然將研究重心轉向運動對大腦的影響。在親身投入健身並體驗到專注力與記憶力顯著提升後，她意識到運動或許是對抗認知衰退的強大武器。從科學角度來看，運動能為大腦帶來一場「神經化學物質泡泡浴」，其中最關鍵的是BDNF（腦源性神經營養因子），這種「大腦的肥料」能促進海馬體產生新的神經元（成年神經發生）。肌肉和肝臟在運動時釋放的物質，能穿過血腦屏障，直接指令大腦生成BDNF，實質上是在「餵養」大腦。長期堅持運動，能使海馬體結構變得更強韌，為大腦建立起對抗衰老的「認知儲備」。
要實際運用這些發現，運動的門檻比想像中要低。僅需單次30至45分鐘的有氧運動，就能立即提升專注力與反應速度約兩小時，是提升當日表現的「速效救心丸」。長期來看，研究顯示中年時期體能佳者，平均延緩認知衰退長達九年。對於入門者，建議每週2至3次、每次45分鐘的有氧運動即可啟動大腦的積極改變。除了運動，鈴木博士強調「健腦鐵三角」的另外兩要素：每天12分鐘的「冥想」，能訓練注意力，穩定心緒；以及高質量的「睡眠」，它是鞏固白天所學、將短期記憶轉化為長期記憶的必要過程。最終，每一次的流汗，都是為未來建立一筆「認知養老金」，守護定義「自我」的珍貴記憶，贏得面對衰老時更多的尊嚴與自主權。
Mac mini遭瘋搶，為何Clawdbot能成為2026年第一個現象級產品？｜Moltbot｜MoltBook｜OpenClaw
在短短一個週末內，2026年首個現象級產品Clawdbot的發展可謂驚人，在社交媒體上引發熱烈討論，GitHub星標數更是直線飆升，迅速突破十萬，並在2月2日達到14.6萬顆，刷新了AI項目在GitHub上的增長紀錄，引爆了整個AI Agent生態。
然而，隨著Clawdbot的爆紅，一系列戲劇性的變化接踵而至。最初名為Clawdbot的項目，因其發音與Anthropic公司的Claude過於相似而面臨侵權訴訟，被迫更名為Moltbot，隨後又再次更名為OpenClaw。同時，基於Clawdbot搭建的AI社交網絡Moltbook也引起關注，數以百萬計的AI智能體在其中交流，甚至建立「宗教」，而人類則被降格為觀察者。然而，媒體隨後揭露，這些AI中大多數由人類假扮，且Moltbot的安全漏洞嚴重，可能洩露用戶的敏感資訊，如密碼和郵件。時至播客錄製後五天，由於伺服器費用飆升至天文數字，Moltbot網站已暫時無法訪問。
為深入探討Clawdbot爆紅的深層原因，本期《矽谷101》邀請了三位嘉賓，分別代表用戶側、軟體演算法側和硬體側，從不同維度進行剖析。用戶側代表知縣，認為Clawdbot最大的亮點在於其「活人感」，體現為長期記憶和高度主動性，能主動打招呼、提供待辦事項總結與預先調研，給用戶帶來極佳的賈維斯式體驗。
軟體演算法側的禎豪，同樣認同「活人感」，並指出Clawdbot將AI的主動性落地得極為成熟，並結合用戶熟悉的即時通訊工具（IM）進行交流，帶來了極佳的沉浸式體驗。硬體側代表天奇則認為，採用用戶已熟悉的通訊介面，使得Clawdbot更像是與同事交流，降低了用戶的使用門檻。
儘管許多核心功能在技術上與現有的AI產品（如Claude Code或Manus）相似，但Clawdbot能引爆市場，被認為是「膠水項目」，成功地將記憶、消息系統和主動性等元素，透過最貼近用戶的IM介面整合在一起。此外，市場對Agent的接受度在Claude Code等產品的預熱下已有所提高，加之社群的熱烈討論和對AI發展的FOMO情緒，共同點燃了Clawdbot的熱潮。
在用戶體驗方面，知縣分享了幾個讓他驚豔的用例，包括語音輸入的自動功能實現、主動提供壽喜燒料理細節、以及將複雜的伺服器評估與博客發布流程一氣呵成地完成，甚至連不需人工干預地處理圖片和撰寫部落格文章，都展現出高度的主動性和類人決策能力。
技術層面，禎豪解釋了Clawdbot的「記憶」是將個性和事實記憶分開處理，並透過Markdown文件和日誌進行結構化儲存，尤其是在記憶搜索中結合了語義匹配與關鍵詞精確匹配，創造出極佳的記憶效果感知。天奇則補充，Clawdbot的獨特之處在於，它將Agent工作流程以用戶熟悉的IM形式呈現，並透過「心跳機制」和「Cron Job」實現了既主動又不干擾用戶的交互模式，同時注重Token的節省。
關於安全與部署，嘉賓一致認為Clawdbot的權限過大，不建議在主力電腦上部署，建議使用如Mac mini等獨立設備進行隔離部署，以維護隱私與安全，並認為本地模型雖是終極目標，但現階段仍需依靠大模型。此外，這種極高的用戶接受度也反映了市場對數據隱私與模型能力之間存在一個微妙的「甜點」區間，即願意將數據提供給底層LLM，但不一定願意將敏感資訊授予上層應用。
在對未來產業的影響方面，Clawdbot的爆火也凸顯了AI Agent對現有互聯網廣告模式的潛在顛覆性，未來網站或許會轉向按爬取付費。同時，其發展也預示著未來公司組織架構可能向「一人公司」甚至「零員工公司」轉變，儘管當前技術仍未完全成熟，但Agent在溝通和文檔化方面的優勢，為高效協作提供了新的可能。
從首款500件硬體產品的出貨中學到的經驗教訓
一位軟體工程師辭職創業，推出超高亮度落地燈，從原型到量產的過程充滿挑戰。第一次測試亮度不達標時，團隊立即調整功率、重新設計電路與散熱系統，最終超越目標。但真正的考驗接踵而至，關稅暴漲至百分之一百五十、散熱器模具因溝通錯誤需重製、電路板標示錯誤導致系統失靈、旋鈕間距未標註造成摩擦、電線長度分配不當、甚至螺絲起子斷裂等荒謬問題層出不窮。
面對這些問題，他學會了用墨菲定律的心態看待一切，預期任何未明確規範的環節都會出錯，任何沒有積極推動的項目都會停滯。關鍵不是避免犯錯，而是接受硬體開發必然充滿意外，並建立足夠的緩衝機制來承受這些失誤。他將時程加倍預估，設定健康的產品定價以吸收錯誤成本，保持每日與工廠溝通的頻率，並在多個單位上反覆測試每個細節。
更重要的是,當問題浮現時，他選擇立即行動而非糾結責任。電路失靈時跨時區協調三地工程師即時解決，旋鈕瑕疵時要求工廠數天內緊急重製，客戶收到有問題的產品時主動免費更換零件。這種務實應對的心態，加上事前的充分準備與事後的積極補救，讓他即使面對關稅暴漲的極端壓力仍能完成首批五百台的出貨，並從客戶的正面評價中獲得繼續前進的動力。
創業的本質就是在混亂中找到前進的路徑，接受不完美但持續改善。
資料中心上太空？新泡沫，還是下一個金礦？
近年來，人工智慧（AI）的蓬勃發展使得資料中心演變為耗電巨獸，電力、散熱和水資源成為限制AI發展的關鍵瓶頸，這促使科技巨擘將目光投向太空，一場「軌道運算力」的圈地運動已悄然展開。包括伊隆·馬斯克（Elon Musk）在達沃斯論壇上預言，未來兩到三年內，太空將成為部署AI資料中心成本最低的地方，SpaceX正積極推進星艦（Starship）的完全可重複使用，並計畫發射太陽能AI衛星，目標是達到數百太瓦的規模。此外，SpaceX收購AI公司xAI，更凸顯將資料中心遷至太空的重要性。亞馬遜創辦人傑夫·貝佐斯（Jeff Bezos）的藍色起源（Blue Origin）以及Google也分別投入研發專屬的軌道AI資料中心，Google的「Suncatcher」計畫預計2027年將首批運算能力送入軌道。Nvidia透過新創公司Starcloud，已成功發射搭載H100 GPU的衛星並在太空完成模型訓練，標誌著太空運算力建設已進入實踐驗證階段，一個嶄新的太空資料中心產業可能正醞釀誕生。
科技公司願意承擔高昂的發射成本，主要在於地面資料中心面臨的根本性物理限制：能源與散熱。隨著AI運算力需求暴增，單一巨型資料中心耗電已接近1吉瓦（GW），產生巨大熱量，傳統的風冷已不足以應付，液冷系統又帶來龐大的水資源消耗。太空環境則提供了三大優勢：一是近乎無限且不間斷的清潔能源，軌道太陽能利用效率是地面的八到十倍，使能源供應從間歇性資源轉變為連續變數；二是極佳的散熱條件，在接近絕對零度的真空中，廢熱可直接透過輻射散入深空，使資料中心的能源使用效率（PUE）理論上能趨近於一；三是極低的通訊延遲，雷射鏈路在真空中的傳輸速度優於光纖，實現更快的「全球運算力秒達」。
目前，太空資料中心主要發展出兩大技術路徑：一是「在軌邊緣運算」，將AI加速器部署至現有衛星上，就地分析和壓縮數據，適用於單星或小衛星群的特定任務，如Starcloud-1成功搭載H100進行SAR數據處理，驗證了太空運算設備的穩定性與抗輻射能力，是通往更宏大目標的第一步。二是更具野心的「軌道雲端資料中心」，目標是建立具備多節點協調、高速互聯的雲端基礎設施。Google的Suncatcher構想是部署在特定軌道上的固定計算平台，透過光通訊互聯，作為地面資料中心的運算力補充；而SpaceX則利用其龐大的星鏈（Starlink）星座基礎，逐步將部分通訊衛星升級為具備運算能力的節點，使其網路本身具備雲端屬性。此外，還有將機櫃級運算系統集中部署於太空站或大型軌道平台的「集中式太空資料中心」模式，工程思路與地面最接近，但面臨高昂的發射與在軌建設成本。
儘管太空環境具備理想的能源與散熱條件，但從藍圖走向現實，工程複雜度和成本是巨大挑戰。衛星需全面重新設計能源、散熱和結構系統，以應對持續高功率運算的需求。尤其在成本方面，發射與在軌組裝的費用極高，即便預期發射成本將隨技術進步大幅下降，短期內一座1GW級太空資料中心的建造成本仍可能高達數千億美元。此外，太空資料中心需極高的長期可靠性，且須面對嚴峻的軌道擁堵與太空碎片風險，這需要全新的國際治理和規範體系。從長遠來看，太空資料中心更像是為了解決地面資源限制而鋪設的長期備用方案，未來可能與地面設施形成互補的混合運算體系，而非全面取代。太空運算力的討論，標誌著人類已開始將運算力視為需要從行星尺度考量的基礎資源。
伊隆·馬斯克將「拍瓦」級 GPU 從月球發射至太空｜從超級工廠（Gigafactory）到更大的「TeraFab」
引言：一個大膽的預測
伊隆·馬斯克提出了一個極其大膽的預測：在未來30到36個月之內，為人工智能提供算力最經濟、最實惠的地方將會是太空。這不是在深山礦場，也不是在海底數據中心，而是把龐大的數據中心直接建到天上去。這聽起來完全就是科幻小說的情節，但鑑於馬斯克過往那些看似瘋狂的想法——從電動車到回收火箭——最後都變成了現實，我們不能簡單地把它當個笑話聽。
AI發展的核心瓶頸：能源問題
不是成本，而是可獲得性
大家都在關注AI的發展，但AI發展的核心瓶頸究竟是什麼？馬斯克在訪談裡直指要害：核心瓶頸是能源。但問題的關鍵其實不在於能源的"成本"——能源成本只佔數據中心總擁有成本的大概10%到15%，比很多人想象的要低得多。
真正要命的是能源的"可獲得性"。這不是你付不付得起錢的問題，而是你有錢也買不到足夠的電。
軟件世界與物理世界的時間差
馬斯克管這叫"軟件世界即將學到的罕見一課"。在軟件和芯片的世界裡，我們已經習慣了摩爾定律，習慣了指數級的瘋狂增長。GPU的算力、AI模型的能力，感覺每隔一年半載就翻幾番，每個月都有新突破。
但是，硬件世界呢？尤其是能源、基建這種重資產領域，它的增長速度是線性的，甚至是停滯的。全球的電力輸出，尤其是在中國以外的地區，過去這些年基本是持平的。
於是，一個巨大的"剪刀差"出現了：你有了無數台越來越強大的超級引擎（AI芯片），但加油站裡的油（電力）就那麼多，根本不夠分的。
物理世界的建設速度
馬斯克有個特別形象的比喻："你需要大量的電力變壓器（Electrical Transformers）來驅動AI的Transformers模型。"
這背後的現實是殘酷的。你不僅要建發電廠，還要鋪設電網，安裝無數的變壓器，而這些硬件的生產週期、部署週期都長得驚人。
舉個例子：假設你想建一個超級數據中心，跑去跟電力公司說要接大功率電網，他們可能會淡定地告訴你："好的，需求收到了，我們需要先花一年時間做個可行性研究。"注意，是一年時間"做研究"，還不是開工。一年後拿到報告，後面還有漫長的審批。
這種以"年"為單位的慢節奏，怎麼可能跟得上AI以"月"甚至"周"為單位的進化速度呢？
地球上的四座大山
為什麼不在沙漠鋪太陽能板？
既然傳統的火電、電網建設慢，那我們不是一直在大力發展新能源嗎？直覺上最簡單的辦法，不就是在那些日照充足、地廣人稀的地方，比如內華達州的沙漠裡鋪滿太陽能板嗎？為什麼一定要去太空呢？
但這恰恰揭示了在地球表面做這件事有多難。
第一關：監管和許可
在美國，你想獲得大片土地的建設許可去鋪設太陽能板，這個過程極其困難和漫長。這背後涉及到各種環境評估、土地使用權的審批，還有各種利益集團的博弈。這遠不是你在地圖上畫個圈就能開工的。
第二關：供應鏈瓶頸
就算你奇蹟般地搞定了土地和許可，你馬上會撞上第二堵牆。比如說，你想建個燃氣發電廠作為太陽能的補充，你會發現最核心的部件，比如燃氣輪機裡的那個渦輪葉片，全世界就那麼幾家頂級公司能生產，而他們的訂單可能已經排到2030年以後了。你就算拿著一箱箱現金去，也買不到現貨。這真的是"有錢也沒用"。
第三關：政策障礙
再回到太陽能，具體到美國國內，還有政策上的障礙，比如對進口太陽能板徵收的高額關稅，而本土產能又嚴重不足。
結論：地球的硬約束
無論你想用傳統能源還是新能源，在地面上想要快速、大規模地部署能源設施，都面臨著"四座大山"：物理限制、監管限制、供應鏈瓶頸和政策障礙。
結論就是：你根本無法"足夠快"地在地面上獲得"足夠多"的能源。這就是地球給AI發展設下的硬約束。
太空方案：物理定律的紅利
效率優勢：5倍發電效率
在太空中，同一塊太陽能板的發電效率大概是地面上的5倍。為什麼會有這麼大的差距？
首先，太空中沒有晝夜之分，永遠陽光普照，你的太陽能板可以24小時、365天不間斷工作。光是這一點，效率就翻倍了。
其次，那裡沒有雲層，沒有颳風下雨。更重要的是——沒有大氣層。地球的大氣層其實像一層濾網，會把大約30%的太陽能量在到達地面之前就給散射和吸收掉了。而在太空，你接收到的是毫無衰減的、最純粹的太陽能。
最關鍵的殺手鐗：免去電池成本
因為沒有夜晚，你在太空中就不需要儲能電池。在地面上建太陽能電站，一個巨大的、往往被忽略的隱形成本，就是必須配備極其昂貴和龐大的電池組，才能在夜間或者陰天持續供電。而到了太空，這部分天文數字般的成本直接歸零。
總體經濟效益
馬斯克算了一筆總賬：綜合考慮5倍的發電效率和免去電池成本這兩個因素，太空太陽能的實際經濟效率可能高達地面上的10倍。
一旦你把設備送入太空的發射成本降到足夠低，那麼從純粹的物理和經濟學角度看，太空就成了獲取能源最具擴展性、最有效率的地方。地球上的那些監管、土地、天氣限制，在太空裡統統不存在。
現實挑戰：設備壞了怎麼辦？
早期夭折率理論
在地面數據中心，一個GPU燒了，運維小哥過去換一個，分分鐘的事。但在幾百公里高的太空中，難道還要派個維修機器人上去？
馬斯克的回答展現了他典型的工程思維。他提到了一個工業概念叫"早期夭折率"（Infant Mortality）。絕大部分電子硬件的故障都發生在使用的初期。就像一個新生兒，最脆弱的就是剛出生那段時間。一旦度過了那個危險期，硬件通常就會非常穩定。
地面篩選方案
他的方案是：在發射前，在地面上對所有的GPU進行超高強度的"烤機測試"，全功率運行，把那些有缺陷的、不穩定的全都篩選淘汰掉。就像是選拔特種兵，只把那些通過了"魔鬼訓練"的、最穩定可靠的"冠軍選手"送上天。
一旦這些GPU進入了穩定的運行期，在軌維修的需求就會大幅降低。他的權衡邏輯是：解決地球能源短缺的難度，遠遠大於解決太空設備可靠性的難度。兩害相權取其輕。
規模：重塑對"大規模"的理解
五年後的預測
馬斯克的預測是：五年之後，SpaceX每年通過火箭發射到太空的AI算力，將會超過地球上所有AI算力的總和。請注意，不是超過當年新增的，是超過人類有史以來在地球上積累的全部存量。也就是說，太空將迅速成為AI算力的主戰場。
每年1萬次發射
為了實現這個目標，Starship（星艦）每年需要進行大約1萬次發射。這是什麼概念呢？平均下來每天要發射27、8次，也就是每小時就有超過一次發射。
未來的發射場不再是我們印象中幾個月才熱鬧一次的地方，而是像繁忙的國際機場一樣，巨大的火箭像航班一樣起降，每小時都有一艘呼嘯升空。
20到30艘星艦組成的艦隊
實現這麼恐怖的頻率，其實只需要一個由20到30艘星艦組成的"艦隊"就夠了。因為星艦是完全重複使用的，一艘船發射、入軌、部署衛星、繞地球一圈，可能30個小時後就回到發射臺，加註燃料，準備下一次起飛了。
這不僅是技術的突破，更是商業模式的根本轉變：SpaceX將從一個"快遞公司"，轉變為一個擁有超級規模的"雲服務商"，或者更準確地說，一個太空能源和算力壟斷巨頭。
下一個瓶頸：芯片產能
Terafab：萬億級芯片工廠
就算你有無限的能源和運載能力，你也得有足夠多的芯片去填充那些太空數據中心。現在的產能根本不夠。
於是，馬斯克提出了一個比超級工廠更宏大的概念——"Terafab"。Giga是10億級，Tera是萬億級，這是三個數量級的跨越。
這不是簡單的擴產，而是要建立一種全新的生產設施，能夠以我們從未見過的速度，每月生產數百萬片晶圓。而且這個工廠要一體化地解決邏輯芯片、內存和最先進的封裝技術。
馬斯克自己也承認，建造Terafab可能比造火箭還難，但這又是實現太空AI願景必不可少的一環。
終極目標：提升人類文明的等級
卡爾達舍夫等級理論
這所有的努力，從星艦到太空數據中心，再到萬億級的芯片工廠，這宏偉得近乎瘋狂的一切，到底是為了什麼？僅僅是為了訓練一個更聰明的聊天機器人嗎？
這就關聯到了馬斯克心中那個更宏大的圖景——提升人類文明的等級。有一個著名的"卡爾達舍夫等級"理論，我們人類目前連一級文明都不到，因為我們還沒能完全利用地球的能量。而要想實現文明的躍遷，唯一的出路就是走向太空。
月球質量加速器
馬斯克甚至設想，當發射能力達到太瓦級之後，下一步是在月球上建立"質量加速器"。利用月球的資源直接製造設備，然後用電磁彈射的方式發射。因為月球引力小又沒有大氣，這將把運載能力再提升幾個數量級，達到"拍瓦"級。那將是一個完全不同的文明形態。
AI的角色：理解宇宙
xAI的使命
在這個宏大的未來中，AI扮演什麼角色呢？馬斯克一直對AI有警惕，但他的xAI公司的使命卻是"理解宇宙"。
他認為，一個真正以"理解宇宙"為終極目標的AI，必須具備極度的好奇心和對真理的不懈追求。基於這個邏輯，這樣一個超級智能會發現，人類文明是宇宙中一種獨特、有趣並且值得觀察的現象，而不是一個需要清除的障礙。
培養好奇心，而非戴上鐐銬
所以，最好的AI安全策略不是給它戴上鐐銬，而是培養它的好奇心。他認為，教AI撒謊才是最危險的，就像電影《2001太空漫遊》裡的HAL 9000，因為被植入了相互矛盾的指令而殺人。
物理定律：終極的真相檢驗器
檢驗AI是否追求真理的終極標準，就是現實世界的物理定律。你可以騙過人類，但你騙不過物理學。火箭設計錯了，它就會爆炸。物理定律是宇宙中不容置疑的真相檢驗器。
結語：第一性原理的思維框架
回顧我們今天的旅程，從一個關於"太空數據中心"的驚人預測開始，我們一路聊到了地球的能源死結、太空的物理紅利、星艦的瘋狂產能，再到Terafab芯片工廠，最後觸及了AI的終極哲學和文明的命運。
你會發現，馬斯克的整個思維框架極其清晰：他始終在識別當前階段最大的限制因素——無論是能源、發射還是製造——然後用最硬核的物理學第一性原理去解決它，哪怕這意味著要去太空。
