8月10日 AI 五条：AI 生成 16 个可存活噬菌体，Claude Code 默认开启自动模式

8 月 9 日，《华尔街日报》报道，科学家用生成式 AI 设计出了自然界中没有的病毒基因组。这里的病毒是只感染细菌的噬菌体，不感染人体；研究对应的 Science 论文称，团队用 Evo 1 和 Evo 2 两个基因组语言模型，从数百万个自然基因组中学习序列约束，再以天然噬菌体 ΦX174 为模板生成候选。12

近 300 个候选基因组被化学合成并在实验室测试，得到 16 个可存活噬菌体。它们能特异性感染 E. coli C，序列、基因调控元件和基因组长度都不同于已知天然噬菌体；其中一个噬菌体的衣壳使用了来自进化距离较远噬菌体的 DNA 包装蛋白。由多个设计噬菌体组成的混合物，还能迅速克服对天然 ΦX174 已产生耐药性的 E. coli 菌株，而天然噬菌体混合物做不到。2

这次进展的分界线不是「模型能不能写 DNA」，而是模型生成的整套 DNA 是否能在实验中运行。答案已经从「没有」变成「在噬菌体这个小型、可操作系统里可以」。论文没有给出人体感染或临床治疗结果，读者也不应把噬菌体实验外推成通用病毒设计能力；但对抗耐药细菌和生物安全审查来说，验证对象已经从单个蛋白质推进到完整基因组。

8 月 9 日，TechCrunch 报道 Anthropic 将从 8 月 14 日起，把 Claude Code 的 auto mode 设为 Pro、Max 和 Team 账户新会话的默认权限模式。自动模式会继续执行大多数操作，只有被分类器判定为不可逆、破坏性或指向环境外的动作才会拦截；Enterprise、API 以及 AWS、Google Cloud、Microsoft Foundry 等平台当前仍需主动选择。34

Anthropic 官方公告称，连续 3 次被拦截，或整个会话累计被拦截 20 次后，Claude Code 会回退到手动审批。该公司在 1,053 名付费测试者的受控研究中称，自动模式发现了 89% 的危险命令，人工复核发现 13.6%；TechCrunch 同时指出，用户会批准 97% 的权限提示。上述数字来自 Anthropic 自己的测试，不是独立安全评测。34

这把「更少打断」变成了默认产品行为，而不是高级用户的实验选项。使用 Pro、Max 或 Team 的开发者需要在 8 月 14 日前重新检查 allow rules、外部网络和凭证范围；自动模式能减少审批疲劳，不等于它能理解每个业务动作的后果，尤其不能把 Anthropic 的内部测试结果当成自己的环境安全证明。

Fortune 8 月 9 日报道，模型路由器正在成为企业 AI 平台的新一层：它根据任务难度、上下文和成本，在不同模型之间手动或自动分配请求，避免所有步骤都调用最昂贵的前沿模型。报道列举了 OpenRouter、Not Diamond、LiteLLM、Salesforce 和 Databricks 等参与者，也提到 Cursor、Ramp 和 Meta 据报道在开发自己的路由器。5

OpenRouter 称，智能路由可以把推理成本降低两位数百分比，某些场景最高约 30%；这仍是供应商自述，不是统一基准。Fortune 报道的另一个信号是，企业开始把长时间运行的编程智能体视为持续产生 token 费用的工作负载，而不是一次性的聊天请求。5

模型竞争的采购问题正在从「哪个模型最强」变成「哪一步值得用最强模型」。对企业来说，路由器的价值不只在省钱，还在模型故障时切换供应商、按数据敏感度选择部署位置，以及把成本和效果放到同一条链路里核算；但如果路由规则只看价格，低价模型造成的返工和延迟也会把节省吃掉。

8 月 9 日，TechCrunch 报道安全研究者 Bill Swearingen 在 Def Con 现场演示了 noRecognition 项目：把计算机生成的对抗性图案印在衣物或车辆上，摄像头仍能录下画面，但部分检测算法不再识别人物、面部或车牌。项目方称，图案经过约 3170 万次测试，针对 11 个生产级计算机视觉模型评估，并在 30 名未参与训练的测试者上做了留出测试。67

公开演示中，一辆 2009 Toyota Yaris 的图案据称能干扰 Flock 摄像头检测；项目主页还列出了 Axon 穿戴式摄像头等模型范围。最强图案没有公开，研究者也明确说它不是让视频消失，而是让特定检测器不触发告警。上述结果来自项目方演示和 TechCrunch 报道，不能外推成对所有摄像头有效。67

这说明视觉识别系统的「看见」和「触发告警」不是一回事。部署摄像头的机构需要把对抗样本、模型更新和跨摄像头复核纳入安全测试；普通用户则应把「已在 11 个模型上测试」理解为项目方的边界声明，而不是匿名、独立的通用防监控保证。

8 月 9 日，TechCrunch 报道，AI 对冲基金 Situational Awareness 本周向芯片初创公司 Source Foundry 投资 4 亿美元，使其累计投入达到 5 亿美元。Source Foundry 由斯坦福研究人员创办，目标是让芯片制造更快、更便宜；TechCrunch 的金额和技术方向来自《华尔街日报》报道，双方没有公开完整交易条款。89

这笔投资发生在 Situational Awareness 近期大幅削减公开股票组合之后；Source Foundry 的制造设备、量产时间和客户都没有在公开报道中给出。因而现在能确认的是资本流向和创业方向，不能确认它已经形成可替代 ASML 的工艺，更不能把融资额写成芯片性能或成本下降。8

AI 基础设施的瓶颈仍可能落在制造设备，而不是模型代码。Source Foundry 的案例值得看，但下一步要等工艺样机、客户验证和量产数据；在这些信息出现前，这是一笔高风险的产业下注，不是新芯片已经上市的消息。