3月11日AI热点:AnthropicMCP引激烈争论,Lila超智能实验室以空前速度解决健康问题,多模型投票智能合约AI区块链
作者：微信文章点击“蓝字”关注我们吧！
24小时AI热点抢先看：
- GenLayer引入多模型投票智能合约
- 微软推出名为Dragon Copilot的AI医疗助手
- Lila Sciences开启超智能实验室时代
- OpenAI与CoreWeave达成119亿美元合作协议
- Anthropic的模型上下文协议（MCP）引发激烈争论
GenLayer引入多模型投票智能合约
YeagerAI公司于2025年3月10日通过GenLayer推出了一种新型AI交易方法。此平台结合AI与区块链，开发“智能合约”以处理自然语言和实时网络数据，通过“乐观民主”机制让多个大型语言模型投票验证合约结果。
GenLayer的测试网已启动早期项目，以下是其展示的一些具体用例：
AI驱动的供应链管理：智能合约能自主协商物流安排，例如根据实时交通和天气数据调整运输路线，并在区块链上记录交易。
影响者营销：基于绩效的支付系统，合约可监测社交媒体数据，验证影响者的表现（如点击率或转化率），然后自动付款。
去中心化金融（DeFi）：AI可以执行交易策略，智能合约根据市场动态（如新闻事件或价格波动）调整投资组合。
自主DAO：通过编码DAO的章程，智能合约能独立决策、管理资金、发布赏金或审核提案，提升DAO的自治性。
动态保险：合约根据外部风险因素（如自然灾害报道）调整保单条款并自动赔付。
这些应用展示了GenLayer如何通过AI和区块链的结合，解决传统智能合约无法处理的复杂、动态场景。
GenLayer旨在为AI驱动的商业（如供应链管理和去中心化金融）提供可信基础设施，其测试网已启动早期项目并通过GEN代币激励验证者。此创新为AI经济中的信任问题提供了独特解决方案。（Venture Beat）
微软推出名为Dragon Copilot的AI医疗助手
微软推出了名为Dragon Copilot的AI助手，专为医疗领域设计。该助手利用了微软在2021年收购的Nuance公司开发的语音输入和环境监听技术，旨在减轻医疗专业人员的行政负担。
Dragon Copilot的功能包括多语言环境笔记创建、自然语言输入、从可信内容源进行医学信息搜索，以及自动化任务如会话订单、笔记和临床证据总结、转诊信和就诊后总结。这些功能的目标是让临床医生能够专注于患者护理，减少倦怠感，提高患者体验。微软表示，使用过Nuance技术的临床医生中，有93%的患者报告了更好的整体体验。
微软承诺遵守医疗数据保护法规，确保Dragon Copilot的AI输出准确、安全。其他公司如谷歌也在推进类似的AI医疗工具，显示出AI在医疗领域的整合趋势，以提高效率和准确性。(The Verge）
Lila Sciences开启超智能实验室时代
生物技术孵化器Flagship Pioneering推出的新公司Lila Sciences获得2亿美元种子资金，目标是开发“科学超智能”平台和全自动实验室，应用于生命科学、化学和材料科学领域。
该公司由Flagship于2023年在内部实验室创立，利用先进的AI技术，不仅能处理海量数据和预测，还能帮助科学家设计并执行新实验，生成和验证假设，仅需数月即可完成传统研究需数年的任务。例如，其技术已成功设计出新型抗体和碳捕获材料。
Lila的首席执行官Geoffrey von Maltzahn博士强调，这一平台旨在以空前的速度和规模解决人类健康和可持续性问题。融资由Flagship领投，其他投资者包括General Catalyst、March Capital等。Lila的平台已展示出初步成果，如设计新型遗传药物和数百种抗体，并计划与生命和材料科学行业伙伴合作。（Fierce Biotech）
OpenAI与CoreWeave达成119亿美元合作协议
OpenAI与云计算提供商CoreWeave签订了一份为期五年的合同，价值119亿美元。此协议旨在为OpenAI的人工智能模型提供计算资源，减少对主要合作伙伴微软的依赖。
作为协议的一部分，OpenAI将在CoreWeave即将进行的首次公开募股（IPO）中，通过私募配售获得价值3.5亿美元的CoreWeave股份。CoreWeave成立于2017年，最初专注于加密货币挖矿，现已转型为人工智能模型开发提供云服务，并拥有超过25万台Nvidia的GPU。这项合作将加强OpenAI的计算能力，并支持CoreWeave在IPO前的增长。（CNBC)
Anthropic的模型上下文协议（MCP）引发激烈争论
MCP是Anthropic于2024年11月推出的一项开放标准，旨在解决大型语言模型（LLMs）与外部数据源和工具整合的难题。它被设计为一个标准化的协议，类似于互联网的HTTP，允许AI模型动态访问多样化的外部资源，例如文件系统、数据库、API或网络服务，并执行具体操作（如查询数据或提交代码更改）。MCP的核心目标是打破AI的信息孤岛，通过提供一致的上下文访问方式，使模型能够基于最新或私有数据生成更准确、更实用的响应。文章将其比喻为“AI的通用连接器”，强调其潜在的广泛适用性。
支持MCP的一方认为，这项协议可能是AI工具集成领域的突破性技术。LangChain首席执行官Harrison Chase起初对MCP持怀疑态度，但经过评估后转变立场。他指出，MCP的独特优势在于其“民主化”特性：它允许用户为不直接控制的AI代理扩展功能，例如无需修改底层代码即可添加新工具或数据源。这种灵活性不仅简化了开发流程，还可能使非技术用户也能定制AI应用。Chase进一步表示，MCP的标准化方法可以优化复杂的代理工作流，推动AI生态系统的互操作性。支持者将其比作“AI的USB-C”，暗示MCP可能成为行业标准，统一目前分散的AI工具集成方式。
然而，反对者对MCP的实用性和前景提出了质疑。LangGraph的负责人Nuno Campos认为MCP可能无法超越现有的AI集成解决方案，例如OpenAI的定制GPT或插件系统。这些方案曾试图解决类似问题，但因复杂性或缺乏广泛采用而逐渐淡出。Campos警告说，MCP可能重蹈覆辙，成为技术领域的又一个“失败实验”。反对者还指出，现有的AI集成工具（如API、定制框架或代理平台）已经足够灵活，足以满足大多数需求，而MCP的标准化方法反而可能引入不必要的复杂性。此外，MCP目前缺乏大规模的实际应用案例，其长期可行性尚未得到验证，这让批评者对其持保留态度。
当前AI工具集成方式高度碎片化，不同平台（如OpenAI、Google、Meta）各自开发专有解决方案，导致开发者和用户面临兼容性难题。MCP的出现被视为对这一现状的回应，试图通过标准化填补空白。然而，标准化协议的成功往往需要时间和广泛支持，MCP是否能摆脱“昙花一现”的命运尚待观察。随着2025年MCP的进一步测试和应用，其真实潜力将逐渐显现，可能为AI的未来发展指明方向。
MCP引发的争论不仅关乎技术本身，还反映了AI行业对未来发展路径的分歧。它提出了一个根本性问题：AI工具集成是需要一个统一的协议来推动生态系统发展，还是应继续依赖多样化的定制化方案？支持者相信，MCP可能成为AI互联性的基石，而反对者则认为，现有方法的灵活性更适合快速变化的技术环境。（Blockchain News）
MORE更多AI最新资讯
关注Cat Pi，探索AI未来！
每日资讯技术测评AI+应用专家访谈社区话题深度洞察
AI正在改变各行各业，从影视制作到编程助手，从AI音乐生成到虚拟现实交互，都在以前所未有的速度发展。
在Cat Pi，我们关注AI在各个领域的创新应用。
如果你对AI的各种可能性感兴趣，欢迎关注我们Cat Pi公众号！我们将持续带来最新的AI资讯，解锁AI在创意、生产力、社交等多个领域的无限潜力，让AI不仅仅是工具，更是创造力的加速器！
欢迎扫码关注
Cat Pi
页:
[1]