研究中心

• 在 143 个《新英格兰医学杂志》病例讨论中，推理模型给出正确或非常接近的诊断的频率明显高于 GPT-4。
• 在急诊科测试中，模型的优势在信息最匮乏的分诊阶段最为显著；盲审人员无法可靠地区分人工智能输出与医生输出。
• 作者强调，模型仅阅读了他人撰写的文字，并呼吁在任何部署之前开展前瞻性临床试验。

海湾地区的医院正大力投资数字医疗，而这是顶级期刊上首个经同行评审的证据，表明通用推理模型在真实急诊病例上可与专科医生媲美。它支持在临床医生信息最少的时刻将人工智能作为第二意见，同时明确指出临床试验、治理和医生监督必须先行。

• 美国约 11.7% 的工资价值（约 1.2 万亿美元）对应的技能已可由现有人工智能工具执行，是技术岗位可见暴露度的五倍。
• 暴露度在地理上分布广泛：特拉华州、南达科他州、俄亥俄州和田纳西州等州的得分与加利福尼亚州持平甚至更高。
• 技能嵌入方法预测了 85% 的实际职业转换，为政策制定者提供了一个在干预措施推出前进行测试的工具。

海湾各国政府正在围绕人工智能规划国家劳动力战略，而这份报告提供了一种可复用的方法：逐项技能衡量暴露度，模拟劳动力市场，然后在行动前测试政策。它将讨论从对失业的恐惧转向将人员从常规行政任务重新部署到更高价值的工作，这是沙特“2030 愿景”和阿联酋人工智能战略的优先事项。

• 2025 年美国私人人工智能投资约为 2,860 亿美元，产业界产出了 90% 以上的重要前沿模型。
• 生成式人工智能在三年内达到 53% 的采用率，如今约五分之四的大学生在课程作业中使用它。
• 美中在领先模型基准测试上的差距缩小至约 3%，而中国在公共人工智能超级计算机数量上领先。

对于海湾地区的高管和政策制定者而言，人工智能指数是战略文件、投资论证和监管中引用最多的中立基准。当阿联酋和沙特阿拉伯的国家人工智能计划设定目标或对标美国、中国和欧洲时，其 2026 年关于采用速度、算力集中度和公众信任的数据可直接派上用场。

• 在医学基准测试中得分很高的模型，与普通网络搜索相比，并未改善 1,298 名真实用户的决策。
• 标准基准测试乃至模拟的人工智能患者都未能预测这些失败，因此它们无法替代以真人进行的测试。
• 论文建议，在部署任何面向公众的健康聊天机器人之前，应与真实用户进行系统性试验。

海湾地区的卫生主管部门和保险公司正在探索阿拉伯语和英语的人工智能症状检查工具。这项研究是一个警示：限制因素在于忧心忡忡的人与模型之间的对话，而非模型的医学知识。任何部署都需要精心的界面设计、关于该向系统说明什么的指引，以及以真实用户而非仅凭基准分数进行的评估。

• 单个神经网络取代了整个预报流程，却仍可与基于物理的业务系统相媲美。
• 一次预报在四块 GPU 上约需一秒，而等效的传统工作流程约需一千个节点小时。
• 由于训练成本低且由数据驱动，该方法可针对特定地区或灾害（如极端高温或沙尘暴）重新定向。

如此低成本的预报让从未能运行超级计算机的组织也能获得气象服务：公用事业、航空公司、港口、农业，以及为高温和沙尘做规划的房地产开发商。对于极端高温、山洪和沙尘暴影响能源需求与建筑施工的海湾国家而言，经本地微调的此类模型是一个切实可行的近期工具。

• 人形机器人的安全被定义为在给定备用策略下执行安全停止的能力，而非突然断电。
• 采用重要性采样的学习型监测器比均匀采样需要更少的仿真，且“误判为安全”的预测更少。
• 监测器成功从仿真迁移到真实的 Unitree G1，为实用的运行时安全认证指明了方向。

人形机器人正从演示走向物流和制造业，海湾地区的港口、机场和巨型项目是早期候选场景。在监管机构和保险公司允许它们接近人群之前，必须有人回答机器人何时可以被安全停止。这项工作将该问题转化为可衡量、可认证的属性——正是采购团队很快将会要求的那类证据。

• 显式建模进化关系，在预测哪些基因变异有害方面击败了规模大得多的纯序列模型。
• 不同的进化深度回答不同的问题：深度比对用于罕见编码变异，灵长类比对用于复杂性状。
• 该模型训练成本低，并附带公开的全基因组预测结果，可用于指导实验室实验。

沙特阿拉伯、阿联酋和卡塔尔的基因组医学计划正在对大规模国家队列进行测序。能以适中的算力成本对重要变异进行排序的工具，让这些数据在罕见病诊断和特定人群研究中变得可用。GPN-Star 还表明，巧妙运用科学知识可以胜过蛮力式的规模扩张，这对人工智能投资具有普遍借鉴意义。

• 完全开放的训练数据、代码和检查点，能够提供接近大公司开放权重模型的性能。
• 合规性从一开始就内置其中：仅使用公开数据、追溯性退出、个人数据过滤，以及与欧盟《人工智能法案》相符的透明度。
• 强大的多语言覆盖表明，在前沿规模的模型中，小语种不必是事后补充。

海湾国家正在构建 Falcon、Jais 和 ALLaM 等主权阿拉伯语模型。Apertus 是以透明数据治理实现这一目标的最清晰的公开蓝图，这对监管机构、公共部门采购和信任至关重要。它还证明，国家超级计算机加上大学就能产出可信的模型，而无需依赖外国供应商。

• 大语言模型可以在整个规划周期中充当顾问、设计师和模拟器，而不只是单一工具。
• 基于代理的居民模拟在美国两座城市中再现了真实的移动热点和 15 分钟可达性指标。
• 高质量的城市设计数据、算力成本和偏见是主要障碍，因此该框架旨在辅助规划者，而非取代他们。

海湾城市正以前所未有的速度进行规划，从利雅得的新城区到《迪拜 2040 城市总体规划》。一种让规划者在施工前生成备选方案并以模拟居民进行测试的方法，可以降低成本并提升宜居性。对于开发商和经纪人而言，基于代理的需求模拟也是评估设施、零售和住房实际使用地点的新途径。

• 将状态（由大语言模型推理）与外观（由扩散模型渲染）分离，使模拟在长时程中保持一致。
• 使用 PAN 在行动前模拟结果的代理，比单独行动的代理成功率更高。
• 这项工作使阿联酋的穆罕默德·本·扎耶德人工智能大学跻身于在研究前沿发表通用世界模型的少数团队之列。

世界模型是机器人、自动驾驶汽车和基于模拟的训练之下的下一层基础，这些都是阿联酋产业战略的优先事项。PAN 表明，海湾机构能够在研究前沿做出贡献，而不仅仅是采用引进的系统；它还为区域企业提供了一个有据可查的架构，可用于构建数字孪生、物流模拟和具身人工智能。