清华大学科研突破：首推3D成像超级显微镜，成就多项全球首创

近日消息，清华大学官方公众号公布，其研究团队已成功研发出全球首台三维成像介观活体超高清显微镜RUSH3D，此技术革新实现了对大脑结构的深度透视，能够首次实现大规模细胞间相互作用的全景式观测，开启了生物医学研究的新篇章。

RUSH3D 介绍

该仪器具有跨空间和时间的多尺度成像能力，填补了当前国际范围内对哺乳动物介观尺度活体三维观测的空白，为揭示神经、肿瘤、免疫新现象和新机理提供了新的“杀手锏”，使我国生命科学家、医学家能够率先使用我国自主高端仪器设备来解决重大基础研究问题。

研究团队介绍，在兼具厘米级三维视场与亚细胞分辨率的同时，该仪器能以 20Hz 的高速三维成像速度实现长达数十小时的连续低光毒性观测。

相比当前市场上最先进的商业化荧光显微镜，该仪器在同样分辨率下的成像视场面积提升近百倍，三维成像速度提升数十倍，有效观测时长提升上百倍。

项目成果

目前，研究团队利用 RUSH3D 系统在脑科学、免疫学、医学与药学等多学科产出一系列成果，实现了多个“世界首次”：

首次在活体小鼠上以单细胞分辨率实现了覆盖大脑皮层 2／3 层的高速长时程三维观测，捕捉了多感官刺激下皮层各脑区的各异性响应模式，能够连续多天以单神经元精度追踪大规模神经响应

首次观测到急性脑损伤后多脑区的免疫反应，发现大量中性粒细胞从非血管区域往脑内的迁移与回流过程

首次在小鼠免疫反应过程中同时观测到了淋巴结内多个生发中心的形成过程，以及 T 细胞在不同生发中心之间的迁移现象。

团队介绍

该团队由中国工程院院士、清华大学自动化系教授戴琼海带领，自 2013 年起率先开展介观活体显微成像领域研究。

项目意义

研究团队负责人表示，该仪器的研制与产业化填补了对复杂生命现象介观尺度活体观测的空白，标志着我国在活体介观显微成像领域持续引领国际发展，极大提升了我国高端科研仪器的研究和应用水平，为人类探索生命奥秘打开了新的维度。

清华大学苏世民书院院长薛澜警示：AI发展需警惕多重风险，误用与滥用问题亟待关注

近日消息，2024世界人工智能大会的开幕式全体会议上，清华大学苏世民书院院长、人工智能国际治理研究院院长薛澜发表了重要演讲。

薛澜院长强调，从全球范围审视，人工智能的发展正面临着基础设施建设不平衡与数字技能普及程度参差不齐的严峻挑战。这些挑战不仅构成了人工智能产业发展的障碍，同时也对构建有效的人工智能全球治理体系提出了重大考验。

薛澜表示，目前 AI 可能带来一些风险。

技术内在问题，包括所谓“幻觉”。从自主 AI 系统的长远发展来看，可能对人类社会构成的威胁；

基于技术开发带来的风险，包括数据安全问题、算法歧视、能源环境等问题；

技术应用，包括误用或者滥用，长远对社会就业带来影响。

薛澜认为，上述问题都是不可忽视的。“很多技术都像硬币的两面，在带来正面效应的同时也会存在风险，而 AI 可能只是一个比较突出的领域。”他作出呼吁，要把发展、安全作为“一体两翼”，通过多种途径建立国际交流、防控体系，加强各国政府之间多边对话机制；发挥科学界共同体力量，实现国际机制持续完善。

薛澜称期望联合国等国际组织能够充分发挥综合协调的功能，在产业界和科学界的共同努力下推动 AI 产业健康发展。

今年的世界人工智能大会将展出人形机器人、虚实融合、自动驾驶、无人机、脑机接口等 AI 前沿技术。以具身智能领域为例，大会现场将展出 45 款智能机器人，包括 25 款人形机器人。

清华大学发布AutoDroid - V2：移动设备AI自动化控制的创新性变革

近日，清华大学智能产业研究院（AIR）在2024年12月24日推出了一款名叫AutoDroid - V2的AI模型。此模型的发布有着明确的目标，那就是对移动设备的自动化控制能力予以优化。

AutoDroid-V2采用了一种基于脚本的方法，与传统依赖云端大型语言模型（LLM）的方式不同。这一创新使得设备能够高效执行用户指令，减少了对云服务的依赖，从而在隐私和安全性方面有了显著的提升。同时，它也降低了用户端的流量消耗及服务器端的运行成本，推进了移动设备的广泛应用。

在项目背景上，近年来，大型语言模型和视觉语言模型的崛起使得通过自然语言命令控制移动设备成为可能。这些技术为复杂用户任务的解决提供了新的途径。然而，传统的 “逐步 GUI 智能体” 方法存在着高流量消耗和隐私安全风险的问题，使得大规模部署面临障碍。

AutoDroid-V2的创新之处在于，它能够根据用户指令生成多步骤脚本，进而一次性执行多个 GUI 操作。这种方式大幅减少了查询频率，降低了资源消耗，并且能够在用户设备上直接生成和执行任务脚本。该模型在离线状态下会构建应用程序文档，为后续的脚本生成打下基础。

在性能测试中，AutoDroid-V2在23款移动应用上进行了226项任务的基准测试，相较于之前的模型，如 AutoDroid 和 SeeClick 等，任务完成率提升了10.5% 到51.7%。此外，其输入和输出的 token 消耗分别减少至43.5分之一和5.8分之一，模型推理延迟降低至原来的5.7到13.4分之一。这些成果显示了 AutoDroid-V2在实际应用中的高效性和可靠性。