最近，"千万别侧躺玩手机"这一话题登上热搜榜。一位博主分享了自己的亲身经历：原本两眼视力正常，却因长期偏侧卧姿刷手机，导致一只眼睛出现斜视，更无奈的是双眼情况迥异——一边远视加弱视，另一边近视加散光，各种问题交织在一起。

那么，这种看似普遍的习惯，真的会带来如此严重的后果吗？除了眼睛，是否还会殃及身体其他部位？

先给出结论：影响确实存在，而且不容小觑，但究竟伤害在哪里，值得细细剖析。

实际上，侧躺玩手机对双眼的损伤是多维度的，首当其冲的便是物理压迫所引发的角膜改变。常见的侧卧姿态下，靠近床铺的那只眼往往紧贴枕头，甚至整个陷入其中，此时眼部受到寝具的持续压力，起身后很可能出现视物模糊的状况。究其根源，这种轻度压迫会造成角膜短暂变形，从而扰乱角膜散光状态。幸运的是，这种模糊多为暂时性，解除压迫后，角膜通常在几分钟内便恢复原状，视力随之回归正常。然而，若长年累月习惯性挤压同一只眼睛，角膜的形变将逐渐不可逆转，散光度数随之攀升，视力下降便成为难以挽回的事实。

此外，侧躺时若仅让一只眼紧盯屏幕而另一只被压迫或遮挡，长期下来极易诱发或加深看屏眼的近视，导致双眼屈光状态悬殊，眼疲劳问题也愈发突出。

眼压升高同样值得警惕。所谓眼压，即眼球内容物对眼球壁施加的压力，正常范围维持在10至21毫米汞柱之间，以保证眼球形态与功能的稳定。多项眼科学研究表明，侧卧位时，处于下方的那只眼眼压明显高于上方。例如，一项针对健康受试者的测试显示，右侧卧时，下方右眼平均眼压约达18.8±2.9毫米汞柱，上方左眼则为17.7±3.1毫米汞柱。对眼健康的普通人而言，这种体位性眼压波动通常无伤大雅；但青光眼患者却需格外留意——长期习惯性侧卧睡眠者，下方眼视野损害往往重于上方眼，因为侧躺的动作会让受压侧眼在不知不觉中承载更大的压力负荷。

常人侧躺刷手机，短则半小时，长则数小时，期间几乎一动不动，这意味着下方眼在整个过程中始终处于相对较高的眼压环境中。日积月累，这种不均衡的压力分布虽对健康人群影响微弱，但对青光眼患者来说，其累积伤害难以忽视。

干涩与酸胀也是绕不开的困扰。细看"侧躺玩手机"这一行为，隐患不仅来自"侧躺"这一姿势，更源于"长时间沉浸在屏幕中"这一习惯。许多人都有过类似体验：躺下后刷刷刷停不下来，等抬眼看时，眼睛已干涩难忍、酸胀不已，视物发虚，只得频频眨眼来缓解。这正是典型的视疲劳与干眼症表现。

无论坐姿或卧姿，长时间近距离用眼都会令睫状肌持续紧绷，调节功能随之紊乱。研究指出，使用电子屏幕时，人眨眼频率可能骤减一半甚至更少。眨眼减少，泪膜便难以稳定，眼表水分蒸发加速，干涩感自然接踵而至。而侧躺姿势则会加剧这种状况，因为这一姿态难以维持理想的视距——要么手机凑得过近，要么屏幕角度刁钻，令眼部负担远大于端正坐姿。

更令人担忧的是，侧躺玩手机的危害远不止于眼睛。长时间侧卧低头看屏，整个身体形态随之扭曲：头部歪斜、颈部扭转、肩膀高低错落，脊柱也不得不随之变形。人体颈椎天然拥有向前的生理曲度，长期歪头低头会使该曲度逐渐变直，颈部肌肉为维持这一别扭姿势而持续紧绷，久而久之便可能诱发颈椎病。此外，这种固定姿势还会让体重偏向一侧，脊柱两侧受力极不均衡，长此以往，头位偏斜、脊柱侧弯等问题也可能接踵而来。

不过，完全戒掉躺姿刷手机的诱惑，对现代人来说未免苛刻。若能在习惯上略作调整，伤害便能大幅削减：

第一，能坐则别躺，若必须在床上看手机，尽量仰面平躺，将手机举至正上方，确保屏幕距离眼睛至少30厘米。需要注意的是，谨防手机脱手砸伤眼部；手臂悬空久了难免酸痛，选用可调节角度的支架是更明智的选择。

第二，无论采用何种姿势，每用眼20分钟便应稍作休息。不妨遵循"20-20-20"法则：近距离用眼20分钟后，眺望20英尺（约6米）以外的景物，持续至少20秒。

第三，尽量避免在全黑环境中注视高亮屏幕，明暗对比过于强烈会加倍刺激双眼。

第四，有意识地增加眨眼频率，这有助于泪膜有效刷新并润滑眼表。

第五，若已出现持续性眼干、视物模糊或单眼视力明显下降等状况，应尽早前往正规眼科机构就诊。

总体而言，侧躺玩手机并不会直接导致斜视，但确实可能加剧近视，令双眼度数差距拉大，还可能推高眼压并诱发干眼不适。今晚再拿起手机时，记得调整好自己的姿势，给眼睛和脊柱多一分温柔的呵护。

7月31日，第十二批国家组织药品集中带量采购报价信息公开大会在上海举行，此次集采共纳入65个品种，预计当晚将公布拟中选结果。本次采购覆盖了哪些治疗领域？

据国家医保局披露的信息，这轮集采纳入的品种数量创下历史新高，其中包括沙格列汀二甲双胍缓释控释剂型、麦考酚钠口服常释剂型及维生素B6注射剂等临床常用且销量可观、市场竞争充分的成熟药品。以维生素B6注射剂为例，该药主要用于维生素B6缺乏症的预防与治疗，也可辅助应对妊娠期、放射病及抗癌药物引发的呕吐以及脂溢性皮炎等病症。

从整体来看，此次集采的品种覆盖了代谢性疾病、心血管系统疾病、消化系统疾病、肿瘤疾病等多个治疗领域，共有4.5万家医药机构填报采购需求量，参与企业超过500家。

按照本次集采规则，现场开标分为两个阶段：上午10:30起进行报价信息公开，预计下午15:30左右产生第一阶段的拟中选结果。随后，未中选的企业可依据“复活”机制，按照规则二（接受最高拟中选价）或规则三（未入围但报量超均值）依次生成拟中选企业。采购周期自中选结果执行之日起至2029年12月31日止。

总体而言，第十二批集采依然坚持“稳临床、保质量、反内卷、防围标”的总体原则，但在防范极端低价扰乱正常报价秩序、丰富临床用药选择以及强化集采药品质量保障等方面，进行了更为深入的完善与加强。

本次参与集采的药企数量庞大，部分品种的竞争态势异常激烈。根据国家组织药品联合采购办公室7月28日发布的企业信息表，维生素B6注射剂、伏诺拉生口服常释剂型、比索洛尔氨氯地平口服常释剂型及尼卡地平注射剂的竞标企业均超过30家，其中维生素B6注射剂的参与企业多达49家。

在“反内卷”层面，此次集采进一步优化了竞价规则。具体方案之一是科学识别过低的非正常报价。自第十一批集采起，价格锚点已被设定为控制入围企业最高中选价的重要参考。本次集采的锚点设置为“最低报价”与“入围均价下浮一个标准差”两者中取较高值。最低报价不得干扰其他企业的报价边界，同时规则也力图避免因超低报价引发的恶性竞争。

此次集采的锚点价分为两个档位：若最低报价低于“入围均价下浮两个标准差”，则该报价不占中选名额，也不给予“带量”数量保障，从而防范企业在缺乏合理成本支撑时，通过极端压价手段抢占中选资格和份额。国家医保局昨日再度发布提示，呼吁企业理性报价、量价相宜。

在“稳临床”方面，此次集采允许“按厂牌报价”，即具体采购可依据医疗机构的临床实际情况灵活确定。值得关注的是，以原研药为主的参比制剂新增了“不带量复活”规则，企业报价只要不超过熔断锚点的3倍且低于最高有效申报价，即可直接获得拟中选资格。医疗机构可根据临床需求自主采购，业内普遍认为，这或许是对原研企业的一种积极鼓励。在竞争企业数量排名前四的品种中，除维生素B6注射剂外，伏诺拉生口服常释剂型、比索洛尔氨氯地平口服常释剂型及尼卡地平注射剂均有原研药企与仿制药企同台竞价。

自2018年“4+7”试点启动以来，国家药品集采已累计完成11批采购，成功采购490种药品。中国药科大学医药价格研究中心主任路云指出，“以量换价”有望实现患者与企业之间的双赢。路云解释称，中选药品均为质量较高的过评仿制药，真实世界证据已证明其安全性，同时节省了大量医保基金，这些资金可用于将更多国谈创新药纳入医保目录；在调整医疗服务价格方面，集采也作出了显著贡献，从更多维度支持患者获得更新、更优的创新药物和疗法；集采还倒逼企业提升药品质量、研发水平和创新能力。近年来，不少老牌大型仿制药企业也积极投身国谈创新药研发，通过开发“Me-too”“Me-better”乃至“First-In-Class”药物来稳固利润空间。

科技日报记者 罗云鹏

随着年岁渐长，人们往往察觉到记忆力的衰退、思维速度的迟缓，也更易受到诸如脑小血管病变、认知功能障碍等各类疾病的侵扰。长期以来，科学界始终在追寻一个核心谜题的答案：大脑的衰老，其最初的起点究竟藏匿于何处？

近日，中国科学院深圳先进技术研究院生物医药与技术研究所的副研究员方程与马寅仲，携手多家科研机构，在权威期刊《神经元》上刊发了突破性研究成果。研究团队发现，大脑衰老的早期阶段与血脑屏障功能的逐步失守密切相关。他们揭示了驱动血脑屏障渗漏及认知功能减退的关键信号分子——主要促进因子超家族成员2a（Mfsd2a），并阐明了其背后的调控网络，这为探索大脑衰老机制及延缓认知衰退开辟了全新视角。

在大脑与血液循环系统之间，存在着一道极为精密的防护屏障——血脑屏障。它犹如一套严苛的安检体系，精准甄别着进入大脑的物质，同时将潜在的有害成分拒之门外。然而，随着衰老进程的推进，这道屏障的严密性会逐渐下滑。一旦血液中的蛋白质等大分子渗透至脑组织内，便可能触发神经炎症、损伤脑血管，并最终导致认知能力的下降。

过往的普遍认知倾向于认为，血脑屏障的损坏主要源于内皮细胞间紧密连接的断裂，即所谓的“墙缝变宽”现象，且此类损坏通常仅发生于生命的极晚阶段。然而，研究团队通过系统追踪不同年龄段小鼠血脑屏障的通透性变化，揭示了一个新发现：血脑屏障的渗漏并非仅现身于小鼠的超老龄期，而是早在中年阶段就已悄然启动，并随年龄递增而日益加剧。尤为关键的是，这种早期渗漏首先集中出现在海马体等与学习记忆功能紧密相关的脑区。

“这一现象提示我们，衰老大脑的屏障功能衰退或许比我们预想的要来得更为提前。”方程指出，若能精准捕捉这一早期的微妙变化，便有望为延缓大脑衰老及认知退化寻得一个更早的干预切入点。

为了深挖血脑屏障早期渗漏的根源，研究团队着重比对了两种潜在的路径：其一是细胞间隙通路，即传统认知中的紧密连接破坏；其二是跨细胞通路，即物质经由内皮细胞内部的囊泡转运机制穿越血管壁的过程。

“我们的研究发现，在衰老的初始阶段，尽管血脑屏障已显现渗漏迹象，但内皮细胞间的紧密连接架构大体上依然完好。真正率先发生变异的，是脑血管内皮细胞内部的‘货物运输系统’——小窝蛋白相关的转胞吞作用显著增强。”马寅仲阐释道，转胞吞是指物质被内皮细胞膜包裹形成囊泡，从血管一侧运送至另一侧并释放的流程，这相当于细胞内部的一种主动“输送”机制。换言之，衰老早期的血脑屏障并非简单的“墙体破裂”，而更像是内皮细胞内部原本受到严格管控的“运输通道”被异常解锁，使得血液中的大分子物质更易穿越血管壁侵入脑组织。

那么，究竟是什么因素导致这些异常运输通道的开启？研究团队发现，脑血管内皮细胞中的Mfsd2a是维系低水平转胞吞作用的关键分子。它不仅承担着将二十二碳六烯酸（DHA）等有益脂质输送入脑的重任，还能有效抑制非特异性的囊泡运输。在衰老过程中，Mfsd2a的表达水平逐渐走低，而与之相关的另一蛋白质——小窝蛋白-1（Cav-1）所介导的囊泡运输却异常活跃。

为验证这一机制，研究人员借助腺相关病毒技术，在老年小鼠的脑血管内皮细胞中恢复Mfsd2a的表达，或下调Cav-1的表达水平。结果显示，异常的转胞吞现象显著减少，血脑屏障的渗漏状况也得到明显改观。“这充分表明，Mfsd2a的减少并非仅仅是血管衰老的一个伴随现象，而是推动血脑屏障早期渗漏的关键推手。”马寅仲解释道。

那么，Mfsd2a为何会在衰老进程中发生下调？通过系统筛选多种可能影响血脑屏障功能的分泌因子，研究人员锁定了一种名为转化生长因子-β1（TGF-β1）的细胞因子，它能够强力抑制脑血管内皮细胞中Mfsd2a的表达。尽管TGF-β1在发育、组织修复、炎症反应及衰老过程中都扮演着重要的调控角色，但研究显示，随着年龄增长，脑内及血液循环中的TGF-β1水平均呈上升趋势。进一步的机制剖析表明，TGF-β1通过激活脑血管内皮细胞内一连串的信号级联反应，直接抑制了Mfsd2a的基因转录，进而促进了小窝样囊泡的形成以及非特异性物质的跨细胞转运。

后续实验为此提供了有力佐证：在年轻小鼠中提升脑内或循环系统中的TGF-β1水平，能够诱导出类似衰老状态下的血脑屏障变化——Mfsd2a表达下调、脑血管内皮转胞吞增强以及屏障渗漏加剧。反之，在老年小鼠中，特异性敲除脑血管内皮细胞上的Tgfbr2受体，或采用TGF-β受体抑制剂进行短期干预，则能够恢复Mfsd2a的表达、减少异常转胞吞、改善血脑屏障的完整性，甚至在一定程度上优化部分神经行为表现。

该研究提出，衰老相关的血脑屏障破损并非单纯的结构老化，而是一个由全身性衰老信号、脑血管内皮功能失调以及神经血管单元微环境重塑共同驱动的复杂过程。其中，过度升高的TGF-β1通过抑制Mfsd2a，使得原本受到严格制约的脑血管内皮转胞吞通路异常强化，进而加速了衰老早期的血脑屏障渗漏。

“这项发现为理解衰老相关的认知功能衰退、脑小血管病以及血管性认知障碍提供了崭新的机制解释。”马寅仲表示，该研究将系统性衰老信号、神经血管完整性与认知功能下降有机串联，对于以血脑屏障渗漏为核心病理特征的脑小血管病和血管性认知障碍等疾病，具有直接的临床指导价值。

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。