软件介绍
专家学者齐聚深圳共探大湾区（生物制造科）技成果产业化
7月29日，一场聚焦生物制造领域科技创新的对接交流活动在深圳光明区拉开帷幕，这也是“百家全重进湾区”系列活动的重头戏之一。当天，来自科研界和产业界的代表齐聚一堂，围绕前沿议题展开深度对话。
此次交流活动由广东院士联合会、中国科学院深圳先进技术研究院（以下简称“深圳先进院”）及广东省科学院微生物研究所等多家单位联手筹办。与会各方就微生物安全与健康科学、生物制造的演进趋势与现实应用、合成生物学的最新突破等话题进行了深入探讨，旨在搭建科技研发与产业需求之间的高效桥梁，推动创新成果精准落地。
开幕式上，广东院士联合会秘书长卢育辉以《“两会一行动”力促产业科技互促双强》为题，向与会者详细介绍了该会在促进科技与产业深度融合方面的创新举措与实践路径。
在主题报告阶段，中国工程院院士、广东省科学院微生物研究所名誉所长暨广东院士联合会副会长吴清平，发表了题为《中国微生物安全与健康科学大数据库创建及其在绿色生物制造中的应用》的演讲。他着重阐述了微生物在人类健康维护及工业流程中的关键角色，并介绍了微生物菌种基因数据库建设的阶段性成果及其广阔应用前景。
深圳先进院院长、定量合成生物学全国重点实验室主任及国家生物制造产业创新中心主任刘陈立，则通过《生物制造发展趋势与实践探索》的报告，系统梳理了生物制造百年来从萌芽到壮大的发展轨迹，并结合具体案例剖析了当前技术突破与产业化进程中的关键节点。
随后的项目路演环节精彩纷呈，五个创新团队轮番亮相，集中展示了涵盖创新药物研发、生物分子智能设计、精准发酵技术、细胞免疫治疗以及未来食品育种等多个生物制造核心方向的最新成果。这些项目不仅体现了大湾区在该领域的锐意创新精神，也彰显了区域内深厚的科研积累与产业转化潜力。
在自由交流与对接时段，来自广州、深圳、东莞等地的企业代表与科研机构专家，围绕关键技术攻关、科技成果转化及产业链协同合作等话题展开了热烈而务实的沟通，进一步促进了跨区域、跨行业的资源整合与优势互补。
功能特点
以为{能吃，其实可能“有毒”}！专家提示这7种食物要注意
在咱们的日常饮食中，有一些食物表面看着似乎还能入口，实则暗藏着不小的健康风险。为了省下一点点食物，很多人习惯把发霉的面包、发芽的土豆或是表皮出现斑点的水果简单处理一下接着吃。但这种“节俭”的做法，有时会带来严重的食物中毒隐患，甚至可能危及生命。今天，我们就来盘点7种外表迷惑性很强、实则可能含有毒素的食物，希望大家引起重视，最好别碰，也别忘了转告家里的长辈们。
首先来说说坚果，无论是平日里当零食，还是逢年过节囤的货，坚果很容易因为储存不当而变质。如果保存环境不佳，坚果会先出现氧化现象，散发出一股“哈喇味”，这不仅破坏了原本的风味和营养价值，所产生的氧化分解产物还可能刺激肠胃，引发胃肠炎。更让人担心的是，坚果一旦受潮受热，极易滋生黄曲霉菌并产生黄曲霉毒素。这种物质已被世界卫生组织列为一类致癌物，其毒性是砒霜的68倍，并且非常耐热，在280℃的高温下也难以分解。而像苦杏仁这类特殊的坚果，风险就更直接了——它们所含的氢苷在人体内会转化成剧毒的氢氰酸，只要吃下20至60粒，就可能引发急性中毒。所以，一旦坚果吃起来发苦或有油齁味，必须立即吐掉并漱口。建议大家买小包装的坚果，开封后密封好，放在避光阴凉处。
另一种容易被忽视的隐患是久泡的木耳。很多人觉得木耳泡久了口感更饱满，但实际上，长时间浸泡会让木耳滋生一种叫“米酵菌酸”的毒素。这种毒素由椰毒伯克氏菌在温暖环境下产生，尤其在26℃左右繁殖最快，因此夏季是高发期。它无色无味，污染后很难察觉，主要伤害人体的肝脏、肾脏和神经系统，且没有安全剂量——仅仅1毫克就可能致命，致死率超过40%。过往的中毒案例显示，木耳一旦泡发超过一天，风险就大大增加；而如果是散装木耳，更容易携带产毒菌种。安全做法是选择正规包装的木耳，泡发前彻底清洗，浸泡时间控制在4小时以内，水温尽量不超过25℃，最好在冰箱里冷藏泡发，中途换一两次水，若发现木耳发黏或有异味必须立刻丢弃。如果必须过夜，应放入冰箱密封冷藏，第二天尽快吃完。
土豆是家庭常备的蔬菜，但一次买太多就容易放发芽。很多人觉得挖掉芽眼就能吃，殊不知发芽的土豆里龙葵素含量会急剧攀升。正常情况下，每100克土豆中龙葵素只有5至10毫克，而一旦发芽或表皮变绿，芽眼周围和发绿部分的含量可飙升至每100克500毫克，毒性极强。误食后轻则出现咽喉灼热、恶心呕吐、腹痛腹泻等胃肠炎症状，重则可能导致呼吸困难、昏迷乃至死亡。研究显示，一次吃下约50克变青发芽的土豆（相当于摄入200毫克龙葵素），就足以引发中毒反应。因此在买土豆时，应选择表皮光滑、色泽正常的；储存时放在阴凉通风处，温度不要超过10℃，避开阳光直射，这样可以延缓发芽。一旦土豆发芽或变绿，最好整颗放弃，别心存侥幸。另外，未成熟的青番茄同样含有龙葵素，也不建议食用。
瓜果的苦味也常常被误解为“清热败火”，许多人因此舍不得扔掉。但实际上，瓠瓜、丝瓜、西葫芦、黄瓜等本身不苦的葫芦科瓜类一旦变苦，说明它们产生了葫芦素，这是一种热稳定性极强的毒素，即使高温烹煮也难以破坏。葫芦素会攻击神经系统，引发头晕、呕吐、腹痛，严重时甚至导致器官衰竭。湖南等多个省份的疾控中心都曾专门发布提醒，警惕苦味瓜类引起中毒。所以在挑选瓜果时，要注意观察表皮有无异常斑点或腐烂痕迹，选择完整无损的果实；一旦尝到不该出现的苦味，果断丢弃，绝不能因为可惜而冒险。
腐烂发霉的蔬果同样不能仅仅削掉坏的部分就继续食用。即便切除了霉变区域，其余看似完好的部分也可能已被细菌和霉菌渗透，产生亚硝酸盐、霉菌毒素等有害物质。例如，烂生姜会释放黄樟素，这种毒素少量摄入就可能引起肝细胞中毒和变性，损害肝功能。同时，腐烂的蔬菜中亚硝酸盐含量会显著升高，研究发现发霉蔬菜的亚硝酸盐含量比新鲜时高出约2倍。长期食用这类食物，亚硝酸盐会妨碍血液运输氧气，导致皮肤发蓝、贫血等问题。最稳妥的做法是蔬菜现买现吃，不要囤积，一旦发现部分腐烂，整棵都应丢掉，不要心疼剩余部分。
还有一种外表诱人却暗藏危机的食物是红心甘蔗。很多人以为红心代表含糖量高，其实这是霉变的表现。每年2至4月，随着气温回暖，甘蔗容易被节菱孢霉菌污染，产生3-硝基丙酸，从而形成红心。3-硝基丙酸是强效神经毒素，会损伤中枢神经系统，中毒潜伏期短则数分钟、长则数小时，初期表现为恶心、呕吐、腹痛等消化紊乱症状，随后可能出现头晕、头痛、视力模糊，严重时可致呼吸衰竭甚至死亡。目前尚无特效解毒药，只能对症治疗。因此购买甘蔗时，务必查看切面颜色，发现有红心或酒糟味就要避免；如果买回家啃食时发现异常，立即丢弃，即使其他部位看起来正常，也可能已被毒素渗透，最好一并放弃。
最后要提的是螃蟹。虽然味道鲜美，但死亡的螃蟹绝对不要食用，因为风险远大于收益。尤其是河蟹这类杂食性动物，会摄食腐烂物质，体内携带大量细菌。一旦死亡，细菌会迅速繁殖，分解蛋白质并产生大量组胺等生物胺。组胺毒性较强，即使经过烹饪也无法完全去除。实验数据显示，在20℃环境下存放3小时和12小时，组胺含量分别达到6.3毫克和7.4毫克每100克，而8毫克就足以让人轻微中毒，100毫克则会导致严重中毒。食用死蟹可能引起过敏性中毒，表现为皮疹、瘙痒、呼吸困难，严重时可能发生过敏性休克，危及生命。所以购买螃蟹时要挑鲜活的，不要因便宜而买死蟹；烹饪前如果发现螃蟹已死了数小时，坚决不要吃。
这些看似“没坏”实则风险很高的食物，您是否也曾经不小心吃进肚子呢？为了健康，请立刻停止食用，并把这篇文章转发到家庭群里，提醒每一位亲人多加注意。
使用说明
超《2500%！上半年集成电路制造业利润“狂》飙”
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。
更新日志
专家学者齐聚深圳共探大湾区（生物制造科）技成果产业化7月29日，一场聚焦生物制造领域科技创新的对接交流活动在深圳光明区拉开帷幕，这也是“百家全重进湾区”系列活动的重头戏之一。当天，来自科研界和产业界的代表齐聚一堂，围绕前沿议题展开深度对话。
句子9