扩展日报 2026年05月02日 - AI正在改变现场（机器人×教育×能源×宇宙）

执行摘要

• 能源×AI：IEA对数据中心电力使用的增长、AI的能源负荷，以及供给约束（瓶颈）提供了梳理。
• 宇宙×自主：JPL报告称，火星探测漫游车的行驶计划由AI完成立案，并给出生成式AI也用于图像解析的案例。
• 教育×政策：美国教育部将社区学院定位为AI人才培养的关键支点，UNESCO则提出面向教育AI的区域观测所，以及面向青少年的AI与编码施策。
• 认知科学理论：arXiv中提出了将认知与决策作为量子似（quantum-like）的开放系统来处理的框架。

能源工程・气候科学

• IEA（国际能源机构）明确指出，数据中心的电力需求在2025年显著增长；同时，面向AI集约型（AI向）数据中心的增势相对更快；而电力供给侧的瓶颈将会制造一种“为解决方案而争夺”的局面。报告显示，2025年数据中心的用电量增长17%；此外，五大科技企业的设备投资（资本开支）在2025年已超过4000亿美元，并预计2026年还将再增长75%。 (iea.org)

• 背后原因在于，AI训练与推理，以及数据中心投资同时加速，形成一种结构：电力需求在上升，但输配电与电网增强、连接余量在短期内难以追上。IEA从能源可负担性（家庭与产业的负担）、安全性（供给中断风险）以及更广泛的经济影响等角度出发，正在调整讨论方向，转而追问：用什么“去填补”对电力需求的选项（供给、运行与调节）。 (iea.org)

• 未来影响包括：(1) 在AI计算需求前提下的电网投资优先级；(2) 将可再生能源、储能与电网柔性化纳入的电源组合设计；(3) 结合需求侧（数据中心侧）的运营改进（如抑制峰值等），实现“电力×计算”的优化——这将从单纯的成本论转向产业竞争力与安全保障论。政策与监管很可能不会仅停留在“AI本身”的议题上，还会波及电力市场的制度设计。

• 出典：IEA（Press release）«Data centre electricity use surged in 2025…»

  • IEA：Data centre electricity use surged in 2025

宇宙工程・宇宙科学

• NASA JPL报告称，探测漫游车「Perseverance」完成了首次由AI规划的驾驶。生成式AI和机器学习参与其中这一点很关键。具体而言（如文章所述），**Generative AI用于解析高分辨率轨道图像（HiRISE）**以及分析地形坡度数据；并以可对比的形式展示了AI规划的路线（图示的品红色计划路径）与实际路线（橙色的真实行驶）。 (jpl.nasa.gov)

• 背景挑战在于，若过度依赖地面运作，按月单位的提前期与人工确认负担容易成为瓶颈。本次定位并不意味着将“完全自主”立即承诺下来，但至少通过将部分计划制定交给AI，可以降低操作员的精力与决策成本，并指明通过增加科学探索的“机会”这一方向。 (jpl.nasa.gov)

• 未来影响包括：(1) AI对大规模图像与地形数据进行高速摘要，从而合理化地面侧的检查流程；(2) 如何将风险（导航不确定性、地形陷阱）定量化并纳入AI计划；(3) 在实施层面聚焦于使计划AI的输出可验证的**“可解释性・计划审计”**。鉴于航天领域的安全性与失败成本极端高昂，治理（验证流程）需求将与技术进展同等重要。

• 出典：NASA Jet Propulsion Laboratory（JPL）

  • JPL：Perseverance的AI规划驾驶完成

教育工程

• 美国教育部（U.S. Department of Education）在一份将2026年4月定位为“National Community College Month”的新闻稿中，说明社区学院是“AI素养与技能培养”的核心。具体而言（基于同文描述），在提及推进AI素养的同时，通过扩大Registered Apprenticeships（注册学徒制）等举措，实现与产业变革相匹配的人才供给方针。 (ed.gov)

• 背景在于：一方面，AI会重组部分工作内容，从而扩展人们所需“读写”能力的范围；另一方面，仅靠大学往往难以充分跟上各地区的技能需求变化。社区学院更容易通过与地方产业协作、提供短中期职业培训、实现灵活的课程更新来填补这一差距。在新闻稿的语境中，也明确谈到了技术变革期（包括AI）下的劳动力准备。 (ed.gov)

• 另外，UNESCO宣布，将作为支撑教育引入AI的区域性框架启动面向拉丁美洲与加勒比地区的教育AI观测所（Observatory on Artificial Intelligence in Education）。启动活动预计在2026年4月14日举行，旨在作为支撑地区教育政策、协作与证据建设的平台。 (unesco.org)

• 同样，UNESCO IITE（Institute for Information Technologies in Education）也在通告面向青少年的“AI and Coding for Youth”平台上线（与AI Day 2026相关）。为青少年时期设计学习机会，不仅仅是教授技能，还会影响教育现场的治理与伦理理解（至少是“学习的前提”）。 (iite.unesco.org)

• 在影响层面，教育工程领域值得关注的是：不仅是“教材・学习支持”，而且同时在推进 (1) 教育AI的评估与观测（Observatory）、(2) 面向青少年的导入设计（包括编码）、(3) 与劳动力市场对接的人才培养（社区学院）——即学习〜制度〜现场这三点正在联动。

• 出典：U.S. Department of Education

  • U.S. Department of Education：April 2026 as National Community College Month

• 出典：UNESCO

  • UNESCO：Education AI观测所（启动预告）

• 出典：UNESCO IITE

  • UNESCO IITE：AI Day 2026（AI & Coding for Youth）

心理学・认知科学

• arXiv的预印本中，从“量子似（quantum-like）模型”的框架来理解认知与决策，并提出尤其将其作为**开放系统（open system）**来赋予动力学的方向性思路。论文主张，从静态的运动学表达转向基于开放量子系统（会受到环境影响的系统）的稳健动力学，并讨论将 Gorini–Kossakowski–Sudarshan–Lindblad（GKSL）主方程与认知与决策中的状态变化相对应。 (arxiv.org)

• 背景在于：在认知与决策中，外部信息、语境与环境条件往往会改变一个人的状态（注意、期待、把握、偏好等），因此很难用单一的固定参数来完全概括。为此，显式处理与环境相互作用的数学模型，可能会加强其与实证研究的连接。

• 影响方面，(1) 将人的决策建模为状态的时间演化，而不仅仅是概率推断的研究拓展；(2) 在AI作为决策支持被引入的情境中，能够解释“人的状态将如何随着哪些信息而发生怎样的跃迁”，从而抑制由设计带来的误导与偏差的应用可能性。当然，这属于理论框架，如何与临床或行为实验建立联系仍是今后的课题，但其“研究语言”的完善这一点很重要。

• 出典：arXiv

  • arXiv：Quantum-Like Models of Cognition and Decision Making

总结与展望

• 从今天的信息横向来看，AI的进展不仅体现在“模型性能”上，也同时向能源供给约束（数据中心电力）、自主运行（航天探测AI规划）、以及**人才与学习的制度设计（教育AI观测所、社区学院）**等方面扩散。 (iea.org)
• 各领域之间的关联性可以这样梳理：
  • 能源×宇宙×机器人/自主：探测与自主系统伴随计算与数据处理，而其背后作为现实约束仍然存在计算基础设施的电力与供给。未来可能会变得更重要的是“在何处进行计算、何时执行”（运行调度）。 (iea.org)
  • 认知×教育×治理：对决策理论框架的精细化进展（认知状态的动力学）与在教育领域并行推进的观测与政策基础建设（Observatory）相互呼应。需要发展研究与制度，使学习者的状态迁移与情境依赖能够以“可测量的形式”呈现。 (arxiv.org)
• 今后值得关注的要点是：(1) AI落地中的电力与计算资源设计理念；(2) 如何验证与审计自主系统的规划输出；(3) 如何评估并改进教育AI的区域落地，从而形成改进闭环。

参考文献

本文由 LLM 自动生成，内容可能存在错误。