今天 AI 圈最大的新闻是人才地震：AlphaFold 缔造者、诺贝尔化学奖得主 John Jumper 离开谷歌加入 Anthropic，48 小时内谷歌连失 Noam Shazeer（去 OpenAI）和 Jumper 两员大将。同时 AI 安全领域在加速形成完整工具链，Cloudflare 为 AI Agent 铺基础设施。

6 月 20 日，2024 年诺贝尔化学奖得主、AlphaFold 核心缔造者 John Jumper 在社交平台宣布，离开效力近 9 年的 Google DeepMind，加入竞争对手 Anthropic。

这发生在 Noam Shazeer（Transformer 论文作者之一）宣布加入 OpenAI 仅 48 小时之后。至此，Transformer 论文的全部 8 位作者均已离开谷歌——分别去了 OpenAI、Anthropic 或自己创业。

Jumper 今年 39 岁，是 70 多年来最年轻的诺贝尔化学奖得主。他在博士毕业仅 6 个月就被 Demis Hassabis 任命领导 AlphaFold 团队，随后 AlphaFold 2 解决了困扰生物学界 50 年的蛋白质结构预测难题——预测准确率达 90%，被 190 个国家超 200 万研究人员使用。2024 年他与 Hassabis 共同获得诺贝尔化学奖。

Jumper 离开的原因有多层：(1) 在 DeepMind 已做到天花板——诺奖拿了，AlphaFold 做成了，商业化交给 Isomorphic Labs，留下的上升空间有限；(2) Anthropic 在生命科学方向重金投入——今年 4 月以约 4 亿美元收购生物 AI 公司 Coefficient Bio，月底将举办"AI for Science"活动；(3) 信号明确——Anthropic 正从 OpenAI、DeepMind、微软系统性地挖角顶级人才，员工留存率 80%，在所有前沿 AI 实验室中排名第一。

💡 解读

谷歌正在成为 AI 行业的"黄埔军校"——培养出顶级人才，然后目送他们流向竞争对手。这个模式在硅谷历史上反复上演（仙童→Intel、PayPal→各创业公司），谷歌不是第一个。但这个速度——48 小时连失 Transformer 发明人和 AlphaFold 之父——说明 AI 人才战的烈度已经超过了之前任何一轮技术浪潮。

6 月 19 日，Cloudflare 宣布推出"AI Agent 临时账户"功能。Agent 现在可以运行 `wrangler deploy --temporary` 直接部署项目到 Cloudflare，无需人类先注册账号、点 OAuth、复制 API token。

临时部署存活 60 分钟，期间可以"认领"转为永久账户；不认领则自动过期。Cloudflare 还更新了 Wrangler CLI，当 Agent 因未登录而部署失败时，会主动提示 `--temporary` 选项。

💡 解读

这是一个被低估但非常重要的变化。AI Agent 现在面临的最大落地障碍不是模型能力，是基础设施——Agent 想部署点东西需要人类帮忙注册账号、配置权限。Cloudflare 这一步是在解决 Agent 的"最后一公里"：给 Agent 一个能自主使用的、低风险的部署环境。60 分钟生命周期意味着 Agent 可以反复实验、验证、重来——这正是 Agent 的核心工作模式。

6 月 19 日，NVIDIA 官方披露了一个新项目——让 AI 系统自己设计、测试和优化机器人硬件和软件。具体来说是用一套 AI Agent 来自动化机器人研发流程中的重复性工作：仿真环境中的迭代测试、运动控制的参数调优、硬件设计的仿真验证。

这不是"AI 造了一个机器人"那种科幻标题——目前的实际进展是 AI 在模拟环境中自动完成了一些原本需要人类工程师反复调试的优化任务。

💡 解读

NVIDIA 做这件事的逻辑很清晰：机器人研发的瓶颈不是算力，是人力——每调整一个关节、修改一个控制策略，都要人类工程师花大量时间调试。"AI 研究机器人"的本质是用 AI 加速这个试错循环。短期价值在于节省工程师时间，长期愿景是让机器人系统能像软件一样快速迭代。配合 6 月 19 日银河通用发布的"通用小脑"，机器人领域的 AI 化正在从"AI 辅助控制"走向"AI 辅助研发"。

2014 年首届数学突破奖颁奖典礼上，菲尔兹奖得主陶哲轩提出了三个预言：(1) 数百人规模的大规模数学协作会成为常态；(2) 计算机将能自动验证数学证明；(3) LaTeX 会被机器能读懂的形式化语言取代。

12 年后，这三个预言全部被兑现——而且陶哲轩本人是最主要的推动者。2023 年他学会 Lean 4 交互式定理证明系统后，用三周时间完成了 PFR 猜想的形式化验证（一个让全球数学家协作的项目），2024 年用"AI 写证明 + Lean 检查对错 + 全球志愿者社区"的三方协作模式，在 48 小时内处理了 2200 万个代数等式的筛选，57 天项目基本完工。这个过程中甚至催生了全新的数学概念——原群上同调（magma cohomology）。

💡 解读

陶哲轩的故事不是"AI 替代了数学家"，而是"数学家 + AI + 全球协作"产生了以前不可能的成果。这个模式跟上周 agent-skills 定义的工程标准化方向完全一致——不是 AI 单独工作，是人类用好 AI。陶哲轩自己现在经常建议年轻学者掌握与 AI 协作的能力——这个建议跟今天任何一个 AI 开发者收到的建议一模一样。

6 月 20 日，Hacker News 上展示了一个经过后训练的渗透测试模型。与 ChatGPT、Claude 不同——它们在收到"帮我测试这个系统的安全性"时会拒绝，理由是"这可能被用于恶意目的"。这个模型被专门训练成把渗透测试当作合法任务来处理。

这背后的技术趋势是"领域后训练"——不是靠提示词绕过安全护栏，而是从训练阶段就调整模型的行为边界。之前的 SkillSpector 扫描的是 Agent Skill 代码，这个模型做的是主动渗透——发现漏洞、验证可 exploit 路径、生成报告。两者指向同一个方向：AI 安全工具正在从"被动扫描"走向"主动攻击模拟"。

💡 解读

这跟上上周 SkillSpector（6 月 12 日）和 Agentjacking（6 月 13 日）的曝光形成了一条清晰的时间线：6 月 12 日 NVIDIA 入场做 Skill 安全扫描 → 6 月 13 日 Agentjacking 证明 Agent 可以被劫持 → 6 月 20 日社区训练出不拒绝攻击的模型。两周内，AI 安全从"有没有人做"变成了"工具链已经能打一套了"。

今天的信号明确：人才流向（Jumper→Anthropic、Shazeer→OpenAI）、AI 安全工具链完善（OpenAnt + SkillSpector）、Agent 基础设施（Cloudflare）、AI 数学突破（陶哲轩预言兑现）、机器人智能化（NVIDIA）。AI 的竞争已经从"谁的模型更强"进入了"谁的人更好、谁的工具更顺手、谁能把 AI 用到实处"的综合战争。