基于 硅谷101 播客 E256 期（主持人泓君对话华盛顿大学计算机学院助理教授兼 Apodex 首席科学家 王晟、清华大学交叉信息研究院助理教授兼破壳机器人创始人 许华哲、Pokee.ai 创始人兼 CEO 朱哲清）。本看板对王晟教授在生物医学与 AI for Science 领域的全部核心发言进行零遗漏深耕拆解，并穿透个人 Agent 身份验证困局与具身机器人泛化边界。
王晟指出，未来的 AI for Science 提示词不再是空泛的“帮我设计一款治癌药”，而是赋予 AI 明确的现实预算与实验单价约束：“给你 10 万美元，做一次小鼠实验 2,000 美元，你来规划怎么把问题验证清楚。” 拖动下方滑块，模拟不同经费规模、干湿实验协同度与灵长类验证轮数下的真实研发周期与预算分配：
| 评估维度 | 朱哲清 (Pokee.ai CEO · Agent / 端侧30B模型) | 许华哲 (清华 IIIS 助理教授 · 破壳机器人创始人) | 王晟 (华盛顿大学助理教授 · Apodex 首席科学家) |
|---|---|---|---|
| Astra 是否构成行业大节点？ | 否 · 稳定增量 逊色于 Claude Opus 4.5 ➔ 4.6 的范式跃迁（当时工具调用几乎不再出错）；Astra 只是“做得更长、幻觉更少、前端审美更好”，未解决此前完全无解的问题。 | 是 · 首个定性飞跃 过去所有模型升级在机器人测试上都是“原来不能做，现在仍不能做”；Astra 首次横扫 RoboDojo 等多个机器人仿真榜首，使旧基准直接失效。 | 是 · 团队已全面切换 科研团队已从 Claude 系列整体迁移至 Astra，白天用快模型交互，夜间用 Astra 跑 8–24 小时生物信息分析流水线。 |
| 最惊艳的杀手级能力 | 长程任务上下文认知更稳定、迭代幻觉率下降、前端与 UI 设计的审美判断力明显提升。 | 1) 跨本体快速适应（撞桌子后自省抬高机械臂）；2) 自我反思迭代（多轮改进画金门大桥、捏窄劈叉花茎插花）；3) Real-to-Sim 几张图快速生成 3D 仿真环境。 | Computer Use 操控祖传生信软件（如 MultiQC 网页工具），不仅能自动跑完几十步 GUI 操作，还能让跨学科研究者“看着 AI 操作反向学会用软件”。 |
| 最致命的能力短板 | 推理速度偏慢；在连续 24 小时长跑任务中仍会出现幻觉；Token 定价极贵（$10/$50 每百万 Token）。 | 1) “内耗型人格”（简单与复杂任务思考时间一样长，第3次起卡在45分钟不再变快）；2) 叠衣服完全不行、双臂协同极差、旋转操作弱；3) 缺乏直觉物理（不知水杯碰倒会洒）。 | 1) 生物医学垂直知识本身无提升；2) 安全拒答（Safety Alignment）越来越严苛；3) 湿实验方案设计完成度仅 30%（不懂实验员隐性工艺与实验室现有设备）。 |
| 本赛道真正的落地死结 | 用户身份验证（KYA）与成本：云端虚拟机无法证明“Agent 代表用户本人”，遭 Amazon 等大厂屏蔽；云端 CPU 沙箱与 Token 烧钱不可持续。 | 物理部署摩擦与因果数据缺失：进工厂仍需 5 个博士睡 3 个月调夹爪与稳定性；历史标注只标“做了什么”的正向结果，缺乏失败原因与直觉物理标注。 | 活体湿实验自然代谢周期：细胞小鼠需数周，猴子实验单轮 4 个月、两轮 8 个月；前端分子设计压缩到几天，后端仍被动物与临床试验卡死。 |
| 未来 18–24 个月破局方向 | 软硬结合 + 端云混合路由：Browser Sandbox 跑在用户本地设备（AIPC/AI Box）借自有 IP 破除封锁；60%–70% Token 本地生成（30B模型），仅难题路由给云端大模型。 | 专用小脑模型 + 因果熟数据：训练远小于 Astra 但能力相近的机器人专用模型（本地 <10B 处理高动态任务）；预计 2028 年初（18个月后）家庭机器人可凭语言完成 90% 家务。 | 干湿实验协同改造 + AI Prompt 真实世界：自建或通过 MCP 接入自动化湿实验室（卖高价值验证数据）；从 Instruction Following 转向 Instruction Generation，改造仪器直接输出底层波形给 AI。 |
| 章节时间 | 章节主题 | 主讲嘉宾 | 核心论点、案例与关键数据精要 |
|---|---|---|---|
| 00:00:01 | 开场盘点：Astra 发布满月的行业巨震 | 泓君 | 梳理 2026 年 9–10 月三大赛道热点：① Agent 端：Meta Muse 给每人配云端电脑两周登顶美区 App Store，Instinct 估值一月内从 25 亿飙升至 100 亿美元，xAI Grokbot 开放企业部署，TypeSafe Jev（只给选项打概率的“系统1”模型）发布 24 天融资 8.7 亿美元（估值 75 亿）；② 制药端：Claude 仅用 21 小时自主发现类 CRISPR 新型基因编辑酶系统 (ART) 引发基因编辑股震荡，扎克伯格夫妇 Biohub 联合 DeepMind、Isomorphic Labs、Meta、DOE、NIH 将“虚拟细胞计划”扩至 18 亿美元。 |
| 00:04:21 | Astra 在机器人任务上的惊人适应力 | 许华哲、朱哲清 | 许华哲详解三大惊喜：① 跨本体自适应与反思动作化（撞到高桌子后把 CoT 反思转化为“手抬高一点”的实际动作）；② 多轮自我升级（机械臂画金门大桥多轮迭代逼真，复现插花 Demo 时主动捏窄劈叉花茎塞入花瓶，证明深层理解 3D 尺寸）；③ Real-to-Sim 几张照片快速生成实验室 3D 仿真环境。朱哲清补充：Astra 在长程任务与前端审美上有稳定提升，但 24 小时运行仍有幻觉。 |
| 00:09:03 | Computer Use 意外成为 AI for Science 利器 | 王晟 | 【王晟核心段】 团队已全面从 Claude 切换至 Astra，采用“白天快模型、夜间 Astra 跑 8–24 小时 Pipeline”的切换模式。揭示 Computer Use 在生信领域的破圈价值：通过吸收网上教程与 User Log，Astra 能用简单 Prompt 操控几十年前编写、界面极差且无 API 的默认生信软件（如 OpenAI 演示的 MultiQC），跨领域学者甚至能反过来观察 AI 的鼠标轨迹学会使用软件。 |
| 00:13:03 | Browser Use 复兴与本地端算力的破局思路 | 朱哲清 | 为什么 Computer / Browser Use 重新大火？因为此前行业幻想的“所有 App 开放 API（Agent-Native）”落空，Amazon、Expedia 等购物与差旅巨头拒绝开放接口。但远程云端 Browser Use 使用商用机房 IP（哪怕挂 Bright Data 等代理）极易被风控识别。朱哲清提出以 30B 级模型跑在本地 AIPC / AI Box 上，利用家庭真实 IP 破局。 |
| 00:15:53 | Meta Muse 云端虚拟机的商业模式隐忧 | 朱哲清 | Meta Muse 本质上复刻了早期 Manus 的“云端独立虚拟机 + Browser Use”架构，但刚上线即被亚马逊屏蔽。算力账本更为惊人：Meta 每周赠送每人 1 亿 Token（按输入成本折算约 $100/人/周）；而 Astra 定价达输入 $10/百万、输出 $50/百万（GPT-6 Sol 的 4–5 倍）。此外云端沙箱的 CPU 与内存开销极高，Pokee 团队实测大并发 Rollout 时“租用沙箱的 CPU 价格甚至追平 GPU 价格”，被迫自租大型 CPU 服务器自建沙箱。 |
| 00:19:14 | 软硬件结合与用户身份验证才是 toC 关键 | 朱哲清 | 点破 ToC Agent 的核心死结：“云端虚拟机不能代表这个用户本身。” 商家害怕流量入口被剥夺或遭到爬虫攻击；只有当 Agent 具备可验证的用户身份（Identity），或者与 Meta 硬件（如智能眼镜/穿戴设备/本地终端）深度绑定，证明是 1:1 代表真实个人操作时，商家才会放行。未来 60%–70% 日常 Token 将在本地或私有算力生成。 |
| 00:26:05 | AI for Science 才是真正烧 Token 的战场 | 王晟、朱哲清 | 对比 ToC 日常任务，科学发现与数学攻关才是真正的算力吞噬兽（例如 OpenAI 求解高难数学与科学问题单次消耗高达 2,200 万美元级别算力）。王晟指出科研领域的长程推理动辄持续一整晚，Token 消耗量比普通消费者高出数个数量级。 |
| 00:30:15 | Astra 是机器人领域的飞跃式节点與架构下压 | 许华哲 | Astra 将具身智能分层架构的边界往下压了一格：不仅能做高层规划，还能直接下达“手往右伸 2 厘米、没抓住再往前靠”的低层动作控制，使底层小模型退化为反射式的“提线木偶”。但它存在明显的“内耗型人格”（简单任务与复杂任务思考时间一样长，重复做同一任务第1次1小时、第2次45分钟、第3次起永远卡在45分钟），網上演示视频均经过 16倍或24倍加速，且用筷子夹小球一旦逻辑分析出错就会卡死。 |
| 00:37:25 | Astra 对机器人各流派的冲击分析 | 许华哲 | 硬件本体公司直接受益（斯坦福团队 2–3 周内即将 Astra 接入宇树机器人完成家务并写出论文）；远弱于 Astra 的纯大脑模型公司遭受降维打击。直接戳破“Astra 复活 Sim-to-Real 仿真路线”的炒作：“Astra 只让 3D 渲染外观变好看，物理引擎并没有因此变得更准确。” 同时實測网红快模型 Jev 在叠方块任务上频频失败倒塌，因缺乏原生图像输入，必须靠视觉模型转文字，丢失关键空间状态。 |
| 00:40:36 | 机器人数据标注的因果物理与“生肉/熟肉”分化 | 许华哲 | 过去机器人数据只标一句“你做了什么”的正向结果，完全没标因果与直觉物理（“没抓住是因为位置偏上，还是物体沾水太滑”）。数据公司正剧烈分化为两类：“卖生肉”（靠管一万人铺量采原始数据，利润微薄）与“卖熟肉”（深谙 OpenAI 或 Physical Intelligence $\pi$ 的训练口味与标注范式，单价翻 10 倍以上）。传闻 OpenAI 仅采购未标注生数据并在内部重标。 |
| 00:47:37 | AI 设计生物实验的能力仅完成三成 | 王晟 | 【王晟核心段】 犀利指出当前大模型在设计生物湿实验方案上的完成度仅有 30%。两大断层：① 领域隐性经验太深（连大学教授都未必懂具体实验细节，必须靠专门做过该方向的一线 Technician 才能设计出高成功率方案）；② 对实验室设备一无所知（“就像让你用番茄、鸡蛋、土豆做菜，它却给你设计了一道海鲜大餐”）。提出从 Computer Use 迈向 “Human Use（AI 如何指挥真实实验员）”。 |
| 00:51:59 | 湿实验周期远慢于模型迭代的残酷现实 | 王晟 | 【王晟核心段】 算清 AI 制药的时间硬账：细胞与小鼠实验需数周，灵长类（猴子）实验单次需约 4 个月，做两轮就是 8 个月；AI 制药公司通常必须走到猴子实验结束，才能以 1,000 万美元以上（$10M+） 授权给大药厂，整体周期 6–12 个月，而期间 AI 模型已迭代了两代！复盘上一波 AlphaFold 时代 AI 制药公司批量倒闭的原因：只把分子设计从半年压到几天，却被后端动物与人体实验拖死。提出必须改造实验室，实现干湿实验同步协同设计。 |
| 00:57:12 | 高价值湿实验数据与 MCP 接口的新商业模式 | 王晟 | 【王晟核心段】 揭示真实生物数据的极高壁垒：一条“某分子在小鼠身上能否杀灭癌细胞”的湿实验数据成本高达数万至数十万美元，且完全不在预训练语料中。指出前沿 AI 实验室正纷纷自建或绑定湿实验能力：诺奖得主 John Jumper 加盟 Anthropic，Anthropic 与刚融资 4,000 万美元的 Adaptyv Bio 合作（通过 MCP 协议直接接单做湿实验验证）。预言“专门成立实验室替大模型做验证”是堪比甚至超越 Terminal-Bench（单题数千美元）的绝佳商业模式。 |
| 01:02:38 | 人类科学家的未来角色是定义问题与设计无限基准 | 王晟 | 【王晟核心段】 坦言在具体科学问题的求解上，AI 已超越许多顶尖人类科学家；未来人类科学家的核心价值将转向“定义真正关键的科学问题”与“设计无限演进的真实世界 Benchmark”（如其领衔的 Apodex Discovery / TRACES）。 |
| 01:07:45 | 互相蒸馏：普通人与 AI 的双向学习及从零迭代 | 许华哲、王晟、朱哲清 | 反驳“普通人已无被蒸馏价值论”：许华哲指出具身领域人人都是生活专家（家常菜、叠衣服水平目前完全值得被蒸馏，一两年后才需米其林大厨水平）；王晟提出“反向蒸馏 / 互相蒸馏”——跨学科研究者正通过 AI 快速学习陌生领域知识；朱哲清指出当前模型本质是在海量场景上 Overfit（过拟合），离真正模拟人类“从零开始交互一个月成为基础医生、三个月成为教授”的自迭代通用智能仍很遥远。 |
| 01:14:12 | 2028 通用机器人预测与“AI Prompt 真实世界” | 朱哲清、许华哲、王晟 | 三位嘉宾给出各自最关心的终极命题：① 朱哲清：将算力从数据中心铺向个人与企业，分清 AI4S 的“高度”与日常应用的“广度”；② 许华哲：告别“5个博士进厂睡3个月”的旧部署路线，押注零样本泛化，预测 2028 年初（18个月后）通用机器人可在家庭中用语言指令完成 90% 日常家务；③ 王晟（全场点睛之笔）：未来是 Instruction Generation（AI 生成指令去 Prompt 真实世界）——给 AI 10 万美元预算和每次 2,000 美元的小鼠实验单价让它自主调度现实资源，并改造 CT/X光等实验仪器跳过“为人类合成图片”步骤，直接将底层波形信号喂给 AI。 |
| 01:18:07 | 尾声复盘：能力曲线 vs 落地周期 | 泓君、王晟 | 泓君回顾在硅谷 101 Alignment 2026 大会上向王晟提问“Claude 发现类 CRISPR 新酶后 AI 圈与生物圈为何反应迥异”，提炼出全集最核心的洞见：“AI 圈子看到的是能力曲线，而行业里的人看到的是落地周期——中间隔着的不仅仅只是智能，还有验证。” |
揭示王晟与许华哲指出的核心错配：前端计算设计仅需数天，后端动物代谢与工厂驻厂调试却锁死在数月量级
对比 Astra 在 Coding/Agent（朱哲清）、具身机器人（许华哲）与生物医学 AI4S（王晟）中的真实表现边界
为什么王晟认为“替大模型做湿实验验证的实验室”是比软件 Benchmark 更具壁垒的黄金商业模式？
王晟“30% 实验设计完成度”三层结构拆解 vs 许华哲“生肉/熟肉数据 10 倍单价差”
在软件编程或数学推理中，验证一个答案往往只需要在编译器或形式化验证器里运行几秒钟；但在生物医药领域，王晟一针见血地指出：人类真正关心的疾病与靶点问题，在现有自然语言语料库里根本没有答案。
整场播客最具前瞻性的思想火花，来自王晟在尾声阶段提出的“指令生成（Instruction Generation）”与“实验设备去人类化改造”两大论断：
为什么 GPT-6 Astra 被称为“机器人领域的第一个定性飞跃”，却依然连一件衣服都叠不好？许华哲从三维空间认知与控制频率给出了严密拆解：
当 Meta Muse 与 Instinct 掀起个人 Agent 狂潮时，前 Meta 应用强化学习负责人朱哲清从底层基础设施角度泼下了极具洞察力的冷水：
| 专业术语 / 概念 | 所属领域 | 通俗定义与知性类比（面向非垂直领域读者） |
|---|---|---|
| 干实验 (Dry-lab) vs 湿实验 (Wet-lab) | 生物医药 / AI4S | 干实验指在计算机上通过算法、数学建模与生物信息学模拟进行的实验（不碰真实液体与生物样本）；湿实验指在物理实验室里穿白大褂、拿移液枪，在培养皿细胞、小鼠或猴子身上进行的真实生化实验。AI 能让干实验提速百倍，但药物获批最终必须靠湿实验一票否决。 |
| Computer Use vs Human Use | Agent / 王晟提出 | Computer Use 指 AI 无需调用软件后台 API，直接像人类一样“看屏幕像素、移动鼠标、敲击键盘”操作图形界面软件；Human Use 是王晟教授提出的对应概念——由于 AI 没有实体双手且不了解实验室细节，由 AI 生成精确无歧义的实验指令与预算方案，去指挥真实世界里的实验员完成物理验证。 |
| MultiQC | 生物信息学 | 基因测序领域极常用的开源质量控制汇总工具（Ewels et al., 2016），可将数十个不同生信分析软件的杂乱日志合成为一份交互式网页报告。OpenAI 在发布 Astra 时演示了用 Computer Use 自动操作 MultiQC，在生物科研圈引发轰动。 |
| CRISPR 与 ART 新酶系统 | 基因编辑 | CRISPR 是细菌用来抵御病毒的“基因剪刀”，改写了现代基因治疗；2026 年 9 月底，Anthropic 宣布约 950 个 Claude Agent 耗时 21 小时在噬菌体数据库中自主发现了一种结构类似 CRISPR 的全新转座酶/核酸酶系统（ART 系统），成为 AI 自主科学发现的标志性事件，但仍待深入湿实验验证。 |
| 虚拟细胞 (Virtual Cell) | 计算生物学 | 旨在利用多模态大模型构建活体细胞的“数字孪生体”。扎克伯格夫妇的 Biohub 联合 DeepMind、Isomorphic Labs、Meta、NIH 等投入 18 亿美元推进该计划，目标是让候选药物在进入动物实验前，先在电脑里精准模拟细胞受药物刺激后的基因表达与代谢反应，补齐 AI 制药最稀缺的中间态数据。 |
| MCP (Model Context Protocol) 湿实验外包 | AI 基础设施 / 生物科技 | MCP 是让大模型安全连接外部数据源与工具的开放标准协议。以瑞士初创公司 Adaptyv Bio 为代表的新兴自动化实验室，将蛋白质合成与亲和力湿实验封装为 MCP 接口——AI 模型在云端设计完蛋白质序列后，直接一行指令下单，真实实验室里的自动化设备即启动合成测试并回传真实生物数据。 |
| 系统1模型 (System 1 / Jev) vs 系统2 (System 2) | 大模型架构 | 借用诺奖得主卡尼曼《思考，快与慢》的概念：以 Astra、o1 为代表的推理模型属于“系统2（慢思考）”，一步步写思维链但耗时长、成本高；而 TypeSafe 推出的 Jev 模型属于“系统1（快直觉）”——它不逐字生成文本、不写推理过程，只针对给定的结构化选项瞬间输出概率分布与决策评分。 |
| Real-to-Sim vs Sim-to-Real | 具身智能 / 机器人 | Real-to-Sim（真实到仿真）指拍几张真实房间照片，用 AI 快速在电脑里重建出 3D 虚拟训练场；Sim-to-Real（仿真到真实）指在虚拟仿真器里把机器人策略训练好，再迁移到真实物理机器人身上。许华哲指出 Astra 虽大幅降低了 Real-to-Sim 的 3D 建模门槛，但虚拟物理引擎的摩擦与力学失真并未解决，因此不能盲目迷信纯仿真训练。 |
| 正向结果标注 vs 因果直觉物理标注 | 机器人数据工程 | 传统机器人数据标注只记录“正向结果”（如“机械臂抓起了杯子”）；而许华哲强调未来必须标注“失败因果与直觉物理”（如“没抓住杯子，是因为抓取位置偏高导致重心失衡，还是杯壁有水太滑”），这也是区分低毛利“生数据”与高溢价“熟数据”的分水岭。 |
| 指令遵循 (Instruction Following) vs 指令生成 (Instruction Generation) | AI 范式演进 | 指令遵循是人当指挥官、AI 当执行者（评估 AI 听不听话）；指令生成是王晟提出的下一代范式——面对未知的复杂科学难题，由 AI 当总规划师，结合现实预算与设备条件，向人类实验员或机器人生成最清晰、可执行、高效率的操作指令（即“AI Prompt 真实世界”）。 |
| 专题分类 | 文献 / 项目 / 机构名称（点击直接访问） | 核心内容与延伸学习价值（与本期播客对应关系） |
|---|---|---|
| 王晟教授与科学发现评测 | 王晟教授（Sheng Wang）华盛顿大学学术主页 ↗ UW Allen School 官方档案 ↗ |
华盛顿大学保罗·艾伦计算机科学与工程学院助理教授，研究方向涵盖计算生物学、生成式生物 AI、单细胞组学与病理大模型（如 HiCFoundation、全切片病理基础模型等）。 |
| 王晟教授与科学发现评测 | Apodex Discovery: Reality Benchmarks and Environments for Discoverative AI (arXiv:2608.11341) ↗ | 王晟作为 Apodex 首席科学家领衔发表的核心技术论文（2026年8月），直接对应其在播客 01:02:38 提出的“为科学发现设计基于真实可执行环境的无限 Benchmark”理念，详情亦可参阅 Apodex 1.0 官方技术报告 PDF。 |
| 王晟教授与科学发现评测 | Apodex TRACES 科学发现六维评测基准发布报告 ↗ | 从工具调用（Tools）、纠错修复（Repair）、备选方案（Alternatives）、逻辑自洽（Coherence）、证据锚定（Evidence）与综合推演（Synthesis）六个维度系统评估 AI 在真实科学探索中的表现。 |
| 王晟教授与科学发现评测 | MultiQC: Summarize Analysis Results for Multiple Tools and Samples (Bioinformatics) ↗ | 对应播客 00:11:54 王晟重点提及的“出圈”案例：了解为什么这款汇总 20+ 种生信工具日志的经典软件会成为检验 GPT-6 Astra Computer Use 能力的试金石。 |
| AI 制药、湿实验与虚拟细胞 | Anthropic 官方公告：Claude 耗时 21 小时自主发现类 CRISPR 新酶系统 (ART) ↗ | 对应播客开场与尾声核心案例：复盘 ~950 个 Claude Agent 如何在 21 小时内检索 2.1 亿 Token 噬菌体序列并锁定新型酶系统，理解 AI 圈与生物圈对该事件产生“两界温差”的原始出处。 |
| AI 制药、湿实验与虚拟细胞 | Anthropic × Adaptyv Bio 5,000+ AI 蛋白质设计大赛与湿实验验证平台 ↗ Proteinbase 湿实验评测库 ↗ · EGFR 竞赛 bioRxiv 论文 ↗ |
对应播客 00:57:12 王晟盛赞的“通过 MCP 接口替大模型做湿实验验证”的标杆案例：了解 Adaptyv Bio 如何将云端蛋白质设计与自动化微流控/生物合成实验室打通。 |
| AI 制药、湿实验与虚拟细胞 | Chan Zuckerberg Biohub 18 亿美元“虚拟细胞计划 (Virtual Biology Initiative)”官方白皮书 ↗ Contrary Research：通用虚拟细胞深度研报 ↗ |
对应播客 00:02:41 提及的硅谷刷屏事件：拆解 Biohub、Google DeepMind、Isomorphic Labs、Meta、美国能源部（DOE）与 NIH 如何联手生成海量标准化生物数据，攻克 AI 制药的数据荒。 |
| 具身智能与 GPT-6 Astra | 许华哲教授（Huazhe Xu）清华交叉信息研究院主页 ↗ 清华大学具身智能实验室 ↗ |
本期嘉宾许华哲教授的学术与具身操作、触觉感知、视觉-语言-动作（VLA）模型代表作合集。 |
| 具身智能与 GPT-6 Astra | An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond (arXiv:2609.24170) ↗ RoboDojo 官方评测榜单 ↗ |
对应许华哲在播客 00:30:15 论述的“Astra 首次横扫机器人 Benchmark 第一名、证明通用基础模型可直接输出末端位姿”的权威实测论文与对比数据。 |
| 具身智能与 GPT-6 Astra | OpenAI GPT-6 Astra 官方技术博客 ↗ · Astra System Card 安全卡 ↗ · GPT-6 Sol & Luna ↗ | OpenAI 官方关于 GPT-6 Astra 在长程推理、Computer Use、3D 空间理解及 Critical 级生物安全拒答机制（解释王晟提到的拒答变严原因）的一手文档。 |
| 个人 Agent 与 System 1 模型 | 朱哲清（Zheqing Bill Zhu，Pokee.ai CEO）主页 ↗ · Google Scholar 档案 ↗ | 本期嘉宾朱哲清在强化学习、30B 级高效 Agent 模型与生产级推理编排方向的研究成果。 |
| 个人 Agent 与 System 1 模型 | TypeSafe AI 官方文档：System One 决策模型 Jev 架构原理 ↗ Jev 24天融资 8.7 亿美元（估值 75 亿）解析 ↗ |
对应播客 00:01:55 与 01:15:30 讨论的网红“系统1”模型：深入理解非自回归概率决策模型为何在软件路由中极快，但在具身叠方块任务中因缺乏原生视觉输入而受挫。 |
| 个人 Agent 与 System 1 模型 | TIME 深度调查：Meta Muse 云端虚拟机个人 Agent 的运行机制与边界 ↗ Instinct 100 亿美元估值报道 ↗ · Cursor / xAI Grokbot 文档 ↗ |
对应朱哲清对 ToC 云端 Agent 商业模式、Token 补贴消耗与电商平台反爬封锁博弈的完整背景材料。 |
| 追踪维度 | 核心观察信号 / 关键时间节点 | 正面突破标志 (Bull Case) | 证伪或延宕风险 (Bear Case) |
|---|---|---|---|
| 1. 湿实验 MCP 平台与数据定价权 | 追踪 Adaptyv Bio 等自动化云实验室的订单吞吐量，以及头部 AI Lab 自建湿实验室的规模（2026Q4–2027Q4）。 | 形成标准化的“AI 预测 ➔ MCP 自动下单 ➔ 湿实验高通量反馈”数据飞轮，湿实验设计完成度从 30% 提升至 70% 以上。 | 复杂活体实验（如小鼠肿瘤模型）难以标准化封装，干湿实验交接仍需大量人工二次返工。 |
| 2. 2028 年初通用家庭机器人承诺 | 检验许华哲预测的 18 个月节点（2028 年初）：家庭机器人能否凭自然语言指令完成 90% 家务。 | 百亿参数级（10B–30B）具身专用模型攻克双臂协同与柔性物体（叠衣服）直觉物理，推理速度降至实时（1x）。 | 长尾物理交互与柔性操作持续卡壳，仍停留在准静态桌面演示或需多名博士驻场调试。 |
| 3. 个人 Agent 的端侧迁移与 KYA 协议 | 追踪 Meta Muse、Instinct 与 Amazon、Expedia 等商家的封禁拉锯战，以及端侧 30B 模型在 AIPC/智能硬件上的渗透率。 | 行业跑通本地端侧 Browser Sandbox + 硬件级可验证身份（KYA），商家放行个人 Agent 交易闭环，云端成本下降 60%+。 | 巨头持续封杀一切自动化浏览器访问，同时云端每周上百美元的 Token 与虚拟机补贴耗尽导致用户流失。 |
| 4. 多模态快系统 (System 1 + Vision) | 追踪 OpenAI 即将发布的带原生图像多模态输入的快速系统能否补齐 Jev 模型 在物理空间状态感知上的短板。 | 快系统直接接收视觉/传感器流并输出高频动作概率，解决 Astra 思考过慢（16x倍速）与 Jev 盲人摸象的难题。 | 快系统在复杂三维空间中仍缺乏因果纠错能力，高低层模型协同延迟无法兼顾。 |
| 5. AI 原生科学仪器（跳过视觉合成层） | 追踪医学影像（CT/MRI）、冷冻电镜、质谱仪厂商是否推出面向大模型的“原始波形/底层张量直出接口”。 | 王晟预言成真：新一代科研设备不再优先合成供人类肉眼观看的图像，底层信号直连大模型实现更高精度的病理与分子表征。 | 医疗器械监管审批（FDA）与医院既有 PACS 系统惯性阻碍底层信号接口开放。 |