--- author: 硅谷101播客 date: '2026-10-20' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=lsANSvYQks0 speaker: 硅谷101播客 tags: - embodied-ai - ai-for-science - computer-use - agent-architecture - wet-lab title: OpenAI Astra发布对机器人、AI制药及Agent行业的深度影响分析 summary: 本文探讨OpenAI Astra在机器人控制、AI制药及Agent领域的突破。分析其思维链与3D理解能力对具身智能的冲击，指出AI制药需结合湿实验验证，并讨论个人Agent在成本与隐私方面的挑战，强调人机协作的新范式。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: - 许华哲 - 朱哲清 - 王晟 - Demis Hassabis - John Jumper - David Baker companies_orgs: - OpenAI - Meta - Anthropic - DeepMind - Isomorphic Labs - Adaptyv Bio - Xaira - Pokee.ai - 破壳机器人 - Apodex - TypeSafe - Genspark products_models: - Astra - Meta Muse - Instinct - Grok Bot - Jev - Claude - AlphaFold - OpenFold - Manus - Claude Code - ChatGPT Work - Terminal-Bench - Terminal-Bench Science - MCP media_books: - 硅谷101 - 消费101 status: evergreen --- ### 《消费101》新节目上线与Astra发布背景 嗨，大家好，欢迎收听《硅谷101》，我是泓君。在我们节目正式开始之前，告诉大家一个好消息。过去大家在《硅谷101》节目中听到了很多跟消费相关的选题，比如像跑鞋战争、消失的爱马仕股份去哪了，还有最近我们对超级厄尔尼诺现象的解读。未来，我们会把所有这些跟消费相关的商业现象，单独推出一档新的播客，叫做《消费101》，一周一更，由《硅谷101》很受大家欢迎的消费方向的主持人麻花来主持。我们会一起跟大家分享消费商业里的十万个为什么，欢迎对生活方式还有消费感兴趣的朋友来关注我们的新节目。 好，说回我们今天的节目，我们来聊一聊OpenAI Astra发布对行业的影响。这集我们是选了Agent（智能体）、机器人，还有制药三个方向去聊。对机器人还有AI for Science来说，它可能是历次模型更新里冲击最大的一次，所以不少人把它叫做机器人领域的GPT时刻。 从Astra发布到今天我们听到这期节目，虽然只过去了一个多月，但是行业的进展实在是太快了，有很多的热门产品我们都在这集节目里面会提到，所以我先来讲一讲这个月几个关键的进展还有背景。 我们先说agent这边。在Astra发布5天以后，Meta上线了个人的agent Meta Muse，给每个用户一台云端电脑，它两周就冲到了美国App Store的榜首。那它的对手Instinct，一个月内的估值就从25亿美元涨到了100亿美元，这是在C端。那在B端，xAI它的Grok Bot也开放了企业部署。 还有在模型层，一个叫做Jev的模型它突然就火了。它是怎么回事呢？它不写字、不推理，只给选项去打概率。它的母公司TypeSafe叫它是一个“系统1”的模型，是借助了《思考，快与慢》里面的快思考“系统1”。它发布24天就融了8.7亿美元，估值75亿美元。那这几个是在agent这边。 我们再来看一看AI制药，也有两件大事。一个是9月底，Claude仅仅只用了21个小时，自己就找到了一个叫做ART的新酶系统，它的结构非常像CRISPR，所以它被怀疑是一种新的基因编辑机制，导致很多基因编辑公司的股价应声下跌。10月初在旧金山的Tech Week，我的朋友圈是被扎克伯格夫妇的Biohub刷屏了。他们打算把虚拟细胞计划扩大到18亿美元，谷歌的DeepMind、Meta、Isomorphic Labs，还有美国能源部、NIH一起出钱出数据，目标就是让药还没有进实验室，就能在电脑里看细胞它是怎么反应的，可以说他们是在解决AI制药的数据问题。 刚刚我们提到的这里面的很多产品，我们可能会在这期节目里面聊到。我们这期节目最后讲到AI制药的部分也会非常精彩。所以这期我们会聊一聊个人agent商业化卡在哪、机器人怎么被像Astra这样的底层模型冲击的，还有AI制药真正的瓶颈是什么。虽然离模型的更新时间有一段距离，但在这么多热点之后，我再听到这期节目里面聊到的行业的底层逻辑，反而是最接近本质和最不容易过时的那一部分。 下面就请收听我们今天的节目。今天跟我在一起的嘉宾是破壳机器人的创始人、清华交叉信息研究院助理教授许华哲老师。华哲你好。 许华哲：哈喽泓君你好，大家好。 泓君：还有一位是我们的老朋友，Pokee.ai的创始人兼CEO朱哲清，Bill朱。哈喽Bill。 朱哲清：泓君你好，大家好。 泓君：还有一位是华盛顿大学计算机学院助理教授、Apodex的Lead scientist（首席科学家）王晟。哈喽王教授您好。 王晟：泓君好，大家好，非常高兴今天能参加这个活动。 ### Astra在机器人操作与仿真任务上的表现 泓君：Astra发布已经三周了，你们有没有使用过这个产品？或者说我们来看网上的demo，大家觉得最让你惊艳的一个demo跟你的使用方式是什么？华哲。 许华哲：因为我是做机器人的，所以我们肯定还是测了很多Astra在做机器人任务上面的一些能力。我们看到的第一个点就是，它的适应能力非常强。比如说我给它机器人的某一个本体，让它去做相应的事情，它很快会发现这个机器人的运动速度比较快，或者这个机器人的运动空间是怎样的。比如它撞到桌子了，它会说：“这个桌子还蛮高的，我是不是应该把手抬得更高一点？”这个地方其实是把CoT（思维链）、把这种反思过程的能力，变成它实际动作的一个能力。这是过去的很多机器人的模型不具备的，大模型也是不具备的。 在Astra上面看到的另一个点，就是它自我更新、自我升级的这样一个能力。因为有这样的反思，所以它可以一次一次做同样的事情，每一次做得更好。这个其实在网上大家也看到了，有人拿Astra去操作一个机器人机械臂去画金门大桥。它第一次画得还是比较差的，但是画完了以后，它会再想怎么样能画得更好。经过几轮的迭代，它就可以画得非常逼真。所以我们也看到了Astra在泛化的这件事情上面，有一个非常好的能力。 泓君：你们后来有复现过这个画画的demo吗？ 许华哲：画画的这个demo我们没有试过，但我们其实试了非常多其他的任务。比如说我们曾经做过一个插花任务，就是把一朵花插到花瓶里，这也是比较经典的一个机器人任务。但是我们给它加了一些额外难度，就是那朵花下边的茎已经被劈开两半了，所以它会有点分叉。在分叉的时候你就不好往花瓶里塞。这个时候它会知道，因为茎分叉了，所以我要捏住这个分叉，把它捏窄一点再往里塞。这样的能力其实还是比较惊艳的。 它其实已经理解了一些物理世界，包括操作的规范。我觉得本质上还是理解3D，因为这件事情它还是从三维尺寸层面就可以做出一些理解。但是确实，这样的理解已经能够帮助到非常多非动态的物理世界操作任务了。 泓君：我看网上还有一些很有意思的demo，他们在用Astra做生成3D的视频，非常快，渲染也很好。 许华哲：对，这个是另一个它在机器人上面很令人震惊的能力。就是给它几张图片，它可以很快把这个仿真生成出来。学术圈可能把它叫做Real-to-Sim，从真实到仿真的一个迁移。这件事情过去是需要拍大量的视频和照片，并且需要很多人的手工标定与修改。但现在的话，你基本上给Astra这样的一个指令，它可能在很快的时间内，就把整个实验室或者办公室的环境给你复现出来了。你拿着这样的仿真去训你的机器人，也会在仿真上面带来提升。 ### 模型迭代中的长程任务、幻觉与Coding能力对比 泓君：那Bill呢？ 朱哲清：我们其实因为是做模型公司的，Astra在发布的时候，其实有非常强调他们在后训练（Post training）、模型开发等等上面的一些迭代能力。其实试下来以后，并没有觉得那么惊艳。但是它确实在长程任务上面和迭代上面，比之前的几版模型有一个比较稳定的提升。它相对来说比原来的模型，能够对上下文以及之前完成的任务有更稳定的认知，不会出现太多的幻觉情况，所以从我们目前的体验来说还是比较好的。 但可能有几个问题。一个是它的速度相对来说会慢一些，这也有可能跟现在用量很高有关系。同时，在更加长程的任务中，比如说让它跑一个晚上、跑24小时的这种情况下，幻觉的情况还是会发生，并没有从根本上解决。但从总体上来说，还是提升了不少。 我自己的朋友同时也测了一些别的前端以及设计上面的一些任务。从前端的审美跟认知上面，我觉得还是有比较大的提升的，这个可能跟在训练的时候针对设计和审美方向有特殊训练有关系。 泓君：Bill，这轮Astra的发布，你觉得从模型对行业的影响来看，它跟当年Opus 4.6、4.7的发布，跟Coding（编程）能力的进化来比，它是一个大的节点吗？ 朱哲清：单纯从Coding来说，可能没有那么大的一个节点。4.5到4.6当时我们的体感是一个几乎范式式的转变。原来只能依赖它做短程Coding，改动几个file，做一些简单的小项目；到了4.6那一次模型以后，基本上你会感受到工具调用几乎不会出错了，它去做一些长程的Coding任务可以自主进行了。而现在只是说比原来相对比较长的任务之上，可以做到更长，幻觉可以降得更低，审美变得更好，但它没有做到说能够解决一个以前完全解决不了的问题。 ### Computer Use在生物医学领域的实际应用 泓君：王教授您认同吗？您觉得它在生物的长程任务、包括降低幻觉上，是一个大的节点，还是说它只是众多升级中的一个？ 王晟：我觉得是一个大的节点。其实我们没有说客观地拿一个Benchmark（基准测试）去比较，但是现实就是，我们现在都已经从之前的模型、Claude等系列模型，切换到GPT-6 Astra来做我们Biomedical内部的任务了。 我主要是做AI for Science，里面核心的就是AI for一些Biomedical的应用。我们用Astra有两个特别好用的地方，一个是Computer Use（计算机操作），还有一个是一些长程的任务。 Computer Use的话，我们会用Astra来操作一些生物医学里面很多年前大家发明的软件。那些软件其实是现在领域内默认都要使用的软件，但它们其实都非常难用。因为编写的时候是很多年之前，界面设计得不好，软件里面还有很多的专业术语，所以对一些跨领域的人来说使用成本非常高。但是Astra的Computer Use功能，可以直接根据一些简单的prompt（提示词）操作得比较好。还有个过程就是，我通过看Astra怎么做Computer Use、怎么进行鼠标键盘操作，我还可以反过来学习它怎么用这个软件，所以这个是在我们领域特别重要的。因为在生物医学领域，很多人对AI工具的接受度比较低。我想Astra有这个能力，可能是因为它不仅有Computer Use能力，还把这些软件对应的网上tutorial（教程）、别人之前用过的一些user log（用户日志）和反馈，全部都以文字的形式学进去了，所以它真的理解怎么用这些软件。 另一个就是长程的任务。我们生物医学的任务一般都会比较复杂，有时候会持续8小时到24小时，Astra会做得比较好。当然了，它还有个特点，比起其他的一些模型来说做得比较慢。但是做得慢有时候挺让我放心的，我觉得做得慢说明它可能会更深思熟虑一点，或者考虑得更深入一点。我们现在一般都是一种切换的形式：白天我会用一些其他模型，反馈比较快；到了晚上准备让模型跑一晚上的时候，我就用Astra来设计一个比较长程的pipeline（流程）或者prompt，让它来执行一整晚。这也是它在AI for Science领域比较值得信赖的一点。 泓君：我没有想到Computer Use的功能，居然在AI for Science领域能帮助到大家这么多。Astra在Computer Use的能力相比于之前，核心的提升是什么呢？ 王晟：这个其实我们没有做个人感知上的对比，但在公开的benchmark上它是有分数提升的，提升得也比较大。而且我觉得Astra在这次发布的时候做了两个生物医学的demo，其中一个就是Computer Use demo。这个demo在我们圈子内出圈了，大家发现原来可以直接用Astra来操作生物医学的tool。他当时操作的一个tool叫MultiQC，是一个挺常用的网页工具。这样让大家能够更好地开始使用这个功能，发现它其实比想象的要好用很多。其实Computer Use这个功能之前的模型也具备，只是大家没有开始真的思考怎么把它融入到我们科研中的一些pipeline里面。 ### Computer Use的技术本质与云端API的博弈 泓君：Bill，你可不可以一句话解释一下什么是Computer Use？ 朱哲清：Computer Use现在基本上是通过模型对于视觉的理解，来决定agent下一步要在屏幕上点击哪个部分，或者输入哪些文字，来完成一系列的任务。当它可以串联几十个动作的时候，就可以完成一个最终人类想要达到的目的。 泓君：它跟API（应用程序接口）的区别是，你不用给接口、不用给密码，它直接像人一样去操作跟使用电脑。 朱哲清：对，就是它看到的是人类看到的屏幕，看到人类看到的UI，看到人类看到的所有的视觉和可以交互的界面，通过人类可以使用的电脑输入输出设备来完成这些任务。 泓君：因为我觉得Computer Use之前好像也有，但是大家之前说我们去操作agent的方式一般就两种：要么去调用API接口，要么让agent操作一个浏览器，我理解后者其实就是Computer Use。这一次为什么Astra的发布又重新把Computer Use带火了？Bill你怎么看？ 朱哲清：我现在对于Computer Use这个方向，总体来说感觉它现在又比原来火了一波。之前大家是觉得所有工具都会开放API，所有工具都会有agent access（访问权限）接口，很多APP和系统都在做agent native（原生智能体）的set up。但是从最近一段时间来说，不管是Instinct还是Meta Muse，背后其实都接了browser（浏览器）。这里面有一个比较大的问题，就是有很多第三方的APP，比如Amazon或者一些shopping、travel的APP，他们其实是不愿意开放API的。 我觉得这又回到了当年Manus的情况。Manus最开始做了browser use（浏览器操作），后面很多别家也跟上；后来大家发现这个不是很efficient（高效），大家又都回到Coding和API调用；现在好像有些东西避不开，又回到了browser use。所以我觉得最后有可能还是一个mixture（混合）的状态。 我自己这边有一个比较有意思的看法。因为我们目前是focus on相对比较小的模型，比如说我们基本上现在release的model都是30B左右的模型。30B左右的模型是可以在端侧和私有compute（算力）上面去运行的，比如有一台小的AI box（AI主机），或者有一个AI PC（AI电脑），它就可以跑这个模型了。 未来如果browser use本身发生在你的本地机器上面，而不是发生在云端，这就会改变browser use本身可能会给你带来的bottleneck（瓶颈）。因为现在的远程browser use都是通过商用机器，最多找一个像Bright Data或者IP proxy（IP代理）去遮掩，告诉商家或者Amazon、Expedia说我可能是一个假装的consumer（消费者）用户，试图绕开IP check（IP校验）。这些网站一般如果检测到是商用IP就不会让你进去。 泓君：是因为他们开始屏蔽一些AI机器人，商家不希望它接入？ 朱哲清：对，其实你看奢侈品网站很早以前所有的都会屏蔽掉。但如果用的是你们家的网，就是你自己的IP，那就不会再被block了。所以这个有可能会是未来一个破局的趋势。这件事情有可能会force很多APP厂商去改变他们browser use的机制，也就是说，这个browser sandbox（浏览器沙箱）可能是在本地发生，而不是在云端发生。 ### C端个人Agent的成本黑洞与软硬件结合趋势 泓君：你这个观察非常有意思。你让我想起了最近非常火的一个toC消费级应用，就是Meta Muse。他们的定位是做个人的AI助手，又是面向消费者的，再加上今天agent使用能力的成熟，和Meta强大的用户基数以及广告投放，我很能理解他们为什么在这个时间点爆火。但他们还有一个非常特别的设计，就是他们相当于给每个人做了一台云端的虚拟机，你的数据是存在云端属于你的存储里的。根据你刚刚的理论，它其实还是商用的IP，未来商业化的话很有可能是会被商家卡住IP的。 朱哲清：Meta Muse这个东西从背后的虚拟机设置来说，其实跟当时的Manus是很像的，它也主打browser use。因为它的很多use case（使用场景）其实跟travel有关、跟shopping有关、跟一些客服有关。在这些use case之下，你是没有办法通过API调用来完成任务的，基本上最后都得靠browser。 当时Manus其实走了一模一样的路，一模一样被全部block掉了。所以Manus到后期，现在跟Genspark很像，都主打白领工作那一套。如果你去看Claude Code跟Claude Cowork、ChatGPT Work，最后都往白领工作效率这方面去偏移，核心原因就是因为很多东西一开始能做，但后面很快就被巨头们全部block掉了。比如亚马逊现在就把Meta Muse给屏蔽掉了。 泓君：如果有更多的网站加入屏蔽，它可能能访问的网页跟能操作的东西就越少。 朱哲清：对。但是网站不可能把你电脑上的browser给屏蔽掉，否则你自己也不用上亚马逊了。所以这个可能会是一个破局的机会。但我怀疑这个事情肯定会有一个比较大的来回拉扯的过程。 在toC端的agent目前可能还是不是特别ready（就绪）。你看Instinct跟Meta Muse，它们的token burn rate（消耗速度）其实非常非常高。因为做browser use的话，对模型的需求和要求其实挺高的，不可能用比较便宜的模型去做这些事情。每个人都unlimited tokens，Meta是每个用户每个星期1亿token for free。它很难在短期内真正拉出一个像过去Google Search或者社交网络那样夸张的现象级体量。因为它是完全免费，我们未来可能需要看到一个完全免费、token根本不是限制的产品才行。 泓君：1亿token对应多少美元？ 朱哲清：如果全部按照input算，按照他们的成本算，我估计应该是100美元左右吧。 泓君：每个用户每个星期100美元的免费额度？那挺多的。 朱哲清：对，就纯烧钱嘛。 泓君：我还听到一种说法，说Meta Muse里面比较耗钱的不仅是token成本，还有云端虚拟机的成本。 朱哲清：因为现在内存跟CPU都很贵。在强化学习（RL）训练的过程当中，我们一开始都用虚拟的service去做虚拟sandbox（沙箱），后来发现实在是太贵了，最后就直接租一个大的CPU box自己架sandbox。因为当中其实没有什么太大的技术门槛，只是compute资源很关键，所以我们最后决定自己架sandbox，不去别人那里租了。我们有一次做大型rollout（批量试跑）的时候，发现CPU的价格跟GPU价格一样了，甚至很离谱。 泓君：你刚刚提到Meta Muse跟Manus相比，它现在走的路可能是Manus最开始走过的。Manus最开始也想自己去操作浏览器，最后回到了白领工作。那你会看好Meta Muse长远的发展吗？还是觉得它的现象级只是在一个非常短的时间？ 朱哲清：我觉得这波consumer最后一定会落地到软硬件结合的状态。我觉得Meta如果能够把Wearable（可穿戴设备）做很大，有可能有机会。 为什么我觉得最后要落地到软硬件结合，原因就是云端这件事情不能代表用户本身。这也是为什么browser把他们完全block掉的原因。因为一旦换了云端的虚拟机，它没有办法验证这个人本身就是用户自己。我觉得用户的ID，或者说使用agent的那个用户的identity（身份）本身，会是这一波toC的一个关键。如果商家能够确认这个agent就代表这一个人去做操作，很多商家可能愿意放开。 但现在如果用云端的虚拟机和云端的browser，商家没有办法去验证这件事情，他会觉得自己的流量入口被人剥夺了。如果是一对一的比例，比如原本有一个用户要访问我，现在通过agent还是访问我，那对我来说可能是OK的。但如果原本是一个用户，现在搞了20个agent，这20个agent本身的消费能力跟原来一个用户是一样的，但这20个agent不停地比价、不停地刷流量，把我这边的流量全都弄乱了，那对我来说是得不偿失的。 所以我觉得软硬件结合可能会是一个机会。如果硬件本身属于这个用户，就可以直接确认这个agent就是代表该用户的一个代表行为，商家就会愿意把access开给你。 泓君：我觉得你这个洞察真的非常厉害。我前几天跟朋友吃饭我们也提到了这个观察。因为云端的IP是非常容易被商家block住的，能不能个人访问的IP是在本地，在自己的硬件里，比如手机，比如Mac mini。但是其实对他们来说也是一个很大的问题，就是你怎么样去绕过苹果？你如何确保个人终端设备是安全的？ 朱哲清：现在的生态本身是很复杂的。比如我们跟高通、英特尔、AMD、联想、惠普等等都有合作，像我们做硬件、软件加模型结合的这一套东西，其实也要去找落地方向，看哪些场景最容易落地。而做toC或者toB场景的团队，就会卡在access这件事情上面，以及卡在Identity和硬件这个层面上面。所以双方未来从商业行为或者生态上面，有一个潜在的合作机会在里面。但我最后觉得肯定是一个模型、软件和硬件三方都得合作共赢的状态，才能够打破这个局面。 泓君：Meta Muse后台接的是什么模型，你知道吗？ 朱哲清：这个东西有rumor（传闻）。官方肯定会说用的是Muse Spark，但X上面有人扒出来说他们有一些调用OpenAI的场景。我怀疑会有一些routing（路由）存在，如果Muse Spark不够strong，可能会靠一些Astra或者靠一些Fable去解决问题。但我怀疑不太会大规模这么做，因为成本太高了。如果10次iteration（迭代）里面有一次要去靠Astra或者Fable才能解决问题，那成本就不是100刀了，可能每个用户每个月是200刀的成本，这获客成本有点离谱了。 泓君：所以现在Astra跟Fable差不多是其他模型价格的2到3倍？ 朱哲清：远不止。Astra现在是10美金的input（如果我没记错的话），比GPT-6 Sol高5倍的价格。 泓君：Astra它的定价是每百万输入token 10美元，输出是50美元。 朱哲清：对，差不多4到5倍的价格，所以就很离谱。如果要用这样一个模型去解决一个难的任务，这一次调用就要三四十美金。 我给你举个例子好了。我之前用Claude的subscription（订阅），把20x的plan给用完了。那次我很急，必须要把任务解决掉，就花了100美金加了一些credits。我仅仅用了两三次back and forth的agent flow，100美金就全部用完了。你就很难想象如果作为Muse，去把其中10%的traffic引到Astra上面，会是一个多么灾难性的cost。 Meta可能财大气粗没关系，但是它的竞争对手Instinct，我现在估计它必须得用至少是Sol级别的模型。它估计会用很多开源模型打个底座，中间再去做一些routing之类的。但他们每个用户的获客价格肯定是非常可观的，不只是广告和marketing上面的获客，在那之后还是会有大量的token获客成本在里面，所以烧钱会烧得很夸张。 这是我们的愿景：如果电脑上自己就可以跑所有的东西，就没有必要再去跑到云端上。至少60%到70%的token是在本地产生，或者在私有compute上面产生，就不需要花那么多钱全部route到Frontier model（前沿模型）上面去了。希望未来这个地方有一个convergence（趋同），就看他们足以烧多久。比如有足够的钱可以烧个一两年，行业的小模型也逐渐成熟了，最后可以出现一个平衡的状态。 ### B端落地现状与AI for Science的烧钱核心 泓君：大家在toB的工作流中会用xAI的Grok Bot吗？ 朱哲清：我自己身边用Grok Bot的人更多是在尝鲜，因为它相对比较主动一点。但是用Codex或者Claude Code其实都可以解决这些问题，真正把它接进工作流的可能相对少一些。 我自己身边好多真正在B端——比如legal、healthcare（法律、医疗）这些传统企业里面工作的人，现在还纠结于怎么脱离Microsoft Copilot的泥潭，甚至都不能自由地使用Codex和Claude Code，更别说要到Grok Bot这个级别了。所以我觉得整个行业现在分差非常大，走在前面的人什么都可以随便用，走在后面的人现在还在泥潭里挣扎。 泓君：这个很有意思。因为Astra里面也可以调用很多自己的agent。我们之前看OpenAI解数学题，它内部调用了一个更强的模型，大概用了1万个子agent（子智能体）。 我最近跟比较前沿的模型研究员聊，听到一个很有意思的观点。他们认为现在在toC和消费级的agent上，token的使用量其实是花不了多少钱的，一个是推理成本在下降，其实token成本比大家想象中要便宜。现在真正最烧钱的地方，包括前沿模型研究员以及OpenAI、Claude、DeepMind这几家公司在看和竞争的核心领域，是AI for Science，就是那些未被解决、未被定义的科学问题。他们要去解那些数学题，或者需要跑像王教授这样的一些生物实验，这是非常非常烧token的，而且是内部消耗量最大的一个方向。 比如说我刚刚提到的OpenAI去解数学问题——纳维-斯托克斯方程这一个问题，OpenAI的agent大概发了270万条信息，消耗了约1300亿输出token。第三方按照零售价给它算了一下，这部分消耗大概是在2200万美元。 现在整个模型的进化，就像Bill刚刚说的，它的使用都分好几个梯队。但是对普通人来说，比如我们今天聊Astra的发布，普通人可能很难感受到在Astra的使用上跟上一代模型、甚至跟Claude的其他模型有什么非常明显的区别，对普通人的感知来说已经不大了。但是对于前沿的科学家来说，它能力的提升所带来的感知是非常大的。所以前沿Lab在看的方向跟我们想象中的方向还是不太一样的。他们觉得做一个非常大的科学突破，或者如果真的AI能制药了、能解决很多疾病，那个利润是更可观的。 我其实这个地方有点想问许教授跟王教授。我自己因为主要只做Post training（后训练），同时做一些模型结构层面的改动，focus on小模型多一些，因为我们想做本地私有化的模型。我们能看到的就是，我们这个层次的模型在我们优化之后—— ### 小模型与前沿大模型的差距变化 关于小模型和前沿模型（frontier model）的差距，大家虽然没有足够的资金去训练一个万亿参数级别的大模型，但可以看到在实际的智能差距层面正在持续变小，至少在日常的白领工作以及内部实际的工作流当中是如此。 从 AI for Science 或者具身智能（Robotics）的角度来看，前沿大模型在每一代迭代过程中的实际提升究竟有多大，例如从 Opus 4.5 升级到 4.6，或者从早期模型如 4.8 升级到 Fable，再到 5.6 升级至 Astra，这些差距是否具有可比性，是当前非常值得探讨的话题。 在生物医学领域（Biomedical domain），前沿模型在 AI for Science 维度的能力确实展现出了很大提升。但需要指出的是，这种提升的核心动力并非源自模型对生物医学专业知识（Biomedical knowledge）理解能力的绝对跃迁，而是主要来自于其通用编程能力（general coding）、文献检索能力以及处理长程复杂任务能力的增强。针对生物医学纯知识层面的基准测试（benchmark），Astra 并没有表现出特别明显的提升。 ### 实际业务中使用大模型面临的拒答与基准偏差 在真实的实际业务使用当中，直接采用 Astra、Opus 或 Fable 往往会面临不小的阻碍。由于前沿大模型对生物医学类任务的安全防范机制日趋严格，模型频繁触发拒绝回答（refuse to answer），这是一个极其严重的现实问题。因此在内部业务场景中，团队更常调用的反而是 Kimi K3 或者 Muse Spark 1.3 这类模型。 如果确实需要使用 Astra，团队往往必须设计一些特殊的提示词策略向模型解释，说明这并非危险操作，只是在设计评估 benchmark 等，才能绕过限制。这导致大模型随着能力逐步增强，实际的落地使用体验反而在某些方面变差了。 在各种定义清晰的 AI for Science benchmark 上，小模型与大模型之间的差距确实在缩小。然而当前现有的许多基准测试本身在定义上就存在局限，大家追赶的方向乃至大模型迭代的方向甚至可能不是完全契合真实需求的。基准测试在设计之初，通常会定义成更适合 AI 处理的形式，比如提供一个格式工整的生物数据集并给出一个明确的预测目标。这与真实工业界中的创新药发现流程存在巨大的鸿沟（gap）。目前的生物医学 benchmark 往往退化成了类似 Kaggle 的数据科学比赛，本质上变成了 MLE-bench（机器学习工程基准）式的传统机器学习编程与数据处理问题。在这类场景下，Astra 凭借其代码能力的提升自然能刷出漂亮的成绩。 ### Astra 对机器人领域的定性突破与速度瓶颈 从机器人学（Robotics）的角度来看，Astra 带来的变化则是飞跃式的。在过去的几次升级中，无论是 Opus 4.5 到 4.6，还是到 Fable 的演进，在机器人相关测试上的表现都没有太大的改观，定性上过去无法完成的任务依然无法完成。但 Astra 带来了质的改变，它直接让许多现存的机器人基准测试失效了。例如在业内相对认可的 RoboDojo 等仿真实测中，Astra 都拿下了第一名。无论其背后使用了何种训练数据，它所展现出的能力相较以往的模型均是跨越式的。 但在面对小模型与大模型的选择时，从长远来看，机器人领域必然需要一个体量较小、但推理能力接近 Astra 的专属模型。这是由机器人底层任务的物理特性决定的：机器人执行物理交互时对时间要求极高，必须保持毫秒级的实时响应并处理高动态任务。例如抖动毛巾这一动作，Astra 本身是无法胜任的。Astra 的推理速度太慢，它虽然能够理解需要迅速动作，但其机制只能通过写代码或漫长的多步推理去规划，无法直接实时输出动作指令（direct action output）。因此，机器人系统一定需要一个快速决策的模型，核心任务在于将现有 Astra 所具备的思维链（CoT）、高阶推理能力以及空间 3D 理解深度蒸馏或融入其中。 ### 机器人分层架构与控制层向下迁移的争论 关于机器人架构的发展方向，业内一直在讨论是否应该采用“大模型做顶层长程任务规划、小模型负责底层实时控制”的分层架构。这种分层思想在学术界和工业界长期受到认同，但最具争议的分歧点在于“这一刀究竟应该切在哪个层级”。 以往业内普遍将视觉语言模型（VLM）定位于任务规划层。例如当收到“做一盘西红柿炒蛋”的指令时，VLM 仅负责宏观拆解，输出诸如“打开冰箱门、取出西红柿、取出鸡蛋”等高层语义步骤，底下的具身小模型再负责执行具体的动作细节，如如何伸手握住冰箱把手拉开、如何具体打鸡蛋等。 Astra 带来的一个关键冲击在于它把控制层向下压了一大截。它现在可以直接给出低层次的运动控制指令，例如输出“把机械臂向右平移两厘米”，或者“把夹爪贴近冰箱把手，如果未抓牢则再向前推进一点”。以往上层规划和底层执行之间清晰的职责边界被打破了，上层大模型利用其强劲的空间理解与推理能力向下渗透，底层模型则越来越退化为一个近乎反射式的执行机构，执行左右微调的指令，宛如操纵提线木偶。 行业中也因此出现了一种激进的声音：未来上层模型是否能无限向下压缩，最终演变成一个完全端到端的 VLM（如由 Astra 直接统揽全局完成所有控制）。这种设想在当前看来并不现实： 1. 速度受限严重：网络上所有展示 Astra 直接控制物理实体的演示视频，普遍需要加速至 16 倍速甚至 24 倍速才能看，正常速度下存在大量的空白等待时间。 2. 物理直觉的严重匮乏：当前的 Astra 依然缺乏基础的“直觉物理学”（intuitive physics）。人类在碰触物品时会具备本能直觉，例如装满水的杯子触碰不慎容易倾洒、玻璃材质受到撞击会碎裂。Astra 固然可以通过漫长严谨的自然语言逻辑推理去推演这些物理特性，但在执行具体交互时若要求其实时产生这种即时直觉反应，表现仍然不够理想。该环节依然需要具备物理直觉的世界模型（world model）或极低延迟的快速响应模型来承担。 Astra 反应慢的原因除了模型参数量巨大导致计算耗时长之外，其内部极为漫长的思维链也是核心因素。尽管对外展示的 CoT 经过了加密或展示处理，但其内部计算执行了极其冗余的深度思考。观察表明，Astra 在面对极度复杂的任务与面对极度简单的基础任务时，所消耗的推理思考时长几乎完全一致。这意味着它在处理复杂任务时表现得极有条理，但在面对简单操作时，多余的思考反而成了沉重的开销与内耗。 ### 本地算力限制、云端部署延迟与筷子夹小球实验对比 探讨机器人端侧芯片所能承载的模型规模时，结合当前机器人可搭载的计算硬件现状，若要将模型直接部署在本体端侧，参数量在 10B（百亿参数）以下是一个相对理想且舒适的区间。十几 B 到数十 B 级别的模型在工程上固然也可以运行，但整机的硬件物料成本会大幅攀升，车载或机载芯片必须大幅升级。 若采用云端部署方案，破壳机器人等团队在实践中通常采取端云并行的路线，一方面保留端侧能力，另一方面在云端通过 API 提供模型服务。在云端架构下，模型参数尺寸的上限被大幅放宽，受限的瓶颈转移到了计算卡代际性能以及网络通信延迟上。 网络延迟的可接受范围与任务类型高度绑定。API 调用的模式绝对无法胜任高动态或对时间精度敏感的任务，例如倒水操作，网络哪怕发生瞬时卡顿，容器内的水就会直接溢出。如果是处理无突发形变的准静态任务，云端 200 毫秒乃至数百毫秒的网络延迟尚在可接受范围内；但凡涉及到高动态与快速抗扰任务，计算必须完全落地在机器人本地。 以破壳机器人曾展示过的“机械臂使用筷子夹小球”测试场景为例，自研原生小模型与调用 Astra 相比存在鲜明的行为差异： - 自研原生模型：反应速度极快，抓取过程呈现连续、流畅的多轮尝试。机械臂在尝试中没有冗长的逻辑反思，第一次滑脱了或者微碰导致小球状态位移，算法立刻自适应调整姿态换个角度连续抓取，高度趋近本能反射。 - Astra 驱动：每执行一步动作后，都会进入漫长的因果归因与逻辑分析，推演刚才操作失败的原因，再基于推论给自己下达下一步调整指令。这种机制表面上更像人类深思熟虑的认知过程，但导致动作极其缓慢，且容易陷入死循环或僵局。一旦环境发生的细微物理形变超出了其因果分析框架，或者某一环节的逻辑归因出现偏差，整体推进便会直接卡死。 此外，在涉及三维空间物体旋转的任务上，Astra 依然暴露出短板。例如在桌面上抓取不规则物体后，要求将其旋转特定角度精准插入墙面的特定小孔中，Astra 需要经历反复漫长的盲目试错，空间三维旋转控制能力仍存在明显缺陷。 ### 对具身大脑、本体与数据标注公司的行业影响 面对 Astra 的发布，机器人行业内各个生态位受到的冲击程度各异： 1. 纯仿真到真实（Sim-to-Real）路线：长期以来，仅依靠仿真环境很难训练出真正顶级的具身模型与控制策略。部分观点认为 Astra 强大的 3D 生成能力能够打通真实世界到仿真（Real-to-Sim）的场景复刻，使仿真重新焕发生机。但 Astra 提升的仅仅是仿真的 3D 视觉保真度，底层的物理交互引擎精度并未因 Astra 的到来而发生质的飞跃。因此，盲目宣称仿真凭借 Astra 复活带有极大的市场炒作（hype）成分，并不会直接促使真实机器人的物理可用性大幅提升。 2. 机器人硬件与本体制造厂商：Astra 的出现构成了直接利好。由于 Astra 具备强大的跨本体泛化控制能力，只要硬件本体质量优良、机械执行精度达标，硬件团队便能极快地将其与大模型对接并落地应用。例如在 Astra 发布后的两三周内，斯坦福大学的课题组便迅速将其接入宇树机器人本体，在两周左右完成实验并在家庭环境中完成了多种长程日常任务的演示。 3. 研发具身大脑算法的公司：业内迅速分化为两大流派： - 坚持自研原生具身模型的一派：相信机器人专属的具身原生模型具有不可替代的价值，同时积极向 Astra 借鉴先进经验，例如吸纳其精细的数据标注体系与长程思维链（CoT）推理架构，以推动原生具身大模型能力的跃进。 - 转型机器人系统集成的流派：部分自感具身模型研发能力不足的团队，选择放弃底层原生大脑研发，全面转向应用与落地部署。他们将核心业务调整为深度适配 Astra，或将自身的专有算法模块封装为微小工具（tools），供 Astra 在高层规划中调用，以此实现任务链闭环。 ### 机器人研究范式的演变与因果直觉数据标注的价值 在学术与基础研究层面，Astra 正在颠覆传统的机器人研究范式。未来模型研发者都无法忽略 Astra 所代表的大规模多模态长程推理范式。曾经专注于传统规划的学者正在迅速向智能体化（agentic）以及以模型为框架（harness）的方向聚拢，探索如何有机编排复杂的多级能力。 在机器人控制领域，经典的 TAMP（Task and Motion Planning，任务与运动规划）是一门将离散任务规划与连续轨迹控制结合的传统学科。过去 TAMP 往往被视作相对陈旧保守的技术体系，它依赖于高度硬编码的先验约束——例如机械臂拧开瓶盖之前，系统必须通过严格规则断言瓶盖确实处于锁紧状态，否则算法无法进入下一步状态转移。但在如今与大模型 Agent 结合的新架构下，TAMP 的思路重新焕发了活力，机器人控制的研究历程经历了“从经典规划到端到端大模型、再从大模型能力回归新型规划”的循环递进。 机器人大脑企业从 Astra 的技术路径中获得的决定性启示，在于对“数据标注”标准的重构。以往具身机器人采集数据时，往往仅打上一句正向文本标签（描述当前机器人完成了什么动作），属于单薄的正向标注。而 Astra 的表现揭示出：必须在数据中对“动作因果机制”与“直觉物理交互”进行极度详尽的归因标注。抓取成功的原因是什么、抓取脱手究竟是因为夹爪受力点偏上、还是因为接触表面附着水分导致摩擦力骤降，这些深层的物理因果在采集标注过程中都必须明确量化记录，唯有建立在此类数据基础之上，模型才能真正成长为具备通用泛化能力的机器人大脑。 这种要求对上游数据采集与标注企业带来了剧烈重构。据行业传闻，像 OpenAI 这样的机构甚至倾向于直接采购未经任何标注的“原始裸数据（生数据）”，其背后的逻辑一方面是认为外界现存的标注规范多数是不规范或错误的，需要全部拿回内部按自研标准重构；另一方面也是为了严格保密其内部核心的数据标注工艺。因此数据服务商正在分化为两条路径： - “卖生肉（原材料）”模式：如同石油开采行业，依赖超大体量与人员规模管理取胜，组织成百上千甚至上万人的采集团队进入真实家庭或工业场景进行环境建图与动作录制。 - “卖熟肉（深加工数据）”模式：数据企业必须极其透彻地理解最前沿模型（如 OpenAI 或物理智能公司 π）的标注逻辑与底层架构诉求，能够针对性地输出高端定制化标注数据。这类数据的单价与附加值可呈现十倍乃至更高倍数的增长，但极度考验服务商在有限信息交互中逆向推演模型公司技术品味的能力。 对于机器人未来是否会直接采用以基础大模型为底座、仅通过后训练（post-training）驱动的路线，行业共识倾向于认为，参数量达到数万亿（几 T）规模的模型在真实机器人硬件上极难完成本地化部署。即使部署在云端，也只能覆盖一部分对延时宽容的非突发任务。机器人的终局形态，依然需要一个规模远小于 Astra、却内生具备同等推理认知与物理直觉的机器人专用模型。 ### Astra 与 Jev 类快思考系统在机器人应用中的局限 回顾 Astra 发布以来的心路历程，机器人从业者普遍经历了显著的认知转折。最初官方发布 Astra 操作机械臂绘制金门大桥的演示视频时，行业内的初创公司创始人普遍感到巨大震惊与恐慌。但随着各家团队深度实测，大模型的底层短板逐渐清晰： - 复杂双臂协同能力严重缺位：在双臂协作任务（例如精细折叠衣物）上，Astra 目前完全不具备执行能力。在难以用精确自然语言细致解构的物理任务中，Astra 缺乏有效操作手段，机器人在精巧灵巧操作空间中仍有极大的自主研发壁垒。 - 经验沉淀与泛化加速能力的缺失：人类或专用具身模型在重复同一任务时，首次耗时可能长达一小时，第二次可缩减到 45 分钟，经过充分训练后能将动作内化为本能肌肉记忆，仅需数秒即可完成。然而 Astra 展现出的是“常数级耗时”，首次执行耗时 45 分钟的任务，重复执行无数次后依然固定消耗 45 分钟，完全无法将推理结果沉淀为极简的高效动作反射。 因此，当前产业界的核心攻坚命题，在于如何科学构建快思考与慢思考（系统 1 与系统 2）的协同闭环。机器人作为一个天然偏向系统 1（快决策）的物理实体，大模型究竟应以何种协议形式（指令下发、工具调度、状态监控等）与底层系统相融合，是打造通用机器人的关键所在。 针对当前备受关注的快系统代表项目 Jev，各团队也进行了实测。Jev 自身定位于敏捷反应的系统 1 架构，然而其在机器人领域的直接表现并不理想。核心制约在于 Jev 自身缺乏原生多模态图像输入接口，无法直接感知环境视觉，必须外挂前置的 VLM 或其他视觉算法先行提取环境特征状态值，再将这些高层状态注入 Jev 进行决策推演。 在诸如积木堆叠（摞方块）的测试中，Jev 经常发生堆叠倒塌或对准失败。Astra 在视觉反馈中能够清晰感知到底层积木由于放置轻微偏移导致整体重心倾斜，从而在叠放第二块积木时自主施加反向力臂微调以维持平衡；而 Jev 缺乏这种视觉闭环反馈下的连续空间因果判断。虽然业内有人尝试利用 Jev 的低延迟特性去辅助生成标注数据，且行业也在密切关注具备图像多模态输入能力的全新低延迟系统，但从现阶段实测表现来看，直接套用现成模型依然难以胜任精密控制。 总体而言，Astra 给机器人行业带来的长期驱动力依然是偏向正向的。尽管对算法积累薄弱的中小型团队构成了生存恐慌与竞争压力，但它在宏观上照亮了具身智能以往未曾探索的技术路径，为行业指明了全新的研究维度。 ### AI for Science 的核心诉求与“控制实验员”的现实挑战 转向 AI for Science 领域，在 Astra 与 Fable 5 等模型的综合能力对比中，Astra 凭借更长程的上下文连贯规划能力依然维持着领先优势。然而在真实的生物医学研发实践中，通用基准测试的评分并不能反映模型在工业级研发中的真实价值。 现存生物医药模型最大的痛点，并不在于编写分析脚本或完成常规分类预测，而在于缺乏指导真实物理世界中生物医学实验（wet lab experiments）的综合能力。常规基准测试即便验证了模型在预测蛋白质活性上达到很高的指标，但在真实的药物研发场景下，核心诉求在于模型能否制定出一份精密完备、在物理世界可落地的实验操作协议（protocol）：实验应当在何种确切温度、分子浓度、空气湿度以及特定缓冲液配比环境下开展。这种对物理世界的全流程控制被称为“人类使用能力”（human use，即 AI 规划控制现实实验室中的实验员和技术员按步执行操作），其概念对应于控制软件环境的“计算机使用能力”（Computer Use）。 在生物医学实际场景中，问题往往拆分为两大环节： 1. 药物结构设计与预测：AI 基于算法生成全新的候选小分子分子式或预测药物靶点空间构象。 2. 真实物理与生物学环境验证：必须将设计方案推进到真实的干湿实验环节，验证其物理可行性与生物学活性。 在第一阶段的分子结构生成上，通用大模型表现出了一定的生成能力，但这也潜藏着一个方法论上的科学悖论：如果在研发之前已知确切的标准答案，该项前沿科学研究本身便失去了探索意义；而人类真正聚焦的未解前沿疾病（例如针对特定恶性肿瘤开发靶向创新药），根本无法依赖任何现成 benchmark 提供真实标签。无论是 GPT 还是 Claude 给出了一组全新的抗癌候选分子式，计算机内部都无法自证真伪，必须全部交付到实体实验室的真实生物体中进行湿实验验证。 计算机内部通过 CPU/GPU 算力模拟完成的运算与推演统称为“干实验”；而在真实的物理实验室中，由实验员利用试管、培养皿、恒温箱，对活体细胞、工程组织和实验小鼠进行真实物理操作的过程则称为“湿实验”。AI 生成一套分子式相对容易，但要支撑湿实验顺利推进，必须提供极其详尽的微观工艺规划：该分子应当通过何种逆合成路线合成、合成后在何种化学溶剂与冷冻环境下储存、对动物模型采取何种给药周期与给药剂量等。当前的通用大模型在此类核心工程细节上普遍表现极其薄弱。 ### 实验方案设计的设备异构瓶颈与干湿闭环实验室重构 放眼当前所有主流前沿大模型，在独立设计可执行生物医学实验方案这一环节上，其整体完成度仅能达到约 30% 左右，绝大部分方案严重依赖具备深厚领域经验的专业技术专家进行人工核验、订正与补全。 实验方案设计高度依赖极致的垂直领域专业积累（domain expertise）。这种实操细节即便由同领域的大学资深教授操刀，也未必完全知晓，往往需要长期在一线操作具体仪器、处理过海量突发废样的实验技术员（technician）才能设计出高成功率且可行的方案。 不仅如此，现实中各个生物实验室之间的仪器型号、管路布局与实验器材具有极强的“异构性”。Astra 等通用模型在规划时，完全无法感知并结合特定实验室当下现存的器材资产与耗材库存来进行针对性方案设计。这就如同要求大模型为一家原料仅有番茄、鸡蛋和土豆的后厨设计菜单，大模型却脱离现实库存直接开出了一道需要龙虾与海参的海鲜大餐，方案在现实物理场景中根本无法落地执行。模型极度缺乏对真实世界有限资源的调配、约束理解与协同能力。 因此，一家严肃致力于利用 AI 进行实质性药物研发的企业，必须自建并配备高标准的专属湿实验室。仅依靠通用模型的设计无法形成竞争壁垒，实验室是实现自主闭环数据验证与专有数据积累的唯一物理载体。 同时，当前 AI 制药领域遭遇的本质瓶颈在于“真实世界的生物学验证周期太慢”。AI 模型在干实验中设计一个全新分子只需数小时甚至几分钟，但当该分子进入小鼠体内测试其药代动力学（PK）与生物活性时，受制于哺乳动物新陈代谢与生理反应的自然法则，单次实验不可避免地需要消耗数周时间。而数周过后，计算领域的模型可能已经完成了从 GPT-6.1 到 6.2 的代际演进，算法迭代的速度远远甩开了物理实验的物理反馈速度。 为了破局，前沿的 AI for Science 实验室必须对传统湿实验室进行深度重构（redesign），使物理实验设施全面适配 AI 的敏捷交互： - 提前将靶点细胞系与试剂耗材预制化备齐，将基础前置环境全部跑通。 - 将传统流程中分散脱节的“AI 提出假设 -> 移交外部第三方外包实验团队 -> 外包团队重新摸索方案 -> 实施缓慢反馈”的割裂模式，重组为干湿一体化并行系统。在算法输出分子预测的瞬间，实验室即刻注入小分子发起验证，尽可能压榨并缩短单次物理反馈的等待时间。 ### 临床前研发周期与自然律延时下的生物爆发前提 在标准的药物研发管线中，从 AI 完成分子结构设计、走完系统的干湿实验验证直到推进至人体临床一期试验之前，整体时间跨度具备清晰的阶段特征： - 离体细胞水平与小鼠活体筛选实验：在流程高度成熟的前提下通常需要耗费数周时间完成初筛。 - 非人灵长类动物（如食蟹猴）实验：此阶段属于评估安全性与药效的关键窗口，单轮实验往往必须耗费整整 4 个月的时间周期。工业界为求稳妥与数据复现，通常需要独立执行两轮测试，累计耗时达到 8 个月。 - 临床试验授权与商业化交接：对于绝大多数 AI 创新药研发公司而言，将项目推进至猴类灵长类动物实验终点后，极少由自身团队独立承担后续全流程的人体临床试验。主流商业模式是将管线知识产权整体对外授权（License out）给全球跨国大药企（Pharma）。由于跨国大药企具备现成的全球临床试验中心、患者招募网络和成熟的监管合规团队，由其接盘推进入体实验效率更高。处于该阶段的管线授权首付款与里程碑金额通常极其可观，普遍在 1000 万美元以上乃至更高。 由此可见，AI 制药公司主导从前沿设计到猴类动物实验交付的研发周期，通常在 6 个月到 12 个月之间。验证一个新药所需的生物学物理耗时，远远超出了 AI 产生算法构想的时间。 这也解释了为何 AI 近年来在纯数学与抽象理论领域取得了爆发式进展（如攻克千禧年数学难题或复杂定理自动证明），但在生物医学制药领域始终没有诞生完全由 AI 自主创造颠覆性药物的根本原因。数学命题的证明逻辑在计算机系统内部即可完成严谨的自闭环校验，无需任何物理世界的漫长等待；而生物医学的核心验证受制于生物体不可逾越的自然代谢规律，细胞分裂、动物生理周期的客观物理时长无法被算法凭空压缩。 在早期 AlphaFold 1 与 AlphaFold 2 刚发布并掀起蛋白质结构预测革命的时期，行业内曾雨后春笋般涌现出大批 AI 药物发现（AI drug discovery）初创企业。然而该批公司中的绝大多数在后续商业化竞争中并未取得成功。其致命软肋在于，这类企业过度将精力聚集在算法端“设计分子式”的提速上，即便将计算设计分子的时间从半年大幅压缩至几个小时，后续一旦撞上活体动物体内验证与人体临床试验的坚硬物理壁垒，整体研发效率依然被物理周期锁死。 物理世界的生物学规律无法被凭空消弭，行业当前唯一可行的突围方向，在于通过改造实验室架构、重塑软硬件闭环来竭尽所能地加速现实反馈。唯有将真实世界反馈的效率提升到全新的量级，AI 在生物医学制药领域的潜能才能迎来类似攻破千禧年数学难题一般的真正技术大爆发。 ### 蛋白质结构预测与药物研发的验证瓶颈 对，刚出来的时候，当时有很多 AI 创业公司觉得用 AI 可以预测蛋白质结构；有了更好的蛋白质结构，我们就可以快速地开发药物。当时也可以预测、生成很多好的药物结构，但是验证还是最大的瓶颈，现在其实还是同样的问题。 我听说 AlphaFold 3 是把它的所有研究，包括它的数据都开源了。它的开源也带来了一波生物制药公司，包括做这种垂直模型的公司、做工具的公司崛起。因为它开源了以后，就相当于在这个行业里，类似于机器人行业 π（Pi）开源一样，它有很多的底层基础设施就已经 ready 了。 我觉得它的开源是非常重要的。在当时那个时间线，社区里有很多的机构都在尝试造 AlphaFold 的开源版本，有个叫 OpenFold 的工作。所以如果它不开源，大家也会很快追上，会有一些开源的版本来模仿它。 在它这些工具开源之后，对社区最好的帮助就是大家更重视数据的积累了。它虽然开源了，但是一些垂直科学 AI 公司可以利用自己积累的数据来维护自己的护城河。其实这些数据都是非常珍贵的，一条数据都非常高价值，几万或者几十万美金，因为它们都是在真实的老鼠、人类身上做实验得来的。不仅是这些实验成本高，而且实验的周期也很久。所以反而是开源之后，这些垂直的科学公司会更具备优势。这是它对社区的一个贡献。 这里指的“一条数据”，就是一个实验在一个完整的动物身上跑通，这个算一条数据。比如说一个分子在老鼠身上到底能不能杀掉癌细胞，这么一个结果就是一条数据。有人会觉得这个数据定价几十万美金还是太便宜了，因为大家要工作好久，工作量也挺大。确实，这是一个非常高价值的数据，也是在互联网上、在大模型的预训练语料库中根本看不到的数据。 ### 湿实验接口商业模式与前沿实验室布局 从这个角度来看，生物医药界未来是不是也会兴起很多数据公司？模型负责给想法，实验室专门负责做验证，这可能也是一个很好的商业模式。 我觉得这是一个非常好的商业模式。因为现在那些 AI 数据的价格，比如买一道奥数题都要几千美金，Terminal-Bench（终端任务基准）上一道题也会要几千美金。新出的 Terminal-Bench Science 上面的题也会是高价值的题。我觉得这些题还仅限于计算机里面的操作，未来如果是有真实的生物、真实世界数据，那个价值会非常高。 还有一个很高价值的地方，就是搭建一个能够帮助 AI 很方便地去做真实生物实验的接口，仅仅是这一个接口价值也会很高。现在有个公司叫 Adaptyv Bio，它是专门跟 Anthropic 合作的。Anthropic 生成一个 AI 的预测，它以 MCP（模型上下文协议）的形式就立即开始做实验。它刚刚融资了 40 million（4000 万美元）。我觉得这样的公司会越来越多，以后每一个做湿实验的公司都会用这种 MCP API 的形式，直接接到 AI 大模型里面，直接给 AI 大模型提供服务。这样当中很多人的沟通成本都会被省减掉。 所以这当中就又回到刚才说的问题：最重要的就是 AI 自己知道要做什么实验、怎么设计这个实验，而湿实验的公司能够和它进行配合。 目前像 OpenAI、Anthropic 这些前沿模型实验室（AI Frontier Lab），哪些配备了自己的湿实验室？Anthropic 是明确配备了，它和 Adaptyv Bio 是明确合作的。它最近出了一个比赛，邀请大家来做一个 Anthropic 定义的蛋白质设计问题，它会赞助 Adaptyv Bio 这家公司来为大家做湿实验的验证。所以 Anthropic 最近定义的比赛也是说最后以湿实验的验证为最终标准。我也听到很多消息，Anthropic 自己在构建湿实验团队，招募的一些人也都是有湿实验背景的。我想 OpenAI 应该也会有类似的情况，也会开始慢慢布局这种湿实验公司。我觉得这是未来的一个趋势，各个 AI Frontier Lab 如果是真的想做高价值发现，而不是只刷现有的 benchmark 的话，不可避免地是要有自己的湿实验室。 那么 DeepMind 呢？DeepMind 创始人哈萨比斯（Demis Hassabis）现在的重点是在 Isomorphic Labs 上，这是从 DeepMind 分拆出去的生物制药公司。我不知道 DeepMind 和 Isomorphic Labs 具体会是怎样的合作形式，是 DeepMind 负责搞 AI、Isomorphic Labs 负责做验证，还是——我猜测更多的可能是——Isomorphic Labs 自己做端到端的研发，它会用一些模型，更多地自己做验证来端到端地解决问题。 另一位和哈萨比斯一起拿诺贝尔奖的科学家约翰·江珀（John Jumper），他是加入了 Anthropic，所以我觉得 Anthropic 在这方面会有很大的优势。一起拿诺贝尔奖的还有 David Baker，他自己也做了一个新的制药公司叫 Xaira。他有很多制药公司，据我理解他应该有几十家公司，但我不知道他的 commitment 有多大。我理解他应该还是更多专注于自己的科学研究，看看之后能不能拓展到商业或者他的创业公司（startup）里面。 ### 基础模型能力提升对生物计算的影响 在整个模型对制药的影响上，有几个比较大的节点，以及哪些基础模型能力的提升会让这个行业迎来质的飞跃。 现在能力的提升几乎还取决于 Coding（编程）能力的提升。因为大家目前还没有走到湿实验或者真实世界控制这一块，所以在 Coding 能力提升之后，Biomedical（生物医学）相关的任务也会变得特别简单。我觉得 Biomedical 上这些 Coding 任务，虽然在那些 benchmark 上还没有达到满分，但我个人理解已经是几乎可以认为被解决了，因为它已经比人类专家做得还要好了。像 Terminal-Bench Science 上的一些 Biomedical 问题，我自己去试了一下，我做得都没有 AI 好。虽然很多 AI 的分数——即使是 Astra 也只有六十几分，满分 100 分就拿六十几分——但是它其实已经做得比我好了，所以我认为这一块已经被解决了。因此一个比较大的节点就是 Coding 能力的提升，它把生物制药这些 dry lab（干实验）上能力的提升都给解决了。 还有一个问题就是生物医学的数据特别大、特别复杂。每个人的数据都可以达到两个 T（2TB）。如果未来的模型还需要提升的话，对这种两个 T 级别数据的高效处理与理解，是一个非常重要的领域，也是一个非常大的机会。 ### 人类科学家角色转变与无上限 Benchmark 设计 既然现在 AI 在某些专业能力上已经超过了顶尖学者，超越了顶尖智商，未来给前沿科学家带来的问题是什么？比如它做出来的东西人类很难去验证了，是否存在这样的情况？ 验证还是要靠湿实验的验证。如果一个问题已经定义得很好了，有一个明确的测试集、明确的输入，知道要解决什么样的问题，那么 AI 解决这个问题的能力会比我强。人类科学家更多可以做的事情，就是去定义哪些问题该交给 AI 去解决。 所以未来 AI 在生物医学领域的趋势，不再是让人去解决具体问题、设计模型，更多的是让人去设计 benchmark、设计 evaluation（评估）的方法，定义一些重要的问题让模型去解决。 此外，生物医学关系到制药或者治疗病人，是直接和人打交道的。所以很多时候还是需要一个科学家参与其中，而不是纯靠 AI 自动化；需要一个人类科学家作为一个背书。就像飞机就算能自己飞，我们也希望有个驾驶员在上面；AI 就算能自己看片、自己治疗、出诊断书，我也希望一个医生真的用肉眼看一下我的报告。在科学发现这种一旦决策就会投入大量金钱、大量时间的重大决策上，还是需要一个人类科学家一起把关，一起去判断这个问题的价值。如果纯粹比拼解决具体问题，我觉得 AI 已经比最强的人类科学家都要强了。 至于未来的 benchmark 应该怎样定义、朝什么方向演进，我认为首先我们要设计的生物医学题目是“没有上限的”，是不可能被直接刷爆的。比如说，现在当前最优（SOTA）的药物能够杀掉 30% 的癌症细胞，那么 AI 能不能设计出更好的药物，能够把 40% 的癌症细胞杀掉？这样让 AI 不停地去设计，有一个没有上限的方式来做这个任务。同时在这个任务进行的过程中，也会形成一个数据的飞轮：通过不停地做湿实验，虽然湿实验很贵、比较慢，但持续对这个任务做湿实验，还是可以收集到非常可观的数据。 我们要避免的是那些简单的分类任务，比如简单分类“这个基因会导致癌症还是不会导致癌症”，这样的任务很容易就被 AI 刷爆解决了。我们未来要设计的，还是这种比较宏大的、很难有上限的任务，比如“怎么样把人类的寿命提升”。这种没有上限的任务能够让 AI 持续地解决，我们可以持续地积累数据，积少成多，把一个特定领域问题的数据积累得更扎实。 ### 药物研发周期与短反馈领域的突破苗头 在 AI 领域，目前还没有真正完全由 AI 自己做出来一款已经被全面验证、批准可用的新药。之所以尚未完全验证却依然非常火热，更多是时间周期的因素，未来一定会被解决。因为这一轮新的 AI 浪潮是过去几年才发生的，而一款新药的研发验证周期往往要 5 到 10 年，现在时间还没走到那个节点。未来会出现由 AI 自己发现并且更好地验证药物的机会。 现在所谓的“新药发现”，包括之前有公司宣称某种药物是由 AI 高强度参与设计的，这可能更多只是一种参与或者宣传噱头。因为那些药物从开始研发到现在，往往是 5 年到 10 年前的事情了；那时候的 AI 技术和现在的 AI 完全不是同一种东西。所以这更多是一个时间因素，未来肯定会实现。 最近 Claude 有一项新成果，他们发现了一种新的 ART，有点类似于 CRISPR-Cas9 的基因编辑工具，但最后有没有被湿实验完全验证还不太确定，科学家们也还在观察这一现象。 目前模型在生物医药领域已经显现出突破苗头的方向，几乎正比于生物医学实验的周期长短：周期越短、反馈越快的领域，突破就越明显。大家在过去的几十年中积累了大量的实验数据，这些实验数据通过写在论文里或者被大模型公司收购，已经被前沿大模型公司所掌握。因此实验做得越快的领域，模型就能做得越好。 比如 Anthropic 这次举办的比赛是对酶（Enzyme）的设计，这就是一个实验反馈特别快的领域。未来像蛋白质、酶这些可以做快速实验的领域，都会迎来非常快速的迭代。但如果要去研究衰老，或者研究罕见病这种特别罕见（rare）、特别特定领域（domain specific）、实验周期特别长的问题，模型的进展就会相对很慢，很难迅速取得突破。 酶和蛋白质能带来哪些特定领域的变化？理论上蛋白质是万能的，无论是减肥、癌症治疗还是各种疾病，理论上蛋白质都可以通过某种机制引导制药、改变人体，从而达到治疗目的。而酶更多是一种催化剂，比如以前设计的某些酶可以把地沟油转化成可食用的油脂，或者加入洗衣粉中让它在不同水温下都保持活性。所以酶更多是在日常生活、工业化工过程中起到加工辅助和加速的作用，商业价值巨大且能快速落地。而蛋白质如果涉及人体药物，最终不可避免要做人体实验，研发周期依然相对较长。 ### 蒸馏与反向蒸馏：人类是否仍有不可替代的价值 行业里一直在讨论“知识蒸馏”这个概念，一些前沿实验室的研究员甚至认为普通人可能连被蒸馏的价值都没有了。训练信号是否正在全面转向专家数据和可验证环境？ 在机器人领域显然不是这样的。在机器人领域，每个人都是生活的专家，在机器人这边没有那么悲哀，每个人都值得被蒸馏：你擅长做饭，我擅长叠衣服，他擅长走路，他擅长跳舞。当然再往后走也会经历更高阶的阶段，但今天的机器人还远远做不到大模型之于普通人的能力档次。也许要一两年后才会进入必须是舞蹈专家、或者必须是像 Gordon Ramsay 这样的大厨才值得被蒸馏的阶段。在今天，每个人做的家常菜都值得被机器人模型蒸馏。 从纯知识层面来说，如果只是比拼谁掌握的知识全面，现在的 AI 知识面确实比单个科学家更广，单个科学家肯定比不过。但是重大的科学发现、长期的科研投入，还是需要科学家和工程师在那边提供支持与背书，这方面是 AI 替代不了的。 同时这里还有一个“反向蒸馏”的过程。正因为 AI 非常强大，科学家天天也在反向蒸馏 AI。特别是在做 AI for Science 这种交叉学科时，很多新领域的东西科学家原本不知道，就可以通过 AI 极快地学习。获取知识的速度变快之后，激发出了新的 idea 和创意，进而做出更好的科研成果。所以这是一个相互蒸馏的过程。 从医学这种具体专业领域来看，人的作用永远是极其巨大的。人不仅负责解决问题，更重要的是人可以定义问题，表达希望 AI 去解决的需求——比如出现了一种新的疾病，或者人类想要活到 200 岁、500 岁。每个人有不同的身体状况，这些源源不断的新问题和新方向只能由人提给 AI。从这个层面上看，普通人绝对不会被 AI 所取代。 现在的模型能力很大程度上依赖于超大模型对海量知识的死记硬背（memorize），以及在训练中生硬灌注进来的 know-how。在优化这些 benchmark、推进固定落地场景时，模型往往处于一种过拟合（overfitting）的状态。目前我们过拟合的领域甚至都还不够多，还有大量领域值得被 overfit。虽然大家常说模型已经达到了通用智能（General Intelligence）的级别，但从已经在 overfit 的场景来看，它其实还没有达到那么 general 的状态。 如果未来要实现真正通用的智能，可能需要跳出针对每一个具体场景去蒸馏、去过拟合的状态，转而探索能否模拟一个人从零开始学习的过程。从这个角度来看，我们真正需要从人身上蒸馏的能力，不是某一项具体工作怎么做，而是人究竟是怎么从零开始学习的、模型怎么能比人学得更快。如果有一个基础模型（foundation model），它可能本身处于相对欠拟合（underfit）的状态，但如果让它去当医生，它能否在与环境互动（interaction）一个月后达到人类基础医生的水平，互动三个月后达到人类医学教授的水平，完全依靠模型自我的迭代方式去学习。我们目前远远没有达到这个程度。人类能给模型带来的直觉（intuition）依然非常丰富，人类并没有到被完全取代的状态，现在被替代的更多是一层表层的技能，而不是底层的思维方式。 ### 算力瓶颈、机器人通用泛化与真实世界交互范式 探讨当前各自领域中最核心关切的问题： 在硬件与系统架构方面，当前最受关注的问题是硬件资源的极端受限：全球的 Memory 资源极其有限，RAM 非常昂贵，显存（VRAM）也极其昂贵。同时许多人也非常担心所有数据都必须上传到云端所带来的隐私与安全隐患。如果未来计算和算力能够全面铺开，每个人、每家公司都拥有属于自己的本地算力，算力不再仅仅高度集中在大型数据中心，那么所有人都可以运行自己的模型。这种模型不一定非要做得体量巨大，但如果能通过它解决日常生活中 80% 到 90% 的问题，就能破解 AI 无法无限量普及的现实难题。未来的模型固然需要继续往更大、更强的方向演进，但这存在一个广度与高度的结合问题：在 AI for Science 这类高精尖领域，我们需要一个“高度”极高的模型；而在日常企业办公和个人生活场景中，需要的是一个“广度”极高但体量不必过大的模型。做好两者的结合，可以有效化解目前的硬件成本和电力消耗瓶颈。 从机器人领域来看，大家最关心的核心指标依然是零样本泛化能力（Zero-shot Generalization）。以往机器人技术的发展有两条相对正交的路线：一条是特定场景部署，一条是通用泛化。 单纯做部署，有点像拿 AI 去赋能上一代的工业机器人。例如工厂里的机械臂原本是开环拧螺丝——即不依赖实时环境反馈，完全依靠预先标定好的坐标位置直接操作；引入 AI 之后，可以实现闭环拧螺丝或闭环上货。但这种模式依然具有一定的“逆时代”局限：为了完成部署，通常依然需要 5 个博士级别（PhD level）的专家常驻现场，甚至在工厂车间睡上 3 个月，逐一解决稳定性、作业速度以及末端定制夹爪等工程问题。 真正的长远追求依然是类似 Astra 这样的通用机器人：具备强大的零样本泛化能力，能够实现极快部署。这种部署不需要 5 位顶尖专家在场，而是随便指派 5 个普通工人即可完成基本的体力协作与技能配置。零样本泛化在执行效率上必然会存在一定的冗余，但这种冗余是完全可以接受的。能否打造出一个足够好、反应足够快的零样本泛化模型，始终是机器人领域最核心的追求。 关于通用机器人何时能够真正走入实用，比较激进但合理的预测是：2028 年初会是一个通用机器人开始真正实用的时间节点。从现在开始算起，大约 18 个月之后，人们或许就可以在家里直接通过自然语言指令，让机器人完成家庭中 90% 的日常杂务。 虽然相比大模型软件层面的爆炸式演进，机器人显得慢了一倍，但物理世界的软硬件演进总是比纯纯软件代码要慢一些，无法做到完全脱离实体的极速迭代。不过相比过去几年行业对“机器人的 GPT 时刻尚未到来”的迷茫，当前行业已经开始深入探讨具体场景应用，整体进展正在显著加快。 在 AI for Science 领域，若要迎来真正的质的突破，最关键的核心在于 AI 对真实世界的深度理解，以及对现实世界资源的规划、分配与运用。科学研究的本质就是探索真实世界：物理学研究宇宙，生物学研究生命，化学研究微观粒子。AI 不能仅停留在纯虚拟代码层面，它必须理解真实世界的物理规则与实验约束。这并不是简单指设计一个机器人去代替人类操作仪器，而是 AI 自身能够清楚地评估实验室现有的实验资源与成本，懂得如何合理调度机器人或实验员去分步执行任务。 未来的交互范式将会发生反转：不再是人类去绞尽脑汁 prompt AI（比如简单给出一句“请帮我设计一个能治疗癌症的药物”），而是人类给出一个现实边界条件——比如提供 10 万美元预算，告知单次小鼠实验需要 2000 美元以及特定的人体试验周期——由 AI 来进行超复杂任务的资源规划。进而，变成由 AI 来生成清晰、精确、可执行、无歧义的指令来 prompt 真实世界（AI prompts the physical world），指挥人类或机器人去调动现实资源完成闭环。 在这种新范式下，核心技术将从“让 AI 遵循人类指令”转变为“由 AI 高质量生成指令”（Instruction Generation）。甚至未来的实验仪器设备也不再需要为了迎合人类医生的肉眼观察而做妥协——比如拍 X 光或 CT 时无需再费力渲染出两维图像，底层原始的波形和传感信号可以直接投喂给 AI 处理。AI 走向真实世界，学会调动和利用物理现实中的一切资源去攻克前沿科研难题，这才是科学发现领域最大的变革机遇。 ### 智能曲线与落地周期的割裂 回顾此前活动中关于“Claude 发现类 CRISPR 新酶系统”的讨论，AI 圈与生物圈展现出了截然不同的态度：AI 圈感到无比兴奋，认为模型已经开始具备自主科学发现的能力；而生物圈的反应则相当平静，普遍坚持“必须先在实验室里通过湿实验验证了再说”。 这种反差揭示了模型能力演进与实体行业真实变革之间的深层鸿沟。在基础模型层面的突飞猛进与各行业的彻底重塑之间，横亘着的不仅仅是智能高低的问题，更是漫长而严苛的真实世界验证周期。机器人必须在复杂的物理环境中经过成千上万次的试错碰壁，药物研发必须静候小鼠与灵长类动物漫长的新陈代谢反应，商业 Agent 也必须经受住真实用户与复杂交易链路的检验。AI 领域看到的是陡峭上升的模型能力曲线，而身处具体产业之中的人，看到的则是无法随意跳过的物理落地周期。