基于播客「Agent、机器人与制药，谁先被GPT-6 Astra改写？【硅谷101播客】」完整转写整理（音频约80分钟，4796秒）。主持人转写名为"红军"（疑为ASR误差，本文一律称"主持人"）；嘉宾：许华哲（破壳机器人创始人、清华交叉信息研究院助理教授）、朱哲清（Bill）（POKE AI创始人兼CEO）、王胜（华盛顿大学计算机学院助理教授，AI for Science方向）。除注明外，事实与数字均为节目或嘉宾口述口径（“节目称”），未做外部核验；转写疑似错误已文末标注。
先说结论
GPT-6 Astra对三个行业的改写速度并不相同，而决定快慢的变量不是智能，是验证周期。机器人拿到的是"定性变化"——许华哲的原话是"很多的robotics的benchmark失效了"，这是历次模型更新里冲击最大的一次；但个人Agent的瓶颈根本不在模型能力，而在身份与成本：云端虚拟机无法向商家证明"这个Agent就是这个用户"，而每用户每月约100美元的token加虚拟机成本让它离现象级还很远；制药则是"干实验已经解决、湿实验仍是天堑"——王胜判断生物医学的coding任务"已经比人做得好"，可一个分子能否杀灭癌细胞，仍必须等老鼠和猴子的新陈代谢走完。主持人在结尾把这道裂缝说得很清楚：模型层看到的是能力曲线，行业里的人看到的是落地周期。
一场发布会后的一个月：三个行业的三份进展清单
节目开场，主持人先用一个月内的事件铺出背景。C端，Astra发布五天后Meta上线个人Agent"Meta Muse"，给每个用户一台云端电脑，两周冲到美国App Store榜首；它的对手Instinct一个月内估值从25亿美元涨到100亿美元。B端，xAI的Grokbot开放了企业部署。模型层，一个叫"Jeff"的模型突然火了——它不写字、不推理、只给选项打概率，母公司"TypeSafe"称其为借鉴"快思考与慢思考"的"系统一"模型，发布24天融资8.7亿美元、估值75亿美元。
制药侧有两件大事。一件是九月底，“Cloud”（按上下文疑指Claude）仅用21小时自己找到了一个叫"ART"的新酶系统，结构很像CRISPR，被怀疑是一种新的基因编辑机制，消息导致多家基因编辑公司股价下跌。另一件是十月初旧金山Tech Week上，扎克伯格夫妇的"Biohub"（转写为"Bailhub"）宣布把虚拟细胞计划扩大到18亿美元，谷歌DeepMind、Meta、Atomphic Labs（转写存疑）与美国能源部、NIH一起出钱出数据，目标是让药还没进实验室就能在电脑里看到细胞的反应——用主持人的话说，“他们在解决AI制药的数据问题”。
这份清单本身就是本文的地图：Muse和Instinct对应Agent商业化的卡点，Jeff对应快慢系统的分层之争，ART酶和虚拟细胞对应制药的验证与数据瓶颈。三个方向在后面各自展开。
机器人：分层的那一刀被压低了，但速度和直觉物理还在守门
许华哲团队实测Astra后的第一判断是适应能力：给它一个机器人本体，它会自己发现这个本体运动速度快慢、空间约束如何；撞到桌子会说"这桌子蛮高，我是不是该把手抬高点"——把思维链（COT）式的反思直接翻译成了动作。网上流传的机械臂画金门大桥Demo他们没有复现，但试了一个加难版插花：花茎被劈成两半、末端分叉，不好往瓶里塞，Astra会知道先捏住分叉把它捏窄再塞。他把这归因于对三维尺寸的理解，认为这已能覆盖大量非动态的操作任务。Real-to-sim是另一个被冲击的环节：过去要把实验室搬进仿真需要大量拍照和手工标定，现在给Astra几张图片就能很快复现环境。
真正定性的变化在benchmark上：“无论是Opus 4.5、4.6还是到Fable的变化，都没有Astra这次给robotics带来的变化大”，过去历次升级"原来不能做，现在仍然是不能做"，而Astra让RoboDojo等一批公认的仿真benchmark失效、自己成了第一名。但深挖下去短板同样清晰：双臂任务几乎做不了，叠衣服完全不行——“在一个语言不太好描述的任务上，Astra的能力其实并没有很强”；自我总结能力也差，第一次一小时、第二次四十五分钟，之后永远停在四十五分钟，不像人或训练过的小模型那样越做越快。速度问题出在模型大加上内部COT极长（他认为对外给出的COT是"假的"、加密的），简单任务和复杂任务思考时长相近，导致简单任务上全是开销——主持人概括为"内耗型人格"。
由此引出分层架构之争。过去共识是VLM做任务规划（“我要吃西红柿炒蛋”→开冰箱、拿鸡蛋），小模型做底层执行；Astra现在能直接下达"把手往右伸两厘米"“放在把手上，没抓住就再往前靠"这类低层动作指令，等于把分层的那一刀往下压，底层退化为反射式的"提线木偶”。但许华哲不认为会一路压成端到端：一是速度，网上控制Demo都要十六倍速、二十四倍速播放；二是直觉物理——水杯碰翻会洒、玻璃会碎这类即时判断，语言推理绕得出来但反应不过来，仍需要世界模型或快模型兜底。他的工程结论是：机器人搭载的本地模型小于10B最舒适，十几B到小几十B要升级芯片；云端API做准静态任务200毫秒级延迟可接受，倒水这类高动态任务"卡一下就完全坏掉了"，必须本地。对比自家筷子夹小球的Demo：自家模型快、连续试错不思考；Astra每一步都分析原因再调整，更像人类但慢、且容易陷入僵局——一旦分析错了就无法推进。
对产业链的冲击判断也很具体。仿真路线他不看好：“Astra让仿真复活了"只是real-to-sim把三维外观做得很好，物理引擎并没有因此更准确。本体和硬件公司是明确利好：Astra发布两三周内，斯坦福一个课题组就把它接入宇树机器人（转写为"语数”）做家庭任务，论文约两周做出来——跨本体泛化能力加上质量过关的本体，直接就能做一部分事，尽管还是Demo级。做"大脑"的公司则分裂成两派：一派继续自研更快更强的具身原生模型，从Astra身上学数据标注和COT的方式；另一派干脆放弃自研，把自己做成Astra调用的工具，转型机器人部署公司。连研究范式也在变：过去显得"过时"的TAMP（任务与运动规划）因为Agent化重新焕发生机。他最关注的是数据标注方式的启发——要把因果和直觉物理标清楚：“没抓住，是因为抓的位置偏上了，还是东西沾了水太滑”，而不是只标一句"做了什么"。主持人补充听说的传闻：OpenAI现在"只买不标注的数据"，认为外部标注都是错的、且要保密标注方式；由此数据公司分化成卖"生肉"（拼规模、管理上千人采数据）和卖"熟肉"（懂前沿模型怎么训练，能报出"这是OpenAI的标注方式"并据此把单价翻十倍）两种生意。
对那个叫Jeff的系统一模型，许华哲也实测了：表现很差，因为无法输入图像，必须外挂视觉模型把状态喂给它，摞方块经常摞不起来或倒了——Astra能看到第一块歪了就把第二块往反方向靠，Jeff没有这种能力；但Jeff快，可能适合拿来标数据。他提到OpenAI即将发布类似Jeff的、带图像输入的快系统（发布时未验证）。整体上他判断Astra对机器人行业是正向的：“它相当于一个新的思路，照亮了很多我们之前没有看到的地方。“他的时间表相当激进：十八个月后，家用机器人能以语言指令完成家里90%的事情；2028年初是通用机器人开始真正实用的时间节点——理由是机器人2023年与大模型同步出发，如今已慢了一倍，但物理世界"总是要慢一点的”。
Agent：卡住个人助手的不是智能，是身份和账单
朱哲清（Bill）先给模型本身降温：单纯看coding，Astra"可能没有那么大的一个节点”。真正的范式转变发生在Opus 4.5到4.6——工具调用几乎不出错、长程coding可以自主进行；Astra只是把长任务做得更长、幻觉更低、前端审美更好，“没有做到我能解决一个以前完全解决不了的问题”。王胜补充了另一个体感：长程任务里对上下文和已完成任务的认知更稳定，但跑一整晚二十四小时幻觉仍会发生，没有被根本解决。
Bill真正想讲的是Computer Use的回潮与它的结构性死结。逻辑链条是：业界原本假设所有工具都会开放API、做Agent Native接入，但Amazon、电商、旅行类App并不愿意开API，于是Instinct和Muse都借道浏览器操作；而云端虚拟机用的是商用IP，网站要屏蔽AI机器人，Amazon已经屏蔽了Meta Muse——Manus当年走过一模一样的路、被全部block掉，最后和Jasper一样转向白领工作流，Claude Code、ChatGPT Work向白领效率偏移也是同一个原因。根本症结在身份：云端虚拟机无法向商家证明"这个Agent就代表这个用户"。Bill的推演是：如果是一对一——一个用户本来就要访问我，通过Agent来访问，商家可以接受；但如果一个用户挂二十个Agent不停比价刷流量，对商家就是得不偿失。所以To C Agent最终会落在软硬件结合上：硬件属于用户本人，Agent跑在本地，身份自然可验证，“他不可能把你电脑上的browser屏蔽掉，那你自己也不要上Amazon了”。他所在的公司与高通、英特尔、AMD、联想、惠普都有合作，判断终局是模型、软件、硬件三方合作共赢。
账单是另一道闸。Muse送每个用户一亿token，按成本折算约100美元；browser use对模型能力要求高，没法用便宜模型。Bill用自己举例：急任务下把Claude 20X套餐用完，追加100美元 credits，两三个回合的agent flow就烧光了。Astra定价每百万token输入10美元、输出50美元，约为GPT-6入门档（转写为"GPT-6 So"，存疑）的四到五倍；一次难任务调用就要三四十美元。所以Muse后端即便传闻有向OpenAI模型的路由，他也不信真会用——“十次iteration里有一次要靠Astra，那每个用户每个月就是两百刀”。除了token还有虚拟机成本：他们自己训练（转写为"二幺"）时先用云端虚拟sandbox，太贵，最后租大CPU box自建；一次大规模rollout时CPU价格涨到了和GPU一样。他的愿景是未来60%到70%的token在本地或私有算力上产生，不必全路由到前沿模型——前提是巨头们"能烧个一两年"，等小模型成熟后达成平衡。他的公司走的正是这条路：发布30B左右的模型，跑在AI Box和AI PC上。
B端的图景则撕裂得多：身边人用Grokbot多是尝鲜；而真正的传统企业——legal、healthcare——“现在还纠结于怎么脱离Microsoft Copilot的泥潭”，连自由使用Claude Code都做不到。主持人呼应开场那句"行业分差非常大：走在前面的人什么都可以随便用，走在后面的人还在泥潭里挣扎"。他还带来前沿研究员的观察：To C消费级Agent的token花不了多少钱，推理成本在降；真正烧钱的方向是AI for Science——OpenAI解纳维-斯托克斯方程那类问题，内部发了约270万条消息、消耗约1300亿输出token，第三方按零售价估算约2200万美元，动用了约一万个子Agent。前沿实验室押注的是"如果AI真的能制药、能解决疾病，那个利润更可观"。
制药：干实验已经被解决，湿实验才是新的护城河
王胜的团队已经把内部任务从之前的Codex系模型切换到GPT-6 Astra（所属机构转写为"百奥曼"，存疑）。他最受用的两个能力恰好对应节目的主题：一是Computer Use——生物医学领域沉淀了大量多年前编写、界面糟糕、术语密布但圈内默认必用的老软件，Astra读过网上的教程和用户反馈日志，“真的理解怎么用这些软件”，用简单prompt就能操作；他甚至在旁边看Astra操作来反向学习软件。Astra发布时操作MultiQC（一个常用网页工具）的Demo在圈内"出圈"了。二是长程任务：生物医学任务一跑就是八到二十四小时，他的用法是白天用反馈快的模型、晚上让Astra设计整晚执行的pipeline——“它做得慢，有时候反而让我放心”。
但能力提升的结构值得注意：王胜明确说，这轮提升来自coding、查文献和长程任务能力，不是生物医学知识——专门测生物医药知识的benchmark上Astra并没有提升；而且随着能力增强，模型对生物医学任务的拒答越来越严，他们内部日常反而用Kimi K3（转写为"Kimmy K3"）等模型，用Astra时要专门声明"这不是危险任务、我在设计benchmark"。他进一步质疑benchmark本身：现有生物医学benchmark"本质上就是一个data science的比赛"，退化为机器学习问题，小模型在这种定义清晰的任务上确实在追平大模型——但这与真实的药物发现之间gap非常大。
真正的悖论在于：我们最在意的问题都没有答案。“开发一个治疗癌症的药物——如果我已知答案，这个问题就没有研究的必要了。“所以每个有价值的AI for Science问题最后都要湿实验验证：干实验在CPU/GPU里完成，湿实验要试管、培养皿、老鼠和细胞。GPT给一个分子式、Claude给另一个，都得去做实验；而实验之前还缺一整段能力——怎么合成这个分子、怎么储存、以什么周期给老鼠用药，“这些特别细节的东西是现在AI模型都做得非常差的”。他估算实验设计的完成度只有约30%，且极吃领域经验——教授未必会，长期做实验的technician才会；每个实验室的器材配置不同，Astra无法根据现有资源针对性设计，“饭店里有番茄鸡蛋土豆，它非要给你做海鲜大餐”。
由此推出一整条产业链判断。第一，严肃的AI制药公司必须自建实验室，且要把湿实验重新设计成配合AI的闭环：提前备好细胞，AI一预测就立即把小分子放进去——否则设计周期几周，模型已经进化到GPT-6.1、6.2了。第二，周期刚性摆在那里：细胞和老鼠实验几周，猴子实验一轮约四个月、常常两轮八个月，AI制药公司一般做完猴子实验就以千万美元以上的授权费license给大药厂做人体实验，全程六到十二个月。第三，数据是新护城河：AlphaFold 3把研究和数据开源后，社区反而更重视数据积累——“一条分子在老鼠上到底能不能杀掉癌细胞"这样一条数据，价值几万到几十万美元，且永远不会出现在互联网预训练语料里；类比已经出现的行情——AIME奥数题、Terminal Bench一道题几千美元，新的Terminal Bench Science更高，真实生物世界的数据价值只会更高。第四，接口是新生意：一家叫Adaptive Bio的公司与Anthropic合作，AI出预测、以MCP形式立即开跑实验，刚融资4000万美元；王胜预计每个湿实验公司将来都会以MCP/API形式直接接入大模型。而前沿实验室自己也下场了：Anthropic明确与Adaptive Bio合作办蛋白质设计比赛、以湿实验验证为最终标准，并且传出在自建湿实验团队、招湿实验背景的人；OpenAI预计会有类似布局。
这些判断回扣到那个根本约束：AI至今没有一款完全由自己发现并验证的药，原因不是能力而是时间——药的周期五到十年，“新时代的AI"还没走到那个周期；此前号称"AI设计"的药多是参与或噱头，研发起点在五到十年前，“那时候的AI和现在完全不是同一种AI”。突破的苗头与实验周期成正比：酶和蛋白质这类快反馈领域（如Anthropic的酶设计比赛）会快速迭代，衰老、罕见病这类长周期领域进展会很慢。酶的商业价值甚至更容易落地——把地沟油转化为可用油、让洗衣粉在不同温度下保持活性，都是工业催化场景。而他给benchmark未来的设计原则同样直白：出没有上限的题——SOTA药物杀掉30%的癌细胞，AI能不能做40%？持续做湿实验积累数据飞轮；避免"这个基因是否致癌"这种会被轻易刷爆的分类题。
验证周期：AI圈看到能力曲线，行业看到落地周期
把三条线合起来，能读出几条可迁移的机制链。
其一，基础模型的冲击要按"它把分层的那一刀切到哪里"来评估。Astra把机器人从规划层压到了低层动作控制，于是本体公司突然受益（两周接出一篇论文）、大脑公司分化（自研快模型或转做部署）、标注公司重定价（熟数据单价十倍）；但速度与直觉物理守住了原生模型的门，“一个几T的模型肯定很难部署”，未来一定存在一个远小于Astra、能力相当的机器人专用模型。判断任何一次模型升级，与其问"它多聪明”，不如问"它把价值链的哪一段商品化了、哪一段反而更值钱了”。
其二，To C Agent的瓶颈是身份与单位经济，不是智能。API不开放逼出browser use回潮，云端虚拟机又过不了商家的IP与身份审查，叠加每用户约100美元的token加VM成本——所以破局方向是端侧：模型足够小（30B级）、browser sandbox放在用户自己的硬件里，让"硬件所有权"天然完成身份证明。对应地，前沿模型定价四到五倍于入门档、一次难任务三四十美元，决定了它们只被路由到最值钱的任务上——而当前最值钱的任务，是AI for Science。
其三，当一个问题没有答案，验证就是产品。制药侧干实验已被coding能力"解决”——Terminal Bench Science上Astra只有六十多分，但王胜说自己做得没有AI好；下一个十年的稀缺品是湿实验数据（一条几万美元）、实验接口（MCP式即插即验）和实验资源编排能力。王胜把这叫从computer use到"human use”：AI给实验员下清晰可执行的指令，未来甚至反向改造仪器——CT不必再合成给人看的图片，直接把底层波形喂给AI。
最后是人的位置。三位嘉宾从各自角度回答了"人还剩什么"：许华哲说机器人领域"每个人都值得被蒸馏"——你擅长做饭、我擅长叠衣服，家常菜今天都有标注价值，一两年后才轮到只蒸馏Gordon Ramsay式的大厨；王胜说要"互相蒸馏"——他天天向AI学交叉学科的新知识，同时人类负责定义问题、设计无上限的benchmark，并在重大决策上做背书，“就像飞机能自己飞，我们还是希望有个驾驶员在上面”；Bill的视角则是从"逐场景蒸馏/过拟合"走向"模拟人从零开始学习"——一个underfit的基础模型能否在一个月互动内达到基础医生、三个月达到教授水平，这还远远没做到。主持人则在结尾点破了全期的题眼：Claude宣布找到类CRISPR新酶后，AI圈兴奋于"AI开始做科学发现"，生物圈平淡地说"等实验室验证了再看"——模型层的进展和一个行业的真正改变之间，隔着的不仅只是智能，还有验证。
转写疑似错误与不确定项（ASR口径，均按上下文尽量校正，无法确认者保留原文）：
- 主持人姓名转写为"红军"，硅谷101主持人通常为泓君，疑为ASR误差；本文一律称"主持人"。
- “语数机器人"按上下文疑为"宇树（Unitree）机器人”。
- 模型"Jeff"及其母公司"TypeSafe"为转写专名，写法不确定。
- 王胜的头衔机构转写为"AppleDex"、所在项目转写为"百奥曼"，均不确定；“破壳机器人"“POKE AI"公司名按转写保留。
- “Kimmy K3"疑为"Kimi K3”；“Musepack 1.3"写法不确定。
- “GPT六So"疑为GPT-6系列低价档位名称；Instinct所用的"soul级别模型"写法不确定。
- “Bailhub"按上下文推断为扎克伯格夫妇的Biohub；“Atomphic Labs"写法不确定。
- “满意的奥数题"疑为"AIME奥数题”；“机器人行业派开源"疑指π0（pi-zero）等机器人基础模型开源。
- “从DeepMind分出去的生物制药公司"疑为Isomorphic Labs；“普尔"疑为John Jumper（与哈萨比斯同获诺贝尔奖的科学家）——均为嘉宾口述+转写双重不确定。
- “Vaness”（早期browser use代表产品/公司）、“二幺”（Bill公司模型训练代号）转写不确定。
- “Cloud"在制药语境中按上下文疑指Claude（含发现"ART"新酶一事）；“ART"为转写保留。
- 开场提到的消费新播客主持人"麻花”、节目名"消费101"为转写口径。