开场：AI 操作电脑已经超过大多数人

主播抛出核心判断——很多人没意识到 AI 操作电脑的水平已超过普通人，并以 GPT 6 接机械臂画金门大桥油画为例，说明大脑强到一定程度后连接物理世界会有奇效。

Computer Use 成本可能再降六七成

讨论其他厂商发力、成本可能下降 60%-70%，并回应「Computer Use 很鸡肋」的质疑，用独立开发者下载三四百个 Mac 软件追踪垃圾文件的案例说明其真实价值。

果蝇 16 万神经元被完整数字化

介绍谷歌将果蝇约 16 万个神经元连同感知与运动神经连接开源，压缩成几百 MB 文件，并抛出「从发现到数字化用了多久」的问题。

为什么过去画不出来，现在能画出来

解释果蝇研究已有百年历史，但神经管道极其密集、非标准化，人工无法绘制；这两年靠 AI 的识别与切片还原能力才得以完成，并指出电信号强弱模式仍不清楚。

Jev 被高估了吗：架构没变，只做判断

主播认为 Jev 架构上仍是 Transformer，本质是把长上下文抽象成有限选项做判断，速度最高提升 400 倍以上，但智能上限没有提升，解决的是成本问题。

Jev 的适用边界与隐私隐忧

讨论 Jev 适合重复度高、选项不多的场景，可与大模型组合使用；同时指出它仍是云端模型，数据是否被用于训练是新的变量，本地小模型在某些场景反而更优。

系统一系统二之争与功耗难题

主播认为把 Jev 包装成快思考慢思考有些牵强，果蝇 16 万神经元才是天然的系统一；话题延伸到人类大脑二三十瓦功耗支撑八百多亿神经元，而模型智能还不如两三岁小孩。

回到 Computer Use：两个成本摆在面前

指出 GPT 6 级别模型操作浏览器已相当不错，但成本高；主播提出两个成本——下指令的沟通成本和任务耗时五分钟的时间成本，并认为这次看完 GPT 6 后觉得 Computer Use 值得发力。

企业数字化：数据搬运的价值高到能砍人

从朋友去大型企业做 FDE、每年要砍 30% 人的案例切入，讨论数据散落在人脑、电脑、文件柜中，搬运与整理的价值高到足以替换一个岗位，以及老旧系统难以操作的问题。

被锁死的数据与专项 Computer Use 的低成本

举例企业花十万找外包做小系统、外包故意不开放数据导出，再要十万；讨论专项 Computer Use 成本不高，录制回放即可重复执行，并给出价值底线——一个人一个月的工资。

Jevons Paradox：便宜了才会到处都用

讨论成本降到百分之一后，全网都会帮你想场景，这可能是应用爆发的重要信号；时间窗口是未来半年到一年半，并指出 Computer Use 更适合给一台云端 Linux 电脑而非 Mac。

把 Computer Use 当成云端服务器，而非有桌面的电脑

主播提出跳脱 GUI 视角，把 Computer Use 理解为没有桌面、全是命令行的万能云端服务器，可下载视频字幕、对接 API；并区分纯内部工具可直接重做、SAP 类软件不要有幻想，最后以「明年可能真的不用电脑了」收尾。