开场：新节目预告与Astra发布后的行业速览

主播先介绍新播客消费101，随后梳理Astra发布一个月内的关键进展：Meta Muse、Instinct估值暴涨、xAI的Grok Bot、Jev模型，以及Claude发现新酶系统、Biohub扩大虚拟细胞计划。最后点出本期三个议题。

嘉宾实测：Astra在机器人和生物医学里到底强在哪

许华哲讲Astra的适应能力与自我迭代，插花demo显示它能理解三维物理；朱哲清认为长程任务更稳定但速度慢、长跑仍有幻觉；王晟说团队已全面切换到Astra，Computer Use能操作难用的生物医学老软件，长任务可跑一整晚。

Computer Use为什么又火了：API走不通，商家在屏蔽

朱哲清解释Computer Use是模型看屏幕决定点击和输入，与API的区别是不需要接口。很多第三方App不愿开放API，Agent又回到浏览器操作。他提出软硬件结合是破局方向，因为云端虚拟机无法证明Agent代表用户本人。

Agent的成本账：token、虚拟机和一百美元的免费额度

讨论Meta Muse的云端虚拟机成本，CPU与GPU价格一度持平。Astra每百万token输入10美元、输出50美元，是GPT-6的四到五倍。朱哲清举例一百美元credits两三次agent flow就用完，认为To C Agent短期难出现象级产品。

行业分化：前沿实验室在烧钱解科学问题

朱哲清说Grok Bot多被尝鲜，传统企业还在纠结脱离Microsoft。主播补充OpenAI解纳维-斯托克斯方程调用约一万个agent、消耗约1300亿token、零售价约2200万美元，指出前沿lab真正竞争的是AI for Science。

机器人：Astra第一次让benchmark失效，但速度是硬伤

王晟认为Astra的提升主要来自通用coding而非生物医学知识，且对生物任务越来越爱拒答。许华哲说Astra对机器人是飞跃，但做控制要16倍速播放，缺乏直觉物理。讨论分层架构边界下移、本地模型十B以内、云端延迟几百毫秒可接受。

夹小球与叠衣服：Astra在灵巧操作上的短板

许华哲对比自家模型与Astra夹小球：前者连续尝试，后者每步都要分析原因，慢且易陷僵局。Astra做不了双臂任务，叠衣服完全不行，重复做同一件事时间会收敛成常数。他认为仿真路线不会因Astra复活，但利好本体公司。

从惊艳到冷静：机器人创始人们的三周心理变化

许华哲描述行业从最初惊艳到深入后发现问题的过程，认为机器人GPT时刻已到但仍有大量空间。他判断Jev在机器人上表现很差，因为无法输入图像。整体对行业影响偏正向，但能力落后的公司会有担心。

AI制药的真瓶颈：不是设计分子，是设计实验

王晟说现有生物医学benchmark本质是数据科学比赛，与真实制药差距很大。模型最缺的是给出可执行的实验方案，完成度约30%。他提出human use概念，并指出验证周期受限于老鼠几周、猴子四个月的自然规律。

为什么AI制药公司大多没成功：反馈太慢

王晟解释AlphaFold时代涌现的AI制药公司失败原因：设计周期压缩了，但后期动物和人体实验卡住。他主张前沿实验室自建湿实验并重新设计流程，让干湿实验咬合。一条“分子能否杀死老鼠癌细胞”的数据价值几万到几十万美元。

前沿实验室开始自建实验室，以及benchmark该怎么设计

王晟提到Anthropic与Adaptive Bio合作、OpenAI在组建湿实验团队。他认为未来benchmark应设计成没有上限的任务，如把杀死癌细胞比例从30%提到40%，形成数据飞轮。AI自主发现的药还没出现，主要是时间还早。

突破正比于实验周期：酶和蛋白质为什么先跑出来

王晟说AI突破几乎正比于生物医学实验周期，周期越短反馈越快。酶和蛋白质实验快，所以迭代快；衰老、罕见病周期长，进展就慢。酶在工业化工中商业价值大且可快速落地。

蒸馏的另一面：机器人领域每个人都值得被蒸馏

许华哲说机器人领域远没到只有专家值得被蒸馏的阶段，家常菜每个人做的都值得。王晟提出反向蒸馏，自己也在向AI学交叉学科知识。朱哲清认为下一步要蒸馏的是人从零开始学习的能力。

三位嘉宾各自最关心的问题

朱哲清关心算力铺开与本地小模型解决八九十%的日常问题；许华哲关心零样本泛化，预测2028年初通用机器人开始真正实用；王晟关心AI对真实世界资源的理解与调度，提出未来是AI给人写指令。

收尾：能力曲线与落地周期之间隔着验证

主播回顾大会上王晟的回答：AI圈兴奋，生物圈平淡，因为要实验室验证。她总结机器人要反复试、制药要等新陈代谢、Agent要过商家和用户那关，AI圈看到能力曲线，行业看到落地周期。