E256｜Agent、機器人與製藥，誰先被GPT-6 Astra改寫？

清華大學交叉資訊研究院助理教授、破殼機器人創始人許華哲認為，OpenAI 的 GPT-6 Astra 是機器人領域第一個「定性」級別的飛躍——過去的模型升級在機器人測試上幾乎毫無表現，而 Astra 讓多個機器人 benchmark 直接失效。這集節目以 Astra 發布（約 2026 年 9 月下旬）為起點，分三條線展開：個人 agent 的商業化卡點、機器人如何被底層模型衝擊、以及 AI 製藥真正的瓶頸。標題中的「Agent、機器人與製藥」三塊都有充分覆蓋，但節目後半段最扎實的部分其實是 AI for Science 的濕實驗驗證週期問題，以及「誰值得被蒸餾」的訓練訊號轉向討論。

三位嘉賓分別代表三個落地場景：許華哲做具身智慧與機器人本體，朱哲清（Pokee.ai 創始人兼 CEO）做 30B 級別、可跑在端側與私有算力上的小模型與 agent，王晟（華盛頓大學計算機學院助理教授、Apodex 首席科學家）做 AI for Biomedical。三人共同給出的一個判斷是：模型能力曲線和行業落地週期之間隔著「驗證」——機器人要反覆試、製藥要等老鼠和猴子的新陳代謝、agent 要過商家和使用者那一關。

Astra 在機器人上是定性飛躍，在 coding 上不是

朱哲清把模型代際分成兩種：一種是範式轉變，一種是穩定增量。他認為 Opus 4.5 到 4.6 是前者——工具呼叫幾乎不再出錯，長程 coding 可以自主進行；而 Astra 相對前代只是「能做更長、幻覺更低、審美更好」，沒有解決以前完全解決不了的問題。許華哲不同意這個判斷適用於機器人：過去所有升級在機器人測試上「原來不能做，現在仍然不能做」，Astra 則是第一個讓 RoboDojo 等模擬 benchmark 全部被它拿下第一的模型。

| 維度 | 朱哲清（agent / coding） | 許華哲（機器人） | 王晟（生物醫學） |
|---|---|---|---|
| Astra 是否為大節點 | 不是，遜於 4.5→4.6 的範式轉變 | 是，首個定性飛躍 | 是，團隊已從 Claude 系列切換到 Astra |
| 最強能力 | 長程任務與迭代更穩定、幻覺更少 | 適應新本體、自我反思迭代、Real-to-Sim | Computer Use 操作老舊科研軟體、8–24 小時長程任務 |
| 主要短板 | 速度慢、24 小時長跑仍有幻覺 | 雙臂任務幾乎做不了、疊衣服完全不行、總結能力差 | 對生物醫學知識本身無提升，且拒答越來越嚴 |

許華哲複現的插花 demo 說明瞭 Astra 的能力邊界：花莖被劈成兩半、有分叉，模型自己判斷要先把分叉捏窄再往瓶裡塞——「本質上還是理解 3D」。但同樣的反思機制在簡單任務上變成純開銷：Astra 面對複雜任務和簡單任務的思考時長幾乎相同，所以簡單任務看起來「非常笨」，是「內耗型人格」。

個人 agent 的死結是身份驗證，不是模型能力

朱哲清對 toC agent 的核心判斷：雲端虛擬機器無法證明「這個 agent 代表這個使用者本人」，所以商家一定會封。Meta Muse 走的路和當年的 Manus 一模一樣——雲端虛擬機器加 browser use，主打 travel、shopping、客服，而這些場景恰恰沒有 API 可用，最後只能靠瀏覽器，於是亞馬遜現在已經把 Meta Muse 遮蔽掉了。他認為破局點在軟硬體結合：如果 browser sandbox 跑在使用者自己的裝置上、用使用者自己的 IP，商家就沒有理由 block，因為「你不可能把使用者電腦上的 browser 遮蔽掉，那他自己也別上亞馬遜了」。

這條路的成本結構同樣嚴峻。Meta 給每個使用者每週 1 億 token 免費額度，朱哲清估算按 input 成本折算約每人每週 100 美元；而 Astra 定價是每百萬 token 輸入 10 美元、輸出 50 美元，是 GPT-6 Sol 的 4 到 5 倍。他舉自己的例子：20x 的 Claude 訂閱用完後，加值 100 美元 credits，只跑了兩三次 back-and-forth 的 agent flow 就全部耗盡。若 Muse 把 10% 流量路由到 Astra，成本是災難性的。除了 token，雲端虛擬機器的 CPU 和記憶體成本同樣可觀——他提到團隊做大型 rollout 時曾遇到「CPU 價格跟 GPU 價格一樣」，最後乾脆自己租大 CPU box 架 sandbox。

「雲端這件事情不能代表這個使用者本身，這也是為什麼 browser 把他們給完全 block 掉的原因。」——朱哲清

他的長期設想是 60% 到 70% 的 token 在本地或私有算力上產生，只把難題路由到 frontier model。

Computer Use 重新變火，因為商家不肯開 API

Computer Use 並非新能力，這輪重新被點燃是因為 agent native 的設想落空：大量第三方 shopping、travel 應用不願開放 API。朱哲清認為最終形態是 mixture——API 呼叫、coding、browser use 混用，而不是回到單一方案。

王晟給出了 Computer Use 在科研場景最反直覺的價值：生物醫學領域大量預設要用的軟體是很多年前寫的，介面差、術語多，跨領域的人使用成本極高。Astra 能按簡單 prompt 操作這些軟體，更重要的是研究人員可以反過來觀察它怎麼操作，從而學會用這個軟體。他認為這背後是 Astra 把網上的 tutorial、user log、使用者反饋以文字形式學進去了。OpenAI 發布時做的 MultiQC 網頁工具 demo 在生物醫學圈子裡「出圈」，讓很多人第一次意識到這個功能比想像中好用。

分層架構的界線被 Astra 往下壓了一格

傳統共識是 VLM 做任務規劃、具身小模型做執行。許華哲指出 Astra 的變化在於它現在能做低層次動作控制——指令可以細到「把手往右伸兩釐米」，沒抓住就「再往前靠一靠」，於是底層模型退化成反射式的「提線木偶」。但他不認為上層會無限下壓到端到端：一是速度，網上 Astra 控制機器人的影片都要 16 倍或 24 倍速播放；二是它缺乏直覺物理學，不知道碰倒的水會灑、玻璃會碎。

他給出的部署約束很具體：本地模型最好小於 10B 比較舒適，十幾 B 到小幾十 B 也能做但硬體成本上升；雲端 API 形式下模型尺寸沒有限制，瓶頸是網路延遲——準靜態任務 200 毫秒甚至幾百毫秒可接受，高動態任務（如倒水）必須在本地，「卡一下水就冒出來了」。

用筷子夾小球的對比最能說明兩種範式的差別：破殼自己的模型抓取時連續不斷試探，失敗了就換個角度，沒有太多邏輯思考；Astra 每做一步都要分析原因、再給自己下指令，更像人類思考過程，但緩慢，且一旦分析出錯就卡在僵局裡無法推進。旋轉類操作 Astra 也偏弱，要反覆試。

Astra 利好本體與部署公司，衝擊能力遠低於它的模型公司

許華哲把機器人公司分成幾類看衝擊：做本體和硬體的明顯受益——Astra 發布兩三週內，斯坦福已有課題組把它接入宇樹機器人做家庭任務，論文大概兩週就做出來。做資料的公司會分化成「賣生肉」和「賣熟肉」兩類：生資料靠起量，管理一千到一萬人採集、把家庭 map 一遍；熟資料則要懂前沿模型怎麼訓練，能說「這是 OpenAI 的標註方式，這是 π 的標註方式」，單價可以翻十倍以上。他提到一個傳言：OpenAI 只買不標註的原始資料，認為外面的標註都是錯的，自己內部重新標，一方面也是為了保密。

對 Sim-to-Real 路線，他的判斷相當直接：Astra 讓 Real-to-Sim 變容易，但那只是把 3D 外觀做好，「並沒有因為 Astra 出現，物理引擎變得更準確」，所以「很多人說 Astra 讓模擬重新復活」是一種 hype。他認為模擬沒有辦法訓出最好的機器人策略。

他從 Astra 身上學到的是標註範式要變：過去的機器人標註只寫一句「你做了什麼」，是純正向標註；未來要把因果和直覺物理標清楚——沒抓住是因為位置偏上，還是東西沾了水太滑。至於訓練範式，他認為機器人最終一定需要一個比 Astra 小得多、能力相近的專用模型，即使託管在雲端也仍是機器人專用模型，因為幾 T 的模型無法部署。

AI 製藥的瓶頸是濕實驗，不是模型智慧

王晟給出全場最鋒利的一句結構性判斷：AI 圈為 Claude 找到類 CRISPR 的新酶系統而興奮，生物圈的態度是「實驗室驗證了再說」。原因在於生物醫學真正在意的問題都沒有答案——「如果我已經知道答案，這個問題就沒有必要研究了」——所以每一個 AI for Science 問題最後都要濕實驗驗證，而這受限於自然規律。

他對當前模型設計實驗的完成度估計只有 30%。缺口有兩層：一是 domain expertise 太深，一個教授也未必知道，需要專門做過這個方向的 technician 才能設計出高效、成功率高又可行的實驗；二是模型不知道實驗室有哪些器材，就像讓它用番茄、雞蛋、土豆做菜，它卻設計一道海鮮大餐。他因此提出一個概念對照：Computer Use 是 AI 控制電腦，而這裡需要的是「human use」——AI 如何指揮真實世界裡的實驗員。

驗證週期是硬約束：細胞和小鼠實驗幾週可完成，靈長類實驗一次約 4 個月，做兩次就是 8 個月，AI 製藥公司通常走到猴子實驗結束就以 1000 萬美元以上的授權費 license 給大藥廠，整體週期 6 到 12 個月。而模型在這段時間裡可能已經迭代了兩代。上一波 AlphaFold 時期的 AI drug discovery 公司雨後春筍般出現又大多失敗，正是因為把分子設計週期從半年壓到幾天，卻仍被後端動物與人體實驗卡住。

他認為解法是改造實驗室本身：前置條件全部備好，AI 一預測完就立刻把小分子放進去，讓乾濕實驗一起設計，而不是設計完再移交給不懂模型的合作者重新設計一套濕實驗。這也解釋了為什麼前沿 lab 必須自建濕實驗能力——Anthropic 已明確配備並與 Adaptyv Bio 合作（後者以 MCP 形式接單做實驗，剛融了 4000 萬美元），最近辦的蛋白質設計比賽以濕實驗驗證為最終標準；與 Hassabis 共同拿諾貝爾獎的 John Jumper 加入了 Anthropic。

資料價值由此凸顯：一條「某分子在老鼠身上能不能殺死癌細胞」的資料，成本幾萬到幾十萬美元，且完全不在預訓練語料裡。王晟認為「成立實驗室專門替模型做驗證」是很好的商業模式，類比 Terminal-Bench 上一道題已要價幾千美元，真實生物資料的價值會更高。

值得被蒸餾的是學習方式，不是技能

節目後段轉向訓練訊號。有前沿研究員稱普通人「連被蒸餾的價值都沒有了」，許華哲用機器人反駁：機器人領域每個人都是生活專家，「你擅長做飯，我擅長疊衣服，他擅長走路」，今天家常菜水平就值得被蒸餾，也許一兩年後才需要 Gordon Ramsay 級別。王晟補充反向蒸餾——他做交叉學科，很多東西不懂就快速向 AI 學，獲取知識更快，是互相蒸餾。

朱哲清把問題推到更底層：現在的模型本質上是在大量場景上 overfit，而「我們 overfit 的領域可能都還不夠」。真正的 general intelligence 要求模型能模擬人從零開始學習的過程——一個 underfit 的 foundation model，能不能在一個月互動中達到人類基礎醫生水平、三個月達到某個教授水平，完全靠自己迭代。他認為離這一步還很遠。

三人各自給出當前最關心的問題，恰好構成三條互補的路線：

• 朱哲清：記憶體與視訊記憶體昂貴、算力集中於資料中心。他設想算力鋪開到每個人、每家公司，用不那麼大的模型解決生活中 80% 到 90% 的問題；同時承認模型仍要往大走，只是存在「高度」（AI for Science）與「廣度」（企業與個人日常）的分工。
• 許華哲：零樣本泛化。他指出機器人過去兩條路——部署與泛化——幾乎正交，部署路線是 AI 賦能上一代機械臂（開環擰螺絲變閉環），但仍要五個博士級的人進工廠睡三個月調穩定性、速度和末端夾爪，有點逆時代。他預測 2028 年初是通用機器人開始真正實用的節點，18 個月後人們可以用語言讓機器人在家裡做 90% 的事情。
• 王晟：AI 對真實世界資源的理解與排程。未來的 prompt 不是「設計一個治癌藥物」，而是「給你 10 萬美元，做老鼠實驗一次 2000 美元，你來規劃」。他提出 Instruction generation 會取代 instruction following 成為關鍵能力，實驗裝置也會被改造——未來拍 CT 不必再合成給人看的影象，直接把底層波形給 AI。

值得追蹤的幾個未定項：Meta Muse 的模型路由是否真的混入了 Astra 或 Fable（成本上難以持續）、OpenAI 即將發布的帶影象多模態輸入的快系統能否補上 Jev 的短板（許華哲測試 Jev 在疊方塊任務上經常疊不起來或疊了就倒，因為它無法輸入影象，必須先跑一個視覺模型把狀態轉成文字）、以及 2028 年那個機器人預測會不會被推遲。整集最耐久的判斷來自王晟那句關於驗證的話：模型能力曲線是 AI 圈看的，落地週期是行業裡的人看的，兩者之間隔著的從來不是智慧。