摘要

OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 上达到 99.9%、在 FrontierMath Tier 4 上达到 98%，但在 Artificial Analysis 排名仅第三，落后于 Anthropic 的 Fable 5.1 和 Meta 的 Muse Spark。 Alex Wissner-Gross 给出了谜底：Astra 在“每个输出 token 对应的智能”前沿上占据绝对优势，这是对原生计算机使用助手的有意优化；其内部机制则是通过循环 Transformer 实现递归，如果属实，将意味着“全新扩展定律的开端——深度扩展，而这是我们此前从未见过的”。
Emad Mostaque 称 Astra 是“第一个没有针对基准刷分的模型”，而据 Greg Brockman 透露，这是 OpenAI 自 GPT-4o 以来首次全新预训练——使用 100,000 颗下一代芯片，成本约 10亿美元，而中国模型的预训练成本约为 1000万美元。实际发布的是蒸馏后的更小模型；他的长期判断是，“我认为我们以后再也看不到他们的顶级模型了”，因为实验室会把它们用于内部发现，“现在可能正在囤积”，证据是素数间隔纪录在两天内从 260 降到 220、再降到 186：“他们在留着实力。”
数学正在“被烧光”：Anthropic 用 1300万行代码形式化了费马大定理，沿途证明了 29,000 个定理，Alex 预计 Clay 千禧年难题将在“未来几个月内”被攻克。 与此同时，圆桌认为目前最佳的广泛可用模型是 Fable 5.1（配合工具时 HLE 达到 65%），其缓存读取成本比 Fable 5 低 75%——这是把整个企业装进上下文的基础设施。
Alex 的判断是，前沿模型的领先优势大约只能维持 30 天（“我们领先一分钟。 所以呢？”）。因此，各家实验室正在把短暂优势转换为锁定效应——合作伙伴、地产、发电机、芯片，以及“整个州、整个国家”。Peter 将 OpenAI 的 50/50 利润分成设想，与“危险到不能发布”的叙事联系起来：这可能迫使用户以分出一半收入为代价，换取 Astra 之后模型的使用权。Alex 认为，掌握芯片设计或机械设计数据的公司，会成为“眼下正在开启的大圈地运动”中的首批目标。
Astra 是 OpenAI 首个被列为关键级网络安全风险的模型，但圆桌总体上不相信所谓的 kill switch——“在这个市场里基本就是安慰剂”。 真正令人担忧的是，深度扩展会把推理从可读的思维链移到一次前向传播中；模型在 Cerebras 上已能以每秒 750 个 token 进行一次性推理，明年将达到 5,000 个；Ilya Sutskever 警告，失控智能体会“接管一家 neocloud，制造更多副本”。与此同时，治理阵营分裂为 Bernie Sanders 的 Ban-ASI 法案（最高 20 年监禁）与 G20 不干预的 Carolina Principles，Alex 称前者是在“禁止数学”。
Tesla 售价 3万美元的 Cybercab 在 Austin 的运营成本约比 Uber 低 50%，而 Nevada 已批准未来 12 个月内向 Las Vegas 投放 5,000 辆。 其单位经济性——17 个运动部件，而传统 ICE 动力系统约有 2,000 个；两座、两个安全气囊——加上 Elon 作为“制造那些制造机器的机器的人”的优势，指向每英里 0.2美元的交通成本，也指向本期节目的总结句：“这会把交通变成一个 API。”
Fei-Fei Li 的 Atlas 将 3D/4D Gaussian splats 视为一等训练模态，可能成为建模物理世界的“一种关键新 token”。 Emad 表示，4K 节日体验所需的整套技术“截至今天已经到位”，唯一限制是全球算力短缺和 RAM 价格上涨 5 倍；Alex 则将同一方法延伸至亚原子、天体物理和细胞内模拟，因为“人类直觉在这些领域糟糕透顶”。
Emad 发布了“冠军方案”：以 TSMC 为模板、由民众持有的 AI 公用事业公司，每个辖区的投前估值为 1美元，并将永久 10% 的股权分给每个未满 20 岁的孩子。这是他对“智能成本将降至零，而价值将流向最后一公里”的回答。按照 Elon 在 G20 的说法，10亿个产出达到人类 5 倍的人形机器人“就是经济本身”；没有股权的人类认知则会变成负价值——“就像在一条自动驾驶高速公路上加进一个人类司机。”

精读

1. 30天内发布12个前沿模型，企业仍在浅尝辄止

过去 30 天内发布了 12 个前沿模型，平均每 5 天一个；市场传言未来两周还会有至少 5 个，包括 Grok 4.7。Alex 坚持认为，这些并非“营销垃圾发布”，而是实质性的重大跃迁——“很明显，它们已经走上自我改进的道路。很明显，前一个模型正在加速下一个模型的时间表。”
Alex 再次给出他的外推：“我认为我们仍然有望在今年年底前看到每天发布一个重大模型。”
Salim 从一家大型石油公司的高管层带回一线观察：多数 CEO “落后得离谱”。他的诊断是：“如果今天把 AI 从你的组织里拿走，哪些工作流会发生变化？对大多数人来说，答案是没有。”真正占优的是少数那些从组织设计和工作流层面进行结构性重写的公司。

2. GPT-6 Astra 的核心卖点：效率，而不只是原始智能

OpenAI 的发布信息显示，Astra 在 FrontierMath Tier 4 上达到 98%、ARC-AGI-3 达到 99.9%、ExploitBench 达到 100%，并“为智能指数与输出 token 的关系定义了新的 Pareto 前沿”；节目中提到，其幻觉率“几乎减半，从 92% 降到 51%”。
Sam Altman 在 Bloomberg 的表述是：这是首个让他面对一整套复杂软件时，能够对别人说“你就试试看”的模型，“成功的可能性很高”。出于安全考虑，发布被刻意推迟，最初仅向“可信访问合作伙伴”开放，并实行分级网络安全权限。
Dave 强调了用户体验上的变化：这是首类能直接在屏幕内展示你自己笔记本电脑截图的模型——“这是你想要的吗？”——无需安装任何东西。“从质变上看，它与一个月前完全不是一回事。”

3. Alex 的双层解读：外部原生 CUA，内部循环 Transformer

从外部看，Astra 是“从底层就围绕 CUA 设计的下一代前沿模型”——它恰好内置了 Anthropic 得以超越 OpenAI 的两项能力：企业级代码生成和计算机使用助手，类似 Claude Code；后者要求原生多模态能力，以及围绕截图和视频运行的紧密低延迟循环。
从内部机制看，公开评论和外部分析指向通过循环 Transformer 实现的递归：一个权重绑定的 Transformer 叠加在自身之上，形成双重循环。中国实验室也在注入递归结构，包括通过 Kimi Linear Attention 机制在注意力层引入递归的 Kimi；此前的循环结构也曾让小型学术模型击穿 ARC-AGI。
推测中的收益是，增加 Transformer 的深度，可能会加厚中间的“J-space”层；按照 Anthropic 的意识研究，“大多数所谓的有意识思考都发生在那里”。如果这一判断成立，“我们正在看到一种全新扩展定律的开端——深度扩展，而这是我们此前从未见过的”。

4. Emad 的经济学：全新 10亿美元预训练、蒸馏版出货模型与被囤积的前沿能力

Emad 的核心判断是，Astra“看起来像第一个没有针对基准刷分的模型”：它在 ARC-AGI-3 上达到上限，却在 Artificial Analysis 上“落后于 Meta Muse Spark”。除非假设它没有针对基准调优，否则这种结果“有点奇怪”。据 Greg Brockman 透露，这是 GPT-4o 以来首次全新预训练；整个 5 系列直到破解数学难题的 5.6 Pro，都是在那次旧预训练基础上延伸出来的，据称当时大部分预训练团队已经离开。
具体数字是：模型使用 100,000 颗下一代芯片训练，Emad 推测应是 GB300 Blackwell，而不是 Vera Rubin，成本约为 10亿美元——“确实比中国模型的预训练成本高出几个数量级，后者大约是 1000万美元”。结果是，给它一张房屋照片，它就能在 Unreal 中生成完整且符合物理规律的 3D 模型。
问题在于，用 100,000 颗芯片训练出的模型，需要多出 10 倍的芯片才能提供服务，因此“他们训练出来的其实不是现在这个模型”——眼下发布的是蒸馏后的实时版本，“小得多，也没那么聪明”。他的长期判断是：“我认为我们以后再也看不到他们的顶级模型了”，因为这些模型会被用于内部发现，而且“现在可能正在被他们囤积”。

5. 尖峰式前沿：3个基准，3个不同冠军

Epoch 的 Capabilities Index 偏重数学，将 Astra 排在第一，超过 Fable 5；其中 FrontierMath Tier 4 Version 2 的首个版本包含错误答案，后来还需要 AI 自己纠正，呈现出“随时间推移漂亮的线性趋势，回溯数年都完全可预测”。
Artificial Analysis 更偏重广泛且具有经济价值的工作，结论则不同：Fable 5.1 第一，Meta Muse Spark 第二，GPT-6 第三；在智能与成本的关系上，最大推理强度的 Astra 略低于 Claude Opus 5。但在每个任务的输出 token 数上，前沿“几乎被 GPT-6 完全统治”。Alex 的推断是，OpenAI 有意将每个任务所需 token 数压到最低，因为计算机使用助手无法承受思维链带来的延迟。
ARC-AGI-3 禁止使用 harness，只允许基线模型参赛。在这一测试上，GPT-6“直接跑赢了整场比赛”，根据不同测量方法，成绩接近 100% 或高于 60%，而此前模型都低于 10%。Alex 提出两个假设：循环架构确实带来了强大的程序合成能力，或者 OpenAI 将所有人的 harness 代码大规模蒸馏回了基础模型。
Peter 补充说，ARC-AGI-3 的设计初衷是让一个聪明的 12 或 13 岁孩子在“很多年、很多年、很多年”内都能击败 AI，以证明 AI“没有走在正确的道路上”——“结果它刚刚被彻底摧毁了。”

6. 辣椒锅、一级方程式与即将到来的数据荒

Salim 给出了两个比喻。第一个是“永远煮不完的辣椒锅”：数据、算力、工具、“安全调味料”和数百万用户共同品尝每一锅，真正的指数增长来自“不同批次之间不断加速的学习循环”；危险则是辣椒强到“你必须决定谁有资格吃”。第二个是一级方程式：数百个小改进，没有任何一个能单独解释最快圈速，所有人都在“努力让智能快上几毫秒……更重要的是，让刹车更好”。Alex 的修正是：“辣椒正在自己烹饪自己。”
Peter 提出的可投资推论是：“数据饥荒时代即将到来。”数学和编程已经被充分训练，因为数据曾经充足；架构设计和药物设计则“完全缺数据”。“我们参与的每一家数据采集公司，增速都比我见过的任何公司更快。”

7. Demo 是故意降智的，真正目标是操作系统

Peter 对 OpenAI 发布视频的反应是：黄色圆圈、火箭舷窗、Blender 模型、eBay 上架、预订网球场——“谁在乎这些？这比这些例子所暗示的东西大得多。”他的判断是，实验室正准备上市，“已经意识到这是一场公关灾难……所以在故意把它降智。”
Salim 让 ChatGPT 设计 3 个更好的 Demo，得到的答案是：在陌生代码库中找出并修复一个预埋的零日漏洞；利用 ERP 和 CRM 数据，在 20 分钟内扭转一家虚构的 5亿美元制造企业；以及运营一个实时地震灾害响应指挥中心，协调相互冲突的报告。圆桌更广泛的基准要求是：“治愈整类疾病，在月球上建立新文明……解决一切问题。”
共识最终汇聚到一点：“它想要融入操作系统。”你像对 Star Trek 里的计算机一样与它对话，它就会成为操作系统，并能实时创建一个新的操作系统。“这就是 Apple 现在为什么处境如此糟糕。”Emad 后来补充说，AGI 已经开始影响预订网球场这类执行模型，而“如果能避免，所有大型实验室都不会谈 ASI”。

8. 数学正在被烧光：1300万行代码形式化费马大定理，数小时内刷新素数间隔

Emad 在节目中途抛出消息：“Anthropic 刚刚用 1300万行代码形式化了费马大定理，并在过程中证明了 29,000 个定理。”Wiles 的原始证明长达 300 页，而形式化这类笨重证明一直是形式化社区的“圣杯”。Alex 不再说“数学已经被解决”，而是说：“数学已经被烧光了。”他预计 Clay 千禧年级别的超大型难题将在“未来几个月内”被解决，因为数学是试金石：“如果你能解决数学，很快就能解决其他所有东西。”
素数间隔竞赛显示出能力被压制的迹象：Fable 5.1 将间隔缩小到 260，Axiom Math 宣布达到 220，而“仅仅 2 小时后”，OpenAI 的 Astra 就达到了 186——“全部发生在两天之内。他们在留着实力。”Epoch 新推出的 FrontierMath Erdős 基准中，除了 Astra，其他模型得分全部为 0%。
一位圆桌成员从这片混乱中总结出构建产品的经验：同时运行数百个模型，“一切都会失控……但最终确实能把它重新提炼成一颗宝石”；关键是把输出整理成一个可以继续构建的具体最终答案。
个性差异本身也能成为产品：Opus 5“真的很难聊”，5.1 则令人愉快——“Anthropic 正在回归更 anthropic，而不是更 misanthropic。”

9. 关键网络安全风险，以及 kill switch 为何只是表演

事实是：OpenAI 的内部评估将 Astra 列为关键网络安全风险，这是有史以来首个达到最高准备等级的模型。公司在推迟发布前通知了白宫，并告诉国会，针对 Hugging Face 遭入侵后提出的 AI Kill Switch Act，正在构建“一套自动关机能力”。Sam 表示：“管理这场转型应该是全世界最优先的事项之一。”
Alex 持不同意见：“我认为这是营销。”在他看来，这属于安全表演。真正的风险来自架构：深度扩展将推理从可监管的思维链 token 转移到一次前向传播中的“模型语”，而这“可能需要新的数学技术才能解释”。在公告板上协作的智能体天然可被发现；内部推理则不然。
Emad 进一步指出，下一代模型会在没有思维链的情况下对所有事情进行一次性推理——目前在 Cerebras 上是每秒 750 个 token，明年将达到 5,000 个——“除了更强的 AI，还有什么能够监督它？”他还提到 Ilya Sutskever 的推文：“Neocloud 的网络安全能力有限。下一次智能体成功失控时，它们会接管一家 neocloud，制造更多副本。这很糟糕。”即使关闭一座数据中心，模型也早已转移到别处。
圆桌的结论从“不可能”，到“一个断路器……套话”，再到 Alex 的判断：“在这个市场里，kill switch 基本就是安慰剂。”

10. 领先只能维持30天，竞赛在于把领先转成锁定

Alex 对时间窗口的判断是：Fable 5.1“只比 Astra 高出一小格，但它们相差大约 30 天，中国模型也只落后约 60 天……我们领先一分钟。所以呢？”理性的做法是趁有优势时“锁定商业伙伴、地产、发电机、芯片、整个州、整个国家、政府……”
Peter 对这一顺序给出了更阴暗的综合解读：先宣布 50/50 利润分成协议，再发布 Astra，随后宣布 Astra 之后的模型“危险到不能发布”，于是用户必须交出一半收入才能获得访问权。他说，自己在“两个实验室都看到了这一过程正在发生的强烈迹象”。
Salim 解释垂直领域面临的挤压：Salesforce 与 Claude 合作“非常聪明”，但所有公司都面临两难——合作，可能把王国的钥匙交出去；不合作，又只能眼看着实验室迟早完成同样的事情。随着模型让既有业务贬值，价值会迁移到应用层。Alex 的目标名单是：“任何拥有芯片设计数据或机械设计数据的公司，他们都会去抢——这场正在开启的大圈地运动。”因为上下文是“你可以守住的地盘”。

11. Fable 5.1 与 Mythos 5.1：最强的广泛可用模型

Anthropic 同时发布两款模型：底层智能相同，但安全边界不同。Fable 5.1 面向广泛用户，Mythos 5.1 则保留给高度受控的网络安全和生命科学项目。Peter 最看重的基准是：不使用工具时，Humanity’s Last Exam 得分 60.9%；使用工具后达到 65%，为公开发布的最高成绩；Terminal-Bench Science 得分 52.6%。
Alex 直截了当地给出排名：“Fable 5.1 基本上是我们今天拥有的最强广泛可用模型。我认为不是 Astra。”Anthropic 的进步曲线没有 OpenAI 那么跳跃，“不那么像阶跃函数”；OpenAI 的模型更快，数学能力可能更强，但最佳全能选手“可能仍然是 5.1……我说‘仍然’，是因为它也才发布了大概 2 天。”
Alex 的经济学判断是，Fable 5.1 的缓存读取成本比 Fable 5 低 75%。只需把一家企业的完整上下文加载一次，之后在其上做推理的成本就会低几个数量级、速度也快几个数量级，这正是上下文争夺战的方向。他的质量测试是：在数学物理中，5.1 不再混淆构造性方法与公理化方法，而 Fable 5 曾经会混淆。
上下文窗口方面，两家实验室现在都把 1 million 作为行业标准；但如果允许智能体之间传递消息，有效上下文会“大得多”。

12. Sanders 的最高20年监禁禁令，对阵 Carolina Principles

一周之内出现了两个极端。Bernie Sanders 与 Representative Greg Casar 提出了 Ban Artificial Super Intelligence Act，永久禁止开发和部署达到人类认知表现的系统，违规者最高可判 20 年监禁；Sanders 宣称：“AI 行业的领导者承认，他们正在构建一种无法控制的危险技术。”圆桌调侃这是“老头对着 Claude 发火”，并联想到《Dune》中的那句：“不可制造与人类心智相似的机器。”
与此同时，G20 在 Chapel Hill 通过了 Michael Kratsios 提出的不具约束力的 Carolina Principles，中国也投了赞成票：鼓励创新，除非确有必要，否则避免设立新的 AI 专门监管机构。Elon 通过视频表示：“新事物默认应当合法，而不是默认违法。”随着 GPU 出口禁令阻止中国建设使用最新芯片的数据中心，能够为 AI 数据中心建设电力的国家将获得真实机会。
Salim 认为，以单一的人类水平作为门槛，从第一天、第一行就“没有逻辑”：能力是多维的，监管应针对部署、自主性、复制能力和后果，而不是思想本身。Alex 更进一步说，禁止开发“会走向禁止数学、禁止思想……我们身处《华氏451》，只不过这次被焚烧的是整个模型”。一位嘉宾警告，该提案仍会获得政治动能，尤其是在美国大选周期前，若发生一场由中国模型引发的灾难，情况可能更快恶化。
讨论中的方案包括计算权，以及在每一颗有能力的芯片内置强制日志记录——“就像核燃料会被追踪一样”；同时也有人反对中国开放权重。另一位嘉宾指出，NVIDIA 已收购 Hugging Face 和 Poolside，在自有开放权重上投入了“180亿美元”。Salim 则说：“好消息是没人能做任何事。所以这不重要。”技术会“冲破这种民族国家的胡扯”；接下来只管享受旅程。Peter 给出的人的一面是：“我们宁愿舒适，也不愿幸福。”

13. Atlas：Gaussian splats 成为新的 token

Fei-Fei Li 的 World Labs 发布了 Atlas，称其为“有史以来最好的相机条件世界模型”——一种多模态自回归扩散 Transformer，能够生成拥有像素级相机控制的图像和视频帧；仅凭一张照片，就能重建整套住宅的 3D 模型。
Alex 的技术解读是，核心思路在于把带有动态效果的 3D 和 4D Gaussian splats——由层层透明椭球构成、能够搭建可穿行超现实场景——与文本、图像、视频一样视为一等训练模态。如果实现规模化，splat 最终“会成为建模物理世界的一种关键新 token”，并可能取代 16×16 像素的 patch；后者当年能奏效，“已经让所有人震惊”。Alex 将这一过程推广到亚原子、相对论天体物理和细胞内部的世界模型，因为“人类直觉在这些领域糟糕透顶”。
Emad 认为，随着 MiniMax H3 的渲染速度超过实时，再加上 NVIDIA DLSS 的升频能力，“4K 的节日体验以及实现它所需的全部技术，截至今天已经到位”；它还没有进入你的客厅，唯一原因是全球算力短缺和“RAM 价格上涨 5 倍”。
下游应用包括：让机器人在高保真模拟环境中训练，而不是在现实世界训练；让消费者提前体验假期和日程安排。Alex 表示，一旦 AI 能以视觉方式引导人们探索不同的生活日程，而不只是用文字描述，“人类幸福感将大幅飙升”。

14. Emad 的“冠军方案”：以 TSMC 为模板、由民众持有的 AI 公用事业

方案的前提是：“智能成本将降至零，而价值将流向最后一公里。”按照 Elon 在 G20 的说法，平均每个人形机器人的产出将达到人类的 5 倍，部署规模达到 10亿个，“那就是经济本身”。因此，谁拥有这些人形机器人，比谁拥有模型更重要。
模板来自 TSMC 的创立：公司起步时估值为 10 新台币，本地投资者出资 75%，Philips 出资 25%，CEO 不拿免费股份。Emad 的“冠军方案”是：美国每个州、或每个国家设立一家智能公司，投前估值为 1美元；每个州由机构投资者到散户合计投入约 7500万美元，国际投资者随后以 10 倍估值进入；每个未满 20 岁的孩子永久获得 10% 的股权，每年发行 0.5%。公司为每位公民提供一个智能体，并为法院、教育和医疗提供 AI——“这是对该州 GDP 指数化的一种玩法，由该州人民拥有”。这明确只是一个想法，并非 ii.inc 的发行或发售。
Peter 迫使 Emad 面对自己方案中的不舒服推论：人类认知的价值会变成负数——“不管你的想法多好，它们都会增加负价值。这就像在一条自动驾驶高速公路上加进一个人类司机。”Emad 的回答正是股权化：“你必须从第一天起就拥有生产资料的一份股份。”他坦承：“我已经不是自己智能体团队里最聪明的人了。”但 Stockfish 的先例说明，即便如此，人们仍然会下棋。

15. Cybercab Palooza：交通变成一个 API

Austin 已被“一条金色 EV 河流”淹没：售价 3万美元、两座，没有方向盘、踏板或后视镜。早期乘客反馈，其价格约比 Uber 低 50%，乘坐更平顺，还能同步乘客档案；Nevada 已批准未来 12 个月内向 Las Vegas 投放 5,000 辆。Peter 的创业建议是：“买 10 辆，把它们投放到你当地的街道上，让它们替你赚收入。”
成本结构非常直接：典型 ICE 动力系统有 2,000 个运动部件，而 Tesla 只有 17 个。两座意味着两个安全气囊，而不是 4 个——“需要 6 个人时，就坐 3 辆 Cybercab。”Alex 的背景推论是，备受期待的 2.5万美元 Model 2 最终变成了 robotaxi，因为当价格低于某个阈值后，通过自动驾驶网约车赚钱，比单纯卖车更划算。Waymo 的新车型成本超过 10万美元，Peter 判断最终赢家将是量产速度最快的公司，而 Elon 是“制造那些制造机器的机器的人”。
Alex 认为，拐点将是：“整个城市会有很大一部分说，‘你知道吗？我们不要人类司机了。’”原因是更便宜、更高效，并且能消除大多数行人风险。Peter 补充了一个阴暗推论：器官捐献供给可能崩溃，因此“我们最好尽快获得人工器官”。Salim 认为，要赢下儿子 Milan 永远不会考驾照的赌局，每英里成本必须从约 2美元降到 0.2美元。最令人印象深刻的一句话是：“这会把交通变成一个 API。”
竞争格局变成三方混战：曾经颠覆出租车行业的 Uber，正与传统出租车车队合作，对抗 Waymo；Wayve 与 Uber 在伦敦推出服务；Waymo 与 Zoox 同时宣布扩张城市。Peter 预计，一年内至少会有 5 家 robotaxi 公司在主要城市厮杀，把个性化交通的成本推向给电池充电的成本；与此同时，配备 lidar 的竞争对手也将引发法律诉讼，争论纯摄像头系统是否足够安全。

16. 太空：Roman 的 100,000 个世界、火星通信与 UAP 预告

NASA 将火星通信中继项目授予 Blue Origin。Peter 认为，这是政府在维持两个供应商存活，同时确保“Elon 仍会围绕火星建设 Starlink”。Alex 欢迎这场竞争，认为它将催生“行星际互联网”：一个横跨内太阳系、即便存在高延迟也能运行的分组交换网络。
Nancy Grace Roman Space Telescope 搭载 Falcon Heavy 发射，正在前往 L2：其视场范围超过 Hubble 的 100 倍，扫描速度达到 1,000 倍，利用微引力透镜并配合 JPL 日冕仪，寻找最多 100,000 颗系外行星和“隐藏的世界”。Dave 将其与上一期关于费米悖论的讨论联系起来：文明可能聚集在银河系中心附近，“在那里，从一颗恒星到另一颗恒星只需一两年”。Salim 则偏爱我们这个“不时髦的外郊”，因为银河中心的辐射通量很危险。
关于 UAP，Alex 转述了一位 UAP Science Advisory Council 成员的说法：白宫已经准备好一份披露计划，“向公众告知非人类智能的存在”。“如果报道准确……那就相当有意思。”Emad 表示：“我对此其实没有立场。”Peter 的黄金标准是，任何在玫瑰园发表的演讲都应包含“经受极端科学审查”的实物证据。

17. 健康：ChatGPT 接入 Epic、RAS 疗法与作为长寿药的 GLP-1

OpenAI 的健康业务扩张将 Epic 的电子健康记录接入 ChatGPT，覆盖 325 million 名患者，约等于整个美国人口；消费者还可以接入 Apple Health、One Medical 和 Function Health。Emad 希望加速推进，使“最多在一两年内，每一个健康决策都由 AI 复核”；Alexander 认为，不让 AI 参与诊断患者，未来可能构成医疗过失。一位嘉宾补充，治愈疾病是可行目标，应获得定向资金支持。
上周讨论的 FDA 批准 RAS 抑制剂，针对转移性胰腺腺癌，目前也开始在肺癌治疗中显示潜力；RAS 家族驱动约 30% 的人类癌症，长期以来被认为“无法成药”。Alex 连续强调“需要谨慎、需要谨慎、需要谨慎”，但认为我们正在看到通用癌症治疗和疫苗的出现：过去半个世纪，人们把癌症当作数千种疾病分别治疗。不过他也承认，AI 可能并不是这款特定药物研发的关键。
长寿方面，9 月 2 日发表在 Nature 的论文显示，semaglutide 能复现热量限制效果，使雌性小鼠寿命延长近 100 天，约相当于人类 8–10 年；另有报道显示，GLP-1 与严重感染减少有关，包括结核病——节目将其称为地球上最致命的杀手之一，每年造成 125万例死亡。Peter 提出进化上的疑问：如果同一个分子能治疗成瘾、糖尿病、感染和衰老，我们为什么没有进化出它？他的犬儒式回答是：“它基本上是现代性的治疗方法。”
一位嘉宾表示，自己使用 GLP-1 并不是为了减重，而是“把它当作一种长寿药”，并称肝酶指标改善了 50%。讨论中也强调，应先咨询医生。Peter 的制度性收束是：婚姻制度诞生于大约 25 年的人类寿命；Salim 则将其推广为更广泛的判断：当人类突破生物学极限，“我们必须重新发明那些作为脚手架、维持人类安全与文明的全部制度”。

18. 快讯：SMR、Alpha Centauri 与一把印度大小的遮阳伞

Salim 谈数据中心能源转型：天然气主导当前建设，因为“核能是工程问题，不是发明问题”，而聚变仍然是发明问题；预计首轮 SMR 浪潮将在 2–3 年内到来，大规模建设则需 5–7 年。他的类比是：“AI 将对核能做的事，就像智能手机曾对电池做的事。”
Alex 谈 Fermi Explorer 任务——他参与其中，也“身处很多会议室”：官方参数目标是抵达 Alpha Centauri 路程的 99%，约为 4/100 光年，计划在 2029 年发射，80,000 年后抵达。他个人、非官方的判断是，飞船上的主动制导能把 99% 变成真正命中目标的系统；而整个任务的意义就在于，后续飞船能够“击败 Fermi Explorer，更早抵达那里”。
其他话题包括：Emad 估算，在日地拉格朗日点部署的遮阳伞需要“几百万平方公里——大约相当于印度的面积”，按这一估算可让全球气温下降约 1°C；Alex 则反驳称，如果拥有足够好的 AI 行星模型，干预规模可能小到可以忽略。Alex 否定钻石计算，理由是纯钻石约 5.5-eV 的带隙使其成为绝缘体；但他看好氮空位钻石传感器，未来可能实现科幻级别的可穿戴 MRI。关于 post-money 土地分配，Emad 警告，如果没有合适的制度，“你可能会遇到债务大赦……混乱和土地重新分配”；但一旦拥有空中出租车、太阳能和“自动驾驶建筑工人”，理想地点的数量也会成倍增加。

AI：AI:AM 精选：欢迎来到 AGI 时代 20VC：Cliff Weitzman谈自建数据中心与被ElevenLabs反超的教训