AI 医疗、企业自动化与智能体驱动的网络

2025 年 8 月 29 日，Matthew Berman 和联合主持人 Nick Wentz 开始了 Forward Future Live，带来新闻以及对免疫学家 Derya Unutmaz、Automation Anywhere CEO Mihir Shukla 和 Firecrawl 联合创始人 Caleb Peffer 的采访。嘉宾讨论了生物医学研究、企业工作和智能体代为访问网络的可能未来。

Wentz 提到 Nvidia 创纪录的财报和相对平淡的股价反应。他与 Berman 推测原因可能涉及中国相关的不确定性、增长预期和 600 亿美元股票回购授权。他们对管理层动机和公司创新的解读是个人观点，并非已确定的股价反应原因。

主持人转向 Google 的图像模型 Nano Banana，即 Gemini 2.5 Flash Image。Berman 称赞其编辑能力，并描述如何将地图截图转化为想象中的街景或历史场景。这类图像可以作为创意插画，但生成的地点或过去事件画面并非经过验证的记录。

Wentz 强调 OpenAI 的 Realtime API 已退出测试阶段，并介绍 GPT-realtime 语音模型。Berman 预计语音将成为重要交互界面，认为耳机可能是便捷设备；Wentz 则看好客服和无障碍方面的潜力。他们也提到一次出现问题的快餐语音点单案例，说明实际部署仍需测试。

主持人讨论 Elon Musk 对普遍高收入和丰裕的预测。Berman 对智能成本下降后的未来持乐观态度，同时承认预测范围从丰裕到反乌托邦不等。现有技术并不能证明其中任何一种结果一定会发生。

Berman 介绍 The Jackson Laboratory 的免疫学家兼教授 Derya Unutmaz。Unutmaz 将自己对 AI 的兴趣追溯到 20 世纪 90 年代，并说 ChatGPT 和后来的推理模型让他相信 AI 能加速科学与医学工作。

Unutmaz 认为生物学过于复杂，研究人员无法在没有辅助的情况下追踪所有相互作用。他认为能力不断增强的模型可以帮助分析数据和提出实验。这是他对研究的期待，并非声称当今系统已经完全理解生物学。

被问及同事的态度时，Unutmaz 说他认识的科学家和医生已从怀疑转向更多采用。他认为部分抵触源于职业焦虑，也有对错误和幻觉的真实担忧。他的叙述是个人经验，并非对医疗专业人员的代表性调查。

Unutmaz 描述了上传一张结果存在冲突的免疫学实验图。他说 GPT-5 提出了团队之前已经设计过的实验，还给出了另一个让他惊讶的想法。第二个想法当时仍待测试；它是一个假设，而非经过验证的癌症治疗方法或已发表的发现。

他报告了另一次回顾性测试：模型分析了团队曾花约一个月处理的代谢物数据，据他说复现了先前发现并提出额外结果。在另一个细胞与癌症实验中，他估计模型预测了约 90% 的结果。这些是他对案例的描述，采访没有提供详细的独立评估。

Unutmaz 希望研究人员能够模拟部分生物过程，以优先选择更少的实验室实验。他的长期目标是建立可以在计算机中测试的虚拟细胞；他强调这需要更多生物数据和计算能力。未来的模拟仍需通过实体实验验证。

主持人问及花在申请经费上的时间。Unutmaz 引用一项约占科学家 30% 工作时间的估计，并说团队过去需要数月的工作有时可以借助 AI 在几天内起草。他介绍了测试 Google AI co-scientist 来提出和排序假设的情况，但这些说法是工作实例，并非受控生产力研究。

谈到通用模型与专用模型，Unutmaz 预计两者都很重要。他将 AlphaFold 描述为蛋白质结构专用系统，并说分子动力学和生物扰动数据需要领域专门的方法和数据集。他不排除未来通用系统承担更多此类工作。

Unutmaz 说自己在一些微调工作中使用 Google 模型，但还没有亲自尝试本地开放模型。他认为，当数据属于机密或专有信息时，本地部署有其作用，同时指出这需要时间和计算资源。Berman 询问开放与封闭系统的选择可能如何影响生物医学研究。

Berman 问及 AGI 时间线。Unutmaz 预测基本形式可能在 2025 年底或 2026 年初出现，并推测领先实验室内部的能力。他的定义和断言是个人预测，并不能证明 AGI 当时已经实现。

Unutmaz 认为记忆和跨较长任务的学习仍是缺口。他想象智能体从需要频繁人类输入的任务，发展到持续数天或数周的任务。这些是未来发展情景，并非所讨论系统已经展示的能力。

谈到临床采用，Unutmaz 认为患者和医生将越来越需要 AI 辅助，同时承认监管和责任是障碍。他说不使用 AI 可能变得不合伦理或构成医疗过失，这是个人立场，并非法律标准的陈述，也不能证明任何聊天机器人都适合诊断。

Unutmaz 担心初级研究人员和医生的前景。他推测，配合 AI 和熟练技术员的资深科学家可能需要更少的初级研究人员，医疗岗位和收入也可能变化。Wentz 则提到一些高管认为招聘熟悉 AI 的初级员工有价值；讨论没有证实这两种预测中的任何一种。

Unutmaz 描绘了广泛获得医疗服务、商品便宜且日常工作减少的乐观愿景。他预测约十年内所有疾病都可能得到治疗，约十五年内衰老可能被逆转。这些时间线高度 推测性，并非已证实的医疗成果，也不是推迟治疗或培训的建议。

感谢 Unutmaz 后，主持人回到新闻。Wentz 介绍 Microsoft 的 MAI-Voice-1 和 MAI-1-preview 公告，Berman 将 Microsoft 的内部研发解读为在与 OpenAI 合作之外获得战略控制权的方式。他们对企业动机和 Apple 选择的评论属于推测。

主持人讨论 Yuchen Jin 的观点：实验室可能拥有社交平台等独特数据来源。Berman 说模型行为也可能反映过滤、训练选择和系统指令。发言者对公司的数据集进行了推测，但没有确定任何模型究竟使用了哪些私人内容进行训练。

Wentz 介绍 Anthropic 的有限范围 Claude for Chrome 研究预览，并引用报道中的提示注入风险。Berman 说自己已经获得使用资格但尚未测试，并将浏览器扩展与 Perplexity 的 Comet 浏览器比较。两人都看好智能体利用用户现有浏览器上下文的潜力，同时认识到安全风险。

Berman 欢迎 Automation Anywhere CEO Mihir Shukla，并问及他估计 40% 至 80% 的工作可以根据职能实现自主或 AI 辅助。Shukla 将其作为潜在范围，并说更困难的挑战是重新设计组织和流程，而不仅仅是获取新技术。

被问及更小的团队是否意味着更少的员工时，Shukla 说 AI 可以提高团队生产力，但新想法和未满足的需求可能创造新岗位。他引用世界经济论坛涉及数百万新增及受影响岗位的预测，并将再培训描述为重大挑战。这些数字是他对一项预测的转述，不是有保证的就业结果。

Berman 问每个工作流程的两端是否都必须保留人类。Shukla 不认为这是一条普遍规则，并称其公司约 40% 的客服请求在没有人类参与的情况下处理，而客户仍可选择人工帮助。他还称其余案例的满意度有所提升；采访没有独立验证这些数字。

Shukla 说 Automation Anywhere 在许多行业服务数千家客户。他以 Petrobras 为例，声称重新计算税务在三周内节省了 1.2 亿美元，并称另一客户的库存流程节省了 2 亿美元。这些是厂商报告的案例，采访没有提供经审计结果。

Berman 提到一份广为引用的 MIT 报告，将其描述为 95% 的企业试点失败。Shukla 则强调成功的部分，并称后台和端到端流程能够创造价值。报告的指标涉及其研究中的回报和价值；这一简写不应被视为所有 AI 试点的已验证失败率。

Shukla 认为，一个部门的小型试点可能错过更大的端到端机会。他举例说，一个流程每天四次平衡 32 个仓库、38.5 万种商品的库存。他将客户成果归因于围绕结果重新设计流程，而不是只自动化一个孤立任务。

被问及成功采用者有何不同，Shukla 说许多企业应从有能力的通用模型开始，而不是从零构建新的基础模型。他偏好快速取得可衡量成果、获得领导层支持并改进具体流程，而非开展没有明确期限的技术项目。他承认可能存在例外。

从 AI 买方的角度，Shukla 警告供应商可能推荐符合自身定价激励的方法。他认为，按席位收费的软件经济模式可能与减少席位的自动化相冲突。作为自动化厂商，他对自己推荐的方法也具有商业利益。

Shukla 描述如何将企业财务和流程映射到拟议的 AI 运营模式，再找出可能创造价值的环节。他介绍 Automation Anywhere 的流程推理引擎，称其使用汇总工作元数据训练，可以规划步骤并连接系统。他对广泛能力的说法属于公司声明，并非独立证明该引擎能够可靠执行任何复杂任务。

Shukla 说公司还通过合作伙伴和托管服务商服务小企业，这些伙伴会打包针对特定行业的智能体。展望三年后，他想象人们用自然语言发出指令，动态执行工作，并把更多时间投入有成就感的活动。他认为采用速度仍不确定。

主持人简短介绍了一场使用自己头像的 Nano Banana 图像编辑竞赛。随后 Wentz 离开直播，Berman 欢迎 Firecrawl 联合创始人兼 CEO Caleb Peffer 接受最后一场采访。

Peffer 解释，Firecrawl 起源于文档聊天机器人项目 Mendable。团队发现网页抓取以及将页面转换为可用数据很困难，于是把基础设施打包为开发者产品，并发布开源代码库。他报告用户和 GitHub 星标快速增长；这些是采访中提供的公司数字。

Peffer 想象 AI 研究人员和软件产品持续收集最新网络信息。他将 Firecrawl 的角色描述为智能体和网络之间的接口。Berman 问智能体如何过滤不断增长的生成内容，而不让噪声淹没用户。

Peffer 将工作分为通过搜索寻找信息、抓取页面，以及格式化或过滤内容。他说将页面转为 Markdown 使大语言模型更容易接收，并介绍了用于结构化输出的 JSON 提取功能。搜索和提取仍取决于能否访问来源以及检索材料的质量。

Berman 问智能体是否可能重现社交媒体的回音室。Peffer 称 AI 是人类意图的放大器，警告谄媚或滥用可能强化错误判断。他建议明确要求助手挑战假设，同时承认自己没有完整的社会层面解决方案。

Berman 提出出版商的商业难题：如果智能体检索或总结页面，读者可能永远看不到其广告。Peffer 同意广告可能发生变化，但认为独特、高质量的信息可以授权或出售给 AI 系统。这是他的商业预测，也反映 Firecrawl 作为网络数据提供商的立场。

Peffer 将这一转变与音乐产业走向网络作比较，呼吁建立工具、市场和尊重来源的访问标准，让价值流向出版商。Berman 问广告商会转向哪里；Peffer 预测企业将努力让 AI 系统和人都能看到自己的产品。

两人区分了自然曝光和付费展示。Berman 推测免费 AI 服务最终可能使用广告，同时表示自己更愿意付费获得无广告体验。Peffer 预计订阅和广告选项会并存，也更喜欢基于产品价值而非付款的推荐。

Berman 问及 Browserbase 和 Cloudflare 宣布的 Web Bot Auth 与 Signed Agents 方案。Peffer 同意需要标准，但质疑单一公司是否应该成为中心信任中介。他们的批评是对所提生态安排的看法，并不能证明合作方的动机。

Peffer 讨论 Cloudflare 的按抓取付费概念，包括使用 HTTP 402 表示需要付费。他支持补偿出版商，但问直接与出版商建立关系以及处理用户现有订阅是否有更好的方法。Berman 补充说，出版商可能既需要保护，也需要可发现性。

被问及出版商应如何准备，Peffer 建议尝试授权和将智能体访问变现的方法，同时承认对流量损失和补偿不足的担忧是合理的。他预测适应变化的组织会表现更好，并说与他交谈过的出版商有兴趣测试不同方案。Berman 感谢他并结束节目。