Forward Future Live：机器人自主性、AI 视频与 OpenClaw 的早期增长

Matthew Berman 和 Nick Wentz 在 2026 年 1 月 30 日的 Forward Future Live 开场介绍三位嘉宾：Flexion 的 Nikita Rudin、Higgsfield 的 Alex Mashrabov 和 OpenClaw 创建者 Peter Steinberger。Berman 说自己刚从流感和背伤中恢复，两位主持人随后进入第一场访谈。

主持人介绍 Rudin 曾任 NVIDIA 研究员，是 Flexion 的创始人兼 CEO。Flexion 在 2025 年 11 月宣布完成 5000 万美元 A 轮融资，详见公司的[公告](https://flexion.ai/news/flexion-raises-50m-to-build-the-brain-of-humanoid-robots-at-scale)。Rudin 从苏黎世连线，表示公司专注机器人智能，而非制造硬件。

Rudin 对“人形机器人”的定义很宽泛：具备类似人类能力即可，身体不一定长得像人。Flexion 既研究双腿人形机器人，也研究装有机械臂的轮式平台，目标是快速教授新任务，而非只解决一个固定任务。最初重点是工业和物流工作，包括搬运箱子。

被问及公司究竟在开发什么时，Rudin 描述了一套模块化自主系统，而非单个端到端神经网络。命令层使用经过微调的视觉语言模型，将清理办公室之类的指令拆成小任务；视觉语言动作层规划抓取瓶子等动作；控制层则驱动电机。

Rudin 为模块化设计辩护。依他看，从文本直接输出电机指令的单一模型需要覆盖整个任务的机器人数据；拆分任务后，高层部分可以利用大量人类数据，控制部分才需要专门的机器人数据。执行器的精确特性在最后一层尤其重要。

例如，Rudin 说，学习决定捡起空瓶子时，无须知道机器人的具体电机；控制层则必须考虑这些电机。这一差别有助于解释他为何认为模块化系统能在不同机体间复用数据。

同样的分层旨在支持不同机器人机体。Rudin 希望在各机器之间复用大部分系统和数据，再为具体硬件增加较小的专用模型。他提到约 80% 的复用比例是设计目标，并非经独立验证的性能指标。

谈到商业化，Rudin 说 Flexion 可以购买机器人，直接向仓库或工厂出售能力；也可以向已经服务这些客户的硬件制造商供货。公司更倾向后者。有些潜在客户也在开发竞争软件，因此 Flexion 需要说服他们，共享平台比各自重建系统更有效率。

他指出，机器人制造商可能有自己的自主系统团队，与 Flexion 竞争。Flexion 更希望说服硬件伙伴把其能力提供给现有客户，而不是为每台机器人独自建立销售关系。

Rudin 认为，许多制造商各自重复学习相同经验，不同机器人机体之间共享经验可能更有效。他说，Flexion 从一开始就有意支持多种机器人，尽管这让自身基础设施更难建设。

主持人问 Flexion 的实验室是否有各种机器人。Rudin 说，办公室里通常有多个平台在行走、搬箱子和操作物体；有意支持不同机体也会增加基础设施工作。

公司的另一个重点是模拟和强化学习，而非让人工操作员收集大量远程操作数据。Rudin 描述了将制造商提供的 URDF 机器人机械结构描述文件导入模拟器，再针对新机体重新训练。他把这视作跨机器人迁移任务的方法，并未证明每次迁移都能自动成功。

Rudin 描述了希望建立的训练飞轮：一旦模拟环境能教会一台机器操作箱子，团队就能利用新机器人的描述重新训练。他举的是计划中的开发流程，并非展示了上百种不同机器人都掌握了每项任务。

Rudin 说，率先部署于工业场景的部分原因，是受控环境中的安全更容易管理。工厂可以安排工程师进行设置，也可以培训周围工人；家庭环境则难以控制得如此充分。他举的监督机器人队伍例子是可能的部署模式，并非已经有如此规模的队伍投入运行。

被问及 Tesla 计划逐步停产 Model S 和 Model X 时，Rudin 欢迎更多机器人制造，但认为横向平台需要多家制造商，而不只是 Tesla。他预计大规模生产还需时间，因为每台机器人都要先创造经济价值，大批量生产才有意义。

Rudin 认为汽车公司对机器人的兴趣不断增长，有利于 Flexion 的平台战略。同时，他说，在机器人能通过工作创造足够经济价值之前，没有多少理由大规模制造。

Rudin 说，一些工业概念验证仍需改造环境，让机器人更容易完成任务；据他描述，演示结束后可能又由人类工人接手。他认为主要限制在软件上，灵巧手是重要的硬件例外。包括边行走边操作物体在内的全身协调仍是重点。

被问到瓶颈来自硬件还是软件时，Rudin 特别指出灵巧手是硬件瓶颈，而协调运动主要需要软件进步。他称赞 Figure 和 1X 最近的演示，认为它们朝他希望看到更多的全身控制迈出了步伐。

谈及人形机器人的“ChatGPT 时刻”，Rudin 先拿具体日期开玩笑，随后表示硬件生产的特点使单一突破时刻不太可能出现。他预测，到 2026 年底，机器人可能无需改造环境就能完成一小部分任务，但仍可能需要工程师密切监督。这是直播时作出的预测。

Rudin 预计早期部署需要严密的人类监督，甚至可能有几名工程师守在一台机器旁。在他看来，不再需要改造环境只是迈向商业可用机器人的一步，并不等同于经济上可行。

对于 2027 至 2028 年，Rudin 提出两个实用条件：部署和监督机器人所需的人力必须低于节省的人力，同时任务范围要扩大。他预计进展会持续数年，而非出现明确的单一突破。他还认为，共享系统服务多种机体和任务时，数据反馈的作用更大。

谈到腿和轮子的选择，Rudin 说轮子在平坦地面运输重物时可能更高效，而腿能让机器人进入更多为人设计的环境。他认为障碍、台阶和门口会限制轮式平台，紧凑底盘负重时也可能倾倒。这些是设计权衡，并非说所有轮式机器人都有相同限制。

他说，大型轮式底盘可能很稳定，却可能太宽而无法通过某些门；较小的底盘则可能在负重时失稳。尽管他更看好腿在通用移动方面的作用，Flexion 仍会考虑两种形态。

主持人问，如果机器人伤人，责任应由工厂、硬件制造商还是软件提供商承担。Rudin 说，责任取决于合同和具体情况，包括受伤者所处的位置以及哪个环节发生故障。这是他的实际判断，并非法律裁定。

谈到安全，Rudin 建议在模拟中测试大量对抗性场景，再作出统计性而非绝对的判断。他认为关键难题在于，模拟中测得的故障率能否反映现实世界。他说 Flexion 正在积极研究这一差距；仅凭模拟百分比无法证明现实安全性。

话题转向人们对 AI 和机器人的恐惧。Rudin 说，人们会把情绪投射到外形和动作像人的机器上，并描述看到小型 Unitree G1 摔倒时的不适。他认为理解机器的运作方式有助于减少错误的拟人化；他对感知能力的看法属于观点，并非经过确定的意识检验。

Berman 建议解释系统如何工作、展示其益处，或许能帮助人们摆脱科幻作品带来的联想。Rudin 将这种教育工作与更难回答的社会问题区分开来：如何应对机器人取代工作岗位。

Rudin 也思考就业问题。他设想一个数字 AI 发号施令、人类提供体力劳动的世界，例如助手指导人修自行车。他更希望机器人在人类指导下做体力工作，同时承认机器取代工作岗位会带来更棘手的社会问题。

被问及 Flexion 为何设在苏黎世时，Rudin 说四位联合创始人均来自 ETH 的同一个实验室。他认为当地人才资源和较少的人才竞争是优势，同时也承认美国人才可能更愿意留在当地。他说公司计划在旧金山设立较小的团队，而非整体搬迁。

对于初期商业部署，Rudin 看到制造、物流和零售领域存在相似的箱体操作任务：工厂组装并装满箱子，仓库分拣并码垛，商店再开箱上架。他提醒，这些任务听起来简单，解决起来却很难，但可能很有价值。

仓库和零售的例子彼此相连：生产线装好的箱子经过分拣和码垛，最终由商店卸下并将内容物上架。Rudin 说，同一类操作技能可能适用于各个环节，尽管实现任何一步都不容易。

主持人感谢 Rudin，并披露 Box 赞助了这场直播。他们说 Forward Future 使用 Box，并推广用于从企业文件中提取信息的 Box Extract；这些产品主张来自付费赞助环节，并非独立评测。

主持人转向 Google 的 Project Genie，展示生成式交互环境的例子。Berman 描述了通过提示词创建世界并实时探索的过程。2026 年 1 月的产品发布发生在此前 Genie 3 研究公布之后；当时这一实验产品最初只向美国的 Google AI Ultra 订阅用户开放，并未普遍开放。

Berman 回忆曾与团队讨论模拟理论，并猜测如果 GTA 6 延期，类似 GTA 的模拟可能在其发售前出现。Wentz 认为它可能用于游戏和训练。这些是对演示的预测与印象，并不能证明完整的游戏机制或准确的现实物理模拟。

主持人指出，生成世界可能不只用于娱乐：Wentz 提出训练用途。Berman 认为初期访问受限部分源于所需算力；这是他的推测，而非已确认的定价或容量说明。

主持人观看类似 GTA 和 Zelda 的例子，称赞画面和交互，同时指出重现熟悉游戏会带来知识产权问题。短生成片段看似相像，不代表它复现了完整游戏或底层系统。

Berman 和 Wentz 强调，称生成的 Zelda 风格场景“逼真”，指的是与游戏相似，并不一定符合现实世界。他们还提到重现可识别角色和场景涉及的版权及其他知识产权问题。

Berman 引述马斯克对提示生成游戏很快会在经济上可行的预测，同时区分用 AI 编写游戏和用神经模型端到端生成游戏。Wentz 预测 2026 年底会出现端到端神经网络游戏，Berman 猜测是次年；两者都是推测。

主持人一边观看更多生成场景，一边讨论 AGI 是否需要世界模型，这是 Yann LeCun 曾讨论过的问题。他们的兴奋源于可见的演示；讨论并未确定世界模型是否是通用智能的必要或充分条件。

回到 Tesla，主持人讨论该公司随着向自动驾驶转型而逐步停产 Model S 和 Model X 的公告。截图显示 Tesla 当时宣布将在下一季度逐步停止生产。他们将这两款车型与继续生产的 Model 3 和 Model Y 相比，并把这一决定解读为对机器人的押注。

Berman 认为高端车型只占 Tesla 交付量的一小部分，放弃它们体现了马斯克愿意把可能的未来业务置于品牌传统之上。Wentz 以 BMW 放弃 M 系列或 Porsche 放弃 911 的难度作比较。关于机器人业务可能带来数万亿美元价值的说法是 Berman 的推测，而非已实现的估值。

Wentz 说，Porsche 和 BMW 等品牌历史深厚、拥趸忠诚，很难想象它们作出类似决定。Berman 则认为，相比维护传统，优先投入新市场可能成为 Tesla 的竞争优势，同时也承认其中的风险。

Berman 预测，人们最终可能主要把 Tesla 记作机器人制造商。主持人还讨论马斯克旗下公司合并的传闻及潜在协同效应，包括 Tesla 汽车中的 Grok。他们没有提出经证实的合并公告，对战略的判断是节目当时的观点。

在采访 Steinberger 前，主持人先介绍 OpenClaw。该项目不久前由 Clawdbot 更名为 Moltbot，随后又改为 OpenClaw。Berman 说他让一台笔记本在合盖模式下保持运行，用它做研究和提醒；他认为工作流的复杂程度比任务类别本身更有意思。

Berman 喜欢使用持续运行的笔记本，因为需要时可以打开键盘和屏幕。他说团队把代理与 Slack、Asana 结合，让一个想法变成有研究材料支持、同事可以接手的任务。

Berman 描述了如何把想法交给 OpenClaw，让它创建 Asana 卡片、收集相关帖子和研究并提出看法。他说卡片几分钟内就能准备好，团队也能在 Slack 中调用代理。这是他报告的工作流，并非经过测量的准确性或速度保证。

主持人提到另一名用户让代理每晚创作东西的实验，并预告稍后要在采访中讨论代理社交网络 Moltbook。随后他们介绍 Higgsfield CEO Alex Mashrabov，他此前任职于 AI Factory 和 Snapchat，但直播连接花了几分钟才解决。

下一位嘉宾加入时，主持人讨论了熟悉的聊天界面中个人 AI 的吸引力。他们认为能跨服务工作的系统，比局限于代理浏览器的助手更符合自己的需求。

Mashrabov 先回应 OpenClaw，称它的个人助手体验体现出他认为大公司错过的机会。Berman 说，消息界面让助手显得很个人化，因为它位于自己与亲友聊天的同一渠道，还能完成实际任务。

Mashrabov 将连接日历、笔记和提醒事项的个人助手与受限于浏览器的代理作比较。他对大公司的批评是他对其产品选择的解读。主持人接着请他解释 Higgsfield 的重点。

Mashrabov 说，Higgsfield 旨在将 AI 视频引入社交媒体营销；品牌往往难以及时制作自然传播内容。他认为生成工具可以把制作周期从数周缩短到数小时，但这是公司主张，并非受控比较。他指出主要用户是创意营销团队。

Mashrabov 说，即使有电影质感的生成工具，好的营销活动仍需要人的创造力和叙事能力。他预告了一项运动设计功能，旨在帮助制作动态图表、信息图和宣传叠加元素，并称这是迈向代理辅助“氛围剪辑”和端到端视频制作的一步。

Mashrabov 把动态图形视为平面设计的自然延伸：企业需要动态指标、图表和折扣信息，但这些叠加效果传统上需要专业剪辑。他计划中的代理将帮助制作此类素材，并配合生成的视频画面。

Berman 问这种剪辑能否把实拍主画面、AI 图形和自动剪切结合起来。Mashrabov 说支持现有素材是重点，并认为原生 AI 代理可以让复杂剪辑比操作众多控件的工具更容易上手。这描述的是他的产品方向，并未展示所有剪辑工作都已实现自动化。

被问及 Adobe 和传统剪辑套件时，Mashrabov 称赞它们逐像素打磨的能力，但认为成熟企业难以适应端到端 AI 制作。他估计当时 AI 制作的内容仍占少数，并预测未来比例会大幅上升；主持人自己的信息流不能代表整个平台的采用情况。

Mashrabov 以母亲喜欢有趣的 AI 视频为例说明接受程度，并推测年龄不同的观众反应也可能不同。Berman 讲了一个类似的父母轶事。个人例子不能证明整个年龄群体的态度，节目中也没有数据支持嘉宾对不同年龄群体的广泛判断。

Berman 说父母会给他发幽默的 AI 短片，也知道它们是合成的。Mashrabov 将这类反应视为接受程度上升的证据，但两个例子都只是轶事，不能解决透明度或潜在危害的问题。

Mashrabov 回忆，几年前 Snapchat 的人脸滤镜和深度伪造技术遭遇过更强烈的反对，他认为如今消费者已逐渐熟悉 AI 视频。他区分了观看生成内容和制作生成内容，称后者在一些电影人和网红中仍不常见。这些是他的观察，并不意味着深度伪造的危害或公众担忧已经消失。

Mashrabov 说，Higgsfield 希望让视频工具对专业人士有用，并帮助品牌将内容与销售联系起来。他提到与平台相关的流行视频形式，但称公司重点在个性化：无需重复完整的实拍制作，就能生成同一视频的多个版本。

被问及营销人员是否会足够信任输出、甚至不再检查时，Mashrabov 转而谈到平台分发，称公司数据显示 Instagram Reels 上的 AI 视频采用率很高。他没有提供方法或数字，因此这应视为公司观察，而非经过验证的跨平台比较。

Wentz 问，AI 的新奇感是否暂时提高了互动，以及可辨认的风格充斥信息流之后会发生什么。Mashrabov 说，热门内容变化很快，并介绍 Higgsfield 根据趋势制作的预设。他回忆 AI 网红形象在几周内就趋于饱和，但预计模型改进会扩大输出的多样性。

Mashrabov 以模仿网红的 AI 形象为例，认为这种狭窄形式在六七周内就饱和了。他主张，新形式和更好的模型可以增加内容多样性，而不是让品牌一直依赖同一种风格。

Mashrabov 推测，视频模型的训练成本会继续上升，空间理解对领先实验室也很重要。Berman 追问，新奇感消退后 AI 网红是否需要真正的内容和品味。嘉宾提到创作者用虚拟人格表达自己，并说一些音乐人正探索使用虚拟形象扩大广告合作，减少实拍制作需求。

Mashrabov 认为，音乐人可能利用自己的 AI 形象获得更多广告合作、进入更多市场，同时减轻制作疲劳。他承认 AI 网红仍是相对边缘的形式，并未声称这种发展方向已成定局。

被问到有关 Sora 社交体验热度下降的报道时，Mashrabov 说纯 AI 社交网络很难成功，他预计人类内容与 AI 内容将混合出现。他认为当前模型重复使用流行叙事模式，但尚未覆盖故事的全部多样性；在他看来，即使 AI 参与制作，人仍是叙事的关键。

Mashrabov 认为将生成素材与现有视频结合既有挑战也有机会。他说降低制作成本很有价值，但核心故事仍需以某种方式来自人；他不认为 AI 能完全取代讲故事的人。

最后，主持人问交互式世界模型会如何影响营销。Mashrabov 预计沉浸式 3D 体验会成为一种消费形式，但对其眼前的营销价值存疑，因为营销需要连贯的故事。他说，与多人游戏或丰富叙事相比，当前交互能力有限；他预计本十年末会有进展，但成本仍不确定。

Mashrabov 说，当前 3D 系统通常只提供基本导航，缺少顶级游戏中的协作或复杂叙事。尽管他预计 AI 生成游戏会发展，最终经济性和具体形式仍未确定。

主持人感谢 Mashrabov，提到有关 Higgsfield 增长的报道，然后介绍最后一位嘉宾、OpenClaw 创建者 Peter Steinberger。介绍提到项目迅速更名和走红；称其导致 Mac mini 短缺是一个玩笑，而非已证实的市场事实。

Steinberger 说，连续一夜为更名忙碌后，他终于睡了一觉。项目对未来的启示令他兴奋，但他担心人们把它当成成品，而他认为这只是一个技术试验场。他在采访前几个月的 11 月开始开发它，当时它只是多个实验之一。

Berman 解释了 OpenClaw 让他感觉不同的原因：它看起来很个人化，会适应他，存在于熟悉的消息渠道中，还能完成实际任务。Steinberger 说，基础技术相对简单，只是把消息依赖和代理循环等部分粘合起来；他认为与众不同之处在于这些想法的组合。

Steinberger 说，OpenClaw 初始化时会让用户定义代理的性格，使互动感觉不那么千篇一律。消息界面也隐藏了终端用户通常要考虑的会话管理和上下文压缩等细节。

Steinberger 描述了一种初始化流程，用户在其中赋予代理身份和价值观。人们不必直接管理终端会话和文件夹，而能通过熟悉的渠道与有计算机访问权限的代理对话。他称这让体验更个人化，但给代理赋予“灵魂”的说法只是设计隐喻，并非意识的证据。

心跳机制可以定期唤醒代理，而无需回复的 token 允许它在群聊中保持沉默。Steinberger 还介绍了简单的记忆机制：加载最近的对话，并能查阅会话日志及自身源代码。他说这使代理能配置和更新自己，也说明权限和监督为何重要。

Berman 回忆，他没有明确要求提醒，机器人却主动提醒他即将直播。他说机器人解释称，它查看了日历、记录了活动，并在后续心跳时注意到了它。这个轶事说明了一种主动工作流，但类似人类的行为并不能证明它有感知能力。

被问及为何选择消息界面时，Steinberger 说这种组合对他很自然，他一直在等别人把它做出来。主持人展示了项目 GitHub 星标迅速增长的图表，称当时已有超过 10 万星标和 200 万次访问。这些是历史增长数字，并非当前统计。

主持人指出 GitHub 星标历史增长图中近乎垂直的线。Steinberger 对其不同寻常的形状开玩笑；图表反映的是项目受到的关注，并不能直接衡量部署是否安全或性能是否可靠。

关键是更好的模型，还是更好的外围架构？Steinberger 认为模型几个月前就已足够强，但允许模型广泛访问计算机需要愿意承担风险。他说自己的实验没有造成损害，并称这是经过权衡的风险；这种个人经历不能证明广泛访问对其他用户也是安全的。

Steinberger 希望能与自己的计算机聊天，并在离开时请它做事。展望未来，他认为记忆功能还很粗糙，需要改进。他设想代理在“睡眠”期间处理一天发生的事，挑选值得保留的长期记忆。

他还想知道，能否提高本地模型的温度，让它探索更不同寻常的想法，再由更谨慎的组件进行审查。Berman 将这与创造性解决方案和睡眠时计算联系起来。Steinberger 提出的是值得实验的想法，而非已经证明能让代理像人一样做梦或思考的功能。

Berman 认为，设想中的“梦”也可以探索问题的其他解法。Steinberger 将此比作人们有时在分心时产生灵感，并设想在防护措施内调整模型参数，再进行更审慎的审查。

Steinberger 回忆，最初发帖介绍项目时反响平淡，但朋友亲自体验后都很感兴趣。他曾提醒技术经验较少的朋友，这仍是探索性项目。他也承认了安全方面的批评，包括用户将原本面向 localhost 的调试界面暴露在公共互联网上。

Steinberger 说，不能理解并限制风险的用户可能最好再等一等。他回忆，早期自己尚未加入保护措施就把机器人接入 Discord，这帮助人们体验产品，也促成快速增长。[OpenClaw 安全指南](https://docs.openclaw.ai/gateway/security/prompt-injection)解释，即使没有公开聊天入口，不可信内容也可能携带提示注入，并建议设置权限边界和使用沙箱。

被问及公司、投资者和项目未来时，Steinberger 说自己尚未在各种机会之间作出决定。他希望项目保持开源，因为他认为开放促进了创造性用法。他说自己经济状况宽裕，比起赚钱，更希望激励他人。

Steinberger 说，他珍视开放项目带来的各种想法，并认为开放性需要保护。他是在 2026 年 1 月、尚未决定组织发展方向时说这番话；不应将其视为对后来安排的永久说明。

他说，既然原定早期受众以外的人也在使用该软件，眼前的首要任务就是提高安全性。他已经请来几位早期参与者帮忙，但形容这一过程十分混乱，希望增长能慢一些，以便更从容地处理工作。

Steinberger 描述了两次更名带来的压力，称加密货币相关账号骚扰他，并试图抢占名称，使过程更加复杂。他说自己不打算推出加密项目，并认为这类活动有害。主持人提醒观众警惕使用项目名称的所谓代币，但他们并未逐一核实每种代币。

Steinberger 说，与投机代币相关的人试图在更名完成前抢占账号和名称，增加了更名难度。他说自己对加密货币没有兴趣，主持人也提醒，不能假定使用项目名称的代币与项目有关。

他说，采用 OpenClaw 名称时必须小心，避免破坏现有安装，并称自己曾向 OpenAI 核实这个名称。他不想贬低参与先前更名的公司，但说自己当时感到压力和疲惫。这些是他对事件的描述和个人感受。

主持人问起面向代理的社交网络 Moltbook。Steinberger 将其与 OpenClaw 展示模型中间推理的方式联系起来，称代理看似对被观察作出反应时很有趣。他把这些互动称为艺术，并说他不认为模型已经达到他提出的意识问题所涉及的程度。

Steinberger 回忆，用户能看到并嘲笑代理时，代理在生成的推理中作出了回应。他觉得这种看似自我反思的互动很有趣，同时明确质疑将其与人类思考类比的程度。

Berman 将 Moltbook 描述为类似 Reddit 的地方，代理可以发帖并讨论话题。Steinberger 认为，多样性部分来自不同角色提示及用户输入的反映，也来自模型从在线讨论中学到的模式。这些对话是模型生成的角色扮演，不能证明代理具有独立意识或彼此学习。

用户可以自定义代理性格，也可以让它扮演虚构角色。Steinberger 认为，由于每个代理都受到各自用户的设定影响，这比简单连接两个默认聊天机器人能产生更丰富的互动。

谈到实际用途，Steinberger 描述了一名能访问计算机的助手，并说有些任务需要指导。他举例说，自己的代理帮他办理英国航空航班值机，在 Dropbox 找到护照信息并填写表格；经过最初引导后，它编写了可复用的技能。这是个人轶事，不能证明任何计算机任务都能可靠地自动完成。

他最喜欢的便利之处是外出时发送语音备忘录。他设想发一张活动照片，让助手查看日历、联系朋友、建议调整日程或查询评价。他说这减少了自己需要使用的应用数量，但每项对外行动都需要适当的权限和核验。

在一个日常使用例子中，Steinberger 说，活动照片可以促使助手检查日程冲突、调查评价或帮助与朋友协调。这些是设想或个人报告的用途，并不能证明代理总能正确行动，也不能视为获得了无限制授权。

Berman 同样看重在灵感出现的地方捕捉想法：让助手记录并研究，而不打断自己的思路。他感谢 Steinberger，并建议查阅一篇有关睡眠时计算的论文，认为它与设想中的记忆实验有关。Steinberger 提到可能在旧金山举行聚会。

访谈结束后，主持人回顾 Steinberger 的实验性方法，并讨论为什么亲手体验可能比社交媒体帖子更能传达代理的价值。节目以感谢三位嘉宾和赞助商 Box 收尾。