开场（三人合声）
晓依+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓依开场
晓依: 大家好，这里是《今日我们AI说》，我是晓依。今天这五条新闻，AI换了一批工位：离开发布会，进了试管、水面和你手里的手机。美国AI公司Anthropic公布，自家模型在DNA数据库里「自主」挖出一个类CRISPR的新型酶系统，那是它新建湿实验室的第一份收成；国内外七所高校联合开源了一个「先想象再动手」的机器人世界模拟器；高通的新款两纳米芯片，头一回明着为「替你办事的智能体」设计；清华和初创公司无问芯穹给机器人机群搭了一座「塔台」；还有一条合肥造的水面搜救机器人，开进了消防救援的实战一线。先请云阳过一遍要闻，再请云健逐条拆解。
第二段：云阳新闻播报
要闻一：950个AI智能体搜了21小时DNA库，Anthropic称挖出一个类CRISPR新酶系统
云阳: 要闻一，美东时间9月23日，AI公司Anthropic在官方博客公布：新成立的生命科学团队做出第一项成果——模型Claude「自主」发现了一个此前未被描述过的酶系统，结构与基因编辑工具CRISPR相似，团队把它命名为「阵列关联逆转录酶」，简称ART，详见Anthropic官方发布。过程是这样的：Anthropic今年春天在旧金山湾区组建了一个既训练模型、也亲自做实验的生物学研究组，这次给Claude下达一个高层级任务——在DNA序列数据库里搜寻有意思的逆转录酶，这类酶的工作是把RNA反向抄写成DNA。大约950个Claude智能体跑了21小时、消耗2.1亿Token，收集超过20万个逆转录酶序列，挑出3500个候选系统，再收窄到20个逐一写报告。其中一个智能体注意到，一个已知逆转录酶基因旁边整齐排列着一串间距规则的重复序列——CRISPR的「身份证」恰恰就是这样一排重复阵列；湿实验室随后证实，这段阵列会表达成一组短的RNA分子。先把三条边界划清：这个系统的功能至今未知，能不能用于编辑基因没有答案，论文是预印本、尚未同行评审（官方口径，待第三方复测）；底层那个酶本身，此前研究在巨型噬菌体里已经找到过，Claude第一个认出的，是「它是一个更大系统的一部分」；AI做生物也不是头一遭，本台9月19日那期讲过达摩院开源、登上《科学》的腹部影像AI。评论区同样分成两拨：CRISPR基因编辑先驱者之一、麻省理工与博德研究所的张锋称这个发现「确实有趣，值得深挖」；而曾在CRISPR共同发现者、诺贝尔奖得主珍妮弗·杜德纳（Jennifer Doudna）实验室读博、并与她共同创办基因组挖掘公司Mammoth Biosciences的卢卡斯·哈林顿提醒，这类序列挖掘是行内做了几十年的常规动作，类似系统2008年就有报道，「发现一段像CRISPR的序列」和「发现下一个CRISPR」是两回事。
要闻二：七所高校联合开源机器人「世界模拟器」：先想后果再动手，模拟考99%
云阳: 要闻二，9月24日，新加坡国立大学、清华大学、北京大学等七所高校的联合团队开源了OpenWAM——一套面向「世界动作模型」的开源研究全栈加基座模型，AI垂直媒体机器之心当日作了详解。先解释术语：世界动作模型，英文World-Action Model，指一类机器人「大脑」，它同时学两件事——「我做了这个动作之后，环境接下来会变成什么样」和「那我该输出什么动作」，而不是按传统做法先训一个视频世界模型、再外挂一个执行策略。OpenWAM把「看」和「动」的耦合方式本身变成了可实验的变量：团队定义了六套交互程序，从「先想象未来再出动作」到「想象与动作同步去噪」，在同一架构下做受控对比；核心方法叫GJD，把视频帧和动作块当成同一个去噪对象来学习。成绩单：在机器人操作基准LIBERO Long的固定回放协议下，表现最好的单元拿到99.0%的任务平均成功率，超过π0、π0.5等一众对比模型（官方口径，待第三方复测）。项目把训练配方、评测脚本、模型权重和整套消融实验全部开源，技术报告见arXiv预印本，配套资源在OpenWAM项目主页。「机器人先想象、再执行」这条路最近越来越热闹：9月22日那期我们聊过Runway把世界模型装进实时引擎，学界联盟与工业公司押的是同一条河的上游。
要闻三：两纳米手机芯片首破5GHz，高通把宝押在「手机自己跑智能体」
云阳: 要闻三，当地时间9月22日，高通在夏威夷毛伊岛的骁龙峰会上发布第六代骁龙8至尊版系列两款旗舰平台：标准版与定位更高的Extreme版，均采用台积电两纳米制程，自研Oryon CPU主频首次在行业里突破5GHz，GPU性能较上一代提升44%，详见IT之家报道。比性能数字更值得记的是设计目标的转变：这一代芯片围绕「智能体」重做。高通称Extreme版能在端侧运行300亿参数的大模型（官方口径，待整机独立测试验证），公司高管的说法是，AI对手机的要求不再是「执行命令」——「越来越少是让你在应用之间来回导航，越来越多是替你完成一件事」。首发争夺同步开跑：据媒体报道，小米18 Pro将首发标准版并获得约半年独占期，摩托罗拉在发布会当天就亮出搭载Extreme版的机型。这条新闻和本台9月17日那期讲的中国团队开源端侧推理引擎正好对着看：软件层半年前就想把模型塞进小盒子，现在芯片厂商开始反过来为塞进去的模型重造盒子——内存带宽、常驻功耗、多模态感知单元，全按「智能体长驻设备」的场景重新排布。
要闻四：清华联手无问芯穹开源机器人「塔台」：跨两地近百节点，接入从小时缩到五分钟
云阳: 要闻四，9月24日，清华大学与国产AI基础设施初创无问芯穹共同打造的具身智能云原生纳管平台RLark正式开源，报道与开源地址见量子位。它干的事可以类比机场塔台：一项机器人任务，牵扯现场的机械臂和相机、几百公里外的云端GPU、训练与推理程序，还有连接这一切的网络——过去这些角色各管各的，接设备靠手工、部署靠脚本、排查靠翻日志。RLark把「真实世界」翻译成云原生语言：自研的具身设备运行时让机器人、相机像GPU一样成为可以申请、调度、复用的资源；任务级跨集群互联用虚拟地址和安全隧道，把云端和现场缝进同一项任务。官方给出的数字：平台已统一纳管3个集群、近百个云边端节点、4种型号的具身设备，单台设备接入从小时级缩短到约5分钟，任务提交后10秒内启动；团队还做了一次跨地域实测——广东的云端GPU负责训练、北京的机器人现场负责交互，采集、训练、真机验证的闭环连续跑了约36分钟、推进323个训练步骤，全链路完成（官方口径，待第三方复测）。支撑这套系统的论文已被机器人领域会议RSS 2026接收，见arXiv预印本，代码托管在RLinf的GitHub组织。这跟9月22日那期讲的中国移动给机器人开源的通用转接头是互补的拼图：转接头管模型怎么接上身体，塔台管一群机器人怎么接上云端。
要闻五：机器人先下水救人：合肥这支无人搜救艇进入消防一线，单人操控提效五成
云阳: 要闻五，机器之心9月24日报道：合肥江淮实验室自主研发的水面搜救机器人，已经进入消防救援的实战一线。水域搜救是应急救援里的硬骨头——夜间、大雾、强降雨、暗流，传统橡皮艇拉网式搜索体力消耗大、有视觉盲区，风浪还可能把救援人员自己置于险境。这套系统由三部分构成：岸上指挥终端、水面机器人本体、潜水员作业模块，可在水面自主搜救、水下协同作业、快速机动三种模式间切换。技术看点有两处：一是本体集成水流感知传感器和仿生控制面，用强化学习算法在风浪扰动下稳住姿态，专治小型无人船「风一吹就翻」的老毛病；二是水下声通信转发模块，在水下潜员和岸上指挥端之间搭起双向实时的信息通道，解决传统搜救「看不见、喊不应、管不着」的困境。机构发布详见江淮实验室官网。按实验室的说法，这套装备单人即可操控，作业效率较传统方式提高约50%（官方口径，待第三方复测），研发团队与消防救援人员已在真实水域围绕风浪扰动、雨雾天气、动态避障、水下通信多个环节反复实测。
第三段：晓依×云健对话点评
晓依: 云健，先说ART这条。让模型去搜数据库、人来做实验验证，这套分工配得上「AI自主发现」这个说法吗？
云健: 分两层看，发现物还早，发现流程倒是真的迈了一步。发现物那层：功能未知、没经同行评审、底层酶几年前就被找到过，Claude第一个认出的是它周围那排重复阵列——哈林顿泼的冷水在点子上，「挖出像CRISPR的序列」在这个行当不是稀罕事，「说清它干什么」才是全行业的瓶颈。流程那层才是新的：950个智能体、21小时、从20万条收窄到20份专家级报告，这是把人类研究员几周到几个月的文献综述加初步筛查，压成了一个通宵。你发现没有？这条新闻真正的看点不是生物学结论，是工作流——「人出题、智能体跑分析、湿实验室做验证」的闭环，第一次由一家自建了生物实验室的AI公司完整公开演示了一遍。结果真不真，等同行评审；方法真不真，这次已经演完了。
晓依: OpenWAM那个99%呢，模拟考的高分，水分大吗？
云健: 说白了，99.0%是LIBERO Long这套固定基准、固定回放协议下的任务平均分，不等于它能在任何厨房拧开任何瓶盖——仿真到真机的鸿沟，每个具身团队都交过学费。但这份开源里值钱的是另一样东西：七所高校没有只交模型，把「世界动作模型到底该怎么耦合」这道争论题做成了公共实验——六套交互程序、受控消融、训练配方全部摊开，谁都可以复跑、谁都可以打脸。行业的路数是把答案锁进发布会，学界的路数是把擂台搭出来。路线没收敛的时候，后者才是进步的速度计。
晓依: 手机跑300亿参数，你怎么看这个数字？
云健: 数字是厂商口径，方向不是炒作。Extreme顶配版、量化之后能跑30B，跟「日常顺手用」隔着电池、散热、内存带宽一整层，等整机第三方测试出来再下结论。有意思的是排兵布阵本身：两纳米、破5GHz、同一代拆两款旗舰，高通全在为「智能体长驻手机」腾地方——全天候听、全天候看屏幕、后台替你订机票，这种负载拼的不是跑分峰值，是每小时的电量账单。这里有个成本结构可以算给听众：云端调用按Token付钱，端侧执行按电池和内存付钱；一旦「替你办事」的智能体因为隐私和时延必须搬回本地，手机芯片就从跑分竞争改成常驻算力竞争，明年的旗舰机发布会，主角可能不是相机，是那个不关机的助理。
晓依: 用云管一百台机器人，听着很工程化，为什么要专门讲一条？
云健: 因为具身智能当下卡的位置恰恰不在单机。演示视频里，一条手臂叠衣服都很利索；一上规模就露馅：机器在北京、训练卡在广东、相机是另一家的、网络是两个网段——每个研究员先当半个运维。RLark干的事，是把机器人世界翻译成Kubernetes已经玩熟的那套语言：设备是资源、任务是配置、现场和云端是一张网，接入五分钟、启动十秒钟背后，真正的变化是实验的可复制性——一份配置发过去，异地重跑同一项训练。塔台听着不性感，但航空史上，飞机数量起飞靠的从来不是单架飞机的马力。基础设施开源，赌的是把「各家自研自用的脏活」变成公共底座。
晓依: 最后这条搜救的，我想多聊两句温度。
云健: 这条的排序逻辑其实反直觉：大众以为具身智能先到家里叠衣服，实际上行业的落点优先级是「乏、难、险、脏」——先替人下水。传统水域救援里，橡皮艇拉网是靠消防员的风险换效率；无人船接走的是最危险的两段——进水和水下通信，「看不见、喊不应、管不着」这六个字，是拿过真实事故换来的需求清单。提效五成还是实验室口径，要等一线的回传数据；但强化学习稳姿态、声通信连潜员这些技术，落在排行榜上没有任何存在感，落在一条河边上，可能就是岸上等到的那几分钟。AI落到具体的人，这一条比很多发布会诚实。
第四段：收尾
晓依: 好，今天的节目就到这里。新酶系统的功能要等同行评审，世界模拟器的99%要等真机验证，手机上的300亿参数要等第三方实测，机器人塔台要等规模检验，搜救艇要等更多真实水域的回传数据。换了工位之后，AI在每个新地方的成绩单，都得由那个新地方来批。记录时代，也记录技术。明天见。
晓依+云阳+云健: 今日我们AI说，带你听见未来的声音！