Nvidia's Historic Quarter, SaaS Comeback, Bessent vs Druck, America's Debt Crisis, Cancer Vaccine

异端思想与技术乐观

主持人 David Friedberg 先谈到 Eric Weinstein，把他称作科学领域的异端思想者。节目认为，他反对弦理论、提出替代理论后遭到学术共同体排斥。弦理论目前尚未获得直接实验验证。主持人真正批评的，是科研资助、终身教职、学术职位和发表机会形成的主流约束。他们担心，一旦偏离共识就可能失去资源，研究者便更愿意做安全的增量研究，而不是高风险探索。

节目拿一九二六年与二零二六年作对照，也提到广义相对论早期看起来同样离经叛道。这个类比不是在证明任何非常规理论都正确，而是在强调科学共同体应该先评估证据，不该先用错误信息或阴谋论标签终止讨论。COVID 实验室泄漏假说曾被部分人如此对待，也被主持人用作制度性排斥的例子。

接着，话题转向中国的机器人运动会。四千名观众为机器人欢呼，主持人把它看成一种积极的技术叙事。节目援引的跨国调查方向是，中国受访者明显比美国受访者更相信人工智能利大于弊。按二零二六年 Ipsos 口径，中国约为百分之八十五，美国约为百分之三十八。主持人的判断是，美国如果只讲失业与末日风险，悲观情绪本身可能变成自我限制。

同样的分界也出现在 Optimus 上。一位主持人称看过尚未公开的视频，并预测它可能成为极畅销的产品，但这仍是个人观察和预测。真正值得保留的技术判断是：机器人会跑会跳，不等于拥有通用能力。难点在于进入没有预先排练的物理世界后，能否折好衣服，能否捡起陌生物品而不打碎，能否处理训练之外的新任务。

云端智能体与协作网络

讨论人工智能产品时，主持人把 xAI 的 Grok Bot 与自己使用过的本地运行方案作比较。他们认为，云端常驻智能体的价值在于本地电脑休眠以后，任务仍能继续。每月二百美元的价格不算低，配置也仍需要不少工作，但使用门槛已经比早期方案低。

更重要的设想不是一个人调用一个机器人，而是把多个智能体组织成协作网络。每个智能体都像一个独立频道，长期积累不同上下文和专长。一个负责研究，一个负责写作，一个负责执行，团队成员也能进入同一空间补充信息。节目把这种结构称为 agent swarm，也就是智能体集群。

这套逻辑的传播性也很强。单人产品的价值取决于个人是否持续使用，多人空间则会把同事和智能体一起拉进来。随着上下文分别沉淀，智能体不再只是同一个模型的多个窗口，而更像分工不同的团队成员。节目建议产品加入多人模式，核心不是多开几个聊天框，而是让任务、记忆和协作关系都能长期存在。

节目用 NVIDIA Corporation 和 Salesforce, Inc. 的财报，反驳两种过度简单的判断。第一种是人工智能资本开支很快见顶，第二种是人工智能会立刻摧毁所有软件公司。

主持人称，NVIDIA Corporation 当季收入九百六十二亿美元，同比增长百分之一百零六，高于华尔街预期的九百二十亿美元，净利润约六百亿美元。另一项容易混淆的数字来自业绩电话会，而不是正式全年指引。Jensen Huang 在电话会上表示，目前预计二零二八财年收入增长超过百分之七十，高于约百分之四十五的市场共识。节目因此判断，算力需求和人工智能资本开支还没有迅速熄火。

Salesforce, Inc. 当季收入一百一十三亿美元，同比增长百分之十一。调整后每股收益五点九零美元，高于三点二七美元的预期，股价随后上涨超过百分之二十。Chamath Palihapitiya 说，他此前就认为这家公司被超卖，因为大型平台拥有稳定客户关系和较强留存，市场把所有软件一并判死刑，可能制造反向重估机会。

节目还提到 NVIDIA Corporation 财报后上涨约百分之八，市值约五点五万亿美元，预测市场给出其年末维持全球市值第一约百分之七十九的概率。至于节目口中的十二倍市盈率，没有说明预测年度，不能与常用指标直接比较。按财报后的过去十二个月口径，大约是二十九倍。估值折价仍可被解释为市场担心云平台自研芯片和新竞争者，只是不能拿口径不明的数字当结论。

人工智能的第三阶段

Chamath Palihapitiya 把当前人工智能演进分成三层。第一层是模型，也就是负责推理的大脑。第二层是 harness 和 agent，可以理解成给大脑接上眼睛、手、记忆和键盘。第三层则是企业上下文：客户是谁，合同如何约定，权限在哪里，什么数据能读，什么动作能写回。

他的核心判断是，拥有大量企业上下文的系统记录平台，不一定会被智能体替代。系统记录，指的是企业用来保存规范事实的核心数据库和工作流。Salesforce, Inc. 的特殊位置就在这里。它记录客户、销售过程、权限与合规信息，如果能正确接入外部模型和智能体，反而可能成为新生态的底座。

David Sacks 进一步强调，企业不会因为内部工具能快速写出一个界面，就把核心客户关系管理系统整体替换掉。合规和确定性要求决定了，智能体必须从可信来源读取数据，并把结果写回正确的系统。Marc Benioff 愿意让 Claude Code 成为 Salesforce, Inc. 的前端，也体现了这种界面上移。用户面对的可能是智能体，但底层事实仍然落在系统记录里。

更有意思的是，智能体可能成为 Salesforce, Inc. 的超级用户。普通员工不知道平台里藏着哪些功能，智能体却可以主动建议动作。用户建立信任后，还可能持续授权执行。这会减少对昂贵顾问团队的依赖，却不一定削弱底层平台，因为真正被替换的是复杂的人机操作界面，而不是规范数据本身。

自建软件的机会成本

David Friedberg 用自己公司的经历说明，能快速做出原型，不等于值得长期自建。他们大约一年前用 Claude Code 和 Cursor，在一个周末搭出内部客户关系管理系统。很快，问题从页面和功能扩展到安全、权限、数据存储、扩容和持续维护，复杂度像不断叠加的六十层结构。

他的公司真正形成差异化的能力，是植物育种工作流，而不是重做 Slack、Gmail 或 Salesforce, Inc.。如果工程团队把时间花在通用协作软件上，机会成本就是少做了本应属于公司的独特能力。最终，他们还是采用了成熟平台。

由此，节目区分横向平台与纵向软件。横向平台服务很多行业，承载通用数据与流程，更容易成为稳定的系统记录。纵向软件只服务某个细分行业，如果护城河主要是几张表单和固定工作流，就更容易受到人工智能冲击。但这也不是一刀切。是否存续，要看它掌握的数据、流程深度、合规壁垒和客户迁移成本。

给软件公司的建议也很明确。建设优秀的应用程序接口和命令行接口，更重要的是建设最好的智能体接口。不要执着于完全控制客户入口，而要把外部人工智能公司创造的智能体视为平台延伸。如果封闭读写权限，客户可能迁移；如果成为可靠事实来源，并允许智能体安全操作，平台反而会嵌入新工作流。David Sacks 因此反对两种简单外推：智能体会写代码，不代表所有软件归零；智能体能做知识工作，也不代表所有知识工作者同时失业。

NVIDIA 的全栈野心

节目随后讨论 NVIDIA Corporation 对 Hugging Face, Inc. 和 Poolside AI 的布局。NVIDIA Corporation 已签署两项安排，但它们的完成状态并不相同。到二零二六年九月五日，NVIDIA Corporation 已签署收购 Hugging Face, Inc. 的最终协议，基础对价约一百一十九亿美元，另有最多十亿美元留任安排，预计二零二七年上半年完成，并非已经交割。

Poolside AI 的安排也不是已经完成的收购或人才收购。据报道，NVIDIA Corporation 支付六十亿美元取得 Model Factory 的非独家许可，另投资十亿美元，并向一百零九名员工发出工作邀请。一位主持人当时没有仔细读完材料，因此不确定交易对象究竟偏模型还是编码智能体框架。这个不确定性属于现场判断，公开信息至少把许可对象指向 Model Factory。

在这一背景下，主持人的战略判断是一种观点：NVIDIA Corporation 正从芯片向开放模型、数据集、工具、托管、应用程序接口和推理服务延伸。节目还提到 Alpamayo 开放模型、数据集和工具，把它视为自动驾驶开源布局的一部分。

Chamath Palihapitiya 的预测更激进。云平台既是 NVIDIA Corporation 的大客户，又在自研芯片，NVIDIA Corporation 便可能向客户所在的软件和服务层上移。他预计五年后，大型科技公司会越来越像纵向整合体，同时拥有云、模型、芯片和数据中心。传统资本开支与软件运营开支的边界会变模糊，竞争重点也会从单个芯片，转向整套技术栈的效果。

长债市场发出的警报

财政部分从三十年期美国国债收益率谈起。主持人称，长期收益率一度接近百分之五点三，为十九年高位。美国财政部在二零二六年八月十九日宣布扩大长期债券回购安排，相关操作上限从约二十亿美元提高到至少约四十亿美元。这个时间顺序可以确认，但不能把它写成 Scott Bessent 在收益率触顶后立刻进行的一次个人买入。

Stanley Druckenmiller 的观点是，操作债券价格不能替代削减政府支出。David Friedberg 则把收益率上升理解为市场提高了对美国长期财政风险的定价。收益率曲线可以看成政府在不同期限借钱的价格。二零二零年，三十年期收益率约百分之一点七，疫情时期三年和五年期限甚至低于百分之零点五；如今短端接近百分之四，长端超过百分之五，再融资成本已经完全不同。

节目给出的债务量级约四十万亿美元，平均利息成本约百分之三点四。David Friedberg 做了一项粗算：如果全部债务最终都在高一个百分点的利率下逐步重新定价，稳态利息负担可能增加约国内生产总值的百分之一点二五。这里不是说下一年立刻增加这么多，真实传导取决于到期结构、新借款与未来利率路径。

问题因此带有两难。继续高支出，会扩大赤字和通胀压力；突然大幅削支，又可能冲击就业并引发衰退。节目认为，债市正在把这个长期矛盾提前折算进价格。

十万亿再融资与权限边界

David Friedberg 称，未来十二个月大约有十万亿美元美国国债毛到期，需要偿还或滚动，其中包括短期国库券。这不是新增十万亿美元债务，也不等于净融资额，但它意味着大量旧债要在更高利率环境里重新定价，此外政府还要为年度赤字筹集新资金。

Chamath Palihapitiya 用一个简单机制解释回购。财政部买入债券，债券价格上升，隐含收益率下降，新发债可能参考稍低的市场利率。节目把这称作收益率曲线压制，但这只是 Chamath Palihapitiya 的市场机制概括，不是财政部对政策目的的官方命名。财政部公开强调的是现金管理与市场流动性。

David Friedberg 认为，财政部可实施的回购规模远小于未来一年的毛到期与融资需求，因此难以单靠市场操作修复结构性赤字。把收益率从百分之五点三压到百分之五点一，或许能降低边际发行成本，却不能消除持续支出。

Chamath Palihapitiya 把责任直接推回国会。他用债务约百分之七、经济约百分之二到百分之四增长作粗略比较，但名义债务增速与实际国内生产总值增速不能直接对照。真正的判断是债务长期增长快于偿付基础，债券市场因而逐渐降低对美国信用的信任。如果三十年期收益率升到百分之六，他预测可能进入持续多年的财政痛苦甚至死亡螺旋。这是警戒性预测，不是已经发生的结果。

他还把财政约束与人工智能基础设施连在一起。过去的大型基础设施常由政府资产负债表支持，如今他认为美国政府已没有同样的财政空间。角色也要分清：Google、Microsoft、Meta Platforms, Inc. 和 Amazon 正以巨额资本开支建设云与数据中心，NVIDIA Corporation 则主要是芯片和系统供应商，同时参与战略投资。节目提到贸易安排带来约两万亿美元外部投资承诺，想说明私人公司和外部资本正在承担更大的建设任务。

削支为什么总是失败：上篇

David Sacks 把联邦削支困难解释为公地悲剧。四百三十五名众议员、一百名参议员和总统共同参与预算，每个人都有动力保护本地区、本部门或本项目的支出，但成本由全国承担。权力分散，责任也跟着分散。

总统并没有逐项否决权，不能单独拿掉预算中的每个项目。David Sacks 称 Donald J. Trump 支持过 Department of Government Efficiency，也就是 DOGE，但每当某个机构或子机构被削减，政治和社会反弹都会迅速集中。节目甚至把 Tesla 经销点遭纵火当作改革阻力的例子，不过这仍是主持人的政治叙事，不能由个案推出全部反对者的动机。

David Sacks 还把改革失败部分归因于主流媒体。他认为媒体没有准确呈现削支逻辑，公众压力无法形成，既得利益便更容易守住预算。这同样是明确的立场判断。至于民主党未来即使重新控制国会也不会改善赤字，则是他的预测，依据是该党的政治动力仍倾向新支出计划。

这段讨论最后回到制度结构。财政部长可以改善交易和流动性，总统可以提出方向，DOGE 可以寻找浪费，但真正控制钱袋的是国会。若没有跨党派预算约束，任何个人都很难改变总量趋势。

David Friedberg 给出了一条悲观时间线。他预测，二零二六年至二零二八年，通胀与生活负担问题会持续；负担恶化后，选民可能转向承诺更多补贴的社会主义候选人。可问题在于，如果通胀和高利率本就与持续支出有关，再用新增支出缓解痛苦，在他的模型里就等于火上浇油。

他认为，疫情期间的紧急刺激已经部分常态化。节目提出一个反事实：如果把联邦支出冻结在二零一九财年约四点四五万亿美元的名义水平，同时维持当前收入，粗算会出现万亿美元量级盈余。但这个计算忽略通胀、人口、利息和公共服务需求变化，不能理解成简单回到二零一九年的支出占比就一定有同样结果。

削支为什么总是失败：下篇

社会保障是另一条警报线。David Friedberg 预测二零三零年至二零三二年将无法足额支付。官方二零二六年预测更具体：老年与遗属保险储备可能在二零三二年第四季度耗尽，但持续税收仍可支付约百分之七十八的计划福利；若按合并口径，储备耗尽年份是二零三四年。所以风险是无法全额兑现计划福利，不是付款突然归零。

他还预测部分州会陷入严重偿付困难，并需要救助与重组。美国现行破产制度的第九章面向符合条件的地方政府，不是州政府现成的破产程序，因此这里的破产只是口语化风险描述。节目列举加州高铁、未拨备养老金和市政债，也拿私人建设的 Brightline 作对照，想说明政府项目可能出现高成本、慢进度与弱问责。

主持人又把学生贷款、住房和医疗当作同一类政策反例。他们声称，政府担保学生贷款后，相关行政成本达到原来的六倍，学费曾连续三十年以每年约百分之八增长，并据此认为补贴和担保会把更多支付能力推入供给受限的市场，最后抬高价格。这是一套明确的政策观点，不能证明这些行业的所有涨价都由政府单独造成，但它补全了节目从支出、价格到更多补贴的循环论证。

更大的政治判断是，结构性改革往往不会主动发生，而是在九一一、二零零八年全球金融危机或 COVID 这类急性冲击后被迫发生。主持人担忧，如果公众只感受到物价和月供，却没有理解财政链条，危机后可能要求更多政府支出，从而重复原来的机制。

住房负担与供给答案

住房把抽象债务变成了每月账单。主持人称，三十年期按揭平均利率约百分之六点七三，比三十年期国债高约一百五十个基点。政府持续借款推高国债收益率，按揭利率随之上升，购房者即使面对同一套房，月供也会明显增加。

节目认为，普通人在危机中更容易寻找一个具体责任对象，却不容易把财政支出、国债收益率和住房月供连成一条链。若政治回应只是免费住房或更多补贴，新增支出又可能推高融资成本。这是主持人的财政模型，而不是对所有房价变化的唯一解释，因为土地、就业、规划、人口与建造成本也都会影响市场。

Jason Calacanis 展示的图表称，Austin 房价较二零二二年峰值下跌约百分之二十七。由于图表没有说明完整数据源、指标与地理边界，这个跌幅只能保留为他的展示口径。节目更关心的是背后的供给故事：Texas 能出现约二十五万美元的住房，Florida 能建设时速约一百二十五英里的 Brightline，主持人把这些例子归因于允许私人资本增加住房和交通供给。

因此，Jason Calacanis 给领导层的建议不是继续压住价格，而是把建设放到优先位置。与此同时，主持人又把人工智能视为可能的逃生通道。如果人工智能显著提高生产率和经济增长，美国或许能扩大偿付基础，减轻债务压力。正因为如此，他们反对用拖慢模型发布的监管体系牺牲潜在增长。这仍是条件性预测，人工智能能否产生足够大的净增长并没有保证。

AI 写作的真实性边界

Stanley Druckenmiller 使用人工智能写评论文章，引发了全场最清晰的一场分歧。支持方认为，核心判断来自他本人，人工智能只是帮助组织文字。既然文章延续了他长期对债务的立场，读者更应该关注这些判断会如何影响公司、投资组合、四零一 K 退休账户、退休安排与风险对冲。

Jason Calacanis 不接受这个标准。他把整篇生成比作歌手对口型。读者看到作者署名，会期待文章代表作者亲自形成的声音和表达劳动。如果系统代写完整意见而作者不披露，读者就无法判断哪些句子真正来自作者，哪些只是模型生成的顺滑文本。

David Friedberg 则把人工智能放进工具连续谱。Excel、Photoshop、合成器和电子音乐软件都会放大人的创造力。拼写修正、语法检查、事实核查、段落重写和整篇生成之间，并不存在一条天然清晰的线。作者如果阅读、修改、认可并最终发送文本，思想所有权是否因此消失，正是支持方追问的问题。

Jason Calacanis 的回答是，边界可以模糊，但披露责任不能消失。他接受用人工智能做研究、校对、行文编辑和语法检查，却主张完整代写必须告诉读者。另一位主持人也作出长期披露，表示未来发布的内容通常会先用人工智能做事实核查、编辑和论证改进。

节目还争论了检测器。口述说文章约百分之九十由人工智能写成，外部报道实际引述的是检测器给出百分之一百判断。但检测结果只能说明工具如何分类文本，不能重建作者提供了多少观点、提示、修改和审批。David Sacks 推测 Stanley Druckenmiller 先给观点，再由人工智能或助手整理，最后本人修改，同时明确承认这只是猜测。最终双方保留分歧，并计划当面询问本人。

秘密访俄与战争判断

主持人称，美国中央情报局局长 John Ratcliffe 未预告访问 Moscow 并当日返回，是自二零二一年十一月以来在任局长首次访俄。关于访问目的，节目先转述了媒体援引匿名消息人士的版本，包括警告 Russia 不要攻击 NATO，也有涉及 Ukraine 与核风险的猜测。

但这些都不是已确认议程。美国和 Russia 公开淡化或否认了最戏剧化的版本，后续报道又出现推动三方峰会、评估战况等不同解释。因此能确认的是访问发生，不能确认的是秘密会谈究竟谈了什么。节目自己也反复强调不知道。

David Sacks 随后给出明确立场。他认为 Russia 没有入侵 NATO 国家并征服 Europe 的合理动机，把相关说法视为威胁膨胀。在战况上，他判断 Russia 在部分战线缓慢推进，而 Ukraine 在防空、能源、港口、出口、财政和兵员方面承受更大压力；Ukraine 仍在出口农产品，港口并非全面关闭。

基于这一判断，David Sacks 建议 Volodymyr Zelenskyy 与 Russia 达成协议，并预测 Ukraine 不会在战争中占上风。节目还提到年末停火概率约百分之二十一、资金缺口约三百五十亿美元，以及 Russia 人口约为 Ukraine 的四到五倍。这些信息被他用来支持谈判主张，但结论仍是政治意见和预测，不是确定的战争结果。

在一个较短的话题里，Chamath Palihapitiya 谈到 Meta Platforms, Inc. 为 Instagram 宣布的新措施。它们针对青少年使用小号、跨账户累计时长和家长难以追踪设备的问题，有望降低家庭的执行成本。不过部分功能仍要在未来六到十二个月分阶段落地，所以不能说问题已经解决。

节目建议 TikTok 和 YouTube 采取类似措施。理由是，孩子可以用假账户和秘密账户绕过家长管理，单靠家长控制应用既复杂又容易失效。平台掌握账户与使用数据，因此平台级限制更容易执行。

Chamath Palihapitiya 还说，自己的孩子十六岁以前不允许使用社交媒体，并认为限制对儿童的生理和心理有帮助。这是他的家庭规则与个人判断，不是对所有家庭的统一处方。节目提到 Australia、Canada 和 United Kingdom 已出现相关限制，核心诉求是把部分治理责任从家长个人转回平台设计，让家长把更多精力用于陪伴，而不是不断追查设备。

新抗原疗法怎么工作

最后一个大话题是个性化新抗原 mRNA 癌症免疫疗法。mRNA，也就是信使 RNA。节目称，Moderna, Inc. 在积极结果后，市值大约从二百亿美元升到六百亿美元。David Friedberg 借此解释这项常被称为癌症疫苗的技术。

新抗原，是肿瘤突变产生、正常细胞通常没有的抗原特征。更准确的机制有三步。先比较肿瘤与正常样本，结合 DNA 和 RNA 测序、HLA 分型以及算法预测。HLA，也就是人类白细胞抗原类型。这些信息共同帮助研究者筛选候选新抗原。再由疫苗编码或包含这些候选新抗原，通过抗原呈递激活特异性 T 细胞。最后，T 细胞识别展示相应肽和主要组织相容性复合体的肿瘤细胞，并对其发起攻击。

这不是免疫细胞追逐血液中的游离蛋白，也不是只做一次 DNA 测序就能自动得到治疗。黑色素瘤因为紫外线相关突变较多，被节目举为重要目标。David Friedberg 还提到，从二十世纪九十年代后期开始，已经有大量新抗原路线研究与试验，递送方式包括蛋白、肽和 mRNA。

mRNA 的优势，是让患者体内细胞按指令制造目标抗原，减少为每名患者在体外生产完整蛋白的步骤。常规非自扩增 mRNA 不进入细胞核，也不能自主复制。但这不等于一次注射完成治疗。相关临床方案需要多次给药，并可能与 pembrolizumab 联合。技术难点也不只递送和剂量，还包括候选抗原筛选、HLA 预测、制造周期、质量控制、肿瘤免疫环境、联合疗法与安全性。

价格、专利与开放争议

David Friedberg 对这项疗法的兴奋，迅速转成对价格和制度的批评。他声称有一些诊所能以约五万美元制作个性化新抗原，也声称 Moderna, Inc. 计划收费约五十万美元。公开资料未显示 Moderna, Inc. 已公布正式售价；这些数字是 Friedberg 在节目中的说法，不代表已确认的服务价格、合规性或疗效。

他的政策判断是，新抗原免疫疗法经历数十年发展，National Institutes of Health，也就是美国国立卫生研究院，以及其他公共资金作出了重要贡献，因此底层知识应更开放、更广泛传播。现有证据支持公共资金长期参与，但不足以证明整个领域主要由公共资金开发。至于未来价格，也不能只归因于专利、FDA 或所谓监管俘获，还要区分研发、个体化生产、质量控制、医疗服务、监管和知识产权等成本。这里的 FDA，指美国食品药品监督管理局。

David Friedberg 希望培训每家医院实施流程，并预测未来几年相关体系会扩散到海外。这是政策建议和预测，不是当前临床能力事实。个体化新抗原疗法仍涉及正式临床试验、受控生产、质量验证和监管要求，并不是所有医院都能常规自行制造。

他不喜欢癌症疫苗这个名字，因为疗法面对的是已经存在的癌症。但按现行医学术语，它确实是治疗性癌症疫苗，同时也是免疫疗法。Moderna, Inc. 对特定 mRNA 设计、递送和制造技术拥有广泛知识产权，不过不进入细胞核、不能自主复制，是常规非自扩增 mRNA 的基本特性，不能全部说成这家公司的独有专利。

David Friedberg 还提出，可用 E. coli，也就是大肠杆菌生物反应器表达目标蛋白，说明非 mRNA 的蛋白或肽路线在概念上存在。但从序列到可注射产品，中间还有纯化、内毒素控制、制剂、佐剂、药品生产质量管理和临床验证。它不能被简化成培养大量细菌，就能低门槛复制同一种疗法。

筛查、CAR-T 与治疗新模态

David Friedberg 最后的结论是，对部分癌症的个性化免疫疗法值得乐观。但疗效、安全与成本必须按具体产品、癌种、分期、联合方案和证据阶段分别判断。特定黑色素瘤研究可以支持疗效信号，不能直接外推为对许多癌种都非常有效、非常安全而且低成本。低成本仍只是他的判断。

节目随后强调早期发现的重要性，并提到 GRAIL, Inc. 的 Galleri 血液检测。早期发现通常有益，但并非所有癌症治疗的必要条件。筛查应依据年龄、癌种和个人风险，参考 United States Preventive Services Task Force、Centers for Disease Control and Prevention 等指南，再与医生讨论。筛查也可能带来假阳性、过度诊断和程序伤害。Galleri 只是节目举出的多癌种早期检测例子，不能替代现有指南推荐的单癌种筛查。

另一种新模态是 CAR-T，也就是嵌合抗原受体 T 细胞疗法。它会采集患者的 T 细胞，通过基因工程让这些细胞表达能够识别肿瘤相关表面抗原的嵌合抗原受体，再扩增并回输体内。CRISPR 可以是研究工具，但不是所有已批准 CAR-T 的标准必要步骤，而且靶点也不一定只存在于癌细胞。

David Friedberg 粗略称 CAR-T 费用可能达到一百万美元。节目没有区分产品标价、医院费用和全治疗周期成本，因此这个数字属于他的粗略说法；CAR-T 产品与全流程医疗成本都可能很高。针对经过筛选的多发性骨髓瘤患者，特定靶向 BCMA 的 CAR-T 可以出现较高客观缓解率。BCMA，也就是 B 细胞成熟抗原。较高客观缓解率不等于治愈，也不能外推到所有血液癌症，治疗还伴随严重毒性与复发风险。

把这些路线放在一起，节目看到的是癌症治疗从通用药物走向更个体化的免疫调动：治疗性癌症疫苗用候选新抗原训练免疫识别，CAR-T 则把患者自身 T 细胞改造成定向攻击工具。希望来自新模态不断出现，而真正决定它们能否普及的，是精确证据、安全制造、可负担成本和适合每位患者的临床判断。