Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动态与无序等问题仍待攻克。两人认为单纯扩大算力和数据不足以解决生物学问题，关键在于找到正确的 scaling law，并让生物建模从单个蛋白质走向整个生物系统。
MIT Technology Review 指出，拒绝能力已成为 AI 安全的核心机制，但并不可靠。Anthropic 2021 年提出模型应 helpful、honest、harmless，如今厂商通过红队测试和 AI 训练 AI 来让模型拒绝有害提示，却仍难阻止用户利用先进模型研发生物病原体或组建自主无人机蜂群。
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 未来可能以低至 2 万美元单价自动化几乎所有人类劳动，并预测 2027 年底前向公众发售，但许多机器人研究者对此持怀疑态度。
Import AI 475 讨论了 AI 群体（swarm）扩展的效率问题：4 个智能体的群体完成同一任务所需 token 总量约为单智能体的两倍，但因并行执行，理论上耗时减半。Google DeepMind 推出 SynthID Bio，为合成生物学数据加水印以强化生物安全。C5R Corp 的 SciUniverse 基准用 92 项任务测试 AI 操作半自动化科学实验室的能力。