免疫学家借 AI 重写科研边界，预言十年治愈所有疾病、15 年逆转衰老！ 免疫学家借 AI 重写科研边界预言十年治愈所有疾病、15 年逆转衰老当免疫学泰斗变成 代码狂魔科研的边界便被彻底重写。免疫学家 Derya Unutmaz 教授借助 Codex 等 AI 工具从零构建出流式细胞术分析、CRISPR 设计及 T 细胞通路模拟等复杂科研工具。他大胆预言AI 正用指数级进化颠覆医疗十年内或治愈所有疾病15 年内甚至将逆转衰老。在人工智能与生命科学的交汇处一位免疫学家正在用代码重写科研的边界。Derya Unutmaz 是美国杰克逊实验室的免疫学家和教授也是 OpenAI 社区中最活跃的科学用户之一。在与 OpenAI 开发者关系负责人 Romain Huet 的对话中他展示了用 Codex 从零构建的流式细胞分析软件和 CRISPR 基因组设计工具并阐述了一个激进预判在 AI 驱动下未来十年人类将能治疗所有疾病15 年内或可实现逆转衰老。Unutmaz 表示GPT - 5.5 Pro 近期对一项极复杂实验结果的预测准确率达到 100%几乎像是它拥有了我在实验室工作 30 年的同等经验这令他几乎难以置信。他认为AI 的指数级进步正被大多数人严重低估对科研、医疗乃至所有行业的颠覆将是根本性的。从医学院到 AI 信徒一个跨越三十年的判断Unutmaz 与 AI 的缘分始于 1990 年代初完成医学院学业之后。彼时他进入生物医学研究领域随即被生物系统的复杂程度震慑——数万亿组成部分每时每刻数十亿个反应远超人脑可处理的范畴。那时我就意识到也许有一天我们真的能用 AI 建立模型。深度学习革命、AlphaFold、ChatGPT每一个节点他都密切跟踪。但真正让他确信 AI 在科学中 不可逆转 的时刻是 2024 年 9 月 OpenAI 邀请他试用第一个推理模型 o1 - preview。他用一个跨界提示测试这款模型将 大逃杀 游戏机制与免疫系统对抗肿瘤的场景类比询问如何设计免疫细胞对抗癌症的实验框架。o1 - preview 的回答几乎让我动情落泪。 他说此前的 GPT - 4o 无法给出那种深度与洞察力而这个推理模型是关键节点——当它开始真正推理的时候产生的东西对科学才真正有用了。Codex 成瘾者一位免疫学家的编程实验Unutmaz 自称 Codex 成瘾者且认为这一认证 当之无愧。他的日常是清晨喝咖啡时冒出想法立即用 Codex 动手实现有时 Codex 整晚运行任务导致他过去几个月严重睡眠不足。他向 Huet 展示了两款完全由 Codex 构建的工具。第一款是流式细胞术分析软件——这是免疫学研究中观察细胞世界的核心手段传统上依赖价格高昂的专业商业软件。该工具可上传细胞数据文件通过交互式界面选择荧光标记物划定细胞门控生成统计分析支持等高线图和多种可视化方式可处理约 10 万个数据事件且响应迅速。这实际上是相当复杂的软件 他说而我只是一个生物医学工程师不是软件工程师我大概只能写出一个贪吃蛇游戏而且要花好几个月。第二款是 CRISPR 基因组工程设计工具。用户输入任意基因名称系统自动从数据库提取基因序列列出所有可能的靶点并排名支持批量生成 导向 RNA 文库——输入多个基因名称一键生成对应的全套 CRISPR 分子设计。该应用以 Swift 语言构建为原生 macOS 应用他表示 iPad 版本正在开发中。此外他还构建了一个 T 细胞信号通路模拟器可调控受体配体质量、剂量等参数实时展示下游分子激活状态、转录因子磷酸化模式并支持引入抑制剂或额外受体后的通路变化模拟。AI 会对生物学产生巨大冲击的关键在于能够模拟生物系统 他说建造飞机要做空气动力学模拟但对生物学我们一直做不到这一点。数字孪生个性化医疗的终极图景Unutmaz 描述了一个更长远的愿景——数字孪生用 AI 完整模拟个体的基因组、代谢产物、蛋白质和免疫系统在数字世界中为每个患者进行个性化实验而非在真实人体上试错。他指出现行医学体系存在根本性局限同一种药被数以百万计的患者服用但真正受益者可能只是其中一小部分。以他汀类药物为例大规模使用却只对少数人真正有效。癌症领域已是最接近个性化的方向——肺癌患者在用药前需先对突变基因测序因为 1% 的患者适用某种特定药物对另外 99% 无效。他引用了一个澳大利亚案例一位计算机科学家借助 ChatGPT 和 Grok为其患癌的狗量身设计了一种 RNA 疫苗专门针对该肿瘤的特定突变相关试验正在进行中。如果 AI 能够完整模拟你的生物系统我们就可以问给这个人用这种药会怎样 他说药物可以接近 100% 的有效性和接近 0% 的副作用。我们现在需要 5 到 10 年完成的临床试验将加速到可能只需 5 到 10 天。AI 将为你做临床试验。他同时强调这一切有一个关键前提——算力必须大幅提升。即便把现在全球所有算力加在一起也不足以模拟生物系统。科学 2.0智能体驱动的研究范式革命Unutmaz 对科研模式本身的变革同样持有激进判断。他将未来称为 科学 2.0 或 3.0传统的 花数周构思、数月实验、数月分析 模式将成为历史取而代之的是 AI 智能体集群——提出假设、模拟实验、分析数据、反馈结论、再生成新假设形成闭环。我想我的角色将变成只需要告诉智能体们我想攻克肺癌去探索这个方向。 他说实验室的操作层面也将大规模自动化机器人将承担大量湿实验工作。面对 科学家是否还有工作 的质疑他援引杰文斯悖论效率提升不会减少工作而会催生更多工作因为我们目前对生物学的理解仅约 10%剩余 90% 有待探索加速学习将创造庞大需求。他亦表示这一范式转变不局限于生物学物理、材料科学、化学、药物发现均将受到波及——过去药物发现需要几年现在几个小时就能完成。给所有人的建议实验精神是 AI 时代的核心竞争力被问及对非科学领域人士的建议时Unutmaz 以自身科研经历作答生物学实验 95% 至 98% 会失败长期在失败中工作培养了他对不确定性的耐受力和持续尝试的本能。这就是为什么它叫‘实验’——你要不断尝试不断调整。他认为这种思维方式在 AI 时代具有普遍价值。 AI 时代真正重要的只有自主性和好奇心 他说不要害怕持续用 AI 做实验问那个‘如果我这样做会怎样’的问题因为你现在可以问这个问题了——以前这样做的成本太高了。他以公司网站为例过去花费数千美元制作一个 将就 的网站现在几分钟内即可迭代出新版本。这种低成本试错能力他认为可延伸至生活和工作的几乎所有方面。对于外界弥漫的 AI 焦虑他态度鲜明它会真正让我们进入一个黄金时代。AI 研究者对我来说都是英雄因为这将是人类最伟大的变革。以下为访谈全文生物学何时开始需要 AIRomainDerya非常感谢你来到这里。你是一位非常独特的构建者和我们通常交流的构建者很不一样。你有医学背景同时深耕生物科学和生物工程又以一种大多数构建者没有的方式推进 AI 的应用——你在生物学、癌症、免疫学等如此多的领域都有真正的深度。非常期待今天的对话。Romain如果往回追溯你是什么时候意识到生物学和科学将需要 AI 的Derya那是我从医学院毕业之后当我意识到生物系统的复杂程度时。毕业后我进入了生物医学研究领域因为我真的想理解生物学——那时候有太多疾病我们还无法治疗。深入研究之后我越来越感到震撼天哪这怎么可能解决生物系统中有数万亿个不同的组成部分每时每刻发生着数十亿个反应这让我感到无比压倒。正是在那时我开始对 AI 产生了兴趣那是 90 年代初。我意识到也许有一天我们真的能用 AI 建立模型。整个 90 年代我都非常热衷于用 AI 来编程。当然后来深度学习革命到来我激动极了因为我第一次看到深度学习能够以某种并行的方式处理海量信息。然后是 AlphaFold然后是 ChatGPT。但最初的那个时刻是在我完成医学院学业之后。Romain自从 ChatGPT 发布以来你一直非常活跃于我们社区测试各种模型。我记得你在最早的推理模型——o1 - preview 出来时就开始做一些工作。你拿到它的第一反应是什么Derya我还记得那是 2024 年 9 月。OpenAI 联系了我我想是因为我在 X 上非常活跃一直在谈论 AI 将如何改变人类那时候有很多怀疑的声音我依然相信它并且全身心投入了 AI。OpenAI 希望我来试用第一个推理模型。我至今记得那一刻——我用一个免疫学领域极其复杂的问题来测试它而且我还记得那个提示词我对游戏非常感兴趣喜欢把游戏和科学交叉类比。有一种生存类游戏你在一座岛上战斗就是那种大逃杀游戏。从某种意义上说免疫系统对抗肿瘤就像一场大逃杀。我问它把大逃杀游戏和免疫系统结合起来想象你会如何设计一个免疫细胞对抗癌症的场景这是一个完全跨领域的问题我们后来也真的基于这个思路做了实验。o1 - preview 给了我一个回答几乎让我动情落泪。在那之前GPT - 4o 这类模型没办法给出那种深刻而有洞察力的回答。那一天对我来说是特别的。Romain那就是你确信 AI 在科学中已经不可逆转的时刻吗Derya完全是。其实在那之前GPT - 4 出来之后就已经极其有用了。我会告诉同事们——生物学领域信息量如此庞大你根本跟不上用 AI 来搜索文献、整合知识包括处理写推荐信这类日常事务——以前需要一小时的事现在五分钟就完成了。但那时候还不到可以完全信任它、或者问‘某个实验的结果会是什么’这类问题的程度。o1 - preview 是那个关键节点——当它开始真正推理的时候产生的东西对科学来说才真正有用了。此后是 Pro 版和 o3越来越好。现在的模型更是令人叹为观止。Codex 成瘾者Romain几个月前我看到你发推文说你有了新的早晨例行程序——先喝早晨的咖啡然后 Codex 就要开始为你工作了。Derya我可以自称是 Codex 成瘾者这个认证我当之无愧。每天早上醒来脑子里会冒出很多想法——想做个模拟、想做某个应用、想做个游戏之类的。以前你得会写代码而且就算你会也要花几周甚至几个月才能实现。但现在我一有想法喝完咖啡立刻就去试。有时候 Codex 整晚都在跑任务我想看看结果如何——过去几个月我因此睡眠严重不足。Romain对于你这样在免疫学、肿瘤学、癌症、T 细胞方面有如此深度的人你是怎么用 Codex 把这些领域融合在一起的Derya我一直在构建一些不是特别复杂但对日常工作极其有用的应用。我们非常依赖软件来做分析——生物学很复杂无论是遗传学还是免疫学。比如我们做大量叫做 流式细胞术 的分析。这基本上是我们观察细胞世界的窗口主要是免疫细胞当然也可以分析任何细胞。我们有专门的仪器用荧光标记物标记细胞——细胞有数百种不同类型要知道你的血液和组织里有哪些细胞就需要标记它们让它们通过激光。激光分析数千个细胞生成数据告诉我这是一个可以对抗癌症的免疫细胞这一个会导致自身免疫病等等。但我们必须把这些数据放进专业软件把数十万个独立细胞的数据点转化成图表然后才能分析这类细胞的百分比是多少它们之间有什么关联诸如此类。这是过去几十年来我们一直在使用的非常精密的软件。有一天我想为什么不自己做一个这个想法很疯狂因为非常复杂我确实失败了很多次。但自从 GPT - 5.5我现在有了一个完全可运行的版本。用 Codex 构建细胞分析工具Romain太不可思议了能看看你的笔记本电脑上的演示吗Derya我来展示这个应用。我已经上传了一个文件——这里的每个点代表一个单独的细胞这些是荧光分子的颜色每种抗体对应的荧光分子会标记特定的细胞类型。我可以在这里选择。你看这里有 20 种不同的分子每种都和一个受体结合它们的组合定义了特定的细胞亚群。比如我最喜欢的细胞——带有 CD4 分子的 T 细胞还有带 CD8 分子的 T 细胞后者是杀伤细胞会去杀死靶细胞。我可以在这里划定门控看 CD8 阳性或 CD4 阳性细胞的百分比生成各种统计分析。这实际上是相当复杂的软件——我可以更改等高线图、图形、不同的展示方式。这里有大约 10 万个事件而且处理速度极快我原本没想到它会被优化得这么好。Romain这一切都是用 Codex 构建的Derya100% 用 Codex 构建的。花了一段时间因为有些东西不能工作但尤其是 GPT - 5.5 之后我说 我看不清图表帮我修一修然后它就自己去做了。我还做了一个小应用可以选择你想要的细胞类型说 我想要一个初始 T 细胞它会显示所有可能选择的标记物甚至会告诉我哪些标记物对这种细胞类型最为相关。这对设计我们所说的 抗体面板 极其有用——我正在寻找中央记忆初始细胞、T 细胞和 TH17 细胞选好这些标记物之后我就可以回去做流式分析了。Romain太了不起了。你不是软件工程师这些东西要让你从头做的话可能要花几周甚至几个月。Derya我是生物医学工程师不是软件工程师。我大概只能写出一个贪吃蛇游戏而且要花好几个月。做这些应用以前对我来说是个梦想。模拟 T 细胞信号通路Romain你有没有用更多模型来辅助日常工作比如图像生成Derya我非常感兴趣的一件事——也是我认为 AI 会对生物学产生巨大冲击的关键所在——是能够模拟生物系统因为它太复杂了。建造一架飞机你不会说 把这些部件拼在一起希望它能飞——你要做空气动力学模拟。但对于生物学我们做不到这一点因为组成部分太多了。我的目标是有一天我们能够构建 虚拟细胞用 AI 完整模拟一个免疫细胞进而模拟组织最终实现我所说的 数字孪生——完整的人体数字模拟。当然这需要多得多的算力希望你们加大投入。先从这里开始——这是一个受体叫做 T 细胞受体位于 T 细胞表面是最主要的受体但极其复杂。它感受到的分子亲和力、它接收到的其他信号将决定生死。信号强度可能意味着自身免疫病可能意味着清除肿瘤可能意味着杀死病毒感染的细胞也可能意味着过度损伤而致命。在这个受体下面有极其复杂的信号通路在运行。我构建这个模拟器就是为了能模拟这一切。如果我只有 T 细胞受体配体的质量是这样的剂量是这么多我可以在这里控制所有参数然后运行模拟——它会告诉我哪些分子会被激活哪些不会甚至会显示转录因子的磷酸化模式。我可以问如果我加入一个抑制性分子再换一个不同的信号会发生什么它会展示给我看——这条通路现在停了你会得到不同类型的事件。你可以继续延伸如果加一个小分子抑制某个分子输出是什么如果在这里增加更多受体它们会如何相互作用Romain我喜欢这个因为它不只是在可视化或搜索数据集这是一个完整的应用让你能够在浏览器里定义每个细胞和场景的输入输出。太不可思议了。CRISPR 基因组工程工具Romain你还展示了更多应用Derya再看一个。我们想要操控细胞——细胞在某种意义上就像编程好的代码软件我希望有一天我们能有一个 生物学版的 Codex可以对细胞完全编程。事实上我们已经开始这样做了通过基因编辑技术。25 年到 30 年前我自己开发了其中一些技术现在我们有了 CRISPR。CRISPR 可以靶向任何基因修复突变删除基因过表达基因这就是基因组工程。但问题在于这同样非常复杂。一个基因可能有 2000 个核苷酸你要靶向哪里你需要通过计算来判断靶点的特异性和效果已有一些工具但我想要自己的。所以我构建了这个应用。你可以选择任何基因比如 CD4 基因——我之前提到过它在 T 细胞表面。它会立即从数据库里提取 CD4 的基因序列然后给我所有潜在的靶点——每个靶点是 20 到 22 个核苷酸的区域对于一个很长的基因会有很多靶点然后给它们排名告诉我选哪个更好。我可以在这里添加选定的靶点复制出来发给在线合成公司他们会合成好发给我我就可以去做实验了。还有一些其他工具没有的功能——比如我可以说 给我建一个文库如果我有多个基因想要很多不同的 CRISPR 靶点我只需要在这里输入基因名称点击 设计文库它就会为我生成不同的 CRISPR 分子。而且这是一个原生 macOS 应用用 Swift 构建的我还准备做一个 iPad 版本。Romain太感谢你的分享了这是对你工作的一次精彩的幕后呈现也让我看到了你如何用 Codex 思考和工作的方式这是我之前从未见过的 Codex 用法。数字孪生个性化医疗的未来Romain你之前提到了数字孪生的想法从你在免疫学、癌症、生物学上的视角来看这个想法什么时候会变得可行我们为什么需要数字孪生为什么需要 AIDerya我们需要数字孪生是因为我们的生物系统是极其复杂的整体——不只是你能从外部测量的东西。我刚才展示的免疫系统加上代谢产物加上肠道中数万亿细菌加上激素这是一个极度复杂的系统。你的遗传基因加上你所处的环境几乎决定了一切——你会不会生病、什么时候生病、你是否会对某种治疗有反应。我们能不能在疾病发生之前就预测它而且必须高度个性化——我们应该治疗的是患者而不是疾病。因为生物系统太复杂了我们一直以来都在把同一种药给患有同种疾病的数百万人服用。比如他汀类药物被数百万人使用但它只对其中一小部分人真正有效。如果 AI 能够完整模拟你的生物系统——你的基因组、你的代谢产物、你的蛋白质、你的免疫系统——那么我们就可以开始问如果我改变了这方面的健康状况会怎样如果给这个人用这种药会怎样也许我可以直接根据 AI 告诉我的你的生物学特征为你量身定制一种治疗方案。我们将进入完全个性化的时代——药物可以接近 100% 的有效性和接近 0% 的副作用。这意味着我们现在需要 5 到 10 年才能完成的临床试验将加速到可能只需 5 到 10 天。AI 将为你做临床试验。这正是为什么我说在未来十年左右我们将能够治疗所有疾病。再过 15 年我们将实现逆转衰老。人们说这听起来很疯狂是科幻小说说光是癌症就花了 50 年才治疗了一点点。他们没有算进去的是AI 正在指数级地进步。而且这一切还有一个前提——算力必须大幅提升因为即便把现在全球所有算力加在一起也不足以模拟生物系统组成部分实在太多了。如果我们在未来 5 到 10 年能够达到那个程度超级智能届时也将出现。那时我们就可以用 AI 模拟数字孪生不是在人类身上做实验而是在 AI 里为你的生物学做实验。这将改变医学改变一切。Romain以癌症患者为例如果有了数字孪生医生可以做哪些现在做不到的事Derya基本上就是在数字孪生上尝试不同的假设和实验看看反应如何这就像是对照组和治疗组。事实上癌症和肿瘤学是我们目前最接近个性化的领域因为即便是同一种癌症类型也有很多不同的突变。如果你是肺癌患者你的肿瘤科医生会先对突变基因进行测序因为突变的基因不同对应的药物也不同。比如有 1% 的肺癌患者可以使用某种特定的药物而这种药对这 1% 的人非常有效但对另外 99% 的人无效。公司正在开发针对性的精准药物我们可以做到为你所有的突变专门创造一种药物。澳大利亚有一个案例一位计算机科学家用 ChatGPT 和 Grok为他的狗设计了一种 RNA 疫苗——这是终极个性化因为那种 RNA 疫苗是专门针对那些特定癌症突变量身创造的相关试验正在进行中。免疫系统在杀死癌细胞方面极其有效这就是我们所说的免疫疗法革命。但免疫疗法并不对所有人都有效。为什么有些人的免疫细胞能够识别癌症并将其杀死而另一些人不行有些免疫细胞会衰竭诸如此类。而且还有副作用的问题——免疫系统本身是很危险的过度激活会造成大量伤害。如果我们能把这些都弄清楚就可以真正做到个性化治疗。推动同行拥抱 AIRomain你既是 AI 的深度使用者又是 MD你周围的人对 AI 是什么态度你会努力让他们像你一样快速采用这些工具吗Derya我努力过我想他们认为我完全疯了。不过现在他们开始看到潜力了。从 GPT - 3.5 出来我就开始说这些了。人们非常犹豫我能理解因为这是一个如此新的事物人类的思维无法理解这种指数级的进步。很多人用 GPT - 4.0 是一年半前的事在 AI 的世界里那是很久以前了他们说 它产生太多幻觉回答得不够好。其实 GPT - 5.4 和 5.5 之间的差距就已经天壤之别了。如果你持续实验并且相信它会越来越好……我现在连在我研究了 30 年的领域都信任 AI 模型给出的答案。最近 GPT - 5.5 Pro 给了我一份报告我几乎哭了——这怎么可能GPT - 5 和 Pro 版、5.4对知识的理解和模式识别已经非常出色但 5.5 做到的事情几乎像是它拥有了我在实验室工作 30 年的同等经验。因为有些东西是直觉不在文献里你就是知道——比如我会和学生打赌说 做这个实验我赌它会这样发展他们有时候会和我打赌然后百分之百输掉因为那是从大量积累中磨砺出来的直觉。而 5.5 做到的事情是预测了一个我们做过的极其复杂的实验的结果准确率达到了 100%这令人难以置信。科学 2.0AI 驱动的未来科研范式Romain如果这种进步的速度持续下去几年后你的日常工作会是什么样子对你和周围的研究者来说什么会发生根本性的改变Derya我所说的一些事情可能听起来很激进。但会有一场彻底的根本性转变——我称之为科学 2.0 或 3.0。我们做科学的方式将彻底改变。以前的那种模式——花几周时间想出一个想法、设计实验、再花几个月分析数据——那个时代已经过去了。学生和科学家们必须认识到我们处在一个极度加速的时间尺度上。未来做科学的方式是一群 AI 智能体帮你提出假设它们已经能够提出假设因为可以产生的想法数量几乎是无穷无尽的。然后 AI 会帮你模拟实验——我可以做 1000 个实验但哪个会成功我不知道如果 AI 能告诉我这类实验更有可能成功原因是什么我就可以专注于那个成功率会大幅提升。数据出来之后立刻传给其他 AI 智能体它们马上分析反馈给总控智能体总控再提出新的假设设计新的实验。我想我的角色将变成只需要告诉智能体们我想攻克肺癌去研究这个方向去探索。然后还是需要有人做实验但我认为实验室也会自动化这已经开始发生了会有很多机器人做大量的实验。当人们问 那我还有工作吗——这里有一个杰文斯悖论如果我们能做这么多我们就能做更多。生物学方面我们目前只了解大约 10%想象一下我们能以多快的速度学习剩余的 90%。有了那种能力就像我现在在构建应用一样我将能够构建新的细胞类型、新的组织。会有数以千计的生物工程师坐在电脑前模拟和构建这将从根本上改变不只是生物学还有物理、材料科学、化学——药物发现方面过去需要几年才能完成的工作现在几个小时就能做到。临床试验、医生诊治患者整个链条都将改变和加速。给所有领域的人的建议Romain对于不在科学领域的人结合你的经历你会给他们什么建议关于如何重新思考自己的领域和工作Derya我有一个优势——我的工作本质上就是持续做实验而且极其痛苦因为在生物学里95% 到 98% 的实验都会失败。所以我非常习惯失败这就是为什么它叫 实验——你要不断尝试不断调整。你会培养出一种韧性、自主性和好奇心就是去试一试的冲动。这也是为什么我对 Codex 如此兴奋——当然我展示给你的是那些成功了的东西之前有很多失败很多应用做出来效果不好但你不应该放弃。我对大家的建议是在 AI 时代真正重要的只有自主性和好奇心。不要害怕持续尝试持续用 AI 做实验。问那个 如果我这样做会怎样 的问题因为你现在可以问这个问题了——以前这样做的成本太高了。比如你公司的网站可能花了几千美元制作不够完美但你说 好吧将就吧。现在你可以说 如果我这样改一下会怎样几分钟后你就有了一个新网站或者你可以设计一个新产品并 3D 打印出来。我认为这可以应用于所有事情但你必须有勇气去实验因为实验的成本现在非常低——何必不去做呢不要只把这当成日常的小事你可以真的把它延伸到生活中几乎任何方面你只需要拥抱它把 AI 看作一件极其积极的事情。我看到很多负面的声音——AI 会做这个AI 会做那个。我的看法恰恰相反它会真正让我们进入一个黄金时代。AI 研究者们对我来说都是英雄因为这将是人类最伟大的变革。我为未来感到无比兴奋。Romain非常感谢你Derya这是一个精彩的结语充满正能量。我们迫不及待地想看你接下来会做什么如何进一步推进 Codex 和前沿模型的应用把这些领域融合在一起推进数字孪生的愿景。Derya非常乐意下次再来做一期节目几个月后欢迎我回来看看又取得了多少进展。在此之前祝你在加利福尼亚玩得开心非常感谢。