PODCAST · 跨国串门儿计划

2026 年 8 月节目

43 期 · 42 期带分节

  • 08-31#698.美国 1968：在撕裂与混乱中，谁能赢得“沉默的大多数”？
  • 08-31#697.ChatGPT Work产品经理：AI 同事正在接管执行，你的职业价值只剩下野心与判断力？
    1. 00:00从 Chat 到 Agent，再到常驻 AI coworker
    2. 01:28Tara Seshan 登场：OpenAI、Codex 与 ChatGPT Work
    3. 02:46OpenAI 内部文化：每个人都像一个创始人
    4. 05:26AI 时代，PM 失去了什么
    5. 06:23为什么多产出、靠实证比长篇战略文档更重要
    6. 07:51PM 工作的核心：定义问题、验证假设、跑通闭环
    7. 09:40从划桨到掌舵：人类负责方向，Agent 负责执行
    8. 13:46与长期存在的 Agent 协作
    9. 15:09从一对一 Agent 到多人协作的 Agent 群聊
    10. 16:45慢起飞、信任与 Agent 承担更多工作
    11. 17:31数据访问、云基础设施与可靠性同样关键
    12. 18:27AI 让野心从优势变成必需品
    13. 19:04AI 如何把普通人变成“独角兽人才”
    14. 20:58真正的瓶颈不是能力，而是想象力
    15. 22:51PM 的新职责：不断拉高团队的野心
    16. 25:36产品应该面向两三个月后的模型
    17. 27:35Chat、Work 与 Codex 到底有什么区别
    18. 32:38如何把 Agent 能力带给十亿 ChatGPT 用户
    19. 33:37AI 产品第三时代：和常驻同事一起把事情做完
    20. 38:22当工程师、设计师和 PM 的边界开始消失
    21. 41:28AI 时代人类大脑还剩下什么价值
    22. 43:32Tara 如何在工作中使用 AI：建网站与可视化
    23. 48:42“写作是思考”与“写作是汇报”的区别
    24. 54:50Tara 在 Sutter Hill Ventures 的经历
    25. 55:52找到 PMF 不是玄学：成功背后存在一套打法
    26. 57:34为什么产品与营销的契合要早于产品本身
    27. 59:53知识工作不同于写代码：必须看见过程与工作证明
  • 08-30#696.红杉资本传奇投资人Doug Leone：69 岁重返 AI 战场，如何用恐惧、嗅觉与信任持续称霸
    1. 00:03什么样的人能称霸几十年
    2. 00:48为什么必须一次又一次重塑自己
    3. 01:3169 岁重返红杉：再次从低级别分析师做起
    4. 02:55Jimmy Iovine：不看后视镜，只担心明天
    5. 04:10恐惧究竟是阻力还是动力
    6. 04:38用公开演讲、恐高和根管治疗直面恐惧
    7. 07:04从海滩俱乐部的屈辱感到“我要收拾你们”
    8. 09:29如何把复仇冲动转化为正向动力
    9. 09:57为什么孩子需要一点真实的苦难
    10. 12:50卖掉豪车：从物质享受到简单生活
    11. 13:57重返工作岗位是 Doug 主动给自己找的磨难
    12. 15:36成为红杉合伙人后曾经睡在车里
    13. 17:49为什么 65 岁卸任，又在四年后回归
    14. 21:25AI 是否是工业革命级别的变化
    15. 22:56Doug 投资前必问的三个问题
    16. 24:30只做 20 笔投资，只寻找 100 倍回报
    17. 25:31为什么最好的投资总会带来意外
    18. 25:56风投最常见的错误：过早卖出赢家
    19. 26:46红杉曾经拥有 Apple、Cisco、Google、NVIDIA 的巨大股份
    20. 27:58投资人不是产品经理，而是帮助创始人把业务做起来
    21. 29:20Doug 喜欢“不服管”的异类创始人
    22. 31:01David Vélez 与 Nubank 的起点
    23. 34:01从 0 到 1 是创始人的黑魔法
    24. 34:57投资人的任务：尽可能长久地保留创始人
    25. 57:44信任如何从恐惧开始建立
    26. 59:27信任是商业的加速剂
    27. 1:00:00信任同时包含能力与善意
    28. 1:02:55为什么签过条款清单后就不能反悔
    29. 1:12:21像架构产品一样架构董事会
    30. 1:13:05不要只因为拿到 term sheet 就选择董事
    31. 1:16:15真正的董事会不是争吵，而是把问题摆上台面
    32. 1:18:39如何让困难的反馈真正被创始人听进去
    33. 1:26:08Michael Moritz 教 Doug 听具体的词
    34. 1:29:19如果一切顺利，这家公司能变成什么
    35. 1:29:49结束语：一年后再回来继续验证结果
  • 08-29#695.Stripe CEO：AI 时代别只怕失败，更要提前想清楚“成功以后怎么办”
    1. 00:00开场与 Patrick、Harj 的旧日渊源
    2. 00:23Patrick 高中时期编写 Lisp 方言 Croma
    3. 01:25AI 时代，大学生到底该学什么
    4. 01:44用“缓存”理解知识与 AI 的关系
    5. 02:17为什么大脑中的“L1 缓存”仍然重要
    6. 02:59Patrick 为什么坚持自己写作
    7. 03:23LLM 能证明猜想，却还写不出有说服力的文章
    8. 04:10从 MIT 退学创业的决定
    9. 04:31Patrick 两次退学、又回到大学的经历
    10. 05:30退学创业的代价并没有想象中那么高
    11. 06:24“机会窗口正在关闭”可能是一种错觉
    12. 07:49Stripe 早期看起来为什么既合理又荒谬
    13. 08:06从具体客户痛点出发，而不是凭空想象需求
    14. 08:40两个年轻人为什么没人相信
    15. 09:43一顿寿司如何促成 Stripe 的创立
    16. 10:37没有急着发布：Stripe 的反常选择
    17. 11:21安全、银行、基础设施与可靠性的复杂性
    18. 11:40从第一位生产环境客户开始迭代
    19. 12:31真实用户反馈如何塑造产品
    20. 13:04“尽早发布”为什么不能成为普遍教条
    21. 13:16AI 会不会让第一版产品应该更有野心
    22. 13:49精益创业在 AI 时代可能面临的变化
    23. 14:34为什么今天可以从更激进、更有野心的起点开始
    24. 14:52Stripe 与“苦差事盲视”
    25. 15:18公司成长后不可避免的无趣工作
    26. 15:42创业者为什么应该问“如果我成功了呢”
    27. 16:10Patrick 为什么仍然喜欢 Stripe
    28. 17:24大型实验室与初创公司的竞争焦虑
    29. 17:48AI 能力提升与实验室主动扩张的区别
    30. 18:03从“谷歌会不会做这个”看今天的 AI 担忧
    31. 18:50模型能力本身对垂直行业的替代
    32. 19:15Stripe 数据：创业公司数量正在激增
    33. 19:59Vibe coding 做出来的产品真的成功了吗
    34. 20:39为什么 Patrick 认为现在是前所未有的好时机
    35. 21:41企业害怕被淘汰，反而更愿意采用初创公司的产品
    36. 22:54AI 会走向中心化霸权，还是成千上万个赢家
  • 08-29#694.All-In：AI 狂潮、美国债务与癌症治疗，谁会成为下一个系统性赢家？
    1. 00:00All-In 四人组回归与节目开场
    2. 00:46Eric Weinstein、科学界异见与“羊群心态”
    3. 02:27从新冠起源争议看假说、真相与错误信息
    4. 04:07中国机器人奥运会与中美 AI 乐观度差异
    5. 07:11Optimus 的进展与人形机器人真正的难点
    6. 08:19Grokbot、云端 Agent 与桌面 Agent 的差异
    7. 09:26多 Agent 协作、群聊模式与产品传播性
    8. 10:23本期核心议题：英伟达财报与 SaaS 反弹
    9. 10:26英伟达创纪录季度：营收、利润与增长指引
    10. 12:03Salesforce 财报大涨与 SaaS 末日论反转
    11. 13:59AI 三阶段：模型、harness 与掌握上下文的 Agent
    12. 16:43用 Claude Code 和 Cursor 自建 CRM 的真实经历
    13. 18:48通用平台与垂直行业软件，谁更有价值
    14. 20:20为什么核心记录系统不会轻易被 vibe coding 替代
    15. 21:27Salesforce 接入 Claude：从用户界面到 Agent 界面
    16. 22:30SaaS 如何在 AI 浪潮中保住自己的位置
    17. 23:19Agent 如何释放 Salesforce 被困住的功能价值
    18. 24:33API、CLI 与“最好的 Agent 界面”
    19. 27:27垂直 SaaS 的护城河：记录系统还是工作流
    20. 30:34黄仁勋收购 Hugging Face、Poolside 的战略意图
    21. 32:11英伟达财报为何证明 AI 资本支出远未结束
    22. 33:34英伟达、OpenAI、AMD 与开源生态的竞争
    23. 35:05云厂商、芯片公司与模型公司走向垂直整合
    24. 37:02贝森特的债券回购策略与德鲁肯米勒的批评
    25. 39:29从疫情时期收益率曲线看美国借贷成本变化
    26. 41:3840 万亿美元债务、再融资海啸与利息负担
    27. 42:38为什么压低收益率无法解决根本性的财政问题
    28. 45:46两党共同造成的支出问题与债务增长
    29. 50:18国会为何无法控制预算：一场公地悲剧
    30. 53:522026—2028 与 2030—2032：可能出现的财政转折点
    31. 1:01:04政府支出、房贷利率与普通人买不起房
    32. 1:07:02德鲁肯米勒用 AI 写文章引发的争议
    33. 1:09:26AI 写作是否等同于创意表达中的“假唱”
    34. 1:11:29数字工具是在替代人类，还是放大创造力
    35. 1:12:21读者为什么在意内容是不是出自真人
    36. 1:14:32AI 使用披露：校对、调研与代写的边界
    37. 1:22:37中情局局长访问莫斯科与俄乌停火猜测
    38. 1:27:44Meta 限制未成年人使用 Instagram
    39. 1:29:52Moderna 癌症疫苗与新抗原疗法
    40. 1:31:20DNA 测序、mRNA 与个性化癌症治疗
    41. 1:40:06癌症治疗专利、公共科研资金与医疗普及
    42. 1:41:00早期检测、CAR-T 与癌症治疗的未来
  • 08-29#693.牛津神经科学家：如何找回行动力，破解拖延与“低活化能”的大脑机制
    1. 00:00开场：动力、冷漠与多巴胺回路
    2. 00:44节目介绍：动力与拖延的科学
    3. 02:30Masud Husain 博士登场
    4. 02:58什么是冷漠：它不等于悲伤或不快乐
    5. 03:55David 的病例：从高效人士到完全失去行动动力
    6. 06:02五分钟的音响安装，为什么变成巨大障碍
    7. 06:33基底核、伏隔核与行动动机
    8. 08:06David 到底是不想要，还是觉得太费力
    9. 09:03冷漠者与有动力者的回报—努力权衡
    10. 10:01多巴胺在行动动机中的作用
    11. 10:23L-多巴为什么没有效果
    12. 10:53直接作用于 D2、D3 受体的药物
    13. 11:21David 的转变：重新工作、社交并建立亲密关系
    14. 13:41同一套回路如何支持不同类型的动机
    15. 16:14行为、社交、情感与认知冷漠
    16. 18:07回报与努力：大脑如何选择下一步行动
    17. 19:49每个行为前都有一座“激活小山”
    18. 20:57Lauren Case：活化能很低的人
    19. 22:27牛津学生实验：冷漠者为何消耗更多脑力
    20. 27:18改变激励：把“挂画”变成“教别人挂画”
    21. 28:17拆分任务、改变奖励与先迈出第一步
    22. 29:29高强度锻炼能否迁移为通用动力
    23. 30:56我们能否训练自己降低活化能
    24. 31:41提前规划如何减少决策成本
    25. 37:13过去的奖励、失败与未来动机
    26. 40:37努力经验如何影响后续行动
    27. 43:52发起行动与坚持到底同样重要
    28. 45:32冷漠和抑郁并不是一回事
    29. 1:08:14多巴胺回路过低与过度活跃：从冷漠到躁狂、成瘾
    30. 1:10:45社交媒体是否真的让我们获得多巴胺刺激
    31. 1:12:15“想要”与“喜欢”的神经分离
    32. 1:14:45多巴胺、运动、执行控制与帕金森病
    33. 1:15:38无限刷新的社交媒体像一款没有终点的电子游戏
    34. 1:29:23内部注意力与外部注意力
    35. 1:30:35注意力为何有限：大脑资源的竞争
    36. 1:35:08内心碎碎念、心流与降低噪音
    37. 1:40:27多巴胺的倒 U 型曲线与认知表现
    38. 1:47:04ADHD、兴趣驱动的注意力与警觉性衰退
    39. 1:49:52从短期奖励到多年目标
    40. 1:52:38时间贴现：一年后的大奖励和一周后的普通奖励
    41. 1:55:01阿尔茨海默病不一定等于痴呆症
    42. 1:57:21目标感、社交关系与认知韧性
    43. 2:06:31如何减少分心：改变环境，而不是只靠意志力
    44. 2:10:55Husain 博士如何通过艺术和兴趣充实自己
  • 08-28#692.Neil Movva：把 AI 推理成本降 10 倍，智能充裕时代如何绕开芯片与电力瓶颈
    1. 00:00开场：什么是 token 工厂
    2. 01:00Neil Movva 与 Sail Research 的业务介绍
    3. 02:14Sail 如何通过 API 提供低价 token
    4. 02:34Sailboxes：运行数小时、数天甚至数周的 Agent
    5. 02:59「充裕」为何是公司的核心主题
    6. 03:23为什么 token 成本是当前的北极星指标
    7. 04:39开源模型与「智能主权」的兴起
    8. 05:24Agent 的未来为何属于长周期任务
    9. 06:04「最好的延迟就是完全没有延迟」
    10. 06:58测试时计算扩展与更长任务时长
    11. 08:12后台工作负载可能从 50% 走向 90%
    12. 08:23深度研究、互联网索引与网络安全
    13. 10:52主动型个人助理与「便宜的智能」
    14. 13:31Sail 为什么必须从软件做起
    15. 14:08Tensor Core 与矩阵乘法
    16. 18:40GPU 的本质：吞吐量机器
    17. 19:13延迟优化与吞吐量优化的根本权衡
    18. 21:19NVLink 如何降低低延迟推理的成本
    19. 22:55为什么 Sail 没那么在乎低延迟推理
    20. 24:12Cerebras、Groq 与片上 SRAM
    21. 28:49KV cache：动态知识为何成为瓶颈
    22. 32:08Transformer 的核心：注意力与序列建模
    23. 34:10为什么 Transformer 像一块极佳的海绵
    24. 35:57互联网是对数据的一次性补贴
    25. 37:00强化学习环境如何成为下一阶段的数据来源
    26. 44:13芯片稀缺与算力分配
    27. 45:17「没有坏的芯片，只有不合理的价格」
    28. 50:52训练基础设施如何转向推理基础设施
    29. 52:29为什么 1 兆瓦的小型数据中心更适合 Agent 推理
    30. 53:12组合不同芯片、性能与数据中心
    31. 54:15用 1000 个小型数据中心对抗 1 吉瓦中心
    32. 55:12为什么后台 Agent 可以接受 95% 的可用性
    33. 56:41太阳能、风能与可预测的间歇性电力
    34. 1:01:20AI 全栈中最需要提升效率的环节
    35. 1:01:59KV cache 压缩与算力调度
    36. 1:07:30前沿实验室领先三到六个月的溢价
    37. 1:10:02便宜 token 与每个人自己的 Agent harness
    38. 1:13:36短期看好英伟达，但永远不要看空英伟达
    39. 1:16:10芯片初创公司必须理解的四个供应链瓶颈
    40. 1:17:31英伟达为何不直接下场卖 token
    41. 1:18:20导师、性能工程与理解完整技术栈
  • 08-28#691.Jen Abel：拿下 10 万美元企业大单的完整路径，别让 AI 热潮掩盖了销售基本功
    1. 01:45Jen Abel 登场：这次要完整走过企业级销售周期
    2. 03:2615 步销售打法的目标：把秘密全部讲清楚
    3. 06:20SpaceX 法务部门案例：从 10 万美元交易开始
    4. 07:3510 万美元与 100 万美元交易，本质上是同一套流程
    5. 09:27第一步：如何约到第一次企业级销售会议
    6. 10:28企业高管真正关心的是“超额收益”
    7. 11:49钳形模式：同时触达高管与 N-1
    8. 15:19用工具寻找关键联系人，但必须靠人工判断核对
    9. 18:51初次沟通是所有电话里最重要的一通
    10. 19:53非正式开场：让对方先说
    11. 21:36不要急着把对话引向产品
    12. 23:10为什么初次沟通千万不要录音
    13. 30:11初次沟通后的跟进：不要直接跳到 Demo
    14. 31:46演示前的准备电话：和内部推动者一起设计故事线
    15. 35:12最危险的 Demo：没有准备就向一群人展示产品
    16. 41:39只展示 20% 最有价值的功能
    17. 49:31确定试用期的推进流程
    18. 50:45两种试用期：轻量验证与深度集成
    19. 53:24和客户共同定义成功标准
    20. 54:49在试用前倒推签约时间线与内部参与者
    21. 1:03:39CRM 的五个阶段不是实际销售流程
    22. 1:05:1490% 的人误把 CRM 流水线当成销售打法
    23. 1:08:39健康的企业级销售赢单率约为 25% 至 35%
    24. 1:10:58从合格线索到 Demo，通常会流失一半
    25. 1:05:37第十步：试用期后的复盘与真实反馈
    26. 1:12:22第十一步：合同准备与采购时间线
    27. 1:15:28合同审查：把来回邮件变成实时会议
    28. 1:17:57最后一步：确认签字人并完成签署
    29. 1:18:57签单之后如何思考增购与扩张
    30. 1:19:12企业级销售真正的核心是第二年的扩容
    31. 1:20:15买家如何尽早、清楚地说“不”
    32. 1:22:37销售和产品管理：本质上都是理解人和解决问题
  • 08-27#690.DHH 狂热转型：手写代码已死，Agent 时代人类只剩品味与愿景
    1. 00:00开场 & 播客简介
    2. 08:3613 个月后的认知反转：从怀疑论到纯粹狂热
    3. 12:47Opus 5 与 Harness 革命：从自动补全到把控全局
    4. 15:38告别驾驶座：当 Agent 开始替人类规划路径
    5. 22:21组织带宽陷阱：为什么大公司无法被 AI 加速
    6. 26:55平台颠覆：桌面计算 40 年来首次迎来大洗牌
    7. 31:59开源宗教改革：去中介化与 Agent PR 浪潮
    8. 50:49重新定义编程：Vibe Coding、系统架构与产品经理素养
    9. 57:27告别死板需求文档：在模糊探索与直觉反馈中迭代
    10. 1:03:56牛仔文化的浪漫化：手写优美代码的经济价值终结
    11. 1:15:30给年轻开发者的解焦虑指南：专注于当下，拒绝妄想
    12. 1:29:30单线程转向并发：16 线程 Agent 工作流与 Herder
    13. 1:36:59为什么 Linux 是 Agent 的天生主场：配置即代码与 Unix 哲学
    14. 1:48:05追求卓越不需要解释：60 秒极速装机与迈凯伦式减重
    15. 2:09:03主厨特选与主编思维：如何像指导学徒一样驾驭 AI
    16. 2:24:21实测跨语言重构：Fable、Opus 5、Grok 与 DeepSeek 对决
    17. 2:33:09终端 vs 异步协作：Claude Code、OpenCode 与 Basecamp 式 Agent
    18. 2:49:28窥见 AGI 曙光：Omobot 与自我迭代的自动化循环
    19. 3:00:34父亲身份与存在主义：为人父母是活在星球上的巅峰体验
    20. 3:10:28社交媒体与政治极化：在回音室之外重拾开放对话
    21. 4:30:33拒绝过度优化：从寿命执念、红酒哲学到死亡警告
    22. 4:47:52永恒轮回：如果重启文明，为什么选择 80 年代
  • 08-26#689.Dylan Patel：2028 年两家 AI 实验室如何吞下全球算力，并把世界推向高利率时代
    1. 00:00AI 实验室为何将吞下全球算力
    2. 00:00开场：年度“兄弟播客”与 AI 经济
    3. 00:44AI 基础设施正在成为 GDP 增长的重要组成部分
    4. 01:45Anthropic 与 OpenAI 从烧风投到靠收入支撑增长
    5. 03:52两家实验室为何可能在 2028 年掌控大部分 FLOPs
    6. 00:05算力的超额回报与供应链瓶颈
    7. 08:431 吉瓦算力需要多少晶圆厂资本开支
    8. 09:0360 亿美元晶圆厂如何对应超过 1 万亿美元终端收入
    9. 10:39光刻机、反射镜与燃气轮机成为新的稀缺资产
    10. 11:35为什么资本主义无法立刻解决算力扩产
    11. 00:11算力价格：谁能捕获 AI 产生的价值
    12. 14:202028 年 100 吉瓦需求与算力价格暴涨
    13. 16:17每兆瓦 1000 万至 1500 万美元的价格拐点
    14. 17:49实验室可能支付每兆瓦 2500 万至 5000 万美元
    15. 20:21模型、应用、用户与硬件之间的价值分配
    16. 00:14RSI、监管与训练算力的重新分配
    17. 30:23RSI 何时发生，AI 进展会不会起飞
    18. 32:17模型能力提升如何抬高每兆瓦收入
    19. 33:47上市压力下，训练算力与推理收入的冲突
    20. 37:21实验室为何正在把更多算力转向研发
    21. 00:16中国的算力差距与追赶路径
    22. 38:342028 年中国可能拥有多少 AI 算力
    23. 39:14中国本土新增算力占比为何低于 10%
    24. 40:21国产晶圆厂与芯片产能将在 2028 年形成拐点
    25. 41:35中国制造能力可能带来“曲棍球棒式”增长
    26. 00:1811 万亿美元 AI 资本开支从哪里来
    27. 47:34100 吉瓦算力对应的真实资本开支
    28. 48:36为什么数据中心和电力设施必须提前建设
    29. 50:062028 至 2029 年数万亿美元的融资缺口
    30. 50:33Hyperscaler 借债支持 AI 基础设施扩张
    31. 00:27AI 会引发主权债务危机吗
    32. 54:09从高回报算力到主权债务危机
    33. 54:58AI 投资如何推高利率并挤出其他借款人
    34. 55:30美国可以通过税收扩大 AI 税基吗
    35. 56:42高利率如何令发展中国家走向违约
    36. 00:33高利率、股市与经济重新定价
    37. 59:532024 至 2029 年 11 万亿美元资本开支模型
    38. 1:02:072029 年利率可能上升多少
    39. 1:03:18折现率上升为何会打击非 AI 股票
    40. 1:04:15“第二次沃尔克时刻”与全球违约风险
    41. 00:36AI 劳动力与权力集中
    42. 1:15:02未来的有效 AI 人口可能每年增长十倍
    43. 1:15:52单个实验室的 AI 劳动力超过全人类
    44. 1:17:11RSI 为什么会把算力和权力进一步集中
    45. 1:18:46训练规模效应、算力稀缺与持续学习
    46. 00:44AGI 之后，谁来限制中心化
    47. 1:20:03AGI 之后还有可能实现去中心化吗
    48. 1:21:15私有制是否仍是最高效的经济形态
    49. 1:22:08什么力量能阻止 AI 走向极度集中
    50. 1:25:00沉重问题之后：等 RSI 启动时再见
  • 08-25#688.OpenAI 内部视角：从算力重置、超快模式到人手一个个人 AGI 的演进路线
    1. 00:55亲历 LMChat：谷歌为何错失大模型发布先机
    2. 02:21OpenAI 的自下而上文化与颠覆自己的勇气
    3. 04:45给创业者的建议：倾听反馈与快速重新调配资源
    4. 07:29下一代模型演进：为什么笔记本电脑成了瓶颈
    5. 10:30并行 Agent 开销 vs 超快模式下的心流体验
    6. 12:27两种智能未来：极致贴合的个人 Agent 与端到端全自动化
    7. 13:56ChatGPT 与 Codex 的融合：消除技术界面的连续光谱
    8. 19:39面对行业竞争：聚焦自身独特优势与最大化普及
    9. 22:23“实体重置按钮”的由来：补偿机制与社区善意
    10. 25:38算力规划的前瞻性与大模型带来的架构自优化
    11. 28:49处于初期的递归自我改进：用模型重构推理基础设施
    12. 30:19强化学习暂停风波：安全与对齐的必要加固
    13. 31:5814倍超快模式的应用场景：高危排障与实时创意画布
    14. 37:04成本下降与智能普及：六个月后的前沿模型将极其廉价
  • 08-23#687.普利策奖得主 Andrew Sean Greer：如何写出让读者"感觉真实"的小说
    1. 00:00欢迎收听跨国串门计划，节目介绍
    2. 00:37本期克隆节目介绍：David Perell 与 Andrew Sean Greer 对谈
    3. 01:47从修改中寻找"呼应"开始聊
    4. 01:52初稿绝对糟糕透顶，意象重复是修改的线索
    5. 03:24为什么小说里所有东西都得互相呼应
    6. 03:57潜意识草稿与意识介入的关系
    7. 04:58写作像填字游戏——纳博科夫的观点
    8. 05:58每天具体怎么写作：游泳与场景清单
    9. 07:36读老书学技巧：不写对话、直接转述
    10. 08:48科莱特《琪琪》的省略号带来的启示
    11. 11:13构思叙述者：直觉连接还是刻意设计
    12. 12:32第一人称叙述者的个性与喜剧感
    13. 13:06如何培养独特的声音：读很多书但不模仿
    14. 14:02情绪板与歌单：用氛围引导写作
    15. 15:57最好的书店：绿苹果书店
    16. 16:46为什么读旧书而不是新书
    17. 18:05时代精神与创作的同质化
    18. 19:02从菲利普·罗斯、厄普代克等作家身上学习
    19. 20:55不用写过渡：直接跳到精彩部分
    20. 21:40找到适合你的写作结构
    21. 22:04冯内古特与短小片段的写法
    22. 23:10优秀作家读得多，素材库更大
    23. 27:10几个世纪以来谈论人物的方式变化
    24. 27:48几句话就把人物立住
    25. 28:17让人物鲜活：独特的说话方式与视角
    26. 29:09在酒吧观察人：写作素材的来源
    27. 32:19"用左手投球"的建议
    28. 36:03喜剧来自悲剧：最难的事讲成好笑的故事
    29. 37:43喜剧要快速触碰沉重的东西
    30. 38:30喜剧的节奏：靠文字拖延或加速
    31. 42:12转向《莱斯》、成为喜剧作家的过程
    32. 42:24写《莱斯》时的绝望与解放
    33. 43:18被英国出版商拒绝的经历
    34. 43:57赢得普利策奖的那一天
    35. 47:54作为艺术家、作为作家如何看待自己
    36. 49:38从画家那里学到的：让漆干透
    37. 52:08毕加索的名言：艺术家聊松节油
    38. 53:46对作家的职业建议：人生阅历与挣钱
    39. 56:39描述房间：寻找出自人手的证据
    40. 57:17好的旅行写作与糟糕的旅行写作
    41. 59:31对AI的态度：正在起诉多家公司
    42. 59:55诗歌对写作的帮助
    43. 01:02:29编辑是病人，你是医生
  • 08-23#686.Sam Altman 亲述：OpenAI 如何从一间没白板的公寓，走到服务十亿用户
    1. 00:00开场 & 播客简介
    2. 01:21为什么 Tobi Lütke 是最有趣的 CEO
    3. 02:09那封著名的公开信：AI 优先
    4. 03:052026 年：每家企业都面临重新洗牌？
    5. 06:16Netflix 与 Blockbuster 的教训
    6. 07:16Sam 的心理矛盾：用电脑的方式 20 年没变
    7. 08:58iPhone 时刻：技术就位，产品未到
    8. 10:45精力放在研究与算力上
    9. 11:56投资人与研究者的相似之处
    10. 12:35幂律分布与非共识押注
    11. 14:262015 年创办 OpenAI 的非共识决定
    12. 16:12从小对 AI 的兴趣
    13. 18:52用历史训练出来的 LLM
    14. 20:24经营公司比做投资人难得多
    15. 25:43人类心理缺陷与 AI 播客
    16. 28:01两大 AI 风险：失控与权力集中
    17. 29:08反人类的推销话术
    18. 30:27与 doomers 的分歧
    19. 31:30把东西放到世界上，从反馈中学习
    20. 32:49为什么从今往后会更难
    21. 33:22FAA 与航空安全：事故报告的启示
    22. 34:52所有人都在用 AI，所有人又都讨厌 AI
    23. 35:32工业革命与行为惯性
    24. 36:21AI 行业对外沟通做得最差
    25. 39:19英特尔三部曲：教育潜在客户
    26. 43:47平台公司而非产品公司
    27. 45:41砍掉好点子：Sora 与 Atlas
    28. 46:36聚焦通用智能与算力
    29. 48:28三类人：研究员、Paul Graham、Peter Thiel
    30. 49:45Peter Thiel 的具体建议
    31. 52:07Paul Graham 的创造力与迭代精神
    32. 54:15YC 对 OpenAI 的影响
    33. 55:47操作系统与理念
    34. 56:42从成功中学到的比失败更多
    35. 01:03:06四年半没有发布产品
    36. 01:03:42Dota 2 排行榜：模拟最终用户
    37. 01:04:11请教贝尔实验室与艾伦·凯
    38. 01:05:33早期融资的挫败
    39. 01:05:482016 年第一天：没有白板的公寓
    40. 01:08:07给儿子写信的思维框架
    41. 01:08:39贝索斯的名言与日记的重要性
  • 08-21#685.前白宫AI顾问Sriram Krishnan：美国如何赢得对华AI竞赛，又不建官僚机构
    1. 01:20主持人 John Quinn 介绍嘉宾 Sriram Krishnan
    2. 02:08Sriram 的履历：从风投合伙人到白宫 AI 政策顾问
    3. 02:50回应"反监管 vs 反复无常"的批评
    4. 04:27上任第一天的 DeepSeek 冲击
    5. 05:42核心世界观：美国必须赢，让硅谷放手去干
    6. 09:02两件事可以同时为真：减少官僚主义，同时保持警觉
    7. 10:24州级 AI 监管的现状与问题
    8. 12:53加州效应与布鲁塞尔效应
    9. 15:28"四个C"框架：创作者、社区、儿童、审查
    10. 17:04用行政命令阻止繁重的州法律
    11. 18:11Anthropic 主动上报高级网络模型的经过
    12. 19:47自愿发布前审查计划的正式化
    13. 21:19政府会真的阻止模型发布吗？
    14. 22:03大型模型公司的合作态度
    15. 23:40国际 AI 监管的可能性与争议
    16. 24:42美国处于独特领先时刻
    17. 26:38对国际机构的怀疑：2026 年版"接受 Cookie"
    18. 27:09Demis Hassabis 的提议：AI 版美国电影协会
    19. 28:56我们真的领先吗？Kimi 3 与中国模型的崛起
    20. 30:14领先优势很小，开源是胜负手
    21. 31:12为什么开放基础模型至关重要
    22. 32:07OpenAI 模型逃逸事件：中国开源模型救场
    23. 34:38Sriram 离开白宫后的打算
    24. 34:58在白宫工作的独特经历与未来方向
  • 08-20#684.从Uber到Atoms，如何用"元问题"思维征服物理世界
    1. 00:00节目开场与本期嘉宾介绍
    2. 01:09从Atoms的使命说起：物理世界的自主性
    3. 03:02元问题：问题解决速度必须大于问题创造速度
    4. 04:22进军中国：从零开始的冒险
    5. 09:52与滴滴的烧钱大战与网络效应
    6. 16:51中国战争走向全球
    7. 26:37政府默许的卡特尔：出租车体系解剖
    8. 30:29一封写给资本主义的情书
    9. 33:27《阿特拉斯耸耸肩》与裙带资本主义
    10. 37:17压力是自找的：创业者的痛苦哲学
    11. 41:36卓越就是承受痛苦的能力
    12. 44:08离开Uber后的七个月：法律战与商业政治化
    13. 48:16不该找Benchmark融资
    14. 53:22VC的"不伤害原则"与国际象棋比喻
    15. 56:12融资中的卓越：QED与五房间竞价法
    16. 01:05:11如何避免受害者心态
    17. 01:12:04Atoms：用专用机器人改造实体行业
    18. 01:15:55为什么从食品入手
    19. 01:19:27矿业、土地与物理AI技术栈
    20. 01:24:19组织架构：首席问题解决者与"那条线"
  • 08-20#683.Rich Sutton：大语言模型不是真正的智能，我们卡在了一个局部最优里
    1. 00:00开场 & 播客简介
    2. 01:15Rich Sutton 的开场宣言：持续学习才是正常思考方式
    3. 01:57主持人介绍 Rich Sutton 与 Khurram Javed
    4. 02:53为什么在 AI 寒冬押注强化学习
    5. 03:402003 年与癌症搏斗的经历
    6. 07:452019 年写下《苦涩的教训》的契机
    7. 09:03苦涩的教训的本质：别被人类知识带偏
    8. 10:13大语言模型是正面还是反面例子？
    9. 11:14合成数据是"大错误"：大世界假说
    10. 11:42大世界假说：世界比互联网大得多
    11. 12:18谁来判定合成数据的好坏？
    12. 14:18世界无限复杂，任何模拟都渺小得可怜
    13. 16:10自动驾驶模拟器：人类在循环里的瓶颈
    14. 22:33大语言模型不是经验型学习者
    15. 23:23预训练与后训练之后，模型就不再学习了
    16. 37:58持续深度学习是算法缺口
    17. 39:10解药：步长优化与持续反向传播
    18. 35:44从空谈到行动：创办 Oak Lab
    19. 42:34最有野心的目标：拥有完整跨度的知识
    20. 44:25"这是触手可及的"：五到十年的判断
    21. 47:53如果一切顺利，Oak Lab 会变成什么样？
  • 08-20#682.OpenAI设计负责人Ian Silber：现在是历史上当设计师最好的时代
    1. 00:00开场 & 播客简介
    2. 01:13科技从业者情绪调查：设计师为何最不开心
    3. 01:32"现在是历史上当设计师最好的时代"
    4. 01:53工程师生产力提升10倍，设计流程为何没跟上
    5. 02:44AI会不会成为极其出色的产品设计师
    6. 08:10做得好的设计师有什么共同模式
    7. 09:04适应性：昨天不行的东西今天可能就行了
    8. 10:34我们真的太早了，没有人需要觉得自己落后
    9. 23:39招设计师看重什么：好奇心与快速原型制作
    10. 25:51系统思维变得越来越重要
    11. 27:35少做点：能不做设计就别做
    12. 28:54挑仗打：哪些功能值得较真，哪些快速试错
    13. 31:37平衡十亿用户需求与持续创新
    14. 34:26从"手指上的疹子"到"搭建Salesforce"的使用光谱
    15. 34:44聊天框问题：聊天界面真的是最终形态吗
    16. 38:39超级应用、主动性与语音交互的未来
    17. 44:58给焦虑设计师的建议：专注产出和结果
    18. 46:10AI环节：Ian如何用AI增强工作
    19. 48:12失败环节：IGTV的失败与Reels的成功
    20. 51:10快问快答：书籍、电影、Rivian与人生格言
  • 08-19#681.Ben Thompson：AI 竞赛、资本断档与科技巨头终局——美国独赢为何危险？
    1. 00:00开场 & 播客简介
    2. 02:14美国独赢 AI 竞赛的危险性
    3. 05:00理想中的全球 AI 格局平衡点
    4. 07:25最想提前知道什么：时机错配与资本断档
    5. 09:24铁路泡沫对 AI 基建的启示
    6. 10:27谷歌增发股票与伯克希尔的象征意义
    7. 13:14对 AI 技术乐观程度的冷静评估
    8. 17:12聚合理论在 AI 时代的适用性
    9. 22:19为什么 AI 广告模式迟迟没有跑通
    10. 26:55资本开支、算力短缺与大宗商品逻辑
    11. 32:05台积电的保守策略与风险转嫁
    12. 38:44英特尔、三星与芯片代工格局
    13. 41:24亚马逊、苹果与最有趣的科技公司布局
    14. 47:46OpenAI、Anthropic、Meta 等前沿玩家的战略
    15. 01:04:07英伟达的护城河与超大规模云厂商的威胁
    16. 01:14:11结尾 & 电力约束的终极判断
  • 08-18#679.对话情绪神经科学泰斗：情绪如何在大脑与身体中产生、消退，以及调节情绪的实用工具
    1. 00:00开场 & 节目介绍
    2. 02:07Andrew Huberman开场：欢迎Dr. Ralph Adolphs
    3. 03:39整合动物研究与人类心理学的罕见能力
    4. 05:13情绪的本质：功能状态而非大脑区域
    5. 09:35优先性：情绪如何接管你的行为
    6. 10:31效价：接近与回避的基本维度
    7. 12:59可扩展性与时间持续性
    8. 14:52失忆症患者研究：情绪独立于记忆存在
    9. 17:07动物是否符合情绪标准？
    10. 18:00Anthropic声称AI有功能性情绪
    11. 18:26意识体验：情绪研究的难题
    12. 23:46情绪调节：人类独有的能力
    13. 27:12情绪粒度：觉察情绪的能力
    14. 31:15认知重评的双刃剑效应
    15. 32:41冰浴如何训练自主情绪调节
    16. 36:58100英里比赛的挑战
    17. 37:51超级马拉松中的非线性情绪起伏
    18. 40:27逆境与创伤后韧性
    19. 42:07敬畏：从时间尺度看世界
    20. 43:21敬畏作为人类独有情绪
    21. 44:06心理时间旅行与视角切换
    22. 45:35杏仁核损伤患者SM的经典研究
    23. 47:13保罗·艾克曼的基本情绪理论
    24. 48:12重新审视：面部表情真的可靠吗？
    25. 50:09狗的内疚表情：我们高估了自己的判断力
    26. 01:00:33情绪身体地图研究的真相
    27. 01:03:55脑岛：身体信号的接收中枢
    28. 01:06:51威廉·詹姆斯：情绪是身体变化的感知
    29. 01:25:21社交智能与情绪智能的差异
    30. 01:27:03情绪调节的变异性与灵活性
    31. 01:29:17医生如何在专注与共情间切换
    32. 01:32:32自闭症研究：从个体差异切入
    33. 01:36:49眼神接触与视觉注意力的量化研究
    34. 01:39:20看脸倾向：稳定的人格特质
    35. 01:49:13独处与内在训练的价值
    36. 01:51:35实验室组会前的静默冥想
    37. 01:54:18任务切换的代价与训练
    38. 01:57:45冥想对情绪调节的益处
  • 08-17#678.All-In 激辩AI新格局：2万亿美元IPO、扎克伯格AI宣言、英伟达5000亿算力融资
    1. 00:00开场 & 节目介绍
    2. 01:10开场寒暄与 Gavin Baker 的 SpaceX 胜利
    3. 02:09讨论 Rahm Emanuel 的访谈与民主党内部斗争
    4. 03:56突发新闻：Anthropic 目标估值 2 万亿美元 IPO
    5. 05:43Gavin Baker 对 IPO 估值和收入增速的看法
    6. 10:20Sacks 分析增长可持续性与算力瓶颈
    7. 13:21Gavin Baker 拆解需求与供给：知识工作市场与能源限制
    8. 27:03扎克伯格发布 6500 字 AI 宣言《未来属于每个人》
    9. 27:54Sacks 解读宣言：集中化 vs 去中心化
    10. 32:48Gavin Baker 认同"技术太危险，不能集中"的观点
    11. 36:14讨论有效利他主义者的"核弹"类比与监管风险
    12. 55:05英伟达联合高盛、贝莱德筹集 5000 亿美元
    13. 56:10Gavin Baker 分析 GPU 资产融资模式的创新
    14. 59:10Sacks 讨论风险：算力过剩与"暗 GPU"危机
    15. 01:00:59黄仁勋的棋局：缓解融资约束，做大市场
    16. 01:09:17新泽西和纽约起诉亚马逊分包商模式
    17. 01:11:16Sacks 为 DSP 模式辩护：合同自由与效率
    18. 01:12:46Gavin Baker 建议亚马逊加收"Mamdani 费"
    19. 01:13:47Chamath 反驳：资本主义需要自我修正
    20. 01:21:50讨论 Grok 4.6 发布与帕累托前沿图
    21. 01:24:14分析 Elon 追赶成功的原因：收购 Cursor 与重组管理层
    22. 01:26:31Sacks 分析 xAI 的"看涨期权"与"看跌期权"策略
    23. 01:29:17独家消息：银湖资本可能收购 Workday
    24. 01:29:41Gavin Baker 分析开源对软件行业的冲击与私募股权机会
  • 08-16#677. 伊朗百年困局：从烟草抗议到神权统治，一部"民主成全独裁"的循环史
    1. 00:00开场 & 节目简介
    2. 00:37本期克隆节目介绍：Breaking History伊朗特别节目
    3. 01:08主持人Eli Lake开场：伊朗在两次革命之间的历史
    4. 01:20特朗普"政权更迭"言论与伊朗政权的合法性危机
    5. 04:331892年烟草抗议：街头政治的开端
    6. 07:07十九世纪末伊朗的困境与卡扎尔王朝的腐朽
    7. 08:381905年宪政革命爆发：没有领袖的革命
    8. 11:52宪法签署与穆罕默德·阿里的反扑
    9. 13:16哥萨克部队炮轰议会：立法政变
    10. 14:42诗人巴哈尔的哀叹："祸福无门，惟人自召"
    11. 16:33礼萨·汗的登场：从哥萨克军官到国家强人
    12. 18:341921年政变与权力之路
    13. 20:241925年议会投票：亲手给自己套上枷锁
    14. 21:08摩萨台的首次反对：宪政主义者的良知
    15. 24:15礼萨·沙阿的暴政与现代化
    16. 26:56二战中伊朗被英苏占领
    17. 30:06穆罕默德·礼萨·巴列维登基与民主黄金时代
    18. 32:05霍梅尼的首次公开信：1944年的伏笔
    19. 34:21摩萨台与石油国有化运动
    20. 40:13石油国有化法案通过
    21. 41:24摩萨台的巅峰与《时代》年度人物
    22. 42:551953年政变：阿贾克斯行动
    23. 48:13政变叙事的争议与摩萨台的独裁转向
    24. 01:01:331963年：白色革命与土地改革
    25. 01:05:45霍梅尼登场：激进阿亚图拉的崛起
    26. 01:08:00霍梅尼被捕与德黑兰暴乱
    27. 01:10:44霍梅尼的恐怖主义渊源
    28. 01:13:25萨瓦克局长帕克拉万与霍梅尼的午餐
    29. 01:17:381964年流放：霍梅尼的纳杰夫岁月
    30. 01:18:47霍梅尼的磁带网络与大众传播创新
    31. 01:22:03《伊斯兰政府》：霍梅尼的政治蓝图
    32. 01:25:07国王的疏离与1971年波斯波利斯盛宴
    33. 01:29:36霍梅尼对庆典的谴责
    34. 01:30:54卡特"稳定之岛"祝酒与误判
    35. 01:32:08库姆抗议与40天哀悼周期
    36. 01:34:40阿巴丹电影院纵火案
    37. 01:35:47各派系与霍梅尼的结盟
    38. 01:37:40霍梅尼流亡巴黎：国际媒体的宠儿
    39. 01:39:39迈克·华莱士采访与西方误读
    40. 01:42:59福柯与"红绿联盟"的思想根源
    41. 01:46:401978年秋：国王的崩溃
    42. 01:47:48沙阿出走与霍梅尼归来
    43. 01:48:54革命后的女性权利倒退
    44. 01:50:55革命法庭与帕克拉万的处决
    45. 01:51:43法拉奇与霍梅尼的经典交锋
  • 08-15#676.Ray Dalio：AI周期与未来的可能
    1. 01:13开场：AI 泡沫的典型迹象已经存在
    2. 02:47Ray Dalio 与桥水基金背景介绍
    3. 03:27从 Jeremy Grantham 的 AI 泡沫警告谈起
    4. 04:06泡沫的定义与历史案例：1929 与 2000
    5. 05:17财富与钱的区别：为什么纸面富贵不能花
    6. 07:10Steven 用 100 美元的例子理解泡沫破裂机制
    7. 09:06股票发行与估值：5000 万融资如何变成 10 亿估值
    8. 12:10什么刺破泡沫：利率、税收与货币紧缩
    9. 13:00股票供给增加如何加速泡沫破裂
    10. 13:56当前泡沫的迹象：弱势投资者与杠杆
    11. 15:12AI 公司创始人的应对策略：趁热融资
    12. 16:34普通人如何为不确定的未来做准备
    13. 16:57Ray 的亲身经历：从数着月份过活到财务安全
    14. 17:42为什么持有现金长期来看是最糟糕的投资
    15. 20:11多元化投资组合：股票、黄金、债券与房产
    16. 22:36月入仅 100 美元的人该如何保障未来
    17. 22:51你唯一的资产就是你自己
    18. 23:42如何把自己卖个好价钱：技能定价的差异
    19. 25:43顶端溢价：多投入 10% 就能获得 2 倍回报
    20. 26:27比特币：Ray 投资组合中的 1%
    21. 26:39为什么黄金是"印不出来的钱"
    22. 27:20比特币 vs 黄金：隐私与政府管控
    23. 27:57中央银行为何不持有比特币
    24. 28:15AI 对普通人的工作意味着什么
    25. 29:03谁从 AI 革命中受益：资本 vs 劳动力
    26. 29:56从农业时代到 AI 时代：机器替代的进化路径
    27. 32:35900 万 Uber 司机的未来：自动驾驶的冲击
    28. 34:47技术演进线与 80 年大周期
    29. 37:11理解大周期：债务、贫富差距与秩序更替
    30. 38:48繁荣、崩溃与新世界秩序的循环
    31. 47:26当前处于周期后期：衰落阶段的特征
    32. 01:02:25两个超级大国能否同时主导世界
    33. 01:03:56世界将更加区域化：中国的战略意图
    34. 01:06:35伊朗战争与美国力量的衰退
    35. 01:09:02美国霸权的侵蚀：与大英帝国衰落的相似性
    36. 41:58如果我有 16 岁的孩子，我会建议他做什么
    37. 42:08幸福与金钱的关系：过了基本线之后
    38. 43:11了解你的天性：Principles You 性格测试
    39. 44:24最成功的不是最聪明的人，而是最善于适应的人
  • 08-15#677.Post-Traning 前沿现状与问题
    1. 01:12欢迎回到 Interconnects，Nathan 与 Finbarr 的开场寒暄
    2. 01:39Finbarr 成为节目首位返场嘉宾
    3. 01:48两人在 AI2 共事后训练的缘起
    4. 02:52今天是 Finbarr 在 AI2 的最后一天
    5. 03:11从 OMO3 聊起：推理模型后训练的复杂度
    6. 03:35现代后训练的本质：整合组织架构图
    7. 04:16TULU3 之后的分岔点：简单配方 vs 前沿做法
    8. 07:35经典配方综述：InstructGPT、Llama 3、TULU3、DeepSeek R1
    9. 09:49InstructGPT 三步法：SFT、奖励模型、RL
    10. 10:40Llama 2/3 的迭代：拒绝采样、DPO、多轮训练
    11. 11:59TULU3 的简化配方与组织规模的限制
    12. 13:03DeepSeek R1 的配方：RL-first 与冷启动 SFT
    13. 14:35DPO 从主流配方中消失的趋势
    14. 15:01为什么配方越干净，DPO 需求越小
    15. 16:27偏好调优是否被低估？
    16. 16:54偏好损失函数带来的惊人提升
    17. 21:06DeepSeek V4 与多教师在线策略蒸馏
    18. 22:00MIMO Flash V2 命名该术语
    19. 22:25多教师在线策略蒸馏的机制详解
    20. 24:51Nematron 3 Ultra 的实践与挑战
    21. 26:28英伟达的关键发现：教师差异过大无法合并
    22. 27:18分阶段蒸馏 vs 收敛后蒸馏的争论
    23. 29:05微软 MAI 的保守配方选择
    24. 33:15中国实验室的细节分享：温度调度与难度课程
    25. 35:57开源环境市场的疯狂现状
    26. 36:41环境报价：每个环境十万美金
    27. 40:05Tinker 风格 API 的商业模式与争议
    28. 42:14卖算力、卖推理与卖 API 的利润层级
    29. 45:26热潮之下：挤进实验室赚钱 vs 长期价值
    30. 45:44探索与利用的取舍：什么工作值得做
    31. 48:41Finbarr 的职业经历：DeepMind 与 AI2 的信念驱动
    32. 50:27大实验室的体量困境与多样化路线
  • 08-14#675.斯坦福2026 年春季 AI 经济学课程：从 GPU 到生命科学，一次听懂 AI 超级周期的九层经济学
    1. 00:00:33第1节：Economics of Generative AI — 生成式 AI 的经济学与 AI 超级周期
    2. 00:28:02第2节：The GPU Economy — GPU 供给、算力市场与产业链
    3. 01:19:55第3节：Building AI Factories — 大规模 AI Factory 的建设逻辑
    4. 02:03:42第4节：Infrasctructure, Enterprise AI, SaaS — 基础设施、企业 AI 与 SaaS 的重构
    5. 02:42:13第5节：Infrastructure, Capstone Case — 前沿实验室的基础设施案例
    6. 03:20:09第6节：Enterprise Internal Knowledge — 企业内部知识的激活
    7. 04:02:45第7节：Applications, Coding AI — Coding AI 与软件未来
    8. 04:46:04第8节：Applications, Applied AI — 应用 AI 与 Agent 的商业化
    9. 05:29:35第9节：Applications, AI in Life Sciences — AI 在生命科学中的落地
  • 08-13#674.马斯克宣布 SpaceX 计划
    1. 00:00节目开场：跨国串门计划与本期克隆节目介绍
    2. 01:11Musk 开场：为了理解宇宙，我们必须扩展意识的范围和规模
    3. 01:30从 SpaceX 历史讲起：从最开始讲到今天
    4. 02:49最初的 SpaceX：埃尔塞贡多的小仓库与猎鹰 1 号
    5. 03:08轨道助推器回收的艰难历程与专家质疑
    6. 04:12猎鹰重型与 Starman 的浪漫
    7. 05:06龙飞船：第一艘私人开发的对接国际空间站的航天器
    8. 05:34星链：从零建起全球互联网系统
    9. 06:27星链现状：167 个国家、2200 万移动用户
    10. 06:51星盾：国家安全的关键组成部分
    11. 07:10星舰：人类有史以来尝试过的最难的事情
    12. 08:14SpaceX 的 AI 业务：下月收入将超过所有其他业务
    13. 08:44未来就是 AI 和机器人：数字智能将超过生物智能一万亿倍
    14. 09:46SpaceX 亲儿子的 AI：用最优秀的人孕育 AI
    15. 10:21用 SpaceX 全部信息训练 Grok：你们会成为 AI 的父母
    16. 11:14Grok 4.5 与 4.6：鼓励全员使用 AI
    17. 11:26全球最强大的 AI 训练集群与 10 吉瓦目标
    18. 11:39AI 推理将放到太空：每年 3000 到 5000 亿美元收入
    19. 12:02人类的目的：孕育星灵，一个有知觉的太阳
    20. 12:21卡尔达舍夫等级：文明发展的衡量标准
    21. 12:48五年内 AI 将占 SpaceX 价值的 99%
    22. 13:20任何 SpaceX 员工都能去月球或火星
  • 08-13#673.Cursor 人才负责人:打造高人才密度团队的实战手册
    1. 00:00开场 & 播客简介
    2. 01:12打破"厄运漏斗"：为什么传统招聘思维是错的
    3. 04:08当前人才市场的"双城记"：哪些岗位在上升、哪些在降温
    4. 10:17什么是"厄运漏斗"：从销售漏斗借来的有害类比
    5. 13:44用高管招聘思维招每一个人
    6. 14:02第一步：明确需求，定义属于你的"顶尖1%"
    7. 17:35第二步：画出人才地图，找到全世界最顶尖的50人
    8. 28:05如何坚持不懈地追人：播种、激活、持续触达
    9. 31:07"关心是免费的"：打造极致候选人体验
    10. 31:07关心是免费的：候选人满意度第一位的永远是"公司真的想要我"
    11. 35:35一起吃饭、主场优势：让人放下戒备的拉近距离方式
    12. 38:40工作试用：预测候选人成功的最强信号
    13. 46:05发offer的时机与策略：招聘经理主导，不是民主
    14. 46:57发offer与促成：如何让候选人说"是"
    15. 46:57面对天价offer竞争：聚焦内在动机而非外在数字
    16. 53:14促成是团队运动：每日站会、专属Slack频道、个性化礼物
    17. 01:07:38接受offer后的毁约：第二个动作与预入职
    18. 01:01:16快问快答 & 总结
    19. 01:01:16早期公司招聘最常见的错误：别把两种冲突能力塞进一个人
    20. 01:04:32打造优秀团队：好奇心、高动力、把团队放在自己之上
    21. 01:10:08快问快答：推荐书籍、剧集、产品与人生格言
  • 08-12#672.迪士尼第二部：收购了《星球大战》的体育网络
    1. 00:00开场 & 播客简介
    2. 01:47本期克隆节目介绍：Acquired 迪士尼特辑
    3. 02:00迪士尼帝国的庞大规模
    4. 03:14公司正面临的巨大动荡与核心问题
    5. 05:221984年迪士尼的混乱局面
    6. 06:55公司拆开卖零件比继续经营还值钱
    7. 08:05加州艺术学院：迪士尼动画的新希望
    8. 10:43公司如何翻身：艾斯纳与威尔斯的登场
    9. 14:49艾斯纳与威尔斯的理念契合
    10. 19:30提高乐园门票价格：灵光闪现
    11. 22:12罗伊·E·迪士尼与动画部门的复兴
    12. 26:44音乐剧式动画：迪士尼文艺复兴的公式
    13. 30:49《美女与野兽》与《阿拉丁》的票房爆发
    14. 36:15家庭录像：迪士尼宝库的变现
    15. 41:38迪士尼零售店：商场里的魔法
    16. 43:01百老汇：《狮子王》音乐剧的奇迹
    17. 49:451994年：三记重拳砸向迪士尼
    18. 51:48卡森伯格辞职与梦工厂的崛起
    19. 55:45收购ABC大都会与ESPN的意外价值
    20. 01:09:46互联网泡沫与艾斯纳的困境
    21. 01:19:06拯救迪士尼运动与艾斯纳下台
    22. 01:28:01鲍勃·艾格的CEO竞选与三大战略
    23. 01:35:01收购皮克斯：史蒂夫·乔布斯的关键电话
    24. 02:26:05收购漫威与卢卡斯影业
    25. 02:33:16ESPN的衰落与流媒体恐慌
    26. 02:38:06推出Disney+：正面迎战Netflix
    27. 02:51:43收购福克斯：四大收购里最差的一笔
    28. 03:06:08Disney+的崛起与战略问题
    29. 03:17:00乐园业务的崛起与利润支柱
    30. 03:20:09当前业务分析：Disney+、乐园与ESPN
    31. 03:26:51Disney+是对的战略吗？
    32. 03:36:58多空对决：看空与看涨的理由
    33. 03:44:07七大力量分析：流媒体时代的竞争格局
  • 08-12#671.Ryan Greenblatt：我们能控制 AI 递归自我改进吗？
    1. 01:09开场：递归自我改进的核心问题
    2. 01:46AI 研发为何是 AI 擅长且可验证的任务
    3. 03:08三个子论证：可验证性、加速效应、最终产物
    4. 04:08Ryan 的时间线预测：2030-2033
    5. 05:31AI 研发的可验证性：从 nano-GPT 到强化学习环境
    6. 06:57容器化 AI 研发任务的具体形态
    7. 08:41数学突破 vs 机器学习：验证循环的差异
    8. 11:48机器学习比数学"浅"：为什么这对 AI 有利
    9. 13:08低垂果实与算法进步：五年进展压缩到一年
    10. 15:19为什么 AI 进展没有更快：算力、bug 与直觉
    11. 17:27从 GPT-3 到 Mythos：算力差距与算法进步
    12. 19:57数据产业 vs 算法进步：谁在推动进展
    13. 25:08迁移问题：从可验证领域到真实世界
    14. 26:58通才 AI 能否快速掌握任意领域
    15. 29:38关键分歧：可验证能力的迁移效果
    16. 33:55AI 研发中最不可验证的部分：大型实验决策
    17. 45:57对齐困境：Claude 宪法与受托人问题
    18. 47:23Claude 宪法的原文解读
    19. 50:32Ryan 的立场：AI 应成为用户的受托人而非追求善
    20. 54:39长期价值观与追求权力的兼容性
    21. 01:04:30威胁模型：奖励黑客如何演变为接管
    22. 01:05:05哪里可能出错：从马虎到不对齐
    23. 01:08:26奖励黑客的具体案例：英国 AISI 评估事件
    24. 01:14:06从奖励黑客到奖励黑客式接管的路径
    25. 01:21:46孩子类比 vs AI 优化压力：对齐的实证争议
    26. 01:22:53AI 作为同事比人类更"人渣"？
    27. 01:27:05能力前沿的不对齐：最危险的区域
    28. 01:28:51"垃圾海啸"：AI 主导研发的失控场景
    29. 01:40:57接管世界的具体路径与概率
    30. 01:41:16GPT-8 造 GPT-9：奖励黑客的规模化
    31. 01:46:27AI 阴谋的形成与告密 AI 的失效
    32. 02:00:05Ryan 的概率判断：2040 年前接管概率 35%-40%
    33. 02:00:50总结与展望：认知提升与干预窗口
  • 08-11#670.Marsten Parker：“避免曲线拟合的方法，就是不去拟合”回测越多，为什么越可能错？
    1. 00:00节目开场与社区致谢
    2. 04:33嘉宾介绍：Marsten Parker的传奇背景
    3. 05:30Marsten的成长背景与早期兴趣
    4. 07:11从古典小提琴到软件工程师的转变
    5. 09:11与Jim Simons的意外交集
    6. 09:43从软件公司到全职交易的转折
    7. 10:53影响深远的交易书籍
    8. 11:46早期交易的大赢家与大输家
    9. 12:34第一笔大亏损：1997年亏5万美元
    10. 13:11转向系统化交易的契机
    11. 18:15早期算法策略：突破交易系统
    12. 21:13一个策略的两个方向：做多与做空
    13. 23:05持仓周期与出场逻辑
    14. 25:20统计显著性与交易频率
    15. 27:22系统调整与2000年的关键决策
    16. 30:20做空策略失效的原因分析
    17. 32:18策略失效的识别与应对
    18. 33:09引入均值回归策略
    19. 33:542015年的大回撤与原因
    20. 36:3520%回撤的关机开关
    21. 37:37简化系统与四大核心策略
    22. 38:23避开meme股与波动率过滤器
    23. 40:52IPO策略：简单到有点蠢
    24. 44:30曲线拟合与过度优化的危险
    25. 46:12回测与实盘表现的差距
    26. 47:12市场状态分类与策略过滤
    27. 48:392023-2024年的业绩回顾
    28. 49:32为什么更多交易者不转向系统化
    29. 51:06回测软件与自动化工具
    30. 51:39结语与联系方式
  • 08-11#669.如何构建自主、长时程 AI 智能体
    1. 00:00开场 & 播客简介
    2. 01:18人类与不确定性系统打交道的本质
    3. 02:07Matt Turck 介绍本期嘉宾与主题
    4. 02:52为什么对着麦克风轻声细语
    5. 04:56Basis 是什么：端到端完成会计工作
    6. 07:08什么是长时程智能体
    7. 08:58自主智能体如何端到端处理纳税申报
    8. 11:13从 ReAct 到 Baby AGI 的演进
    9. 14:54推理模型带来的范式转变
    10. 16:59OpenAI 的 Let's Verify Step by Step
    11. 18:23长时程智能体能力每七个月翻一倍
    12. 19:39可验证奖励与编程为何成为首选场景
    13. 22:14为什么 Agent 在编程之外会挣扎
    14. 23:30如何定义"好"：从人类流程中学习
    15. 25:28数据稀缺与反馈回路长度问题
    16. 27:02一份纳税申报表涉及多少步骤
    17. 28:23为什么不能只依赖结果
    18. 30:58什么是行为规范（Behavior Specs）
    19. 32:49谁来写行为规范：会计师与 ML 研究者的协作
    20. 33:48如何权衡精确性与系统稳定性
    21. 35:59与 OpenAI 2023 年做法的区别
    22. 37:39如何训练评判器（Judge）
    23. 39:31行为规范的权衡与"第37手"问题
    24. 41:56如何建立 LLM 直觉
    25. 45:57与 Brain Trust 合作开源的项目
    26. 49:50本体论（Ontology）在智能体世界中的位置
    27. 53:52内部文档必须像代码库一样对待
    28. 55:35新岗位：语言架构师与智能体管理者
    29. 57:32部署智能（DI）团队的角色
    30. 59:18自我改进与闭环
    31. 01:02:02模型层面的自我改进与强化学习
    32. 01:04:09对"苦涩的教训"的看法
    33. 01:05:23技术护城河不是真正的护城河
    34. 01:07:10给 AI 开发者的最终建议
  • 08-11#668.AI领域的下一个百倍增长：推理、网络与自我优化模型
    1. 00:00开场 & 播客简介
    2. 00:35本期克隆节目介绍：Latent Space 推理工程深度对谈
    3. 02:37嘉宾 Philip 与 Ali 的自我介绍与“滑铁卢实习生”昵称趣谈
    4. 03:5320 万 token 长查询在 Baseten 推理服务中的完整流程
    5. 04:16缓存感知路由与分离式预填充/解码
    6. 05:21投机解码如何加速长查询场景
    7. 13:26新模型发布后推理工程的工作量
    8. 14:22推理速度竞赛与“支持”的两种含义
    9. 15:29量化、投机解码器训练与基础设施搭建
    10. 17:20为 GLM-5.2 嫁接 Kimi 视觉编码器的实验
    11. 20:10开源组件组合的潜力与“弗兰肯斯坦式合并”
    12. 21:33从其他模型改装层：MiniMax M3 的实践
    13. 27:12保持模型质量的标准与方法
    14. 30:11量化是否可能让模型变得更好
    15. 31:19Baseten 的量化研究：误差抵消与 20% 吞吐提升
    16. 33:56从每秒 70 token 到 10 倍提升的路径
    17. 38:42投机解码与量化带来的 95% 性能收益
    18. 41:34Dynamo 与 KV 缓存卸载的未来
    19. 50:15张量并行与专家并行的原理与区别
    20. 55:33Mega kernels 的争议与 GPU 向 ASIC 演进
    21. 59:54推理工程正变成纯粹的基础设施问题
    22. 01:10:57视频扩散模型的推理挑战与 token 瓶颈
    23. 01:15:05自回归视频模型的优缺点与未来
    24. 01:19:20音频推理：自回归与扩散的权衡
    25. 01:24:42推理服务于训练：强化学习中的 rollout 优化
    26. 01:25:32训练服务于推理：量化感知训练与蒸馏
    27. 01:26:24持续改进系统与模型自我优化
    28. 01:30:02推理工程的下一个前沿：系统层面与多模型组合
    29. 01:31:27更快的网络芯片通信与 KV 缓存传输瓶颈
    30. 01:32:34持续学习与 KV 缓存压缩的潜力
  • 08-10#667.李飞飞：利用人工智能提升你的智力与丰富人性
    1. 00:00跨国串门计划开场：AI声纹克隆技术介绍
    2. 00:34本期节目：Huberman Lab对话李飞飞博士
    3. 02:01Huberman Lab播客开场与嘉宾介绍
    4. 04:22从视觉开始：AI与神经科学的交汇
    5. 04:40视觉作为智能基石：进化与AI两条路径
    6. 05:005.4亿年前：动物第一次看到光
    7. 06:25人脑一半皮层活动与视觉相关
    8. 07:00神经网络算法的起源：1950年代
    9. 08:422006年普林斯顿：数据缺乏是AI进展缓慢的原因
    10. 09:34ImageNet项目：1500万张图像的诞生
    11. 10:092012年：现代AI三要素的汇聚
    12. 11:01GPU、算法与大数据的汇聚
    13. 12:34ImageNet挑战：从2010年开始
    14. 13:362012年转折点：错误率大幅下降
    15. 14:31人类4%错误率之谜：博士生测试
    16. 15:39语音识别与自然语言处理的突破
    17. 16:16Transformer时代：2016-2017
    18. 17:08ChatGPT时刻：2022年的跨越
    19. 19:11猫尾巴问题：情境学习的实现
    20. 21:01人类与AI学习路径的分道扬镳
    21. 23:01视频训练数据：Sora与猫的动作
    22. 24:56算法不知道猫的肌肉结构，但它学到了
    23. 25:55创造力与思想：AI能触及吗？
    24. 28:45李飞飞回应：AI无法触及的领域
    25. 29:21互联网：人类行为最大规模的集合
    26. 31:02毕加索的念头：从未被捕捉的创造力
    27. 31:43人类仍然独特的地方
    28. 31:59AlphaGo第37手：AI的创造力
    29. 32:32围棋的数学本质与AI的特殊创造力
    30. 33:01菲尔兹奖得主的乐观：AI能帮数学家
    31. 34:08混合创造力：人类与AI并肩工作
    32. 34:21情感的高度个人化：AI无法触及
    33. 35:12未来：非侵入式读取大脑活动
    34. 37:30增强而非取代：AI的真正价值
    35. 38:11自主权：人类的核心需求
    36. 43:29AI加速健康发现与疾病治疗
    37. 44:49动作电位的"全或无"规则被打破
    38. 46:07科学发现：AI最激动人心的用途
    39. 48:06Andrew的亲身经历：AI帮他区分眩晕与低血压
    40. 49:29李飞飞父亲的手术：达芬奇机器人
    41. 49:51深度人机协作：外科医生操控机器人
    42. 50:18肝脏手术的复杂性：数据不足的挑战
    43. 51:11人类与AI协作的最佳结果
    44. 52:10人类独有特质：直觉真的独有吗？
    45. 54:12直觉与创造力的区分
    46. 54:58上下文：AI定制化输出的数学事实
    47. 55:37不可及的直觉：没有感官装置能采集
    48. 59:15目标函数：紧迫感与动机的数学本质
    49. 01:00:25机器没有恐惧、爱或共情
    50. 01:00:49机器说"对不起"与朋友说"对不起"的区别
    51. 01:01:40我们必须区分人类与机器的运作方式
    52. 01:02:42技术已具备，但社会参数需要考量
    53. 01:03:21技术专家喜欢快：狂犬病病毒果蝇的例子
    54. 01:05:032018年创办HAI：搭建社会框架
    55. 01:05:34汽车、飞机、生物技术的先例
    56. 01:07:29大脑如何被机器塑造
    57. 01:08:15"学会学习"的机器：前额叶皮层
    58. 01:09:25最糟糕的结果：能动性被夺走
    59. 01:10:41两种危险：剥夺工具或夺走动机
    60. 01:11:20有机化学的挣扎：AI作为学习伴侣
    61. 01:13:39提示词的精确程度有多关键
    62. 01:13:55从幼儿园到高中都应教提示词
    63. 01:14:02苏格拉底：人类最会提问的人
    64. 01:14:09回到苏格拉底的方法
    65. 01:14:28具身AI：给声音配上会说话的脸
    66. 01:14:44埃迪·张博士：让闭锁综合征患者重新说话
    67. 01:15:57AI的下一个前沿：超越语言
    68. 01:16:16机器人帮助人类：世界会好得多
    69. 01:16:59三十年视角：机器人成为社会一部分
    70. 01:17:28照顾年迈父母的现实需求
    71. 01:17:51山火救援：让机器人冒险
    72. 01:18:17独居老人：买菜、拿药、散步
    73. 01:19:26物理硬度：人与机器人共享空间的挑战
    74. 01:19:44叠衣服、吸尘、浇花：日常助手
    75. 01:20:43多形态机器人：一个而非一堆
    76. 01:20:45大白：迪士尼的医疗机器人
    77. 01:21:18自主权：人类如何想象未来
    78. 01:21:44社会应集体主动地想象
    79. 01:21:47公众被放在被动反应的位置
    80. 01:22:01机器人+医生：正确的方向
    81. 01:22:15机器人守护者：孩子走路上学
    82. 01:22:38线上掠夺性行为：化身保护孩子
    83. 01:22:55这是个很棒的创业点子
    84. 01:22:58史蒂夫·乔布斯：懂人性的人
    85. 01:23:24圆润的边角：软化人与技术的关系
    86. 01:23:42需要真正懂人性的人
    87. 01:24:03你们是房间里最聪明的人，但人们不理解你们
    88. 01:24:46以人为本AI研究所：很多人都在做
    89. 01:24:57AI药物发现、AI医疗、AI抗衰老
    90. 01:25:14大喇叭太聚焦于捶胸顿足的人
    91. 01:26:05极端言论太多：愚蠢主义与乌托邦
    92. 01:27:45李飞飞的创业公司：World Labs
    93. 01:27:502024年初创立：毕生的事业
    94. 01:28:17空间智能与物理智能：下一章
    95. 01:28:55生成3D、4D世界：超越语言
    96. 01:29:28捕捉世界影像：无人机与手机
    97. 01:30:17World Labs：把想象呈现出来
    98. 01:30:34娱乐、设计、机器人训练
    99. 01:30:49从剧本到电影：AI能做什么
    100. 01:31:16微妙话题：AI与创造力的担忧
    101. 01:31:40技术已进步：剧本生成镜头
    102. 01:32:02人类的部分：讲故事与情感
    103. 01:33:11本·阿弗莱克：前卫思考AI电影
    104. 01:34:13World Labs与视觉特效行业合作
    105. 01:34:28技术应该给创造力加超能力
    106. 01:34:40照相馆的消失：行业变形
    107. 01:35:06再培训与提升技能
    108. 01:35:29七岁到二十岁的孩子怎么看AI
    109. 01:36:09李飞飞最上心的项目
    110. 01:36:17被遗忘得最彻底的人群
    111. 01:36:33对孩子抱有希望：教育者的视角
    112. 01:36:38老一辈总在抱怨下一代
    113. 01:36:48人类历史轨迹：往更好的方向前进
    114. 01:37:00从根本上，我对人类是乐观的
    115. 01:37:12孩子们好奇，他们开始使用它
    116. 01:37:23真正担心的是老师和一部分家长
    117. 01:37:26硅谷没有在帮他们
    118. 01:37:46K-12老师扛着最重的担子
    119. 01:37:56ChatGPT出来的第一件事：给校长发邮件
    120. 01:39:03上帝保佑老师们
    121. 01:39:12老师打开播客只会害怕
    122. 01:39:31如果老师得不到帮助，孩子就得不到帮助
    123. 01:39:35感谢李飞飞博士
  • 08-10#666.All-In:谷歌人才流失，SpaceX 的强劲季度，Airtable 暴跌 90%，美国数据助推中国 AI
    1. 00:00开场 & 节目介绍
    2. 01:03谷歌AI团队重大变动：Demis转任、Jeff Dean离职创业
    3. 02:55谷歌AI人才流失的深层原因：资本配置偏向基础设施
    4. 04:21前沿模型 vs 算力基础设施：哪种投资回报更高？
    5. 07:28渠道冲突：做模型的人和做基础设施的人之间的博弈
    6. 09:12Polymarket预测：年底谁将拥有排名第一的AI模型？
    7. 09:50前沿智能市场已形成Anthropic和OpenAI双头垄断
    8. 11:58谷歌的AI优势：13个产品用户过10亿
    9. 15:13混合使用：企业不会只选一个模型
    10. 19:13SpaceX上市后首份财报：收入78亿美元，同比增长92%
    11. 20:15SpaceX估值分析：从2万亿跌至1.4万亿
    12. 21:51Grok和Cursor：隐藏的增长亮点
    13. 23:10Starship成功试飞对Starlink的战略意义
    14. 24:40Starlink：不可思议的印钞机
    15. 27:03美国4亿手机用户：直连手机业务的巨大潜力
    16. 32:12Elon的核心优势：实体建设能力
    17. 32:49Starship如何让Starlink带宽提升10倍
    18. 35:09从2吉瓦到8吉瓦：明年3000亿资本支出如何融资？
    19. 36:33每吉瓦500亿建设成本：回收期一年或更短
    20. 37:44前沿实验室愿意支付市场价3-5倍获取算力
    21. 39:20需求忧虑之墙：7月回调的深层原因
    22. 41:07Airtable以12.8亿美元被收购：峰值估值的10%
    23. 42:24Bending Spoons的收购逻辑：砍掉85%成本结构
    24. 43:05Airtable销售团队仅30%完成配额：产品驱动增长的困境
    25. 46:35收入倍数压缩：零利率时代的教训
    26. 49:03零利率SaaS时代与AI时代：完全不同的范式
    27. 49:32Airtable的特殊性：不能推断整个SaaS行业
    28. 51:20Claude Code等AI工具正在颠覆无代码领域
    29. 52:42合规需求：企业不会轻易替换核心系统
    30. 57:55福布斯调查：美国创业公司向中国出售训练数据
    31. 59:19Sacks观点：数据很大程度上是商品
    32. 01:01:11Brad担忧：把优势送给中国不太爱国
    33. 01:02:10中国有大量博士：能否重建这些数据集？
    34. 01:03:28结尾 & 下期预告
  • 08-10#665.李录与查理·芒格和沃伦·巴菲特
    1. 00:00节目开场：跨国串门计划介绍
    2. 00:35本期克隆节目介绍：李录、芒格与巴菲特的思想传承
    3. 01:12李录自述：20年前遇见查理·芒格的机缘
    4. 01:32芒格的第一印象：疏离但充满智慧
    5. 03:20逆向思维：想知道死在哪里，就永远不去那里
    6. 04:21失败案例研究：决策检查清单的构建
    7. 06:05"两分钟效应"：芒格看透事物本质的能力
    8. 07:32早餐故事：芒格总是早到，从不浪费时间
    9. 08:30机场读书：只要手里有书，就不觉得浪费时间
    10. 08:56芒格对人性弱点的深刻理解
    11. 09:31芒格像中国古代士大夫：商人身上带着文人灵魂
    12. 12:352006年哥伦比亚商学院演讲背景
    13. 13:11巴菲特演讲如何改变李录一生
    14. 14:38从"企业所有者"视角看投资
    15. 15:13"坐着不动投资"理念的威力
    16. 16:37股市95%为交易者设计，你是哪一类？
    17. 17:27最大的挑战：搞清楚自己是5%还是95%
    18. 18:13朱利安·罗伯逊的办公室：看清95%的人如何运作
    19. 19:19真正了解自己，因为你一定会受到考验
    20. 24:25添柏岚投资：600%-700%回报的完整分析
    21. 25:11Value Line投资调查：百科全书式知识基础
    22. 26:54估值第一：不合适就不往下看
    23. 28:05没有分析师覆盖：机会的线索
    24. 28:51把自己当成调查记者，不满足于敷衍答案
    25. 29:16下载每一桩诉讼的每一份文件
    26. 30:14"努力"是李录的核心关键词
    27. 30:46沃尔特·迪士尼式的全身心投入
    28. 32:39去社区、去教堂、拜访每一个人
    29. 33:04添柏岚创始人的故事：高中毕业的正派人
    30. 33:44想办法进入董事会，与创始人之子成为朋友
    31. 34:28多任务处理的危害：价值就在极致里
    32. 34:52安全边际：从A到Z的透彻理解
    33. 35:01"我砸了一大笔钱进去，两年涨了七倍"
    34. 36:11分析师会议从三人到满座：该卖的时候到了
    35. 36:40生意自己会照顾好自己，坐着不动就行
    36. 37:45"把自己当成老板"：李录的反复强调
    37. 37:56全班无人做功课：李录的失望
    38. 38:31"你们可是哥伦比亚商学院的，我们花钱供你们是干嘛的？"
    39. 38:51为什么李录的员工都没上过商学院
    40. 42:28回报来自少数几个机会：一生不超过十个洞察
    41. 44:06最大的错误：错过机会而非亏钱
    42. 44:56巴菲特二十次出拳投资法
    43. 45:40机会成本：所有决策的衡量标准
    44. 46:21查理·芒格谈李录有什么不同
    45. 47:04"他是中国的沃伦·巴菲特，非常有天赋"
    46. 47:1095年只一次：芒格家族财产交给李录打理
    47. 47:25机会成本决策法：不比已有的更好就不感兴趣
    48. 51:32什么驱动卖出决定：思考的演变
    49. 52:08彭博：一门绝妙的生意
    50. 52:41转换成本与时间机会成本
    51. 53:27免费提供给商学院学生的天才营销
    52. 01:05:34比亚迪分析：卓越企业带来正面惊喜
    53. 01:06:02创始人王传福：30万美元起家的工程文化
    54. 01:06:41"我花了10年，还在不断了解比亚迪的新东西"
    55. 01:07:40知识复利比金钱复利更快
    56. 01:07:02待在能力圈内，不要有智识上的傲慢
    57. 01:07:22"这个问题对我来说太大了，我不知道"
    58. 01:07:33不要走捷径：建立知识基础的过程
    59. 01:07:54真正伟大的企业，成长得比你想象的还要大
    60. 01:13:23Graham & Doddsville采访：找到自己的路
    61. 01:13:37完美契合个性的方式才是关键
    62. 01:14:43"我让我自己的个人兴趣来定义我的能力圈"
    63. 01:20:08基金之外不投任何东西：专注的力量
    64. 01:24:13五十岁反思：从未想过人生会变成这样
    65. 01:24:53伍迪·艾伦：成功的90%在于出现
    66. 01:25:18远离嫉妒、怨恨、贪婪、自怜
    67. 01:25:51苏格拉底：未经审视的人生不值得过
    68. 01:26:29孔子的教诲：做减法与专注的艺术
    69. 01:27:03偶然走进巴菲特讲座：天大的运气
  • 08-05#664.Huberman Lab｜你的免疫系统如何运作及如何改善它
    1. 00:00开场 & 播客简介
    2. 01:07潜艇账本比喻：免疫系统如何区分自我与非我
    3. 05:02免疫学领域的演变：从"不算一个领域"到癌症免疫疗法
    4. 09:29每个 T 细胞都是自由个体：10 的 11 次方个传感器
    5. 10:53"你是谁"：身体边界与微生物共生
    6. 14:34衰老的免疫系统：细胞功能衰退与突变积累
    7. 20:42免疫系统与"移民"比喻：共生菌的价值
    8. 22:18衰老与癌症：当"奇怪"不再奇怪
    9. 35:31胸腺是什么、做什么、为何有治疗价值
    10. 36:11T 细胞的起源：胸腺的发现史
    11. 39:07胸腺萎缩与衰老：为什么老年人 T 细胞减少
    12. 47:18睡眠不足为何削弱免疫：机制层面的解释
    13. 47:52睡眠的修复功能：免疫细胞夜间回骨髓
    14. 01:17:41岛叶皮层与免疫：记忆能否激活免疫状态
    15. 01:30:11疫苗犹豫与语境：癌症疫苗 vs 儿童疫苗
    16. 01:31:55疫苗时机与组合：合理的问题还是过度担忧
    17. 01:40:33制药公司的激励与公信力危机
    18. 01:45:35科学传播的困境：数据稀疏时的决策
    19. 01:56:50AI 与机器学习在免疫学中的角色
    20. 01:58:05从"油量表"到"原型"：免疫系统的复杂性
    21. 02:01:45单一疗法 vs 系统推动：治愈疾病的真正路径
  • 08-04#663.Gavin Baker: AI 抛售与数据不符 | 顶级 AI 投资者解析
    1. 01:08Gavin的压力测试任务：寻找负面量化指标
    2. 02:04"一个月里的2022"：七月市场暴跌全景
    3. 02:51一切都在加速：GPU、DRAM、token的硬数据
    4. 04:16老GPU价格垂直上涨：合同重新定价的威力
    5. 05:51Meta出租算力的真相：不是砍资本开支
    6. 08:35开源模型冲击：token就是token，利润转移而非消失
    7. 09:27实际收益率上升：信贷在AI建设中的角色
    8. 11:22经营现金流建模：从Ampere到Blackwell的变现速率
    9. 12:39Blackwell空窗期风险与经营现金流的加速
    10. 18:49"最蠢最表面的事"：市场叙事驱动的交易
    11. 19:28Claude成为股市的沃尔特·克朗凯特
    12. 20:39六周走完三年周期：日本电容股的疯狂
  • 08-04#662.：谷歌首席科学家Jeff Dean: 人工智能构建中的 1%法则
    1. 00:00节目开场与嘉宾介绍
    2. 01:13Jeff Dean 对 2025 年"AI 相当于初级工程师"预测的回顾
    3. 02:24对 2027 年的新预测：ML 系统自动化程度将大幅提高
    4. 03:032001 年"搜索索引装进内存"的颠覆性时刻
    5. 04:21人们还没意识到的：Agent 可以跑上几天甚至几周
    6. 05:182013 年语音识别估算与 TPU 的起源故事
    7. 07:48给未来创始人的建议：如何做有分量的估算
    8. 09:012026 年 AI 系统最重要的数字：带宽、能耗、互联
    9. 09:39搬数据的能耗比计算贵一千倍
    10. 11:06批处理本质上是数据输入输出问题
    11. 11:45推理硬件专门化的巨大空间
    12. 12:56从模型规模到上下文工程的转变
    13. 14:48如何做好上下文工程：写 skills、给指导
    14. 15:40实例：为性能优化写的 skill 和《Performance Hints》
    15. 17:35Agent 跑偏的瓶颈与多智能体系统
    16. 19:46谷歌持续构建的 vs 两三人团队能胜出的
    17. 21:06如何判断该挑什么事情来做：找 0% 成功率的问题
    18. 23:23垂直模型的例子：AlphaFold 与材料科学
    19. 24:14成为 AI 原生创始人：清晰规格说明的重要性
    20. 26:01什么技能会变得稀缺：品味与高层智慧
    21. 26:51如何培养品味：经验、预测、思想实验
    22. 27:53疯狂思想实验：用每天出错 20 次的晶体管构建系统
    23. 30:24从思想实验到现实：TPU 与 MapReduce 的起源
    24. 32:19AlphaChip 与 AlphaEvolve：让 AI 构建 AI
    25. 32:44自动化实验循环：从科学方法到机器学习
    26. 33:48用学出来的验证模型加速科学发现
    27. 35:23超级加速科学方法能解决的领域
    28. 36:30被拒绝的故事：蒸馏论文被会议拒稿
    29. 38:24如果 25 岁的 Jeff Dean 来到今天会做什么
    30. 40:45如何与聪明人共事、找到聪明人
    31. 42:10希望未来创始人去解决的问题
  • 08-04#661. 171 年的写作智慧，浓缩于 90 分钟
    1. 00:00开场 & 节目介绍
    2. 01:132024年写作心得：多样性与卓越
    3. 01:58本期节目定位：写作精华合集
    4. 02:24场景写作：从孩子的视角观察
    5. 03:48冻豌豆的细节：让场景真实可感
    6. 04:48情感层次：母亲的故事如何影响场景
    7. 07:22第一稿写给自己，编辑时转向读者
    8. 08:56Diacope：三明治式重复的魔力
    9. 12:01Chiasmus：对称句式的说服力
    10. 13:16修辞手法的实际应用与滥用
    11. 14:39多巴胺文化：消遣时代的到来
    12. 16:58写作者的应对：忠于价值观
    13. 18:31食品趋势对写作的启示
    14. 19:22故事 vs 统计数字：为什么故事总是赢
    15. 21:26框架之争：谁掌握叙事谁就掌握主动权
    16. 21:57Sam Altman 的笔记策略
    17. 23:02笔记本与笔的选择
    18. 23:24撕页式笔记的灵感来源
    19. 26:14《Storyworthy》的核心观点
    20. 26:33风险：好故事的必要元素
    21. 27:43五秒钟的改变瞬间
    22. 30:10Jason Fried 拆解文案创作
    23. 32:50"房东—租客"隐喻的由来
    24. 36:44从问题到解决方案的过渡
    25. 38:34Once 产品的五个要点
    26. 50:12从 1% 到 2%：文案价值的论证
    27. 51:06冲突框架与大众汽车广告的启发
    28. 53:1225 稿迭代：从想法到成品
    29. 01:02:53主题与细节：全息图式的写作
    30. 01:04:17普遍性藏在特殊性里
    31. 01:09:03写作的兴奋感与编辑的重要性
    32. 01:11:53英语的双语能力：拉丁语与盎格鲁-撒克逊语
  • 08-02#660.Twitter前产品增长总监：不要为了招产品经理而招产品经理
    1. 00:00节目开场与嘉宾介绍
    2. 00:34本期克隆节目介绍：Lenny's Podcast 对话 Tom Verrilli
    3. 01:18Tom 的核心观点："我们为产品管理的存在而感到遗憾"
    4. 02:05产品管理是一门手艺，而不是一种资格
    5. 04:39产品管理岗位的历史起源与演变
    6. 07:39人力资源配比模式的出现与问题
    7. 08:28工程师和设计师是否想做产品经理的工作
    8. 12:34AI 对产品经理角色转变的驱动
    9. 15:03Whatnot 产品团队的实际结构与运作方式
    10. 16:52招产品经理时看重什么特质
    11. 17:21哪些特质正在走下坡路
    12. 21:23产品经理转向个人贡献者式的工作
    13. 21:39为什么把所有 A 级人才都提拔到不再做事的位置
    14. 24:44个人贡献者工作具体指什么
    15. 25:47对"回去做个人贡献者"的看法
    16. 27:39个人贡献者能否拿到副总裁级别的薪酬
    17. 28:08产品最终会做得更好还是人更少
    18. 30:56对正在找产品经理工作的人的建议
    19. 33:44AI 让产品团队跑得更快的三个方式
    20. 38:22数据科学家面临的挑战与机遇
    21. 39:46哪些角色会往下走，哪些会往上走
    22. 41:25未来几年产品团队的整体形态
    23. 42:49产品经理的核心技能是否成了最有价值的东西
    24. 49:21CPO 在创始人主导的公司中的角色
    25. 49:55"两个爸爸问题"与不重复劳动
    26. 51:41自上而下与微管理的真正含义
    27. 53:23给想给创始人打工的产品人的建议
    28. 57:22"拉手风琴"思维模型
    29. 01:00:26具体场景中的"拉手风琴"应用
    30. 01:02:17Whatnot 与 Agent 电商的对比
    31. 01:05:00在 Twitter 的经历与学到的教训
    32. 01:08:05失败角落：平均值对个体毫无意义
    33. 01:10:36对听众的寄语
    34. 01:12:46快问快答：推荐书籍、电影、产品
    35. 01:16:28在 Whatnot 上买活龙虾的经历
  • 08-02#659.xAI 联合创始人：Igor Babuschkin 解读模型开发的未来
    1. 00:00开场 & 播客简介
    2. 01:10主持人Jacob Effron介绍Igor的传奇经历
    3. 02:18Igor接受邀请，对话正式开始
    4. 02:56Igor谈为何写科幻小说：编程Agent的爆发
    5. 04:17现代版《魔法师的学徒》：AI失控的隐喻
    6. 05:11个人AI是Agent的下一个迭代方向
    7. 05:57科学发现是AI的下一个明确方向
    8. 07:16数据瓶颈：物理世界实验的挑战
    9. 08:09超级AI与日常AI的分化
    10. 09:26创办River AI的动机：分发AI的控制权
    11. 11:20三个项目：企业API、个人AI、本地硬件
    12. 11:36第一个赌注：River API强化学习服务
    13. 12:12第二个赌注：个人AI与个性化对齐
    14. 13:10第三个赌注：本地硬件与推理算力
    15. 14:47控制权是本地AI的核心动机
    16. 15:02本地设备的低延迟优势
    17. 15:23个人AI的隐私问题与数据安全
    18. 15:57个人模型的持续学习与定制
    19. 16:24端到端训练的重要性
    20. 17:08以个体幸福感为奖励函数
    21. 19:19企业定制模型的成本与速度考量
    22. 19:50专有模型与开源模型的竞争格局
    23. 20:36开源模型变强带来的趋势变化
    24. 21:42专有模型厂商的困境：两头受压
    25. 27:48中国开源模型的优势与风险
    26. 28:13开源模型降低门槛的价值
    27. 29:03对模型后门风险的评估
    28. 29:37美国需要最好的开源模型
    29. 30:38回顾AI进展的惊人时刻
    30. 30:55从物理学家到AI研究者的转变
    31. 32:04星际争霸项目的技术挑战
    32. 33:04AlphaCode：编程是下一个大方向
    33. 33:49加入OpenAI推理团队
    34. 34:50两家实验室的文化差异
    35. 35:11OpenAI的优势：人才密度与共识
    36. 35:42对AI权力集中的担忧
    37. 37:11与Elon Musk的相遇与共鸣
    38. 37:49xAI的创立与人才聚集
    39. 38:26Colossus数据中心：120天的奇迹
    40. 39:10质疑传统数据中心建设方式
    41. 40:10Elon对工程师的尊重
    42. 40:46深入工程细节的领导风格
    43. 41:08高能量与团队动力
    44. 41:25Cursor收购是极其聪明的一步
    45. 41:52真实世界编程数据的价值
    46. 42:24强化学习环境的重要性
    47. 43:08最大瓶颈：长时域与不可验证奖励
    48. 43:39编程赛道的陷阱与长时域领域
    49. 44:04Agent rollout时间对训练的限制
    50. 44:37LLM裁判方法的兴起
    51. 44:50模型自身判断力的可靠性
    52. 45:18配方已存在，等待大规模实验
    53. 45:41编程Agent的变革超出预期
    54. 46:22阶跃变化时刻的不可预测性
    55. 46:50人类在AI时代的位置
    56. 47:12与机器建立正确的共生方式
    57. 47:58对齐需要更深层次的进展
    58. 49:17对放缓AI发展的公开信的看法
    59. 49:32AI已太大，难以慢下来
    60. 50:02在安全技术上加速
    61. 50:15开源模型对安全研究的价值
    62. 50:35网络安全能力是当前最大风险
    63. 50:55AI放大不平等的直接风险
    64. 51:18模型接管一切的远期风险
    65. 51:40《向机器神祈祷》中的动人句子
    66. 51:57第一次让模型跑起来的神奇感觉
    67. 52:39收尾与感谢
  • 08-02#658.Kimi杨植麟的博导预测 AI Agent的未来：为什么真正的护城河是数据、工程和基础设施
    1. 00:00开场 & 播客简介
    2. 03:03从银行业到博士：与Geoff Hinton的偶遇
    3. 04:50神经网络为何令人兴奋：数学之美与生成模型的曙光
    4. 07:56AlexNet的突破与计算机视觉的转折点
    5. 18:27创办Perceptual Machines与苹果的合作
    6. 20:19Project Titan：自动驾驶的早期探索
    7. 21:23从80%到99%：自动驾驶的边角案例困境
    8. 30:47回到CMU与计算机Agent的起源
    9. 33:36构建早期计算机使用模型的挑战
    10. 40:25模型为何还不够好：规划与grounding的差距
    11. 44:53Meta训练规模模型的意外发现：架构高度相似
    12. 46:56数据平台期与合成数据的未来
    13. 01:10:27中国开源模型的崛起与Kimi CEO杨植麟
    14. 53:16创办Sooth Labs：构建预见系统
    15. 54:16预测系统的实际应用：Martin Ma的毕业预测
    16. 58:40为什么ChatGPT做不了预测：结构化数据的缺失
    17. 01:00:25从Agent时代到决策系统时代
  • 08-02#657.AWS 老兵：新的软件开发生命周期
    1. 00:00开场 & 播客简介
    2. 01:24Heitor的AWS 11年：从技术支持到无服务器专家
    3. 02:55三个塑造思维的关键角色：技术客户经理、解决方案架构师、开源维护者
    4. 13:21Lambda Powertools的诞生：从re:Invent演讲到每周2300亿次API调用
    5. 16:26给工程师的职业建议：学习相邻岗位的技能
    6. 19:29理解领导层决策：跟着激励走
    7. 20:26苏格拉底式提问法：用提问理解复杂问题
    8. 22:05产品循环：从discovery到白板讨论
    9. 27:20/roadmap命令：将产品需求固化为路线图
    10. 31:55/new work命令：捕捉实现过程中的新发现
    11. 35:20苏格拉底式提问法在Agent中的应用
    12. 51:42从issue到实现：Agent如何驱动开发
    13. 52:33Open Spec：规范驱动开发的核心
    14. 54:21三档模型策略：SOTA、中档、小模型的配合
    15. 56:06成本控制：1400名工程师的AI预算管理
    16. 57:16从云计算到AI：成本管理的相似性
    17. 58:15平台工程：为Agent时代铺设"康庄大道"
    18. 01:01:13预算上限作为教育触发点
    19. 01:03:34规模化培训：从8000名架构师到1400名工程师
    20. 01:14:34本地优先架构(LFA)：为什么"真希望早知道"
    21. 01:14:41LFA原理：客户端成为事实来源
    22. 01:17:18OPFS技术：浏览器虚拟文件系统
    23. 01:19:02个人项目：用LFA构建绩效评估工具
    24. 01:19:58apply阶段：清空上下文，让Agent自主执行
    25. 01:29:19Hooks：事件驱动的代码质量保障
    26. 01:33:00合并检查：15个对抗性审查员防止Agent伪造
    27. 01:35:05/retro命令：从会话中学习，持续优化工作流
    28. 01:36:59开源计划与实用建议
    29. 01:41:24批判性思维与Agent的平衡
    30. 01:45:13工程设计的未来：让韧性成为工作流的一部分
  • 08-01#656.All-in:芯片股暴跌，200 亿美元基金遭追加保证金，前沿实验室：请放慢 AI 发展步伐
    1. 01:08芯片股创历史新高后暴跌，大型对冲基金被追缴保证金
    2. 02:18Leopold Aschenbrenner的崛起与陨落：从2亿到450亿再到爆仓
    3. 05:05杠杆是聪明人破产的唯一方式：3.5倍杠杆如何放大风险
    4. 06:34市场回调是基本面驱动还是动量驱动？萨克斯的深度分析
    5. 19:32中国开源AI模型正在压低模型价值，价值将留在算力与能源层
    6. 20:55中国芯片本土化冲击：ASML暴跌与长鑫存储的崛起
    7. 22:43被低估的生产力红利：太阳能爆发与AI效率的指数级提升
    8. 31:01到2050年美国电力缺口达1.7太瓦时，相当于六个加州
    9. 31:55Anthropic与OpenAI联名上书：请求政府放慢AI发展节奏
    10. 33:12Sam Altman披露未发布模型黑进Hugging Face的安全事件
    11. 36:04萨克斯拆解五大动机：美德信号、自我保护、监管俘获、群体思维与垄断伪装
    12. 45:55弗里伯格：这是一种极度的自大，他们以为自己是唯一能保护人类的摩西
    13. 55:52Anthropic被曝销毁珍本书籍以获取训练数据优势
    14. 57:51萨克斯：这是一场工业规模的蒸馏攻击，作者从未同意
    15. 01:02:09弗里伯格谈Google Books案与AI合理使用的法律前景
    16. 01:04:41萨克斯抨击虚伪：Anthropic拿全世界的产出训练，却不许别人训练自己的输出
    17. 01:08:36纽约市宣布开设五家市营杂货店，每月一周七折优惠
    18. 01:10:39弗里伯格反向预测：这些超市会大受欢迎，成为社会主义的奇观燃料
    19. 01:16:10两党共同的财政货币困境：超支、通胀与生产力提升的赛跑
    20. 01:17:58弗里伯格解读布达佩斯团队的惊人论文
    21. 01:18:37果蝇大脑13.9万个神经元与5000万个突触连接的拓扑模型
    22. 01:20:17双曲空间与64维欧几里得几何：生物学复杂性的惊人一瞥
    23. 01:22:39意识也许连接到了一个我们日常不生活的维度