PODCAST · 十字路口Crossing

2025 年 8 月节目

6 期 · 5 期带分节

  • 08-31揭秘 Claude Code 榜一大哥：一个 AI 创业者如何把工具用到极致|对话刘小排
  • 08-24AI 狂热之外，或许决胜局藏在“看不见”的地方 | 对话蚂蚁密算董事长韦韬：密态计算与高阶程序
    1. 0:55北大“宝藏男孩”，和一段被遗忘的互联网往事
    2. 03:21最近喜欢的 AI 产品是什么？
    3. 10:00什么？大模型的幻觉是“必要的”？
    4. 11:17创立 MITBBS 的故事 —— “写站规比写情书还认真？”
    5. 15:53黑灰产攻防的精彩往事
    6. 18:24普通人保护隐私成本最低的一招（不是改密码）
    7. 24:24密算是什么？跟普通人有什么关系？
    8. 28:47不同技术路线之争
    9. 31:48内部激辩：我们为什么要将核心技术「开源」？
    10. 33:13密算如何帮农民解决贷款难题？
    11. 36:46如何让新能源车保费降下来？
    12. 40:19密态计算和大模型的关系是什么？
    13. 43:35你用大模型的方式，还停留在“手工作坊”时代吗？
    14. 45:49管控AI、让它不再“胡说八道”的三个“紧箍咒”是什么？
    15. 48:36“高阶程序”和密算的关系是什么？
    16. 52:03成为密算董事长后，面临哪些新挑战？
    17. 58:22“吃螃蟹”的生意：如何让客户相信，螃蟹真的很好吃？
    18. 01:01:31最初接触开源社区的经历？——“我们回应了期待，没有辜负善意”
    19. 01:06:53发起「隐语」开源社区的目标？
    20. 01:09:13隐语社区 3 年来最有成就感的事：非洲手机巨头的加入
    21. 01:21:40有没有被 AI 带来的冲击影响？
    22. 01:23:54高级程序员才能幸存？不，初级程序员迎来了最好的学习时代
  • 08-20AI 是具身智能的胜负手吗？半年融资3亿后，VBot 首款产品做得怎么样？｜对谈维他动力联创赵哲伦
    1. 02:05十字路口 v.s. 哲伦班长 快问快答
    2. 03:43刚参加完 WRC 世界机器人大会的感受
    3. 06:28「最多十年，世界机器人大会也许会成为当年的伦敦世博会」
    4. 08:58归纳机器人意味着什么：它提供了某种程度上的空间移动方式
    5. 10:50从波士顿动力发布第一款机器狗至今，机器人行业演进
    6. 11:37第一阶段：以波士顿动力为主导，第一次让人通过遥控器控制足的行动
    7. 12:53第二阶段：以宇树为代表，结合中国供应链优势，在机器人整体结构上做精巧设计
    8. 15:20今天进入第三阶段，在三个技术成熟的条件下
    9. 17:48宇树科技王兴兴：VLA 是一个相对傻瓜的架构，采用 VLA 架构的维他动力怎么看？
    10. 20:03为什么维他动力选择做机器狗而不是做机器人？
    11. 24:03选 ToC：要交付面对用户服务的产品，联创个人经历，考虑公司的组织方式和工作方法
    12. 27:05研究机器人究竟能为用户做什么：全网找人做用户调研
    13. 29:35第一年追求的关键指标：NPS(Net Promoter Score净推荐值）和出货量
    14. 31:38希望用户可以把维他动力的机器狗带出门
    15. 33:18为什么创业者不选这个领域？
    16. 34:11参考样本少，创业中遇到的意想不到的困难
    17. 37:42机器人创业有两条技能线要走，宇树也有它的挑战
    18. 39:46在理想工作这么久，为什么会考虑创业？
    19. 41:30非常希望自动驾驶有一天能做到 L4
    20. 43:29特别想做机器人，在理想的时候就常常找人沟通
    21. 44:22和李想工作的感受
    22. 46:41创业后和李想聊产品、品牌的收获
    23. 49:35创业选择虽然多，但是也受限，因为最重要的投入就是时间
    24. 52:00也可以靠自己做内容，但希望能找到伙伴做更大的事情
    25. 52:58创业中的起起伏伏
    26. 56:04机器人面向 C 端最有希望并且有商业价值的用户场景会是哪个？
    27. 58:31特斯拉的做法是远程遥控机器人做事再积累数据，这个做法可能只适合特斯拉
    28. 01:00:35业内讨论目前更多关注技术的进一步发展
    29. 01:03:10对今年世界机器人大会最感触的是有很多孩子参与，也许这是他们的机器人启蒙
    30. 01:05:03为什么机器人要去跑步，踢足球？我们需要一种类似汽车文化的机器人文化
    31. 01:07:16现在机器人行业有泡沫吗？
    32. 01:12:22对未来机器人行业的预测，也许会很像《机器人总动员》
  • 08-17“让天下没有难做的 Agent” | 对谈旭卿（阿里云无影事业部总裁）、安陈（AgentBay 产品负责人）
    1. 04:49什么是 Agent Infra？和传统 AI Infra 有何不同？
    2. 07:26为什么偏偏是今年，Agent Infra 成了行业焦点？
    3. 09:20Agent Infra 的六大组成：记忆、工具调用、任务编排、沙箱、多 Agent 协作、安全
    4. 10:07不同赛道的玩家和产品，你最关注谁？
    5. 12:44哪个环节价值最高？哪个最容易被忽视？
    6. 13:29Agent 开发者应选自研 v.s. 第三方？
    7. 16:00为什么无影选择做 AgentBay？产品路径怎么走？
    8. 18:58沙箱之战：AgentBay vs E2B，差异与优势在哪？
    9. 22:30对标 AWS AgentCore：相同点与不同点
    10. 26:52云端沙箱安全吗？如何消除开发者的顾虑
    11. 32:51并发能力多大才算强？20 万 Session 背后的故事
    12. 36:24在 AgentBay 上，什么 Agent 产品最多、增长最快？
    13. 39:09云电脑业务还在高速增长，为何转向 Agent Infra？
    14. 45:18Manus: “我们从来不仅仅是一个AI，一直是一个独一无二的「个人云计算平台」”
    15. 43:46作为大厂高管，牵头启动新赛道，最难的地方是什么？
    16. 48:50「弹性计算的神级大佬」的职业生涯
    17. 58:22如何提前两年判断趋势？
    18. 01:04:02如何说服老板投入新方向？
    19. 01:06:03结尾彩蛋：招聘邀约
  • 08-10尝试、听内心的声音、增强自己的不可替代性……和 4 位 Z 世代年轻人聊 AI 时代的机会和选择
    1. 03:30三个「千禧一代」对毕业时就业环境的回忆
    2. 04:30当时高考录取分数最高的专业是金融和计算机
    3. 06:13外企很受推崇，移动互联网创业浪潮刚刚开始
    4. 07:23毕业后义无反顾选择创业
    5. 07:50我们电话访谈了四位 Z 世代年轻人，讲述他们毕业找工作的故事
    6. 08:09晨然：专业是计算机，却在读书的时候摸索了很多内容创作方面的事情
    7. 10:24本科的时候遇到一些困惑，计算机市场人才饱和
    8. 12:45周围去大厂的同学并不多，大家在接受现状之后找到了自己和解的方式
    9. 13:39Leo：从尝试做大学老师、研究员，到在麦肯锡做分析师
    10. 18:09非常实际操作的找工作方法，列出自己感兴趣的方向，根据不同角度打分
    11. 20:37有一段时间觉得不太开心，但人生高高低低各个维度都是一份经历
    12. 21:52不定义成功，在当下让自己开心，让身边的人开心就是很成功很幸福的人了
    13. 22:52姝潼：学医的三个方向都试过了，心里知道自己不喜欢什么
    14. 24:23在 LinkedIn 上找同专业转行的人聊天，获得共鸣
    15. 27:32「小时候很长一段时间都在尝试去做别人」但你不可能成为别人，只能成为自己
    16. 28:55Ryan：读书时就创业，毕业后有海外大学 offer 但仍然选择创业
    17. 31:59对 00、05 后和 85、90 后成长环境差异的分析
    18. 33:25大家都对 AI 感到兴奋，ChatGPT 刚出来的时候都焦虑，但中国很大，更多人对 AI 的认知发生在 DeepSeek 火爆之后
    19. 35:13能感受到 Z 世代的压力：来自大环境，也来自身边的同辈
    20. 35:31Z 世代会花更多的时间思考「我想要什么」
    21. 37:44他们有旺盛的好奇心，主动去探索，路也走得更宽
    22. 39:00年轻人也需要企业、平台提供容错的机会
    23. 42:02AI 对年轻人的冲击，比我们想象中要小一些
    24. 43:10每一代人都有自己的命题，AI 时代也解锁了很多可能性
    25. 46:22四位被访者如何看待 AI 带来的机会和 AI 时代的生活、心态变化
    26. 46:36晨然：AI 出现后我的整个观念都改变了，经济下行时代也有很多新的机会
    27. 50:42「对我职场发展最有帮助的就是 build in public」
    28. 54:30现在更想追求注意力自由
    29. 55:08Leo：AI 改变了我的工作方式
    30. 56:52增加自己的不可替代性：多做和人打交道的工作，快速迭代知识
    31. 58:24姝潼：会有对 AI 的担忧，会思考如何发展自己的优势，而不是什么都去补
    32. 1:00:05「AI 它就是我的小员工」
    33. 1:01:43比起 AI 焦虑，身边看到更多的是年龄焦虑，因为同辈压力去做未必适合自己的选择
    34. 1:02:19Ryan：AI 显著的降低了做事的门槛，更多的年轻人意识到自我主体性的重要性
    35. 1:04:49两个方向的工作很难被替代：第一和人有关的职业；第二是和 AI 赛跑，比 AI 更快
    36. 1:06:24彩蛋时间
  • 08-03开源怎么赚钱？向量数据库有未来吗？搞 AI 需要技术理想主义吗？｜对谈 Zilliz 创始人/CEO星爵
    1. 02:07快问快答：星爵是谁？公司收入/利润？公司规模？
    2. 02:30Zilliz 是 AI 时代的数据基础设施公司，专注于非结构化数据平台构建。
    3. 03:01黄仁勋点名推荐的一刻，心情如何？
    4. 04:07向量数据库是长期打磨的产品，非灵光一闪的突破。
    5. 04:53向量数据库怎么火起来的？
    6. 06:21给小白的科普：向量数据库是什么？Zilliz 是什么？
    7. 08:27创业初衷：向量数据库早于生成式AI，最初服务于卷积神经网络等早期AI技术。
    8. 12:54最大客户案例：全球顶级 IT 公司用向量数据库检索全网信息，发展 AI 搜索
    9. 15:14你为什么敢说自己“没有对手”？
    10. 16:19开源 vs 闭源：Zilliz 坚持开源路线，认为技术优势源于开放生态
    11. 17:07Zilliz 与竞品的竞争优势，以及开源生态的长期价值
    12. 18:38竞品分析：Zilliz 与算法集 FAISS 合作；其他开源项目各有切入点
    13. 21:55为什么传统数据库无法替代原生向量数据库？
    14. 24:06最大担忧：能否持续创新，而非竞争对手动作
    15. 24:20若能重选仍会开源。开源是护城河，非捷径
    16. 26:03Dual Core 模式：开源如何赚钱？
    17. 29:43DeepSeek 为什么开源价值？快速占领开发者心智，避免技术栈锁定。
    18. 30:16开源还纯粹吗？是为了共创，还是品牌战略？
    19. 33:07星爵的创业目标：不仅做先驱，更要做集大成者
    20. 34:45创新不能靠“管”：真正关键在于招到对的人
    21. 35:03每天都在崩溃边缘，这就是创业的常态
    22. 36:03商业化挑战：客户流失与增长压力并存，首次商业化团队经验不足。
    23. 39:50认知转变：从理想主义到现实主义
    24. 42:24技术商业化：商业中“足够好”即可，但技术追求仍需理想主义
    25. 43:26看好的 AI 公司：公有云（如AWS）、大模型头部企业及 AI 应用公司（如ChatGPT、DeepSeek）