PODCAST · 十字路口Crossing

2026 年 8 月节目

4 期 · 4 期带分节

  • 08-30AI 下半场，不会只剩一个超级模型｜对谈 Kevin Ding：Pyromind 创始人/CEO
    1. 00:23快问快答：年龄、毕业院校、MBTI、星座、一句话介绍、融资情况、收入及利润、团队规模、创业前经历、PMF 跑通了吗？
    2. 01:55为何 AI 终局更像 Agent 蜂群而非超级基础模型一统天下？
    3. 03:44为什么 RSI 在这一年变得重要？
    4. 05:21RL as a Service 解决了哪一半问题？
    5. 08:32Pyromind 如何优选最适合 AutoRL 的客户？
    6. 10:16初次进入场景为何 FDE 不可省，后续工作量又如何递减？
    7. 22:13如何能让工业客户算清 ROI？
    8. 23:22哪三条标准决定一个企业需求该接还是拒绝？
    9. 26:29企业 AI 为何绕不开成本、效率与隐私的不可能三角，后训练如何破解？
    10. 27:03PyroDash 怎样让 4B Worker Model 与 Base Model 协作，兼顾效果与成本？
    11. 29:23Harness 能改善流程和速度，但仍解不了哪些企业的关键需求？
    12. 34:02两个 FDE 如何支撑十几个 B 端客户，Pyromind 又把哪些工作收回产品层？
    13. 38:20模型越训越好、训练需求越少，Pyromind 究竟赚得更多还是更少？
    14. 40:58中国 SaaS 难做，Pyromind 为何认为 AI ToB 能把 ROI 重新算清？
    15. 42:06云厂商也能做后训练、又掌握算力，Pyromind 会被吞掉吗？
    16. 47:47Hugging Face 上小模型下载仍占主流，为什么需求不会都归拢到一个 Base Model？
  • 08-2322 岁的具身 CEO、5 轮融资、过亿美元、“不知天有多高”、“一年吃了十年的苦”｜对谈黄一：萝博派对创始人/CEO
    1. 01:50创业仅一年，黄一为何说自己经历了“压缩的人生”，把十年的苦一年吃完？
    2. 02:27一年 5 轮、融资过亿美元，VC 投 22 岁的黄一时到底在投什么？
    3. 05:24市面上 FA 众多，创业者该如何选择？
    4. 07:30明知具身存在泡沫，创业者如何借势而不被泡沫吞没？
    5. 08:30同时拿到多份 TS 后，如何挑选既适合当下、又能支持后续轮次的机构？
    6. 10:02小米、宁德等产业方的钱，和纯 VC 的钱到底有什么不同？
    7. 11:35RoboParty 为什么一两个月就融一轮？融资节奏由什么决定？
    8. 14:01为什么“愚昧之巅”，反而可能是创业的最佳时刻？
    9. 16:58黄一花两三天“追”一位浙大工程师，靠什么让对方相信尚不存在的团队蓝图？
    10. 19:39第一代机器人“做完感觉没用”，开源后发生了什么，竟然改变了 RoboParty 的方向？
    11. 20:36从结构到算法全栈开源，RoboParty 未来靠什么建立壁垒、赚到钱？
    12. 24:50为什么不看好轮式机器人？
    13. 26:26从“愚昧之巅”往下走，哪些时刻会让年轻 CEO 的认知被瞬间打散？
    14. 29:04从第一代原型机 RPO 走向 RP1，真正让团队从“自大”滑向现实的难题是什么？
    15. 31:56RP1 相比上一代原型机，解决了哪些真实使用问题？
    16. 35:17十年后的具身终局，会由 OpenAI、智谱式模型公司，还是更懂 Robotics 的创业公司做出来？
    17. 37:25近 150 人的 RoboParty 如何用“蜂巢结构”控制管理半径，又如何与制造流程兼容？
    18. 41:5622 岁 CEO 如何管理比自己年长、且在具体领域更懂行的同事？
    19. 43:24为什么高薪大厂人才愿意降薪加入？RoboParty 又如何做到一年半几乎零主动离职？
    20. 46:31如今约 300 家具身公司，到 2030 年可能只剩多少家进入下一轮竞争？
    21. 49:35大脑、小脑和本体方向都在探索，黄一如何决定 RoboParty 做什么、不做什么？
    22. 53:17RP1 为什么先服务科研教育，而不是家庭、工厂或文娱场景？
    23. 01:01:13把具身智能比作 42 公里的马拉松，本体、小脑和大脑分别跑到第几公里？
  • 08-09「模型能力已经够了，要卷就卷 infra」｜对谈戴冠兰：Runta 创始人
    1. 00:00快问快答：年龄、MBTI、星座、毕业院校
    2. 01:32Runta种子轮融了2000万美元，如何拿到Jeff Dean和李飞飞的个人投资？
    3. 05:04a16z为何罕见地为一家Seed轮公司专门写Blog？
    4. 07:33Token Maxxing为何在三到六个月内转向Token Minimizing？
    5. 12:55为何放弃在Kong的位置，第一次以CEO身份创业？
    6. 17:50Agent Infra为何更可能是创业公司的机会，而不是公有云的生意？
    7. 18:49面对Anthropic和OpenAI，Runta的差异化在哪里？
    8. 21:05E2B、Daytona式Sandbox为何难以承载长程Agent？
    9. 25:12企业说自己有几百个Agent，Agent的边界究竟怎么划？
    10. 26:23AI 如何吞噬人的权限边界？
    11. 28:39为什么灾难性的Agent事故必然会发生？
    12. 32:28Runta 95%以上的开发工作都在Vibe Coding，人类工程师还不可替代在哪？
    13. 33:28Agent安全出问题，根源更可能在模型、Harness还是执行底座？
    14. 37:27“模型能力已经够了”，为什么下一场竞争要卷Infra？
    15. 42:16冠兰早期加入 Cloudflare 和 Kong ——职场新人应该如何选对 startup 中的赢家？
    16. 45:14年轻人信息有限，如何在面试前真正看懂一家创业公司？
    17. 48:31300万美元做天使投资，投给谁？
    18. 50:10Claude Code还是Codex？
    19. 54:305个好消息、5个坏消息
  • 08-02「热爱一个行业15年的理由是什么？」｜对谈汪天凡：我要投真正的快乐、投最纯的愿景、投人性的光辉【公路播客】
    1. 00:21快问快答：年龄、MBTI、星座、毕业院校
    2. 04:01当基础模型趋同，AI 智能开始通胀，什么会成为真正的稀缺品？
    3. 05:34华强北 80 块就能平替，Looki 等 AI 硬件真正难抄的是什么？
    4. 07:47AI 如何重构 VC 的研究、尽调与投后？
    5. 09:03AI 公司靠什么进入行业前 5%？
    6. 10:40做了 15 年 VC，还爱着这个行业吗？
    7. 15:49卓越投资人最重要的能力是什么？
    8. 15:492026 最泡沫的时候，投资人该取什么、舍什么？
    9. 19:09为什么 AI 不该只追求效率，而应该激活人性的光辉？
    10. 22:19一天打开手机 97 次，这是不对的。
    11. 26:28AI Infra 为什么像三四年前的 Crypto Infra 泡沫？
    12. 29:58AI 是 30 年的技术革命，还是 3000 年的文明变革？
    13. 31:09为什么 AI 时代的门槛，可能只有 1% 的人能跨过去？
    14. 34:21Prompt 为什么要越长越好？
    15. 37:49去年市场都在追 AI 眼镜，Will 为什么不投？
    16. 42:31早期公司还在进攻，为什么“壁垒”是个错误问题？
    17. 44:08完美投资为什么应该满足三非理论？
    18. 46:072026 到底是不是 AI 投资的好年份？
    19. 48:34为什么不该只投资提高效率的 AI 产品，而更该投资有野心和愿景的创始人？
    20. 50:08如果 AI 只剩效率，人会变得更快乐吗？