晚点聊 LateTalk 封面

PODCAST · 推荐第 08 位

晚点聊 LateTalk

晚点 LatePost · 中文 · 188 期 · 2021 年起

《晚点 LatePost》出品的科技访谈,请从业者讲一手的行业观察和自己的思考。

科技商业访谈

全部节目

188 期 · 58 个月 · 116 期带分节 · 点 ▶ 从那一节开始听

2026 年 11 月

5 期
  • 11-19189: Geodesic顾全全:预训练有点“无聊”了,但用scaling改变AI制药才刚开始原站 ↗
    章节 · 21 段展开章节
    1. 00:59为什么离开字节:AI 制药与预训练的双线经历
    2. 02:52三个 AI for 制药团队为何一度在字节内并行
    3. 11:21为什么押注 AI for Science
    4. 14:04Chai-2 改变了什么:从结构预测走向抗体与蛋白质设计
    5. 22:57新方向:把 scaling 带进 AI 制药
    6. 24:4625 年初加入豆包预训练:解决 scaling 和训练稳定性
    7. 28:06何谓 “训飞”?为何中国大模型团队去年至今普遍遇到训练波折
    8. 32:52四类团队协作 “盖楼”:数据、架构、优化与 Infra
    9. 37:00字节为什么禁止蒸馏:短期能力与世界第一的取舍
    10. 42:13预训练还有多少秘密和诀窍?
    11. 46:28“已经有点儿无聊了”
    12. 51:06字节投入 coding,为什么看起来晚
    13. 55:04公开数据多、算力投入少:生物模型是 scaling 的 “洼地”
    14. 57:39蛋白质语言模型 vs 结构设计模型
    15. 01:02:51为什么必须自建湿实验室?
    16. 01:07:08商业模式设想:自己做药,也向药企提供模型:按任务价值收费
    17. 01:13:28AI for Science 能否复制 AI coding 的跃迁
    18. 01:14:28大模型热潮如何击穿学界
    19. 01:17:49现在还值得读博士吗?
    20. 01:22:28“用差异化追求掩盖了都很菜的事实”
    21. 01:32:58仍会研究那些多年没解决的理论问题,这是 “大脑的保健操”
  • 11-15188: 黄仁勋闪电离职之后:英伟达、AI 基建、中美竞争和算力江湖原站 ↗
    章节 · 21 段展开章节
    1. 02:19对英伟达:失去了能顶住压力做转型、升级的创始人
    2. 06:27对 AI 基建:更保守的 CFO 接任,AI“央行行长” 换人
    3. 08:31英伟达的三重挑战:即使没有出轨风波,它也处在最需要创始人的时刻
    4. 11:48对股价:英伟达过去一年涨幅已很小,如今创始人溢价也不再
    5. 17:07AMD、博通吃到短期涨幅,但不解决长期挑战:美民众反对建数据中心、中国算力生意又做不了
    6. 19:44一损俱损:CoreWeave、新云与倒卡公司
    7. 21:11利好国产 GPU 的需求预期,但产能是问题
    8. 26:09中国大型云厂商开始抢卡,B300 服务器此前已涨到 2000 万元
    9. 28:45云厂商的左右互搏:存量卡升值、新增成本上升
    10. 32:46美国进一步禁止中国开源模型的可能性变大
    11. 35:00那些中美之间的公司,再难 “站中间、串两边”
    12. 36:25数十年后回望,“川普变法失败” or 给人类应对 AI 风险的可能
    13. 42:10黄仁勋还能回归吗?得先把自己从 “刑事犯罪风险” 中解救出来
    14. 51:40英伟达长期 CEO 人选:如果是库克,那台湾供应链 “完了”
    15. 53:26目前,哪些英伟达芯片能合法进入中国
    16. 57:10美国对华芯片管制的四层手段
    17. 59:332025~2026 从供过于求到供不应求
    18. 01:01:48BAT 与独立模型公司的算力分配
    19. 01:06:46未来三个月展望:调查、资产配置与 AI“缩表”
    20. 01:10:39基建周期或已走完,应用层仍然很早
    21. 01:14:23连点成线
  • 11-13187: 对话LiberAI刘松铭:Astra来袭,00后物理AI创始人看到的胜率原站 ↗
    章节 · 23 段展开章节
    1. 01:29“00 后小天才” 为何集中创业
    2. 05:572025 年下半年看到的 3 个信号
    3. 11:33从化学竞赛进入清华,到转系计算机
    4. 21:00在具身领域的第一个研究:RDT-1.2 B,交流群里涌进数千人
    5. 25:47不搭配 “行业大佬”、不等教职
    6. 30:33出发前看到的事:周期变化、基模影响,Astra 的印证
    7. 37:00具身模型可能变薄,第一天就是全栈公司
    8. 43:17极致热爱的不是某项技术,是创业本身
    9. 51:57Liber-0 的三项验证
    10. 59:24220 万小时的数据的发现
    11. 01:05:28手套数据为何能超越遥操数据?
    12. 01:09:22为模型设计硬件:能弯、能扭的腰、能转的手腕
    13. 01:15:40三阶段预训练:从 “看” 到 “做”
    14. 01:26:24从模型到商业价值,中间还有场景基础设施
    15. 01:32:01选场景的四个条件
    16. 01:39:27OpenAI、制造巨头与非标自动化公司,谁是真正对手
    17. 01:44:02基模做 System 2,创业公司啃 System 1 的硬骨头
    18. 01:45:57Astra 的边界:擅长理解规划,不擅长强接触与 “最后一毫米”
    19. 01:50:17脏、慢、累的物理世界,如何长出一家 “苹果”
    20. 01:59:55全栈团队如何靠 taste、克制与协作运转
    21. 02:04:40用组织抵抗先入为主
    22. 02:09:42短期和长期确定,中期路径最不确定
    23. 02:11:16利润如何分配,机器人又如何让人获得自由
  • 11-06185: Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险原站 ↗
    章节 · 13 段展开章节
    1. 04:15客户集中度改善 & 现金流的 “会计小把戏”
    2. 07:50值得追踪的三个指标:客户集中度、客户增购、单位算力的收入
    3. 12:41收入增速:Q2 144% → Q3 45%,远低于市场预期
    4. 20:12市值能否站上 1.5 万亿?要看数据外推的年底 ARR 还能否达到 1000 亿
    5. 24:01增购情况:900% 的 NRR(净收入留存率)很高,但如基数太小,参考价值不大
    6. 26:1537% 的云分成很贵,但现在贵有贵的道理
    7. 33:01近 9000 亿美元算力合同:关键不在总额,而在刚性
    8. 41:23成本长租、收入短租:WeWork 式的期限错配风险
    9. 43:16Coding 之后,接棒的需求来自哪里?
    10. 48:00现金流与利润,成色如何?
    11. 51:02要判断 AI 基建行情,真正该研究的是需求曲线的斜率
    12. 54:19亚马逊释放了强信号,判断泡沫破裂为时尚早
    13. 56:27Nscale 等算力房地产生意面临大风险;但即使债务风险爆发,这次的冲击会小于 2008 年
  • 11-06186: Anthropic招股书丨“银行也有百亿预算”,与Fusion Fund张璐聊大企业在想什么原站 ↗
    章节 · 15 段展开章节
    1. 03:35从 Anthropic 招股书看企业客户、增长与资本投入
    2. 08:051.5 万亿美元还是 2 万亿美元:定价、收入增速与开源冲击
    3. 12:57员工上市首日可套现 10%,锁定期设计影响几何?
    4. 17:48慧眼识珠的 Spark Capital、投资被偿债的 FTX,Anthropic 的早期融资故事
    5. 22:09逐渐成为共识:算力上游不想 OpenAI 独大、专注企业市场、发现 coding 机会
    6. 29:11没有第二个 coding?Anthropic 应从模型商变成企业智能体平台
    7. 31:37财富 500 强为何把 AI 和数据战略提到最高优先级
    8. 36:44企业改造为何需要多年:旧工作流、监管与成本
    9. 42:00金融、法律和医疗很难像 coding 一样快速爆发
    10. 45:29企业后台智能体、医疗与高监管行业
    11. 48:52前沿模型越做越大,给垂直公司留下机会
    12. 54:01前沿模型公司押注 AI for Science,而制药的瓶颈是提高临床成功率
    13. 59:28长期算力承诺与硅谷中腰部公司的 GPU 转租
    14. 01:08:05更明确的 AI 监管政策,是部分大企业部署 AI 的前提
    15. 01:10:35连点成线:重要事情说三遍,需求、需求、需求。

2026 年 10 月

2 期
  • 10-15184: 与陈哲的「具身季报26Q3」:Astra冲击后,通用模型会吃掉Robotics吗?原站 ↗
    章节 · 21 段展开章节
    1. 02:53Q3 Top 5 进展或事件:Astra、World Labs 被收购、宇树 IPO 及连锁反应、上下文学习、FCC 禁令
    2. 04:51GPT-6 Astra 从规划层走向机器人策略
    3. 12:56IROS 晚宴上的 “降临派” vs “拯救派”
    4. 17:42Astra 的三种用法:充当策略模型、监督纠偏策略模型、充当具身研究员(Physical RSI)
    5. 26:54Astra 的能力从何而来?它们使用了何种特殊数据?
    6. 37:37中国通用模型公司全面进入 Robotics
    7. 39:28具身创业公司的自留地:接口、闭环、硬件与垂直场景
    8. 45:17World Labs 被收购:明星世界模型公司的一种结局
    9. 46:53收购 SceniX,发布 Atlas,收购前的具身相关进展
    10. 54:04“没见过神迹的人是不相信的”:Frontier Lab 与机器人从业者的认知断层
    11. 56:24宇树 IPO:从 4400 亿到 1700 亿,估值锚如何变化?
    12. 58:04Astra 之后,宇树硬件本体的价值反而增强
    13. 01:01:51具身 IPO 集体暂缓,和市场期待错位
    14. 01:11:21上下文学习(ICL,in-context-learning):数秒到数分钟的视频示范,免去数小时乃至数天的后训练
    15. 01:17:49GEN-1.5 与 S1 的 ICL 实现有何不同
    16. 01:19:43其他具身进展:DYNA 2.1、Gemini Robotics 2
    17. 01:23:39Google 与 Optimus,当经验成为包袱
    18. 01:29:24FCC(美国联邦通信委员会)新政策限制哪些机器人?
    19. 01:33:26短期美国仍可买进口中国旧型号机器人,长期的解法可能是产能出海
    20. 01:36:50Q4 展望:Physical RSI、通用模型公司入场与组织重塑
    21. 01:42:11连点成线:延伸推荐
  • 10-02183: 与Henry的「AI季报26Q3」:Muse引爆个人助理、Astra进入机器人、OpenAI收入猛增原站 ↗
    章节 · 22 段展开章节
    1. 01:44OpenAI Dots:常驻云端的个人助理,为什么从 100 美元起步
    2. 08:25“眼里有活”的 Instinct,但数据条款让人退缩
    3. 11:27个人助理为何此刻爆发:Computer Use 成熟、推理成本下降
    4. 16:11App 会接受被个人助理 over the top 吗?
    5. 22:02下一步:能力、生态、个性化与安全
    6. 31:11Astra 与 Opus 5.5:新旗舰强在哪里,从“Put That There”到操作 Blender
    7. 42:57蒸馏与反蒸馏:Astra 为什么更难蒸?
    8. 45:50一万个 Agent、88 小时:OpenAI 如何挑战 Navier–Stokes
    9. 53:43通用模型进入机器人:大语言模型直接成为策略模型
    10. 01:02:30前沿模型进入生物科技:蛋白质设计、新酶与 GPT-Rosalind
    11. 01:06:18OpenAI ARR 猛增,Anthropic 增速是否已被反超
    12. 01:12:52Anthropic 上市材料:大客户、云渠道与 5180 亿美元承诺
    13. 01:15:10招股书该看什么:用户画像、收入分布与 Coding 渗透率
    14. 01:16:491200 个 Agent 冲破隔离:“我的天,我找到了其他 Agent” 01:26:45 We Must Pace the Frontier:第三方评估能做什
    15. 01:28:29RSI 的两条路线,以及为什么 Infra 成为第一站
    16. 01:33:05便宜和快为何变得更重要:同等智能的成本暴跌
    17. 01:40:08从亏本到盈利:低价模型怎样改变开发者行为
    18. 01:43:20Jev 爆火:把自然语言变成编程里的 if
    19. 01:49:06GPT-Live-1 与 Interaction Models:实时交互走到哪一步
    20. 01:54:08Grok 强势反弹:独特数据与预训练门槛
    21. 02:00:37Q3 的两条主线与 Q4 悬念
    22. 02:03:41连点成线:延伸推荐

2026 年 9 月

2 期
  • 09-23182: 对话梁琛奇:抖音、猫箱、创业,「他们都搞生产力,我想用 AI 创造开心」原站 ↗
    章节 · 24 段展开章节
    1. 01:57每一轮技术变革,娱乐就是会比工具慢,而“我只想做娱乐”
    2. 14:20主动选择抖音,加入在 2018 年爆火之前
    3. 18:38在抖音做社交,体验 Alex 的“细节变态”
    4. 29:57入职两年做产品一号位,最大的教训是不可逆势而为
    5. 36:05“动念引线”和 DayFold:火花来自人类,AI 助燃
    6. 41:26从 ChatGPT 到猫箱:互动内容的新格式
    7. 47:23AI 给娱乐的机会:供给扩大、无限分支的体验与 Scale“人”
    8. 01:02:48文字互动产品,多数的核心是角色,而猫箱的核心是故事
    9. 01:09:45移动互联网产品是搭房子,AI 产品是养女儿
    10. 01:12:18从猫箱到动念引线:都在自己训模型
    11. 01:18:32新体验大概率来自新公司
    12. 01:25:42字节的方法论:找到那辆合适的车,踩油门
    13. 01:33:43字节背景创业者被高估了吗?那些带不走的能力
    14. 01:38:44把“想象力的摄像头”丢进人群
    15. 01:50:19优化一:把消费也变得烧 token,这才有新平台的机会
    16. 01:55:07把公司做成“产品 UGC”组织
    17. 02:04:38优化二&三:收浓人群&提高频次
    18. 02:13:45ChatGPT 最了解很多人,前沿模型厂商会吃掉娱乐应用吗?
    19. 02:31:42版本答案何时出现,以及它不是什么?
    20. 02:44:40低估了 Coding 的进化速度,高估了 Sora 带来的行业加速
    21. 02:55:59从模型切入,大概率做不出新的娱乐体验
    22. 03:07:22“你还是得解决,大量不参与科技爆炸的人的价值感”
    23. 03:13:27少数人向前,多数人向四面八方
    24. 03:18:00本期「连点成线」
  • 09-01180: 具身智能的金钱游戏:进展难测、收入催熟与 IPO 竞速原站 ↗
    章节 · 16 段展开章节
    1. 02:33融资竞赛:大家拿了很多钱,却花得很少
    2. 05:40具身进展难观测,也更容易在高估和低估中摇摆
    3. 08:51抓一个轴承要 70 秒:比人慢,也比成熟工业机器人慢
    4. 16:47“上春晚不是问题,都上春晚就是问题”。
    5. 17:39融资越多,越得奔着做大和 IPO
    6. 18:13港股 18C:2.5 亿港元收入只是最低门槛
    7. 19:44数采中心:地方政府、就业和数据销售如何闭环
    8. 24:06被质疑的科研、跳舞、迎宾,也许是当前最市场化的收入
    9. 29:18供应商既是客户,也是投资人,是合资公司股东,是销售代理
    10. 32:38一个例子:宇树等机器人的 800 万元订单,如何撬动长盛轴承的想象
    11. 36:42二代们执掌机器人:从果链、汽车链到机器人链
    12. 41:132000 万,成为智元 VAP
    13. 45:15Optimus 预期落空,看销量预期,邓泰华比马斯克准
    14. 50:30Club Deal:“T0 级”产投、VC 的排列组合
    15. 54:44泡沫继续,二级投资人开始寻找可验证指标
    16. 58:57未来最重要的验证:数据 Scaling 与上市后定价

2026 年 8 月

3 期
  • 08-16179: 蒸馏风暴:一场无人公开谈论的技术竞赛原站 ↗
    章节 · 14 段展开章节
    1. 02:04典型蒸馏:让学生模型逼近教师的输出行为
    2. 04:26智能体轨迹蒸馏:可被“蒸”的数据越来越丰富
    3. 06:41不是所有使用强模型输出的训练都是蒸馏,但都违反用户协议
    4. 08:05蒸馏规模扩大的两个关键节点
    5. 10:17从为了压缩,到为了变强
    6. 13:51张一鸣的判断:最多只能逼近,很难真正超越
    7. 17:44一个运动员可以既嗑兴奋剂,也勤加训练吗?
    8. 24:41其它公司的蒸馏讨论
    9. 28:52账号、真实问题与数据管线:大规模蒸馏的 know-how
    10. 32:08蒸馏行为可以被隐藏吗?
    11. 34:56学生模型超越教师模型的可能性
    12. 37:29一直逼近而不超越,问题是什么?
    13. 38:35蒸馏的红线与“双标”争议
    14. 44:05更便宜的智能,如何改变前沿模型商业逻辑
  • 08-07178: 与田渊栋聊 RSI:模型自进化如何到来?原站 ↗
    章节 · 18 段展开章节
    1. 05:53为什么 RSI 在今年变热?
    2. 07:15去年与 GPT-5 合写论文,从不用再招实习生到创业
    3. 13:10coding 能力提升后,研究老手的春天又回来了
    4. 15:26从 AutoML 到 RSI:AI 辅助研究的今夕变化
    5. 19:48Anthropic 长文更多展示了提效,还不是递归自进化
    6. 27:14解决 RSI 不只靠 coding 这个支点
    7. 38:07强者愈强的变数:智能提升可能是跳跃的,而非平滑的
    8. 43:38终极形态也许是“修仙社会”
    9. 45:51First Steps:三个 benchmark 的初步成果
    10. 54:43现在缺什么?数据、算力与可解释性
    11. 57:13自我进化的风险
    12. 59:37“多数人已经绝望了,但我认为AI 终将成为科学”
    13. 01:05:45当 AI 能自己发现新知识,那我就来欣赏吧
    14. 01:08:13从 Waymo 到 FAIR,从工程回到研究
    15. 01:14:11hands on 带来的研究判断:区分难的不同程度
    16. 01:20:26大厂为什么变慢:小团队、扁平协作与 150 人临界点
    17. 01:23:22追求美的结构,也知道这是一种局限
    18. 01:26:09连点成线:延伸推荐
  • 08-03177: 详解Kimi K3:强到冲击Anthropic估值的模型什么样?原站 ↗
    章节 · 21 段展开章节
    1. 05:13使用体感:长程任务、惊艳的前端能力与被吐槽的不足
    2. 11:15K3 引发的开源、安全与估值大辩论
    3. 16:50Transformer 的「忒修斯之船」
    4. 25:34贵不贵、慢不慢,看单价之外的任务总成本
    5. 29:25K3 为什么现在慢?新架构、Serving Stack 与前缀复用
    6. 34:42权重一旦开放就收不回;真正的护城河在环境、验证和算力
    7. 39:36架构总览:让信息沿序列与深度更高效流动
    8. 42:42Quantile Balancing:近千个专家如何保持负载均衡
    9. 48:38KDA+MLA:线性注意力与全局注意力并非二选一
    10. 54:12线性注意力下,百万上下文如何缓解遗忘
    11. 57:27线性注意力给推理系统带来的工程变化
    12. 01:00:546.3 倍解码加速来自哪里
    13. 01:03:34Attention Residuals:让深层模型选择性读取浅层信息
    14. 01:10:23Per-head Muon 与大规模训练稳定性
    15. 01:14:46AI 能否自己发明优化器
    16. 01:20:34MOPD:九个领域专家为什么先分后合
    17. 01:27:11蒸馏的纯技术定义、on-policy 蒸馏与 off-policy 蒸馏的区别
    18. 01:31:08KDA 结构下,投机采样回退机制的变化
    19. 01:39:47Flash KDA、QAT 与训练—推理一致
    20. 01:46:50下一个开源最强,以及开源能否超过闭源
    21. 01:48:29持续学习、评测与模型平台期

2026 年 7 月

6 期
  • 07-31176: 姚顺雨,来到腾讯300天原站 ↗
    章节 · 22 段展开章节
    1. 02:19报道之外:组织上升期里的暗流
    2. 05:04Kimi K3 之后,“小模型” 路线的两种声音
    3. 07:46腾讯为什么要找一个年轻 Leader
    4. 13:09从 AI Lab 赛马到一个 “残缺的组织”
    5. 18:41姚顺雨的 “下半场” 判断:腾讯的 Context 为什么有吸引力
    6. 26:01多模态并入,姚顺雨的 Scope 持续扩大
    7. 27:29两三个月换掉关键岗位
    8. 35:04一个不像 “纯技术 Leader” 的组织型管理者
    9. 41:45刘炽平的支持:钱、人、算力和时间
    10. 44:17混元 3 第一炮:目标不是登顶,而是重振士气
    11. 49:27强化学习平台与模型—产品协作
    12. 52:04把 AI 原生产品集中到 CSIG
    13. 56:15内部强化学习平台从 WorkBuddy、元宝开始
    14. 57:45混元和微信:模型之间 “没有很直接的关系”
    15. 01:07:45为什么微信 WeLM 和混元大概率会长期并存
    16. 01:10:19“联邦制” 腾讯需要和能拧成一股绳吗?
    17. 01:17:43改革的第二阶段:成绩与文化兼容
    18. 01:21:38后来居上的标准:先拿出第一梯队模型
    19. 01:27:02如果今年底再写 BAT AI 竞争,主题会是什么?
    20. 01:29:39从程序员到白领,商业化爆发速度还会那么快吗?
    21. 01:33:27泡沫何时扩散:今年下半年的转折
    22. 01:35:38连点成线: 延伸推荐
  • 07-30175: 对话Liblib陈冕:关于活下来,以及所有接近死亡的时刻原站 ↗
    章节 · 18 段展开章节
    1. 4:10爆雷?投流多?补贴多?
    2. 8:21不能自爆式打法,但不是负毛利
    3. 11:01LibTV 3.9 折会员的由来,还在探索高 Token 消耗的生产力产品商业模式
    4. 19:26“不侵略性强,我怎么厉害呢?我不厉害,我怎么活下来呢?”
    5. 21:42只剩 4000 块的故事,其实只有 600 万的时候就慌了
    6. 28:35创业后新体会,英雄也会改变时势
    7. 34:51LibTV 的原创度争议和收购传闻的来源
    8. 42:11关于投流的误解,可能来源于饱和式信息攻击
    9. 49:20管理的两个 reward model,我没有做好
    10. 54:20联创离开
    11. 58:01拜托创新是有成本的,应用公司没法有自由探索的创新
    12. 01:08:36Lovart 上线前的完蛋时刻,第一次对股东哭了
    13. 01:19:32团队出问题,从美国飞回来解决
    14. 01:28:10逐鹿中原与占领江东:没法说明白的 survive 路径
    15. 01:37:17成功概率小,但我 bet 人类有没有价值
    16. 01:46:09网瘾少年、金庸迷和话剧演员
    17. 01:57:37AI 时代奖励焦虑的人
    18. 02:05:55创业三年反思:开了一辆极快的车
  • 07-27174: AI冲击企业软件巨头?与SAP原欣聊大模型to B的颠覆与边界原站 ↗
    章节 · 19 段展开章节
    1. 02:51从 ERP 起家的全球企业软件巨头
    2. 12:59AI coding 来了,但业务逻辑和标准流程仍有价值
    3. 22:29“日抛式软件” 可以满足临时需求,大企业仍需要信任和合规
    4. 27:18AI 会让大公司消失吗?拆散与聚合的力量同时存在
    5. 32:30“自主运营企业”:Agent 执行,但未来 5 到 10 年仍需 human in the loop
    6. 37:31为什么 SAP 不自己训练通用基础模型?
    7. 42:39“模型即产品” 在 To B 市场成立吗?
    8. 44:58企业用 AI 的落差:老板说 “我也要”,但脏数据不会自动消失
    9. 47:30把 “老师傅” 蒸出来:非结构化决策如何沉淀为企业记忆
    10. 49:55FDE 和传统驻场工程师、ERP 顾问有什么不同?
    11. 55:43一个关务案例:Agent 准确率从六七成提升到九成以上
    12. 58:40OpenAI、Anthropic 进入 To B,会和 SAP 正面竞争吗?
    13. 01:05:2188% 的企业尝试 AI,为什么只有 3% 认为获得了业务回报?
    14. 01:07:43大公司有钱做实验,小公司跑得快,最挣扎的是中型企业
    15. 01:09:24中国为什么没有长出全球 SaaS 巨头?高速增长留下的系统欠账
    16. 01:13:14哪些行业会先采用 AI?轻资产服务业在前,制造业从市场和售后切入
    17. 01:20:34SAP 与阿里合作:千问、阿里云、钉钉和 ERP 如何服务中国客户
    18. 01:23:20中国企业出海:税务、合规、并购与全球流程整合
    19. 01:26:42从本地部署、云到生成式 AI:技术周期的区别是速度,人的复杂性没有变
  • 07-21173: 对话姚颂:深鉴、东方空间、再出发,「天才少年」十年后原站 ↗
    章节 · 24 段展开章节
    1. 01:43十年三次创业,一个圆、两条线
    2. 07:11初入清华,每天必须学满 11 小时
    3. 15:22人生要么 boring 要么 suffering,我不想 boring
    4. 19:33杨植麟、高继扬、王鹤、许华哲、陈建宇……十年前清华园里的少年们在较量什么?
    5. 24:17把本科科研做成产品和公司
    6. 32:23见了 50 家机构没人投,张予彤和林仁俊投了
    7. 40:04拒绝英伟达和英特尔,推演出此后剧情
    8. 51:2226 岁第一次卖公司,开心两分钟后就「灰暗」了
    9. 01:00:02在经纬的自由时间,张颖说:你最需要的是信息
    10. 01:13:24中国商业航天的关键是:中国、商业、航天;路径是好、多、快、省
    11. 01:20:39开心的:引力一号发射,第一次固体捆固体、第一次民营发射直播
    12. 01:26:02难受的、遗憾的,也是成长的
    13. 01:30:54这一次的天时、地利、人和
    14. 01:41:5080 岁的谢国民说:你们都别起身,你们都是老师
    15. 01:47:20一两个小天才无法解决问题;Alex、何恺明、任少卿、代季峰……CNN 的历史说明,谁也不能一直领先
    16. 01:57:26缩短前沿算法到价值的链路
    17. 02:06:08智能优先只适合极少数者,要在每一个 milestone 有商业落地
    18. 02:16:37智能优先的 OpenAI、Anthropic 为何不会摘取物理 AI 果实
    19. 02:23:56尺寸和速度一开始就重要,因为端侧部署很重要→“隐空间”
    20. 02:26:39那么,如何看以视频生成成为骨干的 WAM 热潮?
    21. 02:31:17所有制造、互联网巨头都会投入物理 AI,这是未来经济支柱
    22. 02:40:52创业者是十分进攻,0 分防守;企业家是 8 分进攻,2 分防守
    23. 02:45:26十年前的天才少年,看今天的天才少年
    24. 02:51:01Striding 是大步走,是走得正
  • 07-15172: Momenta IPO后再访曹旭东:就是想做没有尽头的AI原站 ↗
    章节 · 20 段展开章节
    1. 03:54什么叫“竞争结束”?改变格局的窗口正在关闭
    2. 07:59智驾从 nice to have 走到了 must have
    3. 17:50车企的竞争力不在于能做智驾
    4. 27:41家庭场景拐点将至,R7 验证了世界模型
    5. 34:54同样创业十年的 Momenta 和宇树
    6. 39:06RoboVan > RoboTruck > RoboTaxi
    7. 44:54量产智驾、Robo 和机器人,世界模型是共同底座
    8. 48:52“规模不是我们思考的出发点”
    9. 58:04一旦思考起智能,停不下来
    10. 01:04:55从孙剑那儿学到的:超一流的人是聪明人下苦功夫
    11. 01:09:09加入商汤,十年前的 AI 赋能百业
    12. 01:15:33不再只是研究员:天性偏好、底层愿望
    13. 01:20:27创立 Momenta:感知和认知的结合点
    14. 01:23:30为什么十年前就看到“数据驱动”?
    15. 01:29:12数据驱动的推演:要量产,不要 Waymo
    16. 01:34:27从一个研究院到真的创业公司
    17. 01:38:46从“血肉模糊”的首个客户到研发和交付的“主线原则”
    18. 01:47:50“相信”和“真的相信”不一样
    19. 01:49:52回到一线,回到一线,回到一线
    20. 01:57:50狐狸知道很多事,刺猬知道一件大事
  • 07-01171: 与Henry的「AI季报 26Q2」:从 coding 到 RSI,强者愈强的未来?原站 ↗
    章节 · 13 段展开章节
    1. 04:20上季季报回顾:延续的、反转的
    2. 08:21当前竞争:两家的新模型、coding Agent 份额和价格战
    3. 19:26相关第三方:被收购的 Cursor,创业公司中的第一名仍有高额溢价
    4. 22:01对模型已最强的公司来说,不是”模型即产品“
    5. 28:04是什么?为什么火?涌现的新团队
    6. 32:14Anthropic 长文《When AI builds itself》
    7. 39:15Recursive Superintelligence 6 月中旬的第一批具体成果
    8. 43:14OpenAI 官宣 Robotics 团队,Anthropic 为何也考虑做机器人?
    9. 46:24《世界模型》研究报告的梳理与发现
    10. 51:39美国公司用中国开源模型,自己拥有自己的模型
    11. 01:05:59新的交互:Record & Replay、Claude Tag;TML 和 OpenAI realtime 的本季语音新模型
    12. 01:23:25Meta、Google、xAI 近况;赶上最强梯队的可能性?
    13. 01:34:26Midjourney 的”不务正业“,发布超声波医学影像设备全身扫描器

2026 年 6 月

3 期
  • 06-29170: 与陈哲的「具身季报 26Q2」:世界模型大风不停,和不想被贴标签的人原站 ↗
    章节 · 18 段展开章节
    1. 02:54Q2 Top 5 总览
    2. 07:17人形马拉松,荣耀夺冠、大厂加码的先声
    3. 14:56物流,为何是人形机器人的好场景?
    4. 21:19遥操从不是争议点,是真实部署时的必要模块
    5. 25:24星动纪元合作中国邮政,总结过往 to B 机器人的场景选择
    6. 28:55数采范式的 3 次变化
    7. 34:48ICRA 最大亮点:舞肌等中国高自由度灵巧手
    8. 43:03灵巧操作:Demo 很惊艳,技术在早期
    9. 53:32再论直驱和绳驱:大厂继续跟绳驱(Optimus),长期仍看好直驱
    10. 01:02:57英伟达 Cosmos 3:从生成视频到直接生成动作
    11. 01:08:51具身的世界模型分类:3 个相交圆
    12. 01:14:04世界模型投资热:大模型教会投资人的事,追逐智能
    13. 01:19:55π0.7:VLA 融合轻量世界模型
    14. 01:22:46Gen-1:从头预训练,不被路线定义
    15. 01:28:40Google 发布 ER1.6,OpenAI Robotics 团队官宣
    16. 01:37:56智能部分是否赢家通吃?Omni 模型是个变量
    17. 01:42:46“对长期不确定性探索的容忍度依然差”
    18. 01:47:50下季度展望:终端大厂加快入场
  • 06-16169: 访谈Cerebras早期投资人周楠:英伟达挑战者?Scaling Law的萌芽、被遗忘的百度美研原站 ↗
    章节 · 16 段展开章节
    1. 03:26Cerebras 离“英伟达挑战者”还有多远?
    2. 11:16从 Sam Altman 最早投 Cerebras 到如今与 OpenAI 的 200 亿美元订单
    3. 18:27Cerebras 的上限与下限,WSE 架构优劣
    4. 23:28为什么百度当时要投芯片?
    5. 29:02Dario Amodei 的早期代表作 DeepSpeech 2,Scaling laws 的萌芽
    6. 32:17Cerebras, Graphcore, Wave Computing,三选一
    7. 37:06与研究员一起做尽调,逐一排查风险点
    8. 46:18IC 投决过程,未流片前的决策
    9. 53:35Cerebras 的至暗两年,如何挺过流片不顺
    10. 01:00:02“黄埔军校”和一份生不逢时的 deal list
    11. 01:04:04OpenAI 和 Anthropic 早期都未得典型 VC 支持
    12. 01:09:04他们后来为什么离开百度?
    13. 01:12:23起了大早,赶了晚集,一部分是“宿命”
    14. 01:18:30推理优化和 Infra 的更多创新
    15. 01:26:11真正的早期投资变难,一股趋势是募大钱投显然的 winner
    16. 01:31:11物理 AI,下一阶段的大分歧和机会
  • 06-10168: 对话王新宇:美团龙珠怎么投科技?原站 ↗
    章节 · 17 段展开章节
    1. 01:312008 级 5023,“复旦最牛宿舍”
    2. 11:37计算机视觉背景,为何没投 CV 四小龙?
    3. 17:05离开大机构,验证自己能否长期做投资
    4. 23:37理想汽车是一笔传奇投资,王兴有不灭的好奇心
    5. 33:20龙珠的“三纵三横”科技推演
    6. 38:082023 年 7 月投资月之暗面,“见面后,杨植麟打消了我的一切负面疑问”
    7. 47:10DeepSeek 冲击,“人教人教不会,事教人一次就会”
    8. 51:27已投十余家 AI 应用公司,创始人出生高峰是 1997 年
    9. 01:01:082023 年底之后,看懂了宇树,也看到了具身智能大概率会发生
    10. 01:11:15具身智能的链主不一定自己造本体
    11. 01:12:47谈“泡沫”:投入具身的钱不是太多,而是太少
    12. 01:19:37怎么定义具身智能的 GPT-3.5 时刻?
    13. 01:28:38类比自动驾驶,为什么 2019 年是个拐点?
    14. 01:33:02十年前的王兴兴,十年前的宇树
    15. 01:43:55具身市场推演:集中度、产业链分工
    16. 01:54:19语言模型和具身智能之外
    17. 02:01:26一个思想游戏:如果 AI 今天被质子锁死,然后呢?

2026 年 5 月

4 期
  • 05-28167: 洋葱学园杨临风:用AI制造捷径,是在杀死真学习原站 ↗
    章节 · 13 段展开章节
    1. 02:32哈佛支教、阳光书屋
    2. 08:58自主学习是意愿、能力和工具的协同
    3. 16:04为什么数学?为什么 5~8 分钟动画
    4. 28:23AI 能提升制作教育内容的效率,但提升有限
    5. 39:13不做双师大班课,不追风口
    6. 48:30就算没有双减,双师大班也很难满足教育新需求
    7. 52:51洋葱、猿辅导、与爱为舞……AI 教育的不同思路
    8. 01:05:45AI 动摇应试教育,但学知识的过程依然必要,学校依然必要
    9. 01:11:00K12 最重要目标:学会自立
    10. 01:15:52各家大模型在教育场景的表现
    11. 01:18:14曾经受到的最大质疑:自主学习只适合少数人?
    12. 01:28:38过去相信先赚钱再实现目标,后来发现不必如此
    13. 01:33:55创业不是开不开心的问题
  • 05-25166: 许华哲再次具身创业:不想错过最大的西瓜原站 ↗
    章节 · 15 段展开章节
    1. 01:56离开星海图,看到家庭机器人
    2. 17:02再次创业的信号与 concern
    3. 26:27“学习好”对创业前所未有地重要
    4. 41:11不是 Robotics,不是自动驾驶,也不是史前深度学习
    5. 56:46强化学习可能被低估了
    6. 01:06:06“不要小瞧投资人的梦想”
    7. 01:10:1418~24 个月后会?重资源竞争、大公司入场
    8. 01:16:32最好的会在中国发生,但别错过最大的西瓜
    9. 01:29:18从游戏到物理世界
    10. 01:35:56大多数科研是“噪音”
    11. 01:51:49技术之美:简单的、一致的
    12. 01:57:26具身智能的“时间检验奖”还没出现
    13. 02:08:48一场尽力的马拉松
    14. 02:18:29创业后,找回曾经的自己
    15. 02:23:55连点成线
  • 05-18165: GEAR 高深远:世界模型、自进化循环、DreamDojo原站 ↗
    章节 · 18 段展开章节
    1. 02:19世界模型是什么? 施加动作,预测世界下一刻的状态
    2. 05:35多 Agent(车/机器人)互联的世界模型
    3. 09:57按世界状态的表征方式分类: 4 种世界模型
    4. 15:33最看好 video 世界模型, 因为数据够丰富
    5. 19:36世界模型为何热起来? 数据增多 + 策略模型变强了
    6. 21:42策略是什么?和世界模型的关系
    7. 23:39WAM(DreamZero)相比 VLM 的变化
    8. 28:26世界模型的一大价值是服务策略: 测评、生成数据、突破物理限制的虚拟强化学习
    9. 33:42循环三要素: 世界模型、策略、Agent,它们如何彼此连接、优化
    10. 43:07当前最大瓶颈,突破泛化: 物理的泛化、动作的泛化
    11. 51:49世界模型难以横评, 难以直观看到不同模型的差别
    12. 55:28各团队的世界模型进展: DeepMind、Nvidia、OpenAI、General Intuition
    13. 01:02:44“在学界继续做自动驾驶世界模型没意思了”
    14. 01:06:30加入 GEAR,DreamDojo 和 DreamZero 的发起
    15. 01:14:12在英伟达构建最大规模 Human Center 数据
    16. 01:21:05跨本体的 Latent action,以后还需要吗?
    17. 01:28:41DreamDojo 的评测: 自建 6 个 benchmark 的逻辑
    18. 01:34:50自己不掌握视频基模,能做出有竞争力的世界模型吗?
  • 05-14164: 当AI“杀死”SaaS,与明略吴明辉聊多Agent网络、软件业转型和 AI 新组织原站 ↗
    章节 · 23 段展开章节
    1. 01:42Agent 正杀死 SaaS 已死,数据和上下文的价值更大了
    2. 05:53OpenClaw 开启的新可能:穷人版(不从基模入手的)持续学习
    3. 11:53明略的主业数据挖掘和分析,如何被 AI 改变
    4. 19:51新探索:Agentic Service。软件开源、自训模型赚 Token。
    5. 29:15章鱼想构建集体学习网络, (eˣ)' = eˣ 的指数级增长要给自己造工具
    6. 35:51章鱼开发过程:小团队+AI,核心改造是:认人+权限+信任机制 + 品鉴信号
    7. 46:23龙虾的哲学:康德的义务论约束不了人,但可以约束龙虾
    8. 56:30vs 巨头:章鱼直接开源,“飞书做 AI 转型,也得开源”
    9. 01:05:51自研 GUI-VLA 模型,最大场景是软件自动测试
    10. 01:14:35vs 更小初创企业:1800 人的明略会变得更像“投资公司”
    11. 01:20:33scaling up 是追求单性能突破,scaling out 是横向扩展 agent 网络;后者对人的价值更友好
    12. 01:26:37专注行业小型模型,将开源web retriever数据集;Agent 网络可实现个性化持续学习
    13. 01:34:19验证标准:商业成功+ 科学发现能力;风险是“物理猝死”,大脑太活跃
    14. 01:37:47技术判断太乐观,团队共识不够:
    15. 01:45:291000 多人大团队,"八方神仙"做一个没人懂的产品
    16. 01:55:23从春风得意到减半裁员:看到人的存在;所以现在不裁员,给每个人 AI 船票
    17. 01:58:58希望本身产生力量,尤其是众人的希望
    18. 02:03:29新的 AI 投入何时表现在财务上?
    19. 02:08:11看女儿用 AI:AI 原生一代的观察与启发
    20. 02:11:37不再和孩子一起刷奥数题,识别 beautiful 的题才做
    21. 02:15:14没有危险的专业,而是只会 Think 是危险的
    22. 02:18:43工程师的新价值:在不断变化的应用环境里判断需求,这仍是 AI 无法做的
    23. 02:24:29Scaling Out一定会发生:小公司会先做出来

2026 年 4 月

7 期
  • 04-30163: 详解DeepSeekV4:Infra巨鲸、百万上下文走进现实、极致效率优化原站 ↗
    章节 · 17 段展开章节
    1. 03:01编程能力与“御三家”有差距;不再采用 DeepSeek 自己提出的 MLA
    2. 07:44不再披露训练成本,“用模型能力说话”
    3. 09:23延期推测:四个耦合的新 feature (新注意力+Muon+mHC+FP4)一起上,难度爆炸
    4. 12:36不是范式创新,沿现有范式仍有巨大提升空间
    5. 14:32提出新的能力方向比刷单个 benchmark 重要
    6. 16:41坦诚的内部评测:9% DeepSeek 工程师不会把V4 Pro 作为编程首选
    7. 23:03单 token 推理的计算量和 KV cache 大幅优化,但解决同样问题的 token 消耗更多了
    8. 28:32整体思路:极致的稀疏
    9. 33:45混合稀疏注意力:放弃 MLA,SWA滑动窗口+CSA稀疏压缩+HCA稠密压缩,层间预定义分工
    10. 39:37Muon 优化器已成检验工程能力试金石
    11. 48:52mHC:从 Seed 提出 HC 到 mHC;Kimi 的 Attention Residuals
    12. 54:24Infra 两个关键词:TileLang & FP4
    13. 01:10:11多专家训练+蒸馏的后训练
    14. 01:13:20评测危机:benchmark会过时饱和,evaluation是永恒追求,agent评估未共识
    15. 01:19:25近期模型共性:架构趋同(MOE+Muon),优化方向驱动(agent、coding)
    16. 01:25:18美国追新能力、高定价;中国追性价比、工程极限
    17. 01:28:00V4 最有可能被记住的思想:极致压缩+低激活比+低单token成本,成为后续开源模型起点
  • 04-26162: 批量生素材、模型筛网红|与飞书深诺Meetsocial沈晨岗聊AI时代的出海营销原站 ↗
    章节 · 15 段展开章节
    1. 04:17中国企业出海的三个阶段:产品、公司、品牌
    2. 07:43早年中国出海企业没有认识到营销的力量
    3. 09:452025 年开始中国企业出海营销范式发生变化
    4. 12:32转型成功的出海企业案例:安克
    5. 16:18衡量企业出海能力的模型指标:D-MES
    6. 22:47出海营销领域在 AI 上的共识与非共识
    7. 25:29AI 的使用应该与企业的商业化目标相匹配
    8. 30:38过去三年,AI 如何改变出海营销
    9. 34:07硅谷观察记:中美 AI 营销的差异
    10. 38:30美国营销公司的历史包袱导致 AI 难落地
    11. 42:16Agent 时代的出海营销模式
    12. 48:42案例:Agent 变革短剧投流
    13. 51:46AI 时代,创意和审美变得更重要
    14. 57:07出海服务商如何适应 AI 时代
    15. 01:01:30三年和五年后,AI 将如何改变出海营销
  • 04-23161: 原力灵机唐文斌:中国最早的 AI 创业者和他的具身新旅程原站 ↗
    章节 · 22 段展开章节
    1. 01:49同时参与三项奥赛:信息奥赛的乐趣是解法不唯一
    2. 05:50本科继续 TopCoder :Challenge 机制下,一次干掉 19 个队
    3. 08:29七年 IOI 国家队教练:出题比做题难
    4. 10:31唐杰的第一个研究生,与印奇相约创业
    5. 15:30以 CV 技术做体感游戏,登上 App Store 免费榜前三
    6. 21:56Face++ 开放平台,技术驱动 vs 产品驱动的两种创业
    7. 24:45高中生范浩强成为旷视 6 号员工,“强进(周而进)组合” 夺得 ICCV 人脸识别全球冠军
    8. 30:19AI to B 三个总结:价值可量化、不占客户太高成本、避免项目陷阱
    9. 34:31调度系统才是提效核心,5 轮竞标拿下优衣库上海大仓
    10. 41:08从差点搞砸到见到柳井正,拿下优衣库全球订单
    11. 49:21从范浩强到张祥雨:旷视的一些 “老人” 为何不散?
    12. 53:37再看「天才策略」:大牛口头禅是 “这不本质”,而影响客户体验的所有东西都本质
    13. 01:00:38具身原生:参与 VLM 预训练,一开始就加入机器人数据
    14. 01:11:01只有具身公司能做的事
    15. 01:23:34不做人形机器人,用模块化组合避免 overkill 或 underkill
    16. 01:27:14RoboChallenge 和 Dexbotic,为何创业公司要开源 Infra?
    17. 01:39:39具身行业会先分散再集中,幸存的个位数公司多数会是中国公司
    18. 01:46:34为了低谷的绸缪:备足干粮、专注投入相信的事
    19. 01:55:33曾做过太多加法,发现 A+B+C≈max(A,B,C)
    20. 02:03:50创业 15 年:感谢一波又一波浪潮,依旧兴奋
    21. 02:04:51真正的通用智能机器人,“这值得投入 lifetime”
    22. 02:06:14连点成线
  • 04-17160: 群核IPO后与黄晓煌聊这15年:被嫌弃的GPU、冠军酷家乐、空间智能、六小龙原站 ↗
    章节 · 19 段展开章节
    1. 01:142011 年回国创业,在英伟达工作过是 “减分” 的
    2. 06:54酷家乐的诞生:13 年上线,14 年爆发,15 年赚钱
    3. 10:53群核底层是 GPU,提前进入 “token 经济”,也跑不通广告模式
    4. 14:37遭遇巨头竞争,更看清什么是壁垒:单纯的算法是纸老虎
    5. 29:482018 年注意到 AI 机会,但一度怀疑自嗨了
    6. 38:532021 年赴美上市戛然而止,山峰到谷底
    7. 40:332023 用 Copilot 写代码,意识到 SaaS 要变天→两条路的抉择:自己训练空间模型 vs 为大模型做配套
    8. 50:16复盘错过:2018 年是一个做具身硬件的黄金时期
    9. 52:10空间智能是底层能力,不是新业务
    10. 54:27群核的 bet:3D 路线,而非视频生成
    11. 01:00:00欧美具身企业喜欢合成、仿真数据,国内普遍倾向真实数据
    12. 01:02:52两百家具身智能公司不算多,各种设备都会需要智能
    13. 01:08:53从纵到横:英伟达的启发
    14. 01:12:46先活下来,再选最大的机会
    15. 01:05:07六小龙之后,反对的声音一下子变少了
    16. 01:21:25现在对自己的定位:科研 leader
    17. 01:24:10最痛苦的部分总是跟人相关
    18. 01:32:11自由女神像下的对话,“我不是这么算的”
    19. 01:34:15把公司带向空间智能,一半收入来自空间智能
  • 04-07159: 马斯克Terafab太空算力、英伟达重拾CPU|与Fusion Fund张璐聊AI算力新趋势原站 ↗
    章节 · 11 段展开章节
    1. 02:29Terafab 的多重驱动力: 需求、机器人原生、SpaceX 上市、更少监管
    2. 06:46对地服务有延迟,但太空应用本身也需要算力
    3. 17:57马斯克的带动效应: 太空算力相关创业机会
    4. 22:48英伟达 GTC 发布: 统一平台,异构芯片
    5. 30:00LPU 和 CPU 背后: 是推理(使用模型)和 Agent 需求提升
    6. 41:09xAI 动荡: 招人诚、开人快,“马斯克是一个迷人的暴君”
    7. 45:13Google TPU,足以挑战英伟达 GPU 吗?
    8. 48:54掌握预算的大企业 CIO/CTO 在想什么?
    9. 52:15看好医疗行业、金融行业 AI 应用
    10. 55:14大企业收购 AI 初创企业带来退出,又催生更多连续创业者
    11. 01:02:13连点成线
  • 04-06158: V4发布前的DeepSeek:人才竞争、组织特点和独特的AGI目标|Solo原站 ↗
    章节 · 5 段展开章节
    1. 01:373 位研究员春节至今离开,为何受关注?
    2. 03:43V4 相关信息(信息有限)
    3. 04:27AI 人才竞争激烈,DeepSeek 要解决公司定价问题
    4. 07:54张力的底层来源:DeepSeek 的目标不是最主流的目标
    5. 17:48更多人为何留下,这是一个怎样的组织
  • 04-02157: 与陈哲的「具身季报 26Q1」:宇树招股书、人形再思考、英伟达世界模型、高自由度灵巧手原站 ↗
    章节 · 22 段展开章节
    1. 04:48Q1 TOP 5 进展
    2. 10:37宇树春晚门道:25 年下半年新技术的集中展现,一致性是大亮点
    3. 20:13宇树做科研市场,从来不被投资市场「喜欢」,但专注才造就 G1 的成功
    4. 24:20王兴兴和汪滔:不极致,不成活;目前的智能能力不影响宇树整体竞争力
    5. 28:22银河通用人形机器人打网球,Karpathy 说“这肯定是 AI 生成的”
    6. 34:13双足价值再思考,波士顿动力 Stretch 机器人的启示
    7. 39:45新版 Atlas:模块化设计、左右腿可互换,人形也可超人
    8. 42:29Optimus Gen3 再延期,已缩水的 1 万台年产目标仍激进
    9. 44:58Optimus 灵巧手,绳驱vs直驱:绳驱真符合“第一性原理吗”?
    10. 48:57“浮夸”的 Figure 和它“浮夸”的创始人 Brett,顺势而为
    11. 52:59美国本土供应链复兴有长期挑战
    12. 57:58Pi、Sunday、Generalist;Sharpa 提出的三层架构:System2(低频、规划)、System1(高频、动作执行)、System0(触觉)
    13. 01:07:06灵巧手市场可能存在宇树在人形市场的 G1 机会
    14. 01:14:30世界模型和英伟达的 WAM(DreamZero、DreamDojo):不再以语言为底层
    15. 01:27:18英伟达 EgoScale 数据框架 & 具身数据的金字塔
    16. 01:37:47视频生成的底层更大厂友好,但世界模型也有创业公司:Rhoda AI 融了 4.5 亿美元
    17. 01:43:42从云端→车载→机器人:英伟达 GPU 统治力逐步减弱,“创新者窘境”
    18. 01:46:26国产芯片机会:地平线、地瓜在量产机器人市场领先
    19. 01:48:24机器人终局可能高度集中
    20. 01:53:59宇树上市,是一家高质量公司的上市,不是泡沫
    21. 01:59:59下季度展望:世界模型超越 VLA、灵巧手进展、马上举行的机器人马拉松比赛从“搞笑”走向竞技
    22. 02:04:20连点成线:前几期具身访谈共性总结;触觉和语言之外

2026 年 3 月

4 期
  • 03-31156: 与 Henry 的「AI季报 26Q1」:OpenClaw、OpenAI vs Anthropic的三重对阵、自进化原站 ↗
    章节 · 22 段展开章节
    1. 04:30Q1三件大事:Openclaw异常火爆、头部模型厂商竞争焦点转移、AI自我进化贴近现实
    2. 07:35Openclaw 做对的三件事:本地运行、接入聊天APP、定时任务和长期记忆
    3. 10:42两个使用案例:一周卸载 vs 深度试用
    4. 14:03热度差异:中国国民级、美国不出圈,Why?
    5. 17:02中国开源模型乘势增长:OpenClaw 之父 Peter 安利 MiniMax
    6. 22:41三个不足:贵、不稳定、安全隐患:Meta 对齐负责人的龙虾“生死时速”
    7. 30:10大公司竞 “吃龙虾”:英伟达、Anthropic、OpenAI 各自动作
    8. 37:14190 亿 vs 250 亿:Anthropic 收入猛追 OpenAI,Claude Code 也超过了 Cursor
    9. 43:53CodeX 是会编程的 “弱智”,Claude Code 是驱策编程奴隶的主人
    10. 48:30OpenAI 的反思:“我们分心了”
    11. 49:57xAI 的人员动荡,Google 的产品发力
    12. 53:04竞争焦点从模型转向平台:开发者生态、企业信任、成本
    13. 01:07:09AutoResearch,明确目标的有限搜索空间里,AI 已展现 “自进化”
    14. 01:17:00持续学习的两种方法:贫穷版外挂 & 更新权重的新探索
    15. 01:22:48新方向上的创业机会:几个水下 (Stealth Mode) 公司案例
    16. 01:27:00GTC 要点回顾:推理重要性提升
    17. 01:29:05Agent 应用带来 CPU 需求提升
    18. 01:31:27Meta 停工学 AI 一周,Token 消耗量成关键指标
    19. 01:35:20从 “一流人才 + 二流人才” 到 “超一流人才 +AI”
    20. 01:42:39给 Token 收税 ?
    21. 01:44:07DeepSeek-V4、更新权重的持续学习从复杂到简单
    22. 01:49:21连点成线:从 Devin 到龙虾的 1 年半,Agent 即将带来更多变化
  • 03-22155: 至简动力贾鹏:从英伟达到理想,具身智能的六边形战士原站 ↗
    章节 · 24 段展开章节
    1. 00:01英伟达智驾中国团队第一个员工
    2. 09:10从服务 L4 自动驾驶到转向量产
    3. 13:57从工程师到架构师、多面手
    4. 15:13老黄凌晨 5 点起床看邮件、论文,脑门温度比太太高一度
    5. 18:07英伟达的前瞻投入心法:能抗外压、愿景共享、主业强劲
    6. 22:30李想当时怎么想智驾:数据重要性,下半场看智能化,“车和家”
    7. 29:25一起看《全营一杆枪》的日子
    8. 34:44自研第一仗:双 J3 交付高速 NOA,一群 “新手” 的生死战
    9. 40:06抗住压力的转身:有图切无图
    10. 48:03智驾 “做成” 的 3 重指标
    11. 51:16FSD v14 “让人又惊喜、又失望”,该做新的事了
    12. 59:41“第一个大概率会死,但做成的会上第一批”,具身创业现在仍是第一批
    13. 01:07:51模型、产品、组织都要简单;同时得是 “六边形” 战士
    14. 01:14:01具身的终局是 “分散” 的垄断
    15. 01:19:46具身研发分 3 层,“合成数据有用,但绝不是主力”
    16. 01:34:30To A(研究)到 To B 阶段的转换会如何发生?
    17. 01:42:01具身的本质是 Physical Agent:大公司做底座,创业公司做 Agent
    18. 01:48:13不做流水线替代,寻找 “端到端” 任务
    19. 01:57:23智驾与具身:相似的、不同的
    20. 02:01:34不设组织架构,以项目驱动团队
    21. 02:18:05少被讨论的现象:硬件还远未成熟
    22. 02:19:29更强具身智能到来时间仍有分歧
    23. 02:25:03具身上市潮之后,会如何?
    24. 02:37:28擅长从 0 到 1 逆风局,创业这半年 “挺爽的”
  • 03-11154: 从千问变动到「AI 英雄传」|与 DINQ 高岱恒聊传奇 AI 研究员们原站 ↗
    章节 · 10 段展开章节
    1. 02:42千问候选人被搜索量翻了 3 倍
    2. 09:34Model Scope 魔搭社区价值几何?
    3. 14:30美第奇和达芬奇,大公司和 AI 研究员
    4. 22:38DINQ 的诞生,AI 研究员需要更好地展示、更好地匹配
    5. 28:30他们就像文艺复兴时期的大师
    6. 42:26从土木老哥到达摩院,“当你有了作品,没人在问你学校”
    7. 49:52Adam 发明者、被拒的 GPT-1 一作、旅居越南的 RAG 发明者………创新来自边缘地带
    8. 01:10:23他们的追求、畏惧、不屑和弱点
    9. 01:19:38AI 下的人才市场:从人和公司的匹配,到人和具体任务的匹配
    10. 01:43:48连点成线
  • 03-04153: 阿里Qwen人事变动:误读、近况、伏笔和未来|solo原站 ↗

2026 年 2 月

3 期
  • 02-26152: 千寻智能韩峰涛:具身模型淘汰赛和落地的非共识原站 ↗
    章节 · 14 段展开章节
    1. 02:03浙大、中国核电、国机:找不到工作的模式识别研究生
    2. 09:10国产替代 → 2016 年 AI 热潮 → 大模型:技术变革终于来了
    3. 14:37在大厂下场前成为“中厂”
    4. 22:40密集见了 100 多人,找到合伙人高阳,“靠谱的太少,骗子太多”
    5. 33:0226 年的具身领域会像 23 年的大模型:模型性能淘汰赛
    6. 35:55主要靠真实数据,24 年 5 月开始开发 UMI、外骨骼等穿戴式数采设备
    7. 46:59宁德时代在具身行业里广发需求
    8. 53:33场景选择门道:当前智能能力、节拍、精度、负载、价值(用量)和容错率的综合考量
    9. 59:01未来场景拓展:先工业、商业,再家庭;先 to B 再 to C
    10. 01:04:3726 年不是具身落地生死之年,而是模型性能爆发的一年
    11. 01:15:57第一次创业起伏:资金链 3 次紧张,背负个人连带债务
    12. 01:25:24新一批年轻创业者有相似的“天真”,“真的见过客户”后会改变
    13. 01:28:12从 Robotics 到 AI 思维的转变:数据,数据
    14. 01:33:57建立一个信任、追求卓越的组织
  • 02-12151: MuleRun 陈宇森:Claude Code带来Agent创作新范式,未来的软件是日抛式的原站 ↗
    章节 · 17 段展开章节
    1. 02:20从 Vibe Coding 到 Agent 交易平台
    2. 09:20Agent 的供给还不够丰富,但 Claude Code 带来拐点
    3. 16:41MuleRun 做的两件事:好的 Runtime、清晰的 Skills、Prompt 的商业化
    4. 23:08同样的技术变化,不同的做法:N8N、Dify、Coze、蚂蚁灵光、马卡龙、Youware
    5. 28:54上线 3 个月:用户反馈、Agent 审核与上架、大量 SOP+少量大模型的开发方式
    6. 36:50做好 Agent 的开发工具和交易平台的难点
    7. 40:29如果 Agent 建造门槛大幅降低,通用 Agent 还存在吗?
    8. 42:21再聊 Claude Code:Skills 详解,MuleRun 的 Skill 评价体系(Eval)和安全工作
    9. 47:32“应用的 3D 打印机”,未来的软件是日抛式的,AI 是制造业
    10. 52:12Agent Builder:从套壳模型→套壳“Claude Code”
    11. 01:01:22Agent 构造变简单、数量变多:未来的 Market Place 不应该是货架式的
    12. 01:08:32Agent Builder 的内测效果,Agent 开发工具和交易的界限?
    13. 01:15:40从长亭到同时创业做两家公司,一度觉得自己无所不能
    14. 01:25:24走过下坡路,关过公司,痛苦带来的韧性
    15. 01:32:13一定不要在选择题上出错,「用心」对抗平庸
    16. 01:40:1626 AI 应用市场年会发生什么?跳出 Chatbot、跳过 1 亿甚至 10 亿美元 ARR
    17. 01:44:02连点成线
  • 02-09150: 【年末AI回顾】从模型到应用、从技术到商战,拽住洪流中的意义之线|Solo原站 ↗
    章节 · 19 段展开章节
    1. 01:10Agentic Model:R1 | Coding | 多模态
    2. 08:58协同优化:Google | DeepSeek 开源周 | 注意力机制改进、芯片互联
    3. 15:22下一个学习范式:从大脑获得灵感
    4. 19:49Agent:Coding 就是 General Agent | 垂类 Agent | Agent 工具链
    5. 32:02Sora App:to C 的想象力
    6. 37:19AI for Science:AI 科学家
    7. 40:23人才和组织之战
    8. 49:51To C 应用大战
    9. 01:01:28大模型第一股
    10. 01:07:135000 万美元 ARR
    11. 01:11:36全球化与中美之间
    12. 01:14:29投资和上市潮
    13. 01:22:09数据、模型、本体的进展
    14. 01:28:055 个落地方向
    15. 01:34:50AI 眼镜能成为下一个入口吗?
    16. 01:44:30深圳的公司们
    17. 01:49:48天价薪酬与失业
    18. 01:52:39使用用 AI 的人
    19. 01:54:25意义感:大模型无法替你活过

2026 年 1 月

3 期
  • 01-25149: 具身模型哪家强?|与范浩强、高阳聊具身模型的测评、RoboChallenge,26 年具身展望原站 ↗
    章节 · 14 段展开章节
    1. 03:24范浩强和高阳的从业经验
    2. 06:53RoboChallenge 的发起,见证成功率从 π0 的 20% 到 π0.5 的超 40%
    3. 12:40以往方法的问题:环境不一致、测评不持续、仿真有局限
    4. 21:47对比 RoboArena 和 RoboChallenge:前者是分布式 Zero-shot 测评;后者是集中 few-shot 测评
    5. 28:33上线 2 个多月的观察:超预期的 1 万条测试提交,国产模型超越
    6. 33:04Table 30 任务集的设计,插花、扫二维码等任务的“刁钻”考点
    7. 40:24提交者自己做 fine-tune(微调),开源权重证明诚信;接下来会更新灵巧手的测评
    8. 45:07学习原理已经收敛,Scaling Data 是 2026 年的行业主题
    9. 48:534 种数据类型,各团队的不同数据 bet
    10. 57:20落地应用,具身的“Coding”任务是什么?“破圈”时刻何时出现?
    11. 01:07:00大众与从业者之间的认知落差,行业心照不宣的“demo”工程
    12. 01:12:50具身测评可以被 Hack 吗?如何反制 hack?
    13. 01:14:5226 年想验证的问题:具身中国追平美国的 DeepSeek 时刻是否到?基模能否上一个台阶?
    14. 01:17:47连点成线:总结观察具身进展的 3 个维度 & 具身创业团队的不同来源
  • 01-16148: 它石智航陈亦伦:具身的三道曙光和第一道关卡原站 ↗
    章节 · 15 段展开章节
    1. 02:35用神经网络做自驾规控(PnC),3 万行替代 200 万行代码
    2. 11:13三道曙光:强化学习提升运控(locomotion)能力;LLM 处理任务规划;端到端解决极端案例
    3. 17:13端到端、VLA、世界模型,联系与区别
    4. 20:40三道关卡:数据、算法、后训练
    5. 24:43具身还在第一道关卡,数据;最后能经受大量数据的算法结构会很简单;GPT 最伟大的是定义了训练任务是预测下一个 token,而非架构本身
    6. 30:16定义具身模型的训练任务:建立空间概念、跟世界交互
    7. 40:54具身需要真实数据,不看好仿真和视频数据
    8. 49:42真实数据只有两个源头,世界与人;真实意味着场景真实、动作真实;为可穿戴设备是唯一解
    9. 55:08手套+第一视角摄像头采集数据的具体实现
    10. 59:11具身充满了硬件场景、本体、数据算法间的交替组合和协同优化,中国有供应链和场景优势
    11. 01:05:08没有选择 VLA,具身会有自己的模型,而不是简单在 LLM 上发展
    12. 01:13:23看数据增长趋势,具身已经到了 Scaling 的临界点
    13. 01:18:04它石的落地场景之一是处理柔性材料的线束装配
    14. 01:21:15能自己定义目标的具身公司就是靠谱的;成为别人,不是好的选择
    15. 01:22:38连点成线:往期分享
  • 01-06147: OiiOii闹闹:“先抖音后剪映” 不再成立,AI 时代怎么做创作工具和内容社区原站 ↗
    章节 · 11 段展开章节
    1. 05:06先做好工具,再去做内容的社区:因为大家不再能忍受内容的单调了
    2. 11:40市场现状:现在动画的产能和消费非常不对等
    3. 16:46OiiOii为什么是这个形态?
    4. 31:04如果做AI漫剧,商业模式、审美都不一样
    5. 41:30怎么利用和理解不同的模型
    6. 51:50现在的团队分工
    7. 53:50第一次创业做极限运动社区,发现其实喜欢做内容
    8. 01:06:17第一次创业留下的最宝贵的东西:抗体
    9. 01:18:15在字节:对剪映和抖音特效最大贡献是…
    10. 01:27:17去了B站:看到产能被憋着了
    11. 01:28:45OiiOii 后面大致的节奏:填充垂类内容,去海外,做内容社区

2025 年 12 月

3 期
  • 12-26146: Gemini 3翻盘背后、Agent需要什么大模型、RL创业机会|与前 Google 创业者、硅谷投资人聊湾区动向原站 ↗
    章节 · 18 段展开章节
    1. 06:11AI 进入实用工作:OpenAI 的 GDPval,Databricks 也发布了 Office QA
    2. 14:25GDPval 在主流知识工作上表现优秀,但基础模型处理长尾问题的 gap 始终存在
    3. 19:09Gemini 3 后,OpenAI、Anthropic、Google、各自的进展
    4. 22:15NotebookLM 和 Nano Banana 策源地——Google Labs,不仅招工程师,也有主编、作家、创作者
    5. 24:54DeemMind 研究员 Orio:Gemini 3 的秘密?预训练还有很多空间;TPU 对 Google 训练的加持
    6. 26:34Google 的 3 层协同优化:从 TPU 到 Infra 到模型;模型和应用;数据和硬件 surface(终端)
    7. 30:18Google TPU 已经更多对外,这对英伟达 GPU 优势的影响
    8. 38:02回顾组织变化:DeepMind 和 Google Brain 的合并与磨合
    9. 43:31垂类的机会:弥补基础模型到具体问题的差距;水平的机会:调度层、数据层、工具层都有新公司涌现
    10. 50:17技术新趋势——自我演化:RL、用 RAG 加长记忆有人尝试,但远不是成熟方案
    11. 53:32「可训练的工具层」背后的技术变化:code 驱动工具,如 Anthropic 的 PTC(Programmatic Tool Calling)
    12. 59:44RL 创业方向:RL 环境,RL as a Service,RL 应用
    13. 01:08:47Agent 开发者挑选模型的前置条件:用什么云(比如 Azure 客户用不了 Gemini),再看云厂商折扣
    14. 01:12:20Anthropic 的 Claude Code 已成为 Agent 核心,刚发布的 Promatic to Call 探索新开发范式
    15. 01:17:13开源模型使用体验:Qwen 很棒;驶往 NeurIPS 的飞机上,1/3 人在看 DeepSeek-V3.2 技术报告
    16. 01:22:04选择模型时,关注什么 benchmark & 为什么?
    17. 01:29:34模型优化方向预测:加入大量 agent trace 的开源模型,更强的多模态,长程任务优化
    18. 01:38:58连点成线:往期节目推荐
  • 12-17145: 极壳孙宽:首个「消费级外骨骼」的诞生原站 ↗
    章节 · 15 段展开章节
    1. 03:05《攻壳机动队》、90 后的科学幻想、技术是魔法
    2. 13:25第一份工作:从轮岗 3 年到模块化 PC 的内部创业
    3. 18:27一次误诊后回到初心:做一件做着做着挂了的事也不会后悔
    4. 26:511 人公司手搓原型,一度账上只有 20 万元人民币
    5. 40:06做“真有用”的消费级外骨骼:拉高核心正面效果,尽量降低负面影像
    6. 49:41推倒第一代方案,用户体验比新架构重要
    7. 01:04:27正式交付 Hpershell X,有人日行 7 万步,有人重返户外
    8. 01:09:11从成立到第一款产品,40 个月;第二代产品,5 个月
    9. 01:05:08从 1 人公司,到 4 位联创和 200+团队
    10. 01:25:47对拓竹组织的观察:好的人,希望身边都是好的人
    11. 01:32:52品类跨越鸿沟:营造向往、价格、自研、形态拓展
    12. 01:49:47组织跑得更快
    13. 01:56:22创业治好了我的“死亡恐惧”。
    14. 01:59:53广义的外骨骼,最终是让我们的身体可编程。
    15. 02:05:40连点成线:后记 & 往期节目推荐
  • 12-11144: “大而强”到“小而强”|与刘知远、肖朝军聊密度法则、RL 的 Scaling Law 和智能的分布式未来原站 ↗
    章节 · 22 段展开章节
    1. 02:09Gemini 3 和 Nano Banana Pro 的启发:统一的“自回归式视觉+语言生成”即将突破
    2. 04:31大模型演进的两条主线:能力和效率
    3. 10:23和摩尔定律一样,“密度法则”是行业现实,也是“自我实现”
    4. 18:43每 3.5 个月,大模型的能力密度翻一番
    5. 21:012023 年下半年的抉择:花几千万再训一个更大的模型,然后呢?
    6. 27:08架构、数据、算法、软硬协同优化
    7. 30:41(1) 架构:MoE (混合专家系统) + 注意力机制改进
    8. 34:28(2) 数据治理:Ultra-FinWeb 用 1/10 数据量达到更好效果
    9. 40:24(3) 算法:RL 还没有 Scaling Law,接下来可能有两条路
    10. 49:21(4) 软硬协同优化
    11. 52:02InfLLM-V2 的核心更新:把稀疏注意力做到预训练阶段
    12. 55:18注意力改进趋势:长文本不仅是长输入,更多关注“长输出”
    13. 58:535 年内,手机可跑 GPT-4~5 级别的模型
    14. 01:06:23大模型在汽车上已开始量产落地
    15. 01:10:34“别人得到的,不一定是你失去的”,AGI 既会发生在云端,也会发生在终端
    16. 01:15:07未来入口也许不是手机,而是属于每个人的移动计算终端
    17. 01:17:40自主学习→AI 协作网络→真正的创新
    18. 01:21:042023 年初,有巨头说世界上只会拥有几个大模型,就像 1943 年,IBM 董事长曾说全球不需要超过 5 台主机
    19. 01:24:46AI 助手帮成为更好的工作者
    20. 01:28:53不担心生产过剩,未知领域还太多
    21. 01:31:39机器制造机器,AI 制造 AI
    22. 01:40:01☆连点成线

2025 年 11 月

4 期
  • 11-30143: 阿里、Kimi都在用的DeltaNet是什么?|与杨松琳聊线性注意力新改进原站 ↗
    章节 · 19 段展开章节
    1. 02:07注意力机制是什么?
    2. 04:21DeltaNet 的提出,用 Delta Rule 来增强 in-context retrieval
    3. 09:41近年的改进主要是模型架构,而非“更新规则”
    4. 14:25阿里 Qwen 团队 apple to apple 比较几种线性注意力混合方式;Kimi Linear 对 Gated Delta 的具体改进
    5. 17:00更新规则和模型架构改进的区别:更新规则是在算子层面“动刀”
    6. 19:50算法出身,自学 Infra;学习 Hazy Research Group 的风格
    7. 23:28Qwen 和 Kimi 大概率在下一代旗舰模型用线性注意力,而 MiniMax 用回 full attention;DeepSeek 目前释放的改进都是“稀疏注
    8. 37:07稀疏注意力 vs 线性注意力潜力对比
    9. 39:40即使算力无限,线性注意力仍有价值,因为它在有限数据中的学习效率更高,而高质量数据正是当前瓶颈
    10. 42:28线性注意力在状态追踪上也可能有效果优势,而状态追踪对 Agentic 很重要
    11. 47:33线性注意力的“归纳偏见”和 The Bitter Lesson:先验与 scalable 并不矛盾
    12. 49:30回应 RWKV(原始智能)彭博:从未说发明 DeltaNet,一直在给 Schmidhuber 署名
    13. 51:51关注注意力改进的起点,数学知识、Infra,交叉能力怎么积累?
    14. 58:48发现 Hoseholder 累乘和 DeltaNet 关联的过程
    15. 01:02:44AI 何时能像人这样产生联想?——Prompt 合适,大模型应该能独立发现这个算法
    16. 01:04:11FLA 小组的产生,受 Tri Dao 做 FlashAttention 的启发,像运营产品一样运营技术社区;Kimi 从 FLA 小组招募了线性注意力研究者
    17. 01:11:24稀疏注意力的改进,DeepSeek 年初 NSA 到最近 DSA 的变化
    18. 01:16:44线性注意力的改进,从线性混合全注意力,到线性混合稀疏注意力(比如混合 DeepSeek DSA 和 Kimi KDA 😀
    19. 01:21:10更广泛来说,关注何种模型演进?——持续学习
  • 11-24142: 斑马CPO修佳明:一款能主动教学的 AI 产品是如何出现的原站 ↗
    章节 · 14 段展开章节
    1. 04:36确定性的方向
    2. 08:01与模型“搏斗”
    3. 13:58为什么开发 delay 了?
    4. 20:56从维持能力到突破能力
    5. 24:08让大模型学会人的教学经验与教学法
    6. 29:36更难的是对(教学)难度的控制
    7. 34:16这种模式适合所有人吗?
    8. 35:54让 AI 提供一种教学情绪价值
    9. 41:38对 AI 外教人格的理解
    10. 47:37试用用户的反馈与规则设定
    11. 52:06如何衡量 AI 的教学能力?
    12. 56:28未来的 AI 教学产品会如何发展
    13. 59:22如何运用数据和经验:斑马的 AI 壁垒在哪里
    14. 01:04:05AI 产品还是教育产品?斑马的付费和定价策略
  • 11-23141: Strutt 洪小平:大疆激光雷达前负责人做了台“电动轮椅”?不做人形也能通向具身原站 ↗
    章节 · 22 段展开章节
    1. 02:07伯克利物理学博士→组建大疆光电部:奔着量产做激光雷达
    2. 08:26大疆→南方科技大学:新工科教育 & 思考创业,锁定「机器人」方向
    3. 14:03直接做人形机器人和具身“终极形态”,是“有方法、没路径”
    4. 18:04OpenAI 加大投入 LLM 时,已有早期信,具身没到这个状态;识别早期信号的核心是数据积累
    5. 22:43看到“老龄化”去收,就是它了!
    6. 25:13个人移动设备能获得宝贵的家庭、生活场景数据
    7. 29:28ev¹ 是泛个人出行设备,它的完整体验
    8. 35:07出行的自由和喜悦,不分健康或残疾、衰老或年轻
    9. 41:13大家更关注 PMF 的 M(需求),但有时 P(产品)做得足够好,M 就能自动打开
    10. 43:26ev¹ 的开发,从做加法到做减法
    11. 47:51观察用户说不出来的需求;
    12. 51:19ev¹ 也是一个 Robot Helper 和机器人平台:可加传感器、执行器、计算单元等配件
    13. 56:50在双滚机上做 200 万圈测试
    14. 58:33“产品真正帮到人”的感觉,很触动
    15. 01:00:54Go to Market 策略:定价、渠道、规模
    16. 01:03:55创业,从“定义一个好团队”开始
    17. 01:07:25大疆的“舒适”:技术说话、以结果论英雄、可以专注自己的事
    18. 01:12:35应对未来可能的竞争:品牌、专利布局、团队综合性,本质是团队效率
    19. 01:19:33消费科技公司,在高效 vs 速度上的分布:追觅、Insta360、大疆
    20. 01:22:39为什么大疆到 2019 年才定成文价值观?
    21. 01:24:43Next Question:跨越鸿沟——ev¹ 这样的产品怎么进入大众市场?
    22. 01:28:06连点成线:往期推荐
  • 11-10140: 深势科技张林峰、孙伟杰:AI for Science,从开始到现在原站 ↗
    章节 · 19 段展开章节
    1. 01:3293 年生人学物理,the party is over 的迷茫
    2. 08:42用 AI 加速第一性原理计算:薛定谔方程、密度泛函、分子动力学
    3. 21:31第一个 milestone:用一套统一方法表示多种“不变性”
    4. 26:27普林 2017 年的 200 多块 P100→DeePMD-kit→DeepModeling 开源社区
    5. 29:51AlphaFold 和 DeePMD,AI 做科研的两种方式
    6. 32:38毕业、回国、创业:机会是 AI for Science,不是 get simulation done 然后发论文
    7. 42:06做微尺度的“达索系统”,把量子物理软件化
    8. 56:14人才培养:在 DP “读大学”的少年们
    9. 01:04:37机器学习数理建模→预训练→大语言模型→科研 Agent→AI 科学家
    10. 01:16:20Agent 正在重塑科研范式
    11. 01:22:46“科研无国界”被挑战,在中国,更能推动开源、开放
    12. 01:29:00垂直还是平台,一个必须做的取舍
    13. 01:32:57诺奖表彰“第一个”,而基础平台要做“最后一个”
    14. 01:39:24我们为 AI 科学家做好准备了吗?
    15. 01:49:13欲望与勇气,《牧羊少年的奇幻之旅》
    16. 01:55:33“老爹,你最光辉的时候是什么时候?”“就是现在!”
    17. 01:57:21“理想主义的实干者才能改变世界”
    18. 01:57:59Next Question:Innovator 什么样?第一批 AI 发现的新成果
    19. 02:04:04连点成线:不约而同,我们在好多期节目里都聊到了 AI 加速科学发现

2025 年 10 月

4 期
  • 10-31139: ICCV最佳论文、光年之外、Sand.ai:曹越十年AI之旅,从研究者到CEO原站 ↗
    章节 · 32 段展开章节
    1. 02:082014 年转向深度学习
    2. 03:37在微软亚研院学到的-1:关注最重要、且有提升空间的 topic
    3. 05:09Swin Transfomer 的诞生,Transformer 被引入视觉任务的两个阶段
    4. 11:15在微软亚研院学到的-2:判断 topic 还不够,得以足够资源做出极致效果
    5. 13:02CLIP、DALL·E 冲击:OpenAI 不是论文驱动,而是设计一个系统,最大化压榨算力
    6. 18:10从 GPT-3 到 ChatGPT,3 年疫情阻隔使 OpenAI 巨变被忽略
    7. 21:30和王慧文、梁文锋聊;他们都在 23 年初遍历国内研究者
    8. 26:57问老王:为什么中国没有出现 OpenAI?——“不够富”
    9. 32:54光年之外的经验:一开始就确立了正确的“找人方法论”
    10. 34:36CEO 容易焦虑,这时可以想想大问题
    11. 37:1623 年 8 月开始思考创业:视频生成让自己兴奋
    12. 40:54创业前的自我觉察:ambitious
    13. 46:59第一个模型 Magi-1 花了 1 年多:低估了自回归路线的难度
    14. 50:23正在发生的业务窗口是“音画同出”
    15. 52:36Sora 2 的 3 个特点,第三点最让曹越惊艳
    16. 58:23Sora 2 怎么实现“端到端叙事”的?
    17. 01:03:58Vibes vs Sora,Meta 是缝合,OpenAI 是整合
    18. 01:06:53新模型 Gaga-1 聚焦人物表演,成本大幅下降
    19. 01:10:33用 AI 做短剧,卡点正在人物表演和成本;Sora 的新启发是叙事
    20. 01:15:27需求分析:短剧制作、广告片、C 端斗视频
    21. 01:19:42Sora 能否成为 C 端新平台?曹越的两个判断指标
    22. 01:23:10PMF 一直讲,一直难:因为模型和产品的磨合就是要花时间
    23. 01:28:07垂直整合:不同背景的人频繁交流,对齐上下文
    24. 01:31:16再看“模型即产品”:早期产品跟着模型走,现在要互相放大
    25. 01:38:41一个“专业”的 CEO
    26. 01:42:04“Gemini 老师”的最大作用是对齐上下文
    27. 01:50:27所有内容的终局都是“叙事”
    28. 01:52:29老王的建议:研究皮克斯商业模式
    29. 01:56:06研究者和 CEO 的“夹角”
    30. 01:58:24最优先级的工作
    31. 02:01:01Next Question:ASI 到来后会怎样
    32. 02:03:12连点成线:往期推荐
  • 10-23138: 从你用手机到它更懂你,OPPO的手机AI实践 |与小布负责人万玉龙聊端侧AI|Agent#7原站 ↗
    章节 · 15 段展开章节
    1. 01:10OPPO AI 的新体验
    2. 11:56全球行业共性和 OPPO 特点
    3. 20:00手机 AI 智能助手渗透率低于预期,why?
    4. 31:12厘清三大场景:生产力、生活、影像
    5. 38:17原点之旅访谈用户的细致发现
    6. 41:36以前的产品是 by design,AI 产品是 by use
    7. 47:59AI 现在还不能帮卖手机,但能增加粘性
    8. 52:32AI 人才加入 OPPO:你想做一个影响上亿人的产品吗?
    9. 59:40三类公司的端侧 AI 竞合
    10. 01:04:40体系重塑中:当用户通过 Agent 来使用 App,日活、时长等指标都被重塑
    11. 01:11:27Web 端有 MCP,移动端呢?
    12. 01:13:39用户不会有一堆“AI 管家”
    13. 01:20:46新交互正快速发展,新应用生态还未定型
    14. 01:25:02Next Question:更成熟的 AIOS 长什么样?
    15. 01:31:22连点成线:过往节目推荐
  • 10-16137: Agent 是机会,造 Agent 的工具也是|从OpenAI开发者日聊起|Agent#6原站 ↗
    章节 · 22 段展开章节
    1. 03:30Agentic Kit 是 OpenAI 开放了自己练的“一身武功”
    2. 09:06Apps in ChatGPT 和 2023 年 GPTs 的区别
    3. 10:53Canva in ChatGPT 新体验
    4. 14:47OpenAI 不会放弃 to B
    5. 18:16一种批评,AgenticKit 与 AGI 思路背道而驰
    6. 21:15开发者的机会与压力:在别人的地基上建房子
    7. 26:33Agentic Tooling 是什么?近期 3 笔交易/收购看到的状态
    8. 31:24Agentic Tooling 的 6 次进化,对应模型能力的 6 次提升
    9. 39:59MCP Server 集成商是做什么?
    10. 43:09当前调用 MCP Server 的数量限制,创造 Rube 等产品的机会
    11. 44:18Composio,一家从印度来美国的公司,怎么从 Agent 厂商转型 MCP server 服务商
    12. 49:09这真是创业机会吗?为何 Anthropic 自己不做?
    13. 53:09911 也在用的 AI voice 平台
    14. 57:25从 LiveKit 平台看到的调用偏好:Speech to Speech(语音端到端)和 Cascade 模型现在一半一半
    15. 59:28OpenAI 等核心 Lab 的 Voice 动作
    16. 01:01:57四种记忆:情景、流程、事实/知识、人格/性格
    17. 01:04:26创业案例:Letta,记忆也可以由第三方来做吗?
    18. 01:10:29记忆和上下文工程
    19. 01:11:50一个重要,但很多人不好好做的环节
    20. 01:14:07评估难,难在构造数据集
    21. 01:15:27Okta、Twilio、DataDog 都可以在 AI 时代“再做一遍”
    22. 01:21:232025 年,“闯美”中国 AI 创业公司变多,它们带来了不一样的野心
  • 10-09136: Sora新世界 & Lovart 4个月复盘 | 与陈冕聊怎么做垂类Agent|Agent#5原站 ↗
    章节 · 30 段展开章节
    1. 01:504 个小时使用体验:顺滑、Cameo 的社交潜力、Remix 降低共创门槛;“最好的交互不会超过滑动和点击”
    2. 10:58中等体量的公司,可以通过交互创新做出 Sora 吗?
    3. 13:17“虚假的真实”和“真实的虚假”可能同时存在
    4. 14:46巨头战场:无法接受错过,赢下的意义又太大
    5. 19:39OpenAI 的双面性:巨头的资源,创业公司的组织
    6. 21:17风险可能来自节奏错配:技术加速发展,而总有些事无法被加速
    7. 24:23在湾区,反复被问热情,更想清楚了应该服务谁
    8. 30:27旧金山 3 个月:感受氛围、建立团队、离用户更近
    9. 41:50引入全球化投资的节奏?
    10. 44:3720 万日活用户,3000 万 ARR,还没有覆盖服务成本,但不怀疑 Agent 商业模式
    11. 49:06创业之初看到了 5 个方向,为何从 “Adobe 系”切入?
    12. 02:43垂直 AI 应用本质在做两件事:特别的交互,和特别的 context
    13. 57:34应用公司怎么做增长?“提前描绘未来会发生的东西,然后等它发生”
    14. 01:06:00正在做的能力:给设计更多 context,这包括 reference 和 preference
    15. 01:13:43Lovart 到目前为止是工具,没有计划做社区
    16. 01:16:25离用户更近,同时离技术更近,然后才能做取舍
    17. 01:22:51为什么不再担心开源被闭源甩开
    18. 01:24:32To P 创业窗口接近关闭,下一波机会是 to C
    19. 01:27:32“Adobe 系” AI 公司,谁在牌桌?三类玩家的位置
    20. 01:31:35Timing 在任何时候都重要,但 AI 时代更重要
    21. 01:35:34创业以来经历的 3 次重要 timing
    22. 01:36:32没有错过的原因是,“我很焦虑”,而焦虑是必要的
    23. 01:42:52危机中坚定继续,信念是来自认知
    24. 01:44:57最困难时得到过收购意向,但一开始就没想接受
    25. 01:45:50创业不是残酷,而是痛并快乐
    26. 01:47:59遇强则强,面对 3 次挑战,成就感递增
    27. 01:49:44最害怕自己迭代不够快
    28. 01:51:09用理性的底层,控制感性的表达
    29. 01:53:36第一次自由的、全情的、疯狂的,想做成一件事
    30. 01:57:51Lovart 投资人夏令对垂类 Agent 的思考总结(晚点聊 110 期)

2025 年 9 月

3 期
  • 09-29135: 专访张益唐:70岁数学家,追逐第二次闪电原站 ↗
    章节 · 31 段展开章节
    1. 03:10“反正我们就看,我能不能被闪电击中两次吧?”
    2. 05:46长时间想少数难题,不追求发论文的频率
    3. 09:07“好运气还是坏运气,一开始你也讲不清楚”
    4. 13:31兴趣起点:9 岁看《十万个为什么》哥德巴赫猜想、费马大定理
    5. 14:2423 岁从锁厂工人成为北大数学系学生
    6. 16:04专业是“计算数学”,但大三开始转向理论数学
    7. 17:17判断什么问题重要并不难,就看能不能做,敢不敢做
    8. 18:09直觉是对正确的一种预感
    9. 20:42几十年一直盘桓几个难题,是一种什么状态?
    10. 22:56朗道-西格尔零点猜想:已经做出来了,正在寻找简化
    11. 25:30独自面对数学,“交流是个困难的事”
    12. 26:46现在 AI 的很多问题归根结底是数学问题
    13. 27:25光靠 AI 解不出黎曼猜想,数学研究的周期和脑力强度远大于奥赛
    14. 28:4449 年前的“四色问题”,一个错误的预言
    15. 31:24想过黎曼猜想,但没看出一条路
    16. 32:20王虹的例子,判断一个人的才能不能看短期
    17. 33:28做数学家,最重要的是专注,这也是一种天赋
    18. 35:07辅导孙女数学,最主要是激发兴趣
    19. 36:10赴美 40 年后归国,目前中国对基础科学大力投入
    20. 37:15最喜欢的数学环境:一个人不受干扰,写论文
    21. 37:40新计划,资料都在脑子里
    22. 41:00改写论文,“烦得要命”
    23. 43:21普林斯顿高等研究院,给一流人才足够的空间
    24. 45:18北大研究生导师潘承彪先生的“小考验”
    25. 47:12不希望学生转行,但尊重选择
    26. 48:12如果给孪生素数问题写一本《费马大定理》?
    27. 50:17“三大悲剧的作者会被人遗忘,但阿基米德不会。”没想过不朽,也不追求
    28. 52:02“更快活”是一句虚拟的话
    29. 52:3925 年没回过,“不想提了”
    30. 53:34“我还可以”
    31. 55:03“自得其乐,你自己在享受,觉得有意思,这就够了”
  • 09-23134: Meta AI人才动荡,上亿美元为何留不住人?| 与Pokee AI朱哲清盘点 AI 组织原站 ↗
    章节 · 19 段展开章节
    1. 03:00Meta 曾是创业氛围最浓厚的硅谷大厂,但疫情时变臃肿
    2. 07:24Meta、Google、亚马逊、OpenAI、Anthropic 组织特点盘点
    3. 14:15“办公室政治”的实质是分功不均
    4. 17:21一个组织能否保持目标一致:看 20% 的最关键工作能否被分完
    5. 19:24OpenAI 的分裂,是使命的分裂
    6. 21:22MSL(Meta Superintelligence Lab)现在缺能服众的负责人
    7. 26:24顶尖 AI 人才有开辟新方向的野心,而大公司更想要主流路线上的进展
    8. 31:52工程型人才决定未来 2 到 3 年发展,科学家型人才决定未来十年发展,但你可能活不过两三年
    9. 38:49顶尖 AI 人才最想要什么?成为促使 AGI 到来的核心贡献者
    10. 40:34人才吸引力:OpenAI、Anthropic 第一档,Google 1.5 档
    11. 42:03OpenAI 和 Anthropic 如果倒了,硅谷一片 AI 投资机构都倒了
    12. 45:12同为大公司,Google 做对了什么?
    13. 50:28ChatGPT 在 ChatBot 的地位并非不受挑战
    14. 52:52从 0 做来做 AI 组织的方法?
    15. 57:37当工程师有了 10 倍产出
    16. 01:00:35信任比以往更重要了
    17. 01:09:02Meta 缺一个走一步、想三步的有经验经理人
    18. 01:10:56推演明年 AI 人才争夺
    19. 01:14:17斯坦福大课之 AI 教育一撇:“上完 CS231N,我能做出 sota 的 LLM 吗?”
  • 09-17133: 4000日薪的实习生和零工化的程序员,与脉脉CEO林凡盘点25年AI人才市场 | 串台「职」无不言原站 ↗
    章节 · 16 段展开章节
    1. 02:55Meta 3 亿美元买高级人才,不亏
    2. 08:41相比去年,硅谷核心研究员的 AGI 信念更强了
    3. 19:47中国大厂不在琢磨省钱,从降本增效到增本增效
    4. 27:03字节 AI 岗位招募数量断崖领先,第二名是小红书(与阿里按淘宝、云等板块分开统计有关)
    5. 29:42职言社区里的员工变化:阿里士气反弹,美团员工焦虑股价
    6. 37:58最受欢迎 AI 应届生:清华第一、北邮第二
    7. 41:49顶尖博士生实习生可拿到 4000 元日薪
    8. 44:38初阶工程师招聘数减少,减少更快的还有各类管理岗
    9. 52:09清华计算机毕业的林凡,博士退学钱经历的千禧 AI 研究
    10. 58:01AI 浪潮给脉脉的机会:第一步是优化招聘各环节
    11. 01:03:35出生即退休的终局之前,我们可能会先经历“人力上云”
    12. 01:08:18当白领和知识工作也借由外包云平台来匹配,收入和职业成就感会怎么变?
    13. 01:13:03脉脉会先做招聘的优化,有可能把招聘本身变成人机混合的企业服务
    14. 01:19:57花钱订阅用最好的 AI 产品,一天至少用十次
    15. 01:22:15提高难以被 AI 化的复杂能力,本质是找到那些难被数据化的能力
    16. 01:25:45工作时间会大大减少,我们都需要寻找真正的兴趣

2025 年 8 月

4 期
  • 08-28132: 350亿美元大并购后聊 EDA|两位芯片工程师的全面科普:壁垒、AI 加速、国产机会原站 ↗
    章节 · 18 段展开章节
    1. 02:14摩天大楼的设计图,手机工程师每天用 EDA 比用手机还多
    2. 06:34拆旧芯片设计流程:架构—验证—后端,分别在做什么
    3. 19:10半导体行业的十倍定律:越早发现,越省成本
    4. 22:07旱涝保收,但能赚铲子钱,赚不到金子钱
    5. 25:25EDA 怎么收费
    6. 27:55国产初创公司获客悖论
    7. 29:23用 AI 生成设计代码
    8. 33:04AI 加速芯片设计,帮工程师想新 idea
    9. 39:21长期收购补齐版图
    10. 42:10为什么很难“完全垄断”
    11. 48:10EDA 都是跟随产业机会发展起来
    12. 49:43主流数字 SoC 渗透难;在模拟/版图提取等单点形成口碑更现实
    13. 52:33芯片复杂度通胀
    14. 55:44AI 会替代芯片工程师吗?
    15. 57:48生成 Verilog 成为 AI 创业方向之一
    16. 01:12:59三个词概括今年的芯片产业
    17. 01:19:17未来十年行业地图的重心
    18. 01:24:22对行业新人的建议
  • 08-26131: 微软怎么用AI?与微软商用市场、广告业务管理层聊AI驱动的增长原站 ↗
    章节 · 16 段展开章节
    1. 02:45微软内部全面使用 Copliot 365
    2. 06:43GPT-4o 后,Copilot 能力进一步提升
    3. 08:16使用 AI 的震惊时刻:Copliot 的视频会议即时翻译
    4. 12:18AI 怎么提升微软广告收入:从素材生成→智能投放→数据复盘的全链路
    5. 16:42AI 销售提效,一组数字体现
    6. 21:48企业客户用 AI 的成败总结:前提是数据
    7. 24:34微软做任何事,不会不考虑商业闭环
    8. 32:34关注的 AI 趋势:GPT-5、Agent
    9. 34:52靠编程 Agent,作为文科生也能开发、上线一款游戏小 App
    10. 36:42大量内部课程可选,非技术人员也能用 AI DIY 业务工具
    11. 41:30扭转工作习惯没那么容易,对 AI 渗透有 KPI 考核
    12. 46:46AI 进入生活:旅游攻略、多语言学习、苏格拉底式教育
    13. 51:27工作与生活的平衡?为何对两位都不是问题
    14. 58:25给 15 年前的自己的建议:更简单化的生活,销售的关键不是 social
    15. 01:03:43“我要坐第一排,要第一个发言”,要有自己的 voice
    16. 01:15:18Coding 作为创作 & 服务企业客户时,数据治理的重要性
  • 08-21130: 手机Agent大幕拉开!从刚上线的AutoGLM 2.0聊起,大模型如何改造手机|Agent#4原站 ↗
    章节 · 22 段展开章节
    1. 01:57能点奶茶、能发帖,不占用屏幕、无邀请码直接上线、免费
    2. 09:06定时任务,高频但尚待解锁的场景
    3. 12:05AI 竞争与外卖大战交汇:点外卖、找美食可能会被用得最多
    4. 14:14当 AutoGLM 来到美团与用户之间,美团们怎么想?
    5. 16:12Agent 调 App 的方式:GUI(图形界面) 和 API 会长期并存
    6. 20:59手机个人通用 Agent 和超级 App 内部 Agent(如美团 beam项目) 的关系?
    7. 25:52移动端尚没有 Web 端的 MCP 生态
    8. 28:44手机厂商也在做 Agent,智谱与荣耀、三星的合作进展
    9. 32:53华为、小米这样的公司有多种终端,它们推跨端 Agent 的优势?
    10. 33:55智谱作为大模型公司自己做硬件?暂时没考虑
    11. 37:1723 年 3 月 GPT-4 发布,刘潇的重心从预训练转向 Agent
    12. 42:3923 年 4 月到 8 月,做出全球首个评估 Agent 能力的基准 Agent Bench
    13. 47:25训练冷启动,人来构造数据
    14. 53:44强化学习(RL)初现威力,离线强化学习已能大幅提升效果
    15. 01:01:22o1、R1 的启发:做 RL 时,要用结果来 supervise 模型,而非用过程
    16. 01:04:02RL 的两个关键:环境和激励
    17. 01:11:1224 年 10月至今:工程上实现不占用电脑,以更大规模的在线强化学习提升纠错能力
    18. 01:15:16激烈竞争的前提是,移动端 Agent 真的好用、成熟了
    19. 01:18:11需要提升:模型能力、Infra、成本优化
    20. 01:28:56产品马上发布:忐忑、期待和迭代计划
    21. 01:32:14110 期,Agent 入口大战的预言回顾
    22. 01:34:54我们聊过的那些强化学习
  • 08-14129: 中国AI founder如何直接在美国创业?一个千万美元订阅收入案例 | 对话FinalRound创始人Michael原站 ↗
    章节 · 11 段展开章节
    1. 03:45受“贾维斯”启发做主动式 AI,99美元/个月,第一个用户紧急打钱
    2. 10:33ARR计算套路,有人用最高单日✖️365
    3. 14:11入选HF0孵化器,3个月收入翻3倍,那些反直觉的选择
    4. 23:29第一笔正式融资,688 万美元的天使轮
    5. 27:46自己也投过28家创业公司,“一起遛狗,一起音乐,相互投资”
    6. 34:17狂欢,也狂卷:每月一次小型音乐节,996 风靡硅谷
    7. 41:46HF0至今收入再翻 3 倍:AI Agent 驱动的投放和增长
    8. 50:14在拉斯维加斯做 KOL 拍摄屋,“借”特朗普做广告
    9. 58:04B2B新产品:不是帮企业面试提效,是想把面试变成 “AI 试用期”
    10. 01:02:45现在不是零和竞争的时候
    11. 01:09:05最近的思考:未来的招聘不是考核结果,是考核过程

2025 年 7 月

6 期
  • 07-30128: 小众AI场景拿到10亿级收入:测测任永亮首次讲述14年创业史原站 ↗
    章节 · 40 段展开章节
    1. 01:42创立测测,属于“病急乱投医”
    2. 02:36“偶尔治愈,常常帮助,总是安慰”
    3. 04:08测测和今日头条“撞”BP事件:基于大数据的个性化推荐引擎
    4. 06:21怎么一个学医的变成程序员了?
    5. 09:15买了个智能手机,相信一定要做手机上的产品
    6. 10:392011年就想做AI化的服务了,但做不到,只能做工具了
    7. 12:35任永亮说荣格是测测祖师爷
    8. 13:28测测的定位:泛心理在线平台
    9. 13:512016年开始,变成双边服务平台
    10. 14:482019年AI对话机器人上线
    11. 16:04测测进入第四阶段:做机器人
    12. 16:45抖音是最大化生成多巴胺,但测测想打破这个循环
    13. 18:15连续三个春节都被大模型搞得过不好
    14. 20:45很多人用AI加测测里的一个小功能模块做一个单独的产品,但是任永亮说他兴趣不大了
    15. 21:20第一创新风险大,看第二怎么创新就行了
    16. 23:43做机器人:“我不怕千万人阻挡”?
    17. 25:03拒绝被收购,就是为了有现金流支持创新业务
    18. 26:00跟李想产生共鸣了
    19. 27:19高中、大学对数学的热爱和了解到自己只是爱好
    20. 28:26测测是服务碳基灵魂,机器人业务是做硅基灵魂
    21. 29:50这个机器人最重要的是交互,因为大模型带来的最大的变化是交互创新
    22. 31:00LOVOT卖3万,也是成本价了
    23. 32:03用户最多的问题还是情感问题
    24. 33:06LOVOT在寻找激发人催产素的产品形态
    25. 35:02Labubu更多属于社会潜意识的投射,催产素只占很小的比例
    26. 36:11内啡肽是多巴胺和催产素之外另一种激素,痛苦后的奖励
    27. 38:17女性用户80%,一二线城市用户80%
    28. 40:40教大家怎么用MBTI分析所有人
    29. 46:18任永亮是一个信仰周期的人,每日心情打分是周期,生辰是周期,太阳历系统是周期
    30. 48:48如果把人当做一个混沌系统,星座等系统都只是解释了一小部分
    31. 52:00人为什么总想“测测”自己?我们智人希望找到规律
    32. 54:20大模型还没有解决规律总结的问题
    33. 56:00人还保留了具身性,所以是不可替代的
    34. 58:28长期来看,测测会变成一个人工智能公司
    35. 01:00:00AI技术对社会的影响,任永亮比较悲观
    36. 01:04:00很多公司把测测放进自己的BP里,但任永亮不太在意
    37. 01:06:12找一个市场和技术的夹缝,这也是过去测测一直擅长的
    38. 01:09:00深夜惊醒,在想一个对科学有信仰的人,怎么做了测测这个产品?
    39. 01:11:30如果做机器人不成功,可能就是报表没那么漂亮罢了
    40. 01:13:13任永亮想问:这个世界到底是不是可被计算的?
  • 07-21127: 与真格戴雨森 25 AI 中场复盘:OpenAI的IMO金牌、Kimi K2翻盘、Agent普及和抢人大战原站 ↗
    章节 · 17 段展开章节
    1. 01:06OpenAI 新模型拿下 IMO 金牌:首个到这一水平的通用 LLM、强化学习也能处理难判别任务、Google 也做到了?
    2. 14:38抢人大战后,Meta 谁都不服谁的情况可能更严重
    3. 16:31ChatGPT Agent 不惊艳,但别低估它;“壳”的价值在于 context
    4. 27:39总要进展:Coding 和推理能力持续提升、Agent 形态有了初步共识、多模态更实用了
    5. 33:59机器人进厂打螺丝的速度,被高估了;应用(壳)的价值、优秀团队的韧性、模型进展速度被低估了
    6. 40:53从 All in AI 到外卖大战?
    7. 42:37DeepSeek R2,等待新基模
    8. 43:43字节 Seed 组织的进一步分工:Edge、Focus、Base
    9. 46:39K2,Kimi 的乔戈里峰
    10. 58:32技术排位变化:Google is back、ChatGPT 更强化超级应用、Anthropic 也自己“造壳”
    11. 01:15:23雇佣 AI——1个月 1000 美元的 AI 订阅费
    12. 01:23:19Agent 的应用进展需要新的 L3 模型
    13. 01:30:22在硅谷,对创业产品的像素级模仿为何较少发生
    14. 01:35:35持续好奇:如何衡量智能的边界?
    15. 01:38:00灰犀牛:当个人有了大量生产力,怎么处理效率 vs 公平?
    16. 01:43:31未来几个月想验证的悬念?——L3 模型如何到来
    17. 01:48:37一款契合 AI 创业者的游戏《33 号远征队》
  • 07-16126: 解读智元机器人“类借壳”:6个涨停板!可想学不简单原站 ↗
    章节 · 13 段展开章节
    1. 01:54稚晖君背后,智元实控人邓泰华是谁?
    2. 04:027.8 亿元买上纬新材 29.99% 股份,获得相对控股
    3. 08:58科创板不能借壳,科创板也不应该有壳
    4. 12:56科创板并购重组交易中,向上市主体注入资产的流程与难度
    5. 23:26智元股东同意花钱收购的可能原因?——一种希望
    6. 24:42上一波 AI 公司退出难的教训
    7. 25:48为什么只买到 29.99%
    8. 28:56太多报道关于智元,太少关注上纬新材
    9. 36:20效仿智元的门槛:公司有没有钱?能不能拿出来?
    10. 43:32如果去港股上市呢?
    11. 46:21好的「壳/标的」该如何?—业务干净、业绩不掉、股权相对集中
    12. 52:01启明、梅花作为基金 GP 收购上市公司资产的尝试
    13. 55:28A 股二级何时更放开?指数是个好指标
  • 07-13125: 用AI复刻一个「我」,与心识宇宙陶芳波聊身份模型原站 ↗
    章节 · 28 段展开章节
    1. 01:52大四开始第一段创业,做微博时代的达人撮合平台
    2. 04:21读博前,自由度更高的神经网络成为显学
    3. 07:00专攻数据挖掘方向,建模恐怖分子组织架构
    4. 10:56读博期间的另一个创业项目:学生外卖
    5. 13:33既然 AI 有自主性,就要做有社会参与的 AI
    6. 16:13过于发达的工具,让人成了工具的接口
    7. 19:28毕业后,先去 Facebook 为社交网络建模
    8. 20:51阿里时期,阅读认知科学、禅宗相关的书,思考如何造人
    9. 25:46GPT-3 出现,亲自下场的时候到了
    10. 28:16Mindverse 重定向,从做 him/her 到做 me
    11. 33:03用户训练完身份模型后,“觉得自己永恒”了
    12. 35:33两个 AI 身份项目:Me.bot 开箱即用,Second Me 对外开源
    13. 37:26不是 AI 分身,而是 AI 身份
    14. 44:04Me.bot 的最新功能:共鸣、Talks
    15. 01:14:02大量需要一个 AI 身份介入、互动的场景已经存在了
    16. 01:17:40中国互联网数据孤岛和 AI 的通用性矛盾,一定会被打破
    17. 01:19:49用开源模型、本地训练的方式帮用户克服递交数据的心理壁垒
    18. 01:23:31设想中的商业模式:身份即服务
    19. 01:25:36不用 RAG,把对个人的理解内化在参数中
    20. 01:29:37把客观数据变成主观数据,重新抽象、总结
    21. 01:36:30微调不会让模型忘掉知识,但可以放大个人相关的知识
    22. 01:39:19公司周年庆上,身份模型预测出自己的讲话内容
    23. 01:41:41一百份思考、一百份笔记,足够训练出一个 Second Me
    24. 01:42:43模型应该每天微调一次,就像人每晚睡觉时形成记忆
    25. 01:44:36只有让 AI 和用户“共生”,才能降低传输数据的阻力
    26. 01:49:35大厂有更多数据,更适合做身份模型,但小公司没负担、更高效
    27. 01:53:00买量不可取,更希望通过口碑获取用户
    28. 01:54:54不赶 AI Agent 的热门,2026 可能也是身份模型之年
  • 07-09124: 理想前总裁的没苦硬吃,沈亚楠怎么花5亿给中国中产造家原站 ↗
    章节 · 25 段展开章节
    1. 02:41休息不是选择,想再挑战成长极限
    2. 06:31新命题:如何传达栖息地在做什么?不是装修,是一体化智能住宅
    3. 09:49中国会有自己的 The Home Depot「家得宝」,4000 亿美元市值的居住改善巨头
    4. 19:50李想的提醒:注意大环境。如何避免类似「住范儿」那样的客户利益损失?
    5. 25:09装修第一步是不知道相信谁;攒机→过程和结果没有确定性→不满意
    6. 29:28小米 YU7 的启发:功能与品牌传递的平衡
    7. 35:05什么是幸福的家?要素一:美好的关系——空间布局设计为关系创造环境
    8. 38:18要素二:自然、优雅的审美,栖息地不做「尖叫」的设计
    9. 41:47要素三:健康、舒适的环境(全屋空气、光、水系统等)
    10. 43:08二手房重装怎么操作?一个东城老楼的案例分享
    11. 47:42什么是好的交付过程?——省心。要素一:产品化;模块化开发和制造,定制化交付
    12. 53:21要素二:建立高效的「人料协同物流体系」
    13. 55:53要素三:激发施工班组(工人)的积极性,做对工人激励
    14. 01:01:11产品、品牌、交付,栖息地 3 大战略状态复盘,当下要着力解决品牌沟通
    15. 01:14:56与理想从 0 形成品牌的差异?现在做智能住宅,是要定义新品类
    16. 01:17:25定义新品类,可以学谁?一个关键也许是,怎么抓到新的时代潮流
    17. 01:19:22一体化智能住宅背后的潮流与人心:品质、美的自信
    18. 01:25:47何时降价?继续减少中间环节、产品化,提高交付效率→未来 25 万也能做很好的家
    19. 01:28:00出发时「天真」的地方,为天真付出的代价
    20. 01:32:34中国的行业 No.1 份额也只有一点点,没人知道谁是 No.2。而栖息地想做到 20% 的市占率,对应万亿收入
    21. 01:39:30一体化智能住宅的天时、地利、人和
    22. 01:42:16花了自己 5 个亿,对儿子说:“世界上只有两件事儿会变穷,赌博和创业,所以你得靠自己。”
    23. 01:44:03梦想中的研发,甚至还有家庭服务机器人
    24. 01:47:45“现场有神灵”,在客户最容易发飙的行业,自己脾气更好了
    25. 01:51:08「无限游戏」,方向不变,路径、规则可调,从挑战者到生态合作者
  • 07-07123: 当只有AI,人会活成怎样?与五源孟醒和两位挑战者还原72小时AI生存原站 ↗
    章节 · 21 段展开章节
    1. 03:13起点:跳出信息茧房,验证 25 年初的分歧:普通人真能用 AI 做出惊艳产品?
    2. 07:141999 年的互联网生存挑战给了形式启发;但这一次,不仅挑战生存
    3. 15:10五源的准备,自己先实验是否真能“生存”
    4. 17:56五源创始合伙人刘芹的反应?——唯一不考虑的一点是找项目
    5. 20:10利导和郅悦,两位的参赛故事
    6. 24:22郅悦的 AI 虚拟主播,想法在这次挑战成为现实
    7. 25:34无任何编程基础的利导,挑战是为了“按下暂停键”
    8. 34:12第一口热食的滋味
    9. 41:04饥饿状态,度日如年
    10. 43:22300 多人报名,从十几岁到 60 多岁,他们眼中的 AI
    11. 46:37不仅有人和 AI 的协作,更多是人和人的交流
    12. 50:30回到最初的假设:普通人,真能 AI 做好东西?
    13. 51:42现有 IT 环境下,AI Agent 是在戴着脚铐运行
    14. 56:56对 Agent Infra 机会的一个小型试验
    15. 57:58利建磊马航主题短片《7.41》,想验证导演是否能在 AI 时代成为超级个体
    16. 01:07:27陈郅悦的转码经验:跟着视频一步步学没用,干中学
    17. 01:09:553 个月开发第一个 AI 产品,现在每月约 1000 欧元收入
    18. 01:16:3272 小时里开发 AI 虚拟主播,挑战后也在继续完善产品,成本比想象中低很多
    19. 01:31:33小而美能长期存在吗?AI 是否在改变组织形态。孟醒说:“两年前他更相信这件事”
    20. 01:36:39下一个可能想验证的新问题?——世界模型,或 AI 领域的新东西,谁知道呢?
    21. 01:41:51经过这 72 小时,没变的和改变的

2025 年 6 月

4 期
  • 06-29122: 10分钟朱啸虎投资,泡泡玛特、米哈游都在试;Fuzozo孙兆治聊AI潮玩原站 ↗
    章节 · 22 段展开章节
    1. 03:20Fuzozo 作为 AI 养成系潮玩的玩法:亲密值、“毛毛语”、“地球语”、“写日记”
    2. 07:58吐槽答疑:2 年就得换硬件?不存在
    3. 10:47记忆只能同种族迁移,IP 要严格遵守世界观,“生命”就会有限制
    4. 12:37一开始就想服务 Z 时代女性;桌面机器人是有趣的技术尝试,但用户不想要
    5. 15:4824 年融不到钱,25 年和朱啸虎聊了 10 分钟,对方投资
    6. 18:56具身的此刻:demo 简单,稳定落地难
    7. 20:39陪伴硬件上,TTS 语音和大模型能力同类重要
    8. 22:10参考养成游戏,3 要素:精力投入、情感羁绊、社交节点
    9. 27:01做减法的过程:保留最低生命感
    10. 31:18最激烈的争论:会说人话 or 不会?——为何最终选前者
    11. 34:47世界观的形成:金木水火土,是中国的 MBTI
    12. 42:30AI 还占多少比例?陪伴真的需要“智能”吗?
    13. 49:22京东直营的采购量,就有可能让 Fuzozo 成为 AI 陪伴硬件 25 年销量第一
    14. 52:27游戏的、机器人的、潮玩的,都在做
    15. 54:51不怕和大公司竞争,也只能面对竞争
    16. 01:00:46行业下一个节点——端侧模型直接部署到陪伴硬件上
    17. 01:05:33在法国做汽车设计→小鹏、滴滴→鹏行智能,从巴黎的 46 天年假到连轴转,但回国是对的选择
    18. 01:11:53何小鹏的汽车设计审美?小鹏的设计早年为何不连贯?
    19. 01:21:22上一次创业做智能猫砂盆的复盘
    20. 01:24:54出来混,重要的是“出来”
    21. 01:26:27产品设计出身,如何学习 AI 技术?
    22. 01:28:56抚慰人的孤独,值得做深
  • 06-24121: PingCAP黄东旭的“内在世界源代码”:《黑镜》、程序之美和创作自由原站 ↗
    章节 · 26 段展开章节
    1. 03:17十年前,看《疑犯追踪》的创业启发:为未来 AI 做数据存储准备
    2. 07:52卖掉房子,开始住房车,“没用的东西全都扔了”
    3. 12:45PingCAP 的创业原则:几位创始人构成分布式系统,互为冗余
    4. 13:41《黑镜》第7季第四集的启发——简单结构,产生复杂智能
    5. 22:34元胞机/生命游戏、TiKV,都是简单结构产生复杂智能
    6. 34:06软件系统构建的“剑宗”和“气宗”
    7. 37:10对智能不同理解背后的哲学差异:规律真能被掌握吗?
    8. 43:51沃兹尼亚克的启发:有趣很重要
    9. 47:04创造 Doom 的 John Carmack:极致受限环境,优雅编程
    10. 50:51放弃传统调式的 John Cage:打破常规
    11. 52:15PingCap 所有联创此前都没做过数据库,从头开始思考怎么做数据库
    12. 55:26曾经低估云原生的发展速度
    13. 01:04:45PingCAP 的实践与教训:全球化是更好的本地化
    14. 01:05:45中国为何不能诞生 DataBricks?
    15. 01:06:44想成为最受尊敬的基础软件公司
    16. 01:11:27学编程——最重要的是,有目标,完成目标,动手做
    17. 01:15:07不能一直 vibe coding
    18. 01:19:14PingCAP 的新思考:AI 需要什么样的数据存储?
    19. 01:21:06不想看 Saleforce,自己写了个 Agent
    20. 01:24:24做 database不会失业,每个人都会有自己的 Personal Data
    21. 01:30:36开源是竞争策略,也是本身想做的事
    22. 01:40:45《神的九十亿个名字》我们是不是在加速来到结尾?
    23. 01:44:43离开计算机,我的意义是?——AI 无法替代你体验
    24. 01:49:26欣赏非数字内容,人造的东西会很珍贵
    25. 01:51:20如果只能往宇宙发送一曲摇滚遗产,我会选《月之暗面》
    26. 01:54:56看到美团跟京东的商战,什么感觉?——“他们在商战吗?”
  • 06-12120: 科创板后再访Insta360刘靖康:这何尝不是一种极限运动!原站 ↗
    章节 · 39 段展开章节
    1. 01:32这有点儿像,你 4 年前就领了证,今天才办婚礼
    2. 04:14两年三变化
    3. 07:37“猎人策略”进化,新的 3 种 level
    4. 13:00AcePro 为何跳入与 DJI Action、GoPro 的更直接竞争?
    5. 18:57包围式差异化式进攻
    6. 22:25影像是「开放世界的市场」,就像游戏,产品之间难以等效替代
    7. 25:28不要忽视任何环节做好带来的增益,和没做好带来的损失
    8. 27:48大疆也要发布全景相机了,如何应对?
    9. 31:06Ace 系列有挫折,但此刻是好结果
    10. 34:00两种产品思路:需求导向 vs 竞争导向的平衡
    11. 37:18员工学滑雪、潜水,费用都报销,鼓励他们成为目标客户
    12. 41:29全焦段、全场景,愿景是“帮助人们更好记录和分享生活”,而不只是运动
    13. 43:56防比攻更难,但也更能带来能力提升
    14. 49:00大多数消费电子品类,有门槛、难有壁垒
    15. 54:18无人机市场的门看似焊死了,其实也能推开
    16. 55:11如果我账上的钱只够活三个月,傻子才会跟他竞争
    17. 56:57抓住大机会的公司都不是“白纸”,是机会到来时能力积累最 ready 的组织
    18. 59:16试,这不是最经济的方式
    19. 01:03:03say no 的方向:为何不做车载?电影机曾经的失利
    20. 01:09:24何时谋定而后动,何时跳下水迭代
    21. 01:18:15AcePro 2 街拍套装都要上市了,我才知道
    22. 01:22:00提高决策能力的唯一方法是,决策、行动,然后获得反馈
    23. 01:27:03最难的是,克制住直接给方案的冲动,这反人性
    24. 01:29:42表扬要公开,批评要单独;给负反馈时,不要高高举起、轻轻放下
    25. 01:31:55试图打造员工发展第一,客户第二,股东第三的组织
    26. 01:36:39这家公司赚的是“开发新知识”的钱
    27. 01:40:35面对员工吐槽:识别目标员工,解决共性问题
    28. 01:42:27定期识别隐性职责和跨部门职责
    29. 01:50:00矩阵式组织的关键是,上下左右对齐目标
    30. 01:54:49组织上什么最难?激发人心
    31. 01:58:40组织复杂性将持续,但会迭代优化
    32. 02:01:26眼镜也许是大机会,但非 Insta360 的大机会
    33. 02:07:50迄今为止,最勇敢的选择
    34. 02:12:07害怕失去,所以 YOLO,所以勇敢
    35. 02:14:39你的底层,不是一场战争
    36. 02:17:50有了孩子后,发现家庭记录场景的更高上线
    37. 02:19:184 个太多 & 4 个不够
    38. 02:21:09被采访是提炼想法、明文表达的时机
    39. 02:22:00我们就是公司里的极限运动玩家,不求安逸,All in or nothing
  • 06-08119: AI视频产品怎么Go Viral?6000万用户的PixVerse的答案原站 ↗
    章节 · 45 段展开章节
    1. 01:10自我介绍:从光源资本到 PixVerse 联合创始人
    2. 03:46接触 AI 生图,被 Midjourney 震撼到沉迷
    3. 06:11周末泡在杭州线下黑客松,与技术合伙人组队创业
    4. 08:1123年春节后,与王长虎结识及互补团队结构
    5. 08:55视频是视觉 AI 的终局场景?变化正在发生
    6. 12:13别人想冲奥斯卡,爱诗想服务好普通用户
    7. 15:04视频表达门槛高,AI 能降低表达门槛;但视频又是现在最重要的传播媒介
    8. 16:15怎么让普通人做出第一个视频?“毒液模板”爆红,用户破千万
    9. 17:39模板两个优势:不需要写提示词,也能提高抽卡率
    10. 18:57收入增速翻了十倍,月收入千万人民币,(海外)订阅是主要变现方式
    11. 20:57移动端产品上线前几个月,用户即破千万
    12. 22:23AI 应用产品化还处于非常早期阶段
    13. 22:58社区、共创、模版生态的未来可能性
    14. 24:12用户不是专业剪辑者,而是普通人,新创作者
    15. 25:23多模态生成仍有问题,正在探索
    16. 27:15稳健策略训练模型:很多同行的十分之一、二十分之一
    17. 28:40资源节俭哲学:以少胜多
    18. 29:12中国三家公司和 Google 是第一梯队,与 Sora 属于不同路径
    19. 34:53不担心和大公司的竞争,因为视频行业还在快速发展
    20. 36:36用户自发传播,不依赖平台流量
    21. 37:45很多普通人的第一个万赞、十万赞、百万赞的视频就是用 PixVerse 做的
    22. 38:25国内市场已经验证过了:有人在咸鱼上求代做视频
    23. 39:25视频是通用媒介,模板快、准、美是核心能力
    24. 41:54用户主导内容趋势:AI 辅助用户而非替代创作
    25. 42:35圣诞节“耶稣温暖你”模板在欧洲爆红
    26. 43:58海外与国内产品版本一致,局部调整
    27. 45:08美国、巴西、俄罗斯、印尼等人口大国主要市场
    28. 46:48“每天刷 TikTok 的人”是 PixVerse 的目标人群
    29. 48:46视频生成模型仍然有很大进步空间
    30. 49:17模型迭代和产品相辅相成,模型技术用在什么场景很关键
    31. 52:21看到的新架构架构趋势:DIT + 自回归
    32. 53:01生成速度变得更快是更有意义的
    33. 54:11探索 to C 也探索 API
    34. 55:48模型和产品的资源分配如何平衡?
    35. 57:00和大语言模型不同,视频生成模型是“摄像头”,不能单卖
    36. 58:15APP 面向普通用户,网页端更偏专业创作者
    37. 01:05:25视频生成是无人区,所以过往有没有经验意义不大
    38. 01:10:07什么是规模化的产品:用户留存和自然传播才算
    39. 01:14:50在北大光华的读书时光:去硅谷访学,被创业氛围冲击
    40. 01:18:01在光源资本时,经历互联网整合期
    41. 01:22:14看过足够多的公司:看准了就要赌,要赌就要 all in
    42. 01:23:35相信两类 founder:即使冒险也是热爱;坚持探索技术
    43. 01:24:14同时入行的投资人,都在做什么?
    44. 01:26:28在光源看过各种项目,但几个月达到千万月活的凤毛麟角
    45. 01:27:38面对噪音,要相信自己

2025 年 5 月

6 期本月 6 期的分节 →
  • 05-28118: 天生卷王郭人杰:从97年的扫地机总裁到创业做家庭通用机器人原站 ↗
  • 05-20117: 印奇的AI创业14年:所有不能闭环的辉煌都是暂时的原站 ↗
  • 05-17116: 当AI研究者写科幻,与Meta田渊栋聊他的智能想象:我们终会“所思即所得”原站 ↗
  • 05-11115: 华为发布超节点,如何搅动AI算力市场?与魔形智能徐凌杰聊芯片层新变化原站 ↗
  • 05-05113: 秘塔闵可锐1:回到故事开始,那些「神预言」原站 ↗
  • 05-05114: 秘塔闵可锐2:“我不是演员”原站 ↗

2025 年 4 月

3 期本月 3 期的分节 →
  • 04-29112: 与千寻高阳聊具身:一个像机器人的人,怎么做像人的机器人原站 ↗
  • 04-22111: Pokee.ai 朱哲清的 Agent 造法:强化学习作后端,语言模型作前端|Agent#3原站 ↗
  • 04-14110: 与明势夏令聊Agent竞争:通用入口之战就要来,创业要做垂、做专|Agent#2原站 ↗

2025 年 3 月

6 期本月 6 期的分节 →
  • 03-30109: 数字生命卡兹克如何用 AI:把任何重复3遍的事AI化原站 ↗
  • 03-17108: 与马毅聊智能史:“DNA是最早的大模型”,智能的本质是减熵原站 ↗
  • 03-13107: 与Haivivi李勇聊月入千万的AI Jellycat:小众AI硬件×大众消费品的交叉口创业原站 ↗
  • 03-09106: 与真格戴雨森长聊 Agent:各行业都会遭遇“李世石时刻”,Attention is not all you need|Agent#1原站 ↗
  • 03-06105: 潞晨尤洋争议中谈三方云平台 DeepSeek 成本:为何我不做 MaaS 了?原站 ↗
  • 03-03104: 我给线性注意力找“金主”,字节 say No,MiniMax say Yes原站 ↗

2025 年 2 月

3 期本月 3 期的分节 →
  • 02-26103: 用Attention串起大模型优化史,详解DeepSeek、Kimi最新注意力机制改进原站 ↗
  • 02-25102: DeepSeek 启动开源周,大模型开源到底在开什么?原站 ↗
  • 02-11101: 与王小川聊AI✖️医疗:通向“生命科学的数学原理”原站 ↗

2025 年 1 月

4 期本月 3 期的分节 →
  • 01-29100: 硅谷怎么看 DeepSeek ?与 Fusion Fund 张璐聊开源、Agent和“除了AI”原站 ↗
  • 01-2099: MiniMax 创始人闫俊杰:做大模型,千万别套用移动互联网的逻辑原站 ↗
  • 01-1498: 李开复聊零一部分团队并入阿里:只有大厂能追逐超大模型原站 ↗
  • 01-0397: 中国产品如何从 0 到 1 搭海外品牌?| 对话国际品牌操盘手 Eric原站 ↗

2024 年 12 月

5 期本月 3 期的分节 →
  • 12-2596: 和楼天城聊 Robotaxi:学习人类优秀司机,让我绝望原站 ↗
  • 12-1995: 工业设计师到底在干啥?原站 ↗
  • 12-17硅谷线下活动:与《不在场》主播重轻和老朋友丰泽一起聊聊原站 ↗
  • 12-0893: 字节VS六小龙,大模型创业生存战 | 串台「十字路口Crossing」原站 ↗
  • 12-0692: 每年聊 1000 个项目,我看到出海者们的局限和犹豫 | 对话云时资本彭创原站 ↗

2024 年 11 月

4 期本月 3 期的分节 →
  • 11-2791: 成庆:佛学不是精神的止痛药原站 ↗
  • 11-2090: 当每个国家都想要自己的大模型?与云启陈昱聊主权 AI原站 ↗
  • 11-1389: 当技术遇上艺术:与 NVIDIA 和新片场聊 AI 如何重塑创作原站 ↗
  • 11-0788: SpaceX 星舰第五飞:“即便成功,也没想到是如此完美的成功”原站 ↗

2024 年 10 月

5 期本月 4 期的分节 →
  • 10-3087: 家里又多了个“怪东西”!与云鲸聊新消费电子品的诞生原站 ↗
  • 10-2786: We, Robot-2,清华叉院/星海图许华哲看“Optimus”的门道原站 ↗
  • 10-2385: 国家从无到有,拢共分几步?|工业化之路 01原站 ↗
  • 10-1684: 与侯晓迪聊特斯拉 We,Robot:烟雾与现实原站 ↗
  • 10-1083: 《智人之上》:没有AI,寻找意义也是每个人的必解题 | 串台《知本论》原站 ↗

2024 年 9 月

4 期本月 2 期的分节 →
  • 09-2682: 人活着有啥意思原站 ↗
  • 09-1881: 游戏怎么变成了生活?游戏社区发展史原站 ↗
  • 09-1680: OpenAI o1 来了!与硅流袁进辉聊 o1 新范式和开发者生态原站 ↗
  • 09-1179: 大模型+SaaS 怎么做?与中国最早的 AI SaaS 产品经理聊聊十年经验原站 ↗

2024 年 8 月

3 期本月 3 期的分节 →
  • 08-2578: TikTok 快、Temu 狠、Shopee 韧,与墨腾创投李江玕聊东南亚电商大战原站 ↗
  • 08-1177: 不仅是车企的战争,与 Momenta 创始人曹旭东聊智驾供应商生存法原站 ↗
  • 08-0476: “等离子体总在你绝望时又给你希望”,与清华谭熠聊核聚变20年研究和2年创业原站 ↗

2024 年 7 月

2 期本月 2 期的分节 →
  • 07-1775: 大厂员工被关美国监狱?聊聊出海人的共同风险:入境被遣返怎么办原站 ↗
  • 07-0974: 走访锈带:美国大选的反直觉认知与不被看见的人 | 串台硅谷 101原站 ↗

2024 年 6 月

3 期本月 1 期的分节 →
  • 06-3073: 垂类电商是伪命题?我做了个泰国最大的美妆电商平台原站 ↗
  • 06-1772: “听完一百位设计师的抱怨后,我找到了用AI帮他们提效的办法” ,与 Motiff 聊 AIGC 细分机会原站 ↗
  • 06-1171: “如果相信只靠 Scaling Laws 就能实现 AGI,你该改行了”,与香港大学马毅聊智能原站 ↗

2024 年 5 月

2 期本月 1 期的分节 →
  • 05-3070: 开始第三个一千零一夜,与米可世界 Emily 聊中东出海 6 年原站 ↗
  • 05-1569: 每个人活着都不舒服原站 ↗

2024 年 4 月

4 期本月 1 期的分节 →
  • 04-3068: 怎么运营一家美术馆?和艺仓美术馆馆长余光照聊聊艺术、艺术馆和怎么办展原站 ↗
  • 04-2567: 与《刚性泡沫》作者朱宁聊普通人保住财富:为什么多元化投资更好?原站 ↗
  • 04-1066: 怎么选发型、为啥烫发贵、咋吹头发:和理发店老板宝哥聊聊美发这个生意和到底该怎么整整头发?原站 ↗
  • 04-0265: 信仰充值的威力:与逐际动力谌骅聊聊 GTC 和人形机器人新进展 | AI 大爆炸原站 ↗

2024 年 3 月

3 期本月 2 期的分节 →
  • 03-2764: 让奶牛猫跳洗澡舞,与阿里通义薄列峰聊多模态共识中的变量是什么?| AI 大爆炸原站 ↗
  • 03-2163: 来这的人都对上班这件事有所怀疑:和跳海创始人二狗与投资人 Mable 聊聊酒吧、精酿和年轻人原站 ↗
  • 03-1462: 对谈哲学教授姜宇辉:哲学能解决年轻人的意义危机吗?原站 ↗

2024 年 2 月

3 期本月 3 期的分节 →
  • 02-2161: 和心理学家许燕一起聊聊怎么避免心理枯竭原站 ↗
  • 02-0560: 东北人也应该再次了解东北:和丰泽、重轻一起在东北聊聊东北原站 ↗
  • 02-0159: AI 3D 生成会有“抖音时刻”吗?与 VAST 聊人人玩 3D 的未来 | AI 大爆炸原站 ↗

2024 年 1 月

3 期本月 1 期的分节 →
  • 01-2458: 光年之外联创再出发,与袁进辉聊 AI Infra 到底做什么?| AI 大爆炸原站 ↗
  • 01-1457: 非洲农业不发达,到底都是缺点啥?和李奕聊聊她在肯尼亚的一千亩地原站 ↗
  • 01-0356: 四个问题(不完全)回顾 2023 商业事件 | 串台(挖坑)《商业就是这样》原站 ↗

2023 年 12 月

4 期
  • 12-2755: 从 0 到 470 万,与车云程里聊中国汽车出海大爆发原站 ↗
  • 12-2554: 四个故事 【2023 年终节目】原站 ↗
  • 12-2053: 养老院不是一座孤岛,一名 90 后的 6 年养老创业故事 | 「2023 年终讲」合作系列原站 ↗
  • 12-1352: “帮有钱人变得更有钱”是什么体验?与从业者聊聊财富管理在管什么原站 ↗

2023 年 11 月

1 期
  • 11-0150: 在小红书当百万博主有什么体会和经验?流量与商业化背后的人性考验!原站 ↗

2023 年 10 月

3 期
  • 10-2549: 3nm 是谎言?光刻工厂真能造芯片?与汪波聊芯片行业那些流传的误解原站 ↗
  • 10-1748: 与《马斯克传》总策划人聊新书:幕后故事和新英雄的诞生 ×【串台知本论】原站 ↗
  • 10-0847: VC的春秋大梦:和明浩聊聊基金和创业的困境 | 串台《屠龙之术》原站 ↗

2023 年 9 月

3 期
  • 09-2746: 没有签证怎么去非洲干活:和丰泽聊聊在非洲不同国家打灰的体验原站 ↗
  • 09-2045: “蔚小理”登陆知乎 /B 站 / 小红书,车企们的内容社区营销战事原站 ↗
  • 09-1344: 从国贸金融男到一代人的一代命:与你肯定看过她梗图的 Wendy 聊聊原站 ↗

2023 年 8 月

3 期
  • 08-2343: 美元基金与中国科技说再见?和前律师、现 AI 创业者聊聊拜登最新行政禁令改变了什么原站 ↗
  • 08-2142: 产品经理十年沉浮:和少楠、刘飞一起聊聊这个职业这些年原站 ↗
  • 08-0241: 造梦都市:小红书塑造了什么?而又是谁在塑造小红书?原站 ↗

2023 年 7 月

2 期
  • 07-2740: 通用机器人,AI 的下一个浪潮?原站 ↗
  • 07-1039: 从美团收购光年之外,聊聊科技公司收并购的操作与故事原站 ↗

2023 年 6 月

2 期
  • 06-1438: 内斗?投资人逼宫?创业 5 年后公司估值超过 20 亿元,他为什么辞任 CEO?原站 ↗
  • 06-0737: 热度很高,投资很少?与 42 章经曲凯聊聊 AI 创投水温原站 ↗

2023 年 5 月

2 期
  • 05-2436: OPPO 突然中止造芯,生不逢时的雄心原站 ↗
  • 05-1735: 别做近视手术、干眼症没救、给眼镜多花钱没用:和英国视光医生聊聊天原站 ↗

2023 年 4 月

1 期
  • 04-0934: 开始用上 AIGC 的艺术家:和 Tianxi/轶轩一起聊文生图原站 ↗

2023 年 3 月

2 期
  • 03-2633: 人类本质是不精确的复读机:与李如一和重轻闲聊 ChatGPT原站 ↗
  • 03-1632: 最怕客户来参观的行业:和谈三圈仔细谈谈芯片原站 ↗

2023 年 1 月

2 期
  • 01-2331: 中国在水电站方面基本上处于天顶星级别存在:和非洲回来的曹工唠唠原站 ↗
  • 01-1530: 区块链里国家和种族的矛盾依然存在:与 Mable 唠唠一般这行不聊的话题原站 ↗

2022 年 12 月

4 期
  • 12-2829: 两个半故事【年终特别节目】原站 ↗
  • 12-2228: 我不做 VC 了:庄明浩低调分享做投资的感悟原站 ↗
  • 12-1427: 9720 万个药盒与买不到的布洛芬:一家印刷厂在疫情下的挑战【临时加更】原站 ↗
  • 12-1126: 我们太沉迷创作了:赵夏与机核的无疆想象原站 ↗

2022 年 11 月

2 期
  • 11-1525: 以大博大:腾讯帝国与原神 【大公司的瞬间 S1E3】原站 ↗
  • 11-0224: 美团大扩张、饿了么之战与公司的人才观【大公司的瞬间 S1E2】原站 ↗

2022 年 10 月

2 期
  • 10-2423: 乔布斯回归苹果前后几个月的故事 【大公司的瞬间 S1E1】原站 ↗
  • 10-1222: 如何获得快乐:与重轻唠唠游戏产业的科普原站 ↗

2022 年 9 月

1 期
  • 09-0221: 想要发电,要先有电:一个总工在中国和非洲修水电站的故事原站 ↗

2022 年 7 月

1 期
  • 07-1820: 不温和地走入区块链寒冬:与橙皮书李阳聊聊区块链这两年原站 ↗

2022 年 6 月

1 期
  • 06-1419: 为什么科技公司要创新?为什么相信人类会进步?彼得·蒂尔(Peter Thiel)的信念与信仰原站 ↗

2022 年 5 月

3 期
  • 05-2918: 和相机公司合作的手机,能让我拍照更好看吗?和影像工作者 Tianxi 聊聊厂家对照片动了哪些「手脚」原站 ↗
  • 05-2117: 2000 一斤的蟋蟀,你会买回家喂蜥蜴吗?疫情与那些养爬行动物的人【特别音频实录节目】原站 ↗
  • 05-1316: 什么是 DAO?与创始人和资深参与者聊聊 DAO原站 ↗

2022 年 4 月

4 期
  • 04-3015: 疫情中,如何与情绪和平相处:与临床心理学博士徐凯文对谈原站 ↗
  • 04-1714: 如果不要激光雷达车价打九折,你接受吗?与激光雷达资深从业者的对谈原站 ↗
  • 04-1013: 是否在现代社会过非技术式生活:和李如一聊聊封装与日本原站 ↗
  • 04-0112: 互联网还会变好吗?极客精神与 Web 3原站 ↗

2022 年 3 月

2 期
  • 03-2411: 封装、赛博神学与蒸汽波音乐:共识消逝年代的技术 × 孔德罡原站 ↗
  • 03-0910: 我是如何发现你简历造假的:与两位猎头聊背景调查原站 ↗

2022 年 1 月

4 期
  • 01-209: 元宇宙开端在鹤岗:与一位鹤岗打灰人的交流原站 ↗
  • 01-108: UP 主生态面面观:给老蒋添点堵(下)原站 ↗
  • 01-077: 「我可以比知乎更爱知乎吗?」× 少数派原站 ↗
  • 01-036: 一位脖部 UP 主的回顾与省思:给老蒋添点堵(上)原站 ↗

2021 年 12 月

2 期
  • 12-28当游戏与技术螺旋上升【番外】原站 ↗
  • 12-204: 在为中国食物寻找新叙事的间隙,修厕所:与企鹅吃喝指南创始人王志伟的对谈原站 ↗

2021 年 11 月

4 期
  • 11-263: 我在朝鲜开「万事屋」原站 ↗
  • 11-152: 互联网大厂中抑郁的人原站 ↗
  • 11-141: 教培行业被打压后,我家堆满了茅台酒和现金原站 ↗
  • 11-11EP 0: 没想到吧,晚点做播客了!原站 ↗