全部节目
182 期 · 57 个月 · 110 期带分节2026 年 10 月
1 期- 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127 分钟
- 01:44OpenAI Dots：常驻云端的个人助理，为什么从 100 美元起步
- 08:25“眼里有活”的 Instinct，但数据条款让人退缩
- 11:27个人助理为何此刻爆发：Computer Use 成熟、推理成本下降
- 16:11App 会接受被个人助理 over the top 吗？
- 22:02下一步：能力、生态、个性化与安全
- 31:11Astra 与 Opus 5.5：新旗舰强在哪里，从“Put That There”到操作 Blender
- 42:57蒸馏与反蒸馏：Astra 为什么更难蒸？
- 45:50一万个 Agent、88 小时：OpenAI 如何挑战 Navier–Stokes
- 53:43通用模型进入机器人：大语言模型直接成为策略模型
- 01:02:30前沿模型进入生物科技：蛋白质设计、新酶与 GPT-Rosalind
- 01:06:18OpenAI ARR 猛增，Anthropic 增速是否已被反超
- 01:12:52Anthropic 上市材料：大客户、云渠道与 5180 亿美元承诺
- 01:15:10招股书该看什么：用户画像、收入分布与 Coding 渗透率
- 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
- 01:28:29RSI 的两条路线，以及为什么 Infra 成为第一站
- 01:33:05便宜和快为何变得更重要：同等智能的成本暴跌
- 01:40:08从亏本到盈利：低价模型怎样改变开发者行为
- 01:43:20Jev 爆火：把自然语言变成编程里的 if
- 01:49:06GPT-Live-1 与 Interaction Models：实时交互走到哪一步
- 01:54:08Grok 强势反弹：独特数据与预训练门槛
- 02:00:37Q3 的两条主线与 Q4 悬念
- 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」202 分钟
- 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”
- 14:20主动选择抖音，加入在 2018 年爆火之前
- 18:38在抖音做社交，体验 Alex 的“细节变态”
- 29:57入职两年做产品一号位，最大的教训是不可逆势而为
- 36:05“动念引线”和 DayFold：火花来自人类，AI 助燃
- 41:26从 ChatGPT 到猫箱：互动内容的新格式
- 47:23AI 给娱乐的机会：供给扩大、无限分支的体验与 Scale“人”
- 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
- 01:09:45移动互联网产品是搭房子，AI 产品是养女儿
- 01:12:18从猫箱到动念引线：都在自己训模型
- 01:18:32新体验大概率来自新公司
- 01:25:42字节的方法论：找到那辆合适的车，踩油门
- 01:33:43字节背景创业者被高估了吗？那些带不走的能力
- 01:38:44把“想象力的摄像头”丢进人群
- 01:50:19优化一：把消费也变得烧 token，这才有新平台的机会
- 01:55:07把公司做成“产品 UGC”组织
- 02:04:38优化二&三：收浓人群&提高频次
- 02:13:45ChatGPT 最了解很多人，前沿模型厂商会吃掉娱乐应用吗？
- 02:31:42版本答案何时出现，以及它不是什么？
- 02:44:40低估了 Coding 的进化速度，高估了 Sora 带来的行业加速
- 02:55:59从模型切入，大概率做不出新的娱乐体验
- 03:07:22“你还是得解决，大量不参与科技爆炸的人的价值感”
- 03:13:27少数人向前，多数人向四面八方
- 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63 分钟
- 02:33融资竞赛：大家拿了很多钱，却花得很少
- 05:40具身进展难观测，也更容易在高估和低估中摇摆
- 08:51抓一个轴承要 70 秒：比人慢，也比成熟工业机器人慢
- 16:47“上春晚不是问题，都上春晚就是问题”。
- 17:39融资越多，越得奔着做大和 IPO
- 18:13港股 18C：2.5 亿港元收入只是最低门槛
- 19:44数采中心：地方政府、就业和数据销售如何闭环
- 24:06被质疑的科研、跳舞、迎宾，也许是当前最市场化的收入
- 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
- 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
- 36:42二代们执掌机器人：从果链、汽车链到机器人链
- 41:132000 万，成为智元 VAP
- 45:15Optimus 预期落空，看销量预期，邓泰华比马斯克准
- 50:30Club Deal：“T0 级”产投、VC 的排列组合
- 54:44泡沫继续，二级投资人开始寻找可验证指标
- 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50 分钟
- 02:04典型蒸馏：让学生模型逼近教师的输出行为
- 04:26智能体轨迹蒸馏：可被“蒸”的数据越来越丰富
- 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
- 08:05蒸馏规模扩大的两个关键节点
- 10:17从为了压缩，到为了变强
- 13:51张一鸣的判断：最多只能逼近，很难真正超越
- 17:44一个运动员可以既嗑兴奋剂，也勤加训练吗？
- 24:41其它公司的蒸馏讨论
- 28:52账号、真实问题与数据管线：大规模蒸馏的 know-how
- 32:08蒸馏行为可以被隐藏吗？
- 34:56学生模型超越教师模型的可能性
- 37:29一直逼近而不超越，问题是什么？
- 38:35蒸馏的红线与“双标”争议
- 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？89 分钟
- 05:53为什么 RSI 在今年变热？
- 07:15去年与 GPT-5 合写论文，从不用再招实习生到创业
- 13:10coding 能力提升后，研究老手的春天又回来了
- 15:26从 AutoML 到 RSI：AI 辅助研究的今夕变化
- 19:48Anthropic 长文更多展示了提效，还不是递归自进化
- 27:14解决 RSI 不只靠 coding 这个支点
- 38:07强者愈强的变数：智能提升可能是跳跃的，而非平滑的
- 43:38终极形态也许是“修仙社会”
- 45:51First Steps：三个 benchmark 的初步成果
- 54:43现在缺什么？数据、算力与可解释性
- 57:13自我进化的风险
- 59:37“多数人已经绝望了，但我认为AI 终将成为科学”
- 01:05:45当 AI 能自己发现新知识，那我就来欣赏吧
- 01:08:13从 Waymo 到 FAIR，从工程回到研究
- 01:14:11hands on 带来的研究判断：区分难的不同程度
- 01:20:26大厂为什么变慢：小团队、扁平协作与 150 人临界点
- 01:23:22追求美的结构，也知道这是一种局限
- 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？115 分钟
- 05:13使用体感：长程任务、惊艳的前端能力与被吐槽的不足
- 11:15K3 引发的开源、安全与估值大辩论
- 16:50Transformer 的「忒修斯之船」
- 25:34贵不贵、慢不慢，看单价之外的任务总成本
- 29:25K3 为什么现在慢？新架构、Serving Stack 与前缀复用
- 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
- 39:36架构总览：让信息沿序列与深度更高效流动
- 42:42Quantile Balancing：近千个专家如何保持负载均衡
- 48:38KDA＋MLA：线性注意力与全局注意力并非二选一
- 54:12线性注意力下，百万上下文如何缓解遗忘
- 57:27线性注意力给推理系统带来的工程变化
- 01:00:546.3 倍解码加速来自哪里
- 01:03:34Attention Residuals：让深层模型选择性读取浅层信息
- 01:10:23Per-head Muon 与大规模训练稳定性
- 01:14:46AI 能否自己发明优化器
- 01:20:34MOPD：九个领域专家为什么先分后合
- 01:27:11蒸馏的纯技术定义、on-policy 蒸馏与 off-policy 蒸馏的区别
- 01:31:08KDA 结构下，投机采样回退机制的变化
- 01:39:47Flash KDA、QAT 与训练—推理一致
- 01:46:50下一个开源最强，以及开源能否超过闭源
- 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99 分钟
- 02:19报道之外：组织上升期里的暗流
- 05:04Kimi K3 之后，“小模型” 路线的两种声音
- 07:46腾讯为什么要找一个年轻 Leader
- 13:09从 AI Lab 赛马到一个 “残缺的组织”
- 18:41姚顺雨的 “下半场” 判断：腾讯的 Context 为什么有吸引力
- 26:01多模态并入，姚顺雨的 Scope 持续扩大
- 27:29两三个月换掉关键岗位
- 35:04一个不像 “纯技术 Leader” 的组织型管理者
- 41:45刘炽平的支持：钱、人、算力和时间
- 44:17混元 3 第一炮：目标不是登顶，而是重振士气
- 49:27强化学习平台与模型—产品协作
- 52:04把 AI 原生产品集中到 CSIG
- 56:15内部强化学习平台从 WorkBuddy、元宝开始
- 57:45混元和微信：模型之间 “没有很直接的关系”
- 01:07:45为什么微信 WeLM 和混元大概率会长期并存
- 01:10:19“联邦制” 腾讯需要和能拧成一股绳吗？
- 01:17:43改革的第二阶段：成绩与文化兼容
- 01:21:38后来居上的标准：先拿出第一梯队模型
- 01:27:02如果今年底再写 BAT AI 竞争，主题会是什么？
- 01:29:39从程序员到白领，商业化爆发速度还会那么快吗？
- 01:33:27泡沫何时扩散：今年下半年的转折
- 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129 分钟
- 4:10爆雷？投流多？补贴多？
- 8:21不能自爆式打法，但不是负毛利
- 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
- 19:26“不侵略性强，我怎么厉害呢？我不厉害，我怎么活下来呢？”
- 21:42只剩 4000 块的故事，其实只有 600 万的时候就慌了
- 28:35创业后新体会，英雄也会改变时势
- 34:51LibTV 的原创度争议和收购传闻的来源
- 42:11关于投流的误解，可能来源于饱和式信息攻击
- 49:20管理的两个 reward model，我没有做好
- 54:20联创离开
- 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
- 01:08:36Lovart 上线前的完蛋时刻，第一次对股东哭了
- 01:19:32团队出问题，从美国飞回来解决
- 01:28:10逐鹿中原与占领江东：没法说明白的 survive 路径
- 01:37:17成功概率小，但我 bet 人类有没有价值
- 01:46:09网瘾少年、金庸迷和话剧演员
- 01:57:37AI 时代奖励焦虑的人
- 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92 分钟
- 02:51从 ERP 起家的全球企业软件巨头
- 12:59AI coding 来了，但业务逻辑和标准流程仍有价值
- 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
- 27:18AI 会让大公司消失吗？拆散与聚合的力量同时存在
- 32:30“自主运营企业”：Agent 执行，但未来 5 到 10 年仍需 human in the loop
- 37:31为什么 SAP 不自己训练通用基础模型？
- 42:39“模型即产品” 在 To B 市场成立吗？
- 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
- 47:30把 “老师傅” 蒸出来：非结构化决策如何沉淀为企业记忆
- 49:55FDE 和传统驻场工程师、ERP 顾问有什么不同？
- 55:43一个关务案例：Agent 准确率从六七成提升到九成以上
- 58:40OpenAI、Anthropic 进入 To B，会和 SAP 正面竞争吗？
- 01:05:2188% 的企业尝试 AI，为什么只有 3% 认为获得了业务回报？
- 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
- 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
- 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
- 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
- 01:23:20中国企业出海：税务、合规、并购与全球流程整合
- 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175 分钟
- 01:43十年三次创业，一个圆、两条线
- 07:11初入清华，每天必须学满 11 小时
- 15:22人生要么 boring 要么 suffering，我不想 boring
- 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？
- 24:17把本科科研做成产品和公司
- 32:23见了 50 家机构没人投，张予彤和林仁俊投了
- 40:04拒绝英伟达和英特尔，推演出此后剧情
- 51:2226 岁第一次卖公司，开心两分钟后就「灰暗」了
- 01:00:02在经纬的自由时间，张颖说：你最需要的是信息
- 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
- 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
- 01:26:02难受的、遗憾的，也是成长的
- 01:30:54这一次的天时、地利、人和
- 01:41:5080 岁的谢国民说：你们都别起身，你们都是老师
- 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
- 01:57:26缩短前沿算法到价值的链路
- 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
- 02:16:37智能优先的 OpenAI、Anthropic 为何不会摘取物理 AI 果实
- 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”
- 02:26:39那么，如何看以视频生成成为骨干的 WAM 热潮？
- 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
- 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
- 02:45:26十年前的天才少年，看今天的天才少年
- 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AI123 分钟
- 03:54什么叫“竞争结束”？改变格局的窗口正在关闭
- 07:59智驾从 nice to have 走到了 must have
- 17:50车企的竞争力不在于能做智驾
- 27:41家庭场景拐点将至，R7 验证了世界模型
- 34:54同样创业十年的 Momenta 和宇树
- 39:06RoboVan > RoboTruck > RoboTaxi
- 44:54量产智驾、Robo 和机器人，世界模型是共同底座
- 48:52“规模不是我们思考的出发点”
- 58:04一旦思考起智能，停不下来
- 01:04:55从孙剑那儿学到的：超一流的人是聪明人下苦功夫
- 01:09:09加入商汤，十年前的 AI 赋能百业
- 01:15:33不再只是研究员：天性偏好、底层愿望
- 01:20:27创立 Momenta：感知和认知的结合点
- 01:23:30为什么十年前就看到“数据驱动”？
- 01:29:12数据驱动的推演：要量产，不要 Waymo
- 01:34:27从一个研究院到真的创业公司
- 01:38:46从“血肉模糊”的首个客户到研发和交付的“主线原则”
- 01:47:50“相信”和“真的相信”不一样
- 01:49:52回到一线，回到一线，回到一线
- 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？100 分钟
- 04:20上季季报回顾：延续的、反转的
- 08:21当前竞争：两家的新模型、coding Agent 份额和价格战
- 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
- 22:01对模型已最强的公司来说，不是”模型即产品“
- 28:04是什么？为什么火？涌现的新团队
- 32:14Anthropic 长文《When AI builds itself》
- 39:15Recursive Superintelligence 6 月中旬的第一批具体成果
- 43:14OpenAI 官宣 Robotics 团队，Anthropic 为何也考虑做机器人？
- 46:24《世界模型》研究报告的梳理与发现
- 51:39美国公司用中国开源模型，自己拥有自己的模型
- 01:05:59新的交互：Record & Replay、Claude Tag；TML 和 OpenAI realtime 的本季语音新模型
- 01:23:25Meta、Google、xAI 近况；赶上最强梯队的可能性？
- 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114 分钟
- 02:54Q2 Top 5 总览
- 07:17人形马拉松，荣耀夺冠、大厂加码的先声
- 14:56物流，为何是人形机器人的好场景？
- 21:19遥操从不是争议点，是真实部署时的必要模块
- 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
- 28:55数采范式的 3 次变化
- 34:48ICRA 最大亮点：舞肌等中国高自由度灵巧手
- 43:03灵巧操作：Demo 很惊艳，技术在早期
- 53:32再论直驱和绳驱：大厂继续跟绳驱（Optimus），长期仍看好直驱
- 01:02:57英伟达 Cosmos 3：从生成视频到直接生成动作
- 01:08:51具身的世界模型分类：3 个相交圆
- 01:14:04世界模型投资热：大模型教会投资人的事，追逐智能
- 01:19:55π0.7：VLA 融合轻量世界模型
- 01:22:46Gen-1：从头预训练，不被路线定义
- 01:28:40Google 发布 ER1.6，OpenAI Robotics 团队官宣
- 01:37:56智能部分是否赢家通吃？Omni 模型是个变量
- 01:42:46“对长期不确定性探索的容忍度依然差”
- 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99 分钟
- 03:26Cerebras 离“英伟达挑战者”还有多远？
- 11:16从 Sam Altman 最早投 Cerebras 到如今与 OpenAI 的 200 亿美元订单
- 18:27Cerebras 的上限与下限，WSE 架构优劣
- 23:28为什么百度当时要投芯片？
- 29:02Dario Amodei 的早期代表作 DeepSpeech 2，Scaling laws 的萌芽
- 32:17Cerebras, Graphcore, Wave Computing，三选一
- 37:06与研究员一起做尽调，逐一排查风险点
- 46:18IC 投决过程，未流片前的决策
- 53:35Cerebras 的至暗两年，如何挺过流片不顺
- 01:00:02“黄埔军校”和一份生不逢时的 deal list
- 01:04:04OpenAI 和 Anthropic 早期都未得典型 VC 支持
- 01:09:04他们后来为什么离开百度？
- 01:12:23起了大早，赶了晚集，一部分是“宿命”
- 01:18:30推理优化和 Infra 的更多创新
- 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
- 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？127 分钟
- 01:312008 级 5023，“复旦最牛宿舍”
- 11:37计算机视觉背景，为何没投 CV 四小龙？
- 17:05离开大机构，验证自己能否长期做投资
- 23:37理想汽车是一笔传奇投资，王兴有不灭的好奇心
- 33:20龙珠的“三纵三横”科技推演
- 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”
- 47:10DeepSeek 冲击，“人教人教不会，事教人一次就会”
- 51:27已投十余家 AI 应用公司，创始人出生高峰是 1997 年
- 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
- 01:11:15具身智能的链主不一定自己造本体
- 01:12:47谈“泡沫”：投入具身的钱不是太多，而是太少
- 01:19:37怎么定义具身智能的 GPT-3.5 时刻？
- 01:28:38类比自动驾驶，为什么 2019 年是个拐点？
- 01:33:02十年前的王兴兴，十年前的宇树
- 01:43:55具身市场推演：集中度、产业链分工
- 01:54:19语言模型和具身智能之外
- 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105 分钟
- 02:32哈佛支教、阳光书屋
- 08:58自主学习是意愿、能力和工具的协同
- 16:04为什么数学？为什么 5~8 分钟动画
- 28:23AI 能提升制作教育内容的效率，但提升有限
- 39:13不做双师大班课，不追风口
- 48:30就算没有双减，双师大班也很难满足教育新需求
- 52:51洋葱、猿辅导、与爱为舞……AI 教育的不同思路
- 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
- 01:11:00K12 最重要目标：学会自立
- 01:15:52各家大模型在教育场景的表现
- 01:18:14曾经受到的最大质疑：自主学习只适合少数人？
- 01:28:38过去相信先赚钱再实现目标，后来发现不必如此
- 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146 分钟
- 01:56离开星海图，看到家庭机器人
- 17:02再次创业的信号与 concern
- 26:27“学习好”对创业前所未有地重要
- 41:11不是 Robotics，不是自动驾驶，也不是史前深度学习
- 56:46强化学习可能被低估了
- 01:06:06“不要小瞧投资人的梦想”
- 01:10:1418~24 个月后会？重资源竞争、大公司入场
- 01:16:32最好的会在中国发生，但别错过最大的西瓜
- 01:29:18从游戏到物理世界
- 01:35:56大多数科研是“噪音”
- 01:51:49技术之美：简单的、一致的
- 01:57:26具身智能的“时间检验奖”还没出现
- 02:08:48一场尽力的马拉松
- 02:18:29创业后，找回曾经的自己
- 02:23:55连点成线
- 05-18165: GEAR 高深远：世界模型、自进化循环、DreamDojo109 分钟
- 02:19世界模型是什么？ 施加动作，预测世界下一刻的状态
- 05:35多 Agent（车/机器人）互联的世界模型
- 09:57按世界状态的表征方式分类： 4 种世界模型
- 15:33最看好 video 世界模型， 因为数据够丰富
- 19:36世界模型为何热起来？ 数据增多 + 策略模型变强了
- 21:42策略是什么？和世界模型的关系
- 23:39WAM（DreamZero）相比 VLM 的变化
- 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
- 33:42循环三要素： 世界模型、策略、Agent，它们如何彼此连接、优化
- 43:07当前最大瓶颈，突破泛化： 物理的泛化、动作的泛化
- 51:49世界模型难以横评， 难以直观看到不同模型的差别
- 55:28各团队的世界模型进展： DeepMind、Nvidia、OpenAI、General Intuition
- 01:02:44“在学界继续做自动驾驶世界模型没意思了”
- 01:06:30加入 GEAR，DreamDojo 和 DreamZero 的发起
- 01:14:12在英伟达构建最大规模 Human Center 数据
- 01:21:05跨本体的 Latent action，以后还需要吗？
- 01:28:41DreamDojo 的评测： 自建 6 个 benchmark 的逻辑
- 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149 分钟
- 01:42Agent 正杀死 SaaS 已死，数据和上下文的价值更大了
- 05:53OpenClaw 开启的新可能：穷人版（不从基模入手的）持续学习
- 11:53明略的主业数据挖掘和分析，如何被 AI 改变
- 19:51新探索：Agentic Service。软件开源、自训模型赚 Token。
- 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
- 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
- 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
- 56:30vs 巨头：章鱼直接开源，“飞书做 AI 转型，也得开源”
- 01:05:51自研 GUI-VLA 模型，最大场景是软件自动测试
- 01:14:35vs 更小初创企业：1800 人的明略会变得更像“投资公司”
- 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
- 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
- 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
- 01:37:47技术判断太乐观，团队共识不够：
- 01:45:291000 多人大团队，"八方神仙"做一个没人懂的产品
- 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
- 01:58:58希望本身产生力量，尤其是众人的希望
- 02:03:29新的 AI 投入何时表现在财务上？
- 02:08:11看女儿用 AI：AI 原生一代的观察与启发
- 02:11:37不再和孩子一起刷奥数题，识别 beautiful 的题才做
- 02:15:14没有危险的专业，而是只会 Think 是危险的
- 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
- 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94 分钟
- 03:01编程能力与“御三家”有差距；不再采用 DeepSeek 自己提出的 MLA
- 07:44不再披露训练成本，“用模型能力说话”
- 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
- 12:36不是范式创新，沿现有范式仍有巨大提升空间
- 14:32提出新的能力方向比刷单个 benchmark 重要
- 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
- 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
- 28:32整体思路：极致的稀疏
- 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
- 39:37Muon 优化器已成检验工程能力试金石
- 48:52mHC：从 Seed 提出 HC 到 mHC；Kimi 的 Attention Residuals
- 54:24Infra 两个关键词：TileLang & FP4
- 01:10:11多专家训练+蒸馏的后训练
- 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
- 01:19:25近期模型共性：架构趋同（MOE+Muon），优化方向驱动（agent、coding）
- 01:25:18美国追新能力、高定价；中国追性价比、工程极限
- 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71 分钟
- 04:17中国企业出海的三个阶段：产品、公司、品牌
- 07:43早年中国出海企业没有认识到营销的力量
- 09:452025 年开始中国企业出海营销范式发生变化
- 12:32转型成功的出海企业案例：安克
- 16:18衡量企业出海能力的模型指标：D-MES
- 22:47出海营销领域在 AI 上的共识与非共识
- 25:29AI 的使用应该与企业的商业化目标相匹配
- 30:38过去三年，AI 如何改变出海营销
- 34:07硅谷观察记：中美 AI 营销的差异
- 38:30美国营销公司的历史包袱导致 AI 难落地
- 42:16Agent 时代的出海营销模式
- 48:42案例：Agent 变革短剧投流
- 51:46AI 时代，创意和审美变得更重要
- 57:07出海服务商如何适应 AI 时代
- 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130 分钟
- 01:49同时参与三项奥赛：信息奥赛的乐趣是解法不唯一
- 05:50本科继续 TopCoder ：Challenge 机制下，一次干掉 19 个队
- 08:29七年 IOI 国家队教练：出题比做题难
- 10:31唐杰的第一个研究生，与印奇相约创业
- 15:30以 CV 技术做体感游戏，登上 App Store 免费榜前三
- 21:56Face++ 开放平台，技术驱动 vs 产品驱动的两种创业
- 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
- 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
- 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
- 41:08从差点搞砸到见到柳井正，拿下优衣库全球订单
- 49:21从范浩强到张祥雨：旷视的一些 “老人” 为何不散？
- 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
- 01:00:38具身原生：参与 VLM 预训练，一开始就加入机器人数据
- 01:11:01只有具身公司能做的事
- 01:23:34不做人形机器人，用模块化组合避免 overkill 或 underkill
- 01:27:14RoboChallenge 和 Dexbotic，为何创业公司要开源 Infra?
- 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
- 01:46:34为了低谷的绸缪：备足干粮、专注投入相信的事
- 01:55:33曾做过太多加法，发现 A+B+C≈max(A,B,C)
- 02:03:50创业 15 年：感谢一波又一波浪潮，依旧兴奋
- 02:04:51真正的通用智能机器人，“这值得投入 lifetime”
- 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100 分钟
- 01:142011 年回国创业，在英伟达工作过是 “减分” 的
- 06:54酷家乐的诞生：13 年上线，14 年爆发，15 年赚钱
- 10:53群核底层是 GPU，提前进入 “token 经济”，也跑不通广告模式
- 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
- 29:482018 年注意到 AI 机会，但一度怀疑自嗨了
- 38:532021 年赴美上市戛然而止，山峰到谷底
- 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
- 50:16复盘错过：2018 年是一个做具身硬件的黄金时期
- 52:10空间智能是底层能力，不是新业务
- 54:27群核的 bet：3D 路线，而非视频生成
- 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
- 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
- 01:08:53从纵到横：英伟达的启发
- 01:12:46先活下来，再选最大的机会
- 01:05:07六小龙之后，反对的声音一下子变少了
- 01:21:25现在对自己的定位：科研 leader
- 01:24:10最痛苦的部分总是跟人相关
- 01:32:11自由女神像下的对话，“我不是这么算的”
- 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65 分钟
- 02:29Terafab 的多重驱动力： 需求、机器人原生、SpaceX 上市、更少监管
- 06:46对地服务有延迟，但太空应用本身也需要算力
- 17:57马斯克的带动效应： 太空算力相关创业机会
- 22:48英伟达 GTC 发布： 统一平台，异构芯片
- 30:00LPU 和 CPU 背后： 是推理（使用模型）和 Agent 需求提升
- 41:09xAI 动荡： 招人诚、开人快，“马斯克是一个迷人的暴君”
- 45:13Google TPU，足以挑战英伟达 GPU 吗？
- 48:54掌握预算的大企业 CIO/CTO 在想什么？
- 52:15看好医疗行业、金融行业 AI 应用
- 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
- 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|Solo31 分钟
- 01:373 位研究员春节至今离开，为何受关注？
- 03:43V4 相关信息（信息有限）
- 04:27AI 人才竞争激烈，DeepSeek 要解决公司定价问题
- 07:54张力的底层来源：DeepSeek 的目标不是最主流的目标
- 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126 分钟
- 04:48Q1 TOP 5 进展
- 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
- 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
- 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
- 28:22银河通用人形机器人打网球，Karpathy 说“这肯定是 AI 生成的”
- 34:13双足价值再思考，波士顿动力 Stretch 机器人的启示
- 39:45新版 Atlas：模块化设计、左右腿可互换，人形也可超人
- 42:29Optimus Gen3 再延期，已缩水的 1 万台年产目标仍激进
- 44:58Optimus 灵巧手，绳驱vs直驱：绳驱真符合“第一性原理吗”？
- 48:57“浮夸”的 Figure 和它“浮夸”的创始人 Brett，顺势而为
- 52:59美国本土供应链复兴有长期挑战
- 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）
- 01:07:06灵巧手市场可能存在宇树在人形市场的 G1 机会
- 01:14:30世界模型和英伟达的 WAM（DreamZero、DreamDojo）：不再以语言为底层
- 01:27:18英伟达 EgoScale 数据框架 & 具身数据的金字塔
- 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
- 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”
- 01:46:26国产芯片机会：地平线、地瓜在量产机器人市场领先
- 01:48:24机器人终局可能高度集中
- 01:53:59宇树上市，是一家高质量公司的上市，不是泡沫
- 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
- 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112 分钟
- 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
- 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
- 10:42两个使用案例：一周卸载 vs 深度试用
- 14:03热度差异：中国国民级、美国不出圈，Why？
- 17:02中国开源模型乘势增长：OpenClaw 之父 Peter 安利 MiniMax
- 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”
- 30:10大公司竞 “吃龙虾”：英伟达、Anthropic、OpenAI 各自动作
- 37:14190 亿 vs 250 亿：Anthropic 收入猛追 OpenAI，Claude Code 也超过了 Cursor
- 43:53CodeX 是会编程的 “弱智”，Claude Code 是驱策编程奴隶的主人
- 48:30OpenAI 的反思：“我们分心了”
- 49:57xAI 的人员动荡，Google 的产品发力
- 53:04竞争焦点从模型转向平台：开发者生态、企业信任、成本
- 01:07:09AutoResearch，明确目标的有限搜索空间里，AI 已展现 “自进化”
- 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
- 01:22:48新方向上的创业机会：几个水下 (Stealth Mode) 公司案例
- 01:27:00GTC 要点回顾：推理重要性提升
- 01:29:05Agent 应用带来 CPU 需求提升
- 01:31:27Meta 停工学 AI 一周，Token 消耗量成关键指标
- 01:35:20从 “一流人才 + 二流人才” 到 “超一流人才 +AI”
- 01:42:39给 Token 收税 ?
- 01:44:07DeepSeek-V4、更新权重的持续学习从复杂到简单
- 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168 分钟
- 00:01英伟达智驾中国团队第一个员工
- 09:10从服务 L4 自动驾驶到转向量产
- 13:57从工程师到架构师、多面手
- 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
- 18:07英伟达的前瞻投入心法：能抗外压、愿景共享、主业强劲
- 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”
- 29:25一起看《全营一杆枪》的日子
- 34:44自研第一仗：双 J3 交付高速 NOA，一群 “新手” 的生死战
- 40:06抗住压力的转身：有图切无图
- 48:03智驾 “做成” 的 3 重指标
- 51:16FSD v14 “让人又惊喜、又失望”，该做新的事了
- 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
- 01:07:51模型、产品、组织都要简单；同时得是 “六边形” 战士
- 01:14:01具身的终局是 “分散” 的垄断
- 01:19:46具身研发分 3 层，“合成数据有用，但绝不是主力”
- 01:34:30To A（研究）到 To B 阶段的转换会如何发生？
- 01:42:01具身的本质是 Physical Agent：大公司做底座，创业公司做 Agent
- 01:48:13不做流水线替代，寻找 “端到端” 任务
- 01:57:23智驾与具身：相似的、不同的
- 02:01:34不设组织架构，以项目驱动团队
- 02:18:05少被讨论的现象：硬件还远未成熟
- 02:19:29更强具身智能到来时间仍有分歧
- 02:25:03具身上市潮之后，会如何？
- 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107 分钟
- 02:42千问候选人被搜索量翻了 3 倍
- 09:34Model Scope 魔搭社区价值几何？
- 14:30美第奇和达芬奇，大公司和 AI 研究员
- 22:38DINQ 的诞生，AI 研究员需要更好地展示、更好地匹配
- 28:30他们就像文艺复兴时期的大师
- 42:26从土木老哥到达摩院，“当你有了作品，没人在问你学校”
- 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
- 01:10:23他们的追求、畏惧、不屑和弱点
- 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
- 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|solo19 分钟
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102 分钟
- 02:03浙大、中国核电、国机：找不到工作的模式识别研究生
- 09:10国产替代 → 2016 年 AI 热潮 → 大模型：技术变革终于来了
- 14:37在大厂下场前成为“中厂”
- 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”
- 33:0226 年的具身领域会像 23 年的大模型：模型性能淘汰赛
- 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
- 46:59宁德时代在具身行业里广发需求
- 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
- 59:01未来场景拓展：先工业、商业，再家庭；先 to B 再 to C
- 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
- 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
- 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
- 01:28:12从 Robotics 到 AI 思维的转变：数据，数据
- 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107 分钟
- 02:20从 Vibe Coding 到 Agent 交易平台
- 09:20Agent 的供给还不够丰富，但 Claude Code 带来拐点
- 16:41MuleRun 做的两件事：好的 Runtime、清晰的 Skills、Prompt 的商业化
- 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
- 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
- 36:50做好 Agent 的开发工具和交易平台的难点
- 40:29如果 Agent 建造门槛大幅降低，通用 Agent 还存在吗？
- 42:21再聊 Claude Code：Skills 详解，MuleRun 的 Skill 评价体系（Eval）和安全工作
- 47:32“应用的 3D 打印机”，未来的软件是日抛式的，AI 是制造业
- 52:12Agent Builder：从套壳模型→套壳“Claude Code”
- 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
- 01:08:32Agent Builder 的内测效果，Agent 开发工具和交易的界限？
- 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
- 01:25:24走过下坡路，关过公司，痛苦带来的韧性
- 01:32:13一定不要在选择题上出错，「用心」对抗平庸
- 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
- 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|Solo118 分钟
- 01:10Agentic Model：R1 | Coding | 多模态
- 08:58协同优化：Google | DeepSeek 开源周 | 注意力机制改进、芯片互联
- 15:22下一个学习范式：从大脑获得灵感
- 19:49Agent：Coding 就是 General Agent | 垂类 Agent | Agent 工具链
- 32:02Sora App：to C 的想象力
- 37:19AI for Science：AI 科学家
- 40:23人才和组织之战
- 49:51To C 应用大战
- 01:01:28大模型第一股
- 01:07:135000 万美元 ARR
- 01:11:36全球化与中美之间
- 01:14:29投资和上市潮
- 01:22:09数据、模型、本体的进展
- 01:28:055 个落地方向
- 01:34:50AI 眼镜能成为下一个入口吗？
- 01:44:30深圳的公司们
- 01:49:48天价薪酬与失业
- 01:52:39使用用 AI 的人
- 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82 分钟
- 03:24范浩强和高阳的从业经验
- 06:53RoboChallenge 的发起，见证成功率从 π0 的 20% 到 π0.5 的超 40%
- 12:40以往方法的问题：环境不一致、测评不持续、仿真有局限
- 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
- 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
- 33:04Table 30 任务集的设计，插花、扫二维码等任务的“刁钻”考点
- 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
- 45:07学习原理已经收敛，Scaling Data 是 2026 年的行业主题
- 48:534 种数据类型，各团队的不同数据 bet
- 57:20落地应用，具身的“Coding”任务是什么？“破圈”时刻何时出现？
- 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
- 01:12:50具身测评可以被 Hack 吗？如何反制 hack？
- 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？
- 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85 分钟
- 02:35用神经网络做自驾规控（PnC），3 万行替代 200 万行代码
- 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
- 17:13端到端、VLA、世界模型，联系与区别
- 20:40三道关卡：数据、算法、后训练
- 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
- 30:16定义具身模型的训练任务：建立空间概念、跟世界交互
- 40:54具身需要真实数据，不看好仿真和视频数据
- 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
- 55:08手套+第一视角摄像头采集数据的具体实现
- 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
- 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
- 01:13:23看数据增长趋势，具身已经到了 Scaling 的临界点
- 01:18:04它石的落地场景之一是处理柔性材料的线束装配
- 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
- 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101 分钟
- 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
- 11:40市场现状：现在动画的产能和消费非常不对等
- 16:46OiiOii为什么是这个形态？
- 31:04如果做AI漫剧，商业模式、审美都不一样
- 41:30怎么利用和理解不同的模型
- 51:50现在的团队分工
- 53:50第一次创业做极限运动社区，发现其实喜欢做内容
- 01:06:17第一次创业留下的最宝贵的东西：抗体
- 01:18:15在字节：对剪映和抖音特效最大贡献是…
- 01:27:17去了B站：看到产能被憋着了
- 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101 分钟
- 06:11AI 进入实用工作：OpenAI 的 GDPval，Databricks 也发布了 Office QA
- 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
- 19:09Gemini 3 后，OpenAI、Anthropic、Google、各自的进展
- 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
- 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
- 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）
- 30:18Google TPU 已经更多对外，这对英伟达 GPU 优势的影响
- 38:02回顾组织变化：DeepMind 和 Google Brain 的合并与磨合
- 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
- 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
- 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）
- 59:44RL 创业方向：RL 环境，RL as a Service，RL 应用
- 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
- 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
- 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
- 01:22:04选择模型时，关注什么 benchmark & 为什么？
- 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
- 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128 分钟
- 03:05《攻壳机动队》、90 后的科学幻想、技术是魔法
- 13:25第一份工作：从轮岗 3 年到模块化 PC 的内部创业
- 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
- 26:511 人公司手搓原型，一度账上只有 20 万元人民币
- 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
- 49:41推倒第一代方案，用户体验比新架构重要
- 01:04:27正式交付 Hpershell X，有人日行 7 万步，有人重返户外
- 01:09:11从成立到第一款产品，40 个月；第二代产品，5 个月
- 01:05:08从 1 人公司，到 4 位联创和 200+团队
- 01:25:47对拓竹组织的观察：好的人，希望身边都是好的人
- 01:32:52品类跨越鸿沟：营造向往、价格、自研、形态拓展
- 01:49:47组织跑得更快
- 01:56:22创业治好了我的“死亡恐惧”。
- 01:59:53广义的外骨骼，最终是让我们的身体可编程。
- 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102 分钟
- 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
- 04:31大模型演进的两条主线：能力和效率
- 10:23和摩尔定律一样，“密度法则”是行业现实，也是“自我实现”
- 18:43每 3.5 个月，大模型的能力密度翻一番
- 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？
- 27:08架构、数据、算法、软硬协同优化
- 30:41(1) 架构：MoE (混合专家系统) + 注意力机制改进
- 34:28(2) 数据治理：Ultra-FinWeb 用 1/10 数据量达到更好效果
- 40:24(3) 算法：RL 还没有 Scaling Law，接下来可能有两条路
- 49:21(4) 软硬协同优化
- 52:02InfLLM-V2 的核心更新：把稀疏注意力做到预训练阶段
- 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”
- 58:535 年内，手机可跑 GPT-4~5 级别的模型
- 01:06:23大模型在汽车上已开始量产落地
- 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
- 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
- 01:17:40自主学习→AI 协作网络→真正的创新
- 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
- 01:24:46AI 助手帮成为更好的工作者
- 01:28:53不担心生产过剩，未知领域还太多
- 01:31:39机器制造机器，AI 制造 AI
- 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87 分钟
- 02:07注意力机制是什么？
- 04:21DeltaNet 的提出，用 Delta Rule 来增强 in-context retrieval
- 09:41近年的改进主要是模型架构，而非“更新规则”
- 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
- 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”
- 19:50算法出身，自学 Infra；学习 Hazy Research Group 的风格
- 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
- 37:07稀疏注意力 vs 线性注意力潜力对比
- 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
- 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
- 47:33线性注意力的“归纳偏见”和 The Bitter Lesson：先验与 scalable 并不矛盾
- 49:30回应 RWKV（原始智能）彭博：从未说发明 DeltaNet，一直在给 Schmidhuber 署名
- 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？
- 58:48发现 Hoseholder 累乘和 DeltaNet 关联的过程
- 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
- 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
- 01:11:24稀疏注意力的改进，DeepSeek 年初 NSA 到最近 DSA 的变化
- 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 😀
- 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75 分钟
- 04:36确定性的方向
- 08:01与模型“搏斗”
- 13:58为什么开发 delay 了？
- 20:56从维持能力到突破能力
- 24:08让大模型学会人的教学经验与教学法
- 29:36更难的是对（教学）难度的控制
- 34:16这种模式适合所有人吗？
- 35:54让 AI 提供一种教学情绪价值
- 41:38对 AI 外教人格的理解
- 47:37试用用户的反馈与规则设定
- 52:06如何衡量 AI 的教学能力？
- 56:28未来的 AI 教学产品会如何发展
- 59:22如何运用数据和经验：斑马的 AI 壁垒在哪里
- 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90 分钟
- 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
- 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
- 14:03直接做人形机器人和具身“终极形态”，是“有方法、没路径”
- 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
- 22:43看到“老龄化”去收，就是它了！
- 25:13个人移动设备能获得宝贵的家庭、生活场景数据
- 29:28ev¹ 是泛个人出行设备，它的完整体验
- 35:07出行的自由和喜悦，不分健康或残疾、衰老或年轻
- 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
- 43:26ev¹ 的开发，从做加法到做减法
- 47:51观察用户说不出来的需求；
- 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
- 56:50在双滚机上做 200 万圈测试
- 58:33“产品真正帮到人”的感觉，很触动
- 01:00:54Go to Market 策略：定价、渠道、规模
- 01:03:55创业，从“定义一个好团队”开始
- 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
- 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
- 01:19:33消费科技公司，在高效 vs 速度上的分布：追觅、Insta360、大疆
- 01:22:39为什么大疆到 2019 年才定成文价值观？
- 01:24:43Next Question：跨越鸿沟——ev¹ 这样的产品怎么进入大众市场？
- 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127 分钟
- 01:3293 年生人学物理，the party is over 的迷茫
- 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
- 21:31第一个 milestone：用一套统一方法表示多种“不变性”
- 26:27普林 2017 年的 200 多块 P100→DeePMD-kit→DeepModeling 开源社区
- 29:51AlphaFold 和 DeePMD，AI 做科研的两种方式
- 32:38毕业、回国、创业：机会是 AI for Science，不是 get simulation done 然后发论文
- 42:06做微尺度的“达索系统”，把量子物理软件化
- 56:14人才培养：在 DP “读大学”的少年们
- 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
- 01:16:20Agent 正在重塑科研范式
- 01:22:46“科研无国界”被挑战，在中国，更能推动开源、开放
- 01:29:00垂直还是平台，一个必须做的取舍
- 01:32:57诺奖表彰“第一个”，而基础平台要做“最后一个”
- 01:39:24我们为 AI 科学家做好准备了吗？
- 01:49:13欲望与勇气，《牧羊少年的奇幻之旅》
- 01:55:33“老爹，你最光辉的时候是什么时候？”“就是现在！”
- 01:57:21“理想主义的实干者才能改变世界”
- 01:57:59Next Question：Innovator 什么样？第一批 AI 发现的新成果
- 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CEO126 分钟
- 02:082014 年转向深度学习
- 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
- 05:09Swin Transfomer 的诞生，Transformer 被引入视觉任务的两个阶段
- 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
- 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
- 18:10从 GPT-3 到 ChatGPT，3 年疫情阻隔使 OpenAI 巨变被忽略
- 21:30和王慧文、梁文锋聊；他们都在 23 年初遍历国内研究者
- 26:57问老王：为什么中国没有出现 OpenAI？——“不够富”
- 32:54光年之外的经验：一开始就确立了正确的“找人方法论”
- 34:36CEO 容易焦虑，这时可以想想大问题
- 37:1623 年 8 月开始思考创业：视频生成让自己兴奋
- 40:54创业前的自我觉察：ambitious
- 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
- 50:23正在发生的业务窗口是“音画同出”
- 52:36Sora 2 的 3 个特点，第三点最让曹越惊艳
- 58:23Sora 2 怎么实现“端到端叙事”的？
- 01:03:58Vibes vs Sora，Meta 是缝合，OpenAI 是整合
- 01:06:53新模型 Gaga-1 聚焦人物表演，成本大幅下降
- 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
- 01:15:27需求分析：短剧制作、广告片、C 端斗视频
- 01:19:42Sora 能否成为 C 端新平台？曹越的两个判断指标
- 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
- 01:28:07垂直整合：不同背景的人频繁交流，对齐上下文
- 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
- 01:38:41一个“专业”的 CEO
- 01:42:04“Gemini 老师”的最大作用是对齐上下文
- 01:50:27所有内容的终局都是“叙事”
- 01:52:29老王的建议：研究皮克斯商业模式
- 01:56:06研究者和 CEO 的“夹角”
- 01:58:24最优先级的工作
- 02:01:01Next Question：ASI 到来后会怎样
- 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#794 分钟
- 01:10OPPO AI 的新体验
- 11:56全球行业共性和 OPPO 特点
- 20:00手机 AI 智能助手渗透率低于预期，why?
- 31:12厘清三大场景：生产力、生活、影像
- 38:17原点之旅访谈用户的细致发现
- 41:36以前的产品是 by design，AI 产品是 by use
- 47:59AI 现在还不能帮卖手机，但能增加粘性
- 52:32AI 人才加入 OPPO：你想做一个影响上亿人的产品吗？
- 59:40三类公司的端侧 AI 竞合
- 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
- 01:11:27Web 端有 MCP，移动端呢？
- 01:13:39用户不会有一堆“AI 管家”
- 01:20:46新交互正快速发展，新应用生态还未定型
- 01:25:02Next Question：更成熟的 AIOS 长什么样？
- 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#689 分钟
- 03:30Agentic Kit 是 OpenAI 开放了自己练的“一身武功”
- 09:06Apps in ChatGPT 和 2023 年 GPTs 的区别
- 10:53Canva in ChatGPT 新体验
- 14:47OpenAI 不会放弃 to B
- 18:16一种批评，AgenticKit 与 AGI 思路背道而驰
- 21:15开发者的机会与压力：在别人的地基上建房子
- 26:33Agentic Tooling 是什么？近期 3 笔交易/收购看到的状态
- 31:24Agentic Tooling 的 6 次进化，对应模型能力的 6 次提升
- 39:59MCP Server 集成商是做什么？
- 43:09当前调用 MCP Server 的数量限制，创造 Rube 等产品的机会
- 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
- 49:09这真是创业机会吗？为何 Anthropic 自己不做？
- 53:09911 也在用的 AI voice 平台
- 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
- 59:28OpenAI 等核心 Lab 的 Voice 动作
- 01:01:57四种记忆：情景、流程、事实/知识、人格/性格
- 01:04:26创业案例：Letta，记忆也可以由第三方来做吗？
- 01:10:29记忆和上下文工程
- 01:11:50一个重要，但很多人不好好做的环节
- 01:14:07评估难，难在构造数据集
- 01:15:27Okta、Twilio、DataDog 都可以在 AI 时代“再做一遍”
- 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#5120 分钟
- 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”
- 10:58中等体量的公司，可以通过交互创新做出 Sora 吗？
- 13:17“虚假的真实”和“真实的虚假”可能同时存在
- 14:46巨头战场：无法接受错过，赢下的意义又太大
- 19:39OpenAI 的双面性：巨头的资源，创业公司的组织
- 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
- 24:23在湾区，反复被问热情，更想清楚了应该服务谁
- 30:27旧金山 3 个月：感受氛围、建立团队、离用户更近
- 41:50引入全球化投资的节奏？
- 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
- 49:06创业之初看到了 5 个方向，为何从 “Adobe 系”切入？
- 02:43垂直 AI 应用本质在做两件事：特别的交互，和特别的 context
- 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”
- 01:06:00正在做的能力：给设计更多 context，这包括 reference 和 preference
- 01:13:43Lovart 到目前为止是工具，没有计划做社区
- 01:16:25离用户更近，同时离技术更近，然后才能做取舍
- 01:22:51为什么不再担心开源被闭源甩开
- 01:24:32To P 创业窗口接近关闭，下一波机会是 to C
- 01:27:32“Adobe 系” AI 公司，谁在牌桌？三类玩家的位置
- 01:31:35Timing 在任何时候都重要，但 AI 时代更重要
- 01:35:34创业以来经历的 3 次重要 timing
- 01:36:32没有错过的原因是，“我很焦虑”，而焦虑是必要的
- 01:42:52危机中坚定继续，信念是来自认知
- 01:44:57最困难时得到过收购意向，但一开始就没想接受
- 01:45:50创业不是残酷，而是痛并快乐
- 01:47:59遇强则强，面对 3 次挑战，成就感递增
- 01:49:44最害怕自己迭代不够快
- 01:51:09用理性的底层，控制感性的表达
- 01:53:36第一次自由的、全情的、疯狂的，想做成一件事
- 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59 分钟
- 03:10“反正我们就看，我能不能被闪电击中两次吧？”
- 05:46长时间想少数难题，不追求发论文的频率
- 09:07“好运气还是坏运气，一开始你也讲不清楚”
- 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
- 14:2423 岁从锁厂工人成为北大数学系学生
- 16:04专业是“计算数学”，但大三开始转向理论数学
- 17:17判断什么问题重要并不难，就看能不能做，敢不敢做
- 18:09直觉是对正确的一种预感
- 20:42几十年一直盘桓几个难题，是一种什么状态？
- 22:56朗道-西格尔零点猜想：已经做出来了，正在寻找简化
- 25:30独自面对数学，“交流是个困难的事”
- 26:46现在 AI 的很多问题归根结底是数学问题
- 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
- 28:4449 年前的“四色问题”，一个错误的预言
- 31:24想过黎曼猜想，但没看出一条路
- 32:20王虹的例子，判断一个人的才能不能看短期
- 33:28做数学家，最重要的是专注，这也是一种天赋
- 35:07辅导孙女数学，最主要是激发兴趣
- 36:10赴美 40 年后归国，目前中国对基础科学大力投入
- 37:15最喜欢的数学环境：一个人不受干扰，写论文
- 37:40新计划，资料都在脑子里
- 41:00改写论文，“烦得要命”
- 43:21普林斯顿高等研究院，给一流人才足够的空间
- 45:18北大研究生导师潘承彪先生的“小考验”
- 47:12不希望学生转行，但尊重选择
- 48:12如果给孪生素数问题写一本《费马大定理》？
- 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
- 52:02“更快活”是一句虚拟的话
- 52:3925 年没回过，“不想提了”
- 53:34“我还可以”
- 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80 分钟
- 03:00Meta 曾是创业氛围最浓厚的硅谷大厂，但疫情时变臃肿
- 07:24Meta、Google、亚马逊、OpenAI、Anthropic 组织特点盘点
- 14:15“办公室政治”的实质是分功不均
- 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
- 19:24OpenAI 的分裂，是使命的分裂
- 21:22MSL（Meta Superintelligence Lab）现在缺能服众的负责人
- 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
- 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
- 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
- 40:34人才吸引力：OpenAI、Anthropic 第一档，Google 1.5 档
- 42:03OpenAI 和 Anthropic 如果倒了，硅谷一片 AI 投资机构都倒了
- 45:12同为大公司，Google 做对了什么？
- 50:28ChatGPT 在 ChatBot 的地位并非不受挑战
- 52:52从 0 做来做 AI 组织的方法？
- 57:37当工程师有了 10 倍产出
- 01:00:35信任比以往更重要了
- 01:09:02Meta 缺一个走一步、想三步的有经验经理人
- 01:10:56推演明年 AI 人才争夺
- 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90 分钟
- 02:55Meta 3 亿美元买高级人才，不亏
- 08:41相比去年，硅谷核心研究员的 AGI 信念更强了
- 19:47中国大厂不在琢磨省钱，从降本增效到增本增效
- 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）
- 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
- 37:58最受欢迎 AI 应届生：清华第一、北邮第二
- 41:49顶尖博士生实习生可拿到 4000 元日薪
- 44:38初阶工程师招聘数减少，减少更快的还有各类管理岗
- 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
- 58:01AI 浪潮给脉脉的机会：第一步是优化招聘各环节
- 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”
- 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？
- 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
- 01:19:57花钱订阅用最好的 AI 产品，一天至少用十次
- 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
- 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91 分钟
- 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
- 06:34拆旧芯片设计流程：架构—验证—后端，分别在做什么
- 19:10半导体行业的十倍定律：越早发现，越省成本
- 22:07旱涝保收，但能赚铲子钱，赚不到金子钱
- 25:25EDA 怎么收费
- 27:55国产初创公司获客悖论
- 29:23用 AI 生成设计代码
- 33:04AI 加速芯片设计，帮工程师想新 idea
- 39:21长期收购补齐版图
- 42:10为什么很难“完全垄断”
- 48:10EDA 都是跟随产业机会发展起来
- 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
- 52:33芯片复杂度通胀
- 55:44AI 会替代芯片工程师吗？
- 57:48生成 Verilog 成为 AI 创业方向之一
- 01:12:59三个词概括今年的芯片产业
- 01:19:17未来十年行业地图的重心
- 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78 分钟
- 02:45微软内部全面使用 Copliot 365
- 06:43GPT-4o 后，Copilot 能力进一步提升
- 08:16使用 AI 的震惊时刻：Copliot 的视频会议即时翻译
- 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
- 16:42AI 销售提效，一组数字体现
- 21:48企业客户用 AI 的成败总结：前提是数据
- 24:34微软做任何事，不会不考虑商业闭环
- 32:34关注的 AI 趋势：GPT-5、Agent
- 34:52靠编程 Agent，作为文科生也能开发、上线一款游戏小 App
- 36:42大量内部课程可选，非技术人员也能用 AI DIY 业务工具
- 41:30扭转工作习惯没那么容易，对 AI 渗透有 KPI 考核
- 46:46AI 进入生活：旅游攻略、多语言学习、苏格拉底式教育
- 51:27工作与生活的平衡？为何对两位都不是问题
- 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
- 01:03:43“我要坐第一排，要第一个发言”，要有自己的 voice
- 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#497 分钟
- 01:57能点奶茶、能发帖，不占用屏幕、无邀请码直接上线、免费
- 09:06定时任务，高频但尚待解锁的场景
- 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
- 14:14当 AutoGLM 来到美团与用户之间，美团们怎么想？
- 16:12Agent 调 App 的方式：GUI（图形界面） 和 API 会长期并存
- 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？
- 25:52移动端尚没有 Web 端的 MCP 生态
- 28:44手机厂商也在做 Agent，智谱与荣耀、三星的合作进展
- 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？
- 33:55智谱作为大模型公司自己做硬件？暂时没考虑
- 37:1723 年 3 月 GPT-4 发布，刘潇的重心从预训练转向 Agent
- 42:3923 年 4 月到 8 月，做出全球首个评估 Agent 能力的基准 Agent Bench
- 47:25训练冷启动，人来构造数据
- 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
- 01:01:22o1、R1 的启发：做 RL 时，要用结果来 supervise 模型，而非用过程
- 01:04:02RL 的两个关键：环境和激励
- 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
- 01:15:16激烈竞争的前提是，移动端 Agent 真的好用、成熟了
- 01:18:11需要提升：模型能力、Infra、成本优化
- 01:28:56产品马上发布：忐忑、期待和迭代计划
- 01:32:14110 期，Agent 入口大战的预言回顾
- 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Michael72 分钟
- 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
- 10:33ARR计算套路，有人用最高单日✖️365
- 14:11入选HF0孵化器，3个月收入翻3倍，那些反直觉的选择
- 23:29第一笔正式融资，688 万美元的天使轮
- 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”
- 34:17狂欢，也狂卷：每月一次小型音乐节，996 风靡硅谷
- 41:46HF0至今收入再翻 3 倍：AI Agent 驱动的投放和增长
- 50:14在拉斯维加斯做 KOL 拍摄屋，“借”特朗普做广告
- 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”
- 01:02:45现在不是零和竞争的时候
- 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77 分钟
- 01:42创立测测，属于“病急乱投医”
- 02:36“偶尔治愈，常常帮助，总是安慰”
- 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
- 06:21怎么一个学医的变成程序员了？
- 09:15买了个智能手机，相信一定要做手机上的产品
- 10:392011年就想做AI化的服务了，但做不到，只能做工具了
- 12:35任永亮说荣格是测测祖师爷
- 13:28测测的定位：泛心理在线平台
- 13:512016年开始，变成双边服务平台
- 14:482019年AI对话机器人上线
- 16:04测测进入第四阶段：做机器人
- 16:45抖音是最大化生成多巴胺，但测测想打破这个循环
- 18:15连续三个春节都被大模型搞得过不好
- 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
- 21:20第一创新风险大，看第二怎么创新就行了
- 23:43做机器人：“我不怕千万人阻挡”？
- 25:03拒绝被收购，就是为了有现金流支持创新业务
- 26:00跟李想产生共鸣了
- 27:19高中、大学对数学的热爱和了解到自己只是爱好
- 28:26测测是服务碳基灵魂，机器人业务是做硅基灵魂
- 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
- 31:00LOVOT卖3万，也是成本价了
- 32:03用户最多的问题还是情感问题
- 33:06LOVOT在寻找激发人催产素的产品形态
- 35:02Labubu更多属于社会潜意识的投射，催产素只占很小的比例
- 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
- 38:17女性用户80%，一二线城市用户80%
- 40:40教大家怎么用MBTI分析所有人
- 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
- 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
- 52:00人为什么总想“测测”自己？我们智人希望找到规律
- 54:20大模型还没有解决规律总结的问题
- 56:00人还保留了具身性，所以是不可替代的
- 58:28长期来看，测测会变成一个人工智能公司
- 01:00:00AI技术对社会的影响，任永亮比较悲观
- 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
- 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
- 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？
- 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
- 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115 分钟
- 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？
- 14:38抢人大战后，Meta 谁都不服谁的情况可能更严重
- 16:31ChatGPT Agent 不惊艳，但别低估它；“壳”的价值在于 context
- 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
- 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
- 40:53从 All in AI 到外卖大战？
- 42:37DeepSeek R2，等待新基模
- 43:43字节 Seed 组织的进一步分工：Edge、Focus、Base
- 46:39K2，Kimi 的乔戈里峰
- 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”
- 01:15:23雇佣 AI——1个月 1000 美元的 AI 订阅费
- 01:23:19Agent 的应用进展需要新的 L3 模型
- 01:30:22在硅谷，对创业产品的像素级模仿为何较少发生
- 01:35:35持续好奇：如何衡量智能的边界？
- 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？
- 01:43:31未来几个月想验证的悬念？——L3 模型如何到来
- 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62 分钟
- 01:54稚晖君背后，智元实控人邓泰华是谁？
- 04:027.8 亿元买上纬新材 29.99% 股份，获得相对控股
- 08:58科创板不能借壳，科创板也不应该有壳
- 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
- 23:26智元股东同意花钱收购的可能原因？——一种希望
- 24:42上一波 AI 公司退出难的教训
- 25:48为什么只买到 29.99%
- 28:56太多报道关于智元，太少关注上纬新材
- 36:20效仿智元的门槛：公司有没有钱？能不能拿出来？
- 43:32如果去港股上市呢？
- 46:21好的「壳/标的」该如何？—业务干净、业绩不掉、股权相对集中
- 52:01启明、梅花作为基金 GP 收购上市公司资产的尝试
- 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127 分钟
- 01:52大四开始第一段创业，做微博时代的达人撮合平台
- 04:21读博前，自由度更高的神经网络成为显学
- 07:00专攻数据挖掘方向，建模恐怖分子组织架构
- 10:56读博期间的另一个创业项目：学生外卖
- 13:33既然 AI 有自主性，就要做有社会参与的 AI
- 16:13过于发达的工具，让人成了工具的接口
- 19:28毕业后，先去 Facebook 为社交网络建模
- 20:51阿里时期，阅读认知科学、禅宗相关的书，思考如何造人
- 25:46GPT-3 出现，亲自下场的时候到了
- 28:16Mindverse 重定向，从做 him/her 到做 me
- 33:03用户训练完身份模型后，“觉得自己永恒”了
- 35:33两个 AI 身份项目：Me.bot 开箱即用，Second Me 对外开源
- 37:26不是 AI 分身，而是 AI 身份
- 44:04Me.bot 的最新功能：共鸣、Talks
- 01:14:02大量需要一个 AI 身份介入、互动的场景已经存在了
- 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
- 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
- 01:23:31设想中的商业模式：身份即服务
- 01:25:36不用 RAG，把对个人的理解内化在参数中
- 01:29:37把客观数据变成主观数据，重新抽象、总结
- 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
- 01:39:19公司周年庆上，身份模型预测出自己的讲话内容
- 01:41:41一百份思考、一百份笔记，足够训练出一个 Second Me
- 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
- 01:44:36只有让 AI 和用户“共生”，才能降低传输数据的阻力
- 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
- 01:53:00买量不可取，更希望通过口碑获取用户
- 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114 分钟
- 02:41休息不是选择，想再挑战成长极限
- 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
- 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
- 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？
- 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
- 29:28小米 YU7 的启发：功能与品牌传递的平衡
- 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
- 38:18要素二：自然、优雅的审美，栖息地不做「尖叫」的设计
- 41:47要素三：健康、舒适的环境（全屋空气、光、水系统等）
- 43:08二手房重装怎么操作？一个东城老楼的案例分享
- 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
- 53:21要素二：建立高效的「人料协同物流体系」
- 55:53要素三：激发施工班组（工人）的积极性，做对工人激励
- 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
- 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
- 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
- 01:19:22一体化智能住宅背后的潮流与人心：品质、美的自信
- 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
- 01:28:00出发时「天真」的地方，为天真付出的代价
- 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
- 01:39:30一体化智能住宅的天时、地利、人和
- 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。”
- 01:44:03梦想中的研发，甚至还有家庭服务机器人
- 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
- 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116 分钟
- 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？
- 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
- 15:10五源的准备，自己先实验是否真能“生存”
- 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
- 20:10利导和郅悦，两位的参赛故事
- 24:22郅悦的 AI 虚拟主播，想法在这次挑战成为现实
- 25:34无任何编程基础的利导，挑战是为了“按下暂停键”
- 34:12第一口热食的滋味
- 41:04饥饿状态，度日如年
- 43:22300 多人报名，从十几岁到 60 多岁，他们眼中的 AI
- 46:37不仅有人和 AI 的协作，更多是人和人的交流
- 50:30回到最初的假设：普通人，真能 AI 做好东西？
- 51:42现有 IT 环境下，AI Agent 是在戴着脚铐运行
- 56:56对 Agent Infra 机会的一个小型试验
- 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
- 01:07:27陈郅悦的转码经验：跟着视频一步步学没用，干中学
- 01:09:553 个月开发第一个 AI 产品，现在每月约 1000 欧元收入
- 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
- 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”
- 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？
- 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94 分钟
- 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”
- 07:58吐槽答疑：2 年就得换硬件？不存在
- 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
- 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
- 15:4824 年融不到钱，25 年和朱啸虎聊了 10 分钟，对方投资
- 18:56具身的此刻：demo 简单，稳定落地难
- 20:39陪伴硬件上，TTS 语音和大模型能力同类重要
- 22:10参考养成游戏，3 要素：精力投入、情感羁绊、社交节点
- 27:01做减法的过程：保留最低生命感
- 31:18最激烈的争论：会说人话 or 不会？——为何最终选前者
- 34:47世界观的形成：金木水火土，是中国的 MBTI
- 42:30AI 还占多少比例？陪伴真的需要“智能”吗？
- 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
- 52:27游戏的、机器人的、潮玩的，都在做
- 54:51不怕和大公司竞争，也只能面对竞争
- 01:00:46行业下一个节点——端侧模型直接部署到陪伴硬件上
- 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
- 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？
- 01:21:22上一次创业做智能猫砂盆的复盘
- 01:24:54出来混，重要的是“出来”
- 01:26:27产品设计出身，如何学习 AI 技术？
- 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122 分钟
- 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
- 07:52卖掉房子，开始住房车，“没用的东西全都扔了”
- 12:45PingCAP 的创业原则：几位创始人构成分布式系统，互为冗余
- 13:41《黑镜》第7季第四集的启发——简单结构，产生复杂智能
- 22:34元胞机/生命游戏、TiKV，都是简单结构产生复杂智能
- 34:06软件系统构建的“剑宗”和“气宗”
- 37:10对智能不同理解背后的哲学差异：规律真能被掌握吗？
- 43:51沃兹尼亚克的启发：有趣很重要
- 47:04创造 Doom 的 John Carmack：极致受限环境，优雅编程
- 50:51放弃传统调式的 John Cage：打破常规
- 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
- 55:26曾经低估云原生的发展速度
- 01:04:45PingCAP 的实践与教训：全球化是更好的本地化
- 01:05:45中国为何不能诞生 DataBricks？
- 01:06:44想成为最受尊敬的基础软件公司
- 01:11:27学编程——最重要的是，有目标，完成目标，动手做
- 01:15:07不能一直 vibe coding
- 01:19:14PingCAP 的新思考：AI 需要什么样的数据存储？
- 01:21:06不想看 Saleforce，自己写了个 Agent
- 01:24:24做 database不会失业，每个人都会有自己的 Personal Data
- 01:30:36开源是竞争策略，也是本身想做的事
- 01:40:45《神的九十亿个名字》我们是不是在加速来到结尾？
- 01:44:43离开计算机，我的意义是？——AI 无法替代你体验
- 01:49:26欣赏非数字内容，人造的东西会很珍贵
- 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》
- 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！143 分钟
- 01:32这有点儿像，你 4 年前就领了证，今天才办婚礼
- 04:14两年三变化
- 07:37“猎人策略”进化，新的 3 种 level
- 13:00AcePro 为何跳入与 DJI Action、GoPro 的更直接竞争？
- 18:57包围式差异化式进攻
- 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
- 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
- 27:48大疆也要发布全景相机了，如何应对？
- 31:06Ace 系列有挫折，但此刻是好结果
- 34:00两种产品思路：需求导向 vs 竞争导向的平衡
- 37:18员工学滑雪、潜水，费用都报销，鼓励他们成为目标客户
- 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
- 43:56防比攻更难，但也更能带来能力提升
- 49:00大多数消费电子品类，有门槛、难有壁垒
- 54:18无人机市场的门看似焊死了，其实也能推开
- 55:11如果我账上的钱只够活三个月，傻子才会跟他竞争
- 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
- 59:16试，这不是最经济的方式
- 01:03:03say no 的方向：为何不做车载？电影机曾经的失利
- 01:09:24何时谋定而后动，何时跳下水迭代
- 01:18:15AcePro 2 街拍套装都要上市了，我才知道
- 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
- 01:27:03最难的是，克制住直接给方案的冲动，这反人性
- 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
- 01:31:55试图打造员工发展第一，客户第二，股东第三的组织
- 01:36:39这家公司赚的是“开发新知识”的钱
- 01:40:35面对员工吐槽：识别目标员工，解决共性问题
- 01:42:27定期识别隐性职责和跨部门职责
- 01:50:00矩阵式组织的关键是，上下左右对齐目标
- 01:54:49组织上什么最难？激发人心
- 01:58:40组织复杂性将持续，但会迭代优化
- 02:01:26眼镜也许是大机会，但非 Insta360 的大机会
- 02:07:50迄今为止，最勇敢的选择
- 02:12:07害怕失去，所以 YOLO，所以勇敢
- 02:14:39你的底层，不是一场战争
- 02:17:50有了孩子后，发现家庭记录场景的更高上线
- 02:19:184 个太多 & 4 个不够
- 02:21:09被采访是提炼想法、明文表达的时机
- 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91 分钟
- 01:10自我介绍：从光源资本到 PixVerse 联合创始人
- 03:46接触 AI 生图，被 Midjourney 震撼到沉迷
- 06:11周末泡在杭州线下黑客松，与技术合伙人组队创业
- 08:1123年春节后，与王长虎结识及互补团队结构
- 08:55视频是视觉 AI 的终局场景？变化正在发生
- 12:13别人想冲奥斯卡，爱诗想服务好普通用户
- 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
- 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
- 17:39模板两个优势：不需要写提示词，也能提高抽卡率
- 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
- 20:57移动端产品上线前几个月，用户即破千万
- 22:23AI 应用产品化还处于非常早期阶段
- 22:58社区、共创、模版生态的未来可能性
- 24:12用户不是专业剪辑者，而是普通人，新创作者
- 25:23多模态生成仍有问题，正在探索
- 27:15稳健策略训练模型：很多同行的十分之一、二十分之一
- 28:40资源节俭哲学：以少胜多
- 29:12中国三家公司和 Google 是第一梯队，与 Sora 属于不同路径
- 34:53不担心和大公司的竞争，因为视频行业还在快速发展
- 36:36用户自发传播，不依赖平台流量
- 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
- 38:25国内市场已经验证过了：有人在咸鱼上求代做视频
- 39:25视频是通用媒介，模板快、准、美是核心能力
- 41:54用户主导内容趋势：AI 辅助用户而非替代创作
- 42:35圣诞节“耶稣温暖你”模板在欧洲爆红
- 43:58海外与国内产品版本一致，局部调整
- 45:08美国、巴西、俄罗斯、印尼等人口大国主要市场
- 46:48“每天刷 TikTok 的人”是 PixVerse 的目标人群
- 48:46视频生成模型仍然有很大进步空间
- 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
- 52:21看到的新架构架构趋势：DIT + 自回归
- 53:01生成速度变得更快是更有意义的
- 54:11探索 to C 也探索 API
- 55:48模型和产品的资源分配如何平衡？
- 57:00和大语言模型不同，视频生成模型是“摄像头”，不能单卖
- 58:15APP 面向普通用户，网页端更偏专业创作者
- 01:05:25视频生成是无人区，所以过往有没有经验意义不大
- 01:10:07什么是规模化的产品：用户留存和自然传播才算
- 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
- 01:18:01在光源资本时，经历互联网整合期
- 01:22:14看过足够多的公司：看准了就要赌，要赌就要 all in
- 01:23:35相信两类 founder：即使冒险也是热爱；坚持探索技术
- 01:24:14同时入行的投资人，都在做什么？
- 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
- 01:27:38面对噪音，要相信自己
2025 年 5 月
6 期- 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158 分钟
- 02:17少年班经历→伦敦政经金融经济学→2021年加入追觅，参与自有品牌0-60亿增长→2023年11月离职创立乐享科技。
- 04:01加入宝洁时，如何为创业做准备
- 10:05宝洁为何长寿：SOP/数据库/组织架构）、"敢为天下后"
- 16:06俞浩（追觅创始人）面试时讲：高频试错+快速迭代；敢用年轻人
- 21:06破格用人，"高激励+高淘汰"，让大专主播月入 5 万
- 23:212021 年首战 618 成功，押对了抖音电商红利
- 32:08结果备货没跟上，第一次被降级
- 34:47重被任用后：先做洗地机，再快速做扫地机，功能全包围+差异化（烘干）+便宜15%，以B站长内容引爆扫地机品类
- 37:16开始全渠道布局：不依赖抖音单一红利，拓展天猫/京东/社区团购
- 41:392022 年中国区销售额达 30 亿，但亏损，再次降级
- 51:21新“军令状”：3 个月扭亏，高价 & 高端化转型
- 55:50离开追觅：生病、管理千人团队超出能力边界、想要新挑战
- 01:10:58乐享科技不追求技术颠覆，寻找"0到1之间的0.5机会"
- 01:18:08选择创业方向的 3 个标准：
- 01:24:00早期探索：从“机器人玩具”切入 → 发现“可定义动作”是核心价值
- 01:42:01首款产品定位调整，与 K-Scale 合作开发平台机器人（售价$1000）：满足学生/极客的 Sim2Real 需求
- 02:16:01未来核心愿景“家庭移动终端”：解决拟人化交互（情感连接）+ 全场景移动（室内外地形适应）
- 02:18:43第二款产品：履带式瓦力机器人（预计 2025 年 9-10 月上市）：迪士尼IP授权，一比一电影还原设计
- 01:53:57“赚钱养梦想”：短期，教具产品保现金流，长期，家庭终端产品探索。
- 02:00:00拉来科沃斯前 CTO，招募 AI 背景年轻人：创新+经验组合
- 02:04:00与 K-Scale 的分工：互补短板 → “他把我们硬件工程师的照片挂墙上致敬”。
- 02:13:40完全没有竞品的赛道可能没活力：“我创业第一天就渴望竞争”
- 02:21:54多产品并行逻辑：“发挥快速迭代基因，广泛洞察→收敛需求→快速验证”。
- 02:25:03中国硬件公司三代演进：代工仿制→性价比出海→定义新品类和标准
- 02:28:43拓竹启示：3D打印机从极客工具到家庭设备的跨越 ，“重新定义品类是硬件公司的最高追求”。
- 05-20117: 印奇的AI创业14年：所有不能闭环的辉煌都是暂时的127 分钟
- 03:17AI 是 lifelong 的方向，一直想走软硬结合的 AI
- 05:55继续推动旷视上市、大模型创业、AI+车（千里），三个选项里为何最终选了千里？
- 08:34更倾向 AI in physical，AGI 必须有物理支撑
- 13:16智能机器人未到爆发时机
- 17:43DeepSeek 破圈，不代表能形成商业闭环
- 18:41搜狗、旷视、DeepSeek，前沿科技创新的“天才少年”组织模式
- 20:47技术信仰 vs. 价值务实：所有不能闭环的辉煌都是暂时的
- 25:24一代版本一代神，组织能否迭代决定未来
- 26:10千里战略关键词：AI 加车，差异化，聚焦智驾
- 28:43开放 + 国际化，与吉利的合作不是绑定，而是起点
- 30:25供应链开放：寻找各环节最优产品，组成完整方案
- 35:21深度绑定车企才能形成数据闭环和技术支点
- 40:40对 VLA 的判断：具身更需要 VLA，车的动作（action）很有限
- 44:41中国智驾要回归基本功，提升模型化比例
- 49:39技术品味来自背景积累，但也不用神话技术背景
- 52:17智驾合适的商业模式是 2B2C，消费者要为软件付费，软件才能持续迭代
- 54:46低谷的 5 年反而是成长最快的 5 年
- 58:29价值务实 + 精细经营 + 战斗型组织
- 01:06:01调整研发与销售投入比例的过程——客户导向不是说出来的，而是价值链压出的
- 01:08:16管理没那么多新概念，因为人没变；世界是连续的，不存在真正的突变式创新
- 01:11:13好的科研关键是定义好问题，创业也一样
- 01:14:15在互联网领域，what 很重要；但在大部分其它行业，how（执行力）比 what（认知） 重要。
- 01:17:54节奏比方向更重要，要判断冲刺时机
- 01:20:04智驾冲刺信号已出现，赢下冲刺所需的 3 个体系
- 01:26:50比以前更狠了？——更追求结果了
- 01:30:51聪明人用笨办法，不奢求用小的力获得大成功
- 01:33:50为何在少年时就找到 lifelong 的方向？
- 01:35:30姚班的科研价值观
- 01:41:38人类会选择虚拟世界吗？
- 01:45:34艺术家徐冰，科技边界扩大，艺术边界缩小
- 01:47:57当你对这个世界有认知，跟一群人做成了很多事，最后可能才能真正知道内心支点，见自己是最后的。
- 01:48:31AI 现在是一个大周期的决赛环节，各公司的积累
- 01:52:05Super App，短期有爆发势能，长期上限高
- 01:54:42第二阶段的 Super App 方向：Agent——四种分类（办公、内容创作、生活、情感陪伴）& 机会比较
- 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”99 分钟
- 05:03《破晓之钟》想写AI时代的科幻，融合少年热血与中年反思
- 07:35主要情节：外星人非暴力入侵，以“完美虚拟生活”诱惑人类；一群研究者如何寻找出路
- 12:34灵界立方灵感来自英伟达 GPU 互联，20 年的科幻点子现在照进现实
- 16:44人们的两种选择：进入虚拟世界 or 拥抱未知星海
- 19:38“虚拟永生”带来的不可忍受之轻和平庸
- 23:24结尾悬念：人类真的逃离灵界虚拟世界了吗？
- 26:03高级文明银河联盟的动机：寻找独特的智慧和宇宙角落里的其它更优解
- 29:44技术终会发展到“所思即所得”，好的发展思路被渴求
- 35:11人类进入虚拟世界已成趋势，服务器更适宜星际旅行
- 39:53虚拟世界带来短期冲击、中期内卷、长期机会——当我们从常规工作中被解放，创造力可能爆发
- 45:34AI 未来能否做科研？现阶段仍不具深层推理能力
- 48:50田渊栋早年在深度学习相对冷门阶段的研究经历
- 55:10小改进 vs 大革新，两类科研者的贡献与角色都很重要
- 01:00:04技术 leader 的任务：掌握方向，识人用人，制定策略
- 01:03:02从埋头苦干到战略设定，再回归 hands-on 的转变
- 01:06:08借助 AI，现在的研发团队可以更小、更精悍
- 01:12:27AI 生成的内容，仍缺乏对人物关系的理解和长线逻辑
- 01:14:40不同 AI 模型的使用体验：Claude 相对擅长人物关系；给定大纲后，Gemini 可以完成具体情节；DeepSeek 适合“脑洞”，用来写小说“很麻烦”
- 01:17:28自制写作工具：人机协作，用 AI 补空、润色，保持人类创意主导
- 01:25:19人类独一无二的经验，短时间内无法被 AI 替代
- 01:26:32就像银河联盟想要全宇宙的好想法，大模型现在也最需要人的智慧（数据）
- 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88 分钟
- 03:15CloudMatrix 384 是什么？Scale up vs Scale out
- 08:33算力底层构成，不止 GPU，还有互联、网络、冷却等综合系统
- 11:09NVLink、NVSwitch 是英伟达的另一重壁垒，69 亿美元收购 Mellanox 前后开始布局
- 18:22广义与狭义的 AI Infra
- 20:38第三方系统优化公司的机会？——同时掌握计算、网络能力的芯片原厂是少数
- 22:51“超节点”好坏，看什么指标？
- 29:08黄仁勋想推“训推一体”，实际上业界在怎么用 GPU？
- 33:17模型越大，显存压力越大——显存正成为芯片主要成本
- 36:02华为超节点功耗高，但中国电费成本相对小，以总量换性能
- 38:11华为的多卡互联来自什么积累 ——华为在成为 Nvidia 之前已是一个 Mellanox
- 42:57NV Switch 为何难？去年 AMD 49 亿美元收购 ZT 补能力
- 45:43华为超节点，短期不冲击英伟达，压力给到其它 AI 国产芯片商
- 47:51英伟达 H20 已计提 55 亿美元损失，但可能通过技术手段提升部分性能
- 51:19华为在阿里 Qwen3 发布当天宣布支持
- 55:12英伟达上游有全球供应链支持，下游有客户生态，危险之一是客户集中
- 01:00:44为什么 Google TPU 没有动摇英伟达的地位？
- 01:04:23可能是 Nvidia 的“防守措施”：已成立“半定制”部门
- 01:06:17为什么离开英伟达，十年前的老黄是什么样？
- 01:12:012024 年选择创业：看到芯片周边集群优化能做出差异化，也是长坡厚雪
- 01:18:44新硬件架构的苗头？——存算一体、类脑计算（脉冲神经网络）
- 05-05113: 秘塔闵可锐1：回到故事开始，那些「神预言」116 分钟
- 00:05开场介绍
- 02:20秘塔的重心在应用；竞赛→复旦→牛津→伊利诺伊→第一次创业→猎豹→创立秘塔的简要回顾
- 05:482017 年前后的真正技术转折是：预训练想法的出现
- 12:362018 年，预训练到来后的创业选择：在特定领域做出价值→法律翻译
- 12:14OpenAI 难以效法；ChatGPT 之前，行业没有技术秘密
- 14:41GPT-3 刚出来时，参数规模大到短期内难以应用；没必要神话某一个架构
- 22:14一些 idea 的引用次数很高，但不是真正天才的想法
- 25:25Ilya 的成就：不是视觉背景的人做出了 NLP 突破，而是深度学习的不同领域在合流，AI 本身的泛化性在提升
- 27:17Jasper 的贡献：找到一个机器贵、但人更贵的切入口
- 30:58从法律翻译到秘塔写作猫，垂直领域到更泛 C 的转变如何发生
- 36:16AI to C、to B，商业模式切身体验
- 40:42“创业公司的差异化是什么？”——要“做着瞧”
- 45:56AI 应用是战国时代，是所有人和所有人的 PK
- 47:43AI Native 应用的突破很可能在交互上
- 52:16秘塔也在自己训练模型，应用为重心的情况下，怎么做模型？
- 01:01:28开源模型的影响
- 01:08:02AI 热潮对秘塔发展节奏的影响
- 01:11:15中国投资机构会集体 miss 模型层投资；开源是另一股力量
- 01:16:13中国有雄心更大的人，但还没有进入人们的视野
- 01:19:14这次热潮对比 2016 年 AlphaGo 之后的 AI 热，有何不同？
- 01:24:11秘塔当时的新融资推进：战投比较积极，财投很谨慎
- 01:27:19两种 AI 研究机构：手作坊 vs 工业化
- 01:33:2495% 的研发投入是浪费的，而且不知道浪费在哪儿；OpenAI 的成功经验是找到会花钱的少数研究者，让他们花很多钱
- 01:37:14短期 vs 长期，当前应用 vs 追求 AGI——“你以为的平衡，实际上是平衡不了”
- 01:44:13AI 热潮给算力成本带来的变化
- 01:51:27市场存在大的资源错配
- 05-05114: 秘塔闵可锐2：“我不是演员”122 分钟
- 03:05今天学点啥：黑神话冯骥自来水，闵可锐自己打 70 分；马上会推出新优化
- 09:09其实秘塔 80% 的产品决策是“我拍脑袋”的
- 11:18to C、to B AI 产品秘塔都做过，不同的决策方式
- 18:14“为什么没做 Agent 方向产品”——为什么做大家都在做的事？
- 20:32Manus 的很多效果得益于 Claude；25 年的模型来做通用 Agent，成功率仍是问题
- 25:58秘塔为何没沿着法律场景、做垂直 Agent？
- 27:56收入是产品决策的重要指标；过去 7 年多少名噪一时的 AI 公司，要么死了，要么大幅收缩
- 29:45我融不了很多钱；我讲真话大家也不信，也做不了演员
- 34:44模型做不到全球 top 的 foundation model 创业公司挑战重重
- 36:14做基础模型就应该是 DeepSeek 的人才组织方式
- 37:27AI 战场都是聪明人，不要奢望兼顾 8 个产品、同时开几条模型线，还能在某个方向碾压别人
- 38:11AI 一定要算 ROI 吗？AGI 也可以是消费
- 41:46Llama4 再次证明，“一流资源、二流团队”打不过“二流资源、一流团队”；字节人才密度很高，关键是怎么发挥价值
- 42:55梁文锋最懂什么？
- 44:56to B、to C 应用，基础模型，我都可以做，不过没人相信
- 49:48法律翻译、秘塔搜索，都不适合出海，但“今天学点啥”之后会出海
- 52:48我们的对手会是 1 万亿的公司，你得相信，最坏的事情会发生
- 54:30因为保守错失了哪些机会？
- 57:36去年为什么拒绝被收购？
- 01:01:21谨慎与抛弃沉末成本，闵可锐的双面性
- 01:03:28Jasper 没死，但大家都要“踩一脚”
- 01:05:06所有主要依靠大模型有潜力到 1000 万 DAU 的软件应用，大（模型）公司都会自己做
- 01:10:19大模型和小模型结合，只是个很简单描述；整体思路是：1.服务自己的用户 2.及时跟进下一代模型解锁的能力
- 01:16:46o 和 R 真的在推理吗？智能的形式比本质更可验证
- 01:23:58用强化学习做推理模型之后，很多人低估了好的预训练的重要性
- 01:25:42Grok3 和 Llama4 是两件事，Grok3 成功证明了一个后出发的团队，能快速追赶一线能力
- 01:29:55Scaling Laws 不是线性外推，很可能到了新卡点，又会有新突破
- 01:32:59过去曾有哪些技术误判，导致错失机会？
- 01:37:26我们摸着石头过河，大厂摸着我们过河，创业公司得更快找到下一个石头
- 01:38:43一个足够灵敏的组织，理想 vs 现实
- 01:41:03目前秘塔的团队分工、协作
- 01:45:52为什么没找产品合伙人？
- 01:49:33热潮前后，秘塔团队节奏的变化
- 01:55:2523 年至今的变化：自己“更会了”，接下来希望能和整个组织一起成长
2025 年 4 月
3 期- 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82 分钟
- 02:02创业 moment：科学家能做的探索越来越少，这在大语言模型领域已经发生
- 04:09团队搭建：产业老炮+年轻科学家
- 07:18Figure 02 的 demo 很好，展示了快慢系统
- 09:38中国相对美国优势在于修机器人快，不然修机器人的速度赶不上做实验的速度
- 12:12具身智能的阶段划分
- 14:23现在中国具身智能在从 L1 到 L2 的路上
- 14:41机器人不一定是人形，但 L2 以后可能需要双臂+轮式底盘
- 15:31没有操作、只有移动，不能解决主要矛盾
- 18:52双足不难，没有本质的卡点
- 21:31虽然操作重要，但一定得有上半身吗？其实是从成本角度考虑的，像“人”一定可行
- 23:53人形机器人，到底是更精细分工，还是更泛化？
- 27:00端到端（VLA，Vision-Language-Action）是现在具身智能的共识吗？
- 28:53训练过程：互联网视频预训练、模仿学习、强化学习
- 29:51为什么叠衣服这样的操作会成为具身智能领域的“智商测试”？
- 34:14快慢系统在叠衣服这件事里怎么配合的？
- 35:35当前机器人的主要挑战是泛化性
- 36:28视频数据的可用量只有 1%，机器人学习怎么操作、预测轨迹
- 38:44人类的肌肉记忆，机器人也有
- 43:33跨任务泛化：强化学习成功率取决于基模的训练和 SFT（监督微调 Supervised Fine-Tun-ing）
- 45:00具身智能也有 Scaling Laws 吗？做到 GPT3.5，可能需要 100 亿条有效数据、1 亿遥操数据、几千万强化学习数据
- 49:05Scaling Laws 在仿真数据不成立
- 50:32为什么只做大脑不行？驯化新的躯体很难的
- 51:55为什么只做本体不行？价值在大脑端，现在有了大脑能力才引起的风潮
- 53:06机器人未来会像汽车产业链
- 55:10关于朱啸虎说的没有商业化，高阳觉得现在最重要的还是把技术做好
- 56:41行业何时收敛？当具身智能走向 L2 时
- 57:57现在具身智能的瓶颈还是在 AI，要补齐才能成为“木盆”
- 59:35伯克利“归国几子”的介绍
- 01:01:27同一个实验室的，还有许华哲、贾扬清等
- 01:03:222016 年博士最开始做自动驾驶，那时端到端自动驾驶还不被相信
- 01:06:41学术不需要灵光乍现，个人的思考方式就是 COT
- 01:07:11所以在明年 6 月具身智能会到 L2，再过一年半到两年 L3
- 01:07:34读书时在 waymo 实习三个月：感觉脑子要坏掉了
- 01:10:15读博想创业，但没好机会；毕业后回国做科研，伯克利“归国几子”兼职“HR”
- 01:12:43跟许华哲最近讨论：看起来具身智能是个非共识行业，但这已经是坍缩、收敛后的结果
- 01:15:54大学教授出来创业，会拍拍屁股走人吗？
- 01:17:37一个崇尚规律的 ISTJ：不熬夜、骑共享单车上下班、规律健身
- 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#395 分钟
- 04:02一边在斯坦福读博士，一边在 Meta 上班，每周工作 110 个小时
- 07:20拒绝 LLM 创业机会，留在强化学习主航道上
- 10:17刚开始研究强化学习的时候，强化学习还并不是显学
- 16:52DeepSeek R1 带火了强化学习，让投资人意识到强化学习重要性
- 19:26现有 LLM 写入能力较弱，调用工具数量有限
- 23:51长期看，LLM 可能只是模型和用户的交互层，Agent 之间沟通不一定用语言
- 31:02保留用户控制节点，避免“自由落体”的失控感
- 36:36Pokee.ai 想服务专业用户，未来还要进入企业工作流
- 43:46一项子任务失败，不一定挡住 Pokee.ai 完成其他子任务
- 45:33抛开 browser-use，强化学习 Agent 完成一项任务只需要数十秒
- 46:53Pokee.ai 最初没用 MCP，团队自己设计更简单的协议
- 48:47目前主流做 Agent 的方法还是以 LLM 为核心
- 50:00优秀 Agent 的四要素：速度快、无需干预、能读能写、成本低
- 58:20Pokee.ai 团队全职员工只有四人，成员主要来自 Meta
- 59:30早期产品：旅行规划助手 / Shopify 助手
- 01:02:07强化学习爆火后，回归创业初衷做通用 Agent
- 01:07:33Manus 出圈是意料之内
- 01:09:54Pokee.ai 发布产品不会用邀请码，单次任务成本是同类产品的 1/10
- 01:10:59技术不是 Agent 的护城河，重要的是和用户工作流绑定
- 01:20:24Pokee.ai 在做通用 Agent，但也能帮垂直 Agent 落地
- 01:22:15Agent 行业最后会存留三到五家公司，接下来是各个通用 Agent 差异化的时候
- 01:26:03判断技术潜力的好方法：Toy Example（玩具案例）
- 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#2100 分钟
- 00:06开场介绍
- 04:57OpenAI 提出 5 级分类，推理是 L2、Agent 是 L3，DeepSeek 爆火是 L2 对 L1 的降维打击，所有人开始提前想 L3
- 11:14Agent 技术框架：模型+编排层（目标理解、推理、记忆）+工具使用
- 14:23OpenAI 全局记忆功能上线，新的 wow 时刻
- 16:19更强推理能力，会削减 workflow 优势
- 19:52MCP 成为工具使用的主流生态，更利好模型公司而非应用公司
- 22:57已经逃离九宫格的美团等公司，不想再回到“九宫格”
- 25:21美团、滴滴最初可以拒绝接入其它公司的 Agent，但这也许会给身后的第二名创造机会
- 27:25云端→手机→新终端，通用 Agent 的入口数量递减；Agent 也会冲击互联网传统的广告商业模式
- 32:22大厂布局眼镜端 Agent，Meta 牌面最好
- 36:07B（字节）AT 三家，生态相对封闭，互通可能性是什么？一个待验证的预言：下半年就会看到巨头间的入口 Agent 竞争
- 37:45创业要和模型主航道保持距离
- 43:20GPT 4o 对泛 C 文生图应用冲击大，却能帮 to 专业人群的文生图应用打 Adobe
- 50:44模型大厂和 Agent 应用的边界在于前者都有泛 C 野心，后者更擅长服务精准人群，做“最后一公里”
- 53:24离模型主航道太近的通用 Agent，壁垒不能在技术本身
- 54:52Agent 概念火后，一批已存在的 RPA 公司先受益
- 57:31新公司机会：重塑流程（如 Shein）、规模化原本不能规模化的行业、找到低垂的果实（如满帮）
- 01:02:04实例：用 AI 帮银行起诉坏账，1 个月发起超 1 万起案件，分收入提成
- 01:08:30为什么不是律所+AI，而是原生 AI 公司来做这件事？
- 01:12:29这类项目的团队画像：懂行业+懂 AI
- 01:15:10Kill time 的内容型 Agent，内核不是解决任务，而是有一定自主性；在当前记忆受限的情况下，还提供不了长期关系
- 01:17:18短期机会是做新型内容平台
- 01:22:12远期想象：工具 Agent 和陪伴 Agent 的融合
- 01:24:35未来 3 年再不到“GPT-3 时刻”可能是个大泡沫，但这是早期投资可以容忍的风险
- 01:31:42结尾分享，那些创业公司和开源历史的启发——《九胜一败》、《安卓传奇》、《与开源同行》
- 01:37:39本期连点成线
- 03-30109: 数字生命卡兹克如何用 AI：把任何重复3遍的事AI化149 分钟
- 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138 分钟
- 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80 分钟
- 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#1132 分钟
- 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？49 分钟
- 03-03104: 我给线性注意力找“金主”，字节 say No，MiniMax say Yes87 分钟