PODCAST · 晚点聊 LateTalk

2025 年 3 月节目

6 期 · 6 期带分节

  • 03-30109: 数字生命卡兹克如何用 AI：把任何重复3遍的事AI化
    1. 00:23开场总结
    2. 02:25交互设计师到首次参与创业
    3. 10:23全公司开始用 AI（代码翻译、UI 设计）→用 AI 做基金分析产品→拿到备案，但客户推广不顺
    4. 25:23兼职做 AI 内容的两次出圈大火：AI 流浪地球3预告片，开始协助郭帆导演在电影制作流程中用 AI；发布 Pika 文章第二天，一天做了 13 个券商线上路演
    5. 32:42AI 内容变难做，一是用户阈值变高，二是一些新进展已离普通人较远（数学、AI for Science 等）；DeepSeek 出圈不是因为数学、逻辑，中国人的“
    6. 41:32想做 “AI 殿堂的门童”
    7. 56:26最近被喷最多是因为 Manus，“我真的没收钱”
    8. 01:01:09别人问我怎么用 AI，我先问：你觉得什么东西浪费时间、不相干？
    9. 01:03:49AI 总结社群焦点，用字节 Trae 写数据分析工具，ChatGPT 干“大活”靠谱，DeepResearch 真香！
    10. 01:12:09AI帮助全网筛选提：早 8 早报，晚 8 “内参”，深夜 12 点再汇总外网新动态——干跑两个实习生后搭建的 AI 提效流程
    11. 01:18:55多模态 AI 使用：做海报和设计，但视频内容目前想保持“人味”
    12. 01:24:36用 AI 的坑：错估 AI 能力边界，但不要受挫就放弃；DeepResearch 写小说能力惊人，但现在秒不了乔治·马丁；第一部分账模式的 AI 短剧《兴安岭诡
    13. 01:31:31各 Agent 使用体验，大部分偏玩具，因为多步任务中错误会叠加，规划、执行和整合能力最重要
    14. 01:39:0023 年用 Coze 和 Dify 多，但这部分需求后来被 Cursor、Trae 满足
    15. 01:41:15一个用飞书多维表格跑工作流的例子；最近办线下活动，DeepResearch 11 分钟干了去年 11 个人一起做的活：筛选报名者和现场分组
    16. 01:51:49今夕对比，2023 年 3 月的 AI 产品推荐 VS 2025 年 2 月 AI 产品推荐；Jasper 怎么了？音频、视频全部大洗牌，豆包、元宝的崛起，字节
    17. 02:05:50卡兹克的“焦虑”：AI 会不会正在精英化？AI 还没有出现手机之后的新终端
    18. 02:18:36AI 对更多普通人的意义，群友们的故事
    19. 02:26:06本期「连点成线」
  • 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
    1. 00:13开场总结 & LongContext 系列说明
    2. 04:58DNA、神经系统、语言、数学，智能有四种机制；知识本身不是智能，而是智能活动的结果
    3. 19:06大模型在四种机制中的阶段——类似靠 DNA 物竞天择的强化学习
    4. 24:53智能在宇宙中诞生，也许是偶然中的必然；宇宙熵增（越来越混乱、随机），终有一天会无规律可学
    5. 29:02AI 的起点不是达特茅斯会议
    6. 39:5580 年机器智能史中的“闪耀时刻”
    7. 46:57神经网络的起伏，本质是机制不明确，一些成果靠经验性试错
    8. 56:51Open o1 和 DeepSeek-R1，它们真的在做“推理”吗？
    9. 01:08:06“DeepSeek”们的出现，是一个 where and when 的问题，不是 if or not 的问题
    10. 01:11:21探索未知的勇气和特立独行+严谨的学术培养
    11. 01:14:24“做数学家，第一条是把自己训练成世界上最难说服的人”
    12. 01:18:53在伯克利读博士时的氛围：自由跨组，学生互助
    13. 01:24:16品味被挑战的时刻：现在被引用最多的成果，一度没有任何会议接收
    14. 01:27:58没有接受系统教育的企业家、从业者，如何形成技术 taste？
    15. 01:35:12减少一门英语课，所有本科生增加一门 AI literacy：教授历史、技术概念、伦理；重要的是思维训练，而不是结论本身
    16. 01:45:50机器降临派 or 人类堡垒派？——智能共存
    17. 01:52:15闭环系统才能适应开放世界，具身是应用场景
    18. 01:54:05VLA 端到端不一定是具身智能正确的解法，至少不是最高效的解法；人脑其实是一个并行结构
    19. 01:59:50公司的意义，与学校要做的事形成互补
    20. 02:11:28“我从不说 AGI”，不要笼统地理解智能
    21. 02:13:05“焦虑就是来自不懂”，当 AI 的黑盒被利用，“迷信是这么产生的，权力也是这么产生的”
    22. 02:15:09本期「连点成线」
  • 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
    1. 02:06产品演示
    2. 04:22经历回顾：天猫精灵野心很大，但最多的交互来自孩子
    3. 10:02早教机品类固然好，但竞争不过大公司
    4. 12:36大模型来了，但又不够好，让大模型跟毛绒玩具结合，能控制用户预期
    5. 13:24全球毛绒玩具增速很快，所以一定要做毛绒玩具品类
    6. 15:03PMF思考：为什么做3-6岁？
    7. 16:55先做挂件产品形态的思考：做好毛绒玩具存量市场，同时先活下来
    8. 19:11毛绒形态是情绪价值提供的最优解，别的品类说话有些诡异，需要教育市场
    9. 21:55如果泡泡玛特也会说话呢？在 AI 之外，还要考虑更长的链条
    10. 23:43在情绪价值赛道，理性推演很难
    11. 24:15成年人跟一个玩具聊天会不会很傻？不会，AI 也能给成年人提供情绪价值，但要找对场景
    12. 25:27硬件有付费成本，给用户的价值要大于用户付出的成本
    13. 27:55排名第一第二的差评，本质来自硬件设计的取舍，以及产品破圈之后，要接受非科技爱好者的“审判”
    14. 31:18家长可以设计 prompt，让玩具成为小孩子的“个人助手”
    15. 32:27不做严肃教育，因为大模型现阶段的能力并不能做严肃教育
    16. 33:40创业公司不适合做 AI+教育，因为无法和有更多资源的教育巨头竞争
    17. 34:20而玩具方向大厂不会做，不想做也做不好
    18. 35:19提供情绪价值的玩具赛道，可以同时容纳非常多公司；而工具类往往是生死厮杀
    19. 37:49玩具公司多以儿童用户切入，但真正的收入来自给成年人的产品
    20. 39:50大模型技术的迭代，比如端到端语音模型的推出，可以帮助实现更好的用户体验
    21. 43:12负债创业时刻：调整方向、团队降薪、PPT 融资
    22. 44:45与高秉强老师相见恨晚，他也主张儿童+硬件+AI
    23. 46:29高老师也赞同不做教育，“孩子上了高中、大学，会有我这样的老师讲给他们听”
    24. 47:27产品设计中的种种取舍：先做什么、做哪个国家、纽扣还是挂件、硅胶还是毛绒、多大的麦克风……
    25. 52:31还没投流就卖爆了，终于有个 AI 产品能离生活近一些了
    26. 55:00聊 AI 眼镜：没想到是 Meta 现跑出来，舍弃显示太有魄力了
    27. 58:09国内一定会有很多人开始做 Haivivi 类似的产品，但李勇觉得这很正常，还是要多关注自己的迭代
    28. 01:03:31一些理工男不能理解的产品设计，但每一个细节都很重要
    29. 01:05:40从技术角度去做儿童产品的价值观设计，比成年人的更复杂
    30. 01:11:13对大模型过于乐观
    31. 01:13:31接入了主流的模型，也接入了 DeepSeek，但 DeepSeek 的意义更多在长期
    32. 01:15:01想做的事情很多，但是并不想让团队快速扩张
    33. 01:18:26太多科幻电影太过黑暗，Haivivi 想做 AI 版的玩具总动员。
  • 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
    1. 01:36o1 证明 RL（强化学习）在后训练阶段和推理时间的 Scaling Law 潜力，为 Agent 产品形态奠定基础
    2. 04:24DeepSeek-R1 启发：开源+RL+专注的胜利；本土年轻团队的力量；技术提升带来魔法体验，涌现商业模式
    3. 14:253 个能力提升带来 Agent 爆发机会：推理+编程+工具使用；凡是 RL 进入的领域，往往导致人类迅速超过人类，“我把这叫李世石时刻”
    4. 18:11Attention is not all you need，“工作的 Scaling Law”：从“注意力经济”到“无需注意力”的范式转变，Agent 帮你干活
    5. 34:07Agent 产品形态推演：从写（分析类）到读（操作），到 Agent 指挥 Agent 干活（多 Agent 协同）；一个例子：Manus 为了获得凤凰城地铁时
    6. 45:44Agent 机会属于谁？模型公司自己做，还是应用公司？
    7. 53:02Agent 成本：成本下降、速度变快是必然；200 美元一个月的 ChatGPT-pro，500 美金一个月的Devin，两瓶茅台的价格体验未来，很划算
    8. 58:18DeepSeek 强势开源下：字节与腾讯的不同动作
    9. 01:10:39DeepSeek 长期的商业价值？
    10. 01:14:53开源并非必选项
    11. 01:19:39阿里的节奏：开源、开放
    12. 01:28:34对六小虎：DeepSeek 的“清场效应”；对更多应用公司，加速从“黑莓时代”到“iPhone”时代
    13. 01:35:45对算力需求：总需求变大没争议，但算力结构的变化可能导致英伟达市值调整
    14. 01:44:59一生中见证多次指数增长，历史罕见
    15. 01:51:32希望 AI 普惠，但也有可能走向反面
    16. 01:54:40戴雨森个人为 AGI 做的准备
    17. 02:04:01最近的阅读推荐：A Brief History of Intelligence（作者：Max Bennet）、《第一只眼》（作者：Andrew Parker）
  • 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？
    1. 00:04DeepSeek 官方实测数据，惊人的吞吐量带来惊人利润率
    2. 03:10尤洋此前的测算引发争议与讨论：亏损 4 亿 vs 毛利 85%
    3. 09:25一个合格 to B MaaS 服务，冗余资源到底该备需求的几倍？
    4. 12:26潞晨科技已不再做 MaaS 服务，MaaS 买的是 GPU 时间，卖的是 Token 调用，承担了链条上的最多亏损
    5. 17:57专注给大小公司部署私有模型
    6. 22:15强模型公司（如 OpenAI）和大型云厂商自己做 MaaS 更合理
    7. 26:22高额利润才能带来创新投入，价格战会导致大家都没资源投入研发
    8. 28:20实际服务中，输入、输出序列的波动，用户请求的多样化，会导致线上服务效率下降
    9. 34:28云计算也是高弹性，AI 云平台不会成为新的云计算吗？
    10. 38:17潞晨想做 AI 版 Databricks，而 Databricks 自己也在做这件事；创业公司的空间在哪儿？
    11. 43:00新方向是自己训练视频生成模型，在热潮前的 2021 年 9 月开始创业的方向选择
    12. 46:37技术和商业问题可以广开讨论，不打算再回应其他争议
  • 03-03104: 我给线性注意力找“金主”，字节 say No，MiniMax say Yes
    1. 05:46开源是为了展示架构创新，吸引更多人才
    2. 08:20开源后社区反馈集中在推理效率与多模态支持，MiniMax 把推理优化贡献到了开源框架 vLLM 中
    3. 10:20开源要有影响力需要更多工作，MiniMax-01 当前开源版本参数过大，个人开发者确实参与受限
    4. 13:11线性注意力的核心思想是通过调整QKV矩阵计算顺序，将复杂度从二次降至线性
    5. 15:26稀疏注意力（如NSA、Mobile）在小模型表现尚可，但线性注意力在参数规模扩大后优势显著
    6. 20:23纯线性注意力在召回能力（如“大海捞针”任务）上存在缺陷，团队通过混合架构（每 7 层线性注意力加入 1 层 Softmax 注意力）优化
    7. 27:31混合架构在 100 万 Token 序列长度下实现 2700 倍加速，同时模型效果优于纯 Transformer
    8. 28:273700 次小模型实验验证架构可扩展性，扩大规模前要做充分验证
    9. 30:242021 年开始做线性注意力研发时，它还是一个“美好的泡泡”
    10. 35:19“我们是最懂线性注意力的人”，为什么这个模型不诞生在我们手上？
    11. 41:2050% 的把握，投 80% 的资源
    12. 42:46上规模后，发现了召回缺陷；一张大表，3700 个预训练任务
    13. 50:46一个测试例子：MiniMax-01、DeepSeek-R1 表现不及 Kimi-k1.5，可能和数据构造有关
    14. 52:52线性架构也许是更适合推理模型的架构
    15. 01:00:51线性架构能 work，仍是非共识
    16. 01:02:00钟怡然坚信线性注意力是“无损优化”，混合架构效果甚至优于传统Transformer
    17. 01:11:23MiniMax计划4月发布深度推理多模态模型，整合线性架构、原生多模态与强化学习
    18. 01:22:18AGI愿景 vs 竞争驱动：DeepSeek 爆火后，但不改变产品是技术最大的证明