PODCAST · 晚点聊 LateTalk

2025 年 5 月节目

6 期 · 6 期带分节

  • 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
    1. 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。
    2. 04:01加入宝洁时，如何为创业做准备
    3. 10:05宝洁为何长寿：SOP/数据库/组织架构）、"敢为天下后"
    4. 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
    5. 21:06破格用人，"高激励+高淘汰"，让大专主播月入 5 万
    6. 23:212021 年首战 618 成功，押对了抖音电商红利
    7. 32:08结果备货没跟上，第一次被降级
    8. 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
    9. 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
    10. 41:392022 年中国区销售额达 30 亿，但亏损，再次降级
    11. 51:21新“军令状”：3 个月扭亏，高价 & 高端化转型
    12. 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
    13. 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"
    14. 01:18:08选择创业方向的 3 个标准：
    15. 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
    16. 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
    17. 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）
    18. 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
    19. 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。
    20. 02:00:00拉来科沃斯前 CTO，招募 AI 背景年轻人：创新+经验组合
    21. 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”。
    22. 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”
    23. 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”。
    24. 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
    25. 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
    1. 03:17AI 是 lifelong 的方向，一直想走软硬结合的 AI
    2. 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？
    3. 08:34更倾向 AI in physical，AGI 必须有物理支撑
    4. 13:16智能机器人未到爆发时机
    5. 17:43DeepSeek 破圈，不代表能形成商业闭环
    6. 18:41搜狗、旷视、DeepSeek，前沿科技创新的“天才少年”组织模式
    7. 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
    8. 25:24一代版本一代神，组织能否迭代决定未来
    9. 26:10千里战略关键词：AI 加车，差异化，聚焦智驾
    10. 28:43开放 + 国际化，与吉利的合作不是绑定，而是起点
    11. 30:25供应链开放：寻找各环节最优产品，组成完整方案
    12. 35:21深度绑定车企才能形成数据闭环和技术支点
    13. 40:40对 VLA 的判断：具身更需要 VLA，车的动作（action）很有限
    14. 44:41中国智驾要回归基本功，提升模型化比例
    15. 49:39技术品味来自背景积累，但也不用神话技术背景
    16. 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
    17. 54:46低谷的 5 年反而是成长最快的 5 年
    18. 58:29价值务实 + 精细经营 + 战斗型组织
    19. 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
    20. 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
    21. 01:11:13好的科研关键是定义好问题，创业也一样
    22. 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。
    23. 01:17:54节奏比方向更重要，要判断冲刺时机
    24. 01:20:04智驾冲刺信号已出现，赢下冲刺所需的 3 个体系
    25. 01:26:50比以前更狠了？——更追求结果了
    26. 01:30:51聪明人用笨办法，不奢求用小的力获得大成功
    27. 01:33:50为何在少年时就找到 lifelong 的方向？
    28. 01:35:30姚班的科研价值观
    29. 01:41:38人类会选择虚拟世界吗？
    30. 01:45:34艺术家徐冰，科技边界扩大，艺术边界缩小
    31. 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。
    32. 01:48:31AI 现在是一个大周期的决赛环节，各公司的积累
    33. 01:52:05Super App，短期有爆发势能，长期上限高
    34. 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”
    1. 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
    2. 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
    3. 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
    4. 16:44人们的两种选择：进入虚拟世界 or 拥抱未知星海
    5. 19:38“虚拟永生”带来的不可忍受之轻和平庸
    6. 23:24结尾悬念：人类真的逃离灵界虚拟世界了吗？
    7. 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
    8. 29:44技术终会发展到“所思即所得”，好的发展思路被渴求
    9. 35:11人类进入虚拟世界已成趋势，服务器更适宜星际旅行
    10. 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
    11. 45:34AI 未来能否做科研？现阶段仍不具深层推理能力
    12. 48:50田渊栋早年在深度学习相对冷门阶段的研究经历
    13. 55:10小改进 vs 大革新，两类科研者的贡献与角色都很重要
    14. 01:00:04技术 leader 的任务：掌握方向，识人用人，制定策略
    15. 01:03:02从埋头苦干到战略设定，再回归 hands-on 的转变
    16. 01:06:08借助 AI，现在的研发团队可以更小、更精悍
    17. 01:12:27AI 生成的内容，仍缺乏对人物关系的理解和长线逻辑
    18. 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”
    19. 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
    20. 01:25:19人类独一无二的经验，短时间内无法被 AI 替代
    21. 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
    1. 03:15CloudMatrix 384 是什么？Scale up vs Scale out
    2. 08:33算力底层构成，不止 GPU，还有互联、网络、冷却等综合系统
    3. 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
    4. 18:22广义与狭义的 AI Infra
    5. 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
    6. 22:51“超节点”好坏，看什么指标？
    7. 29:08黄仁勋想推“训推一体”，实际上业界在怎么用 GPU？
    8. 33:17模型越大，显存压力越大——显存正成为芯片主要成本
    9. 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
    10. 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
    11. 42:57NV Switch 为何难？去年 AMD 49 亿美元收购 ZT 补能力
    12. 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
    13. 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
    14. 51:19华为在阿里 Qwen3 发布当天宣布支持
    15. 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
    16. 01:00:44为什么 Google TPU 没有动摇英伟达的地位？
    17. 01:04:23可能是 Nvidia 的“防守措施”：已成立“半定制”部门
    18. 01:06:17为什么离开英伟达，十年前的老黄是什么样？
    19. 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
    20. 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」
    1. 00:05开场介绍
    2. 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
    3. 05:482017 年前后的真正技术转折是：预训练想法的出现
    4. 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
    5. 12:14OpenAI 难以效法；ChatGPT 之前，行业没有技术秘密
    6. 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
    7. 22:14一些 idea 的引用次数很高，但不是真正天才的想法
    8. 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
    9. 27:17Jasper 的贡献：找到一个机器贵、但人更贵的切入口
    10. 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
    11. 36:16AI to C、to B，商业模式切身体验
    12. 40:42“创业公司的差异化是什么？”——要“做着瞧”
    13. 45:56AI 应用是战国时代，是所有人和所有人的 PK
    14. 47:43AI Native 应用的突破很可能在交互上
    15. 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？
    16. 01:01:28开源模型的影响
    17. 01:08:02AI 热潮对秘塔发展节奏的影响
    18. 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
    19. 01:16:13中国有雄心更大的人，但还没有进入人们的视野
    20. 01:19:14这次热潮对比 2016 年 AlphaGo 之后的 AI 热，有何不同？
    21. 01:24:11秘塔当时的新融资推进：战投比较积极，财投很谨慎
    22. 01:27:19两种 AI 研究机构：手作坊 vs 工业化
    23. 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
    24. 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”
    25. 01:44:13AI 热潮给算力成本带来的变化
    26. 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”
    1. 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
    2. 09:09其实秘塔 80% 的产品决策是“我拍脑袋”的
    3. 11:18to C、to B AI 产品秘塔都做过，不同的决策方式
    4. 18:14“为什么没做 Agent 方向产品”——为什么做大家都在做的事？
    5. 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
    6. 25:58秘塔为何没沿着法律场景、做垂直 Agent？
    7. 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
    8. 29:45我融不了很多钱；我讲真话大家也不信，也做不了演员
    9. 34:44模型做不到全球 top 的 foundation model 创业公司挑战重重
    10. 36:14做基础模型就应该是 DeepSeek 的人才组织方式
    11. 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
    12. 38:11AI 一定要算 ROI 吗？AGI 也可以是消费
    13. 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
    14. 42:55梁文锋最懂什么？
    15. 44:56to B、to C 应用，基础模型，我都可以做，不过没人相信
    16. 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
    17. 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
    18. 54:30因为保守错失了哪些机会？
    19. 57:36去年为什么拒绝被收购？
    20. 01:01:21谨慎与抛弃沉末成本，闵可锐的双面性
    21. 01:03:28Jasper 没死，但大家都要“踩一脚”
    22. 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
    23. 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
    24. 01:16:46o 和 R 真的在推理吗？智能的形式比本质更可验证
    25. 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
    26. 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
    27. 01:29:55Scaling Laws 不是线性外推，很可能到了新卡点，又会有新突破
    28. 01:32:59过去曾有哪些技术误判，导致错失机会？
    29. 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
    30. 01:38:43一个足够灵敏的组织，理想 vs 现实
    31. 01:41:03目前秘塔的团队分工、协作
    32. 01:45:52为什么没找产品合伙人？
    33. 01:49:33热潮前后，秘塔团队节奏的变化
    34. 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