PODCAST · 苔藓之火

2026 年 7 月节目

4 期 · 4 期带分节

  • 07-2844. 百大UP创业AI，流量真是护城河吗？- 图灵的猫
    1. 01:15为何在技术狂飙中要“回头看看”旧算法？信息检索、本地素材搜索仍有未被挖掘的价值
    2. 04:48创作痛点：磁盘不够、素材难检索——AI应用应解决非生成环节的问题
    3. 06:34AI应用创业为何难出杀手级应用？Manus是个例外，高客单价+高粘性值得思考
    4. 08:11早期产品实践：AI辅助写作但不代写，强调人的参与和逐行修改
    5. 10:00值得学习的AI应用案例：Granola（会议纪要）、Typeless（语音交互）——简单但爽
    6. 12:09吐槽“无线画布”：产品经理自嗨，用户学习成本高，技术上有缓存渲染瓶颈
    7. 14:49OpenClaw（本地权限工具）被高估又被低估——代表用户愿让渡隐私换取便利
    8. 18:32本地端应用趋势：素材存在本地，避免云端跑路风险；硬件耦合是护城河
    9. 19:54“大模型是锤子，应用是钉子”——太弱的钉子会被锤子敲碎，要选真正坚硬的场景
    10. 20:47柠檬（大模型）降价，蜜雪冰城（应用）不一定更好——补贴战下毛利并未改善
    11. 24:14百大UP主创业的利与弊：融资和曝光容易，但标签限制、粉丝付费率虚高
    12. 30:20做产品要取悦自己，PMF之外更要“让自己开心”
    13. 34:55IP变现方式：不做培训割韭菜，靠to B业务和硬件小规模试水
    14. 44:57未来畅想：AI电影时代——画面不再是瓶颈，创意和剧本才是
  • 07-2143.「26Q2」模型半年报：RSI，Fable，混元3，龙猫，到处都是斩杀线 - 王铁震
    1. 00:0002:00Q2 的 AI 世界恍如隔世，GM5.2 已取代 OpenAI 4.8 成为主力工具；开源模型斩杀线持续上移。
    2. 02:0006:30RSI（递归自我改进） 与 auto research 的区别：前者是“编译自己”，让模型自己优化自己；后者是优化外部目标。RSI 更像循环闭环。
    3. 06:3010:00RSI 无法达到 100% 自主，人类参与比例虽递减但不可归零；代码生成行数虽多，但指令和架构仍由人类定义。
    4. 10:0014:00“许愿式编程”的陷阱：AI 满足当下需求，但拆东墙补西墙，项目复杂度超限后无法维护；新模型版本成了“救火队”。
    5. 14:0018:00人类的核心价值是抽象能力——将百万行代码提炼为不变量和模块；模型生成的是“始山”（spaghetti code），缺乏高屋建瓴的设计。
    6. 18:0022:00模型困在自己的训练语料里，语料即枷锁；它只能组合已有方法，无法真正开拓全新领域，真正的创新仍依赖人类的“research taste”。
    7. 22:0026:00数据飞轮：交互数据（录屏、操作反馈）是模型进化的燃料；未来产品两大方向——高效收集人类智能数据 + 将智能无处不在地下发。
    8. 26:0030:00Harness（工具链） 从 TUI 起步，用户体验决定胜负；不会一家垄断，类似前端框架 React 等生态共存。
    9. 30:0034:00Fable的发布：marketing 成分大于范式突破；它并未改变底层逻辑，而是通过训练“恶意语料”制造能力差，本质是“黑化的爱因斯坦”。
    10. 34:0038:00安全悖论：要防黑化，先学黑化；Anthropic 收集大量攻击性语料，但智能本身不等于不安全，越有智慧反而越可能克制。
    11. 38:0042:00中美差距：马斯克判断中国 2027 Q1 赶上 vivo，唐杰认为更快；中国模型迭代速度已追上来，超越只是时间问题。
    12. 42:0046:00开源模型的进步是所有人的进步；投资角度上，赛道虽拥挤，但开源让模型透明化，倒逼真正科研投入。
    13. 46:0050:00美团龙猫：在纯国产卡集群上成功训练 1.6T 模型，工程突破巨大，说明中国厂商已能绕过 N 卡限制。
    14. 50:0054:00腾讯混元三：不追新架构，扎马步式打磨数据和训练方法，性能飞跃；证明数据清洗和质量比结构创新更关键。
    15. 54:00结束“Coding”是个有毒的词，本质是 Automation（自动化）——所有数字世界的工作都可被自动化
  • 07-1842. 18个月一人公司大翻盘：负债上庭到百万博主 - 李超 | 第四种黑猩猩
    1. 03:3712:22 五年创业血泪史
    2. 12:2214:44 创业不适合所有人
    3. 14:4420:35 为什么转行做自媒体？
    4. 20:3528:58 “30个应用挑战”是怎么火的
    5. 28:5834:28 一人公司：什么时候招第二个人？
    6. 34:2843:43 传统企业AI改造的最大难题
    7. 43:4350:40 哪个行业AI改造最成功？
    8. 50:4055:24 AI原生公司的巨大机会
    9. 55:2459:30 “龙虾不会超越你的认知边界”
    10. 59:3001:04:26 致18个月前的自己
  • 07-1241. AI巨头正在抢购打工人的录屏？ - Michael | Final Round / Hellyeah
    1. 00:28一个面试作弊器，怎么在12个月内火遍全网？
    2. 02:19用户主动求付费，99美金随口报，居然真打钱了？
    3. 03:28面试提词器太强，企业急了
    4. 05:28数字员工不是概念，是“录屏数据”养出来的新物种
    5. 06:43伊隆·马斯克的路线：AGI必须像人一样看得见
    6. 08:38当客服系统被computer use agent接管，SaaS还有戏吗？
    7. 10:13Coding赛道太卷，那下一个“强化学习信号”最强的是什么？
    8. 14:20“试婚式”工作坊：先同居再结婚，能解决招错人的痛吗？
    9. 16:09你的Skill和“数字员工”之间，差了哪三样东西？
    10. 20:40为什么选Growth Marketing，而不是销售或法律？
    11. 24:53AI能想出“特朗普广告牌”这种创意吗？
    12. 28:58以前只做P0，现在P10也能啃，因为数字员工“闲着也是闲着”
    13. 32:08扎克伯格提前六个月干了同一件事，被骂惨了，你们怎么扛？
    14. 46:24事件驱动营销
    15. 54:15就业市场变好了吗？
    16. 01:01:58裁员80%不需要AI？Twitter早在GPT前就这么干了
    17. 01:03:00给白领牛马的建议：不是学不学AI，是能不能用AI“卷赢”
    18. 01:12:07硅谷造新品类，中国搞平替，谁更赚钱？
    19. 01:22:14CEO最后的价值当拉拉队长？
    20. 01:25:36你每月付200美金给大模型，其实是在付费蒸馏自己？