硅谷101 封面

PODCAST · 推荐第 15 位

硅谷101

中文 · 264 期 · 2020 年起

深度解读硅谷科技趋势，覆盖 AI、创业与投资。

硅谷AI创业投资
去官网收听 →← 全部播客

全部节目

264 期 · 76 个月 · 240 期带分节

2026 年 9 月

5 期
  • 09-29E254｜超级厄尔尼诺来了，我们的日常所需真会因它涨价吗？
    1. 03:17农业几多产，起决定因素的不只是气候
    2. 08:56超级厄尔尼诺，以及它的影响边界
    3. 16:03厄尔尼诺如何影响棕榈油、天然橡胶和咖啡豆
    4. 19:26哪些终端商品，价格可能受到大波动
    5. 22:20秘鲁禁捕鳀鱼，受波及的除了日料水产，还有宠物食品
    6. 25:10都说厄尔尼诺导致减产，但也有产区因它收益
    7. 27:53作物减产是否影响终端价格，还要看产区和出口集中度
    8. 29:52推高全球粮食价格的，还有供应紧缺的氮肥
    9. 32:27大宗商品期货交易员会有哪些工具关注气候变化
    10. 35:25不确定性对于期货交易，究竟是好是坏
    11. 40:08与不确定性对抗多年，农民如何应对极端气候变化
    12. 42:07上有厄尔尼诺，下游农民活用期货
    13. 45:22气候变化引起的出口限制，可能进一步加剧供给危机
    14. 47:02极端气候带来的干旱，让巴拿马运河的运力更紧张了
    15. 50:23全球铜矿产量下降的锅，厄尔尼诺背不了太多
    16. 56:25做服装的人，也在厄尔尼诺面前为难了
    17. 57:41被极端气候影响的电力、加工食品和保险行业
    18. 59:48大宗商品交易门外汉，可以怎么观察这个行业
  • 09-28E253｜谁在给大模型出题、卖题、判卷？聊聊AI数据行业的野蛮生长
    1. 05:03数据公司之间的区别：招聘平台、众包标注、合成数据
    2. 08:27从预训练到后训练，模型需要的数据发生了哪些变化？
    3. 09:32Rubric数据：把专业判断变成评分标准
    4. 10:46强化学习（RL）环境：从回答问题到动手干活
    5. 12:18从vibe coding，到vibe everything：详解Agents’ Last Exam
    6. 14:10游戏好不好玩、作品好不好看，主观判断能被量化吗？
    7. 17:33Rubric 与环境如何配合：人与Agent协作
    8. 20:05从做评测到卖数据：benchmark的生意
    9. 23:25什么样的评测值得刷？核心能力与真实场景
    10. 27:29没上热门榜单的评测，也可能带来真实的数据需求
    11. 31:39模型公司如何权衡内部评测、公开榜单与用户反馈
    12. 33:30两三个人的数据创业公司，为什么也能找到机会？
    13. 38:56模型越来越会自己造数据，外部供应商的机会还能持续多久？
    14. 40:48模型公司为什么仍然需要外部数商？研发周期与行业采购的难题
    15. 44:04数据买回来之后怎么用？从 SFT、强化学习到模型训练模型
    16. 47:03训练数据不是越难越好：为不同模型匹配难度与解题轨迹
    17. 48:22SWE-bench Verified 的争议：测试缺陷与数据污染
    18. 50:04专家交来的数据也可能造假，如何验证真实的工作过程？
    19. 54:03数据行业的下一步：收购企业、获取数据，还是持续投入研发？
  • 09-24E252｜硅谷睡眠外挂：富人的玩具，还是预防医疗的入口？｜对话Eight Sleep创始人
    1. 00:05一张被马斯克搬进办公室的床套
    2. 04:51从追踪到干预：一张床套想替你做什么？
    3. 07:43从“不睡觉”到Sleep-maxxing，睡眠文化的十年转向
    4. 12:04看了那么多睡眠分数，然后呢？
    5. 14:16睡眠数据里，有哪些预测疾病的信号
    6. 14:46为什么最终选择床套，而不是床垫或可穿戴设备？
    7. 16:15把液冷系统搬上床，解决伴侣之间的温差之争
    8. 20:38孕期、产后与更年期：被忽视的女性睡眠需求
    9. 24:46数据与自研传感器：哪些积累难以复制？
    10. 25:34治疗癌症？从睡眠监测到预防医疗
    11. 30:22消费硬件创业：制造、成本与现金流的现实考验
    12. 31:47搬到中国学制造：从原型机到量产，没有捷径
    13. 35:49中国成为增长最快的市场，哪些反馈超出了预期？
    14. 38:30两万元的床套怎么定价？“我们还在Model S阶段”
    15. 42:05带着床套跑遍赛场，职业运动员在意什么？
    16. 43:56旅行、时差与轮班：作息不固定，如何安排睡眠？
    17. 47:25更多产品、更多国家，Eight Sleep的下一步
    18. 58:15温控原理：人们一整晚的温度需求为何不同？
    19. 50:42两万元买一晚好觉，你觉得值得吗？
  • 09-18外滩大会线下圆桌｜敢把钱包交给AI吗？聊聊Agent交易爆发前夜的信任基建
    1. 04:25“先有鸡还是先有蛋”：智能体商业为什么卡住了
    2. 06:26当Agent开始交易，支付网络一切都要彻底重写
    3. 10:15手机将成为意图入口、个人智能和主动智能
    4. 12:34模型还缺什么？长期上下文、提问能力与可靠执行
    5. 16:00信任基建：授权、身份、KYA、资金安全与可追溯
    6. 19:59手机厂商视角：能力信任、风险信任与A2A行为规范
    7. 22:55“普拉提课测试”，授权、沙箱与安全执行
    8. 26:03未来5年新商业机会：800亿Agent的商业想象
    9. 28:44一杯咖啡怎么选出来？大模型推荐机制拆解
    10. 30:36未来20年，手机仍是最核心设备吗
    11. 31:15A2A商业，海量微交易所需的支付轨道
  • 09-16E251｜推理芯片之战：聊聊Groq、Cerebras与OpenAI三大路径与Bill Dally的设计哲学
    1. 04:17为什么训练看算力，推理看带宽
    2. 14:13SRAM、DRAM、HBM的优劣
    3. 16:39Groq和Cerebras的技术路径选择
    4. 19:34Groq：确定性、静态编译调度，动态性不足
    5. 25:18Cerebras 的软肋：良率、成本与系统适配
    6. 32:32英伟达为什么要acqui-hire Groq
    7. 33:58“推理时代，Cuda一定会被绕过”
    8. 39:19两位芯片创业者的SRAM推理芯片方案
    9. 41:07最重要的指标：速度、性价比、耗电量
    10. 44:25速度越快，AI越聪明
    11. 49:04面对模型迭代，抓住“不变量”
    12. 54:15消失的算力：为何芯片利用率跑不满
    13. 58:27芯片设计全流程：需求、架构、RTL、验证、后端、流片、封装测试、良率、交付
    14. 01:01:16国内优势：供应链+基础设施+开源生态
    15. 01:03:17创业者做芯片，如何和模型厂商竞争
    16. 01:05:17为未来AI补齐强逻辑
    17. 01:09:40“一切围绕局部性展开”
    18. 01:11:43跳出local minimum，必须想清楚牺牲什么
    19. 01:13:03Bill给学生的创业建议
    20. 01:14:47亚马逊的工程哲学
    21. 01:17:30Jalapeño：通用芯片，低能耗，9个月流片
    22. 01:20:10选择HBM4，不缺钱，但缺电
    23. 01:24:15SRAM优势还能保持多久
    24. 01:27:03芯片内异构，暗硅，另一种路径

2026 年 8 月

5 期
  • 08-28E250｜mRNA的第二战场：对话英博，拆解Moderna人类首个肿瘤疫苗三期突破
    1. 02:41从Moderna到创业，英博博士与mRNA
    2. 08:57Moderna三期，到底突破了什么
    3. 14:09“一人一药”如何让免疫系统治疗癌症
    4. 18:14制药“噩梦”：4-6周造出一支专属疫苗
    5. 24:42未来肿瘤治疗：手术刀＋疫苗＋PD-1
    6. 27:5734个新抗原“撒网”与肿瘤“逃逸”
    7. 31:39黑色素瘤之后，下一个是谁？
    8. 38:12技术路线：中国肿瘤疫苗走到了哪一步？
    9. 45:04肿瘤疫苗会比CAR-T更安全吗？
    10. 50:14成本：“做大容易，做小难”
    11. 54:01“AI离开自动化，就是空谈”
    12. 59:19AI如何应用于肿瘤疫苗的研发与制造？
    13. 01:01:26LNP：AI还算不动的“难题”
    14. 01:06:04“一人一药”怎么监管？
    15. 01:09:24为什么肿瘤疫苗等了几十年
  • 08-20E249｜Token经济转点：OpenClaw、Hermes到本地自研的Agent进化之路
    1. 04:55Token maxing，是泡沫吗？
    2. 09:52亲身体验：只选最强最贵，日烧四五百美元
    3. 14:15OpenClaw：从研究到工程的转折点
    4. 20:31龙虾退潮：“普罗米修斯”完成了使命
    5. 23:09Hermes：把成功经验沉淀成Skill
    6. 30:09“Agent动力学”：七嘴八舌烧Token换深度
    7. 35:12智商碾压：Fable 5一次搞定复杂任务
    8. 37:20本地开源模型经济账：每天电费1美元
    9. 43:42Token消耗不会停，更复杂的网络还在后面
    10. 52:36现在做Agent创业是好时机吗？看好toB和infra
    11. 01:03:24彩蛋：“办公室政治”和超预期行为
    12. 01:15:30IQ测试已超人类，AGI奇点已来
    13. 01:18:19新问题：当新岗位也不再需要人，人类如何自处？
  • 08-11E248｜一个“催发货”AI要跑通260步，和阿里瓴羊朋新宇聊聊中国式FDE
    1. 01:48硅谷的风向变了：AI战场从C端回到B端
    2. 06:33一个“催发货”背后藏着260步流程
    3. 12:3090天调价一万次，AI向最优秀的投手偷师
    4. 19:39为什么顺利的部署都是“自上而下”
    5. 25:07做标准化增长agent，跟Palantir反着走？
    6. 31:14销售Agent实战：从最落后区域到销冠
    7. 36:06部署周期：1/3熟悉岗位，1/3做建模，1/3调教AI
    8. 42:36FDE团队画像：BA定方向、AI架构师选模型、业务首席当教练
    9. 47:00Token成本，模型策略，“账算得过来”最重要
    10. 53:28中美FDE对比：信息化地基、付费习惯、工作方向
    11. 58:03人才观：懂AI、懂业务、懂数据
  • 08-05E247｜对话盛颖：xAI，Infra的浪漫，SGLang，开源，平权与“甄嬛传”
    1. 02:16违约金、纽约与数学之美：“世界与我无关”
    2. 16:06顶刊、低谷期与甄嬛传：“世界又与我有关了”
    3. 26:01谷歌实习：最早的“AI for code”
    4. 31:54Databricks：人生导师Ion Stoica与“making impact”价值观
    5. 34:37xAI：拥有“support”和“freedom”的美好v1.0时代
    6. 44:07RadixArk：“两个月也等不了”
    7. 48:07Two Sigma：“有组织的公司”应该有的样子
    8. 51:10SGLang：“AI Infra是浪漫的”
    9. 01:15:29SandHill Road的套路与规则
    10. 01:19:33“养大我”的开源生态
    11. 01:27:03LMSYS：平等、平权，以及“她赢了，不需要被解释”
    12. 01:37:42“世间的美好是存在的”
  • 08-01E246｜何谓蒸馏？聊聊硅谷如何看中国开放模型逼近前沿
    1. 01:45Kimi K3为什么突然成为硅谷关注的焦点？
    2. 03:33从DeepSeek、GLM到K3：硅谷对中国模型的判断如何变化
    3. 06:51企业为什么开始转向中国模型
    4. 10:23中国开放模型推理成本
    5. 13:24蒸馏争议：到底什么是蒸馏？
    6. 17:22K3是否可能在短时间内蒸馏最强闭源模型？
    7. 19:48蒸馏能解释模型的核心能力吗？
    8. 23:54K3 License与开放模型商业化
    9. 34:27开放模型会怎样冲击OpenAI和Anthropic的收入与估值？
    10. 37:39英伟达为什么支持开放权重
    11. 43:41中国公司为什么选择开放
    12. 45:04Thinking Machines为什么开放权重？
    13. 48:39开放模型催生的新生态
    14. 48:43OpenRouter等多模型平台为什么开始受益？
    15. 49:56对Agent产品和基础设施的影响
    16. 55:40接近前沿的模型，到底应不应该开放权重？
    17. 01:04:01开源和闭源模型，谁更容易被滥用？

2026 年 7 月

4 期
  • 07-24E245｜藏在大模型背后的新闻人：GPT们的回复是这样写出来的
    1. 02:54内容工程师是什么？
    2. 05:55内容工程师如何拆解好内容
    3. 10:42如何训练AI理解提问者的言下之意
    4. 13:42内容工程师如何“翻译”语言和文化
    5. 16:45新闻训练和AI对话训练都需要给到“上下文”
    6. 18:42语境破碎：AI对话和“网络互喷”的相似之处
    7. 19:59记者和内容工程师的技能重合点
    8. 23:44一篇爆火文章背后，文科生的AI恐慌
    9. 26:45基于共识训练出来的AI，不会产生伟大的艺术
    10. 28:56媒体影视从业者失业，罪魁祸首是AI吗？
    11. 31:37东尼如何在养病期间做出震惊谷歌的voice agent
    12. 37:02AI谄媚是产品设计问题，本质是人想要的太多了
    13. 39:20人除了智商情商，还会需要“AI商”
    14. 43:33职业价值迁移：“曾经我出卖成果，现在我展示过程”
  • 07-16E244｜机器人走错路了？与苏度韩铮聊聊具身智能的3D数据、路径分野与硅谷竞赛
    1. 03:17为什么做全栈（大脑+本体）通用机器人？
    2. 07:14苏昊早年经历：从图片标注ImageNet，到3D数据集ShapeNet
    3. 11:083D数据收集，难在哪里？
    4. 13:21仿真需要亚毫米级精度，视频训练无法达到
    5. 16:33什么是Sim-to-Real（从仿真到现实）？
    6. 18:08创业时机的判断：DALL-E带来的数据拐点
    7. 21:40仿真器的技术内核：经典物理法则+强化学习
    8. 24:17数据集质量与规模的平衡：自建结构化3D数据集
    9. 28:05实际效果如何？零样本通用抓取，一次性成功率98%
    10. 32:11回应Demo质疑：去学术会议现场随机环境中演示
    11. 34:22基础Zero-Shot泛化能力比长程任务串联更为关键
    12. 35:45灵巧手虽好，但不是当下的性价比最高的方法
    13. 38:16商业模式思考：硬件+底层模型+API，类比智能手机生态
    14. 41:23仿真器与机器人本体，必须软硬件协同设计强绑定
    15. 44:04如何教会机器人拧瓶盖？加入真实世界数据更高效
    16. 44:51难度对比：操作物体比运动控制难2~3个数量级
    17. 47:28白盒与黑盒之争：分层模型，在预训练中融入物理理解
    18. 51:11Sapien仿真器，让机器人像幼童第一次拧瓶盖一样操作
    19. 53:27数据冷启动困境：无法复刻特斯拉，必须靠仿真做冷启动
    20. 55:38嘉宾预言：被硅谷抛弃的“上下分层”即将重回主流
    21. 59:08实现机器人动手，软硬件强结合的公司才能做到
    22. 01:00:34硅谷明星公司点评：Skild、Figure、Optimus
    23. 01:05:40为什么最看好DeepMind+波士顿动力Atlas的组合？
    24. 01:09:01亚马逊机器人，场景多但整合困难
    25. 01:10:02为什么多数公司退回垂类？因为不知道通用该怎么走
    26. 01:12:43不做垂类押注，而是构建开发者生态，目标是成为机器人时代的“iOS+硬件”
  • 07-10E243｜特朗普“缓刑”红牌之外，美国资本如何硬控全球足坛
    1. 03:05售股两年后，曼联老板为什么又要找下家
    2. 06:2120支英超球队11支被美资控股，美国富豪为什么那么上头
    3. 09:48英超球队的上市潮与退市潮
    4. 16:14两任美国老板，在英国“小队”伊普斯维奇上赚翻了
    5. 19:47美国人对体育资产的商业化运作，到底能有多强
    6. 22:47曼联往事：格雷泽家族20年的骂名从哪儿来
    7. 27:35曼联新老板拉爵，带来的新变化可能喜忧参半
    8. 30:04从阿森纳到曼联，豪门为什么都爱捣鼓球场
    9. 36:56SoFI球场，美国人商业运作体育场馆的典型案例
    10. 38:16阿森纳老板克伦克，与前大股东乌斯曼诺夫的控制权之争
    11. 45:31克伦克说拿钱砸冠军不是第一位，那他是个好老板吗
    12. 48:24利物浦的两任美国老板，为什么口碑差距那么大
    13. 52:47美国资本，如何在切尔西身上玩脱了
    14. 57:10不只英超，欧洲足坛都要被美国资本包圆了
    15. 01:03:23控制了众多命脉的美国资本，很可能会打造自己专属的超级联赛
    16. 01:05:46版权费增长停滞、球员成本上升，美资从哪儿延续回报率
    17. 01:10:41球迷文化抵制足球资本，但商业化的进程一直在所难免
  • 07-06E242｜最快半年AI跑通自进化？与陈天桥首席科学家聊聊硅谷模型必争之地
    1. 03:00AI自我进化不是新概念，两三年前就有了
    2. 06:48RSI概念火了，背后是模型能力变强了，长程任务表现更好了
    3. 09:20技术上如何训练AI做好长程任务？算法+数据+infra
    4. 12:45Coding能力代表了模型自我进化的底层能力
    5. 14:29用自我验证规避“递归漂移”，代码领域相对可控
    6. 16:21Apodex的验证方法：多个子agent互相验证
    7. 19:11自我进化三条路径：预训练、后训练、Harness
    8. 23:56另一项关键能力DeepResearch，Apodex如何做到多个榜单第一？
    9. 29:19技术范式决定了多个agent组团解决问题效果好于单个
    10. 31:18模型自动进化后，会碾压agent团队吗？垂直领域护城河仍在
    11. 34:19Apodex定位：用Discoverative框架解决人类未解难题，不把Token当生意
    12. 36:18“发现模型”最难之处：提出超出经验范围的假设，并去验证
    13. 37:52让AI像科学家一样提问，需要模型有更好的品味
    14. 43:31如何避免大模型拍马屁？远离大众偏好
    15. 46:30“AI宪法”定义性格，顶级科学家数据校准品味
    16. 51:33AI巨头都在做科研发现模型，判断问题价值是关键
    17. 55:32不同于AI for Science，Heavy Duty Solver是通用模型，强调元能力
    18. 57:25最快半年能跑通自我进化的第一个闭环，但解决递归漂移还需要2-3年
    19. 58:43让科学家睡不着觉的问题：如何防止AI“走火入魔”
    20. 01:00:04解决方案仍靠人工手调，“自我蒸馏”也许是个方法
    21. 01:04:28人类只是warm start，未来AI将形成自我品味，就像AlphaZero
    22. 01:06:18陈天桥与Apodex：制定“宪法”，聚焦Heavy Duty Discovery

2026 年 6 月

3 期
  • 06-26E241｜跑鞋技术迭代史：马拉松跑进2小时，靠人还是靠鞋？
    1. 04:26划时代跑鞋：阿迪Ultra Boost和耐克Zoom Vaporfly
    2. 06:58TPU超临界泡棉，阿迪Ultra Boost的秘密武器
    3. 07:54耐克Zoom Vaporfly的必杀技，把碳板和超级泡棉结合到一起
    4. 10:30中底的重要性：辅助一个动作重复4万多次仍能保持优秀性能
    5. 12:11中底之外，鞋面、鞋楦也有技术之争
    6. 14:11产品经理谈跑鞋研发，好跑鞋可能会经历20多个版本的修改
    7. 16:24不同品牌的跑鞋，中底材料可能来自同一家公司
    8. 17:46裸足感跑鞋的兴起和沉寂
    9. 21:20马拉松跑进2小时，靠的到底是鞋还是人
    10. 25:16帮助破纪录的Adios Pro EVO 3, 大火背后也有偶然
    11. 27:48被各大品牌纷纷采用的碳板，阿迪为什么偏不用
    12. 30:04耐克的遗憾，最有可能破2的合作跑者不幸去世
    13. 31:36一度大杀四方的耐克，是如何失去马拉松赛场绝对优势的
    14. 33:50想要跑鞋卖得好，一定要在竞速跑比赛里有姓名
    15. 36:27限量发售，可能会让Adios Pro EVO 3无法统治赛道
    16. 37:58品牌研发冠军跑鞋很难，选到冠军“潜力股”更难
    17. 39:32四大慢跑鞋品牌，为什么在阿迪耐克的竞争中“隐身”了
    18. 42:11新秀昂跑和HOKA，仍在竞速跑的关键之门外
    19. 45:24跑鞋品牌的技术优势，很难独领风骚很多年
    20. 47:13阿迪能不能统治马拉松赛道，还得看它鞋面的表现
    21. 48:18超级大Logo的Adizero EVO SL，成了2025年的大爆款
    22. 51:13复古New Balance，很可能成为第四个百亿美元规模运动品牌
    23. 54:50本土跑鞋vs国外跑鞋，技术差距到底在哪儿
    24. 57:42跑鞋之后，运动品牌开始押注越野跑和Hyrox了
    25. 59:14国内的运动品牌，该去国外卷卷了
  • 06-18E240｜OpenAI联手PE砸下40亿美元，聊聊硅谷最火新职位FDE
    1. 01:57从DeployCo到合资企业，模型公司为什么要提供部署服务？
    2. 04:30什么是FDE？让AI应用真正在客户企业跑起来的工程师
    3. 07:58应用层公司和模型公司的数据优势之争
    4. 09:18FDE的工作现场和具体案例
    5. 12:43FDE与Palantir的渊源：Echo和Delta团队
    6. 14:27FDE和FDPM分工：像CTO和CEO的搭档
    7. 17:52什么样的人最适合做FDE？
    8. 22:47FDE会不会被AI自己取代？是长期职业还是过渡角色
    9. 26:10PE为什么找模型公司合作，而不是传统咨询公司
    10. 32:32PE和私募机构选择和模型公司合作的三个核心诉求
    11. 34:08LP为什么在推动GP做AI转型
    12. 36:04PE工作流自动化的具体案例：AI销售助理、尽调平台、基金运营
    13. 41:37AI会代替咨询吗？
    14. 43:02企业用AI最容易踩的两个坑：数据整合不到位、不该用AI的环节硬上AI
    15. 44:17整合企业数据为什么比想象中难
    16. 46:19模型能力不断发展，Agent本身会取代FDE吗？
    17. 48:14技术专家之外的人的价值
  • 06-12E239｜SpaceX要让太空算力从科幻走向现实，但它划算吗？
    1. 03:07打卡指南：LA SpaceX总部&德州Boca Chica星舰发射中心
    2. 06:53SpaceX招股书，1GW太空算力计划和“Elon Time”
    3. 09:401万颗卫星铺满一条晨昏线轨道是什么概念？
    4. 11:02打个赌吧：Starship 100次发射时间线预测
    5. 16:52极度乐观：只算燃料成本，两个月回本，但现实并非如此
    6. 19:41保守估算：每公斤200美元，两年回本只能打平
    7. 22:14考虑到GPU损耗等因素，成本估算再加40%冗余度
    8. 26:05星舰还有改进空间，每公斤10–20美元经济账才成立
    9. 28:48反常识：太空真空环境，散热为什么这么难？
    10. 31:02两个思路：提升温度、增加散热面积
    11. 33:38解决方案：热泵与半导体散热技术
    12. 38:24太空芯片，谁来造？
    13. 41:38太空辐射会让GPU算错，加屏蔽和纠错即可
    14. 42:13太空只适合做推理，不适合大模型训练
    15. 45:05星链12000颗卫星，99.85%完好——辐射风险可控
    16. 46:06凯斯勒效应（碎片连锁撞击）在低轨并不可怕
    17. 48:36星链一年进行30万次卫星轨道规避机动，技术已成熟
    18. 51:09太空数据中心综合评估：理论可行，经济账还算不过来
    19. 52:27另一个角度：地球容纳数据中心散热的能力终将触顶
    20. 53:51太空算力的战略价值：速度、扩展性与数据主权
    21. 59:01太空数据中心热潮：放上去不难，经济地放才是真挑战
    22. 01:01:53未来10年发射市场将多元化，中国稳步追赶
    23. 01:02:48初创公司的机会：上游关键零部件/技术供应商
    24. 01:07:34月球派vs火星派：NASA为何重启登月？
    25. 01:09:33月球重力更适合发射，是人类开发宇宙的跳板
    26. 01:14:19SpaceX的人都认为太空经济数倍于地球，但说出来没人信
    27. 01:15:40财富到达一定程度，就开始寻求（或逃避）政治影响力
    28. 01:18:3350多万人在问卷中愿意抛弃地球上的一切去火星
    29. 01:26:54结尾彩蛋：一个太空火锅梦想，和一个在太空录播客的约定

2026 年 5 月

4 期
  • 05-25E238｜聊聊Harness时代AI-First的组织架构：从信任人到信任AI
    1. 02:32什么是Harness（挽具）？
    2. 03:09Harness范围远大于prompt/context engineering，榨干大模型能力
    3. 04:52Harness成败在于，设计好系统自身的feedback loop
    4. 07:11传统软件静态人主导，Harness动态AI主导迭代
    5. 08:10一篇X爆文，揭秘CreaoAI的Harness实战
    6. 09:53AI-first第一步：重构流程，降低对齐成本
    7. 13:19思维转变：AI不是工具，是所有生产力的AI主导者
    8. 14:01放弃传统开会讨论，让AI主导对齐，沟通成本大幅降低
    9. 19:12Agent主导排查bug，50%以上问题由AutoFixing自动修复
    10. 23:48搭建整个Agent系统，只需要1个Architect用一周定框架
    11. 25:47Harness观念：AI是动态系统，出错要弥补系统而非简单纠错
    12. 27:13你的内容和产品，受众可能是Agent
    13. 31:09组织转型挑战：只要有人觉得“不如人做”，改造就会被拉长
    14. 32:02AI能力已达，CreaoAI 2026年1月用两周完成全部架构重构
    15. 36:00“2026年我没有写过一行代码”，架构师的价值是找出AI planning的缺陷
    16. 38:22产品开发超前于市场，市场尚不了解Harness Agent的工作方式
    17. 43:05大企业难转型的原因：合规问题，人员过多
    18. 47:47信任从人转向AI需要guardrails，产品经理角色被拿掉，对齐成本反而更低
    19. 52:00交流成本＞落地成本，AI环境下复合型人才更重要
    20. 53:21“资深悖论”：初级工程师更适应AI，资深专家转变难度大
    21. 01:00:30人类未来最核心的能力和价值：定义需求，review结果
  • 05-21E237｜央视和FIFA谈判纷争背后，体育赛事转播权的博弈与生意
    1. 02:40价格细节：打包的版权交易里，很少透露单届的价格
    2. 04:25FIFA的让步，单独售卖的女子世界杯，也被打包进来了
    3. 05:28联想出面协调，背后动力是什么
    4. 08:31谈判纷争的惯常套路，最终双方都会让步到促成交易
    5. 09:47从18年到26年，世界杯的中国赞助商为什么在变少
    6. 12:30赞助世界杯，到底能给中国企业带来多少好处
    7. 14:41中国被FIFA设定到版权价格第一梯队，定价逻辑是什么？
    8. 19:00体育赛事版权谈判的流程、阶段和套路
    9. 21:51提前一个月转播权还没谈拢，这种情况经常发生
    10. 22:36从02年到26年，FIFA对央视的版权要价涨了20倍
    11. 25:49全球体育比赛的版权价格，都被转播方里的新玩家带起来了
    12. 27:302022年世界杯，央视入账了50亿
    13. 29:54转播方能赚多少，在FIFA面前并非秘密
    14. 33:14全球范围内，大转播方的变现能力并没有变强
    15. 35:35体育版权上亏钱的，可不止乐视体育
    16. 39:29世界杯的转播权，为什么总是两届打包卖
    17. 41:31赛事版权在中国，坐过速升速落的过山车
    18. 45:35十年前中国的版权泡沫，源于不计成本的恶性竞争
    19. 49:30对比国外版权市场，中国的同行打得太凶了
    20. 51:42健康的版权生意，关键是要“量KPI为出”
    21. 53:09中国版权生意难做，稳赚不赔的可能只有世界杯和奥运会
    22. 55:05NFL、NBA和F1，为什么顶级赛事的版权都在疯涨
    23. 59:00抖音和快手，正在尝试边解说比赛边直播带货
    24. 01:02:22赛事版权的长期受益者，可能是优质IP持有方和去中心化的流量平台
  • 05-15E236｜99%的作业都是AI写的：当代名校生眼里，大学还剩下什么？
    1. 03:28刚上大学就有了ChatGPT，预感打不过开始辅修AI
    2. 09:40AI速通法律专业课：模拟教授出题，拿下4.0满绩
    3. 12:15大学老师对AI态度发生转变，评估体系亟待升级
    4. 13:43大学两大价值——认识自己 + 获得技能；后者被AI侵蚀
    5. 15:49记忆类知识会过时，批判性思维和素养课程更值得投入
    6. 20:11清华最重要的财富：同侪的深度交流、老师的解惑
    7. 23:05马斯克说对了，我上大学最重要的目的就是社交
    8. 26:30学历不再是知识的证明，但仍是社会信任的重要凭证
    9. 28:35追寻美德、向往真理，才能更好地驾驭AI技术
    10. 29:55用AI在大学期间大量试错，而不是对中长期目标做死板的预设
    11. 32:32AI可以做出决策（deciding），但只有人能做出选择（choosing）
    12. 36:38“自顶向下”学习法：先见证最高水平的卓越，再提问、理解、验证
    13. 39:2399%作业由AI参与，已经想不到任何没有AI参与的作业了
    14. 43:14翻书不会把我变成一个更好学生，只是在浪费我的时间
    15. 44:44当大家都用AI做作业，真正PK的还是每个人的理解和判断
    16. 46:19最近常用AI工具盘点
    17. 52:05哪些AI工具正在被抛弃？首当其冲：ChatGPT
    18. 58:12适当关闭memory，避免模型被记忆污染形成信息茧房
    19. 01:01:00设计师的审美，程序员对代码的感觉，仍然不可替代
    20. 01:04:10AI比短视频更上瘾，失去AI就失去了执行力和灵感来源
    21. 01:05:51完全抽离AI我们还能做什么？还能回到手写代码吗？
    22. 01:12:20用AI的资深工程师反而慢了19%，初学者在AI时代可能反成优势
    23. 01:16:332026最迷茫就业季，这一代毕业生就业向何处去
    24. 01:19:40硅谷高中生反驳主播：为什么要假设，我们不会离开AI了
  • 05-09E235｜20年内CAR-T治愈癌症？与刘诚博士聊聊癌症治疗的底层哲学
    1. 02:48CAR-T（嵌合抗原受体T细胞疗法）：用患者自己的免疫细胞治疗自身癌症，这个观念本身就是一场革命
    2. 05:56CAR-T像一艘军舰：嵌合抗原受体像导航系统，用来寻找癌细胞表面的靶点蛋白（抗原）
    3. 06:45体外CAR-T的制作过程高度个性化，因此治疗成本很高
    4. 10:38CAR-T的疗效相比传统癌症疗法强在哪里
    5. 13:33体外自体CAR-T的常规制备接近一个月，快速制备技术FasTCAR可将时间加快一周左右
    6. 14:30异体CAR-T：利用供体免疫细胞缩短治疗时间，但过去几年整体疗效表现有限
    7. 17:19体内CAR-T：仍然利用自体免疫细胞治病，但细胞改造过程在患者体内完成
    8. 18:19体内CAR-T在概念上很理想，但技术实现非常复杂
    9. 21:35CAR-T的现实挑战：目前仍主要对于血液肿瘤有效
    10. 22:55体外CAR-T制备成本约15万美元；体内CAR-T有望将成本降低约10倍；中国制造成本大约是美国的40%
    11. 25:48为什么CAR-T治疗实体瘤更难
    12. 30:17肿瘤微环境和免疫抑制的存在，进一步限制了免疫细胞治疗实体瘤
    13. 32:01诺奖得主Jennifer Doudna参与创立的Azalea：希望通过CRISPR技术提升体内CAR-T的一致性与可靠性
    14. 34:07人体免疫系统为什么会有免疫抑制功能
    15. 38:42CAR-T诞生之初主要用于末线肿瘤；随着疗效逐步验证，开始进入更前线、惠及更多患者
    16. 41:26CAR-T的关键价值在于一部分患者能够获得长期缓解；如何解决其余复发患者的问题，是当前研究重点
    17. 43:04脱靶效应和髓外肿瘤，被认为是CAR-T治疗后复发的可能根源
    18. 44:07细胞因子风暴等不良反应，限制了CAR-T的应用和推广
    19. 48:12为什么中国在CAR-T领域走在全球前列：研发基础、监管环境、患者资源与医疗体系效率
    20. 53:29体内CAR-T更偏工程应用范畴；在这类技术的追赶和产业化上，中国具备明显优势
    21. 54:58CAR-T在国内存在两条监管路径：药品审批和医疗技术管理并存
    22. 58:36如何理解人体细胞之间的分工与协作
    23. 59:26如何理解癌细胞在人体内是一种怎样的存在
    24. 1:02:03癌症治疗的基本思路，是尽可能有效地区分并杀死癌细胞
    25. 1:02:24如何理解癌症的不同疗法与治疗思路
    26. 1:04:39为什么CAR-T可能是治疗癌症最强的武器之一
    27. 1:06:07CAR-T的未来发展方向：从血液瘤扩展到实体瘤
    28. 1:06:32体外CAR-T的优势是可控性和质量；体内CAR-T试图解决的是成本和商业化问题，未来更可能是并存而不是替代
    29. 1:07:47癌症可以被治愈吗？刘诚博士的判断：“最多20年”
    30. 1:08:39如何定义“治愈”：不要死于癌症

2026 年 4 月

4 期
  • 04-22E234｜未来实拍电影还存在吗？与导演陆川聊聊AI给影视人的恐惧与自由
    1. 00:56AI视频工具因涉嫌系统性侵权遭到好莱坞的集体声讨，引发关于AI是否威胁影视从业者生计的广泛讨论
    2. 04:28传统影视困境：IP开发周期长、成本高、返工常态化
    3. 06:03AI创作初体验：48小时完成短片，创作门槛被彻底打破
    4. 07:36陆川：传统视效流程长达6个月，AI将效率提升近100倍
    5. 11:48陆川讲AI创作痛点：人物形象同质化，模型审美被大众数据绑架
    6. 14:24陆川认为专业影视创作需要专属工具与统一工作流
    7. 16:35陆川认为AI只是工具，电影的价值仍要回归作品本身
    8. 20:21配音演员黄莺讲AI无法复刻人类下意识、情感与表演逻辑
    9. 25:59声音的边界：AI克隆、版权侵权与行业维权困境
    10. 27:31声音权利：声音与肖像权同等重要，未经授权属于侵权
    11. 29:36陆川动情讲述《南京！南京！》拍摄现场，AI无法替代的创作瞬间
    12. 32:18陆川认为未来AI会成为一把尺，实拍将成为顶级奢侈创作
    13. 37:02创作者的底气：AI让每一个想法都有机会被拍成电影
    14. 38:31陆川对给年轻创作者的建议：电影学院的现场体验无法被AI替代
  • 04-17E233｜硅谷右翼的权力网如何形成？聊聊彼得·蒂尔的思想启蒙拼图
    1. 02:14保守派学生报纸《斯坦福评论》的创立
    2. 04:22Allan Bloom与《美国精神的封闭》：校园文化战的思想来源
    3. 06:29欧林基金会：军火大亨出钱，赞助全美100多个右派学生媒体
    4. 08:16《斯坦福评论》的风格：挑衅、点名、制造争议
    5. 10:36吉拉尔的模仿理论
    6. 12:08PayPal的诞生和与马斯克公司的合并
    7. 13:12投资Facebook：社交网络是最完美的模仿性增长机器
    8. 16:12卡尔·施密特：自由主义掩盖了敌我关系
    9. 17:40Palantir的哲学起点：危机时刻可以绕过民主程序
    10. 20:40施特劳斯：真正的哲学只写给少数天选之人
    11. 23:44斯坦福评论的校友们今天在哪里
    12. 27:35David Horowitz：从极左到极右，Thiel的策略导师
    13. 35:56Thiel的媒体布局：海盗通讯、美国伟大、Pladium
    14. 37:12海盗通讯的两篇出圈报道：弹劾旧金山检察官、揭露维基百科左倾
    15. 40:21美国伟大：落魄商人如何成为特朗普最重要的媒体声音
    16. 41:32岩桥网络与1789资本：Thiel和Vance联手构建右派政治动员体系
    17. 43:38网红经济时代，影响力就是上桌的筹码
    18. 45:52Thiel与Vance的相遇：一场耶鲁法学院的演讲改变了两人的轨迹
    19. 46:23从"逃离政治"到"造王者"：Thiel的思想转变
  • 04-10E232｜餐饮出海有新招儿吗？从鼎泰丰与贡茶拿下美国初代销冠聊起
    1. 02:57鼎泰丰的出海史：标准化、单店打磨、品类优势和本地化
    2. 11:08贡茶的秘密：利用资本优势抢占点位红利
    3. 15:20寻找“二代店”，应对美国点位区域保护的好方式
    4. 19:19餐饮立足北美，要卖的是体验而不是口味
    5. 23:11国粹麻辣烫，可能不算出海美国的好品类
    6. 25:33费大厨在美国改了招牌菜，这算好招还是坏招
    7. 29:18必品阁和辛拉面，绑定Kpop做出海
    8. 31:40日本所有主要动漫里，都有它们想出海的食物
    9. 32:53霸榜美国速冻饺子，必品阁的渠道收购和本地化洞察
    10. 35:08泰餐在美的突飞猛进，政府连厨师的英语都培训了
    11. 37:07中餐出海，暂时还难以匹配更合适的文化输出
    12. 38:07太执着于自我表达和地域自豪，反而容易“帮倒忙”
    13. 43:32海底捞和喜茶：结合中国文化做出海的好案例
    14. 45:53目标别太激进，出海美国注定是门慢生意
    15. 47:26在美国，雇主是乙方，员工才是甲方
    16. 51:26海底捞：卷不了服务，就卷体验的稀缺性
    17. 52:47卷创新和噱头很难，因为美国人没那么爱追新
    18. 55:20茉莉奶白：用“轻中式”拿下泛亚裔人群
    19. 58:26霸王茶姬：视觉上做减法，时尚上做加法
    20. 01:00:00中小品牌的机会：没有总部强束缚，反而更好发挥
    21. 01:01:39华莱士 vs Jollibee：亚洲炸鸡去美国可不能主打性价比
  • 04-01E231｜从B2B到A2A：Agent新基建，如何让“一人企业”做全球生意？
    1. 03:49AI吞噬SaaS，或者让它变得更好？
    2. 05:46两种工作新范式：OpenClaw与Claude Cowork
    3. 11:57未来所有的B2B都会走向A2A
    4. 15:16Accio：AI如何使采购流程缩短5倍
    5. 18:52B2B的强化学习：以成功撮合交易为正反馈
    6. 21:52Accio Work智能体进化：从采购到日常经营，覆盖整个商品销售周期
    7. 24:07AI原生产品的检验标准：能否随着模型的升级而变得更聪明
    8. 25:30让“一个企业”也能拥有“数字团队”
    9. 29:36中小企业的真实画像与“开箱即用”的产品设计
    10. 31:48商业模式双轨：Token计费 + 平台服务
    11. 34:42当推荐从1000个变成5个，广告还好卖吗？
    12. 36:26AI不是颠覆商业模式，而是把市场做大
    13. 39:15数据闭环很重要，用户挑剔倒逼极致效率
    14. 41:41A2A时代的竞争：谁能成为那个“主智能体”（Master Agent）？
    15. 43:01成功标准：不看token消耗量，看用户留存和单位token价值
    16. 45:07人才新标准：产品经理要预判6个月后的模型能力
    17. 47:49工程新范式：主Agent调度子Agent，群聊驱动的开发助手
    18. 50:11衡量AI是否有效：看“有效想法”上线数量，看指标是否“非线性增长”
    19. 51:59检验AI原生的试金石：新模型来了，团队兴奋还是焦虑？
    20. 55:01OpenClaw冲击波：当AI能力被验证，新一轮的创新开始涌现

2026 年 3 月

4 期
  • 03-26E230｜1万亿收入预期背后：英伟达的巅峰与软肋
    1. 03:21万亿目标背后，推理业务正成为英伟达关键收入来源
    2. 05:50供应链瓶颈：CoWoS产能成最大挑战，硬件周期非资金可突破
    3. 09:03七芯齐发的关键：英伟达全公司都在用 Coding Agent 做芯片
    4. 10:10Groq的优势：纯SRAM架构专攻低延迟
    5. 15:43推理芯片创业还有机会吗？关键：找英伟达短板
    6. 19:07未来数据中心是异构的，系统级优化比单芯片更重要
    7. 21:25OpenClaw引爆TOKEN消耗，英伟达NemoCloud能让人惊艳吗？
    8. 24:27SaaS面临挑战：未来软件公司卖的不是软件，是AI劳动力
    9. 28:36未来企业架构：CEO同时管员工和智能体，HR、财务都可外包
    10. 30:07英伟达芯片设计模型ChipNemo，硬件代码也能写，难点在于优化
    11. 31:47谷歌TPU系统能力强，但英伟达的护城河已从CUDA扩展到全栈基础设施
    12. 35:28英伟达的护城河：执行力与供应链
    13. 36:14未来挑战：垂直领域、边缘端与私有化部署的崛起、推理市场红利被分流、资本压力
    14. 40:16观众提问1： 英特尔是否有望成为代工第二源？
    15. 42:56观众提问2：CUDA护城河是否会被Coding Agent削弱？
    16. 46:30数据中心竞速：靠自发电与预制集装箱加速
    17. 50:22谁在引爆GPU云需求？模型训练、视频生成、AI Coding以及OpenClaw
    18. 53:39模块化、标准化、全套打包的AI工厂方案
    19. 56:57不止GPU缺货，数据中心核心配件供应趋紧
    20. 58:42运营GPU云的核心能力：先有卡，再稳得住，SLA是生死线
    21. 01:01:04GPU折旧比资本市场预估更耐久
    22. 01:02:08观众提问3：AI云服务商的差异化策略
  • 03-20E229｜从手工作坊到全球第一：中国动力电池逆袭史
    1. 02:48决定性优势：中国在产业链的很多环节，市占率达到80%以上
    2. 03:11关键拐点：“十城千辆”如何在早期用政策先创造需求
    3. 05:03白名单与补贴：“白名单”政策，怎样进一步扶起本土电池厂商
    4. 06:43全球格局对比：中国领跑，日韩稳定跟进，美国更像是一个“聪明但掉队”的学生
    5. 12:47“手搓电池”的往事：早期中国电池企业有多“狼狈”
    6. 14:59砸锅卖铁解决问题：曾毓群当年如何从贝尔实验室授权技术，并攻克核心的“鼓气”难题
    7. 17:37极致制造的差距：电池是“微米级制造”，难在一致性
    8. 21:56从磁带到电池：揭秘涂布技术秘籍
    9. 26:41电池厂最深的护城河：不只是配方，更是极致的工程能力
    10. 28:27工程师红利：中国工厂的“内卷”，与美国工厂“下午五点准时下班”的差异
    11. 35:48常州的“四小时产业圈”：四小时车程内，可以配齐绝大部分零部件
    12. 39:40地方政府的“产投”逻辑：从“铜头铁嘴”到“兔子腿”
    13. 40:25宜宾的转型奇迹：白酒与动力电池
    14. 50:06固态电池的瓶颈：全固态电池仍需等到2030年之后
    15. 55:32钠电池的战略意义：无需依赖关键金属，它是美国电网储能的更优解吗？
    16. 01:00:38弯道超车的尝试：美国公司正在寻找新赛道
    17. 01:03:12Northvolt破产启示录：曾毓群说“从头到脚都做错了”
  • 03-13E228｜谷歌TPU能撼动英伟达吗？前TPU工程师首次揭秘
    1. 03:06架构对决：GPU像多个大厨，TPU像流水线接力
    2. 06:41TPU vs GPU：谁在模型训练上更强？
    3. 10:20TPU产能之困：HBM、封装与良率
    4. 14:06Anthropic为何率先下单百万部署？
    5. 16:01黑盒优化如何“榨干”硬件性能
    6. 17:47XLA与CUDA，两种生态之争
    7. 19:53苹果为什么能成为TPU大客户？
    8. 20:45Gemini成功背后，TPU做了什么？
    9. 22:34TPU是如何做MoE优化的？
    10. 23:45设计难点：如何押中两三年后的算法？
    11. 26:05TPU的转身：V6开始押注大模型预训练
    12. 28:53Transformer先发优势带来的旗鼓相当能持续多久？
    13. 32:04Meta的TPU托管服务：生态逐渐走向兼容
    14. 36:08拓扑通信架构如何为TPU打赢数据中心成本战
    15. 38:27博通（Broadcom）是谁？为什么它如此关键
    16. 42:04挑战GPU的机会：用户规模越大推理越快
    17. 45:36V7（Ironwood）之后：Gemini实现100%TPU训练
    18. 48:15一句话总结TPU优劣势
    19. 49:49V1推理芯片试水，V2训练芯片旗舰，V4优化推荐算法
    20. 52:16V5/V6：进入大模型时代，推出推理专用版本
    21. 56:05团队演变：软件组话语权越来越重
    22. 57:14踩准每一次红利的编译器公司
    23. 59:27差异化定位：做小规模部署的低延迟优化
    24. 01:01:59AI算力芯片新战局
    25. 54:20口误，Groq创始人Jonathan Ross，现为英伟达首席软件架构师
  • 03-04E227｜美国医疗市场AI争夺战：巨头押注，创业公司能赢吗？
    1. 01:13JPM大会见闻：药企集体“转身”，AI从“可选项”变为“必答题”
    2. 04:052026年AI医疗战局初探：谁在入局，谁在领跑？
    3. 04:58医生“过劳”成常态，每周工作61.8小时，大部分时间竟不在看病
    4. 08:21医疗支付系统有多复杂？碎片化行政工作拉扯医生精力
    5. 10:30AI在医疗的最大机会：30%的人类数据在这里，但利用率不足5%
    6. 13:56被忽视的“医疗编码”，为什么适合交给AI？
    7. 17:26HIPAA合规模型：医疗AI的“入场券”
    8. 20:50为什么医疗AI多用小语言模型？
    9. 21:34OpenAI为何重注医疗ToB？不止是商业化，更是模型进化
    10. 23:57医生的知识更新难题：AI 能做什么？
    11. 25:26生态之争：OpenAI能否撼动微软的医疗地盘？
    12. 27:55便宜又好用，开源模型带来的冲击
    13. 28:5140%美国医生每天都在用，OpenEvidence是什么？
    14. 32:30核心竞争力：顶级期刊独家高质量医学内容数据
    15. 33:25商业模式隐忧：靠医疗广告赚钱，能保持客观吗？
    16. 35:12垂直模型的优势：优质语料训练+本地化部署能力
    17. 40:19AI如何促进医疗均衡？分层诊疗+提升效率是关键
    18. 44:16HealthBench：从考“知识点”到考“真实场景下的对话能力”
    19. 48:31巨头v.s初创：谁更适合做医疗AI？
    20. 52:27医疗3.0时代：预防>治疗，生命质量成为核心

2026 年 2 月

3 期
  • 02-26E226｜聊聊DeepMind创始人哈萨比斯：一个科学家与失控的AI竞赛
    1. 03:12外表普通，智力超群——译者对哈萨比斯的第一印象
    2. 06:53作者马拉比为什么选择哈萨比斯
    3. 10:38象棋神童的顿悟时刻：下棋并非人生的全部，转向人工智能
    4. 13:41他在游戏中植入“智能体”的雏形，却因算力不足失败
    5. 15:50“如果你不能把一个东西造出来，你就不能真正理解它”
    6. 17:22对强化学习的执念，为未来悄悄埋下伏笔
    7. 20:15学派之争：萨顿的“强化学习”和辛顿的“深度学习”
    8. 22:23DeepMind另外两位创始人登场：肖恩·莱格和苏莱曼
    9. 26:17融资历程：彼得·蒂尔觉得他商业上不成立，却还是投了
    10. 31:33扎克伯格“端水”回答，让DeepMind果断选择谷歌
    11. 37:59从围棋到生物学难题：“没有我玩不赢的游戏”
    12. 41:18AI发展里程碑：2024年诺贝尔化学奖背后的故事
    13. 46:07密谋脱离谷歌的“马里奥计划”、NHS数据风波和苏莱曼的离开
    14. 52:42昔日伙伴各自成为谷歌、微软AI掌门人
    15. 55:16孤傲下的战略失误：DeepMind为什么错失大语言模型
    16. 59:31Gemini逆袭背后，谷歌内部经历了什么
    17. 1:03:02AI末日警告？顶级科学家态度各不同
    18. 01:07:24客观看待作者倾向性：与硅谷保持距离的“英国立场”
    19. 01:09:13哈萨比斯的矛盾：他不愿意控制别人，却一定要赢过别人
  • 02-14E225｜SaaS业数千亿市值蒸发：AI如何变革组织架构？
    1. 03:46“信仰地震”：为何Anthropic的插件更新，成了压死传统SaaS的最后一根稻草？
    2. 05:14三年“救赎期”：概率模型时代，复杂流程如何成为传统软件最后的护城河？
    3. 09:46RaaS崛起：告别“坐席费”，从“螺丝刀”进化为按结果付费
    4. 15:05组织重塑：碳基员工汇报给硅基员工？从黄仁勋的1亿AI助手说起
    5. 18:17“硅基员工之家”：有名字、有工号、有绩效，甚至有退出机制的管理系统
    6. 20:50数字替身：CEO如何在除夕夜，为自己定制一个永不下线的助理？
    7. 22:32消失的“合成感”：2020年银行系统里，那场让客户完全感知不到AI的技术潜行
    8. 27:07角色转变：45名客服转岗AI训练师，从成本中心走向利润中心
    9. 34:06最终目标：建立 AgentStore，打造一个像Apple Store一样的硅基生态系统
    10. 38:20招聘革命：流程从28天砍到2天，AI如何识别被隐藏的“真人才”？
    11. 41:07Vibe Coding时代：拒绝纯人工写代码，为何不再招聘不会用AI的员工？
    12. 42:29法律提效：一份法务合同审核，从56分钟缩短至4分钟的实操经验
    13. 47:53麦肯锡已拥2.5万“硅基员工”：未来三年，你的工作只剩审核签字？
    14. 49:47拒绝FOMO：传统企业转型第一步，是厘清“大脑”（模型）与“手脚”（智能体）的区别
    15. 52:37愿景实现：具备领域Know-how的“将军”，如何统领Agent军团开启“一人公司”模式？
    16. 53:28Prosumer，意指“Producer + Consumer”，既是生产者也是消费者
  • 02-04E224｜深度拆解Clawdbot，为何它能成为2026年第一个现象级产品？
    1. 05:04长期记忆与主动性，赋予了Clawdbot“活人感”
    2. 12:24创始人在旅行中的Aha Moment，Clawdbot自我实现了语音功能
    3. 13:28预判意识：Agent能根据对话碎碎念，自动推送生活与工作建议
    4. 14:06降本增效：Agent通过监控，自主削减服务器预算
    5. 14:24自动化闭环：AI十秒内自主摸清仓库规则并完成配图发布
    6. 16:28模拟操作：Agent通过浏览器点击，绕过API限制完成文件跨路径保存
    7. 21:40结构化存储：MD文本记忆系统比Context压缩更确保持久稳定
    8. 26:04混合检索：70%语义匹配加30%关键词搜索，实现秒级记忆定位
    9. 29:48心跳机制：让Agent在静默状态下，也能定期自我触发任务
    10. 31:40物理隔离部署是应对Agent高系统权限隐私风险的必选项
    11. 50:42性价比首选：Mac mini成为本地运行Agent的理想基座
    12. 52:11专用硬件逻辑：Agent电脑取消屏幕依赖，转而强化I/O与状态灯
    13. 53:50Agent电脑的核心参数：在于大内存与高频存储空间
    14. 56:22物理隔离：独立硬件能有效保护敏感信息
    15. 43:22鲁棒性挑战：生产级Agent需要透明的审核机制与系统级回滚能力
    16. 1:00:55厂商博弈：大模型公司布局第一方Agent应用，旨在避免沦为底层纯算力管道
    17. 1:07:58商业重构：互联网的商业模式有可能会往“按爬取付费”转型
    18. 1:10:33.md域名与文件，正成为自然语言编译时代的新形态
    19. 1:12:56一人公司可行性：具备know-how的“将军”，能统领Agent军团实现生产力爆发
    20. 1:17:26开发范式转移：在AI极速迭代的时代，Idea的重要性已超越纯粹的执行力

2026 年 1 月

6 期
  • 01-30E223｜应用爆发之年：聊聊模型技术进化与商业化
    1. 03:23视频生成进入“可控生产”时代
    2. 06:57AI漫剧、短剧是怎么挣钱的
    3. 10:122025年语言模型的进步
    4. 16:27AI+智能硬件，你可以通过智能眼镜买咖啡了
    5. 19:18大模型商业化两个方向：生产力、用户体验
    6. 22:13端云结合，七成通用任务本地处理
    7. 23:51B端用户关注点迁移：从模型效果转向性能和成本
    8. 26:45推理成本指数级下降背后的驱动因素
    9. 29:31什么做“开源”大模型？开源与闭源模型如何平衡？
    10. 33:33评价指标的演进：从Token到商业价值
    11. 35:40基础大模型研发进入精耕细作阶段，聚焦Agent实用能力
    12. 38:54AI剪辑：从“拼接”到“理解”
    13. 40:49AI面临的挑战：理解用户模糊的意图
    14. 43:02如何从全景相机中找出素材处理
    15. 48:57AI能在咨询行业做哪些事
    16. 54:16选择基模看重哪些能力
    17. 56:05用AI辅助企业发现营销机会
    18. 01:00:24作为“中间层”的竞争力
    19. 01:03:34ToB观察：AI让企业更接受为SaaS付费了
  • 01-26E222｜紧身裤消失，谁在定义时尚潮流？
    1. 03:53松弛感当道，紧身裤从热卖款里消失了
    2. 07:23从牛仔裤的演变史，看服饰潮流的变化路径
    3. 12:41经济、流行文化和社会思潮，联手导致了紧身裤的过气
    4. 14:15球鞋、老爹鞋、棒球服……盘点过期的上一代流行单品
    5. 16:21气候、审美、成本和设计迭代，让排骨羽绒服成了新爆款
    6. 21:37排骨羽绒服大卖背后，也有一衣多穿的场景需求
    7. 23:43不同传播时代，和定义服饰潮流的不同方式
    8. 25:52穿搭博主从哪儿获得潮流信息？
    9. 27:14电商在潮流演变中的多重角色
    10. 30:25电商商家人手一份的趋势报告，到底是个什么东西
    11. 31:39排骨羽绒服的爆火背后，电商做了什么
    12. 33:37平台放大的款式同质化，是时尚行业面临的“甜蜜负担”
    13. 34:45具备长期视野的品牌，要学会对潮流做二次加工
    14. 37:41服饰潮流的圈层化，深化和泛化在双线并行
    15. 40:16品牌面对圈层化，在风格上守圈和在人群上破圈
    16. 42:11新服饰性别差：女性追求舒适，男性更想展现自己
    17. 47:53潮流五年一更迭，品牌该不该跟风
    18. 50:56三个标尺，判断某个潮流是否快速过气
    19. 51:59时尚有轮回，背后是不同年龄层消费者的审美代沟
    20. 57:00预言下一波时尚潮流，过气紧身裤可能要回来了！
  • 01-20E221｜聊聊CES与中国品牌出海：我们真的需要人形机器人吗？
    1. 00:40Consensus Hong Kong 2026
    2. 02:26CES第一感受：“宛如深圳展”
    3. 03:42Boston Dynamics展位火爆，但量产计划是否能落地？
    4. 07:06为什么放弃人形机器人？
    5. 10:17Demo虽精彩，难以体现泛化能力
    6. 11:51机器人的形态：“一步到位”还是“逐渐生长”？
    7. 16:13热潮反思：“宁可错判，不能错过”？
    8. 19:26CES惊艳瞬间：Sharpa灵巧手折纸风车的超级长程任务表现
    9. 23:42成本拆解：电机、减速器、关节等机械部件占大部分
    10. 26:24硬件寿命有限，缺乏产业链支持，阻碍人形机器人落地
    11. 30:08垂直场景机器人（如餐厅递送）落地核心挑战是可靠性
    12. 34:13国外为什么没有酒店做机器人送餐？
    13. 35:27中国厂商凭快速产品化能力闯入美国市场
    14. 36:22商业化关键：在成本约束下打磨可靠性
    15. 38:03机器人出海首选美国，大客户销售难点在改变“流程”
    16. 41:13从CES看中国厂商的变化：从人海战术到品牌感提升
    17. 46:50给出海者的建议：理解和尊重当地市场渠道
    18. 47:43从川普第一次下架Tiktok失败，看美国商业社会的“关系学”
    19. 51:31切勿滥用投机思维，尊重渠道商利益，建立长期信任
    20. 54:54机器人发展路径探讨：探索泛化v.s商业落地
  • 01-15新年直播3：华尔街视角下的AI泡沫、芯片及黑天鹅
    1. 00:192025年投资回顾：错过谷歌与边际机会
    2. 08:23投资逻辑与框架：如何区分叙事型与基本面
    3. 10:092026年宏观展望：财政支持与增长分化
    4. 13:57谷歌估值挑战：模型领先与盈利路径
    5. 16:23GPU vs ASIC：生态竞争与垂直整合
    6. 25:08AI泡沫会破裂吗？钱不值钱，信仰才值钱
    7. 28:03OpenAI上市前瞻：盈利挑战与生态卡位
    8. 32:12SpaceX上市前瞻：太空数据中心故事能跑通吗？
    9. 36:54潜在黑天鹅：AI信仰动摇与宏观冲击
    10. 39:33观众QA：传统板块是否有机会？
    11. 41:30观众QA：2026年AI概念股投资策略
    12. 42:20观众QA：当前处于投资市场周期中的什么位置？
  • 01-15新年直播2：特斯拉FSD以及自动驾驶的商业战争
    1. 02:58特斯拉FSD V14体验：进展显著与用户反馈
    2. 08:44Waymo vs 特斯拉：规则驱动与端到端之争
    3. 12:11端到端优势：数据驱动与系统协同
    4. 18:56数据与仿真创新：人才、勇气与算力的全面领先
    5. 22:48信念与执行力：领导力与团队文化驱动
    6. 25:13硬件护城河：自研芯片与软硬件协同
    7. 33:03作为投资者会愿意投资Waymo吗？
    8. 35:34观众QA：FSD如何满足安全性的需求？
    9. 36:31观众QA：今年自动驾驶会从L2跳跃到L4吗？
  • 01-15新年直播1：AI的2025与2026，技术领域的共识与非共识
    1. 01:252025年AI回顾：哪些趋势超出预期
    2. 02:09AI发展主线与范式转移：企业AI共识成形
    3. 04:28DeepSeek启示：中国模型与开源冲击
    4. 06:01Neolab 2026年前瞻与下一代模型探索
    5. 10:57Scaling Law未止：数据、算力与系统优化
    6. 16:50Meta困境：收购Manus与模型战略争议
    7. 25:11OpenAI上市路：估值挑战与生态竞争
    8. 29:08Anthropic的ToB定位：在AI Coding战场稳扎稳打
    9. 35:22AI应用元年？2026年或迎爆发增长
    10. 41:22观众QA：垂直Agent与行业机会

2025 年 12 月

4 期
  • 12-29E220｜谈谈Hyrox，“找虐运动”如何火遍全球
    1. 02:28Hyrox的比赛规则，8段1公里跑+8个体能项目
    2. 04:21Hyrox背后，混合训练是怎么火起来的
    3. 06:10同为混训练赛，Hyrox是最简单易上手的那个
    4. 08:05把人累到暴汗，Hyrox真有那么低门槛吗？
    5. 13:00谁在参加Hyrox：工作高压人群需要追求突破和运动释放
    6. 14:47再虐也要参赛，寻找成就感、目标感，给自己打个分
    7. 16:01不到一年，首期教练的课从不满员到排大队
    8. 18:04传统健身房没落后，社群运动成为新增长点
    9. 20:22Mike的Hyrox初印象：洋气、身材好、颜值高
    10. 22:49剖析Hyrox：难度不高，但强度很大
    11. 25:15Hyrox成了“汇率”最高的社交货币
    12. 26:38从飞盘到露营，上一代社交货币是怎么贬值的
    13. 28:06Hyrox的核心人群，也是新兴消费和生活方式品牌都在争抢的人
    14. 30:12从Hyrox到“苏超”，人们关注有沉浸感的线下生活
    15. 32:38Ins、Tiktok和小红书，放大了Hyrox的观赏性和荷尔蒙
    16. 33:51肌肉也分有用和没用，Hyrox更接近大众对肌肉的审美
    17. 35:15UGC内容+碎片化信息，让Hyrox不比赛时也能有传播
    18. 36:46开了Hyrox课的健身房，就像购物中心有了网红店
    19. 39:40谈谈一项运动成为流行的偶然与必然
    20. 42:09盈方投资Hyrox，看中了一个可以量化训练成果的健身赛事
    21. 44:04拆解Hyrox商业模式：门票+赞助+零售+IP授权
    22. 45:24另类团课：标准化的比赛规则，和非标准化的训练课程
    23. 46:424年时间：伦敦站报名者从600人到4万人
    24. 48:59拓展赛事的首要战略，拓展合作健身房
    25. 50:39沉浸式带动观众，把观赛点安在比赛场地中央
    26. 51:28从10家到200家，说服健身房为小众比赛和小众人群开课
    27. 55:18Hyrox的推广，国外重精英，国内重鼓励
    28. 57:25赋能合作健身房，小红书和滴滴都一并用上了
    29. 01:00:14避免热度消散，和生态参与者打造利益共同体
  • 12-17E219｜140亿欧元爱马仕股份是怎么消失的？
    1. 02:36尼古拉斯·皮埃奇，爱马仕家族的异类
    2. 04:37爱马仕的股票构成，散落在全球各地的200位家族股东
    3. 06:52疑案初现，园丁老婆打了财富顾问的小报告
    4. 12:34财富顾问弗雷蒙德，前科累累的40年好友
    5. 15:37天价爱马仕股票，居然采用了“不记名”的方式
    6. 20:18无休止的诉讼，卡塔尔王室也被牵扯进来了
    7. 21:59承认600万股份给了LVMH后，财富顾问自杀了
    8. 25:28再谈皮埃奇，一个太容易被忽悠的有钱人
    9. 29:44步步为营，LVMH拿下了爱马仕两成股份
    10. 33:56股权互换方案，帮助LVMH绕过监管偷天换日
    11. 44:16LVMH的假日突袭，“我手里有你们很多股份”
    12. 47:39爱马仕的反击，联合52名成员的家族保卫战
    13. 51:46最大个人股东皮埃奇，并没有站在爱马仕这边
    14. 54:08AMF调查报告：皮埃奇的股票已经卖给了LVMH
    15. 59:39闹剧收尾：LVMH被罚了也赚足了
    16. 01:04:15从二级市场到二手市场，爱马仕为什么那么香
    17. 01:08:26极致稀缺供给，塑造了爱马仕的极致奢侈品定位
    18. 01:12:32爱马仕的克制，为什么其他公司学不会
    19. 01:14:42传统的爱马仕家族，为什么要选择公开上市
  • 12-14E218｜Netflix与派拉蒙竞购华纳兄弟，好莱坞的洗牌时刻？
    1. 03:37Netflix有选择的收购，出于哪些考虑？
    2. 04:51电视新闻网，烫手山芋
    3. 07:39猝不及防的官宣，好莱坞也在意料之外
    4. 10:29广告、密码与进军体育：不是第一次做颠覆性变革的Netflix
    5. 13:55特朗普插手？收购面临的监管挑战
    6. 16:02好莱坞与消费者的实际担忧
    7. 17:50院线电影的未来
    8. 22:12Netflix会颠覆自己的流媒体为主的商业模式吗？
    9. 24:34吸纳大量华纳IP后，Netflix下一步棋如何走？
    10. 25:08HBO Max何去何从？
    11. 30:23疲于竞争，流媒体平台的瓶颈期
    12. 34:07从《鱿鱼游戏》到《K-Pop猎魔女团》，继续外探国际市场
    13. 35:34Netflix如何赢下收购战的？
    14. 36:18恼羞成怒，David Ellison的下一步
    15. 39:19华纳兄弟的CEO，笑到最后的赢家
    16. 42:45不断转型，华纳过去动荡的几年
    17. 44:50权力关系另一边，迪士尼会焦虑吗？
    18. 49:52华纳的主题乐园，Netflix如何处置
  • 12-11E217｜机器人开可乐发扑克有多难？聊聊灵巧手的硬件与算法
    1. 02:37评估灵巧手能力的关键：精细运动、泛化能力与可靠性
    2. 05:58“开可乐”Demo背后：演示效果与实际能力的差距
    3. 08:23硬件厂商追求单项突破，算法团队更重泛化能力
    4. 15:32灵巧手面临的瓶颈和独有的技术挑战是什么？
    5. 19:26连杆驱动：常见6自由度，也有高自由度方案（ILDA）
    6. 21:26直驱方案：关节与电机一一对应，灵活度高（Sharpa）
    7. 24:59绳驱方案：双向拉绳（Shadow Hand、ORCA）与单向拉绳（Tesla）
    8. 29:57仿真研究为何更偏爱直驱方案？
    9. 33:13天价灵巧手：不为盈利，只为筛选顶尖客户
    10. 36:21Evan亲述：在特斯拉研发Optimus灵巧手的经历
    11. 40:33从解剖学到外科观摩：马斯克坚持的仿生路线启发了“电机前臂迁移”
    12. 42:52绳驱vs直驱：装配难度与量产前景对比
    13. 44:32揭秘Meta机器人项目
    14. 48:25受GPT与特斯拉FSD启发，机器人研究重心已转变
    15. 50:08灵巧手数据采集为何难上加难？
    16. 52:01机器人顶尖团队盘点：学术派与产品派
    17. 53:33触觉如何提升灵巧手的操作能力？
    18. 58:11灵巧手数据金字塔：遥操、仿真、视频
    19. 01:01:27Genie3视频模型能用于训练机器人吗？
    20. 01:03:17在伯克利做机器人研究是种什么体验？
    21. 01:07:09灵巧手的“GPT时刻”还有多远？

2025 年 11 月

4 期
  • 11-28E216｜对话机器人投资人：投资也得看论文，规模性商业化还很远
    1. 02:19当下是GPT-3爆发前夜，还是泡沫破裂前夕？
    2. 07:51中美机器人战事：战略与打法的异同
    3. 10:14在深圳，机器人甚至可以一天迭代三次
    4. 11:26投资逻辑大辩论：投“具身智能”还是“先进制造”？
    5. 13:58国内机器人商业化的优势：场景和数据的开放性
    6. 21:41先投“上半身”（大脑/灵巧手）还是“下半身”（运动控制）？
    7. 31:52技术突破决定投资方向，追逐热点不如多看论文
    8. 34:13Rodney Brooks的预言：没有触觉数据，机器人学不会灵巧性？
    9. 42:43对1X家庭机器人的争议：远程操控（Teleoperation）是造假还是“特洛伊木马”？
    10. 44:45真实的商业化落地：谁在买单？
    11. 58:11硬件产业链：会像智能手机一样模块化吗？
    12. 01:02:57大胆预测：未来5年的机器人世界
  • 11-21E215｜资本视角聊聊万亿大基建钱从哪儿来，以及电力破局的六条路径
    1. 03:30摩根士丹利估算，比特币矿工转产可在未来的两年释放15Gw
    2. 05:34另外三条解决AI能源问题的常规路径（核能，燃气，储能）
    3. 10:31两条有难度的“非常规”路径（训练外迁，柴油）
    4. 12:45市场疑问：“挖矿电”能变成稳定可靠的“AIDC电”吗？
    5. 15:00未来两年能否攻克B端，成为AI大基建能否持续的关键
    6. 17:091Gw数据中心500亿美元成本拆解
    7. 19:49当前估值低于建造成本，矿工转型缺乏动力
    8. 23:20矿工转AI的两种模式：“卖电/租场地”和“买GPU卖算力”
    9. 25:24IREN：举债买卡的冒险家，困于“重资产”估值陷阱
    10. 30:00生态为王：英伟达的“总包”霸权与AMD的“付费入场”
    11. 31:55未来收益证券化+滚动开发，AI基建越来越像房地产
    12. 26:20GPU证券化：底层资产是“AI金矿”还是“科技次贷”？
    13. 37:29诺贝尔经济理论也出错？亲历者复盘当年的金融理论失误
    14. 40:43AI产业链已经形成了“铁索连环”的金融风险
    15. 43:13大厂策略：在高评级市场发债+打造“大而不能倒”格局+与国家战略捆绑
    16. 44:36AI大基建的“终极买单者”——全球债券市场
    17. 48:57行为金融学的囚徒困境：不惜代价搏一张AI船票
    18. 53:03OpenAI的黄金上市时机：2026年上半年
    19. 57:00加密矿场转AI，缺电及算力闲置仍是最大风险
    20. 62:50比特小鹿：处于地缘政治的“灰色地带”
    21. 69:45挖矿转AI成功的公司，都不是挖矿赛道的“优等生”
    22. 70:56两种矿工：囤算力的（如Mara）vs 囤电力的（Iris）
    23. 75:09矿工转型的最优解：挖矿保现金流，闲置电力滚动开发AIDC
    24. 77:15比特币价格与AIDC转型，并非简单的线性关系
  • 11-17E214｜拯救发际线的硬核科普，现代医学与自然选择的拉锯战
    1. 03:36脱发类型分几种，但90%都是雄激素脱发
    2. 08:44进化论的bug：一个不利特征为何被保留？
    3. 13:14从古希腊到现代医学，人类是如何找到脱发“元凶”的？
    4. 15:52在“不秃村”罕见病中找到关键靶点后，人类有了第一款防脱发药物：非那雄胺
    5. 19:13米诺地尔的故事：原本治疗高血压，副作用竟是促进毛发生长
    6. 21:57“马尾辫”们注意了，别小看“牵拉性脱发”的威力
    7. 23:04两款药物的制剂，需要朝着哪些方向改进？
    8. 26:53从55°酒精敷头，到纯净水配方，多肽用于药物递送的前景
    9. 31:52一个由庞大刚需支撑的百亿级市场，等待新药出现重构价值
    10. 35:25非那雄胺暴露于血液有副作用，好在新技术正在努力把药效“锁”在头皮上
    11. 37:53无论米诺地尔，还是非那雄胺，都需要长期坚持使用
    12. 39:18别指望植发能拯救脱发，没有药物维持，移植的头发还是会掉
    13. 40:54使用米诺地尔时，“先掉后长”是好事，说明药有用
    14. 41:54未来3～5年，脱发领域可能会有这些新药上市？
    15. 44:02原本治疗斑秃的口服Jak抑制剂，用来尝试治疗雄秃
    16. 44:45斯坦福的创新疗法：皮肤镜定量+治疗个性化+超适应症用药
    17. 47:292016年后，短视频的发展拉动了皮肤科地位和全球脱发品类的增长
    18. 53:43防脱洗发水，“辅助”而非“治疗”，防脱有可能，生发不现实
    19. 59:15嘉宾对药企转型战略的思考：聚焦“有医生背书”的ToC属性产品
    20. 62:49在新渠道中经历失败后摸索出的一些经验：光有“网感”是不行的
    21. 65:20AI在药物创新中扮演着什么样的角色？
    22. 67:52AI用于电商服务，洞察全球客户偏好
    23. 72:59两位嘉宾给普通人的养发tips：抗炎，减压，头皮防晒
  • 11-07E213｜从爱好到投资，卡牌能成为年轻人的第一桶金吗？
    1. 02:54收藏式卡牌（CCG），从烟盒里长出的小爱好
    2. 04:04集换式卡牌（TCG），当卡牌有了对战属性
    3. 05:38TCG里的“御三家”：万智牌、游戏王和宝可梦
    4. 08:19卡牌成功的背后，运营远比IP重要
    5. 11:17天价球星卡的诞生：稀有度、球星起落和高光时刻碎片
    6. 14:29想成投资品，先从成为文化现象开始
    7. 16:49卡牌背后的炒货联盟
    8. 17:34当王炸TCG遇上“禁牌表”
    9. 19:54在国内炒牌，也得有国际化视野
    10. 21:54选TCG卡牌，就像经纪公司选偶像练习生
    11. 23:59想玩好球星卡，先从做个草根球探开始
    12. 26:47敲黑板忠告：想玩卡，首先得喜欢
    13. 32:17宝可梦卡在中国，去年短暂低谷、今年又行了
    14. 34:15卡牌交易的重要一环：评级
    15. 38:36嘉宾亲历：玩卡牌谁赔了谁赚了
    16. 44:35单卡店的生意，一个纯纯辛苦活儿
    17. 47:05非卡牌爱好者，能做好卡牌投资吗？
    18. 48:29国内火爆的卡游，为什么在全球卡牌交易市场里水花还很小
    19. 53:11新参与者，都在怎么切入卡牌市场
    20. 55:16一些建议，送给想试水卡牌投资的素人

2025 年 10 月

4 期
  • 10-31E212｜AI数据中心的万亿大基建时代：美国GDP增长全靠它
    1. 02:25JJLake创新空间
    2. 04:43OpenAI最激进，目标构建10吉瓦乃至长期100吉瓦的算力容量
    3. 06:36xAI、Meta同样激进，扫货发电机、抢占能源低廉土地
    4. 07:24微软、Google、亚马逊：已有庞大基础，策略相对稳健
    5. 10:44Power First战略背后的逻辑：“投资不足”风险远大于“过度投资”风险
    6. 13:43细拆经济账：“比尔总会吃掉安迪”，集中化比分布式更经济，训练速度决定竞争胜负
    7. 15:59算力需求从以训练为主，转向以推理为主（未来或占80%以上）
    8. 18:03推理可以更分布式，但规模集群要比小数据中心节省运营成本
    9. 21:14AI发展的最大瓶颈已从“缺芯片”转变为“缺能源”
    10. 22:30美国每年落下20吉瓦缺口，相当于2～3个纽约的用电
    11. 23:57新建数据中心的短期应对策略：争取余量+天然气发电为主
    12. 24:55Sam Altman的核裂变公司Oklo，还在施工股价就涨疯了
    13. 26:10考虑到不同能源的容量系数，新增电力仍难填缺口
    14. 28:22发电后如何输送到美国脆弱的电网系统，也是个难题
    15. 29:25建数据中心的成本：1吉瓦数据中心≈500亿美元
    16. 30:40燃气涡轮机订单排到2028年，马斯克横扫全美70%库存
    17. 34:52变压器核心材料硅钢进口受限，制约电网基础设施升级
    18. 37:17英伟达构想供电新方案，应对机柜功耗指数级飙升
    19. 42:54今年美国数据中心的用电量占全国5%，接近整个加州的用电量，并且2030年将翻倍
    20. 24:46为什么中国年增电力，能做到美国的8～10倍？
    21. 46:19避开长距离传输短板，美国科技公司选择在数据中心旁自建发电站
    22. 48:34美国电力建设，带火了哪些能源股？
    23. 51:24大规模AI训练真相：每周货车运送100吨故障芯片返厂
    24. 32:47根据媒体公开报道，马斯克在xAI 在孟菲斯的 Colossus 2 数据中心已经安装的是 119台风冷冷水机组，涡轮机为小几十台。
  • 10-24E211｜站在内容创作者与机器人的交界处：聊聊3D数字人的进化
    1. 02:45从Sora2的发布，看“文生视频”的进步与局限
    2. 05:58Text-to-Video与Text-to-3D的核心区别：像素和参数
    3. 08:55成本革命的基石：文生3D多模态大模型（星云平台）
    4. 13:33传统虚拟数字人是如何动起来的？
    5. 16:34好莱坞有数据无算法，AI公司有算法无数据
    6. 19:46柴教授的从业经历：从机器人控制到数字人动画
    7. 20:46Jessica Hodgins：数字人物理动画的先驱
    8. 22:24很多做Robotics很厉害的人，其实都是做动画的
    9. 26:49“交互-游戏-好莱坞”，渐进式的技术落地路线图
    10. 29:45虚拟数字人的两条岔路：预制的完美v.s实时的鲜活
    11. 32:07AI渲染+分层模型，终结“显卡依赖”
    12. 37:02B端的统一形象与C端的个人分身
    13. 40:36规模化落地需翻越“三座大山”：质量、延时、成本
    14. 42:21自研语音，风格化“人设”为数字人注入灵魂
    15. 45:07对机器人产业判断：白领场景将早于蓝领场景落地
    16. 46:13用海量3D动作数据教机器人动作规划，但缺乏力的反馈
    17. 47:18从“运动学”到“动力学”，小脑进化仍需强化学习突破
    18. 49:23从“爬楼梯”这件小事，看数据如何促进泛化
    19. 58:33跳脱细节调配，机器人研究进入“黑盒模式”
  • 10-22E210｜日本“失去的30年”，炼成了中国餐厅排队王？
    1. 06:45连海底捞都想开的回转寿司，翻台率高到可怕
    2. 12:52食材成本近50%的寿司品类，是如何控制成本的？
    3. 14:09从回转寿司技术迭代，看日本擅长的“线性创新”
    4. 21:54回转寿司是个超级工厂，我们是流水线上负责吃的“工人”
    5. 24:38一份萨莉亚的意面，背后也有效率的提升
    6. 25:50垂直供应链很好，但不是每个国家都适合
    7. 29:11警示：极致降本增效给日本社会带来了什么？
    8. 30:59“表演式烟火气”：餐饮标准化下的致胜法宝（e.g.丸龟制面）
    9. 36:33日本版“滴灌通”venture link：盘活连锁餐饮后，为何自己破产了？
    10. 40:59“中食”的兴起，日本给中国“预制菜”的启示
    11. 47:59日本餐饮创业的“阶段化”和“分工化”（e.g.七宝麻辣烫）
    12. 52:19中日土壤大不同，照抄经验可就太偷懒了
    13. 58:57日本餐企重估中国市场：曾经败北，如今意外适配“通缩”环境
    14. 59:31日企出海的最大挑战：“非语言默契”的文化壁垒
    15. 62:15杨国福日本爆火背后的“口味经济学”
    16. 63:51会表演、有没包袱的品牌，适合去日本闯闯看（e.g.M Stand咖啡）
    17. 65:29给中国餐饮出海日本的两点建议
  • 10-13E209｜挑战Neuralink，硅谷大佬争相涌入的超声脑机接口是什么？
    1. 01:00AIAS 2025研讨会
    2. 03:56传统电学脑机接口原理——通过电信号解码&编码大脑
    3. 05:12为什么做超声脑机接口：整体地解读大脑，去接近思维意识的终极答案
    4. 08:47功能核磁成像（fMRI）是人类第一次对大脑整体进行解码，但缺乏时序性
    5. 11:16当脑机接口的时间和空间的分辨率都达到极致，大脑在我们面前就是透明的
    6. 12:34目前最先进的Neuralink，只能覆盖大脑表面空间1.3‰
    7. 14:43以“摩尔定律”预测电学脑机接口发展，不断缩小的中美差距
    8. 17:41空间覆盖上，一个超声脑机接口可覆盖大脑区域的25%
    9. 18:49时效性上，都是实时，但电信号和血流信号天然存在时间差
    10. 20:43电学脑机接口擅长“读”，做运动解码和语言解码
    11. 21:13超声脑机接口擅长“写”，以相控阵方式对神经元产生影响
    12. 22:06超声脑机接口的第一个应用场景：疼痛管理
    13. 24:17超声脑机接口不存在“侵入式”，更易被接受
    14. 26:13用于调控的超声能量大，用于大脑更需谨慎，拿证需时间
    15. 30:22第二个场景：减少缺血性脑中风患者的神经元死亡
    16. 30:54第三个场景：为阿尔茨海默提供治疗新路径
    17. 33:19第四个场景：睡眠管理
    18. 34:30更多场景：抑郁症等精神类疾病、成瘾、癫痫等
    19. 37:22盘点值得关注的5家超声脑机接口公司，都是谁在投？
    20. 41:28AI大佬押注脑机接口，神经科学跟人工智能是一个硬币的两面
    21. 42:31黑客帝国红蓝药丸现实版：是否要选择基因改造大脑？
    22. 44:12人脑+AI融合共生的终极形态：人脑改造和数字颅骨
    23. 48:03下一代AI可能告别冯诺依曼架构，变得更像大脑“湿件”
    24. 51:19为什么拿了诺奖的“人工智能之父”Geoffrey Hinton说他想回到神经科学领域？
    25. 52:00另一个诺奖得主、谷歌高管Demis，研究细胞AI化，还成立了Isomorphic Labs（同构实验室），要“治愈一切疾病”
    26. 54:57不同于语言模型的精确性，AI的下一代世界模型的模态是不可精确描述的
    27. 57:04人工智能、具身智能、脑机接口——这三个事迟早会交叉在一起
    28. 58:40如果我们无法破解大脑的工作机制，所有调控都是“瞎子摸象”
    29. 01:04:08脑机接口能真正推动全脑视角的研究，成为生命科学底层的重要工具，如同基因测序
    30. 01:06:14医疗领域的中美创业环境对比
    31. 01:11:29马斯克说的“2028年实现知识和记忆上传”靠谱吗？
    32. 01:16:38从嘉宾六次创业经历，看中国互联网20年创业浪潮

2025 年 9 月

4 期
  • 09-24E208｜量产CEO这事儿，是怎么被宝洁办成的？
    1. 05:10宝洁的招人逻辑，更重先天特质而非后天技能
    2. 11:10怎样的面试和互动，更能发现优秀人才？
    3. 18:30挖人才、留人才，开哪些条件更管用？
    4. 26:03宝洁的Coach机制，是怎么帮助员工成长的？
    5. 31:04培养人才时，大多数公司的“盲区”
    6. 34:06所谓的“领导力”，到底怎么个培养法？
    7. 36:49源源不断的职场导师，源于好的企业文化
    8. 40:38关于一个优秀Coach的职业素养
    9. 42:29唯快不破的商业社会，怎么学宝洁的“慢培养”？
    10. 49:17中美商业社会，还有哪些人才培养超级公司？
    11. 51:53闪亮亮的空降高管，怎么就不好用了？
    12. 57:41给空降高管多少时间练手算合适？
    13. 59:13空降高管的“磨合加速剂”是什么？
    14. 1:04:27想成为能被培养的潜力股，嘉宾给了些锦囊
  • 09-18E207｜智能体创业者们的成本突围与商业落地
    1. 01:36今年智能体最火的赛道：编程类、垂直类、通用类
    2. 06:35如何在调用工具方面帮助语言模型降低成本？
    3. 09:12智能体将优先解决播客创作者的哪些刚需工作？
    4. 11:14当Chat Bot取代前端网页，工具生态的开放是无法撤回的趋势
    5. 12:55提升体验的关键下一步：Human-in-the-loop
    6. 14:09身份智能体不是为了doing something，而是关心你的being
    7. 15:12身份类智能体，会是下一个时代的Facebook主页吗？
    8. 16:49智能体收集个人数据，需要什么样的生活记录器？
    9. 18:01与文生图工具相比，设计类智能体需要了解你的审美偏好，实现个性化的创作
    10. 20:04设计师在画布上直接调整AI产出品，快速灵活地迭代
    11. 20:52"NanoBanana们"的出现，对设计智能体是冲击还是利好？
    12. 22:00调用模型占成本80%～90%，单次复杂任务8～10美元，做C端都在亏钱
    13. 25:14C端公司如何在保证体验的前提下优化推理成本？
    14. 28:43从财报看编程类智能体Cursor：风光无限下隐藏着双重危机
    15. 32:01SFT（监督微调）受制于数据和标记，RFT（强化学习微调）路径亦会面对诸多问题
    16. 35:35在SFT"撞南墙"之后，过去没人愿意做的Exploration越来越重要
    17. 37:14强化学习中两种更新模式的差异：Training time 和Inference time
    18. 37:57盈利展望：B端、垂直领域有望打平，C端看模型厂商脸色
    19. 38:56产品驱动型公司的方法论：重视社群，寻找需求共通性，避免成为咨询公司
    20. 40:17身份智能体的商业化：参考社交网络，不当工具，尽可能少收费，押注增长
    21. 43:46AI创始人都在讲科幻故事的时候，科幻小说家没有小说可以写了
    22. 44:50AI行业市场活动过于雷同，KOL拉流量的做法还能走多远？
    23. 46:54Pine：一个结果导向型的Agent，处理争议账单
    24. 47:28Claude Code SDK：或成为新时代的NVIDIA
    25. 48:44Lovable：提升产品设计沟通效率
    26. 50:00Cluely：使人在复杂性会议中提升自信
  • 09-09E206｜临近机器人GPT-3时刻，具身智能开源模型的加速演进
    1. 05:362025年关键进展：模型通用性提升，开始泛化能力探索
    2. 07:38何为模型泛化能力：从熟悉环境到陌生环境的能力一致性
    3. 11:44泛化核心难点：长尾问题、数据采集与缺乏标准评测体系
    4. 16:04如何评判具身智能模型能力：对比任务学习数据量与现实应用表现
    5. 17:17其他两大难点：数据质量与数量平衡、硬件维护缺乏统一平台
    6. 20:03为何需要至少100万小时的数据，才能构成优秀的大模型？
    7. 23:06人类VS机器人学习机制对比：人类的进化已包含了“预训练”
    8. 27:14合成数据在机器人领域的应用：降低数据收集成本，但难以模拟现实物理交互
    9. 31:35具身智能开源模型WALL-OSS发布：上万小时真实数据，补足当前开源模型的欠缺能力
    10. 35:36WALL-OSS模型开源动机与优势：降低研究门槛，加速生态创新
    11. 38:03架构之争：端到端统一训练VS分层系统设计，模型技术路径尚未统一
    12. 40:58从VLA（视觉语言模型）出世后，具身智能模型路线开始走向趋同化
    13. 44:10具身模型已达到GPT-2的水平，将在1～2年时间达到GPT-3水平
    14. 45:31中美机器人技术路径区别：美国自上而下、先做大模型，中国从现实需求出发、双轨并行
    15. 52:31抓到耗子的都是好猫：算法与操控的难度平衡
    16. 54:12模型高频控制的意义：对未来情况做决策，但更高频率无意义
    17. 58:13视觉难以对未来做精确的预测和建模，但能弥补触觉缺失与力的反馈
    18. 01:00:20传感器比想象更成熟，但机器人还是依赖视觉作为主要训练参数
    19. 01:01:31家用机器人预测：2～3年内进入半结构化场景，5～10年全场景使用
    20. 01:05:29如何平衡商业化与研发：尽可能服务于开放式场景，提高公司组织能力
    21. 01:08:43现实部署的机器人量越大、场景越多样，数据反馈和模型迭代效果将越好
  • 09-01E205｜和丛乐聊基因编辑：碳基生命如何面对硅基挑战？
    1. 00:08硅谷101创业挑战赛报名
    2. 02:442013年Science的CRISPR-CAS9论文为何重要？
    3. 05:51求学之路：从George Church的读基因到张锋实验室写基因
    4. 09:05基因编辑研发之路：锌指蛋白到CRISPR技术，成本降低1000倍
    5. 12:15灵感起源：09年的一篇报告、一篇论文与一次深刻的聊天
    6. 17:50原创科研，很多人没看清楚路的时候，极好的眼光与判断力
    7. 18:33一场速度的竞赛：过于完美的准备是否正确
    8. 21:03诺奖风波：褒奖理论研究者还是应用？
    9. 21:49张锋实验室论文疯狂发表期：底层技术突破后应用全面开花
    10. 23:40专利之战：上亿美元的诉讼费
    11. 25:55基因编辑的应用：让土豆保存时间更长；改造蚊子不再传播疾病
    12. 27:52硅机进化速度过快，为什么碳基生命进化速度这么慢？
    13. 30:58基因编辑如何治愈疾病：地中海贫血、肝脏与心脑血管罕见病
    14. 32:51喝酒脸红可以改变，单个基因影响的细胞基因编辑更容易
    15. 36:30基因编辑的三重难点：安全问题、递送最难、方案设计
    16. 42:15线粒体蛋白RNA编辑，下一个类似于Cas9的范式改变？
    17. 44:01与王梦迪教授+Deepmind联合开发的CRISPR-GPT：设计实验流程
    18. 45:06如何避免幻觉：真人数据强化学习+评测+多智能体审核员
    19. 51:13CRISPR-GPT如何帮助研究者编辑阿兹海默的影响基因ApoE4
    20. 59:53基因编辑的使用边界与人类未知的蛋白
    21. 63:04顶级研究者：独立思考、快速失败、批判性思维
    22. 64:43频繁陷入争议的George Church：倾向于说yes的性格
    23. 68:28从更底层价值观上重新思考硅基智能与碳基生命

2025 年 8 月

2 期
  • 08-21E204｜运动品牌的成长烦恼：lululemon低谷与新品牌狂飙
    1. 05:00lululemon的困境，可能更是女装品类的困境
    2. 06:57Alo Yoga定位：lululemon目标用户的“女儿”
    3. 08:57Alo Yoga和Vuori怎么一点点蚕食掉lulu的市场份额
    4. 12:35不扩品类和人群，lululemon还有其他增长方式吗？
    5. 16:54“男版lululemon”安德玛跌下神坛，可能是因为它太想进步了
    6. 22:31耐克和阿迪达斯，是怎么成为多轮周期的幸存者的？
    7. 26:54运动鞋服的“大杀器”，在“鞋”而不在“服”
    8. 32:01解密Alo Yoga：因社交媒体而爆火，相比功能营销更擅长视觉营销
    9. 37:25跑鞋品类的疯狂增长，怎么和人口老龄化挂钩的？
    10. 39:03昂跑和HOKA，靠“长得丑”和耐克抢生意？
    11. 43:58股价5年涨8倍，“平平无奇”的亚瑟士是怎么无招胜有招的？
    12. 47:40体育品牌的叙事逻辑，正在越来越去中心化
    13. 53:38阿迪的新方向与大下注，脱离专业竞技的讲故事方式
    14. 55:58中国本土运动户外品牌，靠什么阻击国际品牌？
    15. 59:57闯出来的本土新品牌，为什么都集中在女性运动和户外上？
    16. 1:03:05创业品牌的下一步，勇敢提价还是硬卷平价
    17. 1:06:08陷入成长陷阱前，本土新品牌们先稳稳做到10亿吧
  • 08-16E203｜股票代币化时代，揭秘Robinhood商业模式与加密野心
    1. 03:04两种路径：Robinhood vs XStocks
    2. 04:01证券衍生品：立陶宛MiFID II+收购BitStamp MTF双牌照监管
    3. 07:24“镜像”而非“映射”：类似CFD差价合约，模拟分红收益而非真实股东权益
    4. 09:52代币化股票不可铸造和赎回，不具备稳定币式1:1映射特性
    5. 10:29Arbitrum链上记账：具体信息未披露，为未来1:1映射铺路
    6. 12:05“零佣金”Robinhood的核心盈利模式：卖客户订单流（PFOF）
    7. 12:38返点差异巨大：股票0.8BP，期权8BP，加密高达55BP（约股票45倍）
    8. 13:26加密暴利模型：单笔55BP收入=返点+滑点+路由溢价
    9. 15:08战略转型动因：加密交易降温倒逼Robinhood探索股票上链
    10. 16:04Robinhood野心：万物上链后，全资产按加密返点逻辑盈利
    11. 17:00股票订单流返现多国已禁：欧美等市场对PFOF管控严格，加密仍无监管
    12. 19:20Robinhood风险：一旦暗收费模式纳入监管，加密收入将受冲击
    13. 21:09商业模式的秘密：零佣金表面优惠，但通过买卖价差暗中获利
    14. 23:52PFOF的类投行模式：Robinhood销售+Citadel交易模式
    15. 25:28其他券商模式：Coinbase撮合、eToro对手盘、盈透以利息收入为主
    16. 26:25违反公平，欧盟、英国、新加坡、加拿大、澳大利亚禁止PFOF模式
    17. 28:32PFOF：民主党反对，共和党默许，中期选举决定下一步战略
    18. 31:01山寨币做市商通过返点和滑点，每日“抽血”约480万美元
    19. 36:25二阶段布局：1:1映射代币+链上抵押借贷，但技术和合规细节仍待落实
    20. 37:42为何说xStocks合规风险大
    21. 42:26Robinhood或冲击美股交易和传统金融
    22. 44:02美国化债：第一步稳定币，第二步万物上链
    23. 46:21若美国主导链上KYC和白名单，其他国家税源将严重流失
    24. 50:45CFD→STO过渡障碍：主要是合规门槛，而非技术问题
    25. 52:17SEC主席：券法的100多年只有四个项目使用Reg.A发行
    26. 53:39WSB事件回顾：Robinhood因账期与保证金危机被迫暂停交易
    27. 56:22Trump Coin Moonshot危机事件：10亿+美元资金缺口，靠紧急支援化解
    28. 58:24从T+2到链上清算体系引发的交易危机
    29. 01:01:56链上7×24小时交易效率跃升，但多层架构仍限制完全实时
    30. 01:02:36未上市公司代币化：OpenAI、SpaceX等CFD衍生品可能影响估值与定价
    31. 01:05:32IPO革命：充分流动的一级半市场剥夺投行定价权
    32. 01:08:47风投或受挤压？或被迫转战早期或学习二级博弈

2025 年 7 月

5 期
  • 07-31E202｜对话肖风：在香港稳定币的沸腾时刻，一些回归常识的冷思考
    1. 01:15给稳定币热降降温：香港的监管会「出乎意料的严格」
    2. 03:19反差：内地讨论稳定币关注「大国货币竞争」视角；香港更关切反洗钱漏洞
    3. 06:10回望来时路：在香港监管机构受冷遇
    4. 11:12新的希望：「内地会从接受稳定币开始，接受整个Crypto」
    5. 13:11「既然开始接受稳定币，就必然接受公链，否则你的稳定币不会有全球竞争力」
    6. 13:16「明年这个时候，内地可能开始接受资产代币化，毕竟 RWA 能支持实体经济」
    7. 13:38「接受 RWA 之后，未来第三步可能接受比特币」
    8. 14:44影响中国拥抱数字资产的挑战：坑蒙拐骗增加
    9. 18:04重新读懂 RWA（现实世界资产）的三个阶段：法币代币化；金融资产代币化与实物资产代币化
    10. 24:14今天市场上的讨论都是从货币的角度解读稳定币，缺乏对底层逻辑变革的思考
    11. 24:48人类记账方法的三次变迁
    12. 31:52分布式账本在重构金融市场基础设施
    13. 33:42纽交所为何推行23小时交易，而不是24小时？
    14. 38:34香港修订反洗钱条例后的三张牌照：7号牌、VATP、货币兑换点牌照
    15. 39:05香港加密资产反洗钱监管政策的变化和核心框架
    16. 44:05为什么加密资产反洗钱措施比传统金融更有效？
    17. 47:22稳定币真实用例
    18. 52:17「稳定币被创造出来不是为了支付」
    19. 55:49联盟链上的稳定币不会成功
    20. 56:41「成功的应用都是在无需许可的状态下出来的」
    21. 58:13传统券商和加密资产交易所之间的竞合
    22. 01:00:53合规数字资产交易所价值何在？
    23. 01:04:14香港有望成为数字资产交易中心
    24. 01:06:19香港又成为资本市场宠儿的两个原因
    25. 01:09:11新加坡的定位是亚洲的瑞士，香港的定位是亚洲的华尔街
    26. 10:18:15HashKey上市的目标和选择
    27. 01:19:5513/14年初次接触区块链时在海外看到的新世界
    28. 01:21:29如何给 Vitalik 和以太坊开出第一张支持的支票
    29. 01:22:4816 年支持以太坊开发者大会在上海举办，看到参会者面孔的瞬间
  • 07-26E201｜OpenAI挑战通用型AI Agent，聊聊Agent的底层架构、AGI转折点与RL人才分布
    1. 00:21拆解AI Agent技术路径：什么是“聪明机器的大脑”？
    2. 02:12ChatGPT Agent一手实测：浏览器操作如超人 VS 速度慢如蜗牛
    3. 04:26视觉能力加持：Action体验有提升，但仍需等待
    4. 05:45旅行规划场景：支付环节仍需人类介入，信任门槛尚未跨越
    5. 08:11“全部推翻重来”：缺乏个性化机制、记不住反馈细节
    6. 10:07ChatGPT Agent“打通搜索与执行”的本质：Deep Research + Operator的“拼贴工程”
    7. 12:31通用Agent技术类比：Operator最早专注Browser操作，如今叠加Sandbox后，在通用Agent里表现最强
    8. 14:52四大技术方向优劣势对比：
    9. 15:40浏览器为主：通用性强，但速度慢、体验差、成本高
    10. 17:21开放虚拟机：本地运行快，但访问互联网等外部服务不易
    11. 17:37大模型+虚拟机：GensPark模式，相对环节更封闭
    12. 18:46Workflow+工具集成：Pokee模式，交付好但不是所有任务都能做
    13. 20:23Manus模式：Browser-based，Sandbox强，全能但慢
    14. 22:28Genspark模式：标化工作流，牺牲通用性换取速度与稳定性
    15. 23:41Pokee模式：速度快成本低，但范围受限
    16. 26:52B端客户还是C端客户，适用场景与底层技术逻辑完全不同
    17. 29:36Agent将重塑互联网入口，传统门户流量将大幅下滑
    18. 32:03MCP无人维护：2万个协议中，真正可用的不到200个
    19. 33:47Agent时代的广告逻辑大变：反而更有利于创作者？
    20. 38:52强化学习适用场景：目标明确、机制清晰但数据稀缺
    21. 41:50新兴路径：强化学习预训练（RL Pretraining）
    22. 44:40一个非共识：验证（Verification）方向的泛化性，可能产出人类所不拥有的知识
    23. 46:51AGI五级路径中，“执行者”(L3) 与“创新者”(L4) 间存在巨大技术鸿沟，核心在于验证能力
    24. 50:37强化学习预训练的致命弱点：给出的解决方案可能“人类都看不懂”
    25. 52:43强化学习（RLHF） Vs 监督学习微调（SFT）：效果×2，但成本×10
    26. 54:08Meta收购Scale：多模态数据仍然是瓶颈
    27. 56:46多模态数据的最大挑战：数据复杂 + 维度多 → 主观标准难统一
    28. 57:59AI的核心问题：短期算力，中期数据，长期人才
    29. 59:10如何让Agent调用更好用？自研模型
    30. 01:03:33平衡模型能力与用户体验：模型能力决定下限，产品细节决定上限
    31. 01:05:42RL奠基人、2024年图灵奖得主Richard Sutton：想法极具前瞻性，且坚持原则
    32. 01:07:47模型可塑性挑战：AI的“灾难性遗忘”亟待解决
    33. 01:09:56奖励函数设计难：强化学习中如何设定“道德且有效”的多目标激励
    34. 01:11:47RL核心研究圈：学术界与业界均高度集中
    35. 01:12:50从AlphaGo开始，伦敦成为强化学习研究的重要中心
    36. 01:15:28如何像投资人销售过于超前的想法：只说一个非共识
    37. 01:16:58市场正在分化，技术路径选择是创业公司活下来的核心
  • 07-17E200｜投资人视角深聊：AI Agent的核心壁垒与投资逻辑
    1. 00:12硅谷Agent公司融资热：Cursor, Windsurf, Devin, Glean, GensPark, Manus……
    2. 2:29Agent爆发引擎：公司增速惊人 + 应用场景爆发 + 开源模型迭代
    3. 4:21定义Agent：可自主处理复杂任务，但需人类提供工具和知识库
    4. 7:33直面模型层竞争，Cursor用户大量转向Claude Code
    5. 08:42Claude Code非独立IDE，但集成工具好
    6. 09:28新入场的编程玩家：Grok4、Genimi CLI终端
    7. 12:15Cursor、Windsurf凭何突围？AI集成+自动补全 vs 多步骤执行
    8. 14:10“卷王”Cursor：快速迭代竞争 ，越“冲”越兴奋
    9. 15:11ToB垂类模型：数据好、成本低、市场大
    10. 16:407人小团队逆袭：一星期完成60亿美元商业票据合作
    11. 20:20破解幻觉难题：提前布局底层架构 + 强化学习
    12. 22:15微调小模型“真香”：低成本 + 强隐私
    13. 24:05通用Agent困局：通用Agent解决行业问题成本太高
    14. 28:05周末大瓜：OpenAI谈崩，谷歌24亿拿下Windsurf 核心团队
    15. 31:25几十亿美金的并购通胀时代：僧多粥少助推Agent泡沫
    16. 32:57大模型时代的创业公司生存哲学：时间先发优势变弱，该卖就卖
    17. 36:54Manus大火背后：用户只要端到端结果，谁管你指挥几个AI
    18. 39:31中国企业持续付费意愿低，收入上限明显
    19. 41:23押注通用Agent：成功率低，但没有梦想=咸鱼
    20. 42:13重点布局复杂ToB垂类：懂行业、通流程才是壁垒
    21. 46:33看好的ToC赛道：个性化、重情感的陪伴机器人
    22. 47:23GPT-4精准诊断EB病毒后，健康管家是刚需
    23. 49:06Agent的灵魂：记住你，更懂你
    24. 51:00中美投资分水岭：美国看团队能力，中国算商业收入
    25. 51:55风险投资不再起最重要的作用，巨头逐渐掌控Agent赛道
    26. 53:00创业者的曙光：中途并购也是胜利
  • 07-14E199｜悬赏1亿美金逆转人类10年生理年龄，抗衰疗法距离落地还有多远？
    1. 2:26赛制介绍：7年，1.01亿美金奖金，逆转10年寿命
    2. 4:09参赛感受分享：契合公司研发方向，看重平台公信力、科学执行和奖金诚意
    3. 6:46众星璀璨的组织团队：非执行董事包括谷歌创始人Larry Page，大导演James Cameron
    4. 10:12参赛团队方法保罗万象：前沿科技如基因疗法、细胞/类细胞疗法、传统药物治疗等；生活方式干预如运动、营养方案
    5. 12:22参赛公司之一Longeveron，以间充质干细胞疗法抗衰，已在Nasdaq上市
    6. 17:18介绍抗衰机制：14个衰老标志（参见后文相关名词和概念解释）
    7. 26:29理想情况14个衰老标志一切正常可实现人类寿命永续，但实际上很难达成
    8. 31:29抗衰疗法设计通常以一个衰老标志为靶标，但往往会影响到多个衰老标志；需要通过临床试验评估可能的脱靶效应造成的健康损害
    9. 36:51抗衰研究最重要的工作之一是建立衰老时钟，衡量人类相对于生理年龄的“健康”年龄，当前分析维度高达几亿、几十亿
    10. 39:53指标的采集和校准与采集人群规模高度相关，受经费所限，需要选取更有研究价值的人群
    11. 42:29测量年龄的颗粒度可以到器官，也可以跟当前的临床体系接轨
    12. 44:50微观指标可以提示未来疾病风险，在探索通过血液指标（如DNA甲基化或蛋白)做癌症预测和早期筛查
    13. 45:56AI如何辅助衰老时钟形成？研究中结合机器学习模型方法、可解释的AI探索
    14. 49:33生物标志物联合会(Biomarker of Aging Consortium)每年在波士顿召集科学家、产业从业者进行衰老时钟学术讨论、建立共识
    15. 53:19如何衡量10年寿命逆转？参赛团队”自带标尺”，需要获取组委会/同行审议认可
    16. 55:59以抗衰/延长寿命为临床试验终点的探索只有二甲双胍在进行中
    17. 1:00:12对于比赛更前沿科技的抗衰方法，仍需符合监管框架，与研究团队正在进行的临床研究相结合
    18. 1:03:11未参赛神秘的抗衰赛道的明星公司Altos Lab聚焦细胞重编程疗法，初始融资高达30亿美金
    19. 1:09:09通过对照试验，在衰老时钟指标观测维度下，比赛中1年的临床试验也可以获得初步临床证明
    20. 1:13:37最省钱的抗衰方法：冥想、运动
    21. 1:14:32补剂、创新型抗衰疗法不一定适用于每一个人，需要充分了解个人健康状态和需求进行干预
    22. 1:15:49适当走出身体感受舒适区对于抗衰有好处：冷暴露、热暴露
  • 07-07E198｜美国药价为何是欧洲的5-10倍？聊聊美国药价之困与制药公司崛起的秘密
    1. 01:59“政治献金对我没用”，特朗普宣称让美国药品降价30%-80%
    2. 04:07私有产权保护的立国哲学：2003年法律禁止政府直接与药企谈判药价
    3. 07:44美国医药行业一支独秀：贡献全球大型药企35%-80%收入
    4. 08:32药品降价或瓦解美国“全球医疗创新”高地地位
    5. 09:06同样的药，美国的价格为何是欧洲的5-10倍
    6. 09:54Medicare包含B部分（门诊医疗保险）和D部分（处方药计划），D部分外包给商保谈判
    7. 10:59以减肥药为例，药企定价参考历史同类药品，新药疗效好则定价更高
    8. 12:06挂牌价水分巨大：与进价差距可达50%，且进价不透明
    9. 13:17商业渠道定价：产品包整体谈判（Bundle Pricing）
    10. 14:38政府渠道定价：D部分外包给保险公司，定价逻辑类似于商业渠道
    11. 15:04政府渠道定价：B部分很少外包，药价较低
    12. 16:07罕见病药定价可达 212万美元/针：独家垄断、刚需性强、市场小、研发成本高
    13. 18:05医保公司非常乐意囊括罕见病药：参保者多，用药者少
    14. 19:11第一代减肥药GLP-1定价：因减肥疗效所需剂量增加，定价高于治疗糖尿病时的价格
    15. 20:56多方博弈的定价哲学：低价用药的个体利益 VS 新药研发的行业长期利益
    16. 22:59欧洲非重症药定价远低于美国，但罕见病药、肿瘤药价格与美国差距小
    17. 26:18中国“灵魂砍价”背后：用扎实的全球调研，摸透不透明的药价市场
    18. 28:36带量采购压低仿制药价格，过度竞争导致“麻药不麻”
    19. 29:57《我不是药神》的背景：中国创新药药价之痛到灵魂砍价
    20. 32:47美国学习中国新思路：拜登2023年IRA法案重启药品谈判价格
    21. 34:35美国药企ROI大概20%左右，9年还是13年后重启药价谈判差异巨大
    22. 38:44现有政策正在影响一大批公司的药物开发策略
    23. 41:54吉利德靠一款丙肝药成为“药品界的印钞机”，也引发抗议游行
    24. 45:59丙肝药在中国的价格，最后如何降低至美国的3%
    25. 46:43药品全球定价策略：韩国为发达国家药价“洼地”
    26. 47:51特朗普指责欧洲未支付公平份额，扬言调查OECD国家低价机制
    27. 49:39美国医药产业为何一支独秀：全球最大的药品市场+顶尖学术体系+雄厚的研发基金+精英监管团队
    28. 54:19中国的生物医药崛起：患者资源多推动临床发展
    29. 55:39推动药价改革的标志性争议一：吉利德丙肝药的高价
    30. 56:54推动药价改革的标志性争议二：对冲基金经理收购垄断性老药提价
    31. 59:33美国药品仅占医保支出的10%，但剩下90%是票仓
    32. 01:01:47PBM抽成：佣金高达药价30%-70%
    33. 01:02:24PBM定位：药价体系中最强势却最少被公众了解的一环
    34. 01:05:24药企在美国公众心中形象太差
    35. 01:07:50PBM流程优化：零售巨头直采+披露回扣提升透明度
    36. 01:09:00终极难题：短期降价诉求 VS 长期创新动力，体系痼疾如何破局？

2025 年 6 月

4 期
  • 06-20E197｜七大模型多模态之争，AI如何改变动漫产业？
    1. 2:22动漫番剧的制作周期困局：排期等三年，顶级工作室档期爆满
    2. 3:38动漫市场年增长率基本保持10%以上
    3. 4:55低数字化与匠人精神：动漫制作30%-40%仍为纸上手绘
    4. 6:46成本差异：日本单集40万美元vs好莱坞千万级
    5. 8:02国漫正以前所未有的速度发展，但人才密度和优质运营管理模式不足
    6. 9:55动漫差异：审美是关键
    7. 11:21AZUKI设计：前《守望先锋》爆款总监操刀 ，但美国产能容不下东亚二次元？
    8. 14:41【类别一：传统派】借力 AI 补全中间帧，却困于细节差错
    9. 19:58补中间帧： AI 提效的首要场景，但5%-10%的细节误差严重破坏观感
    10. 21:25“精细”是动画的生命：关键帧关乎创意性与可信度
    11. 26:18【类别二：颠覆派】部分新兴公司的选择：围绕AI设计全流程
    12. 27:04KAKA Creation的30分钟AI动画：水平及格但艺术性欠缺
    13. 32:04【类别三：折中派】ChatGPT模拟导演，人机协同破审核效率困局
    14. 39:26回溯美术史，技术变革催生新的形式创新
    15. 43:427+大模型“你追我赶”，周更竞争
    16. 48:2720秒以上的AI视频：逻辑连贯性不足，市场需求欠缺
    17. 50:51三字总结视频大模型：不够好
    18. 52:09规模化生产拦路虎：token不足，算力成本高昂
    19. 52:48人物眼神与手部稳定性显著提升，AI穿帮问题基本解决
    20. 55:15语音生成的伦理争议：日本声优协会公开反对AI模仿声线
    21. 56:46配音与音乐领域，AI已完全达到人类水平
    22. 58:07好听的音乐总是相似的，AI容易复制
    23. 01:00:25人才断层，AI切断新人进阶的“梯子效应”
    24. 01:05:42“你的品位可能决定了模型的品位”
    25. 01:08:38“我们这一代的选择，可能影响人类技术与艺术的关系”
  • 06-13E196｜稳定币之战：Circle崛起之路与传统金融入局的新势力角逐
    1. 03:57Circle为何火爆：数字化美元重新定义华尔街与金融
    2. 05:35美国《天才法案》推进：3年2万亿，稳定币市场规模暴增
    3. 10:15《天才法案》监管细节相对清晰，但对于行业巨头Tether是一个大考验
    4. 15:072018年行业第一批稳定币热潮，USDC应运而生
    5. 16:58稳定币之前Circle的三大业务：钱包、交易所、场外交易
    6. 20:212019年加密货币寒冬壮士断腕：砍掉全部其他业务
    7. 23:57故事的开始：2018年Circle与Coinbase推出合资公司
    8. 30:08Coinbase强背书很值：流通性才是稳定币最大的挑战
    9. 32:582023年的重新谈判：招股书的两份细节协议拆解回购与合作细节
    10. 34:47收入超过56%付给Coinbase：付给Coinbase 9亿美元，币安仅6000万美元
    11. 35:49为何《天才法案》不允许稳定币发行方给用户付息？防止卷到倒闭
    12. 36:28Circle与Coinbase的大隐患：联合推广是否算变相付息？
    13. 38:16传统金融入局的六大中心化稳定币联盟
    14. 43:34Circle最大隐患——能否摆脱Coinbase协议的法律细节解读
    15. 47:55USDC发行量变化的关键节点
    16. 56:13Coinbase全力支持是USDC起量的关键
    17. 58:43如果不是美联储救硅谷银行，USDC就大势已去
    18. 1:00:00USDT与USDC区块链分布区别：孙宇晨的波场占USDT量过半
    19. 1:01:39备付金比较：USDC结构像余额宝；USDT 18%的不合规备付金赚了50%收入
    20. 1:02:51“泰达是整个区块链世界最大的放贷机构”
    21. 1:07:40推广还是倒贴：市场冠亚军差别巨大
    22. 1:08:29USDC的合规之路：代价巨大，但是长远竞争力可能超过Tether
    23. 1:12:43传统金融机构稳定币困局与核心：分发+流通性
    24. 1:13:12稳定币市场赢者通吃？
    25. 1:14:23稳定币未来扩张路径设想：通过ToB场景触及消费者+链上交易
    26. 1:21:26土耳其、非洲通货膨胀、货币贬值，已经稳定币化了
    27. 1:24:04不要教育用户，而是悄无声息嵌入现有金融体系
  • 06-10E195｜从工具到伙伴：七位AI Agent深度使用者的思考
    1. 00:53什么是AI Agent？技术极客vs普通用户的不同理解
    2. 03:23Agent的三重身份：思维教练、生活秘书、工作搭档
    3. 05:44播客制作的AI革命：从一键剪辑到自动宣发
    4. 09:28令人头大的槽点：指令失灵、炫技大于实用、缺乏人情味
    5. 16:53关键思维转换：从Agent“使用者”到“共创者”
    6. 17:55为什么Agent容易“眼高手低”？聪明但缺经验的实习生
    7. 20:20如何让Agent“更听话”？需要天马行空，也需要指哪打哪
    8. 22:12暗信息依赖度：哪些场景最易被Agent颠覆？
    9. 23:03多Agent协作：从单兵作战到团队配合
    10. 24:10企业级应用最大挑战：安全、权限与数据治理
    11. 28:28新数据时代：为什么传统SaaS的数据壁垒可能不再牢固
    12. 30:45建立“默契”护城河：“懂你”的Agent最得用户心
    13. 33:14大模型公司会不会碾压Agent创业公司？中立性的价值
    14. 34:59去做脏活累活：垂直场景的创业机会所在
    15. 36:10Token成本焦虑？效果才是王道
    16. 37:18从“流程搭建”到“价值观对齐”：人机协作模式的根本转变
    17. 38:57什么是"AI友好"环境？人类社会需要“AI无障碍设施”
    18. 40:26“你的意义在哪？”——当AI越来越强大，人类价值何在
    19. 42:29从使用工具到管理团队：人与技术关系的重塑
    20. 44:41AI之间会打架吗？当Agent社会出现利益冲突
  • 06-05E194｜欧美顶流网红都在做美妆？聊聊从流量到品牌的操盘逻辑
    1. 03:16Rare Beauty：不止于美妆，为心理健康发声
    2. 04:43Fenty Beauty：色号海战略，改写美妆包容性规则
    3. 05:51Rhode：时尚属性+生活场景-->风靡社交媒体
    4. 06:30隐形挑战：SKU管理的“地狱模式”
    5. 08:07中国二级市场：偏好维持稳健和可预期
    6. 09:39彩妆（cosmetics）VS护肤（skin care）：前者是时尚快消品，后者高复购高粘性
    7. 12:52欧美品牌营销：“真实”“平价”“可持续”是黄金三角
    8. 15:17彩妆是时尚，需要替消费者做鲜明的价值表达
    9. 16:24Skims：以极致的身材包容性赢得年轻人青睐
    10. 17:40Selena Gomez如何做品牌：红斑狼疮、换肾等不幸经历反而促成真诚表达
    11. 22:22轻奢行业：在中国易于走向下沉，在美国靠中产精英支撑
    12. 24:08明星网红品牌崛起：流量高地从图文向短视频/IP迁移
    13. 27:48“新人群造就新品牌，新渠道也造就新品牌”
    14. 31:17品牌出海：从社区中来，到社区中去
    15. 33:33JLo Beauty“橄榄油事件”翻车：创始人习惯与产品错位的代价
    16. 35:34护肤品的高信任壁垒
    17. 37:46Clean Beauty：风靡欧美澳，但在东亚是小众需求
    18. 41:55首次医美差异：北美45+除皱，中国25+水光
    19. 42:43美妆客群年轻化，价值表达的时代崛起
    20. 46:03在欧美，所有消费行为都是价值投资
    21. 48:22流媒体时代后，彩妆品牌集中度下降
    22. 51:20重奢老集团入资新品牌：不敢跟不上年轻客群
    23. 54:13“一个10万粉的Instagram，养活一个独立品牌”
    24. 54:59PE投资驱动VS内生增长：彩妆品牌的分岔路
    25. 58:27当卖的东西完全没有用，该如何做营销与折扣策略
    26. 01:04:14跨国消费研究壁垒，高过所有科技行业
    27. 01:06:40中国是理想的大市场：审美单一、语言单一、需求集中

2025 年 5 月

4 期
  • 05-30E193｜吃益生菌是智商税吗？全面复盘肠道健康迷思
    1. 02:39健康的成年人体内有上千亿的细菌，细菌群体的基因复杂度比人体高几十倍
    2. 04:06菌群对人类健康影响的三方面：营养、免疫调节、心理健康
    3. 06:55能让人变瘦的微生物代谢产物： 短链脂肪酸
    4. 10:57肠道菌群的两个免疫调节作用：抵抗病原体、训练肠道上皮免疫细胞
    5. 13:29剖腹产和顺产的小孩初生时存在肠道菌群差异，可能导致免疫能力不同
    6. 16:52不同实验结果的可信度：随机双盲对照实验 > 非双盲干预实验 > 关联性研究 = 动物实验 >体外实验
    7. 22:13如何设计实验来验证肠道菌群对心理健康的潜在影响
    8. 26:28“不健康的肠道都是相似的，健康的肠道各有各的不同”
    9. 29:17普通人做肠道菌群检测有必要吗？
    10. 34:22断食对菌群的影响：只要你还没饿死，大概率你的菌群也没饿死
    11. 36:11什么是益生菌？
    12. 37:32你的肠道菌群是“热带雨林”还是“干旱草原”都可以是很健康的，不必焦虑
    13. 40:23天天吃益生菌是可以的，只要你的钱包接得住
    14. 42:17什么是益生元？
    15. 43:33发酵食物包含了益生菌、益生元及短链脂肪酸等代谢产物
    16. 44:33高纤维食物、发酵食物可能有助于肠道菌群健康
    17. 47:36坚持6周的饮食结构改变，就可以让身体养成新的习惯
    18. 51:57提高肠道健康，寒朵的私房饮食小建议
    19. 54:49饮食习惯的改变需要缓慢调整还是可以立刻改变？可能不是肠道菌群不适应，而是你不适应
    20. 56:03锻炼和充足睡眠也会改善你的肠道健康
    21. 57:48孩子和宠物分享菌群可能会让孩子更加健康
    22. 59:31抗生素对肠道菌群在短期内有影响，但几个月后会恢复正常
    23. 1:00:49如何选择补充益生菌？看活菌数和看细菌种类
    24. 1:03:41益生菌有专利吗？
    25. 01:06:50益生菌作为膳食营养补充剂，从监管产品获批角度只需要对人体无害，不需要提供疗效
    26. 01:09:15用粪菌移植治疗复发性艰难梭菌感染
    27. 01:11:11用特定种类的细菌治疗疾病如溃疡性结肠炎
    28. 01:11:46通过编辑肠道菌群代谢体内过多草酸以治疗痛风等
    29. 01:13:13粪菌移植疗法已获得监管批准上市，临床达到80%以上的治愈率
    30. 01:13:49粪菌移植疗法不是 "吃" 大便
    31. 01:18:03药企在探索通过口服的方式替代粪菌移植
    32. 01:19:03跟踪FMT治疗的患者，发现潜在 "联代效果"，比如减肥和减轻焦虑症
    33. 01:23:37抑郁症与大脑相关的证据更强，肠道菌群研究提供了新的可能性
    34. 01:11:32嘉宾口误，此时提到的用特定种类的细菌治疗疾病如溃疡性结肠炎
  • 05-25E192｜谷歌的翻身仗与Gemini背后的灵魂人物｜解析2025谷歌 I/O
    1. 00:11Google I/O三年回顾：从Bard失误到Gemini 2.5 Pro的翻身仗
    2. 03:44Google的模型全家桶：从广度到深度的融合
    3. 04:34视频模型加入声音：Veo 3真正实现Text-to-Movie
    4. 06:58AI Mode大幅提升上下文理解能力，但灰度测试体验弱于Open AI
    5. 10:09手握人才、模型、流量三大优势，意愿才是AI搜索之战的关键
    6. 13:41闭环购物：AI搜索带来全新商业逻辑
    7. 19:04用户订阅+精准广告能否建立新商业模式
    8. 23:14数据、生态、分发，Google在AI搜索上的起点无人能比
    9. 25:06让AI教AI，Gemini 2.5霸榜秘诀
    10. 27:38代码第一优先级，Anthropic脱颖而出的数据配比
    11. 30:36从追赶到引领，Google用代码质量与推理能力翻盘
    12. 32:21解奥数题只是秀肌肉，模型要能服务于商业
    13. 33:36三位灵魂人物撑起Gemini：预训练、强化学习与自然语言处理三管齐下
    14. 37:09谢尔盖·布林回归：重回每周60小时的“Founder Mode”
    15. 38:10从躺平到拼命，Google用一年打回了AI主场
    16. 39:18Google API价格优势揭秘：TPU、基建调度能力、软硬件一体化
    17. 41:26DeepSeek论文暴露谷歌API真实成本
    18. 42:44AI Agent创业模型选择：没有最好，只有最适合
    19. 47:05AI产品设计：模型决定下限，工程决定上限
    20. 49:58Google Meet实时翻译三大惊喜：准确、低延迟、上下文理解
    21. 51:58巨头一更新，创业公司倒一批
    22. 54:25Google在AI竞争中的优势：硬件、数据、算法
    23. 55:29Google惯用策略：产品靠铺量看谁出爆款
    24. 59:06“起个大早，赶个晚集”：Google全栈式服务仍难打消市场疑虑
    25. 01:02:27从躺着赚钱到动一动才能赚钱
    26. 01:08:56“反垄断”是Google挥之不去的悬剑，风险尚未真正price in
    27. 01:12:53Google在“七巨头”中的独特困境：叙事始终不清晰
    28. 01:17:25大模型不再只是烧钱竞赛，应用场景才是巨头的护城河
    29. 01:18:56AI Mode虽能带动搜索增长，但商业化路径仍不清晰
    30. 33:53Google大模型的三大灵魂人物：Jeff Dean、Oriol Vinyals、Noam Shazeer
  • 05-16E191｜小而美的机会来了，聊聊这轮AI Agent进化新范式
    1. 00:05AI Agent进展大事件以及爆发三大核心原因
    2. 04:55机器学习视角下的Agent进化
    3. 06:36RFT（强化学习微调）技术促使Agent在2025年具有智能
    4. 08:10大语言模型的AlphaGo时刻：不仅具有思考能力，还根据环境反馈调整学习
    5. 11:04过去半年新趋势：Agent在环境中完成任务
    6. 14:27OpenAI Operator买菜的体验：速度慢、准确率不高
    7. 17:32内化工作流：新一代Agent能做出临场反应
    8. 20:55创造虚拟环境：Scrapybara帮我买秋裤
    9. 22:39Cursor与Windsurf编程Agent为何出圈？
    10. 26:11AI创业门槛降低，可以做平台上那些小而美的Agent
    11. 32:53Manus擅长广度，Deep Research擅长深度
    12. 38:05Agent爆火背后的秘密：Sonnet 3.5代码质量的提升
    13. 40:57比训练更重要？Evaluation的三代进化
    14. 44:02SFT更便宜，RFT效果更优，行业会如何选择？
    15. 45:41通用型Agent的双刃剑
    16. 48:45在关键场景请求人类对齐：Replit和Fellou的优秀交互体验
    17. 50:13最看好Cursor，有成为通用Agent的潜力
    18. 52:25Vantel：每周帮保险经纪人省10小时的保险垂类Agent
    19. 53:29Sweetspot：换了八九个邮箱也要用的，辅助申请资助类Agent
    20. 54:23Gamma：秒杀Canva的PPT设计类Agent
    21. 57:48做的200多个Agent中，商业化成功的案例
    22. 59:20“越做发现问题越多”：离普通人每天使用Agent仍有距离
    23. 1:00:39MCP的生态建设需以年为单位
  • 05-02E190｜司美格鲁肽的新对手们：制药巨头混战减肥药下半场
    1. 01:58GLP-1药物的进化史：从治疗糖尿病到减肥药司美格鲁肽
    2. 03:25减肥药市场的混战：两大王者PK与新玩家涌入
    3. 05:21司美格鲁肽的现象级突破点：减重效果超过15%
    4. 06:42诺和诺德的偶然突破：如何率先做出司美格鲁肽
    5. 08:40礼来的王炸：双靶点替尔泊肽如何超越司美格鲁肽
    6. 10:42“减脂同时保肌”是否可能？
    7. 11:55减肥新武器：Amylin耐受性更好，减重效果类似司美格鲁肽
    8. 16:41股价大跌：诺和诺德组合药CagriSema三期效果不及预期
    9. 20:53礼来VS诺和诺德：研发管线、产能挑战与产品竞争
    10. 24:44罗氏入局Amylin：一个相对低风险的策略
    11. 26:04Amylin战火升级：下一代的风口在口服药？
    12. 27:31减肥药市场混战：诺和诺德、礼来、罗氏等各家药企武器库的多样性
    13. 28:14药企混战根源：人体内各种激素排列组合
    14. 31:52减肥药的组合拳：Amylin有潜力成为下一个“骨架”
    15. 34:19GLP-1与Glucagon组合：中国本土第一个减肥药即将上市
    16. 37:40减肥药市场从双雄争霸到百花齐放
    17. 40:47替尔泊肽优势明显，第一代司美格鲁肽为何仍有需求？
    18. 42:49礼来三靶点Retatrutide：减重效果突出，但同时伴随心率副作用
    19. 45:57生物医药投资：没有标准答案的实验科学
    20. 48:03减肥药更精彩的下半场：口服药、专利到期及医保谈判
    21. 49:35减肥药的误解：不是仅靠自律就能达到的减肥效果
    22. 52:47GLP-1超能力畅想：不止减肥，还能治疗慢性病、降低阿尔茨海默症风险？
    23. 56:56亚洲力量崛起：早期管线开发出口全球药企
    24. 58:27展望未来：减肥药的有效性提升、口服化与器质性治疗
    25. 01:00:31复方药房（Compounding Pharmacy）：减肥药灰色市场与药企博弈
    26. 01:06:01Compounding Pharmacy、仿制药与专利药的区别
    27. 01:08:27GLP-1专利之战：中国最先到期，之后市场如何演化？

2025 年 4 月

3 期本月 3 期的分节 →

2025 年 3 月

5 期本月 5 期的分节 →

2025 年 2 月

4 期本月 3 期的分节 →

2025 年 1 月

2 期本月 2 期的分节 →

2024 年 12 月

3 期本月 3 期的分节 →

2024 年 11 月

3 期本月 3 期的分节 →

2024 年 10 月

3 期本月 3 期的分节 →

2024 年 9 月

4 期本月 3 期的分节 →

2024 年 8 月

3 期本月 3 期的分节 →

2024 年 7 月

4 期本月 4 期的分节 →

2024 年 6 月

5 期本月 5 期的分节 →

2024 年 5 月

3 期本月 3 期的分节 →

2024 年 4 月

4 期本月 4 期的分节 →

2024 年 3 月

4 期本月 4 期的分节 →

2024 年 2 月

3 期本月 3 期的分节 →

2024 年 1 月

3 期本月 3 期的分节 →

2023 年 12 月

4 期本月 4 期的分节 →

2023 年 11 月

5 期本月 5 期的分节 →

2023 年 10 月

3 期本月 3 期的分节 →

2023 年 9 月

3 期本月 3 期的分节 →

2023 年 8 月

4 期本月 4 期的分节 →

2023 年 7 月

2 期本月 2 期的分节 →

2023 年 6 月

3 期本月 3 期的分节 →

2023 年 5 月

4 期本月 4 期的分节 →

2023 年 4 月

2 期本月 2 期的分节 →

2023 年 3 月

4 期本月 4 期的分节 →

2023 年 2 月

3 期本月 3 期的分节 →

2023 年 1 月

3 期本月 3 期的分节 →

2022 年 12 月

4 期本月 4 期的分节 →

2022 年 11 月

4 期本月 4 期的分节 →

2022 年 10 月

2 期本月 2 期的分节 →

2022 年 9 月

3 期本月 3 期的分节 →

2022 年 8 月

3 期本月 3 期的分节 →

2022 年 7 月

3 期本月 2 期的分节 →

2022 年 6 月

3 期本月 2 期的分节 →

2022 年 5 月

2 期本月 2 期的分节 →

2022 年 4 月

4 期本月 4 期的分节 →

2022 年 3 月

4 期本月 3 期的分节 →

2022 年 2 月

1 期本月 1 期的分节 →

2022 年 1 月

4 期本月 4 期的分节 →

2021 年 12 月

3 期本月 3 期的分节 →

2021 年 11 月

4 期本月 4 期的分节 →

2021 年 10 月

1 期本月 1 期的分节 →

2021 年 9 月

5 期本月 5 期的分节 →

2021 年 8 月

3 期本月 3 期的分节 →

2021 年 7 月

5 期本月 5 期的分节 →

2021 年 6 月

4 期本月 4 期的分节 →

2021 年 5 月

3 期本月 2 期的分节 →

2021 年 4 月

3 期本月 2 期的分节 →

2021 年 1 月

2 期本月 1 期的分节 →

2020 年 11 月

1 期

2020 年 10 月

1 期本月 1 期的分节 →

2020 年 8 月

3 期本月 3 期的分节 →

2020 年 7 月

4 期本月 4 期的分节 →

2020 年 6 月

4 期本月 2 期的分节 →

2020 年 5 月

4 期本月 2 期的分节 →

2020 年 4 月

5 期

2020 年 3 月

4 期本月 1 期的分节 →

2020 年 2 月

3 期