PODCAST · 硅谷101

2023 年 8 月节目

4 期 · 4 期带分节

  • 08-25E120｜AI来了，中美大厂的区块链业务怎么样了？
    1. 02:26AI热潮如何与区块链业务相结合
    2. 05:37大模型开始用于安全应用：KYC、KYT与合约代码审计
    3. 08:29区块链市场正在走出寒冬期，美联储对周期影响更大
    4. 10:26美国大厂布局区块链节点服务的逻辑
    5. 13:55区块链公司用大厂的云服务，违背了去中心化的初衷吗？
    6. 17:50回顾蚂蚁链八年历史：只做一件事，解决信任
    7. 24:13当NFT市场转冷，如何找新方向活下来
    8. 29:15如何在中国合规地做公链：关于Gas Fee 的代付机制
    9. 31:56Conflux中国式创新：逻辑上两条链
    10. 34:33关于联盟链与链上的节点们
    11. 40:11大厂区块链存在是否必要：寻找可信的第三方
    12. 43:20中美大厂节点服务的区别
    13. 46:13过去七年公链的发展与变化
    14. 49:36聊聊Sam Altman的WorldCoin的技术创新：虹膜识别、零知识证明、二层网络
    15. 52:58AI发展会让女巫攻击会越来越严重，WorldCoin的解决方法
    16. 55:25懂Web3行业的人才稀缺：零知识证明人才快速扩张，成长性人才更稀缺
  • 08-22E119｜英伟达与芯片史上的大赢家们：凡是伟大的，都是叛逆的
    1. 00:12VSP投资训练营
    2. 02:24正片
    3. 04:25CPU与GPU的区别
    4. 08:17CUDA的开发系统——英伟达的核心优势
    5. 11:53从高校实验室的合作开始研发软件生态
    6. 14:05竞争对手不是没追，而是早年CUDA没有市场
    7. 16:33晶体管的发明者们反被排挤，芯片史上那些叛逆的奠基者
    8. 17:14从不被看好到人工智能带来的起飞
    9. 21:21消费疲软，GPU与CPU市场，谁更大？
    10. 23:13人工智能芯片有多耗电：摩尔定律的PPA三角
    11. 27:42中国公司做芯片为什么那么难？
    12. 31:59从历史发展中寻找机会：先占领细分领域与低端市场
    13. 35:13追赶不是线性方式，而是突然爆发式的发展
    14. 37:16芯片行业创新驱动力：底层基础科学创新+应用拉动
    15. 38:46把芯片工艺整整推进7代的华侨工程师——林本坚
    16. 42:30站在一艘航母前把它叫停：业界几十亿的研发打水漂
    17. 44:14荷兰光刻ASML崛起：唯一接受林本坚新技术的公司
    18. 46:02芯片的发展史就是一部叛逆史，贝尔实验室也曾是芯片创新中的抵制力量
  • 08-09E118｜争议室温超导：为何全球复现结果都不一样？
    1. 03:23关于超导体的一百年历史
    2. 08:23超导研究到底是物理学还是材料学
    3. 10:21炼丹玄学：制备材料就是烧炉子的过程
    4. 11:34民间科学家炼丹？LK-99方法简单粗暴
    5. 12:36LK-99韩国团队学术背景：并不是超导研究顶尖团队
    6. 16:11何时能够验证LK-99是否是室温超导？等待样品
    7. 17:11为什么那么多关于超导的文章，偏偏是LK-99火了？
    8. 18:43炼制过程不够清晰、材料不纯、以及LK-99的抗磁性与电阻测试问题
    9. 23:30LK-99的争议点：悬浮有倾角，并不符合超导的完全抗磁性
    10. 27:31美国劳伦斯实验室模拟计算结果：因果关系倒置？
    11. 30:13全球复现结果为何不一样：炉子、原料纯度都不一样
    12. 33:37复现LK-99材料难度非常大，一致性复刻太难
    13. 35:43争论LK-99的价值：最上等的材料只用最简单的食材
    14. 37:11LK-99是否能够做电池或者芯片
    15. 41:10为什么现有超导材料没有应用到半导体：成本与性能
    16. 43:04我为何不直接做复现？更想要做成薄膜
    17. 48:06未来的创新都是协同合作与交叉学科
    18. 53:41锂离子电池商业化启示：科学的发展不是线性的，而是井喷式的
    19. 56:06警惕资本市场炒作，超导距离商业应用很遥远
    20. 58:31为何这个消息引发狂欢？室温超导的应用前景
    21. 66:41对新事物的发展周期做好心理准备，但应用离普通人还很遥远
  • 08-01E117｜对话贾扬清：大模型的开源之战与应用时代｜AIGC特辑
    1. 01:58Llama开源的影响：可以商用
    2. 03:47闭源模型的两个挑战：应用场景不够和成本收益比
    3. 06:15理解开源：互联网是基于开源去做的
    4. 08:30《开源软件经济学》——Stack Overflow创始人经济学角度解释开源
    5. 12:32长线看好：Meta become the cool kid again
    6. 15:11再谈安全：开源公司并不能阻止邪恶版大模型
    7. 16:46三个人做出举世瞩目的成绩，创新往往诞生于小的团队
    8. 19:17“我的经历一直逆潮流而行”
    9. 20:29AI应用领域的方向在哪里？
    10. 22:42争议Jasper，理解用户的价值
    11. 24:23安全只是借口？OpenAI不开放的原因是可复制性与商业的选择
    12. 25:14闭源模型没有护城河，只有6-12个月的领先优势
    13. 26:15何谓AI顶级人才：对科研与用户的双敏锐度
    14. 29:01GPT-4泄密后观感：不再走单一模型路线，而是逐渐转为专业化模型
    15. 31:10推理成本是训练成本的5-10倍
    16. 34:35Lepton.ai创业方向：提升系统效率与帮助客户做AI
    17. 38:01GPT-4、Llama2可能全都是过渡态？现有的大模型是否全部走错了方向
    18. 42:27出圈新应用：妙鸭相机
    19. 45:36走出舒适圈，创业的每天都不一样
    20. 47:28准确性依然是难点，与Langchain的技术合作案例
    21. 52:37找合伙人：热情比经验重要
    22. 56:10硅谷最让人的兴奋的地方：一群聪明人在现有道路之外开辟的新路径