PODCAST · 硅谷101

2023 年 12 月节目

4 期 · 4 期带分节

  • 12-27E135｜大模型带火的下一个风口：向量数据库
    1. 02:19向量数据库与传统数据库的区别：基于关键词去匹配vs上下文与语义相似度的匹配
    2. 05:53大模型时代，向量数据库为什么这么重要？
    3. 07:47非结构化数据占人类数据80%，从巨头没有盯上的领域启动
    4. 10:26向量数据库的挑战与护城河：好的模型与算法、性能与推理成本
    5. 12:34应用场景：电商提高长尾搜索； 企业私有数据提升精度
    6. 16:41衡量向量准确度：99%的召回率
    7. 19:00OpenAI并不是最好的Embeding模型，开发者需要自己去试
    8. 20:34Zilliz的商业模式：从开源到基于云的商业化
    9. 23:28当巨头跟创业公司竞争：把选择权交给用户
    10. 27:00行业过于早期，云巨头入场正在帮助行业成长
    11. 28:57未来应用：适合电商、医疗、法律等数据密集型应用
    12. 29:50AI时代的安全隐私：合规、产品、应用三个层面
    13. 33:26安全问题打脸：向量数据经过精心设计后，可能会还原用户信息
    14. 37:38移位更加保护隐私，但却让准确性更难
    15. 37:35Zilliz全球业务分布：美国营收占整体收入70%以上
    16. 38:47SaaS产业布局的全球化考量：受美国头部用户影响大
    17. 40:16中美SAAS产品的使用态度区别
    18. 45:00美国市场策略：HackerNews与亚马逊云科技Marketplace
    19. 49:16公司主导的开源项目，开源协议有可能被修改
    20. 51:17公司主导与基金会主导，开源项目两种方式的思考
    21. 54:38开源与商业化的代码考量：三层结构的差异化竞争
    22. 57:25当公司发展方向与社区发生分歧，如何解决？
  • 12-18E134｜OpenAI治理架构，以及非营利组织对抗微软的三大经典战役
    1. 01:09Open AI的架构选择：公益性目标与股东最大利益的冲突
    2. 04:29非营利组织的架构：501(c)3，理事会与董事会的治理权设置
    3. 07:30重新理解非营利组织：不等于不盈利与美国的捐赠文化
    4. 10:15非营利性组织、NGO与501(c)3
    5. 12:07Open AI架构考量因素分析
    6. 15:35维基百科先例：如何同时满足普通服务器与科技巨头的爬虫，资金与道义的两难
    7. 18:19OpenAI架构与每一位董事会成员分析
    8. 23:35为何董事Adam D'Angelo能留下来？
    9. 27:51选择董事会成员，历史上有这些相似架构的案例
    10. 29:22“只要OpenAI选择董事会的方式不改变，未来还会是个地雷”
    11. 30:16维基百科的治理：7个席位，专业评审与社区联合投票的选举体制
    12. 32:03开放式董事会如何处理重大理念分歧：泄漏项目信息被董事会驱逐与高票重新回归
    13. 34:57剥离公司与非营利组织，OpenAI完全拆分的N种方式探讨
    14. 41:39每次技术创新都会引入新的治理结构的变化
    15. 46:23当科研机构无法与巨头竞争，学术界正在与华盛顿沟通保持研究的前沿性
    16. 48:20引发热议的Q*：并没有那么神乎其神？
    17. 51:15维基百科：世界第五大站点的成长之路
    18. 52:44Apache基金会：互联网软件与中间键基础设施的繁荣
    19. 55:36Linux基金会：开源平台的强大生态
    20. 58:45Mozilla基金会：浏览器的经典战役与技术进步带来的反复拉锯
  • 12-11E133｜开源打法的秘诀与AI重塑的数据库行业
    1. 03:10“如果做一个数据库，不开源会很奇怪”
    2. 03:55创业起点：时代的转折点，分布式系统会是未来
    3. 05:20三次市场的好时机：大数据、云与AI
    4. 06:32开源只是手段，护城河来自于网状效应的生态
    5. 09:28高净值用户对数据库并没有奇怪的要求，反而要求服务稳定
    6. 11:00云的出现如何改变了数据库行业？
    7. 13:40搭建高质量开源社区：解决共性问题与仁慈的独裁者
    8. 16:52管理开源社区比管公司更难：了解每个人参与的动机
    9. 18:57下一个大趋势Serverless：满足人性中的“懒”与“便宜”
    10. 22:14字节新收购的游戏团队基于Serverless的一整套服务应用
    11. 24:57数据库与云如何保证稳定：复杂系统的软件工程哲学
    12. 28:30数据量膨胀、数据更加实时高频、个性化数据，AI如何重塑数据库行业？
    13. 34:15我们使用AI的方式还在非常早期的阶段，仍在用传统思维去写软件
    14. 40:48100k超长输入，探索用大模型写播客Shownotes
    15. 41:06更多客户将大模型用在企业内部系统上
    16. 43:10海外市场占公司收入的一半以上，北美市场爆发潜力更大
    17. 43:45商业化之后对出海的新理解——没有平衡，尽早想好策略
    18. 46:36第二个里程碑——设立本土化团队
    19. 47:34海外客户对合规非常在意
    20. 48:31中国更爱整体解决方案，西方重视专业的人做专业的事儿
    21. 49:10Marketplace：改变传统购买流程的企业级应用商店
    22. 54:17为什么我是亚马逊云的大粉丝：做减法，深思熟虑的简单
    23. 55:17企业文化如何国际化：寻找全球通用的法则
    24. 58:22从亚马逊企业文化到创业公司企业文化
    25. 61:53PingCAP如何帮助客户出海
  • 12-07E132｜诺和诺德 PK 礼来：减肥药的王者之争
    1. 01:50减肥药催肥的两家制药巨头，零售饮料股价全线下跌
    2. 03:30司美格鲁肽研发历史与原理分析：抑制食欲来减重
    3. 10:55介于大分子与小分子之间，诺和诺德向FDA申请的商业考虑
    4. 16:42三款司美格鲁肽药物与诺和诺德的布局
    5. 19:45剂量、效果与耐受度
    6. 21:21副作用与潜在风险：腹泻恶心呕吐便秘、急性肠梗阻、急性胰腺炎
    7. 27:30滥用药物风险大：非肥胖症患者不会有健康收益，一旦停药就反弹
    8. 31:18在麻醉师眼里臭名昭著，手术前一个月务必停药
    9. 34:33诺和诺德与礼来糖尿病药物的两次进化
    10. 36:11替尔泊肽的策略：GLP-1与GIP双靶向药物，效果更好，堪比缩胃手术
    11. 38:38任何类似原理的减肥药，停药都会反弹
    12. 39:30礼来下一个减肥药方向：减重增肌？
    13. 40:46诺和诺德与礼来的博弈：减重效果与耐受度的较量
    14. 44:12市场足够大，现阶段更比拼产能
    15. 46:34为何保险公司不愿为减肥药买单，欧洲认为肥胖是坏习惯
    16. 48:55美国市场大，欧洲卡得最严，亚洲市场的潜能大
    17. 52:17制药门槛：如何延长半衰期，制剂创新，先发优势，商业开发推广
    18. 55:39二甲双胍可以减肥吗？临床5%减重效果才有效
    19. 58:58假药横行，安全性风险高
    20. 60:44减重体验：20公斤的减重过程
    21. 65:27逐渐加量，一个月才感受到变化
    22. 71:12糖与上瘾：处理减肥中的抑郁情绪
    23. 76:22司美格鲁肽最大竞争力：一周一次
    24. 69:38市面上的减肥药比较：发挥副作用减肥
    25. 81:36“超说明书用药”的司美格鲁肽
    26. 85:45医院引进药物的标准
    27. 88:19当司美格鲁肽到药房之后，利拉鲁肽全面滞销
    28. 89:22以降糖药引进，从销不动到全面断货
    29. 92:36长期更看安全性