PODCAST · 硅谷101

2025 年 2 月节目

4 期 · 3 期带分节

  • 02-26E181|聊天的艺术:如何打造高情商的AI机器人?
    1. 02:12AI虚拟伴侣的核心需求:真实、自然、拟人
    2. 04:14社交也可以“作弊”:AI帮助不擅长社交的用户提升表达
    3. 06:13AI辅助社交在平台的渗透率已接近50%
    4. 09:29【实测】 回答不出“9.11 比 9.5 大多少”时AI会用撒娇化解尴尬
    5. 11:55AI交互的分化:能回答问题的Chatbot VS 能提供情绪的虚拟伴侣
    6. 15:12交流双向:让AI给用户打电话的背后逻辑
    7. 20:20早期困境:基于决策树的对话太机械,缺乏真实感
    8. 25:29ChatGPT出现后的焦虑:之前积累的技术会被颠覆吗?
    9. 27:17被迫自研大模型:第三方模型不能满足社交场景
    10. 29:09平台数据成为护城河:真实用户的日常公域对话让AI学会"人情世故"
    11. 31:34最大挑战:大规模用户同时聊天时如何降低推理成本
    12. 33:29教AI聊天:让AI自然插话、打断,像朋友一样带动话题
    13. 35:01不追求大而全的模型,专注训练垂直场景
    14. 36:52O1的启发:通过自主规划构建更轻量化的工作流
    15. 42:04AI还未创造新的商业模式,关键在于服务场景
    16. 44:40既要防范AI被误用,又要保持对话自然感
    17. 47:25从训练、生成到发送前都要过滤违规内容
    18. 48:52危机干预:设置关键词触发善意机制,接入心理咨询热线
  • 02-21声音稿件征集|你的AI时刻
  • 02-14E180|量子计算的Transformer时刻与科技巨头的路径之争
    1. 06:25理解量子计算,量子比特的叠加态与纠缠态
    2. 09:58四大最先受益领域:矩阵运算、因数分解、量子化学模拟,优化计算
    3. 13:50黄仁勋判断二十年内实现可用量子计算,量子概念股集体暴跌
    4. 17:30明贬暗捧的英伟达:表面保守预测,暗地快速布局,量子计算或成GPU新增量
    5. 20:00下一代AI:量子增强帮助AI模型实现更强大的泛化能力
    6. 22:26谷歌的里程碑:Willow芯片解决量子纠错难题
    7. 26:37量子计算的Transformer时刻到
    8. 27:47理解量子纠错:从经典计算机的噪音处理,到量子计算的特殊挑战
    9. 30:56攻克高错误率的关键:“表面码”方案让量子"稳定"运行
    10. 32:00百家争鸣的量子计算路线:
    11. 47:30学界落后于工业界:量子计算从科学难题变成工程问题
    12. 49:59揭秘量子计算机造价:一台造价百万美元的未来机器
    13. 52:19加息和降息的影响:从政府,主权基金到VC,谁在押注量子未来
    14. 53:34后量子时代的密码学:银行与科技巨头布局新一代加密技术
    15. 55:33加密货币的“命门”:破解私钥比银行密码简单
    16. 01:00:01当运营商不作为,金融机构来铺抗量子硬件
    17. 01:03:31新的卖铲人诞生了:硬件供应商的新机遇
  • 02-06E179|DeepSeek技术解析:为何引发英伟达股价下跌?
    1. 02:29DeepSeek的三板斧:低成本、高性能、全开源
    2. 03:57大模型创新瓶颈:技术路线趋同,突破性想法变少
    3. 05:09核心创新:V3基础模型能力强
    4. 07:01创新一:MOE与绕过稀疏奖励
    5. 09:04创新二: 通过蒸馏学习传递能力,大模型教小模型
    6. 12:46为何V3出来一个月之后才引爆股市
    7. 13:54对英伟达利好与利空:冲击溢价但并未冲垮壁垒
    8. 16:01DeepSeek冲击英伟达两大护城河:“绕过”NVLink和CUDA
    9. 23:00类似于Groq的推理芯片能崛起吗?软件依然是难点
    10. 29:11《The Bitter Lesson》的启发:AI的两种基本能力是学习与搜索
    11. 30:06效率困境:AI需要跨越三个数量级才能达到人类智能
    12. 35:20开源的意义:降低AI应用开发准入门槛
    13. 38:06重构API价格体系:DeepSeek R1通过技术优化将成本降至OpenAI O1的1/27
    14. 39:47降级芯片难持续:老款芯片停产限制了成本优化空间
    15. 43:08小模型特定场景突破:某些任务已可媲美大模型表现
    16. 45:34未来AI基建分层化:端、边、云分工协同是趋势
    17. 48:32Anthropic的预测过分乐观:AI学习效率太低不足以追赶人类智能
    18. 53:10大模型本身不足以通向AGI,但基础研究方向正在取得进展
    19. 56:00模型自我能力提升是达到AGI的核心门槛
    20. 57:33通往AGI的多条路径:世界模型等不同技术方向并存
    21. 01:03:22提问DeepSeek :数据与持续创新能力