PODCAST · 硅谷101

2026 年 7 月节目

4 期 · 4 期带分节

  • 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