张小珺Jùn｜商业访谈录 封面

PODCAST · 推荐第 01 位

张小珺Jùn｜商业访谈录

张小珺 · 中文 · 156 期 · 2022 年起

财经作者张小珺主持的深度访谈，单期常在两小时以上。嘉宾多是 AI、科技公司和风险投资的一线人物，一期把一个人或一件事讲透。

AI商业长访谈
在小宇宙收听 →← 全部播客

全部节目

156 期 · 51 个月 · 148 期带分节

2026 年 9 月

1 期

2026 年 8 月

3 期
  • 08-26152. 领读Kimi K3技术报告：从架构创新聊起，注意力美学、多教师蒸馏和开源MoE
    1. 02:00宇涛的自我介绍和研究经历，为什么对架构创新最感兴趣？
    2. 16:05从Kimi K3论文出发，论文讲解的框架与脉络
    3. 19:02宇涛开始领读论文：
  • 08-19151. 17岁被2026年ICML收录论文的小少年：我bet开心！开心！开心！
    1. 00:03:04我想做一个全世界最好的大语言模型！
    2. 00:08:12喜欢自由探索，喜欢下象棋，象棋如游戏
    3. 00:11:15我如何独自做预训练，预训练有点magical
    4. 00:13:07我白白丢了1500，我特别特别伤心，我都哭了
    5. 00:13:55被2026年ICML收录的论文《Attention Projection Mixing with Exogenous Anchors》
    6. 00:17:48高中自学AI之路和那些灵光乍现的时刻
    7. 00:21:44我一生中前20最开心的时刻 ，遇到每个人我都会问：AI会灭绝人类吗？
    8. 00:28:22我眼中的模型公司、应用公司、机器人公司、AGI与商业世界
    9. 00:31:46作为AI原住民的05后，我会教我父母用AI，我观察AI让好学生成绩更好了
    10. 00:36:47一位高中生视角下，AI降临后的教育突变：人失去了意义感
    11. 00:40:05我希望AI发展别那么快，给人类一个缓冲的时间
    12. 00:41:32我同学说，我现在从读书到当医生还要10年，但没人知道10年后是不是AI做的比人好
    13. 00:47:09AI降临前后的两个世界和两种生活
    14. 00:51:44我从韩国ICML回来马上穿梭进另一个世界：在农村支教
    15. 00:57:21开心是人之根本，开心的总量是有限的
    16. 00:59:12狂想未来，我希望所有人都开心！！！
  • 08-12150. 对英伟达研究副总裁刘洺堉的4小时访谈：功夫、Cosmos 3、开源世界模型、黄仁勋、你不需要击败所有对手
    1. 00:02:35英伟达的赌注与边界
    2. 00:29:57意外、顿悟、转变
    3. 01:02:46如何在英伟达拿到GPU
    4. 01:21:57从研究员到英伟达VP：“我可能是第一个吧”
    5. 01:37:00Cosmos的诞生
    6. 01:51:39从Cosmos 1到Cosmos 3的演变
    7. 02:36:33“黑客帝国”
    8. 02:44:20下一个CUDA?
    9. 02:47:04关于黄仁勋：Mission is the boss
    10. 03:12:20模型竞争不是鱿鱼游戏

2026 年 7 月

4 期
  • 07-30149. 亲历中美neo labs资本狂潮，和清华刘子鸣聊：AI for AI、机制可解释性和Max Tegmark
    1. 00:02:00刘子鸣的自我介绍（从物理转型AI）
    2. 00:08:24研究者的类型：“鸟人”vs“蛙人”
    3. 00:10:242024年研究KAN网络，刚开始Max Tegmark不同意
    4. 00:16:18思考，怎么让设计模型也变成一门科学，变得scalable？
    5. 00:18:21我同意谢赛宁说，“大语言模型是反bitter lesson的”
    6. 00:20:20在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型
    7. 00:21:16我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界
    8. 00:28:00从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur
    9. 00:37:1126年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？
    10. 00:42:41当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch
    11. 00:44:16作为neo labs参与融资的实际体感：“就是，太疯狂了！”
    12. 00:46:51做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？
    13. 00:54:53meta model（原模型）是预测下一个curve，这件事怎么做呢？ 设定的目标是什么？
    14. 01:04:20如何理解AI这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验）
    15. 01:09:09为什么做AI for AI需要Physics of AI？为什么做AutoResearch需要理解AI的原理？
    16. 01:12:49Anthropic的机制可解释性能做到什么程度？
    17. 01:18:16如果AI for AI在AGI主线上，neo labs和现有frontier labs的竞争
    18. 01:21:57倘若人人都能训模型，能干啥？
    19. 01:26:25梳理今年中美做AI for AI的创业团队和路线
    20. 01:34:50截至2026年AI发展阶段和创业新体验
  • 07-28148. 对游凯超3小时访谈：开源Infra、和模型Co-design 、“如果vLLM失败，我们会后悔一辈子”
    1. 00:02:18从算法到机器学习系统
    2. 00:37:56开源项目vLLM的诞生
    3. 01:07:25“如果vLLM失败了，我们会后悔一辈子”
    4. 01:20:11“仁慈的独裁者”
    5. 01:37:16从社区到创业
    6. 01:52:56模型与Infra的Co-design
    7. 02:15:10Token VS 电力
    8. 02:35:41技术预测
  • 07-22147. 和蚂蚁灵波沈宇军聊：机器人原生基础模型、大脑和本体的关系、预训练与数据scale up、老师汤晓鸥
    1. 00:02:03蚂蚁灵波的缘起
    2. 00:16:03做机器人的原生大脑
    3. 01:07:29数据没有scale up是最大卡点
    4. 01:23:10机器人大脑与本体的关系
    5. 01:31:48创业是赌出来的、与蚂蚁的关系、汤晓鸥
  • 07-16146. 对Physical Intelligence柯丽一鸣4小时访谈：Pi的开源模型研究，机器人的江湖、族谱与主角
    1. 00:02:11机器人与小说家
    2. 00:17:26武侠、板寸、背包客
    3. 00:36:33草蛇灰线
    4. 00:53:56机器人江湖、族谱、主角
    5. 01:27:18硅谷创业图谱
    6. 01:54:43PI的研究：π0、π0.5、π*0.6
    7. 02:26:01PI的组织与文化
    8. 02:34:52放弃剑桥教职
    9. 02:46:49巴甫洛夫的狗
    10. 03:04:53前沿展望
    11. 03:16:14中国
    12. 03:25:02机器人“种族”
    13. 03:31:19没有写完的故事

2026 年 6 月

2 期

2026 年 5 月

5 期
  • 05-28143. 对何小鹏的第二次访谈：更大赌注、人形机器人Iron诞生、那场意外、技术剧变下CEO、GX和缝合怪
    1. 00:02:00CEO使用AI小调研
    2. 00:11:24不能做缝合怪
    3. 00:18:232025年下的赌注
    4. 00:41:15IRON机器人的诞生故事
    5. 00:49:51去年那场意外
    6. 00:57:43我们有两成胜率
    7. 01:09:20新车GX
    8. 01:17:17没有一家游出血海
  • 05-27142. 雨森的创投观察第2集：Harness、下一个字节、2026大机会和Stanley Druckenmiller
    1. 00:02:00雨森回应第一集“被打脸”往事：“Strong Opinions, Weakly Held”
    2. 00:06:50我的二级市场投资偶像是Stanley Freeman Druckenmiller
    3. 00:09:07在《雨森的创投观察》第1集，我说对了什么？说错了什么？
    4. 00:13:06理解Anthropic的选择、组织和价值观（Dario的memo和对齐）
    5. 00:18:57Harness由模型公司第一方地来做，更有优势吗？
    6. 00:20:07Anthropic vs OpenAI，Claude Code vs Codex
    7. 00:23:17“Year of Return”，到今天return的问题并没有真正被解答
    8. 00:34:05重新总结2026年的大叙事、大变化
    9. 00:37:14在模型外面包了越来越多的层次，“壳”早已不是简单的壳：model - harness - context - runtime
    10. 00:41:30通过Harness带来的数据也能够反哺模型的训练，形成数据飞轮。Chatbot没有数据飞轮，是因为普通人的聊天很难给模型带来新的知识。但Agentic模型要的就
    11. 00:44:45之前节目中罗福莉和姚顺宇的观点差异（关于Harness重要性），其实不矛盾
    12. 00:46:26一个好的Harness是很有生命力的。按照出现顺序，像Manus、Claude Code、OpenClaw、Codex、Hermes是用户喜欢的Coding A
    13. 00:52:25我认为Harness本身更像是OS：之前广密有一个比方说，模型公司是新生代的OS，但我感觉，模型更像是驱动OS的处理器，我们看到有越来越多的应用是跟用户的Har
    14. 00:55:24一个反直觉的现象是，勇敢地去做创新，勇敢地去做通用的，是有大机会的
    15. 00:57:33我的第一个暴论：“AGI是在缩水的”
    16. 00:59:20模型能力提升会不会向下吞并Harness的空间？有可能出现Agent的网络效应
    17. 01:04:032026年各个基金投的创业公司变多了，估值也变高了
    18. 01:04:07创业者要做大厂看不上的事情，比如曾经的“套壳”、“开源”
    19. 01:10:50好的创始人和好的方向有时候是共振的
    20. 01:21:26“你原来的护城河可能会变成你的软肋”
    21. 01:26:24对于AI产品，大DAU应该成为目标吗？ 大DAU vs 高质量任务，优化哪个指标？
    22. 01:28:51“AI有点像外星人，来到了人类的世界”，这里面的机会
    23. 01:34:35AI时代的组织与组织变革
    24. 01:38:51“下一个字节跳动级的公司可能长得不像字节”
    25. 01:41:42我的第二个暴论：“字节系创始人，要把在字节学的东西，自己颠覆自己”
    26. 01:42:37我眼中的AI创业框架和大机会
    27. 01:48:01美国vs中国创业端对比
    28. 02:01:30思考需要刻意练习，创新需要刻意练习
  • 05-18141. Freda的投资札记第2集：Tokenmaxxing、把电机塞进蒸汽机、接力赛变篮球赛、孤独、人的连接
    1. 02:13Token的世界
    2. 11:44模型公司的赛点与竞争
    3. 27:41投资人是在抛弃软件公司吗？
    4. 36:32组织架构变革
    5. 44:21AI对投资行业的影响
    6. 50:08应用创业公司还剩什么？
    7. 01:00:42大票和资本市场
    8. 01:08:33AI会带来裁员和通缩吗？
    9. 01:14:17焦虑、孤独与人的连接
  • 05-11140. 对姚顺宇的4小时访谈：请允许我小疯一下！在Anthropic和Gemini训模型、技术预测、英雄主义已过去
    1. 00:02:41两个Shunyu Yao
    2. 00:06:50竞争与逃逸
    3. 00:26:37“Pre-train没有到头”
    4. 00:36:23Coding的爆发
    5. 00:51:25字节和豆包
    6. 00:54:45"硬蒸"和"聪明的蒸"
    7. 01:05:22机器人
    8. 01:10:00在Underdog之地赌一把
    9. 01:20:59非厄米系统与量子物理
    10. 01:37:42高能物理
    11. 01:44:24物理与AI
    12. 01:53:47在Anthropic训练Claude 3.7、4.5
    13. 02:36:18"AI本质是简单的"
    14. 02:42:25在Google DeepMind训练Gemini 3
    15. 03:02:43"Pre-train也是一种RL"
    16. 03:08:04技术预测
    17. 03:14:06组织搭建
    18. 03:24:48集体主义胜利
  • 05-01139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射
    1. 00:02:00苏煜是谁
    2. 00:03:30Agent的技术演进史：从Logical Agent（1960-90s） → Neural Agent（2000年以后，神经代理） → Semantic Pa
    3. 00:27:21人类的进化史来说，语言非常晚发生，但对人类文明有了指数型发展
    4. 00:29:28过去三年发展速度比过去几十年都要快，复盘Language Agent上的关键工作
    5. 00:40:56At the end of the day，大家想要的就是universal digital agent；边界的消弭和coding有关
    6. 00:45:18我是最早从Semantic Parsing转型做Language Agent的学者之一
    7. 00:48:56OpenClaw Moment和ChatGPT Moment有非常多相似的地方
    8. 00:55:10中美科技辐射的pattern不同，中国更全民化，在应用层的动作更快
    9. 01:02:05创业新公司NeoCognition，最近融完了一轮$40M的seed round
    10. 01:20:30聊聊Continual Learning、世界模型、交互（GUI vs. CLI）
    11. 01:44:34Agent现在最大的瓶颈是什么？对2026年Agent进展的预期？
    12. 01:47:09各个大厂都在Agent上bet什么，有什么有意思的bets？
    13. 01:52:47我们这一代人经历了Agent的完整周期，我喜欢搭建conceptional framework
    14. 02:10:13最后的快问快答

2026 年 4 月

4 期
  • 04-24138. 对罗福莉3.5小时访谈：AI范式已然巨变！OpenClaw、Agent范式很吃后训练、卡的分配、组织平权
    1. 00:02:16OpenClaw引发巨变
    2. 00:24:17群体智能提升Agent框架
    3. 00:41:312026是生产力变革之年
    4. 01:01:45Agent的自进化与自迭代
    5. 01:19:39MiMo-V2：觉醒和伏击
    6. 01:45:241T模型是入场券
    7. 01:52:33组织平权
    8. 02:02:56训练细节和成本
    9. 02:09:03另类架构
    10. 02:22:32AI没有生存危机
    11. 02:39:12每天在否认昨天的自己
    12. 02:48:34过去3年的AI进化史
    13. 03:05:54当下共识与竞争
    14. 03:19:45环境比经验更重要
  • 04-20137. 对洪乐潼的4小时访谈：AI for Math、把数学变成Lean、数学天书中的证明、直觉、被创造与被发现的
    1. 00:02:14被创造的与被发现的
    2. 00:14:38bounded vs free attention
    3. 00:32:14对苦难上瘾
    4. 00:50:21数论多美啊!
    5. 01:02:26Verve Coffee
    6. 01:16:23最不可能创业的创业者
    7. 01:38:33没有人喜欢融资
    8. 02:07:17小野肯的邮件
    9. 02:19:51数学天书中的证明
    10. 02:24:38Al for Math
    11. 03:03:50把数学变成Lean
    12. 03:09:59数学家的直觉
    13. 03:26:18登月要么成功，要么失败
    14. 03:54:17与数学家共进晚餐
  • 04-14136. 全球大模型季报第9集：和广密聊，Coding是AGI第二幕、硅谷御三家真相、模型正成为新一代OS
    1. 00:02:00第9集季报的概览
    2. 00:03:28硅谷体感与洞察
    3. 00:22:10硅谷御三家内部真实情况
    4. 00:22:10Anthropic
    5. 00:33:35OpenAI
    6. 00:47:13Gemini
    7. 00:54:16Meta TBD
    8. 00:58:07xAI
    9. 01:02:00Harness Engineering
    10. 01:03:57中国御三家
    11. 01:05:42模型是新一代操作系统
    12. 01:07:01潜在的社会影响，失业、通缩
    13. 01:14:36硅谷新趋势和投资新思考
  • 04-10135. 和自然选择创始人Tristan聊，Elys、赛博分身、灵魂、Context的获取与流动和AI社交网络
    1. 02:00做过陌生人社交、恋爱游戏
    2. 10:53毫不犹豫地成立了新公司自然选择，毫不犹豫地做Eve
    3. 13:23陪你一起面对世界的Agent
    4. 16:23Elys想法雏形，我终于想清楚了AI社交网络应该怎么做：Context的流动
    5. 20:32最大的范式转移：传统互联网是低维标签化信息，新的互联网第一次有了Context
    6. 23:05Elys产品设计的关键、难点、双重冷却
    7. 36:56接下来AI时代唯一重要的事情是，构建主体性
    8. 45:17交出Context与用户隐私的博弈
    9. 48:20Elys是不是AI版的Tinder？
    10. 54:35中国拥有最多Context的公司是谁？（微信？小红书？即刻？）
    11. 56:20定义什么是好的Context？
    12. 01:00:02AI时代社交 vs 互联网时代社交
    13. 01:15:15未来的社交网络
    14. 01:21:48ChatGPT可能拓展的社交网络
    15. 01:28:10和模型公司的竞争（“我觉得完全不用自己训模型”）
    16. 01:33:42北极星指标：真人的连接率
    17. 01:34:05你担心Elys是昙花一现的产品吗？
    18. 01:41:15我们现在处于终极忙碌“前进4”状态
    19. 01:46:02做AI产品和做互联网产品的本质区别（Proactive！）
    20. 01:49:16人类太孤独了

2026 年 3 月

2 期

2026 年 2 月

1 期

2026 年 1 月

3 期

2025 年 12 月

7 期
  • 12-30128. Manus决定出售前最后的访谈：啊，这奇幻的2025年漂流啊…
    1. 00:56正道少年的荒蛮历险记
    2. 30:27哦，我们集体做了一个错误决定！
    3. 01:07:10Manus：从0到1亿美金ARR
    4. 02:32:10人工智能更像制造业
    5. 02:59:51我很害怕Manus变得复杂
  • 12-24127. 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning
    1. 02:00全球大模型季报陪伴大家到第8集了
    2. 03:19一开始就不免俗地聊聊AI Bubble吧
    3. 07:38OpenAI收入构成算账：看得清的收入和看不清的收入
    4. 13:10有的公司是“巨头的棋子价值”
    5. 13:32OpenAI做商业化的速度问题
    6. 15:04纵观全局，这场AI War的主要推动方和阵营：英伟达GPU vs 谷歌TPU
    7. 17:16Google越强，越会形成反Google联盟，OpenAI越强也会形成反OpenAI联盟
    8. 17:48全球最领先的3个模型GPT/Claude/Gemini，交替领先是竞争常态
    9. 25:40这里有个偷懒的判断，基础模型=综合电商，scale SKU=scale data
    10. 27:40Gemini崛起，大家会担心OpenAI会怎么办？怎么看待这两家的竞争？
    11. 31:20另一个判断是：最终的最终，ChatGPT会融合传统Search，最终也会吃掉传统Search广告的份额
    12. 35:08大家不把Google当做AI loser诺基亚了，但Google危机没有真正解除
    13. 36:01Pre-training scaling确实快结束了，但Online learning刚开始
    14. 38:49OpenAI即便分崩离析3-4次了也依然很强：Anthropic是OpenAI最早的Scaling team，Ilya是Pre-training team，Th
    15. 40:01说一个暴论：大家提的机器人、世界模型、多模态，很多可能是假问题，Online learning可能才是唯一重要的真问题
    16. 41:01Pre-training预训练是石油，化石燃料；RL专家数据是新能源，有用但总量少；Online Learning是核聚变，还没突破，突破了无敌，人类进入硅基时
    17. 43:05如果模型数据分布里面没有这类数据，这类任务就是不work，只有压缩过这类数据，才work——今天的模型还是巨大的压缩器
    18. 44:33“模型即产品，数据即模型”
    19. 44:45听过一个rumor：Sam在内部说先忘掉AGI？
    20. 45:04局部L3/L4，很难整体L4：现实一点的是，在知识工作者群体，局部L3/L4的体验是能看到的，比如ChatGPT做长尾信息获取, Coding Agent, O
    21. 47:11上一期播客说的是40%OpenAI+40%字节+10%Google+10%Anthropic
    22. 50:572026年期待投资的主题
    23. 52:53模型即产品，数据即模型
    24. 54:48一横一纵：横向蒸馏人类专家知识，横向扩宽更多的行业领域；纵向就是下一代技术范式，Online learning，创造更高的经济价值
    25. 56:45硅谷新冒出的Neo Labs的分布图
    26. 59:43Robotics的最新进展和公司分布
    27. 01:05:55硅谷头部公司的ARR增长状况：越头部的公司越便宜，越头部的公司越没有Bubble
    28. 01:08:02国内的大模型和应用公司
    29. 01:09:39模型的下一个胜负手是什么？
    30. 01:10:16中美的AI叙事差异
    31. 01:12:15对华人创业者想说啥
    32. 01:14:20为什么说希望推动中国有个硅谷？
    33. 01:16:453-5年之后全球最领先的AI公司会是华人团队吗？
  • 12-21126. 和红杉郑庆生聊：经济史的流量革命、人类行为模式的不可预期，与创始人性格
    1. 02:00从1984年开始学习编程讲起
    2. 17:172005年成为投资人以后：从盛大战投到挚信资本再到红杉资本
    3. 19:09豆瓣和大众点评对我投资生涯的影响：我对此充满了兴趣，是对人类前沿行为模式的探讨
    4. 22:19我对阿北（豆瓣创始人）的印象：“他和豆瓣是合一的”
    5. 23:21我对张涛（大众点评创始人）的印象：“更成熟的有敏感产品洞察力的企业家”
    6. 23:55现在回头看，Web2.0是在人类社会第一次数字化之后做了一波线上内容的产品创新，再往后，共享经济是又做了一次线上、线下结合的大规模创新
    7. 24:31一位经济史爱好者眼中的中国创投20年：05年以前、10年以后、15年以后（Pinterest的范式直接影响了后来的内容平台）
    8. 29:13站在历史的后视镜看，各个内容平台的诞生、繁荣、陨落
    9. 34:10人类天然会进化到和自己本来不需要学习、不需要长时间成本投入，就能认知这个世界的方式，AI是不是也回到这点？
    10. 35:06个人视角聊聊抖音、小红书、哔哩哔哩产品和他们的founders
    11. 39:56总结：“人类新的行为模式总体是不可预期的”
    12. 42:26我对于个人投资的审美和反思
    13. 48:23为什么当我们觉得C端流量攫取殆尽时，小宇宙或播客会涌现？
    14. 50:51移动互联网C端流量终结于短视频，18年、19年以后的很多年都缺乏大的创新，to C投资进入蛰伏期
    15. 53:27流量是人类经济史的支点：公路〉铁路〉运河〉电力〉有线电话〉电视〉互联网
    16. 57:21“你可以认为现在所有的优秀互联网to C产品都是一个巨大的城镇”
    17. 57:47人工智能让我们看到了新的to C流量入口的潜力
    18. 01:00:19不同点：AI时代所形成的网络不是带有自然垄断性质的网络，它的边际成本不趋近于0；更结果导向
    19. 01:04:34人工智能引发了深层次的数字化，我认为会带来新的硬件机会，它可能是大模型之外另一个新的流量节点
    20. 01:09:53为什么AI时代的产品没有形成双边网络效应？
    21. 01:12:20AI产品的商业化比互联网、移动互联网要做的好
    22. 01:13:00投资了Kimi、MiniMax，也投资了Manus，你觉得最终的价值会沉淀在模型公司还是应用公司？
    23. 01:18:24AI时代，红杉的系统性投资策略
    24. 01:19:01红杉对创始人的审美变化
    25. 01:19:45我觉得“赛道覆盖”是对红杉的误解
    26. 01:22:10Agent创业 vs App创业：现在是天生全球
    27. 01:23:50过去三年在AI创业端的变化和节奏
    28. 01:24:40对2026年的展望与预期
    29. 01:26:21AI Bubble：“就跟大海里有泡沫一样”
    30. 01:28:39见证了人类历史的三个流量革命
    31. 01:29:17对从0到1、从1到10、从10到100和失败的创业者观察
    32. 01:32:05CEO和MBTI
    33. 01:35:20最后的快问快答
  • 12-16125. Freda的投资札记第1集：下注OpenAI、Robinhood往事，美国资本坏小孩、算盘与泡沫
    1. 03:30Freda的自我介绍
    2. 04:412020-2025每一年的硅谷关键词
    3. 08:12今天美股投资三条主线：AI + Re-industrilization（再工业化） + Digitization of Finance（金融产业创新），三条主线
    4. 10:20美国投资人怎么看待中国市场？
    5. 10:59投资OpenAI
    6. 12:14给OpenAI的商业模式算算账（对比Netflix）
    7. 16:45OpenAI的收入四个支柱
    8. 20:49OpenAI的竞争
    9. 23:32Google的变化
    10. 26:27OpenAI的投资回报和IPO
    11. 28:25投资Anthropic
    12. 31:25Neo labs
    13. 32:31投资Robinhood
    14. 40:29硅谷资本喜欢乖小孩还是坏小孩？
    15. 44:26发现新物种（market prediction）
    16. 46:07自动驾驶和机器人
    17. 55:25“一级靠共识，二级靠非共识”
    18. 57:13美国不同基金看人的taste：刺猬型、反叛者、哪吒型创始人
    19. 58:22美国基金整体变化：更集中仓位下重注
    20. 01:03:43复盘硅谷2025年最重点方向
    21. 01:09:51这些AI公司的巨额收入从谁的口袋里来？
    22. 01:14:11巨额AI投资的投入产出比
    23. 01:15:04我们在AI bubble中吗？
    24. 01:16:31展望2026年
  • 12-13124. 雨森的创投观察第1集：2026年预期、The Year of R、回调、我们如何下注
    1. 02:00复盘2025年
    2. 02:00从模型侧看进展：
    3. 28:13从应用侧看进展：
    4. 52:312025年真格出手了多少项目？20个左右
    5. 01:03:15预测2026年：The Year of R
    6. 01:03:15Return：
    7. 01:16:13Research：
    8. 01:21:00Remember（Memory）：
    9. 01:24:06多模态：
    10. 01:30:29AI Bubble
    11. 01:47:38创业端变化和建议
    12. 02:18:31也谈谈人生
    13. 02:29:50最后的快问快答
    14. 02:36:10在这集节目的结束，我又放了一段和雨森在录节目之前的一场闲谈，比较随意。我们点评了一下那些时常会被议论起的AI公司。如果你觉得有意思，也可以继续听下去
    15. 02:36:30OpenAI
    16. 02:46:38Google（我并不觉得Genimi能阻止ChatGPT的增长，不觉得Google已经脱离危险）
    17. 03:06:36Anthropic
    18. 03:11:05Manus
    19. 03:19:47Thinking Machines Lab、Safe Superintelligence Inc.
  • 12-12123. 对ONE2X创始人王冠3小时访谈：生成系统、没有中间商赚差价、内容平台的权力分配
    1. 02:00自我介绍、产品经理的经历和创业的开端
    2. 28:39第一次听说“压缩即智能”，大为震撼
    3. 32:25从月之暗面第一个离职创业的人
    4. 37:11数据是智能的第一性原理，数据决定的智能的边界
    5. 42:23数据三个阶段：公域数据>领域数据>产品内生数据
    6. 01:05:36为什么选择视频生成方向？
    7. 01:26:15AI如何重塑现有互联网格局？
    8. 01:30:50广义AGI vs 狭义AGI
    9. 01:41:59应用公司与模型公司的边界会变得模糊
    10. 02:01:44AI时代的公司最终都是生成系统公司
    11. 02:25:49权力重心向消费者端渗透，平台和创作者会如何演变？
    12. 02:38:11生成系统和推荐系统的本质区别是？“没有中间商赚差价”
    13. 02:50:34应该怎么做AI产品？北极星指标是智慧程度
    14. 03:05:45一个远程办公的组织
    15. 03:20:18未来的平台会从分销平台到产销平台
  • 12-09122. 朱啸虎现实主义故事的第三次连载：人工智能的盛筵与泡泡
    1. 01:40越来越现实的OpenAI：你看Sam Altman就知道了，今年几乎不太提AGI了，对吧？
    2. 05:46AI的超级入口之争：必然的就是超级入口之争，而且是日活之争、时长之争
    3. 08:34三年内看不到泡沫：他们讲的这些论点，我觉得都是无稽之谈
    4. 13:24你持有英伟达、OpenAI吗？
    5. 16:16大家低估了DeepSeek：如果没有DeepSeek，可能人类的AI是被几个私有公司控制的
    6. 19:06和共识错开15度，那性价比一下子拉出来了，是吧？
    7. 24:41离开大厂三条马路，离开大厂三条马路，对吧？
    8. 30:21大家知道，我投不投都是十分钟
    9. 38:30今天的VC共识太集中了：每个项目上都是Club Deal（俱乐部交易），每个股份比例都很小，那怎么赚钱？——GP赚不了大钱，LP也很不开心
    10. 40:50手机游戏打个《王者荣耀》，单独抽半小时、二十分钟就够了

2025 年 11 月

3 期
  • 11-28121. 对DeepMind谭捷的访谈：机器人、跨本体、世界模型、Gemini Robotics 1.5和Google
    1. 02:00机器人是在真实世界里做图形学，图形学是在simulation里做机器人嘉宾小传：小时候喜欢打游戏，读博士读的计算机图形学
    2. 13:06机器人基座大模型到底是不是一个非常独立的学科？So far, not yet今天的机器人发展到什么阶段了？
    3. 23:44Robotics最大问题是数据，它在一个非常复杂的unstructured environment里，可以发生任何事情最大的问题还是数据问题
    4. 47:32生成极大量仿真数据，是弥补它缺点的一个重要手段我们比较重视的一点还是数据、数据、数据
    5. 01:03:48世界模型就是Vision-Language-Vision，vision和language in，生成下一帧的图像世界模型的定义是：如果给上前一帧，再给上机器人的
    6. 01:08:29如果你有灵巧手，触觉就非常重要，之所以我前面觉得触觉不重要，是受限于当时的硬件如果你有灵巧手，触觉就非常重要
    7. 01:17:35一个有使命感的人，他不会容忍说“I’m on a wrong ship”这几年Google AI或者robotics的研究文化上有没有发生过变化？
  • 11-18120. 小鹏新上任的刘先明首次访谈：Language是毒药、拆掉L、简单即美、换帅、小鹏的AI转型
    1. 02:16人物小记曾在Meta、Cruise，从事机器学习与计算机视觉研究
    2. 19:00大模型拆Language我们的做法简单直接，把VLA的Language拆掉就完了
    3. 33:53小鹏汽车向物理AI战略的转型为什么一家汽车公司的自动驾驶战略需要向AI战略转型？
    4. 54:30换帅的背后过去1年做过“头铁”的事情
  • 11-03119. Kimi Linear、Minimax M2？和杨松琳考古算法变种史，并预演未来架构改进方案
    1. 04:00个人、研究主线与线性注意力机制的探索之路
    2. 06:27松琳做过一个开源库：flash-linear-attention（简称FLA）
    3. 07:04怎么通俗理解Linear Attention的Linear？
    4. 11:19聊聊最近参与的新工作，前几天刚发布的《Kimi Linear: An Expressive, Efficient Attention Architecture》
    5. 12:20为什么Kimi在年初开始需要重新设计注意力机制？设计的背景和目标
    6. 14:39《Kimi Linear》论文重点讲解：KDA模块（Kimi Delta Attention，增量注意力机制）
    7. 18:56Kimi内部有一个Scaling Ladder（规模阶梯），在一个规模下面表现好就在下一个规模下面去scale，就像通关
    8. 20:20Kimi Linear Attention vs DeepSeek Sparse Attention：Kimi走线性注意力路线，DeepSeek走稀疏注意力路线
    9. 23:01Minimax从M1到M2的架构变化，从Linear Attention退回到Full Attention，为什么？
    10. 27:00硅谷的注意力机制方案不方便说，但可以浅聊一下OpenAI有paper的方案
    11. 28:05Linear Attention从2020年发明出来开始后的前进线索
    12. 38:16纯Linear Attention是无效的，混合注意力机制还是有很多全局注意力层，这样下限有保证
    13. 40:30Kimi Linear每3层KDA插入1层全注意力层，三比一的比例快变成共识了
    14. 42:32权衡（Trade-off）表达能力（expressivity）与计算效率（efficiency）
    15. 46:28chunkwise algorithm for parallelization（分块并行算法）
    16. 47:55如何设计Attention？两条主流和一些非主流路线
    17. 49:36结合Linear Attention和Sparse Attention的未来理想方案
    18. 55:36公平的比较：Linear Attention vs Sliding-Window Attention（滑窗注意力）
    19. 57:05Transformer → MoE → Linear/Sparse Attention的算法演变，背后动因是给定你相同的FLOPs（浮点运算量），利用这些FLO
    20. 58:26近几年架构方面突破最大的是MoE，下一个突破可能是Attention；Transformer就两个模块，一个是FFN，一个是Attention；现在FFN已经雕
    21. 01:01:28数据、算法、算力是驱动人工智能的三驾马车，当数据遇到数据强，算法创新变得更重要
    22. 01:02:48架构的未来：1、能不能干掉全局注意力？它是阻止context window继续scale up的主要瓶颈
    23. 01:04:30如何把Linear Attention的Transformer继续scale up?
    24. 01:07:43中国AI的算法创新相比海外肯定是更强的——因为没有那么多卡（
    25. 01:10:56其他训练细节：NoPE vs. RoPE
    26. 01:12:09DeepSeek-OCR
    27. 01:12:55松琳也参与了Qwen3-Next，没有参与Minimax M2
    28. 01:13:39“雕”架构的人
    29. 01:15:16自己的心路：“当你很清楚你要做什么的时候，你是不会遇到什么挫折的”
    30. 01:23:12说到考古，我们在最后聊聊从Transformer开始的算法变种历史
    31. 01:29:50Delta Rule算法、硬件亲和、DeepSeek非常追求硬件和算法的匹配
    32. 01:42:23给更年轻的年轻人的建议

2025 年 10 月

3 期

2025 年 9 月

2 期
  • 09-11115. 对OpenAI姚顺雨3小时访谈：6年Agent研究、人与系统、吞噬的边界、既单极又多元的世界
    1. 02:58第一部分：人 感觉我前28年的人生，非常的乖
    2. 17:50第二部分：系统 Agent是一个非常古老的概念，任何能进行自我决策、与环境交互，并试图优化奖励的系统，都可以被称为Agent
    3. 48:38第三部分：吞噬的边界 创业公司最大机会是：能设计不同的interface（交互方式）
    4. 01:05:01第四部分：人类的全局 人与系统：Agent要不要像人？“是一个效用问题”
  • 09-06114. 与殷一、欧迪聊聊萨洛蒙：中国意外的增长阀门、小众越野跑与少女故事
    1. 02:00两位嘉宾的自我介绍
    2. 03:06萨洛蒙1947年诞生于法国，雪是DNA里最深的那道烙印
    3. 04:39我们曾经被阿迪达斯收购，阿迪达斯帮我们做了sports style
    4. 06:04越野跑核心人群，十年前只有10万人，今年也是10万人，区别是什么？
    5. 11:52品牌应该从小众走向大众，还是从大众走向小众？
    6. 16:222019年母公司亚玛芬被安踏收购后，萨洛蒙发生了什么？
    7. 18:07中国女性占比最高接近七成，现在是六成不到
    8. 20:45女性对男性的拉新高于男性对女性的拉新
    9. 23:212021年以后，越来越多海外户外品牌主动地集中进入中国
    10. 27:31小红书帮萨洛蒙拓展人群：“尖货尝新档”和“色彩敏感控”
    11. 34:55以人为主体的品牌策略：找到“超级用户代表”
    12. 43:2610年前我们做品牌会更注重the winning moments，现在更注重成长的过程和细节
    13. 45:37萨门少女背后的消费者洞察：女性不再追求仪式感的堆叠，更追求内心的松弛
    14. 48:36结合小红书和安福路萨洛蒙门店，线上和线下循环流量
    15. 55:24萨洛蒙拉新女性消费者，又反哺了男性消费者的增长
    16. 58:16如果一个非常男性化的品牌想要女性化，应该怎么做？
    17. 01:00:43潮流化会不会削弱专业户外基因？
    18. 01:01:33年轻人消费新变化
    19. 01:08:05当做AI品牌也像做消费品品牌，从品牌角度给AI创始人一些建议

2025 年 8 月

3 期

2025 年 7 月

3 期
  • 07-30110. 逐段讲解Kimi K2报告并对照ChatGPT Agent、Qwen3-Coder等：“系统工程的力量”
    1. 00:02:00给Agent下定义和分类
    2. 00:14:50Kimi K2、ChatGPT Agent、Qwen3-Coder、Manus的技术路线对比
    3. 00:28:29Agent Training 的关键环节：合成数据、强化学习、安全
    4. 00:30:57第一篇技术报告：Kimi K2: Open Agentic Intelligence
    5. 00:43:50第二篇技术报告和访谈：Introducing ChatGPT agent: bridging research and action
    6. 01:53:38第三篇技术报告：Qwen3-Coder: Agentic Coding in the World
    7. 01:59:04第四篇技术博文：AI代理的上下文工程：构建Manus的经验教训（作者：Yichao 'Peak' Ji）
    8. 02:06:06展望：也许会有一个新的范式
    9. 02:15:20我感觉Agent是“我拓展的大脑”，我背后有一个“军团”（Family of Agents）
    10. 02:16:41不同Bot的语言风格：DeepSeek嘴臭，元宝舔狗
  • 07-15109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta天价收购和Alexandr Wang
    1. 02:00开始的快问快答
    2. 02:48高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据
    3. 04:31从Cruise到英伟达到蔚来，怎么做合成数据和仿真？
    4. 14:11制作合成数据的具体流程？合成数据与真实数据的配比？
    5. 16:17在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键）
    6. 32:41物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？
    7. 46:18Physical Intelligence（π）对仿真与合成数据的两难态度
    8. 48:55辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang
    9. 53:57合成数据目前面临的瓶颈
    10. 55:25全球具身智能产业链Mapping：
    11. 01:09:22美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑”
    12. 01:15:33老黄在内部说：NV is a simulation company
    13. 01:21:25终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性）
    14. 01:23:28具身智能的产业还在GPT-1阶段，还没找到scaling law的配方
    15. 01:28:21我创业刚开始，从具身的本科开始学起
    16. 01:37:37最后的快问快答
  • 07-07108. 余凯口述30年史：世界不止刀光剑影，是一部人来人往的江湖故事
    1. 03:06初入学术江湖一开始在学术圈籍籍无名，算命先生说我24岁前“籍籍无名，劳而无功”
    2. 31:18再入互联网江湖我应该是旅美人工智能华人学者第一个回国的
    3. 51:19又入创业江湖我做了3个投资：买了英伟达，买了特斯拉，全身心把我投到地平线
    4. 01:11:21也入资本江湖我们一页BP没写，就融了第一轮，我觉得：哎呀，Life is so easy！
    5. 01:21:39转战汽车江湖科学家创业通常有这个问题：360度扫射
    6. 02:09:48我不是江湖人领导者我的role model是刘邦
    7. 02:35:23最后的快问快答这个世界我认为是写好了程序，每个人都是按照剧本来演
    8. 02:39:26补充花絮传授技巧：如果你决心离职，不要说公司任何不好

2025 年 6 月

6 期
  • 06-29107. 和梦秋的catch-up：创投挺无聊，也聊聊旅行读书和女性主义
    1. 02:002025年资本寒冬过去了吗？没…
    2. 04:00DeepSeek的出现，让AI应用创业变得活跃了吗？没…
    3. 10:45现阶段各种Bot的体验：神婆？舔狗？尤其点评微信、元宝和小红书
    4. 25:28探讨一下，微信里怎么做Agent？通用Agent成立吗？
    5. 31:25垂直Agent的创业机会和创业者
    6. 35:52现在的组织倾向于小组织，这可能利好年轻创业者
    7. 37:42为啥组织更小，融资额却更高了？
    8. 38:18除了Agent，还在看的是具身智能（仿真器很重要）
    9. 43:57可穿戴设备
    10. 54:54大模型公司
    11. 58:31这两年工作很boring，我的旅行之路
    12. 01:03:55我的读书之路
    13. 01:12:34聊影视行业（梦秋是中影独董）、《好东西》和女性主义
  • 06-22106. 和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象
    1. 05:58语言不是智能的本质，而是“一次跃变”“具身智能”和“机器人”是不同学术流派
    2. 25:08具身智能的学术边缘史具身智能最早兴起的task（任务）是，导航
    3. 41:15我的学术之路2016年，博士第一个项目：从人类视频里学多步的人与物体交互过程的生成（动画领域）
    4. 01:25:08具身智能的软件和硬件是螺旋上升的问题ChatGPT火了以后，很多人开始找我创业，我说创不了
    5. 01:44:34我们要避免陷入以下泥潭这一代具身智能公司相比此前机器人公司，差异在哪？
    6. 01:55:17具身智能是，“生产力即产品”雇人摇操采真实数据的成本到底有多高？一笔经济账
    7. 02:13:51资本轰炸后的人为乱象谁在创造生产力，谁在讲故事，这是最乱的——这个源自美国
    8. 02:25:25一个插曲去年黄仁勋访华为什么和黄仁勋同桌且在旁边？聊了什么？
    9. 02:28:26最后的快问快答
  • 06-19105. 和奔驰王忻聊，产业大转折下的德国汽车、话语权和技术battle
    1. 01:2520年前，就连波导手机也做过汽车
    2. 07:54我曾在汽车Tier 1德尔福18年，3年前加入奔驰，背后是产业大转折
    3. 09:30过去20年全球汽车产业的几个技术周期（2004年以前，2004-2014年，2014-2020年，2020年至今）
    4. 11:31现在转变成数据驱动的时代，Tier 1黑盒交付的时代不再
    5. 27:40中国团队和德国总部的话语权是争夺过来的吗？
    6. 28:27奔驰中国研发团队组织架构、沟通机制和battle
    7. 34:08德国企业的battle文化和美国企业是不同的
    8. 41:23为中国设计生产的功能要反向输出全球的时候，需要哪些流程？
    9. 43:21智能化是不可逆的趋势，但不能激进
    10. 46:50车车通讯在L3实现以后需要重新定义
    11. 51:54科技和豪华的关系：如果智能平权，豪华的标准变了吗
    12. 01:01:49去年从规则算法切换到端到端的过程挺煎熬的
    13. 01:04:40激光雷达是一个很好的冗余
    14. 01:05:35CLA和豆包合作大语言模型
    15. 01:09:36以人为本
    16. 01:11:08安全的步骤
    17. 01:13:08世界上第一位汽车驾驶员是奔驰创始人的太太
    18. 01:15:00在百年企业工作是什么体验——荣耀是什么？负担是什么？
    19. 01:17:48百年一遇的大转型、大变革
    20. 01:33:22奔驰CEO康林松会发脾气吗？
  • 06-15104. 和Rokid祝铭明聊，吴妈、阿里、硬件创业黑森林的第11年
    1. 02:36阿里1000万美金收购我的第一个创业公司，全部换成了股票
    2. 05:14最糟糕的时候，马云找我聊，引荐了Joe Cai（蔡崇信），又引荐了王坚博士
    3. 08:05我还有两个星期发薪水，账上只有4000块
    4. 15:55在阿里当高管，吴妈（吴泳铭）提出想做AI，成立M lab
    5. 22:43Rokid的融资、马云的建议
    6. 27:40吴妈当年是我的顶头上司，对吴妈的comments
    7. 31:412019年重要决策：一星期内从AI切换AR赛道
    8. 48:00像器官一样的硬件会从手机切换到智能眼镜？
    9. 59:17重要决策之后裁员了一大半，清空了一幢楼
    10. 01:05:45转型后第一次PMF
    11. 01:09:55现在的智能眼镜在黑莓到iPhone 1的中间阶段
    12. 01:11:52AI在硬件上的展开：具身智能、随身智能
    13. 01:13:05在智能眼镜，明年上半年会是与巨头竞争的时间点
    14. 01:19:29马云总结创业公司和巨头竞争的4个机会：4个不
    15. 01:23:38中美定义智能眼镜产品的不同
    16. 01:41:35公司价值观第一条是玩心，老板总是那个trouble maker
    17. 01:48:32聊聊杭州创业者们
    18. 01:59:05硬件创业的黑森林
    19. 02:27:00最后的快问快答
  • 06-08103. Lovart创始人陈冕复盘应用创业这两年：这一刻就是好爽啊！！哈哈哈哈哈
    1. 07:02经历了两次战斗，战斗正酣的时候是顶点，后面一地鸡毛
    2. 13:58从0到1做瓜瓜龙，刚升字节4-1，就撞上双减了
    3. 15:18换一种选择，会更好吗？
    4. 28:58被救赎的一刻：“希望是一切痛苦的解药，是一切痛苦的意义”
    5. 29:51避开大模型主航道和语言主轴，选择多模态、创作
    6. 37:432023年6月-9月，我全情的战斗！——3个月烧了200万美金
    7. 39:03前一秒刚赢了中国第一，下一秒被下架了、裁员了、没钱了
    8. 40:45怎么看投流？怎么看Kimi投流？
    9. 42:35被下架什么心情？奔溃啊
    10. 44:09公司账上只剩4000块
    11. 45:17现在获客成本是多少？怎么有效获取用户？
    12. 49:38时机稍纵即逝，好的节奏时一定要扩大战果
    13. 52:21我们非常清楚第一代产品liblib的局限性，开始考虑第二代产品
    14. 55:58第二代产品Lovart是怎么预研的？
    15. 01:01:47争抢“全球第一个XX Agent”究竟带来什么？
    16. 01:03:00为啥搞邀请码成了标配？
    17. 01:03:56Lovart火了之后
    18. 01:07:30AI应用创业的know-how
    19. 01:24:04与焦虑共生，就是干！
    20. 01:25:26这是我创业最！！爽的！！东西！！
    21. 01:28:00但在这一刻就是好爽啊！！！我爽了好一会儿——就是我朴实的快乐哈哈哈哈哈
    22. 01:28:32给我多少钱、给我多少职级，都买不到
    23. 01:32:35在陌生领域的创新，就像用火柴在潮湿的木头上反复地滑动，点燃又熄灭；直到有一天，你抓住了某一个缝隙，把木柴点燃，火势弥漫整个山洞
    24. 01:33:582023年底去高瓴办公室，阳光中，我恍惚了
    25. 01:26:01我不知道故乡是哪，只能一直往前走
    26. 01:38:46给其他AI应用创业者的建议
    27. 01:42:29最后的快问快答
  • 06-02102. 和张祥雨聊，多模态研究的挣扎史和未来两年的2个“GPT-4时刻”
    1. 12:25CV（计算机视觉）向NLP（自然语言处理）的学习历史
    2. 17:142022年我开始对单纯靠视觉学出“CV领域的GPT时刻”比较悲观
    3. 18:22纯视觉这个domain有什么问题？GPT这样的生成模型你可以同时拥有生成、理解和人类对齐，而静态图像这三者是割裂的
    4. 24:23我停止了对静态图像表征的研究，构思新的研究主题：短期内利用视觉和语言的对齐关系
    5. 29:10经过尝试还是没做到图像的理解、生成和对齐一体化，我得到一个越来越强的生成模型，和一个越来越强的理解模型，没有起到叠加效果——为什么如此难以融合？
    6. 38:45做了大半年十分迷茫，但在此刻出现了转机
    7. 43:10一些蛛丝马迹：更大的模型做数学题倾向于跳步，不老实
    8. 44:33经过分析，这是next token prediction的本质缺陷
    9. 45:42更大的压缩率未必对应更高的计算精度，我们来做一个思想实验
    10. 47:27生成模型的“特征坍缩现象”
    11. 50:48解决方案就是引入RL（强化学习）
    12. 53:28o1的核心是思维链的pattern——“做思考模型，pattern is all you need”
    13. 01:01:52当模型走到某一步，摆在面前有两个分支——走左边？还是走右边？——一个token之内到底能不能解决？（critical decision）——不能，所以引入反思p
    14. 01:10:16o1范式的本质是一种Meta-CoT ，是CoT的CoT
    15. 01:15:13简单把生成和理解做到一起，难度非常大，缺失了重要一环CoT
    16. 01:15:54去年中开启新的project：视觉理解（视觉空间的Long CoT）
    17. 01:19:06尝试了半年，结果给大家透露一下吧！
    18. 01:21:30o系列不仅泛化了domain，更吸引人的是泛化了pattern
    19. 01:22:16博弈类问题是难以泛化的领域，有很多无效思考和低级错误
    20. 01:24:07o1激发的反思pattern，在预训练语料中都有分布了
    21. 01:31:31关于预训练加多模态数据有两种说法：影响了text智商？还是增强了scaling law？
    22. 01:36:43往后两条腿走：扩充预训练语料和扩展动作空间
    23. 01:45:42多模态的“GPT-4时刻”还有多久
    24. 02:07:09架构不重要，架构是服务算法和系统的（为什么我说Linear Transformer不本质）
    25. 02:08:30下一个“GPT-4时刻”？模型的在线学习/自主学习
    26. 02:21:22澄清一些有关Agent的观点
    27. 02:25:00人虽然没有生成器官，但人有世界模型
    28. 02:26:34我们的智能水平还在为视觉挣扎，机器人领域在抢跑

2025 年 5 月

2 期
  • 05-28101. 对YouWare创始人明超平3小时访谈：今天Agent像大猩猩刚拿起一根烧火棍
    1. 03:16开始的快问快答
    2. 04:36童年和少年片段
    3. 06:52我在武大打辩论，尤其擅长四辩
    4. 13:00辩论让我学会的最重要的：“永远具有第三方视角，辩论不是说服你的对手”，“1秒钟把自己变成傻子”（by张小龙）
    5. 14:40大学后两年基本睡在实验室里，沉浸式打“智能汽车竞赛”，拿了国奖
    6. 19:43哎，好惨，惨痛的经历——我是输掉比赛最多的队员，也是拿最佳辩手最多的队员
    7. 23:06那是学长的退役比赛，我到今天还很愧疚
    8. 26:37产品经理之路第一站：OnePlus导师带我们去坐地铁、逛商场
    9. 30:18“体验不是数据”：续航数据和续航体验不划等号，95-100%和0-5%电量是用户对体验最敏感焦虑的时候
    10. 33:58产品经理之路第二站：刚去字节极不适应，觉得自己很菜
    11. 37:42字节产品方法论劣势是什么？“它会磨灭掉很多灵光一现的创意”
    12. 39:35“数据是‘开车的后视镜’，但它不能指引你前进”
    13. 41:03字节没有乔布斯，字节没有张小龙，但字节有一鸣啊——有一些很小很小的创业团队，一鸣都聊过了
    14. 42:08怎么看字节过去这些年出来了许多创业者，但无人大成？
    15. 43:2823年和杨植麟聊了10个小时，聊音乐、艺术、爱好、产品、过去的经历，实在是到晚上8点我们要去吃pizza，我说“要不给我讲讲技术吧”
    16. 50:14海外产品Noisee的走红与骤停
    17. 01:03:03字节能成为字节，契合了时代几个重要变量（移动设备普及、带宽速度、推荐引擎）
    18. 01:05:05立马就遇到the bitter lesson（苦涩的教训）
    19. 01:11:59想雕花的本能，情不自禁给它更多脚手架，你会和这个时代的最大变量背道而驰
    20. 01:12:45突然意识到，这个东西不对劲——产品没上线就停掉了
    21. 01:13:18失眠的顿悟：AI时代关键指标之一是“token消耗速度”，要追求“per token valuation”
    22. 01:16:33“壳”被低估了，应该叫“容器”和“环境”（环境是人的反应器）
    23. 01:17:52只给用户一个Chatbot输入框，是蛮不负责任的
    24. 01:21:18今天Coding发展和当年Camera类似，早期聊相机说的是“拿着单反的人”，巨大变化是出现了新的人群——“手机摄影师”
    25. 01:23:50早期趋势变量是出现新的人群，增速快，今天的新人群是“Vibe Coder（氛围编程师）”
    26. 01:25:23今天Anthropic是不是承担索尼的角色？其他创业公司把时间花在Camera/基座模型上，还是花在——随着Camera迭代出现了Snapchat、Instag
    27. 01:37:12Agent未来可能的两种生态：类比新加坡vs美国
    28. 01:40:44Page rank变成Agent rank
    29. 01:42:07如果你把所有to C公司都变成to B公司，会受到大家的反抗
    30. 01:44:02Agent的网络效应
    31. 01:46:02我们也想成为OS Agent呀！——路径不告诉你：）
    32. 01:46:30我对团队说：“咱们99.9%是要死掉的”
    33. 01:46:57今天的Agent像一个大猩猩拿起石头开始砸东西
    34. 01:47:58“永远相信Model会变好，永远相信Model和你无关”
    35. 01:49:50基础模型在造更聪明的人，应用公司在通过环境/经验适用我们的生产需求
    36. 01:53:54我设想的OS Agent：它是活的
    37. 01:58:26Agent接下来会像人类社会出现部落，遇到信任问题，需要身份证、密码锁
    38. 02:03:33过去2年对AI技术和产品的观察（以更高效的方式消耗token、压榨智能）
    39. 02:14:50给你的员工提供情绪价值
    40. 02:19:5390后founders更自信、更洒脱、更叛逆
    41. 02:21:17融资风生水起，我却感觉如履薄冰
    42. 02:23:35有意识地对抗Ego
    43. 02:33:45棋手和对弈的人
    44. 02:36:57最后的快问快答
  • 05-23100. 对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰

2025 年 4 月

2 期
  • 04-2899. 对能量奇点创始人杨钊3小时访谈：人类驯服可控核聚变还有多少路程？
    1. 13:22多国联合推出的“国际热核聚变实验堆计划”（ITER）， 一个超大型托卡马克装置，已投入资金250亿欧元，建设周期30年
    2. 14:47高温超导材料和低温超导材料都是低温（高温超导在的能量增益的条件下，可以将装置体积缩小两个数量级，也意味建造成本大约缩小两个数量级）
    3. 19:17一个关键指标：Q值/能量增益由三乘积（等离子体的密度×温度×约束时间）决定，Q值全球最高刚过1，目前追求Q>10
    4. 27:09从氢弹到惯性约束到磁约束，不同磁场形状对应不同磁约束分叉技术路线
    5. 27:50上个世纪60年代，苏联想到用甜甜圈一样的磁场位形托卡马克路线
    6. 28:50全世界大概有100台以上托卡马克装置
    7. 29:11从用铜做托卡马克的时代过渡到用超导做托卡马克
    8. 30:172024年，我们建成全世界第一台全高温超导托卡马克（“洪荒70”装置）
    9. 39:43想清楚以后搭团队，最开始4个人
    10. 41:05杨钊的个人背景：斯坦福博士方向是比较底层的物理，量子引力、弦论、量子引力和量子信息的交叉，离这个世界比较远的基础物理
    11. 46:36人类科学的“明珠”和“有生之年”系列
    12. 51:05从博士毕业到核聚变创业之间？在金沙江创投美国做EIR（驻场准创业者）、第一段人工智能和音乐教育结合的创业
    13. 55:362021年初，针对核聚变科研院所和供应商的市场调研
    14. 01:07:33每个环节都在不断出问题，你越接近实物状态，你的问题越大、问题越多，改动修补成本越高
    15. 01:15:43“洪荒70”的意义
    16. 01:18:49通往第一个可控核聚变商品的“三步走”
    17. 01:21:10经天磁体（大孔径磁体）和“洪荒170”的意义
    18. 01:35:18点评世界上3台全低温超导装置（中国合肥的EAST、韩国的KSTAR、日本的JT-60SA）
    19. 01:38:40“洪荒380”，按照完整能长时间运行的示范电站的要求做
    20. 01:45:06核聚变和AI的关系是什么？
    21. 01:52:13中美核聚变市场格局的分割与差异
    22. 01:54:10我们和CFS（Commonwealth Fusion Systems，美国麻省理工学院分拆出来的联邦核聚变系统公司）技术路线是相似的
    23. 01:56:40真正聚变商业化的原料需要用氘氘去发电，而不是氘氚
    24. 02:03:16当能源无限，世界会怎么样？
    25. 02:04:57聊聊自我与组织、登山与跌落
    26. 02:30:57最后的快问快答
  • 04-0698. 逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”
    1. 04:11讲解开始前，先提问几个小问题
    2. 17:36当下最大变量：从专用模型到通用模型（robot foundation model）的可能性
    3. 21:12大模型浪潮爆发后，机器人领域经历了两个阶段：从利用基础模型进行机器人研究（leveraging foundation models in robotics）到为
    4. 23:54由Google Robotics团队提出的具身智能开创性论文Say Can《Do As I Can, Not As I Say: Grounding Langu
    5. 27:03第二步，用VLM（Vision-Language Models，视觉语言模型）替代Perception
    6. 27:52来自Google的论文《Inner Monologue: Embodied Reasoning through Planning with Language M
    7. 29:51由清华和上海姚期智研究院提出的《DoReMi: Grounding Language Model by Detecting and Recovering fro
    8. 32:47第三步，想把Actuation进一步自动化，用Code LM（专门用于代码相关任务的大型语言模型）来替代Actuation
    9. 32:24由李飞飞团队提出的《VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Langu
    10. 39:53关于VLA的经典论文及分类：
    11. 40:17Aloha论文《Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware》
    12. 47:36Mobile Aloha论文《Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost
    13. 50:15论文《A Generalist Agent》介绍了一个名为Gato的通用型人工智能代理
    14. 52:45RT-1论文《RT-1: Robotics Transformer for Real-World Control at Scale》
    15. 59:02Octo论文《Octo: An Open-Source Generalist Robot Policy》
    16. 01:02:20CrossFormer论文《Scaling Cross-Embodied Learning: One Policy for Manipulation, Navi
    17. 01:06:58字节跳动AI Lab的两个工作GR-1和GR-2：
    18. 01:15:02Palm-E论文《PaLM-E: An Embodied Multimodal Language Model》
    19. 01:20:02当前VLA最有名的开山工作：Google推出的RT-2论文《RT-2：Vision-Language-Action Models Transfer Web Kn
    20. 01:26:05RT-X论文《Open X-Embodiment: Robotic Learning Datasets and RT-X Models》
    21. 01:31:16《OpenVLA: An Open-Source Vision-Language-Action Model》（约等于开源版RT-2）
    22. 01:32:56陈建宇课题组《HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers》
    23. 01:38:40Figure AI Helix，没发论文，但是今年Figure最新架构
    24. 01:39:28Pi0论文《π₀: A Vision-Language-Action Flow Model for General Robot Control》
    25. 01:41:36英伟达最近发布的GROOT N1模型《GR00T N1: An Open Foundation Model for Generalist Humanoid Ro
    26. 01:42:32《Diffusion Policy: Visuomotor Policy Learning via Action Diffusion》
    27. 01:47:39清华发布的《RDT-1B: A Diffusion Foundation Model for Bimanual Manipulation》
    28. 01:51:04《Prediction with Action: Visual Policy Learning via Joint Denoising Process》（动作预
    29. 02:03:06两个未来方向：《UP-VLA: A Unified Understanding and Prediction Model for Embodied Agent》
    30. 02:09:22最后的提问

2025 年 3 月

3 期
  • 03-3097. 25年Q1大模型季报：和广密聊当下最大非共识、AGI的主线与主峰
    1. 11:56Coding是最通用赛博世界的环境，是模型的手我对两年内实现AGI有前所未有的信心
    2. 19:55OpenAI vs Anthropic：战略是不同组织能力的表达OpenAI和Anthropic同宗同源，最开始路线一样，但走着走着，核心战略bet或路线已经发
    3. 30:18一位AGI原教旨主义眼中的AGI roadmap（路线图）智能提升是唯一主线，智能本身就是最大应用
    4. 43:00智能的本质是什么？这是个极好的问题——大家有想法可以打在评论区：）
    5. 48:03Agent是新物种“智能水平离AGI越近，可能就越像宇宙大爆炸”
    6. 55:49未来范式级的路线，可能Online Learning是一个
    7. 01:02:45模型与产品的关系、壁垒和商业模式今天定价为什么20美元，是copy SaaS的定价吗？但SaaS不会消耗大量token
    8. 01:15:11全球大模型公司竞争格局和全球AI产品公司GPT-4.5算不算领先？GPT-5为什么一直在跳票？OpenAI有没有失败的风险？
    9. 01:54:32中美格局：如何跨越地缘封锁科技投资不是靠“混”能混出结果的，很多VC investor到处混圈子，其实没意义，还是得靠“创造”
  • 03-1696. 和郎咸朋聊，自动驾驶10年演进史、关键技术细节和特斯拉
    1. 04:302018年，从高精地图+激光雷达到BEV+Transformer，Tesla是标杆
    2. 12:07当年激光雷达50-60万/台，早期百度/Cruise一辆车7-8个激光雷达，传感器成本远高于这辆车（当时我们在百度，一辆车500万人民币）
    3. 13:09为什么特斯拉要用视觉解决问题？为什么自己造芯片？
    4. 15:16特斯拉一辆车的传感器+芯片成本？一辆车有几个芯片？
    5. 20:06特斯拉总在用“升维”方式解决问题
    6. 25:06激光雷达和camera解决方案区别
    7. 28:46端到端、“我们以前做自动驾驶都做错了”
    8. 41:14我的工作经历：13-18年在百度，18年开始在理想
    9. 50:50“L3不是L2的延长，而是L4的先导”
    10. 01:15:15端到端是最典型的强化学习，端到端+VLM+世界模型是RL架构
    11. 01:26:402024年3月李想对智驾团队发火
    12. 01:32:23“卫城”项目：“他就觉得你一定要跪下来求他”“老子就算死也要站着死”
    13. 01:35:51想过职业生涯栽在这儿吗？李想脾气不太好？
  • 03-0295. 对Manus创始人肖弘的3小时访谈：世界不是线性外推，做博弈中的重要变量
    1. 03:03开始的快问快答
    2. 05:15连续创业者、第一段创业、沮丧时刻、不同年龄段毕业生的最优选
    3. 17:04已经把大学赚的钱花完了，山穷水尽
    4. 33:16“VC是很贵的集资手段”，它的贵不体现在你不好的时候，而是体现在好的时候
    5. 42:10最重要的转折点：预判大厂的预判、《大空头》、等待、诱惑
    6. 52:27每次觉得自己技能点还可以的时候，就会冒出一个新维度——这次是资本
    7. 56:19嗅到泡沫的味道
    8. 58:15卖过公司founder的生活和心态、“让你的生活状态变得昂贵是更昂贵的”
    9. 01:05:55第二段创业的第一款产品：浏览器插件、Monica.im、ChatGPT for Google
    10. 01:28:04从2022年底创业开始每年重要的决策
    11. 01:48:38有模型 vs 没模型，“贸工技”vs“技工贸”，“模型是技术平权”
    12. 02:02:14我脑海中大模型应用的分类和方法论：主场景补充、模型能力带来的变化、模型能力在特定领域的外溢
    13. 02:09:322025年春节真是梦回2023年呐！
    14. 02:10:09我尝试把火过的AI应用作为少量数据点，总结规律做预测
    15. 02:20:00开源一个AI创业idea：预判大模型的下一个能力是什么，先做好应用，在那里等着
    16. 02:21:01大模型原厂做什么 vs 应用公司做什么
    17. 02:23:51DeepSeek最佛却取得最好结果，精神上给了大家鼓励：BE YOURSELF！！
    18. 02:26:27从产品角度解析为什么DeepSeek全球爆火，而OpenAI o1遗憾错过
    19. 02:31:12对即将要发布的新产品的完整思考：国内Agent的第一枪！
    20. 02:47:49这几天正在经历“A-ha moment”，真的觉得在制造生命一样的东西
    21. 02:49:27在一切都不稳固的状态下，AI应用创业者应该保持什么心态？
    22. 02:51:36大厂能理解你的创新的时候就是很危险的时候
    23. 02:58:24用时代的年龄思考，而不是用生理的年龄思考
    24. 03:01:02我让DeepSeek解释“贪、嗔、痴”
    25. 03:01:53为什么不做底层模型？
    26. 03:04:39Peak Ji（Manus首席科学家）问黄仁勋：接下来几年什么事情发生会让你觉得很惊讶？黄仁勋的回答：Basically nothing。
    27. 03:09:08Founder是没得选的
    28. 03:12:20Founder应该用“博弈的方式”思考，而不是用“逻辑推理的方式”思考
    29. 03:15:00一位founder的生活和对世界的认知
    30. 03:17:50最后的快问快答

2025 年 2 月

6 期
  • 02-2394. 逐篇讲解DeepSeek、Kimi、MiniMax注意力机制新论文——“硬件上的暴力美学”
    1. 01:19:14Kimi最新论文《MoBA: Mixture of Block Attention for Long-Context LLMs》讲解论文中文名：《MoBA：面向
    2. 01:44:42MiniMax春节前的论文《MiniMax-01: Scaling Foundation Models with Lightning Attention》讲解论
    3. 02:30:07最后强化学习一下【技术之美】系列：
  • 02-2093. 离开字节、MiniMax的张前川，发出AGI对人类威胁的预警
    1. 03:39搜索引擎、拉里·佩奇和俞军
    2. 17:352005-2025，过去20年，内容分发产品的演化历史和内生逻辑
    3. 24:28推荐引擎、今日头条和张一鸣
    4. 28:28小红书在推荐引擎范式的延长线上吗？为什么小红书不是字节做的？
    5. 39:29微信送礼物的功能maybe对于小红书更有意义
    6. 42:50泛化如水流有方向：女生向男生，年轻向年长用户的泛化更容易
    7. 52:00面试时张一鸣问我的问题
    8. 54:10AI是人类的最后一个发明，加速度无限大
    9. 57:00把AI当目的 vs 把人当目的（更多公司是在for AI的目的？）
    10. 01:09:08Agent就是“baby阶段的AGI”
    11. 01:19:56人类灭绝的n种可能性（人利用AI灭绝人类/AI有意识的灭绝人类/AI无意识的灭绝人类）
    12. 01:24:30人类如何幸福生存下去？
    13. 01:26:03如果AI产品收费模式是付费制，大部分人类会逐渐失去和AI的连接
    14. 01:40:21AGI公司的承诺和制度安排
    15. 01:58:48人类不要逃避危险本身而逃避思考
  • 02-1792. 和张亚勤院士聊，意识、寿命、机器人、生物智能和物种的延伸
    1. 03:57微软怎么管理亚洲研究院？目标如何设置？
    2. 05:53清华智能产业研究院（AIR）的目标和路径，不做基层通用大模型
    3. 10:45我脑海中的AGI地图：信息智能〉物理智能〉生物智能
    4. 12:40信息智能是大脑的智商，5年内达到AGI水平
    5. 14:25物理智能首先落地是自动驾驶，人形机器人需要10年
    6. 15:51机器人分三类：家庭机器人、工厂机器人、社会机器人
    7. 21:05人形机器人：未来可能每个人有一个你的copy、你的“分身”
    8. 22:25为什么大模型大幅加速了自动驾驶和具身智能的开发速度？
    9. 39:38生物智能：20年实现，人的寿命更长，诞生新物种
    10. 45:56构想10年后的世界
    11. 51:27最后推荐两本书
  • 02-1191. 逐篇讲解DeepSeek关键9篇论文及创新点——“勇敢者的游戏”
    1. 45:48《DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Langu
    2. 01:06:40《DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Mo
    3. 01:40:17《DeepSeek-V3 Technical Report》技术讲解
    4. 02:12:16《DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelli
    5. 02:47:18《DeepSeek-Prover: Advancing Theorem Proving in LLMs through Large-Scale Syntheti
    6. 02:52:40《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learn
    7. 03:01:419篇论文到这里都讲完啦！最后我们一起强化学习一下！关于强化学习往期节目：
  • 02-0790. 朱啸虎又来了：中国现实主义AIGC故事的1周年连载
    1. 03:08这是对领先者的curse、诅咒
    2. 05:21闭源模型还有没有价值？是很严峻的灵魂拷问
    3. 06:0020天做到2000万DAU：DeepSeek是全球App增速历史第一，不需要任何限定语
    4. 07:00梁文锋觉得，意识不一定是一个非常高技能、高门槛的事情
    5. 11:19不用担心在别人的地基上盖房子，对AI应用公司是极大的解放
    6. 14:40初始语料需要博士级别、各个领域专家级别的人来打标签
    7. 15:53DeepSeek这次唯一没有公开的可能就是预训练语料
    8. 17:40OpenAI成本很高，如果不能持续保持领先，挑战会挺大
    9. 18:09中国大模型公司都需要重新思考
    10. 20:05今天的DeepSeek是追赶者还是创新者角色？
    11. 21:02怎么看梁文锋？梁文锋是你的反面吗？
    12. 21:40我肯定会投啊！我肯定会投！——这个价格已经不太重要了，关键是参与在这里面
    13. 22:59我今天上午和梁文锋说，R1可能会被认为是机器AI意识的元年
    14. 24:00至少搜索肯定是被彻底取代了——这是毫无疑问的！
    15. 26:14AI产品的数据飞轮价值不大，这是我这两年最大一个教训
    16. 27:51如果你是DeepSeek CEO，你当下最关切、最紧要需要解决的问题是什么？
    17. 31:32怎么看特朗普上任第二天宣布的Stargate（星际之门）项目？怎么看英伟达？
    18. 33:29“朱啸虎们”怎么看待“梁文锋们”？
    19. 34:07复盘1年前《朱啸虎讲了一个中国现实主义AIGC故事》里的观点，哪些被打脸？哪些更坚定？
    20. 36:16尤其在中国，你可以假设底层模型是免费的！
    21. 37:07回顾2024年的大模型行业，你会把哪些时刻当作关键节点？
    22. 40:45字节今天如果马上改开源追赶，那也不太容易
    23. 41:30今年会不会看到通义千问把自己的生态向DeepSeek兼容，这样一个标志性事件？
    24. 42:08点评新出现的AI产品（包括但不限于Perplexity、Cursor、Devin）
    25. 47:39聊小红书、具身智能、杭州和理想汽车
    26. 52:26现在全世界就只有中美有AI能力，出海都是Low-Hanging Fruits（低垂的果实）
    27. 52:57我今天看到在新加坡的泡泡玛特，买盲盒还要配货，你想到吗？！买盲盒都要配货！！
    28. 55:30答DeepSeek问
    29. 59:50最后的快问快答
  • 02-0489. 逐句讲解DeepSeek-R1、Kimi K1.5、OpenAI o1技术报告——“最优美的算法最干净”
    1. 33:03DeepSeek-R1-Zero and DeepSeek-R1技术报告《DeepSeek-R1: Incentivizing Reasoning Capabi
    2. 35:24摘要（Abstract）
    3. 37:39导论（Introduction）
    4. 44:35发布的两个模型中，R1-Zero更重要还是R1更重要？
    5. 47:14研究方法（Approach）
    6. 48:13GRPO（Group Relative Policy Optimization，一种与强化学习相关的优化算法）
    7. 57:22奖励建模（Reward Modeling）
    8. 01:05:01训练模版（Training Template）
    9. 01:06:43R1-Zero的性能、自我进化过程和顿悟时刻（Performance, Self-evolution Process and Aha Moment）
    10. 01:14:52模型能涌现意识吗？
    11. 01:16:18DeepSeek-R1：冷启动强化学习（ Reinforcement Learning with Cold Start）
    12. 01:24:48为什么同时发布两个模型？取名“Zero”的渊源故事？
    13. 01:28:51蒸馏：赋予小模型推理能力（Distillation: Empower Small Models with Reasoning Capability）
    14. 01:35:27失败的尝试：过程奖励模型（PRM）与蒙特卡罗树搜索（MCTS）
    15. 01:42:33DeepSeek-R1技术报告是一片优美精妙的算法论文，有很多“发现”，这是它成为爆款报告的原因
    16. 01:43:50对DeepSeek-R1训练成本的估算：
    17. 01:49:05KIMI K1.5技术报告《KIMI K1.5:
    18. 02:20:07DeepSeek论文的结尾谈未来往哪里发展？
    19. 02:24:35以上是三篇报告所有内容，接下来是提问时间，我们继续强化学习一下！“数据标注”在几篇论文中藏得都比较深，小道消息OpenAI一直以100-200美元/小时找博士生

2025 年 1 月

2 期
  • 01-2488. 和吴翼技术解读OpenAI Operator：推理从抽象世界走向物理世界的开端
    1. 04:19Operator在AGI路线图上的地标：多模态、连续交互、闭环控制系统
    2. 06:34OpenAI内部还有更好的模型，智力会刷得很高，Operator带有泛化性
    3. 08:17Operator是多模态、闭环的o1，一个Agent o1的版本
    4. 08:57为什么Operator是单独入口？
    5. 11:13Operator包含的技术要点：基座模型、高质量数据集、高效大规模支持Agent的强化学习系统
    6. 14:10有关Operator底层用的新模型：Computer-Using-Agent（CUA）
    7. 19:022025是Agent之年：多模态模型+强化学习
    8. 20:49回溯到2016年，OpenAI成立后第一个大项目就是Web Agent，但失败了
    9. 22:40OpenAI的5级分类：聊天机器人Chatbots〉推理者Reasoners〉智能主体Agents〉创新者Innovators〉组织Organizations，
    10. 31:26Operator在与人类协作时，如何平衡自主决策和人类指令的优先级？
    11. 32:30Operator怎么整合语言、视觉和动作等不同模态的信息？
    12. 34:11Operator能否支持与其他Agent的协作？这种协作的机制是什么？
    13. 38:45广密说Chatbot不是提取智能最有效的交互方式，Operator能有效提取智能吗？
    14. 42:14OpenAI智能提升与更多产品的关系
    15. 49:48Agent这个词从博弈论进入人工智能，现在指大语言模型调用外部世界
    16. 54:29Agent中有创业公司的机会吗？
    17. 58:57Operator释放了信号：逻辑推理从抽象世界走向视觉物理世界的开端
    18. 01:02:27如果Agent在未来成为主流，人类与AI的协作方式会发生哪些变化？
    19. 01:06:46大公司全部开着重装坦克往前走，其他人怎么办？
  • 01-0287. 对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯
    1. 56:12第二节：谈智能驾驶 1. 三年我们能推出把方向盘摘掉的产品
    2. 01:17:50第三节：谈汽车之战 1. 买法拉利
    3. 01:42:47第四节：消失的李想 1. 典型的李想的一天
    4. 02:08:42以上是对李想的正式访谈内容，以下是播客的加长内容。 02:08:42 补充内容（可跳过）
    5. 02:31:49宅男、家庭、孩子、《再见爱人》、游戏和天梯
    6. 02:49:24最后的快问快答

2024 年 12 月

4 期
  • 12-2286. 大模型季报年终特辑：和广密预言LLM产品超越Google之路
    1. 51:04Part 2: 硅谷其他AI公司和产品 Anthropic：得Coding，得开发者，得API消耗，有机会得生态，做OS
    2. 01:02:24Part 3: 对2025/2026关键预言性判断 1/ Long horizon task 是下个重点，重要核心圈子几个大佬级人物都在重点做
    3. 01:11:11Part 4: 再谈Scaling Law Ilya最近提的pretrain data wall（预训练数据壁垒）是什么？
    4. 01:22:19Part 5: 复盘2024 回顾一下，能定义2024年全球大模型产业的关键时刻？
  • 12-1585. 与总统竞选成员聊，总统候选人与美国叙事如何PMF？
    1. 02:2322岁参与奥巴马竞选团队，后担任他在白宫的新闻助理
    2. 03:13美国大选的框架：scale up、地推、集资、媒体…
    3. 06:46大选就是把产品（候选人）和市场（国家环境）做Product Market Fit
    4. 08:25总统竞选成员每天具体在干嘛？
    5. 14:31大选输赢对于竞选团队成员的职业生涯有多大影响？
    6. 15:30大选怎么获胜？“首先你的产品要好”
    7. 19:25从商务部（骆家辉任上）到白宫新闻部，给奥巴马写新闻稿
    8. 22:08特朗普的胜选在预期内，有些与08年雷同
    9. 25:09特朗普是个好产品吗？共和党缘何胜利？民主党缘何惨败？
    10. 30:12奥巴马这个产品如果放在现在，还能fit今天的美国吗？
    11. 31:35哈里斯是一个仓促的、还没有准备好的产品？
    12. 32:19我在大选框架中亲历4次，大选当天都是枯燥的一天
    13. 33:36是共和党跟着特朗普走，不是特朗普跟着共和党走，特朗普就是特朗普
    14. 34:50特朗普如何争取硅谷精英选票？他对美国科技业的后续影响？
  • 12-1084. 融了近4亿的AI创业者在干嘛？岂凡超的第一次访谈
    1. 02:4594年，博士还没毕业开始创业
    2. 12:49清华AI创业的脉络和门派
    3. 14:34ChatGPT之前，见了100个投资人
    4. 22:18ChatGPT之后，资本环境发生过山车式的变化
    5. 25:3923年下半年开始发现差异化训模型变难，于是战略转型
    6. 29:30不认可模型即产品，未来没有模型公司
    7. 33:50我们产品有5个模型组合，试图解决模型输出不确定性
    8. 40:11产品构想：新闻阅读？信息助手？
    9. 42:40内容生产消费分发变迁史
    10. 44:52内容是信息的载体，从以内容为颗粒度到以信息为颗粒度
    11. 53:36内容生产消费链路变化，重心一直从内容创作者往消费者移
    12. 56:49新一代创作者会是什么样？
    13. 60:06刚上线的产品：语鲸
    14. 70:30聊聊好产品：Cursor、NotebookLM、Perplexity
    15. 73:55创业像航海，没有航海图
    16. 81:18我干的一件很蠢的事
    17. 83:1890后CEO幼稚吗？大发雷霆吗？两面三刀吗？画饼吗？喜欢管理者做信息差管理吗？
    18. 88:28大模型输出的不确定性很大程度影响AI组织
  • 12-0483. 黄仁勋和3万亿美元英伟达是如何炼成的？
    1. 09:54服务员黄仁勋特别不喜欢顾客点奶昔
    2. 16:16英伟达的三位创始人和创办（黄仁勋、普里姆和马拉科夫斯基）
    3. 22:05Nvidia为什么叫Nvidia：要成为让所有人嫉妒的公司？
    4. 23:52英伟达发展的三个阶段：从NV1、NV2的败笔开始
    5. 36:22细数英伟达发展史上的重大战略决策，成功的和再次失败的
    6. 48:57黄仁勋怎么治理公司？白板文化、Top 5、机长、“战略不是文字，是行动”、“运送一整头牛”…
    7. 01:30:16联合创始人普里姆的离开，黄仁勋没有二号位
    8. 01:33:113万亿美元英伟达是如何炼成的？

2024 年 11 月

2 期
  • 11-2582. 和以太坊Vitalik Buterin聊：LLM的权力、技术哲学观与猫
    1. 05:00站在Crypto技术浪潮那一端看人工智能革命，在想什么？
    2. 10:03AI是非常有权力的，ChatGPT是非常中心化的应用
    3. 13:35OpenAI第一步为了安全牺牲了开源，第二步为了利益牺牲了安全
    4. 28:21如果人工智能的终极势力抑或是“老大哥”要毁灭人类…
    5. 35:18比人类更聪明的东西一定会出现，有两种选择
    6. 37:56Crypto和AI可以如何结合？
    7. 41:13如果我们行业就是发个币、做个交易所，这个行业是失败的
    8. 44:44为什么以太坊生态或Web3生态依然没有实际应用？
    9. 46:40中心化的应用 vs 去中心化的应用（提到的产品名：Farcaster、Twitter、Warpcast、Firefly）
    10. 53:30如何看待Crypto行业中的投机分子？
    11. 56:19谈自己：生活、思考、恐惧
  • 11-1081. 和李开复聊聊：如果美国形成AGI霸权，我们应该怎么办？
    1. 02:03从2024诺奖开始聊起：聊聊我熟悉的Geoffrey Hinton
    2. 09:19Hinton的功劳不只是机器学习，还有识别GPU对机器学习的价值
    3. 10:2023年开始的第一次也是最后一次创业：顶着“教父”、“偶像”这样的帽子创业，有包袱吗？
    4. 15:1724年零一最重要决策是做成本更低的推理，如何实施？
    5. 27:36做世界最牛的模型和做应用，是不能衔接的（Character.AI的两难）
    6. 35:39要追求第一个做到AGI且完全碾压别人，这个梦想我们没有，也不能有
    7. 41:25第一个做出AGI碾压对手的，必然是商业霸权垄断者，会有成为终极垄断者的野心
    8. 43:03中国可以走的第二条道路的可能性视角
    9. 49:43我认可说AGI会7年以后会发生
    10. 54:11谈零一最近的战略选择：2C先走海外，国内聚焦2B
    11. 01:02:222C应用预计会在明年上半年爆发
    12. 01:04:45智能助手可能走向委托式用户界面，变成Super App
    13. 01:14:18OpenAI还藏了很多牌，我们千万不要低估它
    14. 01:17:50《Generative AI's Act o1: The Agentic Reasoning Era Begins》是标准硅谷共识
    15. 01:20:11大模型公司为什么还要继续做预训练？
    16. 01:23:40为什么创业穿西装？“穿西装比较遮我的肚子”
    17. 01:26:55锐评海外巨头的卡位与挑战：英伟达、Meta、微软、OpenAI、xAI、Google（这里有很多增量：）

2024 年 10 月

4 期
  • 10-3180. 和知乎周源聊，社会化编辑部、孤独的悖论、AI与宿命
    1. 05:29我说要拿出1亿美元推动大模型，现在想来还是格局小了
    2. 06:50早期几个判断：牌照制、开源、“人是AI的目的”
    3. 11:38针对大模型，知乎的投资决策（面壁智能）、产品决策
    4. 21:16Perplexity更像一个内容产品
    5. 26:41搜索引擎该被“颠覆”的地方都被“颠覆”好几轮了
    6. 43:01在媒体的面霸经历、撰文《桌面神话终结》基本被录用
    7. 45:20“它可能是一个可以无限扩展的编辑部”
    8. 49:04第一段失败的创业（Meta搜索）
    9. 49:5030岁创办知乎的心情？你是谁？你想成为谁？
    10. 54:24知乎的内核是社区，社区的内核是什么？
    11. 57:24和字节那场仗结束的时候，你觉得知乎已经无敌了吗？
    12. 47:58“从搜索引擎进入到推荐引擎时代，推荐引擎的横向兼容性变得更大”
    13. 58:38在面对综合平台竞争的时候，有感觉到压力很大的时刻吗？
    14. 01:02:55上市后知乎快速摇摆，战略上大起大落、大开大合，为什么？
    15. 01:08:11有评论说知乎水化，老用户声称要离开知乎，这是你不能接受的吗？
    16. 01:09:00知乎的股价就像坐上了跳楼机，你的心情是怎样的？
    17. 01:12:32知乎会认命吗？你会认命吗？
    18. 01:15:51海盗文化和“船长”
    19. 01:16:31孤独的悖论：“这个CEO还会在他该孤独的时候依然很孤独”
  • 10-1379. 特斯拉股价跌了，Uber却涨了？漫谈特斯拉Robotaxi大会
    1. 02:50更像Party、年会，粗糙是特斯拉的常态
    2. 05:54给特斯拉Robotaxi大会划重点
    3. 08:40偷巧的用词：有监督版本FSD和无监督版本FSD
    4. 13:30马斯克说2025在得州和加州实现无人监督FSD？
    5. 14:28一周168小时，每台车一周使用10小时，如果车辆自动驾驶，使用率提升5-10倍——这更像共享经济的老故事
    6. 17:45点评赛博出租车Cybercab：是Model2改造的？
    7. 20:50Model3的BOM成本12-13万出头，Model2的BOM成本10万以内
    8. 22:52测试难度？封闭测试->固定路线开放场景->开放路线开放场景
    9. 25:20算算账？马斯克预计，Cybercab运营成本降到20美分/英里，在美国包含税和其他费用的成本30-40美分
    10. 28:19“牧羊人”、Car Partner、资金杠杆
    11. 38:54特斯拉股价跌了、Uber股价涨了
    12. 39:41到底为什么特斯拉要讲Robotaxi的故事？
    13. 41:301亿量车、100吉瓦、分布式计算资源
    14. 43:05点评无人驾驶多功能车Robovan
    15. 47:45点评整场唯一超预期的人形机器人：是摇操作？
  • 10-0878. 从蒸汽机到无人驾驶5｜谈谈自动驾驶创投过山车这8年
  • 10-0577. 并购重组会兴起吗？和陆复斌聊他隐蔽做全球并购这5年
    1. 06:27贝索斯管理方法：Two-Pizza Teams
    2. 20:51过去5年在全球市场做并购，投出21亿美金
    3. 26:06当互联网越来越像传统行业，退出方式会变得多元
    4. 30:13并购、时代与案例
    5. 36:46已并购deal的幕后故事：
    6. 01:00:48常见并购步骤
    7. 01:05:22怎么判断好资产？什么是便宜？
    8. 01:12:39我竞价试图收购Yahoo的故事
    9. 01:16:45最难的是收购完的经营
    10. 01:18:50美国、以色列、东南亚做生意差异性
    11. 01:25:21未来几年并购重组趋势

2024 年 9 月

5 期
  • 09-2576. 王小川返场谈o1与强化学习：摸到了一条从快思考走向慢思考的路
    1. 03:45Sam Altman被宫斗下课与强化学习大神Noam Brown的动态
    2. 05:45OpenAI o1是范式升级，摸到了一条从快思考走向慢思考的道路
    3. 08:18怎么看o1隐藏思维过程，有人破解o1思维链会被警告要封号？
    4. 09:04从以语言为核心走向思维链，分两阶段运行增加泛化性
    5. 11:38强化学习 vs 监督学习
    6. 16:39除了数学和代码以外，医疗是可以用强化学习提升的领域
    7. 19:55之前做强化学习实验没有CoT（思维链），今天更强调CoT了
    8. 22:16复现o1 vs 复现GPT-4
    9. 26:30未来几年将从强化学习范式走向写代码解决问题新范式
    10. 28:35做“水涨船高的应用”，不只是“沿途下蛋的应用”
    11. 31:35创业公司要走出大厂射程，在射程内你是没什么好活的
  • 09-1875. 和OpenAI前研究员吴翼解读o1：吹响了开挖第二座金矿的号角
    1. 03:04那个年代所有PHD都希望去Google Brain和DeepMind
    2. 03:46OpenAI o1-preview初体验，很意外在用户使用端做这么大规模的推理
    3. 07:20pre-training（预训练）能挖的金矿越来越少，以强化学习为基础的post-training（后训练）是另一个大金矿，使迈向AGI的梯子多了几节
    4. 09:00o1-preview版本是GPT-3时刻，到没到ChatGPT时刻要看正式版本
    5. 10:33o1应该核心关注两个要点和背后的技术原理
    6. 13:54强化学习能否探索出Scaling Law有希望，但很复杂
    7. 15:06强化学习三要素：reward model+搜索和探索+prompt，每一块都很难
    8. 16:422014年开始，UC Berkeley集体转向，押注强化学习
    9. 19:36RL算法的演进：从DQN（Deep Q-Network）到PPO（Proximal Policy Optimization）
    10. 23:45相信会带来通用能力而不是垂类能力提升
    11. 24:47长文本是实现AGI的第一步，推理能力是第二步
    12. 29:57通过o1-preview能反向复原哪些技术细节？
    13. 34:00reward model不太可能有一个单独的小组闭着眼睛训练，是耦合的
    14. 38:30思维链、安全、幻觉和算力
    15. 41:25为什么这么项目叫“Q*”？后来又叫“草莓”？梗都很有意思
    16. 49:49o1不代表垂直模型，依然相信会出现全能的大统一模型
    17. 57:57关于Scaling Law，2019年OpenAI内部讨论的细节
    18. 01:00:262019年的OpenAI处于“闭着眼睛挖矿的状态”
    19. 01:03:20OpenAI当年如何做管理：搞大新闻、发博客，KPI是博客关注量
    20. 01:10:282020年离开OpenAI后悔吗？
  • 09-1174. 从蒸汽机到无人驾驶4｜Waymo和它的对手们：我暗中考察了四个月
    1. 02:00Waymo始于2009年，是Google X实验室一个项目
    2. 04:32我访谈Google无人车创始人Sebastian Thrun，结果被人骂了，很惭愧
    3. 07:13DARPA Grand Challenge（美国DARPA出资赞助的无人驾驶赛）被埋没的故事
    4. 13:24Waymo负责人连连换届：
    5. 18:05Waymo技术关键变化，对最简洁漂亮的架构端到端抱有理想
    6. 21:55我带队在凤凰城调研Waymo四个月，还暗中探访了Waymo“老巢”
    7. 38:30无人驾驶第二名Cruise（创始人Kyle Vogt），两年、40人团队，10亿美元卖给通用汽车
    8. 43:24一起安全事故，使Cruise从顶峰极速坠落
    9. 48:00为什么Waymo和Cruise同样作为大企业分支，风格差异这么大？
    10. 57:40Uber也曾是无人驾驶一个有竞争力的对手，怎么退出了比赛？
    11. 59:17另外两位竞争对手现况：Zoox、Aurora
  • 09-0573. AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL｜全球大模型季报4
    1. 05:21为什么不一定能支持模型在GPT-4o基础上大幅跃升？现在处于“真空死亡地带”？
    2. 06:43我最担心的是，纯靠语言模型的经典Scaling Law /Pre train这个物理规律遇到瓶颈，或者在更大参数比如2-3T以上的情况下开始失效了
    3. 09:37如果scaling law在模型变大的过程中不work，现在有三条潜在路径：1、多模态尤其是视觉（但还没有证据说能从视觉模态训练涌现智能能力）；
    4. 12:53如果我是AI公司CEO，我会200%资源all in RL这条路
    5. 13:40概念解释：Reinforcement Learning，简称RL，中文强化学习（Ilya用一句话概括强化学习：让AI用随机路径去尝试一个新任务，如果效果超出预期
    6. 19:05代码和数学可以变得很强，能不能泛化到更多领域没有证据
    7. 22:39你也可以把语言和预训练比作人类基因组，携带着人类几千年进化的基因，强化学习RL就是人类成长的一生
    8. 24:55必须很聪明的模型才能有能力做self-play RL的探索
    9. 27:07Anthropic Claude 3.5是这一波标志性的产品，他们不搞Sora/搜索，主线是RL；业内少数人意识到RL的重要性是最近两个月
    10. 28:35硅谷明星公司现阶段的资源投入？1-2家公司把RL当作最高优先级
    11. 28:562024年9月OpenAI和Anthropic即将要发布的，什么值得期待？
    12. 29:42AGI范式大转移之下，还会有GPT-6和GPT-7吗？（可能明年会看到很小的模型比今天GPT-4o要聪明非常多，一个期待是实现AGI不一定需要巨量参数的模型）
    13. 30:33新范式的困境和卡点
    14. 32:52Character.AI出售给Google预示AGI竞赛上半场结束，下半场开始，创始人Noam从Google进入self-play RL下半场
    15. 34:36新范式下，还需要那么多GPU吗？很多人关心英伟达股价
    16. 37:06AGI范式转移只在最核心的researcher中有共识，几百人，还没扩散
    17. 38:55Claude 3.5 Sonnet显著提升，带动了编程工具Cursor的火爆出圈
    18. 40:08OpenAI在造势的草莓、Q*，猜测背后都是强化学习RL
    19. 41:55国内公司应该应该all in 200%跟进RL
    20. 42:44语言模型和RL是乘级关系
    21. 57:00美国通用机器人的明星项目（Pi、The Bot是业界公认最头部的项目，除此之外融资金额很大、声量也比较高的是Skild AI、Figure AI）
    22. 58:31国内vs硅谷机器人：硅谷投robot foundation model一个大脑，像Andorid；在国内投整机，OV和小米
    23. 01:01:56LLM->多模态->具身智能->世界模型，这是AI发展路径
    24. 01:05:54LLM vs 移动互联网，叙事逻辑是什么？哪些明线与暗线？
    25. 01:07:04有没有可能，今天不做强化学习的公司未来都跑不出来
    26. 01:08:05站在现在，重新评论一下中国LLM？“月亮和六便士”
    27. 01:17:10Q*和草莓和RL应该是一件事，草莓是代号，RL是方法
    28. 01:18:07回答红杉美国合伙人 David Cahn发布最新文章《AI’s $600B Question》
    29. 01:20:00在2024年Q3，AI叙事还有哪些非共识？
    30. 01:22:45Character.AI之后，哪些AI公司还会被收购？做个预测
    31. 01:23:382000年互联网hype破灭后只留下Amazon一家公司，今天AI hype如果破灭了，谁是下一个Amazon?
    32. 01:24:24AGI第一幕是科技巨头受益，第二幕还没完全展开
  • 09-0272. 从蒸汽机到无人驾驶3｜和孟醒聊特斯拉FSD进化史
    1. 01:30孟醒的学习和创业经历，从幼儿园就开始在中美两边穿梭
    2. 08:33为什么自动驾驶行业和公众之间充斥着信息不对称？
    3. 11:17自动驾驶分两条线：辅助驾驶已经到产品中期，无人驾驶产品还处在Pre-A阶段
    4. 18:18辅助驾驶和自动驾驶各自迈过几道坎？还有哪几道坎要过？
    5. 21:18亲身试驾特斯拉FSD不同版本的感受（从非端到端的最后一个版本V11.3.6到端到端版本V12.3、V12.4，技术提升斜率如何？）
    6. 27:37为什么L4公司看特斯拉FSD像小学生？优化目标和L4公司不一样
    7. 29:09L2直到实现极高驾驶能力之前，应该有最优接管率，不能过高也不能过低
    8. 33:12L2和L4截然不同的产品体系：L2提供更好的人机共驾体验，L4提供成本更低的出行服务能力
    9. 33:36L1-L5的命名体系和它带来的歧义
    10. 43:06特斯拉V12版本和端到端架构为什么重新点燃自动驾驶的热情
    11. 52:20V12更像是辅助驾驶里的GPT-3时刻
    12. 54:11关于特斯拉端到端架构，哪些是已知信息？哪些是黑盒？
    13. 56:43特斯拉自动驾驶的技术演进史（both硬件和软件）
    14. 01:02:54特斯拉是端到端且不用任何规则兜底，国内公司很难做到
    15. 01:04:07特斯拉的纯视觉路线vs大部分公司的激光雷达路线
    16. 01:11:52端到端是自动驾驶的终极大杀器吗？分别探讨L2和L4
    17. 01:17:32复刻特斯拉FSD需要多少花销？大致的估算
    18. 01:19:18几乎所有中国的竞争者都在跟进端到端架构

2024 年 8 月

1 期
  • 08-1671. 和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”
    1. 04:39用时间概念来表达“无人驾驶小史”：1小时/10小时/100小时/1000小时/10000小时，自动开不用人接管（跨越每一步中的关键点）
    2. 10:10我主要精力花在“Contest based metric system”（“基于竞赛的度量系统”，旨在根据不同的场景分别评估系统的能力。）
    3. 16:45“端到端”根本变化是，让整个模型的能力加强了，避免模块之间传输信息丢失
    4. 17:18“端到端”只能做到100小时，从100到1000小时是超越资源和能力的
    5. 17:50自动驾驶的路线之争：先有目标不同，才有路线不同
    6. 26:57无人驾驶创业这8年：高潮与低谷，落地得快与慢
    7. 35:54“当你真的超越人类，数据不是越多越好，数据是干扰项”
    8. 44:06关于个人：姚期智先生令我印象深刻的、ACRush、“只有冠军才知道冠军和亚军的差距”
    9. 49:10坚持20年编程竞赛的人告诉你一个竞赛技巧：“Hold cold card”

2024 年 7 月

1 期
  • 07-1670. 和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊
    1. 03:12他们说“估计你气晕了，在厕所哭啊”，把我笑坏了
    2. 03:25那场发布会上，李想、何小鹏、李斌、魏建军的座次问题
    3. 04:17我们坐在下面讨论什么？我为什么在笑？
    4. 05:50什么时候发现小鹏汽车的股价跌了？什么心情？
    5. 06:05我对雷军和他第一台车的看法
    6. 10:30我从之前创业做UC浏览器积累的认知
    7. 14:14蔚小理都是从互联网入局造车的创业者，但基因和思考完全不同
    8. 15:56我的反思：如果我有汽车品牌逻辑，我会切得再高一点；如果我更懂汽车体系，我会先从P7入手，再到maybe G7的体系
    9. 17:25论“小鹏汽车”的命名和从投资人到加入小鹏汽车
    10. 20:18UC创业那十年心理上的高点、低点和忐忑
    11. 23:33大模型公司没人挣到钱，它在另一个纬度可以挣到钱的，就是自动驾驶
    12. 24:33自动驾驶做了大模型，还需要有“刹车”加“守门员”
    13. 25:28在ChatGPT问世以后，我做了哪些动作？读论文、到美国、拜访黄仁勋
    14. 26:00大模型不是人的思考逻辑，是machine的思考逻辑或者推理逻辑
    15. 27:25软件从科研到规模使用很快，硬件极其难
    16. 29:58大模型怎么在车上落地？按照它的逻辑重写我们的数据流逻辑，增加数据的收集，做预训练，最开始写出来的东西完全不能用，需要巨大的训练量
    17. 32:58你和车企CEO、李想、李斌、雷军会聊大模型吗？
    18. 33:20中国需要通用大模型公司，但中国也需要自己能读懂大模型，把大模型放到应用做工程落地的公司——小鹏是其中一家
    19. 35:10怎么看马斯克同时做Tesla和xAI
    20. 36:54吴新宙离职和拜访黄仁勋的启发
    21. 41:32有人说，小鹏要不干脆别卖车了，学华为做智能化提供商
    22. 42:45大模型对于小型公司不利：大AI越强所以越多数据，越多数据所以越多费用，越多费用所以要卖越多车支持这个体系，这是一个网络效应
    23. 46:32复刻特斯拉端到端FSD（完全自动驾驶）要花多少钱、多少时间、哪些基础要素？
    24. 47:40未来多模态的大模型、自动驾驶模型和机器人大脑会统一吗？
    25. 51:40“我只是觉得在血海里面游泳”
    26. 53:31切忌在人的方面“一脚油门、一脚刹车”
    27. 55:49G9事故反思、变革之难
    28. 57:00和总裁王凤英的分工，我们没有汇报关系
    29. 01:00:28不是壮士断腕，是“壮士把头都断了”
    30. 01:01:35淘汰赛、全明星赛，我的目标是第一
    31. 01:03:01合纵连横频发，乱世快出现了
    32. 01:05:44车企发车好比“出牌”，小鹏为什么今年出MONA M03这张牌？
    33. 01:10:33变革中的我：最近发的小脾气，从民主到集权，关注2+3问题
    34. 01:14:00何小鹏最近在美国试驾完特斯拉FSD和Waymo之后，新鲜的体验与判断【更多信息】

2024 年 6 月

2 期
  • 06-2369. 口述全球大模型这半年：Perplexity突然火爆和尚未爆发的AI应用生态
    1. 06:16信息检索是匹配模型能力最合适的PMF
    2. 11:12Perplexity最新估值达30亿美元，为什么它值这么多钱？
    3. 17:50Perplexity的护城河是什么？会独立长大还是被并购？
    4. 18:25同样是30亿美元估值的月之暗面和Perplexity，本质区别是什么？
    5. 19:16无聊的AI应用生态 首先画一张AI创业公司脑图（大模型公司估值显著高于AI应用公司）
    6. 21:10海外版“大模型的资本扑克牌”，很清晰、巨头主导，关注Meta和Apple接下来会怎么落子
    7. 22:50AI原生应用系统性大爆发了吗？没有！
    8. 26:55未来6-12个月，哪些是高确定性问题？哪些高赔率问题？
    9. 34:10一个听众互动（大家可以留言）：如果OpenAI GPT-4o给开发者的API成本大幅下降，成本可忽略，哪些应用能爆发？
    10. 36:33过去半年美国AI应用生态有多无聊？（沙滩上建房子）
    11. 36:58GPT-5为什么那么慢？ OpenAI模型能力跃升停滞了吗？为什么GPT-5出来比较慢？
    12. 41:47“OpenAI内部状态就像是从东向西开拓美洲大陆，科学家让火车高速奔跑，infra工程师在火车前面修铁路，铁路铺设和火车齐头并进”
    13. 45:35大模型的商业模式和壁垒 大模型是好的商业模式吗？壁垒在哪？
    14. 55:25最后，我们点评了硅谷科技巨头这半年的状态 OpenAI（离职风波对OpenAI有影响吗？）
    15. 61:43“创业公司和大公司不是颠覆关系，是依赖关系”
    16. 63:32RAG、检索增强是阶段性需求，做得好不好是工程问题
    17. 64:18中美创新生态的差异（创新的温室）
    18. 65:232024下半年展望：你会把时间和精力重点分配在哪些问题上？
  • 06-1068. 和MiniMax天使投资人聊，MiniMax幕后故事和大模型资本扑克牌
    1. 01:55聊聊最近在美国举办的“GenAI Summit SF 2024”大会
    2. 03:36中美博弈下，美国基金怎么看有华人参与的AI项目？美国公司怎么看中国资本？
    3. 10:18美国的AI创业方向和中国总体差距不大，以软件为主
    4. 11:00GenAI大会在组织中，出了许多问题
    5. 13:05三波AI应用浪潮：计算机视觉（诞生了AI四小龙）、自动驾驶（L4落地的艰难）、大模型
    6. 15:05我这次再次体验了Waymo
    7. 18:222022年底all in大模型以后，也分了若干阶段
    8. 29:34创始人闫俊杰的代号叫“IO”（Input/Output），见过一次后我对他有好感
    9. 31:46MiniMax是从商汤出来的创业公司，商汤的局限性
    10. 33:57MiniMax是一把手亲自参与、高度保密的项目
    11. 36:22MiniMax的技术、应用、产品迭代（数字人-Glow-海螺AI、星野等）
    12. 39:30原今日头条产品负责人张前川在高瓴的牵线下加入
    13. 40:39关于闫俊杰、贠烨祎和团队？
    14. 43:38怎么看巨头引发的大模型降价潮，特别是对创业公司的影响
    15. 49:24后面几家创业公司的首要课题是融资
    16. 50:15Club Deal（俱乐部交易）现象为何在大模型浪潮里如此突出？
    17. 51:00“看看牌”，今天仍然不敢说一定有创业公司的机会
    18. 52:18一共5轮，我们基本每一轮都在加码
    19. 52:526家大模型创业公司今年的入围线
    20. 55:00巨头推出的大模型产品PK创业公司的产品
    21. 56:56你能接受MiniMax被巨头并购吗？

2024 年 5 月

2 期
  • 05-3167. 谈谈黄仁勋搭建的组织系统：分布式操作系统，“就像一台GPU”
    1. 04:05老黄管理第一条：60个高管直接向老黄汇报，再往下不是
    2. 07:53老黄管理第二条：这60个人薪酬一样，精确到1美分的一样
    3. 09:43老黄管理第三条：我不做1v1的谈话
    4. 11:30老黄管理第四条：“Let’s reason together”（我们一起推理吧！）
    5. 12:27Sounds kind of like a GPU.
    6. 14:26著名的“康威定律”：一个组织的沟通结构会决定它的产品架构
    7. 18:36学习英伟达管理的常见误区（context, not control）
    8. 28:04拼凑式管理，以及管理的本质是什么？
    9. 31:17“分布式决策能力”适用于什么样的企业？
    10. 35:27老黄管理第五条：不鼓励写文档，鼓励员工给他发邮件（最重要的5件事）
    11. 38:12老黄管理第六条：不裁员（I torture you to greatness）
    12. 42:48老黄管理第七条：只做别人做不了的东西，不看市场份额（Market share is for the losers）
    13. 44:37“战略不是文字，战略是行动”
    14. 45:10老黄管理第八条：不做计划
    15. 47:47英伟达的价值观之一是爱与关爱
    16. 48:52如果一个企业没有爱，是不会有创新的；恐惧是创新的敌人
    17. 54:20也聊聊黄仁勋这个人：从服务员到CEO；叫醒小狗让他感到内疚
  • 05-2366. 和李志飞聊IPO、GPT-4o和你不知道的前沿科技创业的痛
    1. 02:00“AIGC第一股”幕后 06:37 为什么“前沿科技”总和“项目制”挂钩？
    2. 08:36熬了12年，敲钟那一刻的真实想法
    3. 10:17“漏斗模型”，大部分前沿科技会消失
    4. 12:38没有路径和节奏规划的vision是耍流氓
    5. 15:15点评GPT-4o：多模态、大统一模型 23:20 有声音生成但没有视频生成，Sora不是自回归架构
    6. 24:30我的信仰是，大一统模型应该基于自回归
    7. 29:45OpenAI技术迭代曲线放缓了吗？
    8. 31:50怎么看一天后Google的反击？
    9. 41:51多模态下一步是把具身智能结合进来，推理能力提高，才有Agent
    10. 46:46字节模型大降价早在意料之中，对以API为商业模式的公司不是好事
    11. 48:51模型公司要思考3-5年充分竞争后，还有你的生态位吗？
    12. 51:31我对前沿科技创业很悲观，都是熟悉的套路
    13. 55:35我的前沿科技创业12年 55:35 我做错过的战略是？它让我在巨头碾压时没有生态位
    14. 60:51曾鸣说：模型公司在一块浮冰上，保持敏捷，一旦有坚冰纵身一跃跳上去
    15. 01:05:51回望12年创业中的狂妄、无效勤奋和回归
    16. 01:11:06看见了“创业死亡”的时刻，我抑郁了
    17. 01:16:21谷底的时候在做什么？裁员、战略性躺平、算P&L
    18. 01:23:12我写公众号释放我对技术的冲动，不折腾公司了
    19. 01:25:16前沿科技公司融资后可能进入“负循环”
    20. 01:27:06上市那一刻我在想：今天这个结果对得起我12年受的磨难吗？——对不起。

2024 年 4 月

4 期
  • 04-2265. 风险投资的钥匙失灵了吗？和梦秋聊：蛰伏、更少人的游戏和啮齿动物
    1. 04:37以朱啸虎为代表施行分红策略，但明股实债这种deal也不好做
    2. 05:47VC目前主流策略是蛰伏
    3. 08:57美元基金击鼓传花式的投资方式被打破
    4. 09:42看好机器人本体的机会
    5. 12:51从第一天就不看大模型，投了两家AI企业（深势科技、aiXcoder）
    6. 15:13越早期的股东想退出越难，没什么bargain power（议价能力）
    7. 17:06大厂留给创业公司的“傻瓜窗口”没有了
    8. 18:10大模型的垂直场景
    9. 23:08过去一年，中国AI创业公司图谱
    10. 28:15一个事情push到极致都有可能成功，中间地带是最难的
    11. 32:57新的游戏规则：VC现在不靠非共识而靠共识挣钱；我们不是Venture，我们希望No Venture，不要冒险
    12. 33:30人民币 VS 美元，看现在学 VS 看未来学
    13. 35:57VC成了更少数人的游戏，谁应该配置VC？
    14. 38:53这个行业至少缩水了1/3，我为什么不下牌桌？
    15. 41:28我们就做侏罗纪时代的啮齿类动物——活着——“你都做老鼠了，你还能怎么更差呢？”
    16. 47:30今年继续谷底爬行
    17. 49:37通用大模型对无人驾驶公司有多大冲击
    18. 59:00清流资本是谁？
    19. 62:05新时代VC的整个逻辑都变了
    20. 63:50新时代的founder
    21. 66:40消费洞察
    22. 70:05投国家鼓励的方向：新能源、新材料、硬科技；消费值得看，但要投挣钱的
    23. 73:50经济下行的人世百态
  • 04-1764. 和广密聊AGI大基建时代：电+芯片=产出智能
    1. 03:40开源 & 闭源
    2. 06:32AGI 是马拉松
    3. 06:45物理硬件成阻碍AGI最大因素
    4. 08:05失败案例Inflection
    5. 08:41黄仁勋的主权 AI、T5T、不鼓励996
    6. 10:34渐进式解锁
    7. 12:29改变软件生产方式+信息检索的变革
    8. 16:50能源 + 芯片=产出智能
    9. 19:46南坡是模型，北坡是产品
    10. 23:41突然给经济社会加了两道税
    11. 25:30AGI大基建：造价与玩家
    12. 26:34训练GPT-3.5和GPT-4，消耗多少算力和能源？
    13. 39:37电+芯片=产出智能
    14. 40:38Scaling Law
    15. 47:26AGI登山路线图和路标
    16. 57:40OpenAI
    17. 01:04:02集团军作战，如何结盟？
    18. 01:05:12Apple、英伟达、阿里
    19. 01:07:20Killer App、硅谷投资三大件
    20. 01:09:25自动驾驶和机器人
    21. 01:15:47我们作为碳基智能，为什么在追求硅基智能上这么热衷？
    22. 01:17:00Sam、黄仁勋、马斯克
  • 04-0763. 商业口述史：中资到海外买买买的大时代，以430亿美元并购先正达为最高潮
    1. 02:06自我介绍
    2. 03:01同时在央企/民企/外企/混合所有制企业待过，几种企业文化差
    3. 06:01“我们都是围着老板转的”和拎包文化
    4. 10:56界定企业并购与VC、PE的区别
    5. 15:06买买买大时代揭开帷幕的标志性事件
    6. 18:02为什么国家倡导的是跨国并购而不是出海做业务
    7. 20:04欧美国家并购结果惨烈，东亚儒家思潮对被并购企业较和善
    8. 20:45联想鲸吞IBM PC业务和吉利并购沃尔沃汽车是标杆案例
    9. 22:00这两起并购的四个共同点，其中之一是交易时都不被看好
    10. 31:40欧美企业并购完立马裁员、干掉管理层，中国企业恰恰相反
    11. 32:48将并购类比成从谈恋爱到结婚再到过日子
    12. 37:50“没有不好的交易，只有不好的价格”
    13. 39:00中国买买买大时代出现的底层动因（日本90年代是参照系）
    14. 42:38在时代的窗口期，进入中化集团做投资并购
    15. 43:24先正达从被誉为“皇冠上的明珠”、不可触碰，到中国企业染指
    16. 50:26海外企业对中国买家的态度变化
    17. 51:11亲身参与430亿美元中国有史以来海外最大并购案
    18. 52:13并购四阶段：战略-筛选目标-执行-整合
    19. 01:09:15旷日持久的谈判、以年为计的整合
    20. 01:12:40大时代的高潮与落幕
    21. 01:17:10其他收并购代表案例，成与败
    22. 01:22:45海外收并购热情高涨，为什么反观国内收并购文化贫瘠？
    23. 01:26:48几个词形容这个特定的大时代
    24. 01:29:15海外并购中好玩的：两套体系、白衣骑士、大忽悠
    25. 01:39:00最后的建议
  • 04-0162. 你们要的朱啸虎，来了
    1. 03:00马上能变现！马上能变现！
    2. 08:02AIGC PMF，你十个人找不到，投一百个人同样找不到
    3. 08:37我都不愿意去聊，你知道吗？这没有意义——这些公司，要场景没场景，要数据没数据，你说它有什么价值？而且一上来估值这么贵
    4. 12:35王慧文，我这么熟，我都不愿意去找他和他谈这个事
    5. 14:45技术的人，都是不相信我比别人差的，你说这个怎么合并？
    6. 16:42我跟王小川说过，如果没有反垄断，我愿意投王小川的
    7. 19:23那个时候，大家就FOMO情绪比较高涨的时候
    8. 25:12美国公司就：卧槽你们怎么做出来的？感觉很惊讶
    9. 31:40短期内肯定做to B，起来快，to C要见到iPhone 3时刻
    10. 37:42我跟张旭豪谈了三次：33这个数字对我不好，37是我的幸运数字
    11. 41:48哎……就是……说实话一鸣确实很难判断
    12. 47:15别烧钱，别烧钱，听我们话的都还可以

2024 年 3 月

3 期
  • 03-1761. 和王小川聊再创业这一年：回应朱啸虎与中国AGI第三种可能
    1. 04:15我代表中国AGI的第三种声音：“理想上慢一步，落地上快三步”
    2. 07:52朱啸虎谈应用、应用，杨植麟谈技术、技术，我要谈的是TPF（Technology-Problem Fit，技术与行业现存问题相契合）
    3. 10:01我认为AGI的应用是在造人，是一种类人的新物种
    4. 11:02从2023年4月再创业百川智能的前因与思考（我想对生命做建模）
    5. 19:00我有洁癖，不想在淘宝买账号，要用自己的账号和IP去访问ChatGPT
    6. 26:40怎么看朱啸虎说：“你说这些创业公司有啥优势，有啥条件去做大模型？百川发布了给游戏的NPC，你有啥数据去训练游戏的NPC。大厂有大把、大把数据。我让一个公司去体验
    7. 27:56我想构建的三座模型大楼、三个世界（娱乐、医疗、创造）
    8. 32:21我和朱啸虎在深创投活动上的见面聊天，他挺真实的
    9. 35:13发完第一版模型后去了一趟美国，提升了语言体系
    10. 38:56你怎么看之前外界总把你和王慧文（光年之外创始人）放在一起比较？
    11. 43:19过去一年多少次遇到过朱啸虎这样的投资人，他们可能拍着你的肩说，不是我跟你的关系不好，但是我就是不能投你？
    12. 44:05要投入成本追赶GPT-4吗？医生是一个“顶天立地”的场景
    13. 46:53百川智能的团队建设（240人+，为什么搜狗在浏览器、搜索不是第一，在大模型能干到第一？）
    14. 47:49蔚来创始人兼CEO李斌四五年前就预言，苹果造不出来车
    15. 51:40百川为什么既做to C又做to B？什么to B是做的、什么是不做的？
    16. 53:05什么是百川能做OpenAI不能做的？什么是百川能做的国内巨头不能做的？
    17. 56:12搜狗的经验对大模型创业的帮助、和它的不同，搜索是包袱吗？
    18. 58:18曾经在百度的阴影下、搜狗的绝境中如何突围（我们2011年遗憾错过了推荐）
    19. 01:00:55被边缘化的经历与对个人的影响
    20. 01:03:18低估技术和仰望技术都是不好的状态
    21. 01:04:15对2024年、2025年的预期：技术和瓶颈
    22. 01:06:15集中回应朱啸虎的n条质疑
    23. 01:16:16技术同事想做Sora，被我摁死在这了
    24. 01:19:56今年过完年，我放下了焦虑、摆脱了一味跟随GPT的惯性
  • 03-1160. 与戴雨森和季逸超聊，一幅Sora的信息拼图和大模型淘汰赛
    1. 08:03我们试图通过找很多人聊拼凑一幅信息拼图
    2. 08:25Sora背后的人：Tim和Bill是伯克利师兄弟，Bill在Meta是谢赛宁的实习生，通用人工智能行业有很多渊源和师承
    3. 12:24为什么OpenAI能让一个95后Bill去担纲做这个事？体现出年轻组织的活力
    4. 13:02作为天使投资人如何绘制AI方向的人才地图？（北美AI四大名校）
    5. 16:35关注近期AI届一些人才流动：谢赛宁、何恺明回到学术界；OpenAI创始成员之一Andrej Karpathy离开OpenAI；蒋路从Google去了TikTok
    6. 23:45采样了很多人的观点以后，关于如何实现Sora，我们目前了解到的信息（模型规模/数据/实现路径）
    7. 28:54资金规模、算力规模等绝对数量级都不是遥不可及，所有头部大模型公司和大厂都能做，但1年赶上Sora也过于乐观
    8. 34:37Sora发布对当前大模型战局的影响（“把战争推到一个新的高度”）
    9. 37:06我们距离“世界模拟器”的真实距离
    10. 46:22AGI一大瓶颈：大一统模型尚且没有找到可行路径
    11. 56:19泡沫不可怕，泡沫会带来基建，为未来的应用打下基础，99%的公司死去、留下1%公司
    12. 58:24关于投资的思考：为什么投资月之暗面和光年之外？
    13. 01:03:36记得有一次和杨植麟吃饭，他说不希望以后大家提到他觉得是一个技术大牛，他希望是一个做出了很好产品的企业家
    14. 01:06:05大模型公司的出路问题
    15. 01:14:27AI应用出现的时间点可能比移动互联网要慢，因为它需要模型到达一定能力程度，才能从没用涌现成有用，但是当它一旦变得有用，扩散速度可能远快于移动互联网应用
    16. 01:20:41每一次OpenAI升级会带来VC投资的结构性调整吗？
    17. 01:25:29Google推出了开源模型，对于整个市场会有什么样的影响？
    18. 01:28:06AI越来越强悍，给人类一点建议吧
    19. 01:31:43雨森，你为什么喜欢发即刻？
    20. 01:34:53对于Sora至今不了解但是很想了解的地方
  • 03-0159. 和杨植麟聊大模型创业这一年：人类理想的增量、有概率的非共识和Sora
    1. 03:3511年本科、17年收敛到大语言模型、和图灵得主合作论文：杨植麟的学术之路
    2. 06:36为什么AGI需要新组织？为什么科研机构、巨头的AI lab无法产生伟大系统？
    3. 10:24全球化+AGI+很大用户量的产品，最终可能是AGI的必要条件
    4. 11:07我们不想做“中国的OpenAI”，但应该学习OpenAI的技术理想主义
    5. 13:15我在Google学习到的最重要一课：从无限的雕花中把自己释放出来
    6. 16:25作为博士怎么与图灵奖得主合作？和学术大佬合作与和资本大佬合作，哪个更难？
    7. 19:37创业这一年时间轴：ChatGPT激活资本、人才变量，我在硅谷做了一笔精确计算
    8. 22:28Timing很重要，第一笔融资的窗口很短，只有一个月
    9. 27:54怎么搭建AGI团队？现在有80人
    10. 30:21卡的问题有很多back and forth，接下来一两年不会成为很大瓶颈
    11. 32:13为什么月之暗面做to C且只做to C？（long context与Kimi智能助手背后的技术产品思考）
    12. 37:39你认可说“国产大模型公司去年追赶GPT-3.5，今年追赶GPT-4，没有本质差异”这种说法吗？——这句话是对的，但也是片面的
    13. 39:17追赶GPT-4是国产大模型的必经之路，但也要做非共识的新维度
    14. 40:53不认同2023年下半年大模型市场转冷的判断，我们下半年确实也完成了融资
    15. 42:57登月第一步是长文本，第二步呢？接下来会有两个最重大的技术milestone
    16. 44:21只有一个颠覆性的东西，才配得上AGI这三个字，否则我们今天说的都没意义
    17. 45:34我对PMF、落地场景和应用的看法（“应用”不是个准确的词，听起来更像目的——应该既是手段、也是目的）
    18. 46:54User的scaling和Model的scaling这两件事应该同时做，降维打击发生过太多次
    19. 48:54为什么开源追不上闭源？现在开源的方式和以前不一样了，它本身还是中心化
    20. 49:48AI不是这一两年找到什么PMF，而是未来十年二十年能做什么改变世界
    21. 51:48怎么对抗国内的焦虑情绪？大模型创业中的长短期平衡——如果没有长期，你会错过整个时代
    22. 57:41回顾2023年的曲折、变量和预料之外
    23. 60:30怎么看几个市场上的几个观点（包括Yann LeCun、Geoffrey Hinton、陆奇）
    24. 62:25现在的大模型公司配比：一半实验室，一半商业公司
    25. 64:20怎么看大模型创业公司和巨头的关系
    26. 68:05以上是对杨植麟的第一次访谈，接下来是过完年后的第二次。这次我们重点聊了OpenAI重磅发布Sora的技术观点和对2024年的全球大模型产业预测 68:24 S
    27. 69:17Sora解决掉的技术问题：能在一个比较长的时间窗口保持生成的一致性
    28. 69:40Sora对于全球产业格局意义是什么？2024年大模型会有哪些新叙事？
    29. 71:57视频生成之前的关键技术瓶颈，更unified architecture（统一的架构）仍然没有被解决
    30. 73:04解读OpenAI关于Sora报告：《Video generation models as world simulators》
    31. 74:30怎么看Yann LeCun对生成式AI的新观点（“通过生成像素对世界进行建模是一种浪费，并且注定会失败”）
    32. 77:45Sora是视频生成的GPT-3.5时刻
    33. 78:37为什么不同模态放在同一个模型里那么难？Sora + GPT会出现什么？
    34. 80:40两个世界差得越来越远了吗？
    35. 83:412024年的全球大模型产业预测

2024 年 2 月

1 期
  • 02-0158. 和吴晓波聊中国企业家小史：如果未来没有大生意，年轻人不如过自己喜欢的人生
    1. 03:09说真的，我已经算不清楚我见过多少企业家了
    2. 04:38茅台是中国企业史一家特殊的公司，季克良（原董事长）是“匠人型企业家”
    3. 10:08未来中国创业者就是两条路，如果能结合在一起，你就牛了
    4. 13:22纵观100年中国现代商业史，细数中国企业家的代际和关键年份
    5. 16:21今天是第六波创业者，是最奇怪的一波（高速发展结束了、市场充分饱和、这一世代是有产阶级的孩子）
    6. 17:22过去五个代际的企业家的不同特征：最容易出大家伙的？最血腥的？
    7. 20:01在革命叙事年代，企业家是保守力量，曾经是“被遗忘的群体”
    8. 23:42美国企业家的群体性人格 vs 中国企业家的群体型人格
    9. 27:15互联网企业家是革命性一代，财富创造和资源获取不再从政府获得
    10. 29:20我们进入到保守主义时期，未来中国做企业学腾讯挺难，学茅台相对容易一点
    11. 29:51如果企业家精神没了，国家就不进步了
    12. 30:50采访了那么多不同代际的企业家，最有心灵共鸣的是哪一代？
    13. 31:57对当下的看法：AI是工具，有很强平台性、通吃性，不会带来所有人的创业机会
    14. 33:54未来可能没有大生意了，大量人就满足做一个小生意
    15. 34:17关于《你吃你的苦，我吃我的苦》这篇文章：“我有可能就是我女儿的苦”
    16. 37:57怎么看新闻一则：章泽天净资产600亿冲上热搜第一，排在清华优秀校友第三（口误：张一鸣出生于83年）
    17. 38:38给我女儿和她的同代人一些建议：不要再去幻想，不要再去讨好人家了

2024 年 1 月

3 期
  • 01-2757. 《繁花》真实版上海90年代：充满危险气息的黄河路和股市
    1. 01:39《繁花》：王家卫的电视剧和金宇澄的小说是两部作品
    2. 04:16作为上海人，我关于上世纪90年代与黄河路的记忆：鱼龙混杂、高深莫测
    3. 07:55黄河路特殊的地理位置，让它“进可攻、退可守”
    4. 11:56恢复上海证券交易所的真实故事，最开始只有八只股票，一切处于混沌中
    5. 17:35上世纪90年代中国股市的特征与局限性
    6. 19:39剧中人物宝总的身世与入股市动机，真实性如何？
    7. 30:50专业解析：阿宝抄底A先生、强总收购与反收购（历史上第一场兼并收购案，剧中叫“宝瀛大战”，原型是“宝延风波”）
    8. 37:5090年代，中国股市中几起惊心动魄的故事
    9. 42:25“宝总们”体现的90年代关于炒股与财富的时代风貌
    10. 50:10剧中大大小小的人物：A先生、强总、爷叔、邮票李
    11. 53:40《繁花》开拍前，我受邀去剧组，对方希望还原90年代K线图
    12. 01:01:25时代逝去，繁花落尽，令人唏嘘
    13. 01:09:25《繁花》意外地让不同代际的上海人开始重新对话
  • 01-1756. 拼多多、名创优品崛起，是消费降级胜利吗？漫谈名创全球化之路
    1. 01:31沈帅波自我介绍
    2. 02:00爆文《藏在县城的万亿生意》的创作与调研方法
    3. 27:47为什么开始深入调研名创优品？零售业没有虹吸效益，靠的是吃苦耐劳
    4. 36:16中国企业出海的三阶段，各有千秋
    5. 43:30创始人叶国富其人
    6. 50:51消费品打造超级IP背后的零售业趋势
    7. 54:10名创优品从单店店型跑通到全球化扩张的阶段总结
    8. 01:07:06中国公司全球化要告别一夜暴富的心态
    9. 01:09:33全球各地不同人群的消费习惯洞察（不爱挣钱地方的人爱买娃娃）
    10. 01:18:28怎么看 Manner咖啡/RELX悦刻/元气森林/完美日记等中国新消费品牌？怎么看完美日记的衰落
    11. 01:21:00消费理性化、分层分级化是趋势
    12. 01:25:17欧美奢侈品本质是皇室东西的平民化，而不是高端化的产物
  • 01-0555. 与小Lin的线下活动｜不可控周期中，提高微小个体的生命质量
    1. 01:37普通人为什么要学金融？
    2. 07:22一个地区的周期史也是几方势力的博弈史（以日本为例）
    3. 09:20小Lin从投行到创业再到内容创作者的故事
    4. 11:00纽约投行内部：暴躁同事、金字塔里“爬格子”、游戏规则
    5. 14:15投行里，人人都是理财高手吗？
    6. 14:35辞职创业前纠结了半年，我的mentor鼓励了我
    7. 15:38创业做咨询平台中遇到的波折
    8. 18:45做了CEO的小Lin发现了哪些打工时不知道的职场真相？
    9. 19:26从2019年底开始发布第一条视频到爆发
    10. 21:46每个人都是时代的个体，怎么看待处于周期中的自己？
    11. 23:25工作方法和爆款方法论
    12. 27:06做UP主挣得多还是投行挣得多？:)
    13. 28:48个人怎么做到更高质量地生活在不可控的周期中？
    14. 30:25现场观众提问环节（由于录音质量的原因，只放出了一部分）

2023 年 12 月

5 期本月 5 期的分节 →

2023 年 11 月

5 期本月 5 期的分节 →

2023 年 10 月

4 期本月 4 期的分节 →

2023 年 9 月

2 期本月 1 期的分节 →

2023 年 8 月

4 期本月 3 期的分节 →

2023 年 7 月

4 期本月 4 期的分节 →

2023 年 6 月

4 期本月 3 期的分节 →

2023 年 5 月

3 期本月 3 期的分节 →

2023 年 4 月

3 期本月 3 期的分节 →

2023 年 3 月

4 期本月 4 期的分节 →

2023 年 2 月

2 期本月 2 期的分节 →

2023 年 1 月

4 期本月 4 期的分节 →

2022 年 12 月

3 期本月 2 期的分节 →

2022 年 11 月

3 期本月 3 期的分节 →

2022 年 10 月

3 期本月 3 期的分节 →

2022 年 7 月

1 期本月 1 期的分节 →

2022 年 5 月

2 期本月 1 期的分节 →

2022 年 4 月

1 期