PODCAST · 张小珺Jùn｜商业访谈录

2025 年 6 月节目

6 期 · 6 期带分节

  • 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