Skip to content
Artwork for 跨国串门儿计划

跨国串门儿计划

yikai

这是一档使用 AI 技术来将英文播客翻译为中文播客的节目~ 在翻译的同时,也能保留原有声线,用中文听懂外语播客!

Play
  • 184 episodes
  • Avg 1 hr 37 min
  • Chinese
Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.
  • Yesterday · 41 min

    #832. Dylan Patel:黄仁勋离开,硬件进步会变慢

    📝 本期播客简介 本期我们克隆了:SemiAnalysis Weekly · Ep. 044 - Is NVIDIA Over? Emergency Pod with ChinaTalk | Dylan Patel, Jordan Nanos, Jordan Schneider (ChinaTalk) 原内容更新时间:Thu, 12 Nov 2026 黄仁勋离开英伟达,硬件进步也会跟着变慢吗?Dylan Patel的判断很直接:“没有英伟达领跑,大家跑得就没那么快了。” Dylan Patel与ChinaTalk的Jordan Schneider、Jordan Nanos从英伟达高层风波谈起,拆解MATCH与RASA两种对华芯片管制思路,讨论中国国产加速器的进展,以及英伟达失去黄仁勋后能否继续留住人才、推动产品。他们也回看黄仁勋如何在关键时刻拍板,解释为什么这家公司接下来的挑战不只是把既定路线图执行下去。 👤 本期嘉宾 Dylan Patel是SemiAnalysis的嘉宾,长期关注芯片与人工智能产业。本集围绕英伟达和对华芯片管制展开,他分析了算力供应链、国产加速器与英伟达的产品执行,也讲到黄仁勋如何介入芯片设计和公司运营。节目谈及的走私指控属于指控,被告应被视为无罪。 ⏱️ 时间戳 黄仁勋离任与芯片风波 00:03 黄仁勋离任,英伟达供应链风波引发猜测 01:09 Dylan谈仰慕黄仁勋,却难接受这场风波 01:52 英伟达芯片流入中国,管制政策将如何变化 MATCH与RASA之争 03:06 MATCH针对先进DUV,RASA堵云访问漏洞 04:14 Dylan称RASA有约20个漏洞,至今没补完 17:11 “拿走一块,他们就把那一块造出来” 英伟达的后黄仁勋时代 21:43 Dylan:问题不在钱,在人才 23:50 英伟达短期没事,真正考验是留住高管 29:32 Volta流片前3个月,黄仁勋拍板加Tensor Core 🌟 精彩内容 💡 没有黄仁勋,硬件进步会变慢 Dylan认为,即使竞争对手在追赶,英伟达放慢也不代表别人就能立刻加速接棒。他把黄仁勋的领导力、供应链影响力和推动决策的能力,都视为行业进步的一部分。 "黄仁勋不再掌舵英伟达,硬件的进步就会变慢,就是这样。" 💡 流片前3个月,他拍板加Tensor Core Volta流片前只剩3个月,团队此前争论不休。黄仁勋决定加入Tensor Core,尽管有人认为改动要花6个月;Dylan说,类似的关键决定累积起来,可能决定芯片的表现和交付时间。 "不,我不管离流片只剩 3 个月,也不管你说改动要花 6 个月,你们必须做,现在就做。" 💡 英伟达的危机,可能从高管离职开始 Dylan认为,英伟达短期内仍能按既定安排交付,但黄仁勋特别擅长留住高管。接下来要看Colette Kress或其他接班人能不能继续给团队方向;如果一年后大批人才离开,他会担心公司的未来。 "英伟达真正面临的重大考验是,Jensen 留住人才的本事特别强,尤其是他的高管团队。" 💡 做出更强开源模型,问题不在钱 美国大公司汇集了最有才华的人才,小型实验室却分散在许多初创公司。Dylan以Moonshot为例,认为它的技术能力不逊于美国实验室,短板在算力和部署。 "问题不在钱,在人才,老兄。" 💡 禁掉一块,另一块就会被造出来 Dylan用拼图比喻供应链:只拿走某个环节,中国就会尝试补上;要真正拉开差距,得关注芯片制造设备等更基础的环节,而非只盯着芯片和AI。 "你拿走一块,他们就他妈的把那一块造出来。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Sunday · 14 min

    #831.Grok Bot 工程师 Poteto:所有代码都是垃圾(除了我的)

    📝 本期播客简介 本期我们克隆了:AI Engineer · All Code Is Slop (Except Mine) — Lauren Tan, SpaceXSI 原内容更新时间:2026-11-14 一个月把 11000 个 PR 部署到生产环境,回滚率却只有约 0.5%。Lauren Tan 在 SpaceXSI 负责 Grok Bot,她分享的关键不是让 agent 写得更快,而是让代码库和验证流程足够可靠,让团队敢于放手。 从用 lint 规则禁止容易出错的写法,到让 agent 自己运行应用、做 UI 测试和形式化验证,这套方法把代码审查逐渐变成查看验证结果。她也解释了为什么每次纠正 agent,都应该尽量变成代码里的确定性检查,以及如何先打好基础,再把成百上千个 agent 编排成软件工厂。 👤 本期嘉宾 Lauren Tan(poteto)在 SpaceXSI 的 Grok Bot 团队工作,分享如何通过软件架构、lint 规则、自动化测试、运行时验证和形式化验证提升 AI 编程 agent 的可靠性。她谈到团队如何把代码审查缩减到查看验证产物,以及在一个月部署 11000 个 PR、回滚率约 0.5% 的情况下保持产品性能。 ⏱️ 时间戳 信任驱动的高质量交付 01:42 倒金字塔:先把确定性约束放进代码 04:58 禁止产品代码使用 useEffect 10:24 她把大部分 token 花在验证上 🌟 精彩内容 💡 月交付 11000 个 PR,回滚率约 0.5% Grok Bot 团队一个月部署 11000 个 PR,约 227 人至少贡献了一个 PR。回滚比例稳定在约 0.5%,产品启动、打字和切换聊天等性能也比刚上线时更好。 "被回滚的 PR 所占的比例反而下降了,稳定在大约 0.5%。" 💡 纠正 agent,别只加一行说明 agent 会把代码库里的反模式当成惯例照着复制。每次纠正,都尽量改成 lint 等确定性检查,或改进 API 和架构,从源头消除问题。 "每次纠正 agent,都要把这次纠正变成一个确定性的检查" 💡 有些容易误用的功能,干脆禁止 团队在产品代码里禁止 useEffect,只允许在 Dune API 内部的部分位置使用;这让他们不必在代码审查时反复抓同一个问题。 "这样一来,这个问题实际上就彻底消除了" 💡 大部分 token 花在验证上 Lauren 认同另一位工程师每天把 70% token 用于验证的做法。她认为 agent 降低了测试和验证的成本,让过去不划算的检查变得可行。 "我用的大部分 token 也都花在验证上。" 💡 软件工厂之前,先清理代码库 如果编码内循环产出垃圾,把它自动化只会制造更多垃圾,还会持续消耗昂贵的 token。代码库、静态分析和验证流程打好基础后,才适合进一步编排大量 agent。 "如果你的编码内循环产出的是垃圾,那把这个循环自动化只会产出更多垃圾" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Saturday · 43 min

    #829. Dwarkesh Patel|RSI:AI怎么从数学题进步到超越顶尖研究员?

    📝 本期播客简介 本期我们克隆了:Dwarkesh Patel · Recursive self-improvement has started 原内容更新时间:2026-11-13 “距离 AI 在 AI 研究上达到人类顶尖水平,只剩下两年左右了,甚至可能只剩几个月。”Dwarkesh Patel说,自己几个月前还不相信这个判断,如今却认为 AI 已经在加速 AI 的发展。 他从数学能力的跃升、AI实验室的研发效率变化,推演自动化研究员如何凭借更快的工作速度、更强的能力和更多的并行实例推动进展。他也谈到持续学习、数据和实验算力这些可能的瓶颈,并解释为什么即使 AI 研究不是完全可验证的,仍可能被大规模自动化。 👤 本期嘉宾 Dwarkesh Patel 是本集原节目的主持人和作者,围绕 AI 研究自动化与递归自我改进展开论证。他关注 AI 在可验证任务上的进步,以及这些能力能否迁移到 AI 研发;本集的判断来自他对近期进展的观察、推演和对主要反对意见的回应。 ⏱️ 时间戳 AI进步正在加速 00:20 AI研究达到顶尖水平,或许只需几个月到两年 01:09 METR称范围明确任务的AI进展速度翻倍 02:53 两年间,数学能力从做不出竞赛题到拿下金牌 自动化研究员的冲击 10:44 AI工作速度约为人类10倍,可全天候工作 14:15 点子变难找的速度,决定会不会出现纯软件奇点 15:10 一年压缩出约4年进展,可能从GPT-3.5跨到GPT-6 可验证性与瓶颈 25:35 AI最令人头疼的缺陷:样本效率不足 34:03 缺少持续学习,未必阻止研究工作自动化 40:05 一万个agent,或各自每天训练一个GPT-3规模模型 🌟 精彩内容 💡 AI研发效率已经在加速 METR在Anthropic观察3个月后称,范围明确任务上的AI进展速度是一年前的2倍。Anthropic报告称,Claude参与的AI研发工作从2月不到1%,升到26%;OpenAI高频使用内部 coding agent 的研究人员,每天使用的价值从约1000美元涨到8月底超过7000美元。 "如今这部分加速大半很可能是因为 Anthropic 广泛使用 AI 来做研发。" 💡 一年可能压缩出4年进展 如果AI自动化研究,研究员会更快、更聪明,数量也更多。Dwarkesh Patel估计,即使最终不是几个月内出现“纯软件奇点”,自动化后的第一个自然年也可能取得相当于当前速度4年的进展。 "这相当于从 GPT-3.5 到 GPT-6 Astra 那么大的跨越,只用了短短 12 个月。" 💡 数学能力的跃升让他改了判断 2023年,模型还不能稳定做四位数加法;2024年,几乎做不出高中数学竞赛题;2025年,已经能在国际数学奥林匹克竞赛拿金牌。随后,OpenAI用88小时解决了一道千禧年大奖难题。 "关于诸神的陨落,有一件事是确定无疑的。他们不会只是稍稍跌落,而是会轰然坠地,摔得粉碎。" 💡 缺少长期记忆,也未必拦得住 他曾认为,每次会话都像AI“上班第一天”,缺少持续学习会卡住研究自动化;但现在他认为,扩展上下文学习或在可验证任务上提升在线学习能力,或许能绕开这个瓶颈。他仍给“到2032年之后才自动化顶尖研究员工作”留了25%的概率。 "这些模型都已经在解决千禧年大奖难题了,却依然像一些没有长期记忆、傻乎乎的天才实习生。" 💡 一万个研究员agent,各自每天训练一个GPT-3 他用算力增长推演:到2027年底,OpenAI或许能给1万个agent分配足够算力,让每个agent几乎每天训练一个GPT-3规模的模型。作为对照,最初的Transformer论文训练最终模型用了8块P100跑3天,今天租用这批算力约需50美元。 "那么你觉得,一家 AI 实验室如果有 1 万名优秀研究员,每个人都有这么多算力,而且思考速度都快 10 倍,生产力会有多高?" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Saturday · 1 hr 41 min

    #830.Yann LeCun:世界模型与下一场 AI 革命 | 南洋理工大学高等研究所公开讲座

    📝 本期播客简介 本期我们克隆了:NTU- Institute of Advanced Studies · Yann LeCun: World Models & The Next AI Revolution | NTU IAS Public Lecture 原内容更新时间:2026-11-12 大模型读完人类公开文本,大约要花40万年;一个4岁孩子靠视觉、触觉学习世界,却只用了约1.6万小时。Yann LeCun认为,机器要迈向人类水平的智能,光靠文本训练和生成答案还不够。 这场南洋理工大学公开讲座中,图灵奖得主 Yann LeCun从婴儿如何建立世界模型讲起,解释JEPA如何在抽象表征中预测、为什么逐像素生成视频会遇到根本困难,以及机器怎样借助世界模型规划行动。他还谈到强化学习为何难以让机器安全地学会开车、AI时代读大学和研究生是否仍有价值,以及JEPA可能如何改变算力与内存的需求。 👤 本期嘉宾 Yann LeCun是纽约大学计算机科学教授、Advanced Machine Intelligence Lab执行主席,也是Meta基础人工智能研究实验室创始主任。他因卷积神经网络的开创性工作奠定现代深度学习的重要基础,并于2018年获得图灵奖。本集聚焦他提出的JEPA与世界模型,以及他对生成式AI、机器规划和AI研究方向的判断。 ⏱️ 时间戳 AI的常识短板 11:14 机器会下棋,却还做不好猫狗轻松完成的事 婴儿如何学会世界 16:21 婴儿约9个月学会物体会受重力影响 文本训练的局限 20:31 人读完大模型训练文本要约40万年 世界模型如何规划 26:04 世界模型可以连续预测一串动作的结果 JEPA为何不生成像素 31:54 视频大部分信息其实无法预测 SIGReg防止表征坍塌 42:15 让样本表征彼此不同,避免坍塌 JEPA的视觉与规划成果 56:47 单目视频训练出的系统学会了深度 规划、强化学习与泛化 1:11:31 自动驾驶强化学习可能得把车开下悬崖几千次 AI时代的学习与职业 1:23:03 生产成本下降,消费和相关工作反而增加 现场问答:模型与算力 1:36:34 JEPA可能更省内存,但规划会更耗算力 🌟 精彩内容 💡 机器聪明,不等于真的会思考 LeCun认为,智能不只是记住知识、拿下固定测试,而是在没见过的问题面前迅速学会怎么做。机器能下棋、写代码,却还做不好猫狗轻松完成的日常任务。 "智能不是知识的积累。" 💡 婴儿靠少量经历建立世界模型 孩子看见物体无支撑却悬在空中,会比更小的婴儿更在意,因为他们已经学会物体会掉下来。LeCun用这个例子说明,理解世界包括判断什么事合理、什么事令人意外。 "婴儿会学到世界模型,让他们能够判断什么是可能的,什么是不可能的。" 💡 预测像素,可能预测错整个未来 世界里的细节常常无法预测:系统能猜车辆大致怎么走,却不知道路边树叶如何随机运动。逼模型生成视频的每个像素,可能产出看似真实、实际却编造的未来;JEPA因此改为预测抽象表征。 "视频里的大部分信息都是不可预测的。" 💡 强化学习学开车,可能要先摔下悬崖几千次 在可模拟的棋盘或机器人环境中,强化学习有用;但在真实道路上,试错代价太高。LeCun用悬崖举例:系统可能得反复把车开下去,才逐渐学会避开危险。 "如果你把车放在悬崖边,RL 系统在最初 100 年的训练中,会把车开下悬崖。" 💡 AI让工作变多,不只是让人做得更快 LeCun认为,coding agent提高个人产出后,人们会做更多探索、研究和产品开发,需求也会扩大。他判断计算机科学和AI工作不会减少,基础编程的前景则与系统设计不同。 "计算机科学领域的工作,尤其是 AI 领域的工作,不会减少,反而会增加。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Saturday · 1 hr 8 min

    #828.All-In:英伟达慢一两个节拍,美国的芯片优势就可能松动

    📝 本期播客简介 本期我们克隆了:All-In with Chamath, Jason, Sacks & Friedberg · Jensen Ousted as Nvidia CEO: "Spy" Scandal, Export Restrictions, Market Impact 本期存在大量删减 原内容更新时间:Sat, 14 Nov 2026 英伟达股价一周暴跌15%,Jensen离开CEO职位之后,美国的芯片优势会不会也跟着松动?All-In几位主持人从这场风波谈起,追问泄密、间谍指控和辞职背后的疑点,也拆解英伟达对AI产业与美国芯片竞争力的分量。 Sacks认为,美国的优势不只是手里有某一代芯片,而是英伟达能持续推出更强的新芯片;如果公司因此慢上一两个节拍,华为可能更快追赶。几位主持人还讨论芯片出口管制、远程关闭开关可能带来的影响,以及英伟达CEO继任人选和Anthropic上市。 👤 本期嘉宾 Sacks是All-In播客的联合主持人,曾在政府任职;他在节目中讨论英伟达与美国AI芯片优势、芯片出口管制和AI产业的关系。节目中,Jason Calacanis、Friedberg与Chamath Palihapitiya也参与讨论。 ⏱️ 时间戳 Jensen辞职与事件曝光 01:14 英伟达宣布寻找新CEO,股价一周跌15% 02:23 Jensen邮件承认婚外情,董事会将调查 泄密与间谍指控疑点 05:27 Sacks称泄露机密备忘录本身是犯罪 11:00 Sacks提出四个待查问题:泄密者、机密内容与间谍指控 辞职背后的动机与利益 12:44 Friedberg担心AI控制权集中到少数人手中 16:05 英伟达十年市值停在约120亿美元,后来四年涨20倍 英伟达放缓与芯片管制 27:15 Chamath警告经济增长可能损失50到150个基点 28:42 Sacks:美国优势在于不断推出更强的芯片 继任人选与Anthropic IPO 44:54 Chamath列出英伟达内部与外部CEO人选 46:01 Friedberg认为若未违法,股东可决定是否让Jensen回来 Anthropic的扩张与安全争议 57:23 Jason认为Anthropic正把多种企业软件捆绑进订阅 59:29 Sacks称递归自我改进有安全风险,Anthropic仍在推进 🌟 精彩内容 💡 英伟达的优势不只是芯片 Sacks认为,美国领先的关键不是某一款芯片,而是英伟达持续迭代的能力。华为用384颗芯片搭成机架,英伟达用72颗;若英伟达因动荡放慢,华为的追赶可能更快。 "我们从 Ampere 到 Hopper,再到 Blackwell 和 Vera Rubin" 💡 削弱英伟达,不会让对手变强 Chamath认为,英伟达出问题,并不会自动解决其他公司的芯片、网络互联、产能和软件生态短板。更可能的结果,是整个AI行业一起放慢。 "这对谁都没有好处" 💡 英伟达像AI经济的银行 英伟达不仅卖芯片,还为初创公司、数据中心和基础设施项目提供资金与担保。Chamath担心,若这项投入放缓,可能冲击AI经济的资本流动。 "英伟达这家银行是靠 Jensen 运转的" 💡 远程关闭开关,控制权在谁手里? 节目讨论出口芯片追踪与远程关闭的要求:企业自行管理,还是政府掌握控制权?主持人担心,芯片监管可能进一步延伸到数据中心与国家级中央系统。 "关键就在这些细节上" 💡 Anthropic一边扩张,一边推进递归自我改进 节目提到Anthropic推出会议、白板、表格等产品,向企业软件市场扩张;Sacks则指出,公司把递归自我改进当作竞争优势,同时认为这类进展带有安全风险。 "他们正在创造这个超级智能" 💡 AI能否在十年内治愈癌症? Dario预测癌症、阿尔茨海默病等疾病用不了十年就会成为过去。Friedberg说,生物学领域借助新工具已经每周出现突破,但这些进展具体意味着什么时间表,还不确定。 "今天就在发生。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Saturday · 1 hr 44 min

    #827.斯坦福成瘾门诊主任 Anna Lembke:最严重的成瘾,瘾的不是物质,而是控制感

    📝 本期播客简介 本期我们克隆了:Andrew Huberman · Overcome Addictions and Obsessions of All Kinds | Dr. Anna Lembke 原内容更新时间:2026-11-09 「在最严重的成瘾案例中,人们其实并不是对某种物质或行为上瘾。他们上瘾的是控制感。」斯坦福大学医学院成瘾门诊主任 Anna Lembke,从多巴胺奖赏回路谈到成瘾为何让人越陷越深,也解释为什么有时放下控制、承认自己无能为力,反而能成为康复的转折点。 这一集还谈到社交媒体成瘾、戒断与复发、童年创伤和成瘾风险,以及共依赖如何让亲人彼此困住。Lembke 也分享了灵性臣服背后的神经机制、日常祈祷与「做好接下来该做的事」,并谈到临床中 GLP-1 对部分严重酒精成瘾患者带来的变化。 👤 本期嘉宾 Anna Lembke 是斯坦福大学医学院双重诊断成瘾门诊主任,也是研究成瘾和多巴胺动态的专家。她在临床上接触各种物质与行为成瘾患者,著有《多巴胺国度》;这一集也围绕她的新书《Radical Surrender》,讲述控制、臣服与康复之间的关系。 ⏱️ 时间戳 数字媒介与成瘾回路 03:21 青少年门诊一半转诊与数字媒体成瘾有关 稳态、戒断与康复 10:00 急性戒断常要经历 10 到 14 天,第 3、4 周不少人开始好转 成瘾风险与康复之路 24:44 否认可能要到后果累积后才崩溃,这一刻被称为「触底」 控制成瘾与彻底臣服 29:59 成瘾像在现实中造出一个「另一个世界」,让人获得掌控感 臣服的神经机制 44:10 多巴胺催人「多来一点」,血清素则让人停下来重新评估 灵性、科学与死亡 50:43 失去儿子后,心理治疗和论文都无法解释一切,臣服带来转变 危机、祈祷与共依赖 1:01:08 控制不了未来,但可以做好接下来该做的事 数字时代的开放练习 1:19:19 每天离开屏幕一段时间,去看看天空、树,和人聊聊天 成瘾药物与强迫思维 1:37:34 有些严重酒精成瘾患者试过其他方法无效,用 GLP-1 后进入康复 🌟 精彩内容 💡 最严重的成瘾,瘾的可能是控制感 成瘾行为会把注意力缩窄成一个简单的世界:只要按下那根「杠杆」,就能改变自己的感受。Lembke 认为,控制感不只困住典型成瘾者,也可能困住不停优化生活、害怕选错的人。 "他们上瘾的是控制。" 💡 数字媒体成瘾,不只是个人的自制力问题 Lembke 说,青少年门诊约一半转诊与某种形式的数字媒体成瘾有关。让一个孩子放下设备还不够;如果其他孩子都在屏幕里,集体环境也得改变。 "这不只是个人的问题,也是一个集体的问题。" 💡 戒断可以先做 30 天,不必许诺一辈子 门诊会根据患者的动机、生活处境和成瘾情况制定治疗方案。有时也会让患者把戒断当成生活实验,先试 30 天;她提到,奖赏通路平均需要这么长时间才开始重置。 "我们请他们做自己生活中的科学家,戒掉 30 天,而不是一辈子。" 💡 放下控制,不是放任自己,而是换一条路 她用多巴胺和血清素解释这种转变:多巴胺推动人继续追逐,血清素相关机制则可能帮助大脑重新评估、接纳新策略。臣服让人把注意力缩回眼前,先做好下一件能做的事。 "他们从臣服本身获得了力量。" 💡 GLP-1 让部分严重酒瘾患者进入康复 有些严重酒精成瘾患者尝试过其他心理社会干预和药物都没有成功,用 GLP-1 后进入康复。Lembke 说,这类药物可能减少接触成瘾物质时奖赏通路释放的多巴胺,但并不是对所有人都有效。 "不可能对所有人都管用。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Friday · 6 hr 8 min

    #826. Acquired|英伟达三部曲1993-2023(重制版)

    📝 本期播客简介 本期我们克隆了:Nvidia Parts I–III: The GPU Company, The Machine Learning Company, The Dawn of the AI Era (1993–2023) 原内容更新时间:2023-09-05 从 90 家做着相似显卡的公司,到今天为 AI 数据中心提供整套计算平台,英伟达的路并不是一路顺风。黄仁勋曾三次押上公司,最危险时团队只剩 35 人,账上现金只够再撑 6 个月。 Acquired 的三部曲串起英伟达从图形芯片、可编程 GPU、CUDA,到生成式 AI 的发展史。Ben Gilbert 与 David Rosenthal 讲述公司如何靠一次次转型活下来,CUDA 为什么成了 AI 计算的底座,以及数据中心、芯片互连和开发者生态如何构成今天的英伟达。 👤 本期嘉宾 本集没有嘉宾出场,内容由 Acquired 主持人 Ben Gilbert 与 David Rosenthal 讲述。他们分别是风险投资人和天使投资人,长期研究科技公司及其经营史;这次从英伟达的创业、产品转型、CUDA 押注一路讲到生成式 AI 时代。 ⏱️ 时间戳 黄仁勋的早年经历 04:33 黄仁勋从台湾辗转泰国、美国,16 岁上大学 从芯片工程到创业构想 11:24 从手工设计芯片,到想让工具和平台赋能更多人 Riva 128绝境突围 32:14 世嘉退出,英伟达只剩 9 个月现金 GeForce与可编程GPU 47:19 英伟达每 6 个月推出一代,性能持续翻倍 CUDA押注通用计算 1:51:53 研究人员拿游戏显卡跑量子化学模型 AlexNet引爆AI计算 2:18:23 ImageNet 用百万张标注图片测试识图算法 Transformer与生成式AI 3:45:38 两块约 1000 美元的显卡训练出 AlexNet 英伟达重构数据中心 4:25:18 突破冯·诺依曼瓶颈,转向并行计算 护城河、竞争与未来 5:00:58 CUDA 注册开发者一年从 300 万增至 400 万 🌟 精彩内容 💡 英伟达最危险时只剩 35 人 世嘉退出、内存成本变化,英伟达的下一代芯片眼看要砸掉。黄仁勋决定裁掉 70% 员工,用软件模拟芯片,把原本要 18 到 24 个月的设计周期压到 6 个月。 "如果我们要活下去,就必须把这一切都扔掉。" 💡 CUDA 是一场 iPhone 级别的押注 英伟达从 2006 年起打造一整套 GPU 通用计算平台,免费提供 CUDA,却让它只能运行在自家硬件上。多年后,AlexNet 用英伟达 GPU 和 CUDA 训练神经网络,AI 计算迎来转折。 "这是一次 iPhone 规模的赌注。" 💡 两块千元显卡,训练出 AI 突破 2012 年,AlexNet 团队用两块 GeForce GTX 580 和 CUDA 训练图像识别模型,错误率从此前约 25% 降到约 15%。过去被认为算力不足、难以实用的神经网络,突然证明了自己的潜力。 "天哪,他们用价值大约 1000 美元的消费级硬件,就训练出了这个模型。" 💡 Transformer 为什么需要 GPU Transformer 每次预测下一个词时都能查看整段输入,计算量很大,但各部分比较可以并行完成。GPU 的大量核心让模型训练速度大幅提升,也让更大的语言模型变得可行。 "GPU 来救场了。" 💡 英伟达卖的不是单独一块芯片 数据中心客户买的可以是一整套 DGX 系统:GPU、CPU、互连和 CUDA 软件一起工作。单块 H100 标价 4 万美元,顶配系统售价可达 50 万美元;整合方案让客户更容易部署,也让英伟达获得更高利润。 "你说解决方案,我听到的就是毛利率。" 💡 想挑战英伟达,得重造整套生态 竞争者不只要做出好 GPU,还得补齐高速互连、数据中心服务器、台积电先进封装产能和 CUDA 级别的软件生态。CUDA 已积累约 1 万人年的开发投入,追赶不是单靠一颗芯片就能完成。 "要说服一位首席信息官,你在这些方面就得比英伟达强 10 倍。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Friday · 1 hr 19 min

    #825. Ben Thompson:黄仁勋离任后,英伟达何去何从?华盛顿的报复

    📝 本期播客简介 本期我们克隆了:Nvidia After Jensen Huang, What Huang Meant to the AI Ecosystem, Washington Gets Its Revenge 原内容更新时间:2026-11-13 “你不能光靠砸钱就造出一个生态系统。”Ben Thompson从黄仁勋离开英伟达谈起,追问芯片禁令究竟会怎样改变中国的芯片产业和美国的竞争优势。 Ben Thompson与Andrew回顾英伟达如何从游戏显卡走到AI核心供应商:CUDA、整套系统和供应链,都是这家公司押中的关键。随后,他们把焦点转向黄仁勋与华盛顿的冲突、英伟达的接班难题,以及芯片禁令可能带来的长期代价。 👤 本期嘉宾 Ben Thompson,Stratechery作者,也是 Sharp Tech 的主持人之一。他长期关注科技公司与产业变化,并多次采访黄仁勋;本集结合这些采访和对英伟达业务的分析,讨论CUDA如何成为护城河、英伟达如何带动AI供应链,以及黄仁勋与华盛顿的政策冲突。 ⏱️ 时间戳 第300期的葬礼 00:22 英伟达CEO去留引发股价与股东利益之问 02:22 董事会、管理层和股东的利益并不总一致 CUDA如何押中AI 06:27 英伟达让计算单元变得可编程 07:25 AlexNet让CUDA的用途豁然开朗 英伟达的系统护城河 13:08 收购Mellanox,把多块芯片连成系统 15:28 黄仁勋推动供应商相信AI并准备扩产 中国风波与华盛顿 34:08 CUDA替代品,最可能由中国开发者推动 43:39 英伟达守法,却被认为绕过禁令本意 芯片禁令的代价 48:35 造芯片需要整个生态系统协同 49:15 禁令可能催生中国自己的CUDA与制造能力 黄仁勋的豪赌与退场 1:00:56 成就英伟达的大胆押注,也导致黄仁勋垮台 Claude打造家庭工坊 1:05:29 Claude列出螺栓清单,还把购物车装满 1:08:19 Ben用Claude设计3D打印机架配件 AI接管日常操作 1:17:24 Claude终于替Ben点过Mac权限弹窗 🌟 精彩内容 💡 禁令可能帮中国补齐生态 芯片禁令让中国企业更有动力开发自己的芯片、CUDA替代品和制造能力。Ben认为,美国原本可以通过出售落后几代的产品,让客户继续依赖美国供应链。 "从长远看,芯片禁令是在为摧毁我们的芯片产业打基础。" 💡 英伟达守法,却得罪华盛顿 第一版对华禁令按内存带宽设限。英伟达不到一个月就推出带宽更低、性能更差的芯片;Ben认为,这让华盛顿觉得英伟达绕过了禁令想实现的效果。 "他绕过的是你以为自己已经做到的事。" 💡 英伟达卖的是系统,不只是芯片 收购Mellanox让英伟达把芯片互连起来,提供整套系统;黄仁勋还亲自推动供应链扩产。Ben认为,AI所需的芯片和零部件能供应到今天的规模,黄仁勋功不可没。 "要不是黄仁勋,今天全世界的芯片数量,还有这些东西的数量,都会少得多得多。" 💡 成就英伟达的豪赌,也带来垮台 CUDA曾被视为疯狂押注,甚至一度让英伟达濒临倒闭;后来它成了AI时代的关键技术。Ben把黄仁勋在中国问题上的坚持也看作一场赌注,并认为他没有及时收手。 "这些大胆的押注成就了英伟达,也导致了他的垮台。" 💡 几百种螺栓,Claude替他下单 Ben想在地下室备齐螺栓和紧固件,Claude先列清单,再把数百件商品放进购物车。之后他还用Claude设计3D打印机架配件、安排库存和标签。 "Claude 把购物车都装满了。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Thursday · 25 min

    #824.布鲁金斯中国研究员:中国想赢的不是前沿模型,而是AI普及

    📝 本期播客简介 本期我们克隆了:Decoder with Nilay Patel · Jensen Huang is out — and this could all backfire for China | Decoder 原内容更新时间:2026-11-12 中国要赢 AI,未必得先造出最强模型。布鲁金斯学会约翰·桑顿中国中心研究员 Kyle Chan 认为,中国更看重让 AI 广泛进入经济,尤其是制造业。 Nilay Patel 和 Kyle Chan 从英伟达风波谈起,追问芯片出口管制究竟能否让中国落后:美国内部的鹰派与扩大出口派如何角力,中国怎样发展国产芯片、应对管制,以及黄仁勋在 AI 产业生态中扮演的角色。节目也谈到,AI 技术和人才跨境流动,何时会从普通商业活动变成国家安全问题。 👤 本期嘉宾 Kyle Chan 是布鲁金斯学会约翰·桑顿中国中心的外交政策研究员,研究中国和中美关系。他长期关注中国 AI 产业与芯片发展,能从中国的政策和产业视角分析出口管制争论、中国国产芯片路线,以及 AI 在制造业中的应用。 ⏱️ 时间戳 Megaspeed与调查疑云 01:25 区分已知与未知:Megaspeed可能成英伟达芯片渠道 02:44 中国 AI 公司长期依赖英伟达,也在打造国产芯片供应链 05:42 Kyle认为调查应全面展开,不能有人干预 芯片管制与中国AI路线 10:09 中美争论的核心:限制算力,还是扩大技术出口 11:05 中国要造自己的芯片,也可能用稀土出口反制 14:03 中国更看重 AI 普及,尤其是进入制造业 黄仁勋与AI产业格局 18:01 黄仁勋离开,可能影响英伟达芯片研发速度 19:38 黄仁勋既是技术领袖,也是市场推动者 23:11 AI 人才与知识流动,和国家支持获取技术的界线 🌟 精彩内容 💡 中国想赢在普及,不是最前沿 中国更看重让 AI 融入整个经济,尤其是制造业,而不只是追逐 AGI。Kyle认为,开源模型在中国经济和全球的普及,是判断这条路线成效的重要标准。 "他们真正更关注的是让技术普及开来。" 💡 国产芯片不必追上英伟达 中国正在全力打造自己的 AI 芯片供应链。Kyle认为,即使永远赶不上英伟达最新芯片,只要做到“足够好”,就能替代中国长期依赖的英伟达芯片。 "他们永远也不可能真正赶上。" 💡 出口管制的论点会被风波削弱 美国争论的焦点,一边是限制芯片出口、保持领先;另一边是扩大出口,让中国依赖美国 AI 技术体系。Kyle指出,近期争议可能损害扩大出口一派的论据,无论调查结果如何。 "他们的一些论点可能已经因为这件事受到损害。" 💡 黄仁勋能撬动整个 AI 市场 黄仁勋不只参与技术发展,也会影响市场预期:他点名一家初创公司或新兴云服务商,对方股价就可能上涨;他对量子技术表达怀疑,整个行业也可能受到冲击。 "他的角色不只是技术领袖,还是市场的推动者。" 💡 技术交流和获取秘密,界线难划 人才流动、论文传播和跨国合作会让技术扩散;但国家支持、有组织地获取敏感技术,又是另一回事。Kyle认为,像中国公司收购欧美企业股份这类情况,不能简单一概而论。 "得逐案来看。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Thursday · 1 hr 16 min

    #823.Resend 联合创始人 Zeno Rocha:让 Agent 选中你,得让它读懂每个页面

    📝 本期播客简介 本期我们克隆了:Latent Space · Designing for Agents — Zeno Rocha, Resend 原内容更新时间:2026-11-10 Claude Code 为什么会推荐一个刚起步的邮件服务?Resend 联合创始人兼 CEO Zeno Rocha 说,他们早早把文档写成长尾问答,还让网站页面都能直接读 Markdown;当模型算错定价时,他发现问题是 Agent 根本不会拖动网页上的计算器。 这一集从邮件送达、反垃圾邮件和 DNS 配置讲起,聊到 Resend 如何让 API、MCP、CLI 覆盖不同用法,以及 MCP 工具从不到 20 个扩展到 80 多个。Zeno 也谈到,模型给用户一个推荐答案时,产品怎样才能被看见、被读懂,甚至被 Agent 直接使用。 👤 本期嘉宾 Zeno Rocha 是 Resend 联合创始人兼 CEO,曾以 Dracula 和开源项目为人熟知,也做过 React Email。他从前端开发者转向邮件基础设施创业,带领 Resend 服务数百万用户;这段经历让他既要处理邮件投递、滥用和 DNS 等底层难题,也要亲自思考如何为开发者和 Agent 设计产品。 ⏱️ 时间戳 从前端起步,赢得新一代选择 01:47 用邮件领域的 Stripe 做产品,起步时却对邮件一无所知 05:40 从一开始就想让 Resend 成为这一代产品的首选 把邮件送达做成基础能力 08:01 Gmail 会先看首批邮件的互动,再决定后续处理方式 11:25 自动生成纯文本邮件,送达率因此提高 从模板切入,逐步掌控邮件栈 21:27 React Email 是 Resend 的 Next.js:先解决模板,再提供发送平台 24:38 竞争对手曾说,90% 的研发都在对付滥用者 让API、MCP与CLI覆盖更多用法 34:28 “产品没有固定形态”:用户想怎么用,都应该能做到 35:54 远程 MCP 要先解决 OAuth 和权限模型 面向Agent优化邮件与增长 55:09 Agent 不会拖动 JavaScript 控件,定价页另做 Markdown 版 55:32 改完页面,模型终于把价格算对了 在家庭、抱负与品类间作选择 1:09:49 YC 没有赢家,创业更像一场无限游戏 1:12:07 他宁愿 ARR 一千万、女儿愿意陪他,也不要一亿美元却疏远女儿 🌟 精彩内容 💡 Agent 想怎么用,产品就该怎么提供 Zeno 不想押注某种流行的交互方式:API、MCP、CLI 都做,让用户按自己的工作流选择。Resend 的 CLI 甚至能用来申请职位。 "我希望我的产品没有固定形态。用户想用产品做什么,都应该能做到。" 💡 Agent 不会拖动网页上的计算器 Zeno让模型比较邮件服务的价格,发现它把 Resend 的价格算错,还说定价不透明。原因是 Agent 不会操作 JavaScript 计算器;他给定价页面加上 Markdown 版本后,模型的计算结果就对了。 "问题是,agent 其实不会去拖动 JavaScript 控件。" 💡 MCP 工具从不到 20 个做到 80 多个 团队一开始做的 MCP 工具不到 20 个,如今已经超过 80 个,还在补齐不常用功能。Zeno 认为,MCP 不该只覆盖仪表盘里的大部分操作,账单、邀请团队成员、开通和删除账号也得考虑。 "现在我们有 80 多个工具。我还在不断增加,把那些不太常用的功能,也覆盖到。" 💡 打开率已经不再可靠 邮件里的透明像素图片曾被用来判断打开率,但苹果的隐私改动和邮件过滤器会提前读取内容,让这个指标失真。点击追踪也有风险:一个客户发钓鱼邮件,可能连累共用的追踪域名进黑名单。 "所以打开率这个指标整体上已经不像以前那么可靠了。" 💡 默认信任用户,但发现滥用就快速处理 Resend 不想让所有用户先被层层审核、等待批准;团队会根据退信率、投诉率和邮箱服务商反馈识别异常,再封禁并沟通。很多问题其实不是恶意,而是用户不会配置。 "我们会默认信任你,而不是因为那些坏人,让整个平台对所有人都变得更难用。" 💡 创业不能只拿公司规模衡量 Zeno 有很大的抱负,但他也明确把陪伴女儿放在重要位置。他宁愿公司规模小一些,仍和女儿亲近,也不愿只追求更高估值和收入。 "我宁愿过这样的生活,也不愿意公司规模达到 1 亿美元,女儿却不想跟我玩,对我没兴趣,跟我也不亲近。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Wednesday · 46 min

    #822.马斯克:AI 算力要上太空,地面电力根本不够

    🎙️ 📝 本期播客简介 本期我们克隆了:Matt Pocius on Tesla Stock & Money · Elon Musk Just Predicted the Next 3 Years (Ron Baron Full Interview) 原内容更新时间:2026-11-06 “地面上没有足够的电力。”马斯克认为,如果 AI 算力要以每年数百吉瓦的速度增长,光靠地球电网根本撑不住,太空会成为重要选项。 在这场与投资人 Ron Baron 的访谈中,马斯克从美国芯片制造的短板讲起,谈到如何用更快的研发迭代和建设速度扩大算力,再推演 AI、机器人和太空数据中心可能带来的经济变化。他也解释了为什么认为 Starship 的快速复用和 Starlink 的卫星扩张,可能打开更大规模的太空算力生意。 👤 本期嘉宾 埃隆·马斯克,特斯拉、SpaceX 等公司的建设者与负责人。他在访谈中谈到特斯拉的 AI 芯片、奥斯汀研发晶圆厂和孟菲斯数据中心,也分享了 SpaceX 建设电力设施、开发 Starship 与扩张 Starlink 的计划;这些一线工程经历构成了他对芯片、能源和太空算力的判断基础。 ⏱️ 时间戳 重造芯片制造业 01:31 美国芯片制造规模远小于亚洲 04:52 晶圆上原子发生有用变化的时间可能只有 20% 06:04 奥斯汀研发晶圆厂要把迭代周期压到一个月 算力、能源与经济扩张 12:21 马斯克称 OpenAI 已变成当初设想的反面 13:47 数据中心建设:对方两年半、600 亿美元;他们八九个月、350 亿美元 20:15 他估计数字超级智能可让全球经济增长 20%–30% 星舰与星链的太空商业 27:06 Starship 目标是把入轨成本降低 100 倍 28:57 整个 Starship 系统都为快速重复使用而设计 35:12 Starlink 目标从 2 万颗卫星扩展到 10 万颗 太空算力与文明前景 40:30 马斯克与 Ron Baron 对比中美发电能力 41:45 他认为,和中国竞争要把智能送到太空 42:57 超级智能的需求可能来自超级智能本身 🌟 精彩内容 💡 AI 扩张,地面电网跟不上 马斯克估计,若每年为 AI 增加 200 吉瓦电力,相当于每年把整个美国电网扩大 40%,难以在地面实现。他认为太空太阳能可以避开夜晚和大气衰减。 "地面上没有足够的电力,不太可能每年达到这样的规模。" 💡 芯片研发,一年压到一个月 奥斯汀研发晶圆厂把逻辑芯片、内存、封装和光刻放进同一座建筑,设计、制造、测试后可以快速再来一轮。马斯克说,通常需要一年的事,他们可能缩短到一个月。 "通常需要 1 年才能完成的事,我觉得我们可能缩短到 1 个月。" 💡 数据中心不是下采购单就能建成 马斯克拿“José 梗”打比方:一个人在挖坑,旁边八个人看着;多下采购单不等于多干实活。他说美国许多数据中心只建了一部分,原因是能动手建设的人手不够。 "只有 José 多了,才能干更多活。" 💡 机器人可能顶上数千万人的产出 按马斯克的估算,人形机器人一周能工作的时间和速度,可能让单个机器人的周产出达到人的五倍左右。他推测,2000 万到 3000 万个机器人就能达到美国商品和服务的产出水平。 "我觉得需要,大概 2000 万到 3000 万个机器人,才能达到美国的商品和服务产出水平。" 💡 太空算力的需求,可能大到难以直观理解 马斯克认为,数字超级智能可能让全球经济增长 20% 到 30%,约增加 25 万亿美元;而超级智能本身还会创造更多需求。他把文明未来的能源增长空间,放到了太阳系尺度上。 "对智能、对数字超级智能的需求,会来自数字超级智能本身。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • Wednesday · 39 min

    #821.MiniMax CEO闫俊杰:低推理成本就是我们的护城河

    📝 本期播客简介 本期我们克隆了:Scottish Mortgage · MiniMax The Chinese AI Lab Doing More With Less | Invest in Progress S4 Ep5 原内容更新时间:2026-11-03 前沿模型做到95%的性能,成本却只有十分之一——这就是 MiniMax 用效率应对算力限制的方式。MiniMax 联合创始人兼 CEO 闫俊杰(IO)接受 Scottish Mortgage 的首次英语播客采访,讲述公司如何把有限资源变成模型研发和商业模式上的优势。 这一集从 M、H 系列模型、多模态和 AI agent,谈到低推理成本如何帮助模型持续改进、开放权重如何带来创新,以及中美 AI 生态为何可能走向不同路径。节目后半段,投资经理 Lawrence Burns 也解释了 Scottish Mortgage 投资 MiniMax 的理由,以及公司盈利仍要面对的挑战。 👤 本期嘉宾 闫俊杰(IO)是 MiniMax 的联合创始人兼首席执行官,也是一位 AI 科学家。他早年在百度深度学习研究院做研究实习生,师从余凯博士,研究计算机视觉并参与 ImageNet 竞赛;2021 年创立 MiniMax 后,带领团队发展语言模型、视频生成和多模态 AI。他从机器学习研究走到 AI 公司创办一线,长期关注如何用更少的算力降低推理成本、扩大智能的应用范围。 ⏱️ 时间戳 MiniMax的使命与模型 03:55 把推理成本降到最低,让智能由所有人共享 04:58 M 系列做编程与 agent,H 系列生成视频 从机器学习到创立MiniMax 06:40 家里书多,小时候自学大学程度的数学和计算机科学 08:09 为了用上更多 GPU,他选择去百度做研究 效率驱动的模型与商业模式 14:00 低推理成本既是护城河,也是盈利计划 15:28 最后5%的性能差距可能比前95%更难弥补 开放生态与共享智能 投资逻辑与盈利挑战 29:28 前沿模型95%的性能,成本只有十分之一 35:32 上半年收入接近翻两番,亏损约为收入的3倍 🌟 精彩内容 💡 低成本不只是便宜,也是模型进步的燃料 低推理成本让 MiniMax 不仅能以更低价格提供服务,还能在后训练中进行更多强化学习和数据合成。Lawrence Burns 用高尔夫练习作比:同样预算下,练习球更便宜的人,可以练得更多。 "所以低推理成本是我们的护城河" 💡 95%的性能,成本只有十分之一 Lawrence Burns 回忆 IO 对 MiniMax 的概括:性能达到领先前沿模型的约95%,成本约为十分之一。IO 说,算力限制从第一天起就迫使公司提高推理效率,也促使团队在架构和基础设施上创新。 "对我们来说,尤其是作为一家中国 AI 公司,算力一直是个制约。" 💡 H3开放两周,就长出约300个模型 基于 H3 构建的开放模型很快带来开发者反馈。一个美国公司在 H3 上后训练出更快的视频模型,能在3秒内生成5秒视频,也让实时生成的直播等应用成为可能。 "开源能促进商业变现和进一步创新。" 💡 低成本模式瞄准的不是只有顶级用户 Lawrence Burns 认为,并非每项工作都需要最前沿模型,也不是每位用户或企业都付得起高价。MiniMax 的成本优势因此有机会服务更广泛的消费者和企业。 "首先,并不是所有工作都需要用最前沿的技术来做。其次,并不是所有用户和企业都像美国和欧洲的用户和企业那样有钱,付得起费用。" 💡 中美AI生态不会走同一条路 IO 将美国描述为资金和算力支持下的封闭系统,将中国描述为更依赖协作与效率的生态。他认为,两种条件会持续影响各自最终创造出的模型和产品。 "所以我不认为这两个生态最终会走上同一条路。" 💡 盈利仍是MiniMax必须跨过的关 投资经理指出,MiniMax 上半年收入接近翻两番,但亏损约为收入的3倍;中国市场价格竞争激烈,维持接近前沿水平也需要持续投入。企业收入增长和研发支出增速低于销售收入,是目前的积极信号。 "但最终还是需要有一个能盈利的模式。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 9 · 53 min

    #819.谷歌模型产品 Tulsee Doshi:模型开发不是照计划施工,惊喜也能变成产品

    📝 本期播客简介 本期我们克隆了:Lenny's Podcast · Why Google wants to win the frontier conversation | Tulsee Doshi (Head of Product for Gemini) 原内容更新时间:2026-11-08 “模型是没法预测的。”谷歌前沿模型产品负责人 Tulsee Doshi 说,模型开发像一堂魔药课:认真准备之后,还得留心训练中意外出现的能力,想办法把它变成让用户惊艳的体验。 这一集从谷歌如何参与前沿模型竞争,聊到模型产品经理怎样评估模型、设计用户体验,以及如何在模型不断进步时开发产品。Doshi 还给出 60-20-20 的产品开发思路:一部分今天就要能用,另一部分则为模型接下来的能力提前铺路。 👤 本期嘉宾 Tulsee Doshi 是谷歌前沿模型的产品负责人,负责 Gemini 等模型,也参与 Gen Media、音频和开放模型等产品方向。她曾在谷歌负责负责任 AI 团队的产品工作达 6 年;在前沿模型产品开发中,她需要与研究团队、内部产品团队和外部客户合作,将用户需求转成模型评估与产品体验。 ⏱️ 时间戳 模型、战略与安全 02:57 模型像魔药课,训练结果仍会带来意外 06:12 谷歌从硬件、模型做到用户应用 10:15 AI 帮助发现并修补医院系统漏洞 PM与模型评测 18:13 能做得快,做出好东西才显出 PM 价值 20:44 写 eval,从 5 个 prompt 开始 24:14 六种肤色不够,评估改用十种肤色量表 智能体与产品实践 27:45 用 agent 重现临时组队协作 29:28 60% 现在可用,20% 接近可用,20% 面向未来 32:34 Harness 是模型运行环境的外层包装 工作方式与职业变化 40:50 倦怠不只来自工作量,也来自混乱和苦差事 44:09 AI 整理数据,人提供洞察 🌟 精彩内容 💡 模型会给产品经理带来意外 模型训练有目标,也会持续监测,但模型最终呈现的行为和个性并不总能提前确定。产品经理要从模型实际表现中发现特别之处,再把它变成产品体验。 "模型是没法预测的。" 💡 产品不能只押注模型的未来 Doshi 的 60-20-20 法则不是只做今天能用的 MVP:60% 现在就能运行,20% 已经够用、模型不久后可能做到,另 20% 是期待模型未来实现的体验。 "我觉得你应该这么做:让你做出来的东西有 60% 现在就能用。" 💡 PM 的价值,是从噪音里找信号 当做东西变得容易,团队也更容易快速做出一堆没人需要的东西。Doshi 认为,找出真正值得做的事、形成共识并把混乱理清,成了优秀 PM 的独特价值。 "现在做东西这么容易,能把大家聚在一起、推动形成共识、把混乱变成秩序的人,就变得特别重要。" 💡 评估肤色,不能只看六种 早期产品用 Fitzpatrick 量表把肤色分成六种,但它原本是为医疗用途设计的,肤色范围偏浅,也无法代表全球多样性。团队引入 Monk 教授的十种肤色量表,改进模型和 Pixel 相机等产品的评估方式。 "6 种肤色无法涵盖世界上肤色的多样性。" 💡 AI 写数据,人来提供洞察 AI 可以从仪表盘、指标和社交平台快速整理产品上线后的使用情况与反馈;真正需要人做的,是判断什么值得关注、提供洞察。 "你应该提供的是洞察,模型应该提供的是数据。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 9 · 52 min

    #820. 丹尼尔·卡尼曼:思考,快与慢

    📝 本期播客简介 本期我们克隆了:Talks at Google · Thinking, Fast and Slow | Daniel Kahneman | Talks at Google 原内容更新时间:2011-11-11 直觉为什么有时像专家本能,有时却把人带进坑里?丹尼尔·卡尼曼把答案拆成两套思维:自动、迅速的系统1,以及费力、有意识的系统2。 这位因前景理论获得诺贝尔经济学奖的心理学家,讲清了直觉何时值得信任:环境得有规律,人还得有机会从及时反馈中学会规律。选股和长期政治预测恰恰缺少这样的条件;而我们对自己判断的信心,常常只是因为脑海里的故事听起来连贯。 👤 本期嘉宾 丹尼尔·卡尼曼,心理学家、诺贝尔经济学奖得主,因与 Amos Tversky 合作的前景理论研究获奖。他长期研究判断与决策;这场演讲围绕《思考,快与慢》,讲解双系统如何影响直觉、专家判断和日常选择。 ⏱️ 时间戳 直觉与双系统 05:15 一眼就觉得她生气了,判断像是自然发生的 08:18 球棒和球的问题:直觉答案10美分,正确答案5美分 专家直觉何时可靠 11:56 直觉就是认出来 14:43 选股者难以培养预测市场的直觉 系统1的联想机制 19:34 把清单放进脑海里的路线,就更容易记住 25:42 香蕉和呕吐,两个词就能让人编出因果故事 直觉错误与信心 31:54 遇到难题,系统1会拿容易的问题来替代 38:29 故事越连贯,主观信心越高 问答:训练与影响 41:02 系统1难以直接训练,系统2能学着接管 44:23 看候选人照片十分之一秒,能预测70%的选举结果 🌟 精彩内容 💡 市场未必有规律可供直觉学习 卡尼曼认为,选股者难以靠经验培养出可靠的市场直觉,因为价格走势没有足够规律。长期政治预测同样受限:环境本身可能就不可预测。 "价格未来的走势没有足够的规律,没法让直觉形成。" 💡 自信可能只是故事讲得顺 一个人可以凭很少、甚至不可靠的信息,编出连贯的解释。故事听起来越顺,系统1给出的信心越高,但这不等于判断有根据。 "所以人们可能非常自信,却没有多少根据。" 💡 问幸福,约会次数会改答案 先问学生幸福不幸福,约会次数与回答几乎无关;先问上个月约会几次,再问幸福感,两者的相关系数就变成0.66。前一个问题带来的感受,悄悄替代了对幸福的判断。 "替代发生了,而你并没有意识到。" 💡 广告不必讲道理,也能影响选择 卡尼曼认为,广告常常通过情绪和联想影响系统1。一次研究中,学生只看候选人照片十分之一秒,评谁看起来更有能力,结果就能预测70%的国会选举结果。 "广告打动你的情绪,制造联想。" 💡 接触广告后,知道它在影响你也不够 意识到广告会影响情绪,确实能让人更容易忽略影响,但不保证完全不受影响。卡尼曼认为,真正避免影响的办法是不接触广告。 "真正的办法是不要接触广告,因为一旦接触了,就会受到影响。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 9 · 55 min

    #818. 特朗普:如果重来一次,我还是会袭击

    📝 本期播客简介 本期我们克隆了:60 Minutes · Extended Interview: Trump on 60 Minutes 原内容更新时间:2026-11-09 就业、股市和退休账户都创下好成绩,选民却仍对经济不满。特朗普承认,美国人确实没有感受到这些数据;他把原因归结为宣传没做好,也谈到油价上涨、伊朗战争与中期选举失利之间的关系。 在这场《60分钟》专访中,特朗普还回应了 AI 与中国的竞争、移民政策是否过严、总统财富与外国影响,以及俄乌战争和自己的政治遗产。面对主持人的追问,他解释自己为何仍认为袭击伊朗是正确决定,也坦言自己无法宽恕一些政治对手。 👤 本期嘉宾 唐纳德·特朗普,美国总统。作为本届政府的决策者,他在采访中谈到中期选举、经济、伊朗与乌克兰战争、AI政策、移民、人事安排和总统遗产,并为自己的施政选择辩护。 ⏱️ 时间戳 选举、经济与伊朗 00:24 股市创下历史最高纪录,他称选举后损失了 3 万亿美元 05:07 他承认美国人没有感受到好看的经济数据 09:00 如果重来一次,他仍会袭击伊朗 以色列与移民政策 12:51 特朗普称伊朗核设施遭到“最精准的袭击” 16:19 他称南部边境 17 个月无人入境 17:14 他承认遣返政策“可能太严厉了” AI竞赛与总统人事 21:27 普通美国人能从 AI 中得到什么? 25:13 “中国会拥有这项技术”,他认为风险可以管控 27:36 中期选举失利后,他说会调整几名内阁成员 财富、UFO与战争遗产 33:28 主持人追问特朗普净资产增加 30 亿美元 41:54 飞行员称圆形飞行物飞行速度是 F-22 的三倍 43:24 他把俄乌停战的障碍归结为普京与泽连斯基的仇恨 🌟 精彩内容 💡 好数据不等于选民有感 特朗普称就业、股市和 401k 退休账户表现出色,但承认选民没有感受到经济向好。他认为问题在于没能把这些消息传出去。 "我觉得他们确实没有。" 💡 “宣传没做好”成了选举解释 面对经济数据与民调之间的落差,特朗普多次说宣传不到位;他还指出,关键就业数据是在选举几天后才公布的。 "我们没能把消息传出去。" 💡 再来一次,他仍会袭击伊朗 特朗普说,如果让他重新决定是否袭击伊朗,他的回答仍是肯定的,因为不能让伊朗拥有核武器。他也承认,这个决定“对今天和明天来说”也许不是好决定。 "我的回答是肯定会,绝对会,因为你不能让伊朗拥有核武器。" 💡 他承认遣返政策可能太严厉 特朗普称,关闭边境让他能得“A 加”,但一些在园林绿化、酒店等行业工作的移民也被带走。他表示,针对这些长期在美国工作的人,或许需要另找办法。 "我认为可能太严厉了,对。" 💡 AI风险要管,但不能输给中国 特朗普认为 AI 风险没有行业人士说得那么真实、可以管控;同时他说,不想让美国在竞争中远远落后,并提到愿意接受安全限制。 "我不介意设安全限制,但我不想让我们远远落在第二位。" 💡 他承认无法宽恕一些对手 谈到死后能否宽恕曾经表达过恨意的政治对手,特朗普没有给出安抚性的答案。他说自己确实恨一些敌人,也可能永远不会原谅他们。 "我大概做不到,不能,因为我确实恨我的一些敌人,而且永远都会恨。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 8 · 59 min

    #817.Anthropic技术人员:你的旧提示词正在让AI变差

    📝 本期播客简介 本期我们克隆了:AI Engineer · Your Old Prompts Are Making Claude Worse - Lance Martin, Anthropic 原内容更新时间:2026-11-06 同一个客服 benchmark,优化工具把成本降了 90%,表现还明显提升。Lance Martin 说,很多应用其实没达到前沿模型本来能达到的水平,问题可能只是 prompt、缓存或评测配置没调好。 Lance Martin 是 Anthropic 技术人员。这一集从删掉过时 prompt 指令、提高 prompt 缓存命中率,讲到怎样设计能让 Claude 持续优化的 eval;他还展示了用不同模型和 effort 配置降本的例子,以及长时间运行的 agent 如何做到可靠、可恢复并保护机密信息。 👤 本期嘉宾 Lance Martin 是 Anthropic 的技术人员,参与构建 Claude API 相关的 skill,并用客服 benchmark 测试 prompt 和模型配置。他还介绍了用于构建 eval、爬山优化和长时 agent 的实践,分享如何让前沿模型在实际应用中提升表现、降低成本。 ⏱️ 时间戳 调好提示词与缓存 01:24 prompt 和代码一样,也会积累债务 评测与爬坡优化 07:13 prompt 缓存没用好,成本最多可降 72% 09:49 eval 里的歧义任务,会限制模型提升空间 构建可靠的长时智能体 18:43 Claude Opus 3 只能自主工作约 4 分钟 20:30 会话日志独立保存,故障后还能恢复 评测设计与评分问答 24:29 Claude 能从运行日志中找出可疑失败案例 29:48 评分标准尽量明确,最好用二分类 Effort、长任务与优化实践 37:42 更强模型低 effort,通常更省 token 52:10 长任务优化需要能稳定运行数小时甚至几天的 harness 🌟 精彩内容 💡 旧 prompt 可能让 Claude 更贵也更差 以前常用的“一步一步思考”“再检查一遍”和“尽可能全面”,对前沿模型可能已经多余;互相矛盾的规则还可能把模型搞糊涂。Lance 说,删掉这些反模式,有机会同时减少 token、提高表现。 "更糟的是,这么做实际上会增加成本,还可能降低表现。" 💡 缓存用对,最多省下 72% 多轮 agent 会反复带上相同上下文,但 prompt 缓存要求前缀严格匹配,哪怕只改一个字节也可能失效。Lance 和同事在一批内部 benchmark 上运行诊断命令,发现成本最多能降 72%,性能没有明显变化。 "优化 prompt 缓存不会改变性能。基本上就是白省成本。" 💡 Claude 能把 skill 从 66% 往上优化 Lance 用文档构建 eval,测试一个 Claude API skill,起步时只答对 66%。Claude Code 反复检查失败案例并修改 skill 文本,找到了更贴合文档的版本。 "Claude 可以自主找到合适的 skill 文本,让评测表现显著提升。" 💡 成本降 90%,性能还提升 在客服 benchmark 上,爬山优化工具尝试不同模型、effort 和 prompt 配置:先换模型,再调整 prompt 恢复表现。最终成本下降 90%,性能仍有明显提升。 "成本降低了 90%,性能还有明显提升。" 💡 强模型低 effort,可能比弱模型高 effort 更便宜 Lance 建议先试更强的模型搭配低 effort,再按需要调高。弱一些的模型如果用高 effort,可能花大量 token 思考;更强的模型用低 effort,思考 token 更少,结果也可能更好。 "更好的模型用低 effort,往往比弱一些的模型用高 effort 更省 token,所以更便宜。" 💡 长时 agent 出故障,也要能接着跑 agent 运行数小时甚至几天,harness 或沙箱都可能出故障。Managed Agents 把会话日志与二者分开保存,故障后可以恢复;机密信息也由保险库保管,Claude 能调用密钥却看不到密钥本身。 "无论 harness 还是沙箱出了故障,你总能通过会话日志恢复。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 8 · 1 hr 24 min

    #816.All-In:中期选举血洗、4 万亿美元 AI 抛售、数据中心冻结,特朗普下一步何去何从

    📝 本期播客简介 本期我们克隆了:All-In Podcast · Midterm Blood Bath, $4T AI Sell Off, Data Center Freeze, What’s Next for Trump 原内容更新时间:2026-11-07 失业率接近历史低位,经济数据看起来不错,共和党却在中期选举中惨败。Chamath承认自己“完全搞错了”:选民投票看的不是宏观数字,而是自己的钱包和日子有没有变好。 All-In几位科技圈主持人复盘选举结果,争论战争、通胀和生活成本各自起了多大作用,也追问特朗普能否挽回局面。节目后半段转向数据中心建设、AI监管与市场震荡:数据中心会不会停建,算力会流向哪里?最后还有一段关于OpenAI论文与指数时间假说的科学角。 👤 本期嘉宾 Chamath Palihapitiya、Friedberg、Sacks等All-In Podcast的固定讨论者,围绕选举、经济和AI展开讨论。Chamath谈到自己作为资产拥有者的视角如何造成判断盲点;Friedberg从政府支出和数据中心政策分析经济与AI;Sacks则结合政治预测和市场数据,讨论战争、通胀及特朗普的后续选择。 ⏱️ 时间戳 选举夜与节目开场 02:01 直播有 50 万人观看 03:05 他们称 Polymarket 预测准确率达 99% 中期选举惨败复盘 05:20 汽油从约 3 美元涨到 4 美元以上 08:36 家庭实际税后收入涨了约 3.1% 特朗普如何挽回局面 31:24 74%选民称伊朗战争是重要因素 32:20 Sacks说退出战争就是头等大事 市场震荡与数据中心 48:40 股市市值蒸发近 4 万亿美元 50:57 SpaceX称数据中心可降电费 40% 科学角:指数时间假说 1:18:38 指数时间假说可追溯到 1999 年 1:19:18 OpenAI论文长达 175 页 🌟 精彩内容 💡 经济数据不错,选民还是不买账 就业和GDP表现不错,失业率也降到 4.1%,但选民的感受没有跟上数据。Chamath认为,不能只看整体经济,要看普通人实际能不能过得更好。 "经济实际上有多好并不重要。重要的是,人们觉得经济对自己来说有多好。" 💡 资产拥有者受益,工资族却被落下 Chamath说,利率高低、关税和补贴怎么变,资产拥有者仍能积累财富;靠工资生活的人,却发现经济无法支持自己改善生活。 "其他所有人都是靠工资生活的。美国经济在结构上已经无法支持这些人、帮助他们发展了。" 💡 每月多付 200 美元,选票就变了 油价上涨让普通家庭每月多出约 200 美元油钱,杂货也更贵。Sacks认为,人们最终看的就是扣除税和通胀后,自己的购买力有没有提升。 "归根结底就是战争和战争带来的经济后果。" 💡 数据中心成了经济不公平的象征 SpaceX员工解释新数据中心不用水、能降低电费,却被现场观众的喊声压过。Chamath认为,公众看到的是科技公司享受税收优惠,自己却要承担更高的水电费。 "这成了寡头统治和美国经济中存在的经济裂痕的一个象征。" 💡 数据中心若停建,算力租户最先受压 若建设放缓,已有算力的大型云服务商可能更有优势;依赖租用算力的新兴云服务商和基础模型公司则会更难发展。Chamath指出,数据中心的租户面临更大的风险。 "所以我觉得,真要说会发生什么,那就是所有租户都会被收编。" 💡 OpenAI论文挑战一个存在27年的假设 Friedberg介绍,OpenAI一篇175页的论文声称,3SAT问题可以在亚指数时间内解决,挑战了指数时间假说。不过论文仍在评估中,尚未经过第三方完全验证。 "他们刚刚证明了这个假设不成立,而且只用了几个小时。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 7 · 1 hr 49 min

    #815.All-In联合主持人Chamath:为什么打扑克能训练你接受损失?

    📝 本期播客简介 本期我们克隆了:Tetragrammaton with Rick Rubin · Rick Rubin Explores the Connection Between Poker and Creativity with Chamath Palihapitiya 原内容更新时间:2026-11-04 「人生的关键就在于这些非常重要的偏离。」Chamath Palihapitiya把扑克看作一场和自己对抗的无限游戏:按常规出牌往往没错,但想走出另一条路,就得学会面对损失厌恶。 All-In 联合主持人、投资人 Chamath 和 Rick Rubin 从每周扑克局聊起,谈直觉与品味如何影响下注和投资、为什么他愿意投边缘想法,也谈他如何用 AI 辅助思考和做决定。这一集既有扑克桌上的风险判断,也有他亲历投资得失后的反思。 👤 本期嘉宾 Chamath Palihapitiya 是企业家、投资人,也是 Social Capital 的创始人兼 CEO;他曾任 Facebook 高管,参与公司早期增长,并与 Jason Calacanis、David Sacks、David Friedberg 共同主持 All-In。他长期参与科技投资,也在这一集中结合扑克经验,谈直觉、风险与投资判断。 ⏱️ 时间戳 播客从友情走向爆红 00:36 疫情让每周扑克局变成录制谈话 遭封杀后的领悟 11:11 被封杀经历让他更敢做真实的自己 医疗体系的激励困局 28:24 美国政府每年处理5000亿美元医疗付款 直觉如何长出品味 39:13 妻子帮他分清直觉与不安全感 扑克训练冒险心态 45:30 他认为约1万手后主要靠技术 资本押注边缘创新 57:42 边缘想法可能用少量资金换来不成比例成果 AI的能力与风险 1:01:28 即使只是在预测下一个词,AI仍可能极其危险 从仪式走向信仰 1:14:47 他开始追问自己究竟相信什么 AI工具与未来判断 1:21:47 用AI后,好决定没变多,但做得更好 🌟 精彩内容 💡 偏离常规,得先接受损失 Chamath认为,人生有时会给人离开常规路线的机会。真正拦住人的,往往不是看不见另一条路,而是舍不得放弃眼前已经累积的价值。 "你得明白怎么应对损失厌恶,这需要训练。" 💡 他觉得自己大多数时候都错 Chamath说,自己喜欢什么、看好什么,大约有80%到90%的时候判断错了。但剩下那10%的判断,已经改变了他的人生。 "但我有 10%的时候是对的。" 💡 扑克练的不是赢钱,是承受输 他喜欢扑克,也承认自己曾觉得自己不配赢。但扑克让他练习冒险、辨认运气与技术,并在判断正确却输牌时继续坚持。 "我能消化输了这件事,能应付,也能继续往前走。" 💡 投资能用钱改变结果 扑克里下注多少,不会改变牌局结果;投资却不同。Chamath认为,钱能推动有限的生产能力、知识和解决方案落地,因此投资人确实可能改变结果。 "所以从很多方面来说,投资就是用钱来推动改变。" 💡 边缘想法有时用少量资金撬动大成果 他以马斯克造火箭为例:当年这被视为边缘想法,但在成功、风险消除之前投入的资金,相较全球资金规模并不算大。边缘领域关注者少、限制也少,资金可能因此产生不成比例的成果。 "在这些被认为很边缘的事情上,少量资金就能带来不成比例的成果," 💡 AI让决定更好,不是更多 Chamath把 AI 比作给自己加上一副外骨骼:用它处理信息、梳理想法,也分析投资和沟通中的盲点。他说,自己做出的好决定数量没增加,但决策过程波折更少。 "我还是做 2 个好决定,但这 2 个决定,我做得更好了。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 7 · 1 hr 11 min

    #814. 深度解读Anthropic S-1招股书

    📝 本期播客简介 本期我们克隆了:Complex Systems with Patrick McKenzie (patio11) · Reading the Anthropic S-1, with Zvi Mowshowitz 原内容更新时间:Fri, 06 Nov 2026 Anthropic 第三季度营收增速放缓,真的是客户不够多吗?招股书透露,公司把一半算力支出花在了现货市场;Patrick McKenzie 和 AI 观察者 Zvi Mowshowitz 据此提出,瓶颈可能不是需求,而是 GPU 供应。 这一集从 Anthropic 的 S-1 招股书出发,拆解创始人控制权、没有上限的员工慈善配捐、约8000亿美元的算力采购承诺,以及 AI 行业的融资循环。两人还谈到 AI 普及为何比能力进步慢、AI 如何改变工作,以及模型助长网络攻击后,实验室该承担多少责任。 👤 本期嘉宾 Zvi Mowshowitz 是长期关注 AI 的观察者,也是 The Zvi 通讯作者,多次做客 Complex Systems。对于 Anthropic 的招股书,他从 AI 安全、公司治理、客户增长和算力供给等角度分析公司与行业,也持续跟踪 AI 能力及其对经济和网络安全的影响。 ⏱️ 时间戳 披露与节目缘起 00:33 说明讨论 Anthropic 招股书及潜在利益冲突 01:38 Zvi 概括自己读 S-1 时关注的重点 S-1如何谈生存风险 01:46 招股书用被动语态提及生存风险 06:29 “AI 很可能真的会杀死所有人”:商业利益会淡化风险吗? 创始人控制与慈善配捐 08:02 一股 F 类股票,创始人集体拥有50.1%投票权 12:21 配捐没有上限:员工捐出2000万美元,公司配捐6000万美元 增长、算力与财务承诺 15:20 Anthropic连续多年每年规模约增至上一年的10倍 19:30 Q3营收走弱,可能不是需求不够,而是算力不够 招股书与融资循环 40:16 Zvi认为,大模型可以帮忙筛出招股书里的套话 43:17 雅虎与初创公司互相推高估值,成为泡沫循环的例子 AI普及与经济潜力 47:11 Zvi把对 AI、AGI、ASI 的接受程度比作三颗药丸 57:58 模型能力进步比预期快,普及速度则比预期慢 新产品与网络安全风险 1:02:44 API、聊天机器人之后,Claude Code又成为新产品形态 1:04:50 Binance遭黑客攻击损失超过50亿美元,钱流向朝鲜 🌟 精彩内容 💡 Q3增速放缓,可能是 GPU 不够 Anthropic 说自己一直受算力限制,需求超过可获得的供应。第三季度算力支出的一半用在短期采购上,Patrick 据此判断,营收放缓可能是因为能买到的 GPU 都用上了。 "第 3 季度营收走弱,问题不在需求,而在供给。" 💡 这项员工福利可能贵得惊人 Anthropic 的员工捐赠配捐没有上限,部分员工捐出价值2000万美元的股权,公司可能再配捐6000万美元。第三季度公司已为这项计划计提20亿美元非现金费用。 "所以没错,这几乎肯定是资本主义历史上最昂贵的员工福利。" 💡 8000亿美元承诺,他还嫌 Anthropic 太保守 Anthropic 的算力采购承诺约8000亿美元,听起来像一笔惊人的负担。Zvi认为,真正的风险也包括算力不够、错过增长;如果需求持续旺盛,没买够算力的代价可能更高。 "但我确实觉得他们太保守了。" 💡 AI普及慢,不代表它的价值小 Zvi说,企业需要看到别人先用起来,也需要 AI 自然进入工作流程,才会大规模采用。与此同时,AI 推理支出目前只有每年数百亿美元,Patrick认为长期空间远不止于此。 "这些东西能随时提供认知能力。这种能力的价值看不出明显的上限。" 💡 网络攻击不是一次性补账 AI让更多人能并行寻找和利用漏洞。Zvi认为,即使花钱处理眼前积压的安全问题,下一层漏洞仍会出现,互联网和数字服务会持续承受攻击。 "等我们处理掉那 5000 亿美元的问题,我不认为系统就会变得安全可靠。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

  • November 6 · 44 min

    #813. Transformer创造者:AI 与加密将如何在未来十年重塑世界

    📝 本期播客简介 本期我们克隆了:When Shift Happens · LLM Creator: How AI and Crypto Will Reshape The World Over The Next 10 Years - NEAR Founder| E193 原内容更新时间:2026-11-05 你把财务、医疗或法律问题交给 GPT,问过的内容可能被传票调取。Transformer 共同发明者、NEAR 联合创始人 Illia Polosukhin 认为,AI 不该只服务于开发它的公司,而应该保护隐私、与你的目标一致,让你更成功。 这一集从 Transformer 如何让机器并行理解文字,讲到 Illia 为什么离开谷歌、转向区块链,以及 NEAR 如何把隐私 AI 和区块链结合起来。他也解释了企业数据如何进入 AI 服务商的数据库、隐私计算怎样让用户验证模型和提示词,并谈到个性化医疗可能带来的变化。 👤 本期嘉宾 Illia Polosukhin 是 NEAR Protocol 联合创始人、NEAR Foundation CEO,也是 Transformer 架构的共同发明者之一。他曾在谷歌从事 AI 研究,参与撰写《Attention Is All You Need》;此后创办 NEAR,并将隐私与用户所有权带入 AI 和区块链领域。 ⏱️ 时间戳 使命与个人起点 03:09 每个人都该拥有自己的数据、资产和选择权 04:19 乌克兰恶性通胀中,几个月物价涨到十倍 Transformer与AI变革 08:12 给机器维基百科文章,再让它回答问题 09:00 Transformer 能并行读取一页上的所有文字 从AI转向NEAR 14:00 给中国、东欧和东南亚学生付钱做数据标注很难 18:27 牛市建起生态,市场随后崩盘仍继续建设 隐私与用户拥有的AI 22:19 中心化 AI 服务商能看到用户发来的明文 24:29 法律问题可能被传票调取,医疗和财务也应使用私有 AI AI风险与未来生活 40:31 个性化医疗或许能为长尾疾病定制药物 🌟 精彩内容 💡 你的 AI,未必站在你这边 公司开发 AI,核心动力是增长和赚钱;当收入压力上来,做法未必总对用户有利。Illia 设想的用户拥有的 AI 则要保护隐私、与你的目标一致,并让你更成功。 "AI 应该站在你这一边。" 💡 法律问题可能不受特权保护 Illia 提醒,向 OpenAI 提问的内容可能通过传票调取。法律辩护、医疗资料、财务信息,以及公司的知识产权和工作流程,都可能涉及隐私风险。 "因为你向 OpenAI 问的所有问题,都可以通过传票调取,所以不受特权保护。" 💡 AI 入口可能影响十亿人的选择 他举例说,如果有人想影响大量用户,修改 ChatGPT 的 system prompt,可能就能让模型在对话中潜移默化地推动某种看法。他认为,光靠检测未必够,用户还需要能验证模型、提示词和运行代码的密码学保证。 "你只需要更新发送出去的 system prompt。" 💡 个性化医疗或许能顾到长尾疾病 Illia 设想把血检、DNA 和扫描结果交给 AI,在保护隐私的前提下定制 mRNA、CRISPR 或多肽。他说,一些长尾疾病因为不够赚钱,制药公司甚至不会碰;目前缺的是能把个性化药物规模化生产的服务。 "我觉得,在未来两年左右,我们就会看到其中一些应用达到相当的规模,然后就会加速发展。" 💡 AI 自动化结果,人仍在意过程 他的判断是,凡是人们只关心结果的事情,都会走向自动化;但体育、艺术和音乐,人们在意的不只是结果。社会还得适应职业不再等同于个人身份的变化。 "凡是我们关心结果的事,都会实现自动化。凡是我们关心过程的事,我们都会继续自己做。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight 在小宇宙查看该单集文稿

Showing 1–20 of 184 episodes