1
0前沿人工智能与现实世界基础设施的碰撞
普赛德（Poolside）联合首席执行官兼联合创始人艾索·坎特（Eiso Kant）做客《MAD播客》，深入解读“地平线计划”（Project Horizon）——这一位于美国西德克萨斯州、规模达数吉瓦（GW）的基础设施建设项目——并剖析为何前沿实验室必须掌控能源、算力与智能技术，才能在竞争中立足。我们还将梳理代币经济逻辑、云服务模式利润率，以及采用2.5兆瓦（MW）模块化机组分阶段推进250兆瓦算力部署的具体方案。
随后，话题转向实际运营层面：与CoreWeave的核心租户合作模式、环保方案选择（选择性催化还原技术/SCR、可再生能源+天然气+电池储能组合）、对社区的影响，以及普赛德如何规划在不通过租赁让渡利润的前提下快速激活算力产能；此外，还将探讨由前置部署研究工程师推动的企业级业务进展（从国防领域拓展至《财富》500强企业客户）。
最后，我们深入探讨模型训练领域。艾索详细介绍了“面向学习的强化学习”（RL2L，Reinforcement Learning to Learn）技术——其目标是对网络世界的思维模式与行为逻辑进行逆向工程——并分析智能为何可能成为大宗商品、这一趋势对智能体（agents）意味着什么，以及在向更广泛知识工作领域拓展之前，编程为何能成为衡量长周期推理能力的替代指标。
(00:00) 开场——“智能已成为大宗商品”
(00:23) 主持人引言——“地平线计划”（Project Horizon）与“从现实学习强化学习”（RL2L）
(01:19) 为何在前沿实验室林立的环境下，Poolside仍有存在价值
(04:38) 地平线计划：打造美国规模最大的数据中心园区之一
(07:20) 为何要自主掌控基础设施：规模效应、成本优势与规避“表面化模仿”（cosplay）
(10:06) 经济层面深度解析：2.5亿瓦（250 MW）算力设施需80亿美元投入，资本支出/运营支出（capex/opex）与利润率分析
(16:47) 与CoreWeave的合作：核心租户（anchor tenant）模式+灵活扩展能力
(18:24) 招募顶尖人才：构建实体基础设施团队
(30:31) 当下的强化学习（RL）→ 智能体化强化学习（agentic RL）与长周期任务
(37:23) “从现实学习强化学习”（RL2L）深度解读：对网络世界的思维与行动进行逆向工程
(39:32) 持续学习与“热炉效应”局限（“hot stove” limitation）
(43:30) 智能体争议：浅层包装（thin wrappers）、差异化竞争与模型坍缩（model collapse）
(49:10) “人工智能是否进入平台期？”——芯片迭代周期、规模上限与新发展维度
(53:49) 为何软件曾是（AI能力的）替代指标；向企业知识工作领域拓展
(55:17) 模型现状：从“马里布模型”（Malibu）到“拉古纳模型”（Laguna）（含小/中/大三种规模）
(57:31) Poolside当前商业落地实况：国防领域、《财富》500强企业、埃塞俄比亚联邦民主共和国（FDRE）
(1:02:43) 全球化团队，规避“回声室效应”（echo chamber）
(1:04:34) 未来12-18个月：前沿模型研发+基础设施规模化扩张
(1:05:52) 收尾
