18
0本期播客，来自脉脉与《甲子光年》联合录制的 AI 圆桌π对，脉脉创始人兼 CEO 林凡、清华大学人工智能学院助理教授、星曜同谐发起人刘淼，以及甲子光年创始人张一甲展开了一场关于具身智能、物理世界交互和 AI 人才流动的深度对谈。
过去两年，AI 正在从数字世界迁徙到物理世界。大公司有人、有钱、有卡，为啥大模型还是做不好？规律是固定的，人是随机的——当机器人进入家庭，它先要学的到底是拧螺丝，还是理解一个人？只要有足够的 context，搞定人真的没那么难吗？不如就让机器搅得再快一点，看看我们最终会构建出一个什么样的新家园。
本期对话嘉宾 林凡：脉脉创始人兼 CEO ；刘淼：清华大学人工智能学院助理教授、星曜同谐发起人；张一甲：甲子光年创始人
01:00 Part 1 从大模型到具身智能
硅谷做自动驾驶、做大模型的人才涌入具身，放弃在硬件上比拼中国，全情投入软件——做两件事：类似 Android 的操作系统统一硬件，以及更上一层的感知和“大脑”。
11:00 Part 2 大厂为什么做不好大模型？
大公司有人有钱有卡，为啥做不好？预训练和后训练要一体化思考，团队上千人后被拆得支离破碎，拼起来“哪都拼不对”。真正要做好，只应该有一两百人的核心团队。大模型公司一定是技术驱动，而不是产品思维去迭代。
27:31 Part 3 Coding Agent不会让程序员消失
大厂留下最顶尖的程序员，其余的程序员则沿着中厂、创业公司再到传统产业的轨迹一层层向外释放，进入农业、制造、物流等低毛利行业。Coding Agent 让一个程序员相当于一个团队，程序员不会失业，而是扩散到千行百业。刘淼在 Meta 亲历 LLaMA，见证“起高楼、楼塌了”。
44:59 Part 4 Human-Centric：机器人应先理解人
星曜同谐做的不只是 Egocentric，而是更广义的 Human-Centric——一切对人的观测都重要。机器人不只围绕“把杯子拿起来”，更要理解“人在什么时候需要这杯水”。第一代进家的机器人未必先叠衣服，而应先做好陪伴、观察、提醒、看护。
51:39 Part 5 物理世界的交互模型如何落地
定位为 Physical Interaction Model，解决感知、规划与执行之间的 bridging，不能把上游结果只用文字传给下游，要把更相关的 latent context 给到模型。真正的理解，是识别当下需求并主动提供解决方案，通过 test time tuning 校准个体化差异。
01:27:30 Part 6 具身智能人才从哪里来？
5 个行业涌入具身，招聘需求涨 6-7 倍：传统互联网、大模型、自动驾驶、汽车、智能电子。从业者薪资是大模型的 2/3。DeepSeek 时刻后，国内 AI 人才招聘量同比增长约 10 倍，“会用 AI”不只是聊天、生成 PPT，更是能让 Agent 自主跑一个小时甚至更长。
01:37:45 Part 7 让人和世界重新建立连接
规律是固定的，人是随机的，这是核心区别。未来十年可能是“人力资源上云”的十年——公司买结果而非雇具体的人。只要有足够的 context，搞定人没那么难，因为是你的 context 塑造了你这个人；培养人才，就是不希望清华这么聪明的小孩们被 AI 养笨了。人群流向不是由因及果外推，而是被叙事、共识和目标感牵引。
———————————————————
“职无不言AMA”，听职场社区和求职平台CEO聊职场。
职场洞察，风口行业，人才流动，职场文化，这里没有敏感点，全是热点，主打一个知无不言，Ask Me Anything。敢说，爱聊，耿直，有趣，公关拦不住，这个CEO很不一样
订阅“职无不言AMA”，来听脉脉林凡知无不言。
