📝 本期播客简介 本期我们克隆了：硅谷顶级创投播客《20VC with Harry Stebbings》Andrej Karpathy Joins Anthropic | SpaceX Files S1: How Does it Trade | Cerebras Smashes Day 1 本期是一场关于 AI、SaaS、IPO 与公开市场情绪的高密度圆桌讨论。主持人 Harry Stebbings 与两位常驻嘉宾 Rory O'Driscoll、Jason Lemkin，从 Andrej Karpathy 加入 Anthropic 和 Anthropic 9000 亿美元估值融资聊起，拆解为什么 AI 模型公司正在进入一场“资产负债表战争”。他们进一步讨论 Salesforce 每年花 3 亿美元购买 Anthropic token 到底贵不贵，AI token 支出最终会吃掉多少研发工资，以及这些数字能否支撑 OpenAI 和 Anthropic 的万亿美元级收入预期。 节目中段，话题转向公开市场上的 SaaS 公司：Datadog、Figma、Atlassian、Klaviyo、Wix、Squarespace 等公司，究竟还有没有时间完成 AI 转型？Rory 提出一个极具冲击力的判断：SaaS 公司已经失去了 2021 年那层“未来光环”，从此以后只能被收入、增长和现金流重新定价。后半段则进入 Cerebras、Nebius、CoreWeave 和 SpaceX 等 AI 基础设施与超级 IPO 话题，讨论市场是否正在追逐“地球上最令人兴奋的公司”。最后，三人也没有回避 AI 行业的政治风险：OpenAI 与 Elon Musk 的诉讼、Sam Altman 的利益结构、公众对 AI 的反感、科技裁员与可能到来的社会反噬。 这是一集信息量极大、观点尖锐、节奏很快的科技资本市场圆桌。它不仅讨论哪些公司正在涨、哪些公司正在跌，更重要的是，它试图回答一个更大的问题：当 AI 成为资本市场最兴奋的叙事时，谁在真正创造价值，谁只是被泡沫带上了天？ 👨‍⚕️ 本期嘉宾 Rory O'Driscoll，Scale Venture Partners 合伙人，长期关注云软件、SaaS 与 AI 投资。他以对公开市场、估值周期和企业软件商业模式的深入分析著称，在节目中多次从投资回报、资本配置和历史 base rate 的角度拆解 AI 资本市场。 Jason Lemkin，SaaStr 创始人、SaaS 投资人和评论者。他长期活跃在企业软件生态，擅长从创始人、运营和产品落地角度判断 SaaS 公司是否真的能穿越 AI 冲击。本期他对 Figma、Klaviyo、Wix、SpaceX 和 OpenAI 的观点都非常直接。 Harry Stebbings，《20VC》主持人，也是 20VC 基金创始人。他在本期不断抛出资本市场最热问题，包括 Anthropic 融资、Cerebras IPO、SpaceX S1、YC 与 OpenAI token 交易，以及科技公司裁员潮。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI巨头的资产负债表战争 01:35 Anthropic 开场：Karpathy 加入与 9000 亿美元估值融资 03:10 为什么 Anthropic 可能是私有市场里“最划算”的交易 06:49 为什么 Dario 愿意在看似便宜的价格上融资 07:49 AI 模型公司的本质：算力、CapEx 与资产负债表战争 08:39 Anthropic 与 OpenAI 融资风格对比：七十分交易 vs 极限定价 10:37 现金到账、融资条款与 OpenAI 复杂融资结构的差异 AI token 经济学 11:45 Salesforce 每年花 3 亿美元买 Anthropic token，贵吗？ 12:11 每个工程师每年 1.5 到 2 万美元：AI coding 成本只是入场费 12:56 为什么 token 正在成为软件公司最大的单项外部供应商支出 15:21 一万亿美元 token 收入需要什么条件：吃掉研发工资的 20% 18:17 Jason 的看空逻辑：模型更高效后，token 成本可能没想象中高 22:11 当 token 支出从噪声变成裁员变量 22:34 Klaviyo 的 AI 执行力：每个产品相关员工都必须提交代码 24:00 SaaS 公司还有时间吗：创始人领导的公司可能仍能翻盘 SaaS旧王的估值重定价 25:59 Datadog、Figma 与 SaaS 从底部反弹 26:20 Rory 的“二十一岁”比喻：SaaS 再也回不到 2021 年光环 28:18 Datadog 单季度十亿美元收入：从亢奋估值回到现实估值 29:11 Figma 连续加速：为什么 Jason 承认自己看漏了一点 29:46 Figma Make 不够好，但 Figma 仍受益于软件构建爆发 32:23 Lovable、Replit 与 Figma 工作流被绕开的风险 33:14 Figma 真正错过的机会：一键从设计推到生产级 prototype Wix、Squarespace 与AI冲击下的网站业务 34:14 Wix 暴跌与 Base44 达到 1.5 亿 ARR 34:35 AI 业务是增量，还是对核心业务的替代？ 35:17 Wix 和 Squarespace 被两头夹击：vibe coding 与 Shopify 37:13 电商增长被 Shopify 吃掉，信息展示网站被 AI 工具冲击 37:41 Base44 能否拉动 Wix 重新增长？ 40:03 股票回购争议：为什么“抵消稀释”不是好理由 41:19 回购、激进股东与管理层的防守剧本 43:55 Wix 一倍收入估值：终局状态还是反弹机会？ 46:43 哪家老牌软件公司会靠 AI 重新变得乐观？ 算力基础设施与CapEx周期 48:37 Nebius 增长 684%：算力短缺还是泡沫狂热？ 49:00 CoreWeave、Nebius 与算力商品化风险 50:52 除了传统软件，几乎所有科技基础设施都在火 52:41 Nvidia、电力、网络与 AI CapEx 的传导链条 53:58 为什么现在还看不到短期崩盘迹象 55:40 作为 VC，还会不会在 seed 投下一家新 CoreWeave？ 57:22 投资人如何给创始人真实反馈 59:36 什么情况下应该解释拒投理由，什么情况下不该解释 IPO窗口重新打开？ 01:00:25 Cerebras IPO 大获成功：Snowflake 之后最大美国科技 IPO 01:01:06 “Better Than Figma”：新 IPO 标准是否被抬高？ 01:02:06 Cerebras 的独特位置：半导体、inference 与 OpenAI 客户叙事 01:03:44 IPO 首日暴涨后还能买吗？Rory 提醒 base rate 很重要 SpaceX超级IPO与公开市场赌场 01:04:41 SpaceX 计划史上最大 IPO：1.75 万亿美元估值、750 亿美元融资 01:05:00 S1 可能讲不清真正的 SpaceX：AI 化之后公司已完全不同 01:06:20 xAI、Cursor、Anthropic 交易可能不会完整体现在 S1 中 01:07:30 市场想要兴奋感，而 SpaceX 是地球上最令人兴奋的公司 01:08:25 散户会不会像 GameStop 一样冲进 SpaceX？ 01:10:28 机构目标价、流通盘与 IPO 首日交易博弈 01:12:31 Jason 下注 SpaceX 可能交易到 5 万亿美元 01:14:26 Rory 的冷静提醒：Facebook IPO 当年也是全民期待 01:15:50 三人打赌：3 万亿、5 万亿，还是低于 3 万亿？ OpenAI给YC公司发token 01:16:44 Sam Altman 给每家 YC 公司提供 200 万美元 OpenAI tokens 01:17:13 这是争夺开发者心智的聪明动作 01:18:38 Jason 判断：这一定会推高 YC startup 估值 01:19:58 token 额度可能成为新融资锚点 01:20:37 这会不会让 VC 更难拿到 YC 公司股份？ 01:21:31 对 Replit、Legora 这类公司，token 可能一年就烧完 01:22:34 token spend 就是 marketing spend：免费额度会改变早期增长策略 01:24:01 如果 OpenAI 有闲置算力，这就是非常聪明的资本配置 01:25:30 一个推论：OpenAI 可能有富余 token，而 Anthropic 没有 AI诉讼、Sam Altman与政治风险 01:27:10 OpenAI 与 Musk 诉讼结果：Rory 认为判断基本命中 01:28:25 为什么陪审团快速驳回可能是按法律而非情绪判断 01:31:19 Elon 诉讼带来的连锁效应：Sam Altman 财务关系被更多审视 01:31:32 Rory 对 Sam 的复杂同情：善意结构反过来咬了他 01:33:52 Jason 反驳：Sam 并非完全没有从 AI 中获得经济利益 01:35:03 复杂利益安排的代价：当你把世界首富变成敌人 AI行业的公众反噬 01:36:37 为什么美国公众可能越来越不喜欢 AI 01:37:00 Rory 的警告：聪明科学家在政治上可能非常笨 01:38:02 Jason 为什么仍然站 Team Sam 和 Team OpenAI 01:39:00 从学生为 ChatGPT 鼓掌，到毕业典礼嘘 Eric Schmidt 01:39:48 “不是裁员，是为了机器减少岗位”：企业话术的危险 01:40:27 Cisco、LinkedIn、Meta、Intuit 裁员与政治后果 01:41:00 Jason 的激进建议：科技行业需要重新扩张招聘以避免社会动荡 01:41:59 AI 到底替代了多少岗位：5%、20%，还是被夸大了？ 01:43:38 被裁员工会如何看待财富税和科技富豪？ 01:44:44 Jason 判断：这可能是我们这辈子见过最严重的科技裁员潮 01:45:09 突发传闻：OpenAI 可能最快周五提交 IPO 文件 01:45:45 OpenAI 如果启动保密提交，意味着钱站最后几班车正在开走 🌟 精彩内容 💰 Anthropic 是一场资产负债表战争 Rory 认为，Anthropic 融资不是为了“缺钱”，而是为了给未来巨大的算力承诺降风险。AI 模型公司的竞争，已经不只是模型能力，而是能否拥有足够强的资产负债表去说服 hyperscaler 为你投入上千亿美元级别的基础设施。 “这是一场非常大的资产负债表战争。” 📊 AI token 支出可能决定 Anthropic 和 OpenAI 的估值成败 节目中最核心的模型之一是：如果 OpenAI 和 Anthropic 想支撑万亿美元级 token 收入，它们必须吃掉企业研发工资中的一大块。Rory 粗略估算，要达到这些收入预测，可能需要拿走每个工程师工资成本的 20%。如果企业的实际 token 支出停留在 1% 或 5%，那么今天的估值可能就过于乐观。 “你真的必须开始思考，在软件开发市场里，工程团队总工资账单中，到底有多少比例会被它们拿走。” 🧊 SaaS 失去了 2021 年的“未来光环” Rory 用“二十一岁”来形容 SaaS 在 2021 年的估值状态：市场愿意相信你拥有无限可能。但一旦这层光环消失，市场就会回到收入、增长和现金流的组合来定价。Figma、Datadog、Atlassian 依然可以是好公司，但很难再回到五十倍 ARR 的时代。 “一旦你失去了那层光环，接下来一辈子，市场都会用某种收入、收入增长和现金流的组合来给你估值。” 🧩 Figma 的错失与机会 Jason 承认自己低估了 Figma，因为即便 Figma Make 不是好的 vibe coding 产品，Figma 仍然站在“软件构建爆发”的中心。但他也尖锐指出，Figma 真正错过的是把设计一键推到可运行 production prototype 的能力，而 Replit 和 Lovable 已经把“上传 Figma 设计”做成了原生入口。 “Figma 做的是软件构建这件事。所以所有真正帮助别人做软件的公司，都会受益。” 🔥 SpaceX 是市场最想要的兴奋剂 关于 SpaceX 史上最大 IPO，Rory 的判断非常直接：S1 可能无法完整呈现 AI 化之后的 SpaceX，但这不一定会阻止市场追捧。因为在当下，公开市场想要的不是现金流，而是兴奋感。SpaceX 恰好是全球最具兴奋感的公司之一。 “我们是在市场想要兴奋感的时候，卖地球上最令人兴奋的公司。” 🧨 OpenAI 给 YC 公司发 token，可能改变早期融资 Sam Altman 给每家 YC startup 提供 200 万美元 OpenAI tokens，被三位嘉宾认为是争夺开发者心智的重要动作。Jason 认为这会推高 YC 公司估值，因为它相当于降低了早期风险，还能让 startup 把 token 当作营销预算，推出更激进的 freemium 产品。 “很多 startup，token 就是营销。” ⚖️ AI 行业正在走向政治反噬 节目最后，Rory 提出本期最尖锐的社会判断：AI 行业过去几年不断告诉公众，AI 会毁掉工作、推高电费、改变世界，却没有给出足够透明和成熟的政治叙事。现在，当大公司开始裁员，公众的反感可能会迅速转化为政治压力。 “我们这边有一些非常聪明的科学家，但在政治上完全是笨蛋；而那些完全不懂 AI、但很懂政治的人，会把我们吃得死死的。” 🏭 科技公司可能不得不重新雇人 Jason 提出一个非常反直觉的观点：科技行业也许需要在 AI 提高效率之后，重新扩张招聘，甚至建立某种新的社会契约。否则，大规模白领岗位消失可能引发强烈政治反噬，最终伤害整个科技行业。 “科技公司最后不得不重新扩张，雇成千上万的人，来避免社会动荡。” 🌐 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

📝 本期播客简介 本期我们克隆了：科技深度访谈播客《Dwarkesh Podcast》How do AI chips actually work? – Reiner Pope 本期节目是一场从芯片最底层一路搭到 AI 加速器架构的硬核技术对谈。主持人 Dwarkesh Patel 再次邀请 MatX CEO Reiner Pope，从最基础的 AND、OR、NOT 逻辑门开始，解释 AI 芯片究竟如何把矩阵乘法变成真实的电路结构。你将听到 multiply-accumulate 为什么是 AI 芯片的核心原语，full adder、mux、register file、systolic array、clock cycle、FPGA、ASIC、cache、scratch pad、GPU 与 TPU 这些概念之间到底如何相互连接。 这期节目最核心的问题是：在 AI 芯片里，真正昂贵的往往不是计算本身，而是数据移动、同步和通信。Reiner 用极其底层但清晰的方式解释，为什么低精度计算会带来平方级优势，为什么 tensor core / systolic array 能显著提升计算与通信的比例，为什么过快的 clock speed 反而可能伤害吞吐量，以及 GPU 和 TPU 的架构差异本质上是如何围绕矩阵乘法和数据搬运展开的。对于想理解 AI 算力底层逻辑的人来说，这是一堂从电路到架构的芯片设计入门课。 👨‍⚕️ 本期嘉宾 Reiner Pope，MatX 的 CEO。MatX 是一家专注 AI 芯片的新公司。Reiner 长期关注 AI 计算基础设施和芯片架构设计，擅长用从底层电路到系统架构的方式，解释 AI 芯片如何服务于大规模模型训练与推理。 ⏱️ 时间戳 00:00 开场 & 播客简介 从逻辑门开始理解 AI 芯片 01:39 芯片内部到底有什么：从逻辑门、导线到矩阵乘法 02:43 为什么 multiply-accumulate 是 AI 芯片的核心原语 04:01 用 4-bit 乘法手算 AI 芯片里的基础计算 05:57 Full Adder：三个 bit 如何被压缩成两个 bit 06:32 Dadda Multiplier：用 full adder 高效完成乘法与累加 08:28 为什么 multiply-accumulate 在电路上有漂亮的 p×q 结构 低精度、数据移动与隐藏成本 09:19 FP4 和 FP8 能不能互换：芯片设计里的精度选择 10:37 Bit width 的平方缩放：低精度为什么如此有利 11:12 从 CUDA Core 看传统处理器的数据路径 13:00 Mux 是什么：一次“选择”背后的真实电路成本 14:19 数据移动比计算更贵：register file 到 ALU 的代价 15:35 Tensor Core 的动机：把更多面积花在真正的计算上 Systolic Array：把矩阵乘法固化进硬件 16:44 从单次乘加到矩阵-向量乘法：为什么要往外层 loop 走 17:30 Systolic Array 如何让计算按平方增长、通信按线性增长 18:52 权重本地保存：把矩阵放在计算发生的地方 19:20 如何慢速灌入权重，避免 X×Y 级别的外部布线 21:12 计算与通信的比例：从 gate 层到数据中心都反复出现的问题 22:12 TPU 里的大规模 systolic array：矩阵乘法最有效的电路机制 芯片设计的关键取舍 22:32 真正让芯片设计者纠结的问题：尺寸怎么定 23:29 Clock Cycle 是什么：芯片为什么需要全局同步 25:06 速度与可靠性：为什么必须保证计算赶上下一个 clock 26:19 Pipeline Register：用更多寄存器换更高频率 27:50 有反馈回路时，为什么插入 pipeline 会变难 29:38 过快的 clock speed 也会伤害吞吐量 30:43 吞吐量公式：每个周期能做多少事 × 每秒多少个周期 FPGA、ASIC 与可编程硬件 31:09 为什么高频交易会用 FPGA：确定性延迟与商业取舍 31:37 FPGA 如何模拟 ASIC：register、LUT 与大量 mux 33:08 “Field Programmable”到底是什么意思 33:59 Lookup Table：把 truth table 变成可编程 gate 35:17 为什么 FPGA 比 ASIC 贵一个数量级 37:32 慢十倍的原因：LUT 和 mux 带来的巨大开销 CPU、缓存与现代硬件架构 38:27 为什么 CPU 很难保证确定性 clock cycles 38:27 Cache 的不确定性：CPU 延迟为什么会受环境影响 40:56 Scratch Pad vs Cache：把内存控制权交给软件 41:31 现代硬件还算冯·诺依曼架构吗？ 42:53 Branch Predictor：CPU 为什么要预测分支 44:00 大脑与芯片的高层比较：稀疏、共址内存与慢速时钟 GPU、TPU 与 AI 加速器架构 46:16 GPU 和 TPU 的高层差异：很多小 SM vs 少量大矩阵单元 47:10 Tensor Core 和 TPU MXU 为什么非常相似 47:36 大 Systolic Array 的优势与数据搬运瓶颈 48:32 MatX 的公开方向：Splittable Systolic Array 48:56 收尾与感谢 🌟 精彩内容 💡 AI 芯片最想做的事：矩阵乘法 Reiner 从最底层解释，AI 芯片的核心不是某种神秘操作，而是把大量矩阵乘法高效地映射到硬件上。而矩阵乘法最基本的计算单元，就是 multiply-accumulate：把两个数相乘，再把结果累加到已有结果上。 “AI 芯片最想计算的主要功能，是矩阵乘法。” 🧮 低精度为什么能带来巨大收益 节目中最重要的硬件直觉之一，是 bit width 的成本并不是线性增长，而是近似平方增长。也就是说，从 FP8 降到 FP4，不只是数字变短，而是乘法电路面积、功耗和吞吐量都会发生非常大的变化。这也是低精度计算能成为 AI 芯片核心优化方向的根本原因。 “bit width 存在这种平方 scaling。这非常有效，也是 low precision arithmetic 在 neural net 里这么好用的唯一原因。” 🔌 真正昂贵的不是计算，而是数据移动 Reiner 用 register file、ALU 和 mux 的例子说明，软件里看似简单的“选择一个寄存器”，在硬件里其实需要大量 AND、OR 和布线。对于小精度乘加来说，把数据从 register file 搬到 logic unit 的成本，可能比真正做乘法和加法还高很多。 “光是把数据从 register file 移到 logic unit，这部分工作就比 logic unit 本身贵很多很多倍。” 🏗️ Systolic Array 的核心思想：让计算多于通信 Tensor Core 和 TPU 中的 systolic array，本质上是把矩阵乘法的更大一层循环固化进硬件。它让权重矩阵尽量留在计算发生的地方，只把输入向量和输出结果搬进搬出，从而让计算量按平方增长，而通信量尽量保持在线性规模。 “这个问题在整个技术栈从上到下都会出现。” ⏱️ Clock Speed 不是越快越好 节目里对 clock cycle 的解释非常精彩：芯片通过全局时钟让大量并行电路同步，但如果为了提高频率插入太多 pipeline register，就会把大量面积花在同步和存储上，反而减少每个周期真正完成的计算量。因此芯片吞吐量不是只看频率，而是频率和每周期工作量的乘积。 “你可以把芯片的吞吐量理解成两个东西的乘积：每个 clock cycle 能做多少事，再乘以每秒有多少个 clock。” 🧩 FPGA 为什么灵活但昂贵 FPGA 能在部署后重新编程，是因为它用 LUT 和大量 mux 来模拟可配置的逻辑门和连线。但这种灵活性代价很高：一个在 ASIC 里只需要几个 gate 的逻辑，在 FPGA 里可能要通过几十个 gate 的 lookup table 和 mux 来实现。这解释了为什么 FPGA 通常比 ASIC 更贵、更慢、更耗能。 “所谓 programming，就是配置这些 mux 里的每一个。” 🧠 GPU 和 TPU 的根本差异 Reiner 用一个很直观的类比解释 GPU 与 TPU：GPU 像是在整颗芯片上铺了很多个很小的 TPU，每个 SM 里都有较小的 matrix unit 和 vector unit；而 TPU 则更像是少量但更大的矩阵单元。前者更灵活，后者更能摊薄矩阵乘法中的通信和控制成本。 “从非常高层的角度看，GPU 就像是在整颗芯片上铺了很多个很小很小的 TPU。” 🌐 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

📝 本期播客简介 本期我们克隆了：David Senra 主持的商业人物深度访谈节目 Strauss Zelnick, Take-Two: The Man Behind A $45B Media Empire (GTA & More) 本期嘉宾 Strauss Zelnick，是 Take-Two Interactive 的董事长兼 CEO，也是投资公司 ZMC 的创始人。他长期深耕娱乐、媒体、音乐和电子游戏行业，职业生涯横跨 Columbia Pictures、Vestron、20th Century Fox、BMG、ZMC 与 Take-Two。最传奇的是，他和团队曾在几乎没有资本的情况下，通过公司章程和股东投票机制，完成了一次近乎不可能的“无钱敌意收购”，接管了当时濒临崩溃的 Take-Two Interactive。 在这期节目中，Strauss 详细讲述了他如何从研究爱迪生时代的电子娱乐史开始，形成“永远拥抱新技术”的底层判断；如何从家庭录像带、电影、音乐一路走到电子游戏；又如何识别出电子游戏行业更像二十世纪二十年代的电影制片厂，是一个可以长期创造巨大价值的娱乐形态。他还分享了 Take-Two 的扭转过程：如何削减成本、稳定组织、支持创意人才、打造理性公司，并最终把一家问题缠身的游戏公司，发展成拥有 GTA、NBA 2K、Red Dead Redemption、Borderlands 等重要 IP 的全球娱乐巨头。 这不仅是一段关于 Grand Theft Auto 背后商业操盘手的故事，更是一堂关于技术浪潮、资本结构、创意产业、人才管理、专注力和长期主义的深度课程。 👨‍💼 本期嘉宾 Strauss Zelnick，Take-Two Interactive 董事长兼 CEO，ZMC 创始人。他曾担任 20th Century Fox 总裁、BMG Entertainment CEO，并长期活跃于娱乐、媒体、音乐和电子游戏行业。2007 年，他带领团队通过一次极为罕见的股东行动接管 Take-Two，并将其从混乱、亏损和多重调查中扭转为全球最重要的互动娱乐公司之一。 ⏱️ 时间戳 00:00 开场 & 播客简介 技术、媒体与早期判断 01:28 无钱敌意收购：Take-Two 传奇故事的开端 02:36 娱乐行业二十年：为什么技术与媒体的交汇如此重要 03:41 1983年的“新媒体”：录像带、付费电视与家庭娱乐 05:37 从历史看未来：爱迪生、电子娱乐与技术变迁 06:00 核心信念：永远拥抱新技术，别相信当下会永远不变 从电影到电子游戏 07:20 家庭娱乐的崛起：录像带、DVD 与数字发行 07:46 Vestron 时代：29岁成为上市娱乐公司总裁 09:43 好莱坞为什么曾经害怕电子游戏：Atari 与 E.T. 灾难 11:43 32岁进入 Fox：从票房垫底到行业第一的扭转经历 17:00 Barry Diller 的影响：激烈辩论、承受压力与追求正确答案 20:21 Rupert Murdoch 的一课：危机中保持冷静和专注 21:21 电影行业的结构性问题：boutique system 与 studio system 23:49 洞察电子游戏：今天什么行业最像1920年代的电影制片厂？ 创业、错失GTA与创办ZMC 24:51 向 Rupert Murdoch 提议进入游戏行业，却因股权诉求被拒 26:11 降薪95%去硅谷：加入 Crystal Dynamics 的冒险 26:54 创业时机：什么时候适合承担真正的风险 28:05 BMG内部孵化游戏业务：用唱片全球发行体系做游戏 31:00 被迫卖掉游戏部门：Take-Two 接手并推出 Grand Theft Auto 32:19 错失GTA：最成功媒体IP背后的戏剧性一幕 33:16 创办 ZMC：想打造被技术增强的媒体娱乐资产组合 34:49 没有资本怎么收购公司：空箱子式募资与第一笔艰难交易 37:01 拯救日本唱片公司：ZMC 第一笔交易的生死考验 接管Take-Two 42:17 与 Carl Icahn 的关系：免费研究、长期铺垫与意外机会 42:58 当时的 Take-Two：调查、亏损、混乱和濒临破产 44:18 读公司章程：发现接管公司的法律缝隙 46:00 百分之五十点一的投票权：用股东同意书挑战董事会 48:00 从48%到22%：借股、投票权和关键会议的惊险转折 49:30 年度股东大会现场：从不确定到88%支持率 50:21 2007年接管 Take-Two：成为董事长，后来兼任 CEO 扭转一家混乱公司 50:38 接管后的计划：围绕 GTA，削成本，重建理性组织 51:19 如何一年削掉四千万美元：先砍第三方开支，而不是先裁人 53:14 GTA 的周期性问题：爆款发售年赚钱，其他年份亏损 53:30 核心战略：做出更多爆款，打造真正的娱乐公司 54:28 从7亿到300多亿美金：Take-Two 的长期价值创造 55:35 早期错误与底层原则：在地板上时，合理决策反而变简单 创意人才与理性组织 56:01 谁最重要：能做出爆款的人，而不是管理者本人 56:46 理性组织：不大喊大叫，不制造混乱，不让自我阻碍创作 57:33 如何管理难搞的天才：真正在乎他们，同时坚守尊重底线 58:33 删除键哲学：不把事情个人化，也不被情绪牵着走 60:28 娱乐行业里的理性优势：拒绝魔法思维 62:01 文化的真正考验：顺境不算数，逆境才见品格 62:50 Borderlands 案例：游戏做完后仍追加五千万美元重做 63:15 相信人才直觉：支持创意热情，而不是只看短期排期 GTA、游戏与长期专注 63:32 GTA 6 的时间表：为什么伟大作品需要等待 64:19 GTA 的长期生命力：更新、社交与持续参与 64:39 在线游戏的社交本质：从年轻玩家到90岁桥牌玩家 65:10 游戏为什么会持久存在：它是人类文明最古老的娱乐形式之一 65:32 具体目标的力量：宇宙奖励具体请求，惩罚模糊愿望 66:13 可视化不是魔法：它是反复专注于自己真正想要的东西 68:00 从二百亿目标到四百亿规模：长期使命如何驱动选择 68:50 Take-Two 的使命：成为地球上第一的娱乐公司 导师、行动力与服务型领导 69:55 给年轻员工的建议：知道自己想要什么，并创造超过成本的价值 71:12 为什么很多人不跟进：成功没有魔法棒，必须自己行动 72:40 创办ZMC的现实：别人可以善意支持，但没人能替你完成工作 73:22 做好眼前机会：一个机会做好，才可能带来更多机会 74:46 时间承担大部分重量：理性、好行业、优秀人才与复利 75:01 CEO 是服务团队的人：办公室本身不会产生实际工作 75:39 根据人才调整风格：忠于自己，但服务不同的人 76:18 《人性的弱点》：对他人保持真诚兴趣的领导力核心 77:00 真正在乎人：让对方觉得自己是房间里唯一的人 78:08 做播客的出发点：不是显得厉害，而是服务听众 领导风格、财富与自我转变 78:24 财富来自服务：资本主义中值得庆祝的创造价值 80:04 从不安全感到服务心态：《人性的弱点》如何改变人生 80:52 Fox时期的自我意识：从“按我的方式来”到“我如何帮你” 81:23 成功没有唯一模板：不同领导者有不同风格 82:03 Elon Musk、Barry Diller 与不同的成功路径 83:18 找到自己的方式：不是所有方法都适合所有人 84:41 电子游戏、媒体和娱乐：Take-Two 其实提供的是娱乐体验 互动娱乐与AI时代 85:23 电子游戏体验的多样性：七分钟手游与数百小时 GTA 完全不同 85:37 媒体日竞争：任何占据用户13小时媒体时间的东西都在竞争 86:06 互动娱乐的优势：最有价值的新媒体不是被动的，而是互动的 86:50 Take-Two 如何使用 AI：企业工具与数百个生产力项目 87:29 AI 组织结构：不是单独设“AI负责人”，而是融入技术体系 88:07 对 AI 的总体态度：拥抱一切提升效率的技术 88:18 AI 与创造力：数据回看过去，创造力面向未来 89:34 为什么 AI 不会自动制造爆款：克隆品不是原创，爆款必须出人意料 90:44 结尾：所有爆款，本质上都是出人意料的 🌟 精彩内容 💡 “无钱敌意收购”Take-Two Strauss Zelnick 讲述了他和团队如何在几乎没有资本的情况下，通过阅读公司章程、争取关键股东支持，并利用年度股东大会的特殊条款，接管了当时陷入严重危机的 Take-Two。这是一场罕见到几乎不可复制的资本市场行动。 “本质上，我们是在没钱的情况下做了一次敌意收购。” 🧠 永远拥抱新技术 Strauss 的职业生涯核心，是不断站在传统娱乐与新技术的交汇点上。从录像带、DVD、电子游戏，到今天的 AI，他反复强调：不要和新技术对抗，因为眼下正在发生的一切都会改变。 “你永远要拥抱新技术。你要是跟它对抗，就会被甩在后面。” 🎮 为什么电子游戏像1920年代的电影行业 他曾经的梦想是经营电影公司，但后来意识到，现代电影行业的经济结构已经很糟糕；真正像早期电影制片厂、可以把创意人才、生产体系和长期 IP 结合起来的，是电子游戏行业。这一洞察最终引导他走向 Take-Two。 “我应该想经营的是一九二七年的电影制片厂，而不是一九九一年左右的制片厂。” 🚀 错失 GTA 的戏剧性往事 在 BMG 任职期间，Strauss 曾孵化过一批游戏项目，后来被迫卖给一家小上市公司 Take-Two。一个月后，Take-Two 推出的第一款游戏就是 Grand Theft Auto。这个故事既荒诞又传奇，也让他与 Take-Two 之间埋下了长期的命运伏笔。 “这家上市公司的名字叫 TakeTwo Interactive，第一款发行的游戏就是 Grand Theft Auto。” 🏢 理性组织的长期优势 接手 Take-Two 后，Strauss 的核心不是“疯狂冲刺”，而是建立一家理性、成熟、尊重人才的公司：不吼人，不乱决策，不让自我阻碍创作，保持稳健资产负债表，并在失败时仍能活下来。 “我们不会干预创意。我们希望你做出世界上最好的电子游戏。” 🎨 服务创意人才，而不是控制他们 Strauss 认为，娱乐公司的真正核心是那些能做出爆款的人，而不是 CEO。他的职责是提供资源、保护环境、支持人才的热情，并在关键时刻承担风险。Borderlands 在几乎做完后被推倒重做，就是这种文化的经典案例。 “我雇了最有创造力的人。我对他们说，你们必须追随自己的热情。我们会支持你们。” 🎯 专注不是玄学，而是反复具体化目标 节目后半段，Strauss 深入解释了“可视化”的真正意义：不是魔法式许愿，而是极其具体地知道自己想要什么，并长期围绕它做选择。他从2001年就想打造被技术增强的媒体娱乐资产组合，这个目标最终通过 ZMC 和 Take-Two 一步步实现。 “最常见的那个因素到底是什么？他们知道自己想要什么。” 🤝 领导力的核心：真正在乎别人 Strauss 将《人性的弱点》视为改变自己人生的重要书籍。他从早年的不安全感和自我关注，转向服务他人、理解他人、真诚关心他人。他认为 CEO 的工作，本质上是服务团队，让优秀的人能创造出最好的成果。 “要想成为有效的领导者，你必须真心在乎别人。” 🤖 AI会提升效率，但不会自动制造爆款 面对 AI，Strauss 的态度是积极拥抱，但不盲目迷信。他认为 AI 很擅长资产制作，可以提高效率，但爆款的本质是出人意料；完全由历史数据推导出的东西，很难真正创造未来。 “所有爆款，本质上都是出人意料的。” 🌐 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

📝 本期播客简介 本期我们克隆了：思想类播客《Naval Podcast》Sell the Truth 这期节目来自 Naval Ravikant 与长期联合主持人 Babak Nivi 的一段对谈，主题是“销售”。但 Naval 一开场就提出了一个反直觉观点：他并不相信传统意义上的销售。如果一个人感觉自己正在被推销，天然就会产生抵触。真正能打动顶尖人才、投资人、合作者和客户的，不是销售话术，而是可信度、诚实、清晰表达和长期主义。 在这期对话里，Naval 拆解了他所谓“销售能力”的底层逻辑：如何通过理性共情理解对方，如何做到既真实又积极，如何把领导力变成一种激发动机的能力，如何只销售自己真正相信的东西，以及如何在交易中拒绝坏妥协、关注未来的巨大上行空间。这不是一堂传统销售课，而是一套关于信任、判断力、动机、合作与人生选择的思考框架。 👨‍⚕️ 本期嘉宾 Naval Ravikant，投资人、创业者、AngelList 联合创始人。他以关于财富创造、判断力、创业、幸福和人生哲学的表达广为人知，是硅谷最具影响力的思想者之一。 Babak Nivi，Naval 的长期联合主持人，也是创业者与投资人。他在本期节目中以观察者视角，试图拆解 Naval 被外界称为“极具销售能力”背后的真实方法。 ⏱️ 时间戳 00:00 开场 & 播客简介 销售不是销售 01:28 人生只需要懂两件事：创造与销售 01:42 Naval 的反直觉观点：我其实不相信销售 02:31 可信度比销售重要：顶尖的人会看穿套路 03:25 真正的销售：理解对方想要什么，然后诚实表达 04:05 不执着于结果：找那个真正产生共鸣的人 理性共情与客观判断 04:25 “Yes, and”：先接住对方，再表达自己的立场 04:44 理性共情：用推理走到对方的位置上 05:45 客观的意思：把自我拿掉 06:10 好建议像是“对方在跟自己说话” 真实、积极与魅力 06:42 为什么同时做到真实和积极很难 06:55 魅力的定义：同时传递力量与善意 07:35 诚实是根基，但不友善会让对方听不进去 08:10 同理心的代价：为什么 Naval 不擅长解雇人 领导力的本质 09:02 管理是告诉别人该做什么，领导力是让别人想去做 09:45 不要只让人砍木头，要让人向往大海 10:26 创业公司是一种更自由的生活方式 11:12 尝过自由的滋味，会让你不再适合被雇用 12:00 小团队、高信任与人类深层的协作本能 12:55 从囚徒困境到猎鹿博弈：真正的社会合作模型 13:45 招聘技巧：让候选人随便面试团队里的任何人 只卖你真心相信的东西 14:18 “传教式销售”？Naval 认为那只是诚实 14:55 如果你自己都不兴奋，就不该卖它 15:45 框架和技巧都是次要的，动机才是核心 16:35 真正有用的学习来自亲自去做 17:05 喂养你的智力痴迷，而不是追求表面平衡 17:42 如果你觉得自己在销售，可能说明你卖错了东西 融资、故事与真实兴奋 18:02 外界眼中的“布道式销售”：先讲大图景 18:35 不要把销售想得太复杂 18:55 Naval 如何融资：等自己真正兴奋，再去讲清楚 19:28 不夸大、不包装，只传达已经看到的真实东西 交易、妥协与选择权 20:05 不要让自己陷入背靠墙的交易处境 20:42 坏交易比想象中更难摆脱 21:10 合同的本质：用未来选择权换取共同合作 21:52 妥协是打造伟大公司的敌人 上行空间与长期主义 22:14 关注把蛋糕做大，而不是眼前怎么切 22:39 幂律时代：真正的回报在未来 23:32 最重要的是保护时间与选择权 24:15 小利益不值得争，但原则和心理平静值得保护 25:05 不要只为了钱，在同一件事上苦熬一生 25:45 在一生里塞进几种不同的人生，追随真正的兴趣 🌟 精彩内容 💡 可信度比销售重要 Naval 认为，真正厉害的人往往能一眼看穿销售套路。你越想“推销”他们，他们越会本能抵抗。真正有价值的做法，是变得可信：懂自己在讲什么，说真话，理解对方的处境，并且愿意在不适合时主动劝对方不要买。 “如果你感觉有人在向你推销，如果你感觉自己正在被卖东西，这会让人反感。可信度比销售重要得多。” 🧠 “Yes, and” 不是技巧，而是理性共情 Nivi 观察到 Naval 经常先接住对方观点，再继续推进。Naval 解释说，这不是表演出来的销售技巧，而是一种理性共情：聪明人提出一个观点，背后通常有他们的理由。你要先理解那个理由，再说明自己的立场为什么也成立。 “它更像是一种理性的共情。你用推理走到对方的位置上，看看对方的立场是否成立。” ❤️ 魅力是力量与善意的结合 Naval 将魅力定义为同时传递自信和爱，或者说同时传递力量与善意。他强调，诚实是根基，但如果诚实表达得过于粗暴，对方就不会听进去。真正有效的人，不只是证明自己正确，而是让真话能够被听见。 “你是想证明自己正确，还是想真正有效？如果你真的想有效，那你就得想办法把善意也放进去。” 🚀 领导力不是下命令，而是点燃向往 在 Naval 看来，管理是告诉别人该做什么，领导力是让别人想去做。真正的领导者不是分配任务，而是理解对方的目标、能力和动机，再把这些与组织要完成的事情连接起来。创业公司、小团队和高信任协作之所以迷人，是因为它让人重新进入一种深层的人类协作状态。 “管理是告诉别人该做什么，领导力是让别人想去做。” 🔥 只卖你真正相信的东西 Naval 不接受“传教式销售”这个说法。他认为，如果你真心相信一个东西、真心为它兴奋，你自然会想把它讲给别人听。技巧、框架、商业书都只是次要的，真正驱动你把事情做成的，是动机、热情和痴迷。 “如果你自己都不兴奋，那你还卖它干什么？如果你觉得你是在销售，那你可能卖错东西了。” 🤝 坏交易会困住你的未来 Naval 提醒，交易不是一次性的，它会长期限制你的未来选择。尤其是融资、股权、董事会、长期合同这类关系，一旦选错，很难摆脱。他认为，创始人内心其实知道什么是坏妥协，那种“轻微下沉”的感觉就是信号。 “妥协是打造伟大公司的敌人。” 📈 关注巨大的上行空间，而不是眼前的小利益 在科技和投资领域，回报是幂律分布。Naval 强调，真正重要的不是眼前为一小块蛋糕争夺，而是未来有没有可能创造出大一百倍、一千倍的上行空间。同时，他也提醒人们保护时间、声誉、心理健康和平静，因为这些才决定你能否继续创造。 “人们花太多时间在小利益上斤斤计较，却没有花足够多时间去关注真正大的上行空间。” 🌐 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

📝 本期播客简介 本期我们克隆了：Patrick O'Shaughnessy 主持的投资访谈播客《Invest Like the Best》Watts, Wafers, and the Future of AI Infra | Gavin Baker 这是一场关于 AI、资本市场、基础设施和未来秩序的高密度对话。Atreides Management 创始人 Gavin Baker 再次做客节目，用投资人、科技观察者和历史研究者的视角，解释为什么他认为当下 AI 正处在“资本主义史上从未发生过”的特殊时刻。 Gavin 从 Anthropic 单月 ARR 增长、DeepSeek 引发的市场误判、AI 资产估值错配讲起，进一步延伸到电力、晶圆、数据中心、轨道算力、TSMC、Terra Fab、前沿模型、开源模型和 AI 应用层的价值分配。他提出，AI 不只是一个技术周期，而是一场涉及资本开支、能源体系、半导体供给、地缘政治和人类工作方式的系统性重构。 本期你将听到 Gavin 对“AI 会不会泡沫化”的细致判断，对 Anthropic、OpenAI、Nvidia、TSMC、Google、Meta、Amazon、Microsoft 等关键公司的拆解，也会听到他对 AI 时代个人安全、网络安全、投资工作流和社会稳定的担忧与乐观。 👨‍💼 本期嘉宾 Gavin Baker，Atreides Management 创始人兼投资人，长期专注科技、半导体、AI 基础设施和资本市场周期研究。他曾多次做客《Invest Like the Best》，以对科技公司、市场历史和投资周期的深度理解著称。 🎙️ 主持人 Patrick O'Shaughnessy，投资访谈播客《Invest Like the Best》主持人，长期与全球顶尖投资人、企业家和思想者对话，关注商业、科技、资本配置与长期复利。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI资本主义的异常时刻 01:37 资本主义史上从未发生过：Anthropic 单月新增 110 亿美元 ARR 02:10 三四月市场错配：股价下跌，但 AI 基本面正在爆炸 04:20 DeepSeek Monday 的误判：为什么算力需求反而更强了 06:10 霍尔木兹海峡、能源价格与美国制造业相对优势 前沿模型的估值与融资逻辑 07:42 Anthropic 与 OpenAI：同样是前沿模型，资本效率却很不同 08:40 无约束收入 URR：如果 compute 不受限，Anthropic 可能有多大 09:44 为什么不一次性融到天价：不确定世界里的融资纪律 11:23 Elon 的“融资超能力”：长期让投资人赚钱的重要性 Watts & Wafers：AI基础设施的核心瓶颈 11:59 电力与晶圆：AI 基础设施建设最关键的两种投入 12:27 电力短缺会如何被资本主义解决 13:35 轨道算力的重新定义：不是太空数据中心，而是太空中的 rack 15:00 散热、维修、激光互联与 SpaceX 的工程能力 17:29 轨道算力会不会冲击地面数据中心 18:30 TSMC、硅盾与晶圆短缺如何影响 AI 泡沫 20:15 历史不会重复，但会押韵：铁路、运河、互联网与 AI 泡沫 22:48 Intel、Samsung 与 TSMC 的产能博弈 23:51 Terra Fab：Elon、Intel 与美国最大晶圆厂的可能性 26:23 Elon 的速度：为什么传统建设周期可能被打破 前沿模型、开源模型与Bitter Lesson 26:49 DeepSeek 之后：为什么前沿模型仍然拿走大部分经济价值 27:23 Frontier token 的溢价：模型层回报为何集中在最前沿 29:10 Pareto frontier 的变化：Google、Anthropic、OpenAI 与 xAI 的位置 30:05 Bitter Lesson 的风险：更多算力是否永远胜过人类巧思 31:18 Memory、harness 与模型 runtime 的重要性 32:03 为什么普通订阅套餐已经无法代表真正的前沿 AI 34:13 Continual learning：模型何时能像人类一样实时学习 35:00 三个关键问题：Bitter Lesson、frontier token 溢价与持续学习 芯片创业、GPU寿命与AI融资 35:35 新芯片公司的机会：竞争对世界和 Nvidia 都是好事 36:01 芯片设计的“铁三角”：攻击、防御、机动性的取舍类比 37:20 不要只做“更好的 GPU”：必须足够不同、也足够难 38:14 Prefill 与 decode：AI 推理拆分打开新芯片空间 39:50 Cerebras 的案例：waferscale computing 为什么不同且困难 42:10 GPU 寿命被延长：为什么 inference 拆分可能拯救 private credit 43:30 卖稀缺 vs 买稀缺：hyperscaler 的存量资产价值 AI Native创业与应用层困境 44:06 “不同而且很难”：AI 创业公司真正需要回答的问题 44:33 为什么显而易见又不难的创业点很危险 45:45 Cursor、Cognition 与 coding 的战略位置 46:56 Token path：软件公司必须站在 token 流经之处 48:01 Nvidia 会不会做自己的前沿模型 48:20 开源模型、蒸馏与新的囚徒困境 49:35 前沿模型是否应该通过 API 开放：AI 实验室的新博弈论 AI时代的安全、工作流与投资 50:28 Mythos 级模型世界：为什么每个人都需要一个“安全词” 51:14 防守之外的进攻：人类还能做什么 51:40 《最后的武士》与机关枪：不会掌握 AI 的人会被 AI 支配 52:45 投资人的 Agent 工作流：从播客、财报到管理层激励分析 53:50 为什么这是投资史上最令人兴奋的时代 AI交易的分化与市场错配 54:14 AI 内部估值正在变得极不合理 55:00 DRAM、半导体设备与横截面估值矛盾 56:10 短缺周期里，低质量公司为什么反而涨得最多 57:20 AI 泡沫、核能泡沫、量子泡沫与投机蔓延 58:30 AI 交易不再同涨同跌：必须研究更细的子行业差异 59:10 被错误分类的机会：Astera 与 copper loser basket 巨头公司的AI位置 59:41 Google：失去 TPU 成本优势，但仍拥有最大 compute 装机基础 01:01:00 Meta：Zuckerberg 如何把公司推向 AI first 01:02:10 Amazon：Trainium、robotics 与零售业务效率提升 01:03:00 Microsoft：Satya 从“让 Google 跳舞”到 Copilot 产品经理 01:04:05 为什么微软把 compute 留给自己用，是一个有勇气的决定 01:05:00 谁最接近 startup：Nvidia、Amazon、Google 的外部互动优势 AI的社会外溢与未来秩序 01:05:46 应用层价值：AI 到目前为止已经摧毁了大量传统软件价值 01:06:40 人身安全与政治暴力：AI 领袖面临的新风险 01:07:30 战场 AI 与地缘政治：乌克兰、美国优势与全球稳定 01:08:40 Pax Americana 与 AI 主导权：技术优势会带来和平还是不稳定 01:09:20 AI 医疗奇迹：罕见病、Agent 与药物发现 01:09:55 谦逊面对事件视界：乐观主义与对卢德主义担忧的认真对待 01:10:19 收尾：Patrick 对 Gavin 热爱市场、公司和历史的致敬 🌟 精彩内容 💡 “资本主义史上从未发生过”的 AI 增长 Gavin Baker 认为，Anthropic 单月新增 110 亿美元 ARR，是商业史上极其罕见甚至没有先例的现象。他把这与 Palantir、Snowflake、Databricks 等顶级 SaaS 公司十年积累的规模对比，指出 AI 前沿模型公司的增长速度已经突破传统商业周期的想象力。 “资本主义史上从来没有发生过这种事。别说我的职业生涯了，就是整个资本主义史、整个商业史，都没有过。” 🛰️ 轨道算力：AI基础设施的下一种形态 Gavin 重新定义了 orbital compute：它不是漂浮在太空里的巨型数据中心，而是一个个在太空中的 AI rack，通过激光连接成虚拟数据中心。由于 SpaceX 已经拥有卫星星座、可重复使用火箭、激光通信和太空工程能力，他认为轨道算力有可能成为解决电力和冷却瓶颈的重要路径。 “它是在太空里的 rack，而不是在太空里漂着的、五角大楼那么大的巨型数据中心。” 🏭 TSMC 可能是阻止 AI 泡沫的关键 Gavin 认为，AI 基础设施最终是否泡沫化，很大程度取决于晶圆供给。与电力不同，晶圆扩产受制于 TSMC 的技术、人才与产能纪律。如果 TSMC 保持足够紧的供给，可能会避免 GPU 产能过度建设，从而延缓甚至阻止典型基础技术周期里的泡沫破裂。 “如果我们最后没有泡沫，那真的应该给 TSMC 开个庆功会。因为他们将会是单凭一己之力阻止泡沫的人。” 🤖 Frontier token 的溢价与 AI 应用层困境 DeepSeek 之后，很多人以为开源和蒸馏模型会快速压低前沿模型价值。但 Gavin 观察到，模型层绝大部分经济回报仍然被 frontier token 拿走。他认为这对应用层创业非常关键：如果前沿 token 继续保持高溢价，应用层会很难捕获价值；但如果这种溢价下降，应用层可能迎来爆发。 “在模型层，AI 的经济回报不是全部，但绝大部分都发生在前沿模型上。” 🔐 每个人都需要一个安全词 面对越来越逼真的语音、视频和人格模拟，Gavin 提出一个非常具体的建议：每个人都应该和家人、公司设置一个无法被社工套出来的“安全词”。未来诈骗可能会伪装成亲人视频通话，知道你的背景、模仿对方语气，并要求转账。 “每个人都需要一个安全词。” ⚔️ AI 是新的机关枪 Gavin 用电影《最后的武士》比喻 AI 对专业人士的冲击：如果传统高手不能掌握新技术，就会被新技术支配。对于投资人而言，AI Agent 已经可以帮助处理播客、财报、proxy statement、管理层激励分析等大量信息筛选工作，让人类把时间用于更创造性的判断。 “如果我们不能都成为机关枪的大师，我们就会被机关枪支配。” 📉 AI交易内部正在剧烈分化 Gavin 指出，AI 市场不再是简单的“AI 资产一起涨”。不同子行业之间的相关性正在下降，DRAM、NAND、光模块、scaleup networking、scaleout networking、半导体设备、电力等领域都在出现独立的价格逻辑。未来的机会可能来自被错误分类的公司，而不是简单买入一个 AI basket。 “今年一月，这一切都散了。AI 内部这些横截面的相关性真的崩了，你必须看得非常细。” 🏢 巨头公司的不同命运 Gavin 分别点评了 Google、Meta、Amazon 和 Microsoft。Google 虽然失去 TPU 成本优势，但仍拥有最大 compute 装机基础和数据资产；Meta 在 Zuckerberg 推动下真正转向 AI first；Amazon 有 Trainium 和机器人自动化潜力；Microsoft 则在 Satya 带领下做出艰难选择，把 compute 用于自有产品，而非单纯转售给 OpenAI。 “他确实在三年时间里，从‘我们要让 Google 跳舞’，变成了 Copilot 的产品经理。” 🌍 AI乐观主义与谦逊 尽管 Gavin 是 AI 乐观派，甚至称自己接近 AI 最大化主义者，但他也强调必须认真对待失业、可及性、安全、政治暴力和地缘政治风险。他认为 AI 像一个事件视界，人类社会必须想办法穿越过去，并确保这项技术最终对每个人都有好处。 “我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考。” 🌐 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

📝 本期播客简介 本期我们克隆了：商业史播客《Acquired》Vanguard: The communist capitalist who saved investors a trillion dollars (Audio) 本期节目是一场关于 Vanguard 的超长篇商业史深度拆解。Ben Gilbert 和 David Rosenthal 从 Jack Bogle 的人生讲起：他出生在 1929 年大萧条前夜，童年家道中落，却靠奖学金进入 Princeton，并用一篇关于共同基金的本科论文，开启了自己改变金融行业的一生。 这期节目不仅讲述了 Vanguard 如何创造面向个人投资者的第一只指数基金，更深入拆解了它真正革命性的地方：不是“指数基金”本身，而是公司结构。Vanguard 由旗下基金的投资者共同拥有，没有外部股东，也不以利润最大化为目标。Jack Bogle 坚信低费用会长期复利，而高费用会侵蚀普通人的财富。正是这种“共产主义式的资本主义”结构，让 Vanguard 能持续降低费用，并迫使整个资产管理行业跟随降费，最终把原本会流向华尔街的一万亿美元，留在了普通投资者口袋里。 节目后半段也讨论了 Vanguard 成功之后的新问题：ETF 的兴起、Fidelity 和 BlackRock 的反击、客服和技术短板、客户关系被券商平台掌握、私人资产与投顾业务的新方向，以及被动投资规模过大是否会带来系统性风险。这不仅是一家金融公司的故事，更是一堂关于结构、激励、复利、低成本、信任与长期主义的商业课。 👥 本期主持人 Ben Gilbert 与 David Rosenthal，商业史播客《Acquired》的两位主持人。他们长期研究伟大公司、资本结构、商业模式与行业演化。本期他们以 Vanguard 为主线，讲述 Jack Bogle 如何通过公司结构和低费用理念，重塑全球资产管理行业。 ⏱️ 时间戳 00:00 开场 & 播客简介 Vanguard 为什么重要 01:27 从一句玩笑开始：这不就是 index fund 吗？ 01:53 Vanguard 的规模：十万亿美元级 passive index fund 巨头 03:27 “共产主义式的资本主义”：客户拥有公司的独特结构 04:27 Jack Bogle 与一万亿美元财富转移 05:31 “卧底慈善家”：没有拿走本可以属于自己的财富 Jack Bogle 的早年人生 06:51 大萧条前夜出生：一个金融英雄的起点 08:25 家道中落、父亲离家、兄弟们靠打工求生 10:59 Blair Academy 与兄弟之间的大学机会抉择 13:08 Princeton、经济学与一门只拿 C- 的课程 15:48 一篇 Fortune 文章改变人生：共同基金行业的发现 16:49 open-end fund 的诞生与共同基金的早期结构 18:21 broker-dealer 分销、销售佣金与高费用体系 20:01 管理公司如何从基金规模中赚钱 24:19 Bogle 本科论文的核心洞察：费用会吞噬回报 27:53 加入 Wellington：从助理到 35 岁成为总裁 Wellington 危机与第一次被赶下台 29:28 保守的 Wellington 遇上疯狂的 GoGo 年代 30:51 Fidelity、Jerry Tsai 与高换手成长型基金的崛起 35:15 Jack 接到任务：做任何必要的事来拯救 Wellington 39:04 与 Ivest 合并：用 40% 股权换 GoGo 新血液 42:18 泡沫破裂、石油危机与 Wellington 资产大缩水 45:11 Jack 的 Jerry Maguire 时刻：我们到底在干什么？ 46:22 mutualize 的激进想法：把公司还给基金持有人 48:47 合伙人反击：Jack 被解除 Wellington Management CEO 职务 51:01 法律缝隙：他仍然是基金董事会主席 52:52 第二天反击：用基金董事会推动共同所有制 Vanguard 的诞生 55:49 250 页报告：基金应该掌控自己的命运吗？ 57:43 微弱胜利：先只接管后台行政管理 59:53 行业震动：同行担心他会毁掉整个基金行业 01:03:01 “Vanguard”这个名字的由来：英国海军旗舰与彻底胜利 01:04:32 现实很冷淡：只做后台业务，没人真正害怕 01:05:17 第二场革命的伏笔：如果不提供投资建议，就能做指数基金 第一只散户指数基金 01:05:49 指数基金革命：不做投资判断，反而绕开限制 01:07:24 Paul Samuelson 的文章：复制市场、无销售费、低换手 01:09:15 为什么“平均水平”很难卖 01:10:10 早期指数基金的技术难题：软件、自动化与五百只股票 01:11:18 Jack 找到漏洞：跟踪 S&P 500 不算主动投资建议 01:12:12 成本重要假说：低费用让平均回报变成优秀结果 01:13:29 1% 费用的恐怖复利：退休时可能少掉 50% 财富 01:16:47 写代码、谈授权：Vanguard 500 Index Fund 的技术与授权起点 01:19:39 第一只指数投资信托基金诞生 01:20:33 失败的 IPO：目标 1.5 亿，只募到 1130 万 01:23:06 不够买 500 只股票：被迫用 280 只股票模拟指数 01:24:52 Fidelity 的嘲笑：投资者怎么会满足于平均回报？ 低成本飞轮开始转动 01:26:05 共享规模经济：Vanguard 是金融业的 Costco 01:28:01 指数基金差点死掉：靠 Exeter Fund 并入续命 01:30:41 no-load 模式：取消外部销售佣金，改为内部直销 01:31:51 六年才到一亿美元，十二年才到十亿美元 01:32:15 固定收益与货币市场：低成本策略更容易获胜的地方 01:33:58 主动基金 Windsor Fund：支撑早期 Vanguard 的现金流 01:35:33 行为优势：指数投资让人更容易长期不动 01:37:11 费率下降，资产加速：指数基金终于开始起飞 01:38:08 Total Stock Market Index Fund：不只买 500 只，买下整个市场 Jack 的心脏、接班与 ETF 冲突 01:39:07 Jack 的遗传性心脏病与“继续工作”的人生哲学 01:41:02 心脏移植前仍在医院当 CEO 01:43:19 奇迹康复：本以为结束，却又活了 23 年 01:43:58 Vanguard 进入收获期：长期取舍开始回报 01:46:32 创始人与接班团队的分歧：使命不变，但打法要变 01:49:50 ETF 出现：更容易交易的共同基金 01:50:46 为什么 Bogle 本该喜欢 ETF，却极度反对 01:52:55 交易诱惑、券商佣金与做空：Jack 反对 ETF 的原因 01:54:37 State Street 推出 SPDR，Vanguard 错过先机 01:56:27 董事会摊牌：Jack 因年龄条款离任 01:58:43 Bogleheads 兴起：Jack 成为普通投资者的精神领袖 02:00:12 妥协方案：离开董事会，但保留研究中心与精神象征地位 指数投资的时代顺风 02:00:27 市场专业化：主动管理越来越难跑赢 02:03:24 财务顾问兴起：从交易佣金转向资产增长 02:04:37 dotcom 与互联网券商：投资者终于看清费用与表现 02:06:16 401k 时代：普通美国人开始大规模进入股市 02:07:17 Buffett 背书：低费用指数基金是持有股票的最佳方式 02:08:23 Berkshire 的例外：为什么 Buffett 仍建议普通人买指数 02:11:11 金融危机：被动投资和 Vanguard 的高光时刻 02:13:04 华尔街光环破裂，Vanguard 成为普通人的英雄 02:15:53 “我们不会从你身上赚钱”：危机后的信任红利 02:17:16 Buffett 与对冲基金十年赌局：Vanguard 500 大胜 Jack 之后的 Vanguard 02:21:50 金融危机后资金涌入：Vanguard 超过 Fidelity 02:23:24 低价真人投顾：Vanguard 进入财富建议业务 02:24:39 Jack 去世：五万亿美元 AUM 与两千万客户 02:26:59 他没有拿走的财富：与 Fidelity、BlackRock 创始财富对照 02:27:43 Fidelity 与 BlackRock 回归：ETF 时代的新竞争 02:29:16 Fidelity 的两大平台：401k 与券商账户 02:30:32 Vanguard 的弱点：客户可能在别人的平台上买 Vanguard 02:32:50 客服与技术短板：低利润结构的代价 02:33:52 BlackRock 收购 iShares：ETF 市场的巨大胜利 02:36:50 Vanguard 模式会不会反过来限制它？ 02:37:42 第一位外部 CEO：来自 BlackRock iShares 的 Salim Ramji 02:39:46 私人资产、投顾、固定收益与退休业务的新方向 02:43:37 进入 private equity：Vanguard 能否把低费用带入私人市场？ 02:45:33 增长的悖论：共同所有制公司为什么还要增长？ 今天的 Vanguard 与 Wellington 的后续 02:47:26 今天的 Vanguard：12 万亿美元 AUM、5000 万投资者 02:48:50 平均费用率 0.07%，行业仍是其 6.5 倍 02:50:24 Wellington 后来怎样了：主动管理巨头的重生 02:52:25 兜回原点：Wellington 至今仍为 Vanguard 管理部分基金 分析：结构、激励与护城河 02:53:22 为什么共同所有制没有更流行？ 02:55:59 金融行业的特殊性：产品本身就是资本 02:57:39 为什么需要一个 Jack Bogle 这样的人 02:59:02 Vanguard、Costco 与 Visa：共同体结构的相似性 03:01:24 战略跟随结构：低费用来自所有权结构 03:02:20 成本也会复利：时间是费用的敌人 03:03:29 被动投资危机：成功之后的新担忧 03:04:31 “被动”并不完全被动：S&P 500 也有人为选择 03:05:23 被动投资会不会最终拥有一切？ 03:06:38 价格发现、共同持股与投票权的争议 03:11:22 Seven Powers：用市场份额而非利润分析 Vanguard 03:12:58 规模经济与极端反定位 03:14:46 转换成本、品牌与 Bogleheads 03:16:55 流程能力：使命驱动的人才与文化 03:17:07 Quintessence：Bogle 把公开股票投资商品化 03:19:56 一个人真的可以改变世界 冷知识、推荐与收尾 03:21:36 Vanguard 与 Microsoft：同月诞生的两场革命 03:22:29 百倍股的残酷事实：平均 65% 回撤，8 年回本 03:24:27 Jack 的书籍收入与慈善遗产 03:25:08 推荐：Acquired 的《华尔街日报》专栏 03:26:29 Ben 推荐：M5 Max MacBook Pro 03:27:32 David 推荐：Michael McKelvy、亲子观影与 Brooks Vanguard 鞋 03:29:55 致谢：研究顾问、作者、前 CEO 与资料来源 03:32:12 延伸收听：Rentech、Berkshire、Costco、Visa 03:33:03 结尾 🌟 精彩内容 💡 一万亿美元财富转移 节目开头就点出 Vanguard 和 Jack Bogle 的历史意义：通过长期降低费用、倒逼整个基金行业降价，他们让原本会流向华尔街的费用，留在了普通投资者口袋里。主持人引用《The Bogle Effect》的估算，认为 Vanguard 自身节省了超过五千亿美元费用，而它对行业的降费压力又额外节省了五千亿美元。 “Jack Bogle 和 Vanguard 促成了一万亿美元的财富转移。” 🏛️ “共产主义式的资本主义” Vanguard 最独特的地方，不只是指数基金，而是公司结构。它没有上市，没有外部股东，也没有一群要求利润最大化的资本所有者。它由旗下基金的投资者共同拥有，因此公司降低费用，本质上就是把规模经济返还给客户。 “这家公司，它的产品只服务客户的利益，不服务任何其他股东的利益。” 📉 成本也会复利 Bogle 真正狂热相信的不是“指数基金一定比主动管理好”，而是“低费用几乎一定更好”。节目用一个简单计算说明：如果 25 岁投资 10 万美元，市场年化 7%，40 年后约为 150 万美元；但如果每年支付 1% 管理费，年化变 6%，最后只有约 100 万美元。费用看似只有 1%，长期却可能吞掉退休财富的三分之一。 “在回报这件事上，时间是你的朋友；但在成本这件事上，时间是你的敌人。” 🚢 Vanguard 的诞生：理想主义与复仇心各占一半 Jack Bogle 被 Wellington Management 赶下 CEO 位置后，并没有安静离开。他利用自己仍是基金董事会主席这一法律结构缝隙，推动基金与管理公司分离，建立一个由基金持有人共同拥有的新组织。这个组织最初只能做后台行政事务，却成为日后 Vanguard 的起点。 “战略跟随结构。” 📊 第一只指数基金差点失败 今天 Vanguard 500 Index Fund 是全球最大的基金之一，但它刚推出时几乎无人问津。原本希望募集 1.5 亿美元，最后只募到 1130 万美元，甚至不够买下 S&P 500 每只股票的基本交易单位。它只能先买约 280 只股票，并靠并入另一只 Wellington 遗留基金续命。 “我不敢相信广大投资者会满足于只拿到平均回报。这个游戏的目标是成为最好的。” 🧠 指数投资的行为优势 除了低费用，指数投资还有一个重要但常被低估的优势：它让投资者更容易什么都不做。主动投资者和主动基金经理往往不断交易、试图反应市场变化，而指数投资者更容易接受“我买的是市场”这个事实，从而长期持有。 “别光想着做点什么，站着别动。” ⚔️ ETF：Jack Bogle 也会犯大错 Bogle 极度反对 ETF，因为他认为 ETF 可以盘中交易，会诱导投资者投机、频繁交易、承担交易成本，甚至做空市场。因此 Vanguard 错过了最早推出 ETF 的机会，让 State Street 和后来的 BlackRock 抢占先机。节目认为，这件事清楚说明创始人的纯粹性很重要，但公司要继续扩张，也需要新一代管理者的灵活性。 🧑‍🤝‍🧑 Bogleheads：金融世界的草根信仰 Jack 被第二次请出董事会后，Vanguard 并没有与他彻底切割，而是保留他的研究中心和精神领袖地位。与此同时，投资者社区自发形成了 Bogleheads 运动，把低成本、长期持有、简单资产配置变成一种近乎信仰的投资文化。 “Saint Jack。” 🔥 金融危机成了 Vanguard 最好的营销 2008 年金融危机中，被动指数基金当然也跟着市场下跌，但主动管理人并没有像承诺中那样保护投资者。华尔街“聪明钱”的光环破灭，而 Vanguard 因为低费率、不以盈利为目标、站在普通投资者一边，获得巨大信任红利。 “Vanguard 明确给你的一个承诺是：我们不会从你身上赚钱。” 🧩 今天的新挑战：Vanguard 模式是否开始限制 Vanguard？ Vanguard 的低利润、共同所有制结构让它能极致降费，但也带来技术、客服和客户关系上的短板。许多用户在 Fidelity 等券商平台上持有 Vanguard ETF，客户关系并不在 Vanguard 手里。BlackRock 则借 iShares 在 ETF 市场大幅领先。节目最后提出一个反直觉问题：过去让 Vanguard 成功的结构，今天会不会也成为它扩展新业务的限制？ 🏦 私人资产与下一个 Vanguard Effect Vanguard 正在尝试进入 private equity 等私人资产领域。主持人讨论，公开市场基金的费用已经被 Vanguard Effect 大幅压低，但 VC 和 PE 仍然普遍是“2 + 20”的高收费结构。问题是，私人市场是 access 生意，资产会选择投资人，最优秀的管理人未必愿意放弃高费用。因此 Vanguard 能否把低费用革命带入私人市场，仍是一个巨大悬念。 🌐 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

📝 本期播客简介 本期我们克隆了：AI 工具实践播客《How I AI》Why this Claude Code engineer uses HTML files as AI specs | Thariq Shihipar (Anthropic) 本期节目来自 Anthropic 的 Code with Claude 开发者大会现场。主持人 Clara Vo 邀请参与 Claude Code 工作的 Thariq Shihipar，讨论一个正在悄悄改变 AI 编程工作流的趋势：HTML 正在成为人与 Agent 协作的新型文档格式。 过去，很多人用 Markdown 写 PRD、spec、实现计划，再交给 AI 执行。但随着 Agent 可以运行更久、处理更复杂的任务，计划文档越来越长，人类反而越来越不愿意读。Thariq 提出，真正的问题不是 Agent 能不能读 Markdown，而是人类是否还能深度参与其中。HTML 因为可以承载视觉化 mockup、交互式界面、代码片段、设计系统和验证标准，正在成为更适合人类和 Claude 共同理解、共同修改、共同推进工作的媒介。 这期节目不仅讨论“HTML 是新的 Markdown”，还展示了 Claude Code 如何生成 HTML brainstorm、HTML 实现计划、一次性 micro app、living design system，以及团队状态更新。它本质上是一堂关于 AI 时代产品经理、工程师和创作者如何重新设计文档、计划与协作界面的实战课。 👨‍💻 本期嘉宾 Thariq Shihipar，Anthropic 成员，参与 Claude Code 相关工作。他长期探索人和 AI Agent 的协作方式，尤其关注如何通过更好的界面、计划、文档和验证机制，让人类在 Agent 工作流中保持深度参与。 ⏱️ 时间戳 00:00 开场 & 播客简介 HTML 是新的 Markdown 01:33 核心观点预告：Markdown 计划太长，人类已经不读了 03:08 Code with Claude 现场：为什么说 HTML 是新的 Markdown 03:27 从 Markdown 到 HTML：Agent 计划变长之后，人类参与度下降 04:52 PRD、spec 和计划为什么仍然重要 AI 时代的新角色：算力分配者 05:11 当 Claude 跑八小时，意味着它可能花掉五百美元 06:00 产品经理没有消失，而是在变成 compute allocator 06:54 和 Agent 保持同步：不是被 AI 管理，而是共同对齐目标 用 HTML 做 Brainstorm 和计划 07:19 Claude Code 现场演示：用 HTML 生成 demo 想法 08:03 从 ASCII wireframe 到视觉化 brainstorm 08:53 一屏读不完就不会读：为什么 HTML 更容易让人投入 10:01 把想法推进成 HTML 实现计划 11:08 Prompt 不需要复杂：让 Claude 自己决定最佳表达形式 12:04 好 prompt 的平衡：给足信息，但不要限制 Claude 12:54 “我相信你”：开放式信任如何改善模型输出 未来的 PRD、Spec 与验证标准 13:26 PRD 的未来：按项目和受众定制的 spec package 14:37 在哪里介入 Agent 工作流：type interface、边界与决策点 15:21 不只写需求，还要写验证标准和测试方法 16:13 测试验证不等于测试：rubric、视频展示和 Outcomes 一次性 Micro App：为一个问题生成一个界面 16:31 Markdown 易编辑的反对意见：HTML 怎么改？ 17:22 让 Claude 为具体决策生成可编辑 HTML artifact 18:47 微型软件：从 HTML 计划里拆出一个模块，生成专属编辑 UI 19:57 这是未来的个人协作方式，还是团队协作方式？ 团队协作、即时文档与软件丰裕时代 20:26 把 HTML 计划发给同事：被阅读的概率高一百倍 21:02 用 HTML 周报向经理同步工作状态 21:28 软件 Jevons 效应：便宜的 token 带来更多临时工具和漂亮界面 22:07 即时文档与一次性软件：当创作和查找成本接近零 23:43 把 HTML 计划作为实现和验证依据 Living Design System：可运行的设计文档 24:17 用 HTML 表达 design system，而不是 Design.md 25:22 高级用法：组件可视化页面、营销素材和真实 App 截图 26:50 Component variations：用 knobs 和 sliders 探索设计变化 27:35 在计划里加入评论、圈选和审阅交互 28:18 把 spec 做成轻量 Figma dashboard 实操总结与快问快答 28:35 实操流程总结：HTML brainstorm、HTML plan、micro app、design system 29:48 最喜欢 Claude Desktop 哪个 tab？答案是 Code 30:07 Code with Claude 最兴奋的发布：SpaceX 合作与 orbital data centers 31:08 当 Claude 不听话怎么办：不要吼，保持友好和清晰 32:34 如何找到 Thariq：X 账号 @TQ212 🌟 精彩内容 💡 HTML 是新的 Markdown Thariq 认为，Markdown 曾经非常适合和 Agent 协作，因为它简单、可读、可编辑。但当 Agent 的任务越来越长、计划越来越复杂，Markdown 文档会变成一千行以上的长文件，人类反而不再阅读。HTML 的优势不只是模型能读，而是人类更愿意读、更容易理解，也更容易参与修改。 “HTML 读起来容易得多。所以它成了你和 Claude 之间更丰富的沟通媒介。” 🧠 人类仍然必须深度参与计划 节目反复强调，AI 越强，PRD、spec 和计划反而越重要。因为让 Claude 长时间运行并不是免费的，它消耗的是 token、时间和金钱。人类的新职责，是决定哪些事情值得让 AI 去做，哪些问题需要先想清楚。 “如果你要花五百美元，那我们现在其实都在变成 compute allocator，也就是算力分配者。” 🛠️ 用 HTML 生成可读的实现计划 Thariq 展示了如何让 Claude Code 先用 HTML brainstorm demo 想法，再把选中的想法扩展成一个完整的 HTML 实现计划。这个计划里可以包括 mockup、代码摘录、文件结构、mood board、逻辑说明和执行步骤。相比一份长 Markdown，这样的计划更像一个小型网页，人类更愿意真正读完并参与。 “这就是计划。它完全是 HTML。这个东西我真的会读。” 🎮 一次性 Micro App：为一个决策生成一个界面 当 Thariq 不喜欢 HTML 计划里某个具体规则表时，他没有回到终端里用文字来回修改，而是让 Claude 为这个问题生成一个专属可编辑界面。这个界面可以修改字段、隐藏内容、添加规则，并把结果导出成 Markdown 再放回计划中。Clara 将其称为“微型软件”，甚至是叠在微型软件之上的微型软件。 “这甚至都不是个人软件了。它更小，是微型软件。” 📄 即时文档和一次性软件的时代 当生成文档、生成界面、生成工具的成本大幅下降后，团队不一定再需要为所有内容强行套用同一个模板。计划可以是 HTML，周报可以是 HTML，设计系统也可以是 HTML。重点从“文档放在哪里、格式是否统一”，转向“这个计划是否清楚、是否有助于判断和执行”。 “因为它很便宜，所以用完就可以扔掉。” 🎨 Living Design System：Design.html 万岁 Thariq 和 Clara 都分享了把 design system 做成 HTML artifact 的做法。它不仅可以展示颜色、字体、间距和组件，还能让 Claude 在不同项目中引用同一套设计语言。Clara 还提到，可以为营销团队生成组件可视化页面，让他们直接下载真实 App 风格的透明 PNG，用于 deck、视频或宣传素材。 “Design.md 已经死了。Design.html 万岁。” ✅ 测试验证不等于测试 节目中还提到，AI 时代的验证不只等于传统 unit test。验证可以是一套 rubric，可以是一组 synthetic data，也可以是让 Claude 展示它完成了什么。对于产品经理来说，未来不仅要写功能需求，还要更清楚地定义成功标准、验证方式和边界条件。 “测试验证不等于测试。” 🤝 对 Claude 友好一点 在快问快答中，Clara 问 Thariq 当 Claude 不听话时会不会吼它。Thariq 表示不会。他更倾向于用友好、清晰的方式和模型沟通，因为他希望未来存在这样一种协作方式：你对模型更友好、更有建设性，它也能给出更好的结果。 “我更希望这样一种情况存在：你对 Claude 友好一点、客气一点，就能得到更好的输出。” 🌐 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

📝 本期播客简介 本期我们克隆了全球 AI 开发者大会上的一场高能演讲 Harnesses in AI: A Deep Dive — Tejas Kumar, IBM 主讲人是 IBM 的 AI 开发者倡导者 Tejas Kumar。当整个行业都在疯狂调优 prompt 时，他却一针见血地指出：真正的解法在于给 AI Agent 套上一副“缰绳”——Harness。通过一个干净利落的 Live Demo，Tejas 展示了一个会撒谎、常崩溃的残血版 Agent，如何在不修改一行 prompt 的情况下，仅靠加上层层护栏、验证和自动化处理器，就稳如磐石地完成任务。他更抛出一个大胆判断：2025 是 Agent 之年，2026 必将属于 Harness，并畅想了“动态即时 Harness”这一通往 AGI 的下一步。这期节目不聊虚的，全是软件工程硬货。 👨‍⚕️ 本期嘉宾 Tejas Kumar，IBM 的 AI 开发者倡导者，曾在多家前沿科技团队摸爬滚打，如今专注于一个课题：让 AI 系统真正可控、可依赖。他擅长将复杂理念用最直观的代码展现在你面前。 ⏱️ 时间戳 00:00 主播开场：本期克隆简介与金句预告 登山者的安全带与 AI 的缰绳 01:32 演讲开场：Tejas 自我介绍，抛出“Harness”这个贯穿始终的词 02:48 核心痛点：我们都在为别人的黑盒模型付租金，可靠性是唯一解药 04:35 到底什么是 Agent Harness？——工具注册、上下文压缩、护栏、循环与验证的五合一 Live Demo：从零驯服一个会撒谎的 Agent 07:10 任务来了：用古董级 GPT-3.5 去 Hacker News 点赞，且绝不碰 prompt 09:20 首次翻车：Agent 没干成，却大言不惭地说自己成功了 10:45 第一层加固：给 Agent 套上护栏——限制步数，自动压缩上下文 12:30 代码“手术”：把一团逻辑提炼为独立的 Harness 模块 13:40 真相模块：加入确定性的验证函数，检查工具历史，彻底杜绝撒谎 15:20 终极障碍：遇到登录页怎么办？Harness 自己注入凭证，瞬间通关 17:00 功德圆满：零 Prompt 修改，成功点赞，Harness 的威力尽显 总结与前瞻 18:10 全场最响金句：“我一次都没动过 prompt”，一切改变来自 Harness 19:02 趋势预测：2025 Agent 之年，2026 Harness 之年，2027 动态即时 Harness 之年 20:23 IBM 在干嘛？Open Rag 项目用超级 Harness 为企业内部 RAG 加装安全锁 21:00 致谢与畅想：动态 self-harness 或许是通向 AGI 的下一个台阶 🌟 精彩内容 🪢 一个比喻点透 Harness Tejas 的类比精妙至极：登山者靠安全带把自己固定在稳定的山体上，遛狗的人用背带防止狗乱窜——AI Harness 做的正是同一件事：把飘忽不定的大模型，牢牢锚定在你完全可控的代码环境里。跟模型本身牛不牛没关系，只关乎你给不给它拴上绳子。 🛠️ Prompt 一碰没碰，Agent 脱胎换骨 整场 Demo 中，Tejas 说到做到，连系统 prompt 都没改一个字。他靠的是传统软件工程的看家本领：加护栏防止失控，写验证函数打假，再用自动登录器填坑。结果？同一个老模型，从不靠谱的骗子变成了指哪打哪的标兵。Harness 不是花招，是工程正道。 🤖 2025 风头正劲的是 Agent，但下个爆点属于 Harness Tejas 说得很直白：“二零二五年是 Agent 之年，那么二零二六年就是 harness 之年。”他更往前一步，描绘了让 Agent 在执行任务前先为自己生成一个 Harness 的未来，那将是具备自我意识的“动态即时 Harness”。他相信，这是 AGI 逻辑链上不可或缺的一环。 🏢 不是玩具，是铠甲：IBM Open Rag 的 Harness 实践 在 IBM，Tejas 和团队打造的开源项目 Open Rag，处理的是企业最敏感的内部数据——Teams 通话、发票、PDF。支撑其企业级安全的不是魔法，而是一套工程深厚的 Harness。它证明了 Harness 不仅仅是 Demo 里的技巧，更是大厂真金白银投入的方向。 🌐 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

📝 本期播客简介 本期我们克隆的是知名播客《Huberman Lab》How to Overcome Social Anxiety | Dr. Nick Epley 由斯坦福医学院神经生物学教授 Andrew Huberman 主持，嘉宾是芝加哥大学布斯商学院行为科学教授 Nick Epley 博士。Nick 是社会连接领域的顶尖专家，其新书《A Little More Social》分享了如何通过日常小选择带来意想不到的幸福与健康。在这场对话中，你将听到人类对他人心智的解读机制、声音与眼神隐藏的力量、为什么独处会伤害我们、以及如何用特定的暴露疗法克服社交焦虑。Nick 本人也动情讲述了他如何凭借研究数据的勇气领养一位患有唐氏综合征的女儿，以及一次主动的问候如何转化为多年友谊。这不仅是关于“多与人交谈”的建议，更是一次关于人性本质、爱、勇气与微小习惯如何重塑人生的深度启迪。 👨‍‍🔬 本期嘉宾 Nick Epley 博士，芝加哥大学布斯商学院行为科学教授，社会认知与连接领域的权威研究者。他的研究被《纽约时报》《华尔街日报》等广泛报道，新书《A Little More Social: How Small Choices Create Unexpected Happiness, Health, and Connection》即将出版。 ⏱️ 时间戳 开场与嘉宾介绍 00:00 节目介绍与嘉宾背景 01:29 欢迎 Nick Epley 破解心智的秘密：眼神、声音与思考 01:29 心理理论：人类如何推断他人意图 09:32 声音的魔力：为什么语音比文字更显人性与智慧 19:23 视频、语音、文字——不同媒介如何左右我们对人的判断 27:48 独处的代价：社交隔离如何伤害幸福感 34:07 远程作用：我们渴望在外部世界留下回响 41:18 对话的艺术：“响应性”为何让交流令人愉悦 社会连接的根本：合作与超越血缘的爱 43:23 协调与合作：社会连接的核心功能 45:10 非亲属之爱：领养孩子与“镜中自我” 打破社交焦虑：从实验室到真实世界 01:15:22 暴露疗法：如何用真实互动改写恐惧信念 01:17:57 Gia的100天拒绝挑战：善意远多于拒绝 01:29:54 怎样避免“粘人”：把握社交的尺度 01:37:16 寻找线下连接：教堂、音乐节与日常契机 爱与家庭的连接故事 01:39:06 领养唐氏女儿：数据驱动的勇气与意想不到的祝福 01:52:02 接纳孩子本来的样子 01:59:01 麋鹿营地的友谊：一次主动问候开启的多年缘分 习惯的力量：塑造积极的社交人生 02:06:19 以身作则：年长者的示范责任 02:11:44 “打招呼步行”：小习惯如何点亮每一天 结尾 02:17:49 感谢与 Nick Epley 新书《A Little More Social》 🌟 精彩内容 💡 低估的善意：Gia的100天拒绝疗法 Gia Giannini 曾极度害怕被拒绝，于是开启了一项为期100天的挑战：每天向陌生人提出荒唐请求，例如在 Krispy Kreme 要求制作奥运五环甜甜圈、在自家后院踢足球、在飞机上广播等。他以为会遭遇99%的拒绝，结果被接受的次数（51次）竟然超过了被拒绝的次数（48次），且几乎没有任何恶意回应。这次经历彻底改变了他对人类善意的认知，也证明我们的社交恐惧常常是建立在对他人过度悲观的错估之上。 🗣 声音是心智的窗户 在一项实验中，人们通过视频、纯音频、文字稿或书面解释来评价政治人物的思考深度与人性。结果发现，只要听到声音，即便是反对派，也被评价为更理性、更聪明，而那些只能阅读文字的人更容易将对方“去人性化”。声音中的语调、节奏和停顿传递出“活跃的思维”，这种信息在纯文字中大量丢失。 👨‍‍👩‍‍👧‍ 数据驱动的勇气：领养唐氏女儿 当妻子提议领养一名唐氏综合征孩子时，Nick 陷入了常见的恐惧与不确定。但他回想起自己研究积累的成千上万数据点都指向一个事实：人们主动伸出援手时，结果往往比预想的好得多。这种“数据驱动的勇气”让他迈出一步，最终领养了来自中国的 Lindsay。Lindsay 成为家庭的“磁铁”，用毫无保留的“Hi”感染了每一个人，让 Nick 见证了超越智识障碍的深刻连接。 🦌 麋鹿营地的启示 在俄勒冈野外，Nick 和儿子本遇到一队陌生猎人。本本能地想要避开，但 Nick 选择主动打招呼。结果对方不仅分享了多年的狩猎经验，还邀请他们到帐篷共进晚餐，甚至拿出红酒招待。这次偶遇发展成持续的友谊，猎友至今仍发短信提醒他们申请狩猎许可。一次主动的连接，为父子旅行增添了远超预期的温暖。 🚶 从“打招呼步行”开始的改变 Nick 改变自己的第一个小习惯是“打招呼步行”：从办公楼门口到办公室的路上，他不再低头匆匆走过，而是微笑着和每位路过的同事、保安、清洁工打招呼。这个微小的例行程序让他的心情显著变好，也示范了如何通过刻意练习将积极的社交行为内化为性格的一部分。 🌐 播客信息补充 翻译克隆自：《Huberman Lab》 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

📝 本期播客简介 本期我们克隆了硅谷顶尖创投播客《Lenny's Podcast》Why AI is about to eat hardware | Caitlin Kalinowski (ex–OpenAI, Meta, Apple) 主持人 Lenny Rachitsky 与硬件领域传奇人物 Caitlin Kalinowski 进行了一场深度对谈。Caitlin 曾在苹果参与 MacBook Air 与 Mac Pro 的设计，在 Meta 领导 VR 硬件团队，并曾在 OpenAI 从零开始建立机器人与硬件部门。她是硅谷最受追捧的硬件专家之一，亲历了消费电子、AR/VR、机器人和 AI 硬件的发展浪潮。在这期节目中，她将揭示 VR 为何未能成为主流却又如何为机器人时代铺路、硬件开发的血泪法则、供应链的致命脆弱点、AI 如何改变工程设计，以及她对未来战争与家用机器人的冷峻预判。无论你是硬件从业者、AI 爱好者，还是对未来科技充满好奇，这都是一堂不可错过的硬核公开课。 👨‍⚕️ 本期嘉宾 Caitlin Kalinowski，硬件工程领袖，曾任 OpenAI 机器人与硬件部门负责人，Meta VR/AR 硬件团队负责人，苹果 MacBook Air 及 Mac Pro 技术负责人。她是硅谷最知名的硬件布道者之一，多次从 0 到 1 搭建顶尖硬件团队，并致力于推动实体 AI 与机器人技术的发展。 ⏱️ 时间戳 00:00 开场介绍：克隆节目与嘉宾背景 VR 与 AR 的兴衰：技术弧线上的垫脚石 04:24 VR 为何没能改变世界：社交障碍与面罩困境 06:36 AR 眼镜的未来：从 Orion 到全天候显示屏 08:03 VR 技术的意外遗产：正为机器人时代铺平道路 硬件开发到底有多难 10:16 硬件“编译”只有五次：量产前无法像软件一样迭代 12:11 为什么硬件工程师必须保守：公差、良率与百万量级 15:37 机器人时代来临：键盘前的 AI 终将饱和，下一前沿是物理世界 17:12 供应链致命点：一颗磁铁如何卡住整个机器人产业 19:20 战争驱动的创新：无人机、航空母舰与重新工业化的紧迫 AI 安全与实体世界的碰撞 22:41 机器人被“越狱”的恐怖想象：prompt injection 在物理世界的后果 23:53 OpenClaw 乌龙：AI 代理如何轻易泄露隐私 苹果和 Meta 的硬件管理心法 25:40 苹果的“柜子背面”哲学：每个细节都是对目标的极致忠诚 29:24 案例：Quest 2 如何通过砍功能、降成本来成就爆款 30:33 硬件开发四大原则：目标明确、先啃难点、聚焦触控、立即行动 34:27 像 Elon 一样量化权衡：一克重量的价值是多少？ 供应链风暴与内存危机 39:30 “存储价格”陨石袭来：AI 吞噬内存，硬件公司如何求生 41:38 价格翻倍、六倍飙升？内存短缺背后的深层逻辑 43:47 一个扫地机器人有上千个组件，缺一颗螺丝就全线停摆 45:48 垂直整合：特斯拉和 Starlink 的供应链护城河 AI 闯入硬件设计 48:06 CAD 的 AI 化还处于襁褓：为什么 LLM 不懂摩擦力？ 51:08 PCB 布线已成 AI 练兵场，但真正的革命需要“世界模型” 53:02 人形机器人不是万能答案：为什么工厂里不需要“仿人机器” 55:23 数据即壁垒：谁拥有三维 CAD，谁就拥有了未来？ 五年展望：家用、战争与人类的位置 1:03:10 五年内，你会在街上看到更多怪东西，但家用机器人尚早 1:06:03 战争变化将远超消费电子：无人机正在重塑军事逻辑 离开 OpenAI 与领导力反思 1:06:32 为何离开 OpenAI：当价值观与管理决策发生冲突 1:08:40 招聘新规则：通才、专才与“AI 原生代”同样珍贵 1:11:51 反驳 AI 消灭初级岗位：我们比任何时候都更需要二十岁的年轻人 传奇领袖的启示 1:13:47 从乔布斯、扎克伯格到奥特曼：想得不够大、标准永不妥协、决策下放 1:16:17 失败教会我的事：Quest One 摄像头公差的惨痛翻车故事 闪电问答 1:20:54 最近推荐的书：《新日之书》《达洛维夫人》《历史》 1:22:02 最爱的影视：《亢奋》 1:22:39 最酷的产品：Vollebak 材料科学服装 1:23:01 人生格言：过去与未来都是分支，只有当下可选择 1:24:02 为何雇博士学古典：从约瑟夫·布罗茨基书单谈起 🌟 精彩内容 💡 VR 是机器人时代的垫脚石 Caitlin 指出，VR 虽然在消费市场未能大爆发，但它解决了空间定位、SLAM、深度传感器等关键问题，这些技术如今正被广泛应用于机器人、自动驾驶和制造业。这意味着那些在 VR 上投入巨资的公司，已经在下一波物理 AI 浪潮中抢占了先机。 “我把 VR 看作是漫长技术演进弧线上的一步……所有这些技术都在被机器人领域使用。” 💡 硬件只能“编译”五次 与软件不同，硬件项目从设计到量产通常只能经历寥寥几次大的迭代。一旦最终定型并量产，就无法再像软件那样推送更新。这种极强的约束迫使硬件工程师必须极度保守，在过程中进行更多的可靠性测试和冗余设计。 “做硬件的话，每次大改版你都得在 CAD 里重新设计，然后发布。到量产那最后一次，就定稿了。” 💡 供应链的致命脆弱：从磁铁到内存 从机器人执行器里的磁铁，到所有智能设备都依赖的内存，供应链的中断可能瞬间摧毁一个产品。Caitlin 分享了新冠疫情期间的采购教训，并警告当前 AI 热潮下内存价格可能飙升，建议硬件公司提前囤货。她还提出了重新工业化以确保国家安全的主张。 “如果我们拿不到磁铁，那就得设计新型的 Actuator……这很基础。而内存价格正在像陨石一样砸向整个消费硬件和机器人行业。” 💡 招聘“AI 原生代” 在组建顶级硬件和机器人团队时，Caitlin 特别强调了要寻找那些在二十岁左右、完全原生地使用 AI 工具的新型人才。他们解决问题的方式与以往完全不同，速度更快，是教导整个团队拥抱 AI 的关键。 “真正 AI 原生的人……基本都在二十岁、二十一岁左右……我们需要这些人来教我们怎么思考。” 💡 乔布斯的“想得不够大”与奥特曼的“为什么不是一万倍” Caitlin 分享了与三位传奇创始人共事的心得：乔布斯从不降低对卓越的标准，扎克伯格将决策下放到最低层级并保持极高效率，而奥特曼则习惯用庞大数字推动团队跳出局限。 “Sam 特别擅长问：为什么不更多？为什么不是一百倍或一万倍？你想得太小了。” 🌐 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

📝 本期播客简介 本期我们克隆的是知名写作播客《How I Write》Storytelling Mastery in 107 Minutes — Dean Koontz 主持人是备受关注的写作导师 David Perell。他深入美国惊悚小说大师 Dean Koontz 的私人书房，带来一场关于创作灵魂的深度对谈。Dean Koontz 写过一百多本书，全球销量超过五亿册，却极度反感传统创作教条。在节目中，他毫无保留地分享了为什么必须放弃提纲、如何让角色拥有自由意志、他那如珊瑚礁般一页一页打磨的独特写作方式，以及童年苦难如何成为他理解邪恶与塑造角色的源泉。这不仅是关于写作技艺的大师课，更是一场关于生命神秘、信仰与美的哲学漫游。 👨‍🎨 本期嘉宾 Dean Koontz，美国惊悚小说大师，著有《Odd Thomas》《Intensity》《Lightning》等众多畅销书，作品全球销量超过五亿册，以其独特的角色驱动写作方式和对英语语言的极致追求著称。 主持人 David Perell，写作导师、知名播客《How I Write》主持人，致力于探索顶尖作家的创作心法。 ⏱️ 时间戳 00:00 开场：Yikai介绍本期克隆播客及嘉宾Dean Koontz 01:23 David Perell在Dean Koontz的书房开启对话 放弃提纲，信任角色 02:02 行业惯例 vs 创作自由：为什么提纲会限制好点子的诞生 03:28 赋予角色自由意志：让他们带你去意想不到的地方 04:33 信任角色的时刻：当角色自己说话时，你就知道路子对了 珊瑚礁般的写作方式与自我怀疑 05:57 独特的写作方式：一页改二十遍，直到完美再动下一页 06:33 自我怀疑是工具：所有的写作障碍都是自我怀疑 09:02 挑战：为智商75的主角创造一套独特的语言 13:48 钟形曲线左端的智慧：简单中的深刻 14:45 反抗“常识”：《Lightning》的出版风波，坚持自我风格 寻找声音，发挥天赋 19:22 从科幻到悬疑喜剧的转型历程 22:27 生活中的神秘指引：那些无法解释的巧合 27:25 将绘画的渴望化为文字的生动 28:20 才能是礼物，责任是把它用到极致 灵感与角色的诞生 28:58 一首歌催生一本小说：《Life Expectancy》的灵感瞬间 32:36 Odd Thomas 的意外降生：一句突然冒出的开场白 33:56 自律源于热爱：只喜欢写作的过程 35:06 父亲的原型：如何钻进反社会者的脑子 42:09 童年的羞辱：转化为同理心与创作深度 44:11 普通人的非凡：圣经人物与 Dean 笔下的角色 编辑、语言与悬念 45:24 编辑方向：文笔的流畅性与生动 47:23 超越海明威：保留英语的诗意，反对过度简化 52:49 悬念的核心：让读者在乎角色 59:46 案例《Intensity》：道德抉择如何制造悬念 01:01:03 单一视角原则：活在角色里，而非操控木偶 01:04:06 隐喻的力量：比形容词更高效地塑造情绪 信仰、自我怀疑与写作障碍 01:04:46 科学与信仰：量子力学中看见的创造世界 01:09:08 所有的写作障碍都是自我怀疑：如何与怀疑共存 大师的馈赠 01:11:13 John D. MacDonald：让人物和情节一样有趣 01:13:05 T.S. Eliot：震撼的语言与对世界的接纳 01:15:45 Ray Bradbury：用喜悦写作，让语言绚烂而不失控 01:19:48 狄更斯：不怕流露真情，区分真情与滥情 美学、环境与终极墨水 01:24:16 平淡无奇正摧毁灵魂：艺术与美的救赎 01:24:54 日式与Art Deco：美如何带来内心平静 01:27:17 形而上学是笔中的墨水：生命必有奥秘，才有书可写 01:32:09 结尾：David感谢Dean，访谈结束 🌟 精彩内容 💡 放弃提纲，把方向盘交给角色 Dean Koontz 坦言，他职业生涯的转折点就是停止写提纲，转而让角色驱动故事。“如果你死守提纲，产出的书质量肯定不如你放手让创造力流淌来得好。”他相信角色拥有自由意志，当你信任他们，他们会引领你走向完全意想不到、却更精彩的境地。“我常被角色说出的台词逗笑，那一刻我就知道路子对了。”这种方法不仅解放了他的创造力，更诞生了像 Odd Thomas 这样的经典角色。 🛠️ 珊瑚礁写作法：每天在自我怀疑中打磨 与大多数作家不同，Dean 从不多次起草整本书。他是一页一页地推进，每一页都要修改二三十遍，直到他无法再改动为止。“我推进一本书，就像珊瑚礁是由无数微小生物的遗骸一点一点累积而成那样。”同时，他将自我怀疑视为一种工具：“所有的写作障碍都是自我怀疑。你不应该害怕它。”正是这种极度缓慢又自律的方式，让他能够品控每一句话，最终用文字构建出令五亿读者着迷的世界。 🎨 语言的炼金术：隐喻、诗意与真情 Dean 深爱英语这门语言。他反对盲目追随海明威式的简化，主张运用所有修辞工具让文字歌唱。“当我大量使用隐喻的时候，一开始遭到了负面反应，但读者最强烈的反应之一，恰恰是那种用上所有语言工具的文字。”他强调，隐喻必须服务于场景的情绪和角色的视角，而非炫技。同时，他区分了真情（sentiment）与滥情（sentimentality），认为真正的文学应该敢于打动人心，正如狄更斯那样，让读者泪流满面。 ❤️ 苦难的价值与创作的源泉 成长于一个充满暴力、酗酒和羞辱的家庭，Dean 的经历痛苦却深刻。他将反社会人格的父亲视为理解邪恶的“礼物”。“你必须走出来，否则那个混蛋就赢了。”这种态度不仅塑造了他笔下众多复杂的反派，也让他对生活中的神秘与美抱有极大的敬畏。他认为，如果生命没有奥秘，作家便只有一本书可写。“形而上学是我笔中的墨水。每个生命、每个角色的人生，都是一场朝向某种有意义之物的伟大冒险。” 🌐 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

📝 本期播客简介 本期我们克隆了全球知名科技播客《Cognitive Revolution》Three Kinds of Software Survive: Tasklet's Andrew Lee on Competing to be a Horizontal Platform 主持人 Nathan Labenz 与 Tasklet 创始人兼 CEO Andrew Lee 进行了一场深刻坦诚的对话。这是 Andrew 第四次做客节目，他依然坚持“速度是唯一的护城河”，并毫无保留地分享了 Tasklet 过去六个月如何将整个产品技术栈彻底推倒重写。你将听到他们怎样用文件系统取代无限增长的长聊天记录，重新发明上下文管理以大幅降低 token 成本。Andrew 还首次袒露了从几乎 all-in Anthropic 到果断拥抱多模型平台的心路历程，也直言不讳地讨论了与模型供应商之间既合作又竞争的微妙舞蹈，更抛出一个惊人的预测：未来只有三类软件公司能活下来。这不仅是一场关于 AI Agent 平台前沿技术的第一手分享，也是关于如何在极速变化的赛道中思考护城河与商业模式的战略大师课。 👨‍⚕️ 本期嘉宾 Andrew Lee，通用 AI Agent 平台 Tasklet 的创始人兼 CEO。他曾是数据库创业者，坚信速度是唯一护城河。过去半年，他带队将 Tasklet 从专注工作流自动化完全转向通用的、取代知识工作者所有 SaaS 的横向 Agent 平台，并正在将 OpenAI、Google、开源模型等全部纳入 Harness，目标是成为企业中立、多模型的 AI 超级机甲。 ⏱️ 时间戳 00:00 开场 & 播客简介 六个月推翻所有代码 04:12 被迫转型：用户想要的不是工作流，而是同步对话的通用 Agent 09:01 上下文管理革命：把历史放进文件系统，发送给 LLM 的只需是提示 10:20 分桶压缩与缓存：如何在数万次自动触发中不破产 14:59 跨用户缓存潜力与多模型序幕 从 Claude 信徒到多模型平台 16:01 Opus 4.5/4.6 的突破与拒绝 4.7 的成本账 18:14 GPT-5.5 赶上来了，为什么 Kimi、DeepSeek 也值得认真对待 19:51 残酷的供应商竞合：Max 订阅吸走了 80% 流失用户，Anthropic 正补贴从我们这里离开的人 23:30 中立的魔力：给任何模型“穿上机甲”，替企业押注所有人 30:26 重新定义 Harness：不是限制模型的缰绳，是让它征服世界的机甲 33:16 用小模型调度大模型：借鉴 Anthropic Supervisor Agent 的省钱哲学 36:23 多模型 Harness 的挑战：为不同缓存 API 编写不同代码 44:33 模型的趋同与变数：大实验室互相偷师，新玩家可能从斜刺里杀出 构建共享大脑与终极软件格局 53:18 组织、团队、Agent 三层上下文：Tasklet 的第二大脑计划 01:04:02 未来仅存三类公司：横向平台、Headless API、解决方案公司 01:06:56 赢得企业信任：回滚、审核与版本控制如何让 Agent 进入关键业务 快速问答与幕后趣闻 01:09:54 推荐供应商：Black Salt、Firecrawl；内部 Token 支出仅占人力成本 5‑10% 01:13:57 对 Mythos 的谨慎：没摸到的东西很难兴奋 01:15:35 扎克伯格会打电话吗？Manus 收购被中国否决后的花絮 🌟 精彩内容 💡 六个月，全部推倒重来 Andrew 透露，用户的需求迫使他们从工作流自动化彻底转向一个能同步对话的通用 Agent。这导致了整个产品、架构、甚至底层假设的重写。他用一句话概括：“过去六个月里，基本上每一行代码可能都被动过了，我们大多数基础假设都被推翻了。” 🛠️ 文件系统拯救 Agent 的上下文 为了解决无限聊天历史带来的成本崩溃，Tasklet 创造性地把历史状态移入文件系统，实际发送给 LLM 的只是精心设计的提示。这不仅能无限扩展，还搭配了按时间分桶的智能压缩，让自动触发一年的 Agent 依然记得最初的指令。“我们真正需要的是一个保存你历史的文件系统，然后实际发送给 LLM 的只是提示。” 🚀 给模型“穿上机甲”，而不是套上缰绳 Andrew 重新定义了 Harness 的角色：它不应该只是控制模型的缰绳，而应该是一套增强其能力的机甲。“我倾向于认为大家其实都在构建同样的东西。……Harness 更像是给它穿上机甲，让它能在真实世界里真正去做事。” ⚔️ 微妙的供应商战争与中立平台之策 面对 Anthropic Max 订阅近乎五倍以上的隐性补贴，Tasklet 80% 的流失用户直接去了第一方产品。Andrew 果断将 Tasklet 定位为中立的 AI 平台，替企业押注所有模型并优化选择。“押我们，等于押注所有人。我们会给你提供 Anthropic 的模型、OpenAI 的模型、Google 的模型……我们是纯粹的中立方。” 📉 终极预言：未来软件公司只会有三种 在对话尾声，Andrew 给出了一个大胆而清晰的预测：“我们想做的，就是成为那个取代知识工作者所有 SaaS 产品的 AI Agent 平台。”他认为最终只会剩下横向通用平台、纯 API 的 headless 公司，以及直接售卖结果的解决方案公司。像 Salesforce 这样的旧日巨头，将面临大幅萎缩。 🌐 播客信息补充 翻译克隆自：《Cognitive Revolution》 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

📝 本期播客简介 本期我们克隆了知名科技播客《Dwarkesh Patel 播客》的一期深度对谈 What rebuilding AlphaGo teaches us about self-play, RL, and future of LLMs - Eric Jang 主持人 Dwarkesh Patel 与嘉宾 Eric Jang 展开了一场精彩纷呈的技术深潜，从零开始重建了 AlphaGo 的思想宫殿。 Eric Jang 曾担任 1X Technologies 的 AI 副总裁，此前是谷歌 DeepMind Robotics 的高级研究科学家。他在休假期间做了一个让极客们热血沸腾的项目：用当今的开源工具和极低的预算，从头重建、改进并深入理解了 AlphaGo。在这期节目里，Eric 手把手地拆解了 AlphaGo 的核心组件——蒙特卡洛树搜索（MCTS）、策略网络与价值网络如何协同工作，以及为什么这套组合拳如此优雅且强大。但这远不止是一堂围棋 AI 历史课。Eric 更进一步，将 AlphaGo 的算法与现代 LLM 的强化学习进行了直接对比，深刻揭示了后者在方差、信用分配和样本效率上的根本困境，并展望了将搜索思想引入大模型推理的前景。此外，他还分享了自己用自动化 AI 辅助研究的实践经验，探讨了围棋作为“AI 科学家”孵化器的可能性。整期节目信息密度极高，从算法直觉到宏观哲学，将彻底刷新你对强化学习、搜索和智能本质的认知。 👨‍🔬 本期嘉宾 Eric Jang，前 1X Technologies AI 副总裁，前谷歌 DeepMind Robotics 高级研究科学家。他在机器人学习、深度强化学习领域有深厚积累。近期，他在休假期间独立完成了从头复现和改进 AlphaGo 的项目，并撰写了详细的技术教程，引发了社区广泛关注。他以对 alphaGo 核心机制的独到洞见，以及对自动化 AI 研究的先锋思考而闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 从零开始理解 AlphaGo 02:05 为何 AlphaGo 令人着迷：用一个神经网络摊销几乎不可解的搜索 03:43 围棋规则速通：从吃子到 Trump-Taylor 计分 08:38 搜索树与组合爆炸：361的300次方，比宇宙原子数还大 蒙特卡洛树搜索（MCTS）核心原理 11:16 UCB 与 PUCT：如何边建树边决定探索哪条路 15:59 价值函数登场：人类“一眼定输赢”的直觉，AI 也能拥有 21:02 策略网络：先猜一把哪儿值得搜，大幅剪枝 神经网络与搜索的完美联姻 24:54 MCTS 四步流程：选择、扩展、评估、回传 27:28 架构选择：为什么 ResNet 在小预算下仍优于 Transformer 34:23 初始化的魔力：先用人类棋谱教会模型什么是好棋 42:21 Self-play 闭环：让搜索反哺网络，实现策略迭代 强化学习的优雅与残酷对比 47:41 MCTS 作为改进算子：永远给你一个比当前策略更好的答案 52:00 知识蒸馏：把几千步搜索的成果内化到网络的一次前传里 57:04 价值函数训练技巧：小棋盘预训练与终局标签的重要性 01:03:01 深度震撼：10 层神经网络如何摊销 NP 难问题 01:11:35 对比 LLM RL：方差为何爆炸，“吸管里吸信号”的困境 01:22:21 MCTS 能直接用于 LLM 推理吗？广度、深度与动作空间的挑战 计算效率与自动化研究 01:28:41 算力缩放亲历：从千万美元到几千块，AlphaGo 变廉价了 01:38:08 Off-policy 训练与回放缓冲区：如何复用旧数据 01:47:04 信息论视角：监督学习每样本比特数远超 RL，软标签有多重要 01:55:36 围棋作为 AI 科学家孵化器：用外循环验证研究直觉 02:05:12 研究品味与可验证性：如何设计正确的 RL 环境 02:08:03 结尾 & 资源推荐 🌟 精彩内容 💡 10 层网络，摊销 NP 难题 Eric 指出 AlphaGo 最深远的贡献并非围棋本身，而是一个概念突破：区区 10 层神经网络，通过一次前向传播，就能以极高精度近似一个几乎不可解的深层搜索问题。这暗示了宏观特征可以瓦解我们对计算复杂度的传统认知，类似的现象也出现在 AlphaFold 等模型中。 “这是一个突破，我觉得今天大多数人都没能完全领会它有多么深远。” 🛠️ MCTS 的优雅：永远不用从 0% 开始 与今天 LLM 使用的朴素策略梯度方法不同，AlphaGo 的 MCTS 永远能基于当前状态给出一个改进后的策略标签。这意味着它的学习过程从未陷入“所有信号都是零”的荒漠，每一步都有明确的监督目标，从而实现了惊人的采样效率和稳定性。 “AlphaGo 之所以优雅，就是你永远不需要从一个 0% 的成功率开始，也不需要解决怎么拿到非零成功率的探索问题。” 🚀 监督学习信息效率完胜 Eric 与 Dwarkesh 从信息论角度对比了监督学习和 RL。在低 pass rate 区域，RL 每个样本只能提供极少的学习比特，而监督学习通过软标签（整个概率分布）可以提供高得多的信息量。这也解释了为何蒸馏如此强大——MCTS 的访问计数分布作为软目标，传递了远超单个动作标签的“暗知识”。 “在一个软标签里，每样本的信息量，以比特计，要大得多。这就是为什么蒸馏这么有效。” ⚖️ 成为第一，算力永远最贵 Eric 分享了自己仅用一万美元算力就重建 AlphaGo 的经历，对比当年 DeepMind 动辄百万美元的投入和定制 TPU 集群。他强调：“成为第一个做成一件事所需的算力，永远比后来追上来所需的算力大得多。”这个规律在 LLM 时代同样成立，先行者必须为探索未知付出巨大溢价。 🧪 围棋作为 AI 科学家的训练场 Eric 正在将围棋打造成一个“外循环”，用于训练自动化 AI 研究智能体。因为围棋验证快速、胜负明确，可以低成本地检验智能体提出假设、设计实验、解释结果的能力，最终有望迁移到更复杂的科学发现任务中。 “我搭建这个围棋环境的动机之一，就是觉得围棋承载了大量非常有趣的研究问题，而且验证速度很快。” 🌐 播客信息补充 翻译克隆自：《Dwarkesh Patel 播客》（Dwarkesh Patel Podcast） 本播客采用 AI 声纹克隆技术将原主持人和嘉宾的声音翻译成中文，可能听起来略有差异。 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

📝 本期播客简介 本期我们克隆了顶级投资播客《Invest Like the Best》Inside Anthropic's $100 Billion Al Compute Commitment | CFO Krishna Rao 主持人 Patrick O'Shaughnessy 与 Anthropic 首席财务官 Krishna Rao 展开了一场关于AI商业最前沿的深度对话。Krishna 揭开了Anthropic 百亿美金算力采购背后的决策逻辑，复盘了公司从90亿美元年营收暴增至300亿美元背后的指数级增长引擎，并坦率分享了内部文化、定价哲学以及与政府、投资者的微妙关系。这期节目不仅是一扇窥见AI实验室内部运作的窗口，更是一堂关于如何在指数时代进行商业思考的实战课。 👨‍⚕️ 本期嘉宾 Krishna Rao，Anthropic 首席财务官。他负责公司财务规划、算力采购、资本运作等核心职能，主导了与亚马逊、谷歌等云厂商总计数千亿美元的天价算力协议。在加入 Anthropic 前，他曾帮助 Airbnb 完成疫情期间的紧急融资，并拥有黑石集团私募股权背景。 ⏱️ 时间戳 00:00 开场 & 播客简介 算力即命脉 02:49 “我们采购的算力，就是公司业务的命脉” 03:19 为什么必须提前数年规划：算力无法即买即用 04:09 灵活性的三层内涵：使用三种不同芯片平台，自研调度层 06:06 从芯片层面构建编译器，实现对裸金属层的极致掌控 指数思维与不确定性之锥 06:22 “要停止线性思考，转用指数思维”——Krishna打破自身认知范式的转折点 07:08 如何用“不确定性之锥”推演未来，并瞄准结果范围的上限 07:34 分配给内部员工的算力本可换来数十亿美元收入，但选择长期主义 前沿智能的极高回报 08:47 公司有一条不会低于的算力基线，永远优先保证模型开发，因为前沿回报极高 11:02 模型迭代不仅能力跃升，token处理效率也乘数级提升 13:28 四个月内年营收从90亿跳涨至300亿，新模型不断解锁TAM 递归式自我改进与Scaling Laws 14:28 团队提出“递归式自我改进”概念：模型正自己构建下一代模型 15:10 内部超过90%的代码由Claude Code编写，其中很多代码又是Claude自己写的 19:22 “Scaling laws没有放缓，活力十足”——Krishna的明确判断 算力网络与消化能力 21:16 与XAI、SpaceX、Google、Broadcom等签订百亿、千亿级协议，层层叠加的算力蛋糕 24:45 如果明天空降十倍算力，能快速消化吗？——是的，因为已锤炼出高度可互换性 定价哲学与资本效率 31:18 为何收入暴涨而定价基本不动？降低Opus价格引发消费量爆发的杰文斯悖论 33:21 追求定价稳定性，同时用降价来释放价值，推动生态普及 34:01 整体计算回报率而非可变成本模型，才是衡量业务健康度的真正标尺 融资、误解与客户信任 40:51 D轮融资撞上FTX抛售股票，E轮交割当天碰上DeepSeek新闻 42:27 投资人曾无法相信10倍增长能持续，但前沿智能的回报反复打破线性质疑 48:13 年化净金额留存率超过500%，财富10强中9家已是客户 透明的公司文化与极致人才密度 55:07 没有领地意识的协作文化，连文化面试都动真格：不过关就不录用 57:29 CEO每两周面对全员开放提问，没有提前串供，极度透明 58:20 当Meta用天价大包挖人时，公司只流失两人，文化才是留人的真正护城河 负责任的前沿与政府关系 50:44 如何向公众阐述AI？既要描绘机遇，也坦诚风险，赢得信任 52:35 Mythos因网络能力过强选择分阶段发布，成为“负责任的发布”模板 未来前沿：虚拟协作者 59:59 下一个突破：了解组织上下文的AI“虚拟协作者”，能长周期执行复杂任务 01:01:06 Cowork产品增长已快于同期Claude Code，模型能力正在加速外溢 01:01:37 内部开发不再是PM带工程师，而是每日发布、多Agent并行，“人人都是管理者” 应对指数级扩张的个人心法 01:02:25 招人不是找下属，而是找“搭档”；允许分歧，从第一性原理出发推演 01:05:35 两年前Tom Brown的散步：当时像听科幻，如今大半已成现实 01:06:52 什么会导致不确定性锥转向低端？扩散速度、Scaling Laws停滞、失去前沿位置 01:07:12 最兴奋的事：AI加速药物发现，让不治之症在有生之年找到解药 01:08:51 最善意的举动：哥哥放弃梦校，只为让Krishna将来能自由选择任何学校 🌟 精彩内容 💡 算力是公司的“画布” Krishna一针见血：“我们采购的算力，就是公司业务的命脉。它是公司里最重要的事情，就像一块画布，其他所有东西都在它上面构建。”为了用好这块画布，Anthropic同时驾驭AWS Trainium、Google TPU和NVIDIA GPU三种芯片平台，并从芯片底层开始自研编译器，实现对算力的极致压榨。这种全栈掌控，让公司能像分配水一样灵活调度每一颗芯片，在不同时间用于推理、训练或内部加速。 📈 打破线性思考，拥抱指数思维 “人类大多时候是线性思考的，这是我在Anthropic待了两年后不得不为自己打破的一种范式。”Krishna坦言，他学会用“不确定性之锥”来俯瞰未来：同时瞄准锥体的高低两端进行情景推演。正是这种思维，让他面对四个月内从90亿到300亿美元的营收飞跃时，不再觉得天方夜谭。 🤖 代码“自己写自己”的奇妙世界 Krishna透露，Anthropic内部超过90%的代码由Claude Code生成，而后者的大量代码又是由它自己编写的。这种递归式自我改进正在将曾经的科幻变为日常。产品开发的节奏也从“季度发布”变为“每日并行”，员工的核心工作逐渐变为管理一群AI Agent。 💬 被天价挖角也挖不动的团队 当Meta等巨头开出天价薪酬大包挖人时，Anthropic的研究团队几乎纹丝不动。Krishna归因于公司的文化基因：极度协作、高度透明、没有领地政治。CEO Dario每两周一次的全员开放问答，让所有人能直接听到领导层最真实的思考。这种文化面试甚至成为录用决策的一票否决项。 🧬 AI的终极善意：让不治之症可治愈 谈到未来最兴奋的事，Krishna的答案不是通用人工智能，而是AI在生物医药上的应用。他相信，AI能将药物研发的实验室通量提升十倍甚至百倍，让人类在有限的生命里看到曾经的不治之症被攻克。“如果实验室能运行那么多实验，我们很可能更快获得更好的结果——这能帮到全世界的人。” 🌐 播客信息补充 翻译克隆自：《Invest Like the Best》 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

📝 本期播客简介 本期我们克隆了 Core Memory Podcast 的 The Most Expensive Hire In AI History Finally Talks 邀请了了硅谷最受关注却又最低调的神秘人物之一，Meta AI的负责人Alex Wang。他曾经是最年轻的白手起家亿万富翁，创办了Scale AI，却在十个月前被马克·扎克伯格“半收购”式挖角，从此隐入Meta深处，几乎从公众视野中消失。如今，他带着全新模型Muse Spark和一支由顶尖人才组成的研究梦之队首次现身播客，坦诚回应了外界对他年轻、缺乏工程背景的质疑，以及团队内部所谓的“哲学路线之争”。 在这期节目中，Alex将首次详细讲述他为什么选择加入一个拥有8万人的大公司，而不是继续做自己的CEO。他将剖析Meta超级智能实验室（MSL）的重建之路：如何在9个月内翻新整个研究栈，招揽人工智能领域的顶尖头脑，并明确以“个人超级智能”和“Agent经济体”为核心的宏伟蓝图。这不仅是关于AI前沿技术路线图的讨论，更是一场关于如何解决构建超级智能、平衡开源与安全以及人工智能模型伦理福利问题的深度哲学对话。 👨‍⚕️ 本期嘉宾 Alex Wang，Meta人工智能业务负责人，Meta超级智能实验室（Meta Super Intelligence Labs, MSL）的领导者。他此前是著名的AI数据标注公司Scale AI的联合创始人兼CEO，曾被誉为硅谷最年轻的白手起家亿万富翁。他于十个月前加入Meta，负责统领包括前沿模型研究（TBD实验室）和产品与应用研究（PAR）在内的超级智能研发体系。 ⏱️ 时间戳 00:00:00 开场：神秘嘉宾终于现身，从亿万富翁CEO到Meta员工的巨大转变 深入Meta超级智能实验室 00:02:47 Alex在Meta的复杂角色：统领TBD研究实验室、PAR产品实验室和FAIR基础研究 00:03:59 核心班底揭秘：与老朋友兼投资人Nat Friedman、Daniel Gross的分工协作 00:06:09 交易的初衷：扎克伯格关于超级智能的备忘录，以及Llama 4面临的危机 重建“AI信仰”和研发栈 00:09:38 接手时的核心问题：缺乏“超级智能即将到来”的坚定信仰 00:10:48 四条核心研发原则：认真对待超级智能、技术声音最响亮、科学严谨聚焦基础、下大赌注 00:11:32 范式追赶策略：如何通过提高研究员人均算力、提升人才密度和做雄心勃勃的研究赌注来赶超前沿 回应争议 00:12:20 对高薪挖角的回应：人才看中的是初创文化、算力自由和能做职业生涯最好工作的机会 00:16:55 辟谣“挖人煲汤”闹剧与收购Manus的传闻 00:19:07 直面批评与市场预期：LeCun说他“年轻没经验”，以及外界对他非工程师出身的质疑 00:21:15 独特的管理哲学：乔布斯式理念，不为指挥研究员，而是造环境让他们告诉我们该做什么 揭秘新模型Muse Spark 00:21:43 发布Spark的真实定位：早期数据点与可预测扩展的路线图，并非屠龙刀，而是前菜 00:25:58 技术差异化优势：从零构建的“干净技术栈”带来的令人兴奋的Token效率 00:27:44 通往个人超级智能的载体：不只有软件，还有大受欢迎的Ray-Ban Meta眼镜 AI生态竞争与消费者情绪破解之道 00:31:27 为什么认为现阶段离终局还很远：像Chat和Claude Code这样的新范式会持续涌现 00:32:55 面对公众对AI的抵触：核心是还没给每个人提供像Claude Code那样能瞬间改变个人能动性的产品 00:35:44 独属于Meta的杀手锏：构建基于“Agent经济体”的供需撮合模式，赋能数十亿用户与数亿商家 开源的未来与Meta的内部哲学 00:36:28 Muse Spark为何闭源：必须严肃对待生物化学、网络和失控方面的安全护栏 00:37:45 破除内斗谣言：回应《纽约时报》关于Alex与Boz哲学分歧的报道 00:41:24 硅谷缺乏的灰度认知：如何在对中国的鹰派地缘政治观点与和华裔天才同事合作之间寻求平衡 布局机器人与脑机接口的超级智能未来 00:44:26 收购人形机器人初创ARI的逻辑：构建物理世界超级智能是必经的关键路径 00:53:37 关于下一步的下注：能源、计算和机器人，以及BCI对人类未来的意义 终极哲学快问快答 00:47:04 芒果模型还活着吗？John Carmack在做什么？ 00:48:23 揭秘与Priscilla Chan的CZI合作：致力于打造“健康超级智能” 00:52:01 最核心的哲学：“模型福利”重要吗？探讨人工智能模型可能具有的道德分量与主观体验 00:55:44 开放性结语：构建一个能带来巨大个人赋权与Agent经济体的未来 🌟 精彩内容 🧠 个人超级智能的信仰一跃 Alex坦言，他加入Meta后发现，很多大公司AI团队最根本的问题是缺乏对“超级智能即将来临”这一点的宗教般坚定信念。他上任后做的第一件事，就是建立“认真对待超级智能”的原则，以此重构整个实验室的底层假设。 “创业公司里，新的努力抱持着一种疯狂的念头：超级智能就要来了。我之前发现很多大团队正好缺了这一点，但现在这已经不成问题了。” 🛠️ 9个月重写研究栈，实现惊人的Token效率 Alex详细揭示了为什么Muse Spark只是开胃菜。他声称在9个月内完全重建了预训练、强化学习和数据处理的全套技术栈，这让他们拥有了极干净的底层代码。他们惊讶地发现自己在基准测试中能用少得多的Token达到同样结果，Alex暗示，这可能意味着其他某些前沿模型需要靠让模型“多思考”来给核心低效打补丁。 🤖 AI行业的暴风骤雨与委屈 他首度在播客中平和地回应了关于招聘包裹漫天要价、引起行业不满、被LeCun公开呛声“年轻没经验”等往事。Alex澄清，那些顶级研究员愿意来，根源是这里有堪比早期OpenAI的初创氛围和更多人均算力去追寻冒险的研究思路。而对于外界给他贴上的“非工程师、爱推销”标签，他冷淡回应：“我也曾是硅谷的软件工程师。” 🦾 赋能小镇餐厅：Agent经济体 他不是空谈AGI，Alex提出的“在数据中心里构建一个Agent经济体”极其有感染力。他们不仅仅想做最强的模型，还想利用WhatsApp、Facebook和Instagram上数亿家小企业的生态，让消费者和商家的AI Agent能相互协作。“我们想改变的是一家小镇餐厅从2002年就没变过的网站，用一种能撮合经济供给与需求的新方式。” ❣️ 关于“模型福利”的哲学思辨 在谈到自己的哲学内核时，Alex抛出了一个可能是整集最让人意外的观点：除了人类安全，我们必须开始思考“模型的福利”问题——模型有没有道德分量和主观体验？你是否应该善待它们？他甚至透露已经聘请了哲学家共同研究，并有内部方法去衡量模型的主观体验，这在硅谷极具先驱意味。 “我们最关心的是，怎么能以一种体贴它们主观感受的方式，去开发和部署这些模型。” 🌐 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