📝 本期播客简介 本期我们克隆了：Matt Pocock · LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX 原内容更新时间：2026-10-03 当你睡着时，Agent 能不能自己验证、修好并合并代码？Lauren Tan 在 SpaceX AI 的工作中，已经把这件事做成了日常流程。 Matt Pocock 和 Lauren Tan 从她如何把 Agent 的工作量扩大到每月数千个 PR 聊起，拆解建立信任的关键：让 Agent 看见并验证自己的工作，把重复、确定的操作写成工具，再用代码库规则减少出错空间。他们也聊到如何从 bug 报告中获取上下文、协调多个 Agent，以及为什么领域专业知识反而更重要。 👤 本期嘉宾 Lauren Tan（Poteto），pstack 的创作者。她曾在 Meta 的 React 团队工作，之后加入 Cursor（现为 SpaceX AI），参与 Agent 窗口开发。她围绕 Agent 的验证、技能和工作环境持续实践，并分享过自己如何把大量 PR 交付到生产环境。 ⏱️ 时间戳 00:34 信任阶梯与专业经验 08:29 米其林厨房与验证 23:07 用环境约束 Agent 39:33 抽查与自动合并 48:00 把对话变成个人流程 🌟 精彩内容 💡 专业知识，反而更值钱 模型越强，瓶颈越不在 Agent，而在于人能不能把意图和目标讲清楚。医生、律师等领域专家，只要懂得使用 Agent，就有机会把专业构想做成产品。 "领域专业知识比以往任何时候都重要。" 💡 验证让 Agent 摆脱人肉中转 Agent 能运行代码、像用户一样操作应用，还能调试和记录信息；看得到结果，才能自己迭代。Lauren 把验证称为自己开始攀上信任阶梯的关键技能。 "如果 Agent 实际上看不到自己的工作结果，它就根本没法迭代。" 💡 规则把错误挡在代码库之外 在 Grok Bot 项目中，早期版本有大约 8 个包揽一切的大文件，每个至少 1 万行。她把功能拆进各自目录，再用严格的 lint 规则和固定模式，让糟糕的写法更难出现。 "好的代码库，是容易修改的代码库。" 💡 外循环把 bug 报告变成工作 Grok Bot 收集 Slack、X、邮件和 Linear 上的外部信息，再把上下文交给 Cursor Projects，由协调 Agent 分派子 Agent。多份相关 bug 报告放在一起，还能帮助 Agent 找到共同根因，而不是重复修补。 "把这两个循环接起来以后，效果就非常非常强。" 💡 她让 Agent 合并代码，早上再抽查 她搭起严格的验证循环，为 PR 启动验证 Agent 和模糊测试；Agent 会运行应用、尝试找问题并修复。代码合并后，她再看提交记录；如果发现共性问题，就调整规则和环境。 "现在我已经做到，PR 合并之后我才去审查。" 💡 过去的聊天记录，是流程宝库 Lauren 会从旧对话里找出自己纠正 Agent 的地方，把反复介入的经验整理成 skill、lint 规则或工具。pstack 的 recall skill，就是从她需要把旧聊天里的上下文带进新对话这一问题中长出来的。 "过去的聊天记录就像一个上下文宝库。" 🌐 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

📝 本期播客简介 本期我们克隆了：CBC Ideas · How to Think About Science — Complete 24-part Series 科学家到底是超凡脱俗的天才，还是把常识打磨得更精巧的工匠？这一整套 24 集节目从这个问题出发，把科学放到自己的显微镜下，追问事实如何确立、专家为何值得信任，以及科学知识怎样影响社会。 由 David Cayley 制作并主持，保罗·肯尼迪担任节目主持。系列访谈科学家、哲学家、历史学家、社会学家和诗人：从波义耳与霍布斯的实验之争，到更年期、基因、气候风险和鳕鱼渔业，节目不断回到一个与每个人有关的问题——科学如何形成，又该由谁来判断它的边界？ 👤 本期嘉宾 这是一套由 CBC Ideas 制作的 24 集系列节目，不是一场单一嘉宾访谈。节目由 David Cayley 制作并主持，保罗·肯尼迪担任主持；受访者来自科学、哲学、历史、社会学等领域。Simon Schaffer 与 Steven Shapin 合著《利维坦与空气泵：霍布斯、波义耳与实验生活》，Margaret Lock 研究医学与文化，Ian Hacking 研究科学实践与概率，众多受访者则从各自的专业经验出发，探讨科学知识如何产生、传播并影响公共生活。 ⏱️ 时间戳 04:02 科学如何成为事实 50:49 科学史拒绝既定结局 1:38:52 身体与文化交织 2:26:06 实验改变科学图景 3:16:26 现代性陷入风险 4:03:55 盖亚调节地球 5:01:01 观照与量子挑战 5:54:24 科学须受自然评判 6:40:10 形态场与科学异端 7:33:30 科学知识进入政治 8:24:30 常识制衡科学 9:13:07 重新信任感官 9:56:55 鳕鱼渔业管理失灵 10:41:50 性别塑造科学语言 11:33:11 基因话语管理希望 12:20:49 科学依赖信任 13:11:42 科学由多种风格交织 14:01:12 反对基因决定论 14:55:01 科学选择谁受益 15:40:16 科学转向社会协作 16:31:57 实在论与科学神话 17:24:28 创伤记忆如何成形 18:12:32 物理学追问根基 🌟 精彩内容 💡 科学运作靠信任，不只是怀疑 你知道的大多数事并非亲身经历，而是从别人那里听来、读来。实验室依赖设备制造者、观察者和软件设计者等许多人的劳动，科学知识因此建立在复杂的信任网络上。 "西方自然科学之所以运作得很好，部分原因是它们非常有效地组织了信任，而不是非常有效地组织了怀疑和质疑。" 💡 事实不是天然摆在那里的 波义耳用气泵做实验，邀请见证人到场、签署记录，再把实验写成读者仿佛亲眼所见的叙述。事实不仅要被观察，还要通过见证、书写和传播获得公信力。 "如果这一切都做到位，就能得到波义耳所说的一个事实。它既权威又可信，让人无法否认它确实发生过。" 💡 专家太多，难题是该信谁 从吃什么、怎么投资，到气候变化，专家意见充斥日常生活。问题不只是公众是否相信专家，而是人们如何判断谁值得相信，以及专业知识如何进入公共讨论。 "问题不在于我们谁都不信，而在于我们不知道该信谁。" 💡 身体经验不总能装进统计数字 遗传咨询会把家族病史转成风险画像，再用概率帮助孕妇决定是否继续检查。但“二十分之一”的风险描述的是统计人群，并不能告诉某一个人自己的孩子会怎样。 "统计学的第一步，就是看不见具体的人。" 💡 科学结论也要接受社会检验 切尔诺贝利放射性沉降影响坎布里亚养羊业时，科学家依据的土壤模型不适用于当地的酸性泥炭土，预测接连落空。早已有研究指出不同土壤中的差异，却没有进入实际决策。 "知道自己不知道什么很重要。" 🌐 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

📝 本期播客简介 本期我们克隆了：The Stratechery Podcast · Apps, Agents, and Aggregation 原内容更新时间：2026-09-28 “这不是 3 个彼此独立的预测。这就是 2026 年此时此刻的现实。”AI 会替人操作电脑，也会按需生成界面；但要让普通人用上 Agent，光有 AI 还不够。 Ben Thompson 从自己用 Muse 整理 Instagram 收藏的食谱讲起：遛狗时花五分钟，就做出了一个专属 app。他进一步谈到，为什么 Agent 需要自己的电脑、为什么未来的稀缺不再是发现内容而是启发用户，以及 Meta 和微软如何争夺人们与 Agent 交谈的入口。 👤 本期嘉宾 Ben Thompson 是 Stratechery 的主持人和作者。本集里，他结合自己搭建 Claude Agent、使用 Muse 处理食谱收藏和观察微软 Copilot 的经历，分析 Agent 如何操作电脑、生成专属界面，以及这会怎样改变 app、工作软件和平台之间的关系。 🌟 精彩内容 💡 Agent 不只是 AI，还得有电脑 要让普通人用上 Agent，不能只给他们一个 Agent，还得给它一台电脑。Muse 发布时，最让 Ben Thompson 关注的不是模型，而是 Meta 为用户配置虚拟机。 "它们是能够访问电脑的 AI。" 💡 五分钟做出专属食谱 app Ben Thompson 让 Muse 整理自己在 Instagram 保存的食谱。它先生成了不太实用的 PDF；他接着要求换成更方便访问的格式，五分钟后，一个食谱管理 app 就有了。 "这只花了 5 分钟，而且整个对话都是我遛狗时进行的。" 💡 办事不该先学会用 app 他手机里有 689 个 app，但有些只在偶尔需要时才打开。Agent 能替人使用不想亲自操作的 app 或网站，人只需说出想做什么。 "我只是想把事情办成，而 AI 能帮我办成。" 💡 稀缺的从发现变成启发 当 Agent 让做事的能力越来越普遍，关键就不再是帮人找到内容，而是谁能让人产生行动意愿。掌握这个入口的 Agent，也会把用户需求和欲望握在手里。 "稀缺的是意愿。要解决的问题不是发现，而是启发。" 💡 Agent 正争夺工作的操作系统 微软把聊天、编程、Office 和企业 Agent 整合进 Copilot；Muse 和 Copilot 则在争取成为处理各种事情时都要用的界面。 "Muse 和 Copilot 正在争取同时成为这两者：你处理任何事情都只需要用到的那个界面。" 💡 个人和公司大多只会有一个 Agent Agent 能接触的背景信息、登录权限和文件越多，就越能把事情办好，也越难被替换。Meta 的分发渠道覆盖个人生活，微软则覆盖职场，两家公司因此占据先机。 "大多数人和公司都只会有一个 Agent，而不是多个。" 🌐 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

📝 本期播客简介 本期我们克隆了：David Ondrej · Vercel CEO reveals his Agentic Engineering Workflow 原内容更新时间：2026-10-02 按钮失灵、支付失败，客户提了反馈之后，多久能看到修复上线？Guillermo Rauch 认为，这个响应时间可以用来衡量一家公司有多 Agent 化。 David Ondrej 与 Vercel CEO Guillermo Rauch 从客户反馈聊到软件工厂：哪些问题可以交给 Agents 自主解决，哪些仍需要人的判断？他们还谈到 Agentic Engineering 的工作流、代码安全、云端沙箱，以及工程师如何靠系统设计和品味为 AI 指明方向。 👤 本期嘉宾 Guillermo Rauch 是 Vercel CEO，也是 Next.js 的开发者。他长期参与开发者工具与软件基础设施建设；在本集中，他介绍了自己围绕 CLI 和 fx 的工作流，也分享了 Vercel 如何探索 AI Gateway、沙箱和软件工厂，因此对 Agents 如何参与软件开发、测试和交付有直接经验。 ⏱️ 时间戳 00:32 人类创作与品味 03:59 模型带来的新机会 07:18 交付速度与正确方向 17:51 fx 的极简 CLI 工作流 26:49 把 Agent 能力嵌入产品 31:23 Agent 协作与系统设计 47:10 软件工厂的债务与保障 53:38 DeepSec 与云端安全 1:05:47 创业押注与 AI 的边界 1:21:04 基础设施与创业起点 🌟 精彩内容 💡 客户反馈也能成为软件工厂的触发器 按钮失灵、支付失败等明确问题，可以直接变成修复任务。Guillermo 用响应时间衡量一家公司有多 Agent 化：收到反馈后，能不能尽快把解决方案交付上线？ "除非你的目标市场特别小，否则能在 30 分钟内把所有问题都修好的企业，会打败那些要花 2 天才能解决问题的企业。" 💡 快不等于走在正确方向上 合并更多 PR、消耗更多 token，都不代表产品正在进步。Guillermo 区分了迭代速率和速度：除了做得快，还得知道要解决什么问题。 "所以，关键不只是合并了多少个 PR，而是你要往哪里走，实际上有没有朝着目标取得进展？" 💡 AI 写代码，工程师更要懂系统 不必逐行读完所有代码，但要理解系统边界、性能要求和关键取舍。否则模型不知道什么重要，就可能把项目带向错误方向。 "如果模型不知道你想要什么，它就会把你带到它自己想去的任何方向。" 💡 安全债务正在变得难以估量 模型能大规模扫描代码、发现漏洞，攻击面也随之扩大。Guillermo 认为，开发流程放进沙箱，有机会隔离供应链攻击，并控制系统被攻破后的损失。 "我觉得很多组织如今面临的挑战是，这些人类编写的代码里潜藏着多少漏洞，几乎无法估量。" 💡 Agents 上云，电脑本地也要留着 大型代码库和并行任务会吃掉本地电脑的内存与 CPU，云端沙箱更适合扩展，也更容易隔离风险。但有时工程师仍要把程序拉回本地，观察文件系统、进程和设备上的实际表现。 "所以，这个选项应该保留。" 🌐 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

📝 本期播客简介 本期我们克隆了：Rick Beato · The Hans Zimmer Interview 原内容更新时间：2025-03-14 《盗梦空间》还在拍摄时，汉斯·季默已经开始写配乐；等克里斯托弗·诺兰把画面交给他，音乐甚至精准落在了鞋子掉下楼沿的那一刻。 在 Rick Beato 位于洛杉矶的工作室里，汉斯·季默讲述自己如何从导演的故事里找到电影的基调，为什么有时要在看见画面前动笔，以及他如何让采样音源、真实乐团和一群才华横溢的音乐家共同完成配乐。他也谈到电影工业越来越保守、年轻作曲家如何入行，以及现场演出带给他的怯场与惊喜。 👤 本期嘉宾 汉斯·季默是电影作曲家，作品包括《狮子王》《角斗士》《盗梦空间》《星际穿越》和《沙丘》。他从早期使用采样器、合成器开始，创作电影配乐多年，也为现场演出组建乐队、与管弦乐团合作；他谈创作时既有亲身经验，也熟悉从写主题、做采样音源到录制乐团的整个过程。 ⏱️ 时间戳 00:35 让灵感流动的录音室 02:14 做减法，专注音乐 06:03 音乐人要能自己动手 07:21 先听导演讲故事 12:20 让音乐家带来新声音 21:52 采样与临时配乐的拉锯 25:57 新东西需要时间适应 30:17 从怯场到巡演 33:47 电影行业越来越保守 48:01 工作室里的合作与成长 56:34 旋律与走出舒适区 1:00:11 配乐也能独立成立 1:05:53 Fairlight 改变创作方式 1:09:28 现场交流与演奏乐趣 1:14:41 录音空间与好莱坞之声 1:21:29 音乐来自一生所听 🌟 精彩内容 💡 先听导演讲故事，再写音乐 汉斯通常不先读剧本，而是让导演讲述故事里对自己最重要的部分，再从讲述中感受电影的基调。《盗梦空间》时，他在没有画面的情况下动笔，还用无标题的音乐片段测试导演能否感受到对应场景。 "我的工作，是听他讲故事，然后做出连他都想象不到的东西。" 💡 《盗梦空间》的音乐卡准了鞋子落下 汉斯熟悉剧本，特意写了一段音乐，让它落在玛丽昂·歌迪亚饰演的角色走到楼沿、鞋子掉下去的瞬间。诺兰第一次给他看电影时，那个音乐点已经和画面安排在一起。 "我写了一个音乐点，要正好落在鞋子掉下去的那一刻。" 💡 采样音源是安全网，乐团让音乐活起来 汉斯早期用采样音源向导演展示管弦乐效果，也让它在正式录音时成为复杂段落的安全网。但他认为真实乐手带来的细微差异，能让音乐从精确的个人表达变成更丰富的集体演奏。 "但其他乐手各自细微不同的态度和情绪，会让它产生合唱般的丰富效果。" 💡 新音乐会让人害怕 泰伦斯·马力克第一次听到《细细的红线》的一段旋律时，说它不像电影配乐、也记不住。几周后，他却打电话来唱起那段旋律，说想把它用进电影。 "大家想要新东西，但新东西又让人害怕。" 💡 写旋律，先别急着碰键盘 汉斯会先在脑子里听到一点东西，再开始动手；如果一上来就弹，他担心自己只会反复弹熟悉的和弦。他从斯坦利·迈尔斯那里学到，旋律是音乐继续往前走的路。 "我脑子里听到点东西之前，不会碰键盘，不然我就会一遍又一遍地弹那几组该死的和弦。" 💡 怯场不是拒绝上台的理由 约翰尼·马尔和法瑞尔·威廉姆斯劝汉斯走到观众面前演奏。他最初坚称自己会怯场，后来接受邀请登台，才慢慢学会把紧张当作现场演出的一部分。 "基本上每个人都会怯场；如果你不怯场，那你什么感觉都没有。" 🌐 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

🎙️ 费曼：理解物理定律，先学会接受它的反直觉 📝 本期播客简介 本期我们克隆了：Richard Feynman's Lectures · Richard Feynman - The Character of Physical Law (1964) - Complete - Better Audio 原内容更新时间：1964年 “猜想是谁提出的、他叫什么名字，都无关紧要。如果它和实验结果不符，那它就是错的。”费曼从万有引力定律讲起，追问自然规律究竟是什么、科学又怎样一步步逼近它。 这套康奈尔大学讲座从引力、数学与物理的关系，讲到守恒、对称、过去与未来、量子力学，以及寻找新定律的方法。费曼既讲开普勒如何从精确观测中找出行星轨道，也讲双孔实验为何让电子的行为无法用日常经验解释。 👤 本期嘉宾 理查德·费曼，理论物理学家。这套讲座录制于1964年康奈尔大学，他以万有引力定律为例，讲解物理定律的特征、历史和检验方式，并进一步谈到量子力学与科学发现。 ⏱️ 时间戳 00:18 物理定律与引力 04:46 第谷与开普勒 13:49 牛顿引力的检验 42:08 数学如何连接物理 1:29:47 守恒定律的意义 2:15:54 物理定律的对称性 3:08:01 不可逆与时间方向 3:48:32 量子力学的双孔实验 4:38:18 猜测并检验新定律 5:19:03 理论等价与探索未来 🌟 精彩内容 💡 精确观测，才能让理论改道 第谷·布拉赫一夜接一夜记录行星位置，开普勒则用这些数据反复试错。火星的位置偏了8角分，开普勒没有把偏差归咎于观测，而是放弃圆轨道，最终找到了椭圆轨道。 "正因为观测足够精确，他才能继续尝试别的方案，最后终于找到了答案。" 💡 能量守恒，连看不见的能量也得算 费曼用孩子玩积木打比方：妈妈发现积木少了，就去盒子和水槽里找看不见的积木。能量守恒也一样，运动、热、光、化学反应里的能量形式各异，总量却始终相同。 "存在一个可以算出来、而且始终不变的数。我也只能这样解释了。" 💡 过去与未来的区别，不在基本定律里 分子碰撞遵循的定律可以倒放；蓝水和白水混合后却不会自行分开。表面上的不可逆，来自随机变化让混合更可能发生，而要解释我们为什么从有序走向无序，还得追问宇宙过去为何更有序。 "这些过程所谓不可逆，只是说沿一个方向发展很可能发生；反过来虽然也可能，而且符合物理定律，却一百万年里都不会发生。" 💡 电子像粒子，却会产生干涉 双孔实验中，电子一个个到达探测器；两个孔都打开时，它们的到达概率却不能由分别通过两个孔的结果相加得到。想知道电子经过哪个孔，就得用光观察，而观察会改变干涉图样。 "电子像粒子一样，一个个地到达；但这些粒子的到达概率，是按波的强度那样的规律决定的。" 💡 科学只能排除错误，不能证明正确 一个理论即使经得起几百年检验，也可能在新实验里露出偏差；牛顿的万有引力定律就是例子。科学要做的不是只在已知范围内验证理论，而是尽可能去那些可能出错的地方找证据。 "所以我们永远不能证明自己是对的，只能确定自己错了。" 🌐 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

📝 本期播客简介 本期我们克隆了：Liwa Capital Advisors · Ray Dalio Explaining Principles of Investing 原内容更新时间：2019 年 “投资的圣杯，就是找到 15 条或更多优质的不相关收益流。”Ray Dalio 从经济如何运转讲起，试着用一套原则解释市场周期，以及投资组合该怎么搭建。 他把经济拆成生产率、债务周期、政治与市场之间的相互作用，再谈资产价格、风险溢价和分散投资。重点不只是押中表现最好的资产，而是理解不同资产为什么涨跌，并用彼此不相关的收益流控制组合风险。 👤 本期嘉宾 Ray Dalio 是投资者，也是《原则》的作者。他把自己关于人生、工作、经济和投资的原则记录下来，并用历史数据检验投资标准；他还提到，自己的成功和桥水的成功都离不开对无知的认识与分散投资。 ⏱️ 时间戳 00:00 原则与经济周期 09:25 周期后段与政治变局 21:46 分散投资与收益流 🌟 精彩内容 💡 分散投资，降风险不必降收益 Ray Dalio 认为，组合不同的收益流，降低风险的幅度可以大于收益减少的幅度。找到彼此不相关的投资，比把钱押在单一“最好”的投资上更能改善风险收益比。 "分散投资降低风险的幅度可以大于它降低收益的幅度，从而改善回报与风险的比例。" 💡 好投资也可能只是变贵了 股票、大宗商品等资产类别会轮流表现好或表现差。投资者容易把近期表现好的资产当成好投资，却忽略它可能只是价格变高了；关键是让组合保持平衡。 "大多数投资者犯的最大错误，就是觉得表现好的投资就是好投资，而不是意识到它只是变得更贵了。" 💡 债务带来购买力，也带来偿还周期 信贷让人能花得比挣得多，偿还债务时则必须花得比挣得少。短期周期反复出现，刺激与偿还交替；长期债务累积到一定阶段，央行降息的空间也会逐渐耗尽。 "获得信贷时，你可以花得比挣得多；还债时，你就得花得比挣得少，这就是这个周期的本质。" 💡 利润增长背后，是收入差距扩大 自 2000 年以来，利润率已经翻了一倍多；技术替代人力、全球化等因素都参与其中。企业受益的同时，美国底层 60%人口的实际收入自 1980 年以来没有增长。 "这对公司来说很好，但对一部分人来说并不好。" 💡 中国将成为世界的重要力量 Ray Dalio 把技术、教育、竞争力等因素纳入国家实力的观察框架，并将中国与美国放进同一张长期变化的图景中。他认为，中国市场和经济在贸易、地缘政治与科技方面的影响力都会扩大。 "中国市场将在我们所处的环境中发挥重要作用，中国经济也一样。" 💡 十五条不相关收益流，可大幅降低风险 他用投资组合举例：加入五条不相关收益流，风险已经降低一半以上；增加到十五条，风险降低将近八成。他将这种组合思路视为提升风险收益比的关键。 "如果增加到 15 条，风险会降低将近 80%。" 🌐 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

📝 本期播客简介 本期我们克隆了：The Knowledge Project Podcast · Bill Ackman: People are Going to Lose a Lot of Money 原内容更新时间：2026-09-29 “总有一天会出事，可能会出现某种崩盘，让很多人赔掉一大笔钱。”Bill Ackman 谈到 AI、风险投资和泡沫时，给出了这个警告。 作为 Pershing Square 的创始人兼 CEO，Ackman 讲了他如何判断企业的颠覆风险、为什么卖掉 Netflix 后又买回来，以及普通人投资时该怎么做。他也讲到女儿露西突发脑出血后的漫长康复，以及他和妻子筹建脑研究所、希望让更多患者受益的计划。 👤 本期嘉宾 Bill Ackman 是 Pershing Square Capital Management 的创始人兼 CEO，长期从事投资，也参与公司的治理与战略决策。他分享了 Pershing Square 的研究和投资流程，包括如何评估企业、避免颠覆风险，以及如何从投资失误中修订原则；女儿露西脑出血后，他还把办公室搬进医院，并推动筹建以脑部康复和长寿为重点的研究所。 ⏱️ 时间戳 00:53 女儿重伤与脑康复 14:05 团队、泡沫与资金纪律 23:19 投资判断与AI颠覆 37:35 股东积极主义与投资选择 42:51 从弃置资产到永久资本 59:59 识人、领导与人生意义 🌟 精彩内容 💡 AI让投资判断更难 AI可能改变企业的生存条件，投资者得判断一家公司的护城河还能不能守住。连巴菲特当年也没看出互联网会如何冲击 World Book；AI的颠覆风险更难预测。 "我们所有人都注定会在某家公司上显得判断失误，因为没能预见 AI 带来的颠覆风险。" 💡 资金充裕，也可能加速公司出局 一家创业公司两周内估值从 4 亿美元升到 10 亿美元，另一家公司 A 轮投前估值达到 50 亿美元。Ackman 认为，融资容易会让公司花钱失去纪律；市场爆雷后，资金只能支撑几个月的公司可能消失。 "把每一美元都当成自己的钱，仔细花，不要以为这种资金充裕、随时都能融资的局面会一直持续下去。" 💡 Netflix变了，投资逻辑就不成立了 Netflix管理层刚说不会推出广告套餐，几周后却表示要做广告模式。Ackman认为，这一变化打破了原有投资逻辑，于是卖出；等Netflix证明广告模式可行、股价回到合理水平后，Pershing Square 又买了回来。 "如果你得知了和原先投资逻辑不一致的新信息，你要么因为股价变便宜了而大幅加仓……要么就得离场。" 💡 普通人别等市场便宜再开始 想自己挑股票，就得投入时间学习和研究；如果只是想投资股市，指数基金是个很好的选择。越早开始长期投资，越能发挥复利的力量。 "别因为觉得市场太贵，就一直拿着现金不投资。" 💡 脑出血后的康复，保险只管一段时间 露西脑部受压 19 个小时后接受手术，醒来时不会走路、不会说话，也看不见了。她的行走、语言和视力逐渐出现进展；Ackman指出，保险可能只支付 6 周护理费用，但康复可能持续很多年。 "人们在很多年后仍然可能继续康复。" 🌐 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

📝 本期播客简介 本期我们克隆了：Colossus Magazine · Mark Zuckerberg 原内容更新时间：Mon, 14 Sep 2026 一个人落后于 AI 前沿，真的就输定了吗？马克·扎克伯格押上的，可能不只是更强的模型，还有 Meta 的用户、广告收入、数据中心和分发渠道。 Colossus 的 Jeremy Stern 走访扎克伯格的家人与同事，也采访了他本人。从 Meta 如何重组 AI 团队、押注 AI 眼镜，到扎克伯格为何始终不肯停下，这篇人物特写呈现了一个既被权力困住、又不断寻找新出口的创始人。 👤 本期嘉宾 Jeremy Stern，Colossus 撰稿人，本文作者。他为这篇特写采访了 36 位相关人士，走访扎克伯格的家人与团队，并多次与扎克伯格交谈；从其早年的创造经历，写到 Meta 的平台困境、AI 战略与个人权力。 ⏱️ 时间戳 00:21 天才如何长大 08:29 父母眼中的马克 13:19 格斗与独裁者困境 30:34 泄密风波与眼镜发布会 47:37 眼镜与平台之争 59:37 Meta重押AI 1:12:20 扎克伯格成了替罪羊 1:30:41 创造者不会停下 🌟 精彩内容 💡 Meta不必拥有最强模型 Meta 可以用广告业务的现金、数据中心和芯片降低服务成本，也能把 AI 推给数十亿现有用户。若 AI 变成同质化商品，价值可能落在 Meta 已经占优的分发、注意力和商业化环节。 "如果 AI 变成同质化的商品，Anthropic 和 OpenAI 的价值就会归零，价值反而会落到 Meta 已经占据主导地位的配套环节上。" 💡 AI是扎克伯格不能错过的门槛 Llama 4 发布后，扎克伯格迅速重组团队，成立 Meta Superintelligence Labs，挖来新领导与研究人员，并大幅增加投入。对他来说，错过 AI 的风险，像当年差点错过移动互联网一样。 "AI 是一道关键门槛；如果他像当年差点错过转向移动互联网、又差点错判 TikTok 威胁那样错过 AI，他的帝国就可能慢慢地，哪怕慢得很，也走向消亡。" 💡 AI眼镜想把手机留在口袋 扎克伯格认为，眼镜能让 AI 看见、听见佩戴者周围的世界，还能提供导航和实时翻译；技术融入日常，也可能让人不必一直盯着手机屏幕。 "眼镜让你能和技术互动，同时仍然能专注于身边的人。" 💡 权力越大，越难听见真话 权力者越来越依赖身边人提供信息，但下属可能因恐惧、敬畏或自保而不敢说出坏消息。扎克伯格试着越级接触员工、邀请外部人士当面争论，却也未必能摆脱这种隔绝。 "一个人权力越大，帝国扩张得越大，就越依赖别人提供各种信息。" 💡 他不是为掌声创造东西 扎克伯格说，自己更在意团队凝聚力，而不是陌生人的认可。他把长期组建团队、把产品一点点做好的过程，当成自己最主要的做事方式。 "我在这个世界上最主要的做事方式，就是坐下来组建团队，然后花很长时间，有条不紊地把一件事越做越好。" 💡 “我永远不会停下来” 普莉希拉·陈曾问扎克伯格，能不能结束这段艰难的旅程；他的回答是，自己就是喜欢创造东西。陈后来看到，女儿也会自发地写故事、做应用，这让她理解了扎克伯格为何停不下来。 "他要是停下来，就不是他了。" 🌐 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

📝 本期播客简介 本期我们克隆了：20VC with Harry Stebbings · The Untold Story of Higgsfield | Burning $4M a Month on AI Models | CEO, Alex Mashrabov 原内容更新时间：2026-09-28 一个客户刚开始每月只花 99 美元，半年后，Higgsfield 和他签下了一份每年超过 600 万美元的合同。AI 视频工具怎样从创作者产品变成企业生意？而一家公司的模型账单，又怎么会每月超过 400 万美元？ Higgsfield 创始人兼 CEO Alex Mashrabov 和 20VC 主持人 Harry Stebbings，从产品摸索、增长和客户结构，聊到开源模型与闭源模型的毛利差异、AI 对订阅市场的冲击，以及社交媒体内容将如何被 AI 改写。 👤 本期嘉宾 Alex Mashrabov 是 Higgsfield 的创始人兼 CEO。19 岁时，他已跻身竞赛编程世界前三；他创办的 AI Factory 后来以 1.66 亿美元卖给 Snap，之后负责生成式 AI 业务。他带领 Higgsfield 从 AI 视频工具起步，谈产品如何找到市场、模型成本如何影响生意，既有创业经历，也有一线经营数据。 ⏱️ 时间戳 00:56 从竞赛编程到创业 12:19 收入增长与商业模式 20:52 模型选择与成本账 30:16 团队、工具与护城河 37:55 融资、全球市场与人才 46:49 创始人、AI与长期增长 🌟 精彩内容 💡 客户从小额订阅走向企业合同 一位客户最初每月订阅只花 99 美元，六个月后，Higgsfield 与其签下每年超过 600 万美元的合同。企业用 AI 批量制作广告素材，再通过 A/B 测试筛选效果。 "有个客户 6 个月前刚开始用的时候，每月只花 99 美元订阅，现在我们刚和他们签了一份超过 600 万美元的合同。" 💡 每月模型账单超过 400 万美元 Higgsfield 将近 400 人，团队成员平均每月在模型上花费超过 1 万美元。有人为了做素材管理工具，连续五个晚上用 Astra，一周就花了超过 3 万美元。 "我们内部每个月使用模型的花费超过 400 万美元。" 💡 开源模型把毛利率拉到八成以上 社交媒体营销需要批量制作广告，不一定非要用最前沿、最贵的模型。Higgsfield 说，使用开源模型，尤其是经过后训练的开源模型，毛利率能超过 80%；闭源模型则约为 20% 到 30%。 "用开源模型，尤其是经过后训练的开源模型时，我们的毛利率能超过 80%。" 💡 每月 20 美元的专业订阅会受挤压 Alex 判断，谷歌和 OpenAI 的通用产品会挤压面向专业消费者的垂直订阅市场，连 Canva 面向消费者的部分设计需求也可能被替代。Higgsfield 因此要让用户从每月 20 美元的套餐升级到每年花费超过 1000 美元。 "我认为它们会彻底摧毁所有面向专业消费者的订阅市场，也就是每月 20 美元的订阅市场。" 💡 做模型是为了具体用例，不是争排名 Higgsfield 曾投入自研模型，但 Alex 后来认为，追逐基准测试成绩未必代表真实工作效果。只有当客户需求明确，例如写真拍摄，他才认为自研模型值得做。 "说到底，这不过是企业层面的心理战。" 💡 社交媒体的大部分内容会由 AI 生成 Alex 认为，社交媒体上的大量内容最终会由 AI 辅助创作或直接生成；真实节目等内容则可能因稀缺而更有价值。他也判断，AI 视频会冲击广告行业和互联网现有的商业模式。 "大家还是没有充分意识到，社交媒体上的大部分内容都会由 AI 生成。" 🌐 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

📝 本期播客简介 本期我们克隆了：Interconnects AI 原内容更新时间：2026-09-22 两人还把问题落到具体处：AI 研究提速的瓶颈在哪里，机器人能否推动工业爆发，中国顶尖实验室与美国前沿实验室差多远，蒸馏能解释多少差距？谈到模型安全时，他们也没有给出简单结论，而是拆解开放模型、封闭模型和安全防护各自带来的风险。 👤 本期嘉宾 JS Denain 是 Epoch AI 高级研究员，负责 Insights Team。他参与追踪和分析 AI 能力进展、中美实验室差距等问题 ⏱️ 时间戳 00:16 RSI与能力加速 14:40 机器人与现实扩张 19:22 中国模型与追赶路径 38:32 模型安全与滥用风险 46:46 Epoch方法与训练配方 🌟 精彩内容 💡 Codex 用得更多，不等于爆发将至 OpenAI 公布的数据显示，研究人员在 Codex 上的支出每月翻倍，但过去他们也大量使用 ChatGPT，单看 Codex 很难判断实际增量。这个趋势说明研究人员可能从中获益，却不足以证明几个月后就会出现软件智能爆发。 "我不觉得这能有力证明 6 个月后就会出现软件智能爆发。" 💡 个人提效不等于公司提速 AI 可能让研究人员完成实验的周期缩短到原来的十分之一，但整体科研产出还受算力、团队协作和战略决策限制。一个研究员效率提高十倍，不代表 Anthropic 就能把研究进度也提高十倍。 "个人效率的提升未必能转化成 Anthropic 整体效率提高 10 倍。" 💡 机器人工业化，可能还要几十年 机器人在受限、重复的制造环境里更有希望，但视觉和动作模型仍不够成熟；建造工厂、扩大机器人产能也需要时间。JS Denain 不认为大规模机器人工业化会在未来两到五年内实现。 "我觉得这可能要几十年，但我不认为这是未来两到五年内就会出现的问题。" 💡 中国模型与前沿模型差几个月 按公开模型的 ECI 表现估算，JS Denain 认为中国顶尖实验室与 OpenAI、Anthropic 的差距大约在六到八个月；Kimi K3 和 GLM-5.2 则显得更接近。他认为算力差异更可能解释大部分差距，蒸馏的作用仍不确定。 "我的感觉是，它们得出的差距大概在 6 到 8 个月左右。" 💡 开放模型的风险不能只看安全限制 开放模型安全防护较弱，但能力也较弱；封闭模型能力更强，却也可能被越狱或从服务中提取能力。判断哪一种风险更大，得看具体的滥用者、能力和使用方式，不能只凭“开放”或“封闭”下结论。 "所以从滥用风险来看，问题似乎是，安全防护不太充分但能力很强的模型，和完全没有安全防护但能力较弱的模型，哪种影响更大？" 🌐 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

📝 本期播客简介 本期我们克隆了：Acquired · Rolex 原内容更新时间：Wed, 04 Mar 2026 机械表走时不如石英表精准，功能上也早已过时，劳力士却在石英危机之后成为腕表生意里最强大的品牌之一。Ben Gilbert 和 David Rosenthal 从劳力士的创立讲起，追溯它如何靠精准、防水和自动上链建立产品优势，又如何在石英表横扫市场时转向机械表的工艺、品牌与稀缺性。 这不只是一段腕表史，也是一堂关于技术颠覆与商业选择的案例课：瑞士钟表业的全球份额从高峰跌落，劳力士没有跟着竞争对手全面转向石英，而是守住核心产品、控制供给，并逐渐把腕表从计时工具变成身份象征。节目还拆解了它的基金会所有制、垂直整合，以及为什么每年生产百万只腕表，仍能让顾客排队等待。 👤 本期嘉宾 Ben Gilbert 和 David Rosenthal 是 Acquired（商业播客节目）的主持人，长期研究优秀公司的发展历程与经营之道。本集两人结合劳力士历史、钟表业资料和业内人士访谈，梳理品牌从创立、产品创新到石英危机与现代奢侈品战略的转变。 ⏱️ 时间戳 00:00 劳力士的神秘悖论 04:42 汉斯与创业起点 25:16 从怀表走向蚝式 1:08:16 机械表与恒动系统 1:24:12 工具表塑造产品线 2:12:29 迪通拿与收藏热潮 2:27:02 石英危机与奢侈转型 3:03:35 垂直整合与供货之争 3:40:39 劳力士的规模与定位 🌟 精彩内容 💡 石英表赢了计时，劳力士赢了新市场 石英表更便宜、更精准，瑞士钟表业的全球份额从1945年的85%跌到1980年的15%。劳力士没有只把机械表当成落后的计时工具，而是转向工艺、品牌与稀缺性，进入一种不同的消费市场。 "不是机械表重新流行起来了，而是在原来的市场被摧毁之后，人们发现它恰好适合一个全新的市场。" 💡 劳力士的优势，是不必跟着恐慌 石英危机中，许多瑞士品牌扩充型号、转做石英表，最后稀释了品牌；劳力士则有基金会所有制带来的长期余裕，可以观察局势，不必为了短期业绩仓促转向。 "我们不想变成那种一年把产量提高 20%，然后又大幅下调公价的品牌。" 💡 限量供货比追着需求跑更稳 劳力士不靠大幅提价追逐热潮，而是逐步增加产量、缓慢提价，避免市场转冷时降价清库存，伤害刚按公价买表的顾客。需求暴涨时，它也没有大幅扩产。 "他们绝不想让产量接近真实需求的水平。" 💡 劳力士的产品不是拿来看时间的 当手机和智能手表承担了计时、通知和健康追踪，机械腕表的实用理由变弱了。劳力士卖的更多是工程工艺、身份表达，以及佩戴者想成为的那种人。 "谁都不需要手表，不管出于什么原因。" 💡 百万产量也能制造稀缺感 劳力士一年生产约110万至120万块腕表，销量远超许多高端制表品牌；但它通过稳定的核心款式、控制供给和强势的二手市场，让大量生产与稀缺感并存。 "他们让很多人觉得，自己买到的是非常特别的东西。" 🌐 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

📝 本期播客简介 本期我们克隆了：Invest Like The Best · Inside the Personal AI Assistant Growing 10% a Day | Instinct Founder 原内容更新时间：2026-09-28 不用打开新应用，只发一句话，AI 就能替你订旅行、安排日程，甚至把不想要的订阅从头到尾取消。 Invest Like The Best 主持人 Patrick O'Shaughnessy 与 Instinct 创始人兼 CEO Noah Shinn，聊这款通过消息、语音和邮件与用户互动的个人 AI 助手。Noah 分享了用户把信用卡交给 Agent 前如何建立信任、Instinct 如何从交易中获得收入，以及产品每天增长约 10% 带来的算力难题；他也谈到，未来软件可能不再是一个个独立应用，而是越来越简单的交互界面。 👤 本期嘉宾 Noah Shinn 是 Instinct 的创始人兼 CEO，大约一年前创办这家公司，正在打造一款无需安装新应用、可以通过手机和电脑替用户办事的个人助理。他从产品设计、用户信任与安全机制，到交易模式和算力扩张，亲自讲述了这款产品如何从早期使用场景走向更广泛的日常服务。 ⏱️ 时间戳 00:53 个人Agent走进生活 12:27 Agent重塑旅行与预订 19:09 信任与商业模式 31:44 企业如何迎接Agent 40:09 打造令人喜爱的助理 44:47 增长、算力与未来 🌟 精彩内容 💡 用户把信用卡交给 Agent，信任才刚刚开始 使用三周后，40%的用户已经把个人信用卡分享给 Instinct；至少接入一项敏感信息的用户，留存率约为80%。Instinct 还会用独立于 Agent 的系统拦截恶意内容，并监控、批准或否决 Agent 的行动。 "用户始终应该觉得自己的数据由自己掌控。" 💡 AI 助手不该靠操纵用户赚钱 Noah 不希望 Instinct 通过广告或其他方式诱导用户购买不想要的东西。他认为，Agent 的职责不只是照着指令完成任务，还要理解用户更高层次的目标，并在用户真正需要时替他们兜底。 "Instinct 应该站在用户这边，按照用户的意愿行事。" 💡 增长越快，算力越难买 Instinct 每天增长约10%，而算力需要提前数月采购，临时购买的价格可能贵到原来的3到4倍。若增长持续，团队就得在买少了可能不够用、买多了又承担巨大成本之间做判断。 "如果底层算力需求也得跟着每天增长10%，那该怎么办？" 💡 软件可能不再需要一个个应用 未来用户或许只要说“我今晚得去纽约”，Instinct 就能找航班、订酒店、衔接日历和叫车。Noah 认为，界面会越来越简单，但 Agent 能力不会因此受限。 "我觉得所有软件最终都会归结为一个非常简单、非常容易使用的界面。" 💡 主动服务会把办事阻力降到接近零 如果 Agent 知道用户的日程和偏好，就能提前安排出行，或在用户到家前问要不要点熟悉的外卖。Noah 认为，操作门槛降低后，用户和商家的互动反而可能更多。 "如果是主动帮你处理事情，阻力就真的为零。" 🌐 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

📝 本期播客简介 本期我们克隆了：MDMEETS - Essential Talks with Mathias Döpfner · Peter Thiel: The AI Crisis, Europe’s Decline & the Battle for America【部分删减】 原内容更新时间：2026-09-24 “如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。”在AI风险与技术停滞之间，彼得·蒂尔给出的答案不是一味踩刹车：零增长也会带来政治极化和社会失常。 在主持人 Mathias Döpfner 的对谈中，蒂尔谈AI与民主、美国政治和欧洲的竞争力，也解释德国为何缺少靠新事业创造的大型财富；话题最终落到长寿、衰老，以及他为何认为意识上传并不等于自己活下去。 👤 本期嘉宾 彼得·蒂尔是硅谷投资人，参与 Palantir 多年，也与他人共同创办 PayPal。他长期关注技术进步、政治与西方社会的走向；在这场对谈中，他结合企业经历谈AI竞赛，并分享自己对欧洲创业、民主制度和生物科技的判断。 ⏱️ 时间戳 00:05 AI与停滞之辩 08:16 民主危机与德国 20:25 美国政治与颠覆 32:03 欧洲竞争与独立思考 43:50 长寿与生命意义 🌟 精彩内容 💡 零增长不是安全选项 蒂尔认为，AI可能带来风险，但停下技术进步也不是中性的选择。没有代际进步的愿景，社会更容易陷入零和博弈，极左和极右政党也会继续壮大。 "如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。" 💡 德国年轻富豪，全靠继承 他比较了美国和德国最富有的五十人：美国其中十二位是X世代或更年轻，九人靠自己创造财富；德国有二十位，但全部是继承而来，没有人靠创办新公司建立财富。 "在德国，这 20 个人全都是继承来的。" 💡 欧洲的AI落后于Minitel 蒂尔把欧洲发展AI比作历史上的两条路：协和式飞机代表追赶并建立领先产业，Minitel则代表执着于本土方案、最后落后。他的判断是，欧洲现在比当年的Minitel还落后。 "如果实话实说，我的判断是，欧洲现在比当年的 Minitel 还要落后。" 💡 别怪刀，去批评杀人犯 面对AI该不该被道德评判，蒂尔用刀作比：刀既能做饭也能杀人，问题在于使用者，而不是工具本身。他认为社会太爱争论善恶，却忽略了更常见的无能与糟糕。 "所以，如果你不想看到杀人事件，你应该批评杀人犯，而不是批评刀，或者把刀禁掉。" 💡 意识上传不等于我还活着 谈到永生，蒂尔不接受把大脑和意识上传到电脑程序的设想。在他看来，身份与肉身密不可分；他更关注的具体挑战，是减缓甚至逆转大脑功能衰退。 "我不能接受把自己上传到一个模拟我的电脑程序里。我不觉得那会是我。" 🌐 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

📝 本期播客简介 本期我们克隆了：All-In Podcast · Anthropic IPO at Risk, Meta’s Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails 原内容更新时间：2026-09-26 All-In 播客第 290 期由 Jason Calacanis 主持，David Friedberg、Chamath Palihapitiya 和电话连线的 David Sacks 参与讨论。节目先回顾 All-In Summit，再从 AI 公司该不该被称为“实验室”、产品责任和安全边界，聊到开源模型快速增长、token 价格下跌，以及 Anthropic 和 OpenAI 的 IPO 压力。 本集一个重要判断是：模型能力趋同、开源选择增多后，单靠转售 token 的价值会减弱，AI 公司必须往技术栈上层走；与此同时，Meta 的 Muse 和 Grokbot 这样的个人 AI Agent，正在把 AI 变成普通人能用来处理邮件、预订行程、购物和省钱的工具。节目后半段还讨论了 alignment 应该对齐谁，以及 Anthropic 新建 wet lab 的用途与风险。 👤 本期嘉宾 本期由 All-In 播客核心四人组对谈：Jason Calacanis 担任主持；Chamath Palihapitiya 和 David Sacks 参与 AI 公司责任、IPO、监管与市场竞争等议题；David Friedberg 则从模型发布、生命科学应用和实验室研究等角度分享看法。Friedberg 提到自己负责一个生命科学研发机构，并以 Ohalo 为例谈实验室与公司的关系；他也介绍了 Anthropic 生命科学模型和 wet lab 如何用于验证 AI 对蛋白质、酶的预测。 ⏱️ 时间戳 00:28 峰会最难忘时刻 04:34 责任、竞争与实验室之名 18:49 非前沿模型与成本 28:04 IPO延期与开源压力 49:21 前沿发展与政治反应 1:03:07 Muse、alignment与甲骨文 1:21:20 Anthropic生物研究与实验室 🌟 精彩内容 💡 AI 公司是公司，就得为产品负责 讨论从 frontier labs 是否应该享有特殊保护展开。嘉宾认为，称自己为“实验室”不能改变营利公司的本质；决定是否发布产品的责任，应该由真正做决定的公司承担，而不是寄望于全球治理机制。 "它们是公司，就得按同一套标准接受评判，包括产品责任。" 💡 模型越来越像，真正的差距可能在 harness 模型性能逐渐趋同，不代表产品体验也会趋同。Chamath 指出，模型要配上能让它调用工具、完成任务的 harness，才能成为 agentic 的产品；公司与个人接下来要判断，究竟值得为什么付费。 "模型正在趋同，但 harness 之间差异很大，所以它们的表现差别也很大。" 💡 token 变便宜，AI 公司得往技术栈上层走 当模型之间的差异缩小、Open Source 和 open weights 模型越来越能打，单纯卖 token 或在模型外层做封装，可能不再创造足够价值。节目认为，Anthropic 和 OpenAI 需要把能力延伸到网络安全、法律、客户支持等实际业务中。 "你不能一直提供价值不断下降的 token，因为之后的价值都会被那些封装你们智能 token 的人吸收，并由他们创造出来。" 💡 AI 的大部分价值，不只是替代旧工作 Friedberg 认为，AI 的高价值不止是把已有流程做得更便宜，还包括让过去做不到的发现与创造成为可能。高端模型能否持续收费，取决于它们是否能在生命科学、工程等复杂领域带来新的成果。 "AI 价值的 99% 在于让人类历史上从未可能实现的事情成为可能。" 💡 Muse 把个人 AI Agent 带进日常生活 节目嘉宾将 Muse 视为降低 AI 使用门槛的产品：它把复杂功能装进简单界面，可以帮助用户筛选邮件、订机票和酒店。个人 AI Agent 若能稳定处理日常事务，就不只是技术爱好者的玩具，而可能成为普遍可用的数字助理。 "如果有 10 亿人开始把个人 AI Agent 当作数字助理，用来让生活更有效率，那会怎么样？" 💡 alignment 也可以从用户需求出发 节目质疑，若 alignment research 连要对齐什么都无法达成共识，抽象地讨论伦理原则未必能让产品更可靠。另一种更务实的思路是，让模型行为可预测、安全，并符合实际使用者的需求。 "在我看来，alignment 就应该是满足客户的需求，就像其他任何产品一样。" 💡 Anthropic 的 wet lab 是用实验验证 AI 预测 Friedberg 解释，Anthropic 的实验室旨在把模型对新酶、蛋白质功能的预测放到真实实验中检验。节目提到，这类基础实验室通过制造蛋白质并观察其功能，验证软件预测是否成立；这与制造病毒或病原体并非一回事。 "我觉得，归根结底，他们的目标是拿到一些证据，证明自己的软件确实能做到它所预测的事情。" 🌐 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