历史上每一次人机交互的革命，都成就了一家伟大的公司，今天我们正站在新的十字路口。 当理想同学用“三模型架构”成为首个“真正可用”的语音助手，当语音输入强大到在游戏中被视为“作弊”，我们正处在一个剧烈的范式转换前夜。 本期节目，我们与怒喵科技李楠一起，揭示本地模型与语音交互如何改变我们几十年来拥抱屏幕的“病态”并回归自然。 历史上每一次人机交互的革命，都成就了一家伟大的公司，今天我们正站在新的十字路口。当理想同学用“三模型架构”成为首个“真正可用”的语音助手，当语音输入强大到在游戏中被视为“作弊”，我们正处在一个剧烈的范式转换前夜。本期节目，我们与怒喵科技李楠一起，揭示本地模型与语音交互如何改变我们几十年来拥抱屏幕的“病态”并回归自然。 03:37 - Part 1：理想同学的“三模型”架构，与游戏里的“语音外挂” 当云端延迟还在0.8秒挣扎，理想同学已凭借端侧 AI 的百毫秒级响应，实现了“用了就回不去”的丝滑体验。怒喵尝试将这种能力复刻到PC上，发现语音输入在FPS游戏里竟能化身“作弊器”，手残党也能秒开爆闪、精准打药。这证明了新交互范式的巨大优势：你再也不用去记那些复杂的快捷键，更不需要翻看任何说明教程了！ 27:42 - Part 2：语音输入法正在“逆袭”：从质疑TNT到爱上语音打字 2024年，一款语音输入法竟能融资3600万美元？我们从质疑老罗的TNT，到如今在工位上全天使用语音输入。无论是能自动去除口癖、智能排版的Wispr Flow，还是微信悄悄上线的“整理文字”功能，都预示着语音输入的时代已经到来。然而，今天的软件和操作系统，都还没有为模型准备好——这正是巨大的机会所在。此外，我们还分享了你身边就能用到的其他优秀工具与技巧，以及为什么端侧模型也有机会成为云端大模型一样的“行业黄金”。 58:24 - Part 3：人与模型的互动反常识：告别一键生成，拥抱“说得越多越好” 别再迷信“一键生成XX”的AI产品了，那大多是无法深入使用的“垃圾”。无论是Grok-4还是其他大模型，它们拥有强大的“Coder”能力，却缺乏“软件工程”能力。真正的价值诞生于深度交互：你给AI五万字，它能为你压缩出八千字的精华；让AI辅助整理会议纪要，它帮你强化关键细节而不是纯靠AI输出。从语音交互开始，我们正在告别过去几十年拥抱屏幕的病态，成为一个真正自然的人。 人物： * 李楠-AI谬论主播，怒喵科技CEO，前魅族副总裁 * 托马斯白-脑放电波主播,资深科技营销人,前XR创业公司CMO,科技媒体特约作者； * Nixon-脑放电波主播,硬件产品经理,前科技媒体记者. * 剪辑制作：柒 节目中用到的音乐：来自monkeyman535的90's Rock Style，地址freesound.org；来自kjartan_abel的Berlin Town，地址freesound.org；基于 CC BY 4.0 DEED 使用。 引入：人机交互分阶段 什么是人机交互？什么是I/O？ 遍历各种交互模态的发展历史； AI时代为什么“语音”变得如此重要？ 语音交互AI发展史： 输出：机械音-拟人音-原生多模态拟人音-AI播客 输入：字正腔圆普通话-各种方言外语-声纹识别AI降噪-原生多模态听懂情绪与背景音 还有什么带有潜力的交互模态？手势？捏指？脑机？ 人机交互的巨大影响：一个交互范式成就一家伟大公司和一系列伟大产品 输入方式 * 命令行-微软 * 图形界面：Mac和iPhone * 自然语言：会是谁？（有很多先烈如TNT。） 硬件技术 * 键盘 * 鼠标、多点触控 * 阵列麦（insta 360 的web cam、智能音响） Part 1：本地模型、阵列麦。理想同学和怒喵的语音互动尝试 理想同学的 * 三模型 本地模型 智舱模型（本地） 云端 * Know how 云端模型玩命优化，做不到本地模型的优化 云端0.8 键盘和鼠标：怒喵的自动化尝试 * SenseVoice是阿里云通义实验室开发的一款多语言音频基础模型 * 语音和键盘鼠标的结合 —— 怒喵的尝试 事件：三角洲、DKS（动态按键切换）与SOCD（方向叠加控制）、宏、连点、自动吸附、语音操控（需要楠总给大家简要科普一下） 怎么就被批评作弊了？ 反常识的点：语音输入做了这么多年，但还是没有真正高频用起来；今天的端侧AI才让这个事儿有了机会 * Siri-理想同学 * 颠覆操控 * 颠覆GUI Part 2：语音输入 语音输入：从质疑TNT到爱上TNT-只要足够准，我可以等，我也可以全天语音输入。但系统显然没有为模型准备好 * 一款在24年创业，还能融资3600万美元的输入法 为什么在这个时候还能做输入法融资，绝了 特点：自动省去口癖、自动排版提升可读性、可以会议说话的同时还输入 现在我触发了我的输入法。 * 2024年7月推出“高级语音模式”后，ChatGPT周活跃用户在6个月内从2亿翻倍至4亿，其中移动端用户占比达43.75%（1.75亿/4亿），且移动端月增长率稳定在5%-15% * 反常识点： 即便是输入法这种强交互、要求低延时的产品，消费者也愿意等待，因为足够精准 我现在巴不得在工位上也要用语音输入了，，，因为快速输入的价值太高了且今天的麦克风确实非常好 甚至想买个麦克风在嘴边的耳机 语音的输入是当今最被低估的模态，原因是因为它在传播上来说，很多时候就是在卷语气。它是不是真实和有没有记号，让你自己看到延迟，这在媒体看来非常不性感，但它有非常大的作用。 语音这种自然的形式解决的是非语言/文字性交互的问题。因为它其实包含了非常多的社会化的反馈，让人更愿意说了。 实验：填写问卷，电脑主动披露自己的信息：甚至类似CPU参数之类的信息。用户也更加的爱用 比如我之所以现在还在使用豆包耳机，很大程度上是因为这依然是我能找到的笑得最自然的耳机。 * 实用建议：国内语音输入法的一些使用感受 微信内的两种语音输入方式（语音转文字还自带整理，非常好） 微信、讯飞等需要跳转的输入法 能否自动实时做一些修正 part 3：人和模型怎么互动？ 模型要怎么用已经比较明确了：模型没有工程能力，没有代码能力 * Grok 4 的300美金，但没有带来显著的价值 其他的反常识：不要期待“一键帮你xx”的产品，大多没啥价值。你得和AI交互才有精彩的结果 * 脑放的AI写作法：给AI五万字，压缩出八千字的内容，效果非常好 * 一些正面、负面的例子 一键总结会议、一键总结播客，最后吃灰了。但要你参与一些的会比较好 AI协助整理会议记录：效果非常好Quill-直接点击开始，进行录制-可以做简要记录，自带时间戳-每20秒自动检测，或者手动检测，会自动记录-可以自动启动录制（读取了日历和应用的操作）-解决的核心矛盾：人是需要专心的，但会议记录是分心的Granola它不是先转录会议内容，再尝试自行突出重点，而是你可以通过写下你认为最重要的会议要点来指导 AI，AI 则协助补充其余内容。豆包现在可以自动的检测你开哪些会，然后问你要不要开始录音，也是很绝。 * 观点：不要“一键帮你xx“的产品 绝大部分人没有能力也没有耐心把自己的需求用自然语言描述出来 就像苹果1984年推出Mac的时候的这句广告语：Wouldn't it make sense to teach computers about people, instead of teaching people about computers?

与李楠一起盘点了DeepSeek 突起之后即将发布的 GPT-5的反击，R1惊艳之后两周所有的竞争对手都出牌完毕，也能看出在模型和应用端接下来的趋势与机会点。 我们不仅会深入探讨 DeepSeek 爆火的原因，更会冷静分析其相较于 GPT-5的不足与挑战。Deepseek是开放生态面对封闭生态进攻的号角，但它也将迎来OpenAI为代表的AI领跑者的强势反击。 Deepseek为什么选择开源，后续将面临怎样的挑战？ 为什么说“微信搜索接入R1”并不是当下最需要的？ OpenAI手中还有哪些王牌将会释放？ 在这场地缘政治、开放与封闭的竞赛中，各个生态位的AI玩家们应该如何应对挑战，共同推进AGI的更快实现？ 欢迎收听本期节目。 - 03:45 竞对及生态盘点：OpenAi（GPT）、Anthropic（Claude）、Perplexity、谷歌百度及xAi针对DeepSeek的动作盘点；GPT 5的原生多模态、丰富工具以及推理模型与普通模型结合，是追着DeepSeek的弱点来做的设计；选择开源不是纯粹浪漫及有钱，是构建生态的追赶动作；盘点各种“接入DeepSeek”，谁是蹭流量摘桃子，谁是开源贡献者？ - 26:45 模型及产品机会盘点：推理模型和普通模型的融合（亮点产品 DeepClaude）；具备低成本推理、检索能力的模型正在孵化新一代“今日头条”和自媒体（亮点产品 飞书多维表格）；中国消费者的第一次全民AI教育+最高算力的硬件+最好的开发者会带来什么？我们需要DeepSeek生态贡献者。 - 47:50 苹果和阿里巴巴合作是对开源社区的又一次胜利：iPhone 下滑之际，找阿里是最聪明的选择；苹果在AI合作上的潜在掣肘与机会点，接下来两代手机产品AI能力推演。DeepSeek 实操建议：请大家重新开始学习如何与模型对话，不同模型的最佳话术。 节目中用到的音乐：来自monkeyman535的90's Rock Style，地址freesound.org；来自kjartan_abel的Berlin Town，地址freesound.org；基于 CC BY 4.0 DEED 使用。 人物： * 主播：托马斯白-脑放电波主播,资深科技营销人,前XR创业公司CMO,科技媒体特约作者; Nixon-脑放电波主播,XR产品经理,前科技媒体记者. * 嘉宾：李楠-AI谬论主播，怒喵科技CEO，前魅族副总裁 * 剪辑制作：柒 参考：清华针对 DeepSeek 实用建议（视频） / OpenAI针对提示词的建议（DeepSeep也适用，图文） / 实测比较推荐的几个接入DeepSeek平台的响应速度 / 外部使用DeepSeek 的方式（下方列表）/ 1. 秘塔搜索： metaso.cn 2. 硅基流动：cloud.siliconflow.cn 1. 百度云千帆： console.bce.baidu.com 4. 字节跳动火山引擎： console.volcengine.com 5. 阿里云百炼： api.together.ai 6. 超算互联网：chat.scnet.cn 7. 360纳米AI搜索： www.n.cn 8. Fireworks： fireworks.ai 9. 英伟达NIM： build.nvidia.com

AI 谬论第一期，有幸和脑放电波串台。以下为节目简介： 从 1955 年到 2024 年，左派理论家到团队领导者到 AI 技术人员，通过不停的探索和实践，为我们积累了一张 80 多年的地图。 这张地图不会来自任何学院的任何课程，但是却可能和我们每个人的自由发展强烈相关。 你想摆脱格子间里的螺丝钉状态，你想兑现自己的某些奇思妙想，或者，哪怕是有底气来一个 gap year，我相信这张地图都会对你有所帮助。 在近五十年的科技发展历史上的所有大神，从 linux 到 中本聪，到 elon musk，到奥特曼 ，都对这张地图有所贡献。 而他指向了一个和常见的科幻作品中的未来完全不同的方向。未来不一定是由 2077 里面的荒坂公司来管理一切。未来还有可能是多元的，更加小团体和个人化的，更加强调自我满足和个人发展的。 他不是一个庞大而死寂的巨大的“钢铁丛林”，而是一片游牧民族追逐水草的绿色平原。 这个能否实现，那么就看未来的我们，如何运用这个书单里面所有的思想，工具和技术了。 本期节目书单： 1955 爱欲与文明（书），个人和少数群体解放的思潮根源。 1964 单向度的人（书），多样性的思想根源。解构集体定义的成功，建立个人/少数群体发展可能性 1999 大教堂与集市（书），开源圣经，组织小型化的开始 2007 shaping things（书），快速原型圣经。快速，柔性，持续迭代的产品方法论 2008 GitHub（工具），开源社区，获得大量免费方案，提升小团队的产能 2009 bitcoin（工具），开源和小型化组织协作的更高效的货币基础 2009 kickstarter（工具），0成本产品众筹工具 2011 crowdcube （工具），0成本企业众筹工具 2010 rework（书）2013 remote（书），更小，更敏捷的组织的企业文化准备和行动指南 2013 「DAOs，DACs，DAs，and More：An Incomplete Terminology Guide」（书）去中心化治理纲领 2017 《Attention Is All You Need》（书）大语言模型原理的纲领性论文 2018 中本聪之书（书），去中心化的根本思潮 2016 hugging face（工具），ai 的开源社区，再次提升小团队产能 2022 midjourney（公司），超级个体/超级少数群体独立的代表 2023 ChatGPT3.5（工具），人工智能的 iPhone 时刻 2023 MS AI For Beginners（书），最友好的人工智能入门教程 2024 Open AI 首席科学家的 ai 书单（书），最顶尖的人工智能必备知识 2024 FSD V12 （工具），AI 吞噬软件的开始，更少工作，更强大的能力