00:07 咱们今天来说一下中国人工智能芯片、机器人、智能驾驶这些高科技的公司。他们到底是怎么用中文，用一些典故，用一些很巧妙的双关给他们自己的企业和产品命名的。以及这些名字背后到底藏着哪些文化审美和技术野心。 00:26 这个话题很有意思，我们就直接开始。 00:29 先来说一下中国的这些AI公司，他们在起名的时候展现出了什么样的中文水平。 00:34 大家看到的这些AI公司名字，像月之暗面、面壁智能、无问芯穹、寒武纪、平头哥这些名字。乍一看你会觉得这到底是一个AI公司还是一个网文书单。 00:47 对，真的很有那种文艺气息，又很有想象力，完全打破了大家对于科技公司名字的刻板印象。 00:54 中国的这些AI公司的名字，可能是这个时代中文水平最高的商业文本之一。你仔细去猜每一个名字都能发现很多巧思。 一、大模型公司：一群理科生在比谁读书多 01:04 大模型公司他们的命名方式，特别喜欢用古籍还有天文台的名字作为他们的灵感来源。 01:17 比如说有一家公司叫月之暗面，他们的英文名字叫Moonshot AI这个名字其实是来自于Pink Floyd的一张专辑《The Dark Side of the Moon》。说月球永远有一面是背对着地球，用来比喻人类认知的盲区。然后Moonshot这个词在硅谷又代表那种登月级的疯狂项目。所以他们其实中文名和英文名是各自玩各自的，但是又都非常的贴切。 01:42 这个就很有意思，他们在起名字的时候，是怎么做到让中文和英文都能够表达出他们想要的那种含义。甚至能够把这种技术的气质和一些人文的意味结合在一起。 01:55 有一家公司叫深度求索，它的英文名字叫DeepSeek，就是来自于《离骚》里那句"路漫漫其修远兮，吾将上下而求索"。它的中文“深度”对英文的deep，“求索”对Seek非常的工整，又很有那种探索的意味。 02:12 这种中西合璧，而且又是文化和技术融合的感觉，真的太妙了。 02:17 还有“零一万物”，是把二进制的零和一和道德经里面的"道生一，一生二，二生三，三生万物"结合在一起。像“面壁智能”，它不光是引用了三体里面的面壁者，同时它也暗指了达摩面壁九年。像“阶跃星辰”，他把神经网络里面的阶跃函数和星辰大海的这种浪漫理想结合在一起。你会觉得这些理科生真的是在用他们的方式秀自己的学识。 02:44 还有一些公司会把技术的概念或者是创始人的一些信息藏在名字里面。 02:50 比如“稀宇科技”，它的英文名字叫MiniMax，这个名字来自于博弈论里面的一个极小化极大算法。它的中文名字稀宇，你乍一看觉得好像没什么，但把英文的mini和max分别对应了"稀"和"宇"，一个代表小，一个代表大。它是一个非常少见的英文先行的这种命名，而且中文还能做到这么工整的一个双关。 03:17 你这么一说，我还真发现这些名字里面的门道了。 03:20 还有像字节跳动，它的英文名字叫ByteDance，“字节”是计算机里面最小的单位。跳动又是一个很有活力的一个动词，所以它在中英文上面都做到了这种技术感和生命力的一个结合。而且它是一二年取的名字，放到现在来看依然是非常有辨识度的。 03:39 你有没有发现这些大模型公司，在命名时，有一些共同的规律，或者说共同的审美倾向。 03:46 基本上他们都是用2到4个字，要么出自古籍，要么就是跟天体有关。你很难从他的名字里面看出具体是做什么的，但你就是能感觉到这家公司想要干大事儿。 03:58 听起来就很有那种神秘感和野心。 04:01 但是也有例外，就像稀宇和字节跳动，他们两个就是直接用技术概念来命名的，反而在这一堆名字里面显得特别的理科气质。 二、芯片公司：画风突变，全是硬汉 04:11 那咱们来聊聊芯片公司。芯片公司的名字跟大模型公司的名字在气质上面有一个非常明显的变化。 04:20 芯片公司的名字给人的感觉就像是你从中文系一下子跨到了地质系。特别喜欢用那种亿万年的地质年代，物理定律或者上古神话，就给你一种特别重的重量感和硬度感。 04:34 那你能不能举几个例子说一下这些名字背后都有哪些含义？ 04:38 比如寒武纪，英文名是Cambricon，就是把寒武纪这个5亿年前的地质时期和Silicon硅结合在了一起。象征着人工智能的一个智能涌现。像壁仞科技，“仞”是古代的一个长度单位，取自"壁立千仞，无欲则刚"，就是很有那种气势。像”燧原股份”，它的名字来自于燧人氏钻木取火，有那种人类第一次掌握能量的感觉。然后像摩尔线程，是把摩尔定律和计算机里面的线程这两个概念结合在了一起，感觉特别像是程序员的一个自黑式的秘密。 05:17 在芯片公司的名字里面，有哪些是特别跳脱，特别有个性的。 05:22 当然有，比如说平头哥，它其实是取自非洲的蜜獾，就是那个网络上号称世界上最无所畏惧的动物。他跟其他那些芯片公司喜欢用的上古神话、地质年代，完全不是一个画风，就一下子就记住了。 05:37 对，这个名字确实很出圈，很有辨识度。 05:40 还有一个就是沐曦股份，它的中文名字是沐浴晨光的的意思，在这一堆硬核的名字里面特别的温柔。但是它的英文名字叫MetaX Meta就是超越X代表未知数，就它其实英文名字就非常直接的亮出了自己的野心，就是他这种分工还挺少见的。 三、算法公司：上一个时代的审美 05:58 我们再来看看算法公司，这些公司的名字又展现出了什么样的时代审美。 06:03 在2016年到2018年之间成立的这些算法公司，他们的名字就特别讲究功能和感官。他们会很直接的告诉你我们是做什么的。 06:12 听起来就很直白很务实。 06:14 比如说商汤科技，英文名字叫SenseTime，Sense是感知，Time是时代。中文商汤又是一个历史人物，他其实是有四重的双关，就很见功底。还有旷视科技就是视觉的意向非常强。然后云从科技是取自易经里面的云从龙风从虎，还有一些依图、云知声、思必驰、出门问问，他们都是围绕着看和听来起名字的，就很简单明了。 06:45 像第四范式这种公司，它的名字背后有什么特殊的含义吗？ 06:50 第四范式它的来历是图灵奖得主 Jim Gray提出的科学发展的四个范式。他认为现在已经进入到了数据密集型科学发现的这个阶段。他其实直接把公司的愿景融进了名字里面。这一批名字都特别的学术，特别的克制，很符合当时那个年代对于AI的定位，名字就要告诉你这个工具是干嘛的。 四、机器人公司：中英双关的新战场 07:13 这些机器人公司在取名字的时候有什么特别的地方？ 07:18 这两年因为具身智能的崛起，很多机器人公司在起名的时候就会玩这种中英文的双关。 07:24 这种双关是不是就是说既要让他的中文和英文发音上接近，又要让他们的意思能够呼应上？ 07:31 比如说宇树科技，它的英文名字叫Unitree，就是uni和tree的一个组合。它的发音和宇树也是很像的，意思也很连贯，这种是很难做到的。还有像智能机器人，它的英文名字叫AgiBot。把AGI也就是人工智能直接写进去了。中文的智元又有智能本源的意思。 07:52 机器人公司的名字里面为什么会经常出现像星、银河这种空间感特别强的词？ 07:59 因为很多机器人公司他们都特别喜欢用这种宇宙科幻的意象。比如说傅立叶智能，其实是一个谐音，它是做康复机器人的。它的英文名字就叫Fourier，就是直接用了傅利叶变换。像银河通用，它的英文名字叫Fouriert就感觉一下子就有那种宇宙的浪漫。 08:17 这些名字真的是一听就让人感觉很有那种未来感。 08:21 像星动纪元，它的英文名字叫Robot Era，逐迹动力的英文名字叫LimX你看到他们名字里面的这种"星""际""银河""纪元"那就感觉他们好像是一群看科幻小说长大的人创办的公司。他们的梦想就是要把智能机器人带进一个新的时空。 五、智能驾驶公司：全场最稳重的一桌 08:39 咱们再来讨论一下智能驾驶公司的名字，就很有意思了，他们的名字乎都绕不开一些特定的字。 08:47 你看地平线、文远知行、小马智行、元戎启行、毫末智行、佑驾创新、四维图新，不是有"行"就是有"驾"，或者说有"路"有"线"，反正都是跟交通直接相关的。 09:02 就一个比一个稳，完全没有那种很飘的神话，或者说很浪漫的东西。 09:08 这个其实就是行业性格。因为自动驾驶是一个人命关天的行业，所以他的名字就会讲究务实，然后讲究安全。他会用这种非常直白的词，比如说文远知行的英文名字叫WeRide，无论是中文还是英文，都在强调我是一个在路上实实在在行驶的这样的一个东西。很像一个老司机，给你一种非常靠谱的感觉。 09:32 还有一家公司连中文名都不要了，就直接叫Momenta。这背后有什么讲究吗？ 09:37 Momenta其实用的是物理学里面的动量这个概念。然后就干脆连中文名都不要了。这种极端的做法其实也反映了他们想要专注于技术，然后追求一种国际化的一个风格。 六、所以，进化到哪一步了？ 09:49 如果我们把这几类AI相关的公司的名字放在一起看，能不能看出一些审美上的代际变化。 09:56 如果我们把它们放在一个时间轴上面的话，最早的像14年到18年的这一批CV的公司，他们的名字就是非常的讲究感官和功能。就像商汤、旷视、云知声这种，一听就知道他是做什么的，非常的直白，也非常的好懂，没有什么花里胡哨的东西。 10:15 最近这几年新出来的这些公司，名字上面有什么新的趋势？ 10:19 到了2023年以后的大模型公司就开始走意向和野心路线。你会看到像月之暗面、零一万物、阶跃星辰这种名字，完全不知道他是干什么的，但就觉得这家伙好像要干大事儿。然后再到芯片和机器人公司，他们就开始玩这种中英双关和技术耿，就像寒武纪、宇树、摩尔线程这种。它的中文是一个意思，英文又是另外一个意思。你要把它们合在一起看，才能够get到那个点。 10:48 有没有哪些公司的名字让你觉得在文学性、技术寓意或者创意上面特别出彩的？ 10:55 文学性的话，我觉得月之暗面就非常的有那种意境。深度求索这种就是属于那种中英文都非常工整的。然后最有技术含量的我觉得应该是寒武纪，它不光是把这个地质年代和硅结合在一起，同时他又点出了人工智能的这个智能涌现。它的寓意又非常的准。 11:15 这些名字真的是让人不得不佩服，就是这些起名的人的巧思。 11:20 还有一些像无问芯穹，它其实是化用了“无问西东”，然后又暗藏了芯片和算力。然后最放飞的肯定是平头哥，他完全打破了这个行业的惯例。他们能够把离骚、易经、道德经还有三体都用得这么恰到好处，就很让人佩服。 彩蛋环节 11:37 接下来进入彩蛋环节，来讨论一下华为这个自成一派的命名宇宙。他到底是怎么把这些上古神话，还有这种体系化的设计用在他的产品线和研发项目的命名里面的。 11:49 华为它的这个命名真的是就是别人是在给产品起名字，他简直就是在修一部属于自己的神话。他把整个山海经还有上古传说都搬进了他的这个产品线里面。而且他是有一个非常清晰的内在逻辑的。 12:04 听起来就很宏大，很有想象力。那你能不能举几个例子具体说说。 12:08 它的操作系统叫鸿蒙，鸿蒙就是天地混沌的状态，它的英文名字叫HarmonyOS，就是万物和谐互联。他的AI芯片叫昇腾，就是Ascend，就是上升飞腾的意思。然后服务器CPU叫鲲鹏，取自庄子的那个北冥有鱼，其名为鲲，就是它的那个体量巨大。然后手机的SOC叫麒麟，就是非常的祥瑞。然后它的这个基带芯片叫巴龙，就是取自喜马拉雅山的巴龙峰，它是一个通信的核心。然后路由器芯片叫凌霄，就是直上凌霄。 12:43 真的是每一个名字都特别讲究，而且就是很有画面感。 12:47 不光是产品线，就是它的这个研发项目的代号也都是很有讲究的。比如说它的AI架构叫达芬奇，然后他的AI研究院叫诺亚方舟实验室，还有他的2012实验室，名字都是取自电影2012。任正非说要造一艘方舟，他的整个这个体系完全是一个神话世界。 13:06 所以华为在给这些产品这些技术命名的时候，他是怎么做到让每一个名字都能够跟这个产品的定位这个层级完全契合的。 13:16 华为它其实是有一个非常清晰的，就是它的这个操作系统是用的开天辟地的这种神话。比如说鸿蒙，然后盘古，它是有这种创始的感觉。 13:27 原来它的这个层级关系在名字里面就已经体现出来了。 13:30 它的算力芯片用这种非常巨大的神兽，比如鲲鹏，升腾，是一个很有力量感的。面向消费者的手机芯片，就用这种瑞兽麒麟这种。通信的底座，用这种非常稳固的山峰，比如说巴龙，从名字上面就能听出来谁是最基础的，谁是最有爆发力的。 13:56 我们今天从这个大模型到芯片，到算法，到机器人，再到智能驾驶。一路看下来，其实你会发现这些科技公司的名字真的是中国的文化和前沿技术的一次非常巧妙的融合。 14:08 好了，这就是这期播客的全部内容了。然后感谢大家的收听，咱们下次再见，拜拜。

00:15 今天我们想聊一聊为什么家长们更应该带孩子去见识产品和服务是怎么被创造出来的，而不仅仅是让他们去消费和体验现成的东西。 00:26 这个话题真的很有意思，那我们就直接开始。 00:28 我们首先来聊一聊为什么在人工智能的时代，让孩子去见识产品和服务的创造过程，比以往任何时候都显得尤为重要。 00:38 其实很多家长都特别看重带孩子去见识这个世界。但是见世面其实它可以分成两种，一种是单纯的去消费端的见世面，就是带孩子去住豪华酒店，吃高级餐厅，去旅行，去参观名校和大公司。是的，这些固然能让孩子大开眼界，但是更重要的是要让孩子看到这个东西是怎么被造出来的。 00:58 也就是说让孩子不仅仅是做一个被动的欣赏者，而是要让他们产生我也可以创造点什么的想法。 01:05 没错，因为在这个AI越来越普及的时代，如果孩子只习惯于看结果的话，他们很容易就变成一个只会选择和消费的人。但如果他们能够去关注创造的过程，他们才会去问我以后能创造什么。这个问题其实是创新的起点。 一、很多“见世面”，其实只是消费端见世面 01:20 我们紧接着就来谈谈消费端的见世面。很多家长经常会带孩子去五星级酒店去做商务舱，去名校和大公司打卡。那这些体验会给孩子传递一些什么样的关于这个世界的印象呢？ 01:32 这些东西确实都是好东西，能增长孩子的见闻。但是有一个很大的共同点，就是孩子看到的都是最终呈现出来的结果。酒店已经金碧辉煌的在那儿了。然后菜已经一道道的给你上来了，科技产品已经发布了，学校和公司也都把自己最光鲜的一面展示出来了。 01:50 所以这就会让孩子很容易觉得这个世界本来就是这样的，都是现成的东西。 01:55 确实如此，孩子就会觉得我只要去欣赏、去选择、去体验就好了。久而久之就容易忽略掉一个事情，就是所有这些东西在最初的时候都是从无到有，经历了很多混乱的问题，才慢慢变成现在这个样子的。 二、真正有力量的，是生产端见世面 02:13 确实是这样的那消费端见世面和生产端见世面的差别到底有多大？我们就以去超市为例，这两种视角到底会看到些什么？ 02:21 消费端见世面的话，孩子就会觉得这个超市好大，商品好多，价格好划算。但是生产端见世面的孩子就会开始问，为什么这个商品能进到这个货架？是谁决定卖这个东西而不卖那个东西？这个商品的包装为什么是这个尺寸？这些东西背后其实是有一套非常复杂的系统在里面的。 02:40 这么一听的话，好像生产端见世面，真的就是会让孩子把注意力放到事物背后的那套运转机制上。 02:46 完全是这样的。就生产端见世面，他关注的就是这个东西为什么会存在，他是怎么被做出来的，又是怎么送到你面前的。孩子能看到商业判断、供应链、技术和组织之间的协作，这才是真正走进了一个真实的系统。 03:02 我有一个疑问，就是孩子有了这种生产端的视角之后，他的思维方式会发生什么样的变化？ 03:08 就比如说同样是看一辆车，消费端的话就是去试驾去感受。但是生产端的话就是会去看这个钢板是怎么冲压的，怎么焊接的，怎么喷漆的，就会变成一辆车的，包括同样是看一个AI产品，消费端的话就是觉得这个东西回复好快，界面好漂亮。但是生产端的话就会去想，它是为了解决，谁的什么问题，它的数据是从哪儿来的？为什么要做这个功能。而不是那个功能？ 03:29 这么一对比的话，生产端见世面真的是可以让孩子更深入的去去理解事物的本质。 03:36 是啊，这才是真正的世面。他不是说把孩子带到一个更贵的地方，而是把孩子带到一套真实系统的内部。消费端容易激发的问题是我以后想拥有什么，但是生产端真正激发的问题是我以后能创造什么。 三、AI时代，孩子更应该练习“创造者视角” 03:51 在AI时代为什么孩子更应该去练习这种创造者的视角呢？ 03:55 因为在过去的话，孩子知道的多，记得多，然后表达的漂亮，它是很有优势的。因为那个时候信息是很难获取的。但是现在的话AI几秒钟之内就可以帮你整理资料，生成方案，写出摘要，画出草图。所以单纯的知道答案这个事情已经越来越不值钱了。 04:12 所以现在最稀缺的能力已经不是记忆和复述了。 04:15 对，现在最稀缺的是你能不能进入到一个真实的场景，去发现一个真正的问题，去判断值不值得解决。然后能够借助一些工具资源和团队的合作，把一个模糊的想法变成一个可以被验证的成果。因为AI它虽然很会给你答案，但是真实世界最难的部分往往不是答案怎么写，而是问题到底是什么，谁真的需要它，哪些限制不能绕开，做出来以后有没有人用，这些东西只有你进入到了生产端，你才会真正的看见。 04:47 所以说现在的孩子要怎么才能摆脱掉，只是一个被动的消费者的身份。 04:53 其实我们的社会一直都很擅长教孩子怎么去做一个很老练的消费者，但是很少有人提醒孩子说，你其实也可以参与到这个世界的建设当中。所以最珍贵的是让孩子早点明白，你不光是有权利去使用这个世界，你也有责任去塑造它，改变它。 四、所以，真正值得花钱的“见世面”，不应该只是参观 05:10 顺着刚才的思路，咱们来谈谈什么才是真正值得花钱的见世面。对，很多家长可能都在纠结，说我到底要怎么给孩子选择，才能让他真的学到东西，真的成长。 05:21 其实真正有价值的并不是说你去了一个多么高级的地方，拍了多少好看的照片，或者说去了一个很有名的景点打卡。更重要的是孩子有没有机会真正的走进一个现场，去亲眼看一看现实当中的问题是什么样子的。 05:37 这么说的话就是过程和体验远比表面的光鲜要重要。 05:42 是的，不是说去听一个成功故事，然后热血三分钟就完了。而是真的去理解一个系统它是怎么实际运转的，里面有哪些角色，有哪些约束条件，有哪些成本和冲突，人们是怎么去权衡和选择的。这些东西才是真正让孩子能够成长的。 05:58 所以就是说让孩子在真实的场景当中去经历一遍完整的创造过程。这个事情为什么这么有价值？ 06:05 因为真正有价值的学习是孩子要走进一个真实的行业现场，去看到这个业务是怎么实际发生的。然后自己去发现一个真实存在的问题，而不是一个想象出来的需求。 06:17 原来是这样，就是孩子得自己面对一个没有标准答案的难题。 06:21 没错，之后孩子要尝试用AI工具去做一个粗糙的解决方案。然后拿给真实的用户去试用，去收集反馈。再根据这些反馈不断的去修改优化。这才是一个完整的创造的闭环。在这个闭环当中，孩子不光是学到了一些知识点，更重要的是他锻炼了理解力、判断力、表达力、协作力和行动力。 06:44 在这个过程当中，孩子的内心会发生哪些改变？ 06:47 孩子会慢慢的建立起一种身份感，就是我不是只能等待别人把世界做好了，我再来选择，我再来消费，我也可以去发现问题，设计方案，参与建设。其实很多教育理念被大家说的很烂了之后，就变成了一个很模糊的标签，但是真正有力量的是让孩子去到世界的后台，去亲眼看到一件产品、一项技术、一门生意是怎么样被人一点点创造出来的。 07:13 行吧，我们今天把消费端见世面和生产端见世面给大家好好的拆解了一下，聊了聊为什么让孩子看到创造的过程要远比带他们去体验现成的东西更有价值。 07:24 好，那今天的内容咱们就到这里了，然后感谢大家的收听，咱们下期再见。 07:29 拜拜。

00:16 今天我们来聊一聊在科技行业里面非常火的一个职业，叫做FDE，也就是前沿部署工程师。这个职业主要是为了解决AI等先进技术在客户现场落地应用时出现的问题。但是这个职业在中国的发展，因为市场环境的不同，遇到了很多挑战。 00:35 是的，这个话题现在非常受关注，那我们就直接开始。好的。 00:40 咱们先来讲讲FDE这个岗位到底是怎么诞生的，以及它存在的意义是什么，为什么企业花了大价钱买了AI系统，最后却常常束之高阁？ 00:52 这背后的原因其实很搞笑，就是企业花了几百万买了一套AI系统对，然后也签了合同，也部署好了也验收通过。但是之后就没人会用，也没人维护。没错。然后三个月之后老板问起来，埃踢就只会说在服务器上，老板就很无语，埃踢也很尴尬。 01:10 听起来真的很尴尬。那这种尴尬在行业里面是普遍现象吗？ 01:14 确实很普遍，就是这种情况全球每天都在发生。对，并不是说产品不好，而是产品要真正用起来。这个过程当中没有人去做这个连接的工作，所以就有了FDE这个角色，专门来填补这个鸿沟。 FDE 是什么？ 01:28 明白了FDE到底是干什么的，它跟传统的工程师有什么不一样。 01:33 FDE的英文全称是Forward Deployed Engineer。其实他就是一个去客户现场，然后在客户的环境里面，用客户的数据直接帮客户解决实际问题的工程师。他不是在公司里面写代码的。 01:46 所以他其实更像是一个被派到前线去的技术士兵。 01:51 没错。而且这个岗位最原始，就是由一个专门给美国军队、政府还有情报机构做服务的公司，叫 Palantir 创造出来。对，因为他们的书记太敏感了，根本没有办法带到公司去。所以他们只能把工程师派到客户那边去现场解决问题。后来大家就发现这个方式真的非常有效，就慢慢流行起来了。 举个例子，秒懂 FDE 02:12 这么说的话，FDE和普通的工程师还有销售工程师到底有什么本质上的区别？ 02:17 可以用一个很形象的比喻来说明，就是产品工程师的任务就是在公司里面造出一把理论上可以钉所有钉子的超级锤子。然后他就觉得自己的任务完成了。销售工程师就是拿着这个锤子去跟客户各种演示，把合同签回来，他的任务也就结束了。 02:33 那FDE是不是就是负责在合同签完之后才真正上场解决难题的那个人？ 02:39 完全正确。FDE就是合同一签完，他就跑到客户那边一看，吼客户要的不是锤子，而是书架。 02:48 墙是混凝土的，邻居还不让随便敲。然后FDE就会帮把书架组装好，确保它不会倒，让客户最后满意的使用，这才是FDE价值真正开始的地方。 03:00 懂了，FDE在帮助客户落地一个AI项目的时候，他到底是怎么一步一步把客户模糊的想法变成一个真正能用起来的系统的。 FDE 到底要干啥？ 03:09 其实FDE开始收到的信息经常就是客户说我们想用AI来提升效率。那这个时候FDE就会通过非常细致的提问，搞清楚客户到底是什么业务，用什么数据，现在用的什么系统，然后卡在哪里了。 03:25 所以第一步就是把模糊的需求翻译成可以动手去做的一个技术方案。 03:29 然后第二步就是FDE会非常快速的做出一个原型，跑一跑看一看这个方向对不对。有了原型之后再把它打磨成一个正式的系统，包括连数据库做合规测试。最后真正的部署到生产环境上面去，保证它很稳定的运行。最后FDE还要把客户实际使用当中遇到的一些问题带回到公司里面去，帮助产品团队去不断的改进产品。没错，所以FDE其实是公司安插在客户那边的眼睛、耳朵和手。 04:00 这么说的话，FDE要胜任这么多环节，它到底需要哪些能力呢？ 这个岗位需要什么样的人？ 04:04 说起来挺残酷的，FDE必须同时具备3种能力，而且这三种能力是相乘的关系。就是任何一项能力接近于0，它整体的效能就是0。 04:14 听起来要求真的很高，那这三种能力具体指什么呢？ 04:17 第一个是真的会写代码，就是你得能独立的在客户的服务器上面搭建系统，写接口，处理数据，然后上线。包括你线上出了问题，也得你自己上去排查修复。第二个是真的会沟通，就是你得能把CEO说的什么提升效率翻译成技术团队能听懂的需求。然后也得能够把技术方案翻译成老板能听懂的商业价值，而且你得在客户的地盘客场作战，没有很强的自我。 04:45 第三个是真的得懂这个行业。就是你去医院你得懂医疗合规，你去银行你得知道金融的业务逻辑，你去工厂你得明白生产线。对，你不懂这些，你做的系统根本进不了客户的门。 04:58 了解了FDE这个岗位薪资水平大概是一个什么情况？为什么会出现这种情况？ 薪资：看了会沉默 05:04 在美国像Palantir 这种公司，FDE的年薪加上股权，加上奖金是在170万到450万人民币之间。而且顶级的FDE是可以超过450万的。天哪，这个岗位的招聘量在一年内暴涨了800%。对，就是因为同时满足技术好、沟通强、懂行业这三个条件的人实在是太少了。但是市场的需求又一下子爆发出来，导致这个人才严重供不应求，所以价格自然就被推得非常高。明白了。 05:35 美国的FDE的商业模式和中国的FDE的商业模式，他们的核心差别到底在哪里？ 美国 vs 中国：同一个岗位，两道不同的算术题 05:41 美国那边就是客户的合同金额都非常大，像Palantir 给军方做一个项目都是几百万美元。是的，然后OpenAI、Salesforce他们面向企业的合同也都是同样的量级。所以他们完全可以负担得起给FDE开出非常高的薪水。然后客户也可以得到非常好的服务，产品也可以真正的用起来，所以客户就更愿意续签更大的单，整个这个事情就会形成一个正向循环。 06:05 所以他们的高客单价是这个飞轮能够转起来的一个关键。 06:09 中国就完全是另外一道算术题了。就2025年中国的大模型中标项目有7500多个，然后总金额是将近300亿。但是你算下来，其实每个项目平均是391万。可是这个平均值是被少数的几个超大单拉起来的。没错，大部分的项目其实都是几十万到一两百万之间。那你想想看一个FDE一年的综合成本很容易就超过100万。那很多项目的总金额都不够覆盖一个FDE的成本的，更不要提中国的很多采购都是最低价中标。所以FDE的这种高端的服务根本就体现不出价值。 06:45 既然中国的市场环境是这样的那中国的企业到底有哪些办法可以让FDE落地呢？ 那中国怎么办？ 06:51 现在大家主要是有三条路在走。第一条路就是只做那种头部的央国企或者说政务的大项目。这些项目是有钱的，周期也长，也愿意接受深度定制，这样的话就可以撑起FDE的高成本。门槛虽然高，但是客单价是可以的。 07:07 所以第一条路其实就是把资源集中在最能够消化FDE价值的大客户身上。 07:13 第二条路是让一个FDE同时服务3至5个中小客户，然后他就像医生一样定期上门。那这种方式就是牺牲了服务的深度，但是可以扩大服务的企业的数量，相当于把FDE变成了一个高级技术顾问。 07:28 第三条路是把FDE积累下来的行业经验，部署的模板，最佳实践都打包成一个解决方案包。客户买的其实是FDE的能力，而不是他的时间。这种方式的难点就在于前期要投入很多精力去积累和产品化，就像Palantir也是经历过这样的转型才实现了规模化。 07:48 好的。我们最后来聊一聊AI落地的这个人才鸿沟在中国和美国到底有哪些具体的不同。 07:54 两边其实都有一个很尴尬的事情，就是产品团队不了解客户的真实环境，客户团队也不懂AI到底能干嘛。所以中间就会有一个沟通的断层。在美国的话这个断层是可以用几百万美元的年薪请一个FDE来填的。但是在中国的话，这个断层到底值多少钱，要怎么去系统的解决，其实大家都还在摸索阶段。所以谁能够先把这个问题想明白，谁就可以抢占先机。 08:20 今天我们聊了很多关于FDE这个职业的诞生，它的独特的价值，包括它在中美两国不同的市场环境下遇到的挑战和机会。 08:30 没错，那这期节目咱们就到这里了，感谢谢大家的收听，咱们下期再见，拜拜。

00:15 今天的博客咱们来讨论一下，最近这个人工智能领域发生的几个比较大的事件。然后我们也会聊一聊现在在人工智能这个领域里面，基础设施开源和闭源的生态，以及监管和商业策略。这几个比较关键的因素是如何互相影响，并且开始左右这个AI产业的走向的。 00:37 是啊这个确实是现在整个行业都非常关注的问题。那我们就直接开始。 01.AI 监管-美国管AI 出新招：管得住自家，管不住别人 00:42 咱们先来讲讲最近炒的比较火的一个话题，就是美国对于人工智能的监管最近出台了一些新的举措。那为什么美国政府会这么着急，想要对这些顶级的AI模型进行安全体检呢？ 00:57 其实主要的原因就是因为最近这个AI的能力提升的太快了，而且已经有这种OpenAI和Anthropic他们的模型在测试的时候就已经出现了这种越狱的情况，就是他会自己黑进别的公司的系统，所以这个就会让白宫非常的紧张。 01:13 看来这个测试的时候都已经这么危险了，那实际应用当中还得了。 01:18 没错。所以政府就把OpenAI、Anthropic、谷歌、Meta这四大公司叫过去，说以后你们这些顶级的模型在发布之前都要先经过30天的安全体检。对，但是这个体检是自愿的，然后标准是不公开的。最妙的是开源的模型还不用剪，所以像中国的这些千问、Kimi、GLM全都不在这个范围之内。 01:40 既然提到了中国的开源模型，那我就想问了，为什么现在美国的企业会越来越多的去选择用这些中国的开源的AI模型？ 01:49 这个原因很简单，就是因为中国的这些开源的模型。比如说GLM5.2和阿里的Qwen还有这个Kimi它不光是比Claude、GPT便宜60%到90%，而且它还非常的好用。比如说这个GLM5.2，它上线了一个礼拜用量就暴增了27倍。然后Airbnb都已经开始用Qwen了，Cursor甚至直接就是基于Kimi做了他们自己的模型。 02:15 这么一看的话，这个价格差距确实很有诱惑力。但是我在想会不会还有一些其他的原因，让这些企业更倾向于选择中国的开源模型。 02:24 当然有了，还有一个很重要的原因就是数据安全。因为很多硅谷的公司，他们都很担心把自己的商业数据、客户信息或者是代码交给OpenAI、Anthropic这些闭源的模型。他们会担心这些巨头公司会反手用这些数据来跟他们竞争。但是如果你用的是开源的模型的话，你就可以把模型下载下来自己部署。然后你的数据就可以完全留在自己的服务器里面，根本就不用送出去。所以甚至连微软的CEO纳德拉都在说，企业要掌控自己的数据主权。 02:54 所以说现在美国在对这个AI模型进行监管的时候，会带来一些什么样意想不到要的后果。 03:00 其实现在美国对自己本土的这些闭源的模型管得越紧，反而给了这些中国的开源的模型更多的机会。因为中国的这些模型又便宜，又不用经过安全审查，然后又不会动你的数据，所以很多美国的公司都更愿意去用这些模型。 03:17 听起来好像美国政府的这种监管反而有点帮对手铺路的感觉。 03:22 可不是。而且最有意思的是，现在最厉害的那些开源的模型基本上都是中国的。然后美国的政府好像更担心的是本土的公司形成垄断，对于中国的这些AI企业去抢占市场份额这件事情反而没有那么紧张。就像那个Brookings 研究员Kyle Chan说的，最强开源模型与最强中国模型高度重合。这届政府好像更害怕美国出现闭源垄断，而不怕中国AI来抢生意。 02.AI 定价-DeepSeek 要涨价了：先把你喂胖，再收饭钱 03:48 说完了美国对AI的监管，咱们再来说说AI的定价。就是最近DeepSeek突然宣布要大幅的提高API的价格。这个事情其实背后是有很多原因的那我们就来分析一下，为什么DeepSeek会有底气突然之间就把价格涨上去？ 04:06 这个底气是来源于DeepSeek-V4 Flash这个模型的正式发布。因为这个模型在Agent能力的测试上面拿到了25.2的分数，非常接近Anthropic最厉害的那个Opus-4.8（25.7 分），。但是它的运行成本要比Claude Fable 5低2个数量级。 04:26 这就难怪大家都在用DeepSeek了。对，这性能差不多，但是便宜这么多，谁不用谁傻。 04:33 确实，所以全球的开发者都涌过来用，然后它的单日token处理量在8月1号这一天就飚到了8万亿。甚至连GLM5.2这个模型在上线的第一周也有27倍的token量的增长。但是也因为这样，所以DeepSeek大部分的流量其实都是在免费试用的阶段。它虽然服务器压力巨大，但是收入其实是非常有限的。 04:56 既然现在DeepSeek这么火，那为什么DeepSeek还要学互联网行业那一套，先低价吸引用户，然后再慢慢的涨价。 05:05 其实这背后的原因很简单，就是因为他们在高峰时段接口经常会超时，然后服务器压力太大了。所以他们在七月中旬的时候就已经推出了峰谷定价，就是高峰时段价格翻倍。但是这还不够，所以他们现在就干脆直接全面的调高价格。 05:22 那大家肯定就会担心了，说我现在已经习惯了用这么便宜的服务。那这个价格一涨起来，大家会不会就集体的跳槽去其他的平台？ 05:30 这一点其实不用担心。因为DeepSeek其实跟其他的那些互联网公司还不太一样，就是它的这个模型是完全开源的。所以你如果觉得涨价之后难以接受，你可以直接把权重下载下来自己部署。而且就算它涨价之后，它的价格依然是比Claude要便宜几十倍的，所以其实用户的选择空间并不大，这就是他们敢涨价的最大的底气。 03.太空算力-AI 太费电了,人类决定把机房搬上天 05:51 然后我们接下来要聊的就是太空算力对最近AI基础设施短缺的问题非常严重。大家都在说要把数据中心搬到太空去，那这个到底是怎么回事呢？ 06:02 因为现在训练一个大型的AI模型，它的耗电量是非常夸张的，就真的跟一个小城市差不多。然后全球的这些科技巨头，他们又在疯狂的建数据中心，所以他们之间就是在互相抢地抢水。甚至有一些地方的居民都在抱怨说AI把我的电都抢走了，我夏天都开不了空调。 06:23 这听起来确实有点夸张，但是我想问一下，就是把数据中心搬到太空上去到底有哪些好处？ 06:30 最大的好处就是太空上面有取之不尽的太阳能。然后它是一个天然的真空环境，就非常有利于散热，而且它完全不占用地球上的任何土地资源。所以现在其实美国和中国都已经在投入大量的资源去推动这件事情了。 06:46 那现在美国和中国在太空算力这方面都有哪些具体的大动作？ 06:50 美国的话就是SpaceX已经公布了他们的AI算力卫星的设计，它的翼展有70米，然后它的太阳能阵列可以提供150千瓦的电力，单颗卫星的算力就可以媲美一套英伟达的GB300地面机柜。对，然后他们还计划要发射100万颗卫星，要在近地轨道上面组建一个轨道数据中心。谷歌的话他们也有一个补日者计划，他们打算在2027年的时候发射带有TPU芯片的原型卫星。 07:22 美国这是下了血本，那中国这边有哪些突破呢？ 07:25 中国的话就是成都国星宇航，他们在推进星算计划，他们是要发射2800颗卫星来组建一个覆盖全球的太空算力网络。然后北京这边的话是计划在700到800公里的晨昏轨道上面建造超级瓦级的太空数据中心，而且他们要部署百万卡级的服务器集群，并且今年的四月份太空算力专业委员会也已经成立了，北京的太空算力创新中心也正式启动筹建了。 07:55 不过现在虽然说大家都在太空算力这个赛道上面你追我赶的，但是这个事情在技术上面和成本上面到底有哪些难以逾越的难题？ 08:05 现在最大的问题就是发射的成本还是太高了。中国现在差不多是5万元每公斤，但你要真的做到规模化的话，你可能要降到0.5万元每公斤，这中间还差了整整一个数量级。 08:17 除了发射成本这个拦路虎之外，电力供应是不是也是一个特别大的挑战？没错。 08:23 因为你要给这个太空里面的数据中心提供兆瓦级的电力的话，你可能需要一个平方千米级的太阳意，这在工程上面的实现难度是非常高的。但是不管怎么说，就是地球上的资源总是有限的，所以谁能够率先的把算力送上太空，谁就能够掌握未来AI基础设施的主导权。所以现在其实这个芯片战争还没有结束，新一轮的太空算力竞赛其实已经拉开帷幕了。 08:53 今天我们聊了美国的这个AI监管的新的玩法，然后又聊了开源闭源的这种生态之争，又聊了这个AI公司的一些定价的套路，最后我们还聊了太空算力这个事情。其实这背后都指向了一个非常关键的转变，就是大家争夺的焦点已经不再是单纯的模型能力了。而是真正的落到了谁能够以更低的成本，更安全可靠的、更可持续的方式去搭建起这个AI的基础设施。 09:24 今天的节目咱们就到这里了，感谢大家的收听，咱们下期再见，拜拜。

00:16 今天咱们聊一个比较热的话题，就是人工智能的发展会让未来的职场发生什么样的变化，什么样的能力会变得更加重要，以及我们应该怎么去面对这个技术给我们带来的挑战。 00:28 没错，这也是最近大家非常关注的一个话题。那我们就直接开始。 00:32 咱们先来说一下这个李飞飞到底是何许人也，为什么他在人工智能领域会有这么大的影响力。 00:38 说起李飞飞，他是斯坦福大学的教授，然后他最著名的就是主导创建了ImageNet这个数据集。这个数据集其实就是点燃了现代AI发展的一个火种。然后现在她又在做一个新的公司，就是做这个3D空间智能，刚刚完成了10亿美金的融资。所以其实她不是在预测AI的未来，她是在直接推动AI的未来。 第一个观点 · 让大家最焦虑的话题 01:05 接下来咱们谈谈这个哑铃效应在未来的职场当中会是一个什么样的情况，哪些人是最不容易被人工智能取代的？ 01:14 关于这个问题，其实就是Masterclass 创始人 David提出来的一个理论。他说未来其实只有两种人能够保住自己的饭碗。一种是在自己的领域里面是全球前1%的顶尖专才。然后另一种是高自主的通才，就是他能够做很多事情，然后有非常强的判断力。 01:34 也就是说处于中间的那些技能水平一般的人会面临很大的挑战。 01:39 没错，就中间这一大块其实都会被AI很轻易的取代。比如说一个普通的文案，现在用ChatGPT就可以写出还不错的文案。但是如果是那种最顶尖的文案，那AI还是很难去赢过他的。 第二个观点 · 最被误解的一句话 01:52 是的，顺着刚才的思路，咱们再来说说智能成本归零这个事情。为什么李飞飞认为这种说法是不负责任的？就是她怎么看待智能的多样性？ 02:04 李飞飞其实是非常直接的反驳了这个观点。她说人类的智能绝不仅仅是语言智能，还包括了空间智能、肢体智能、情感智能，还有创造力。而且没有人知道创造力是从哪里来的。所以她说你要说智能的成本归零，简直就是非常不负责任的一种说法。 02:24 那她是怎么看工业革命对体力劳动的影响？就是她觉得这个自动化和智能之间到底是什么关系？ 02:30 她其实特别提到就是工业革命其实并没有让体力劳动自动化，而是让体力劳动变得更高效，规模更大。然后她也强调了，你把体力劳动说成是不智能，本身就是一个错误的理解。 第三个观点 · 她最在乎的词 02:44 明白了。然后我们来看看这个自主行动力这个概念。为什么李飞飞会认为在AI越来越普及的这个时代，自主行动力要比技能本身还要重要。 02:55 其实在她的那个访谈里面，自主行动力这个词出现了不下十次。然后她就非常明确的表达了，在面对AI的浪潮，你知道多少技能其实没有那么重要。反而你是不是有主动去寻找问题，主动去做决策的这种意愿和能力才是最关键的。 03:15 所以她是怎么去描述这个自主行动力的，就是具体的包括哪些东西？ 03:20 她讲真正的自主行动力就是你不等着别人告诉你该做什么，然后你不怕失败，敢于去尝试，并且你始终保持对这个世界的好奇。然后她还特别说了，就是企业家精神并不是说你要去硅谷开一个公司才叫企业家精神。她说一个小学老师，一个护士都可以有企业家精神，就是只要你有自主行动力。 第四个观点 · 教育篇 03:43 是的，顺着刚才的思路咱们再来看看教育，就是在AI时代教育到底应该做出哪些改变？然后学校到底应不应该去禁止AI的使用？ 03:53 其实关于这个问题，David有分享过一组数据。就是说使用AI来辅助学习的话，可以节省60%的时间就可以学会同样的内容OK。然后他还做了一个很极端的假设，他说如果A学校还是禁止AI，B学校是开放让学生去使用AI的那可能十年之后A学校都不存在了。 04:16 看来就是完全去拒绝AI的话，可能反而会让学生落后于这个时代。 04:21 李飞飞也补充了她的观点，她说教育最重要的不是说你要通过多少闭卷考试，不是说你要去追求一个标准化的分数，而是要培养出对社会有贡献的人。然后她也认为AI应该是帮助我们达成这个目标的一个工具，而不是一个威胁。 第五个观点 · 她正在做的事 04:41 确实接着咱们来关注一下空间智能，李飞飞为什么会把它看作是AI通往真正通用智能的一个关键的障碍。 04:50 李飞飞其实认为现在的大语言模型，它只是在语言智能上面比较厉害。但是空间智能是完全不一样的，就是理解和推理这个三维的世界，是经历了5亿年的进化才形成的一个能力。根本就不是说靠几句代码就可以简单地去复制的。 05:09 原来空间智能比我们想象的要复杂得多。 05:12 没错，所以李飞飞她的那个World Labs就是在攻克这个难题。她一直强调如果这个问题不解决的话，AI永远都只能是一个会说话的工具。然后有一次主持人问他他说那你估计什么时候能退休，都不用自己叠衣服了。然后她就说她也不知道，但是应该不需要100年，也不是一年。这是访谈里面最可爱的片段。 她给普通人的一个建议 05:35 对于我们这些普通的人，如果说想要去了解AI想要去消除对AI的这种恐惧，李飞飞有什么具体的建议吗？ 05:45 有的,李飞飞就说如果你不懂AI，最简单的就是找一个25岁以下的人，让他带着你体验一个下午。不用去钻研计算机科学，就是像体验一个新世界一样的去感受一下。然后你才能够理解它，甚至你才能够有资格去说它哪里做的不对，这样你的声音才能够被听见。 最后说一句 06:06 最后一个问题，就是李飞飞怎么看待现在社会上对于AI的这种两极分化的观点。 06:12 其实她特别提到最危险的就是大家把AI要么就是捧到天上，说AI要拯救世界，我们再也不用上班了。要么就是把它贬得一文不值，说AI是魔鬼，会抢走所有的工作。她认为真正重要的是这个中间地带，就是怎么去真正的用好这个工具，怎么去避开这些陷阱，然后让人类带着AI一起走向一个更好的未来。然后她也强调了无论你是哪一端的人，你都要有主动性，你都要有自主选择的能力。 06:43 今天我们其实围绕着李飞飞的一些最新的观点，聊了一下关于AI时代哪些能力是最值钱的。然后也聊了一下为什么我们要保持这种主动学习和使用AI的这样的一个态度。 06:57 这期内容咱们就到这里了，然后感谢大家的收听，咱们下期再见。

00:07 今天我们想跟大家探讨的是，人工智能不再是仅仅停留在和我们对话的这个阶段了，它已经开始通过一些新的系统、新的载体以及新的网络，开始实实在在的帮我们完成一些任务了。 00:21 是啊这个其实是一个特别有意思的变化。我们就直接进入今天的主题。 00:25 我们先来说说AI现在的局限以及即将到来的变革。现在大家最常用的AI聊天软件，在帮我们解决实际问题的时候都有哪些短板呢？ 00:37 现在的这些AI其实特别像那种很能说会道的朋友。就比如说你问他说我年假要去哪玩，他可以给你巴拉巴拉列出十个地方，然后给你分析这个优缺点、天气。但是最后你还是要自己去订机票，自己去查酒店，自己去做攻略。对，所以很多人就会觉得，你说的都对，但是活还是得我自己干。 00:56 没错，就感觉是只动嘴不动手的一个帮手。最近有没有什么关于AI即将突破这个局限的一些新的消息呢？ 01:04 就是在2026年的世界人工智能大会上，有一个同时掌管两家AI公司的这个--印奇。他就讲了，说这种只动口的AI马上就要学会动手了。他说未来的AI不会只是给你一个建议，它是真的可以帮你执行，然后把这个事情都搞定。 01:22 听起来感觉未来生活好像会轻松很多。那这个印奇他为什么能够成为这个世界人工智能大会的主论坛的演讲嘉宾呢？ 01:30 首先他的这个身份就很特殊，他身兼两家公司的董事长，一个公司是做AI大模型的，就是相当于给AI一个大脑。然后另一个公司是做车和终端的，就是给AI一个可以作用的实体。所以他是真正的可以把智能体走进物理世界。这个事情从理论变成现实的一个人，而且别人讲可能就是一个概念，他讲就是讲他自己在做的事情。 01:57 哇哦这背景确实够硬核。 02:00 然后另外他今年也是刚刚执掌这个“阶跃星辰”，同时还拿下了五十多亿的融资，再加上他是上海本地的明星AI公司的负责人，又有清华姚班的出身，然后又是旷视科技的创始人。所以他就是可以说从AI的上一个时代一路走到现在。所以他是既有资历又有话题性的这样一个人。 01"智能体"是个啥? 02:22 真厉害。然后我们来具体说一下这个智能体到底是什么？这是他演讲里面非常核心的一个概念。它到底跟我们现在所熟悉的AI有一个什么样本质上的区别呢？ 02:33 其实它他有一个特别形象的比喻，就是说现在的AI就像是一个只会按你说的做一步答一步的员工。就比如说你让它去订机票，它只会给你说打开订票软件，然后选日期，它只会给你说这些步骤，它不会真的去帮你做对。 02:49 那就是说现在的AI还只是一个问答工具，还远远谈不上替你分忧解难。没错。 02:55 然后智能体就不一样了，智能体它是一个真正的办事员，就是你只要说帮我订一张明天去上海的机票，它就会去帮你比价选座位，避开你不喜欢的红眼航班。然后等它都定好了之后，它还会发消息给你说，都搞定了，是不是明早九点半的，然后值机也已经办好了。它是一个可以记住你的喜好，然后可以自主的去从头到尾把事情都给你做完的一个东西。它就像一个不吃不喝不睡，也不要工资的一个私人助理。 03:24 感觉这个智能体真的太方便了。那现在的智能体在实际工作中，它的这个独立能力到底有多强呢？ 03:30 五年前的时候AI连几秒钟都坚持不了，它工作一会儿它就会断片。但是现在的话它可以连续工作几十个小时，而且它这个进步的速度还在不断的加快。 03:43 这个进步速度也太夸张了。然后我们再来看一下智能体带来的三大变化，这三大变化具体是哪三个呢？ 02新系统:给 AI 配上手脚 03:50 第一个就是新系统，就是要给AI装上手脚。第二个是新载体，就是要给AI换一个身体。第三个是新网络，就是让AI之间可以交朋友。 04:01 好，我们先来看看第一个大变化，新系统就是为什么现在的AI还不能真正的帮我们去执行一些任务。比如说订机票。 04:10 其实现在的AI它就像一个被关在小黑屋里面的一个超级天才，它什么都知道，但是它没有办法碰手机，没有办法碰电脑，它没有办法去自己操作这些东西。所以它哪怕再聪明，它也没有办法帮你去完成这个事情。 04:26 就光有这个大脑是不够的，它还得有能够干活的这个工具。 04:30 所以就需要有人给它装上可以调用各种应用的这个接口。比如说可以打开订票软件，可以读取你的日程，然后可以帮你付款等等的这些能力。这些就需要一套专门为AI设计的操作系统，把这个聪明的大脑和能干的手脚连接起来。 04:48 明白了。那为什么每一次计算平台发生变化的时候，就一定要有一个全新的操作系统出现呢？ 04:53 就像过去40年里面电脑普及了，所以windows就起来了。然后智能手机起来了，之然后就有了安卓和IOS。那现在到了这个智能体的时代，自然也需要一套全新的专门能够管理AI，让AI可以自己去执行任务的这样一套操作系统，这是智能体时代必须要有的一个新的系统。 03新载体:给 AI 换个身体 05:14 原来是这样。然后我们来看一下第二个大变化，就是新载体。就是说未来的AI到底会以一个什么样的方式存在于我们的日常生活当中，跟我们现在有什么不一样呢？ 05:25 其实现在我们的手机、电脑、汽车，它们都是各自为战的。你的手机不知道你在电脑上干了什么，然后你的汽车也完全不了解你的日程安排。但是以后所有的这些设备都会变成同一个AI助理的不同的分身，它可以无缝地在这些设备之间流转。 05:45 那这么说的话，我是不是以后只需要跟一个AI说一次，然后所有的设备就都自动帮我协同起来了。 05:52 没错。就比如说你早上在电脑前面说一句，下周三我要去杭州出差。然后中午你上车的时候，车就会主动跟你说，杭州的高铁票我看了周三早上八点那班最合适，要订吗？然后等你晚上回到家，你的手机上就会收到，已经帮你订好票了。然后酒店也选了上次你住过觉得不错的那家，然后行程已经发到你的微信上了。你这一天当中只需要说一句话。 06:15 听起来就感觉未来生活真的是太方便了。这些不同的设备在这个AI的世界里面，他们会各自承担一个什么样的角色呢？ 06:24 电脑可能会变成AI的一个工作台，它主要是帮你处理一些比较正式的事情。然后手机会变成一个随身的指挥中心，你走到哪儿都可以随时给它下指令。那汽车就会变成一个移动的智能空间，你在开车的时候也可以继续让他帮你办事儿。那以后可能会出现的机器人就会变成一个真正可以动手帮你干活的一个帮手。 06:47 这些东西的外观会不会因为AI的出现发生一些根本性的变化呢？ 06:52 肯定会。因为以前我们设计这些设备都是围绕人怎么去操作它，所以我们有屏幕有键盘。但是以后的话这个设备会围绕着人和AI怎么去配合，那可能就不需要那么多屏幕和按键了。它可能会变成一个眼镜、一个徽章、一个耳机，甚至是一个我们现在都没有见过的一个东西。就像当年我们在功能机的时代，我们也想象不到会有iphone出现一样。 07:17 是不是说这个新载体的趋势，会让AI彻底的走出屏幕，走进我们的现实生活呢？ 07:25 对。就是这个新载体它最核心的意义就是不再去纠结说我到底是一个手机还是一个手表，而是我们会根据AI的需求去定制各种各样的硬件。那这个里面就隐藏着下一个iphone时刻的机会。就是当机器人普及之后，这个AI助理就会变成一个可以真正帮你动手做事的一个实体。它就不再是一个屏幕里面的文字了，它真的是一个在你身边的一个帮手，这就是智能体走进物理世界。 04新网络:让 AI 交上朋友 07:55 说到这个我有个问题，就是这个新网络到底是怎么回事儿？就是它怎么能能够让不同的AI之间能够自动的去组队去合作，帮我们完成一些很复杂的事情的。 08:05 新网络其实就是把AI和AI直接连起来，以前的互联网是把人跟人连起来，那现在的话就是你的AI助理可以直接找到其它的AI助理，然后它们之间可以分工合作。比如说你要装修房子，你就只要跟你的AI说我要装修房子，然后它就会自己去找擅长设计的AI，找擅长比价的AI，找擅长管理进度的AI然后它们自己就会组成一个团队，把你的这个装修的事情全部都搞定，最后只把结果汇报给你。 08:36 这也太高效了。那在这个合作的过程当中，这些AI它们是怎么去挑选队友的呢？ 08:41 它们会像网店一样有信用分，有好评率。就是你可以看到哪个AI助理它是擅长做什么的，然后它的过往的评价是怎么样的。然后它们完成一个任务之后也会有奖励，如果做的不好的话也会被扣分。所以它们也会不断的去竞争，不断的去争取更高的评价。整个这个网络就会越来越聪明，越来越高效。 05等等,AI 闯了祸算谁的? 09:01 明白了，我们接下来就要说的就是AI帮我们做决定，或者说AI闯祸了之后的责任归属的问题。就是如果这个AI助理它的权限越来越大，那我们在使用的过程当中会遇到哪些让人头大的风险呢？ 09:16 就比如说你的AI可以帮你下单买东西了，小到订外卖大到买车。那这个过程当中，如果它出现了失误，这个责任应该算谁的？然后你怎么去保证这个指令确实是你本人下达的，而不是被别人恶意的操控了。这些其实都是非常现实的问题。而且已经不是说科幻小说里面的桥段了，已经是行业必须要面对的一个问题了。 09:41 对这些风险确实让人有点担心。那这个行业有没有说在规范上面有什么实质性的动作呢？ 09:48 有的，就是他们已经在和顶尖的科学家团队一起在研究这个事情，就是要提前把这些规则都设定好，就是先立规矩，然后再让AI去工作。这种比较谨慎的做法还是让人挺放心的。 06那我会不会失业? 10:03 是的，然后我们来进入今天的最后一个主题，就是AI会不会让我们失业，这是很多人都关心的一个问题。那这个演讲当中是怎么看待这个问题的呢？ 10:13 其实他的核心的观点就是说AI的时代最重要的不是说谁被替代了，而是每个人的能力都被放大了。就比如说你现在开一个小店，你要自己进货、自己记账、自己做宣传、自己拍照修图，你什么都要会，那你压力很大。确实是这样。 10:31 很多人就是因为这些杂活太多了，所以根本就腾不出手来做自己真正想做的事情。 10:37 但是以后的话每一样杂货都会有一个AI助理帮你干你可能只需要去想我要开一家什么样的店，或者说我要表达一个什么样的想法就可以了。所以他其实说的是未来的一个人，他就可以拥有一个团队的能力。有工程师会有专门写代码的AI帮他，设计师会有专门帮他出创意的AI帮他，甚至说普通的人也会有生活助理帮他。所以他说淘汰的不是人，淘汰的是那种单打独斗的方式。未来的AI会变成一个在你身边帮你实实在在干活的好伙伴。 11:10 听你这么说的话，感觉未来还挺美好的。我们今天其实就是想给大家描绘一下AI从一个只会聊天的工具，变成一个会真正帮你跑腿，帮你解决实际问题的一个智能体。这中间的一些关键的变化和可能会遇到的一些挑战。 11:26 没错，好了，这就是我们今天的全部内容了。然后感谢大家的收听，咱们下期再见吧，拜拜。

00:15 今天咱们要聊的是关于中国的人工智能公司月之暗面，发布了全球最大的开源模型kimi K3这件事情。然后这背后其实不光是技术的突破，还涉及到了一些人才的流动和这个行业的的执行理念。 00:30 没错，这个话题最近真的很火，那我们就开始。 CHAPTER 01 这次不是"追赶"，是坐上了主桌 00:33 好的，我们首先要讨论的就是kimi K3这个模型发布的情况。你觉得这次发布有哪些比较令人瞩目的地方？ 00:41 Kimi K3是在2026年7月17号的凌晨，世界人工智能大会开幕的前一天夜里，突然之间发布的，没有任何的预告，就像你突然在群里面发了一个红包一样，然后瞬间就引爆了整个全球的AI圈。 00:57 确实有点让人措手不及。这个发布方式很特别。 01:00 然后这个kimi K3它的参数的规模达到了2.8万亿，是目前全球最大的开源模型。而且他直接就冲到了Arena前端编程榜的第一名，这也是中国的模型首次能够拿下这个榜首的位置。在综合文本榜上面也超过了之前的最强模型Opus 4.8 。 01:20 这参数规模和榜单成绩确实亮眼。 01:23 更厉害的是kimi K3的API的定价只有那些顶级的闭源模型的3/1到2/1，而且它的完整的权重在7月27号之前就全部开源了。任何人任何公司都可以免费的去商用、去修改、去部署。连Arena的CEO都说这可能是今年最重磅的一次发布。然后马斯克也评论说令人印象深刻。 01:47 真的是很厉害。那kimi K3的发布在资本市场和行业里面掀起了什么样的波澜？ 01:52 发布当天美股的半导体板块直接就跳水了，然后纳指的期货在盘前也下跌了。很多的外媒都用了"DeepSeek时刻2.0"来形容这个阵仗。就上一次华尔街这么紧张还是一年半之前DeepSeek发布的时候。 02:07 看来这次中国模型真的是引发了国际关注。 02:11 对，这次不是说中国的模型又追进了一点，这次真的是中国的模型做到主桌上了，然后还顺手把菜单价格打下来了。 CHAPTER 02 一个经典问题，在Reddit和X上复活了 02:19 说完这个kimi K3的影响，咱们再来说说这个月之暗面的创始人杨植麟。他的这个经历到底有哪些特别突出的地方？为什么会让这么多海外的网友热议？ 02:30 杨植麟其实就是一个传说级的人物，他是清华计算机系年级第一，然后去了卡内基梅隆大学读博士。 02:38 他在博士期间以一作的身份发表了Transformer-XL和XLNet两篇非常有影响力的论文。而且他还曾经在Google Brain和Meta AI实习，甚至还跟图灵奖得主一起发表过论文，这样的履历确实让人惊叹。不过听说他连公司的名字都跟别人不一样。 02:56 是的，他的公司名字叫月之暗面，其实是来自于Pink Floyd一张专辑。然后财富杂志还专门用了一个标题，叫一个中国的Pink Floyd粉丝正在给Claude和ChatGPT制造它们的DeepSeek时刻。 03:10 这么说来，杨植麟为什么会选择在2023年回国创业，而不是留在美国？这个问题在国外的这些论坛上面有哪些猜测？ 03:19 主要就是Reddit和X上网友们的讨论特别激烈，然后大家脑补出了好几剧情。第一个剧情就是他的签证出了问题，被美国拒了，没有办法他只能回国。第二个就是说他在美国没有拿到很好的工作机会，混不下去了。还有第三个就是说他可能被导师放弃了，然后在学术圈里面待不下去了。 03:40 就感觉这些猜测背后好像有一种固有思路。 03:43 没错，这些版本流传很广。其实都隐隐地透露出同一种叙事，就是只要中国的人才没有留在美国，那就一定是因为他留不下来，而不是他主动选择离开。 CHAPTER 03 辟谣的方式千千万 他导师选了最凡尔赛的那种 03:55 说的有道理，那我们接下来要说的就是针对这些网上的各种流言蜚语，杨植麟的博士导师是怎么回应的？ 04:03 他的导师Ruslan Salakhutdinov就是卡内基梅隆大学机器学习的教授，直接在社交平台上面连发两条帖子。第一条就是公开的祝贺杨植麟说Kimi K3的发布是开源社区的一次巨大的胜利。然后还回忆了当年他和William Cohen一起指导杨植麟的一些点滴，就非常像家长在朋友圈里面晒娃的那种感觉。 04:26 第二条帖子有没有正面回应外界的那些质疑？ 04:29 第二条帖子才是真正的名场面。他说最近总有人问他，杨植麟是不是他带的博士生，他的回答是，是的，而且这个学生绝顶聪明。然后他话锋一转，说不过我这些年带过的优秀学生实在太多了，请允许我小小炫耀一下。接着他就直接晒出了自己实验室的毕业生名单。 04:49 啊，这个晒名单的操作真的是太绝了，感觉网友都给整不会了。 04:54 是的，网友就把他的这个操作总结为凡尔赛式辟谣，就是你们猜他是不是被我抛弃的差学生？不好意思，他是我拿出来吹牛的门面之一。 05:04 原来是这样啊。那外界不是老说什么杨植麟他是因为签证的问题或者说工作的问题才回国的吗？有没有什么事实可以反驳这些留言？ 05:14 有网友直接在X上面贴出了他的这个履历的时间线，就是杨植麟在读博期间就已经去过Google Brain和Meta AI实习了。所以其实对于这种级别的研究者来讲，人脉、工作机会、绿卡通道根本就不是一个门槛。他在2023年选择回国，更像是他自己权衡了各种利弊之后的一个主动的决定。 05:38 所以他不是说走投无路了才回国的。 05:40 完全不是。他就是算清楚了在哪里可以最快的拉起一支队伍，把他的这个理想变成现实。你看他回国之后，2023年的三月才成立的公司，三年之后kimi K3就登顶了Arena，就说明他这个选择其实是非常有远见的。 05:56 说到这儿，我想问一个问题，就是为什么大家总喜欢把没有留在美国和在美国留不下来这两件事情给混为一谈呢？ 06:05 其实这是两码事，没有留在美国是一种主动的选择，而在美国留不下来，是被淘汰了，是一个被动的结果。但是在传播的过程当中，第二个版本永远都跑得更快，因为天才走投无路，比天才主动选择更像爽文。可惜的是，爽文和事实经常不是同一篇。 CHAPTER 04 田渊栋的观察：这一波，成全的是实干家 06:26 聊完前面的再说一个很有意思的视角，就是田渊栋怎么看现在这一波AI浪潮里面的人才和实干精神。对了，他到底是一个什么样的背景？为什么他的观点值得我们重视？ 06:37 田渊栋的经历就非常的能打，他是上海交大的本硕，然后他是在CMU的机器人研究所拿到了博士，后来在Meta AI做到了研究科学家总监。他还一手打造了围棋AI DarkForest和OpenGo。 06:52 听起来他不光是理论很强，而且是真的在这个行业的最前线拼杀过。 06:57 没错，他去年的时候离开Meat联合创办了Recursive Superintelligence，就是专注于自我进化的AI然后今年5月份的时候，刚刚宣布完成了6.5亿美元的融资，估值是46.5亿美元。而且英伟达和AMD都参与了投资，他是一个真正在中美AI界都能够呼风唤雨的人。 07:18 那田渊栋怎么看待现在这一波AI浪潮里面的人才和实干精神？ 07:23 田渊栋在X上面说了很多，他的核心观点就是这一波AI浪潮真正受益的是那些脚踏实地的实干家。而这批实干家里面有很大一部分是中国的学生。 07:35 看来在他眼里面，中国的人才的气质还是很不一样的。 07:38 是的，他特别提到中国的这些实干家，他们不太热衷于炒作概念，或者说去抢这个头条。他们更愿意去默默地处理数据，搭建系统、训练模型，把产品做出来。排名也好，名声也好，对他们来说只是一个自然而然的结果，而不是他们追逐的目标。 07:56 田渊栋说的很有道理，Kimi K3三这个团队在面对这种竞争的压力的时候，他们具体是怎么坚持这种实干精神的？ 08:04 其实过去的一年半对月之暗面来说是非常煎熬的。因为DeepSeek火了之后，Kimi在国内的用户排名一度从第三掉到了第七。很多人都觉得他们已经掉队了，但是他们整个团队没有去跟外界争论，而是把所有的精力都投入到了开源的这条路线上面，从K2到K2.5再到K3，他们就是这样一步一步的去打磨这个产品。 08:27 感觉他们这种就是埋头做事不声张的风格确实很罕见。 08:32 确实，而且他们的这个联合创始人周昕宇在今年年初的时候，还在Reddit AMA上面说过一句话。他说我们的这个共同的价值观就是把事情真正的做成并落地，而不是去追求表面的光鲜。 CHAPTER 05 比起"人才去哪儿了" 更该问"事儿是怎么成的" 08:45 明白了，那我们在再来说说这个Kimi K3的发布，它在行业里掀起的变化，能不能够总结出三点比较关键的启示？ 08:52 可以。第一个就是开源和闭源的界限正在快速的缩小。因为Kimi K3它在很多榜单上面都已经超越了这些顶级的闭源模型，然后价格只有他们的一半不到。所以这直接就逼着整个行业不得不重新去思考自己的定价策略。你看华尔街都已经开始抛售相关的股票了，这就是最直接的一个反应。 09:12 听上去好像是整个行业的游戏规则都在被改写。 09:17 没错，第二个就是很多人还在纠结说为什么这些人才不留在美国？其实这个问题本身就错了。因为对于真正想要做成事情的人来说，他只会关心我在哪里能够最快的组建团队，最快的让想法落地，而不是说哪里能够给他带来更多的光环。杨植麟的导师在社交媒体上面其实已经讲得很明白了。 09:37 有道理。那第三点呢？第三点行业里最看重的是什么？ 09:41 这个行业最终奖励的永远都是执行力。就是你的简历再漂亮，你的故事再动人，最终都是昙花一现。只有你做出了能够实实在在的登顶榜单的模型，才是最有说服力的。就像田渊栋说的，实干家就是别人还在争论怎么摆牌桌的时候，他们已经把牌打出去了。 10:03 说到这儿我有个问题，就是下一个Kimi K3时刻会在什么时候出现，会来自于哪个公司？ 10:09 这个其实没有人可以预测。但是可以确定的是，它很有可能属于一个平时不太爱发言，但是一直在默默的发版本的团队。 10:17 说的太对了。我们今天其实从Kimi K3的技术突破，聊到了背后的这些人才的选择，再到整个行业里面这种实干的风气。其实都在告诉我们一个道理，就是真正能够让你脱颖而出的是你踏踏实实把事情做成的能力。 10:33 没错，好了，那就是这一期播客的内容了。然后感谢大家的收听，我们下次再见吧，拜拜。

00:15 今天咱们这个话题是想聊一聊真正的兴趣是怎么通过不断的行动，不断的反馈和不断的自我修正，最后变成一项可以谋生的技能的，而不是单纯的停留在喜欢这个层面。 00:30 对，这个话题确实很重要，那我们就直接开始今天的讨论。 “兴趣养不活孩子” 这句话，哪里说错了？ 00:33 我们先来说说兴趣养不活孩子这句话哪里说错了。其实这个背后反映的是中国家庭里面对于兴趣和现实之间的一个非常典型的矛盾。 00:44 没错，其实这种对话特别常见。孩子说我喜欢画画，家长就说画画能当饭吃吗？孩子说我喜欢写小说，家长说写小说能当饭吃吗？甚至孩子说我喜欢打游戏，家长可能连话都懒得说，直接就把网线拔了。 00:55 很多家长的担心其实是来源于他们的所见所闻，他们的担心有道理吗？ 01:01 家长的担心是很真实的，因为他们身边确实有很多人因为追逐梦想最后没有成功，然后生活变得很拮据。但是其实他们担心的点错了，就是他们没有分清楚什么是真正的兴趣。真正的问题不是兴趣能不能养活你，而是大多数人其实根本就不知道什么叫真正的兴趣。 大多数人的“兴趣” 其实只是“感觉” 01:21 确实我想问一下，就是为什么大部分人说的兴趣其实只是一种感觉。就比如说旅行这个事儿，很多人都说我喜欢旅行，这背后到底有什么猫腻？ 01:32 问大家一个问题，大家都说喜欢旅行，但是你问他你上次出门是什么时候，他可能要想半天。我想想，上次五一？不对，上次国庆好像是2022年。这其实不叫喜欢旅行，这叫喜欢旅行的感觉。 01:47 我明白了，就是很多人其实只是喜欢想象中的那个兴趣。就没有真的去投入过去努力过错。 01:55 没错，很多人说我喜欢什么什么，其实那只是一个没有任何成本的想象。在他的脑海当中很温暖很美好，没有任何压力，因为他从来没有真正的开始行动过。 02:07 孩子说我喜欢画画，怎么去判断他是真的感兴趣，还是只是觉得画画很酷？ 02:12 其实很简单，就是你可以问他，你上次认认真真的画一张画是什么时候？你这一段时间一共画了多少张画？你有没有把你的画拿给别人看？有没有被批评？有没有尝试着根据别人的意见再重新画一张？如果这些都没有的话，那他其实只是觉得画画这件事情看上去很酷。这只是一个审美偏好，根本就谈不上是兴趣。 真正的兴趣，是一个动词 02:36 了解了，那什么是真正的兴趣？为什么说真正的兴趣？它其实是一个动词。 02:40 在心理学里面兴趣其实是分两个阶段的。第一个阶段叫情境兴趣，就是它是一个触发型的。比如说你看了一部电影，觉得里面的特效特别酷，你说我想学3D建模，这就是一个情境兴趣。他可能就是三分钟热度，你可能过一个礼拜就忘了这件事情了。 02:58 原来就是我们平常说的那个一时兴起，其实根本就不算兴趣。 03:02 真正的兴趣是第二个阶段，就是个人兴趣。它是一个根植型的。你真的去学了三个月的三弟建模，你为了做一个作品熬夜，你主动的去找这个领域的大神去请教，这个才是真正的兴趣。它是靠行动、靠反馈、靠不断地修正这样一个闭环，才能够让你的兴趣扎下根儿来。 03:25 原来是这样，那我就想问问兴趣到底是怎么养活人的？就拿做饭和打游戏来说，就是有感觉和真正的去行动，这中间的差别到底在哪里？ 兴趣养活人的正确姿势 03:36 做饭的话很多人就是刷一刷美食视频，收藏几个菜谱，偶尔做一次，然后拍照发个朋友圈就结束了。但是真正把做饭当兴趣的人，他是会每周都去尝试做五道菜，然后叫朋友来试吃，收集反馈。他还会去研究这个食材的搭配，甚至他可能去考一个营养师的证，最后他可能去开一个私厨，开始接单挣钱了。 04:01 确实光有热情确实是远远不够的。你得真的去做，去实践，才有可能把兴趣变成一个技能，甚至变成一个事业。 04:10 是的，包括打游戏也是一样。有的人他可能玩了8000个小时的我的世界，他除了自己爽了之外什么都没有留下。但是有的人他玩了同样的时间，他就会自己去建地图，去学Unity，做独立游戏，去B站上面发教程，去接一些私活，做游戏测评。你看那些游戏行业年薪50万的人，他不是说单纯的在玩游戏，他是真的做出了东西。 04:35 这么说的话，真正决定兴趣能不能带来价值的关键是什么？ 04:39 其实问题的关键根本就不是这个兴趣值不值钱，问题的关键是孩子有没有在这个兴趣里面真正的行动过。明白了。 04:47 明白了。那家长到底应该怎么去引导孩子，怎么去判断孩子是不是在真正的成长。 父母真正应该问的那三个问题 04:52 当孩子说我喜欢什么什么的时候，家长其实可以问他三个问题。第一个问题就是你最近具体做了什么跟这个兴趣有关的事情。比如说你画了一张画，写了一段代码，剪了一个视频或者写了一篇文章，就他得有一个实实在在的成果。 05:09 只停留在想是不够的，得有实际的产出。那第二个问题呢？ 05:13 第二个问题就是有人给过你反馈吗？就是你这个东西不能说你自己孤芳自赏，你得拿出去给别人看，让别人去评价，甚至让别人去否定你，你才有机会去改进，这才是真正的成长。 05:28 有道理，就是得有反馈，有修正。那第三个问题。 05:32 第三个问题就是下次你打算怎么改进。其实有这种闭环意识的孩子，他不管做什么事情他都会越做越好。没有这种闭环的孩子，他其实只是在原地打转。这三个问题背后考察的就是孩子的自驱式学习能力，而这种能力才是真正的一个通用的饭碗。 05:50 说的很对，这个闭环思维其实不光是在兴趣爱好上有用，在找工作写简历的时候其实也特别关键。 这件事，找工作的人也要听进去 05:57 这个逻辑其实不光适用于孩子和兴趣，也适用于找工作。比如说很多应届生他在写简历的时候，他的技能栏是这样写的，熟练掌握Python机器学习深度学习框架，修读过Coursera AI专项课程，对数据分析有浓厚兴趣。 06:15 这些东西看上去好像很厉害，但是总感觉缺点什么。 06:19 是的。其实HR看到这样的简历，他心里面就会翻译成这个人学过一些东西，但是不知道能不能用。那如果换成这样写，独立完成过一个二手房价格预测模型MAE误差控制在3.2%。已在GitHu开源，为某公众号团队搭建了用户流失预测脚本，帮助减少了20%的取关率。参加过一次数据竞赛排名前15%。对内负责特征工程部分。你看这两种简历给人的感觉是不是完全不一样。 06:48 那改完之后的简历就明显能看出来这个人是真的做过项目，而且有实际成果的。 06:53 没错。其实面试官根本就不关心你学了多少课程，看了多少本书，他只关心你能不能在真实的环境下面做出东西，拿出结果。学过和做过之间的差别，其实就像兴趣和能力之间的差别一样，是天壤之别。 最后说一句有点扎心的话 07:09 那我们接下来就要聊一个有点扎心的话题了，就是为什么父母会担心孩子的兴趣养不活自己。 07:16 其实父母的担心有的时候并不是兴趣能不能养活孩子，他们真正担心的是我的孩子将来能不能在社会上立足，能不能过上一个体面的有尊严的生活。 07:28 这种担心也很正常啊，哪个父母不希望自己的孩子过得好呢？ 07:31 是的，但是这种焦虑靠让孩子去选一条看似安稳的路是没有办法解决的，因为现在这个社会已经没有什么绝对安全的选择了，真正的安全感是你有能力在任何一个领域都可以快速的入门，持续的进步，并且拿到结果。 07:47 听起来真正能够让孩子在未来立足的好像并不是那个具体的兴趣本身。 07:52 真正的关键是孩子有没有在自己真正热爱的事情上面反复的去实践，反复的从失败当中去学习。因为只有做自己喜欢的事情，孩子才愿意在跌倒之后爬起来继续尝试。其实无论是培养孩子还是找工作，最终的规则就一条，别说你学了什么，别说你喜欢什么，说你做了什么，你拿到了什么样的反馈，你下次打算怎么改进。当你把行动反馈和闭环这三件事情做到极致的时候，兴趣不光能养活自己，甚至可以让你去影响和帮助更多的人。 08:27 我们今天其实聊了这么多，就是想要告诉大家，兴趣这件事情，它绝对不是你脑海当中的一个念头，它是需要你真的动手去做，不断的去修正，你才有可能把它变成你生活的一部分，甚至是你的未来。 08:43 好了，这就是我们这一期博客的全部内容了，感谢大家的收听，我们下次再见吧，拜拜。

00:16 今天我们要聊的是最近这个Claude因为在用户识别和隐私安全上面的一些操作，失去了中国市场的信任。甚至连很多企业的客户都开始质疑，他们的这种商业模式到底能不能够保护数据的安全这件事没错。 00:31 这个事情其实最近在行业里面还是挺火的那我们就直接进入今天的讨论。 00:35 我们先来讨论一下这个事情的全貌和最新的进展。这一波关于Claude事件的爆发，到底都有哪些具体的事情接连发生，让整个AI圈都震动了。 第一幕：客户端里的"隐形墨水" 00:46 这几天真的是像吃瓜一样，一波未平一波又起。首先是有人发现Claude Code，它其实是会通过插入一种特殊的暗号来识别中国用户的。紧接着就是大批的中国用户号被封，而且是直接封号，没有任何退款。这一下就引起了轩然大波。 。 01:06 那后来有没有什么大公司也卷入其中？ 01:13 阿里巴巴之直接就是下了通知，要求全员卸载Claude，而且给了一个非常明确的截止时间，7月10号。更有意思的是，甚至连国外的一位科技公司的CEO都上了电视直播，公开炮轰这些AI大模型公司的做法。他说简直是疯了。 01:31 那我就很好奇了，这个客户端里的隐形墨水，就是开发者是怎么发现Claude Code竟然在偷偷的标记用户的？它到底用了什么方法来识别特定的用户群体呢？ 01:42 事情的起因就是有一个开发者，他觉得自己使用代理去调用这个AI的时候被区别对待了，就是他的某些功能突然间用不了了。于是他就去反编译了这个客户端的代码。然后他就发现了其实从2025年4月份开始，就已经植入了一套非常隐秘的机制，用来悄悄标记用户。 02:05 这么说的话，这个识别的过程还挺复杂的那它具体是怎么去判断你是不是被标记的对象呢？ 02:12 整个过程就跟小区保安认脸差不多。分三步。第一步他会先看你的电脑时区是不是上海或者乌鲁木齐，如果是的话，他就会先做一个记录。第二步他会再检查你所使用的网络入口，有没有一些中国公司的关键词，比如说阿里字节、月之暗面等等。如果这两步都命中的话，那它就会在你每次请求的一个普通文本里面。比如说今天日期是几号，它会把里面的一个标点符号换成一个看起来一模一样，但是编码不一样的符号，这样的话服务器就可以识别了。但是人眼是完全看不出来的，而且他还会用混淆代码把整个这个操作藏起来，就相当于给你偷偷的贴了一个隐形的荧光标签。 02:58 这个事儿在Reddit上曝光之后，Anthropic他们是怎么回应的？这种做法对用户的信任到底带来了哪些影响呢？ 03:06 事情在网上发酵了之后，Anthropic的团队成员很快就出来承认了，说这个确实是他们在三月份的时候就开始的一个实验。主要的目的是为了防止有人去倒卖账号，以及防止有人去用他们的这个回答来训练其它的模型。他们还说这个其实早就已经计划要下线了。在被曝光的第二天，他们就把这段代码给撤回了。 03:27 他们虽然解释了，但是这种偷偷的标记用户的做法确实让人有点心里不舒服。 03:33 对，因为像Claude Code的这种工具，它是可以读取你电脑上的文件，甚至可以执行系统命令的。所以用户是完全把它当作自己人来信任的。但是现在突然间发现它竟然在背后给你偷偷地贴标签。那这个时候就算它说是一个实验，这个信任感一旦被打破了，就很难再修补了。 第二幕：封号潮，说封就封 03:53 我们接下来要聊的就是这个封号潮，说封就封。好多中国的用户在这次事件当中账号都被封掉了。那他们的这些遭遇有没有什么共同的特点？ 04:04 其实这次被封的不光是个人的订阅号，有很多企业的团队账号，而且其中有不少都是已经付费的非常正规的用户。但是他们一旦被官方判定为违规，钱是不会退给你的，申诉也基本没有什么用。很少有人能够成功把账号找回来。 04:22 还有就是外界经常会把这次的事情和后门这个词联系在一起。那这个词到底用的准不准确？这次的事件和传统意义上的后门到底有哪些差别？ 04:32 其实严格意义上来讲，这次的事情不能叫后门。后门是指攻击者可以绕开你的安全设置，偷偷的进入到你的系统里面。但这次其实更像是客户端在你没有察觉的情况下，悄悄的把你的身份信息传出去。它并没有说直接进入到你的电脑里面搞破坏。 04:51 原来如此。那就是说大家对于这个封号的原因其实一直都在猜。那到底有没有什么实锤能够说明官方到底是用什么标准来封的呢？ 05:00 官方从来没有公开过他们的具体的判定的规则，很多人就怀疑是不是跟我们刚才说的那个隐形的标记有关系。但是这个也没有被证实。有一些用户他明明就是用了美国的IP，而且显示的位置也是在美国，但是他的账号依然还是被封了。所以很有可能他们其实查的不仅仅是你的网络位置，他们可能还会去关联你的这个账号背后的一些其他的身份信息。 第三幕：阿里翻脸，甲方乙方调了个头 05:25 说到这儿，阿里翻脸？就是这个甲方乙方竟然直接就掉了个头。 这个其实也挺让人惊讶的，阿里之前对这些国外的AI工具到底有多推崇？ 05:35 说起来在这之前，中国的开发者对于Claude真的是非常的痴迷。排队等着用，找各种办法去抢额度，还要用中转，就怕自己被封号。阿里甚至还给员工开了高额的报销，就是你随便用，不管是Claude 还是GPT或者是Gemini随便用。有些程序员一个礼拜光在这上面的开销就有几百美元。 05:58 那后来阿里巴巴为什么突然之间就下了这个禁令，全面禁止使用Claude了呢？ 06:03 这是因为就在这几天，阿里内部发了正式的通知，说7月10号开始，所有的员工都不可以再使用Claude了。不光是Claude ，还有Sonnet、Opus、Fable, 包括最火的Claude Code，都不可以用官方推荐大家去用自家的Qoder来替代。 06:22 看来这个背后的原因肯定不简单。那具体是因为什么安全隐患让阿里做出来这么大的动作呢？ 06:29 阿里给出的理由非常明确，就是因为Claude Code被发现会暗中识别用户身份，存在严重安全风险，所以被直接列入了高风险软件名单。其实说白了就是阿里不愿意再让一个可以读取全部代码仓库接触核心开发环境的工具在暗地里做这种事情。 06:48 了解了那这个Anthropic指控阿里用虚假账号大规模的蒸馏他们的模型。这两者之间的矛盾到底是怎么一下子就升级到这个地步的呢？ 06:59 矛盾升级的原因其实还挺戏剧化的，就是在六月初的时候，Anthropic向美国参议院递交了一份材料，直接就指控阿里用大量虚假账号和海量对话对Claude进行所谓的工业级的模型蒸馏，而且还把这个事情上升到了国家安全的层面。 07:15 哇哦那这个指控可不是一个小事。后来后来Anthropic不光是针对阿里。 07:22 他们也对DeepSeek、月之暗面、MiniMax也发出了类似的指控。随着他们封控越来越紧，封号越来越多，阿里这边就直接把Claude全线产品都封杀了，就彻底不用了。用行动来证明我没有在偷练你的模型。 第四幕：连"友商"都看不下去了 07:37 OK那我们再来看看连友商都看不下去了，就是这个Palantir的CEO卡普，他在这个CNBC的直播当中，到底是怎么炮轰这些头部的AI公司的商业模式。 07:49 卡普他可一点都没留情面，他直接就说这些AI实验室的做法简直是疯了，他还说企业花了大价钱去使用这些AI服务，结果不仅没有换来多少实际的成效，反而把自己最核心的数据提示词，甚至业务逻辑全部都泄露给了这些模型的厂商。 08:09 卡普这个话说的还挺直接，那他有没有说什么解决办法？。 08:14 卡普就是说企业真正需要的是用自己的算力、自己的模型、自己的数据栈来构建属于自己的安全环境。他还说Palantir新推出的这个"Ontology"中间层，就是可以帮助企业继续使用第三方的AI但是又可以牢牢的把数据掌握在自己手里，相当于就是给企业数据加了一把锁。 写在最后：好工具，也得经得起翻底裤 08:34 最近发生的这些事情，其实也折射出了很多AI公司和他们的客户之间的信任危机。那这种危机在全球的范围之内都有哪些具体的表现呢？ 08:43 这个事情其实还挺明显的。你看我们前面不是提到国内的用户对于被标记这件事情非常的敏感吗？其实国外也一样，就有企业客户在公开的场合质疑说他们的数据是不是会被这些AI公司拿去偷偷的训练模型。这种不信任的情绪其实已经蔓延到了很多国家，不仅仅是中国。 09:03 我们今天其实就是给大家梳理了一下这一轮信任危机背后的来龙去脉。其实就是用户和企业对于自己的数据到底有没有安全感的一个问题。 09:13 好了，那就是这一期播客的全部内容了，感谢大家的收听，咱们下期再见吧。 09:18 拜拜。

00:16 今天要聊的话题是在人工智能快速发展的这个时代，选择大学专业的时候。真正重要的并不是去追逐那些热门的行业，而是要关注怎么发现自己的兴趣，并且能够培养自己主动去解决问题的能力。 00:33 这是每一个即将步入大学，或者说正在考虑自己未来方向的人都非常相关的话题。 00:42 首先讨论的是高考志愿填报的现状和挑战。每到这个六月，很多家庭都在经历着一场无声的战役，就是填志愿。这个过程当中，家长和学生都会面临哪些比较让人头大的信息和压力呢？ 00:57 这个场景每年都在上演，高考已经结束了，以为可以松口气了，但真正的考验才刚刚开始，这个时候学生不光要面对自己的理想和纠结，还要应对来自四面八方的声音。 01:10 各种意见都来了。 01:14 有爸爸的意见，妈妈的意见，还有什么七舅姥爷的意见，各种分数线速查表，亲戚群里面疯狂转发的什么2026年最值钱专业top 50。而且所有的这些信息都在告诉你一个公式，选个好专业等于找到好工作，等于过上好日子。但到了2026年，这个公式已经不那么绝对了。 01:33 那在AI时代选专业真的不能再去盲目跟风了。我们到底要怎么去思考这个事情呢？ 01:41 关于这一点有一点是肯定的，就是答案绝对不是简单的去学计算机，而是要去考虑在人工智能无处不在的时代，你要怎么去找到那个既能符合你的兴趣，又能让你有竞争力，还可以灵活适应未来变化的一个方向。 01- 李飞飞说了什么 01:57 我们接下来讨论一下李飞飞在这个AI时代对于就业和主动性的看法。她和David Rogier两个人在讨论AI时代到底什么样的人是最容易脱颖而出的。他们两个人都提到了同一个关键词，这个关键词到底有什么特别的意义？ 02:16 几天前李飞飞在她的博客里面跟MasterClass创始人David Rogier有一次对话。他们说到在AI时代，想要有一个好的职业前景，最关键的一个能力就是主动性。用英文说就是Agency。 02:33 这个词现在真的是在各种讨论当中都频繁的出现，看来是大家都很认可它的重要性。 02:38 他们两个人说主动性就是你自己能够主动的去设定目标，主动去采取行动的这样的一种能力。而且它是无论你是在非常专业的领域做一个专家，还是说你是在做一个需要整合很多资源的通才，都必备的一个底层的能力。 02:57 哑铃型的职场结构是一个什么样的东西？它又会给不同类型的工作者带来什么样的影响？ 03:05 Rogier他是直接用他公司的例子来解释的。他说现在的职场正在形成一个哑铃的结构，哑铃的一端是少数的顶尖专家，他们在自己的领域里可以做到前1%的非常专业的人。另一端是有很强的主动性，可以去横跨很多不同的领域，有很强的判断力和推进力的通才。 03:33 这两端好像都是很难被人工智能或者说被普通人加上大模型所取代的。 03:38 对，反而是那些处于中间的，只会去执行一些标准的流程，等着被分配任务的人，他们是最容易被挤压。李飞飞强调说这个Agency会成为每一个人在未来都必须具备的能力。 02- Agency是什么？为什么AI越强，它越值钱？ 03:56 那什么是Agency？为什么AI越强Agency越有价值？这个词是什么意思？它在我们日常工作当中，或者说在AI时代，具体会体现在哪些行动上面？ 04:09 Agency它的英文原词直译就是能动性或者说主动性。但它真正的意思是你能够主动的去发现问题，定义问题，并且推动解决了这样的能力。不是说你等着别人来告诉你说你要做什么，而是你自己能够抢在前面去问我应该做什么。并且你不需要别人给你指令，你就能够着手去做。 04:34 好像这个东西在以前工具还没有那么智能的时候，并没有那么被看重。 04:40 以前的你大部分的精力都花在怎么去操作工具上。但是现在，因为AI可以帮我们写代码、写报告，做PPT翻译、分析数据，几乎所有的机械的操作它都可以做。反而选择做什么事情，方向的判断就变得最重要了。这就是Agency的价值凸显出来了。 05:03 我们用一个形象的比喻，和AI一起工作的时候，拥有不同水平的Agency的人，他们的表现到底会有多大的差别？ 05:13 AI就像是一个能力非常强的实习生，它可以高效的去执行你给它的任何任务，但它没有办法自己决定做什么。这个时候就需要有一个人在前面有足够的判断力去给它指明方向。这个时候他它才能够把事情做好十倍。 05:32 有一些人就是完全不知道该让AI去做什么。这种被动就会特别明显。 05:39 Agency强的人，他是可以把控方向的船长，AI就是一个非常厉害的引擎。没有船长的话，这个引擎再强大，也不知道要往哪个方向走。就只能随波逐流。 03-什么激发Agency？答案是兴趣 05:53 兴趣是如何激发Agency的？真正的兴趣到底是怎么点燃一个人主动探索和学习的过程。 06:02 这个问题的答案特别简单，当你对一件事情真的感兴趣，你根本不需要别人告诉你要去做这个事情。或者说你不需要有一个什么外部的奖励来诱惑你。你就会主动的去投入，主动的去钻研，甚至你会废寝忘食。你会不断的去寻找更多的相关的资料，想要跟这个领域的人去交流，想要突破你现在的这个知识的边界。 06:28 确实这样的状态下人的成长速度真的是完全不一样的。 06:32 兴趣就是这个火种，会点燃你的主动性。然后你就会自然而然的进入到这种我要去解决这个问题的状态，那你的Agency就会被激发出来。 06:43 在这个AI可以越来越高效的完成任务的时代，一个人仅仅是靠兴趣，而没有把它转化成真正的行动力，会面临一个什么样的风险？ 06:54 只停留在喜欢而没有去真正的实践的话，你就只是一个兴趣的消费者。就比如说你收藏了很多摄影的教程，但是你从来没有拍过一组完整的照片。你关注了很多写作的账号，但是你从来没有写出过一篇属于你自己的文章。 07:13 听起来AI确实会让这种只是停留在表面的兴趣变得非常的没有竞争力。 07:20 因为AI可以在极短的时间内帮你完成任务，成本又很低。真正让你脱颖而出的是你主动的去完成了一个作品，主动的去接受了反馈，并且不断的去修正这个闭环，才是能够让你的能力不断的成长的。 07:39 我们想要去判断一个孩子的兴趣是不是已经真正的转化成了这种主动的能力？有什么具体的方法可以来测试吗？ 07:48 最直接的方法就是你去问他，你做过什么？你把你的作品给我看一看，你给过谁看？别人给了你什么反馈，你又做了哪些调整？他如果能够很清晰回答出这些问题，说明他的兴趣已经不只是停留在想法上面了，而是真的在实践在行动，并且在不断的通过反馈来进步。 04-那到底怎么选专业？ 08:09 到底怎么选专业，就是你怎么能够去判断说我对这个东西是真的感兴趣，而不是说三分钟热度。 08:18 有一个很简单的办法，你问自己这个领域里面有没有什么东西是没有人逼你，你也会自己忍不住去查资料的，去探索的，甚至你会因为太入迷了而忘了吃饭的，这种自发的行动才是真兴趣的试金石。 08:36 如果我们借用李飞飞的这个哑铃模型来看的话，在选专业的时候怎么才能够避开被淘汰的风险呢？ 08:44 你在选专业的时候就要问自己，这个专业能不能让我成为前1%的人，或者说这个专业能不能让我具备跨界整合的能力。就是你要不是把一个领域钻的特别深，要不就是你能够打通好几个领域，那你才能够在这个哑铃的两端站稳脚跟。 09:02 看来就是单纯的靠一个学历是远远不够的。 09:07 只有去接触真实的问题，真实的需求，不断的锻炼自己主动解决问题的能力，你的Agency才会越来越强。不然你可能学了四年，你都不知道这个专业到底是用来干嘛的。 05-真实案例：连这都能有出路？ 09:20 接下来我们说一说真实的案例。比如考古这种看起来特别冷门的专业，如果学生有很强的主动性，他到底可以有哪些完全不同的出路？ 09:31 很多人都觉得考古就是坑少、钱少，又苦。但是如果你的Agency很强的话，你会发现这个专业是有很多创新点,比如说现在有一些学生他就是喜欢历史谜题，他可能就会沿着学术这条路走，去读研读博，然后去高校或者去研究所。而现在AI也在改变考古的研究方式。比如说现在有一些用遥感技术去识别遗址，大规模的文物数字化，还有古DNA分析。这些都特别需要既懂考古又懂技术的人。这种人才现在是极度稀缺的。 10:11 原来考古还可以和技术结合，产生这么多新的机会。 10:15 包括有的人可能喜欢的是文物背后的故事，那他完全可以走考古和内容创作结合的这条路。比如说现在的一些游戏，像黑神话悟空，还有一些这种网络剧，像逃出大英博物馆，包括各大博物馆的IP开发，都特别需要既懂考古又会讲故事的人。这种人才是比传统的考古学家要稀缺很多的。 10:39 听起来好像只要你有热情有想法，这个专业再冷门你也可以玩出花来。 10:45 包括还有一些人，他就是喜欢动手去发掘东西，他完全可以走考古和数字化结合的路。比如说现在的三维扫描、虚拟复原、游戏场景设计，都离不开这种既有考古的知识又能够玩转新工具的人。这样的组合是可以让你形成一个非常独特的竞争力的。 11:06 那我们再换一个角度来看，在AI翻译这么发达的今天，英语专业的学生他们的核心的竞争力到底在哪里？ 11:16 这个问题问的方向错了。英语专业真正练的是你能够穿梭在两种语言和文化之间的能力。就是你知道在什么场合，什么时机，用什么样的表达是最恰当的，而不是只是做一个表面的翻译。 11:32 原来英语专业的训练远不止于词汇和语法。 11:36 这些东西是AI很难取代的。因为它不懂你的客户今天心情怎么样，它不知道这份合同背后的双方的权利关系。它也不知道这个词在当地人耳朵里面听起来是尊重还是冒犯。 11:48 英语专业的学生要想形成自己的护城河，他可以怎么去结合自己的兴趣走出一条独特的路呢？ 11:58 这个就完全要看你兴趣方向了。比如说你喜欢文学和故事，那你可以走英语加创作的路。那你可能就会去做一些翻译文学，写一些跨文化的内容，或者是说你可以去做英文的播客、纪录片脚本。现在把中国故事讲好，讲给世界听的这样的人才是极度稀缺。 12:20 这个是一个非常需要这种多元背景的一个领域。 12:24 如果你喜欢沟通和谈判，你可以走英语加商务这条路。你可能就会在外贸、跨境电商、国际法务或者说跨国团队管理这些方面找到自己的位置。这个也是现在很多企业出海最缺的一种人才。 12:41 所以说英语专业的学生，他的未来也并不在于说我会不会被AI取代，而是在于我能不能成为一个真正的跨文化的行动者。 12:53 能够脱颖而出的一定是那些可以在不同文化间自由切换，主动去判断推动事情发生的人。这就是Agency最典型的样子。 06- 常见误区，拆穿几个 13:05 我们接着要聊的这个主题就是高考志愿填报的常见误区。现在很多人觉得我一定要学跟AI直接相关的专业，这个想法到底有哪些局限性？ 13:16 很多家长和学生一窝蜂的去追逐AI相关的专业，但是他们忽略了一个核心，AI只是一个工具。历史上最懂印刷机的人并不是最有影响力的人，而是那些用印刷机来写书的人。关键不是说你离工具多近，而是你能不能用工具做出一些有价值的事情。 13:37 竞争力并不是取决于你是不是学这个AI专业，而是你能不能用AI来创新，来解决问题。 13:46 一个有主动探索精神的历史系的学生，可以用AI来重新梳理史料。一个有激情的心理系的学生，可以用AI来设计一个新的干预方案。他们都比那些只会操作这个工具的人更有发展潜力。 14:01 很多人追捧热门专业，这到底有哪些风险？ 14:06 热门就意味着竞争特别激烈，而且会有很多没有兴趣的人也都去凑热闹。结果就是你可能很努力地混到了毕业，但你在这个行业里面也没什么优势。 14:16 与其这样，还不如去学一个自己喜欢的专业，至少还可以学得深入一点。 14:22 真正稀缺的不是这个专业本身，而是你在这个领域里面有非常深入的积累和热情。你在自己热爱的领域里面成为前20%，要比你在热门专业里面当一个路人甲要有价值的多。 14:37 有的人说我先就业再说专业无所谓，这个想法到底忽略了哪些重要的东西？ 14:44 大学四年是你唯一一段可以系统的去钻研一个问题，跟一些志同道合的人一起共事，去锻炼你自己独立思考的这样的一段时间。你随便选一个专业的话，就相当于你放弃了这样的一个可以训练你自己主动探索解决复杂问题的一个绝佳的机会。那是会影响你未来的成长的潜力的。 07- 一个检验方法：做"问题测试" 15:09 我们怎么用问题测试法来判断自己到底是不是真的对某个专业有兴趣，并且有内在的动力？ 15:17 有两个问题可以帮你做一个自测。第一个问题就是你在这个领域里面最让你好奇的点是什么？比如说为什么大脑会产生意识？为什么有些城市会越来越有活力，而有些城市却走向衰落？你如果能够想到这些非常具体的问题，是一个你真正感兴趣的一个信号。 15:36 听起来好像是在帮自己找那个真正的热情所在。 15:40 第二个问题就是如果你学这个专业最后找不到工作，你还会坚持学吗？如果你的答案是很坚定的那说明你是被内在的动力所驱动的。但如果你只是因为外部的压力才去学的话，那你可能很难在这个领域里面持续的去激发你的主动性。 15:59 今天我们聊了这么多关于高考志愿填报的这么多的误区，包括在AI时代我们到底应该怎么样去思考自己的专业选择。核心还是要找到那个可以点燃你自己热情的方向，然后勇敢的去探索，勇敢的去成长。 16:17 对的，今天的节目咱们就到这里了，然后感谢大家的收听，咱们下期再见。

00:15 今天我们要聊的是为什么最近人工智能突然之间变得这么强了？包括它的一些训练的方式，以及它现在还有哪些短板。 00:24 没错，这些变化确实让人非常关注，那我们就直接进入今天的讨论。 1.为什么突然感觉 AI「跃进」了？ 00:28 第一个话题就是最近人工智能的大跃进。大家有没有发现最近一段时间好像身边所有人都在谈论AI？这种现象背后到底发生了什么？ 00:38 现在无论是在公司里面老板在讲要拥抱AI还是说同事们在用AI来帮他们写年终总结，甚至包括我们的妈妈都在问说拆GPT能不能帮抢菜？然后再加上各种新的模型，像GPT5.5，还有Claude Mythos这些大模型密集的发布。业内很多人都说我们现在正处在一个历史性的拐点上。 00:59 那为什么我们会觉得好像这个AI能力突然间有一个巨大的提升？其实背后的进步是一个怎样的过程？ 01:07 其实OpenAI有一个研究者叫Yan Dubois，他有解释过这个事情。他说其实AI能力的提升一直都是连续的，只是他有一个可靠性的门槛儿，就当他没有跨过那个门槛儿的时候，他经常会出错，你就觉得他好像没有什么用。 01:24 所以说我们感觉到的这个飞跃，其实是因为它过了那个能用的临界点。 01:30 对，就像你学骑自行车，其实你每天都在进步，但是你会觉得我突然间会骑了这种感觉。之前的AI它就像一个实习生，经常会出错。然后现在的AI就像一个靠谱的助理，他的出错率已经低到你可以真正的把事情交给他去做了。 01:49 好，那就是说这个AI为什么能够进步的越来越快？这里面有什么秘诀吗？ 01:55 有一个很重要的加速器就是AI可以自己帮助自己变得更强。就是现在的研究人员他们会让AI来写代码，搭工具，然后跑实验。所以整个的研发的效率就会大大提升，形成了一个正向循环，越跑越快。 2. AI 是怎么「练成」的？三段式培训班 02:10 原来如此。我们下面就来看看这个AI是怎么一步一步训练出来的。这个顶级的大模型到底是经历了一个什么样的过程才能够变得这么强大。 02:21 其实这个训练过程是可以分成三个阶段的。第一个阶段叫做预训练，这个阶段就是让AI去尽可能的吸收互联网上能够找到的所有的信息。就像让他在知识的海洋里面自由地游泳。但是这个时候他其实还不太会用人类的方式去表达。 02:39 明白了，那第二阶段和第三阶段又是怎么回事。 02:42 然后到了第二阶段，我们就会让AI去挑选一些更高质量的资料。比如说是维基百科或者是一些代码库，就是让他去进行一个精读。到了第三个阶段，我们会用强化学习让他不断的去通过一些奖惩机制，学会怎么去真正的按照人类的意图来回答问题，完成一些复杂的任务。就相当于让他从一个什么都知道的书呆子，变成一个可以帮你解决问题的专家。 3. 强化学习：AI 版「奖惩教育」 03:08 这个强化学习为什么会被称为是最近AI突破里面最性感的技术？ 03:13 因为它其实就是一个AI版本的奖惩教育OK就是让AI不断的去尝试，然后做对了就给奖励，做错了就给惩罚，这样他就会在这个反复的尝试当中变得越来越强。 03:26 所以说这和传统的那种让AI照着标准答案去学习的方式还真的不一样。 03:30 监督学习是你给他一个标准答案，让他去模仿，而强化学习是他自己去摸索，甚至可以超过人类的水平。因为你设计了一个评分机制之后，他就可以自己去不断的挑战极限。最近大家发现这个强化学习不仅仅可以用在那些有标准答案的比赛当中，现在也可以用在写代码、用电脑，甚至是做科研这些非常真实的场景当中。所以这就是为什么AI会有这种突然间能力大爆发的感觉。 4. 一个模型的「情绪过山车」 04:01 紧接着要说的就是这个模型发布的情绪过山车。每次有一个新的AI模型发布的时候，研究团队他们的内心到底会经历哪些跌宕起伏？ 04:12 实际上每次发布新模型的时候，研究团队都会经历一个非常明显的情绪波动。第一个礼拜大家都会觉得哇塞这个模型简直太厉害了。但是很快他们就会发现，其实这个模型在很多地方还是很烂的。OK. 04:27 然后他们就会一下子从兴奋跌到谷底。紧接着到了第三周，他们就会开始反思说是不是这个模型被过度吹捧了。大家需要冷静一下。 04:36 听起来就像坐过山车一样。那等模型真正发布之后，外界的反馈又会对团队的情绪产生什么影响？ 04:43 有意思的是一旦发布之后，经常会有用户跑出来说，这个东西太好用了，就像GPT5.5发布的时候，整个波动特别剧烈。但是最终大家发现还是好的结果比坏的多。这个模型其实最终还是给大家带来了很多惊喜。 5. 最大的未解之谜：AI 为什么不会「成长」？ 05:00 下面咱们就说一说这个持续学习的难题，就是为什么现在的AI它不能像人类一样，在使用的过程当中不断的积累经验，变得越来越懂用户呢？ 05:10 问的好，现在的AI你每次打开都是一个全新的对话，他完全不记得你是谁。不管你们之前聊过多少次，他都没有办法把这些信息串联起来，这就叫做持续学习的难题。这也是目前AI最大的痛点之一。 05:25 也就是说现在的AI它在使用的过程当中，其实是没有任何成长曲线的。 05:30 没错。有一个非常形象的比喻就是把时间放在横轴，然后纵轴是这个有用程度。那一个新员工可能刚入职的时候还不如AI但是几个月之后他会越来越了解业务，越来越了解你，越来越好用。而AI几乎就是一条水平线。他很聪明，但是他不会成长。连OpenAI的研究人员都说，他们也不知道这个问题到底什么时候能够解决。三年前他们以为半年就可以搞定，但是现在三年过去了，这个问题依还没有被解决。 6. 最后一公里的问题，该怎么办？ 06:00 那我们现在要聚焦的最后一公里的问题，就是这个问题到底是在说什么？为什么他对于AI能够真正的产生价值这么关键？ 06:09 最后一公里其实就是指把AI真正的集成到你的日常工作流程当中，给它合适的权限，以及让他去使用各种工具来帮你解决实际遇到的问题。有一个研究者说过，如果我们冻结现在的模型能力，然后认真的把最后一公里做好，你在每个行业里面都会感受到AGI的存在。 06:31 所以说只要把最后一公里做好，即使模型本身不再升级，我们也可以获得巨大的实际价值。 06:39 完全正确。就是AI它不是什么魔法，它就是一个工具。真正能够让它发挥作用的是那些愿意积极的去尝试，把它用在实际工作当中的人。你不需要自己会编程，你只要比你身边的人早一点去动手去用，你就可以率先享受到AI带来的这些红利。 06:57 OK今天我们其实聊了AI最近大跃进背后的一些秘密，包括它的训练的过程，以及它现在还存在的一些短板。最后我们还特别强调了一下，就是其实落地和使用才是真正让AI产生价值的关键。 07:12 是的，这期节目咱们就到这里了，感谢大家的收听，咱们下次再见。

00:16 今天咱们要聊的是如何在课堂当中用好AI，让它变成一个可以不断追问学生，引导学生深入思考的教学助手，而不是让学生直接去获取答案。 00:27 是的，这个话题很有意义，那我们就直接开始。 一、先承认吧：老师的担心都是对的 00:30 咱们先来看看第一个话题，就是老师对于AI进课堂的一些真实的担忧。其实很多老师都会担心学生在课堂上会因为AI分心。 00:41 对啊，因为很多老师一想到说AI进课堂，他们首先想到的就是学生会一直盯着那个屏幕，根本就不听课，每个人都在自己的小世界里面。然后还有就是作业，如果学生直接问AI要答案的话，那老师布置作业就没有意义了。最让老师头疼的就是一个老师面对40个学生，40台设备根本就看不过来。 01:02 这些担心确实很现实，那有没有什么好的办法可以解决这些问题呢？ 01:06 其实AI已经普及到学生的日常生活里了，所以堵是堵不住的，关键是老师要重新去设计课堂，让AI变成一个真正的教学工具，而不是一个让老师头疼的东西。 二、一个思路：把AI变成“苏格拉底机器人” 01:18 有道理。那接着我们来说说怎么把AI变成一个苏格拉底式的机器人。那你能举个例子说一下AI是怎么通过提问来引导学生自己找到答案的吗？ 01:28 可以。比如说有学生问光合作用的产物是什么？那AI不会直接说氧气和有机物，而是会反问学生植物吃东西和动物吃东西有什么不一样。 01:40 这种反问的方式还挺有意思。 01:42 学生可能会说植物不用嘴吃，然后AI就会继续引导，植物靠什么获取能量，它在哪里长得最好，一步步地让学生自己思考，最后自己推导出答案。整个过程学生完全是在主动学习。 三、等一下，这背后有理论的 01:59 听起来还不错。我们下面要说的是这种苏格拉底式的AI背后的理论支撑，也就是布鲁姆分类学。布鲁姆分类学把学生的认知过程分成了六个不同的层次。那你能具体讲讲这六个层次都是什么吗？ 02:14 当然可以。布鲁姆分类学从低到高，第一层是记忆，就是记住这个知识点。第二层是理解，就是你要明白这个知识到底是什么意思。然后第三层是应用，就是你能够用这个知识去解决一些问题。第四层是分析，就是把这个东西拆开看看它的结构是什么。第五层是评价，就是你能够去判断这个东西是好是坏。第六层也是最高的一层是创造，就是你能够用这些知识去创造出新的东西。 02:43 OK, 在布鲁姆分类学的框架下，传统课堂和AI分别在哪些认知层次上表现比较突出？ 02:50 实际上传统的课堂和AI都比较擅长处理前两个层次，就是记忆和理解。比如说查资料、背公式、讲概念，这些AI都可以做的又快又准。 03:01 所以如果我们的课堂目标只是让学生记忆和理解，那AI就会变得非常强大。 03:07 真正需要老师花心思的是后面那几个层次，应用、分析、评价、创造。这些东西没有什么标准答案，是需要学生去深度思考的那这个时候AI就可以通过提问的方式来帮助老师把学生往更高的认知层次去推。 四、具体怎么玩？一个课堂设计蓝图 03:24 明白了，那我们来聊聊这种AI辅助教学的课堂到底是怎么设计的。能不能给我们讲一讲这个课堂的流程大概是怎么回事？当然可以。 03:32 其实整个过程是分成五个步骤的。第一步是老师要先设定一个话题的范围。比如说今天我们就只讨论光合作用，而且重点要搞清楚为什么有光才有氧气。这就相当于给AI画了一个圈，让他不要跑题。 03:46 原来是这样。在学生跟AI互动的时候，AI都有哪些具体的引导方法呢？ 03:51 这就是第二步了。学生和AI是一对一的交流，AI会用反问、追问、提示和鼓励这四个工具来引导学生。比如说学生问AI不会直接说答案，而是反问，你觉得呢？或者说你能举个例子吗？当学生卡壳的时候，AI还会提醒他想想上次实验是怎么做的，然后不断的肯定学生说你这个想法很有意思。 04:15 那老师怎么才能知道每个学生的思维进展到哪一步了呢？ 04:20 到了第三步事端会有一个实时的学情报告，这是AI自动汇总生成的。比如说小明卡在了光反应这个概念上，小红对二氧化碳的来源理解有误，然后全班有18个人没搞懂能量转化，老师一眼就能看到全班的思维地图。 04:37 这样老师就能精准定位到大家的难点在哪里了。 04:41 然后第四步AI会根据这个报告给老师一些建议。比如说超过一半的学生都在能量转化这里卡住了，那AI就会建议老师说你要重点讲这个地方。然后还有三个同学提的特别好的问题，AI也会挑出来说，这几个问题值得全班一起讨论。 04:58 那在这个过程当中，老师是怎么进行个性化干预的呢？ 05:01 就是到了第五步，老师看到有学生卡住了，就可以随时空降，直接插进这个学生和AI的对话。然后问一个针对性的问题，把学生的思路拉回来，真正做到哪里不会帮哪里。 五、对老师的新要求：目标升级 05:14 当然好处还挺多的那我们下一个主题就是老师的教学目标要从知识传递转向能力培养。那在AI时代老师的目标到底要发生哪些变化？ 05:24 其实在这种AI辅助的课堂里面，老师最重要的就是要想清楚我到底要让学生能够做到什么，而不是说我要让学生记住什么。 05:34 听起来更注重能力和应用了。 05:37 比如说同样是讲光合作用，如果只是让学生背这个方程式，那就是一个很低层次的目标。那更高阶的目标应该是让学生能够用这个原理解释为什么沙漠里面很少有树。或者说让学生去设想，如果光合作用的效率提高十倍会怎么样？就是要让学生真正去理解和创造。 05:58 那AI应该在这个课堂里面扮演一个什么样的角色，才能够真正的推动学生去做这种深层次的思考呢？ 06:05 事实上AI绝对不是说要去取代老师讲课，或者说只是给学生一个标准答案，这样只会让学生变得更依赖抄袭。 06:14 AI如果只是讲知识，那其实只是把传统课堂搬到了线上。 06:18 对，真正有价值的是老师提前设定好一个范围，然后让AI在这个范围里面不断的去提出一些好的问题，一步一步的引导学生去分析、去评价、去创造，让学生真正的学会深度思考。 06:34 好吧，今天我们聊了很多关于怎么把AI变成一个课堂里面的好帮手，让学生能够主动的去探索知识，而不是说只拿一个答案就完了。 06:44 是的，今天的节目就到这里了，感谢大家的收听，咱们下次再见。 06:50 拜拜。

00:07 今天我们要聊的是英伟达最近发布的一系列人工智能和计算领域的新产品。这些产品其实正在推动数据中心、智能终端和机器人技术的一个整体的变革，同时也在让英伟达这个公司一步一步的成为整个AI产业的一个底层的基石。 00:25 没错，这个话题最近也炒得很热，那我们就直接开始。 00:29 我们先来看看第一个主题，就是今年这个GTC Taipei 2026英伟达的这个发布会上，其实黄仁勋讲的这些新产品背后，它的核心的思路是什么？ 00:40 就是他其实还是延续了他过去的那个风格，穿着标志性的黑皮夹克，然后用那种看似很随意的方式抛出了一堆技术含量极高的新产品，比如Vera Rubin、RTX Spark、Nemotron 3 Ultra和Cosmos 3等等。但其实这些东西背后的意义远远超过一个普通的新品发布会。 01:02 听上去就感觉它好像不仅仅是在展示技术，它是在重新定义整个行业的格局。 01:07 其实这次发布会的主题是代理式AI（Agentic AI）就AI不再是一个工具，它可以主动帮你完成任务。要实现这个目标，英伟达就必须要提供一整套的从硬件到系统到工具链的一个全新的解决方案。这其实就是在为AI时代全面提供底层的基础设施。 1.Vera Rubin — AI数据中心的"乐高积木"，建造时间缩短三分之一 01:27 原来是这样。我们先来看一下第一个产品，Vera Rubin这个平台它到底是一个什么东西？它是怎么用的？ 01:34 可以把Vera Rubin想象成是AI数据中心的乐高积木。就以前你要建一个数据中心的话，你要自己去弄机房，自己去挑服务器，自己去搞散热，然后弄来弄去可能要弄半年甚至更久。现在有了Vera Rubin之后，所有的GPU、CPU、存储、散热、高速光纤网络全部都集成到了一个标准的机架里面。你只要像搭积木一样把这些机架拼起来，数据中心马上就能运转起来。 02:03 这效率提升的可不是一点半点。那它这个平台具体带来了哪些性能上的突破呢？ 02:09 Vera Rubin它采用了台积电的3纳米的工艺制造，它的这个AI算力吞吐量比上一代提升了整整十倍，它的组装效率提升了24倍，部署时间直接缩短了3分之1。而且微软和戴尔已经开始测试工程样品了，今年秋天就会大规模出货。 02:29 那Vera Rubin平台的出现会对全球的AI产业和相关的企业带来哪些直接的变化呢？ 02:37 它最大的影响就是解决了AI数据中心建设速度的瓶颈。就以前微软、谷歌、字节跳动这些公司，他们建数据中心最头疼的就是时间。一个数据中心从开始规划到最后真正能用可能要1年到1年半的时间。现在有了Vera Rubin之后，这个时间就会大大缩短。所以他们的AI产品就能更快的上线，更快的产生收益。 03:02 这个确实是会让整个行业的节奏都快起来。 03:05 没错，而且对台湾的产业链是特别有利的，台积电会为它制造芯片，鸿海会负责整机的组装，整个供应链就会跟英伟达更紧密的绑定在一起。但是对于中国的那些AI公司来说就压力会更大。因为美国的出口禁令，他们可能根本就买不到Vera Rubin。所以他们跟国际巨头的差距就会越来越大。 2.Vera CPU — 英伟达"越界"了，英特尔AMD慌不慌？ 03:28 我们接下来要讲的就是Vera CPU这是英伟达第一次推出自己的数据中心处理器。他们为什么要自己做这个东西？ 03:38 这背后其实是AI代理的需求驱动的一个变革，因为传统的这种GPU它擅长的是大规模的并行运算。但是对于这种需要同时管理很多任务，协调各种工具，还要记住上下文的这种复杂的调度工作，GPU就有点力不从心了。它必须要靠CPU来帮忙。 03:57 以前的话英伟达他们就只能用英特尔或者AMD的CPU。 04:08 所以他们干脆就自己做了这个Vera CPU专门为AI代理量身打造的一个大脑。黄仁勋还说了一句话，就是AI智能体将成为计算历史上最大的用户。Vera CPU就是为他们造的第一颗大脑。 04:27 英伟达自己出了这个Vera CPU之后，数据中心的这个市场会有哪些新的变化？ 04:33 现在英特尔和AMD本来在数据中心的CPU市场就已经很紧张了。英伟达现在杀进来之后，格局就会更激烈。因为Vera CPU和英伟达自家的GPU是一个原生的配对，所以客户如果要买一整套的话，它的性能是最优的。很多客户就会直接放弃英特尔AMD的产品。 04:55 看来这会让服务器厂商的选择也变得更少了。 04:58 对，这就是一个典型的生态锁定。英伟达现在就变成了一个超级包工头，他把所有的关键环节都把控在自己手里，那服务器厂商的话语权就会越来越弱，整个市场就会越来越往英伟达这边集中。 3.RTX Spark / N1X — 你的下一台笔记本，可能真的会"替你干活" 05:12 这个超级包工头还真是形象，我们下面要讲的这个东西叫RTX Spark，还有N1X芯片，这又是一个很有意思的组合。这个东西到底是一个什么东西？它背后的这个合作的故事是怎么样的？ 05:26 这个其实是英伟达、联发科和微软三个公司一起搞出来的一个东西。N1X芯片就是他们联合设计的，然后制造是交给了台积电，用的是3纳米的制程，非常的先进。里面集成了730亿个晶体管。然后它里面包含了一个Blackwell的GPU和一个20核的Grace CPU，还有128GB的统一内存。 05:50 听起来性能很炸裂。那这个东西具体体会给用户带来哪些前所未有的体验呢？ 05:55 最厉害的地方就是它可以让AI代理常驻在你的电脑里面，不需要联网就可以直接帮你处理很多复杂的任务。比如说你只要说一句帮我整理今天的邮件，写成日报发给老板，它就会自动的去收邮件，写好报告，然后发给你的老板，完全不用你自己去操作。 06:14 天哪，这简直就是一个私人秘书。那对于开发者来说，这个东西又有什么新的玩法呢？ 06:20 对于开发者的话，还有一个桌面版本叫DGX Spark。它是配备了768GB的内存，可以在本地直接调试万亿参数的这种大模型。所以这个也是极大的提升了效率，就完全改变了我们使用电脑的方式。 06:36 这真的是非常高效。这个RTX Spark和N1X芯片的出现，会对PC行业和我们日常使用的软件会带来哪些直接的冲击呢？ 06:46 首先第一个就是它是一个对苹果的M系列芯片的正面挑战。因为它同样也是走的自研芯片加系统优化的路线。但是因为它是有一个非常强大的GPU的基因在里面，所以它在在这种AI的推理能力上面是非常强的那这个就会让它在高端的PC市场上面极具竞争力。 07:07 这对英特尔和AMD来说应该压力很大。 07:09 确实是这样，因为英特尔和AMD现在已经被苹果和高通压得有点喘不过气了。那英伟达再进来的话，他们的处境就会更加的艰难。然后另外一个就是联发科，他是第一次以一个核心芯片伙伴的身份进入到了高端的AIPC的领域。这也是台湾的半导体行业的一个重大的突破。 07:32 我们普通用户 是不是也能感受到一些明显的变化呢？ 07:37 你会发现你的电脑会变成一个真正能帮你自动完成任务的数字助手。那很多传统的效率类的软件可能就没有存在的必要了。所以整个效率工具软件行业都会面临一个洗牌。然后大家都会去升级自己的AI的体验。 4.Nemotron 3 Ultra — 英伟达也出大模型了，而且免费送 07:52 听起来很不错。我们下面要聊的就是这个Nemotron 3 Ultra这个大语言模型它有什么独特的地方？它是怎么改变行业的游戏规则的。这个。 08:00 Nemotron 3 Ultra它是一个专门为AI代理设计的一个开源的大语言模型。然后它不光是开放了所有的代码、训练脚本，甚至连训练数据都公开了。所以任何人都可以免费的使用，也可以按照自己的需求去修改。 08:17 这种完全透明开放的模式确实挺罕见的。 08:19 而且它的速度比同类的产品快了将近五倍，然后运营的成本也降低了30%，并且在这种需要长时间推理和执行复杂任务的场景下表现得尤其出色。英伟达甚至已经用它来跑自己的芯片设计验证了，把原来可能要花几周的时间的工作缩短到了几个小时。 08:39 效率提升的真的不是一点半点，那这个东西会给AI行业带来哪些直接的变化呢？英伟达它推这个开源的大模型，其实它的目的并不是说要跟OpenAI或者是Anthropic去正面刚。他其实是想要通过让这个模型变得非常的强大，然后让大家都愿意用英伟达的硬件去跑AI。所以开发者只要用Nemotron 3 Ultra来做实验，他大概率就会去租英伟达的GPU云，或者说去买英伟达的显卡。这其实就直接带动了它的硬件的销售。这么说的话，其实他们真正的目的还是在硬件上。 09:15 完全没错。而且对于AI创业公司来讲的话，用这些开源的模型就可以非常低成本的去做自己的垂直领域的产品。但是大模型本身的商业价值就会被这些开源的东西不断的稀释。 5.Cosmos 3 & Isaac GR00T物理世界AI模型 + 人形机器人全栈工具包 09:31 所以OpenAI这样的公司其实压力会越来越大，看来是机遇和挑战并存了。我们再来说说Cosmos和Isaac GR00T这两个东西是怎么联手来解决机器人训练的数据瓶颈。 09:42 其实训练机器人最大的难点就在于数据的获取。你不可能真的让一个机器人反复的去摔来学会一个动作。这既昂贵又非常的低效，而且还很危险。Cosmos 3它其实就是一个专门用来生成这种符合真实物理规律的拟环境，就相当于给机器人建了一个数字孪生的练功房。它所有的那些复杂的动作都可以先在这个虚拟世界里面练到非常的完美，然后再去真实的环境里面去执行。 10:13 Isaac GR00T又在这个里面扮演一个什么样的角色呢？ 10:17 Isaac GR00T就是一个给那些想要做人形机器人的公司准备的一个工具箱。它里面不光有机器人的本体的参考设计，还有计算平台、AI模型、仿真环境、数据生成工具。就是你只要用了它，你就可以从无到有，非常快速的把一个机器人做出来。 10:37 原来如此，那这两个东西结合起来会给人形机器人的行业带来哪些深远的影响呢？ 10:42 人形机器人被很多人看作是下一个智能手机级别的大市场，中美日都在全力的投入。但是一直以来这个行业最大的障碍就是没有足够的训练数据。那现在有了Cosmos 3，这个问题就迎刃而解了，研发的周期会大大缩短。 11:00 也就是说这会让更多的公司能够快速的进入这个赛道。 11:04 没错，而且Isaac GR00T就相当于给这个行业提供了一套安卓系统，你不用再去重复的造轮子，大家都可以直接在这个英伟达的平台上面去开发。不管是像特斯拉的Optimus还是小米的人形机器人，甚至是一些新的创业公司，他们要么就是选择和英伟达合作，要么就是自己去重新造一套，那成本肯定就会高很多。 把五件事串起来看 11:27 确实。我们再来说说英伟达的全链路的布局。他是怎么通过这一系列的产品，把自己的视力从数据中心延伸到了终端和机器人的。 11:37 英伟达现在其实是在每一个关键的层级都落了一个子。就比如说在云端它有Vera Rubin来掌控这个大规模的算力。在调度这一块，它有Vera CPU来做这个中枢大脑。在终端设备这一块，它有RTX Spark来卡这个入口。在模型生态这一块，它有Nemotron来打造这个开发者的社区。最后在机器人的训练这一块，它有Cosmos和GR00T来做这个平台。 12:03 这么看来，他们真的是在每一个环节都下了狠手。 12:07 黄仁勋的逻辑其实非常的直接，他就是要让英伟达成为整个AI世界里面唯一绕不开的底座。就是每一次你要处理一个token，你都得经过他，那他就能源源不断的把这些算力转化成收入。 最后一句话 12:22 好的，我们今天把英伟达的这场发布会拆的差不多了。其实你回头看的话，你会发现这其实是一场关于未来十年的技术和产业走向的一个宣言。 12:32 行，今天的内容咱们就先聊到这里了，感谢大家的收听，咱们下期再见。

先说一个数字：$28.5 万亿美元 00:06 今天咱们这个内容来聊一聊SpaceX即将要进行的史上最大规模的IPO然后它背后的三大核心业务，以及它是如何通过这三大核心业务去冲击一个全新的计算文明的基础设施。 00:22 这确实是一个非常值得关注的话题，那我们就直接开始。 第一层：火箭——那台印钞机 00:25 我们先来说一说SpaceX的这个野心和它的目标市场，就是他到底是要争议一个什么样的市场地位。 00:33 SpaceX其实在它的招股书里面已经明确的写出了，它的目标市场规模是28.5万亿美元。那这是一个什么概念呢？就是苹果的市值大家都知道是很高的，也才3万亿美元。然后中国2023年的GDP是17.5万亿美元，你就可以看到他这个数字有多么的夸张。对他其实要做的不是说要跟哪个企业去竞争，他是要直接成为这个文明时代的基础设施的核心的提供者。确实。然后咱们展开聊一聊这个火箭业务。 01:05 很多人其实好奇的是SpaceX到底有没有实现它的垄断地位，以及他这个火箭业务到底是怎么赚钱的。 01:13 在2025年的时候，SpaceX已经用猎鹰系列火箭进行了165次发射。然后美国境内所有送到轨道的货物里面有8.5公斤，就每十公斤有8.5公斤是靠SpaceX送上去的，这其实已经是一个绝对的垄断地位了。 01:29 这么高的市场份额确实挺吓人的。 01:31 没错，它2025年的总营收是大约155亿美元，然后预计2026年会涨到220亿至240亿美元之间。但是火箭业务本身其实还是没有盈利的，由他2025年发射业务的运营亏损是大约6.57亿美元。然后这些钱全部都投入到了星舰这个项目上面，为了追求更大的突破。 01:54 说到星舰，那他的这个未来的成本目标有没有可能彻底改变太空经济的格局？ 02:00 星舰的目标是要把每公斤的入轨成本降到100美元以下，就是现在猎鹰火箭已经做到了几千美元。那如果真的能够实现这个每公斤不到100美元的话，就意味着送货物上太空的价格就跟开一架货运飞机差不多。这个是会彻底的颠覆我们对于太空的开发利用的想象的。 第二层：星链——低轨道上的"移动互联网时代" 02:23 真的是天方夜谭。接下来我们要说的就是星链业务了，这个被称为是低轨道上的移动互联网时代，那它到底在财务上有多亮眼？ 02:34 2025年星链的营收是113.9亿美元，然后他占SpaceX总收入的61%到了2026年第一季度，这个比例已经飙升到了69%。而且星链是SpaceX唯一一个持续盈利的部门，它2025年带来了大约44亿美元的运营利润。 02:54 明白了，那你能具体说说星链现在的这个全球覆盖的情况，以及它的用户到底是分布在哪些地方。 03:01 截至2026年5月，已经有大约10280颗星链卫星在地球的低轨道上面运行。然后这是全球所有活跃卫星的差不多4分之3. 03:12 这个数量真的很夸张。 03:14 然后现在已经有几百万的用户，遍布全球一百多个国家和地区。然后它的每用户月均收入是131美元。包括非洲的草原上，太平洋的小岛上面，甚至南极科考站都已经在用星链上网了。所以它其实已经是很多偏远地区唯一的互联网选项了。 03:35 我有一个问题，星链现在这么厉害，那他的这个业务单独拿出来值多少钱？ 03:40 按照分析师用宽带基础设施的这个估值模型来算的话，星链的估值是在6000亿美元到8000亿美元之间。然后这个也让马斯克之前说的要让全球都能上网的这个承诺基本已经成为了现实。 第三层：AI + 数据中心——这才是真正的想象力 03:57 这个太厉害了。接下来我们要看的就是这个AI和数据中心，这个才是真正的想象力。我想知道SpaceX到底是通过什么样的方式，一举成为了这个AI算力领域的一个重量级玩家。 04:10 在2026年的二月份，SpaceX用全股票的方式完成了对xAI的收购。这个交易金额大约是2500亿美元，也是有史以来最大的一起私人企业并购。 04:24 手笔也太大了。那这个xAI到底给SpaceX带来了什么？ 04:29 这笔收购让SpaceX一下子获得了xAI的400位工程师，然后两个超算中心，其中一个是位于孟菲斯的全球最大的AI超算Colossus，还有就是所有的GPU集群，然后这直接就让SpaceX成为了AI算力领域的一个不可小觑的新的势力。 04:48 我就好奇了，现在这个SpaceX的数据中心业务到底有哪些客户，有多大的规模？ 04:54 现在已经有公司开始跟SpaceX合作了，比如说Anthropic他就在使用xAI的数据中心的算力，然后他每个月要给SpaceX支付大约12.5亿美元，那这一年就是150亿美元. 05:08 这金额可真不小。 05:10 而且Anthropic的CEO在开发者大会上面还透露说，他们今年的业务增速已经超过了指数级的预期。所以他们才会紧急的跟SpaceX签下了这个算力租用的协议。 05:23 既然如此，那SpaceX是打算怎么在太空当中构建自己的分布式的计算集群呢？ 05:29 SpaceX其实在它的招股书里面是有写，他计划最早在2028年就开始发射所谓的AI算力卫星。然后把计算节点用火箭送到太阳同步轨道上面，再利用星链的23000条星间激光链路把这些节点连起来，就组成一个在太空中的分布式的计算集群。 05:50 那他们这个申请发射这么多卫星是真的能批下来吗？ 05:54 他们在2020年的一月份就已经向FCC提交了申请。然后他的这个规划是多达100万颗的空间数据中心卫星。这样的话就可以形成一个从廉价的运力到高速的数据传输，到AI模型的运行这样的一个完整的闭环。然后地面的用户就像我们刚才说的，就直接付费使用就可以了。 06:15 为什么要把数据中心放到太空去？这到底有什么根本性的优势？ 06:19 地球表面的数据中心总是会受到土地、电力、散热还有政策等等这一系列的限制。但是在太空当中的话，首先它的真空环境是一个天然的高效散热器，然后太阳能又是取之不尽用之不竭的，最重要的是它不受任何一个国家的主权所管辖。所以这就是为什么SpaceX它的这个招股书里面会把整个市场的潜在规模定在28.5万亿美元。因为他其实不是在跟谁抢生意，他是在开创一个全新的计算文明的底层架构。 IPO 本身：史上最大 06:53 好吧，然后我们再来聚焦一下这个SpaceX的IPO本身，这可是被称为史上最大一次上市。那它的这个关键的细节到底有哪些是让大家。 07:04 这么关注的？首先SpaceX这次上市，它的目标估值是1.75万亿美元，这个已经可以和沙特阿美当时上市的市值相媲美了。然后他计划要募集的资金是在400亿到750亿美元之间。如果是750亿美元的话，就会打破沙特阿美的256亿美元的这个记录，成为全球最大的一次IPO。 07:28 这个金额确实挺让人震惊的。 07:30 没错，它是定在2026年的6月12号，然后在纳斯达克上市。然后最特别的是马斯克他自己还会保留42%的权益，以及85.1%的投票权。对，就他对公司的控制权其实还是非常强的。 07:48 那这次IPO散户有没有机会参与？ 07:51 有啊，这次还挺特别的，就是有30%的份额是专门留给散户的，这可比一般的新股发行散户的比例要高很多。然后上市当天，马斯克的个人财富预计会直接暴涨超过7350亿美元。 最后说一句 08:07 好吧，我们今天从SpaceX的火箭到星链，再到它的太空AI数据中心，然后再到他的史无前例的IPO，把这个公司要重塑全球的基础设施的野心和布局基本上都串联起来了。 08:23 行，那今天就聊到这儿，感谢大家的收听，咱们下期再见，拜拜。

一、DeepSeek 组建 Harness 团队：所有人都在解同一道题，它来晚了 00:15 今天的内容要聊一聊最近人工智能领域发生的几个比较大的事情。如DeepSeek成立了自己的Harness团队，还有Karpathy加入了Anthropic，包括OpenAI在新加坡设立了实验室，再有SpaceX要收购Cursor这些事情。这一系列的动作都在说明现在人工智能行业的竞争已经不仅仅是谁的模型更大更强。而是整个闭环，包括生态渠道落地能力的全方位比拼。 00:49 对这个转变还是很明显的那我们就直接开始。 00:54 第一个话题就说说DeepSeek成立了Harness团队，他们这个团队的目标和最新的动作是什么？ 01:00 DeepSeek最近在北京组建了一个全新的团队，这个团队是要从头开始打造自己的代码智能体。这个智能体项目的代号就叫DeepSeek Code。还从Jane Street请来了资深的工程师Cui Tianyi 来带队。 01:19 这个Harness系统它到底是干什么的？为什么在实现AI自主化这件事情上这么关键？ 01:25 大模型它只是一个非常聪明的大脑，但是它自己没有办法去做事情。它要等你去问它它才会回答你，Harness它其实就是给这个大脑装上了手脚，让它可以自己去打开电脑查找资料、编写代码运行测试，甚至自己去看报错，然后修复。 01:46 有了Harness之后，AI就真的可以自己从头到尾完成一个任务了。 01:52 就是因为有了Harness这套系统，AI才不需要人每一步都去指导它，它可以自己去应对一些复杂的问题。这和模型本身的智能程度没有关系，这是一个单独的工程上的挑战，需要单独的投入建设。 02:10 那现在业内对于Harness系统主要有哪几种不同的做法？ 02:15 目前几大AI公司都在做自己的Harness，但路径其实差别还挺大的。Anthropic，是把Harness和Claude模型深度的整合在一起，直接打包卖。他们的收入也是从100亿美元一年直接涨到了300亿美元，也带动了新一轮的竞争。 02:37 那Google呢？ 02:39 Google把Harness的能力直接藏到了自己的生态里面。像Gmail、Docs、Calendar这些，它在后台默默的帮你自动完成一些任务。但是它只能在google的产品里面用，它的覆盖面虽然广，但它没有办法跨出这个围墙花园。 02:56 还有其它吗？ 02:58 还就是OpenClaw，它是一个开源的项目，它是把Harness和模型拆开了，它可以让你自由的去搭配不同的模型，在GitHub上面已经有超过10万颗星了。最后一个就是DeepSeek，它起步最晚的，它的模型是开源的，成本也很低。它如果能够把Harness做出来的话，它是可以用一个非常低的价格去吸引那些对价格很敏感的开发者。 03:28 我还有个疑问，在Harness这个事情上面，最大的行业难题是什么？ 03:33 其实大家都在纠结一个事情，就是Harness到底是应该跟模型绑在一起，还是说它应该变成一个独立的赛道。像Anthropic，它是把身家都压在了Harness和模型的紧密捆绑上。OpenClaw这种开源的模式，就是让Harness可以脱离模型单独存在，也得到了很多社区用户的支持。 03:57 现在这个市场上有没有什么比较冲突的一些案例？ 04:00 有啊，比如说Cursor 它本来是支持很多不同模型，但是它被SpaceX 收购了之后，它就开始往Grok生态上面靠。这就是一个捆绑的例子。所以这行业最终会往哪走，大家都在摸索。 二、Karpathy 加入 Anthropic：这次跳槽的信号比跳槽本身更值得看 04:18 接下来要讲的是Andrej Karpathy，他加入了Anthropic，他到底是一个什么样的人？他之前有过哪些比较厉害的经历？ 04:29 他的履历简直是开挂。他不仅是OpenAI的创始团队的一员，他还主导过特斯拉Autopilot和全自动驾驶的AI系统。他也是在斯坦福拿了CS的博士，他在学术和工程上面都非常的厉害。 04:45 听起来已经很厉害了。他在普及AI知识上面有做过什么事情吗？ 04:50 他还是"vibe coding"这个词的创造者，Collins 词典把它评为了2025年的年度词汇。他还在YouTube 上面看开设了神经网络的系列课程，影响了非常多的AI工程师。他是属于那种极少数的既可以做最前沿的研究，又可以把这些复杂的东西讲得让大家都能听懂的科学家。 05:13 他为什么会加入Anthropic，而不是回到OpenAI或者去做其他的事情？ 05:18 他其实离开OpenAI之后，自己创业做了AI教育公司叫（Eureka Labs）。但是他最终还是去了Anthropic这就很能说明他对于行业方向的判断。 05:30 看来他的选择并不是简单的职业变动。 05:33 没错。他自己在X平台上面说过，他觉得未来的几年会是大语言模型发展的最关键的阶段。他更像是在选赛道，而不是在选雇主。Anthropic最近的发展也确实非常的亮眼，年收入已经到了300亿美元，Claude Code的用户也是激增，它的估值也在不断的逼近OpenAI。对于一个想要在这个行业最关键的时刻做一些大事的科学家，Anthropic确实比两年前有了非常大的吸引力。 06:08 他在Anthropic具体要负责什么事情？ 06:10 他主要是要组建一个新的团队，任务是要用Claude 加速 Claude 自身的预训练的研究，就是这个AI辅助AI科研。 06:20 用AI来帮助做AI的预训练。这个听起来就非常的黑科技。 06:24 因为预训练这个东西它是整个大模型开发里面最花钱的，对人类专家的经验依赖也是最高的一个环节。如果说能够让AI自己去设计实验分析结果，然后提出新的假设，那很有可能会让整个的研究效率产生一个指数级的提升。他是属于那种非常少的理论和工程都很强的人，所以是非常适合带领这个团队的。 06:52 怎么看最近这一波顶级技术人才扎堆的流向Anthropic. 06:57 就今年已经有Workday、Instagram、Box 等等六家估值超过10亿美元的公司的CTO都离开原来岗位，去Anthropic重新做研究员。Karpathy的加入其实就是这个趋势的一个高潮。 07:11 这个规模确实有点夸张。 07:13 要注意的是，顶级人才的聚集并不代表马上就会有产品落地。因为预训练的研究它是一个按年计算的周期，所以短期内其实很难看到直接的突破。但是Anthropic大举的招兵买马，是在向外界释放一个非常明确的信号。就是他们认为AI驱动AI研究这个方向就是下一个必争之地，而且他们愿意全力的去下注。 三、OpenAI 在新加坡开实验室：两亿多美元，买的不只是一个办公室 07:42 我们再来讲一下OpenAI为什么要在新加坡设立应用AI实验室？为什么会看重新加坡这个地方？ 07:50 OpenAI最近跟新加坡政府签了一个合作备忘录，他们会投超过3亿新加坡元，也就是大概2.34亿美元，在新加坡设立他们第一个美国本土以外的实验室，他们也计划在未来几年创造二百多个技术岗位，这些岗位都会专注在公共服务、金融、医疗、数字基础设施这些领域。 08:13 听起来他们要做的事情还挺全面的。 08:16 新加坡它本身的地缘位置是非常特殊的，在中美科技对立的这个大环境下，它是属于一个既跟美国关系非常好，同时又跟中国保持着非常紧密的经贸往来的一个国家。它是一个真正的中立节点。再加上它的法律体系非常的健全，英语又是官方语言，产权保护也非常的严格，它是一个非常理想的科技公司设立研究机构的一个地方，而且它还可以作为一个辐射整个东南亚市场的一个基地。 08:49 现在是不是已经有很多其他的AI巨头也都盯上了新加坡？ 08:54 是啊，你看像Google DeepMind去年年底就在新加坡开了实验室。Nvidia更早之前就在新加坡有了深度的布局。大家其实都在积极的跟当地的政府去建立合作关系。你越早的进入，就意味着你可以在未来的政策制定以及AI采购的过程当中占据一个主导地位。 09:17 那你觉得OpenAI把它在新加坡的这个机构定义为应用AI实验室，这里面有什么深意吗？ 09:24 OpenAI其实打的算盘是不仅仅做研究，是要直接跟新加坡的政府和企业去合作，把AI真正的用在他们的数字基础设施里，形成一些长期的紧密的合作关系。这是一种很深层次的落地，而不是说我单纯的只是输出一个产品。 09:44 最近这个竞争压力越来越大，OpenAI为什么会把和政府的深度合作当成一个新的突破口？ 09:51 他们现在面临的竞争非常的激烈。Anthropic的营收追得非常紧。Google在企业级市场也是步步紧逼，再加上DeepSeek也让模型的能力不再是一个独家的武器。所以现在只有通过跟政府的深度合作，去打造一个别人没有办法轻易复制的落地的能力，才能够真正的拉开差距。因为这个是目前他们的对手相对来说比较薄弱的环节。 10:21 所以说OpenAI这次在新加坡投的这个钱到底值不值得？未来能不能够真的产生一些独特的价值？ 10:29 2.34亿美元对他们来说虽然不是一个小数目。但是也绝对不是一个伤筋动骨的投资，然后再加上新加坡政府这边也非常的支持，资源也很到位，所以这个合作其实推进下去是很顺利的。 10:44 关键还是要看他们能不能做出真正适合本地的产品了。 10:47 没错，这个实验室到底能不能够理解新加坡以及整个东南亚的真实需求，然后做出有深度的本地化的应用，这个才是最难的。而不是说我把美国的那一套直接搬过来。那这个布局到底有没有用，可能要等到三五年之后才能够真正的见分晓。但是如果现在不做的话，后面就根本没有机会了。 四、SpaceX 计划收购 Cursor：不是买一个"壳"，是买一条赛道的入场券 11:11 是的，我们下面的一个主题就是SpaceX要收购Cursor这个事情。我们首先要说的就是科尔斯到底是一个什么样的公司？它为什么会在AI代码编辑这个领域能够获得这么多企业的青睐？ 11:25 而Cursor其实是2022年的时候，由4个MIT的学生做出来的一个AI代码编辑器。然后它最大的特点就是非常懂大型的代码库。它可以帮程序员理解上下文，快速的定位问题，自动生成代码，甚至帮你修复一些调试的错误。所以现在已经有60%新的世界500强企业都在使用它。对就它的这个企业级的渗透率。 11:50 是非常高的那大家经常会说Cursor只是一个壳，那它真正的核心能力到底在哪些工程难题上面？ 11:57 外界老是以为说Cursor它是一个包装，但其实它最难的地方是在于它解决了很多模型本身没有办法解决的工程问题。比如说怎么去管理上下文。 12:09 这个我还真好奇，就是面对那种特别大的代码库，它是怎么做到让模型能够高效的去处理这么多信息的？ 12:16 就是科是他有一套自己的索引和检索的机制。它可以在一个几十万行代码的项目里面，精准的去找出模型当前最需要的那一段代码，然后把它塞到这个上下文窗口里面。所以它其实是一个非常厉害的工程成果，它并不是说换一个模型就可以轻易的去复制的。 12:37 除了这个之外，它还有哪些地方是让人觉得很难被替代的？ 12:41 Cursor他还有一个非常厉害的地方，就是他跟程序员的日常的工作流是深度整合的。你写代码、跑测试、看报错、查文档、提交git它全部都可以在一个界面里面无缝的完成，所以很多人一旦用习惯了之后，就再也回不去了。对然后再加上他有67%的世界500强企业在用，所以它其实也积累了非常多的企业级的代码数据，这也是一个非常宝贵的训练资源。 13:10 所以说SpaceX它到底凭什么能够拿下Cursor，它背后到底有哪些资源？ 13:17 因为今年2月份的时候，SpaceX已经通过全股票的方式完成了对xAI的合并。然后它的估值一下子就冲到了1.25万亿美元。同时它也继承了Grok 模型Colossus 超算集群，还有X平台的大量数据。 13:34 怪不得他们能够跟Cursor 玩得这么深更。 13:37 有意思的是其实Cursor 最新的这个版本就是用xAI的Colossus 超算训练的。所以他们两个其实在收购之前就已经深度合作了。这次的收购其实更像是把已经在跑的协作关系彻底的变成自己的。 13:52 如果说把他们这些资源都串起来，会形成一个什么样的行业优势呢？ 13:57 一旦收购完成，那xAI就会拥有从模型算力到工具再到用户的完整的闭环。它的模型是Grok，算力是Colossus，开发工具是Cursor，然后用户是67%的世界500强企业。这其实和微软的那一套Azure加OpenAI加GitHub Copilot加VS Code的用户是如出一辙的那就是全链路的打通。 14:23 现在这个AI代码编辑工具的市场到底是一个什么样的竞争格局？ 14:27 目前来看的话，GitHub Copilot还是占据着最大的份额。它大概有37%的市场，然后它有470万付费用户。不过最近Claude Code也冲得非常猛，它是这个市场上的一匹黑马。然后企业端的话，Cursor其实渗透率是最高的，尤其是在大型企业里面。 14:47 这么看的话，马斯克这一次花大价钱收购Cursor是有他的道理的。 14:52 对他其实就是不想把这个开发者工具的赛道拱手让人。所以他宁可花一个大价钱，也要先把这个户口抢下来。 15:01 然后就是外界对于这笔收购的价格以及它背后的风险到底是怎么看的？ 15:07 有不少人都在质疑说Cursor它现在的这个收入根本撑不起600亿美元的估值。但是对于SpaceX来讲的话，它更看重的是时间窗口和整合成本，就他自己去重建这样一套生态的话，可能花的钱更多，更重要的是它会错失市场机会。 15:24 确实这个交易里面会有哪些不确定因素。 15:28 最大的风险就在于监管的审批能不能够顺利通过。然后SpaceX的IPO能不能够顺利的进行，以及两家公司的企业文化和产品能不能够很好的融合，这些都是非常大的挑战。但是如果说这些东西都能够迈过去的话，那这一次的收购就会让SpaceX和xAI真正的在这个AI工具的市场上面站稳脚跟，就像我们刚才说的，马斯克买的不是一个，可他买的是一条已经打通的通道。 15:59 我们今天聊了这么多，从DeepSeek到Anthropic到OpenAI，再到SpaceX和xAI其实我们能看到这个AI行业的竞争重心已经从单一的模型比拼转移到了生态渠道、政府合作、开发者工具这些全方位的能力建设上。所以说这个行业的壁垒正在变得越来越高，越来越难以逾越。 16:23 好了，这期内容咱们就到这里了，感谢大家的收听，然后咱们下期再见吧，拜拜。