美国即将迎来建国 250 周年，就在2025年12月2日，美国证监会（SEC）主席保罗·阿特金斯发表了一篇引发广泛讨论的重磅演讲——《振兴美国市场》。 这不是一篇普通的监管讲话，它像一把探照灯，照进了美国资本市场的历史深处：从詹姆斯敦这样的“合股企业”，到曼哈顿的原始股发行，再到汉密尔顿建立国家信用体系……阿特金斯试图从美国建国基因里寻找今日市场困境的答案。 🎯 本期核心问题 * 为什么如今越来越少的公司愿意在美国上市？ * 美国资本市场正在失去竞争力吗？ * “监管扩张”如何侵蚀市场活力？ * 披露制度为何从保护投资者变成“信息过载”？ * 阿特金斯提出的“三大支柱”改革是什么？ 📌 主要讨论脉络 1. 美国资本市场的“基因”：从诞生就是一个投资项目 * 詹姆斯敦定居点 = 合股企业 * 曼哈顿的原始股发行 * 汉密尔顿的国家信用体系 * “政府是裁判，市场是玩家”的制度哲学 2. 为什么上市公司减少了 40%？ * 1990s：7000 多家 * 2020s：减少约 40% * 创新公司转向私募市场或海外上市 3. 监管为何走偏？什么是“监管扩张”？ * SEC 从“披露制度”逐渐转向“优劣判断” * 监管要求越来越多、越来越细 * 整体化管理导致创业公司负担巨大 4. 披露制度的“武器化”与信息过载 * 披露被用于推进政治/社会议题 * 年度报告动辄百页 * 重要财务信息反而被淹没 * 巴菲特案例：CEO 薪酬比率 → 报表膨胀 + 高管攀比 5. 对投资者的真实影响 * 普通投资者不看超厚的报告 * 核心财务指标反而更难找到 * 信息越多，理解越难 6. 阿特金斯提出的两大披露改革目标 * 回归“财务重要性”（materiality）原则 * 实施分级披露（scaled disclosure） 7. “让 IPO 再次伟大”：三大支柱改革 1. 披露制度改革：砍掉不重要的信息 2. 股东会议“去政治化”：回到公司治理本质 3. 改善诉讼环境：减少滥诉、保护真实索赔 8. 更深层的哲学：把力量还给公民，而不是监管国家 * 市场是一种“深刻的道德事业” * 每笔自愿交易本质上都是互利 * 美国资本主义的价值观：冒险、创新、个人能动性

Meta 疑似准备砸下数十亿美元采购 Google TPU，引爆科技圈震动——Alphabet 股价大涨、英伟达连续下跌。一块原本“谷歌内部用”的专用芯片，为什么突然具备影响巨头命运的力量？TPU 到底解决了什么 GPU 无法解决的问题？它的“脉动阵列”、OCS 光交换、XLA 编译器又有什么不同凡响？ 在本期节目中，我们从最新新闻切入，从 GPU vs TPU 的设计哲学，到超大模型训练的底层逻辑，到谷歌这十多年坚持的软硬协同与定制化路线，为你拆解这场正在重塑 AI 版图的芯片对决。 这是不仅关于一块芯片的故事，更是关于未来算力格局——以及 AI 产业下一步走向的关键线索。 • GPU vs TPU：两条路线的分岔 GPU 强在通用与灵活； TPU 专注密集矩阵与能效。 单卡差距不大，但规模上 TPU 的扩展效率明显胜出。 • 脉动阵列：TPU 性能的核心秘密 “自动传送带”式的数据流 → 极少访存、极高利用率。 为什么大模型越大，TPU 越强？ • 弱点：稀疏模型时代的挑战 MoE、Sparse Transformer 天然不适合脉动阵列结构。 • 超大规模扩展：OCS 光路交换 动态“抄近道”、灵活“节点袋”、为全对全通信优化的拓扑。 4096 芯片的 TPUv4 Pod 如何跑得又快又稳？ • XLA：TPU 的软件大脑 提前编译、确定性调度、自动并行。 跨数千芯片训练也能“一行代码跑起来”。 • 未来：是 TPU 赢还是 GPU 赢？ TPU 做密集训练、GPU 做通用任务， 专用加速器加入后，AI 将进入“多芯片协同”的新阶段。

谷歌刚刚发布了多模态大模型 Gemini 3：上下文窗口突破到 两亿 tokens，实时多语言能力大幅进化，还能“读懂”一整部纪录片的叙事结构。热议背后，是杰夫·迪恩提出的那条清晰又震撼的技术脉络——规模、算法、硬件这三驾马车，如何在过去十五年里，把AI从识猫识狗推到了能读电影、写代码、理解世界的高度。 本期，我们将带你穿越AI发展的里程碑： 杰夫·迪恩的“三驾马车”理论：规模、算法、硬件 * 十五年AI飞跃的底层驱动力 * 为什么在AI里，“大力出奇迹”真的成立？ * 模型规模从百万到万亿的质变逻辑 分布式训练：为了更大规模，我们发明了什么？ * 单机装不下模型后的工程奇迹 * “鸡生蛋、蛋生鸡”的技术螺旋 Word2Vec：AI第一次“理解语言”的魔法时刻 * “国王 - 男人 + 女人 = 女王”的几何世界 * 语言如何被投射到数学空间？ * 这为何改变了整个NLP的命运？ TPU：谷歌的暴力美学与算力革命 * 15–30 倍性能提升的意义 * 为什么它直接推动了大模型时代的到来？ Transformer：开启大模型时代的架构革命 * 注意力机制如何让模型“读懂”长文本？ * 从“逐字阅读”到“全局理解”的跨越

这一集，我们深入解读 OpenAI 前首席科学家 Ilya Sutskever 的重要访谈，从他提出的“奖励欺骗”“研究品味”“价值函数”“15 岁超级智能”等关键概念出发，重新审视当前 AI 的真实瓶颈。 为什么模型在评估里分数惊人，却在现实世界中表现不稳？为什么“堆更大的模型”已无法带来突破？人类学习中的情感、泛化能力和“天赋因子”又能给 AI 带来什么启发？Ilya 如何重塑我们对超级智能、对齐和未来 AI 形态的想象？ 如果你想真正理解 AGI 发展方向的深层逻辑，这一集会带给你非常不一样的洞察。

AI 模型的能力不断突破，但背后更惊人的是算力需求的爆炸式增长——从 GPT-2 到 GPT-4，仅四年训练算力暴涨近 2900 倍。传统 GPU 体系已被逼近物理和架构极限。 本期，我们深入拆解 AI 芯片领域最激进的玩家之一：Cerebras Systems。 他们没有把晶圆切成几百块芯片，而是把整片晶圆做成一块“餐盘大小的巨型芯片”——拥有 4 万亿晶体管、90 万个 AI 优化核心。这家公司试图用硬件上的极致整合，换取软件开发上的极致简化，以挑战英伟达的 CUDA 霸权。 Cerebras 的技术为什么大胆？商业模式为什么奏效？它的风险、极限与未来在哪里？ 本期，我们与你一起深入探讨。

在这一期《Jarsy 前沿创投研究院》，我们聊一家公司，它让“上线一个网站”从几周变成几秒——Vercel。 它是前端开发技术框架Next.js 背后的推手，是现代 Web 的隐形引擎，也是推动“AI 时代软件民主化”的先锋。 我们将带你深入了解： * 🧩 Vercel 如何用 Next.js 打造“开发者的超级跑车”； * ⚡ “预览部署”这一神来之笔，如何重塑团队协作模式； * 🤖 新产品 v0 如何把“代码优先”变成“意图优先”，引爆“全民开发者”时代； * 💡 以及它如何在开源与商业之间找到完美平衡。 从工具到平台，从框架到AI，Vercel的故事不只是技术革命，更是一次关于创造力未来的预演。 当每一个想法都能被即时实现，创造的意义，将被重新定义。

全球SaaS市场的年规模约3000亿美元，而仅美国的劳动力市场就高达13万亿美元。 这意味着，软件的下一个目标，不再是软件预算，而是人类劳动本身。 在这一集中，我们将探讨： * 软件如何从“辅助工具”变成真正的“劳动者”； * 为什么AI会逼迫SaaS从“按席位付费”转向“按结果定价”； * 当AI能端到端完成客服、催收、运营乃至销售， 软件公司如何从“卖铲子”变成“挖金子的合伙人”； * 以及——当劳动被智能机器重新定义，人类的独特价值将何去何从？ 这不仅是一场商业模式的重塑，更是一场关于工作、财富与人类意义的思考。 欢迎收听本期特别篇：AI的劳动革命。

还以为电动车的主战场在欧美日？这期我们把镜头对准“被忽视的主角”——新兴市场。中国以供应链与性价比“加速”，本地产业因竞争压力“刹车”；政府在“开放让老百姓先用上”与“保护产业慢慢长大”之间艰难取舍。哥斯达黎加的彻底开放、巴西的“引狼入室”、印尼的镍资源下注、印度与墨西哥的地缘博弈……一张张不同国情下的策略拼图，正悄悄重写全球汽车版图。 * “33倍增长 vs. 本土产能焦虑”：开放到底是动力，还是毒药？ * “从矿到芯到车”：当印尼押注镍，却遇上LFP“降维打击”。 * “出口4.8万美金的车，进口1.8万美金的车”：墨西哥的双轨难题。 这不是一档技术评测，而是一堂关于产业政策、供应链博弈与国家战略的“商学院实战课”：快速普及 vs. 产业自主、成本曲线 vs. 技术路径、市场开放 vs. 安全边界。听完这一期，你会更清楚——下一轮赢家，究竟诞生在工厂里、政策里，还是港口与矿山之间。

特斯拉 FSD v14 带来一次质变：从“模仿人类开车”跨越到“在复杂场景自创更优解”。马斯克称其安全性可比平均人类司机高 2–3 倍，甚至“开起来像有意识”——背后并不是夸张的营销，而是模型规模、架构与训练范式的三重飞跃：端到端 + MoE 专家混合 + 大规模强化学习闭环。它既逼近无人监管 Robotaxi 的技术门槛，也把法律、就业与城市形态推上台前。 一、为什么“模仿学习”终有天花板 * 模仿学习=高效复制人类最佳实践，但没见过就学不会，还会把人类的犹豫/坏习惯一并学进去。 * 你在车里感知到的“笨拙”，常发生在无信号灯路口的社会性博弈与临时施工等“长尾”情境，标准答案缺失，模型自然迟疑。 二、FSD v14 的破局：把“学霸”炼成“天才” * 强化学习（RL）：把模型丢进高仿真城市沙盒里“通关刷本”，用奖惩函数逼出能兼顾安全/舒适/效率的策略组合，而不是死记硬背标准答案。 * 端到端 + MoE（专家混合）：不是一个“万能大脑”硬扛全局，而是路由层按场景动态召唤“泊车/环岛/雨雪/高速”等专家子网，既强大又高效，适配车载算力的实时性。 * 更大的“大脑”：v14 为 v13 的数量级扩张（参数、数据、情景覆盖），但依靠 MoE 仅激活相关子专家，因 三、从“受监督”到“无人监管”的临界点 * 美国奥斯汀的 Robotaxi 城市试点 已启动，起初配安全观察员，核心意义在于模型第一次**脱离“教练保护”**接受真实城市反馈，形成数据飞轮。 * v14 被定位为首个面向无人监管的端到端里程碑版本，行业普遍将其视为 Robotaxi 商业化的“倒计时信号”。 四、技术之外的三道大题 1. 法律与保险：事故责任落点从“人”转向“系统”与“制造商”，需要全新的责任分配与险种定价框架。 2. 劳动力结构：Robotaxi 普及将重塑司机与物流岗位；必须提前布局再培训、过渡保障与新岗位（远程运维、车队调度、数据安全）。 3. 城市形态：私家车占有率与停车位需求下行，释放大量土地；算法级别的车队协同将重构拥堵与碳排放曲线，推动“以人为本”的再开发。 五、把抽象落地成一句话 * 模仿学习让 FSD 成为“合格司机”， * 强化学习让它在复杂世界里创造更优解， * MoE 架构让这种“创造力”在硬件上“跑得动”。 这三者叠加，才构成了 v14 的真实质变。

OpenAI不再是不食人间烟火的实验室——它把非营利放在金字塔顶端，却在底座接入了利润引擎：有限营利 + 瀑布型治理。 本期我们拆解这套前所未有的公司架构如何在使命与生存之间走钢丝： * 为什么“仅靠捐款无法支撑AGI”是转型的核心现实？ * 100×回报上限、非营利掌握任免权：如何给资本套上紧箍咒？ * 微软从“独家豪赌”到“竞合共生”，生态格局意味着什么？ * 安全与商业化的拉扯：外部监管、家长控制、AGI独立验证条款能否兜底？ 最终问题是：这套制度能否抵挡万亿利润的诱惑，守住“造福全人类”的初心？ 章节大纲（可放show notes） 1. 为什么必须转型：AGI的“粒子对撞机”级别成本 2. 有限营利与100×上限：理想与资本的交换条件 3. “瀑布型”治理：非营利如何握住方向盘 4. 闪电换帅的压力测试：独立性与效率的代价 5. 微软新协议与硬件野心：从绑定到竞合 6. 安全减速带：家长控制、预言机式外部审查、AGI验证 7. 结语：一场关于技术治理的社会实验

节目简介 为什么2024年大选时，预测市场比传统民调更准确？为什么惠普要让员工"下注"预测打印机销量？预测市场不只是预测工具，它是一个被专门设计出来、用价格揭示未来的信息聚合机器。 本期节目深度解读Andreessen Horowitz的预测市场研究报告，探讨三个核心问题： 💡 哈耶克的洞见 | 1945年诺奖论文揭示：市场价格是无与伦比的信息网络。每个人的买卖行为都在向价格"注入"信息，而预测市场把这种能力从"无意识副产品"变成了"有意识的核心功能"。 🦈 鲨鱼与农民的博弈 | 为什么有些预测市场会失灵？关键在于"市场厚度"——没有"农民"提供有机需求，只有"鲨鱼"互相盯着，市场就无法运转。如何通过巧妙设计来"制造"需求？ ⛓️ 区块链×AI的新纪元 | 智能合约提供"可信承诺"，去中心化预言机保证公正性，可组合性打开无限想象空间。当AI成为最强大的参与者，预测市场将演变成"信息金融"。 从企业内部决策到科学可重复性危机，从CEO绩效评估到"未来治理"（Futarchy）——预测市场正在改写我们获取真相、做出决策的方式。 核心洞察: 通过经济激励让人们为自己的判断负责 | "如果你那么聪明，为什么你那么穷？" | "市场会成为参与者的交易平台，和所有其他人的信息来源" 适合人群: Web3创业者 | 决策科学爱好者 | 经济学/博弈论研究者 | 对集体智慧和信息机制感兴趣的所有人

2025年6月，特斯拉Robotaxi在奥斯汀悄然上线，标志着全自动驾驶正式进入"无监督"时代。但最震撼的不是这个里程碑本身，而是特斯拉选择的这条路：当整个行业都在堆叠激光雷达、高精地图时，特斯拉只用摄像头和AI大脑，去解决地球上最复杂的工程挑战之一。 本期节目揭秘特斯拉FSD背后的三大颠覆性创新： 📸 光子计数 | AI看到的根本不是"照片"，而是最原始的光子数据流——就像营养师直接面对食材，而不是端上桌的成品菜。 🎓 激光雷达的角色反转 | LiDAR不是生产依赖，而是训练工具——它是带着"标准答案"的老师，帮AI学会如何用纯视觉推断三维世界。 🔄 无限进化的飞轮 | 通过验证车队收集真实数据 + 高仿真模拟器生成边缘案例，FSD形成了一个指数级提升的学习闭环。V14的参数量是V12的20倍，这个"超级大脑"正在变得越来越聪明。 从RCCC传感器设计到生成式模拟引擎，从"看"世界的哲学到"学"世界的机制——这不只是一场技术竞赛，更是一场关于认知与智能的哲学探索。 适合人群: 自动驾驶技术爱好者 | AI/机器学习从业者 | 特斯拉车主 | 所有对未来出行方式感兴趣的人

2025年10月11日，一句“对中国商品加征100%额外关税”点燃全球风险偏好，周末的加密市场在流动性最薄时段承压，出现史无前例的清算规模与USDe在币安跌至$0.65的脱锚。我们复盘这场“宏观→比特币锚→山寨流动性→抵押清算→稳定币脱锚→做市商爆仓→交易所压力”的多米诺骨牌，并给出可操作的风控清单与逆风环境下的生存法则。 节目要点提纲 / Show Notes * 政策引爆点：特朗普宣布对中国进口额外100%关税，市场担忧通胀与再加息预期回升，风险资产先杀估值。 * 为何加密先跌：24/7 连续交易 + 周末流动性稀薄 → 恐慌先在加密宣泄。主流媒体与路透/卫报连日跟踪“100%关税”进展。 * 传导机制：BTC 作为“组合锚/β 参照”，量化与被动风控同步去风险，小币对深度不足放大跌幅。 * 稳定币关键节点：USDe 在币安跌至 ~$0.65（随后回稳），成为清算螺旋加速器；Tether 强调 USDT 韧性。 * 交易所侧回应：币安称补偿部分受影响用户，并披露极端价位与脱锚发生时序。 * 规模与记录：媒体统计本轮为约 $19B 清算级别的历史性抛压窗口。 * 类比与教训：从 UST/Luna 到 USDe，“高收益=复杂杠杆”的老问题重演——合成/对冲策略在极端行情下的脆弱性。 * 风控清单： 远离循环贷/隐性杠杆； 不以交易所内衍生凭证（如某些封闭场域质押票据）充当“等同现货”的保证金； 周末与节假日降低仓位/提高保证金冗余； 对“稳定币”做机制/储备/赎回路径三维审查； 使用多平台风控与外部价格预警。

今年六月，特斯拉FSD迎来历史性时刻——在美国奥斯汀开始无人监督驾驶测试。 看似是一次自动驾驶的技术突破，实际上，却是人工智能进化路径上的一场“思想实验”。 本期节目，我们将一起拆解这次被忽视的关键变革： * “本地化参数”究竟意味着特斯拉要走回老路，还是在进化？ * “专家混合体”（MoE）架构，如何让AI在不同场景中动态切换思维？ * 为什么这种架构，比“大一统模型”更高效、更智能？ * 从“泛化”到“情境化”，FSD的进化能否预示通用人工智能（AGI）的未来？ 特斯拉FSD的进步，不仅让机器学会了“开车”， 更让AI第一次拥有了“环境意识”——它知道自己在哪儿、在干什么。 而这，也许正是智能真正开始“理解世界”的那一刻。

我们早已习惯对Siri或Alexa下命令，但那从未是一场“对话”。 直到一个叫 Sesame AI 的新公司出现——它的AI声音Maya第一次让人觉得，“它好像真的在听”。 本期节目，我们将揭开这场语音革命的底层逻辑： * 技术突破：对话式语音模型（CSM）如何实现“边思考边说话”，让AI的语气、呼吸、犹豫都像人类？ * 情感连接：AI第一次学会“理解语气”——甚至在你叹气时问你“你还好吗？” * 社会影响：当AI拥有“声音存在感”，我们会更信任它，还是更害怕它？ * 未来展望：从开源到可穿戴设备，Sesame AI如何重塑人与机器的关系？ 这是一次关于声音、情感与智能的革命。 当机器终于“有了灵魂的声音”，我们是否也该重新思考，什么才是真正的“人机共存”？