网易9年老兵谈AI出海：如何跨越文化鸿沟与建立品牌信任？对话 Grow Max 创始人 MK本期视频介绍：欢迎来到 Steven 数据慢谈。本期节目我们邀请到了 Grow Max 的创始人 MK (Mickey)。MK 曾在网易负责海外业务长达九年，完整经历了游戏产品从研发到宣发的全生命周期，服务过米哈游、莉莉丝等顶尖客户。现在她转型创立了 AI 营销公司，致力于帮助中国 AI 产品出海，连接全球用户。为什么从成熟的游戏行业转向 AI 创业？中国 AI 产品在海外面临哪些水土不服？如何通过讲好品牌故事来实现用户增长？MK 将结合她丰富的实战经验，为我们带来深度的行业洞察。本期内容简介：在本期播客中，MK 分享了她从游戏出海转型做 AI 产品全球化营销的心路历程。她指出，虽然中国工程师在开发通用型 AI 产品上具有优势，但在进军欧美市场时，往往面临三大核心挑战：文化鸿沟与细分人群覆盖、数据安全与信任问题、以及品牌叙事（Storytelling）能力的缺失。节目中，MK 详细对比了中美产品迭代逻辑的巨大差异：硅谷团队倾向于内容先行，通过社区反馈来驱动产品功能的迭代，而国内团队往往陷入功能堆砌的误区。她还分享了一个大厂 AI 产品出海先败后胜的真实案例，揭示了深入挖掘用户痛点（冰山之下的需求）的重要性。此外，我们还探讨了 AI 创业的未来机会，包括 AI+社交/情感陪伴以及针对老年群体的银发经济。在节目的最后，MK 从母亲的角度，分享了在 AI 时代关于教育和培养孩子深度思考能力的独到见解。时间戳：00:00 嘉宾介绍：从网易游戏出海到 AI 营销创业02:15 行业选择：为什么从游戏转战 AI 出海赛道？04:45 核心痛点：中国 AI 产品出海面临的三大挑战（文化、信任、品牌）10:30 竞争优势：Grow Max 如何服务创业团队与资源稀缺性13:20 逻辑差异：硅谷的内容驱动迭代 vs 国内的功能驱动迭代16:40 实战案例：某大厂产品如何通过深度调研扭转 40 万美金的亏损20:15 未来赛道：AI + 社交、情感陪伴与心理咨询的前景24:15 创业脑洞：如果有 50 万美金，我会做 AI + 银发经济27:50 行业思考：马斯克预言与 AI 训练 AI 的未来32:30 教育焦虑：AI 时代如何培养孩子的深度思考与辨别能力#AI出海 #人工智能 #SaaS营销 #创业 #GrowMax #产品增长 #品牌故事 #数据合规 #AI教育 #银发经济 #Steven数据慢谈 #Podcast

英文原版请参考节目：Steven Data Talk 简介 在本期精彩的 Steven Data Talk 节目中，主持人 Steven 采访了 JJ Jajin（JJ Never Sleeps），一位在科技界叱咤风云的成功人士，她创建了旧金山最大的产品经理 (PM) 社群之一。JJ 分享了她非凡的职业历程，涵盖了特斯拉、Wise、LinkedIn 以及现在的 Meta 产品经理职位。 主要讨论要点包括： 职业轨迹与抉择：JJ 讲述了她从武汉大学和杜克大学毕业后，受史蒂夫·乔布斯传记的影响，最终选择计算机科学和产品管理作为职业道路。她分享了在特斯拉的“里程碑式”经历，这段经历帮助她了解了企业界的运作方式。 核心产品经理原则：JJ 详细阐述了在各种科技环境中都适用的三大核心原则：以用户为中心（她列举了自己在 LinkedIn 与数百甚至数千名用户进行的对话）、数据驱动的决策（相信量化数据而非定性意见，以减少官僚主义）、以及保持谦逊，避免自负。 “JJ 永不眠”社群：JJ 探讨了她作为副业创建的庞大社群，其目标是弥合中国学生在美国寻找助理产品经理 (APM) 工作时的信息鸿沟。她解释了他们面临的障碍，包括语言、网络防火墙（缺乏使用 Google Keep 或 Facebook Marketplace 等美国产品的经验）以及讲述中国产品故事的难度。她关注的是社群的质量和人脉的建立，而非粉丝数量。 人工智能与产品未来：JJ 分享了她对软件行业已死的看法，以及她为何决定加入 Meta 专注于硬件领域，而人工智能的发展正是她做出这一决定的原因。她讨论了如何使用 ChatGPT 等基础人工智能工具作为私人导师来学习系统设计等课程。 人工智能原生产品思维：她通过强调产品经理在设计产品时需要理解工作流程、数据关键性、模型选择和训练技术来定义这一概念。她相信人工智能可以显著提高人类的平均智商和效率。 个性化与产品设计：她详细阐述了像LinkedIn这样的大公司如何利用人工智能模型来个性化用户体验（例如，根据新用户和老用户的需求来定制内容），从而最大化日活跃用户数和付费用户收入等指标。 领导力与韧性：JJ回顾了她在武汉大学计算机科学学院担任首位女学生会主席的早期经历，这段经历教会了她如何与工程师合作、倾听他们的意见，以及如何用强有力的论据说服他人。在节目的最后，她强调了在经济不确定时期保持韧性和追求梦想的重要性。

英文原版请参考节目：Steven Data Talk 简介 在本期精彩的 Steven Data Talk 节目中，主持人 Steven 采访了 JJ Jajin（JJ Never Sleeps），一位在科技界叱咤风云的成功人士，她创建了旧金山最大的产品经理 (PM) 社群之一。JJ 分享了她非凡的职业历程，涵盖了特斯拉、Wise、LinkedIn 以及现在的 Meta 产品经理职位。 主要讨论要点包括： 职业轨迹与抉择：JJ 讲述了她从武汉大学和杜克大学毕业后，受史蒂夫·乔布斯传记的影响，最终选择计算机科学和产品管理作为职业道路。她分享了在特斯拉的“里程碑式”经历，这段经历帮助她了解了企业界的运作方式。 核心产品经理原则：JJ 详细阐述了在各种科技环境中都适用的三大核心原则：以用户为中心（她列举了自己在 LinkedIn 与数百甚至数千名用户进行的对话）、数据驱动的决策（相信量化数据而非定性意见，以减少官僚主义）、以及保持谦逊，避免自负。 “JJ 永不眠”社群：JJ 探讨了她作为副业创建的庞大社群，其目标是弥合中国学生在美国寻找助理产品经理 (APM) 工作时的信息鸿沟。她解释了他们面临的障碍，包括语言、网络防火墙（缺乏使用 Google Keep 或 Facebook Marketplace 等美国产品的经验）以及讲述中国产品故事的难度。她关注的是社群的质量和人脉的建立，而非粉丝数量。 人工智能与产品未来：JJ 分享了她对软件行业已死的看法，以及她为何决定加入 Meta 专注于硬件领域，而人工智能的发展正是她做出这一决定的原因。她讨论了如何使用 ChatGPT 等基础人工智能工具作为私人导师来学习系统设计等课程。 人工智能原生产品思维：她通过强调产品经理在设计产品时需要理解工作流程、数据关键性、模型选择和训练技术来定义这一概念。她相信人工智能可以显著提高人类的平均智商和效率。 个性化与产品设计：她详细阐述了像LinkedIn这样的大公司如何利用人工智能模型来个性化用户体验（例如，根据新用户和老用户的需求来定制内容），从而最大化日活跃用户数和付费用户收入等指标。 领导力与韧性：JJ回顾了她在武汉大学计算机科学学院担任首位女学生会主席的早期经历，这段经历教会了她如何与工程师合作、倾听他们的意见，以及如何用强有力的论据说服他人。在节目的最后，她强调了在经济不确定时期保持韧性和追求梦想的重要性。

本期节目是转载自《创·见｜Build Up!》，我是本期节目的嘉宾。 #025-AI泡沫？硅谷裁员潮？创业者焦虑？为什么在欧洲做 AI却一点都不慌？ - 创·见｜Build Up！全球创始人访谈 | 小宇宙 - 听播客，上小宇宙 “The best way to predict the future is to invent it.” —— Alan Kay本期节目，我们与《创·见｜Build Up!》主播 Lydia Shang 一起，在硅谷与欧洲的交汇点上重新审视当下 AI 浪潮：是泡沫前夜，还是结构性重塑？是焦虑竞速，还是松弛创新？我们讨论了硅谷的“效率革命”、欧洲的合规红利、创业者的节奏选择，以及播客这种“慢媒介”在长期主义时代反而越来越重要。🎧 本期看点｜What’s Inside硅谷的高压与裁员潮，是泡沫还是重置？为什么欧洲创业者“不慌”？AI Act/GDPR 如何重塑创新？构建品牌与内容的长期主义：播客为什么值得一做再做？自动化、数据库优化、端侧模型、本地化 AI 的新机会创作者与创业者如何在“快与慢”之间找到节奏？🎙️ 本期主播｜HostLydia ShangFounder @ 繁星联众 Astra X Ventures《创·见｜Build Up with Lydia》创办人👤 本期嘉宾｜GuestSteven Wang 王健数据科学家、内容创作者，《Steven数据漫谈》《Steven Data Talk》主理人坐标米兰。专注欧洲 AI 创业生态、AI 应用、商业模式与内容创新。⌚ 时间索引为什么在米兰做 AI 与播客从体制到技术：自动化与数据库优化的“内生动力”品牌进化：从教程到“数据漫谈”的内容聚焦“欧洲版硅谷101”的初心与碰壁GDPR + AI Act：合规的复杂与创业的边界逆境中的机会：信息不对称与资源重配长期主义与播客：可做一生事业的媒介硅谷与西雅图：扩张与裁员的两条主线结构性收缩：从成本压力到产品化加速AI 泡沫？更像估值与模式的周期性清洗欧洲式创新：政府数据、大学 spin-off 与“匠心”欧洲年轻华人创业者状态：稳定偏好与破局者为什么从播客出发：亲密度与留存度的价值榜样力量：Lex Fridman / Huberman 的训练法则YC 课精讲的方法：时间拉长、原则依旧跨时区与工具栈：把技术门槛变成节奏优势Gap 的意义：停下，是为了走更远未来选择：打工与创业可以并行快问快答：榜样、遗憾与“何为自由”🌐 关于《Steven数据漫谈》用最清晰的方式，聊最前沿的 人工智能 / 科技 / 创新 / 商业 / 创业思考。现已登陆 Spotify、Apple Podcasts、YouTube、Amazon Music、小宇宙、喜马拉雅 等平台。所有链接 & 支持创作者：https://linktr.ee/learnbydoingwithsteven通用免责声明Disclaimer⁠：https://mp.weixin.qq.com/s/CSX358HspNIBQiGsGtQBdA

Steven受邀参与“风平浪静”节目录制，分享了他从14年传统金融与工程机械领域转向AI创业的心路历程、创办播客的动机与愿景，以及他对当前欧洲AI创业环境的观察。 I. 嘉宾介绍与播客创办背景II. 播客定位、目标与深度交流哲学III. 新项目与商业化策略IV. 嘉宾链接渠道与个人成长理念V. 欧洲AI创业环境观察与主要挑战 他的播客节目包括中文版《Steven 数据慢谈》和英文版《Steven Data Talk》。 #Steven数据漫谈 #超级个体 #AI创业 #AI人才 #组织与激励 #学习力 #驾驭AI #专注力 #HRTech #AI招聘 #个人IP #创业社群《Steven数据漫谈》——用最清晰的方式，聊最前沿的人工智能、科技、创新、商业、创业思考。现已登陆 Spotify、Apple Podcasts、YouTube、Amazon Music、小宇宙、喜马拉雅 等平台。 所有链接，支持作者：https://linktr.ee/learnbydoingwithsteven 通用免责声明Disclaimerhttps://mp.weixin.qq.com/s/CSX358HspNIBQiGsGtQBdA

本期邀请到 Julie（上海创业线下社群主理人、前AI公司HRD、人力资源与联创辅导顾问）。我们从“一人公司、多人Agent”的趋势切入，聊到AI时代真正稀缺的是能驾驭AI并持续学习的复合型人才；早期团队如何识别“适配创业”的伙伴与心智模型；信息爆炸下的专注力训练；以及AI×教育×职业选择的现实建议。后半段深入AI招聘/面试工具的痛点与机会、创始人打造个人IP的价值。给刚入场的学生、在路上的创业者和招人发愁的CEO，一针见血的参考。00:00 开场观点：一人公司与多Agent——什么叫“驾驭AI”00:00:44 正式开场 & 来宾介绍（Julie的HRD背景与转型）00:01:31 Julie的服务版图：外挂HRD/人才顾问/股权激励与组织搭建00:02:23 为AI团队链接资源：孵化器、FA、投资人与天使00:02:43 社群初心：从“私域撮合者”到“线下平台”的自然生长00:04:04 每周线下 Coffee Chat：创业者×投资人×孵化器的高效对接场00:05:25 上海/国内AI创业生态观察：氛围更浓、但成功仍属少数00:07:12 初创共性痛点：不是缺点子，而是缺“能快速落地的团队”00:08:51 怎么“招到对的人”：画像、阶段匹配与“水面下的人才”00:10:54 识别“适配创业”的底层心智：履历≠适配；Ownership与野生力00:13:01 个人目标是否与团队目标“同频”——决定能否走到最后00:14:21 稀缺资源是“人”：AI时代的能力上限与复合型“斜杠”人才00:16:53 就业还是创业？给毕业生的现实建议与行动路径00:18:26 AI×教育×学习：两大关键能力——学习力 & 驾驭AI00:22:00 教育资源爆炸与路径引导：甄别信息比“获取信息”更重要00:23:29 注意力即生产力：信息干扰下的专注力训练00:25:00 如果立刻做一家AI公司？——AI招聘/面试评估工具的痛点与机会00:27:59 主持人补充：真实体验的AI招聘平台问题与改进方向00:28:34 招募讯息：Julie在找 CTO 联合创始人（欢迎联络）00:28:46 播客=高效“识人”与个人IP的最佳载体00:29:44 自媒体时代的创始人：走到台前，吸引同频者00:30:16 收尾：业务合作与资源对接，期待再会#Steven数据漫谈 #超级个体 #AI创业 #AI人才 #组织与激励 #学习力 #驾驭AI #专注力 #HRTech #AI招聘 #个人IP #创业社群

🎙️ 本期节目Steven数据漫谈 Ep10：对话AI工程师Xiao Nan——构建去中心化的AI Agent世界 (Summoner)在本期节目中，主播 Steven 对话 AI 工程师Xiao Nan，探讨她所在的创业公司 Summoner 如何构建一个去中心化、结合了区块链技术的 AI Agent 平台。🌟 嘉宾介绍Xiao Nan纽约哥伦比亚大学统计系AI 创业公司 Summoner 工程师，负责 Agent 评估框架🎧 节目简介本期我们邀请到 AI 工程师肖楠，一起讨论多智能体（AI Agents）的未来形态：如何从 0→1 构建一个 Agent 平台、如何设计评估体系、为什么去中心化架构比「中央大脑」更适合智能体世界。我们也聊到区块链如何为 Agents 带来透明度、多智能体在经济学模拟中的潜力，以及初创公司环境中如何保持创造力。如果你关注 AI Agents、RAG、评估框架、去中心化系统、开源生态、初创公司方法论，本期内容非常值得收藏。🕒 时间戳00:00 开场：什么是我们想做的 AI Agent 平台00:41 嘉宾介绍：哥大统计 + 初创公司 AI Engineer03:30 Agent 平台蓝图：上传、评估、排序、奖励08:30 RAG + 行业上下文：让评估变成「可定制的 Benchmark」13:30 Engineering 0→1：不断试错的评估框架18:30 去中心化 Agent 世界 vs 中央大脑模式23:30 安全性：加密、Hook、Guardrail27:30 开源生态、社区与未来的 Web App30:30 Agent 模拟社会与经济学实验的可能性31:30 在混乱中保持创造力：初创公司 vs 大厂34:00 对未来智能体时代最想解决的问题35:00 结语：智能体合作效率与生态构建⭐ 精简亮点开放式 Agent 平台：开发者上传 Agent，平台负责评估与变现；企业可搜索「Agent 车队」解决业务问题。量化评估体系：7 大指标衡量多智能体表现，按贡献度分配 reward，防止 free rider。行业化 Benchmark：企业上传 PDF / 数据库，RAG 自动注入上下文 → 得到定制评分。去中心化 Agent 世界：无中央大脑，Agent 自主发现彼此；利用密码学与区块链保证安全与透明。开源基础设施：SDK 开源，商业化以 enterprise 为主；社区通过 Discord、Hackathon 发展。初创公司的真实节奏：试错快、负担小、自由度高——创新往往诞生于混乱而非秩序。#Steven数据漫谈 #AI智能体 #AIAgents #Agent平台 #智能体评估#RAG #去中心化 #区块链AI #开源AI #初创公司《Steven数据漫谈》——用最清晰的方式，聊最前沿的人工智能、科技、创新、商业、创业思考。现已登陆 Spotify、Apple Podcasts、YouTube、Amazon Music、小宇宙、喜马拉雅 等平台。 所有链接，支持作者：https://linktr.ee/learnbydoingwithsteven

想过吗？你家那台闲置的游戏PC，可能就是下一场AI革命的发动机！本期节目，Steven邀请到共绩算力的联合创始人Adam，与我们一同揭秘他们被称为“算力界爱彼迎”的颠覆性平台。Adam分享了一个清华校园项目，如何一步步成长为解决全球算力危机的明星初创企业。我们将深入了解，共绩算力如何将个人与企业的闲置GPU资源连接起来，满足AI应用巨大且充满弹性的算力需求。在本期节目中，我们将探讨：颠覆性的平台模式： 如何将千万台闲置电脑，变成一个强大的分布式超级计算机。“秘密武器”调度系统： 在不拥有任何硬件的情况下，如何保证平台的稳定与安全。中国的独特优势： 在全球AI硬件竞赛中，从能源基建到制造业规模，中国手握哪些王牌？关于AI未来的深刻见解： 小模型的兴起，以及中美在开源与闭源路线上的战略差异。这次对话为我们揭示了驱动AI浪潮的底层基础设施。对于这种去中心化的算力模式，你有什么看法？在评论区告诉我们吧！#人工智能 #算力 #GPU #科技创业 #共绩算力 #AI基础设施 #中国科技 #开源 #大语言模型 #Steven数据漫谈 #共享经济 #显卡

在本期《Steven数据漫谈》中，主持人Steven采访了金融科技公司营销主管Aria，她分享了关于初创公司市场营销和公共关系的专业见解。核心要点包括：创始人主导的营销至关重要，创始人必须亲自担任首席“故事官”，以找到“信息与市场的契合点”。Aria详细介绍了科技公关策略，强调创始人应将自己打造为思想领袖，并与记者建立长期的、基于价值的关系。她还指出了线下活动在建立信任和推动销售转化方面的强大作用。最后，Aria给职场人的三大建议是：与同辈建立牢固的关系、勇敢地迈出第一步、在听取建议的同时最终相信自己的直觉。 #播客推荐 #Steven数据漫谈 #创业 #市场营销 #创始人IP #科技公关 #职场干货 #个人成长 🎙️ 《免责声明 / Podcast Disclaimer》 本播客节目及相关频道（包括但不限于《Steven数据漫谈》《数能生智》《Steven Data Talk》《Learn by Doing with Steven》）中所表达的所有观点、立场和意见，均仅代表主持人及受邀嘉宾的个人观点，仅供学习、分享与交流之用。 节目中提及的任何信息、案例、公司、产品或机构，不构成任何形式的投资、商业、法律、财务、医疗或其他专业建议，也不代表主持人、嘉宾或其所属机构、合作方的官方立场。 主持人及嘉宾力求内容准确与时效，但不保证信息的完整性或适用性。听众在依据节目内容采取任何决策前，应自行进行独立判断与核实。 《Steven数据漫谈》《数能生智》及其制作团队不对因使用或依赖节目内容所产生的任何直接或间接损失承担责任。 除非另有说明，节目内容之著作权归原作者所有，未经授权不得转载、改编或二次传播。

steven数据漫谈 E07: 对话艾比 - 从大厂到AI创业，如何规划职业并保持「风平浪静」 欢迎收听本期的“steven数据漫谈”！ 在本期节目中，我们荣幸地邀请到了艾比（Abby）。她是一位连续创业者，专注于客户增长和AI产品出海领域，同时也是小宇宙知名播客「风平浪静」的主理人。 艾比与我们深入分享了她从大学时期的自我规划，到进入互联网大厂积累经验，再到最终勇敢迈向创业的完整心路历程。无论您是学生、职场新人，还是正在考虑创业的朋友，相信都能从她的故事中获得宝贵的启发。 本期内容时间线： 开场介绍嘉宾艾比介绍：客户增长与AI产品出海创业者，「风平浪静」播客主理人。 艾比的创业之路大学时期的远见：大一军训时便开始思考未来职业道路，拒绝“标准答案”，决心进入企业界。大厂的积累与规划：进入互联网大厂后，有意识地轮转于市场、运营、ToB及ToC等不同岗位，全方位锻炼能力，为创业奠定坚实基础。创业的萌芽与准备：提前一两年便开始收集创业想法，并通过大量的线下Coffee Chat（咖啡交流）了解真实创业生态，最终在“天时地利人和”的契机下，于两个月前正式开启创业。 播客「风平浪静」的背后名字的由来：希望以一种理性、独立、不随波逐流的态度来审视世界和自己。核心定位：一个记录个人思考与成长的播客，致力于提供源源不断的内在更新动力。 创业路上的宝贵经验核心挑战：如何洞察用户购买高价服务背后的真实需求，而非表面需求。解决之道：通过与真实用户进行Coffee Chat，深入理解用户决策逻辑，从而调整营销切入点。创业方法论：艾比非常认可小团队、不拿融资、快速打磨MVP（最小可行性产品）的精益创业模式，认为这种方式能保持团队的“饥渴感”和高效率。 从大厂学到的最重要一课思维的跃迁：最大的收获是从“应该怎么做好”的执行思维，转变为“应该怎么做”的战略思维。前者关心战术，后者决定战略方向。如何培养战略思维：尝试站在老板、甚至老板的老板的视角去思考业务的全局，理解商业目标和实现路径。 关于热情与「自洽」拒绝内耗：当在一个环境中感到不适或无法成长时，要勇敢地做出改变，实现人生的“自洽”。热情的价值：保持对事业的热情是取得成功的关键。当你对一件事充满激情，并投入时间，成功便会水到渠成。 艾比的播客推荐：小宇宙App搜索「风平浪静」，收听艾比关于成长、思考与自我探索的更多分享。 风平浪静FM | 小宇宙 - 听播客，上小宇宙

Steven Data Talk EP6 with guest Kyla, DukeCEO, Sketch3D.AI🎙️ Podcast New Release | 播客新发布This week on Steven Data Talk, we dive deep into AI, startups, and entrepreneurship — bridging insights from East to West. We have the pleasure of inviting Ms. Kyla Zhang, a tech media manager in Silicon Alley, founder of Duke CEO, and co-founder and CMO of Sketch3D.AI. Kyla shares her journey from the media industry to the AI startup scene, the lessons learned from building communities at Duke University, and the challenges of launching an AI company from the ground up.本期《Steven数据漫谈》播客，我们聚焦人工智能、创业与创新，在东西方视角的交汇中，探索科技与商业的未来。我们荣幸地邀请到了Kyla Zhang女士，她不仅是硅谷的科技媒体经理，也是杜克大学创业者组织Duke CEO的创始人，以及AI初创公司Sketch3D.AI的联合创始人兼CMO。 Kyla分享了她从媒体行业到人工智能领域的跨界之旅，在杜克大学建立创业社区的经验与感悟，以及从零到一打造一家AI公司所面临的挑战。🔹 中文版 | Chinese Version🎧 YouTube 👉 https://youtu.be/0cvUtF5BgVM🎧 Spotify 👉 https://open.spotify.com/episode/4TST6PRiqpRgfebbVI8Qxs?si=qUNbfe3ySdusRXzbKKmRQg🎧 喜马拉雅 👉 https://www.ximalaya.com/sound/919629850🎧 小宇宙 👉 https://www.xiaoyuzhoufm.com/episodes/68ead87a525f51df38d9978c🔹 English Version | 英文版🎧 YouTube 👉 https://youtu.be/6KhwCDWLi8k🎧 Spotify 👉 https://open.spotify.com/episode/0eCGG4CuEuk1dcgkUhxPzg?si=htnB4B_7S16H2jiobf41Kw🎧 喜马拉雅 👉 https://www.ximalaya.com/sound/919628664🎧 Xiaoyuzhou 👉 https://www.xiaoyuzhoufm.com/episodes/68eada80525f51df38d9ac48🎯 Follow Steven Data Talk for more conversations onAI × Business × Global Innovation关注《Steven数据漫谈》，一起洞察人工智能、商业与全球创新的新边界。#Podcast #AI #Entrepreneurship #StevenDataTalk #Steven数据漫谈 #播客新发布 #AI创业 #中英双语

Steven数据漫谈EP5 接下来节目的安排

superroute创始人Mathew专访 20250929小红书直播录像

AI能揪出代码里的隐藏风险吗？🤖💻 大语言模型 对战 软件漏洞！(嘉宾: Astrid)想知道像大语言模型（LLM）这样的前沿AI技术如何革新软件安全领域吗？在本期《Steven数据漫谈》播客中，我们邀请到了来自伦敦大学学院（UCL）的专家Astrid，她专注于研究如何利用LLM检测代码漏洞。加入我们，一起客观探讨：新前沿： 基于LLM的漏洞检测与传统的机器学习方法（如使用NLP或图神经网络）有何不同。LLM优势： 探索零样本/少样本学习、灵活性以及对新型、未知威胁的泛化潜力。微调是关键： 为什么预训练模型通常需要在特定的漏洞数据（常来自GitHub等开源社区）上进行微调。当前挑战： 精度、可解释性（安全领域的关键！）、处理复杂代码库的难题，以及LLM在处理非源码（如二进制、中间表示）方面的局限性。混合动力： 如何将LLM与传统程序分析技术（如程序切片、污点分析）相结合，开辟充满希望的新路径。AI智能体角色： 探讨使用多智能体系统进行复杂代码分析的潜力（及当前面临的困难）。真实研究案例： Astrid分享了她最新的研究成果——利用LLM和程序切片进行安卓恶意软件分析，这是一种处理庞大复杂应用程序的新颖方法！无论您是开发者、安全专家、AI爱好者，还是仅仅对代码安全的未来感到好奇，这次讨论都将为您带来宝贵的见解！内容概要时间线:00:00:00 - 嘉宾介绍 (Astrid) 与研究领域 (大模型用于代码漏洞检测)00:00:30 - 大模型与传统检测方法的区别00:01:44 - 大模型微调与数据来源 (开源 vs. 闭源)00:02:51 - 主要挑战：检测精度与结果可解释性00:05:06 - 大模型泛化能力 vs. 准确性的权衡与应对新威胁00:06:21 - 传统代码分析技术回顾 (机器学习, 图神经网络, NLP)00:08:31 - 多模态与AI智能体方法的潜力00:10:31 - 结合大模型与传统程序分析工具 (工作流创新)00:12:24 - 大模型处理非源码表示的局限性00:13:17 - 嘉宾研究分享 (Astrid)：结合大模型与程序切片分析安卓恶意软件00:15:01 - 程序切片技术详解00:16:21 - 总结与结束语喜欢这次讨论吗？👍 订阅《Steven数据漫谈》获取更多深度内容！在评论区分享您的想法吧！👇#大语言模型 #软件安全 #代码漏洞 #人工智能 #网络安全 #程序分析 #机器学习 #数据科学 #Steven数据漫谈

Steven数据漫谈-对话convergence ai首席AI工程师（中文+英文字幕） 中文 免责声明： * 观点归属： 文中引述或总结的观点、预测和意见均仅代表受访者郑浅先生在访谈时点的个人看法，不代表作者、发布平台或 Convergence AI 公司（除明确说明外）的官方立场或观点。任何依赖这些观点所做的决策，责任由读者自负。 * 翻译说明： 本文提供了英文翻译版本，旨在方便更广泛的读者。翻译过程中力求准确传达原意，但语言和文化差异可能导致理解上的细微偏差。如中、英文版本间存在任何冲突或不一致，应以中文原文为最终解释依据。 * 非建议性质： 本文内容仅为信息分享和交流目的，不构成任何形式的投资建议、法律意见、技术指导或其他专业咨询。读者在做出任何相关决策前，应咨询合格的专业人士。 * 无责任承诺： 对于因使用或依赖本文任何信息而可能直接或间接导致的任何损失或损害，作者和发布平台均不承担任何责任。 English Disclaimer: * Attribution of Views: All views, forecasts, and opinions quoted or summarized in this article represent solely the personal perspectives of the interviewee, Mr. Zheng Qian, at the time of the interview, and do not represent the official stance or views of the author, the publishing platform, or Convergence AI (unless explicitly stated otherwise). Readers bear sole responsibility for any decisions made in reliance on these views. * Translation Note: An English translation is provided for the convenience of a broader audience. While efforts were made to accurately convey the original meaning during translation, linguistic and cultural differences may lead to subtle variations in interpretation. In the event of any conflict or inconsistency between the Chinese and English versions, the original Chinese text shall prevail as the definitive interpretation. * Non-Advisory Nature: The content of this article is for informational sharing and discussion purposes only and does not constitute investment advice, legal opinion, technical guidance, or any other form of professional consultation. Readers should consult qualified professionals before making any related decisions. * Limitation of Liability: The author and the publishing platform shall not be held liable for any loss or damage, whether direct or indirect, that may arise from the use of or reliance on any information contained in this article.