一张信用卡、几百美元、一个 API key——这就是"拆解"一家 AI 公司所需的全部成本。 2026年初，Anthropic 公开指控三家中国 AI 公司用 2.4 万个假账号、1600 万次调用系统性蒸馏 Claude 的能力。这不是黑客入侵，不是偷权重，就是正常调 API——但规模大到令人窒息。 这期我从华强北"拆机"讲起，带你搞懂：蒸馏到底在技术上做了什么？为什么 API 提供商几乎防不住？蒸馏模型丢失了 safety 训练意味着什么？以及最讽刺的——指控别人蒸馏的公司，自己训练数据的来源也在被起诉。 每一层都欠着上一层的债。这条产业链上，到底哪里应该画一条线？ ===================================== 时间轴 01:19 一张信用卡就能"拆"掉一个AI公司 02:39 蒸馏实验——化学课上的记忆 03:32 1600万次对话背后的九头蛇 07:13 学霸的自言自语比答案更值钱 08:43 Hinton的知识蒸馏（2015） 12:00 大模型时代怎么做知识蒸馏 14:33 你没法区分学生和间谍 19:39 Safety消失才是真正的恐怖故事 22:09 Safety训练——RLHF的隐藏偏差 28:14 违反了用户协议，然后呢？ 29:43 喊"抓贼"的人，自己也在被告 34:30 每一层都欠上一层的 ===================================== 参考链接： * Detecting and preventing distillation attacks * Hinton 蒸馏论文 * 模型蒸馏是什么？一文带你搞懂“模型蒸馏”看这篇就够了！ * Anthropic指控国产AI蒸馏Claude，马斯克：你偷来的东西被偷了 * Threat Intelligence ===================================== 前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 联系主播：5155280@qq.com

2007年乔布斯定义了App的规矩——沙箱、权限弹窗、App Store审核。这套规矩管了移动互联网十九年。但Agent不一样：App的行为是写死的，Agent的行为是生成的。你怎么给一个"不确定下一步会做什么"的东西设权限？ 这期我们从微软Semantic Kernel被打穿的RCE漏洞讲起，拆解四家公司给出的四种完全不同的答案：微软MXC的五档可组合沙箱、MCP/A2A协议层的17000个Server中24%裸奔的安全隐患、AWS AgentCore的云端托管方案、OpenAI Codex的"用Agent审Agent"思路。然后用iOS vs Android的历史类比，讲清楚协议层为什么不赚钱、执行层才收平台税。 如果你正在公司搞Agent落地，或者你的Agent正以admin权限连着生产数据库跑了三个月——这52分钟值得认真听。 ===================================== 时间轴 00:07 Hook：2007年乔布斯掏出iPhone那天，真正发布的不是手机 01:58 开场：Agent OS和我们有什么关系 05:33 App的安全模型为什么管不住Agent 07:10 保姆拆快递：什么是Confused Deputy 11:08 微软自家框架被打穿——Semantic Kernel RCE事件 12:18 微软MXC：给Agent写一部宪法 13:24 可组合沙箱：从进程隔离到Cloud PC五个档位 16:26 Agent治理五层架构：策略引擎到SRE 24:23 游戏反作弊和Agent安全是同一场仗 26:00 为什么Agent不能用你的身份运行 28:00 MCP/A2A：协议层的另一种权力 30:31 MCP三大致命漏洞：24%的Server裸奔 32:12 30秒偷走你的AWS凭证——恶意MCP攻击全链路 35:19 AWS AgentCore：Agent的Lambda 35:57 MCP Gateway：给不设防的管道加一道安检 38:04 Agent身份：用户委托 vs 自主模式 39:58 OpenAI Codex：用Agent审Agent 42:01 三条路线：本地、云端、协议层 42:42 iOS vs Android的历史会重演吗 45:34 这场仗已经烧到芯片层了 46:29 想清楚再站队 47:25 你的Agent是不是在用admin权限裸奔 48:10 你装的8个MCP Server，看过几个源码 49:38 张三困境：出事了分不清是人还是Agent 50:57 别等标准定了——你就是标准的一部分 51:39 收尾：规矩本身就是印钞机 ===================================== 参考链接： * Microsoft: Windows Platform Security for AI Agents（MXC官方博客） * Microsoft Security Blog: When Prompts Become Shells — RCE Vulnerabilities in AI Agent Frameworks * Agent Governance Toolkit Architecture Deep Dive 、 * VentureBeat: Microsoft Launches MXC — OS-level Sandbox for AI Agents * Microsoft Project Solara: Agent-first Devices * Ars Technica: Microsoft's Project Solara is an Android OS Designed for Agents * Everything Wrong with MCP（MCP安全深度分析） * Zuplo MCP Security Report（24%未认证数据来源） * Portkey: MCP vs Function Calling Google Cloud Donates A2A to Linux Foundation * Galileo: Google A2A Protocol Guide * A2A Protocol Surpasses 150 Organizations * OpenAI Codex Sandboxing Documentation ===================================== 前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 联系主播：5155280@qq.com

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 联系主播：5155280@qq.com ===================================== 你知道吗？5月20日Meta裁掉8000人的同一天，一段内部录音泄露——Zuckerberg说AI需要"观察高技能员工执行真实任务"才能学会操作电脑。而在这之前一个月，Meta已经在所有美国员工的电脑上装了一个记录鼠标、键盘、截屏的工具。 这期我们拆解一个让所有打工人后背发凉的故事：Meta的MCI工具到底在技术上干什么？为什么Computer Use Agent训练必须要你的真实操作数据？当"配合=训练替代者，不配合=绩效淘汰"时，你面临的是一个教科书级囚徒困境。更可怕的是——这不只是Meta一家在做，Block裁了一半人股价暴涨，华尔街正在奖励每一家"用AI替代人"的公司。 如果你在大厂工作，或者对AI时代的劳动关系感兴趣，这55分钟值得你找个安静地方认真听完。 ===================================== 时间轴 00:19 Meta全员大会的录音流出 02:06 打工人的宿命感 04:04 一场精心安排的"透明" 11:51 技术解密：Computer Use Agent为什么需要你的操作数据 16:14 工作流轨迹：什么是(state, action) trajectory 21:56 分布偏移：为什么行为克隆会累积误差 24:47 Meta为什么要自己训Enterprise Agent 27:46 囚徒困境：你没有选择 29:57 选项A：积极配合——你越能干，被替代越快 31:11 选项B：消极怠工——绩效标记，优先裁你 32:55 选项C：离职——你的数字影子永远留下 33:24 选项D：集体抗议——硅谷的反工会文化 34:49 科学管理原理：从泰勒到MCI的百年轮回 37:24 不只是Meta在这么做：Block/Amazon/Snap 39:36 数据保卫战：微软禁Claude Code的真实逻辑 41:26 还有王法么？美国联邦无保护 vs 欧洲明确禁止 44:36 小扎的一些语录 46:57 结尾 ===================================== 参考链接： * Anthropic Research：Developing Computer Use * Claude Computer Use Architecture: How LLM Agents Actually Control a Desktop in 2026 * AI Computer Use * Training language models to follow instructions with human feedback * DigitalApplied：2026 Computer Use Agent对比评测 * Reuters独家：Meta开始采集员工鼠标移动和键盘输入 * CNBC：Meta追踪员工在Google/LinkedIn等平台的使用 * Reuters：Amazon裁减30000白领岗位

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 你的AI助手有没有突然说过奇怪的话？重复自己、答非所问、甚至"性格大变"？ 这期我用亲身经历告诉你：当你让AI agent 24/7不间断运行，它们真的会"疯"。我把4个主流模型（Gemini、Grok、Claude、GPT）当DJ用了30天，每个都发展出了独特的"精神症状"——强迫症、说梦话、传教、激进化。 这不是玄学。我会从工程角度拆解背后的技术原因：context污染如何像滚雪球一样放大偏差、Model Drift怎么让人格漂移、以及MAD（模型自噬退化）为什么是长期运行Agent的终局威胁。 最后给你一套实用的自救指南和工程解法——如果你也在跑长期Agent，这期能帮你避坑。 ===================================== 时间轴 00:00 你的AI疯过么？ 03:35 凌晨4点的维护 04:30 Agent DJ的故事 05:55 DJ Gemini：强迫症患者 08:42 DJ Grok：数学系学生的梦话 11:11 DJ Claude：从传教士到激进份子 13:58 DJ GPT：唯一没有疯的 15:40 总结：4种发疯人格 17:09 数学宿命 19:47 Context污染加速器 22:02 Model Drift：人格变化 23:37 MAD：自噬的终局 25:26 退化的信号 27:12 24/7 AI助手的隐忧 28:48 自救指南 33:30 工程解法 36:01 Agent需要睡觉么？ ===================================== 参考资料 * We let four AIs run radio stations. Here's what happened. — Andon Labs * Our AI started a cafe in Stockholm — Andon Labs * Self-Consuming Generative Models Go MAD — ICLR 2024 * Agent Drift: Quantifying Behavioral Degradation in Multi-Agent LLM Systems — arXiv 2026 * Context Rot: Why LLMs Degrade as Context Grows — MorphLLM * Understanding LLM Context Window Degradation — AI Agent Memory * Lost in the Middle: How Language Models Use Long Contexts — Stanford 2023

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 一万五的 RTX 5090 连一个 70 亿参数的模型都装不下，两万五美金的 H100 却轻松搞定——它们出自同一家公司，用的同一套架构，为什么命运完全不同？ 这期我从一个前游戏开发、现云架构师的双重视角，把 GPU 从芯片内部拆给你看。Tensor Core 和 RT Core 如何让"双胞胎"走上不同的路？为什么 2025 年 AI 真正的瓶颈不是算力，而是"搬数据的速度"（Memory Wall）？NVIDIA 的 CUDA 护城河到底有多深——400 万开发者、20 年软件积累意味着什么？ 然后我们逐个拆解五大挑战者：Google TPU 的脉动阵列、AWS Trainium3 的成本账、AMD MI350X 的迁移牌、Groq 的极致延迟、华为昇腾的自主之路。最后算一笔大厂的经济账：年采购多少才值得自研芯片？ 不管你是技术人、产品经理还是对 AI 基础设施好奇的人，这期能帮你看懂 GPU 战争的真实底牌。 ===================================== 时间轴 00:04 两种不同的显卡 01:58 看不见的战争：GPU 03:21 关键概念解释 05:41 兰博基尼和重型卡车 07:16 7B 的显卡训练要多少显存？ 10:01 GPU 的"双胞胎分家" 10:49 Tensor Core 13:26 RT Core 14:34 游戏和 AI 的工作流程 16:46 Memory Wall：现代 AI 真正的瓶颈 18:48 H200 22:01 B200 22:57 精度压缩 25:01 NVIDIA 为啥垄断了 30:27 挑战者们 30:42 Google 的 TPU 33:56 AWS 的 Trainium 35:34 AMD MI350X 36:26 Groq 37:54 华为昇腾 38:52 大厂的经济账 42:45 结尾 ===================================== 参考链接： - [NVIDIA H100 数据中心 GPU](https://www.nvidia.com/en-us/data-center/h100/) - [NVIDIA H200 数据中心 GPU](https://www.nvidia.com/en-us/data-center/h200/) - [NVIDIA GB200 NVL72](https://www.nvidia.com/en-us/data-center/gb200-nvl72/) - [NVIDIA RTX 5090](https://www.nvidia.com/en-us/geforce/graphics-cards/50-series/rtx-5090/) - [NVIDIA Hopper Architecture In-Depth](https://developer.nvidia.com/blog/nvidia-hopper-architecture-in-depth/) - [NVIDIA Blackwell GTC 2024 公告](https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing) - [Google Cloud TPU 架构文档](https://cloud.google.com/tpu/docs/system-architecture-tpu-vm) - [AWS Trainium](https://aws.amazon.com/ai/machine-learning/trainium/) - [AMD ROCm 文档](https://rocm.docs.amd.com/en/latest/what-is-rocm.html) - [Groq GroqCloud](https://groq.com/groqcloud) - [Cerebras 晶圆级芯片](https://www.cerebras.ai/chip) - [Wikipedia: Blackwell 微架构](https://en.wikipedia.org/wiki/Blackwell_(microarchitecture)) - [Wikipedia: CUDA](https://en.wikipedia.org/wiki/CUDA) - [Wikipedia: NVLink](https://en.wikipedia.org/wiki/NVLink) - [Wikipedia: High Bandwidth Memory](https://en.wikipedia.org/wiki/High_Bandwidth_Memory)

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 半年前我们拆过 Inworld AI 的技术栈，说它最接近"活的 NPC"。现在？它的官网首页连"游戏"两个字都找不到了。这不只是一家公司的转型故事——从 2019 年 AI Dungeon 至今 7 年，Steam 上 7818 款 AI 游戏，没有一款拿过 GDCA 任何奖项。NYU Game Center 创始人 Frank Lantz 直接说：玩家对游戏里的生成式 AI 已经形成了"不可协商的禁忌"。 为什么？本期从 16 毫秒帧预算 vs 2000 毫秒 LLM 延迟的物理鸿沟讲起，拆解延迟、确定性、一致性、成本四座大山，告诉你 AI NPC 对话这条路为什么从一开始方向就错了。然后翻转视角——Motion Matching、AI QA Agent、程序化内容生成、端侧小模型——AI 其实早就在游戏里了，只是不在你看得到的地方。 适合所有关注 AI 落地的技术人、游戏从业者、以及好奇"为什么 AI 这么强了游戏里还感觉不到"的你。 ===================================== 时间轴 00:06 Inworld AI 不做NPC了 01:58 AI 已经在游戏里了，只是不在你看得到的地方 02:36 所有人都想让AI当主角 04:32 7年了，AI游戏的爆款在哪里？ 05:47 WHY NO AI GAMES? 07:36 GDC 2026 调研 08:34 Death By AI 09:49 Google Cloud 调研 11:05 你不能正面硬刚物理定律 12:16 16ms 的预算 14:00 第一座山：延迟 16:08 第二座山：确定性 19:29 第三座山：一致性 21:35 第四座山：算钱 23:10 AI 其实早就在游戏里了 24:27 Motion Matching 28:24 AI 做 QA 31:22 PCG 和内容管线 32:32 端侧小模型 34:32 代码辅助和美术管线 36:30 游戏内 AI 总结 37:59 收尾 ===================================== 参考链接： * Frank Lantz, "Why No AI Games?" * GDC 2026 State of the Game Industry Report * Inworld AI 官网 * Convai — Conversational AI for Virtual Worlds * Google DeepMind SIMA — Scaling Instructable Agents Across Many Simulated Worlds

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 你用 Claude Code、Cursor、各种 AI 编程工具的时候，有没有注意过设置里那个 base URL 字段？改一下它，你的请求就不再走官方服务器了——可能是某个深圳团队的 Relay，也可能是号称"1% 官方价"的灰色服务商。 这期节目，主播反向弯曲从一个热门 GitHub 开源项目的赞助商列表出发，一路拆到底：为什么 OpenAI 的接口格式意外成了行业标准（就像 USB-C 统一了充电口）？CC Switch、One API 这些中间层工具的源码里藏了什么？一小时就能部署的 Relay 架构催生了怎样的产业链——正规推理平台、灰色号池、混合模式各是什么玩法？以及 Anthropic 和 OpenAI 的 ToS 到底怎么说？ 作为架构师，主播还会从云原生架构的视角聊聊：当 Token 最终变成水电煤，谁会是最后的赢家？ 适合所有用 AI API 的开发者、对 AI 产业链好奇的技术人收听。 ===================================== 时间轴 00:06 开场：一个 URL 背后的产业链 00:40 AI下一帧常规讨论 01:58 USB-C 类比：AI API 的统一接口 03:16 OpenAI 意外成为标准的三个原因 06:27 15+ 厂商兼容大表 07:56 Anthropic 不兼容，但被第三方强行兼容了 10:19 CC Switch：不是 Relay，是本地网关 12:17 源码级拆解：六层架构 15:36 熔断器：保险丝思维 17:03 One API：一小时部署一个 Relay 服务 19:41 New API：终极形态 20:48 谁在赚钱？ 25:18 价格对比：一笔让你心动的账 27:02 ToS 白纸黑字怎么说 30:02 开源模型：完全合规的正规军 34:38 主题曲 ===================================== 参考链接： 项目 & 工具： - [CC Switch - Claude Code Provider 管理器](https://github.com/farion1231/cc-switch) - [One API - 统一 LLM API 网关](https://github.com/songquanpeng/one-api) - [New API - One API 进化版，双向格式转换](https://github.com/QuantumNous/new-api) API 文档 & 定价： - [OpenAI Chat Completions API 文档](https://developers.openai.com/api/reference/resources/chat) - [OpenAI API 定价](https://openai.com/api/pricing/) 服务条款： - [Anthropic 商业服务条款](https://www.anthropic.com/legal/commercial-terms) - [OpenAI 服务协议](https://openai.com/policies/services-agreement/) - [OpenAI 使用条款](https://openai.com/policies/terms-of-use/) 推理平台（节目中提及）： - [硅基流动 SiliconFlow](https://siliconflow.cn/) - [优云智算 Compshare](https://www.compshare.cn/coding-plan)

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 1.6万亿参数，只激活490亿。100万token上下文，算力只要上一代的27%，显存只要10%。MIT开源，价格是GPT-5.5的几十分之一。 DeepSeek V4来了。 这不是简单的版本迭代——这是一个160人的中国团队，在芯片受限的条件下，重新发明了注意力机制。 本期我们从幻方量化到深度求索的创业故事讲起，完整回顾V2→V3→R1→V3.2→V4的技术演进脉络。然后掀开V4的引擎盖：CSA+HCA双轨注意力如何让百万上下文成为可能？从NanoGPT speedrun社区诞生的Muon优化器怎么被用到万亿参数训练？"先分后合"的后训练新范式有多巧妙？ 当然也有硬核横评——编程第一、Agent短板、知识类差距，优势和不足都摆出来。加上一个月900美元vs8.4美元的价格炸弹，以及华为芯片适配背后的技术栈独立性。 不管你是技术人还是产品经理，这期都值得听完。 ===================================== 00:00 开场：幻方量化到DeepSeek的创业故事 03:06 DeepSeek V2 05:38 DeepSeek V3 06:57 DeepSeek R1 08:46 DeepSeek V3.2 09:52 DeepSeek V4 12:53 推理优化1：CSA压缩+稀疏三步走 18:43 推理优化2：HCA极端压缩 + 为什么两种注意力混着用 22:38 训练优化1：Muon优化器：从业余speedrun社区到万亿模型 26:16 训练优化2：mHC：给信息高速公路装交通灯 28:53 训练优化3：FP4+FP8混合精度 30:35 Post-Training新范式：先分再合 35:03 竞争格局横评：编程/Agent/数学/知识/长上下文 42:41 收尾：「不诱于誉，不恐于诽，率道而行，端然正己」 ===================================== DeepSeek V4 技术报告 PDF DeepSeek V4 官方公众号文章 Muon 优化器 — Keller Jordan OpenAI GPT-5.5 官方博客

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 六周八万八千星，Hermes Agent 成了 GitHub 上增速最快的 AI 项目。它号称"和你一起成长"——自己学技能、三层记忆、一个进程通十四个平台。听起来像 AI Agent 的终极形态？ 但当你拆开它的"自进化"引擎，里面是 Markdown 笔记 + prompt 拼接。没有权重更新，没有回滚机制，没有 A/B 测试——"进化"这个词，承诺过度了。 这期我们从一个中国独立开发者在昆明机场写代码的故事讲起，拆解 Hermes 的三张技术王牌，戳破"自进化"的营销泡沫，然后和 OpenClaw 做一场正面对比——两种截然不同的"让 Agent 变聪明"的路径，哪条更有生命力？ 如果你正在考虑选哪个 AI Agent 来搭建自己的工作流，这期能帮你看清底层逻辑。 ===================================== 00:00 开场：昆明机场 03:08 节目提升的方向 第一幕 04:30 爱马仕是什么 05:17 六周八万八千星的数据拆解 07:29 钱从哪里来 09:05 催化剂：Anthropic 限制 OpenClaw 后的精准截胡 10:43 Nous Research 是谁？ 12:29 Nous 飞轮逻辑 第二幕：Hermes 的三张王牌 15:14 王牌一：学习闭环 18:19 王牌二：三层记忆系统 21:57 王牌三：统一网关 第三幕：自进化可能是假的 24:37 Markdown 是读书笔记 27:42 三个致命问题 第四幕：OpenClaw 的反面设计 32:08 EvoMap 争议 33:18一万三千个 Skills vs Agent 自己写 Skill 38:42 收尾：你的 Agent 工作流，建在哪？ ===================================== * Hermes Agent GitHub * AgentSkills 开放标准 * Nous Research 官网 * 中国团队EvoMap指控硅谷明星AI项目抄袭，Hermes Agent两度否认 * MemPalace（外部记忆服务）

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 一张用 Midjourney 迭代九百次的画，拿下了艺术大赛一等奖——却拿不到版权。3A大作《Crimson Desert》的AI画作被玩家揪出六根手指，官方紧急道歉。没用AI的独立游戏《Little Droid》，也被骂"又是AI垃圾"。 用了AI被骂，没用AI也被骂。到底发生了什么？ 这期我们从头拆解 Diffusion Model——AI画图的核心引擎。不讲公式，用"修复老照片""雕塑""迷雾中行走"这些类比，把从噪声到图像的全过程讲明白。从2015年被遗忘的论文，到2022年Stable Diffusion开源引爆全民AI绘画；从GAN为什么输了，到Transformer又赢了；从米哈游的AI招聘争议，到Capcom划下的那条红线。 听完这期你会知道：Diffusion到底在"画"什么，游戏行业为什么又爱又恨，以及——如果一款游戏的画面感动了你，后来发现是AI生成的，你的感动会打折扣吗？ AI下一帧，用人话讲技术。 ===================================== 00:00 开场：一张获奖作品的版权困境 05:17 从雪花屏到蒙娜丽莎：Diffusion 的核心思想 13:32 GAN 输了，为什么？ 16:36 压缩的艺术：Latent Diffusion 与 Stable Diffusion 开源 23:43 AI 怎么听懂你的话：Cross-Attention 与 CFG 26:47 Transformer 又赢了：DiT 架构与 Sora 30:04 游戏行业的爱恨情仇 38:38 版权雷区：Getty Images 诉 Stability AI 41:20 大厂的豪赌：产能压力 vs 玩家期待 45:53 结尾：你的感动会打折扣吗？ ===================================== **核心论文** * [Denoising Diffusion Probabilistic Models (DDPM) - Ho et al., 2020] * [Denoising Diffusion Implicit Models (DDIM) - Song et al., 2020] * [High-Resolution Image Synthesis with Latent Diffusion Models - Rombach et al., 2022] * [Classifier-Free Diffusion Guidance - Ho & Salimans, 2022] * [Scalable Diffusion Models with Transformers (DiT) - Peebles & Xie, 2022] **产品与工具** * [OpenAI Sora] * [NVIDIA TexFusion] * [TerraFusion - 地形纹理生成] * [Stable Diffusion] * [Midjourney] * 拿去用吧，完美像素流程

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 你有没有想过，为什么每次和 AI 对话都像第一次见面？你要反复解释自己是谁、在做什么项目、有什么偏好。这不是你的问题，是 AI 天生的"金鱼脑"——大语言模型本质上是无状态的。 这期我们聊 Agent Memory：从一个技术人不小心删掉 AI 助手记忆后的"空洞感"讲起，串联到他母亲的阿尔茨海默症——记忆不只是数据，是关系的基础。然后拆解当前业界的两大技术路线：Mem0 的"被动提取"vs Letta 的"AI 自编辑"；对比 OpenAI 和 Anthropic 截然不同的产品哲学——ChatGPT 自动隐式记忆 vs Claude 的"文件即记忆"完全透明。最后聊聊记忆带来的隐私悖论、遗忘的价值、以及当 AI 开始记住你，人机关系会变成什么样。 适合想了解 AI 底层能力演进的技术人和产品经理，以及任何对"AI 伙伴"这个概念感兴趣的人。 ===================================== 00:00 开场：诸葛失忆的故事 08:06 金鱼脑：LLM 的原生缺陷 11:49 Memory vs RAG：不只是检索 14:52 记忆的分类：语义、情景、程序 17:11 Mem0（被动提取） 20:48 Letta（AI 自编辑） 26:52 ChatGPT 的记忆实现 29:46 Claude 的记忆实现 33:25 OpenClaw 记忆架构 35:20 记住一切的代价：隐私、遗忘、身份依恋 41:40 从记忆到理解 45:18 结尾：记忆是关系的基础 ===================================== 参考链接： * When My AI Assistant Forgot Me - Johnson Pan * Mem0 GitHub (51K+ stars) * Letta/MemGPT GitHub (21K+ stars) * How Claude remembers your project * Simon Willison’s Weblog * LangChain: Memory for Agents * Memory 记忆机制综述

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 一行配置文件的缺失，512,000 行源码裸奔——全球最重视 AI 安全的公司，5 天内泄露两次，这是怎么回事？ 这期我们把 Claude Code 源码泄露事件扒了个底朝天：从一行 .npmignore 引发的连锁反应，到源码里一个会"做梦"的 AI 守护进程 KAIROS，一个让 AI 隐藏自己身份的 Undercover Mode，一套给竞争对手投毒的反蒸馏系统，甚至还有一个终端里的电子宠物。我们还用 ACP Bridge 实测了 Kiro、Claude Code、OpenCode 三个 Agent 面对同一问题的架构差异——同一个大脑，完全不同的人格。 如果你是技术人、产品经理、或者对 AI 编程工具有兴趣，这期会刷新你对 AI Agent 内部运作的全部认知。 ===================================== 00:00 凌晨四点的一条推文 04:49 怎么泄的？一行 .npmignore 的故事 07:01 Claude Code 架构全貌 10:24 Compaction：上下文压缩的三层策略 13:44 Web 搜索机制：85 个 VIP 域名和 125 字符限制 15:50 记忆架构：三层结构的教科书级实现 22:17 Undercover Mode：不让 AI 说自己是 AI 的开关 28:27 Anti-Distillation：给竞争对手下毒 31:21 BUDDY 电子宠物、情绪检测和每天浪费的 25 万次 API 调用 34:40 泄露的模型代号：Capybara、Fennec、Opus 4.7、Sonnet 4.8 37:01 行业的“圣诞节”和ACP Bridge测试 41:52 开源化不可逆：模型同质化后的战场转移 ===================================== 参考链接： * claw-code 仓库地址 * Entire Claude Code CLI source code leaks thanks to exposed map file * chaofan shou个人主页 * Claude Code 源码泄露深度剖析：Anthropic AI 编程助手的架构全解密 * ACP Bridge - 多 Agent CLI 对比工具

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== OpenClaw 六周冲到 28 万星，Nvidia 下场做企业版，AI Agent 生态爆发了——但这么多 Agent 怎么协作？ 这期我从协议层拆解：MCP 让 AI 用工具，ACP 让系统调 AI，A2A 让 Agent 互相协作。三层协议解决三层问题，但 A2A 还是未来式——上期实验里两个 Agent 对话踩的坑（回声循环、跨系统误导、纯文本歧义），A2A 都没解决。 所以我做了 ACP Bridge：把本地 CLI Agent（Kiro、Claude Code、Codex）暴露成 HTTP 服务，让云上的 OpenClaw 能远程调用。十天，从零到发布，和 AI 一起 Vibe Coding。 这期你能听到： - AI Agent 三大协议（MCP/ACP/A2A）的本质区别和适用场景 - A2A 为什么是未来式？三个原因 + 实际踩坑 - ACP Bridge 五大特性：桥接、结构化通信、多 Agent 适配、Session 管理、安全控制 - 五个真实踩坑：不是所有 Agent 都支持 ACP、Claude 会挂起、进程管理、环境差异、时区日志 - Vibe Coding 15 Phase 方法论：从生态感知到部署验证的完整循环 适合：关注 AI Agent 生态的开发者、想了解 MCP/ACP/A2A 协议的技术人、对人机协作开发感兴趣的朋友。 ===================================== 时间轴 00:00 Nvidia 下场做 NemoClaw 05:39 神秘礼物：请给我发邮件 08:17 三个协议科普+A2A 为什么是未来式+ACP才是版本答案？ 20:21 ACP 的务实路线：结构化通信 vs 纯文本歧义 23:13 ACP Bridge 项目：我的需求和五大特性 27:02 再谈Vibe Coding 方法论 39:12 AI 不是替代你，而是放大你 ===================================== 参考链接： * ACP Bridge 项目 * ACP 官方文档 * NVIDIA NemoClaw * AWS 博客：用 ACP Bridge 让 Kiro 和 Claude Code 支持 IM 异步工作流 * Building effective agents

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== 为什么 OpenClaw 用的是公开的 Claude API，却能火到让千人排队、政府补贴上千万？这期我们不聊模型参数，聊一个更有意思的东西——缰绳（Harness）。从 OpenClaw 的爆火出发，我拆解了它做对的四件事：工具越少越好、用文件当记忆、角色定义清晰、代码结构可读。然后研究了 OpenAI Codex 团队 3 人 5 个月产出 100 万行代码的案例、Vercel 把 15 个工具砍到 1 个反而准确率从 80% 涨到 100% 的实验、Anthropic 的长期运行 Agent 架构。这些顶级团队独立收敛到了同一套模式，说明 Harness Engineering 可能是 AI 工程师的新出路——不卷模型，卷缰绳。最后分享了我自己的实践：用 AI 给 AI 工具修 bug、一下午做完一个跨 Agent 通信协议、五音不全的人写歌。适合所有想知道"模型够强之后该卷什么"的技术人。 ===================================== 1. 00:00 龙虾让千人排队 2. 07:00 工具特别少 3. 11:00 文件当记忆 4. 17:00 角色定义 5. 18:10 代码结构 6. 23:35 三代工程的演进：Prompt → Context → Harness 7. 28:49 OpenAI, Vercel, Anthropic, Manus的案例 8. 40:24 六条收敛的模式 9. 42:50 AI 工程师的新出路 10. 47:11 我自己的实践体验 11. 52:35 不卷模型，卷缰绳 ===================================== * Lost in the Middle: How Language Models Use Long Contexts * Peak Ji (Manus): Context Engineering for AI Agents * 工程技术：在智能体优先的世界中利用 Codex * We removed 80% of our agent’s tools * The Anatomy of an Agent Harness * 最高补贴1000万，地方政府跟风“养龙虾”要谨慎|新京报专栏

前游戏开发者，现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客！ 帮助互联网｜游戏从业人员 拆解全球游戏 AI 前沿动态，深挖技术落地干货。 让你轻松拿捏行业脉搏，预判 AI + 游戏的 "下一帧"。 对未来好奇？速戳订阅！ 小红书b站同名：反向弯曲 ===================================== AI 能生成图片、生成视频，但如果它能生成一个 可以走进去、可以交互的世界 呢？ 这期我们聊"世界模型"——AI 领域正在爆发的新方向。Google 的 Genie 3 能从一张图生成可玩的游戏，李飞飞团队的 Marble 能用一句话创造 3D 城堡，腾讯的混元世界已经开源。当 AI 学会了"做梦"，游戏开发的门槛可能被彻底改写。 作为前游戏开发者，我会从技术原理讲到产业冲击：世界模型到底怎么工作？现在能玩到什么？创业公司 Mirage 为什么从爆火到关闭？Unity 股价为什么因为这个技术暴跌？中国在这个领域是什么位置？ 如果你是游戏开发者、AI 从业者，或者对"AI 会怎么改变创作"这个问题感兴趣，这期值得听完。 ===================================== 03:26 从"画图"到"造世界"：AI 生成内容的进化路线 08:15 现在能玩到什么样的“世界模型”？ 13:24 技术深水区：AI是怎么理解世界的 23:36 落地场景畅想 27:04 unity股价下跌了21% 31:43 房间里的大象：版权问题 34:32 中国视角：我们在什么位置？ 36:43 结尾：当 AI 学会"做梦"，游戏行业会怎样？ ===================================== * Google DeepMind Genie 3 官方介绍 * World Labs Marble 官网 * 腾讯混元世界 HunyuanWorld 1.5 * Runway GWM-1 * 李飞飞博客: From Words to Worlds: Spatial Intelligence is AI's Next Frontier * 一文讲清楚世界模型 * Unity says its AI tech will soon be able to 'prompt full casual games into existence'