🎙️ 硅谷洞察局 EP05 | SaaS死亡交叉：万亿蒸发之后，软件行业的终局与新生 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 2026年开年至今，全球软件股蒸发超过一万亿美元。一张在LinkedIn和X上疯传的图——"2027: The Software Death Cross"——画出了两条正在交叉的曲线：SaaS估值持续下坠，AI市场规模加速上冲。 本期节目，Siky以亲历者身份拆解SaaS行业的真实运作逻辑。他曾在硅谷带领两家SaaS公司，一家成功上市，一家被ServiceNow数十亿美金收购。从RPA（古早版Agent）到IT Chatbot，从按人头卖席位到被AI吊打灰色地带，Siky和Nate一起回答一个核心问题：SaaS到底哪里在死，哪里还能活，以及未来3到5年最大的机会在哪。 --- 🗂️ 内容大纲 一、一张图讲清SaaS的困境 "2027: The Software Death Cross"到底在说什么 SaaS估值从疫情高点18.5x跌至4.8x的完整时间线 ChatGPT、Claude Co-worker、Vibe Coding三个关键节点如何加速下坠 二、一个SaaS老兵的一线叙事 Siky的第一家公司：RPA——古早版Agent，年营收从1亿做到5亿美金 按席位收费的真相：Bot利用率不饱和，自动化流程有限，增长遇到天花板 Siky的第二家公司：IT Chatbot嵌入Slack/Teams，2007年创立，被ServiceNow数十亿收购 ServiceNow为什么要花大价钱买一个"技术上不算黑科技"的公司 三、为什么按人头收费注定被淘汰 SaaS按席位定价的本质：卖方市场下的灰色地带 AI正在把这些灰色地带拿出来"吊打"——原来值100块的东西，现在只值50 从"躺着赚钱"到"跪着赚钱"：SaaS溢价权的消失 Vibe Coding双重绞杀：需求端Agent替代人力，供给端软件无限复制 四、GenSpark vs Claude Code：产品力才是新护城河 Siky实测对比：用Claude Code做PPT vs 用GenSpark做PPT，体验差距巨大 GenSpark背后的秘密：不是AI更强，是产品把设计师级别的审美沉淀成了wrapper "套壳"不等于没价值——真正的套壳是把行业know-how产品化 交互方式决定生死：每次技术浪潮都会诞生新的交互形式，谁先发现谁赢 微软为什么没做好AI版PPT 五、数据与Skill：下一代SaaS的真正壁垒 硅谷大厂要求员工用Claude Code生成Skill，人走了知识留下 Memory + Skill库：不是静态AI，而是越用越强的进化型AI 从fine-tune垂直模型到沉淀行业know-how：技术壁垒的重新定义 OpenClaw式的Agent Harness如何让know-how变成可复用资产 六、ToB采购流程的颠覆 传统路径：麦肯锡定蓝图 → 采购Snowflake → 埃森哲做部署，环环相扣 AI初创公司的瓶颈：产品力够了，但go-to-market、客户关系、咨询伙伴生态跟不上 从Top-down到Bottom-up：当定价从人头变成结果，真正的使用者开始拥有话语权 Harvey（AI法律，估值110亿）的启示：垂直know-how + 技术 = 快速起量 七、大胆设想：中国ToB的第二春 中国SaaS为什么一直做不起来：老板太实在，人力太便宜 AI让企业服务"走向实在"——中国老板反而可能比美国职业经理人跑得更快 AI形式的外包：取代传统外包公司，直接交付结果 创始人 vs 职业经理人：谁在AI转型中更有优势 八、终局判断：谁吃掉最大的蛋糕 Anthropic可能成为AI时代的微软——从技术公司到ToB生态霸主 传统SaaS巨头不会死，但会以传统公司的估值重新定价 中而美的AI-native公司会在垂直领域跑出来，但天花板明确 为Agent而造的基础设施：数据、交互、Infra三大蓝海 ToB与ToC的融合：个人Agent成为统一入口，工作与生活的边界消失 --- 🎤 主播 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷SaaS经验，曾主导RPA独角兽上市及IT SaaS公司被ServiceNow收购，现任顶级科技公司战略合作负责人 --- 🔗 相关资源 2027 Death Cross原图讨论（LinkedIn/X热传） ServiceNow官网：servicenow.com GenSpark：genspark.ai 上期回顾（EP04）：谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪 --- ⏱️ 时间戳 00:20 开场：一张疯传的图——2027 SaaS死亡交叉 01:50 Siky背景介绍：两家SaaS公司，一家上市一家被收购 02:20 RPA：古早版Agent，年营收从1亿到5亿美金 04:20 按席位收费的真相：Bot利用率不饱和 07:20 第二家公司：IT Chatbot嵌入Slack/Teams 09:20 被ServiceNow数十亿收购的幕后故事 12:20 ServiceNow的PE为什么那么高 14:20 传统SaaS采购的完整链条：麦肯锡 → 产品 → 埃森哲 18:20 Vibe Coding为什么让SaaS加速崩塌 20:20 AI初创公司的天花板：从几千万到几亿的瓶颈 25:20 go-to-market的人才和关系壁垒 27:20 Harvey（AI法律）估值110亿的启示 30:20 fine-tune模型 vs 沉淀know-how：技术壁垒在转移 33:20 OpenClaw / Claude Code的Skill沉淀模式 37:20 GenSpark vs Claude Code做PPT：产品力差距实测 42:20 "像打造苹果产品一样做PPT"的Prompt技巧 45:20 AI做PPT不是15分钟搞定——马拉松式人机协作 49:20 GenSpark的平台模式：从PPT切入，吃掉长尾场景 51:20 微软为什么没做好这件事 53:20 从Top-down到Bottom-up：采购决策权的转移 56:20 中国SaaS为什么做不起来：老板太实在 59:20 大胆设想：AI让中国ToB重新点燃 1:04:20 AI形式的外包：取代传统外包公司 1:07:20 中国创始人 vs 美国职业经理人：谁转型更快 1:10:20 Anthropic会成为AI时代的微软吗 1:15:20 终局：几个大玩家 + 一批垂直领域中而美公司 1:20:20 为Agent而造的基础设施：三大蓝海方向 1:25:20 ToB与ToC的融合：个人Agent成为统一入口 1:28:20 给创业者和投资人的建议 1:31:20 总结与展望 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手搭建你自己的AI Agent？Nathan开设了一堂免费快闪课程——从零开始，用Cursor + Claude Code搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP04 | 谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 英伟达GTC大会刚刚落幕，大模型在过去半年经历了一轮又一轮的迭代。本期节目，我们请到了前Google DeepMind资深研究员Warren Chen——一位在coding agent方向深耕多年、现已投身创业的一线技术人，和我们做了一场关于大模型训练范式演化的硬核技术对谈。 从Pre-training到RLHF，从Verifiable Feedback到Mid-Training，从Harness Engineering到Agent Environment——Warren用"看课本、做习题、考试"的类比，把大模型训练的三次范式跃迁讲得通透。如果你想理解为什么Coding Agent突然爆发、为什么Anthropic能持续领先、以及创业者该押注什么方向，这期不容错过。 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Pre-training（预训练）：让AI把互联网上海量文字都"看"一遍，相当于通读所有课本 SFT（监督微调）：给AI做示范题，手把手告诉它"这道题应该这么答" RLHF（人类反馈强化学习）：请人类给AI的两个回答打分，AI学着挑人更喜欢的那个 RLVF（可验证反馈强化学习）：不用人打分了，直接对答案。代码跑通就是对，没跑通就是错 Chain-of-Thought（思维链）：让AI像人一样"先想一想再回答"，而不是直接蹦出答案 Mid-Training（中间训练）：只教AI答题的格式（怎么填答题卡），不教具体解法，让它自己悟 Reward Signal（奖励信号）：告诉AI"你这次做对了还是做错了"的反馈 Harness（执行框架）：AI模型和真实世界之间的脚手架，帮AI接住任务、管理记忆、处理出错 Environment（执行环境）：AI能触达的所有工具和权限——邮箱、浏览器、代码编辑器、操作系统等 Scaling Law（规模定律）：模型越大、数据越多、算力越强 → AI能力越强，这条规律目前仍然成立 Benchmark（基准测试）：AI界的"高考模拟卷"，用标准化测试对比各家模型的分数 Agent（智能体）：不只是聊天的AI，而是能自主写代码、发邮件、操作软件、完成复杂任务的AI Superhuman（超越人类）：AI在某个领域的表现超过了最优秀的人类专家 --- 🗂️ 内容大纲 一、大模型训练的三次范式跃迁 第一阶段：人类当老师（2022-2023） 三步流程：先通读课本（Pre-training），再做随堂练习（SFT），最后请人类老师批改作文、打分（RLHF） ChatGPT为什么让人惊艳？两件事做对了：你说什么它能照做（Instruction Following），而且说话方式让你觉得舒服 瓶颈在哪？人类老师再厉害也是人。用人打分训练出的AI，天花板就是人类水平本身 第二阶段：机器自己出题考自己（2023-2024） 核心变化：把"请人打分"换成"直接对答案"。数学题算出86.736就是86.736，代码跑通就是跑通，不需要人来判断 为什么数学和Coding最先突破？因为它们天然满足三个条件：答案可以验证、不能靠猜、过程必须正确才能得出正确结果 Chain-of-Thought（思维链）从一个prompt技巧，变成了模型自己会做的事。以前你得在提示词里写"请一步步思考"，现在模型自己就会先想再答 Coding能力 + 思维链能力同时提升，互不干扰 → 这就是去年Coding Agent突然爆发的技术根源 第三阶段：只教姿势，不教答案（2024至今） 以DeepSeek R1为代表的新范式：SFT阶段不再教AI怎么解题，只教它"把答案写在花括号里"这种格式要求。类比：只教天才怎么填答题卡，不告诉他选A还是选B 为什么？因为人类的解题思路反而会成为天才的负担。你教他高中数学的做法，他可能用微积分一步就解出来了 真正的学习全部发生在RL阶段：AI自己做题、自己验证、自己进化。人类只提供题目和判分规则 这是AI第一次真正有可能超越所有人类专家。The Bitter Lesson（苦涩的教训）的完美印证：少干预，多放手，让算力和数据自己说话 二、Coding为什么是通往AGI的钥匙？ Coding不是目的，是Agent能力的最佳近似（best proxy） 你不能直接训练Agent，但可以通过Coding训练Agent能力 把任何问题转化为Coding Problem = 吃到未来两年AI红利 视频剪辑（Remotion）、UI设计（Pencil）、数据分析都可以被Coding表达 100%效率提升 → 用工具；1000%效率提升 → 围绕工具重构工作流 三、为什么Anthropic一直领先？各家差距在哪？ 研究员视角拆解三大壁垒： 壁垒一：Pre-training（科学问题，Scaling Law需要慢慢做，急不来） 壁垒二：数据质量（Moving Target，今天有用的数据明天就太简单了） 壁垒三：Evaluation（Superhuman能力怎么测？SWE-bench已经失效） Anthropic数据飞轮的真正含义：不是直接用用户数据，而是从用户行为中提取North Star Codex + GPT 5.4 vs Claude Opus：Opus是组里不说话的大神，Codex是最后抢功的TL Google的护城河：人才密度、现金流、芯片到算法的垂直整合 四、Harness会消失吗？Agent的终局在哪？ 三层模型：Foundation Model → Harness → Environment Harness = 脚手架（context压缩、任务续接、to-do维护、early termination） 暴论：Harness是过渡产物，中间层会越来越薄，被两端吃掉 模型变强吸收上层，大厂API吸收下层（memory、compaction最终会被内置） OpenClaw的两大洞察：无限Environment + Agent Identity（24/7持续存在的智能体，而非用完即弃的Ghost Intelligence） 五、创业者该怎么选方向？ 第一步：用第一性原理预测未来3-6个月，不要用后验经验 第二步：想清楚不变的商业规律——Brand、Scale、Network Effect、Embedding "When everything changes, nothing changes" 两个最看好的方向：Agent Environment（造路和桥）、Agent Identity（IAM第四层） 不要站在基座模型对立面：不做"模型不够好所以我来补"的生意 Build for a beautiful future model：假设模型更强更便宜时，你的产品是否依然有价值 不要有Producer Illusion：iPhone已经来了，别想着造iOS，去造App --- 🎤 主播与嘉宾 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 Warren Chen｜前Google DeepMind资深研究员，Coding Agent方向，现创业中，LinkedIn链接：https://www.linkedin.com/in/chenweilunster/ --- 🔗 相关资源 DeepSeek R1论文：deepseek.com Remotion（用React写视频剪辑）：remotion.dev 上期回顾（EP03）：龙虾潮背后Skill经济的崛起-饥饿游戏或成现实！ EP02回顾：深度拆解Anthropic：一个物理系学生如何造出硅谷最危险的AI公司（小宇宙爆款） --- ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：前Google DeepMind研究员Warren 00:43 英伟达GTC大会背景 & 本期主题 02:35 第一阶段：Pre-training + SFT + RLHF，大模型训练的经典三步 06:30 RLHF详解：人类打分的Reward Model是怎么工作的 08:48 RLHF的天花板：人类反馈永远无法训练出Superhuman 10:14 第二阶段：从RLHF到RLVF，数学领域的突破 13:00 两条分叉路径：Coding Reward + Chain-of-Thought 15:33 Chain-of-Thought：从prompt技巧到模型内生能力 18:00 Coding + CoT正交融合 → Coding Agent大爆发 19:33 第三阶段：Seed Not Teach，Mid-Training范式革命 22:00 DeepSeek R1案例：只教格式，不教内容 26:00 培养天才的方法论：不要用普通学生的套路 29:26 The Bitter Lesson的完美印证 31:30 研究员现在关注什么？更好的习题 + 更好的评估 33:00 Anthropic为什么能持续领先？数据飞轮的真正含义 39:00 把任何问题转化为Coding Problem = 吃到AI红利 43:00 实例：Remotion用React写视频剪辑 46:00 100% vs 1000%效率提升：用工具 vs 围绕工具建工作流 48:00 大模型竞争格局：各家在Coding上你追我赶 49:30 Coding不是目的，是通往Agent能力的最佳近似 50:50 为什么道理都懂却过不好？三大壁垒解析 51:00 壁垒一：Pre-training是科学+工程问题，急不来 55:00 壁垒二：数据质量是Moving Target 58:00 壁垒三：Evaluation——Superhuman能力怎么测？ 59:00 SWE-bench的局限性 & IDE范式 vs Agent范式 1:01:00 Codex + GPT 5.4 vs Opus：哪个才是最强Coding模型？ 1:04:30 OpenAI = Mid-Training纯粹派，Anthropic = SFT精修派 1:07:00 Harness是什么？Foundation Model → Harness → Environment 1:15:00 Harness实例：任务续接、Context压缩、To-do维护 1:18:00 暴论：Harness是过渡产物，中间层会消失 1:22:00 Environment才是终局：谁控制环境，谁控制Agent 1:24:00 OpenClaw的核心洞察：Environment + Agent Identity 1:26:00 IAM第四层：Agent不应该用人类的身份体系 1:28:00 产品应该给Agent用，不是给人用——Token消耗量10-100倍 1:30:00 创业两步走：第一性原理 + 不变的商业规律 1:33:00 "When everything changes, nothing changes" 1:36:00 不要站在基座模型的对立面 1:38:00 Build for a beautiful future model 1:42:00 快问快答：每天用什么AI工具？推荐论文？入行建议？ 1:44:30 收尾 & 感谢 --- 📮 联系我们 播客主页：https://ai-nate.com/podcast/ (附视频版地址) 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP03 | 全民养虾潮：当AI能力变成新货币，饥饿游戏或成现实 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 全民养虾潮席卷中国——腾讯百度搞活动，退休老人排长队装龙虾，Kimi两周收入超过去一年。OpenClaw（龙虾）到底是什么？它为什么比DeepSeek还火？ 本期节目，Nate和Siky邀请前Google工程师、二次创业者CJ，从龙虾热潮的本质、AI平权的幻觉、Skills经济的崛起三个维度，深度拆解这场席卷中美的AI Agent革命。 --- 🗂️ 内容大纲 一、龙虾热潮全景：到底发生了什么？ OpenClaw在中国的爆发路径：从程序员圈子到全民养虾 龙虾盒子 vs 云端龙虾：一个是智商税，一个方向很对 Kimi两周收入超过去一年——云端虚拟机的暴利生意 飞书意外成为最大受益者：开放API的长期回报 IM是所有东西的入口：不管做什么，最后都得连到手机上 二、龙虾的本质：Agent不再是房产经纪人 在龙虾之前，Agent = Coding Agent（一个for循环调大模型） OpenClaw指明了方向：让所有人知道Agent长什么样 类比DeepSeek：开源打开新范式，一个在模型层，一个在Agent层 马化腾宣布5-6个龙虾产品即将上线 三、真实养虾故事：从炒股到教妈妈 Nathan让妈妈养虾——她真以为要用AI养虾🦐 CJ朋友：亚马逊卖家兴奋到凌晨2点，把AI当工作buddy Nathan用龙虾炒股：Paper mode第一天赚$30 龙虾的情绪价值：看两只虾打架的老板式成就感 四、灵魂拷问：AI到底让谁平权了？ Siky观点：在科技圈内被高度平权 Nathan观点：极度不平权——你从1到10，有人从1到10000 顶尖程序员也不写代码了，差别只剩"你会不会说话" Anthropic付费加速 = 用钱买intelligence Sam Altman两年前就说了：政府要向AI公司征税，实现UBI 五、Skills：最近几年最伟大的发明之一 SaaS → Skills as a Service：不是卖工具，是卖结果 炒股Skill的悖论：好Skill永远不该分享（教会徒弟饿死师傅） Excel将被彻底吃掉：VLOOKUP再也没有人学了 Skill做生意可以，做大公司很难 红杉洪山："Skill is the new software" 六、Harness > Model：别再争哪个模型好了 Harness概念：给模型画个圈，达到条件才能出来 同样的模型 + 不同的Harness = 完全不同的结果 员工把锅推给大模型？其实是Harness没做好 企业龙虾的核心问题：权限隔离（CEO龙虾 vs 员工龙虾） 七、IDE之死与Anthropic的飞轮 Cursor还用吗？"卸了。" Anthropic的数据飞轮：Coding产品产出高质量结构化训练数据 人类历史从未发生：一个流程在半年内被彻底改变 Go语言创始人Rob Pike都投降了 八、前沿思考：当一切都不重要了 公司在找Superhuman：一个人做四个人的活，其余被裁 Jeffrey Hinton的警告：大模型之父远离人群 同理心成为最重要的能力 当工作和金钱不再重要，活着的意义是什么？ CJ："去经历。Follow内心最深处最想做的事。" --- 🎤 主播 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 🎤 本期嘉宾 CJ｜北大计算机系，前Google工程师，创业项目被快手收购，现硅谷二次创业。Claude Code重度用户，AI辅助写了500万行代码。 --- ⏱️ 时间戳 00:00 开场 & 嘉宾CJ介绍 01:36 龙虾潮到底是什么？中国比硅谷更疯狂 03:00 CJ回顾龙虾一个月的发展脉络 04:09 龙虾盒子：淘宝预装机，装上龙虾价格翻倍 05:09 云端龙虾：Kimi、MiniMax卖云端虚拟机 05:53 Kimi两周收入超过去一年 💰 06:22 CJ直言：龙虾盒子大概率是智商税 06:56 本地 vs 盒子 vs 云端（微信扫码、小红书反爬） 08:17 本质是个人生产力Agent 09:19 Agent定义被滥用——在湾区大家以为是房产经纪人 10:14 CJ：所有Agent本质都是Coding Agent 11:27 龙虾最大的作用：让所有人知道Agent长什么样 11:44 类比DeepSeek：开源指路 12:53 OpenClaw的Channel概念 13:26 飞书意外成为最大受益者 15:33 IM是所有东西的入口 17:09 马化腾宣布5-6个龙虾产品 17:33 Nathan让妈妈养虾的翻车故事 🦐 18:28 CJ朋友：亚马逊卖家兴奋到凌晨2点 21:12 Nathan让龙虾炒股（Paper mode赚$30） 22:46 龙虾的情绪价值：看两只虾打架的成就感 23:33 CJ为什么不用龙虾？ 24:20 龙虾 = Claude Code的Consumer版 27:58 灵魂拷问：AI让世界更平还是更不平？ 29:58 Nathan：非常不平权 31:17 你从1到10，有人从1到10000 33:33 差别只剩"你会不会说话" 35:59 Anthropic付费加速 = 用钱买intelligence 36:56 Sam Altman：政府要向AI公司征税 → UBI 37:27 龙虾会昙花一现吗？ 39:33 创业方向讨论 41:03 Skills = 你最大的资产 43:33 炒股Skill的悖论：好Skill不能分享 46:33 Excel将被Coding Agent吃掉 48:16 没有人再学VLOOKUP了 50:33 Skill做生意 vs 做大公司 52:28 Harness概念：给模型画个圈 54:50 重点在Harness，不在模型 57:33 CJ的创业：给公司养多只龙虾 59:33 企业龙虾 vs 个人龙虾：权限是关键 1:02:33 红杉洪山："Skill is the new software" 1:04:33 Anthropic的数据飞轮 1:06:33 Cursor还用吗？"卸了。" 1:08:33 人类历史上从未发生：半年改变一个流程 1:10:33 Go语言创始人Rob Pike投降 1:14:33 饥饿游戏：公司找Superhuman 1:17:33 Jeffrey Hinton的警告 1:22:33 给下一代的建议 1:24:04 同理心是最重要的能力 1:28:30 活着的意义 1:31:33 CJ：去经历 1:33:33 总结与结束 --- 🔗 相关资源 OpenClaw官方：https://github.com/openclaw/openclaw 上期回顾（EP02）：Anthropic深度拆解——一个物理系学生如何造出硅谷最危险的AI公司 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP02 | Anthropic深度拆解：一个物理系学生如何造出硅谷最危险的AI公司 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 过去两周，Anthropic站上了全球风口浪尖——CEO Dario Amodei公开拒绝五角大楼的AI使用条款，特朗普随即威胁将其列入政府禁用名单。这家成立仅4年、年营收已达200亿美金的AI公司，到底是什么来头？ 本期节目，Nate和Siky从产品矩阵、创始人生平、技术实力、公司文化四个维度，深度拆解Anthropic——一家让硅谷开发者和华尔街同时震动的AI公司。 --- 🗂️ 内容大纲 一、Anthropic是谁？核心产品梳理 Claude AI（对话）、Claude Code（编程）、Cowork（知识工作者）三大产品线 从Research Lab到ToB/ToD的商业化路径 Co-worker如何撼动SaaS行业 Opus、Sonnet、Haiku三款模型命名背后的艺术隐喻 二、五角大楼事件：到底发生了什么？ 美国军方选中Anthropic的来龙去脉 Dario坚守的两条红线：拒绝大规模监控（Mass Surveillance）、拒绝全自动武器部署 特朗普政府的强势回应与潜在影响 "甲方爸爸"翻脸——合情合理还是过度理想？ 三、灵魂人物：Dario Amodei的非典型AI之路 物理学出身，非计算机科班 父亲早逝 → 五年攻克罕见疾病（治愈率50%→95%） 从百度超级实验室（吴恩达团队）入行AI Google → OpenAI VP of Research → 创立Anthropic 理想主义者 vs 商人：AI安全宪章的由来 四、为什么Claude模型这么强？开发者视角深度体感 Opus 4.6 vs GPT 5.3：真实切换对比 不只是写代码——System Design级别的推理能力 模型的"个性"与"Taste"：不讨好用户，会Challenge你 AI训练AI：Synthetic Data与自我迭代的加速飞轮 Benchmark ≠ 体感：为什么跑分不等于好用 五、Anthropic的公司文化与护城河 一周开会不超过2小时，极度放权 核心团队极其稳定——走的人少，去的人多 Constitutional AI作为旗帜吸引同频人才 开发者与专业用户的高质量反馈数据壁垒 六、前沿思考：AI的下一步在哪？ Chain of Thought的局限性 大胆设想：能否让模型权重（Weights）在推理时动态变化？ 当模型不知道自己知道——第四层认知能力的涌现 Scaling Law还在成立吗？Dario说"远没到边界" --- 🎤 主播 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 --- 🔗 相关资源 Anthropic官网：anthropic.com Claude产品体验：claude.ai Constitutional AI论文：Anthropic官方博客 上期回顾（EP01）：Vibe Coding 生存指南：一个人指挥20个AI，淘汰的不是程序员，是不会用AI的人 --- ⏱️ 时间戳 00:00 开场 & 本期主题预告 00:30 Anthropic与五角大楼事件概述 03:30 Anthropic公司与产品介绍（Claude AI / Code / Co-worker） 07:00 Co-worker vs Claude Code的区别 11:00 Opus / Sonnet / Haiku模型解析 13:00 五角大楼事件详细梳理 18:00 Dario的两条红线：大规模监控 & 全自动武器 22:00 公众理解 vs 事实真相 24:30 Dario Amodei生平：物理学 → 医学 → AI 30:00 百度超级实验室：AI生涯起点 34:00 从OpenAI出走到创立Anthropic 37:00 为什么Anthropic人才极其稳定？ 41:00 Nate探访Anthropic办公室的体感 44:30 开发者深度体感：Opus 4.6为何最强 50:00 GPT 5.4发布对标分析 53:00 Benchmark vs 体感：为什么跑分不代表好用 55:00 Claude模型的推理与System Design能力 59:00 AI训练AI：自我迭代的飞轮 1:03:00 AI模拟用户做PMF验证的实验 1:07:00 律师案例：专业人士反馈对模型的价值 1:11:00 前沿思考：权重动态变化与AGI 1:17:00 总结与展望 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP01 | Vibe Coding 生存指南：一个人指挥20个AI，淘汰的不是程序员，是不会用AI的人 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 在AI重塑世界的此刻，硅谷正在发生什么？ 硅谷洞察局，由两位身处变革中心的科技从业者共同发起。我们不做二手资讯的搬运，只分享一线视角、真实体感与深度思考。 --- 主理人 Siky 斯坦福毕业，扎根硅谷10年 从0到1，作为增长负责人连续带领两家AI创业公司成长为数百亿独角兽，最终被科技大厂收购。 深度参与硅谷AI商业化全链路，亲历模型落地、融资增长、战略合作、并购整合的每一个关键节点。 现在头部科技公司负责战略合作，持续站在行业最前沿。 硅谷AI商业化圈子里，罕见的中国面孔。 主理人 Nate 硬件工程师出身，横跨硬件、软件、产品管理三重背景。 在硅谷头部科技公司深耕AI与操作系统，亲手触碰从芯片到应用的完整链路。 18周连续打造18个AI Agent产品，是硅谷最早一批将AI Agent从概念推向实战的实践者。 同时在硅谷教授AI课程，帮助上千人从零构建自己的AI Agent。 坚信下一个时代属于AI Agent——不是人学会用AI，而是AI学会替人做事。 硅谷AI Agent赛道上，少有的既能写代码、又能讲清楚的人。 --- 我们的洞察局聊什么？ * 硅谷AI公司的真实生存状态 * 大模型商业化的机会与陷阱 * 硅谷AI前沿趋势与判断 * 创业、增长、并购背后的故事 将定期筛选邀请藏在硅谷的技术大牛与各领域专家，带来第一手洞见——咀嚼最新认知，直击AI变革前沿。 在硅谷洞察局，一起看见未来。 本期节目是一场来自硅谷一线的深度对话。Nathan（17周连续shipping AI产品的独立开发者）和朋友从 Vibe Coding 的起源聊到它对个人、初创公司和大厂的深远影响。不是泛泛而谈——是真正在用AI写代码、做产品、养活自己的人，分享最真实的体感。 --- 🎯 核心观点 "不是谁替代谁的问题，是谁能把跨行业泛化做得好的问题。" "你不够忙，所以不用AI。公司的策略就是——逼着你忙到不得不用。" "以前花几个月才能迭代一个产品，现在一周一个，甚至按分钟迭代。" --- ⏱️ 时间线 00:00:20 — 什么是 Vibe Coding？ Andrej Karpathy 的那条推文如何定义了一个时代 00:04:47 — Nathan 的 Vibe Coding 演变史： 从 GitHub Copilot → Cursor → Claude Code，三个阶段的真实体感 00:08:21 — Claude Code + 多Agent编排： 一个人开6个窗口并行开发，再进化到让AI管AI 00:10:53 — Anthropic/OpenAI内部： 一个研究员带10-30个Agent工作已成常态 00:12:53 — 角色融合大趋势： PM觉得不需要程序员，程序员觉得不需要PM，设计师觉得谁都不需要 00:16:53 — "Taste"才是核心竞争力： 工具一样，但切入视角不同，产品天壤之别 00:19:22 — Power User时代： 不分职业背景，谁能跨界泛化谁就赢 00:22:36 — Nathan的17周挑战： 每周一个production-ready产品，不是demo 00:25:53 — "不要想太多，直接做"： Build → Learn → 融会贯通的实战方法论 00:26:22 — 实战心法： 在做的过程中学，不要事先准备太久 00:30:25 — Vibe Coding 真的这么容易吗？ 对零基础的人来说，真实的学习曲线 00:31:55 — Token消耗能力 = 新时代生产力： Minus AI创始人的洞察——你能驱动多少AI同时工作？ 00:34:55 — 个人记忆库系统： 为什么Nathan一年来持续构建自己的memory系统，以及它如何成为护城河 00:36:55 — 变现的真相： 生产速度快了10倍，但Go-to-Market的链路没变——怎么破？ 00:45:27 — B2B vs B2C的AI赋能： 用AI做marketing、PPT、甚至sales outreach 00:48:55 — OpenClaw深度解析： Peter的Secret Sauce不是技术创新，是成百上千次的问题驱动迭代 00:55:22 — AI Framework → AI Harness： 从"教AI用锤子"到"让AI自己造工具"的范式转变 00:57:17 — The Bitter Lesson： Rich Sutton的论文为什么是Anthropic和OpenAI的内部圣经 01:07:55 — Square裁员40%的信号： 硅谷第二波裁员潮即将到来 01:12:55 — "你不够忙，所以不用AI"： 公司正在用裁员倒逼员工拥抱AI 01:15:55 — 这辆车开到哪了？ 硅谷处于8-30的中早期阶段，还远没到终点 01:21:22 — 给所有人的建议： Build → Learn → Teach，高中生都能做到，你也行 01:24:55 — Building in Public： 为什么每个人都需要自己的流量入口 --- 📌 提到的工具和资源 Vibe Coding工具： Claude Code, Cursor, GitHub Copilot 底层模型： Claude (Anthropic), GPT (OpenAI), Gemini (Google) AI Agent框架： OpenClaw (开源个人AI助手) 必读论文： The Bitter Lesson — Rich Sutton (2019) 关键人物： Andrej Karpathy, Boris (Claude Code之父), Peter (OpenClaw创始人) --- 💡 金句 "公司不养闲人。一份工资 + Token，比三份工资划算。" "以前是给AI一个工具箱；现在是给AI编程能力，让它自己造工具。" "你的context window也有限——把积累的东西交给AI，自己专注当下最有价值的问题。" "最让你后悔的不是做错了，是不去做。" "这辆列车已经发车了。不是上不上车的问题，是能不能赶上的问题。" --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped