以后打车、订酒店、叫外卖，可能不再是你打开某个App，而是一个AI助理替你安排。那问题就来了：如果AI变成新的入口，Uber这样的超级平台会被削弱，还是反而更强？ 这一期来自The Verge旗下Decoder对Uber CEO Dara Khosrowshahi的访谈。Dara接手Uber后，把这家公司从危机和亏损中拉回盈利轨道。现在他面对的是另一组更难的问题：自动驾驶会不会替代司机？AI会不会改变软件团队和招聘预算？甚至，AI会不会有一天替代CEO？ 这期最值得听的，是Dara把AI放进了真实商业结构里：用户入口从App变成AI助理，企业预算从“招人”转向“买token和算力”，自动驾驶让平台供给从人类司机扩展到机器人司机。它不是泛泛谈“AI很强”，而是在解释AI怎样重写平台经济。 适合谁听 * 关心自动驾驶、robotaxi和未来出行的人 * 想理解AI如何改变平台公司、App入口和用户关系的人 * 关注AI编程、token成本、软件团队组织方式的人 * 关心Uber、Waymo、Rivian及平台经济的人 Shownotes 00:13 栏目开场：AI入口会不会重写Uber的价值 01:40 Uber为什么开始做酒店、购物和旅行服务 04:30 AI agent会不会让Uber变成后台供应商 08:30 Uber内部的AI token预算和招聘取舍 11:00 vibe coding如何改变产品、设计和工程协作 14:20 Uber内部的“AI版Dara”：能辅助CEO，但不能承担责任 17:20 Rivian、Waymo和Uber的robotaxi多伙伴策略 21:00 自动驾驶会怎样逐步替代一部分驾驶工作 25:00 大公司如何继续冒险：风险、复盘和二次尝试 29:00 栏目收束：AI真正改变的是入口、成本和工作供给 嘉宾背景 Dara Khosrowshahi是Uber CEO，2017年接任后带领Uber完成治理、盈利和平台化转型。此前他曾长期担任Expedia CEO，也曾在IAC等公司任职。 Nilay Patel是The Verge主编、Decoder主持人，长期采访科技公司CEO，擅长从组织结构、平台权力和商业模式角度追问科技公司的真实逻辑。 原节目 Decoder with Nilay Patel: Dara Khosrowshahi on replacing Uber drivers — and himself — with AI https://www.theverge.com/podcast/922909/dara-khosrowshahi-uber-drivers-ai-hotels-service 制作说明 本期为中文精编版，保留原节目核心问答和判断，并根据中文播客收听习惯删去广告、订阅提醒和低价值寒暄。译制声音不克隆原主持人和嘉宾真声。

我们熟悉的AI，多半还停留在聊天框、写代码、做PPT。但真正更大的变化，可能发生在屏幕之外：汽车、拖拉机、矿山设备、卡车、飞机这些物理世界里的机器，正在被重新接入智能系统。 Applied Intuition正是做这件事的公司。它服务汽车、建筑、采矿、卡车等行业，Lenny原节目介绍其估值约150亿美元，客户包括全球前20大车企中的18家。但反差在于，这家公司长期非常低调，很多关注AI的人甚至没听过它。 这一期来自Lenny's Podcast对Applied Intuition联合创始人兼CEO Qasar Younis的访谈。Qasar曾在通用汽车和博世做工程，也担任过Y Combinator COO。他的判断很清楚：未来五到十年，AI最有冲击力的地方未必是软件界面，而是农业、采矿、建筑、货运和汽车这些真实产业。 这期值得听的，不只是“物理AI”这个方向，也包括一家深技术公司如何在几乎不做公众传播的情况下长到150亿美元：什么时候应该低调，什么时候需要公开表达；公司价值观怎样从真实成功行为中提炼出来；为什么“跟进”可能是管理里最容易被低估的基本功；以及创始人如何通过跨领域阅读培养判断力和品味。 本期为中文精编版，保留原访谈的核心判断、关键故事和创业方法，删去广告、机械寒暄和对理解主线帮助不大的段落。 Shownotes 00:13 栏目开场：150亿美元隐形AI公司为什么值得听 02:00 Applied Intuition是什么：给真实机器加智能 05:20 Physical AI：AI如何进入车、矿山、农田和工地 09:30 自动驾驶、劳动力缺口与真实世界的安全收益 15:20 为什么AI恐惧常常来自对能力边界的误解 18:40 栏目桥接：跳过高敏感地缘比较，保留创业判断 20:20 低调十年：为什么有些深技术公司不急着讲故事 27:00 从YC看创业：成功公司早期通常有什么迹象 32:40 Applied Intuition的价值观：速度、跟进、客户和主人翁意识 41:10 阅读、品味与创始人的判断力 48:30 如何处理反对意见：充分讨论，但不能无限拖延 55:00 栏目收束：AI不只在屏幕里，也会进入真实产业 嘉宾背景 Qasar Younis是Applied Intuition联合创始人兼CEO。Applied Intuition是一家面向自动驾驶、车辆智能和工业自动化的软件公司，Lenny原节目介绍其估值约150亿美元，客户包括全球前20大车企中的18家，以及建筑、采矿、卡车等行业客户。Qasar曾担任Y Combinator COO，职业早期在通用汽车和博世做工程。 Lenny Rachitsky是Lenny's Podcast主持人，长期关注产品、增长、创业和公司管理。 内容亮点 * 为什么下一轮AI影响可能发生在农业、采矿、建筑、货运和汽车 * Physical AI和自动驾驶平台到底和聊天机器人有什么不同 * Applied Intuition为什么能低调十年，却服务大量头部产业客户 * 创业公司什么时候应该追求曝光，什么时候应该把注意力留给客户 * 为什么“跟进”是管理里最朴素、也最关键的能力 * 跨领域阅读如何帮助创始人形成判断力和产品品味 原节目 Lenny's Podcast《The most successful AI company you’ve never heard of | Qasar Younis》 https://www.lennysnewsletter.com/p/the-most-successful-ai-company-youve-never-heard-of

Cerebras创始人兼CEO Andrew Feldman在No Priors这期访谈里，复盘了这家AI芯片公司从“没人相信的怪架构”，走到约630亿美元市值IPO的全过程。 这期最值得听的不是单纯的上市故事，而是它解释了AI基础设施竞争里一个很关键的问题：当AI从“偶尔试用”变成每天工作流的一部分，推理速度为什么会像互联网带宽一样重要？一块餐盘大小的晶圆级AI芯片，为什么可能在某些推理场景里比传统GPU架构快很多？硬件公司又为什么必须同时解决芯片、编译器、制造、供应链和大客户部署？ 节目中还谈到Cerebras早期每月烧掉约800万美元、两年做不出产品的低谷，G42大规模订单如何帮助公司跨过市场鸿沟，OpenAI二百多亿美元协议如何在四周多时间内完成，以及AI生成代码怎样把少数工程师从“十倍工程师”推向“百倍工程师”。 适合谁听 * 关心AI芯片、推理速度和AI基础设施的人 * 想理解英伟达之外是否还有芯片路线的人 * 关注硬件创业、供应链和资本市场的人 * 对OpenAI、AWS、G42等大客户如何影响AI公司感兴趣的人 Shownotes 00:13 栏目开场：为什么Cerebras这期值得听 01:10 Cerebras是什么：为AI工作负载设计计算机 03:00 什么是AI推理，为什么速度会变成核心价值 05:10 晶圆级芯片：为什么Cerebras选择餐盘大小的芯片 09:20 从没人关心到需求爆发：AI足够有用之后发生了什么 12:20 两年做不出来、每月烧800万美元：硬件创业的低谷 16:30 G42订单如何帮助Cerebras跨过市场鸿沟 20:00 编译器和软件栈：巨型芯片为什么不只是硬件问题 22:10 AI写代码怎样改变Cerebras内部工程效率 26:40 做“职业大卫”：创业公司如何与巨头竞争 31:40 什么时候该坚持，什么时候该放弃 35:00 为什么选择上市：资本成本、可信度和AI纯业务标签 39:30 OpenAI二百多亿美元交易怎样在四周多完成 45:00 快速AI会打开哪些新商业模式 嘉宾背景 Andrew Feldman是Cerebras联合创始人兼CEO，此前多次创业。Cerebras以晶圆级AI芯片和AI计算系统闻名，试图用不同于传统GPU集群的架构提升AI训练和推理效率。 No Priors由Sarah Guo和Elad Gil主持，长期关注AI、基础模型、创业公司和科技产业变化。 原节目 * No Priors: The Story Behind Cerebras’ $63 Billion IPO with Founder and CEO Andrew Feldman * https://podscripts.co/podcasts/no-priors-artificial-intelligence-technology-startups/the-story-behind-cerebras-63-billion-ipo-with-founder-and-ceo-andrew-feldman 制作说明 本期为中文译制版，保留原节目主要结构和观点顺序，并根据中文播客收听习惯做口语化清理、术语解释和必要删减。译制声音不克隆原主持人和嘉宾真声。

Neuralink联合创始人兼总裁DJ Seo，来到红杉资本AI Ascent 2026，讲了一场很少见的脑机接口访谈：它不只是“马斯克又在做科幻项目”，而是具体解释了Neuralink怎样让四肢瘫痪患者用意念控制电脑，怎样用手术机器人和垂直整合推进规模化，以及脑机接口和AI结合后，人类与机器的交互方式可能怎样被重写。 这期最值得听的，是它把“人脑接入AI”拆成了几个更具体的问题：Telepathy为什么能让患者重新控制电脑？Blindsight为什么不修复眼睛，而是尝试直接刺激视觉皮层？所谓外置皮层exocortex到底是什么意思？如果未来AI不再只是接收文字提示，而是直接理解人的意图，今天的键盘、鼠标和语音输入会不会只是过渡形态？ 本期涉及较多脑机接口和医学工程术语，节目中已用栏目主持人声音做必要背景补充。需要特别说明的是，Neuralink提到的部分能力仍处于临床、临床前或长期愿景阶段，不应理解为已经成熟普及的医疗服务。 适合谁听 * 关心Neuralink、脑机接口和AI硬件的人 * 想理解AI和人机交互下一步可能如何变化的人 * 关注医疗科技、机器人手术、神经科学和前沿创业的人 * 对Elon Musk式硬件公司、垂直整合和高速迭代感兴趣的人 Shownotes 00:13 栏目开场：为什么这期Neuralink对谈值得听 01:31 什么是脑机接口BCI，为什么它不是“读心术” 01:54 Telepathy患者短片：用意念控制电脑、机械臂和声音输出 03:24 DJ Seo为什么在2016年加入Neuralink 05:11 Utah Array、植入式电极和Neuralink路线的差别 06:34 为什么Neuralink从第一天就按规模化来设计 08:08 患者、护理者和Neuralink的医疗使命 09:16 Blindsight：绕过眼睛，直接刺激视觉皮层 10:52 AI作为外置皮层：脑机接口和AI会怎样结合 12:55 Elon Time、全绿灯时间表和第一性原理工程 14:06 Neuralink需要什么样的人才 15:23 临床监管、产品扩展和普通人增强的边界 18:27 意识问题与结尾收束 嘉宾背景 DJ Seo是Neuralink联合创始人兼总裁，长期从事小型化、低功耗电子系统和脑机接口相关工程。Neuralink由Elon Musk等人在2016年共同创办，主要探索植入式脑机接口、神经信号解码、辅助控制和未来视觉恢复等方向。 Shaun Maguire是红杉资本合伙人，长期关注深科技、AI、硬件和前沿工程公司。 原节目 * Sequoia Capital: Neuralink's DJ Seo: Inside the Race to Connect Brains and AI * YouTube: https://www.youtube.com/watch?v=by7Y9KoErTw 制作说明 本期为中文译制版，保留原节目主要结构和观点顺序，并根据中文播客收听习惯做口语化、术语解释和必要删减。译制声音不克隆原主持人和嘉宾真声。

这期来自a16z Show，讨论一个非常实际的问题：AI时代到底怎么判断赢家？David George是a16z普通合伙人，David Clark是VenCap首席投资官，两个人分别站在GP和LP视角，讨论模型公司、AI应用、token成本、数据中心约束和创业公司估值。 这期最值得听的地方，是它把“AI公司很热”拆成了几个更硬的问题：OpenAI和Anthropic为什么增长速度异常？AI公司估值是不是泡沫？如果每年有40%的AI明星公司掉队，投资人到底该怎么选？token价格下降和前沿模型需求暴涨，谁会真正捕捉价值？ 对我们理解AI商业化很有帮助的是，这期没有停留在宏大叙事，而是把问题落到利润池、损失率、资本开支、数据中心供给和公司组织能力上。它适合关心AI创业、科技投资、SaaS重估、算力基础设施和未来商业格局的人。 Shownotes 00:13 栏目开场：为什么这期a16z对谈值得听 01:33 AI赢家判断的两个关键词：规模和价值归属 04:20 OpenAI和Anthropic为什么收入增长异常 07:10 AI原生公司和传统SaaS公司的运行方式差异 10:20 顶级退出规模为什么在两年内大幅上移 13:30 AI明星公司的半衰期：为什么40%会掉队 16:40 token成本、开源模型和价值归属 21:30 AI估值、损失率和风险投资的正确冒险方式 27:00 为什么现在未必是AI泡沫 31:20 数据中心、电力和算力供给约束 35:30 OpenAI、Anthropic、SpaceX若上市，对公开市场意味着什么 38:20 五年后的VC行业会被AI怎样改写 嘉宾背景 David George是a16z普通合伙人，长期关注增长阶段投资、AI公司规模化和科技公司价值演化。 David Clark是VenCap首席投资官，VenCap长期配置全球风险投资基金，因此他的视角更接近LP如何判断VC和AI资产组合。 内容亮点 * 为什么AI模型公司新增收入速度可能超过传统超大科技公司 * 为什么AI公司的最终结果可能比上一代软件公司更大 * 为什么今天看似成功的AI公司，半衰期可能非常短 * token价格、开源模型和前沿模型竞争怎样决定价值归属 * 为什么当前更像供给受限，而不是典型泡沫 制作说明 本期为中文译制版，源节目为a16z Show《The Rule for Picking AI Winners》。译制保留原节目主要观点和讨论顺序，删除原节目订阅提醒和投资免责声明，并按中文播客收听习惯做口语化处理。译制声音不克隆原主持人和嘉宾真声。 原节目链接：https://www.youtube.com/watch?v=AiM9mZCmVPY

Dan Shipper是Every联合创始人兼CEO。他的公司几乎把自己变成了一个AI工作方式实验室：编辑、运营、销售、客服和非技术岗位都在高频使用Codex、Claude Code、Cowork等工具。因此，这期不是远远旁观AI趋势，而是从一个已经生活在AI未来里的团队出发，判断接下来一年工作会怎么变。 这期最值得听的地方，是Dan提出了一个很反直觉的判断：AI越自动化，人不一定越少，工作也不一定越少。相反，每个公司可能会出现一个“超级agent”，Codex和Claude Code会变成新的工作操作系统，PM和全栈设计师反而会更重要，SaaS也未必会被AI消灭。 如果你关心AI怎么改变产品、组织、SaaS、程序员、PM、设计师和普通知识工作者的职业路径，这期会很有参考价值。它不只是工具清单，更像一份来自AI一线使用者的未来工作预测。 Shownotes 00:13 栏目开场：为什么这期Dan Shipper值得听 02:23 Lenny正式介绍Dan：Every为什么像一个AI未来实验室 03:09 Dan如何生活在AI未来里 09:30 未来一年，工作方式会怎样改变 16:52 为什么公司会出现一个“超级agent” 18:21 Codex和Claude Code为什么会变成工作操作系统 25:52 Cursor会放在哪里 27:55 SaaS公司应该怎么重做产品 31:26 为什么CLI时代可能已经很短暂地结束了 36:35 为什么Dan反而看多SaaS股票 39:14 自动化为什么不会减少人的工作 47:13 人写的代码为什么仍然有价值 50:28 工作本身正在怎样被重组 58:37 哪些产品和技术岗位受AI影响最小 01:02:30 为什么我们会读更多AI写作，并且会喜欢 01:08:41 为什么PM会在AI时代更重要 01:11:18 全栈设计师会成为另一类赢家 01:13:24 AI失业潮为什么不会按想象发生 01:16:13 普通人怎么“顺着模型浪潮”保持相关性 01:25:37 闪电问答：书、产品、人生准则和AI工具 嘉宾背景 Dan Shipper是Every联合创始人兼CEO。Every既是媒体公司，也是软件公司，长期追踪AI工具、工作流和知识工作变化，并把内部团队作为AI工作方式实验场。 Lenny Rachitsky是Lenny's Podcast主持人，也是产品和增长领域影响力很高的作者与播客主持人。 内容亮点 * 为什么AI自动化越多，人类工作反而可能越多 * Codex、Claude Code、Cowork为什么可能成为新的工作入口 * Dan为什么认为SaaS不会死，甚至会被agent增加用户数 * PM和全栈设计师为什么可能成为AI时代的大赢家 * 普通知识工作者如何保持相关性：不是追工具名，而是顺着模型能力变化重做工作流 制作说明 本期为中文译制版，源节目为Lenny's Podcast《The AI paradox: More automation, more humans, more work | Dan Shipper》。译制保留原节目主要讨论顺序与观点，删除原节目广告口播和订阅提醒，并按中文播客收听习惯做口语化处理。译制声音不克隆原主持人和嘉宾真声。 原节目链接：https://www.lennysnewsletter.com/p/the-ai-paradox-dan-shipper

Speechify创始人兼CEO Cliff Weitzman，因为自己的阅读障碍和注意力问题做出了最早的语音AI工具，后来把Speechify带到超过6000万用户、100万条五星评价。这期20VC的价值，在于它把消费级AI公司的真实经营问题讲得很具体：AI广告怎么跑、Meta获客为什么仍然重要、什么时候该花钱买流量、为什么未来有些公司花在Token上的钱会超过工资，以及AI工具进入工程团队后，CEO到底应该怎样重塑组织节奏。 这期尤其适合关注AI创业、消费级产品、增长投放、工程管理和个人效率工具的人。我们会听到Cliff从申请26所大学、飞去见100位订阅公司CEO、与MrBeast共处，到用AI帮助父亲识别癌症线索的经历。它不是一集抽象的AI趋势访谈，而是一集把个人能动性、产品增长和AI商业化放在同一张桌子上讨论的公司经营课。 嘉宾背景 Cliff Weitzman是Speechify创始人兼CEO。Speechify是一款语音AI和文本转语音产品，服务超过6000万用户，并拥有超过100万条五星评价。Cliff最初为解决自己的阅读障碍和注意力问题开发了这个工具，后来将其发展为消费级AI公司。 本期亮点 * 为什么Cliff认为消费级AI公司先要把Meta广告跑明白。 * Speechify如何看待AI广告素材、CAC获客成本和订阅增长。 * 为什么未来有些公司的Token支出可能超过工资支出。 * 为什么他把Claude Code、Cursor等AI工具放进工程组织管理里。 * 从MrBeast、NVIDIA和Apple案例里，看创业者如何理解增长、平台和时机。 Shownotes 00:00:14 栏目开场：为什么这期Speechify值得听 00:04:37 Harry正式开场：Cliff的故事为什么少见 00:05:03 从26所大学申请讲起：为什么他相信“重复次数” 00:07:10 Speechify从阅读障碍工具到6000万用户产品 00:10:35 飞去见100位订阅制CEO：消费级AI公司怎么学增长 00:15:00 AI广告、Meta投放和获客成本 00:30:18 OpenAI广告、Meta和下一代分发入口 00:35:00 为什么Speechify从Cursor转向Claude Code 00:38:20 AI如何帮助Cliff识别父亲的癌症线索 00:41:00 AI-first工程文化：从内部工具到token预算 00:56:10 AI裁员、岗位变化和组织效率 00:58:40 60秒响应：他如何判断工程师和团队执行力 01:07:40 QA为什么会成为AI时代最重要的能力 01:22:20 和MrBeast相处三周学到什么 01:25:35 NVIDIA、AI基础设施和投资判断 01:32:58 从Walmart停车场到创业者心态：逆境里的乐观 01:41:50 AI时代的个人能动性 制作说明 本期为20VC访谈的中文译制版。译制过程中保留原节目主要观点和对话顺序；广告、片头金句、片尾广告和不影响理解的机械口头重复已做删减。节目中涉及个股和投资判断的部分，为嘉宾个人经历与观点呈现，不构成投资建议，也不代表本栏目立场。 原节目：https://www.thetwentyminutevc.com/cliff-weitzman

Abridge联合创始人兼CEO Shiv Rao，是一位心脏科医生出身的AI创业者。他把Abridge从2018年的早期探索，带到最近一轮3亿美元融资、53亿美元估值。这期20VC最有价值的地方，是它不只谈“医疗AI很大”，而是把垂直AI公司最难的几件事讲透：怎样熬过市场没到的五年低谷，怎样在医院系统里拿到真实工作流和可信数据，怎样判断OpenAI、Anthropic这类基础模型公司会帮你还是吃掉你，以及Founder Mode在高压组织里到底意味着什么。 这期对关注AI落地、医疗科技、垂直AI创业、企业工作流和创业者长期主义的人尤其有参考价值。它的亮点不是宏大预测，而是把医疗这种极复杂行业里的真实阻力讲得很具体：医生为什么不只是“需要一个AI工具”，医院为什么难以被快速改造，AI公司又如何把产品、数据、信任和行业关系做成护城河。 嘉宾背景 Shiv Rao是Abridge联合创始人兼CEO，也是一名心脏科医生。Abridge聚焦用生成式AI改造临床记录、医生工作流和医疗系统的数据流转，合作方包括Emory、Yale等大型医疗系统。公司最近一轮融资3亿美元，估值达到53亿美元，投资方包括Jensen Huang、USV、Bessemer、Elad Gil等。 本期亮点 * 一个医疗AI公司怎样熬过五年低谷，等到市场真正打开。 * 为什么垂直AI公司的护城河，不只是模型，而是行业工作流、可信数据和部署能力。 * OpenAI和Anthropic进入企业服务，会怎样影响垂直AI创业公司。 * 医生、医院、保险公司和患者之间的错位，为什么让医疗AI既困难又重要。 * Jensen Huang、Duolingo创始人和Elad Gil等人给Shiv的创业启发。 Shownotes 00:00:14 栏目开场：为什么这期医疗AI值得听 00:00:55 Harry介绍Shiv Rao和Abridge的五年低谷 00:04:55 胜利欲、市场时机和“活到天亮” 00:07:10 Abridge为什么从患者录音切入医疗AI 00:12:00 医疗系统复杂性如何变成AI护城河 00:16:40 AI原生公司三种形态：产品、服务与平台 00:21:00 OpenAI和Anthropic会不会吃掉垂直AI 00:26:15 医生工作流、账单系统和信任门槛 00:31:40 为什么“产品品味”是AI公司的核心能力 00:37:20 垂直AI公司如何面对大模型厂商竞争 00:42:30 Jensen Huang给他的Founder Mode启发 00:48:30 高压竞争中的CEO状态和组织韧性 00:54:55 投资人、牺牲感和创业者心理建设 01:00:50 AI如何重塑美国医疗的商业模式

Replit联合创始人兼CEO Amjad Masad在这期20Product里，把AI编程平台的几个核心问题讲得很直白：编程模型是否开始接近能力平台期，为什么真正的竞争不只是模型质量，而是产品、基础设施、模型路由、维护和企业工作流的组合；IDE为什么可能被重写，SaaS为什么会被Agent和数据仓库挤压；以及学生、产品经理和企业团队该怎样重新理解“会编程”这件事。 这一期对正在关注AI编程、SaaS变化、产品经理能力边界和创业机会的人尤其有参考价值：它不是泛泛谈“AI会改变一切”，而是把问题落到模型路由、Token成本、代码维护、企业采购和组织分工这些更具体的层面。 嘉宾背景 Amjad Masad是Replit联合创始人兼CEO，曾在Codecademy和Facebook从事开发者工具相关工作。Replit是全球最受关注的AI编程平台之一，注册用户超过5000万，被大量企业员工使用，近期估值约90亿美元。 本期亮点 * Replit为什么在2024年以后真正迎来产品拐点 * AI编程产品的护城河：模型、Agent基础设施还是企业工作流 * 为什么Amjad说IDE正在失去未来 * SaaS不会一夜消失，但垂直工具和点状工具会被重新定价 * 学生还要不要学计算机，以及未来开发者真正要学什么 制作说明 原节目中有一小段偏离AI编程产品主线、容易引发误读的外部议题。本期已由栏目主持人做中性桥接，不逐句译制该段，其余主体内容按中文译制版呈现。 Shownotes 00:00:13 Replit为什么等到AI才真正爆发 00:03:30 AI编程模型是否进入平台期 00:07:00 Replit为什么不自研基础模型 00:11:00 质量、成本和模型路由怎么取舍 00:16:50 推理成本正在变成新的市场费用 00:19:50 SaaS会不会被Agent重写 00:26:50 Token成本、Cursor与IDE未来 00:31:40 学生还要不要学计算机 00:35:30 公司组织、销售和Apple审核挑战 00:39:20 快问快答：产品市场匹配和创业经验

Jonathan Siddharth把Turing从人才平台带到AI数据和研究加速器赛道，公开披露公司已经做到约3.5亿美元ARR，并保持盈利。这期真正值得听的，不是“数据标注还热不热”，而是AI公司如何把真实工作流程变成训练数据，进而改写企业软件、知识工作和SaaS商业模式。 这一期会回答几个很直接的问题：Scale AI、Mercor、Surge、Invisible、Turing这类公司到底谁在赢；AI数据公司的收入究竟是ARR还是GMV；为什么Jonathan认为“传统SaaS已经结束”；以及如果电脑前的大量知识工作都会被Agent接管，普通公司、创业者和软件工程师应该怎样重新理解自己的价值。 我们值得注意的是，这不是一场泛泛聊AGI的节目。Harry Stebbings追问得很硬：客户集中、收入质量、企业落地、竞争对手、开源模型、软件工程师数量都会怎样变化。对关注AI创业、企业数字化、数据标注、知识工作自动化和SaaS未来的人来说，这期信息密度很高。 Shownotes 00:13 栏目开场：为什么选择Turing CEO这期访谈 03:35 正式进入对谈：Turing为什么不再只是数据标注或人才市场平台 06:32 从聊天机器人到Agent：训练数据为什么变得更像真实工作流程 09:18 AI数据需求：行业为什么还在“第一局” 17:05 企业采用AI的最大阻力：数据混乱、权限复杂和流程惯性 20:38 知识工作会怎样被自动化：哪些预算正在从人工转向AI 27:12 技术不再是唯一护城河，数据反馈循环会变得更重要 36:08 数据标注和研究加速器市场：谁会赢，谁会被淘汰 38:23 AI数据公司的收入到底是不是GMV：投资人该怎么看 45:20 为什么Jonathan认为传统SaaS模式会被Agent重写 51:23 软件工程师会更多还是更少：创造软件的人群会如何扩大 57:07 快问快答：慢起飞、开源模型、DeepSeek和未来十年 66:00 栏目结尾 嘉宾背景 Jonathan Siddharth是Turing创始人兼CEO。Turing最早以全球工程师和技术人才平台被外界认识，后来切入AI训练数据、评测、强化学习环境和企业AI落地。原节目介绍中提到，Turing已经做到约3.5亿美元ARR，累计融资约2.25亿美元，并保持盈利。Jonathan曾在斯坦福接受AI相关训练，也曾参与Powerset自然语言搜索工作；Powerset后来被微软收购。 Harry Stebbings是20VC主持人和投资人，长期采访全球顶级VC、创业者和科技公司负责人。他的访谈风格以高密度追问、直接挑战商业模型和收入质量著称。 内容亮点 * Turing为什么把自己定义为“研究加速器”，而不只是数据标注公司。 * Agent时代需要怎样的新数据：真实工作流、强化学习环境、验证器和企业上下文。 * AI数据公司的收入质量、客户集中度和GMV争议，投资人应该怎么看。 * 为什么Jonathan认为传统SaaS会被Agent和模型能力重写。 * 知识工作自动化后，软件工程师、创业者和普通企业的机会会怎样变化。 制作说明 本期为20VC访谈的中文译制版。译制过程中保留原节目核心观点、论证顺序和对话结构；广告口播、平台推广和影响收听效率的重复口头禅已做删减或顺滑处理。原节目链接：https://podcasts.apple.com/us/podcast/20vc-scale-surge-turing-mercor-who-wins-who-loses-in/id958230465?i=1000739088061

Bill McDermott曾长期领导SAP，如今是ServiceNow CEO。ServiceNow是全球重要的企业软件和工作流平台，这期No Priors访谈的价值在于：它不是泛泛讨论AI模型有多强，而是从一家大型企业到底怎么落地AI、怎样重构工作流、怎样判断SaaS平台是否会被大语言模型替代讲起。 这期对我们理解AI进入公司后的真实变化很有帮助：AI agent会先接管哪些服务工作？企业还会不会继续购买SaaS平台？为什么大语言模型负责“思考”还不够，企业还需要workflow平台负责“执行”？如果AI提高效率，大公司的岗位、组织层级和软件预算会怎样变化？ Bill的判断很直接：AI不会只改变软件功能，也会改变组织结构和人的工作方式。真正有价值的企业软件，不只是提供一个工具，而是能把数据、流程、权限、客户关系和执行动作接起来。 这期适合谁听 * 关注AI如何改变企业管理、组织设计和岗位结构的人。 * 关注SaaS、企业软件、workflow平台和AI agent落地的产品经理、管理者和创业者。 * 想理解大公司为什么不会简单“用大模型替代所有软件”的听众。 * 关注SAP、ServiceNow、Salesforce等企业软件公司未来位置的投资和商业观察者。 嘉宾背景 * Bill McDermott：ServiceNow CEO，前SAP CEO，长期处在全球企业软件、销售管理和大型组织转型一线。 * Sarah Guo：No Priors主持人，Conviction创始人，长期关注AI基础设施、应用和创业公司。 重点内容 * 为什么Bill认为企业AI落地不能只看大语言模型，还要看workflow和执行系统。 * SaaS终结论到底忽略了什么：企业为什么不愿意为内部所有流程重新造一套软件。 * ServiceNow如何把数据、记录系统、安全、身份和业务流程连接成“AI控制塔”。 * AI agent会怎样改变客户服务、系统集成、员工增长和企业生产率。 * 为什么AI时代的领导力反而更依赖客户理解、情商和人与人的信任。 Shownotes 00:13 栏目开场：为什么这期适合从企业落地角度理解AI。 00:45 No Priors开场，介绍Bill McDermott和ServiceNow。 02:10 Bill讲述16岁买下熟食店，从客户服务中理解商业。 07:30 从施乐面试故事谈领导力、主动性和机会。 12:30 AI时代领导力：变化速度、恐惧感和组织学习。 15:10 大语言模型与企业workflow平台的区别。 18:00 SaaS终结论：为什么企业不会简单用模型替代核心平台。 21:40 ServiceNow如何成为企业AI控制塔和AI agent入口。 24:20 AI对员工增长、客户服务和岗位结构的影响。 27:30 企业客户对AI供应商的新要求：更快理解业务、更快落地。 30:05 Bill的一天：全球化管理、客户会议和一线销售对话。 32:17 栏目收束：AI改变软件功能，也改变组织和人的工作方式。 原节目 No Priors｜Scaling Global Organizations in the Age of AI with ServiceNow CEO Bill McDermott 来源：https://ulisten.ai/channels/no-priors 本期为中文译制版，基于原英文访谈进行翻译、配音和适合中文播客收听场景的可听性整理。

Christian Catalini是MIT Cryptoeconomics Lab创始人、Lightspark联合创始人；Eddy Lazzarin是a16z crypto CTO。 这期The a16z Show围绕Christian的论文Some Simple Economics of AGI展开，讨论一个非常现实的问题：当AI给每个人都配上“团队级执行力”，工作、创业和公司组织会怎样被重写？ 它不是泛泛聊AGI，而是把问题拆得很具体：哪些任务会因为“可测量”而被自动化？AI agent为什么开始像同事，而不是像工具？初级岗位和传统学徒制会受到什么冲击？公司组织为什么可能变成“上层人类定方向、中间大量AI执行、底层人类连接现实世界”的AI三明治？ 这期适合谁听 * 想理解AI如何改变公司组织和岗位结构的管理者 * 关注AI agent、AGI经济学和创业机会的科技从业者 * 正在思考个人能力如何被AI放大的产品经理、创业者和投资人 * 关心身份认证、可信网络和AI内容验证的人 这期会帮我们理解 * AI真正改变的可能不是某个岗位，而是“执行力的价格” * 为什么未来个人竞争力不只是会不会用AI，而是能不能提出好问题、组织agent、验证结果并承担责任 * 为什么初级岗位、学徒制和年轻人的训练路径会被重新设计 * 当生成内容、代码和观点都越来越便宜，身份、来源证明和可信网络为什么反而更重要 * AI未来可能走向“空心化经济”，也可能走向“增强型经济” Shownotes 00:13 栏目开场：为什么选择a16z这期AGI经济学讨论 01:28 Robert介绍Christian Catalini、Eddy Lazzarin和Some Simple Economics of AGI 03:30 为什么“凡是能被测量的东西都会被自动化” 06:10 AI agent为什么开始像同事，而不是像一个普通工具 10:40 自动化与验证：软件工程师真正稀缺的能力是什么 16:20 人类还能保留什么：意图、偏好、增强与长期竞争 20:30 初级岗位、学徒制和年轻人的新训练路径 25:20 AI三明治：公司组织结构可能如何被重写 31:10 为什么AI时代更需要身份、来源证明和可信网络 38:30 意义制造者：当生产变便宜，品味、身份和共识为什么更重要 44:40 系统性风险、责任、保险和AI输出的边界 51:20 空心化经济与增强型经济：两种AI未来 58:30 对个人和创业者的建议：不要只会用AI，要会组织AI完成目标 嘉宾背景 Christian Catalini：Lightspark联合创始人，MIT Cryptoeconomics Lab创始人，长期研究加密经济学、数字货币、区块链与技术经济学。 Eddy Lazzarin：a16z crypto CTO，负责工程、研究和安全相关工作，长期关注crypto基础设施、AI与可信网络。 Robert Hackett：a16z crypto内容与编辑负责人，曾任Fortune资深科技作者，长期报道科技、商业和加密领域。 译制说明 本期为The a16z Show《AI Just Gave You Superpowers — Now What?》中文译制版。 原节目开头金句已按栏目规范删去，直接从主持人介绍嘉宾和主题处进入；中文译制保留原节目核心观点、讨论顺序和角色关系，并清理英文口头填充、重复接话和播客平台口播。 原节目链接：https://a16z.com/podcast/ai-just-gave-you-superpowers-now-what/

Dylan Patel是SemiAnalysis创始人，长期追踪AI芯片、数据中心、GPU供应链和算力基础设施。他是硅谷理解AI基础设施最重要的一批分析者之一。 这一期最值得听的地方，是Dylan用自己公司的真实账单讲清楚一件事：AI不再只是“聊天工具”，而是正在变成企业执行力的新燃料。 SemiAnalysis目前一年Claude Code支出已经跑到约700万美元，接近薪资支出的四分之一。这笔钱不是花在演示和尝鲜上，而是进入了芯片逆向工程、经济模型、能源数据产品、研究分析和软件开发等真实工作流。 这期适合谁听 * 关注AI基础设施、GPU、数据中心和Token供需的人 * 想理解企业如何真正把AI接入工作流的创业者和管理者 * 关心AI投资、半导体产业链和算力瓶颈的人 * 想判断“AI生产力到底创造了什么价值”的科技从业者 这期会帮我们理解 * 为什么AI Token需求不是聊天窗口需求，而是企业执行需求 * 为什么执行正在变便宜，真正稀缺的反而是好问题和好判断 * 为什么GPU之外，HBM、DRAM、TSMC、先进封装、CPU和数据中心都会成为瓶颈 * 为什么AI创造的价值可能很难被传统GDP统计捕捉 * 企业如何避免只是“使用AI”，却没有真正创造和捕获价值 Shownotes 00:13 栏目开场：为什么这期值得听 01:35 SemiAnalysis的AI支出从几万美元级别跃升到年化约700万美元 05:20 Claude Code如何改变芯片逆向工程、经济模型和能源数据产品 13:10 信息服务公司为什么必须用AI持续提高产品，否则会被商品化 17:40 Token需求为什么不是聊天窗口需求，而是企业工作流需求 22:20 执行变便宜之后，好问题和高质量想法变得更稀缺 26:40 软件世界加速，物理世界仍受硬件、供应链和部署约束 30:10 GPU之外，HBM、DRAM、TSMC、封装和CPU为什么都会成为瓶颈 36:00 为什么CPU会在强化学习环境和AI应用部署中重新变得紧张 40:10 “幽灵GDP”：AI创造的价值为什么难以被传统统计捕捉 44:00 AI行业可能面临的公众反弹，以及为什么需要重新沟通 嘉宾背景 Dylan Patel：SemiAnalysis创始人。SemiAnalysis长期研究半导体、AI芯片、数据中心、云计算、GPU供应链、先进封装和AI实验室基础设施，是全球AI基础设施研究中影响力很高的独立分析机构之一。 Patrick O'Shaughnessy：Invest Like The Best主持人，Positive Sum CEO。他的节目长期关注投资、商业模式、科技趋势和企业竞争。 译制说明 本期为Invest Like The Best节目The Supply and Demand of AI Tokens | Dylan Patel Interview的中文译制版。 原节目结尾涉及AI公众反弹时使用了个别较刺激的社会冲突例子，本期保留嘉宾关于“AI行业需要改善公众沟通”的核心判断，但不逐句复刻具体事件细节，以免影响中文播客收听体验。 原节目链接：https://www.youtube.com/watch?v=LF3aUIM57uw

a16z联合创始人Marc Andreessen在这期长谈里，把AI放进一整套产业系统里判断：模型能力只是起点，真正决定AI能走多远的，是芯片、数据中心、能源、电力、机器人、软件工作流，以及人能不能学会调度智能体。 Marc曾共同开发Mosaic浏览器、共同创办Netscape，也经历过互联网从实验室走向商业世界的关键阶段。他谈AI时，重点不是追逐单个产品热点，而是判断一轮技术浪潮怎样重塑产业结构、公司组织和个人生产力。 这期尤其适合创业者、投资人、程序员和科技行业观察者：为什么AI基础设施会从模型一路延伸到核能和电网；为什么vibe coding可能让程序员从“写代码的人”变成“管理一组AI代理的人”；为什么AI在医疗、教育、法律、创作和日常决策中，会先成为一种“思考能力的放大器”。 我们值得注意的是，这期讨论把几个容易被分开看的问题连在了一起：AI模型能力、数据中心建设、能源约束、智能体协作、财富税和创业激励，最终都指向同一个问题：新一轮技术红利会被谁捕捉，又会怎样改变普通人的工作方式。 本期为中文译制删减版。原节目超过三小时，如果完整逐字译制，会保留大量抢话、口癖和视频语境残留，反而削弱AI和技术产业主线。所以这一版从收听体验出发，按“主题保真、表达重写”的方式处理：保留核心观点、问答关系和讨论顺序，同时清理无信息量重复与不完整表达；对整类偏离主线的美国本土政策争论和发散讨论，会由栏目主持人说明后做结构性删减。 Shownotes 00:13 栏目开场：为什么这期采用主题保真删减版 01:20 美国建设困境、财富税与创业激励：Marc如何理解制度对创新的影响 05:30 “把沙子变成思想”：AI为什么像一轮新的技术炼金术 07:30 个人AI顾问、医疗辅助和知识门槛下降 10:45 vibe coding、AI代理和程序员角色变化 14:20 数据中心、芯片、电力和核能：AI为什么重新变成“重资产”产业 17:35 机器人、现实世界导航和AI是否拥有自主驱动力 20:00 开源模型、产品化、AI能解决的问题与不能外包的价值判断 22:25 技术乐观主义、创作工具和物质丰裕之后的人生问题 24:20 栏目收束：AI不是单点工具，而是一整套技术和社会系统 嘉宾背景 Marc Andreessen是Andreessen Horowitz联合创始人兼普通合伙人，曾共同开发Mosaic浏览器、共同创办Netscape，也是《The Techno-Optimist Manifesto》的作者。他长期关注互联网、软件、AI、科技产业政策与创业投资。 Joe Rogan是The Joe Rogan Experience主持人，该节目是英语世界影响力较大的长谈类播客之一。 内容亮点 * Marc Andreessen如何把AI、数据中心、能源、机器人和软件开发放进同一套生产力框架 * 财富税和资产税为什么会影响创业激励、资本流动和公司建设 * vibe coding为什么可能让程序员从“写代码的人”变成“智能体管理者” * AI作为“知识普惠工具”会怎样改变医疗、法律、教育和日常决策 * AI价值观与模型默认立场为什么不能替代人的最终判断 制作说明 本期为中文译制删减版，源节目为The Joe Rogan Experience #2501 - Marc Andreessen。中文译制保留原节目核心观点和讨论顺序；为提升中文收听体验，已对无信息量重复、抢话、口头填充和字幕残留进行清理，并对偏离主线的整类主题做结构性删减。相关观点均归属于原节目发言者。 原节目链接：https://www.youtube.com/watch?v=PHQvb10vKyk

Ben Horowitz是a16z联合创始人、《创业维艰》作者，也是硅谷最有影响力的创业管理和风险投资思想者之一。这期适合创业者、投资人和管理者听：AI浪潮里，公司真正的壁垒到底来自模型、资本、人才，还是组织文化。 他谈的不只是美国科技叙事，而是更底层的判断方法：为什么顶级AI人才会被推到天价，VC机构如何从“投钱”变成产业组织者，自动化会怎样影响阶层流动，以及一家机构怎样把文化变成长期行动能力。 对中文商业听众来说，这期的价值在于把AI创业、组织设计、人才战争和技术进入真实世界的阻力放在一起看。它不是一份风口清单，更像一堂硅谷顶级投资人的公司建设课。 Shownotes 00:13 栏目开场：为什么选择Ben Horowitz这期访谈 01:06 Patrick介绍Ben Horowitz、a16z以及本期谈话主线 01:47 Ben谈美国科技生态、创业文化和硅谷模式的全球吸引力 04:13 AI监管、芯片供给与技术方案的力量 06:16 AI如何改变创业公司的构建规律和投资判断 09:25 顶级AI研究员为何会获得极高薪酬 10:45 自动化、不平等与社会阶层流动问题 13:40 Ben谈未来20年a16z的雄心和机构责任 17:29 Andy Grove、《High Output Management》与管理训练 21:37 a16z创办早期的定位、差异化和组织设计 26:32 早期错误、资本市场错配与风险投资的独特性 32:31 为什么a16z不做私募股权式AI收购整合 33:15 规模化的取舍：平台、服务、文化与行动一致性 35:46 Ben父亲对他的影响，以及财富创造与分配的观念 37:20 AI最让Ben兴奋的应用方向 38:37 Ben与Nas的友谊、创作稳定性和个人风格 41:46 拉斯维加斯城市治理案例：技术如何进入复杂公共场景 45:45 最善意的一件事：一次实习机会如何改变人生路径 嘉宾背景 Ben Horowitz是Andreessen Horowitz联合创始人兼普通合伙人，曾任Opsware联合创始人兼CEO，也是《The Hard Thing About Hard Things》《What You Do Is Who You Are》的作者。他长期关注企业软件、AI、创业管理、组织文化和科技产业政策。 制作说明 本期为英文访谈中文译制版，原节目中的广告口播、订阅推广和一处容易引发无关联想的政策旁枝未做克隆，以避免干扰中文听众理解；节目中关于美国政策、公共安全和产业方向的表达为原嘉宾观点，不代表本栏目立场。 原节目：https://www.tmfnk.com/listen/podcasts/invest-like-the-best-ben-horowitz-backing-americas-future/