AI早就能在国际象棋里击败最顶尖的人类棋手，但国际象棋没有变冷，反而在互联网上变得更大众、更年轻、更有商业价值。 这一期来自No Priors，对谈Chess.com联合创始人兼CEO Erik Allebest。他当年花5.6万美元买下Chess.com域名，把一个被投资人认为“小到不值得投”的兴趣社区，做成了注册用户超过2.5亿、日活约1000万、年收入超过2亿美元的全球头部棋类平台。 最值得听的，是它把“AI超过人类之后，人还要不要继续练技能”这个大问题，放进了一个人人都能理解的场景：下棋、排名、训练、作弊、公平竞争和成就感。 如果AI已经能给出更好的答案，人类为什么还愿意亲自上场？当AI成为随身教练，普通人会更快进步，还是更容易偷懒？当作弊工具越来越强，一个平台又该怎么保护真实能力？ 【这期适合谁听】 关注AI如何影响人类技能、学习和训练的人； 对游戏、社区、平台商业模式感兴趣的人； 想理解“超级智能之后，人类价值还剩什么”的听众； 做产品、教育、内容社区和用户增长的人。 【嘉宾背景】 Erik Allebest是Chess.com联合创始人兼CEO。他在2005年从破产拍卖中买下Chess.com域名，长期坚持自力增长，最终把Chess.com做成全球最大的在线国际象棋社区之一。Chess.com今天不仅是下棋平台，也是训练、直播、赛事、内容和棋类社交社区。 【制作说明】 本期为英文播客中文译制版。原节目来自No Priors：What Chess.com Teaches Us About Superhuman Capabilities, with CEO Erik Allebest。译制从原节目主持人正式介绍嘉宾处进入。 Show notes 00:00 栏目开场：AI赢了人类，为什么人类还爱下棋 01:01 No Priors正式开场：Chess.com从小众兴趣到全球棋类平台 02:02 Chess.com的规模：2.5亿注册用户、1000万日活和2亿美元年收入 02:45 Erik如何买下Chess.com域名，并从一个社区网站做起 03:20 为什么Chess.com没有走传统融资路线 05:12 产品、社区和内容，为什么比单纯抢市场更重要 06:13 《后翼弃兵》之后，国际象棋如何进入大众文化 08:50 CVC资本入股后，一家自力增长的公司如何变成熟 10:25 计算机早已超过人类，为什么国际象棋反而更精彩 12:12 AI工具会让下一代学得更快吗 13:35 真正的技能差异，为什么仍然来自重复基本功 14:36 作弊检测、公平竞争和平台信任 15:47 在无限内容时代，为什么经典游戏反而更有吸引力 16:43 Chess.com、Gambit和扑克等级分 17:42 小市场创业者该不该听太多“标准建议” 18:42 Erik如何看通用人工智能、超级智能和人类技能 19:58 Chess.com内部如何使用AI改造客服、数据和研发流程 21:29 扑克等级分为什么比国际象棋更难设计 22:01 栏目结尾：AI超过人类后，人类技能是否仍然重要

马斯克这次面向SpaceX员工的内部讲话，最值得听的不是又一次“火星愿景”，而是他把SpaceX的商业逻辑重新讲了一遍：可重复使用火箭降低运输成本，星链把互联网搬到太空，Starship飞船把运载规模推上新台阶，而AI可能成为这套基础设施上新的收入和价值中心。 如果你过去把SpaceX理解成火箭公司、卫星互联网公司，这期会提供一个更激进的视角：马斯克正在把它讲成一家AI公司，一家算力公司，甚至是一家面向太空文明的基础设施公司。他在讲话中谈到猎鹰火箭、龙飞船、星链、Starship飞船、格罗克、AI推理、太空算力和Starmind，也给出了非常大胆的收入与价值判断。 需要说明的是，节目中关于AI收入、未来价值占比和时间表的判断，均来自马斯克本人在讲话中的公司叙事和战略判断，不等于确定会发生的事实，也不构成投资建议。我们保留这些表达，是为了让大家听到他真实的战略框架。 嘉宾背景： 埃隆·马斯克是SpaceX创始人兼CEO，也是特斯拉、xAI等公司的核心人物。SpaceX目前是全球最重要的商业航天公司之一，旗下业务包括可重复使用火箭、龙飞船、星链卫星互联网、Starship飞船系统等。格罗克是马斯克旗下xAI推出的AI模型品牌。 Show notes： 00:00 栏目开场：为什么这次内部讲话值得译制 01:39 马斯克回顾SpaceX使命：让生命扩展到多个星球 03:15 猎鹰一号、可回收火箭和“已飞行验证”的逻辑 05:55 猎鹰重型、星人和龙飞船 07:15 星链：把全球互联网基础设施搬到太空 08:15 栏目背景补充：安全场景不展开，回到星链、Starship飞船与AI算力 08:30 Starship飞船：从每年几千吨到百万吨级轨道运输能力 10:25 SpaceX为什么必须赢下AI硬件和AI软件 12:30 格罗克、AI训练集群、太空AI推理和一千万千瓦算力目标 14:10 Starmind、卡尔达肖夫等级与马斯克的太空AI想象 15:55 栏目结尾：把SpaceX看作火箭、卫星、算力和模型公司的混合体 来源： 源节目：Elon Musk, SpaceX Company Talk, August 11, 2026 原始发布：SpaceX于2026年8月11日发布的公司更新讲话 本期为中文译制版。

两个年轻人创办Etched，想挑战英伟达最核心的AI基础设施位置：他们认为，AI时代真正稀缺的不只是模型，而是谁能更便宜、更快地生产Token。 Gavin Uberti和Rob Wachen是Etched联合创始人。Etched成立于2023年，主攻“推理芯片”：也就是让AI模型在真正被人调用、回答问题、执行任务时跑得更快、更便宜。节目里他们提到，第一次流片就拿到了可工作的芯片，客户需求已经指向十亿美元级别，融资也达到数亿美元规模。 这期来自Invest Like the Best。主持人Patrick O'Shaughnessy也是Etched投资人，所以节目中的商业判断和投资判断只代表公开访谈观点，不构成投资建议。 这期值得听的地方，不只是“又一家AI芯片公司”。它真正讲清楚的是：当AI从训练大模型进入大规模推理阶段，数据中心、电力、芯片架构、台积电产能、机架系统和软件栈都会被重新计算。对关心AI基础设施、英伟达、创业公司和未来算力格局的人，这是一场非常具体的底层讨论。 【嘉宾背景】 Gavin Uberti：Etched联合创始人。Etched聚焦专用AI推理芯片，希望用更高效的硬件架构服务下一代AI应用。 Rob Wachen：Etched联合创始人。节目中重点讨论Etched从芯片设计走向整套机架系统、供应链和商业交付的过程。 Patrick O'Shaughnessy：Invest Like the Best主持人，Colossus创始人。该节目是英语投资和商业访谈中质量较高、影响力较强的长期栏目。 【Shownotes】 00:13 栏目开场：为什么这一期不是普通AI芯片故事 02:20 Etched要挑战的到底是什么：推理成本、Token生产和英伟达生态 09:40 为什么AI基础设施会从“训练”转向“推理” 18:30 芯片公司为什么不能只做芯片，还要做整套机架系统 27:10 预填充、解码、内存带宽和并发用户：推理芯片真正卡在哪里 38:40 客户为什么愿意押注一家年轻硬件公司 49:30 从流片到供应链：台积电、封装、机架和功耗密度 1:02:00 软件栈为什么决定硬件能不能真正被用起来 1:13:40 Etched如何看英伟达、ASIC和未来十年的推理市场 1:28:20 创业、融资和逆向判断：为什么最难的公司有时最值得做 1:33:35 栏目收束：AI芯片竞争为什么会变成底层战场 【制作说明】 本期为英文播客访谈中文译制版。为保证中文听感，译制时去除了原节目正式开场前的广告、预告和通用免责声明，并对少量专业术语做了中文化处理。

Cursor已经不是只把别人的大模型接进编辑器，而是在训练自己的专用编程模型Composer。这期真正解释的是：当AI应用公司掌握了真实产品场景、用户行为和工具调用数据，它们为什么可能不再只做“模型外壳”，而会把自己的产品经验直接训练进模型。 这期来自红杉Training Data。主持人Sonya Huang对谈Cursor的Federico Cassano和Fireworks的Dmytro Dzhulgakov，聊Composer2背后的训练方式：为什么通用大模型不一定最适合Cursor自己的编程环境，提示词工程的上限在哪里，强化学习如何让模型学会长期调用工具，以及为什么分布式推理基础设施会成为AI应用公司的新门槛。 Federico Cassano是Cursor负责Composer2的研究负责人。Composer2是Cursor面向长期编程任务的智能体编程模型，核心目标不是泛泛聊天，而是在Cursor环境里完成更复杂的软件工程任务。 Dmytro Dzhulgakov来自Fireworks AI，长期从事AI推理和训练基础设施相关工作。这次他参与支持Cursor完成Composer2训练所需的大规模分布式基础设施。 【我们会听到】 - 为什么Cursor要自己训练AI编程模型，而不是只调用OpenAI、Anthropic等通用模型 - 提示词工程能解决什么，又在哪里会碰到天花板 - 强化学习里的rollout到底是什么，为什么它更像一整次Cursor智能体任务执行 - 训练模型时，为什么质量、速度和成本必须一起权衡 - 应用公司是否都会走向“自己训练模型”这一步 - AI编程工具的竞争，为什么可能从产品体验深入到模型和基础设施层 【Shownotes】 00:13 栏目开场：Cursor为什么要自训Composer 01:03 Sonya介绍Cursor与Fireworks两位嘉宾 03:00 为什么通用模型不一定最适合Cursor自己的软件工程环境 06:30 提示词工程的上限，以及产品环境为什么要进入模型训练 10:20 Composer2如何结合中期训练和强化学习 15:20 rollout：一次完整的智能体任务执行，不只是一次模型调用 21:40 分布式强化学习：训练器、推理集群和全球GPU调度 27:30 混合专家模型、浮点误差和路由器重放 32:40 在线强化学习、真实用户反馈和离线模拟 38:20 长任务智能体、上下文压缩和自我总结 42:20 应用公司是否都需要训练自己的模型 45:20 大语言模型当评审、强化学习环境和产品反馈 本期为中文译制版，原节目来自Sequoia Training Data：How Cursor Trained Composer on Fireworks’ Distributed Infrastructure for High-Performance RL。

为什么同样熬夜，有人第二天就感冒，有人却没事？为什么压力、记忆、疫苗、衰老，都会改变我们的免疫反应？这期来自Huberman Lab的长访谈，把“免疫力”从一个模糊的养生词，讲成身体里一套持续运行的判断系统。 嘉宾马克斯·克鲁梅尔是加州大学旧金山分校免疫学家，长期研究T细胞、癌症免疫治疗和免疫系统如何识别“自己”与“外来物”。他参与过免疫检查点治疗早期研究，这类研究后来改写了部分癌症治疗方式。 这期值得听的地方，不是教人“吃什么立刻提高免疫力”，而是解释免疫系统真正怎样工作：它为什么需要睡眠，为什么会被压力影响，为什么儿童和老人对感染的反应不同，为什么疫苗不是简单地“打一针”，以及为什么癌症免疫治疗、自身免疫病和长寿研究，本质上都绕不开同一个问题：身体到底怎样判断该攻击谁、该放过谁。 节目涉及健康和医学内容，只作为科普信息，不替代医生诊断和治疗。如果你有具体疾病、用药、疫苗或治疗问题，请咨询专业医生。 【嘉宾背景】 马克斯·克鲁梅尔，免疫学家，加州大学旧金山分校教授，研究方向包括T细胞、免疫系统调控、癌症免疫治疗和组织免疫。他长期关注一个核心问题：免疫系统如何在攻击病原体和避免伤害自身之间保持平衡。 安德鲁·胡伯曼，斯坦福大学医学院神经生物学和眼科教授，Huberman Lab主持人。Huberman Lab是英语世界影响力很大的科学播客之一，擅长把神经科学、健康和行为科学拆解给大众听。 【Shownotes】 00:00 栏目开场：为什么这期要重新理解“免疫力” 00:57 Huberman介绍嘉宾：免疫系统如何工作，以及睡眠、疫苗、衰老为什么重要 03:59 免疫学为什么是一个年轻但正在快速变化的领域 08:45 免疫系统不是单纯“杀外来物”，而是一套可调节的判断系统 14:20 免疫细胞如何出现在大脑、肠道、肝脏和心脏等不同组织里 23:40 儿童为什么更常生病：不是免疫弱，而是“见过的敌人”太少 33:10 衰老如何改变免疫系统：细胞更新、DNA突变与身体的“马赛克化” 46:10 干细胞、类器官和再生医学：为什么基础研究常常走得很慢 59:10 基因编辑、代谢药物和癌症免疫治疗：重大突破为什么常来自长期积累 1:12:30 癌症免疫治疗怎样改变我们对免疫系统的理解 1:26:20 自身免疫病：免疫系统为什么会攻击自己 1:39:40 睡眠、压力和记忆如何影响免疫反应 1:54:00 疫苗、免疫记忆和人体防线：免疫系统怎样“记住”过去 2:08:20 回到日常：怎样以更理性的方式理解健康、风险和免疫力 【制作说明】 本期为Huberman Lab《How Your Immune System Works and How to Improve It | Max Krummel》的中文译制版。

如果OpenAI、Anthropic这些模型公司越来越强，企业AI应用层公司还有没有机会？Glean CEO Arvind Jain在这期20VC里把问题讲得很现实：企业真正买单的，不只是模型能力，而是数据、权限、工作流、成本和真实投资回报率。 Arvind Jain曾联合创办数据安全公司Rubrik，后来创办企业AI公司Glean。Glean最早做企业搜索，现在更像是连接公司内部知识、权限、流程和AI智能体的平台。对普通听众来说，这期最有价值的地方在于，它把“企业AI落地”从一句口号，拆成了公司每天真正会遇到的问题。 这期适合关注企业AI、SaaS、管理效率、AI智能体和创业机会的人听。它讨论的是：为什么应用层不一定会被模型公司吃掉？企业为什么不愿意把全部数据和流程押给一个模型供应商？以及AI项目到底怎样才算真的产生价值？ 【嘉宾背景】 Arvind Jain：Glean创始人兼CEO，曾联合创办数据安全公司Rubrik。Glean从企业搜索切入，正在成为企业内部知识、权限和AI智能体的连接平台。 【我们会听到】 - 00:00 栏目开场：企业AI应用层为什么还值得讨论 - 01:10 Glean是什么，企业搜索如何变成AI平台 - 07:40 企业为什么担心过度依赖前沿模型公司 - 15:20 开放模型、模型成本和Token预算 - 24:30 企业AI真正的投资回报率怎么衡量 - 33:10 AI智能体、权限、流程和组织内部知识 - 40:20 招聘、人才竞争和企业AI未来 【制作说明】 本期为英文播客中文译制版。节目中涉及公司、技术和市场判断的内容，均保留原访谈语境，仅作信息分享和商业观察。

AI写作真正的危险，不是写得不通顺，而是把每个人都写成同一种互联网平均语气。 Alex Lieberman曾把Morning Brew做成美国最有辨识度的商业媒体之一。这期他拆的是一套Claude内容机器：先找信号，再采访本人，再用“声音文件”和编辑委员会，把真实观点写出来。 这期适合做内容、做产品、做个人品牌、做公司表达的人听。它讨论的不是“让AI替我写一篇稿子”，而是一个更关键的问题：当AI越来越会写，人的经验、判断和风格怎么不被磨平？ 【嘉宾是谁】 Alex Lieberman是Morning Brew联合创始人。Morning Brew从大学时期的商业邮件通讯起步，成长为美国很有辨识度的商业媒体品牌之一，后来卖给Business Insider。现在他是Tenex联合创始人兼联合管理合伙人。 【这期会听到】 - 为什么AI垃圾内容的问题，不是语法差，而是没有真实经验 - 为什么内容生产要先画工作流，而不是先找工具 - Claude怎样被放进“找选题、采访、写作、审稿”的完整链路 - 什么是“声音文件”：怎样让AI学会一个人的语气、禁忌和表达习惯 - 为什么未来更稀缺的不是写作速度，而是观点、品味、判断和信任 【Shownotes】 00:00 栏目开场：为什么AI会把人写成平均人 01:25 Claire介绍Alex Lieberman和内容机器 03:20 为什么真正难的是空白页 05:20 AI垃圾内容的问题不是语法，而是没有经验 07:50 先画工作流，再谈工具 10:30 Oracle：从内部系统和互联网里找内容信号 13:20 采访面板：让AI先追问真实观点 16:20 声音文件：把个人表达风格写成系统资产 19:30 写作者委员会：从不同角色审稿 22:30 员工传播和Tenex Creator Cup 25:20 工具选择、语音输入和长期学习循环 28:00 栏目收束：AI放大的应该是人的判断

Josh Kushner有一个很容易被记住的身份：他是Jared Kushner的弟弟，也就是特朗普女婿的弟弟。换句话说，他也处在特朗普姻亲家族和硅谷资本圈的交汇处。但这期真正值得听的，不是这层关系本身，而是他和Thrive Capital押中过Stripe、Instagram、GitHub、OpenAI、Databricks，并且敢把大量资本集中压到少数公司身上。 Josh Kushner是Thrive Capital创始人，也是硅谷新一代顶级风险投资人代表。Thrive以小团队、强判断、深度参与和集中下注著称，管理资金规模约500亿美元。这期Invest Like the Best拆解的是一个投资组织如何形成自己的判断标准：什么时候该重仓，什么时候该承认错误，什么时候该相信长期关系。 这期适合创业者、投资人、管理者和关心AI商业机会的人听。它会让我们看到：当所有人都在追热点时，顶级投资机构如何面对不确定性、如何建立信任、如何承认错误，又如何在少数关键时刻下重注。 【嘉宾背景】 Josh Kushner：Thrive Capital创始人，Jared Kushner的弟弟，也就是特朗普女婿的弟弟。长期投资Stripe、Instagram、GitHub、OpenAI、Databricks等公司，是硅谷新一代顶级风险投资人代表。 【我们会听到】 - 00:00 栏目开场：为什么Josh Kushner的投资框架值得听 - 01:20 Thrive Capital的变化、小团队和文化 - 08:50 为什么集中下注，为什么要深度参与公司 - 17:40 Stripe、OpenAI和大额投资背后的判断 - 27:50 Instagram、GitHub和创造交易的能力 - 36:20 Thrive如何看竞争、信任和长期关系 - 41:10 家族故事、价值观、艺术家精神和长期建设 【制作说明】 本期为英文播客中文译制版。节目中涉及投资案例与市场判断，仅作商业学习和信息分享，不构成投资建议。

这期不是讲又一个AI客服，而是讲AI如何进入空调维修、管道、电工、宠物护理、酒店、汽车服务这些真实服务业的操作系统。 Melisa Tokmak是Netic创始人兼CEO，曾在Scale AI担任工程总监，参与政府和大型企业AI业务，也有Meta经历。Netic想做的事很具体：当客户打电话、发短信或在线预约时，AI先理解需求，再连接企业规则、排班系统、服务能力和后续跟进。 这期最值得听的是，它把AI从聊天窗口拉回现实生活。真实服务业看起来不性感，却有大量高频、复杂、强需求的场景：空调坏了、水管漏了、车要维修、宠物要护理。嘉宾讨论的核心问题是，如果AI不只是回答问题，而是开始承接真实服务流程，传统服务公司会怎样被重新改造？ 嘉宾也谈到创业者心态、招聘标准和私募股权如何判断AI投资回报。她的观点很清楚：AI真正的价值不只是降本，而是接住更多客户需求，创造新增收入，让服务变得更快、更可靠。 【本期你会听到】 为什么真实服务业可能是AI落地的试金石 AI客服和AI操作系统到底有什么区别 Netic为什么强调“增收”而不是只讲“降本” 为什么大模型公司不一定直接吃掉这类垂直AI公司 创始人和团队在AI时代真正稀缺的能力是什么 私募股权为什么开始用更务实的指标评估AI 【Shownotes】 00:00 栏目开场：空调坏了，AI为什么可能先接电话 01:26 No Priors介绍Melisa Tokmak和Netic 03:10 Netic到底在真实服务业里做什么 06:30 AI为什么不能只是问答机器人 09:20 传统服务公司为什么容易漏掉客户需求 12:10 超过70%的客户互动首先由AI处理意味着什么 14:40 降本不是全部，AI更大的机会是新增收入 17:30 为什么选择做产品公司，而不是收购传统服务企业 20:20 大模型实验室会不会亲自下场做这些行业 23:00 创始人心态：不要只盯着短期退出 25:20 招人时为什么看重能动性、责任感和长期投入 27:20 私募股权如何判断AI的真实投资回报 29:00 AI进入教育、健康和真实生活场景的积极一面 本期为No Priors访谈《Building an Autonomous Enterprise for Real-World Services with Netic Founder Melisa Tokmak》的中文译制版。

当AI建站、vibe coding和Base44把“做软件”的门槛拉低，老牌建站公司Wix是不是反而最危险？Wix创始人兼CEO Avishai Abrahami在这期20VC里给出的判断很有反差：他认为AI不是把软件公司清零，而是把真正复杂的软件能力重新显出来。 Avishai Abrahami是Wix联合创始人兼CEO，带领Wix从网页建站工具发展成全球化软件平台。对很多中国听众来说，Wix的价值不只在“建网站”，而在于它长期处理普通商家真实需求：支付、库存、营销、预约、会员、数据、运营和全球化。这些复杂系统，未必能靠几句提示词轻松复制。 这期适合关注AI建站、SaaS、创业、产品和公司价值的人听。它讨论的是一个很现实的问题：AI让做产品更容易之后，软件公司的护城河到底转移到了哪里？ 【嘉宾背景】 Avishai Abrahami：Wix联合创始人兼CEO。Wix是全球知名网站建设和在线商业平台，长期服务中小企业、创作者和商家，也参与Base44等AI建站相关业务布局。 【我们会听到】 - 00:00 栏目开场：AI建站为什么重新把Wix推到风口 - 01:10 Avishai的作息、CEO工作方式和组织管理 - 09:40 Wix如何看AI建站、vibe coding和Base44 - 19:30 为什么复杂软件不是“写几行代码”就能复制 - 29:40 SaaS护城河、品牌、分发和产品深度 - 40:20 现金流、回购、市场怀疑和公司价值 - 49:30 创始人经验、家庭、长期主义和最后快问快答 【制作说明】 本期为英文播客中文译制版。节目中涉及公司、技术和市场判断的内容，均保留原访谈语境，仅作信息分享和商业观察，不构成投资建议。

Sam Altman这次讲得很直接：如果智能本身越来越便宜，OpenAI真正要守住的，可能不是某一个模型，而是算力集群、芯片、数据中心、电力，以及把这些物理基础设施变成可靠产品的组织能力。 Sam Altman是OpenAI首席执行官，主导ChatGPT、Codex等产品和OpenAI的长期算力战略。这期来自Patrick O'Shaughnessy主持的Invest Like the Best，是一档高质量商业与投资访谈节目。 这一期适合关心AI产业、创业、产品、投资和组织管理的人听。它不只是在谈OpenAI，也是在谈一个更底层的问题：当AI能力越来越像基础设施，真正稀缺的东西会是什么？ 节目中涉及公司战略、产业判断和投资相关讨论，仅作为公开访谈译制和商业科技观察，不构成任何投资建议。 【本期你会听到】 - OpenAI为什么重新聚焦“更强、更便宜、更普遍的智能” - Sam Altman为什么在早期就敢大规模锁定算力 - 数据中心、电力、芯片为什么成了AI竞争的底层战场 - Jalapeño芯片、每瓦Token和OpenAI的垂直优化思路 - Kimi、模型蒸馏、开源模型和前沿模型之间是什么关系 - Hugging Face事件为什么说明AI安全已经变成工程问题 - 智能体、Codex和机器人会怎样改变工作方式 - ChatGPT当年为什么只是一个研究预览，却意外成为全球产品 - Sam Altman怎么看OpenAI的组织结构教训 【嘉宾背景】 Sam Altman，OpenAI首席执行官。OpenAI旗下产品包括ChatGPT、Codex等，也在推进大规模算力基础设施、AI芯片和长期AI安全研究。 Patrick O'Shaughnessy，Invest Like the Best主持人，Positive Sum创始人，长期访谈全球商业、科技与投资领域的重要人物。 【Shownotes】 00:00 栏目开场：为什么这期要听Sam Altman讲AI底层竞争 01:08 Patrick介绍Sam Altman和本期主题 02:35 OpenAI为什么重新聚焦 05:25 为什么提前大规模锁定算力 08:20 微软、甲骨文、英伟达和AI基础设施伙伴 10:10 数据中心、电力与真实世界成本 13:40 Jalapeño芯片与每瓦Token 16:00 Kimi、模型蒸馏与前沿模型 18:55 OpenAI真正的护城河可能是什么 21:30 Hugging Face事件与AI安全边界 24:10 AI会怎样改变工作 26:20 个人智能体、认知能力与教育变化 29:05 机器人什么时候迎来ChatGPT时刻 30:45 ChatGPT为什么一开始只是研究预览 32:50 Codex、软件创业和判断力 34:10 规模定律、Alec Radford和OpenAI组织结构教训 35:30 Sam Altman谈互联网、个人杠杆和善意瞬间 本期为中文译制版，基于公开英文播客内容制作。

AI来了，问题不只是“公司怎么重组”，而是每个人都要面对一个更直接的问题：当产品、工程、设计、数据和内容生产之间的边界变薄，很多人都能做一点别人过去负责的工作时，我们最需要具备的能力会是什么？ 这一期来自Lenny's Podcast。嘉宾Elizabeth Stone是Netflix首席产品与技术官，负责产品、工程、设计、数据等核心团队。她曾长期参与Netflix个性化推荐、内容技术和消费产品体验建设，也曾在Lyft负责数据科学。她的价值不只在于“懂技术”，而是站在一家全球消费互联网公司的中枢位置，讲清AI时代组织能力会怎么变。 这期适合产品经理、工程师、设计师、管理者和创业团队听。我们会听到：AI会不会让岗位边界消失？年轻员工还要不要练基本功？产品团队到底需要更多通才，还是更深的专家？Netflix又如何看待娱乐产品、互动内容、游戏和AI生成内容的未来？ 【嘉宾背景】 Elizabeth Stone：Netflix首席产品与技术官，负责产品、工程、设计、数据等核心组织。她长期参与Netflix推荐系统、内容技术、本地化和消费产品体验建设，也曾在Lyft担任数据科学相关负责人。 【我们会听到】 - 00:00 栏目开场：为什么Netflix的一号产品技术官值得听 - 01:20 Elizabeth Stone如何看AI与组织能力 - 08:40 AI打散岗位边界后，公司还需不需要清晰分工 - 17:30 Netflix如何理解系统型人才和跨职能协作 - 27:40 AI流畅度如何进入招聘、面试和职业发展 - 38:50 数据分析、内容制作、本地化和推荐系统里的AI用法 - 51:20 年轻员工、代码能力和“手艺感”会不会消失 - 60:30 娱乐产品未来：互动、直播、游戏和AI内容 【制作说明】 本期为英文播客中文译制版。节目中涉及公司、技术和市场判断的内容，均保留原访谈语境，仅作信息分享和商业观察。

私募市场里，一份看似普通的PDF，为什么可能撬动上亿美元甚至更大规模的资本流向？这一期最值得听的，不是某个单一投资案例，而是顶级投资人如何判断：创业者、基金和资本，究竟怎样用叙事、信任和判断完成定价。 本期译制Invest Like the Best对投资人Jeremy Giffon的长访谈。Jeremy长期观察私募市场、成长股权和特殊机会交易，他这期把很多普通人不容易看见的资本运作逻辑讲得非常具体：基金真正卖给出资人的是什么？为什么一份季度报告、一场线下沟通，可能比财务模型更影响信任？为什么X平台上的发帖者，正在影响投资和创业的舆论气候？ 对创业者来说，这期能帮助理解“讲故事”为什么不是包装，而是长期融资过程中的信任建设。对管理者和投资关注者来说，它能解释软件公司、AI基础设施、私募股权和风险投资之间正在发生的结构变化。内容仅用于理解商业和资本运作方式，不构成投资建议。 嘉宾背景 Jeremy Giffon是一位长期关注私募市场、成长型公司和资本结构的投资人，曾多次做客Invest Like the Best。他的价值不在于给出某个具体投资答案，而在于把创业者、基金、出资人和市场情绪之间的关系讲清楚。 原节目 Invest Like the Best｜Jeremy Giffon - The Billion Dollar PDF 发布于2026年7月7日。 Shownotes 01:20 栏目开场：一份PDF为什么能影响资本 03:25 Jeremy Giffon的私募市场观察 07:10 基金真正卖给出资人的是什么 13:20 X平台、发帖者与资本叙事 24:30 影响力、自由和信息消费 34:40 天赋、工作和下一代金融机构 39:50 东海岸金融与西海岸金融的气质变化 45:20 软件即服务、资本开支和AI基础设施 51:30 指数基金时代，市场哪里会错 56:20 特殊目的载体、热门非上市公司配额和“新封建制” 60:30 硅谷文化、技术信念和资本世界观

AI热潮通常讲芯片、模型和数据中心，但这期把问题往下追了一层：电从哪里来？如果数据中心继续扩张，真正卡住AI的，可能不只是GPU，而是天然气、管道、电网和发电设备。 这期来自Invest Like the Best。嘉宾Matthew Smith是Chronometer Partners创始人兼首席投资官，长期研究能源、工业、材料、电力、公用事业和相关基础设施。他和团队对美国大量天然气井、管道和加工资产做过系统建模，因此这场对话不是泛泛聊“AI很耗电”，而是把AI数据中心、液化天然气出口、天然气库存、核电和电价放进同一张供需账本里。 最值得听的是这个反直觉判断：到2028年以后，AI数据中心新增用电和液化天然气出口可能一起推高美国天然气系统的压力。它会影响的不只是能源公司，也可能影响AI公司的成本、数据中心选址、消费者电价，以及未来几年硬科技投资的底层约束。 本期不是投资建议。节目中涉及能源公司、核电、天然气、太阳能和电力资产的讨论，仅作为理解产业趋势和商业判断的材料。 【Shownotes】 00:13 栏目开场：AI算力背后的能源约束 01:00 Matthew Smith的核心判断：天然气可能成为下一场瓶颈 06:00 为什么这个问题早在AI之前就已经形成：页岩气、液化天然气出口、管道与库存 12:30 AI数据中心新增用气需求如何进入模型 18:00 为什么“关掉出口”并不是简单解法 23:00 赢家和输家：天然气生产商、太阳能、电力资产、燃气轮机 31:00 核电、AP一千和美国能源系统的长期解法 39:00 超大规模科技公司、电价、消费者账单和风险管理 49:30 栏目收束：理解AI，也要理解能源和基础设施 【嘉宾背景】 Matthew Smith是Chronometer Partners创始人兼首席投资官，研究重点覆盖能源、工业、材料、电力、公用事业和基础设施。他的方法偏底层资产建模：从天然气井、管道、加工设施到发电资产，拆解供给能力和需求压力。 【原节目】 Invest Like the Best: Matthew Smith — Natural Gas: The Next Bottleneck 原节目发布日期：2026年7月21日 【制作说明】 本期为中文译制版，保留原节目主要访谈结构；原节目广告、节目预告和与正文无关的片段已删除。部分专业术语由栏目主持人用中文做了简短解释，便于直接收听。

交易员Gareth Soloway这期给出的不是一句“看多”或“看空”，而是一套比特币周期判断：短线如果突破6.7万美元，可能还有上冲7.1万到7.2万美元的空间；但从周线周期看，他认为比特币仍可能在10月前后面对更深回撤，关键测算指向3.5万美元区域。 这期最值得听的是他的概率框架：不是预测一定发生，而是用6.3万美元、6.7万美元、5.78万美元等关键价位判断行情是否验证或失效。对于关心加密资产、黄金、股票和风险管理的人，这期能看到海外交易员如何把图表形态、周期长度和仓位分散放在一起看。 提示：本期为交易员公开观点的中文译制版，仅作市场观察和投资教育，不构成投资建议，也不代表我们建议买入、卖出或持有任何资产。 适合谁听 * 关心比特币、黄金、股票等风险资产的人 * 想了解海外交易员如何做周期判断的人 * 想学习“概率、价位、仓位”风险框架的人 * 对金融市场观点感兴趣，但不想只听结论的人 Shownotes 00:13 栏目开场：这期为什么要先说明风险边界 00:50 Gareth开场：比特币的重要周期信号 01:45 短线结构：为什么突破6.7万美元很关键 03:20 6.3万美元：短线判断失效的位置 04:30 突破、回落和概率变化：交易员怎么动态修正判断 06:00 2017年、2021年和2025年的顶部结构比较 07:40 53周周期：为什么他担心10月前后还有压力 09:00 头肩顶形态：3.5万美元目标从哪里来 10:15 他会不会只等3.5万美元再买入 10:58 栏目结尾：把价格点当成风险框架，而不是行动指令 嘉宾背景 Gareth Soloway是美国市场交易员和技术分析师，Verified Investing联合创始人兼首席市场策略师，长期追踪比特币、黄金、股票指数和宏观市场图表。 原节目 Gareth Soloway: Bitcoin's Hidden Cycle Signal (35K Warning) 来源：YouTube / Gareth Soloway 链接：https://www.youtube.com/watch?v=cGsk3fYoag8