【本期介绍】 AI 把芯片越做越大，也把玻璃基板推到了新的风口。当更多芯片、更多存储被装进同一个封装里，承载它们的“底座”也需要改变。英特尔、英伟达等巨头开始关注这条技术路线，而一家清华父子创办的公司，已经在这个方向上做了多年。 这家公司叫巽霖科技。采访中，创始人兼 CEO 甄真说，公司最近连续三轮融资，估值大约每两个月翻一倍。但几年前，投资人连这是什么都看不懂：公开资料难找，产业链不完整，第一笔融资的尽调拖了八个多月。创始团队卖掉两套房，投入一千多万元，把产线先建了起来。 这场关于玻璃的生意，最初来自一次“无心插柳”。甄真的父亲甄洪滨原来做涂层，2018 年，有客户问能不能在玻璃上镀铜。父子俩把它当成科研项目，一做就是近四年。直到技术做成，再结合客户需求和材料特性，他们才开始系统论证玻璃基板在显示、芯片封装等场景里的商业机会。后来，产业方豪威集团的支持，为这次创业带来了转机。 如今，AI 算力需求正在让先进封装成为新的竞争焦点。但技术被看好，距离规模化应用还有多远？从一块样板到稳定量产，需要补齐工序、提高良率，还要等客户完成验证。巽霖已经在显示端推进量产，芯片业务则仍要经历更长的验证周期。与此同时，玻璃基板也未必会全面替代有机基板，它可能先进入最尖端的场景，再逐步向更多应用扩散。 这一期，我们和甄真聊了聊：一家做涂层的公司，为什么会走到下一代芯片封装的前沿？提前进入一个尚未成熟的赛道，靠的是偶然、技术积累，还是对产业方向的判断？当巨头开始押注，创业公司的先发窗口还有多久？这块玻璃，又要经过多少道关，才能成为下一个“光的故事”？ 【本期嘉宾】 甄真｜巽霖科技创始人兼 CEO 【本期主播】 陈伊凡｜虎嗅科技主笔、「AI 100」栏目主持人 【你将听到】 00:07 AI 芯片越做越大，为什么开始寻找玻璃底座？ 01:59 父子俩的无心插柳：一个镀铜需求，做了近四年 20:14 卖掉两套房：技术已经突破，商业化还要不要赌？ 22:07 从没人看懂到获得投资，产业资本看中了什么？ 24:54 AI 推动加工能力升级，玻璃的机会不只在芯片 30:26 “为了建一条玩具线融资，这种事我不干” 39:54 算力需求猛增，玻璃基板为何仍“叫好不叫座”？ 45:40 “前沿的东西不代表现在就没有订单” 【关于我们】 欢迎订阅虎嗅「AI 100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 卢策吾让机器人拿着刀片给自己刮过胡子。但问到机器人哪一年能像人一样，换个环境、换个任务也能干活，他却不愿给出一个年份。“拍脑袋”的答案，他不想说。 这位穹彻智能联合创始人兼 CEO、上海交通大学人工智能学院副院长，经历过具身智能的冷清。2021 年，他办过一场论坛，到场只有 7 个人，讲到一半又走了三四个。如今，资本涌入，行业热闹起来，他谈起技术进展，仍然习惯把问题拆开，拿实验说话。 比如数据。几十万小时、上百万小时，数字很直观，但如果机器人只在同一个工位重复同一个动作，录得再久，又增加了多少对世界的理解？卢策吾更关心数据里有多少有效信息，以及模型能吃进去多少。他反复提到一个词：斜率，也就是模型消化数据的效率。 提高这条斜率，需要做不少看起来不够“性感”的工作：管好数据质量和分布，让采集、训练、评估接得起来，让一个想法能更快被证明或证伪。穹彻花了很长时间搭这套系统。他打了个比方：先铺好高铁轨道，启动看起来慢，后面才能跑得快。 到了商业化，他的标准更直接：有多少任务能通过后训练做到 99% 的可靠程度？做到这个程度，要花多少钱？过去落地一个场景，需要一支团队；往后，能不能只要一个工程师，再到普通人也能部署？成本降到哪一步，生意才能铺到哪一步。 这一期，我们和卢策吾聊世界模型、数据采集，也聊三指夹爪与灵巧手之间的取舍。贯穿这些问题的，是他看待具身智能的一套尺度：模型究竟学会了什么，学得有多快，又能以多低的成本，在真实世界里把事情做好。 【本期嘉宾】 卢策吾｜穹彻智能联合创始人兼 CEO、上海交通大学人工智能学院副院长 【本期主播】 陈伊凡｜虎嗅科技主笔、“AI原生100”栏目主持人 【你将听到】 02:21 回看创业起点：预判了技术趋势，没料到资本热度 05:16 世界模型叫什么不重要，能不能把动作做对才重要 13:31 数据清洗和管线，这些“不性感”的活为什么关键？ 17:43 一个任务能做到 99% 可靠，要花多少钱？ 22:41 先落地工厂还是家庭？ 24:51 你的百万小时，和我的百万小时可能不是一回事 31:08 为什么选三指夹爪，而不是更像人手的灵巧手？ 36:36 Scaling Law：除了数据量，还要看模型学习的斜率 44:25 从药房出发，机器人生意如何摆脱人力堆项目？ 50:42 不用模型就能解决的场景，为什么不值得做？ 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 塑料真正棘手的地方，不只是难以降解，而是它在完成使用使命之后，很难以足够低的成本回到生产系统。混入新料回收会损失性能，直接降解又意味着材料价值被一次性消耗。能做到闭环的技术不够便宜，足够便宜的技术又做不到闭环。 赋澈生物试图换一种解法：让微生物制造一组可以被设计的小分子，再把它们做成高性能材料。材料使用后，可以在相对温和的条件下拆回原始分子并重新制造，反复循环时尽量不牺牲性能。 这项技术始于2019年的加州大学伯克利分校。由合成生物学家杰·基斯林领衔的团队，将生物制造、材料学、计算预测和技术经济分析放进同一个研发框架。王子龙负责的项目，后来发表于《自然·生物技术》。团队也把一套长期受制于低产量的“可编程合成酶”，推进到了具备工业化可能性的阶段。 但从论文走向工厂，中间横着另一道“死亡谷”：实验室里可以生产，不代表几万升的发酵系统仍能稳定运行；材料性能成立，也不代表客户愿意更换设备和供应链。赋澈选择的第一批场景，不是用新材料替代所有塑料，而是进入已经存在回收链条、拆解成本又足够高的行业，让材料先解决一笔算得过账的生意。 AI在这里也不是单独售卖的概念。赋澈用聚焦具体问题的小模型预测材料性能，当前研发候选分子均由AI提供方向；生产和实验又不断生成连续、可追溯的真实数据，反过来训练下一轮模型。比模型更稀缺的，是能够持续制造高质量实验数据的能力。 这期节目，我们和赋澈生物创始人、CEO王子龙聊了聊：为什么“可降解”仍不是塑料问题的终点？一套二十多年前便已出现的酶，如何跨过工业化门槛？AI究竟改变了材料研发的哪一步？一家科研创业公司，又该如何在长期技术理想与第一笔商业收入之间分配资源？ 【本期嘉宾】 王子龙 赋澈生物创始人、CEO 【本期主播】 陈伊凡 虎嗅科技主笔、「AI 100」栏目主持人 【你将听到】 03:21 赋澈在做什么：教微生物制造可设计、可循环的材料 09:02 为什么“可降解”不是终点，塑料必须回到生产系统？ 19:18 AI for Science最稀缺的资产，不是模型而是数据生成能力 42:16 从实验室到工厂：生物制造公司的“死亡谷” 53:20 新材料为什么不能直接替代现有塑料？ 01:34:11 第一份订单可以不盈利，但必须验证商业闭环 01:37:45 从电子产品拆解切入：先回收价值更高的零部件 01:47:22 如果赋澈失败，最大的风险为什么不是技术？ 01:59:01 为什么研发留在美国，生产制造必须重视中国？ 02:01:39 让回收不再只靠“高尚道德”，而是让每个环节都有利可图 【关于我们】 欢迎订阅虎嗅「AI 100」栏目。我们将围绕AI原生创新，分享垂直领域里的创新产品、创始人和操盘者的AI思考与行动、AI落地千行百业的know-how，以及正在通过AI产生实际收益和价值的创新案例。

【本期介绍】 人工智能行业有一个不太体面的公开秘密：模型越来越聪明，却始终健忘。 它可以解奥数题、写复杂代码，却未必记得用户上周说过什么。行业把这个问题称为上下文限制、会话隔离或者无状态设计，但这些术语指向的是同一件事：我们造出了智商超群的“天才”，却没有给它配上一份像样的记忆。 过去，这个缺陷并不致命。一个既写不了代码、也办不成事的模型，记性好坏无关紧要。变化发生在最近两年：Coding Agent 开始完成复杂任务，Agent 逐渐接管真实工作流。用忆纪元创始人郝建业的比喻，以前 AI 连手和脚都没有；现在它已经能做很多事，人们才发现，它缺的是灵魂。 2026 年 3 月，郝建业离开华为创办忆纪元。它没有选择用规则和数据库给大模型外挂一本“笔记”，而是试图训练一个独立的记忆模型：先处理、压缩和更新长期信息，再把需要的记忆交给基座模型推理。 这条路线并非技术上的终点。郝建业认为，记忆与推理最终可能融合进统一架构；但对一家创业公司而言，解耦方案更容易工程化，可以逐步提升能力，也能更快进入 Coding、泛娱乐和企业服务等真实场景。 忆纪元要回答的因此不只是一个技术问题。记忆涉及用户最核心的数据和隐私，一个不绑定特定基座模型、能够随用户迁移的第三方记忆层，能否成为新的基础设施？客户又是否愿意像购买模型能力一样，为记忆单独付费？ 这一期，我们和郝建业聊了聊：扩大上下文窗口为什么治不好模型的“失忆症”？训练一个记忆模型真正稀缺的能力是什么？当终极架构尚未成熟，技术创业公司如何在前沿探索与商业闭环之间作出选择？ 【本期嘉宾】 郝建业 忆纪元 MemoraX AI 创始人兼 CEO、天津大学菁英教授，曾任华为决策推理实验室主任、大模型算法实验室主任及医疗军团技术总裁 【本期主播】 陈伊凡 虎嗅科技主笔、「AI 100」栏目主持人 【你将听到】 00:06 模型越来越聪明，为什么仍然记不住用户？ 02:53 基座模型格局趋于收敛后，为什么创业做记忆？ 05:44 扩大上下文窗口，为什么治不好模型的“失忆症”？ 22:33 几百轮对话不混乱，普通用户如何感知“记忆”？ 24:03 规则加数据库，为什么难以形成可持续进化的记忆？ 30:48 Coding、泛娱乐与企业服务，AI记忆层的商业化从哪里切入？ 40:01 为什么第三方记忆层可能比基座模型自带记忆更有价值？ 47:58 To C 决定上限，To B 守住下限，数据飞轮如何转起来？ 01:09:40 当 AI 有了手和脚，记忆才成为它缺少的灵魂 【关于我们】 欢迎订阅虎嗅「AI 100」栏目。我们将围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 AI 时代最风光的“卖铲人”是英伟达。但再往产业链上游走一步，谁在给这些卖铲人造铲？ 答案可能是一家普通人几乎不会接触到的硬科技公司——博顿光电。它所研发的离子源和离子束设备，像一把工作在原子尺度的“纳米级刻刀”，参与镀膜、刻蚀、抛光等工艺，藏在精密光学、航空航天、光通信、半导体、高温超导和量子科技的生产环节中。 2016 年创业时，博顿光电创始人冀鸣和团队只想解决一个足够小、也足够难的问题：把长期依赖进口的核心部件离子源做出来。但随着产品不断进入新的产业，他们发现，自己可能把这个赛道想小了。当前沿产业对材料性能的要求逼近物理极限，原本冷门的离子束技术，正在成为一种共性、基础的加工工具。 博顿的成长看似连续踩中了风口。2019 年，一次海外断供让刚刚推出产品的博顿获得了进入航天项目的机会；2022 年，全国产设备的需求推动公司从离子源走向整机；此后，泛半导体、光通信和高温超导的扩产，又把一个分散的小市场带入批量化阶段。2026 年，也成为公司成立以来收入增长最快的一年。 但“时代的馈赠”并不意味着一路顺风。第一款产品上市后，几十台订单接踵而至，批次质量不一致的问题却险些拖垮公司。螺丝该用多大力、拧多少圈，曾经全凭老师傅的经验。博顿不得不停掉大半年订单，从头补上标准化、质量体系和批量制造这一课。 离子束为什么会从精密光学走向光芯片和高温超导？国产设备如何从“可用”跨向“好用”？一家创业公司又如何在海外巨头积累数十年的市场里找到后发优势？本期节目，我们与冀鸣聊了聊博顿光电的十年：一门被创始人“想小了”的生意，如何在产业浪潮的交汇处，逐渐成为前沿科技背后的基础设施。 【本期嘉宾】 冀鸣 博顿光电创始人、CEO 【本期主播】 陈伊凡 虎嗅科技主笔、“AI 100”栏目主持人 【你将听到】 02:09 超亿元融资之后，离子束赛道发生了什么变化？ 04:30 从一个冷门部件起步：团队把这门生意想小了 11:01 商业计划讲不清楚，为什么仍要先啃最难的核心部件？ 14:26 国家队技术更强，市场化公司为什么做成了工业产品？ 20:19 “断供的馈赠”：第一个航天客户如何验证国产设备？ 26:32 几十台订单差点拖垮公司：第一次理解什么叫制造业 31:28 国产设备的真实位置：局部超越与长期可靠性的差距 34:56 从依赖老师傅，到建立标准化的精密制造体系 43:41 “农村包围城市”：为什么先做分散市场，再进入半导体？ 58:42 产业离商业化越远，为什么“卖铲人”反而越早赚钱？ 01:02:50 回看创业十年：最后悔的是走得不够快 01:04:42 市场开始变热后，最大的挑战不再只是技术 【关于我们】 欢迎订阅虎嗅「AI100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 未来的数据中心，会不会被搬到太空？ 这个看起来仍然遥远的设想，正在同时吸引通信、AI 和商业航天三个行业的注意。地面算力持续消耗电力、水和土地；太空拥有近乎无限的场地、持续的太阳能，也能利用宇宙低温背景进行辐射散热。但服务器一旦离开地面，又要面对高能粒子、散热、通信带宽和发射成本等一系列新问题。 邢若粼对算力上天的判断并不是从大模型开始的。早在 2019 年，他便从 5G 向 6G 演进的过程中意识到：未来的通信基础设施会逐渐进入太空，而网络的本质正在变成计算。AI 的出现，进一步放大了这个判断——卫星网络不仅需要算力，也可能直接成为算力服务的分发渠道。 2025 年，邢若粼与团队成立一苇宇航，希望把服务器、芯片和云服务真正部署到太空。与传统航天公司不同，他们更愿意把太空算力理解成一个计算问题：通过软件和系统架构适应太空环境，用计算机行业的开放生态与快速迭代，改变航天系统原本封闭、缓慢的研发方式。 不过，技术可行并不等于商业成立。把高算力服务器送上天，第一批客户是谁？地面已有大量数据中心，太空算力如何找到不可替代的需求？创业公司又凭什么在国家队、运营商、芯片企业和云厂商之间获得定价权？ 这期节目，我们从 5G 没有兑现的想象讲起，讨论太空算力的技术难点、商业闭环和产业窗口，也试着回答：这究竟是一场由资本推动的新叙事，还是下一代计算基础设施正在形成的起点？ 【本期嘉宾】 邢若粼 一苇宇航创始人兼 CEO 【本期主播】 陈伊凡 虎嗅科技主笔、虎嗅「AI 100」栏目主持人 【你将听到】 02:05 为什么在 2025 年成立一家太空算力公司？ 06:33 算力上天最初源于通信，而不是 AI 13:00 从卫星带宽到 AI Token：商业模型如何成立？ 30:14 5G 为什么没有给普通人的生活带来明显变化？ 34:32 太空算力怎样服务地面的 AI 需求？ 56:35 太空算力的本质，是争夺太空资产的定价权 58:06 为什么太空算力更适合商业公司来做？ 01:02:28 “沿途下蛋”：长期愿景之外，如何解决眼前的现金流？ 01:04:19 从卖硬件到卖服务，太空算力平台如何运转？ 01:14:09 马斯克讲完这个故事后，投资人突然听懂了 01:17:48 国家队、大厂环伺，创业公司的窗口在哪里？ 01:24:17 一苇宇航的第一性原理：人是唯一的变量 【关于我们】 欢迎订阅虎嗅「AI 100」栏目。我们将围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 一把沙子要变成芯片，先要经历一场材料革命。硅的提纯催生了晶体管、个人电脑和互联网，也托起了今天的人工智能。 现在，这个因材料而生的 AI，开始反过来寻找下一种材料：更高效的催化剂、更稳定的固态电池电解质，以及可能突破芯片、能源与化工瓶颈的新方案。 材料研发最难的，从来不是在无数排列组合里“猜”出一个答案，而是把预测、验证和生产接成一条可以持续迭代的链路。材科源图给出的方案，是用真实实验数据库、物理模型、AI 智能体和高通量实验组成闭环，让每一轮实验都成为下一轮研发的训练材料。 这套系统的门槛也不只在模型。高质量的失败数据从哪里来？材料结构与性能之间的物理关系如何建立？AI 提出的方案，怎样在湿实验里被真正做出来？这些环节缺掉任何一块，所谓“AI 找材料”都可能停在预测阶段。 但这期对话更关心实验室之外的另一道难题。过去一年，资本把 AI for Science 推上风口，概念和估值一起升温；真正能够找到材料、做出材料并带来收入的公司，却仍然稀缺。 材科源图董事长兼首席科学家李昊选择了一条更重的路线：从非标研发服务、材料方案储备，走向产业合资和自建产线。对他而言，AI 的价值不能只体现在一张预测结果里，而要最终变成材料、工艺和收入。 AI 找到材料之后，商业化为什么才刚刚开始？数据与物理模型怎样形成护城河？从轻资产服务走向重资产产线，会不会反而拖慢公司？这期节目，我们从一套材料研发闭环出发，讨论 AI for Science 如何跨过从论文、模型到产业的最后一段路。 【本期嘉宾】 李昊 材科源图董事长兼首席科学家、日本东北大学材料科学高等研究所教授 【本期主播】 陈伊凡 虎嗅科技主笔、虎嗅「AI 100」栏目主持人 【你将听到】 * 03:29 为什么现在成立一家 AI for Materials 公司？ * 05:45 从“被动预测”到“主动研发”，大模型改变了什么？ * 06:41 材料领域的 AlphaGo moment：想要什么，就找到并做出什么 * 10:21 客户试错 20 多年，为什么 AI 两个月就能找到新材料？ * 16:15 由一篇“重复发现”的论文，启动七年的人工数据挖掘 * 25:54 为什么材料专家比 AI 专家更适合做 AI for Materials？ * 27:39 从定制研发到“材料银行”，商业闭环怎么完成？ * 35:08 需求还是资本先行？AI for Science 的窗口与泡沫 * 39:33 不想停在一张 PPT：为什么必须走向自建产线？ * 56:01 固态电池还有 92% 未探索，AI 能否在两年内改写进度？ 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 机器人行业最容易被看见的是身体：人形外观、机械臂、灵巧手，以及越来越像人的行走和劳动。但智在无界是一家从来没有造过机器人的机器人公司。它选择只做那个看不见、也更难被验证的部分：机器人的大脑。 这一期「虎嗅 AI 100」，我们邀请到智在无界创始人卢宗青，聊通用具身基础模型究竟应该怎么训练。 智在无界用人类第一视角视频训练模型。从最初的3000小时到如今的50万小时，它的模型已经可以控制30多种不同的机器人，并在端侧实现30赫兹推理。2023年年底，当行业还在仿真数据和真机数据中寻找答案时，卢宗青就判断，人类视频拥有更广的数据分布，也更有可能被规模化。 后来，人类视频逐渐成为行业共识。但数据路线开始收敛，并不意味着具身智能已经找到了正确方法。卢宗青认为，今天市面上还没有一个模型真正配得上“世界模型”这个名字。行业知道需要更多数据，却依然不知道应该用怎样的学习范式，把这些数据转化成通用的机器人大脑。 这也是智在无界最有意思的矛盾：它在一个没有标准答案的领域，做一家必须持续给出答案的模型公司。投资人反复追问它为什么不做硬件、为什么要用人的数据；卢宗青的选择则是把有限的团队资源放在最根本的问题上。硬件是一种商业选择，模型能力才是决定这家公司能走多远的前提。 智在无界从VLA走向Latent World Action Model，希望绕开逐像素预测带来的巨大算力开销，把训练成本降低到视频生成路线的几十分之一，甚至1%。但卢宗青也没有把当前路线描述成终点。他说：“我能保证公司最终收敛到一个正确的方法，但是我不能保证当前的方法就是最终的方法。” 在一个习惯向投资人讲确定性的行业里，这种坦率反而构成了这期对话的核心。在这期节目里，我们会聊世界模型为什么被叫滥了，人类视频为什么可能是训练通用具身模型最重要的数据来源，纯模型公司如何找到自己的生态位，以及当大厂真正入场时，创业公司还能拥有多长的时间壁垒。 【本期嘉宾】 卢宗青｜智在无界创始人、北京大学计算机学院长聘副教授 【本期主播】 陈伊凡｜虎嗅科技主笔、“AI原生100”栏目主持人 【你将听到】 00:06 一家不造机器人的机器人公司，到底在做什么？ 02:18 世界模型被说滥了吗？什么才是真正的具身基础模型？ 06:37 从游戏智能体到物理世界：为什么决定转向机器人？ 11:44“大规模的人类视频，可能是唯一可以训出来通用具身基础模型的数据。” 15:29 50 万小时视频的真正壁垒：不是采集，而是标注粒度 38:08 中美具身模型“本质上没有差距” 50:44 大厂真正入场之前，创业公司的时间壁垒在哪里？ 53:13“我能保证的是我们公司最终能收敛到一个正确的方法，但是我不能保证我当前的这个方法就是最终的方法。” 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 这一期「虎嗅 AI 100」，我们邀请到圆木智能创始人兼 CEO 姜昌浩，聊一个很多人想过，但很少有人真正走进去的问题： 当中国工厂已经把“勤奋”发挥到极致，下一轮效率提升还能靠什么？答案可能不是让工人加班更久，而是让 AI 帮工厂里的脑力劳动变得更高效。 姜昌浩是一个典型的 AI 创业者。清华计算机系出身，过去做过量化和金融科技。大模型时代到来后，他没有选择更熟悉的领域，而是一头扎进了制造业——这个看起来最传统、最复杂，也最“不像 AI”的地方。 过去一年，他和团队跑了上百家工厂，发现一个有意思的现象：很多工厂并不是没有经验，而是经验都藏在人的脑子里。老师傅知道怎么处理异常，排产员知道怎么调整订单，工程师知道怎么优化工艺，但这些能力很难被记录、复制和传承。AI 真正能做的，也许不是替代这些人，而是把他们多年积累的经验变成一种新的生产力。 圆木智能正在做的，就是让 AI 进入这些复杂的工业场景。比如生产排程这件事，看起来只是安排机器、人和订单，但背后其实是一个巨大的动态决策问题。「今天排」希望让 AI 帮助排产员快速找到更优方案，而不是取代那个最懂工厂的人。 姜昌浩相信，中国制造下一阶段的竞争，不应该继续比谁花更多时间、投入更多人力，而应该比谁能更好地利用 AI，把工厂里的“脑力资产”释放出来。 在这期节目里，我们会聊：为什么一个 AI 创业者选择进入最难的工业领域？工厂里最有价值的数据，为什么可能不在数据库里？AI 到底是在替代工人，还是帮助工人升级？以及，中国制造能不能从“卷人力”，走向“卷脑力”？ 【本期嘉宾】 姜昌浩 圆木智能创始人兼 CEO 【本期主播】 陈伊凡 虎嗅科技主笔、“AI 原生 100”栏目主持人 【你将听到】 04:19 “之前做什么都不重要了，这是一个新时代”：一个 AI 创业者为什么转身进入工业？ 05:51 中国工厂为什么可以跳过数字化，直接进入 AI 时代？ 08:53 “中国制造下一阶段，不应该继续卷工时，而应该卷脑力” 12:14 工厂最值钱的经验在老师傅脑子里，为什么一直没有被记录下来？ 15:00 数据越多，AI 就越懂工厂吗？工业数字化最大的陷阱是什么？ 27:04 “我们不会选择所有工业场景，而是寻找复杂且通用的机会” 28:18 一个二十年前就存在的问题，为什么等到 AI 时代才有机会被解决？ 32:42 AI 不是替代排产员，而是让一个人拥有过去几个人的能力 41:14 从软件订阅到 Token 计费：工业 AI 会出现怎样的新商业模式？ 54:19 工业 AI 的真正价值，不是优化机器，而是优化工厂里的脑力劳动 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 这一期「虎嗅 AI 100」，我们邀请到 YouMind 创始人玉伯，聊一款 AI 内容创作工具，或者更准确地说，一个属于每个人的 AI 创作工作间。 从起心动念，到查资料、写文章、做 PPT、看视频、做笔记，再到最终产出，YouMind 想把创作过程放在同一个空间里完成。听起来野心不小，但和玉伯聊完会发现，他并不是那种能把“稻草说成金条”的创业者。相反，他的小红书签名是“一个诚实的人”。 玉伯说，PMF 是 Buzzword，MVP 是闭门造车加赌博，免费增长是移动互联网的毒瘤。这两年，他一直在做一件事：祛魅。祛的是互联网的魅，也是大厂经历留在创业者潜意识里的那些惯性，比如融更多钱、招更多人、租更大的办公室、追求一次现象级增长。 YouMind 从 2024 年年底上线，版本号从 0.1 开始，一直到现在的 1.0 Beta，玉伯才觉得产品逐渐找到了答案。它不再只是一个 AI 效率工具，而更像一个 AI 效果工具：不是单纯帮用户省时间，而是让用户愿意花更多时间，把内容从六七十分打磨到八九十分。 在这期节目里，我们会看见玉伯对AI原生写作产品的思考。YouMind 为什么从服务专业创作者转向服务“想成为李子柒的人”？好看、好用、好卖、好玩这四步怎么走？一款AI产品怎么做减法？我们也会看见一个从大厂出来的技术人，怎么一点点把自己身上的虚荣拔干净。 【本期嘉宾】 玉伯 YouMind 创始人、前字节跳动产品副总裁、前蚂蚁集团语雀产品负责人 【本期主播】 陈伊凡 虎嗅科技主笔、“AI原生100”栏目主持人 【你将听到】 00:06 YouMind 是什么：从 AI 内容创作工具，到每个人的创作工作间 00:39 为什么说 PMF、MVP、免费增长都需要祛魅？ 02:47 增效不是省时间，而是提升产出质量 09:53 与其服务李子柒，不如服务想成为李子柒的人 11:19 PMF 是 Buzzword 吗？如何定义真正的 PMF？ 17:18 为什么减功能比加功能更难？ 26:03 AI 产品如何把产品做厚：先有“城”，再谈“护城河” 28:02 做Skills版“淘宝”，如何把用户经验做成可交易的技能？ 32:31 为什么移动互联网的免费逻辑在 AI 时代不成立？ 35:22 YouMind如何体现创始人品味？ 40:13 AI产品在海外增长会踩什么样的坑？ 44:38 怎么定义失败：“梦想不一定要自己实现” 46:46 如何在竞争面前不把自己“搞死”——“看清念头中的贪婪，但这就是人性” 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、AI 落地千行百业当中的 know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。

【本期介绍】 这一期「虎嗅 AI 100」，我们邀请到 BodyPark 创始人兼 CEO Alex 林宜立，聊一款名叫「阿童木」的口袋 AI 私教机，以及 AI 原生硬件为什么可能重新改写健身这件事。 健身一直是一门和“反人性”较劲的生意。大多数人都知道运动重要，也知道自己应该流汗，但真正困难的从来不是找不到课程，而是启动难、坚持难、没人反馈、没人陪伴。过去的 Peloton、健身镜、录播课和内容平台，都曾经试图解决这个问题，但很多设备最后变成了昂贵的“晾衣架”，很多课程也输给了用户的惰性。 BodyPark 的路径有点不一样：它先从线上真人私教服务平台做起，用 AI 辅助教练提升服务效率，再走向软硬结合。2025 年，BodyPark 的 AI 健身硬件「阿童木」在海外众筹平台亮相，成为近年来 Fitness Tech 领域支持人数最多的项目之一，并获得 2026 年红点设计大奖。 所以我们想追问的是：AI 原生健身硬件到底应该长什么样？为什么它不是手机、不是健身镜、也不是一台更小的摄像头？AI 教练能否真的接近真人私教？以及，在一个天然反人性的赛道里，创业者如何判断 PMF、留在牌桌上，并把一家公司的产品做成自己的表达？ 【本期嘉宾】 Alex 林宜立 Bodypark创始人 【本期主播】 陈伊凡 虎嗅科技主笔、“AI原生100”栏目主持人 【你将听到】 01:46 为什么要聊阿童木：第一款 AI 原生健身硬件应该长什么样？ 03:40 留在牌桌上，持续迭代很重要 03:54 什么是真正的 PMF？ 05:02 为什么创业选择“反人性”的健身赛道？ 09:09 AI如何影响了BodyPark 的业务调整？ 18:00 AI 原生硬件的第一性原理：为什么不是手机？ 30:19 产品如何体现创始人的品味？ 32:08 Bodypark如何讲好数据飞轮的故事？ 38:34 AI 原生硬件还没有划时代：好创意很多，但真正全面成功的还少 39:09 求因不求果，创业者要看长期周期 40:23 “创业是最好的自我表达” 【关于我们】 欢迎订阅虎嗅「AI原生100」栏目。我们将会围绕 AI 原生创新，分享垂类里的 AI 创新产品、创始人或操盘者的 AI 原生思考和行动、 AI 落地千行百业当中的know-how，以及正在通过 AI 落地并产生实际收益和价值的创新案例。