节目

本期嘉宾 @星球研究所，抖音精选创作者，聚焦于泛地理科普，用地理视角解构世间万物 轮值主播 @粒粒腔Lily，《姐力觉醒》主播 本期提要 单期视频制作总成本上百万，制作周期3个月，参与人数至少十余人......这般惊人投入，最终沉淀为@星球研究所 的一条视频，出现在抖音的推荐流里。 在内容碎片化的时代，星球研究所依然用极致的方式做着科普内容。为了拍到震撼人心的画面，他们会登上数千米的皑皑雪山，或深入绵延几百公里的溶洞；为了带来稀缺视角，他们会探访大国工程的一线，或依托数字技术复现古代奇迹的震撼。 本期《精选奇遇记》，我们对谈@星球研究所 的两位主创桢公子、洪天祥，听听从图文到实体书到短视频，十年资深内容团队为什么愿意在科普上如此深耕和重磅投入，又怎样在不同的内容形式上持续带来好作品？ 同时，我们也跟随@星球研究所 的镜头，重新认识故土山河。我们会一起探访神秘的殷墟，触摸殷商尘封的历史，仰望央迈勇，读懂神山背后褶皱间的神奇，还会穿行于未通车的天山胜利隧道，感受大国工程的震撼，驻足地沟油加工现场，见证废料蜕变为航空燃料的奇迹。 人的肉身能抵达的地方始终寥寥，但借由方寸屏幕，我们却能看见不一样的中国，触碰更广阔的世界。 时间轴 00:01:41 星球研究所：做泛地理科普，希望我们的眼睛成为所有人的眼睛 00:03:01 十年创作中积累的那些代表作 00:06:09 从图文到图书到视频，不同内容形式下如何创作？ 00:09:43 单条视频三个月时间、上百万投入 00:15:15 创作者如何找到新颖的立意？ 00:17:55 极致内容背后那些不为人知的故事 00:19:31 摄影团队上天入地，只为拍到理想画面 00:26:07 未来成为中国的Discovery？首先想做百年老店 00:29:44 评论区的精彩回复：参与天山隧道修建的工程人员集体晒图，留下盾构机穿透山体的历史画面 00:33:08 认知打开的瞬间：地沟油变废为宝、棉絮状的岩石、央迈勇神山背后的皱褶、大国工程现场的感动 00:46:27 普通人也能抵达的神奇旅行目的地 00:51:58 因为热爱地球、见过山河之壮美，所以选择加入星球研究所 00:58:51 《这里是中国》丛书的那些隐藏巧思 请你动动手指 评论区聊聊「你最喜欢的一支星球研究所视频 / 你见过的最神奇的地理现象（待定）」，点赞 TOP3 可获得抖音精选周边好礼 微信搜索 madmadmadman 添加小助手，加入粉丝群不定时掉落专属福利

We celebrated the work-from-home revolution with no traffic, no commute, and total freedom. But the research is in, and the findings are unsettling. Days without face-to-face contact are taking a real toll. Isolation is rising, relationships are fraying, and the digital leash keeps tightening. So what are we actually trading for that extra hour in bed? On the show: Steve, Fei Fei & Yushan

The Gaokao is over, but a new pressure has just begun. What to study? What to become? This year, Chinese universities are rewriting the rules with flexible tracks and unconventional majors. Their message is simple. Your major is not your destiny. So how do you pick a path in a job market that refuses to stand still? On the show: Steve, Fei Fei & Yushan

026年美股超级IPO重磅落地，SpaceX以1.77万亿美元估值刷新全球纪录，却深陷“高估值、持续亏损”的定价悖论。传统估值模型完全失效，市场对其估值锚点、商业模式、行业壁垒争议不断。本期《Helen's财经晚餐》拆解SpaceX天价估值的底层逻辑，剖析星舰、星链两大核心业务的真实盈利账本与技术落地进度。同时深度解读马斯克多线操盘的治理风险、市场泡沫隐患，结合机构视角与行业竞争格局，详解散户与机构当下建仓、观望、风控的核心思路，找准后市交易信号。

📝 本期播客简介 本期我们克隆了：The MAD Podcast with Matt Turck: The GPU Myth: State of AI Compute 2026 | Stephen Balaban 原内容更新时间：2026-06-18 本期来自 Matt Turck 主持的 The MAD Podcast，这是一档长期聚焦 AI、数据基础设施与科技创业的深度访谈节目。主持人 Matt Turck 是 FirstMark 投资人，本期嘉宾 Stephen Balaban 是 Lambda 联合创始人兼 CTO。Lambda 是 AI 算力热潮中最受关注的 neocloud 之一，从早年做人脸识别、DeepDream 图像应用、GPU 工作站，到今天运营接近十亿美元年化收入规模的 GPU 云业务，几乎完整穿越了深度学习商业化的多个周期。 这期节目核心讨论一个曾经被广泛误判的问题：GPU 计算会不会像普通云资源一样迅速商品化？Stephen 的答案非常明确：不会。因为 AI 云不是“租几块 GPU”这么简单，而是土地、电力、数据中心、液冷、网络、存储、虚拟化、软件编排、长期承购协议和私人信贷共同构成的超复杂垂直整合业务。节目里大量拆解了为什么 H100 的租赁价格并未像外界指数显示的那样简单下跌，为什么 2023 年部署的 GPU 今天反而可能租得更贵，以及为什么“会计折旧周期”并不等于“经济可用寿命”。 更重要的是，这期对话把 AI 算力从抽象概念拉回到物理世界：能源如何变成 tokens？一个吉瓦级 AI 工厂到底意味着什么？为什么 AI 数据中心的瓶颈正在变成土地和电力？NVIDIA 真正的护城河是芯片本身，还是 CUDA、cuDNN、NCCL 与开发者生态？此外，Stephen 还提出了“AI 不会写软件，而会变成软件”“神经操作系统”“自组装软件”“一个人一个 GPU”等极具想象力的判断，非常适合关注 AI 基础设施、云计算、创业融资、半导体与未来软件形态的听众。 👨‍⚕️ 本期嘉宾 Stephen Balaban，Lambda 联合创始人兼 CTO。Lambda 是面向 AI 训练与推理的 GPU 云服务和 neocloud 公司，长期为 AI 研究者、实验室和企业提供高性能计算资源。Stephen 从 2012 年深度学习早期就开始创业，最初做人脸识别 API，后来做过摄像头棒球帽 Lambda Hat、DeepDream 图像产品 DreamScope，再因高昂 AWS 账单转向自建 GPU 集群，逐步发展出 GPU 工作站、服务器和云业务。相比单纯的云厂商高管，他的特殊价值在于同时理解深度学习工作负载、硬件供应链、数据中心物理层、GPU 网络、云软件编排、资本开支与融资结构，因此这期节目不只是技术访谈，也是一堂 AI 算力产业的底层商业课。 ⏱️ 时间戳 开场与本期问题 00:00 跨国串门计划开场：用中文克隆全球优质播客 00:38 本期克隆节目介绍：The MAD Podcast 与 AI 算力硬核对话 01:29 Stephen 开场判断：GPU 不会被扔掉，AI 算力仍严重建设不足 02:05 Matt Turck 正式介绍 Lambda 与 neocloud 主题 02:22 本期议题总览：GPU 不是商品、数据中心融资、H100 租赁与吉瓦级 AI 工厂 02:38 Lambda 的疯狂起源：从人脸识别到摄像头棒球帽，再到十亿美元云业务 GPU 云为什么没有商品化 02:54 当年唱衰 neocloud 的人错在哪里 03:16 核心判断：云计算不是商品化服务 04:02 GPU 租赁价格下降了吗？长期费率与按需费率的差异 04:13 Bloomberg H100 租赁价格指数可能误读了市场结构 05:05 neocloud 的竞争优势来自技术还是融资 05:19 Lambda 的软件编排层：把超大 GPU 集群切分给客户 05:38 从网页启动 16 到 4000 块 GPU：one-click cluster 的差异化 05:54 数据中心建设、上线速度与金融结构同样是创新层 06:30 neocloud 会赢家通吃，还是容纳多个大玩家 06:52 技术、资本形成与经济护城河会塑造寡头市场 AI 算力需求、Scaling Laws 与瓶颈 07:10 未来到底是过度建设还是建设不足 07:21 Stephen 判断：总体仍然严重建设不足 07:39 “把钱投进去，另一端产出软件”的系统正在成形 07:53 Opus 4/5 之后，AI 需求继续扩大的原因 08:06 Scaling Laws 还没看到尽头 08:39 模型能力提升会不断扩大可服务市场 09:08 计算效率提升十倍，会不会打击算力需求 09:16 效率提高只会让每个人处理十倍 tokens 10:08 Lambda 当前建设的主要瓶颈在哪里 10:14 瓶颈通常先是局部问题，再变成全局问题 10:28 行业级瓶颈：土地、电力与数据中心设备 10:52 反数据中心运动有多真实 10:58 社区参与、大型资本项目与公共沟通 11:42 关于数据中心耗水的错误信息 12:24 行业需要更清楚解释现代 AI 数据中心的真实影响 从能源到 tokens：AI 计算的物理链路 13:28 打开引擎盖：如何理解 FLOPS、GPU 小时、tokens 和 MFU 13:39 用物理视角拆解计算单位 13:57 从光子、天然气分子到焦耳和瓦特 14:34 PUE：数据中心自身冷却效率 14:43 服务器、网络、存储如何产生 FLOPS 14:55 从 FLOPS 到 tokens，再到真正的智能 15:19 同一款芯片，为什么不同公司能榨出不同价值 15:30 GPU 小时成本中最大部分是折旧 15:42 利用率如何放大或压低每小时折旧成本 16:00 云产品体验决定 GPU 利用率 16:10 按需零售价格与长期批发价格的巨大差异 16:27 Lambda 如何追求最高美元利用率和百分比利用率 GPU 网络、前沿推理与成本结构 16:59 从一堆 GPU 到 GPU 网络：AI 集群如何连接 17:09 GB300 NVL72、NVLink、InfiniBand 与 spine-leaf 拓扑 17:35 全连接无阻塞网络如何服务训练和推理 17:47 什么是 frontier inference 前沿推理 18:16 前沿推理不是“推理模型”，而是超大前沿模型的分布式推理 18:47 训练中的反向传播与前向传播 19:02 大规模训练基础设施如何复用到推理 19:10 混合专家模型、分片策略与分布式推理 19:39 小模型可放进单卡，大模型必须跨服务器运行 19:52 模型成本最贵的到底是什么 20:06 单位成本最大项依然是折旧 20:25 从发电厂、数据中心到服务器的吉瓦级资本开支 20:47 服务器物料清单中 GPU 和 HBM 内存的重要性 NVIDIA 护城河与 AI 云技术栈 21:06 Lambda 使用哪些 NVIDIA 芯片 21:16 从 V100、A100、H100 到 B300、VR200 的芯片栈 21:47 未来会不会进入多种 AI 芯片并存的世界 21:56 多种硅芯片竞争已经发生 22:13 NVIDIA 的平台优势与开发者生态 22:34 NVIDIA 的护城河不只是 CUDA 22:38 cuDNN：为矩阵乘法高度调校的引擎 23:24 NCCL：感知网络拓扑的通信优化库 23:48 软件栈是新芯片玩家很难跨过的门槛 24:05 网络与存储在 AI 云中的角色 24:13 训练数据、推理输入与高速存储 24:34 Lambda 的 AI 优化并行文件系统 24:55 “完全自研”到底意味着什么 25:35 除非自己开采硅和造 ASML，否则没有真正从零自研 25:50 如何把一万个 GPU 集群切分成可用云资源 26:05 带内网络、计算网络、带外监控网络的分工 26:40 RDMA 与 GPU HBM 直接内存访问 27:06 现代 AI 数据中心背后的庞大软件工程 27:40 为什么传统数据中心房东并不知道 AI 数据中心里真正发生什么 28:05 让公众理解：AI 数据中心处理的就是 ChatGPT 请求 垂直整合、区域策略与融资结构 28:21 Lambda 是租数据中心，还是自己建设 28:31 从租用方走向完整垂直整合 28:43 找土地、做设计、融资建设、绑定长期承购协议 29:18 Lambda 会不会把自建数据中心租给别人 29:25 当前重点是服务 Lambda 自身算力需求 29:49 Lambda 的国际化策略：聚焦北美尤其美国 30:23 AI 云需要像传统云一样贴近客户吗 30:29 延迟在许多 AI 工作负载中并不重要 30:51 Agent 和研究报告场景里，token 成本比延迟更关键 31:14 数据主权和治理会影响区域部署 31:38 AI 算力融资结构：按需云与长期承购协议 31:53 按需业务看 Lambda 信用，长期协议看最终客户信用 32:04 GPU、租约和承购协议如何进入资产抵押贷款结构 32:52 债权人开始真正理解 NVIDIA 芯片的资产价值 32:58 2023 年 H100 今天租金反而更高 33:29 为什么 H100 能以更高费率出租 33:41 高需求与更慢技术折旧共同推动价格 34:03 “GPU 三五年就报废”是错误判断 34:19 会计折旧周期不等于可用寿命 34:25 真正重要的是经济可用寿命 34:42 计算单元会不会形成现货和衍生品市场 34:52 GPU 现货市场与更复杂证券的早期苗头 35:34 GPU 正在被视为更成熟的信贷资产类别 Lambda 的创业史与团队韧性 35:46 回到起点：Lambda 最早从什么开始 35:58 为什么 Lambda 很难被传统 VC 框架理解 36:18 2012 年创办 Lambda：做人脸识别软件 36:30 用四张 GTX 580 工作站训练卷积神经网络 36:54 ImageNet、AlexNet 与深度学习早期时刻 37:21 人脸识别 API 有用户但没有太多现金 37:44 帮助 Perceptio 在 iPhone 本地跑神经网络 38:23 Perceptio 被 Apple 收购，并进入 iOS 图像识别能力 38:39 Lambda Hat：帽檐摄像头与早期视觉数据采集 39:04 看到未来还不够，时机同样关键 39:19 在深圳做硬件：PCB、消费电子与商业认知 39:35 DreamScope：早期版 MidJourney 式图像生成产品 40:06 AWS 账单暴涨，迫使 Lambda 自建 GPU 小集群 40:29 一个月半回本：从省钱发现 GPU 算力生意 40:45 从卖工作站和服务器到开发云平台 41:08 2019 年真正开始推广云业务 41:26 云业务增长到接近十亿美元年化收入 41:43 早期团队今天还在吗 42:36 Lambda mafia：校友网络与 Positron 的诞生 42:49 困难时期如何把团队留在一起 42:53 资本密集型创业的系统冲击与新冠考验 43:21 “咬牙扛住”：穿过痛苦、解决问题 43:44 公司存在的唯一理由：做出客户愿意付钱和推荐的东西 44:02 Lambda 101：把自己代入那只训练神经网络的 Linux 企鹅 44:32 T 恤、白色机架与让客户惊喜的文化 新 CEO、快速部署与 AI 优先数据中心 45:00 为什么请 Michel Combe 出任 CEO 45:15 创始人不必执着于 CEO 头衔 45:39 Stephen 更关心技术和打造跨时代公司 46:08 从融资、资本组织和日常管理中抽身 46:42 作为 CTO 专注快速部署数据中心 46:58 Lambda 要成为垂直整合、高速运转的强公司 47:06 目标：像 xAI 一样甚至更快上线算力 47:43 快速部署依赖选址、MEP 供应、建设方式与客户接入 48:01 传统数据中心设计者更像地产从业者 48:24 传统云区域复杂，而 AI 数据中心约束完全不同 48:53 AI 数据中心或许可接受更低可用性，换取更优设计 未来软件：神经 OS、自组装软件与 Agent 49:06 “AI 不会写软件，它会变成软件”是什么意思 49:12 神经软件、神经计算机与神经操作系统 49:19 用 ChatGPT/Claude 渲染 ASCII 桌面界面来感受未来 49:43 大语言模型未来不是生成软件，而是变成软件 49:57 电脑上的许多软件可能被神经交互方式接管 50:15 你可以把软件想象出来，只实现你正在体验的部分 50:35 vibe coding 与 neural software 的区别 50:41 vibe coding 仍是输出传统可编译代码 51:14 即时 vibe coding：软件应用被实时创造 51:24 neural software 没有正在运行的代码 51:45 神经软件距离大规模采用还有多远 51:50 Lambda 已经做出神经软件原型 52:08 大规模采用可能还需要十到十五年 52:27 自动驾驶可被视为神经软件的一种形式 52:57 Agent 会如何改变计算资源需求 53:04 从用户工作流理解计算层变化 53:40 Agent 工作流会消耗大量编译、测试和代码搜索时间 53:58 云服务将承担更多传统 CPU 工作负载 54:16 Lambda 内部如何使用 AI Agent 54:33 自组装软件：产品需求与用户反馈接入 24/7 Agent 集群 54:54 从 bug/需求到 Agent 实时实现 55:23 未来 Agent 甚至会反向请求人类帮它完成现实任务 吉瓦级 AI 工厂与“一个人一个 GPU” 56:05 什么是吉瓦级 AI 工厂 56:17 AI 工厂：土地、数据中心和服务器共同生成 tokens 56:25 一吉瓦意味着十亿瓦，约等于纽约市用电量的五分之一 56:38 “一个人一个 GPU”的长期愿景 56:43 AI 会孕育划时代公司 57:05 从 Apple “一个人一台电脑”到 Lambda “一个人一个 GPU” 57:26 Apple 愿景用了几十年才接近实现 58:53 为什么未来每个人都需要 GPU 算力 59:20 “一个人一个 GPU”不是一夜实现，而是长期文明级目标 快速观点与收尾 59:33 快问快答开始 59:38 AI 里什么被过度炒作了 59:41 非软件工程场景里的智能体工作流常被高估 59:48 好的 Agent 工作流需要明确反馈机制 01:00:07 不容易验证的任务不适合长期 Agent 迭代 01:00:52 AI 里什么被低估了 01:00:54 神经 OS、自组装软件与软件开发 Agent 被低估 01:01:14 很多人从未真正尝试过高强度 Claude Agent 工作流 01:01:31 节目收尾：Matt 感谢 Stephen 🌟 精彩内容 💡 云计算不是商品，AI 云更不是 Stephen 反驳了“GPU 计算会被商品化”的常见判断。他认为，AI 云本质上是土地、电力、数据中心、网络、存储、虚拟化、软件编排和融资结构的综合体，不是把 GPU 放到网上出租这么简单。真正的竞争壁垒来自整条垂直整合链条，而不是单一硬件资源。 “最核心的一点是，云计算不是商品化服务。” 💡 我们不是算力过剩，而是仍然建设不足 面对 AI 算力是否过度建设的争论，Stephen 的判断非常明确：只要 Scaling Laws 还在继续、模型能力还在扩大可服务市场，算力需求就会继续被低估。AI 已经从客服、搜索扩展到软件工程、Agent 和更多知识工作场景，需求曲线远没有结束。 “我认为总体上我们仍然建设不足。” 💡 AI 正在变成一台“吃钱吐软件”的机器 Stephen 用一个非常商业化也非常直观的比喻描述大模型时代：投入资本、算力和数据，另一端就能产出软件能力。这不只是技术判断，也解释了为什么算力基础设施会成为 AI 时代最核心的生产资料之一。 “我们有了一个很惊人的系统，可以把钱吃进去，然后输出软件。” 💡 GPU 的寿命不能只看会计折旧 外界常说 GPU 三五年就会被淘汰，但 Lambda 的实际经验是，2023 年部署的 H100 今天反而可能以更高费率出租。Stephen 区分了会计折旧周期、可用寿命和经济可用寿命：真正决定资产价值的，不是账面上几年折完，而是它还能不能产生现金流。 “真正重要的是经济可用寿命。” 💡 从能源到 tokens，AI 不是虚拟的 这期最有启发的部分，是 Stephen 把 AI 计算还原成物理链路：能源进入电厂变成瓦特，数据中心消耗电力并受 PUE 影响，服务器与 GPU 产生 FLOPS，模型把 FLOPS 转化为 tokens，最终用户再把 tokens 转化为智能。AI 看似在云端，底层其实是极其具体的能源与工程系统。 “左边是所有能源生产。右边是某个人正在消耗的 tokens。” 💡 NVIDIA 的护城河不只是芯片，而是整套软件生态 Stephen 认为 NVIDIA 的优势不仅在 GPU 性能，也在 CUDA、cuDNN、NCCL 和开发者生态。尤其 cuDNN 和 NCCL 让矩阵乘法、分布式通信、allreduce 等关键环节被高度优化，这使新芯片玩家很难只靠便宜硬件快速替代。 “CUDA 当然很重要，它就像我们所有人都在里面游泳的水。” 💡 AI 不会只是写软件，它会变成软件 Stephen 提出了“神经软件”与“神经操作系统”的设想：未来用户可能不再打开固定功能的软件，而是直接和模型交互，让模型实时模拟和生成软件行为。传统软件是静态代码，vibe coding 是让模型生成代码，而 neural software 则可能根本没有正在运行的人类代码，只有神经网络的上下文与激活状态。 “大语言模型未来不是生成软件，而是变成软件。” 💡 “一个人一个 GPU”是 AI 时代的长期信条 Stephen 借用 Apple 早年“一个人一台电脑”的愿景，提出“一个人一个 GPU”。这不是短期口号，而是对未来几十年算力普及的判断：每个人的工作、娱乐、创作和信息获取都将需要大量 AI 计算，就像个人电脑和手机最终成为日常基础设施一样。 “我相信未来美国每个人都需要一个 GPU，甚至更多 GPU 的算力。” ``` 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在今天，我们可能有点难以想象这样一个人的存在：接受过五年学院派作曲训练，却被蓝调和爵士勾走了魂，跑去世界各地发掘新的声音；学音乐出身，却将音乐的节奏感融入小说，一举惊艳了中国的文学界；被艺术界奉若至宝，却拒绝走上神坛，而是转身寻找一种原始的、身体的、“巫”一样的向下超越。 这个人的名字叫刘索拉。 她的传奇，始于一九八零年代，直到今天仍在继续。我们今天热烈讨论着“旷野”“流动”“女性主义”和“反标签”等话题，渴望挣脱规则和身份的束缚，而刘索拉在几十年前，就已经身体力行地实践着这样的生活态度了。正是这种先锋性，成为我们今天重读她的理由。 本期节目中，刘索拉的几位老友，窦文涛、洪晃、李敬泽和叶小纲，共同回溯了刘索拉的艺术生涯，分享了各自与她相识相处的回忆。透过这些老友的目光，我们得以重新认识刘索拉，这位“先锋”了一生的传奇女性。 P.S. 从这期节目开始，我们将陆续更新2026理想国读者日的活动回顾，敬请关注！ 🎙️嘉宾： 窦文涛，知名主持人 洪晃，媒体人、作家 李敬泽，中国作协副主席、作家、评论家 叶小纲，作曲家 🎧收听提示： 09:08 对刘索拉的初印象：大方的创作天才 16:40 惊艳80年代文学界的《你别无选择》 24:08 刘索拉无视头衔的强大自我意识 28:39 受过严格作曲训练的刘索拉如何吸收多元音乐风格 38:21 接近于“巫”的艺术状态 49:03 用音乐的感觉写小说 01:02:45 如何传承刘索拉现场性的音乐 01:19:39 不断发现新的声音 📖本期理想国图书： 购买指引：关注“理想国imaginist”公众号，进入微信小店即可购买。 👥加入听友群请扫码： ✉️商务洽谈请联系：[email protected]

主播品哥“流窜式输出”最新番——串台面基，聊聊养AI的心态与习惯。 🎯时间轴 00:12 FOMO情绪： AI 奔涌向前，独独留我在原地 07:14 小调查 13:16 压缩时间与需求无限 16:34 氪金自嗨与赚钱工具 18:51 论养AI的习惯⭐️ 29:27 人与AI都面临有限性：人是时间与贷款，AI是context 33:27 加速后的恍惚感 38:01 明确标准与持续反馈 41:43 结构化的抽象 42:31 元认知 45:55 提问的欲望，what 和 why 会越来越重要 53:00 确认感⭐️ 54:24 带上手机，回到户外 56:37 吾生也有涯与取舍 01:00:14 老登-Always climbing 01:03:33 token作为一种资源的差距 01:06:43 人到中年的一种荒诞感（中性） 01:09:50 上班就是让老板调用自己大脑API的8小时权限——交付权与定义权 ⭐️ 01:13:57 速朽

C罗梅开二度完美回应舆论，英格兰闷平加纳老路重走？ 本期嘉宾： TT足球主播--足球佟话佟研 《球迷观察家》主播--OT 📮 商务合作邮箱：[email protected] 加听众群：加足球汉话微信（微信号: zuqiuhanhua0311）并回复【听众群】即可进群。

方子：从刘思毅助理到年入百万的人生教练 00：04 钱是大风刮来的？只要你把钉子砸得足够深 00：16 方子的两个身份：人生教练年入百万 + 前群响员工、前刘思毅助理 00：47 第一桶金：离开群响后做IP代运营，10万一个客户，10个客户就年入百万 01：14 转型人生教练：疗愈行业的更细分赛道，帮大厂想离职做一人公司的人梳理困境 02：14 100万营收拆解：三块业务 * 粮草业务：一对一咨询，小红书月进500+客资，客单价从300涨到800 * 利润品：6周帮教练商业化，1万块，包交付30个客户，已做3期 * 场域业务：山上疗愈空间，一对一2000/小时，同时把客户分发给教练 04：06 方子的第一个100万不难，持续赚才难——IP代运营的三个月魔咒：做成了客户觉得学会了要分手，没做成客户觉得你是骗钱的 04：55 怎么找到人生教练这个方向？做代运营时发现对疗愈内容特别有感觉，一做就火，进入心流 05：34 Toby总结：找到转型方向的两个关键词 * 真的喜欢且相信——只要你真的相信，你会有无数种方法变现到100万 * 进入细分且增长的行业——大公司看不上苍蝇肉，但苍蝇腿我们根本吃不完 06：39 方子的困境：想找合伙人接住不想干的活，发现这是妄念 07：07 解法：全面助理化——6000块招4个人比招1个人好用，目标拆到足够简单明确，不管理助理，只给SOP 07：44 核心卡点：怎么放大？ 08：16 方子的护城河：没有任何一个操盘手比我更懂教练，也没有任何一个教练比我更懂操盘 08：35 Toby给出关键建议：年入百万最大的卡点是怎么放大你的时间 * 第一阶段（0-100万）：卖时间，跟打工没区别 * 第二阶段（100-300万）：保姆角色，一边当将军一边当妈妈 * 第三阶段（突破1000万）：卖影响力，不用肉身出席也能卖得动产品 09：15 影响力的本质：不是粉丝量，是你有自己的“道”，你的主张，下面的人认同你这个主张 09：39 手停口停——你今天不干活就没收入，所以必须从卖时间转向卖影响力 10：04 Toby做IP的真正动力：不是比流量比不过刘思毅，是我想表达。带着两个助理，9980的品卖1500万，发现托比背后是千千万万个跟我一样的人 10：25 方子：一个好问题比一个好答案重要1000倍 你好呀，我是 Toby。 年 1000w 超级个体「群响刘思毅」联创， 专注拆解 100–1000w 变现案例。 不方便公开讲的案例， 都放在朋友圈。 想围观，加我微信。 送你《100 个超级个体 IP 私域变现合集》。 toby2020toby 请备注行业。

昆明半马奖牌不够发、跑完没奖牌众人喊退钱？本期播客将顺着一场比赛的完整流程来说说——报名、订酒店、领物、分区、配速员、补给、极端天气、熔断处理、错版奖牌 跑一场马拉松远远不止练好腿与稳定配速这么简单 听完这期，你会知道： 一场比赛最不该省的钱是啥 订酒店什么时候下手最划算 兔子到底该不该跟 天气太热/太冷/雷暴，组委会该怎么处理才不被骂 那些年见过的“离谱错版奖牌” 【00:00–10:00】昆明半马奖牌不够发：跑完没奖牌，众人高喊退钱 【10:00–20:00】奖牌不够发的真相猜测：真金白银的“常物料”到底该备多少？ 【20:00–30:00】报名就踩坑：杭马服务器年年崩、订酒店像在赌博 【30:00–40:00】领物、分区、兔子：赛前赛中那些“说不清”的事 【40:00–50:00】补给短缺史：从15年北马没水喝，到现在的“过度补给” 【50:00–60:00】极端天气：高温36度还在跑，雷暴天紧急熔断 【60:00–69:00】错版奖牌大赏：从finisher到international，全球都是草台班子

6月24日财经速递，带您最快跟踪板块表现和市场资讯！

上周末，受关雅荻老师邀请，参加了他组织的第一届AEIS-AI娱乐内容产业峰会； 我基于当前这个时点AI多模态领域的发展状况做了一个40分钟左右的演讲； 今天的这期播客就是这次演讲的内容录制。 （想加粉丝群的请先+微信：rosicky311) 下面正片开始…… PPT可以在我的VIP报告库下载： 屠龙之术VIP报告库 https://ima.qq.com/wiki/?shareId=7c732a68674e53edea8d17f9546ad5a2047e0c63985dde9d2592f2bb76fe43eb 【时间线】 00:06 标题的由来：重轻在大内的一期播客中所说 vol.1244 作为乙方的创作者, 困境与救赎。 01:02 一个值得记录的时间点 00:00:00 02:18 SD1.5发布也早于ChatGPT 02:47 AI对内容行业影响可能是最早也是最直接的 03:14 为什么对“三”这个数字情有独钟 04:09 三次死亡 * 04:28 第一章：素材之死 04:36 影视飓风视频中一帧 05:42 所谓“多模态” 06:39 图片模型的进化 08:02 Grok的视频能力 视频观看地址：https://www.bilibili.com/video/BV1Z2jJ68EQr 08:25 可灵和seedance在精进什么？ 09:50 中国厂商聚集的视频模型战场 10:32 视频的“动态生成”与世界模型 11:03 所以到底什么是世界模型？ 12:37 如果世界模型到了某种程度…… * 13:26 第二章：流程之死 13:33 红果短剧的APP介绍页截图 14:17 短剧的发展历程 15:01 过去的9个月又发生了什么？ 15:42 那些关于短剧的数据 17:15 流程上的变化 18:25 不仅仅是影视行业的变化 19:02 泼一些冷水 21:14 所以真的赚钱吗？ * 21:31 第三章：版权之死 21:50 AI-吉卜力风格风靡 22:53 书籍、影视剧、3A游戏其实面临的问题是一样的 23:20 大模型厂商对于版权购买的趋势 报告地址：AI Content Licensing Deals: June 2026 Update 25:06 AI音乐行业出现的一些事情 26:39 强大的suno 27:02 之前爱奇艺的AI艺人库事件 * 27:14 第四章：创作者的重生 27:49 anthropic最近那篇关于AI模型自主进化的文章动画 动画地址：https://www.bilibili.com/video/BV1f2jJ68E5C/ 28:51 Claude Fable 5 29:09 无力感 30:40 太危险所以被政府ban了 31:01 技术碾压一切情怀 31:27 讲过很多次的AlphaGO VS 李世石的故事 32:58 第四局的“神之一手” 33:53 10年之后李世石对于“艺术”的理解 35:53 再次引用重轻对于当代艺术的描述 36:16 以我的PPT为例 37:22 再次强调“碾压” 38:05 “第四支柱” 文章地址：第四支柱--- 技术、资本与知识之后，AI时代需要什么样的人 40:18 媒体领域已经在发生的事情 视频地址：How Independent Media Wins in the Age of AI | Jasmine Sun 41:19 人类还剩下什么？品味、信任、决定 41:35 “有趣” THE END 【播客简介】 屠龙之术是一档关注科技、互联网、风险投资的播客， 主播庄明浩是一个游走在互联网和风险投资行业的边缘人士。 其工作多年所积累的认知似乎都成为了某种意义上的”屠龙之术“…… 或许某天再有新的“龙”出现的时候，就是这档播客停更之时。 【ima知识库】屠龙之术VIP报告库 https://ima.qq.com/wiki/?shareId=7c732a68674e53edea8d17f9546ad5a2047e0c63985dde9d2592f2bb76fe43eb