Vol72:《世界是平的》:全球化下的零距离竞争与增长

商业简谈

Wendy又来陪大家聊书了,在弗里德曼写这本书的时候,他提出了一个大胆的观点:世界已经从“圆的”(有壁垒、有中心)变成了“平的”(无壁垒、竞争无国界)。这种“平”是如何发生的?为什么我们必须搞懂它? 我们今天的节目,将围绕三个核心板块展开: 1. 1、《世界是平的》讲了什么? 扳平世界的十大动力。 2. 2、为什么理解“平”对创业者如此重要? 3. 3、结合当下的全球形势,我们能从中借鉴什么增长策略? * 第一部分:扳平世界的十大动力与全球化3.0 结论: 在3.0时代,你不再需要通过一家大公司或强大的国家机器,你只需要一台电脑、一根网线,就能参与全球市场。你和印度或巴西的同行,现在坐在同一张办公桌前竞争。 * 第二部分:全球经济形势与创业者的挑战 对创业者的影响: 1、挑战: 创业不再只是比“谁更快”,还要比“谁更安全”、“谁的供应链更有韧性”。 2、机遇: “去中心化”和“区域化”的小型供应链正在崛起。如果你能提供区域性、高韧性、本地化的解决方案,这正是你的增长机遇。 * 第三部分:创业者的“世界是平的”增长策略 增长密钥一:打造“不可外包”的核心竞争力 增长密钥二:像“跨国公司”一样思考,像“个人”一样行动 我是你们的Wendy。希望今天的分享,能让你跳出眼前的竞争,用全球化的视角规划你的商业增长。世界很平,机会很大! 我们下期再见👋 📮:[email protected]

9分钟
99+
1周前

Ep93 《女孩》:舒淇,感谢你的勇气

银河影评

大家好,这是一期关于11月1号上映的舒淇导演的长片首作《女孩》的影评播客,欢迎大家收听~ 本期主播/大纲撰写/剪辑:银河 BGM:Mazzy Star——《Fade Into You》 同步平台:苹果播客/网易云音乐/豆瓣播客/微博音频/喜马拉雅/QQ音乐 内容简介: 00:00——04:26:对于《女孩》的预期的转变和最终收获的惊喜 04:26——09:15:回顾舒淇的童年与演员之路,想对她说一句“辛苦了” 09:15——17:20:《女孩》看似迷离但其实很高明的开场 17:20——27:37:小丽与莉莉,两个女孩温柔且长久的陪伴 27:37——31:39:我并不觉得“父亲”的下场是突兀的 31:39——35:01:接受舒淇初当导演的青涩,感谢她的勇气,期待她未来的光彩 * 在《女孩》之外,本期节目提到的导演及作品: 侯孝贤——《千禧曼波》/《最好的时光》/《刺客聂隐娘》/《童年往事》 冯小刚——《非诚勿扰3》 姜文——《一步之遥》 台剧《回魂计》 杨德昌——《海滩的一天》 阿伦·雷乃——《广岛之恋》 文安雄——《灵与欲》 香特尔·阿克曼——《让娜·迪尔曼》 阿涅斯·瓦尔达——《拾穗者》 * 2026年豆瓣电影日历专属购买链接:https://j.youzan.com/gC35V_ * 想要进【银河影评听友群】的听友可以扫码添加下方微信(请备注“小宇宙听友”!!!不然无法通过,感谢理解): * 也欢迎大家关注我的自媒体平台:

35分钟
2k+
1周前

#293.Stripe 的支付基础模型:数据与基础设施如何创造复合优势

跨国串门儿计划

📝 本期播客简介 本期克隆了 Cognitive Revolution "How AI Changes Everything" 邀请到 Stripe 数据与 AI 负责人 Emily Sands,深入探讨了 Stripe 在 AI 领域的创新,特别是其独创的“支付基础模型”。该模型并非传统语言模型,而是将支付视为一种独特模态,通过整合海量的上下文信息(买家、卡片、设备、商家等近期活动),实现了超人水平的欺诈检测能力,例如将“盗刷测试”检测率从 59% 提升至 97%。Emily 解释了 Stripe 如何通过开放基础模型的“表征”(embeddings),让工程师能将其作为额外输入,大幅加速机器学习系统的开发,将数月工作量缩短为“周末项目”,从而形成强大的数据飞轮效应。节目还讨论了 Stripe 如何通过快速迭代领先于欺诈者,利用大语言模型充当“裁判”处理“友好欺诈”等无真实标签的复杂问题,以及他们对未来“Agent 商务”的展望。这期节目不仅为 AI 工程师提供了实用经验,也为 AI 战略家带来了宏观层面的深刻启示,揭示了 AI 如何改造全球最关键的金融基础设施之一。 原播客为 Stripe's Payments Foundation Model: How Data & Infra Create Compounding Advantage, w/ Emily Sands 文字版精华:见微信公众号(点击跳转) 👨‍⚕️ 本期嘉宾 Emily Sands,Stripe 的数据与 AI 负责人。 ⏱️ 时间戳 开场 & 播客简介 00:00 播客简介与嘉宾介绍 01:48 Stripe 的核心业务与 AI 战略 支付基础模型的诞生 09:06 支付基础模型:将每笔交易转化为向量 11:13 支付数据:一种独特的“语言”与大规模训练 12:51 人类难以处理的复杂序列信息 15:59 基础模型带来的效率提升与“周末项目” 18:57 网络密度与欺诈检测的挑战 22:03 模块化 AI 部署与嵌入式应用 对抗欺诈:迭代与创新 24:06 盗刷测试:基础模型在欺诈检测上的突破 26:45 商家智能:横向层面的数据洞察 28:11 欺诈检测的“真实标签”挑战与快速迭代 30:06 动态风险阈值与自适应 3D Secure 33:20 决策中间地带:模型与规则的结合 37:34 LLM 作为“裁判”处理无标签数据 41:08 AI 的对抗鲁棒性与 Stripe 的多层防御 数据洞察与未来展望 44:11 多模态 AI 在商家欺诈评估中的应用 46:22 “与数据对话”:Stripe Sigma 的准确性与可解释性 52:25 Stripe 作为记录系统:简化创业者的数据管理 57:06 成功案例:Lovable 和 Reetail.ai 如何依赖 Stripe 快速增长 00:58:53 Agent 商务:从消费者到开发者场景 01:03:08 Stripe 的 AI 战略:构建经济基础设施,而非模型商店 结束语 01:07:58 总结与感谢 🌟 精彩内容 💡 支付基础模型:独创的金融智能 Stripe 的支付基础模型将每笔支付转化为一个紧凑的向量,如同为交易赋予“经纬度”。它通过学习海量结构化支付数据中的“语法”和“语义”,特别是买家、卡片、设备和商家等实体的历史行为序列,实现了对欺诈的超人检测能力,例如将“盗刷测试”的检测率从 59% 提升至 97%。这种模型超越了人类处理复杂多维信息的能力。 “支付数据在很多方面,虽然不是所有方面,但确实开始看起来像一种语言。” 🛠️ “周末项目”:加速 AI 开发的飞轮效应 Stripe 不直接让基础模型处理所有应用,而是开放其生成的“表征”(embeddings)。工程师可以轻松地将这些高质量的 embeddings 作为额外输入,添加到现有的机器学习系统中,将原本需要数月的工作量缩短为“周末项目”。这种模块化部署极大地提高了开发效率,形成了数据规模、模型优化、产品价值和业务增长的良性循环。 “一旦有了共享的 embedding,启动一个新模型就成了周末项目,而不是季度项目。” 🚀 对抗欺诈:领先一步的迭代策略 面对不断进化的欺诈者,Stripe 采取了多层次的防御策略和快速迭代机制。除了基础模型,他们还结合了动态风险阈值、自适应 3D Secure 等“软拦截”手段,以及规则与模型的灵活结合。在缺乏明确“真实标签”的情况下,Stripe 创新性地使用大语言模型充当“裁判”,评估和生成标签,从而加速了对“友好欺诈”等复杂问题的响应。 “攻击者在迭代,所以他们的模型也在迭代。我们的工作就是迭代得更快。” 💻 Stripe 的 AI 战略:构建经济基础设施 Stripe 并非直接与大型 AI 模型公司竞争,而是专注于为 AI 时代构建经济基础设施。这包括成为 AI 公司最好的合作伙伴、赋能 Agent 商务、将 Stripe 原生内置于开发者 AI 工具中,以及在整个网络中部署其基础模型以提升智能层。Stripe 认为其核心优势在于通过数据规模和模型能力,为用户创造更大的价值,从而实现更有利可图的增长。 “我们真的非常专注于为 AI 构建经济基础设施,而不是直接成为一个 AI 模型商店。” 🌐 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

69分钟
99+
1周前
EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧