节目

这期节目，我们聊一个听起来有点大的话题——如何创作一篇属于自己的故事。 我们总以为"写作"是作家的事，得有天分、有灵感、有整块的时间。但这一期想告诉你：故事从来不是凭空长出来的，它藏在你每天的经历里、你反复想起的某句话里、你深夜翻来覆去的那点情绪里。节目里我们会拆解"一个故事是怎么被搭起来的"——从那个让你心动的念头，到人物、冲突、节奏，再到把它写完的最后一口气。 如果你也曾有过"想写点什么"的冲动，这期就是为你而生。 01:48 你创作的缘起是什么？ 05:45 如何寻找创作灵感？ 20:34 创作前要做哪些准备工作？ 21:25 如何去完成一个故事的大纲和人设？ 35:22 故事的开篇真的很重要！ 1:04:47 写作经验小Tips~ 如果你喜欢本期节目的话，欢迎留下宝贵的评论，如果你有想分享的事情，也欢迎大家投稿，如果想联系我们，可以微博关注“万物不讨厌FM”，也可以发送邮件，邮箱账号：[email protected] 祝你天天开心！ BGM： time to wander (travel vlog music) by snoozy beats on FMA

📝 本期播客简介 本期我们克隆了：The Knowledge Project Podcast · Bill Ackman: People are Going to Lose a Lot of Money 原内容更新时间：2026-09-29 “总有一天会出事，可能会出现某种崩盘，让很多人赔掉一大笔钱。”Bill Ackman 谈到 AI、风险投资和泡沫时，给出了这个警告。 作为 Pershing Square 的创始人兼 CEO，Ackman 讲了他如何判断企业的颠覆风险、为什么卖掉 Netflix 后又买回来，以及普通人投资时该怎么做。他也讲到女儿露西突发脑出血后的漫长康复，以及他和妻子筹建脑研究所、希望让更多患者受益的计划。 👤 本期嘉宾 Bill Ackman 是 Pershing Square Capital Management 的创始人兼 CEO，长期从事投资，也参与公司的治理与战略决策。他分享了 Pershing Square 的研究和投资流程，包括如何评估企业、避免颠覆风险，以及如何从投资失误中修订原则；女儿露西脑出血后，他还把办公室搬进医院，并推动筹建以脑部康复和长寿为重点的研究所。 ⏱️ 时间戳 00:53 女儿重伤与脑康复 14:05 团队、泡沫与资金纪律 23:19 投资判断与AI颠覆 37:35 股东积极主义与投资选择 42:51 从弃置资产到永久资本 59:59 识人、领导与人生意义 🌟 精彩内容 💡 AI让投资判断更难 AI可能改变企业的生存条件，投资者得判断一家公司的护城河还能不能守住。连巴菲特当年也没看出互联网会如何冲击 World Book；AI的颠覆风险更难预测。 "我们所有人都注定会在某家公司上显得判断失误，因为没能预见 AI 带来的颠覆风险。" 💡 资金充裕，也可能加速公司出局 一家创业公司两周内估值从 4 亿美元升到 10 亿美元，另一家公司 A 轮投前估值达到 50 亿美元。Ackman 认为，融资容易会让公司花钱失去纪律；市场爆雷后，资金只能支撑几个月的公司可能消失。 "把每一美元都当成自己的钱，仔细花，不要以为这种资金充裕、随时都能融资的局面会一直持续下去。" 💡 Netflix变了，投资逻辑就不成立了 Netflix管理层刚说不会推出广告套餐，几周后却表示要做广告模式。Ackman认为，这一变化打破了原有投资逻辑，于是卖出；等Netflix证明广告模式可行、股价回到合理水平后，Pershing Square 又买了回来。 "如果你得知了和原先投资逻辑不一致的新信息，你要么因为股价变便宜了而大幅加仓……要么就得离场。" 💡 普通人别等市场便宜再开始 想自己挑股票，就得投入时间学习和研究；如果只是想投资股市，指数基金是个很好的选择。越早开始长期投资，越能发挥复利的力量。 "别因为觉得市场太贵，就一直拿着现金不投资。" 💡 脑出血后的康复，保险只管一段时间 露西脑部受压 19 个小时后接受手术，醒来时不会走路、不会说话，也看不见了。她的行走、语言和视力逐渐出现进展；Ackman指出，保险可能只支付 6 周护理费用，但康复可能持续很多年。 "人们在很多年后仍然可能继续康复。" 🌐 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

本期嘉宾Jan，前Spotify资深工程师，现就职于Isomorphic Labs（Alphabet旗下AI药物设计公司）。从CERN的物理学实习，到Spotify九年的推荐系统与基础模型研发，再到如今投身AI for Science，Jan分享了他跨越研究机构与工业界的职业路径。我们聊了传统推荐模型与大型基础模型的差异、AlphaFold如何加速药物发现、AI代理如何自动化实验，以及在一个AI能写代码的时代，工程师最该修炼什么。最后还聊了聊：如果不用为钱工作，你会做什么？AI会先让我们永生，还是先毁灭我们？如果你在科技行业工作或对AI For Science感兴趣，相信这一期会给你很多启发。 Guest: Jan, former Staff ML Engineer at Spotify, now at Isomorphic Labs (Alphabet’s AI drug design company). From a physics internship at CERN, to nine years at Spotify working on recommender systems and foundation models, and now to AI for Science, Jan shares his career path across research institutions and industry. We discuss the differences between traditional recommendation models and large foundation models, how AlphaFold accelerates drug discovery, how AI agents automate experiments, and what engineers should focus on in an era where AI can write code. Finally, we talk about: if you didn’t have to work for money, what would you do? Will AI make us immortal first, or destroy us first? If you work in tech or are interested in AI for Science, this episode will give you a lot to think about. 高光内容 1. 从CERN到Spotify再到AI制药：每一次跳跃都是主动选择 Jan在CERN实习时感受到科研机构的慢节奏，转而投身科技公司。在Spotify九年，从数据工程师转到ML，做过消息推送、首页推荐、基础模型。离开是因为“九年了，我想做点不一样的事”，而AI制药是他眼中下一个有巨大影响力的领域。 2. 推荐系统的范式转移：从小模型到大模型 过去Spotify训练成千上万个小模型，每个只做一件事，训练快、部署易。现在转向少数超大模型，能同时处理多个任务，但推理成本高、延迟大。Jan认为大模型在推荐领域有潜力，但需要大量A/B测试验证。 3. AI如何加速药物发现：AlphaFold与模拟实验 Isomorphic Labs的目标是把尽可能多的湿实验搬到计算机模拟中。AlphaFold预测蛋白质结构，帮助判断分子能否与靶点结合。药物发现全流程仍可能长达十年，但AI有望将临床前阶段从数年缩短到数月甚至数小时。 4. 用AI代理跑实验：把无聊且易错的工作交给Agent Jan分享了他现在的工作方式：不再手写代码，而是用编码Agent；甚至用AI代理来运行实验——自动配置参数、调用工具、生成图表。虽然偶尔有bug，但比手动更高效、更不易出错。 5. 未来工程师最重要的品质：品味、领域知识和主动性 写代码和调库的重要性在下降，而架构判断力、对业务领域的理解、以及主动探索的驱动力（agency）越来越关键。Jan以自己为例：曾经讨厌生物，现在却对药物发现充满好奇，因为“深入了解后，好奇心自然就来了”。 Highlights 1. From CERN to Spotify to AI Drug Discovery: Every Jump Was a Deliberate Choice During his internship at CERN, Jan felt the slow pace of a research institution and decided to move into tech. At Spotify for nine years, he transitioned from data engineer to ML, working on messaging, homepage recommendations, and foundation models. He left because “after nine years, I wanted to do something different,” and AI drug discovery is, in his eyes, the next field with enormous impact. 2. The Paradigm Shift in Recommender Systems: From Small Models to Large Models In the past, Spotify trained tens of thousands of small models, each doing one thing, fast to train and easy to deploy. Now it’s shifting to a few very large models that can handle multiple tasks at once, but with high inference costs and latency. Jan believes large models have potential in recommendation, but need extensive A/B testing to validate. 3. How AI Accelerates Drug Discovery: AlphaFold and Simulated Experiments Isomorphic Labs aims to move as much wet-lab experimentation as possible into computer simulations. AlphaFold predicts protein structures, helping determine whether a molecule can bind to a target. The full drug discovery pipeline can still take up to ten years, but AI has the potential to shorten the preclinical stage from years to months or even hours. 4. Running Experiments with AI Agents: Handing Boring and Error-Prone Work to Agents Jan shares how he works now: he no longer writes code by hand, but uses coding agents; he even uses AI agents to run experiments, automatically configuring parameters, calling tools, and generating charts. Although there are occasional bugs, it’s more efficient and less error-prone than doing it manually. 5. The Most Important Qualities for Future Engineers: Taste, Domain Knowledge, and Agency Writing code and tuning libraries are becoming less important, while architectural judgment, understanding of the business domain, and the drive to explore proactively (agency) are increasingly critical. Jan gives his own example: he used to hate biology, but now he’s curious about drug discovery, because “once you understand something deeply, curiosity comes naturally.” 时间轴 * 00:00｜开场介绍 * 01:16｜从CERN到Spotify：研究机构与工业界的差异 * 03:24｜早期对AI/ML的兴趣，在Spotify从数据工程师转向ML * 05:12｜在Spotify的ML工作：消息推送、推荐系统、基础模型 * 08:14｜传统推荐模型 vs 大型基础模型：优势与挑战 * 13:56｜为什么离开Spotify，加入Isomorphic Labs * 18:40｜Isomorphic Labs是什么，以及Jan的角色 * 22:27｜药物发现全流程：AI能加速哪部分，时间线有多长 * 28:14｜AlphaFold介绍：如何预测蛋白质结构，训练数据来源 * 33:48｜AI for Science：AI如何成为科学发现的加速器 * 37:51｜AI能否做出相对论级别的原创发现？ * 39:07｜最激动人心的AI for Science领域 * 43:34｜AI for Science的主要挑战 * 45:24｜普通人如何参与AI for Science * 49:06｜在Isomorphic Labs与Spotify的工作差异 * 51:19｜如何使用AI工作：编码Agent与实验自动化 * 56:31｜工程师哪些技能在贬值，哪些在升值 * 59:18｜主动性与好奇心：是天赋还是可以培养？ * 1:03:40｜如果不用为钱工作，你会做什么？ * 1:05:27｜最关心的问题：什么能真正改变生活 * 1:06:30｜抗衰老与长寿：十年内能实现吗？ * 1:09:44｜AI风险：灭绝概率与人类未来 Timeline 00:00 | Introduction 01:16 | From CERN to Spotify: Differences Between Research Institutions and Industry 03:24 | Early Interest in AI/ML, Transitioning from Data Engineer to ML at Spotify 05:12 | ML Work at Spotify: Messaging, Recommender Systems, Foundation Models 08:14 | Traditional Recommender Models vs. Large Foundation Models: Advantages and Challenges 13:56 | Why He Left Spotify and Joined Isomorphic Labs 18:40 | What Isomorphic Labs Is, and Jan’s Role 22:27 | The Full Drug Discovery Pipeline: What AI Can Accelerate, and How Long It Takes 28:14 | Introduction to AlphaFold: How It Predicts Protein Structures, and Training Data Sources 33:48 | AI for Science: How AI Becomes an Accelerator for Scientific Discovery 37:51 | Can AI Make Original Discoveries on the Level of General Relativity? 39:07 | The Most Exciting Areas in AI for Science 43:34 | Main Challenges in AI for Science 45:24 | How Ordinary People Can Participate in AI for Science 49:06 | Differences Between Working at Isomorphic Labs and Spotify 51:19 | How He Uses AI at Work: Coding Agents and Experiment Automation 56:31 | Which Engineering Skills Are Depreciating and Which Are Appreciating 59:18 | Agency and Curiosity: Talent or Can They Be Cultivated? 1:03:40 | If You Didn’t Have to Work for Money, What Would You Do? 1:05:27 | The Issue He Cares About Most: What Can Truly Change Lives 1:06:30 | Anti-Aging and Longevity: Achievable Within Ten Years? 1:09:44 | AI Risks: Extinction Probability and the Future of Humanity

过去1年，全国广义健身场馆减少了2.3万家，健身工作室闭店率达到57%。 但健身消费市场规模反而增长了975亿元。大家不是不健身了，而是不愿再为年卡、推销和不确定的服务买单。 乐刻从300平米、月付制小店起家，如今却一边开1000平米的高端门店，一边试水完全无人的按次付费健身房。它想解决的，已经不只是开更多店，而是如何让用户长期相信：这里的价格更透明，教练更可靠，服务不会突然消失。 本期你将听到： 健身房关了2.3万家，健身消费为什么反而在增长？ 乐刻为什么从300平米小店，走向1000平米高端场馆？ 月卡499元、私教300元一节，乐刻怎么理解“性价比”？ 无人健身房能不能做到50个人管理1000家店？ 健身房最难建立的护城河，为什么不是设备和价格？ 用户愿意长期留下来，靠的到底是效率，还是信任？ 节目信息： 主播：粥粥 来源：虎嗅商业消费组 作者：李佳琪 编辑：苗正卿

嗨害嗨，我亲爱的朋友们~国庆快乐！假期愉快！ 本期是一个阶段性小结，聊聊我的八九月。 八月的“扬尘期” 八月基本在跑医院，最后确诊中度抑郁+轻度焦虑。知道结果反而松了一口气：原来我不是想太多，只是生病了。 九月的“波动期” 九月针灸了18天，状态起起伏伏，但整体在波浪式前进。 “允许自己只是存在，不需要生产任何价值，就像一棵树在冬天并不做事，它只是那样存在，等待春天。” 最后想跟你说： 哪儿都不得劲、干啥都提不起劲的时候，别硬扛，别觉得是自己矫情。去医院看看，早发现早干预，真的会好很多。 也别觉得此刻即永恒。飘风不终朝，骤雨不终日。一切都是瞬息，一切都将会过去。 祝大家吃好睡好，我们下期再见！ 【本期BGM】 艾索《嘿咻狂想曲》 【你还可以在这里找到我】 公众号：任师傅任尔东西 小红书：任师傅的快乐生活 B站：一个任师傅

本期节目由 NotebookLM 自动生成，基于微信公众号「猫笔刀」昨日更新的两篇文档：正文与读者评论区互动。 主播以财经博主身份，结合文章观点与读者反馈，对热点话题展开讨论。话题覆盖宏观趋势、政策解读、市场情绪等多个维度，欢迎收听。 📌 原文请搜索公众号「招财大牛猫」 本播客使用 NotebookLM 自动生成，仅供娱乐参考，不构成任何投资建议。

🎙️【本期主播/制作】: 莫琪 朋友们，这里是「爱在城市散步时」系列。「爱在城市散步时」的每一集，我会选一个城市，分享一些，我在那座城市的故事，以及我喜欢的城市旅行路线。 🔍【find us 小红书】 主播：浪晕七仔 / 她爆炸了热气球 木木在近一个月的旅居生活中，体验了大量的在巴厘岛的兴趣班课程！今天我们将为你打开，另一个视角的巴厘岛（下集） 印度尼西亚是一个非常庞大的群岛国家，拥有上万座岛屿、数百个族群和语言。这个国家绝大多数人口信奉伊斯兰教，但巴厘岛却是一个非常特别的例外——这里的主流信仰是带有浓厚本地传统的巴厘印度教。 所以巴厘岛既属于印度尼西亚，又有非常鲜明的宗教、艺术和生活体系。它当然是一座海岛，但真正吸引人的，又远远不只是海。 ✍️【时间轴shownotes】 00:36 水明漾 W 体验 12:51 成年人的兴趣班继续：在Canggu亲手调一瓶属于巴厘岛的香水 15:38 瑜伽、潜水、舞蹈、调香、手作：为什么巴厘岛总能激发新的兴趣？ 16:49 乌鲁瓦图：从热闹海岸进入悬崖上的隐世度假生活 18:41 为什么巴厘岛成为很多人举办婚礼的目的地 19:35 Nusa Penida：精灵坠崖、钻石海滩 24:52 在佩尼达住进潜店 25:41 潜水员的两大目标：Mola Mola翻车鱼与Manta蝠鲼。 40:07 第一次潜水怎么选？ 48:20 Lovina：为了看一次海豚，横跨半个巴厘岛值不值得？

免责声明 本期节目中涉及的剧本分析及相关讨论，均基于公开信息与个人观点，仅供分享和讨论之用。节目中提及的未播出剧集或剧本内容，如有推测或分析，均不代表剧组或相关制作方的官方立场或最终走向。 所有剧本及相关内容的著作权归原版权方所有，未经授权请勿进行商业传播或二次使用。如节目中内容有不准确或引起误解之处，欢迎指正与交流。 Shownote： 我们最近翻了一圈这半年陆续流出来的偶像剧剧本，发现虽然这些项目彼此之间没什么太大关系，但放在一起聊还挺合适的。有古装，有现代，也有民国，题材和故事路数都不太一样。不过它们多少都有一个共同点：要么是现在热门的生花主演，要么就是平台和市场明显看好的项目。有几部从阵容公布开始，基本就已经被放进“接下来值得关注的待播剧”这个名单里了。而且这里面有些进度比较快的，说不定最近一两个月就要跟观众见面，所以我们也想赶在开播之前，先从剧本这个角度聊一轮。 我们今天也不是预测谁一定会爆，或者提前给哪部剧下结论，就是单纯从剧本出发，看看这些现在看起来挺有存在感的待播项目，到底故事底子怎么样，人物有没有写起来，感情线顺不顺，以及为什么有的剧本看完会觉得“这个好像真可以期待一下”，有的就会让人有一点问号。总之就是一期非常散装，但应该也挺符合现在待播剧市场状态的聊天局。那我们就直接开始，一部一部来。 01:50《嫁金钗》 田曦薇闫桉 原作：笑佳人 编剧：周末 导演：杨龙 19:00《归鸾》 林允张凌赫 原作：团子来袭 编剧：邹越 导演：初的见 33:10 《司宫令》 宋祖儿丁禹兮 原作：米兰lady 编剧：汪洪 42:22《窈窈有期》 包上恩何与 原作：面北眉南 编剧：面北眉南 导演：钟青 48:30《恰逢春》 邓恩熙董思成 原作：御井烹香 导演：王威 55:00《尚公主》 孟子义李昀锐 原作：伊人睽睽 导演：秦榛 编剧：何妨 01:04:18《玉簟秋》 徐若晗丞磊 原作：灵希 编剧：叶扬 01:13:50《想把你和时间藏起来》 章若楠王安宇 原作：北倾 导演：黄天仁 编剧：郝茹 辛晓阳 主播：阳仔、小胡、帕宝 剪辑：帕宝 合作联系：+v“papadotcom” 听友群进群方式：+v“mml37-”拉你进群

附上10月1日快讯图，一张图看懂今日所有重点！

嗨~~大家晚上好呀！今天是2026年10月01日，星期四，欢迎来到《晚安咖啡》。我是主播安安，超开心又和你们相聚啦！今天咱们聊聊新鲜热乎的商业科技动态，干货满满、惊喜不断。快找个舒服的姿势，一起开启今晚的陪伴吧！ @@@ 据The Verge报道，谷歌发布下一代AI前沿模型Gemini 4 Argon。谷歌DeepMind高级副总裁兼首席AI架构师Koray Kavukcuoglu称，该模型在复杂工作流中具备前沿性能，覆盖软件工程、法律金融等企业知识工作及网络安全防御。因能力较强，谷歌初期仅向“一组受信任的网络防御者”开放，以确认模型不会失准，并正参与美国政府自愿的发布前模型访问流程，之后逐步扩大开放。该模型已在驱动谷歌内部工作流，包括协助大规模代码库迁移。谷歌公布图表显示，它在多项基准测试中优于OpenAI和Anthropic的竞争模型；本周早些时候，AI社区曾在X上热议疑似泄露的其基准结果。谷歌表示，广泛推出前将加强关键前沿保障，包括防御滥用、提示注入攻击和监测失准。此前一天，OpenAI在DevDay推出Dots AI智能体和GPT-6.1 Sol，并以安全担忧为由不发布原定GPT-6.1 Astra。Kavukcuoglu于今年8月刚出任DeepMind负责人。 @@@ 新浪科技消息，10月1日，华为Mate 90系列正式亮相并开售，共推出Mate 90、Mate 90 Pro、Mate 90 Pro Max、Mate 90 Pro Max典藏版和Mate 90 RS非凡大师五款机型，起售价5999元，全系搭载韬定律芯片。华为称，该芯片通过缩短内部信号传输路径提升效率，使NPU、CPU、GPU性能全面提升，并配合鸿蒙操作系统7。影像方面，第三代红枫影像采用红外光学镀膜，Mate 90 Pro Max主摄为1/1.28英寸RYYB大底传感器，主摄支持18EV超高动态范围，两亿长焦视频支持20倍4K 60fps录制，系列还业界首创直播模式。通信方面，5A通信提升弱网、拥塞和快速移动场景下的连接稳定性，最多4部Mate设备可聚合网络，并首发四卡三待，支持2张实体SIM加1张eSIM或1张实体SIM加2张eSIM。华为还发布睿影Z10模块相机，支持1至10倍连续光学变焦。 @@@ 据Readhub消息，苹果计划于2026年10月13日大举进入智能家居市场。 @@@ 据cnBeta报道，美国已批准建设首座BWRX-300小型核反应堆。该反应堆装机容量为300兆瓦，报道称其有望为人工智能数据中心提供稳定电力。 @@@ Readhub消息，寒武纪原副总经理梁军在劳动争议案中变更诉讼请求，将其主张的股权激励损失索赔金额由42.87亿元提高至278.32亿元。梁军于2022年初从寒武纪离职，双方此后因股权激励回购事宜产生纠纷。报道称，此前涉及梁军的6起股权激励相关诉讼均以梁军败诉告终，股权回购案件已进入强制执行阶段。此次278.32亿元索赔为梁军单方主张，案件已经立案，暂未开庭。寒武纪表示，该索赔诉求与持股计划约定及生效裁判文书认定不符，公司将积极应诉。 @@@ 据TechWeb报道，小米汽车官方宣布，2026年9月交付量超过40000台。行业数据显示，其主力车型覆盖20万至40万元区间。9月7日晚，雷军在秋季旗舰新品发布会上发布澎程系列，上市4分钟锁单破1万台。澎程是小米汽车第二款产品系列，基于自研昆仑技术架构打造，定位智能可变大空间增程SUV，覆盖大五座和大七座，共四款车型：N70 Pro售价20.99万元，N70 Max售价23.99万元，N90 Max售价26.99万元，N90 Max探索版售价29.99万元，较7月预售时分别下调3万元。N70定位大五座增程SUV，N90定位大七座旗舰大型增程SUV，两款Max版均搭载双电机四驱系统，综合功率310kW。N70 Max搭载76kWh三元锂龙甲电池，CLTC纯电续航505公里，综合续航1461公里，亏电油耗6.1升/100公里，零百加速5.5秒，快充18分钟可将电量从20%充至80%；N90 Max零百加速5.9秒，极速200公里/小时。澎程系列9月已开启首批交付。 @@@ 据cnBeta报道，美国联邦贸易委员会（FTC）已对Anthropic、OpenAI及其他AI模型展开大范围调查。 @@@ 据Readhub报道，美国AI基础设施公司Baseten宣布，企业用户可以在OpenAI的编程工具Codex中使用Kimi K3。相关调用费用将直接计入企业已有的OpenAI采购承诺额度，企业不需要为这项调用新增供应商采购流程。报道称，这一安排使Kimi K3进入OpenAI企业客户的主流付费结算通道，也成为中国开源模型首次进入该企业采购体系。 @@@ 新浪科技消息，面向企业客户提供搭载英伟达芯片服务器的云服务商GMI Cloud周三宣布，已完成6.68亿美元股权和债权融资。其中，2.23亿美元股权融资由新晋AI与机器人投资机构ARCHIV领投，英伟达参与跟投。GMI Cloud成立五年，GMI全称General Machine Intelligence，即通用机器智能，是七家完全依照英伟达标准建设算力中心的云厂商之一，完整采用英伟达软硬件全栈方案。该公司还加入了英伟达AI算力合作新项目：英伟达为新建算力基地提供信贷支持，作为回报，将从这些基地后续产生的云业务营收中分润。GMI表示，其合同年化营收已超过6亿美元。新募集资金将用于在美国与亚洲扩充AI算力。本轮融资显示，英伟达仍在持续扶持新兴中小型云服务商，重点支持能从多维度助推英伟达业务发展的企业。 @@@ 据Readhub消息，创办仅6年的盈合机器人已正式进入破产程序。该公司累计融资超过6亿元，估值一度达到5亿美元，股东阵容包括美团、字节跳动、金沙江创投和盈峰集团等。盈合机器人由出身发那科的行业资深人士沈岗创立，曾凭借核心团队履历和盈峰集团实控人背景快速完成多轮融资。但公司盲目铺摊子，同时推进多条业务线，却未形成规模化营收，叠加成本管控失当、重大订单违约等问题，最终资不抵债，走向破产。目前，公司已沦为失信被执行人，法定代表人被限制高消费，经营全面停滞，资产处置也遇到阻碍。近期，多家曾获资本加持的明星机器人企业接连陷入破产困境，这类企业普遍存在业务布局分散、未跑通商业闭环的问题，上一轮机器人创业潮中的不少明星公司正集中退场。 @@@ 好啦，今天的节目到这里就结束啦！我是安安，谢谢你们的陪伴，希望今天的分享能给你带来一点温暖和好心情。如果您喜欢我们的节目，也非常欢迎订阅和转发给你的小伙伴，这对我们非常有帮助。那我们下期再见吧！

张家齐和妈妈上节目后，评论区几乎变成了一场大型“东亚家庭创伤认亲现场”。 为什么一个妈妈对女儿的管教，会让这么多人愤怒、窒息，甚至忍不住代入自己的童年？ 这一期，我们不急着审判谁是“坏妈妈”，而是从心理学和正向教养的角度聊聊：“我都是为你好”为什么有时会变成控制？爱、牺牲和情绪勒索之间，界线究竟在哪里？ 以及一个更值得我们这些父母思考的问题：当全网都在骂张家齐妈妈的时候，我们真正破防的，究竟是她，还是我们自己曾经经历过的某个瞬间？