跨国串门儿计划

跨国串门儿计划 的全部节目

共 842 集。

#835. 特斯拉前总裁 Jon McNeill:马斯克不可思议的速度

#835. 特斯拉前总裁 Jon McNeill:马斯克不可思议的速度

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:The Knowledge Project · The Impossible Speed of Elon Musk - Ex-Tesla President 原内容更新时间:2026-11-10 “行动产生信息。”Jon McNeill在特斯拉看到的速度,不是时时刻刻逼人狂奔,而是想清楚之后立刻行动,让反馈闭环尽早转起来。软件在模拟器里反复测试,达到 99%把握就可以发布,再根据真实使用不断修正。 这位特斯拉前总裁、DVx Ventures 联合创始人兼 CEO,讲述了自己如何和 Elon Musk 一起推动快速决策、简洁沟通和产品迭代:从一次越权处理销售线索,到零营销预算下扩张,再到一体压铸如何省掉半座工厂。他也拆解了自己的五步算法:先简化需求和流程,最后才自动化。 👤 本期嘉宾 Jon McNeill:特斯拉前总裁,DVx Ventures 联合创始人兼 CEO。他在特斯拉任职期间参与公司扩张,谈到如何建立快速沟通与反馈机制、推动产品迭代,并分享了在 Lyft 担任 COO、创办公司的经历。 ⏱️ 时间戳 速度与销售破局 05:01 跑 8 家特斯拉门店试驾,竟没人回访 05:44 过去 30 天,1 万人试驾后没接到电话 打造快节奏团队 09:01 把沟通路径变成“死人那样的一条直线” 10:36 用 3 句话的邮件运转公司 下注与快速迭代 18:37 Autopilot 更新先在模拟器反复重跑 19:32 99%把握,就别为了求稳放弃 6 个月进步 产品从客户出发 28:27 产品会第一句:市场想要什么? 32:03 高管随机开走产线上的普通车辆 创新推动规模扩张 42:31 营销预算为零,公司每 6 到 8 个月翻一番 46:58 一体压铸直接省掉半座工厂 从想法到创新方法 49:44 手机打字每分钟 18 个词,键盘能到 60 个 54:30 流程跑顺了,最后一步才是自动化 领导、人才与告别 1:03:06 家人告诉他:“我们不喜欢你现在变成的这个样子” 1:12:18 他把 40%的时间花在面试上 创业、用户与人生 1:25:32 Uber 占 80%市场,Lyft 只有 20% 1:37:27 员工靠公司股票买了房、付了孩子学费 🌟 精彩内容 💡 99%把握就发布 Autopilot 更新不是未经测试就上线:先在模拟器里反复重跑场景,确认修正有效,再进入下一个版本。Jon认为,高频发布让学习和反馈闭环持续运转。 "如果你已经有 99%的把握,像刚才说的在模拟里都跑通了,那就发出去,启动反馈闭环,交到用户手里,别干等。" 💡 越权处理,反而让他拿到工作 特斯拉一个季度承诺卖约 1.2 万辆,过了一个半月只卖出 3000 辆。Jon查出过去 30 天有约 1 万人试驾后没接到回访;他停掉新线索,先让销售联系旧客户,订单随即涌入。 "他要的不是层级制度,也不是层层请示。" 💡 零营销预算也要持续翻番 Elon Musk告诉Jon,营销预算是零,公司还得每 6 到 8 个月翻一番。特斯拉借助产品消息带动媒体报道,再把报道二次传播,让顾客先来看车,再进入销售流程。 "我亲眼见过世界上最大的公司之一是几乎没花营销预算建起来的。" 💡 一体压铸,省掉半座工厂 传统汽车工厂要用大量机器人焊接车身骨架。特斯拉团队用一体压铸直接成型底盘骨架,省掉焊接工厂;Jon称,这项突破给特斯拉带来了 8 年竞争优势。 "靠这个就能砍掉一半成本和半座工厂。" 💡 自动化之前,先把流程做减法 Jon的五步算法从质疑每一条需求开始,再精简流程、人工跑通、提速找出故障,最后才自动化。他说,太早自动化或不先质疑需求,可能让团队在解决不了的问题里打转好几个月。 "所以这套算法的最后一步是,把自动化放到最后。" 💡 价格战会磨掉品牌和利润 Lyft曾在竞争对手 Uber 占 80%市场份额时把自己的份额翻了一番,但Jon把网约车行业的价格战视为深刻教训:服务一旦变得可替代,竞争就只剩价格,两家公司当时甚至都在亏本抢单。 "一旦落到这一步,世上多高明的品牌定位都救不了你。" 🌐 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

99 分钟 99+ 次播放 4小时前

#834.海贼王·尾田荣一郎:为什么我非得画到截稿前最后一刻?

#834.海贼王·尾田荣一郎:为什么我非得画到截稿前最后一刻?

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Founders · #439 How Eiichiro Oda Works 原内容更新时间:Wed, 04 Nov 2026 每次画漫画,心里都只有一位读者——15 岁的自己。这份只为自己创作的坚持,如何让《海贼王》连载近 30 年,成为全球发行量超过 6 亿册的漫画系列? Founders 主持人 David Senra 梳理尾田荣一郎的访谈,讲他如何从自己的兴趣里找点子、亲手把控漫画的关键细节,又如何在截稿压力下工作到极限。尾田的创作方式里,既有每晚只睡 3 小时的极端投入,也有清楚知道结局、却即兴摸索故事过程的自由。 👤 本期嘉宾 节目由 David Senra 讲述尾田荣一郎的创作与工作方式,并引用尾田在访谈中的说法。 ⏱️ 时间戳 只为自己创作 01:33 从小时候想看的漫画开始 02:42 不试着满足全世界读者 03:56 生活里的一切都能变成漫画素材 亲手打磨漫画 05:14 从分镜到上墨,亲自完成漫画 05:35 参与的人越少,越不容易不满意 06:44 心里只想着 15 岁的自己 把一生献给漫画 14:45 连续约 15 年凌晨 2 点睡、5 点起 15:47 为《海贼王》献出生命的工作态度 16:47 烟、云和海浪也要亲手画 🌟 精彩内容 💡 他只为 15 岁的自己创作 尾田不试图猜全世界读者会喜欢什么,而是画给 15 岁的自己看:这个故事够不够酷?他认为,只要忠于自己的兴趣,读漫画的孩子也会产生共鸣。 "我始终努力专注于只为一位读者创作漫画。" 💡 每晚只睡 3 小时,连着工作约 15 年 2016 年受访时,尾田说自己凌晨 2 点睡、早上 5 点起,这样的作息保持了约 15 年。多睡一小时,对他来说就意味着少一个小时工作。 "多睡一个小时,就意味着少了一个小时可以工作。" 💡 他亲手画烟、云和海浪 尾田有助手,但坚持亲自画几乎所有会动的元素,因为交给别人画,画面可能出现细微的不一致。背景和辅助细节才交由助手处理。 "让别人画会动的元素,画面就会出现细微的不一致。" 💡 五年计划,变成近三十年的连载 尾田 1997 年开始连载《海贼王》,最初以为整个冒险故事大概只需 5 年。他后来承认,自己一再低估了离结局还有多久。 "我一再低估了离结局还有多久。" 💡 他把画画工具带进医院 即使住院,尾田也带上工具继续画画。他并没有因为能休息而松一口气,反而因为不能画画而焦虑。 "他带上工具,继续画画。" 💡 只有画到截稿前,才觉得尽了全力 尾田承认,早点完成能让自己有更多私人时间,但他觉得必须把每一分钟都用在创作上,才算尽力。画着画着,他才能找到自己真正想表达的东西。 "除非他一直创作这个故事到截稿,不然他就觉得自己没有尽力。" 🌐 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

32 分钟 99+ 次播放 1天前

#833. Muse 的崛起:本年度最成功消费产品发布内幕

#833. Muse 的崛起:本年度最成功消费产品发布内幕

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Lenny's Podcast: Product | Career | Growth · Meta’s Muse: How we launched the most successful consumer product this year | Mona Sarantakos 原内容更新时间:Sun, 15 Nov 2026 一个 agent 掌握你的个人信息,还能替你办事;如果它出了问题,你还会继续用吗?Muse 团队认为,信任是底线:宁可多花时间打磨可靠性和安全性,也不愿过早发布,毁掉用户对 agent 的信任。 Meta 超级智能实验室产品副总裁 Mona Sarantakos 从 OpenClaw 带来的灵感讲起,讲述 Muse 如何在约 7 个月后上线:购物为何意外成为重要场景,群体 agent 如何从真实对话中找出问题,以及小团队怎样靠快速原型和产品判断做出差异化。她也谈到 AI 产品经理的工作正在如何改变,以及个人 agent 下一步可能走进哪些设备、怎样真正帮人省时间、改善生活。 👤 本期嘉宾 Mona Sarantakos:Meta 超级智能实验室产品副总裁,在 Meta 工作约 10 年,做产品经理超过 20 年。她曾负责 Meta AI,并从一开始参与 Muse 的产品研发,亲历了这款产品从早期原型到上线的过程。 ⏱️ 时间戳 OpenClaw催生Muse 03:15 Nat 发消息让团队试 OpenClaw 05:10 一份简报让她感到生活终于有了掌控感 Muse为何晚发布 09:37 真正耗时的是可靠性与安全性 10:33 “信任是底线”:太早发布会失去用户 管理层如何参与研发 15:07 团队拿着原型直接找管理层讨论 17:51 扎克伯格提醒团队:先想清楚用户想实现什么 Jolly为何留在产品里 21:07 一个 prompt 生成了最初的小生物 22:36 上线前一周,Jolly 差点被替换掉 购物成为核心场景 28:13 团队没想到购物会变成重要用法 29:59 一周出差,家门口堆了 7 个包裹 从激活到产品工作法 41:40 让用户看见真实用法,口碑最管用 个人agent的下一步 1:13:53 agent 要走出手机应用,融入现实生活 1:14:40 “别再像哄孩子一样盯着 agent” 🌟 精彩内容 💡 agent 失去信任,用户就不会再回来 团队花大量时间补可靠性、内容安全和系统安全;新增浏览器等能力,也会带来新的攻击面。Mona 认为,发布早了出了问题,用户对 agent 的信任可能就再也回不来。 "一旦你不信任这个 agent,就再也不会去用了。" 💡 用户用法让购物意外出圈 团队原先更看好个人效率、健康和个人理财,没料到购物需求会在内测中频繁出现。有人用 Muse 在多家网店挑选下单,家门口一度堆了 7 个包裹;团队也因此开始围绕购物建立 eval。 "我完全没想到购物会变成现在这么大的一个使用场景。" 💡 口碑比广告更能让人懂 agent 一位重度用户把手机递给几位家长看自己怎么用 Muse,当场就有两个人下载。Mona 说,光讲“个人超级智能”或“能替你办事”不够,用户看到身边的人如何使用,才更容易理解产品价值。 "直到亲眼看见身边有代入感的人在用,看见别人具体是怎么用的。" 💡 群体 agent 把用户痛点变成具体案例 团队让一批 agent 阅读大量真实对话、汇总问题并生成合成数据,用来补足过去缺乏的长周期、多轮日常对话数据。它们甚至能定位到“有 10 个人想在这个网站买东西结果被拦截了”。 "如果你没有那份共情,感受不到那份痛,就永远做不出好产品。" 💡 产品经理现在得守住品味和标准 AI 让原型更快出现,产品经理能在一天内看到实物;但做出并发布粗糙的 AI 产品也变得太容易。Mona 现在最看重的,是能否站在普通用户一边判断什么真正值得推出。 "造垃圾和发垃圾的门槛实在太低了。" 💡 十个人起步,原型差点没赶上董事会 Muse 最早的团队约 10 人,设计师 Alex Cornell 用几天做出第一版原型。董事会演示前一小时,原型突然崩溃;工程师们在开场前 5 分钟修好了它。 "在某个平行宇宙里,我们当时没修好,也许 Muse 就永远不会诞生了。" 🌐 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

79 分钟 2k+ 次播放 2天前

#832. Dylan Patel:黄仁勋离开,硬件进步会变慢

#832. Dylan Patel:黄仁勋离开,硬件进步会变慢

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:SemiAnalysis Weekly · Ep. 044 - Is NVIDIA Over? Emergency Pod with ChinaTalk | Dylan Patel, Jordan Nanos, Jordan Schneider (ChinaTalk) 原内容更新时间:Thu, 12 Nov 2026 黄仁勋离开英伟达,硬件进步也会跟着变慢吗?Dylan Patel的判断很直接:“没有英伟达领跑,大家跑得就没那么快了。” Dylan Patel与ChinaTalk的Jordan Schneider、Jordan Nanos从英伟达高层风波谈起,拆解MATCH与RASA两种对华芯片管制思路,讨论中国国产加速器的进展,以及英伟达失去黄仁勋后能否继续留住人才、推动产品。他们也回看黄仁勋如何在关键时刻拍板,解释为什么这家公司接下来的挑战不只是把既定路线图执行下去。 👤 本期嘉宾 Dylan Patel是SemiAnalysis的嘉宾,长期关注芯片与人工智能产业。本集围绕英伟达和对华芯片管制展开,他分析了算力供应链、国产加速器与英伟达的产品执行,也讲到黄仁勋如何介入芯片设计和公司运营。节目谈及的走私指控属于指控,被告应被视为无罪。 ⏱️ 时间戳 黄仁勋离任与芯片风波 00:03 黄仁勋离任,英伟达供应链风波引发猜测 01:09 Dylan谈仰慕黄仁勋,却难接受这场风波 01:52 英伟达芯片流入中国,管制政策将如何变化 MATCH与RASA之争 03:06 MATCH针对先进DUV,RASA堵云访问漏洞 04:14 Dylan称RASA有约20个漏洞,至今没补完 17:11 “拿走一块,他们就把那一块造出来” 英伟达的后黄仁勋时代 21:43 Dylan:问题不在钱,在人才 23:50 英伟达短期没事,真正考验是留住高管 29:32 Volta流片前3个月,黄仁勋拍板加Tensor Core 🌟 精彩内容 💡 没有黄仁勋,硬件进步会变慢 Dylan认为,即使竞争对手在追赶,英伟达放慢也不代表别人就能立刻加速接棒。他把黄仁勋的领导力、供应链影响力和推动决策的能力,都视为行业进步的一部分。 "黄仁勋不再掌舵英伟达,硬件的进步就会变慢,就是这样。" 💡 流片前3个月,他拍板加Tensor Core Volta流片前只剩3个月,团队此前争论不休。黄仁勋决定加入Tensor Core,尽管有人认为改动要花6个月;Dylan说,类似的关键决定累积起来,可能决定芯片的表现和交付时间。 "不,我不管离流片只剩 3 个月,也不管你说改动要花 6 个月,你们必须做,现在就做。" 💡 英伟达的危机,可能从高管离职开始 Dylan认为,英伟达短期内仍能按既定安排交付,但黄仁勋特别擅长留住高管。接下来要看Colette Kress或其他接班人能不能继续给团队方向;如果一年后大批人才离开,他会担心公司的未来。 "英伟达真正面临的重大考验是,Jensen 留住人才的本事特别强,尤其是他的高管团队。" 💡 做出更强开源模型,问题不在钱 美国大公司汇集了最有才华的人才,小型实验室却分散在许多初创公司。Dylan以Moonshot为例,认为它的技术能力不逊于美国实验室,短板在算力和部署。 "问题不在钱,在人才,老兄。" 💡 禁掉一块,另一块就会被造出来 Dylan用拼图比喻供应链:只拿走某个环节,中国就会尝试补上;要真正拉开差距,得关注芯片制造设备等更基础的环节,而非只盯着芯片和AI。 "你拿走一块,他们就他妈的把那一块造出来。" 🌐 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

41 分钟 2k+ 次播放 3天前

#831.Grok Bot 工程师 Poteto:所有代码都是垃圾(除了我的)

#831.Grok Bot 工程师 Poteto:所有代码都是垃圾(除了我的)

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:AI Engineer · All Code Is Slop (Except Mine) — Lauren Tan, SpaceXSI 原内容更新时间:2026-11-14 一个月把 11000 个 PR 部署到生产环境,回滚率却只有约 0.5%。Lauren Tan 在 SpaceXSI 负责 Grok Bot,她分享的关键不是让 agent 写得更快,而是让代码库和验证流程足够可靠,让团队敢于放手。 从用 lint 规则禁止容易出错的写法,到让 agent 自己运行应用、做 UI 测试和形式化验证,这套方法把代码审查逐渐变成查看验证结果。她也解释了为什么每次纠正 agent,都应该尽量变成代码里的确定性检查,以及如何先打好基础,再把成百上千个 agent 编排成软件工厂。 👤 本期嘉宾 Lauren Tan(poteto)在 SpaceXSI 的 Grok Bot 团队工作,分享如何通过软件架构、lint 规则、自动化测试、运行时验证和形式化验证提升 AI 编程 agent 的可靠性。她谈到团队如何把代码审查缩减到查看验证产物,以及在一个月部署 11000 个 PR、回滚率约 0.5% 的情况下保持产品性能。 ⏱️ 时间戳 信任驱动的高质量交付 01:42 倒金字塔:先把确定性约束放进代码 04:58 禁止产品代码使用 useEffect 10:24 她把大部分 token 花在验证上 🌟 精彩内容 💡 月交付 11000 个 PR,回滚率约 0.5% Grok Bot 团队一个月部署 11000 个 PR,约 227 人至少贡献了一个 PR。回滚比例稳定在约 0.5%,产品启动、打字和切换聊天等性能也比刚上线时更好。 "被回滚的 PR 所占的比例反而下降了,稳定在大约 0.5%。" 💡 纠正 agent,别只加一行说明 agent 会把代码库里的反模式当成惯例照着复制。每次纠正,都尽量改成 lint 等确定性检查,或改进 API 和架构,从源头消除问题。 "每次纠正 agent,都要把这次纠正变成一个确定性的检查" 💡 有些容易误用的功能,干脆禁止 团队在产品代码里禁止 useEffect,只允许在 Dune API 内部的部分位置使用;这让他们不必在代码审查时反复抓同一个问题。 "这样一来,这个问题实际上就彻底消除了" 💡 大部分 token 花在验证上 Lauren 认同另一位工程师每天把 70% token 用于验证的做法。她认为 agent 降低了测试和验证的成本,让过去不划算的检查变得可行。 "我用的大部分 token 也都花在验证上。" 💡 软件工厂之前,先清理代码库 如果编码内循环产出垃圾,把它自动化只会制造更多垃圾,还会持续消耗昂贵的 token。代码库、静态分析和验证流程打好基础后,才适合进一步编排大量 agent。 "如果你的编码内循环产出的是垃圾,那把这个循环自动化只会产出更多垃圾" 🌐 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

14 分钟 1k+ 次播放 3天前

#829. Dwarkesh Patel|RSI:AI怎么从数学题进步到超越顶尖研究员?

#829. Dwarkesh Patel|RSI:AI怎么从数学题进步到超越顶尖研究员?

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Dwarkesh Patel · Recursive self-improvement has started 原内容更新时间:2026-11-13 “距离 AI 在 AI 研究上达到人类顶尖水平,只剩下两年左右了,甚至可能只剩几个月。”Dwarkesh Patel说,自己几个月前还不相信这个判断,如今却认为 AI 已经在加速 AI 的发展。 他从数学能力的跃升、AI实验室的研发效率变化,推演自动化研究员如何凭借更快的工作速度、更强的能力和更多的并行实例推动进展。他也谈到持续学习、数据和实验算力这些可能的瓶颈,并解释为什么即使 AI 研究不是完全可验证的,仍可能被大规模自动化。 👤 本期嘉宾 Dwarkesh Patel 是本集原节目的主持人和作者,围绕 AI 研究自动化与递归自我改进展开论证。他关注 AI 在可验证任务上的进步,以及这些能力能否迁移到 AI 研发;本集的判断来自他对近期进展的观察、推演和对主要反对意见的回应。 ⏱️ 时间戳 AI进步正在加速 00:20 AI研究达到顶尖水平,或许只需几个月到两年 01:09 METR称范围明确任务的AI进展速度翻倍 02:53 两年间,数学能力从做不出竞赛题到拿下金牌 自动化研究员的冲击 10:44 AI工作速度约为人类10倍,可全天候工作 14:15 点子变难找的速度,决定会不会出现纯软件奇点 15:10 一年压缩出约4年进展,可能从GPT-3.5跨到GPT-6 可验证性与瓶颈 25:35 AI最令人头疼的缺陷:样本效率不足 34:03 缺少持续学习,未必阻止研究工作自动化 40:05 一万个agent,或各自每天训练一个GPT-3规模模型 🌟 精彩内容 💡 AI研发效率已经在加速 METR在Anthropic观察3个月后称,范围明确任务上的AI进展速度是一年前的2倍。Anthropic报告称,Claude参与的AI研发工作从2月不到1%,升到26%;OpenAI高频使用内部 coding agent 的研究人员,每天使用的价值从约1000美元涨到8月底超过7000美元。 "如今这部分加速大半很可能是因为 Anthropic 广泛使用 AI 来做研发。" 💡 一年可能压缩出4年进展 如果AI自动化研究,研究员会更快、更聪明,数量也更多。Dwarkesh Patel估计,即使最终不是几个月内出现“纯软件奇点”,自动化后的第一个自然年也可能取得相当于当前速度4年的进展。 "这相当于从 GPT-3.5 到 GPT-6 Astra 那么大的跨越,只用了短短 12 个月。" 💡 数学能力的跃升让他改了判断 2023年,模型还不能稳定做四位数加法;2024年,几乎做不出高中数学竞赛题;2025年,已经能在国际数学奥林匹克竞赛拿金牌。随后,OpenAI用88小时解决了一道千禧年大奖难题。 "关于诸神的陨落,有一件事是确定无疑的。他们不会只是稍稍跌落,而是会轰然坠地,摔得粉碎。" 💡 缺少长期记忆,也未必拦得住 他曾认为,每次会话都像AI“上班第一天”,缺少持续学习会卡住研究自动化;但现在他认为,扩展上下文学习或在可验证任务上提升在线学习能力,或许能绕开这个瓶颈。他仍给“到2032年之后才自动化顶尖研究员工作”留了25%的概率。 "这些模型都已经在解决千禧年大奖难题了,却依然像一些没有长期记忆、傻乎乎的天才实习生。" 💡 一万个研究员agent,各自每天训练一个GPT-3 他用算力增长推演:到2027年底,OpenAI或许能给1万个agent分配足够算力,让每个agent几乎每天训练一个GPT-3规模的模型。作为对照,最初的Transformer论文训练最终模型用了8块P100跑3天,今天租用这批算力约需50美元。 "那么你觉得,一家 AI 实验室如果有 1 万名优秀研究员,每个人都有这么多算力,而且思考速度都快 10 倍,生产力会有多高?" 🌐 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

43 分钟 1k+ 次播放 4天前

#830.Yann LeCun:世界模型与下一场 AI 革命 | 南洋理工大学高等研究所公开讲座

#830.Yann LeCun:世界模型与下一场 AI 革命 | 南洋理工大学高等研究所公开讲座

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:NTU- Institute of Advanced Studies · Yann LeCun: World Models & The Next AI Revolution | NTU IAS Public Lecture 原内容更新时间:2026-11-12 大模型读完人类公开文本,大约要花40万年;一个4岁孩子靠视觉、触觉学习世界,却只用了约1.6万小时。Yann LeCun认为,机器要迈向人类水平的智能,光靠文本训练和生成答案还不够。 这场南洋理工大学公开讲座中,图灵奖得主 Yann LeCun从婴儿如何建立世界模型讲起,解释JEPA如何在抽象表征中预测、为什么逐像素生成视频会遇到根本困难,以及机器怎样借助世界模型规划行动。他还谈到强化学习为何难以让机器安全地学会开车、AI时代读大学和研究生是否仍有价值,以及JEPA可能如何改变算力与内存的需求。 👤 本期嘉宾 Yann LeCun是纽约大学计算机科学教授、Advanced Machine Intelligence Lab执行主席,也是Meta基础人工智能研究实验室创始主任。他因卷积神经网络的开创性工作奠定现代深度学习的重要基础,并于2018年获得图灵奖。本集聚焦他提出的JEPA与世界模型,以及他对生成式AI、机器规划和AI研究方向的判断。 ⏱️ 时间戳 AI的常识短板 11:14 机器会下棋,却还做不好猫狗轻松完成的事 婴儿如何学会世界 16:21 婴儿约9个月学会物体会受重力影响 文本训练的局限 20:31 人读完大模型训练文本要约40万年 世界模型如何规划 26:04 世界模型可以连续预测一串动作的结果 JEPA为何不生成像素 31:54 视频大部分信息其实无法预测 SIGReg防止表征坍塌 42:15 让样本表征彼此不同,避免坍塌 JEPA的视觉与规划成果 56:47 单目视频训练出的系统学会了深度 规划、强化学习与泛化 1:11:31 自动驾驶强化学习可能得把车开下悬崖几千次 AI时代的学习与职业 1:23:03 生产成本下降,消费和相关工作反而增加 现场问答:模型与算力 1:36:34 JEPA可能更省内存,但规划会更耗算力 🌟 精彩内容 💡 机器聪明,不等于真的会思考 LeCun认为,智能不只是记住知识、拿下固定测试,而是在没见过的问题面前迅速学会怎么做。机器能下棋、写代码,却还做不好猫狗轻松完成的日常任务。 "智能不是知识的积累。" 💡 婴儿靠少量经历建立世界模型 孩子看见物体无支撑却悬在空中,会比更小的婴儿更在意,因为他们已经学会物体会掉下来。LeCun用这个例子说明,理解世界包括判断什么事合理、什么事令人意外。 "婴儿会学到世界模型,让他们能够判断什么是可能的,什么是不可能的。" 💡 预测像素,可能预测错整个未来 世界里的细节常常无法预测:系统能猜车辆大致怎么走,却不知道路边树叶如何随机运动。逼模型生成视频的每个像素,可能产出看似真实、实际却编造的未来;JEPA因此改为预测抽象表征。 "视频里的大部分信息都是不可预测的。" 💡 强化学习学开车,可能要先摔下悬崖几千次 在可模拟的棋盘或机器人环境中,强化学习有用;但在真实道路上,试错代价太高。LeCun用悬崖举例:系统可能得反复把车开下去,才逐渐学会避开危险。 "如果你把车放在悬崖边,RL 系统在最初 100 年的训练中,会把车开下悬崖。" 💡 AI让工作变多,不只是让人做得更快 LeCun认为,coding agent提高个人产出后,人们会做更多探索、研究和产品开发,需求也会扩大。他判断计算机科学和AI工作不会减少,基础编程的前景则与系统设计不同。 "计算机科学领域的工作,尤其是 AI 领域的工作,不会减少,反而会增加。" 🌐 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

101 分钟 2k+ 次播放 4天前

#828.All-In:英伟达慢一两个节拍,美国的芯片优势就可能松动

#828.All-In:英伟达慢一两个节拍,美国的芯片优势就可能松动

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:All-In with Chamath, Jason, Sacks & Friedberg · Jensen Ousted as Nvidia CEO: "Spy" Scandal, Export Restrictions, Market Impact 本期存在大量删减 原内容更新时间:Sat, 14 Nov 2026 英伟达股价一周暴跌15%,Jensen离开CEO职位之后,美国的芯片优势会不会也跟着松动?All-In几位主持人从这场风波谈起,追问泄密、间谍指控和辞职背后的疑点,也拆解英伟达对AI产业与美国芯片竞争力的分量。 Sacks认为,美国的优势不只是手里有某一代芯片,而是英伟达能持续推出更强的新芯片;如果公司因此慢上一两个节拍,华为可能更快追赶。几位主持人还讨论芯片出口管制、远程关闭开关可能带来的影响,以及英伟达CEO继任人选和Anthropic上市。 👤 本期嘉宾 Sacks是All-In播客的联合主持人,曾在政府任职;他在节目中讨论英伟达与美国AI芯片优势、芯片出口管制和AI产业的关系。节目中,Jason Calacanis、Friedberg与Chamath Palihapitiya也参与讨论。 ⏱️ 时间戳 Jensen辞职与事件曝光 01:14 英伟达宣布寻找新CEO,股价一周跌15% 02:23 Jensen邮件承认婚外情,董事会将调查 泄密与间谍指控疑点 05:27 Sacks称泄露机密备忘录本身是犯罪 11:00 Sacks提出四个待查问题:泄密者、机密内容与间谍指控 辞职背后的动机与利益 12:44 Friedberg担心AI控制权集中到少数人手中 16:05 英伟达十年市值停在约120亿美元,后来四年涨20倍 英伟达放缓与芯片管制 27:15 Chamath警告经济增长可能损失50到150个基点 28:42 Sacks:美国优势在于不断推出更强的芯片 继任人选与Anthropic IPO 44:54 Chamath列出英伟达内部与外部CEO人选 46:01 Friedberg认为若未违法,股东可决定是否让Jensen回来 Anthropic的扩张与安全争议 57:23 Jason认为Anthropic正把多种企业软件捆绑进订阅 59:29 Sacks称递归自我改进有安全风险,Anthropic仍在推进 🌟 精彩内容 💡 英伟达的优势不只是芯片 Sacks认为,美国领先的关键不是某一款芯片,而是英伟达持续迭代的能力。华为用384颗芯片搭成机架,英伟达用72颗;若英伟达因动荡放慢,华为的追赶可能更快。 "我们从 Ampere 到 Hopper,再到 Blackwell 和 Vera Rubin" 💡 削弱英伟达,不会让对手变强 Chamath认为,英伟达出问题,并不会自动解决其他公司的芯片、网络互联、产能和软件生态短板。更可能的结果,是整个AI行业一起放慢。 "这对谁都没有好处" 💡 英伟达像AI经济的银行 英伟达不仅卖芯片,还为初创公司、数据中心和基础设施项目提供资金与担保。Chamath担心,若这项投入放缓,可能冲击AI经济的资本流动。 "英伟达这家银行是靠 Jensen 运转的" 💡 远程关闭开关,控制权在谁手里? 节目讨论出口芯片追踪与远程关闭的要求:企业自行管理,还是政府掌握控制权?主持人担心,芯片监管可能进一步延伸到数据中心与国家级中央系统。 "关键就在这些细节上" 💡 Anthropic一边扩张,一边推进递归自我改进 节目提到Anthropic推出会议、白板、表格等产品,向企业软件市场扩张;Sacks则指出,公司把递归自我改进当作竞争优势,同时认为这类进展带有安全风险。 "他们正在创造这个超级智能" 💡 AI能否在十年内治愈癌症? Dario预测癌症、阿尔茨海默病等疾病用不了十年就会成为过去。Friedberg说,生物学领域借助新工具已经每周出现突破,但这些进展具体意味着什么时间表,还不确定。 "今天就在发生。" 🌐 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

68 分钟 3k+ 次播放 4天前

#827.斯坦福成瘾门诊主任 Anna Lembke:最严重的成瘾,瘾的不是物质,而是控制感

#827.斯坦福成瘾门诊主任 Anna Lembke:最严重的成瘾,瘾的不是物质,而是控制感

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Andrew Huberman · Overcome Addictions and Obsessions of All Kinds | Dr. Anna Lembke 原内容更新时间:2026-11-09 「在最严重的成瘾案例中,人们其实并不是对某种物质或行为上瘾。他们上瘾的是控制感。」斯坦福大学医学院成瘾门诊主任 Anna Lembke,从多巴胺奖赏回路谈到成瘾为何让人越陷越深,也解释为什么有时放下控制、承认自己无能为力,反而能成为康复的转折点。 这一集还谈到社交媒体成瘾、戒断与复发、童年创伤和成瘾风险,以及共依赖如何让亲人彼此困住。Lembke 也分享了灵性臣服背后的神经机制、日常祈祷与「做好接下来该做的事」,并谈到临床中 GLP-1 对部分严重酒精成瘾患者带来的变化。 👤 本期嘉宾 Anna Lembke 是斯坦福大学医学院双重诊断成瘾门诊主任,也是研究成瘾和多巴胺动态的专家。她在临床上接触各种物质与行为成瘾患者,著有《多巴胺国度》;这一集也围绕她的新书《Radical Surrender》,讲述控制、臣服与康复之间的关系。 ⏱️ 时间戳 数字媒介与成瘾回路 03:21 青少年门诊一半转诊与数字媒体成瘾有关 稳态、戒断与康复 10:00 急性戒断常要经历 10 到 14 天,第 3、4 周不少人开始好转 成瘾风险与康复之路 24:44 否认可能要到后果累积后才崩溃,这一刻被称为「触底」 控制成瘾与彻底臣服 29:59 成瘾像在现实中造出一个「另一个世界」,让人获得掌控感 臣服的神经机制 44:10 多巴胺催人「多来一点」,血清素则让人停下来重新评估 灵性、科学与死亡 50:43 失去儿子后,心理治疗和论文都无法解释一切,臣服带来转变 危机、祈祷与共依赖 1:01:08 控制不了未来,但可以做好接下来该做的事 数字时代的开放练习 1:19:19 每天离开屏幕一段时间,去看看天空、树,和人聊聊天 成瘾药物与强迫思维 1:37:34 有些严重酒精成瘾患者试过其他方法无效,用 GLP-1 后进入康复 🌟 精彩内容 💡 最严重的成瘾,瘾的可能是控制感 成瘾行为会把注意力缩窄成一个简单的世界:只要按下那根「杠杆」,就能改变自己的感受。Lembke 认为,控制感不只困住典型成瘾者,也可能困住不停优化生活、害怕选错的人。 "他们上瘾的是控制。" 💡 数字媒体成瘾,不只是个人的自制力问题 Lembke 说,青少年门诊约一半转诊与某种形式的数字媒体成瘾有关。让一个孩子放下设备还不够;如果其他孩子都在屏幕里,集体环境也得改变。 "这不只是个人的问题,也是一个集体的问题。" 💡 戒断可以先做 30 天,不必许诺一辈子 门诊会根据患者的动机、生活处境和成瘾情况制定治疗方案。有时也会让患者把戒断当成生活实验,先试 30 天;她提到,奖赏通路平均需要这么长时间才开始重置。 "我们请他们做自己生活中的科学家,戒掉 30 天,而不是一辈子。" 💡 放下控制,不是放任自己,而是换一条路 她用多巴胺和血清素解释这种转变:多巴胺推动人继续追逐,血清素相关机制则可能帮助大脑重新评估、接纳新策略。臣服让人把注意力缩回眼前,先做好下一件能做的事。 "他们从臣服本身获得了力量。" 💡 GLP-1 让部分严重酒瘾患者进入康复 有些严重酒精成瘾患者尝试过其他心理社会干预和药物都没有成功,用 GLP-1 后进入康复。Lembke 说,这类药物可能减少接触成瘾物质时奖赏通路释放的多巴胺,但并不是对所有人都有效。 "不可能对所有人都管用。" 🌐 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

104 分钟 2k+ 次播放 5天前

#826. Acquired|英伟达三部曲1993-2023(重制版)

#826. Acquired|英伟达三部曲1993-2023(重制版)

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Nvidia Parts I–III: The GPU Company, The Machine Learning Company, The Dawn of the AI Era (1993–2023) 原内容更新时间:2023-09-05 从 90 家做着相似显卡的公司,到今天为 AI 数据中心提供整套计算平台,英伟达的路并不是一路顺风。黄仁勋曾三次押上公司,最危险时团队只剩 35 人,账上现金只够再撑 6 个月。 Acquired 的三部曲串起英伟达从图形芯片、可编程 GPU、CUDA,到生成式 AI 的发展史。Ben Gilbert 与 David Rosenthal 讲述公司如何靠一次次转型活下来,CUDA 为什么成了 AI 计算的底座,以及数据中心、芯片互连和开发者生态如何构成今天的英伟达。 👤 本期嘉宾 本集没有嘉宾出场,内容由 Acquired 主持人 Ben Gilbert 与 David Rosenthal 讲述。他们分别是风险投资人和天使投资人,长期研究科技公司及其经营史;这次从英伟达的创业、产品转型、CUDA 押注一路讲到生成式 AI 时代。 ⏱️ 时间戳 黄仁勋的早年经历 04:33 黄仁勋从台湾辗转泰国、美国,16 岁上大学 从芯片工程到创业构想 11:24 从手工设计芯片,到想让工具和平台赋能更多人 Riva 128绝境突围 32:14 世嘉退出,英伟达只剩 9 个月现金 GeForce与可编程GPU 47:19 英伟达每 6 个月推出一代,性能持续翻倍 CUDA押注通用计算 1:51:53 研究人员拿游戏显卡跑量子化学模型 AlexNet引爆AI计算 2:18:23 ImageNet 用百万张标注图片测试识图算法 Transformer与生成式AI 3:45:38 两块约 1000 美元的显卡训练出 AlexNet 英伟达重构数据中心 4:25:18 突破冯·诺依曼瓶颈,转向并行计算 护城河、竞争与未来 5:00:58 CUDA 注册开发者一年从 300 万增至 400 万 🌟 精彩内容 💡 英伟达最危险时只剩 35 人 世嘉退出、内存成本变化,英伟达的下一代芯片眼看要砸掉。黄仁勋决定裁掉 70% 员工,用软件模拟芯片,把原本要 18 到 24 个月的设计周期压到 6 个月。 "如果我们要活下去,就必须把这一切都扔掉。" 💡 CUDA 是一场 iPhone 级别的押注 英伟达从 2006 年起打造一整套 GPU 通用计算平台,免费提供 CUDA,却让它只能运行在自家硬件上。多年后,AlexNet 用英伟达 GPU 和 CUDA 训练神经网络,AI 计算迎来转折。 "这是一次 iPhone 规模的赌注。" 💡 两块千元显卡,训练出 AI 突破 2012 年,AlexNet 团队用两块 GeForce GTX 580 和 CUDA 训练图像识别模型,错误率从此前约 25% 降到约 15%。过去被认为算力不足、难以实用的神经网络,突然证明了自己的潜力。 "天哪,他们用价值大约 1000 美元的消费级硬件,就训练出了这个模型。" 💡 Transformer 为什么需要 GPU Transformer 每次预测下一个词时都能查看整段输入,计算量很大,但各部分比较可以并行完成。GPU 的大量核心让模型训练速度大幅提升,也让更大的语言模型变得可行。 "GPU 来救场了。" 💡 英伟达卖的不是单独一块芯片 数据中心客户买的可以是一整套 DGX 系统:GPU、CPU、互连和 CUDA 软件一起工作。单块 H100 标价 4 万美元,顶配系统售价可达 50 万美元;整合方案让客户更容易部署,也让英伟达获得更高利润。 "你说解决方案,我听到的就是毛利率。" 💡 想挑战英伟达,得重造整套生态 竞争者不只要做出好 GPU,还得补齐高速互连、数据中心服务器、台积电先进封装产能和 CUDA 级别的软件生态。CUDA 已积累约 1 万人年的开发投入,追赶不是单靠一颗芯片就能完成。 "要说服一位首席信息官,你在这些方面就得比英伟达强 10 倍。" 🌐 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

368 分钟 3k+ 次播放 5天前

#825. Ben Thompson:黄仁勋离任后,英伟达何去何从?华盛顿的报复

#825. Ben Thompson:黄仁勋离任后,英伟达何去何从?华盛顿的报复

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Nvidia After Jensen Huang, What Huang Meant to the AI Ecosystem, Washington Gets Its Revenge 原内容更新时间:2026-11-13 “你不能光靠砸钱就造出一个生态系统。”Ben Thompson从黄仁勋离开英伟达谈起,追问芯片禁令究竟会怎样改变中国的芯片产业和美国的竞争优势。 Ben Thompson与Andrew回顾英伟达如何从游戏显卡走到AI核心供应商:CUDA、整套系统和供应链,都是这家公司押中的关键。随后,他们把焦点转向黄仁勋与华盛顿的冲突、英伟达的接班难题,以及芯片禁令可能带来的长期代价。 👤 本期嘉宾 Ben Thompson,Stratechery作者,也是 Sharp Tech 的主持人之一。他长期关注科技公司与产业变化,并多次采访黄仁勋;本集结合这些采访和对英伟达业务的分析,讨论CUDA如何成为护城河、英伟达如何带动AI供应链,以及黄仁勋与华盛顿的政策冲突。 ⏱️ 时间戳 第300期的葬礼 00:22 英伟达CEO去留引发股价与股东利益之问 02:22 董事会、管理层和股东的利益并不总一致 CUDA如何押中AI 06:27 英伟达让计算单元变得可编程 07:25 AlexNet让CUDA的用途豁然开朗 英伟达的系统护城河 13:08 收购Mellanox,把多块芯片连成系统 15:28 黄仁勋推动供应商相信AI并准备扩产 中国风波与华盛顿 34:08 CUDA替代品,最可能由中国开发者推动 43:39 英伟达守法,却被认为绕过禁令本意 芯片禁令的代价 48:35 造芯片需要整个生态系统协同 49:15 禁令可能催生中国自己的CUDA与制造能力 黄仁勋的豪赌与退场 1:00:56 成就英伟达的大胆押注,也导致黄仁勋垮台 Claude打造家庭工坊 1:05:29 Claude列出螺栓清单,还把购物车装满 1:08:19 Ben用Claude设计3D打印机架配件 AI接管日常操作 1:17:24 Claude终于替Ben点过Mac权限弹窗 🌟 精彩内容 💡 禁令可能帮中国补齐生态 芯片禁令让中国企业更有动力开发自己的芯片、CUDA替代品和制造能力。Ben认为,美国原本可以通过出售落后几代的产品,让客户继续依赖美国供应链。 "从长远看,芯片禁令是在为摧毁我们的芯片产业打基础。" 💡 英伟达守法,却得罪华盛顿 第一版对华禁令按内存带宽设限。英伟达不到一个月就推出带宽更低、性能更差的芯片;Ben认为,这让华盛顿觉得英伟达绕过了禁令想实现的效果。 "他绕过的是你以为自己已经做到的事。" 💡 英伟达卖的是系统,不只是芯片 收购Mellanox让英伟达把芯片互连起来,提供整套系统;黄仁勋还亲自推动供应链扩产。Ben认为,AI所需的芯片和零部件能供应到今天的规模,黄仁勋功不可没。 "要不是黄仁勋,今天全世界的芯片数量,还有这些东西的数量,都会少得多得多。" 💡 成就英伟达的豪赌,也带来垮台 CUDA曾被视为疯狂押注,甚至一度让英伟达濒临倒闭;后来它成了AI时代的关键技术。Ben把黄仁勋在中国问题上的坚持也看作一场赌注,并认为他没有及时收手。 "这些大胆的押注成就了英伟达,也导致了他的垮台。" 💡 几百种螺栓,Claude替他下单 Ben想在地下室备齐螺栓和紧固件,Claude先列清单,再把数百件商品放进购物车。之后他还用Claude设计3D打印机架配件、安排库存和标签。 "Claude 把购物车都装满了。" 🌐 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

79 分钟 5k+ 次播放 5天前

#824.布鲁金斯中国研究员:中国想赢的不是前沿模型,而是AI普及

#824.布鲁金斯中国研究员:中国想赢的不是前沿模型,而是AI普及

跨国串门儿计划

📝 本期播客简介 本期我们克隆了:Decoder with Nilay Patel · Jensen Huang is out — and this could all backfire for China | Decoder 原内容更新时间:2026-11-12 中国要赢 AI,未必得先造出最强模型。布鲁金斯学会约翰·桑顿中国中心研究员 Kyle Chan 认为,中国更看重让 AI 广泛进入经济,尤其是制造业。 Nilay Patel 和 Kyle Chan 从英伟达风波谈起,追问芯片出口管制究竟能否让中国落后:美国内部的鹰派与扩大出口派如何角力,中国怎样发展国产芯片、应对管制,以及黄仁勋在 AI 产业生态中扮演的角色。节目也谈到,AI 技术和人才跨境流动,何时会从普通商业活动变成国家安全问题。 👤 本期嘉宾 Kyle Chan 是布鲁金斯学会约翰·桑顿中国中心的外交政策研究员,研究中国和中美关系。他长期关注中国 AI 产业与芯片发展,能从中国的政策和产业视角分析出口管制争论、中国国产芯片路线,以及 AI 在制造业中的应用。 ⏱️ 时间戳 Megaspeed与调查疑云 01:25 区分已知与未知:Megaspeed可能成英伟达芯片渠道 02:44 中国 AI 公司长期依赖英伟达,也在打造国产芯片供应链 05:42 Kyle认为调查应全面展开,不能有人干预 芯片管制与中国AI路线 10:09 中美争论的核心:限制算力,还是扩大技术出口 11:05 中国要造自己的芯片,也可能用稀土出口反制 14:03 中国更看重 AI 普及,尤其是进入制造业 黄仁勋与AI产业格局 18:01 黄仁勋离开,可能影响英伟达芯片研发速度 19:38 黄仁勋既是技术领袖,也是市场推动者 23:11 AI 人才与知识流动,和国家支持获取技术的界线 🌟 精彩内容 💡 中国想赢在普及,不是最前沿 中国更看重让 AI 融入整个经济,尤其是制造业,而不只是追逐 AGI。Kyle认为,开源模型在中国经济和全球的普及,是判断这条路线成效的重要标准。 "他们真正更关注的是让技术普及开来。" 💡 国产芯片不必追上英伟达 中国正在全力打造自己的 AI 芯片供应链。Kyle认为,即使永远赶不上英伟达最新芯片,只要做到“足够好”,就能替代中国长期依赖的英伟达芯片。 "他们永远也不可能真正赶上。" 💡 出口管制的论点会被风波削弱 美国争论的焦点,一边是限制芯片出口、保持领先;另一边是扩大出口,让中国依赖美国 AI 技术体系。Kyle指出,近期争议可能损害扩大出口一派的论据,无论调查结果如何。 "他们的一些论点可能已经因为这件事受到损害。" 💡 黄仁勋能撬动整个 AI 市场 黄仁勋不只参与技术发展,也会影响市场预期:他点名一家初创公司或新兴云服务商,对方股价就可能上涨;他对量子技术表达怀疑,整个行业也可能受到冲击。 "他的角色不只是技术领袖,还是市场的推动者。" 💡 技术交流和获取秘密,界线难划 人才流动、论文传播和跨国合作会让技术扩散;但国家支持、有组织地获取敏感技术,又是另一回事。Kyle认为,像中国公司收购欧美企业股份这类情况,不能简单一概而论。 "得逐案来看。" 🌐 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

25 分钟 1k+ 次播放 6天前

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧