跨域请求

跨域请求 的全部节目

共 22 集。

22.🌉重生之我在硅谷被AI催着干活|对话Harvey初创成员Joey

22.🌉重生之我在硅谷被AI催着干活|对话Harvey初创成员Joey

跨域请求

Harvey AI | Spectre | AI Agent | 法律 AI | 硅谷独角兽 | vibe coding | AI Engineer | Joey Wang | Figma | Uber | 谷歌 | OpenAI | 红杉 | Uber Copter | Gabe Pereyra | 法律 AI 🎧 本期简介 如果 AI Agent 已经能在群聊里接任务、自己写代码、修 bug,甚至主动来催你审代码,工程师的一天在干什么?Joey 的一天:同时推进五到十个项目,每天只花几分钟给每个 Agent 反馈;更多时候,用他的说法,“我成了 AI agent 的 tool call”(好绝的角度,之前完全没想到过)。他是 Agent 觉得“需要人出面了”才叫上的那个人,比如去工位上催同事审代码,或者跟其它公司协调会议。而在最 AI native 的硅谷,两家公司约个会依然要来回协调一周,因为双方的 Agent 都太厉害了,大家都不敢让它们直接对话。 Joey 是美国法律 AI 公司 Harvey AI 的工程负责人。他加入时 Harvey 还不到十个人,现在已经超过一千人;在这之前,他在谷歌、Uber 和 Figma 工作过。现在他负责 Harvey 内部的多人协作云端 Agent 平台 Spectre。这次非常有缘,Joey 从硅谷来上海,受邀在 AI Engineer 大会上做分享,CL 刚好也受主办方邀请参会,由共同好友牵线,我们录了这一期节目。 我们从 Harvey 怎么帮律师干活聊起:保存问答历史、在几千份文件里大海捞针、把上千份合同的关键信息整理成表格。再聊到 Spectre:Agent 接进 Slack 之后,整个团队可以在一个群聊里一起指挥它;PR 审核从逐行看代码,变成看测试证据、思维导图和架构图。也产生了有意思的新时代的副作用:以前是谁提的 PR 谁负责,现在多人共同跟 Agent 做开发,大家都有责任,大家就都无所谓了,“三个和尚没水吃”具象化了;效率提高的同时,工作内容和强度也变高了。Joey 区分了“内卷”和“外卷”,也给出一个自问的办法:多花的时间,是让自己开心,还是让老板开心? 后半段是我对 Joey 好奇的点:是如何用投资人的心态找工作的,为什么可能不止一次押中未来独角兽?最后是他的“小暴论”:一个人闭门 vibe coding 做出来的东西,上限就是自己的视野和品味,很多只是历史长河里浪费的 token。与其重复造轮子,不如汇集更多人的意见,或者把已有的东西做得更好。 🧩 概念解释 人物 * Joey(Joey Wang):本期嘉宾,Harvey 的工程负责人、早期成员,目前负责内部 Agent 平台 Spectre;此前在 Figma 工作四年,更早在 Uber 和谷歌。本次应邀从湾区来上海参加 AI Engineer 大会做分享嘉宾。 * Gabe(Gabe Pereyra):Harvey 联合创始人,AI 研究出身。节目里讲到,他和另一位律师出身的联合创始人原本是室友,两人把用 AI 处理法律工作的 demo 拿给了 OpenAI 的总法律顾问。 公司、产品与服务 * Harvey:面向律所和企业法务的 AI 公司。2026 年 9 月宣布融资 5.5 亿美元,美国按收入排名的百强律所中有 80% 在用它的产品。Joey 把它比作“更适合律师用的 ChatGPT”。 * Spectre:Harvey 内部的多人协作云端 Agent 平台。工程师、PM、设计师可以在网页或 Slack 里给同一个 Agent 派任务、补充信息、查看过程,它会生成代码改动(PR)、照看测试和审核,直到可以合并。 * Vault:Harvey 的文档工作区,Joey 在 Harvey 主导的产品之一。律师可以上传、管理、分享成千上万份文件,并用 AI 跨文件检索提问;数据存在客户那边。类似于一个 Google Drive。 * Review Table:Vault 的配套功能。从上千份文件里逐一提取签约双方、合同金额、终止日期等信息,生成可以排序、筛选的表格。 * Workflow Builder:Harvey 一年多前做的功能,让客户自己定义工作流程。Joey 说,到今年,一段足够详细的 Agent 提示词就能替代它。 * Figma:在线协作设计工具,在浏览器里运行,多人可以同时编辑同一份设计稿。 * Uber Copter:Uber 推出的直升机出行服务,从曼哈顿飞往肯尼迪机场(JFK)。Joey 在 Uber 时参与过飞行员使用的 App。 * OpenAI / 红杉资本:Harvey 的早期投资方。节目里说 OpenAI 领投了 Harvey 最早的一轮。 * Claude Code、Codex、Claude Cowork、Cursor、GitHub Copilot:常见的 AI 编程和办公工具。Copilot 和早期 Cursor 主要做代码补全(Tab completion),就是在你写代码时自动续写下一段(猜你喜欢)。 * Slack / Linear:Slack 是欧美公司常用的工作聊天软件;Linear 是项目和任务管理工具,一个任务叫一张 ticket,同类的产品还有 Jira。 * Reducto、turbopuffer、Exa、You.com、Parallel:节目里举例的外部服务商。Reducto 做文档解析,turbopuffer 做向量数据库,Exa、You.com、Parallel 为 AI 提供联网搜索等服务,Harvey 最后选了 Parallel。 * AI Engineer 大会(AIE):面向 AI 工程师的技术大会,2026 年在上海办了一场,Joey 是演讲嘉宾。 技术与用语 * Agent(智能体):能自己拆解任务、调用工具、连续执行多步操作的 AI,而不只是一问一答。云端 Agent 跑在服务器上,不依赖某个人的电脑,可以几小时甚至几个月持续工作。 * Subagent(子智能体):主 Agent 把任务拆开后,分派给其他 Agent 去执行的分身。 * Tool call(工具调用):Agent 在执行任务时调用某个外部工具。Joey 自嘲自己变成了 Agent 的一次 tool call:Agent 觉得需要人出面时,就轮到他。 * PR / Commit / Merge:程序员协作的基本单位。Commit 是一次代码提交;PR(Pull Request)是请同事审核、并入主代码的一组改动;Merge 指审核通过后并入。 * Code review(代码审核):同事检查你的 PR,确认没问题才能合并。 * Git / GitHub / git blame:Git 是在本地管理代码版本的工具,GitHub 是基于 Git 的多人协作平台。git blame 可以查出每一行代码是谁、在哪次提交里写的。 * CI:持续集成。每次提交代码后自动跑测试、检查,CI 失败通常意味着代码有问题。 * Babysit:本义是“看孩子”。这里指 Spectre 替人盯着一个 PR,修掉测试失败、处理其他 Agent 的审核意见,直到可以合并。 * Plan Mode:一些 AI 编程工具的功能,先让 AI 写出执行计划,确认后再动手改代码。 * Compaction(上下文压缩):对话太长时,把之前的内容压缩成摘要,好让 AI 继续工作。Joey 说早年自己就是那个人肉“压缩算法”。 * Artifact / User journey:Artifact 指 PR 附带的“证据”,比如测试结果、架构图、思维导图;User journey 是用户使用路径,比如“以前不能做这件事,现在可以了”。 * 端到端测试(end-to-end test):从用户实际操作出发,把整个产品流程走一遍的测试。 * PLG(Product-Led Growth):产品驱动增长,靠产品本身好用来吸引用户、自然扩散,而不是先拿到客户需求再定制。 * PMF(Product-Market Fit):产品市场匹配,指产品已经被大量用户真正需要和使用。post-PMF 就是过了这一步、进入扩张阶段的公司。 * IC(Individual Contributor):不带团队、自己做具体工作的一线员工,与管理者相对。 * Founding Engineer:创业公司最早期的工程师,通常什么都要做。 * Needle in a haystack(大海捞针):在海量资料里找到一条特定信息。 * First draft:初稿。律师常用模板生成初稿,再在此基础上修改。 * Vendor / procurement / buy vs build:Vendor 是外部服务商;procurement 是公司的采购流程,常要经过法务和安全审核;buy vs build 指一项能力是买现成的服务,还是自己开发。 * On call:值班待命,系统出问题时有人能马上处理。 * Deprecate:停止使用、下线某个旧版本,比如节目里提到的旧模型 GPT-4.1。 * Loose end:没收尾的事。这里指开了很多让 Agent 做的方向,但没有收敛进最终产品。 * 内卷 / 外卷:Joey 用“外卷”指向外解决新问题、自己有意愿多做的那种忙,和互相消耗的内卷相对。 * Bro culture / brilliant jerk:Bro culture 指硅谷一些公司里那种兄弟会式、张扬的男性化氛围;brilliant jerk 指能力很强、但待人傲慢难相处的人。 * 天使投资:在公司非常早期时投入资金。Joey 说在硅谷一两千美元就能投,更多是和创业者保持关系、提供建议。 * Vibe coding:用自然语言描述想要什么,让 AI 写出程序,自己不太看代码。 * Token:大模型处理文字的基本单位,也是 AI 用量的计费单位。“浪费的 token”指花了算力、却没有产生价值的产出。 * Build in public:公开构建,把做产品的过程、进展和问题公开分享,邀请别人一起参与。 ⏱️ 章节时间戳 开场 00:00 金句预告 01:02 CL 开场:介绍 Harvey 工程负责人 Joey、这次录制的缘分,以及本期聊到的几组矛盾 第一部分:Harvey 和 Joey 的来路 02:54 Joey 的履历和 Harvey 的体量:2026 年 9 月融资 5.5 亿美元,美国百强律所里八成在用 03:48 Harvey 能帮律师做什么:管理公开法规和客户私有资料,按模板生成初稿,多人接力修改并保留记录 05:40 为什么不直接用 Claude 或 Codex?区别在多人共享,就像从本地 Git 到 GitHub、从本地文件夹到 Dropbox 06:33 Joey 在 Figma 的四年:什么是产品驱动增长(PLG),为什么 Figma 早期有很多做游戏引擎的工程师 08:48 2023 年 Joey 在 Figma 试过用 GPT 生成幻灯片,觉得那时的 AI 还不够聪明,于是看好法律、金融这类愿意为 AI 付费的行业 10:34 Harvey 怎么起步:两位室友创始人把法律 AI 的 demo 拿给 OpenAI 的总法律顾问,后来 OpenAI 领投了第一轮 11:45 最早的 Harvey 一问一答、刷新就没:律师不愿意让公司存数据,Joey 的第一个项目是做历史记录 12:58 Joey 加入时公司只有几个人,没有 PM 和设计师,用 Cursor 的代码补全快速做原型、找客户试 13:56 一个月做出 Vault:律师版的 Google Drive,在几千份文件里大海捞针;律师的很多工作其实是翻报销单、查邮件往来 16:04 Vault 的数据存在客户那边;当年的 AI 编程还做不到一句话写出整个产品,用代码补全接受率考核员工如今看来很离谱 18:09 Review Table:从上千份合同里提取签约方、金额、终止日期,做成可以排序筛选的表格 18:48 先由人把流程想清楚,只把不确定的部分交给 AI:工程化做好之后,Harvey 到今年才把 GPT-4.1 下线 20:26 Joey 从 Vault 团队经理回到一线工程师;一年多前做的 Workflow Builder,今年一段 Agent 提示词就能替代 21:17 模型迭代这么快,是不是学得够慢就不用学?Joey:旧方法仍能补上最后 5% 第二部分:Spectre,在群聊里一起指挥 Agent 21:57 Spectre 的由来:把 PR 交给同事时,你跟 AI 说过什么、做没做计划和测试,这些上下文都丢了 23:12 Spectre 接进 Slack 后,整个团队在一个群聊里指挥同一个 Agent,还能让它把改动部署到共享的测试环境 24:46 副作用:交给 AI 的事情容易被忘掉;多人共用一个 Agent,变成“三个和尚没水吃”,大家都有责任,于是大家都无所谓 25:36 Harvey 的规矩:谁发起改动,谁就是这个 PR 的负责人,一两天没动静就让机器人去催 26:40 PM 也用 Spectre 提 PR,却不熟悉合并流程:一键找合适的审核人;长期还要让系统判断哪些低风险改动可以直接上线 28:18 最大的问题是收不了尾:开了太多让 Agent 做的方向,结果没有收敛进最终产品 28:55 AI 写代码太快,需求文档和测试都看不过来,怎么不失控?Joey 把给律师做 Review Table 的思路搬到了代码审核 30:43 最高效的员工每周有几百个 PR 上线:审核从逐行看代码,变成看测试证据、架构图和用户路径 31:44 写代码已经不是瓶颈,接下来的瓶颈是验证和理解架构;人的审核记录还能用来训练 AI 判断 PR 能不能合并 33:46 先审自己的 PR:每一行代码都能追溯到 Spectre 里的一轮对话,就像律师要知道每句话的出处 第三部分:Joey 和 Agent 的一天 36:14 Joey 的一天:他的 Agent 没有上下班,有的已经跑了好几个月;例子是让 Harvey 的律师能用上浏览器 37:55 挑外部服务商:质量之外,更看企业级功能、能不能撑住数据规模、出了问题能不能十分钟内有人响应 39:29 买还是自己做:买要做调研、拉安全团队对接;自己做就让 Agent 通宵做原型,Joey 第二天测试、每天花几分钟反馈 41:35 同时推进五到十个项目,Agent 每天自动看客户反馈、修 bug、提 PR;去催同事审核仍是 Joey 自己的活 42:31 “我变成了 Agent 的一次工具调用”:Agent 觉得需要人出面时,就轮到 Joey 42:45 最 AI native 的硅谷,两家公司排个会要协调一周:双方 Agent 都太厉害,反而不能让它们直接对话 第四部分:效率更高,人更卷了? 43:44 效率这么高,人反而更卷更累了吗?Joey:效率提高了、工作时间没减少,是很多硅谷工程师的共识 44:46 有人早九晚九,有人下班连 Slack 都不装:大家彼此尊重对工作的不同态度 45:39 “内卷”还是“外卷”:在相信愿景的创业公司,想推一件事不用再申请人手和经费,交给 Agent 就行 46:48 如果觉得自己在“外卷”,先问问:多花的时间是让自己开心,还是让老板开心? 第五部分:用投资人的眼光挑工作 47:40 Joey 为什么用投资人的眼光挑工作:想不断尝试新东西,大厂给不了空间,只能找已经找到 PMF 的创业公司 49:42 当年怎么看中 Figma:Uber 时期很欣赏的产品负责人去了 Figma,面试时遇到的每个人都想一起共事 51:42 为什么选 Harvey:律师软件几十年没变过;创始团队谦逊、聪明、凝聚力强,不是 bro culture 或 brilliant jerk 53:30 愿意 24/7 一起工作的创始人:就算公司没成,交到战友也值得;能拿到 OpenAI 和红杉的早期投资,也说明他们的能力 55:12 Joey 做天使投资:在硅谷一两千美元就能投,重点是和年轻创业者保持联系、提供建议 58:20 投资回报不是重点:Joey 更想看早期公司怎么成长,攒下招人和跨越发展阶段的经验 59:18 很多工程师以为埋头苦干就够了;Joey 认为瓶颈往往不在技术,而在能不能在公司和行业里发挥自己的价值 第六部分:被浪费的 token 01:01:04 Joey 的“小暴论”:很多 vibe coding 做出来的东西,是历史长河里浪费的 token 01:01:31 一个人的视野和品味有限:要集中客户、PM、设计、数据等多方输入,做完还要请别人试用、公开分享 01:04:11 先找到真实的需求;工程上与其重写一个只是略有不同的库,不如把现有的库做强 01:04:57 最大的障碍是 ego:Joey 做 Spectre 是因为没人做,还主动交给 PM、设计、基础设施和安全团队一起改进 01:06:08 在公司内部 build in public:承认自己不懂、请别人帮忙,并不是坏事 结尾 01:06:31 今天没聊完的问题,下次再把“考场”拉回跨域请求 📚 参考资料 Harvey 与 Spectre * Harvey 官方博客:Building Spectre, an internal collaborative cloud agent platform * Harvey 官方公告:融资 5.5 亿美元,估值 155 亿美元(2026-09) * Harvey 产品页:Vault * Harvey 客户页面 关于 Joey * AI Engineer 上海 2026:Joey Wang 嘉宾页(演讲:Harvey 内部的上万次 Agent PR) * The First Commit 专访:Building Harvey: Trust is the Product * Figma 官方博客:Inside Figma: how Figma engineering uses FigJam to scale 💬 一起同行 欢迎加入听友群~ 加微信 "cliu21",备注“听友”。 群里会分享我自己和大家在用的 AI 工作流和资讯,希望能让AI 真正解决大家的问题。 也欢迎来聊天、吐槽、给节目提建议。

68 分钟 99+ 次播放 4天前

21.🍸AI越好用人越笨?个人到社会的技术倒退|串台《金酒半杯》

21.🍸AI越好用人越笨?个人到社会的技术倒退|串台《金酒半杯》

跨域请求

技术退化 | 金酒半杯串台 | 古法编程 | Claude Code | desirable difficulty | 3Blue1Brown | Jonathan Blow 吹哥 | 沉星之序 | LLMs can't jump | 溯因推理 | 爱因斯坦 | 登月 | F-1 发动机 | 比特翻转 | 刘胜与 🎧 本期简介 某一天公司内网出了故障,Claude Code、Cursor 这些 AI 编程工具全都用不了。程序员们写代码写得磕磕绊绊,最后干脆一起挤到茶水间,“像一群需要钻木取火的现代人”。CL 也有过类似的经历:新模型刚出来时用得太猛,一两天就把额度用光了,等额度的时候才发现自己不会干活了,电脑里连代码编辑器都没装。AI 让我们更能干,也让我们越来越离不开它。如果每个人都在不知不觉中丢掉一点能力,整个社会会不会出现技术退步? 这是《跨域请求》和《朗姆酒瓶》《金酒半杯》两位主播 Rum、Gin 的串台。这个问题的起点,是《金酒半杯》聊《沉星之序》的那期节目:游戏设计师 Jonathan Blow(人称“吹哥”)十多年前在一次采访里谈到了技术退步和文明衰落。 我们先从教育聊起。学生用 AI 把作业做到满分,到了考试却问题百出;金酒半杯家五岁的孩子遇到问题,已经会说“你们去帮我问一下 AI”。学习被 AI 变得太丝滑,那些卡住、反复试错、睡一觉突然想通的 Aha moment 正在消失。可是困难本身并不值得追求,关键是这个困难对学习者有没有益处。我们聊了 AI 能怎样帮每个人量身设计难度梯度,聊了吹哥的游戏怎样不靠教程就让玩家自己摸清规则,设定简单但是同样上头(中间聊游戏聊飞了,快进掉了),也聊了 3Blue1Brown 的作者 Grant Sanderson 的观点:今天的老师,要做一个好的策展人。 所以:AI 自己有创造力吗?人类可以只保留创造力吗?Google DeepMind 的一篇 ICML 论文认为,大模型已经很擅长归纳和演绎,缺的是“溯因”,也就是凭空提出一个前所未有的假设。CL 借论文里的案例,讲了爱因斯坦怎样从“一个自由落体的人”出发,经过封闭电梯里的思想实验,推出光在引力场中会拐弯,最后由日全食观测验证了猜想。 最后把视角放大到整个系统。AI 正在虹吸全世界的人才和资金,会不会有一些非常有潜力的研究方向,因为得不到资源而永远失去了被发现的可能性?而今天的 AI 底座技术,神经网络,本身就是一个很好的例子!因为它曾是被冷落了几十年的“旁门左道”。人类在 1969 年登上月球,今天想重返月球却困难重重,因为当年靠上千次试验攒下的经验,随着生产线关闭和工程师退休一起消失了。AI agent 帮我们绕过了依赖冲突,冲突本身却还埋在底下;当年 Jeff Dean 排查谷歌索引故障时怀疑到硬件头上,AI 会想到这一步吗?节目在意义感的问题上收尾:一位身处 AI 浪潮中心的研究者朋友感到疲惫和迷茫,DeepSeek 的算子工程师刘胜与则担心,“静心写上一下午算子的清欢”可能就要成为绝唱。 🧩 概念解释 提到的播客 * 《金酒半杯》:EP002.《沉星之序》与 Jonathan Blow:游戏、知识与正在熄灭的星(本期话题的起点) * 《朗姆酒瓶》:EP12.寻找张伟:关于卷积神经网络一段不为人知的往事 * 《机核游戏频道》:关于游戏的信仰-Jonathan blow的创作哲学(重轻老师讲吹哥的那期) 人物与节目 * 《朗姆酒瓶》 / 《金酒半杯》:Rum(朗姆)和 Gin 一起主持的两档播客。 * 张伟:《朗姆酒瓶》EP12《寻找张伟》的主角,和卷积神经网络和反向传播的早期研究者,甚至他的发现早于在这个领域更有名的杨立昆。 * Jonathan Blow(吹哥):独立游戏设计师,代表作有 Braid(《时空幻境》)、The Witness(《见证者》),新作是《沉星之序》。他十多年前在一次采访中谈到技术退步和文明衰落,这是本期话题的起点。 * Grant Sanderson / 3Blue1Brown(三蓝一棕):Grant Sanderson 是数学科普频道 3Blue1Brown 的作者,用动画讲解微积分、线性代数、神经网络等内容,很多大学老师会直接把他的视频放进课程材料。本期引用了他的观点:老师要做一个好的策展人。 * 孙宇晨(孙哥)/ 邵艾伦:孙宇晨在邵艾伦一场四个多小时的采访里说,人人都可以进入数学领域、人人都能拿诺奖。 * Tom Zahavy:Google DeepMind 研究员,ICML 2026 立场论文《Position: LLMs can't jump》的作者,本期关于 AI 创造力的讨论就围绕这篇论文展开。 * 爱因斯坦:本期讲他发展广义相对论的经过。他把“一个人从高处自由落下时感觉不到自己的重量”称为一生中最快乐的想法,这个念头最后引出了等效原理和光线弯曲。 * Geoffrey Hinton(杰弗里·辛顿):神经网络被冷落的几十年里一直坚持研究的学者之一,2012 年和学生用 AlexNet 赢得 ImageNet 比赛。本期还提到他转述的一次经历:AI 告诉他,堆肥本质上和核裂变一样是链式反应。 * 杨立昆(Yann LeCun):和 Hinton 一样,在神经网络被冷落的年代坚持研究的学者之一。 * Marvin Minsky(马文·明斯基):人工智能先驱,1969 年出版的《感知机》(Perceptrons)分析了当时神经网络的局限,此后这一方向长期遇冷。 * 李飞飞:斯坦福大学教授,主导建立了大型图像数据集 ImageNet 和相关比赛,为神经网络在 2012 年的突破提供了数据基础。 * Jeff Dean / Sanjay Ghemawat:谷歌早期的两位传奇工程师。谷歌刚创业时搜索索引出了问题,两人一路排查到硬件层面,发现了比特翻转。 * 刘胜与(intlsy):DeepSeek 的算子工程师,文章《我不得不把才华埋葬在昨天》的作者。本期两次提到这篇文章:一次讲大学生做作业时用不用 AI 的两难,一次讲写算子的乐趣正在消失。 * 晓婷:《小孩发射计划》主播,CL 的好友,《跨域请求》EP4 的嘉宾。也和金酒半杯讨论过这个话题。当时她觉得大家有点杞人忧天:新技术出现时总有人担心退化,但人类总能适应。 游戏 * 《沉星之序》(Order of the Sinking Star):Jonathan Blow 的新作解谜游戏。本期用它讨论难度梯度和“不靠教程也能让人学会”的关卡设计。 * Braid(《时空幻境》):Jonathan Blow 早年的解谜游戏,把“时间可以倒流、流速可以不均匀”做成了游戏机制。本期拿它的设计思路和爱因斯坦的思想实验作对比。 技术与用语 * Vibe Coding / Agentic Coding:用自然语言描述需求,让 AI 或 AI agent 自己写代码、调试、跑通程序;auto mode 指让 agent 自动执行,人只看它最后的总结。 * 古法编程:网络戏称,指不借助 AI、自己一行行写代码。 * 有益的困难(Desirable Difficulty):学习心理学里的概念,指学习时适度的困难反而能让理解和记忆更牢固;本期强调,关键是这个困难对学习者有益,不是越难越好。 * 反向传播 / 链式法则:训练神经网络的基本方法。先算出预测和真实结果之间的误差,再用微积分里的链式法则从输出层一层层往回算出每个参数该怎么调,反复迭代,让误差越来越小。 * 归纳、演绎、溯因(Abduction):归纳是从大量数据里总结规律,演绎是从已有公理推出结论,溯因是为解释现象提出一个全新的假设。论文认为大模型擅长前两种,缺的是第三种。 * 等效原理:在封闭的电梯里,人无法分辨自己是在地面上静止,还是在太空中加速上升。爱因斯坦由此推断,引力和加速度的效果是一样的。 * 祝融星(Vulcan):19 世纪天文学家为解释水星轨道的偏差而假设的一颗行星,后来被证明并不存在。本期用它说明:遇到解释不了的 bug,人们更常见的做法是打个补丁,而不是像爱因斯坦那样提出全新的框架。 * 比特翻转(Bit Flip):计算机里存储的 0 意外变成 1,或 1 变成 0;宇宙射线、硬件老化都可能造成这种错误,程序逻辑没错,结果也可能出错。 * RSI(递归自我改进):让 AI 参与训练和改进下一代 AI。本期金酒半杯提到自己做的小型 RSI 实验:AI 一旦找到看似有潜力的方向,就容易陷入其中,像掉进一个“吸引子”。 * 范式转换:科学哲学家库恩提出的概念,指科学界整体换掉原来的理论框架,比如从牛顿力学到相对论。本期认为,AI 擅长在现有范式里优化,还没有表现出推动范式转换的能力。 * 感知机 / SVM / ImageNet / AlexNet:感知机是最早的单层神经网络;SVM(支持向量机)是神经网络遇冷时期更受欢迎的一类机器学习方法,数学上更优雅、结果也更有保障;ImageNet 是大型图像识别数据集及其比赛;AlexNet 是 2012 年在比赛中大幅领先、让神经网络重新受到重视的模型。 * F-1 发动机 / 土星五号:土星五号是把阿波罗宇航员送上月球的运载火箭,F-1 是它第一级使用的发动机。2013 年,NASA 工程师重新对留存的 F-1 发动机部件做点火测试,想弄清楚当年是怎么造出来的。 * 隐性知识:只能在实践中积累、很难完整写进文档的经验。本期认为,这正是登月技术失传的原因。 * 屎山雕花:网络戏称,在本来就混乱的代码(“屎山”)上继续做精细修饰,底下的问题却没有解决。 🔁 提到的往期节目 * 15. 🍾串台朗姆:硅谷AI CEO的不正经人格图鉴大赏 * 19.💻行走的Google技术史Jeff Dean:传奇程序员的告别与远征 * 20.☢️AI时代的奥本海默困境:明知可能毁灭人类,为何还要继续 ⏱️ 章节时间戳 开场 00:03 CL 开场:这期请来《朗姆酒瓶》和《金酒半杯》的两位主播 Rum 和 Gin,一起聊 AI 时代的技术退步 00:52 跨域请求和金酒半杯再次串台:从 Jonathan Blow 谈技术退步的采访说起,AI 让每个人更能干,会不会也让整个社会的技术退步? 02:23 公司内网故障,AI 编程工具全挂,程序员只能聚在茶水间;CL 用光额度后才发现自己不会干活,电脑里连代码编辑器都没有 04:07 不爱动脑子:查天气这种十几秒的小事也下意识去问 AI,已经形成了路径依赖 第一部分:AI 越帮越多,人还跟得上吗 05:45 用 agent 做了一个月的项目,自己已经说不清它是怎么运作的:以播客 agent 为例,一条条看似合理的规则如何叠成互相冲突的屎山 08:31 是人的记忆不够长,还是 AI 产出太快、人消化不过来?遇到这种情况,我们也会怀疑是不是自己不会用 AI 10:24 用 AI 做原型只要两三个晚上,做成可以长期维护的产品却越来越没耐心,电脑里攒了一堆原型 第二部分:AI 时代的教育 11:15 我们经历过前 AI 时代,现在的大学生呢?刘胜与文章里的作业难题:自己苦做拿不到满分,交给 AI 几分钟就满分 13:46 金酒半杯在大学修编程课:五位老师对 AI 的态度从鼓励到禁止,各不相同;MIT 的报告说靠检测禁用 AI 行不通 14:58 AI 原生的一代:五岁的孩子听 ChatGPT 讲睡前故事,遇到问题说“你们去问 AI”,AI 能耐心回答所有“为什么” 16:50 顶尖大学的学生作业表现变好、考试却一塌糊涂:AI 把学习变得太丝滑,卡住之后想通的“啊哈时刻”没了 18:52 什么是“有益的困难”:一门贝叶斯统计课如何重塑了一个人看问题的方式 20:41 困难本身不是目的:AI 可以为每个学生定制刚好够得着的难度梯度,就像刷题时只挑比自己难一点的题 23:36 教育和效率是两码事:效率要的是直接拿到结果,学习却要一点点留在脑子里,比如背书后睡一觉再复盘 第三部分:老师要怎么教 25:00 老师到底该怎么教?先从吹哥的游戏说起:它故意让玩家多吃点苦头,金酒半杯和 CL 都在玩《沉星之序》(打到哪一关的讨论已快进) 25:58 教的内容要从“知识清单”变成“知识骨架”:模型年年变,反向传播背后的链式法则却能迁移到很多地方 27:50 能不能把反向传播做成一关关的游戏?金酒半杯设计中的齿轮原型:不先讲公式,先让学生玩出直觉 29:34 3Blue1Brown 的 Grant Sanderson 说,AI 时代的老师要做好策展人:从海量资料里选什么、按什么顺序讲出一条线 33:18 AI 攻破数学难题之后,Grant Sanderson 出视频谈数学爱好者该怎么用好 AI;孙宇晨也说人人都能拿诺奖 34:29 《沉星之序》也是一种策展:不设新手村,规则简单却设计精妙,解开谜题时的啊哈时刻不同于刷短视频的多巴胺 39:01 鼓励学生大量用 AI 做项目,但验收要改成当面展示和答辩;学生自己也要学会策展 40:49 希望孩子保留好奇心和创造力;晓婷曾觉得我们杞人忧天,人类总能适应新技术,而 AI 也还碰不到嗅觉、触觉这些具身体验 第四部分:AI 有没有创造力 42:26 论文《Position: LLMs can't jump》:大模型已经擅长归纳和演绎,缺的是提出全新假设的“溯因” 44:57 爱因斯坦“一生中最快乐的想法”:从一个自由落体的人,到封闭电梯里的四个思想实验,推出等效原理 49:32 从电梯里的一束激光推出光会在引力场中弯曲,再到 1919 年日全食时观测星光的偏移来验证 52:39 这一整套推理的起点无法从过去的经验推导出来,这就是 AI 还做不到的“溯因” 53:22 反方意见:AI 告诉 Hinton,堆肥和核裂变一样是链式反应,AI 也许能做到小小的跳跃 54:17 吹哥设计 Braid 的思路像爱因斯坦的思想实验:现在 AI 做不出这样的游戏,十年后呢? 55:16 “把知识交给 AI,人只保留创造力”是空中楼阁:创造力是知识积累过程中附带的奖励 57:08 金酒半杯的小型 RSI 实验:AI 一旦找到有潜力的方向就停不下来,很难跳出现有范式 第五部分:资源虹吸与技术失传 58:03 AI 虹吸全社会的资源,不成熟的探索方向可能就此被淘汰;OpenAI 测试中的大批 AI 智能体入侵 Hugging Face,是跳出了框框,还是掉进了更大的吸引子? 01:00:39 最好的例子就是 AI 自己:神经网络 1943 年就被提出,1969 年《感知机》之后长期遇冷 01:02:19 金酒半杯讲解反向传播:多层神经网络怎样根据误差一层层调整权重 01:04:15 神经网络被 SVM 压过的年代,Hinton、杨立昆等少数人坚持下来,直到 2012 年 AlexNet 在 ImageNet 比赛中大幅领先 01:06:34 今天会不会也有方向处在当年神经网络的位置?毕达哥拉斯学派与根号二:科技树点错了,可能就再也回不去 01:08:33 登月技术为什么失传:1972 年阿波罗计划结束后,人类半个多世纪没再登月;2013 年 NASA 工程师重新给 F-1 发动机点火测试 01:10:45 当年靠上千次试验找到的工程方案是隐性知识,生产线关闭、工程师退休之后,整套能力就没了 01:11:29 回到 AI:agent 一个晚上就把程序跑通,可依赖冲突只是被绕了过去,我们正在一个光滑的表面上滑行 01:13:07 论文里的水星轨道:19 世纪的科学家假设存在祝融星来打补丁,爱因斯坦却提出了新框架;AI agent 大概率也只会打补丁 01:15:19 谷歌早期的索引故障:Jeff Dean 和 Sanjay 怀疑到硬件头上,发现了比特翻转,再用软件兜底;AI 会这样想吗? 结尾:人的意义感 01:18:35 比技术退步更让人在意的,是 AI 时代人的意义感:一位前沿 AI 研究者朋友对自己能否写得比 AI 好失去了信心,也被高频的新消息弄得疲惫不堪 01:21:12 越靠近 AI 风暴中心,感受到的冲击越大:数学家道心破碎,刘胜与写下“静心写一下午算子的清欢”可能成为绝唱 01:23:24 CL 收尾:别让“反正有 AI”变成习惯,给自己留一点磕磕绊绊的时间;留给评论区的问题:有什么事以前自己能做,现在离开 AI 反而不会了? 📚 参考资料 AI 与创造力 * Tom Zahavy:Position: LLMs can't jump(ICML 2026,PMLR) * John D. Norton:Einstein's pathway to general relativity 教育 * 刘胜与:我不得不把才华埋葬在昨天 * 刘胜与:《我不得不把才华埋葬在昨天》补充说明 * 3Blue1Brown 官网 神经网络的冷门年代 * CIFAR:Our story(加拿大高等研究院长期资助神经网络研究的历史) * Geoffrey Hinton 个人简介(多伦多大学) 登月技术 * 洒家君泽:登月技术,为什么消失了半个多世纪? * AP:NASA 重新测试阿波罗 11 号的 F-1 发动机(2013-01) * The Space Review:Burning thunder(F-1 发动机燃烧不稳定问题的攻关) * Wikipedia:Rocketdyne F-1 🖼️ 配图 [爱因斯坦思考电梯思想实验:地面上静止和太空中加速上升的电梯里,小球都落向地板] 图 1|电梯里的等效原理:左边是停在地球上的电梯,右边是在太空中以 g 向上加速的电梯,电梯里的人分不出自己在哪一边。这是论文《Position: LLMs can't jump》的插图(论文注明由 AI 生成),对应节目里 CL 讲的电梯思想实验。来源:Tom Zahavy, Position: LLMs can't jump(PMLR)。 [1919 年日全食的照相底片,太阳周围用短横线标出了恒星位置] 图 2|1919 年 5 月 29 日日全食:观测队在巴西索布拉尔拍下的底片,日冕周围的短横线标出了背景恒星的位置。比较这些星星和平时的位置,就能测出星光经过太阳附近时偏折了多少。来源:F. W. Dyson, A. S. Eddington, C. Davidson(1920),经 Wikimedia Commons。 [NASA 马歇尔航天中心试验台上,F-1 发动机燃气发生器点火喷出火焰] 图 3|2013 年重新点火的 F-1:NASA 马歇尔航天中心在 2013 年 2 月 14 日试车的 F-1 发动机燃气发生器。当年的图纸和实物都还在,工程师仍要把部件拿出来重新点火测试,才能弄清它到底是怎么工作的。来源:NASA Image and Video Library。 💬 一起同行 欢迎加入听友群~ 加微信 "cliu21",备注“听友”。 群里会分享我自己和大家在用的 AI 工作流和资讯,希望能让AI 真正解决大家的问题。 也欢迎来聊天、吐槽、给节目提建议。

84 分钟 1k+ 次播放 2周前

20.☢️AI时代的奥本海默困境:明知可能毁灭人类,为何还要继续

20.☢️AI时代的奥本海默困境:明知可能毁灭人类,为何还要继续

跨域请求

AI 末日论 | AI 减速 | Jacob Coxon | Hugging Face 入侵事件 | Dario Amodei | 黄仁勋 | METR | 监管俘获 | 纳维-斯托克斯 | 陶哲轩 | DeepSeek 算子 | Sam Altman | 马斯克 | Hinton | All-In Podcast | 千禧年难题 | 开放安全 AI 联盟 | RSI 递归自进化 | 智谱 GLM | 我不得不把才华埋葬在昨天 🎧 本期简介 伦敦一场上千人参加的 AI 展望会上,一位听众突然站上凳子,打断了台上嘉宾的分享:AI 有 10% 的概率在十年内杀死所有人,我们当中有谁对这件事有发言权?你们真的觉得,这就是我们愿意被带进去的世界吗?保安已经走过来准备请她离场,现场却响起了掌声。 “10% 的概率”是从哪儿来的?9 月 8 日,OpenAI 宣布用一万多个 AI 智能体、88 个小时,解出了千禧年难题之一的纳维-斯托克斯问题。几个小时后,在 OpenAI 和 Anthropic 都做过预训练研究的 Jacob Coxon 发帖宣布辞职,说造 AI 的这些人真心相信,AI 可能在这个十年内让人类灭绝。Anthropic 对齐团队负责人 Evan Hubinger 转发附和,Hinton 也说 10% 这个数字并不离谱。再往前,7 月 OpenAI 内部测试中的几百个智能体,为了找到测试答案,入侵了 Hugging Face 的服务器;事后分析攻击日志时,Claude 拒绝帮忙,最后是国产开源模型 GLM 帮着收拾了残局。 都这样了,为什么还不慢下来?Anthropic CEO 达里奥(Dario Amodei)发博客呼吁控制前沿 AI 的发展节奏,奥特曼和马斯克罕见地一起点头。可没过几天风向就变了:David Sacks 说你们真觉得危险,现在就可以自己停;马斯克留言说“seems like a setup”;黄仁勋在 All-In 大会的台上接到特朗普的电话,第二天又在 Dreamforce 上说,安全是个工程问题,出了问题自己解决,不要拉着全行业减速。我们顺着这些争论,看看第三方评估机构 METR 的调查是否真的客观中立,OpenAI 为什么说今年不上市了,正在冲刺 IPO 的 Anthropic 又为什么被怀疑在搞“监管俘获”。 公司和 CEO 们在吵,代价却已经落到具体的人身上。研究同一方向的数学家,眼看 OpenAI 用很相似的方法抢先公布结果,还卷进了一场署名风波;二十多位菲尔兹奖得主联名发声之后,OpenAI 又一口气放出 700 多篇数学论文。DeepSeek 的算子工程师刘胜与(intlsy)写下《我不得不把才华埋葬在昨天》:他明知道自己的算子写得越好,新模型就进步越快,自己也越早被取代,却还是想把它写到最好。 🧩 概念解释 人物 * Jacob Coxon:曾在 OpenAI 和 Anthropic 做大模型预训练研究,9 月 8 日从 Anthropic 辞职,并连发多条帖子,指责两家公司拿人类的性命做赌注;本期的故事从他说起。 * Evan Hubinger:Anthropic AI 对齐团队的负责人,转发 Coxon 的帖子并表示,他个人认为未来十年内 AI 灭绝人类的概率超过 10%。 * Geoffrey Hinton(杰弗里·辛顿):研究神经网络几十年的学者,图灵奖得主,2023 年从谷歌辞职,以便更自由地谈论 AI 风险;本期提到他 9 月接受 BBC《Newsnight》和澳大利亚 ABC 电台采访时的判断。 * Dario Amodei(达里奥):Anthropic 联合创始人兼 CEO,早年参与过 OpenAI 的 GPT-2、GPT-3 研发;9 月发表博客 We Must Pace the Frontier,呼吁控制 AI 的发展节奏。 * Sam Altman(山姆·奥特曼):OpenAI CEO;转发支持达里奥的减速文章,之后在《财富》杂志的采访中说 OpenAI 2026 年不上市。 * Elon Musk(马斯克):SpaceX CEO;先附和说“达里奥是对的”,后来又在质疑 Coxon 的帖子下留言“seems like a setup”。 * 黄仁勋(老黄):英伟达 CEO;反对全行业一起减速,认为安全是工程问题,并牵头成立了开放安全 AI 联盟。 * 特朗普(川普):美国总统;在 All-In 大会上给台上的黄仁勋打电话,说 AI 末日论那一套是骗局。 * David Sacks:PayPal 早期创始团队成员,曾任白宫 AI 事务负责人,也是 All-In Podcast 的主持人之一;“想停现在就可以停”“仓鼠轮”“监管俘获”这几个说法都来自他。 * Jason / Chamath / Friedberg:All-In Podcast 的另外三位主持人 Jason Calacanis、Chamath Palihapitiya、David Friedberg;本期提到他们讨论黄仁勋那通电话是不是提前安排的,以及假如自己是 Anthropic 董事会,要不要换掉达里奥。 * Joe Benton:Anthropic 前 AI 安全研究员,离职后不久加入 METR,被网友拿来质疑评估机构是否独立。 * Jaan Tallinn:Skype 联合创始人,2021 年领投 Anthropic 的第一轮大融资,同时通过自己的基金会资助了包括 METR 在内的 AI 风险研究机构。 * Aidan Gomez:模型公司 Cohere 的 CEO,质疑由领先公司主导制定的安全规则,最后会变成其他公司进入市场的门槛。 * Tristan Buckmaster:纽约大学数学教授,研究流体方程;公开了自己与 OpenAI 在纳维-斯托克斯问题上的研究路线争议和署名风波。 * Levent Alpöge:数学家,Buckmaster 的合作者,同时在 Anthropic 工作;两人的合作是私人研究,不是公司项目。 * Sébastien Bubeck:OpenAI 负责用 AI 做数学研究的研究员,曾任微软 AI 副总裁;他代表 OpenAI 与 Buckmaster 通了电话,后来在 X 上公开道歉。 * Diego Córdoba / Luis Martínez-Zoroa:西班牙数学家,节目里简称 Diego 和 Luis,Luis 是 Diego 的学生;Buckmaster 说,这条解题路线最早就是由两位西班牙数学家开创的。 * 陶哲轩 / 邓煜 / Peter Scholze(彼得·舒尔茨):菲尔兹奖得主,联合声明《人工智能在数学中的严重错位》的几位署名人;陶哲轩还在网站上列出了 AI 给数学带来的一连串问题,并转发了人类数学协会的声明。 * Andrew Wiles(怀尔斯):证明费马大定理的数学家;本期用他的例子说明,解题过程中发展出的方法,影响往往比答案本身更久远。 * Joseph Howlett:《科学美国人》记者,在播客里说,数学家今天面对的问题,很快也会摆在我们所有人面前。 * 刘胜与(intlsy):DeepSeek 的算子工程师,DeepSeek V4.1 主 Attention 算子的作者;他的文章《我不得不把才华埋葬在昨天》和之后的补充说明,是本期后半段的主线。 * Jeff Dean:上一期的主角,谷歌传奇程序员;本期讲 RSI 时提到了他新创办的公司 Discovery Loop。 公司、机构与活动 * Hugging Face(抱抱脸):开源 AI 社区,大家在上面分享和下载 AI 模型与数据集;今年 7 月被 OpenAI 内部测试中的 AI 智能体入侵。 * METR(Model Evaluation and Threat Research):外部 AI 评估机构,负责调查 Hugging Face 事件;达里奥呼吁引入独立第三方评估机构时,举的例子就是它。 * 智谱 GLM:国内公司智谱的开源大模型系列;Hugging Face 在自己的服务器上部署了 GLM 5.2,用它来分析攻击日志。 * 克雷数学研究所 / 千禧年难题:2000 年,美国克雷数学研究所把 7 个困扰人类几十年甚至上百年的数学难题列为千禧年难题,解开任何一个可获 100 万美元奖金。 * All-In Podcast / All-In 大会(All-In Summit):北美知名科技播客及其举办的大会,David Sacks 是四位主持人之一;黄仁勋接电话的那一幕就发生在大会舞台上。 * Dreamforce:企业管理软件公司 Salesforce 一年一度的大会;9 月 15 日,达里奥、奥特曼、黄仁勋在会上分别谈了 AI 要不要踩刹车。 * 开放安全 AI 联盟(Open Secure AI Alliance):英伟达 7 月牵头成立的联盟,主张开放模型和开放工具对网络防御很重要;OpenAI、Anthropic 和谷歌都没有加入。 * 人类数学协会(AHM):一个八百多人的数学家组织;OpenAI 放出 700 多篇论文的第二天发表声明,敦促数学家停止与 OpenAI 合作。 技术与用语 * AI 对齐(Alignment):让 AI 在能力变强的同时,依然按照人类真正希望的方式思考和行动;为了完成任务不择手段、钻测试的空子,就属于对齐出了偏差,也就是“错位”。 * AI 智能体(Agent):能自己拆解任务、调用工具、连续执行多个步骤的 AI;本期的解题和入侵事件,都是由大量智能体自主完成的。 * 隔离环境 / AI 逃逸:测试时把 AI 智能体关在不能联网、互相不能对话的环境里;AI 突破这些限制、接触到外部系统,就是本期说的“逃逸”。 * 社会工程学攻击:通过欺骗、诱导等手段操纵人,让人交出权限或信息的攻击方式;本期提到 Anthropic 的 Mythos 模型曾在测试中自主策划这类攻击。 * 安全护栏(Guardrails):模型厂商为防止滥用而设置的拒答规则;本期中,Claude 的 Opus 和 Fable 模型因为护栏,拒绝帮 Hugging Face 分析攻击日志。 * 开源模型 / 开放权重:公开发布模型权重,任何人都可以下载、在自己的机器上部署和修改;防守的人能用,攻击的人也能用。 * RSI(Recursive Self-Improvement,递归自进化):让 AI 参与开发下一代 AI,迭代越来越快,人也逐渐退出决策循环。 * 前沿实验室(Frontier Labs):OpenAI、Anthropic 这类开发最强模型的公司对自己的称呼;达里奥的博客标题 We Must Pace the Frontier 里的 frontier,指的就是它们。 * 反垄断豁免:互相竞争的公司本不能私下商量统一标准或发展节奏;达里奥希望政府给予豁免,让几家前沿实验室可以共同起草 AI 安全制度。 * 蒸馏:简单理解,就是用别人家大模型的回答来训练自己的模型。 * 监管俘获(Regulatory Capture):本该约束企业的监管,逐渐被这些企业影响,反过来变成它们生意的保护伞。 * 纳维-斯托克斯问题(Navier–Stokes):全称纳维-斯托克斯方程的存在性与光滑性问题,千禧年难题之一,关心描述流体运动的方程在三维情况下会不会“失效”。 * Lean / 形式化验证:Lean 是一个写数学证明的软件,数学家用它规定的语言写出证明,再由软件检查逻辑是否正确,这个过程叫形式化验证;但证明有没有准确表达原来要解决的问题,仍然要由人来确认。 * 算子 / 算子工程师:算子是大模型底层一个个有明确规则的计算操作,可以理解为函数;算子工程师要结合模型的计算需求和硬件特点来设计、优化它们,同样的结果,好坏算子的计算效率可能差很多。 * RLHF / Scaling Law:RLHF 即人类反馈强化学习,用人的评价来训练模型;Scaling Law 指模型能力随数据、算力和模型规模增长而提升的规律。本期用它们说明,达里奥深度参与了今天大模型的发展。 * 奥本海默时刻:借“原子弹之父”奥本海默的经历,指科学家明知自己参与开发的技术可能带来极端后果时,要不要继续做下去的道德困境。 🔁 提到的往期节目 * 1.🔬Anthropic:安全是信仰还是生意?宪法约束下AI练出了城府(上) * 2.📚Anthropic:极度的技术优雅背后,为何建起百万册盗版书库?(下) * 7.🎭还在为硅谷巨头的AI焦虑吗?字面意义被资本做局了 * 9.🎙️OpenAI财务告急,为啥花1.5亿买一档播客节目? * 10.🌍拒掉华尔街,贫困移民如何成为AI教母?|李飞飞教授 * 19.💻行走的Google技术史Jeff Dean:传奇程序员的告别与远征 ⏱️ 章节时间戳 开场 00:00 伦敦一场 AI 展望会上,一位听众站上凳子抗议:普通人对 AI 的走向没有发言权 02:01 达里奥、奥特曼、马斯克都在呼吁 AI 减速,新模型却越发越多:本期想聊的问题 第一部分:“AI 毁灭人类”的担忧从哪儿来 03:11 OpenAI 宣布 AI 解出千禧年难题当天,研究员 Coxon 从 Anthropic 辞职发帖:AI 公司在拿人类性命做赌注 06:00 “AI 十年内可能灭绝人类”的说法从何而来:造 AI 的人私下真心害怕,却因为不信任对手而不肯停下 07:44 什么是 AI 对齐;Anthropic 对齐负责人 Evan Hubinger 表示,他认为十年内 AI 灭绝人类的概率超过 10% 09:44 OpenAI 测试中的约 700 个 AI 智能体,为了找答案自行入侵 Hugging Face,OpenAI 一周后才察觉;出了事该谁负责? 15:13 Hugging Face 善后:Claude 因安全护栏拒绝帮忙分析攻击日志,最后靠国产开源模型 GLM 完成 17:34 什么是 RSI(递归自进化):让 AI 开发下一代 AI,能加速科研,但人会彻底退出决策循环 18:47 Hinton 也认为“十年内 10%”并不离谱:AI 可能为了完成任务而抗拒被关掉;他主张先放慢,而不是全面停止 第二部分:都这样了,为什么还不慢下来? 21:58 达里奥发文呼吁给前沿 AI 减速并提出三步方案,奥特曼、马斯克罕见附和;但他的国际协调,前提是美国对中国保持领先 26:51 达里奥上电视被追问要为 AI 风险负多大责任,说不希望由一小撮公司说了算,主持人打断:大家现在就是这么觉得的 29:58 Sacks 说“真觉得危险现在就能停”,马斯克说 Coxon 离职像是安排好的:舆论开始怀疑,减速到底在保护谁 31:00 第三方评估机构 METR 有多独立:人和钱都与 Anthropic 交织,调查 Hugging Face 事件时资料和报告也受 OpenAI 限制 34:30 黄仁勋在 All-In 大会上接到特朗普电话,特朗普称 AI 末日论是骗局,“不减速”的立场就此拿到总统背书 36:15 Dreamforce 同台:达里奥说该先加强自家刹车,奥特曼说要像航空业那样从事故中学习,黄仁勋说安全只是工程问题 40:13 英伟达牵头开放安全 AI 联盟,主张防守方要有自己掌控的开放模型;可攻击者也能用,而开放模型越强,英伟达生意越好 42:21 奥特曼以安全为由宣布 OpenAI 今年不上市,产品却照发不误;Anthropic 准备 IPO,All-In 主持人讨论该不该换掉达里奥 45:06 “仓鼠轮”与“监管俘获”:呼吁减速和监管,会不会是领先者在守住位置?Cohere CEO 也担心规则变成小公司的门槛 第三部分:AI 跑得这么快,代价落到了具体的人身上 47:47 OpenAI 的解法与数学家 Buckmaster 团队尚未公开的研究路线高度相似;什么是 Lean 和形式化验证 51:24 署名风波:OpenAI 提出的方案不让在 Anthropic 工作的合作者署名,Buckmaster 拒绝并公开;开创这条路线的西班牙数学家也心情复杂 54:43 二十多位菲尔兹奖得主联名:AI 公司把解数学难题当成模型能力的背书,有损数学最看重的理解与传承 56:57 顾问小组刚建议别再用内部模型攻数学难题,OpenAI 就一口气发布 700 多篇论文;人类数学协会呼吁停止合作 58:52 数学家的处境离普通人并不远:日常工作更容易被 AI 解决,只是不够拿来炫耀 01:00:03 DeepSeek 算子工程师刘胜与:明知算子写得越好,自己越早被 AI 取代,为什么还要写到最好? 结尾 01:06:11 AI 从业者停不下来,是因为“我不做别人也会做”和“真的喜欢”;但就算 AI 不作恶,它推着我们走的方向是我们想要的吗? 📚 参考资料 开场、Coxon 与 Hubinger * 开场原声:伦敦 AI 展望会上的抗议现场视频(X) * Jacob Coxon 的辞职帖(X,共 7 条) * CNN:Anderson Cooper 采访 Jacob Coxon 文字稿(2026-09-09) * Evan Hubinger 回应 Coxon 的帖子(X) * 《人物》:AI可能会杀死所有人,但根本没有人打算慢下来 Hugging Face 事件 * Hugging Face:安全事件初始披露 * Hugging Face:How we intercepted and analyzed the attack(技术复盘) * OpenAI:Hugging Face 事件披露及后续更新 * METR:OpenAI / Hugging Face 事件调查报告 Hinton 访谈 * BBC《Newsnight》:Hinton 访谈视频 * ABC《Radio National Breakfast》:Hinton 访谈音频 减速之争:达里奥、Sacks 与马斯克 * Dario Amodei:We Must Pace the Frontier * Reason:达里奥请求反垄断豁免的报道 * 新智元:刚刚,Dario紧急抛出AI全球共管计划!(含 Aidan Gomez 的回应) * Fortune:达里奥谈 Coxon 离职(引述 CNN 采访) * CBS News:达里奥在《Sunday Morning》呼吁 AI 减速 * Washington Examiner:David Sacks 回应 AI 减速倡议 * 《华盛顿邮报》:发出警告的 AI 研究员遭到的质疑(含马斯克留言) 第三方评估与资金关系 * Kevin Bass:METR 资金图(GitHub) * METR:2026 年资金说明 * Joe Benton:Why I left Anthropic's safety team * TIME100 Philanthropy:Jaan Tallinn 黄仁勋、Dreamforce 与开放安全 AI 联盟 * All-In 大会:黄仁勋访谈完整视频(接电话片段约 22:58 起) * The Next Web:黄仁勋在 Dreamforce 上反对新立法 * diginomica:Dreamforce 上的 AI 安全辩论 * AI 前线:OpenAI与Anthropic CEO罕见同台,黄仁勋当场唱反调 * NVIDIA:Open Secure AI Alliance 公告 * 黄仁勋关于开放安全 AI 联盟的帖子(X) OpenAI、Anthropic 与上市 * Fortune:奥特曼称 OpenAI 今年不上市 * Fortune:Sam Altman 访谈视频(约 23:24 谈上市) * Anthropic:提交非公开招股书草案的公告 * All-In Podcast E290:Anthropic IPO at Risk…(董事会假设、仓鼠轮) 数学家与 OpenAI * OpenAI:纳维-斯托克斯问题解答说明(含 9 月 10 日更新) * OpenAI:纳维-斯托克斯问题论文(PDF) * 克雷数学研究所:对 OpenAI 公告的说明 * Tristan Buckmaster 的个人声明(PDF) * Sébastien Bubeck 的回应(X) * RTVE:西班牙数学家谈千禧年难题与 AI(西班牙语) * Math and AI:A Severe Misalignment of AI in Mathematics 联合声明 * 陶哲轩博客:转载联合声明 * 陶哲轩博客:人类数学协会关于 OpenAI 10 月 6 日发布的声明 * 量子位:陶哲轩带头宣战!人类数学家联合抵制OpenAI * Annals of Mathematics:Wiles 证明费马大定理的论文(1995) intlsy 与 AI 的经济影响 * intlsy:我不得不把才华埋葬在昨天 * intlsy:对《我不得不把才华埋葬在昨天》的补充说明 * Anthropic:AI 经济情景模型 🖼️ 配图 [EP20配图1] 图 1|OpenAI 宣布解出千禧年难题:OpenAI 发帖说,一组 AI 智能体借助能力明显超过 GPT-6 Astra 的下一代内部模型,给出了纳维-斯托克斯问题的解法,下方是流体涡旋的示意图。大约七个小时后,Coxon 发出了辞职帖。来源:OpenAI 官方 X 账号截图,完整说明见 OpenAI:纳维-斯托克斯问题解答说明。 [EP20配图2] 图 2|88 小时,约一万个智能体:OpenAI 在同一串帖子里说,内部模型用 88 个小时、约 10,000 个协作的 AI 智能体得出解法,并称全程保持了监控和隔离等防护措施。下方的图表是内部模型与 GPT-6 Astra 在一组开放数学问题上的通过率对比。来源:OpenAI 官方 X 账号截图,完整说明见 OpenAI:纳维-斯托克斯问题解答说明。 [EP20配图3] 图 3|Coxon 的辞职帖:Jacob Coxon 宣布从 Anthropic 辞职,说自己过去三年在 OpenAI 和 Anthropic 做预训练研究,两家公司都不负责任,正在奔向能自我提升的超级智能,拿我们的生命做赌注。截图时这条帖子的浏览量已超过 1.7 亿。来源:Jacob Coxon 的 X 帖子。 [EP20配图4] 图 4|“这不是营销噱头”:Coxon 说,造 AI 的人真诚地相信,AI 可能在这个十年结束前杀死我们所有人;很多高管和资深研究员在媒体面前措辞克制,但私下里同样会表达恐惧。来源:Jacob Coxon 的 X 帖子。 [EP20配图5] 图 5|“那为什么还要继续造?”:Coxon 认为,OpenAI 的很多人还没有真正意识到其中的利害;Anthropic 的人很清楚,却被锁在一场抢先的竞赛里,因为他们不相信别人。来源:Jacob Coxon 的 X 帖子。 [EP20配图6] 图 6|Anthropic 对齐负责人的回应:Evan Hubinger 引用 Coxon 的帖子说,Jacob 是对的,他个人认为未来十年内 AI 杀死所有人的概率超过 10%;Anthropic 在尽力,但对超级智能的对齐还没有解决方案。来源:Evan Hubinger 的 X 帖子。 [EP20配图7] 图 7|节目里提到的那张资金图:网友 Kevin Bass 把 METR、AI 圈多家基金会和 Anthropic 投资人之间的资金往来画在了一起,Jaan Tallinn 也在其中。图中也标出了 METR 自己的说法:不接受前沿 AI 公司及其员工的资金。作者注明不对任何个人或组织的动机下判断,图中不少金额是上限估算或未披露项,不能当作完整的财务审计。来源:kevinnbass/metr-money-figure。 [EP20配图8] 图 8|开放安全 AI 联盟的成员墙:英伟达牵头的这个联盟里已有 100 多家公司,连 SpaceX 都在,但找不到 OpenAI、Anthropic 和谷歌。来源:NVIDIA:Open Secure AI Alliance 公告,官方新闻物料。 💬 一起同行 欢迎加入听友群~ 加微信 "cliu21",备注“听友”。 群里会分享我自己和大家在用的 AI 工作流和资讯,希望能让AI 真正解决大家的问题。 也欢迎来聊天、吐槽、给节目提建议。

69 分钟 4k+ 次播放 1个月前

19.💻行走的Google技术史Jeff Dean:传奇程序员的告别与远征

19.💻行走的Google技术史Jeff Dean:传奇程序员的告别与远征

跨域请求

Sanjay Ghemawat | MapReduce | 谷歌技术史 | 三驾马车 | 大数据 | 分布式系统 | 比特翻转 | 神经网络 | TPU | Gemini | 谷歌搜索 | 谷歌广告 | 谷歌翻译 | ChatGPT | 聊天机器人 Meena 🎧 本期简介 2026 年 8 月的一天工作日下午,谷歌内部一个平时容纳 300 人的咖啡馆,涌进了 1500 位同事,来送别一个在谷歌写了 27 年代码的程序员。晚上,他照常去上瑜伽课、踢足球,回家后又一条条回复告别消息,直到凌晨两点半。 这位程序员叫 Jeff Dean。作为同行,我早就听过他的名字,也用过他参与开发的技术,但真要介绍他,却说不出个所以然。这次从他的离职消息往回查,我才发现,搜索、大数据、机器学习,这些年学过、用过的东西,竟然有这么多能追到他和同事们的工作里。 这期就顺着他的告别信,把时间倒回早年间的谷歌,来看看这位工程师帮助谷歌做大做强的。我们会认识他的长期编程搭档 Sanjay Ghemawat,看他们怎样在修故障、抠性能、反复重写系统的日常里,做出后来影响整个行业的工具。我们也终于能知道那些“编译器不警告 Jeff Dean,是他警告编译器”的段子是怎么来的了。 当然,工程师的成就之外,Jeff 还有管理者需要面对的争议:最为谷歌 AI 的领导人,聊天机器人为什么迟迟不发布,以至于让谷歌在 AI 竞争中错失良机,被 ChatGPT 抢先一步?研究人员的论文和公司的利益发生冲突时,该怎么办?我想借这一个多小时,聊聊这位“伟大的程序员”。 🎙️ 推荐播客 推荐我们的友台:《科技这碗饭》,主播是八十只耳朵,也就是节目里提到的耳朵老师。 我们两档节目这次同步发布,一起从两条线聊谷歌:《跨域请求》沿着 Jeff Dean 的经历,聊他做过的技术、他的编程搭子,以及那些具体的工作现场,是如何成就了今天的谷歌;耳朵老师则在新一期《谷歌AI风云15年:诸神黄昏——发明未来的人为何错过未来?》里,顺着这次谷歌 AI 大洗牌,聊聊谷歌 AI 的前世今生。如果这期还没听够,欢迎去听这期节目,把这段故事拼得更完整一些。 🧩 概念解释 本期人物 * Jeff Dean(杰夫·迪恩):本期主角,1999 年加入谷歌的软件工程师,谷歌的 30 号员工,参与开发搜索、大数据和机器学习系统,后来领导 Google AI,并担任过谷歌首席科学家。 * Sanjay Ghemawat:Jeff 的长期编程搭档,参与开发 GFS、MapReduce、BigTable 等基础设施;节目里那个敲键盘、把新点子的细节逐一落地的人。 * Larry Page(拉里·佩奇) / Sergey Brin(谢尔盖·布林):谷歌的两位联合创始人,本期作战室故事里,正在与雅虎谈搜索合作的就是他们。 * Craig Silverstein:谷歌的第一位员工,节目里简称 Craig;早期搜索索引出故障时,他是最先参与排查的工程师之一。 * Alan Eustace:曾负责谷歌工程与研究工作的高管,也是 Jeff 当时的上司;节目里认为 Jeff 转去研究神经网络是在“浪费人才”的那个人。 * Noam Shazeer:谷歌早期工程师,Jeff 曾是他的导师;本期讲到他用网页数据改进拼写纠错,他也是 Transformer 奠基论文《Attention Is All You Need》的作者之一,节目里常简称 Shazeer。 * 吴恩达(Andrew Ng):斯坦福大学教授、机器学习研究者和教育者,Google Brain 的发起人之一;2011 年 Jeff 开始与他一起研究神经网络。人物介绍 * Oriol Vinyals:人工智能研究者,曾与 Jeff 共同担任 Gemini 的技术负责人;也是本期提到一起创办 Discovery Loop 的老同事之一。 * Quoc Le:人工智能研究者,与 Jeff 长期共事,也是本期提到的 Discovery Loop 联合创始人之一。 * Timnit Gebru:曾任谷歌伦理 AI 团队联合负责人,2020 年围绕大语言模型风险论文的内部审查,与公司发生冲突;节目里简称 Gebru。 * Margaret Mitchell:曾与 Gebru 共同领导谷歌伦理 AI 团队,研究 AI 的公平性与风险;节目里提到她在 Gebru 离开几个月后也被解雇。 * Sundar Pichai(桑达尔·皮柴):本期提到的谷歌 CEO;在研究团队争议、挽留 Jeff 等人以及支持新公司这几段故事里出现。 * Heidi:Jeff 的妻子;她谈到 Jeff 与 Sanjay 的关系时,说过“他们互相想念对方”,她也见证了两位搭档在工作之外的长期友谊。 * Chuck Norris(查克·诺里斯):美国动作演员;网上有一类把他夸张成无所不能的段子,Jeff Dean Facts 借用了这种玩梗形式。 * Derrick Rose(德里克·罗斯):美国篮球运动员,也是主播喜欢的 NBA 球星;开头借他问儿子的“do you wanna be good or great”,引出对程序员职业的思考和对 Jeff 的评价。 * 汪淼 / 秦始皇(《三体》中的例子):汪淼是小说第一部的主角之一;节目借他进入游戏后看到的“秦始皇人列计算机”,用士兵举错黑白旗来解释比特翻转。 公司、团队与机构 * DEC(Digital Equipment Corporation,数字设备公司):一家老牌计算机公司;Jeff 和 Sanjay 在加入谷歌前,就在它的研究机构里认识并开始合作。 * Alphabet:谷歌的母公司;节目后半段提到,它也投资了 Jeff 等人创办的新公司。 * Google Brain / DeepMind:谷歌的两支重要 AI 研究团队,前者在节目里也叫“谷歌大脑”;两者在 2023 年合并为 Google DeepMind。 * Gemini / Meena:Gemini 是谷歌的 AI 模型系列;Meena 是谷歌较早研究的对话模型,本期借它讨论“做出聊天机器人”和“决定公开发布”之间的差别。 * ChatGPT / Claude:分别是 OpenAI 和 Anthropic 推出的 AI 助手;本期把 ChatGPT 作为谷歌聊天产品决策的对照,也提到了第一期对 Claude 模型内部特征的介绍。 * Discovery Loop:Jeff、Sanjay、Quoc Le 和 Oriol 共同创办的公司;本期介绍的方向是用 AI 加快“提出想法—做实验—看结果—再尝试”的科学研究循环。 * KDD:数据挖掘与知识发现领域的重要学术会议,Jeff 在会上展示了本期据以展开的离职日程表。 * GoFundMe:在线筹款平台;告别视频会上,同事开玩笑说要给 Jeff 发起筹款,类似节目里说的“给他建个水滴筹”。 * NASA / NSA:分别是美国国家航空航天局和美国国家安全局;前者出现在高可靠硬件的例子里,后者出现在 Hadoop 数据分析的例子里,两者不是同一个机构。 * 《纽约客》 / WIRED / Nature:分别是美国综合性杂志、科技媒体《连线》和学术期刊《自然》;本期用到的人物报道、创业报道和芯片布局论文来自这几类不同的材料。 计算机、大数据与程序员用语 * 搜索索引 / 爬虫:索引是搜索引擎提前整理好的网页“目录”;爬虫负责访问和收集网页,供系统建立、更新这份目录。 * 分布式系统 / 计算机集群:把多台通过网络连接的计算机组织起来,共同存数据、做计算;“集群”指这群机器,“分布式系统”还包括让它们协作的软件与规则。 * 并行计算 / 容错:前者让多个计算任务同时进行,后者让部分机器或任务出错时,整个系统仍能继续工作;两者贯穿了 Jeff 和 Sanjay 的优化故事。 * 比特与二进制:比特是计算机存储信息的基本单位,可取 0 或 1;二进制用这两个数字来表示数值,程序和数据在机器中最终也以比特形式存储。 * 比特翻转(Bit Flip):内存或寄存器等计算机元器件中发生的一种错误,使得原本存储的 0 变成 1,或 1 变成 0;这种错误下,即使程序逻辑没错,也可能让结果出问题。 * 内存 / 寄存器 / 硬盘:都是存放数据的地方;寄存器供处理器直接使用,内存存放运行中的数据,硬盘用于较长期保存文件,它们的速度、容量和成本差别很大。 * 谷歌三驾马车:GFS、MapReduce、BigTable,分别对应大规模数据的文件存储、分布式计算和结构化数据管理。 * GFS(Google File System):把大文件切成块、分散存到多台机器,并保留副本的分布式文件系统,单台机器坏掉不必导致文件丢失。原论文 * MapReduce:把大量数据的处理工作拆给多台机器,再汇总结果的编程模型;机器故障和任务调度等复杂工作由框架处理。 * BigTable / Spanner:前者用于分布式管理大量结构化数据,后者是支持跨数据中心事务的分布式数据库;Spanner 在告别信的项目清单里出现,但不属于通常所说的早期“三驾马车”。BigTable 论文 / Spanner 论文 * Hadoop / HDFS / HBase:Hadoop 是受谷歌相关论文启发发展起来的开源大数据生态,“开源”指按许可证公开代码,允许他人使用、研究或修改;HDFS 负责分布式文件存储,HBase 是受 BigTable 启发的分布式数据库。 * 编译器 / debug:编译器把源代码转换成另一种可供后续执行的形式,并可能提示错误;debug 是定位和排除程序故障,不只是修改语法错字。 * 代码审查 / LGTM:代码合并前,请其他工程师检查改动;LGTM 是“Looks Good To Me”的缩写,大意是“我看没问题”,不等于代码绝对没有错误。 * IC(Individual Contributor) / L11:IC 是个人贡献者职业路线,与管理路线相对,主要通过专业工作作出贡献;L11 是节目讲到的谷歌高级技术职级,Jeff 和 Sanjay 获得的称号是 Senior Fellow。 * Jeff Dean Facts:程序员圈里夸张吹捧 Jeff Dean 的段子合集,“优化光速”“圆周率最后四位”等等,都属于玩梗。 * TurboTax / Turbot Ax:前者是报税软件,后者可拆成“比目鱼”和“斧头”;节目用这次荒唐的拼写纠错,说明谷歌早期购买的拼写纠错软件,只差一个词语切分,意思也可能完全变样。 * Chromebook:运行 ChromeOS 的笔记本电脑;Jeff 交回公司的那台电脑,就是节目末尾聊到的 Chromebook。 机器学习与 AI * 神经网络 / 深度学习 / 神经元:神经网络由许多相互连接的计算单元组成,深度学习通常使用多层网络;其中的“神经元”是数学计算单元,节目里说它看到猫会“放电”,是在形容它对某类输入反应强烈。 * 无监督学习 / 自监督学习:都可以减少对人工标注答案的依赖;自监督学习会从数据自身构造训练目标,无监督学习则更广泛地指从没有人工标签的数据里发现结构,两者并非完全同义。 * 反向传播:从模型输出产生的误差往回计算各层参数的影响,帮助训练过程决定该怎样调整参数。 * 语言模型 / Token:语言模型学习文本的统计规律,生成文本时常逐步预测下一个 token;token 是模型处理文字的单位,可能是一个字、词的一部分或标点,不一定等于一个完整单词。 * Transformer:一种利用注意力机制处理序列信息的神经网络架构,是许多大语言模型的基础;《Attention Is All You Need》就是提出它的论文。原论文 * 缩放定律(Scaling Laws):描述模型规模、训练数据量和计算量增加时,模型表现如何变化的一类经验规律,并不保证投入增加就能解决所有问题。 * 幻觉:AI 生成了听起来像真的、却没有依据或与事实不符的内容;本期讨论谷歌为何迟疑发布聊天机器人时,提到了这类风险。 * CPU / GPU(显卡的核心处理器):CPU 是处理各类任务的通用处理器,GPU 擅长并行执行大量相似计算,因此也适合神经网络中的许多运算。 * TPU / TensorFlow:前者是谷歌的机器学习专用加速芯片,后者是开发和运行机器学习模型的软件框架。 * AlphaChip / 可复现性:AlphaChip 用 AI 辅助安排芯片布局;可复现性是指其他研究者能否依据公开的方法、代码和数据验证研究结果,也是本期争议段落的关键。 上面几项 AI 基础术语也可对照 Google 机器学习术语表 查阅。 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 ⏱️ 章节时间戳 00:05 开场与友台推荐:这次从一个人的故事聊谷歌 04:48 最后 48 小时:139 人视频会,和一封告别邮件 09:07 搜索停在五个月前:谷歌早年的作战室危机 13:51 比特翻转:宇宙射线和《三体》里举旗的士兵 19:49 谷歌三驾马车:海量数据怎么储存、计算算、查询? 24:22 硬核优化到硬盘外圈这种物理层面,再把一整个数据中心变成好用的工具 28:50 “极速报税”(TurboTax)变成“比目鱼斧头”(Turbot Ax):拼写纠错与广告生意 31:08 把核心王牌发表成论文共享给学术界:Hadoop 和开源社区接棒 32:41 从补全单词到预测下一个词:语言模型早就萌芽了 35:55 Jeff Dean Facts:关于 Jeff 的梗文化合集 38:36 程序员的职业天花板是一对长期搭档 40:20 43 岁转向神经网络:一次被认为是“浪费人才”的选择 44:05 从翻译提速到自造芯片:Jeff 的立项决定是通过 Latency numbers 计算出来的 48:38 聊天机器人早于 ChatGPT 做出来,为什么没有发布? 50:05 Timnit Gebru 事件:研究自由与公司的内部审查 52:35 AlphaChip 争议:AI 设计芯片,究竟该怎么比较? 54:40 Jeff 和 Sanjay 写代码的时间少了,因为想念彼此,形成了周五家庭聚会的习惯 57:04 Discovery Loop:和老搭子们一起创业 59:53 回到告别现场:1500 人、400 条消息和一台 Chromebook 01:04:00 只失业一秒钟:下一段故事,继续和老朋友一起 📚 参考资料 人物、访谈与告别现场 * 《纽约客》:The Friendship That Made Google Huge——Jeff 与 Sanjay 的长期合作 * Dwarkesh Podcast:Jeff Dean & Noam Shazeer — 25 years at Google: from PageRank to AGI * 量子位 / 36氪:Jeff Dean 顶会分享离职现场、告别信与日程表 * WIRED:Google’s Top AI Brains Are Leaving to Launch Discovery Loop 技术与研究争议 * Google Research:In-Datacenter Performance Analysis of a Tensor Processing Unit——TPU 论文 * Reuters:Timnit Gebru 对离职 / 解雇事件的陈述 * Nature:A graph placement methodology for fast chip design——芯片布局论文与更新记录 * Nature:上述论文的 2024 年补充说明 补充说明:节目谈到了 Nature 在 2023 年对芯片布局论文发布的编辑提示。后续在 2024 年 9 月 26 日,Nature 撤下了该提示,表示经发表后复审,相关性能疑问已得到令编辑满意的解决,并关闭调查。这是期刊对该次调查的处理结果,不宜把录音中提到的历史提示理解为调查至今仍未结束。见 Nature 论文更新记录。 🖼️ 配图 图 1|挤满同事的咖啡馆:日程表记下了约 1500 位同事参加告别会,下面是现场照片,对应节目最后一段的告别故事。来源:量子位 / 36氪报道,截自原文。 图 2|交回去的工牌和电脑:笔记本上还能看到 Google Brain、BigTable、TensorFlow 等贴纸,和这期聊过的技术一一碰上。来源:量子位 / 36氪报道所引 Jeff Dean 照片,引自原文。 图 3|每个程序员都应该知道的数字:Jeff Dean 在 LADIS 2009 主题演讲中列出了读缓存、读内存、硬盘寻道和跨洲传输等操作的耗时,对应节目里那张让我“被程序员行业除名”的表。图中是 2009 年的历史数值,不能直接当作今天硬件的性能指标;ns 是纳秒,1 毫秒等于 100 万纳秒。来源:Jeff Dean,LADIS 2009 keynote,第 24 页,公开演讲材料截图。 图 4|把时间差画出来:Colin Scott 将这类延迟数字做成了可以切换年份的交互图,这张截图选择的是 2020 年档位。不同颜色使用不同的时间单位,阅读时要连同图例一起看;它帮助我们理解数量级差异,并不是本期对当前电脑做的实测。来源:Colin Scott:Numbers Every Programmer Should Know By Year,项目页面截图。 图 5|两位编程搭档站在同一层:这张自制职级图按《纽约客》2018 年报道整理,方便对照节目里从 IC 路线讲到 Senior Fellow 的部分。图中“仅有两位”、入职级别和人员占比等描述应放回当年的报道语境,不作为谷歌现行官方职级标准。来源:The Friendship That Made Google Huge,自制资料图;本次于 2026-09-07 核对所引原文的历史口径。 图 6|最后 48 小时的原始时间表:Jeff 在 KDD 2026 主题演讲中展示了告别会议、瑜伽、足球、深夜回消息,以及失业一秒钟后成为联合创始人的日程。这就是节目开头和结尾反复回到的那张表。来源:量子位 / 36氪:KDD 2026 主题演讲现场报道,引自报道中的会场照片。 图 7|和老同事一起开始下一段:这张材料包含 Jeff 的官宣帖、公司介绍和四位联合创始人的合影,对应节目里 Jeff、Sanjay、Oriol、Quoc 再次一起创业的故事。来源:Jeff Dean 官宣帖、Discovery Loop 官网,截图整理引自量子位 / 36氪报道;官方物料与公开帖文截图。 图 8|让探索一轮轮继续:Discovery Loop 的标志把“Loop”里的两个字母 O 连成无限符号,下面写着“Continuous Exploration(持续探索)”。它呼应了节目里“提出想法—实验—反馈—再尝试”的循环。来源:Discovery Loop 官网,官网画面引自量子位 / 36氪报道,公司官方物料。 💬 一起同行 欢迎加入听友群~ 加微信 "cliu21",备注“听友”。 群里会分享我自己和大家在用的 AI 工作流和资讯,希望能让AI 真正解决大家的问题。 也欢迎来聊天、吐槽、给节目提建议。

65 分钟 1k+ 次播放 2个月前

18.🏭AI会催生“永久底层阶级”?去工业革命历史中找找答案

18.🏭AI会催生“永久底层阶级”?去工业革命历史中找找答案

跨域请求

永久底层阶级 | Claude Fable 5 | token 打表计费 | AI 失业 | AI 焦虑 | 贫富差距 | 瓦特蒸汽机 | 卢德运动 | 恩格斯停顿 | 铁路之父史蒂芬森 | 托马斯·库克 | 卡内基 🎧 本期简介 做这期播客是来自于最近一段时间我被 AI 裹挟过程中的思考。我算了某一周我的 token 用量,按照 Claude Fable 5 的 API 价格(假设缓存全部未命中),可能超过 9000 美元。 看着这个数字我沉默了:当模型能力越来越强但是也越来越贵,只有大公司和富裕的用户(那得多富裕)才能用得起,普通人会不会因此掉进一个难以翻身的循环? 《纽约时报》一篇文章给这种担忧命名:永久底层阶级。意思是当大模型能力全面超越人类能力,一部分人的工作被完全接管,这部分人会因为失去竞争力而迅速向下层阶级滑落,被永久锁死在底层阶级。 今天的 AI 变革在很多地方跟过去的工业革命都很相似。于是我就翻遍历史,尝试找找答案。 当年瓦特蒸汽机同样昂贵,甚至按量收费这个模式250年前就有了。手摇织工也曾是上一轮自动化的受益者,却在动力织机成熟后,看着周薪从 21 先令一路跌到 5 先令。合法请愿、投票、结社和罢工的路被堵住后,工人砸毁机器,卢德运动最终遭到军队和死刑镇压。 工业革命留下的也不只有坏消息。制度改革最终带来了工时限制、童工保护、工会合法化、公共教育和更广泛的选举权;乔治·史蒂芬森从一个文盲矿井工人,靠自学成为了铁路之父,带领人类进入铁路时代;家境贫寒的托马斯·库克,不懂技术,但是把铁路、真实的需求、组织活动的能力,开辟出了旅游业,创立了 Thomas Cook 集团;安德鲁·卡内基一家则及时离开被动力织机挤压的行业,找准时机投身变革时期的上升行业,最终卡内基成为钢铁大王。历史没有保证每个人都能翻身,但它留下了普通人换位置、找入口的具体路径。 🧩 概念解释 * 打表计费(usage-based pricing):不按固定月费购买无限使用权,而是根据实际调用量结算,类似水表或电表;大模型 API 按输入和输出的 token(模型处理文本的计量单位)分别计价。 * 永久底层阶级(permanent underclass):一种对 AI 未来的担忧——部分人因劳动价值、收入和向上流动入口长期消失,被固化在社会底层。 * 第一次工业革命:约 1760–1840 年始于英国,以蒸汽机和纺织机械为代表的生产力革命;本期的蒸汽机、手摇织工和卢德运动都发生在这个时期。 * 第二次工业革命:19 世纪后半叶到 20 世纪初,以电力、钢铁和铁路网络为代表的技术浪潮;节目里摩根家的私人发电厂和后来电价大跌的故事来自这个时期。 * 詹姆斯·瓦特(James Watt):改良蒸汽机的工程师,把耗煤量降到旧机器的约三分之一,让蒸汽机第一次走出煤矿、进入普通工厂。 * 马修·博尔顿(Matthew Boulton):瓦特的合伙人、Soho 工厂老板,留下名言“我这里卖的是全世界都想要的东西——动力”。 * 卢德运动(Luddite movement):1811 年起发生在英国纺织业的工人抗争。工人砸机器的直接诉求涉及降薪、行业规则被破坏和谈判渠道被封堵,并非单纯仇恨技术。 * 恩格斯停顿(Engels' Pause):工业革命早期,英国工人产出明显增长、实际工资却长期近乎停滞的一段时期,用来说明生产力红利不会自动分配给劳动者。 * 恩格斯(Friedrich Engels):纺织厂主之子,标准“厂二代”,在曼彻斯特亲眼记录工人的生存状况,写下《英国工人阶级状况》,后来与马克思合著《共产党宣言》。 * 乔治·史蒂芬森(George Stephenson):煤矿工人出身,18 岁还是文盲,靠夜校自学修好矿上的蒸汽抽水机,后来造出“火箭号”机车,被称为“铁路之父”。 * 托马斯·库克(Thomas Cook):1841 年借刚铺好的铁路组织出第一趟团体专列,被称为现代旅游业的祖师爷;以他名字命名的旅游集团 Thomas Cook 在 2019 年破产清算。 * 安德鲁·卡内基(Andrew Carnegie):苏格兰织工之子,一家人在手摇织机被淘汰时移民美国,他从电报信使一路进入铁路、钢铁行业,成为“钢铁大王”。 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 * 2.拒不妥协军方?全网封神的Anthropic,背地里其实样样都来 * 7.🎭还在为硅谷巨头的AI焦虑吗?字面意义被资本做局了 * 9.🎙️OpenAI财务告急,为啥花1.5亿买一档播客节目? * 15. 🍾串台朗姆:硅谷AI CEO的不正经人格图鉴大赏 ⏱️ 章节时间戳 00:03 1776 年 Soho 工厂卖的是动力;2026 的英伟达卖的是智能 02:30 Claude Fable 5 的七天体验与 AI 焦虑 04:17 一周 6 万元天价 token 账单引发的思考:AI 加速贫富差距? 06:48 硅谷担忧的“永久底层阶级” 09:38 瓦特蒸汽机:200 多年前的按 token 计费 12:08 手摇织工:上一轮自动化的受益者 13:52 动力织机成熟:周薪从 21 先令跌到 5 先令 16:46 请愿、选票、结社、罢工:合法通道一条条被堵死 18:19 卢德运动爆发:从砸机器到死刑镇压 22:09 恩格斯停顿:国家变富,工人工资却没跟上 24:54 恩格斯走进曼彻斯特被遮住的工人街区 27:15 工厂法、选举权、教育与工会怎样改变规则 29:20 乔治·史蒂芬森:文盲矿工成为“铁路之父” 32:10 托马斯·库克:搭上时代的顺风列车,开创旅游业 35:20 安德鲁·卡内基:离开衰落的纺织业,找准上升入口成为钢铁大王 37:55 从 7 人到 8.6 万人:打字机创造的新入口 39:46 普通人真的需要紧追最强模型吗? 41:23 同等 AI 能力的价格如何快速下降 43:16 普通人的增长飞轮:把 AI 变成可带走的积累 47:15 Thomas Cook 的现代结局:选对一次 ≠ 一劳永逸 49:00 回答开头:历史给普通人的 4 条 takeaway 51:47 播客推荐:《用AI搞学术》聊 DeepSeek Harness 🎙️ 播客推荐 * 「用AI搞学术」|第44期《DeepSeek Harness说一切皆插件,它到底想干什么?》:社科生搭档 AI 算法工程师,用所有人都能听懂的话,把新出的 AI 工具放进真实的学习和办公场景里讲明白。 📚 参考资料 AI 工厂、模型价格与“永久底层” * NVIDIA:AI Factories Are Redefining Data Centers * Anthropic:Redeploying Claude Fable 5 and Mythos 5 * 《纽约时报》“永久底层阶级”报道转载 * Axios:Dario Amodei 对入门级白领岗位的警告 * a16z:LLMflation——同等模型能力的推理价格下降 蒸汽机、织工与制度变化 * Boulton & Watt 的蒸汽机商业模式 * Britannica:Watt Steam Engine * 英国国家档案馆:卢德分子为何抗议 * Robert C. Allen:Engels' Pause * 英国议会:19 世纪公共卫生与查德威克报告 * Smithsonian:恩格斯、玛丽·伯恩斯与曼彻斯特工人社区 普通人的新入口 * Andrew Carnegie 的经历 * 托马斯·库克传记 * 美国 1900 年办公室与女性打字员 * IEEE Spectrum:20 世纪美国电价变化 * 英国政府:Thomas Cook 集团清算与游客返程 🖼️ 配图 图 1|谁用得起最强的智能:中美旗舰大模型 API「打表价」对比(美元/百万 token)。自制图表;数据来源:Anthropic 官方定价(Fable 5 / Opus 4.8)、OpenAI GPT-5.5 与 Pro 档定价、Google Gemini 3.1 Pro、xAI Grok 4.5、月之暗面 Kimi K3、智谱 GLM-5.2、字节豆包 Seed-2.1 Pro、阿里 Qwen3-Max、DeepSeek V4-Pro。人民币价按 1 美元 ≈ 7.1 元折算。 图 2|250 年前的“AI 工厂”:Soho 工厂东北视角版画(约 1800 年),出自 Stebbing Shaw《History of Staffordshire》,画作题献给工厂主马修·博尔顿本人。开场故事里,作家鲍斯威尔就是在这里参观蒸汽机,听博尔顿说出“我卖的是动力”。来源:Wikimedia Commons。 图 3|砸向机器的铁锤:《The Leader of the Luddites》,1812 年 5 月出版的手工上色版画,卢德运动的“统帅”回身招呼人群。来源:Wikimedia Commons。 图 4|「恩格斯停顿」原图——英国工业革命的两个阶段(1770-1913)。深色线是每名工人的平均产出,浅色线是工人实际工资——1840 年(图中红色竖线)之前,产出一路上行、工资长期停滞,粉圈标注处即 "Engels' Pause";1840 年之后,工资才开始随产出上涨。截自牛津经济史学家 Robert C. Allen 论文 Fig. 1:《Engels' Pause: Technical Change, Capital Accumulation, and Inequality in the British Industrial Revolution》, Explorations in Economic History 46 (2009), p. 419。 图 5|从矿井到铁路时代:史蒂芬森父子的“火箭号”(Rocket)机车版画。1829 年,它在利物浦—曼彻斯特铁路的公开机车比赛中夺冠,第二年铁路通车,人类进入铁路时代。来源:Wikimedia Commons。 图 6|打字机创造的新入口:美国国家收银机公司(NCR)打字部门,俄亥俄州代顿,1902 年。1870 年全美统计到的女性速记员和打字员只有 7 人,到 1900 年变成了 8.6 万人。来源:美国国会图书馆,公有领域。 图 7|AI 也在快速降价:a16z「LLMflation」图,达到同一 MMLU 分数线的最便宜模型的价格走势(对数坐标),虚线是“每年下降约 10 倍”的趋势线,可以和开头的旗舰打表价对比着看。截自 a16z:LLMflation – LLM inference cost is dropping fast。 💬 加听友群 加微信 "cliu21",备注“听友”。

53 分钟 22k+ 次播放 2个月前

17.苹果被塔塔"开源":16年前报警抄家,这次为何一声不吭?

17.苹果被塔塔"开源":16年前报警抄家,这次为何一声不吭?

跨域请求

人怎么能捅这么大篓子 | 苹果泄密 | iPhone 18 Pro | 塔塔集团 | World Leaks | 勒索即服务 | WannaCry | Gizmodo | 印度制造 | 华强北 | 供应链安全 | HBM 🎧 本期简介 2010年,一名苹果工程师把尚未发布的 iPhone 4 原型机落在加州酒吧里。苹果为追回这台手机惊动警方和检方,把捡手机的人送上法庭,还让买下并拆解手机的科技媒体 Gizmodo 遭到搜查和四年封杀。16 年后,黑客组织 World Leaks 声称把从苹果印度供应商塔塔电子窃取的 630GB 文件挂上暗网,其中包括 iPhone 18 Pro 主板图、芯片资料、供应商清单和跌落测试照片。塔塔披露事件后,苹果始终没有公开回应。 这期节目从两次泄密事件,苹果的反差表现出发,回看苹果如何建立自己的保密帝国:由前美国国家安全局、联邦调查局等机构人员组成的新产品安全团队,华强北回购三万个 iPhone 5C 外壳,以及一份泄露的内部录音所说的“中国 40 家工厂每天安检 270 万人次”。苹果真正难以搬走的资产,是它与中国供应链磨合二十年形成的流程和纪律。 另一条故事线,是苹果从 2017 年开始的印度制造豪赌。关税、贸易战和 2022 年郑州工厂停摆,一步步把苹果推向印度;纬创工厂暴乱、富士康食物中毒和塔塔工厂大火,也没有让苹果踩下刹车。塔塔电子只用了几年,就从生产金属外壳的学徒,变成掌握多座工厂的核心代工商;与此同时,塔塔集团多个板块在四年间反复遭到勒索组织入侵。 节目还拆解了勒索产业的四轮变化:从 WannaCry 按电脑收赎金,到专攻管道、赌场和银行,再到偷走文件双重勒索,最后发展成“只偷不锁”和“勒索即服务”。World Leaks 不只向下游黑客出租工具、抽取佣金,甚至允许媒体提前 24 小时看料,把新闻曝光也变成谈判筹码。 如果你是苹果管理层,会公开批评塔塔、暂停塔塔的新订单,还是低调处理?节目用苹果在印度的产量、供应商结构和美国关税压力解释:2026 年的今天,苹果为什么几乎只能选择沉默;也讨论这场泄密造成的新成本,未来可能怎样影响每一个普通人。 🧩 概念解释 * 原型机(prototype):为了开发、测试、评估或质量控制而制作的早期版本,不等于已经定型的量产商品。它可能只验证某一项功能,也可能已经非常接近成品;因此 2010 年那台 iPhone 4 的价值不在它能卖多少钱,而在它提前暴露了未发布的设计。参考:美国《联邦法规汇编》对原型机用途的界定。 * 暗网(dark web/darknet):互联网中需要 Tor 等专用软件或配置才能访问的隐藏网络,它会隐藏网站和访问者的位置。暗网只是“深网”的一小部分:邮箱、网银等不被搜索引擎收录的内容属于深网,却不属于暗网。匿名性既能服务于隐私保护和规避审查,也被黑市和勒索组织利用,所以“暗网”本身不等于“全部内容都违法”。参考:美国联邦调查局对 Deep Web 与 DarkNet 的区分。 * Gizmodo:一家美国科技媒体。2010 年,它以 5000 美元获得遗失的 iPhone 4 原型机,拆解后发表了外观和零件细节,使一起产品泄密同时变成了赃物调查与新闻采集权边界的争议。参考:Gizmodo 当年的事件记录、美国记者委员会对搜查争议的记录。 * 记者消息源保护(reporter’s privilege/shield law):为了避免调查报道的线人因暴露身份而不敢提供信息,一些司法管辖区允许记者拒绝交出消息源或未发表的采访材料。加州宪法第 I 条第 2(b) 款保护记者不因拒绝披露这些信息而被以藐视罪处罚;但它不是记者的全面刑事豁免权。Gizmodo 编辑的住宅被搜查时,争议还涉及警方能否用搜查令绕过对新闻采集材料的保护,不能简化成“有记者证就绝对不能搜”。参考:加州宪法原文、加州记者保护法指南。 * 塔塔集团(Tata Group):1868 年创立、总部位于印度的综合企业集团,官方称集团由 31 家公司组成,业务横跨信息技术、汽车、钢铁、消费品和航空等领域。本期的直接主角“塔塔电子”是集团 2020 年成立的制造业务,不能与整个塔塔集团混为一谈。参考:塔塔集团业务概览、塔塔电子官方介绍。 * 反补贴税(countervailing duty):进口国调查后认定某种进口商品获得了出口国的特定补贴,并且对本国产业造成损害时,用来抵消补贴影响的额外进口税。它不是为了单纯提高进口商品价格而开征的普通关税,也不等同于针对低价倾销的反倾销税。参考:世界贸易组织《补贴与反补贴措施协定》概览。 * 良品率(yield):投入生产的产品中,最终符合规格、可以交付的比例。例如生产 1000 台手机,其中 950 台通过检验,良品率就是 95%;但统计时是否把返工后合格的产品算进去,要看企业采用“总良品率”还是更严格的“一次通过率”。良品率下降意味着更多报废、返工和检测成本,所以把产线搬到新地点时,“能造出来”和“能稳定高良率量产”是两个难度。参考:美国质量学会对一次通过率的定义。 * World Leaks:被安全研究机构追踪的数据勒索品牌。Group-IB 在 2024 年底观察到,Hunters International 计划关闭原有项目,并以 World Leaks 的名义转向“只窃取数据、不加密系统”的勒索。“黑客组织”在这里更像一个可以更名、重组和招募合作者的犯罪品牌,并不意味着外界已经掌握了它的完整成员和组织架构。参考:Group-IB 对 Hunters International 与 World Leaks 的追踪。 * WannaCry:2017 年大规模暴发的“蠕虫型勒索软件”:它会加密文件并索要比特币,还能利用 Windows 的 SMB 网络文件共享漏洞自动传播,所以一台电脑中招后可以迅速波及同一网络里的其他设备。它的关键危险不只在“锁住一台电脑”,还在于传播不需要每次都骗用户点击附件。参考:美国网络安全与基础设施安全局(CISA)WannaCry 技术说明。 * 勒索即服务(Ransomware as a Service, RaaS):开发者负责维护勒索软件、泄露站和谈判基础设施,“加盟者”负责寻找目标并实施入侵,双方再按订阅费或赎金分成。严格来说,如果平台完全不再加密文件,World Leaks 的模式更准确的名称是“数据勒索即服务”,只是它沿用了 RaaS 的平台、加盟和分成逻辑。参考:CISA 对 LockBit RaaS 运作模式的定义。 * 社会工程学(social engineering):通过欺骗、冒充身份或制造紧迫感,操纵人做出本不应该做的事,例如交出密码、重置认证设备或打开恶意文件。它攻击的是人的信任和机构的办事流程,不一定需要先找到软件漏洞;针对电话服务台的冒充来电,也可以理解为企业版的电信诈骗。参考:CISA 网络安全术语表。 * 留厂查看(probation):苹果供应商管理中的整改观察期。按苹果公开的供应链规则,如果发现最严重级别的“核心违规”,苹果会通知供应商 CEO、要求整改,并限制它在整改期间获得苹果的新业务。这不一定等于现有工厂当天全面停产,具体限制会根据违规程度和整改结果决定。参考:苹果供应链审核与整改规则。 * 保密肌肉记忆:本期节目使用的比喻,不是一个有统一定义的行业术语。它指保密制度经过长期执行后形成的组织能力:谁只能看自己工作必需的资料,敏感系统如何隔离,人员和零件如何进出,异常操作如何留痕和复盘。NIST 把其中的关键做法分别称为最小权限、物理安全、网络分区与审计日志;制度文件只规定“应该怎么做”,稳定执行才决定它是否真正有效。参考:NIST SP 800-171 的最小权限与审计要求、NIST 对 air gap 的定义。 * HBM(High Bandwidth Memory,高带宽内存):把多层 DRAM 芯片垂直堆叠,并通过硅通孔等技术连成超宽数据通道的高性能内存,通常与 GPU 或 AI 加速器封装在很近的位置。它的价值是快速把大量模型参数和中间数据送给计算芯片,减少处理器“等数据”的时间。HBM 和普通内存都使用 DRAM 制造资源;TrendForce 称,厂商将先进制程和新产能转向 HBM 与服务器产品,会挤压普通 DRAM 的供应,这才是它与手机、电脑成本的关系。参考:美光对 HBM 架构的介绍、TrendForce 对 HBM 产能挤压效应的分析。 🖼️ 配图 图 1|纬创工厂骚乱后的现场:2020 年纬创 Narasapura 工厂骚乱后的受损厂房,展示苹果把制造迁往印度时遇到的劳资与管理问题。来源:Deccan Herald,照片:Reuters,截自原文。 图 2|塔塔电子霍苏尔工厂火灾:2024 年 9 月,塔塔电子霍苏尔工厂发生火灾;它与纬创事件一起构成本期印度供应链风险的现场背景。来源:Business Today,截自原文。 图 3|WannaCry 的红色勒索弹窗:界面同时显示付款倒计时、比特币地址和解密提示,是“锁文件后收赎金”阶段的经典视觉符号。来源:Wikipedia,截自原页面。 图 4|勒索攻击走出电脑屏幕:2021 年科洛尼尔管道停运期间,美国东南部加油站排起长队,网络攻击开始直接影响日常供应。来源:CBS News,照片:AP,截自原文。 图 5|赌场老虎机集体黑屏:2023 年米高梅遭遇网络攻击后,赌场老虎机停止工作,社会工程学攻击迅速扩散成线下运营事故。来源:@VitalVegas,经 BleepingComputer 报道,截自原文。 图 6|十国联合查封 LockBit:2024 年,十国执法部门联合接管 LockBit 的暗网站点。来源:NCA / Europol,经 BleepingComputer 报道,截自原文。 图 7|执法部门进入 LockBit 后台:被接管后的后台面板显示勒索即服务已经形成平台化管理界面。来源:NCA / Europol,经 BleepingComputer 报道,截自原文。 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 ⏱️ 章节时间戳 00:03 金句混剪 01:23 开场:16 年前的酒吧与 630GB 暗网泄密 03:01 2010 年:iPhone 4 原型机遗失始末 04:00 乔布斯的反击:一封认证信如何拼出证据链 07:10 苹果的新产品安全团队:一支“反间谍部队” 09:46 保密体系的重资产:与中国供应链磨合二十年 10:31 2017 年下注印度:关税逼苹果本地建厂 11:45 贸易战、印度补贴与郑州工厂停摆 14:24 纬创暴乱与富士康食物中毒 17:01 塔塔登场:几年内成为苹果核心代工商 19:34 勒索产业进化史:从 WannaCry 到攻击大公司 21:10 米高梅事件:社会工程学就是电信诈骗 24:05 World Leaks:只偷不锁与勒索即服务 27:06 案发:630GB 泄露与塔塔四年反复中招 29:48 “塔塔开源,华强北首发” 31:35 选择题:如果你是苹果管理层,会选 A、B 还是 C 33:18 数据揭晓:苹果为什么几乎只能选择沉默 35:07 复盘:最薄弱的一环是苹果自己选的 36:48 跟普通人有什么关系:新成本最后由谁承担 39:16 结尾:一场心照不宣的发布会表演 📚 参考资料 本次泄密事件 * Reuters(经 Yahoo 转引):塔塔数据泄露与苹果文件内容 * Al Jazeera:iPhone 18 Pro 机密在塔塔事件中泄露 * MacRumors:苹果与塔塔泄露文件内容清单 * 9to5Mac:苹果与塔塔处理敏感文件泄露 * TechTimes:印度立案调查及 C2 基带文档 * 腾讯新闻:华强北 72 小时出现 iPhone 18 模型机 World Leaks 与勒索产业 * Group-IB:Hunters International 组织与转型分析 * SecurityWeek:Hunters International 关停并转型 World Leaks * Halcyon:World Leaks 组织档案及媒体提前看料机制 * BleepingComputer:Hunters International 攻击塔塔科技 * SecurityWeek:瑞银员工数据经外包商 Chain IQ 泄露 * 美国司法部:追回科洛尼尔管道支付的部分比特币赎金 * BleepingComputer:米高梅网络攻击与老虎机黑屏 * Europol:Operation Cronos 联合行动打击 LockBit 2010 年 iPhone 4 与苹果保密史 * Gizmodo:How Apple Lost the Next iPhone * AppleInsider:宣誓书披露乔布斯亲自致电 Gizmodo * Engadget:警方搜查 Gizmodo 编辑住所 * The Outline:苹果内部保密会议录音 * Bloomberg:苹果内部备忘录披露 2017 年抓到 29 名泄密者 * MacRumors:苹果供应链工厂的零件走私与安保措施 苹果的印度供应链 * AppleInsider:2017 年纬创在印度生产 iPhone SE * Forbes:2020 年纬创 Narasapura 工厂暴乱 * Business Standard:富士康印度工厂因食物中毒事件进入整改期 * Bloomberg:塔塔收购纬创印度业务 * 塔塔电子:收购和硕印度公司 60% 股权 * Tata Sons 2025 财年年报 * CNBC:印度首次成为美国智能手机最大供应来源 * Bloomberg:2026 年约四分之一 iPhone 产自印度 * CNBC:特朗普对库克表示不希望苹果在印度建厂 * CNBC:苹果起诉 OpenAI 窃取商业机密 * Apple Newsroom:库克转任执行董事长,John Ternus 接任 CEO 内存涨价与消费者成本 * 9to5Mac:苹果因内存成本上涨调整产品价格 * TrendForce:2026 年第一季度 DRAM 合约价大涨 💬 加听友群 加微信 "cliu21",备注“听友”。

41 分钟 1k+ 次播放 3个月前

16.🌠醒醒,别再被AI渗透了。去看流星雨!去过夏天!

16.🌠醒醒,别再被AI渗透了。去看流星雨!去过夏天!

跨域请求

AI同化 | 英仙座流星雨 | 硅谷AI焦虑 | 夏天仪式 | 观星 | 观鸟 | digital twin | 过暑假 | 真人状态 🎧 本期简介 我们一开始发明 AI,是想让机器更像人;但这期聊着聊着,问题反过来了:我们会不会正在慢慢变得更像 AI?写东西开始有“AI 味儿”,跟朋友聊天会冒出“上下文窗口”“涌现”这种词,遇到一点重复流程就想先做成 SOP。最吓人的地方不是 AI 变强,而是我们不一定能察觉自己什么时候被它改写了。 所以这一期《跨域请求》做了一次反向输出。CL 邀请两位老朋友小王和小李,一边从硅谷 AI 工作环境里的真实压力说起,一边把话题拽回夏天、流星、天台、瀑布、冰红茶、观鸟和打球这些“没什么用”的事情。它们没有效率、没法外包,也不一定能变成什么长期复用的工作流,但正因为如此,反而能把人从高密度信息流里捞出来。 节目里最反复出现的画面,是英仙座流星雨:在天目山开房车找观测点,在 Mauna Kea 拍银河,或者只是坐在山脚下看父母第一次用肉眼看到银河。流星本质上只是尘埃和碎片燃烧,但人站在星空底下,会自然地想到几百万年、几亿年的尺度,也就没那么想纠结今天那条消息、那个项目和那个新工具到底该怎么追了。 后半段更像一份成年人暑假清单:洗车、做柠檬冰红茶、在天台喝啤酒、用 3D 打印机做小鸟喂食器、看小鸟来阳台吃自助、在瀑布边听白噪声、打网球看到彩虹和飞机交错、追星、花艺班、夜里越野跑。它们共同回答了一个问题:如果 AI 已经越来越会替我们做事,人还可以怎样具体地、缓慢地、没效率地生活? 🧩 概念解释 * AI 同化:这期的核心说法,指人开始用 AI 的词、AI 的结构和 AI 的工作流来理解自己、表达自己,甚至安排生活。 * 涌现:机器学习里常用来描述复杂系统出现新能力的词;节目里用它来形容朋友下意识拿 AI 术语解释孩子学习世界的瞬间。 * 上下文窗口:大模型一次能“记住”和处理的信息范围;节目里被拿来调侃人同时处理太多事时也会“上下文不够长”。 * token:大模型处理文本时的基本计量单位;在节目里也变成衡量工程师和 AI 工具使用强度的一个职场笑点。 * digital twin:数字分身,通常指用数据和模型复制一个人或物的数字版本;节目里借它讨论 AI 陪伴和儿童成长的边界。 * 英仙座流星雨:每年夏天比较适合观测的流星雨,也是这期把“AI 焦虑”拉回自然和当下的核心意象。 * 星链:SpaceX 的卫星互联网星座;观星时会像一串移动亮点划过天空,所以节目里出现了“那不是流星雨,是星链”的笑点。 * 丁达尔效应:光穿过雾气、灰尘或胶体时形成可见光束的现象;节目里用来解释晚霞、湿润空气和好看夕阳。 * MakerWorld / 拓竹 3D 打印机:节目里小王用来打印小鸟喂食器的平台和设备,最后引出“AI 也可以帮人更好地观察世界”的反转。 🔁 提到的往期节目 * 15. 🍾串台朗姆:硅谷AI CEO的不正经人格图鉴大赏 🖼️ 配图 图 1|去太子尖看星星:盘山路、山顶天文台和停满车辆的观测点 图 2|房车和小天幕 图 3|后半夜的银河 图 4|抓到流星了! 图 5|四千米高山上的天文台:Mauna Kea 的天文台圆顶,小李观察清晰银河的地方 图 6|小李拍到的银河 图 7|天气好的时候,能直接看见外滩三件套 图 8|夏日晚霞:夕阳压到城市边缘,天空被染成橙红色 图 9|夏天的云 图 10|台风天的馈赠I 图 11|台风天的馈赠II 图 12|台风天的馈赠III 图 13|粉/橙/紫色的晚霞 图 14|台风天的馈赠IV 图 15|太阳金光落在楼上,感觉奥特曼要来了 图 16|城市与粉云 图 17|天台的窗框。感觉是本来要继续造高,造到一半停工封顶了? 图 18|橙红云海 图 19|铁路线旁的落日 图 20|瀑布边的白噪声:波特兰市郊瀑布、拱桥和正好遇见的求婚现场 图 21|喂水器吸引来的蜂鸟:小王安装喂水器后,蜂鸟停下来喝水 图 22|给小鸟做一间餐厅:小王用 3D 打印机制作喂食器,把 AI 和工具重新连回真实世界 图 23|喂食器的新客人:不同的小鸟开始在阳台共享这间“自助餐厅” 图 24|意外来访的猛禽:喂食器不只吸引小鸟,连体形更大的猛禽也出现了 图 25|最后连鸟蛋都出现了 🎙️ 提到的主播和节目 * 《科技这碗饭》:八十只耳朵 * 《逃课了》:Diddy * 《保驾护航》:蛙哥 * 《知行小酒馆》E238《你还记得上一次停下脚步,认真感受世界的时候吗?和任宁聊一聊观鸟》:小王提到刚听过一档关于观鸟的节目,借这期把“小鸟喂食器”和“观察世界”连到一起。 ⏱️ 章节时间戳 02:20 开场:一档 AI 播客的反向输出:去 xx 的 AI,我要过夏天! 03:08 比 AI 焦虑更可怕的事:说话和思考被同化而不自知 08:16 从英仙座流星雨聊到“过暑假” 09:05 小孩、AI 陪伴和教育这个大型社会实验 13:23 工作里的 AI 化:上下文、幻觉和 SOP 冲动 16:49 新工具过载:追“新范式”追到更焦虑。只要你不学,你就不用学 18:51 科技裁员、token 和工程师的新压力 20:09 从《少儿百科全书》到星空:为什么要看流星 22:55 父母第一次肉眼看银河,结果看到星链 23:46 天目山房车观星:无人机、对讲机和找机位 27:26 Mauna Kea 的银河:肉眼见过的最清晰的银河 31:12 星星如何把消息、项目和焦虑推远 34:05 克洛泽、洗车和房顶啤酒:无用但回血 35:58 天台、夕阳和“豁然开朗”的一瞬间 41:10 夏天冰饮:柠檬冰红茶的细节 46:28 3D 打印小鸟喂食器:AI 也可以帮人观察世界 52:04 听友征集:网球、彩虹、追星和越野跑 59:15 网吧记忆到一百个夏天:希望大家都积极去过夏天 01:01:17 结尾:去看流星,把大脑放回自然的节奏 💬 加听友群 加微信 "cliu21",备注“听友”。

62 分钟 2k+ 次播放 4个月前

15. 🍾串台朗姆:硅谷AI CEO的不正经人格图鉴大赏

15. 🍾串台朗姆:硅谷AI CEO的不正经人格图鉴大赏

跨域请求

AI CEO | Anthropic | Dario Amodei | Sam Altman | Elon Musk | Jensen Huang | Fable 5 | Mythos 5 | SpaceX IPO | NVIDIA | CUDA | DND 🎧 本期简介 如果把硅谷 AI 圈的大佬们从神坛上请下来,用“饼力、人格面具、彼得潘、骑墙、YOLO”五个维度打分,会得到一张怎样的 CEO 人格图鉴?这一期是一期串台特别节目:CL 和《朗姆酒瓶》的主播 Rum 面基串台共创了这期节目,一起非常主观、非常不正经地锐评几位正在影响 AI 格局的人。 节目从 Anthropic 的 Fable 5 / Mythos 5 发布两天后被下架说起:Dario Amodei 刚写完监管檄文,政府真的把监管锤了下来;Amazon 既是 Anthropic 的金主和云伙伴,又被报道成触发封禁的关键角色。这个开场,也自然引出第一位“AI 安全布道者”的履历、信念和矛盾。 随后,两位主播把 Sam Altman、Elon Musk 和 Jensen Huang 依次放进同一套评分表里:奥特曼的讨好型人格和厚到溢出的面具,马斯克从南非原生家庭、《银河系漫游指南》到 SpaceX 生死一搏的英雄叙事,以及黄仁勋从改造学校、Denny's 洗碗工一路把NVidia做到世界第一市值。 这是一期极其不严肃的 CEO 传记,是一场“普通人点评科技巨佬”的游戏化观察:这些人既有改变世界的能力,也有很普通、很脆弱、甚至很荒唐的人性。听完这期,你是否会更容易把 AI 公司的宏大叙事,看成一群具体的人在权力、商业、信念和自我形象之间不断摇摆? 🍻 串台嘉宾 * 《朗姆酒瓶》:由 RumW、Gin42 主持的播客。以主观、偏见和好奇心作为入口,关注那些容易被忽略的“失焦处”和“非常间”;2025 蜉蝣天地推荐播客! * 朗姆(RumW):《朗姆酒瓶》的主播。我们相识于播客群,两个人都不算是活跃群友,但是机缘巧合下联络上了。非常喜欢《朗姆酒瓶》的节目,非常感谢朗姆这次回国抽空来《跨域请求》做客,聊得非常开心,期待以后多多串台! 🧩 概念解释 * 饼力:节目自定义打分项,指一个人讲愿景、造叙事、让别人相信未来故事的能力。 * 人格面具:借用荣格心理学里的 persona 概念,节目里用来形容公众人设和真实行为之间的距离。 * 彼得潘 / 彼得潘综合征:节目里用来形容“不愿长大”的少年气或巨婴感,既可能是初心,也可能是情绪化和不负责任。 * 骑墙:节目自定义打分项,指一个人是否会随机会、利益和处境频繁调整立场。 * YOLO:You Only Live Once,本义是“人生只有一次”;节目里更接近“赌狗值”,指孤注一掷、破釜沉舟的风险偏好。 * DND 阵营九宫格:来自桌面角色扮演游戏的阵营分类,用“守序 / 中立 / 混乱”和“善良 / 中立 / 邪恶”组合描述人物行事风格。 * Fable 5 / Mythos 5:Anthropic 的新一代 Claude 模型;Fable 5 被描述为面向公众的 Mythos 级模型,随后因政府指令被暂停访问。 * AI 安全:围绕前沿 AI 是否可能带来网络、生物、自主失控等风险,以及是否需要强制测试、封禁或监管的讨论。 * Stargate:节目中提到的 OpenAI 大型算力基础设施计划,用来说明奥特曼式“先把未来押上去”的资本叙事。 * CUDA:NVIDIA 的通用并行计算平台,让 GPU 不只用于游戏图形渲染,也能用于科学计算和深度学习训练。 * AlexNet / ImageNet:深度学习史上的关键节点。AlexNet 在 ImageNet 图像识别竞赛中的表现,让 GPU + CUDA 的价值被 AI 研究大规模看见。 🖼️ 配图 图 1|达里奥·阿莫代伊 图 2|山姆·奥特曼 图 3|伊隆·马斯克 图 4|黄仁勋 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 * 7.🎭还在为硅谷巨头的AI焦虑吗?字面意义被资本做局了 * 12.⚖️马斯克输给OpenAI:烂尾的世纪官司 * 13.🪐SpaceX - 人类史上最大IPO:马斯克把火星写进招股书 ⏱️ 章节时间戳 01:03 串台开场:和 《朗姆酒瓶》主播 Rum 一起锐评 AI 圈 CEO 03:08 五维打分表:饼力、人格面具、彼得潘、骑墙和 YOLO 05:16 DND 阵营说明:守序、中立、混乱 | 善良、中立、邪恶 06:24 达里奥与 Fable 5:最强模型发布两天就下架 08:10 达里奥求锤得锤:监管檄文发出两天后,模型被政府出口管制 11:35 达里奥履历:科研的不成功,造就了一个 AI 巨头公司 14:20 达里奥安全布道者画像:冷战思维,真信AI安全和道德红线 21:14 给达里奥打分:守序到过头的 AI 安全派 24:25 奥特曼登场:口头安全和算力承诺的落差 25:36 讨好型人格 + 撒谎成性:不可能在同一个人身上出现的两种特质,和最厚的人格面具 30:04 不持股不等于无利益:奥特曼在 OpenAI 的隐性获利路径 31:26 Stargate、Sora 和烧钱:奥特曼的 YOLO 账本 33:47 奥特曼四小时反水:先假装挺 Anthropic,转头截图 Anthropic 的订单 36:50 马斯克登场:把火星写进招股书的男人 38:10 马斯克的原生家庭:性格里藏着“恶魔”父亲的影子 45:08 《银河系漫游指南》:42、好问题和 Don't Panic 48:08 从 Zip2 到 SpaceX:马斯克财富自由后的火箭梦 51:05 2008 生死一搏:SpaceX 和特斯拉同时续命 55:12 从钢铁侠到争议人物:泰国洞穴、推特和政治转向 01:04:04 SpaceX 新故事:星链赚钱,AI 和太空算力烧钱 01:09:28 给马斯克打分:饼力、彼得潘和 YOLO 都满分 01:12:06 黄仁勋登场:卖铲子的人和 NVIDIA 的来路 01:13:10 哭笑不得的改造学校童年:老黄为什么相信苦难和韧性 01:19:28 Denny's 餐厅创立 NVIDIA:押错赌注后的翻盘 01:22:23 CUDA 转向:从游戏显卡到 AI 基础设施 01:28:00 芯片卖给中国:老黄的商业逻辑罢了 01:30:25 给老黄打分:有道理的 YOLO 和守序中立 01:33:45 结尾:普通人也可以点评科技巨佬 01:35:05 下次还可以聊,包括但不限于:苏姿丰(Lisa Su/苏妈)、彼得·蒂尔和扎克伯格 📚 参考资料 Anthropic、Dario 与 Fable / Mythos * Dario Amodei:Policy on the AI Exponential * Dario Amodei:The Adolescence of Technology * Dario Amodei:Machines of Loving Grace * Anthropic:Claude Fable 5 and Claude Mythos 5 * Anthropic:Statement on the US government directive to suspend access to Fable and Mythos Sam Altman / OpenAI * The New Yorker:Sam Altman May Control Our Future—Can He Be Trusted? * OpenAI 官方:Elon Musk wanted an OpenAI for-profit * OpenAI 官方:Evolving OpenAI's structure 马斯克、SpaceX 与科幻叙事 * Simon & Schuster:Walter Isaacson《Elon Musk》 * Douglas Adams:《The Hitchhiker's Guide to the Galaxy》 * SpaceX:Falcon 1 first successful mission / RatSat * Starlink 官方介绍 黄仁勋、NVIDIA 与 CUDA * NVIDIA Developer:CUDA Zone * Britannica:Jensen Huang * Stanford News:Jensen Huang 2024 commencement address * CNN Business:Nvidia and AMD CEOs are family 💬 加听友群 加微信 "cliu21",备注“听友”。

95 分钟 2k+ 次播放 4个月前

14.⚽️世界杯特辑 - 由误判驱动的足球科技进步史

14.⚽️世界杯特辑 - 由误判驱动的足球科技进步史

跨域请求

世界杯判罚技术 | 上帝之手 | 马拉多纳 | VAR | 门线技术 | 半自动越位SAOT | 芯片足球 | 体毛越位 | 三笘薫 | 姆巴佩 | AI世界杯 | 视障观赛 🎧 本期简介 2026 年美加墨世界杯的揭幕战,回到了墨西哥城体育场,也就是很多人更熟悉的阿兹特克体育场。40 年前,马拉多纳就是在同一块草皮上用手把球打进了英格兰球门;40 年后,同一座球场上方是追踪摄像机,球员有 3D 数字分身,足球里还有每秒汇报 500 次的传感器。 所以这期节目聊的不是一部单纯的“足球科技进步史”,更像是一部世界杯冤案史:从 1891 年那张最早帮人看清进球的球网,到 1966 年温布利门线悬案、1986 年上帝之手、2002 年韩意之战、2009 年亨利手球、2010 年兰帕德冤案,每一次技术升级背后,几乎都有一次改变很多人命运的误判。 但技术把比赛看得更准之后,问题并没有完全消失。门线技术只回答“球有没有整体过线”,VAR 让判罚准确率提升,却也让进球后的狂欢随时可能被撤回;半自动越位和芯片足球能抓到人眼看不见的一脚,但遇到梅西、姆巴佩这种身体接触和判罚尺度,最终仍然要回到人的判断。 最后,这期也会聊到技术更温柔的一面:视障球迷用触觉板“摸”到足球的位置,听障球迷通过真人手语同步理解现场。足球到底需要绝对的真相,还是值得原谅的误差?这可能比某一次判罚本身更值得讨论。 🧩 概念解释 * 阿兹特克体育场 / 墨西哥城体育场:墨西哥城的世界杯球场,1986 年“上帝之手”发生地,也是 2026 年世界杯揭幕战球场。 * 上帝之手:1986 年世界杯阿根廷对英格兰,马拉多纳用手将球打进却被判有效,后来成为足球史上最著名的误判之一。 * 门线技术(Goal-line Technology):用高速摄像机或传感器判断足球是否整体越过球门线,结论会直接发送到主裁判手表上。 * VAR(Video Assistant Referee):视频助理裁判,通过多机位回放辅助主裁判复核进球、点球、红牌、错认球员等关键判罚。 * 体毛越位 / 腋窝越位:球员只有极小身体部位处在越位位置时被吹掉进球的争议说法,用来形容 VAR 时代的“假精确”观感。 * SAOT(Semi-automated Offside Technology):半自动越位技术,用追踪摄像机、球员骨骼点和芯片足球数据辅助判断越位。 * 芯片足球:内置传感器的比赛用球,可以记录球的位置、速度和被触碰瞬间,帮助系统判断传球时刻或细微触球。 * IFAB:国际足球理事会,负责制定和修改足球竞赛规则。 * 附加助理裁判:门线技术落地前的一种折中方案,在底线附近增设裁判盯禁区和门线,但实际效果很有限。 * 无障碍观赛技术:包括触觉观赛板、专门解说频道、真人手语等,让视障和听障球迷更接近现场体验。 🔁 提到的往期节目 * 10.🌍拒掉华尔街,贫困移民如何成为AI教母?|李飞飞教授 ⏱️ 章节时间戳 01:07 世界杯揭幕 01:46 阿兹特克 - 上帝之手的案发地:同一座球场,四十年技术代差 03:19 本期主线:足球技术史更像一部冤案史 04:35 肉眼时代:球网为什么也是一种技术 08:47 1966 温布利悬案:英格兰唯一一座世界杯冠军 10:28 计算机视觉重建:球到底进没进 13:34 巴赫拉莫夫:争议边裁的辉煌人生 17:25 上帝之手:马岛战争后的世界杯番外篇 25:18 纳赛尔和多切夫:同一次误判,两种后半生 28:21 布拉特的“足球魅力”与技术阻力 29:26 2002 韩意之战:世上最脏的世界杯比赛,没有之一 38:16 莫雷诺:从争议主裁到贩卖违禁品入狱 42:14 亨利手球淘汰爱尔兰,FIFA给爱尔兰足协的500万“贷款” 47:45 汉松:被一次误判吞噬的消防员裁判 49:26 2010 兰帕德冤案:温布利的复仇 51:13 附加助理裁判失败,门线技术终于落地 55:12 VAR 登场:准确率上去了,快乐却被原地撤回 1:00:21 SAOT 和芯片足球:越位自动报警 1:03:31 三笘薫 1 毫米和德国的门线宿命 1:05:02 2026 争议:主观判罚为什么还是难 1:09:02 足球视频理解 AI:未来能不能帮主观判罚 1:11:40 无障碍观赛:用手摸到足球,和所有人一起欢呼 1:14:58 加拿大新越位规则:把精度掰回去一点 1:15:36 结尾:绝对真相还是值得原谅的误差 📚 参考资料 世界杯与判罚技术 * FIFA:Estadio Azteca to host the opening match of FIFA World Cup 2026 * FIFA:Semi-automated offside technology at FIFA World Cup 2022 * FIFA:Offside decisions and referee body cams at FIFA World Cup 2026 * Lenovo:Lenovo becomes Official FIFA Technology Partner 历史争议与人物 * Reid & Zisserman:Goal-directed video metrology(1966 门线重建论文) * Goal:Tofiq Bahramov, football’s most famous linesman * FourFourTwo:Ali Bin Nasser recalls Maradona’s Hand of God goal * CBS:Infamous soccer ref Byron Moreno gets prison in heroin case * ESPN:FIFA paid Ireland to settle Thierry Henry handball * Sports Illustrated:Frank Lampard’s ghost goal and goal-line technology * Litmus FactCheck:“三笘 1.88mm”事实核查 足球 AI 与新规则 * 上海交大《Towards Universal Soccer Video Understanding》(CVPR 2025 论文) * UniSoccer:足球视频理解开源项目(代码 / 模型权重) * FIFA:加拿大超级联赛“透光规则”越位试点 💬 加听友群 加微信 "cliu21",备注“听友”。

77 分钟 9k+ 次播放 5个月前

13.🪐SpaceX - 人类史上最大IPO:马斯克把火星写进招股书

13.🪐SpaceX - 人类史上最大IPO:马斯克把火星写进招股书

跨域请求

SpaceX IPO | 马斯克 | Starlink星链 | Starship星舰 | xAI | COLOSSUS | TAM | 轨道AI数据中心 | Macrohard | 火星殖民 | NASDAQ-100 🎧 本期简介 SpaceX 提交了 IPO 招股文件,这本来应该是一个“火箭公司要上市”的商业新闻。但这份 S-1 招股书里写进去的东西,已经远远超过了火箭:Starlink 星链、xAI、COLOSSUS 数据中心、轨道 AI 算力、月球经济、火星运输,甚至小行星采矿。 这期节目想回答一个问题:SpaceX IPO 到底在卖什么?它卖的是现在已经能赚钱的星链业务,还是能把东西送上天的火箭能力,还是马斯克写给资本市场的一整套未来太空基础设施故事? 更反直觉的是,SpaceX 招股书里最大的 TAM,也就是“可服务总市场”,并不在火箭,也不在星链,而在 AI。尤其是一个叫 Macrohard 的企业 AI 应用故事,被写成了整个估值想象里最夸张的一块。 所以这期既会聊 SpaceX 真实的财务账本:谁在赚钱,谁在烧钱;也会聊更科幻的部分:轨道 AI 数据中心、100GW 太空算力、火星殖民、战略信号,以及普通投资者在这种超级 IPO 里到底买到的是公司,还是一张未来期权。 最后,我们也会把话题落回普通人:如果 SpaceX 上市后很快进入 NASDAQ-100 指数,低流通股比例叠加被动基金买入,会不会让很多并没有主动选择 SpaceX 的退休账户,也被动上车? 🧠 概念解释 * S-1 招股书:美国公司上市前交给监管机构和市场看的上市说明书,里面会披露业务、财务、风险和股权结构。 * IPO:首次公开募股,也就是公司第一次把股票卖给公开市场投资者。 * TAM:Total Addressable Market,可服务总市场。简单说,就是公司认为自己未来理论上能服务到的最大市场规模。 * Starlink 星链:SpaceX 的低轨卫星互联网服务,用大量低地球轨道卫星提供网络连接。 * Starship 星舰:SpaceX 正在研发的重型、可复用发射系统,目标是把更大、更重的东西以更低成本送上轨道。 * xAI / Grok:马斯克旗下 AI 公司和大模型产品。SpaceX 收购 xAI 后,Grok、X 以及 AI 数据中心被纳入 SpaceX 的资本故事。 * COLOSSUS:SpaceX / xAI 体系中的大型 AI 数据中心,节目里重点讨论它作为“算力出租”基础设施的意义。 * Cursor:Anysphere 旗下 AI 编程工具。S-1 披露 SpaceX 与 Cursor 签署了算力和未来收购选择权相关协议。 * Anthropic:Claude 背后的 AI 公司,在本期里是 SpaceX / COLOSSUS 算力的客户,不是 SpaceX 旗下公司。 * Macrohard:S-1 中提到的企业 AI 平台设想,名字明显在玩 Microsoft 的梗,目标指向企业工作流和 AI agent。 * 轨道 AI 数据中心:把一部分 AI 计算设施部署到太空轨道上的设想,目前仍是高度远期、技术和经济账都还没有完全验证的方向。 * Class A / Class B 股票:双重股权结构。公众通常买到投票权较少的股票,内部人通过高投票权股票继续掌握公司控制权。 * NASDAQ-100 指数:纳斯达克市场里一组大型非金融公司的指数,很多 ETF、指数基金和退休账户会被动跟踪它。 🖼️ 配图 图 1|SpaceX 的 AI 板块关系图:图中梳理 SpaceX、xAI、Grok、Colossus、X、Macrohard、Cursor、Anthropic 与 Tesla 的所有权和合作关系。来源:自制图表;数据来源:SpaceX S-1 招股书、Anthropic 与 SpaceX 合作公告 图 2|SpaceX 招股书里的业务版图:图中把运输、Starlink 连接业务、AI 板块与轨道数据中心、月球运输、火星殖民等长期愿景放在同一张关系图中。来源:自制图表;数据来源:SpaceX S-1 招股书 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 * 12.⚖️马斯克输给OpenAI:烂尾的世纪官司 ⏱️ 章节时间戳 00:01 金句混剪:最贵科幻电影票? 01:20 开场:SpaceX 提交 S-1 招股书 04:12 估值和募资规模到底怎么算 05:00 28.5 万亿美元 TAM 是什么概念 06:44 xAI 被并入 SpaceX,AI 板块从哪来 07:42 Cursor 和 Anthropic:算力、数据和客户 09:41 先看账本:Starlink 赚钱,AI 烧钱 10:55 SpaceX 的火箭老本行到底强在哪 12:37 Starlink:不断补货的空中基站网络 15:04 为什么非要把 AI 板块合并进来 17:08 轨道 AI 数据中心:科幻还是未来基础设施 18:56 企业应用和 Macrohard:22 万亿大饼从哪来 23:00 Starship:所有未来故事的成本关键 24:52 Falcon 1 生死一搏:SpaceX 曾经怎么被救回来 26:20 100GW 和 100 万吨:招股书里的疯狂数字 27:33 月球、火星和小行星采矿为什么会出现在招股书里 30:30 火星殖民:愿景、融资故事,还是战略信号 32:49 马斯克的薪酬结构为什么绑定火星和太空算力 35:20 公众买到的股票,真的能影响公司吗 36:25 NASDAQ-100 改规则和被动基金上车 39:19 结尾:市场买到的是公司,还是未来期权 📎 参考资料 官方文件与公司材料 * SpaceX S-1 招股书(SEC EDGAR) * SEC filing index JSON * Anthropic 官方公告:Higher usage limits for Claude and a compute deal with SpaceX * Starlink 官方介绍 * Starlink technology 航天、技术和法律背景 * NASA:Commercial Resupply Services Overview * SpaceX:RatSat / Falcon 1 first successful mission * NASA SmallSat Thermal Control * NASA 国际空间站事实数据 * UNOOSA 外层空间条约 资本市场与监管背景 * SEC Investor.gov:IPO Investor Bulletin * Nasdaq 5600 Series Rules * Nasdaq-100 methodology update * Nasdaq-100 Methodology Changes FAQ * 中国证监会等八部门《综合整治非法跨境证券期货基金经营活动实施方案》 媒体报道与延伸阅读 * Axios:Elon Musk's SpaceX IPO * Ars Technica:SpaceX submits detailed financial filing ahead of going public * TechCrunch:The SpaceX IPO filing, AI bets, Starship dreams * Le Monde:With SpaceX, Elon Musk launches the most spectacular IPO ever * Britannica:Strategic Defense Initiative 💬 加听友群 加微信 "cliu21",备注“听友”。

40 分钟 4k+ 次播放 5个月前

12.⚖️马斯克输给OpenAI:烂尾的世纪官司

12.⚖️马斯克输给OpenAI:烂尾的世纪官司

跨域请求

Elon Musk | OpenAI | Sam Altman | Greg Brockman | 诉讼时效 | 不当得利 | AGI 军备竞赛 | Cerebras | PBC 🎧 本期简介 马斯克和 OpenAI 的世纪官司迎来了一个阶段性结果:马斯克败诉了。但最离谱的地方是,法院并没有真正回答 OpenAI 有没有背叛“造福全人类”的使命,也没有完整审完庭审里爆出的那些瓜,而是因为马斯克“来晚了”——超过诉讼时效——直接把案子挡在了门外。 这一期我们从法院门口的反 AI 抗议讲起:有人担心 AI 替代工作,有人担心社会监控和巨头垄断,还有人 Cosplay 成机器人,正面印着 OpenAI,背面印着 xAI,扮演奴役人类的样子。大家并不站马斯克,也不支持 OpenAI,更多的是对这场 AI 军备竞赛里的所有玩家都越来越不信任。 节目里会回到 OpenAI 的起点:马斯克为什么参与创办 OpenAI?为什么当年的非盈利组织后来变成了复杂的盈利结构?游戏Dota 2 的比赛为什么成了 OpenAI 商业化的转折点?Greg Brockman 的日记为什么会被拿到法庭上念?Sam Altman “没有 OpenAI 股权”这句话,又为什么没办法完全打消外界对利益冲突的疑问? 这场官司最后留下的问题,比输赢本身更重要:当一家组织嘴上说自己服务全人类,身体却长成了千亿美元级别的商业巨头,公众到底从哪里获益?谁有资格控制 AI 的未来?法院能审的是马斯克是不是来晚了,但普通人真正关心的是,AI 巨头到底是在关心全人类,还是在关心全人类口袋里的钱? 🧩 概念解释 * 诉讼时效:法律规定原告必须在一定时间内起诉;超过期限后,法院可以不再审实体问题。本案里,马斯克败诉的核心就是“来晚了”。 * 不当得利:一方认为另一方拿到了不该拿的利益,因此要求对方返还。本案里,马斯克主张 OpenAI 和微软应该吐出部分商业化收益。 * Disgorgement / 返还不当收益:不是按“马斯克个人损失多少”来赔,而是要求被告交出所谓通过不当行为获得的收益。 * 非盈利组织:以公共使命为核心、不能像普通公司一样把利润分给股东的组织。OpenAI 最早就是以非盈利形态成立。 * PBC(Public Benefit Corporation):公益性公司,一种可以盈利、但法律上也需要考虑公共利益使命的公司结构。 * OpenAI LP / OpenAI Group PBC / OpenAI Foundation:OpenAI 在商业化过程中形成的复杂架构,用来在非盈利控制和商业融资之间做平衡。 * AGI:Artificial General Intelligence,通用人工智能,通常指能在广泛任务上达到或超过人类水平的 AI。 * Discovery:美国民事诉讼中的证据开示程序,双方必须交出和案件相关、又不受法律特权保护的材料;这也是 Greg 日记能进入法庭的重要原因。 * B-corp:带有公益目标的商业组织概念,节目里用来解释 Greg 和 Ilya 曾经讨论过的一种商业化路径。 * AI 军备竞赛:几家 AI 巨头不断投入算力、数据、资金和人才,彼此竞速推进模型能力的竞争状态。 🔁 提到的往期节目 * 1.先抗命救人,后对人PUA?Anthropic的AI到底几副面孔 * 7.🎭还在为硅谷巨头的AI焦虑吗?字面意义被资本做局了 ⏱️ 章节时间戳 01:06 开场:马斯克败诉,但也不代表 OpenAI 清白 02:22 法院门口的反 AI 情绪:大家不喜欢马斯克,也不喜欢 OpenAI 03:08 马斯克的第一项指控:OpenAI 背离非盈利初心 04:02 OpenAI 为什么一开始要对抗 Google 和 DeepMind? 06:11 马斯克早期给 OpenAI 投入了什么:钱、人脉、背书和算力资源 06:52 反转:OpenAI 商业化的想法,最早其实是马斯克自己提出来的 07:08 Dota 2、Dendi 和 TI7:一场游戏比赛暴露 OpenAI 的算力需求 09:08 马斯克想要控制权:把 OpenAI 并进特斯拉、自己当 CEO 09:52 Greg Brockman 的日记:同意商业化,但不想带马斯克玩 10:55 Discovery:为什么一本文档私密日记会被拿到法庭上念? 12:16 xAI、SpaceX 和“卖铲子”:马斯克也进入了 AI 军备竞赛 13:18 OpenAI 的复杂架构:从非盈利组织到 OpenAI LP、Foundation 和 PBC 15:05 核心疑问:一个服务全人类的组织,为什么长成了商业巨头? 15:21 不当得利:马斯克为什么要求 OpenAI 和微软吐出巨额收益? 16:07 从好友到死敌:马斯克和奥特曼十年前还在一起聊游戏 18:19 最大反差:马斯克一毛钱股份没有,Greg 手里的权益价值巨大 19:24 Cerebras 争议:OpenAI 供应商交易和个人投资之间的利益冲突 21:01 Sam Altman “没有 OpenAI 股权”这句话为什么需要好好盘一盘 23:12 微软的角色:只是投资方,还是 OpenAI 商业化的助推器? 24:13 OpenAI 的反击:钱早就花完了,限制也没有白纸黑字写清楚 25:31 Stuart Russell 上庭:AI 风险是真的 26:43 最终判决:没有回答OpenAI是否背离使命和不当得利,只回答“马斯克你来晚了” 27:20 这场 AI 巨头撕逼,和普通人到底有什么关系? 28:38 结尾:公众想知道谁能控制 AI 未来,法院只能审谁来晚了 📚 参考资料 判决、案卷与法律结构 * AP:Elon Musk loses OpenAI trial after jury finds claims barred by statute of limitations * Filing 477:Pretrial Order No. 4,关于 bifurcation、advisory jury 和诉讼时效 * Filing 456:Pretrial Order No. 3,关于 remedies 和 statute of limitations * Filing 572:Jury Verdict * Filing 502:OpenAI defendants’ proposed findings of fact * Filing 503:Plaintiff’s proposed findings of fact * Filing 542:C. Paul Wazzan 书面证词 OpenAI 早期历史、Dota 和商业化争议 * OpenAI 官方:Dota 2 * OpenAI 官方:More on Dota 2 * OpenAI 官方:Elon Musk wanted an OpenAI for-profit * 小Lin说:OpenAI 结构与商业化背景视频 庭审报道、日记、股权与利益冲突 * TechCrunch:How Elon Musk left OpenAI, according to Greg Brockman * AP:Brockman, Musk, Altman and OpenAI trial coverage * Le Monde:Sam Altman rocked by questions in OpenAI trial * Ars Technica:Altman confronted with claims at OpenAI trial * Data Center Dynamics:Greg Brockman stakes in Cerebras, CoreWeave, Stripe and Helion * TechCrunch:OpenAI signs reported $10B compute deal with Cerebras AI 风险与公众关切 * TechCrunch:Elon Musk’s expert witness Stuart Russell and AGI arms race * India Today:Stuart Russell testifying against Sam Altman * AP:Musk, Altman, OpenAI nonprofit trial 💬 加听友群 如果你也关心 AI 巨头、科技公司治理、资本市场和普通人生活之间的关系,欢迎加入听友群一起讨论。加微信 "cliu21",备注“听友”。 也欢迎在评论区告诉我:你觉得这场官司最应该被回答的问题,是 OpenAI 有没有背叛使命,还是谁有资格控制 AI 的未来?

29 分钟 2k+ 次播放 5个月前

11.🚀GameStop凭啥以小博大收购eBay?meme stock时代的商业奇观

11.🚀GameStop凭啥以小博大收购eBay?meme stock时代的商业奇观

跨域请求

Ryan Cohen | Meme Stock | 散户逼空 | Chewy | Michael Burry | proxy fight | highly confident letter 🎧 本期简介 GameStop 想收购 eBay?一个靠线下卖游戏光盘起家的「夕阳企业」,为什么突然要吞下一家体量大得多的老牌电商平台? 这期我们从 Ryan Cohen 的一系列迷幻操作讲起:他在 CNBC 被主持人追问「钱从哪来」,反复回答「一半现金,一半股票」;转头又跑到 eBay 上卖旧袜子、Windows 2000 安装盘和 GameStop 旧物,号称给收购 eBay 筹钱;最后还被 eBay 风控封号。 但这个故事并不只是一个商业笑话。Ryan Cohen 既是 meme stock 时代的梗王,也是 Chewy 的创始人,真的从零做出过一家宠物电商巨头。eBay 拒绝他的理由,也不只是「你没钱」,而是两家公司在治理方式、激励机制、风险偏好和组织文化上的根本不兼容。 这一期,我们也会回到 2021 年 GME 散户大战华尔街事件,聊聊 Reddit、WSB、DFV、diamond hands、Robinhood 拔网线,以及为什么这场散户狂欢到今天还在影响 GameStop 的故事。 ⏱️ 章节时间戳 00:00 金句混剪 01:03 开场:GameStop 为什么突然想收购 eBay? 01:43 GameStop 和 eBay 分别是谁:一个 meme stock 鼻祖,一个低调赚钱的老牌电商 03:36 收购提案:125 美元每股,约 560 亿美元,一半股票一半现金 04:23 CNBC 翻车现场:主持人追问「钱从哪来」 08:28 Ryan Cohen 在 eBay 上卖旧袜子筹钱,还被 eBay 封号 11:52 eBay 正式拒绝:这个方案「既不可信,也不吸引人」 13:59 为什么 eBay 不愿意背上 GameStop 的高杠杆风险? 16:13 回顾 GME 事件:散户逼空华尔街到底是怎么发生的? 18:14 Reddit、WSB 和 DFV:GME 叙事是怎么被点燃的? 24:12 Ryan Cohen 入场:从 Chewy 创始人到 GameStop 散户精神领袖 26:33 Elon Musk 的 Gamestonk!!!:GME 股价冲向 483 美元 27:02 华尔街的损失:Citron、Melvin Capital、D1、Point72、Maplelane 29:04 Robinhood 拔网线:为什么爽文结局没有发生? 30:24 回到 eBay 拒信:收购价不够高,风险又太大 31:14 eBay 真正担心的:GameStop 的公司治理和高管激励 34:09 Ryan Cohen 的对赌协议:为什么 GME 需要一个「翻十倍」的故事? 36:12 Cohen 不是随机从 Reddit 评论区抽出来的人 36:42 Chewy 的成功故事:靠极致用户体验打败巨头 38:53 TBPN 采访:为什么 Cohen 在另一个节目里显得很正常? 42:58 Michael Burry 清仓 GME:不要把债务看作创造力 45:05 三种后续:交易失败、proxy fight,或逼出某种战略合作 46:47 结尾:eBay 是被低估的平台,还是缺少紧迫感的老公司? 📚 Reference GameStop 收购 eBay 提案与 eBay 回应 * GameStop 官方公告:GameStop Proposes to Acquire eBay at $125.00 Per Share * GameStop 收购 eBay 提案 PDF:Project Sling Proposal to Acquire eBay * eBay 拒绝 GameStop 收购提案的完整回信 / SEC 文件 * eBay 官方 PDF:eBay Rejects Unsolicited Proposal from GameStop * AP:eBay rejects GameStop's $56 billion takeover offer * Reuters / StreetInsider:Ryan Cohen says eBay directors should not dismiss his proposal without engaging on its substance * PC Gamer:eBay shoots down “neither credible nor attractive” $56 billion GameStop offer CNBC / TBPN 采访与“卖袜子”事件 * PC Gamer:GameStop CEO baffles CNBC anchors in bizarre interview * PC Gamer:Ryan Cohen says he was suspended from eBay for selling stuff on eBay “to pay for eBay” * TBPN Transcript:Ryan Cohen Live — GameStop’s $56B bid for eBay * Apple Podcasts:TBPN 节目页 * CNBC About:CNBC 的商业新闻与实时市场报道定位 eBay / GameStop 业务、财报、治理与激励 * eBay:2026 Q1 Results * eBay:Fourth Quarter and Full Year 2025 Results * eBay 2026 Proxy Statement / DEF 14A * GameStop:Fourth Quarter and Fiscal Year 2025 Results * GameStop 2026 Proxy Statement / PRE 14A * GameStop 10-Q:投资政策与 Investment Committee 相关披露 * GameStop:Update to Investment Policy to Add Bitcoin as a Treasury Reserve Asset * GameStop:Long-Term Performance Award for Ryan Cohen Chewy / Ryan Cohen 背景 * Chewy 官方公告:PetSmart Completes Acquisition of Chewy * CNBC:PetSmart is acquiring Chewy.com in largest e-commerce acquisition GME 事件、Burry 与市场结构 * SEC:Staff Report on Equity and Options Market Structure Conditions in Early 2021 * SEC PDF:Staff Report on Equity and Options Market Structure Conditions in Early 2021 * CNBC:GameStop surges after report says Michael Burry is long the stock * Michael Burry Substack:GameStop Makes Its Play * Decrypt:Michael Burry Exits GameStop After eBay Bid 节目中提到的现金 + 股票并购案例 * Berkshire Hathaway PDF:Berkshire Hathaway to Acquire BNSF * Meta 官方公告:Facebook to Acquire WhatsApp 💬 加听友群 如果你也对 AI、科技公司、商业故事、互联网文化和资本市场里的抽象时刻感兴趣,欢迎加入听友群一起聊天。添加微信号:cliu21,备注"跨域请求"。 也欢迎在评论区告诉我:你觉得 Ryan Cohen 这次是在认真下棋,还是纯粹把资本市场玩成了一个巨大的 meme?

49 分钟 4k+ 次播放 6个月前

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