李丰产业观察

【本期课题】 AI硬件与声学发展。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 陈孝良，声智科技创始人、董事长兼CEO。 【内容索引】 02:02 声学技术主要服务于国防军工，比如声呐探测是军工领域中声学的关键应用之一，相比于光和电磁波，声音可以在水中进行长距离传输且不快速衰减，具有不可替代的作用。 03:01 传声器（俗称麦克风）、扬声器等是声学的典型器件。Walkman、CD、MP3等是声学在空气声中的典型产品。 04:49 在每个科技关口，声学都是关键点之一。AI时代的兴起由声音开始，2010年苹果发布会将Siri带入大众视野，声学算法得到一次非常大的升级。 05:44 移动互联网巨头的发展共性：一类是交互形态的改变，输入法从PC端有键盘到手机端键盘地消失；另一类是新装的硬件产生了新数据，比如新装了摄像头，就产生了跟图片和视频相关的应用。 10:05 全球对未来的一个基本共识是：下一代的交互是基于声音的交互。我们还没有过渡到这个时代，是因为底层技术还未达到成熟的商业阶段。 11:26 声学从信号处理走向深度学习，最早应用于手机语音识别场景，但单纯依靠深度学习无法解决声学复杂场景要求的精确性问题，2011年亚马逊开始尝试利用新载体——智能音箱来进行探索和研究。 15:30 从麦克风阵列和声学的角度，如何看待和解决理想环境或非理想环境下的拾声问题？ 18:18 唱歌时听到的自己的声音与回放时听到的声音有所不同，这是因为前者包含了空气传导（气导）和骨骼传导（骨导）的声音，而后者仅是通过空气传导录制的声音。 23:38 智能音箱爆火期间，声智科技实现了哪些结果和目标？ 29:47 大家对语言处理的最大印象来自于GPT-4o的发布，如何看待GPT-4o？ 30:52 智能语音技术接下来需要重点解决的是声纹的识别与分辨。 35:21 今天声智在用的语言模型是什么样的？在GPT-4o带来的IO转变下，声智做了哪些事情？ 38:25 声智的AI耳机短时间内成为抖音爆款的主要原因是什么？ 43:19 AirPods耳机VS骨传导耳机VS耳夹式耳机 45:53 中国新型消费电子产品的神奇市场定律：价格在200元以下的产品大家接受度较高，会愿意为了它的新奇而付费，同时可接受它具有一定的缺陷。 49:58 最顶级的航空耳机为何那么贵？ 52:01 偏大众化的耳机在AI上能更多地承载什么类型的功能？ 56:04 相较于耳机，助听器的技术难点是什么？ 58:01 现在的“新老年人”，最不喜欢的就是戴上具有老年人标志的物品，所以只要把助听器做得像耳机，并且看起来时尚，肯定会得到老年人的青睐。 59:08 如何看待创业这8年的经历？ 1:01:12 AI最终的应用落地肯定在消费，像是美国已经率先发布了AI手机，他们的商业落地已经非常清晰了，我们在这方面还需要继续打磨和验证。 1:03:12 从人类发展习惯来看，语言模型演进后，使得语音变成一个新的输入和输出形态，这个我是100%相信的。 【本期相关】 * 麦克风阵列，由一定数目的声学传感器组成，用来对声场的空间特性进行采用并处理的系统。进入“声控时代”，此项技术重要性尤为凸显，可以用来解决噪声抑制、鸡尾酒会效应等实际问题。 * GPT-4o，OpenAI为聊天机器人ChatGPT发布的语言模型，可以实时对音频、视觉和文本进行推理，新模型使ChatGPT能够处理50种不同的语言，同时提高了速度和质量，可以在短至 232 毫秒的时间内响应音频输入，平均为 320 毫秒，与人类的响应时间相似。 * 语音端点检测，即从连续的语音流中检测出有效的语音段，包括两个方面，检测出有效语音的起始点即前端点，检测出有效语音的结束点即后端点。 * I/O（Input/Output），指的是计算机与外部世界的通信方式。它涉及数据在计算机内部与外部设备之间的输入和输出。 【相关文章】 文字版内容请在峰瑞资本公众号查看。 【本期福利】 你最期待哪一种AI硬件产品？欢迎大家在评论区留言，我们将为留言最走心的三位用户送上声智科技的AI耳机各一份（评论截至2024年10月8日下午17点）。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 大模型的未来。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 陈文光是清华大学计算机科学与技术系教授，他也是蚂蚁集团兼任副总裁和蚂蚁技术研究院院长。他长期研究高性能计算编程模型和编译系统，近几年在以图计算系统为代表的新一代大数据处理系统方面也取得了进展，在学术界和产业界都有较深的积累。 【内容索引】 02:56 如何看待这一波由大模型引发的投资、创业浪潮？这一波热潮是否有明确的发展脉络或过程？ 07:23 中国的大模型企业和国外的相比，先不论绝对差距如何，是否在语料、结果、计算、技术上具备某种优势或差异？这些差异是否足以形成长久的优势？ 09:48 Transformer 作为一种强大的特征提取器，这个技术的演进是怎么发生的？ 11:35 Diffusion 在大模型的发展脉络中起到什么作用？它是什么时候开始产生影响的？ 13:26 BERT 出现后，技术路线发生了一些变化。虽然 GPT 在时间顺序上紧随其后，但两者的技术路径并不完全相同，GPT 在 2022 年年底生成的文本结果因此超出了大家的预期。这之间的技术差异是如何产生的？ 15:55 AI 领域的热潮主要集中在大模型上。在过去两年，大家主要是在拼“大”，模型的参数越做越多，模型越来越大，文本输入也越来越长。如何看待这个“大”的趋势？这种拼“大”的过程是否还会持续下去？ 19:52 如果我们不再一味追求“大”，GPT 是否还能如大家所期望，继续超出预期？ 23:20 语言本身代表了多少智能？ 28:20 大模型在文本表达上已经到了一定的水平，但是今天的大模型能力可以实现真正的情感陪伴吗？ 32:13 从神经网络端到端学习的特性来看，只要有足够多的数据集，模型就能够学习并整合这些信息，尽管我们不一定知道它内部是如何处理的，但它确实能够学会。 33:26 通过不断扩大模型规模，我们是否能够最终实现 AGI 或生成式人工智能？ 38:41 关于规模是否能带来更大的智能增长，我认为模型规模还有可能进一步扩展，但很难想象会像过去那样 10 倍地增长。 40:03 只有当焦点从“大”上移开时，应用落地才会真正开始加速。 48:45 我们想找到一些适用大语言模型的逻辑。比如说编程与大语言模型就有相似性。 50:25 我理解“文生图”的过程本质上还是在表达一个句子，只不过是将句子中的内容转化为图像中的某个元素。但如果要分析图片，由于图片至少是二维信息，甚至可能包含更多复杂的视觉元素，从前面提到的逻辑延展到这一步，似乎是难以实现的。 53:58 机器学习领域有一个观点，AI只需要达到大脑的功能，但不一定要复制大脑的机制。 55:36 目前的逻辑是，AI将继续沿着自己的一条发展路径前进，而类脑计算作为一种脑启发的智能，是另一条可供选择的路径。人工神经网络的研究者众多，方法也多样化，总会有新的突破。而类脑计算如果能够取得一些好的结果，也会被广泛应用。现在的状态就是这样。 56:07 视频输入对现有模型来说是否会过于复杂？ 59:30 大模型的风正在吹向具身智能。基于具身智能机器人的基座大模型，是否能实现，李飞飞教授的新项目靠谱吗？ 1:03:00 我们可以把操作对象分为刚性物体和非刚性物体，将操作分为精确操作和非精确操作。目前，第一步是攻克刚性物体的非精确操作问题。当然，未来肯定是朝着精确操作和非刚性物体方向发展，比如给人刮胡子、翻身，叠衣服等。 1:08:43 GPT 5 到底会长什么样，我还是有一点点小小的期待。 1:09:43 以科学领域为例，像 AlphaFold 这样的模型在科学发现上已经持续改进，并开始被应用于实际的科学研究中。如果它能结合计算和实验方法进行闭环验证，或许可以想象成一个自动化的科学工厂。当然，这样的假设需要较高的成功率，否则就会显得不太靠谱。 【本期相关】 * BERT（Bidirectional Encoder Representations from Transformers），一种基于 Transformer 架构的自然语言处理模型，于 2018 年由 Google 发布。它是 NLP 领域的重要里程碑，激发了 GPT、RoBERTa、ALBERT 等后续模型的研究和开发。 * GAN，一种深度学习模型架构。通过生成器和判别器两个神经网络的对抗训练，实现高质量数据样本的生成，在图像、音频、文本等领域中有广泛的应用。 * 类脑计算，一种借鉴和模拟人脑工作机制的计算方法。旨在开发出具有类似于人类大脑认知功能的计算系统或算法。类脑计算目前尚在研究和发展的早期阶段，但它被认为是推动下一代智能计算系统的重要方向。 * 刚性物体，指那些在外力作用下不会发生形变的物体。经典的例子包括金属块、石头、桌子等。非刚性物体的形状和体积可以随着施加的力而改变，典型例子包括橡皮泥、布料、人体、果冻等。 * Vol.116 产业观察18｜如何成为下一个英伟达：与Mackler季宇聊AI芯片的突围之路 【相关文章】 文字版内容请在峰瑞资本公众号查看。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 干细胞疗法的科学与进展。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 李翔，士泽生物创始人。 【内容索引】 02:32 从14年前进入这个行业到今天，干细胞这个行业经历过哪些重大的转折和起伏？ 03:22 干细胞治疗本质上是将人体细胞作为一种活细胞药物进行治疗。它的底层原理源于人类的胚胎发育，因为我们所有的细胞都来自胚胎，所以，这项技术是模拟了体内的胚胎发育过程，在体外实现细胞再造。 03:51 存储新生儿脐带血和注射羊胎素保持年轻态，真的有科学依据吗？ 07:41 对于 iPS 衍生细胞这个细分领域来说，产业界的发展并不是一帆风顺的。事实上，美国第一批 iPS 衍生细胞药物公司基本都已经不在了。 09:42 从最粗的分类上看，干细胞有哪几种？iPS 细胞是其中的哪一种？ 10:06 干细胞就是一类可以在体外增殖、自我更新和分化的细胞。我习惯将它映射到发育的时间轴上：从受精卵到胚胎早期，到围产期（生孩子的过程），再到产后（出生后的婴幼儿期），最后到成体期。每一个阶段，不同的组织都能够分离出不同来源的干细胞。 13:23 干细胞疗法是一个比较新的学科，那么在这个特定的方向上，今天如果横向比较中国和美国，大家大概是个什么样的水平？ 14:43 干细胞领域在寻找因果关系方面，今天还有可能出现较大的、尚未知的新突破吗？ 18:09 间充质干细胞药和 iPS 衍生细胞药的本质区别在于，间充质干细胞本身就是最终产品——将间充质干细胞分离制备后，可以用于回输或下游的制备。而iPS 细胞只是原料，我们用 iPS 细胞作为原料来生产下游产品，最终移植的细胞是 iPS 来源的不同功能类型的细胞。 20:00 在整个干细胞制药的流程体系里，哪些环节和步骤最能体现技术水平？ 21:56 在监管层面，中、美、日等国家对于干细胞治疗的监督和审批有着怎样的历史进程，现状又如何？ 25:09 士泽生物过去几年花了很多时间解决体外培养的流程和控制问题，但是在此之外，为什么选择帕金森病和渐冻症作为适应症？是因为科研层面的因果关系，还是其他原因？ 27:02 iPS 细胞虽然广谱，但目前主要用于解决功能性细胞的问题，如缺失或退化等。帕金森病和渐冻症是否都是由某个单一的功能性细胞退化或缺失导致的疾病？ 30:07 目前，参与临床试验的帕金森病患者对这种疗法的接受和认知情况如何？ 33:41 我好奇一下，对于我这种健康人来讲，用这些新疗法来变聪明和变年轻，从理论上这是可能实现的么？ 35:38 在开始确定第一个适应症也就是帕金森的头两三年内，你们在 CMC 生产过程中，最困难的时刻和事情是什么？在那个特定的时间和事情发生时，大家怎么渡过难关的？ 37:26 在工艺流程上碰到当时觉得几乎过不去的节点，就像碰见看似过不去的山头时，只好先退回来再看一遍山头，找找有没有别的路，反复尝试，直到爬过去为止。 40:17 在可预见的两、三年之内，你觉得帕金森病在你的管线中会如何进展？假定一切顺利，它什么时候可以到真正的临床阶段？很多人一听到细胞治疗都会觉得价格望而却步。你觉得最终会怎么样？这些问题对管线的临床进展和预期非常重要。 41:34 帕金森病确实是一个重大问题，尤其是，中国即将进入老龄化阶段，神经退行性疾病对社会和家庭的负担都很大。 44:47 从细胞分化的工艺流程来看，帕金森病和渐冻症哪个更难？到达临床终点即是最终能成药，证明疗法的有效性足以达到临床终点和能够审批上市，这两个可能性谁更大一些？ 46:10 假定今天已经具有一定的工艺流程和细胞分化筛选的水平，在可预见的 5-10 年内，你估计还有多少种适应症可能会进入你的临床管线，并最终能到达临床终点？ 46:51 今天，无论是一级的风险投资市场和二级的股票市场，生物医疗和新药研发等相关企业都处于融资最冷的时候，估值也在最低的时候。此外，最近半年，美国针对中国生物科技企业有很多动作，甚至有一些特定的约束和制裁。你们如何看待中美在生物科技上的竞争环境，以及目前国内外环境对你们的影响？ 【本期相关】 * iPS细胞，是通过基因工程技术，将成体细胞（如皮肤细胞、血液细胞）重新编程，使其恢复到类似于胚胎干细胞的多能状态。 * GMP，Good Manufacturing Practice的缩写。即良好生产规范，是一套确保药品和医疗器械在生产过程中具备高质量和一致性的规范和指南。 * 间充质干细胞，是一类具有多能性、免疫调节和低免疫原性特点的干细胞，广泛应用于组织修复、免疫调节和抗炎治疗等领域。 * 孤儿药，翻译自Orphan Drug，是指用于预防、诊断或治疗罕见疾病的药物。 * CMC体系，Chemistry, Manufacturing, and Controls的缩写。即化学、生产和控制。 * 士泽生物“临床级iPS衍生细胞移植治疗帕金森病”临床项目已经启动招募，入组标准和联系方式详见链接https://mp.weixin.qq.com/s/qG-ZxITV_KgBXDWCVOz2rA * 士泽生物“临床级iPSC衍生细胞治疗渐冻症”临床项目也启动招募了，入组标准和联系方式详见链接 https://mp.weixin.qq.com/s/pYbIvE7QacqtescwpSJUiQ 【相关文章】 对话士泽生物李翔：干细胞的前世、今生和未来 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 中国商业火箭行业。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 刘洋，九州云箭创始合伙人。 【内容索引】 00:38 从事火箭发动机工作的缘由、创业的起点与过程 * 中国重复使用运载火箭飞行试验成功背后 04:34 我国重复使用运载火箭首次10公里级垂直起降飞行试验圆满完成，这次试验成功是一个什么样的成就，以及这是一件多难的事？ 09:26 未来火箭真正投入使用后，应该会发生姿态转变。相对于我们今天已经实现的控制来讲，对姿态转变进行控制的难度是上量级、上规模的，还是线性增长的？ 09:46 这一型号火箭研制分为三步：第一步是10公里级别的垂直起降试验，第二步是75公里级别的亚轨道级飞行和回收试验，第三步是真实的送载荷入轨之后再回收。 12:23 我们在七年里研制了两款发动机，这在过往是很难达到的。像这次试验中使用的龙云发动机，我们在2020年立项，三年多的时间就已经实现地面测试成熟，而且这还是一款可回收的、大范围推力调节的、多次启动的发动机。 13:47 可回收的火箭发动机VS一次性的火箭发动机，它们在研制中的最大技术差异是什么？ * 世界航天发展的历史语境，与世界标尺上的中国航天 18:29 中国作为另外一个，至少经济规模比较大的国家，正在航天领域努力向前跑。跟今天的俄罗斯、美国等相比，中国的商业航天大概在什么样的标尺范畴上呢？ 20:04 国内和国外有一个什么区别呢？就是国内的事情一旦实现了从0到1的突破，再从1走到n，它的效率、整个供应链的能力和生产力水平，是要好于美国的。 20:42 回看美国航天发展历程：从美国少见的“集中力量办大事”完成“阿波罗计划”，到美国商业航天公司的兴起，比如SpaceX和蓝色起源。 25:27 俄罗斯今天的商业航天技术，有中国能借鉴的优势和能力吗？ 26:45 今天在没有类似美苏冷战的大国激烈竞争的情况下，中国、美国的商业航天会怎样发展？ 30:27 我个人感觉造一枚火箭的复杂度可能比造一架飞机要低，比造一辆车要高。 31:17 商业航天，特别是国内这个阶段的商业航天，正处于供给创造需求的阶段，换句话说是供给太稀缺的阶段。目前卫星端、载荷端、甚至包括 ToC 端应用的想象力都完全没有打开。 * 嫦娥六号如何“惊艳”着陆？ 35:09 嫦娥让大家诧异、惊艳的能力是“着陆”，包括在月球背面着陆和返回后在地球着陆。这两件事的难度级别大概是什么样的？ 38:44 有人提到嫦娥六号返回器表面有烧蚀，说耐高温材料还可以有更大的提高。大家根据表面状况来评价耐高温材料的水平是合理的吗？我们把火箭发上去再收回来的时候，火箭表面也会出现烧蚀问题吗，或者能被更好地解决吗？ * 可预见的未来：中国的商业航天 41:25 七八年以后，我觉得可预见的是，至少国内重复使用火箭入轨的成本，肯定是要低于SpaceX现在的猎鹰火箭的，而且国内的商业航天市场会有比较大的变化。 42:20 假定10-15年后商业航天可以载人，单人成本可能会是多少钱？假定整个过程会有舒适模式，对于普通人来说，上天前的准备工作会很麻烦吗，要求会有多高呢？ 43:20 当火箭运力足够强、成本足够低时，会催生出很多不同的商业模式，让火箭能够和C端连接起来，比如将来负责运营航天旅游项目的公司，有极大概率不是火箭公司。甚至到那个时候，很多火箭公司更贴近于航空公司，以服务为主，火箭对它们来说只是一个工具。 【本期相关】 * 飞龙在天|龙云液氧甲烷发动机首次飞行-回收任务圆满成功! * “嫦娥”归来——嫦娥六号返回全景实录 * 九州云箭的凌云和龙云发动机： * 九州云箭的龙云发动机热试车画面： 【联系我们】 如果您对九州云箭感兴趣，欢迎大家将简历发送至九州云箭的邮箱 [email protected]。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 AI芯片 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 Mackler 季宇，「行云集成电路」创始人 【内容索引】 00:50 「行云集成电路」创始人：从清华物理本科到清华计算机体系结构方向博士，再到华为天才少年和AI芯片创业者。 03:03 计算机和物理是两个极端的行业，物理是从纷繁的现实世界里找到最简洁的规律，而计算机是从最基础的系统里创造纷繁的算法。 07:09 当前的类脑计算和大模型算法各自处在什么位置？ -英伟达的成功 11:19 今天英伟达的股价是否有明显的泡沫，或者过热？ 12:24 英伟达是当前一枝独秀的AI芯片企业，历史上有没有可类比的公司也曾经达到过这个位置？ 14:51 英伟达的前世今生：从3D图形加速卡生产商，到AI芯片巨头。 17:41 十年前，在人工智能展现出巨大潜力时，英伟达在当时已经一马当先，为什么同期做芯片架构的公司没能在之后的5-10年里追上英伟达呢？ 18:38 兼容机普及之后，计算机演变为一个高度稳定的结构，形成了强大的行业惯性，而英伟达主动加入到这个惯性里，使自己成为了惯性的一部分。 20:14 对于芯片公司来说，追赶算力只是一个基础条件，如何克服行业惯性才是更重要的问题。 21:05 英伟达的软件系统CUDA对其垄断地位起到多大的保护作用？ -大模型带来的机遇 21:51 计算机系统本身也会“新陈代谢”，但这个是事在人为，而不是大势所趋。 24:00 大模型会触发对芯片架构领域与配套软件领域的一系列新需求，随着大模型的持续演进，可能会涌现出哪些当前英伟达技术难以完全适配的具体需求？ 28:13 一颗芯片越全能，越有可能被解构，但是越不可能被替代。 29:26 经过多长时间，大模型和人工智能会碰到“天花板”？碰到“天花板”后，技术又会发生怎样的演变？ 32:23 作为一颗协处理器，你希望在大模型应用的什么场景里发挥作用？ 34:27 芯片设计的赛道上，有很多企业在竞争，哪些因素会影响他们未来几年的成败？ 37:11 今天大家存在一个共识：大模型在技术和投资上存在一定的泡沫。假定这个泡沫没有了，在成本、应用，功耗和用户体验等层面考虑，哪些因素会促进新架构的出现？ -中国的芯片发展 40:55 在中国做芯片创业需要格外关注哪些因素？一是美国对芯片的限制导致的高端芯片采购挑战；二是芯片供应链的安全。 43:37 中国的芯片行业在未来会如何变化？ 44:41 中美竞争导致高端芯片“断供”，带给国产芯片很多试错的空间和机会；但面对机会，国产芯片还应该思考如何既顺应市场化需求，又找到新的市场空间。 46:39 作为AI芯片创业者，如何看待华为的AI芯片？ 50:31 相较于采用英伟达GPU的同构路径，那些采纳“异构”策略进行AI芯片架构设计的企业，面临怎样的机遇与挑战？ -AI芯片创业 52:34 AI芯片的热度在过去六、七个月发生了什么变化？ 54:02 行业热度是把双刃剑。热度高意味着更多的资源，热度低则意味着更少的噪音。要看到事物的两面性，放大对自己有利的一面。 55:42 创业是冲动的，能够在很多的不确定性里找到底层的确定性，是保持内心稳定的方法。 57:22 生产力的创新，会经历多次泡沫和低潮。泡沫的初期，通常都是技术刚开始进步的时候，当泡沫慢慢下去时，应用就开始蔓延迭代，泡沫的变化和起伏也会不断地给整个行业带来新机会。 【本期相关】 CPU：中央处理器（Central Processing Unit）计算机处理器是解释和执行指令的功能单元，是计算机的中枢神经系统。 GPU：图形处理器（graphics processing unit）GPU使显卡减少了对CPU的依赖。GPU的生产商主要有NVIDIA（英伟达）和AMD。 CUDA：Compute Unified Device Architecture，是显卡厂商NVIDIA（英伟达）推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 More is different：诺贝尔物理学奖得主、著名凝聚态物理学家菲利普·安德森（Philip Anderson）于1972年发表文章《多者异也》(More is different）。安德森认为“物理系统在每一个复杂度上都会出现全新的性质”——也就是说，尽管化学受制于物理定律，但我们无法从我们的物理知识中推断出化学领域的结果。 类脑计算：Brain-inspired Computing，是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。 协处理器：协处理器（coprocessor），一种芯片，用于减轻系统微处理器的特定处理任务。 Mackler季宇知乎主页 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 具身智能之技术进展与商业机会。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 刘鹏琦，峰瑞资本执行董事。 颜黔杭，峰瑞资本副总裁。 【内容索引】 01:07 两位投资人是怎么开始关注到这一波具身智能热潮的？ 02:13 机器人赛道其实在中国经历了好几波的起起伏伏，最早从2013、2014 年的工业机器人，到2016、2017 年类似于像协作机器人，再到2022 年以来的通用机器人。这一波人形以及具身，跟前两波相比，智能化程度大幅提高了。 03:51 这一波的机器人浪潮来的是不是有点快？之前我们觉得非常科幻的很多场景，好像离现实没那么远，现在看到的这波demo视频，是否真的离落地不远了？ 07:04 具身智能和通用智能机器人是一回事吗？ 09:53 大家为什么逐步意识到要做一个通用智能机器人？ 10:26 整个人形机器人发展的历史，本质上是控制维度、控制能力不断升级的一̶个̶过程。比如最早的ASIMO，更多是位置控制，所以它走路的时候会有巨多的小碎步。波士顿动力在电机还不够好的情况下，用液压系统去̶做了 Altas 那一整套的人形机器人的解决方案。再到今天，电机性能逐步提高，以至于更多像FIGURE AI这类的人形机器人公司逐步推出他们的产品，外加特斯拉开始把市场热度给带起来。 14:04 今天传统工业机器人遇到的一个很大的门槛，是它的灵活性不高，所以它在很多场景里就完全没法去替代人。往将来看，人能做的事，人形如果都能做，这是一个非常理想的状况，所以服务、生产、消费等各种场景都会成为人形机器人的潜在落地场景。 15:40 大家先去做最完美的研发，然后逐步把它拆解出来，再降维去做商业化，这可能会是未来做人形机器人这类偏前沿的项目的一个可行的商业化模式。 16:06 什么样的大模型跟什么样的机器人本体结合，才会实现真正的具身智能？ 17:52 具身智能或者通用智能机器人，它能有今天的发展，主要来自于两个产业的交叉：一个是硬件部分，工业化、产业化带动了机械结构包括电气化，包括传感器等比较偏硬件的快速发展，以及随着它们成本的降低，让它们能够更普及；另外一个就是软件，无论是早期从电脑和PC 到软件，然后再到互联网，它诞生了海量数据，再叠加无穷的算力，就有了我们今天能够看到的 scaling law以及大模型的诞生。 19:20 学术界和业界大概都把具身智能定义成了三层架构——大脑、小脑和本体。 20:40 对于实现通用智能机器人，硬件本体现在的成熟度如何，已经能够支撑起具身智能的故事了吗？如果还不够，还有哪些技术有待进一步的突破？ 24:02 除了机器人偏骨骼、肌肉的层面，像人有耳朵、眼睛来感知世界。机器人的传感器现在处于什么样的发展阶段，它的成熟度足够支撑具身智能的发展吗？ 25:46 有些时候智能跟机器人本体的能力是相辅相成的，在一个很强的身体上，也许简单的智能就能实现的工作，就不需要太麻烦的重复训练了。 26:08 小脑作为虚拟世界和物理世界的交叉，是机器人最终去执行规划和控制的关键部分，它经历了什么样的发展脉络？ 29:26 围棋是相对封闭的场景，有明确的规则，AlphaGo通过深度强化学习在围棋领域战胜最强的人类。但是，机器人周围的物理世界是非常复杂和多样化的，在复杂的环境下，我们怎么能够通过强化学习去训练出一个好的模型？ 33:56 模仿学习有一些短期比较难解决的问题，第一个就是模仿学习给到的这些数据，机器人本身能不能够利用好。另一个是通过模仿学习学来的东西是否能被机器人拆解、内化。这两个问题会导致，今天模仿学习能够教机器人复制动作，但机器人并不能理解每一个动作决策的驱动要素，以及为什么要这么做动作。 36:12 长期来看怎么能够通过尽可能少的数据，再结合大脑的能力，让机器人不光知其然，还知其所以然。这可能是未来的终局，也是有待突破的点。 38:03 大模型是不是能够承担一部分小脑的能力？比如说 Google 这一年发的无论是 RT-1的小模型还是 RT-2 的大模型，都开始尝试端到端地把视觉语言和行为轨迹放到了一个大模型里去训练，然后直接执行下游的任务。我们把能收集到的数据直接喂给大模型，直接端到端就能出结果，这是不是未来的一个趋势？ 41:20 之前的机器人公司大多落地在偏制造业和服务场景。在看这一波具身智能和通用智能机器人公司的时候，需要考虑它们短期的落地吗？如果需要，潜在挑战在哪？ 43:12 我曾经问过不同场景里的机器人创业者：GPT vision以及 Segment Everything 之类的视觉大模型的出现，会对他们的工业机器人有什么影响？大部分创业者的答案是，客户不会为这个来额外买单。所以，新技术在商业化上的进度还是偏慢的，必须要找到一些有非常明确的产品需求场景——不一定是纯人形机器人，也可能是复合机器人。 45:48 传统的做工业机器人的公司或者自动驾驶公司，它们想往具身智能转可能性大吗？ 46:30 技术的变革到底是先占领市场，还是先占领技术的前沿性？ 47:12 从投资角度看具身智能这个赛道，你会着重看哪些方向的公司，以及会看重团队什么样的能力？ 【相关文章】 文字版内容，可在峰瑞资本公众号查看。 【往期链接】 Vol.102 产业观察15｜人形机器人是具身智能的最佳选择吗：与张巍聊具身智能之双足机器人 Vol.106 产业观察16｜大模型的想象与泡沫，机器人的“不可能三角”与未来：与连文昭聊具身智能之上肢 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 具身智能之机器人上肢。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 连文昭，中国科学院自动化所研究员。 【内容索引】 01:15 从Vicarious 、Google X 和FigureAI这些从业经历来观察，美国机器人产业经历了哪些变化？ 01:50 机器人的实际应用已经有五六十年的历史。从最早只能重复编程和重复运动的机器人，到现在具有3D视觉能力的机器人，或者可以进入家庭的AGV（自动引导车）等等，软硬件交替发展推动了机器人行业不断螺旋上升。 04:58 大模型在其他领域还没有证明自己是一个可靠的、能显著提高生产力的工具。它们可以辅助人类，但还没有达到独立完成任务的水平。比如，用ChatGPT 聊天或创作，如果我们没有预设的标准答案，它可以很好地激发我们的想象力。但如果我们有一个具体的要求，那么 ChatGPT 可能需要多次尝试，甚至试到最后我们可能会放弃。 07:08 虽然人们在大部分时间里对事物的感知是模糊的，比如走到一个地方的前后左右。但是在特定情境下，我们需要精确的度量，而误差的大小很大程度上取决于当时的语境。我们管这个叫常识或直觉物理。 09:48 当时，我觉得机器人行业充满了机遇，就像从 3 千米高空俯瞰地面一样，遍地是黄金。但凡能做出一点智能的东西，就能极大地推动机器人领域的发展。 10:20 Vicarious, Google X, Figure：不同的基因、愿景和尝试 13:46 数字世界可以将所有空间、观测量、动作空间都离散化，在数字世界中，理论上是可以穷举所有可能性的。但是，在机器人和物理世界的实际操作交互中，相关的数据很难穷举，或者说即使想这样做，所需的成本和代价也是巨大的。 14:39 Google X通过收购整合，确定了三个主要方向：move、make 和 help 16:18 现在我们经常谈论柔性生产，小批量、大批次、高混低量的生产场景，就要求我们能有Software defined hardware，软件定义硬件，这是Google X 的初衷。 22:33 在硬件层面，过往我们一直面临着选择的困境：是制造一个瑞士军刀式的多工具集合，还是一个可以使用各种工具的手。 24:17 如果不考虑触觉或感官问题，只关注于如何控制灵巧手，哪些因素最难达成妥协？ 27:16 Figure AI的愿景没怎么变，变的是人们对它的看法。他在成立之初就有很强的硬件基因，但在开发硬件本体的同时，Figure也下决心把 AI 技术融入其中，以区别于历史上已有的成果。 29:17 随着大模型的发展，以及最近这一轮引人注目的融资新闻，你离开之后，Figure现在的进展和发展和以前有明显的不同吗？ 32:40 人形机器人领域虽然现在看似火热，但如果放在历史的长河中看，目前仍处于早期阶段。许多技术路线、商业场景、成熟度乃至于在社会中的角色都还没有收敛。 33:36 从软件、硬件、算法模型、控制等各个维度来看，中国和美国的机器人行业横向比较起来是个什么状况？ 37:45 结合中美的经验，在机器人行业最容易形成的突破和优势：“科技驱动，产业落地” 39:56 今天机器人上肢的进展水平如何？ 40:00 机器人的手部必须与环境进行交互，需要将物体从一个初始状态转移到另一个状态，这需要进行强接触。因此，我们不仅需要关注物体的几何特性，还需要关注它们的语义特性，例如这些物体是什么，它们的用途是什么。 44:16 在未知环境中实现多臂协调仍然是一个学术挑战。因为上肢的动作空间非常大，需要实时状态估计，并进行多个自由度的协调。 46:41 以Google X为例，我们曾为合作伙伴研发家具拼接机器人，机器人需要视觉估计各个部件的状态，比如柜子的各个面板，椅子的各个部分，像椅背、扶手、轮子，并实时规划如何抓取和组装。我去抓把手，还不能挡住拧螺丝的地方。这涉及到很多中层到底层的决策，因此非常难。 49:32 对于手的设计，如果考虑到便捷性、能耗控制、复杂度、可能出现的任务情况以及与人的互动等因素，你认为机器人最终应该有多少只手，以及每只手上应该有多少个指头是合理的？ 52:49 对于上肢训练，越是复杂的任务，通过强化学习或者说试错的方式来练习，学习进度就会慢一些。某种程度上，越是非基础的任务，也就是越往场景走，越往应用走，越往具体的事情走，模仿学习占的比重就越大。 55:06 在当前的成本限制、软硬件水平下，机器人领域的“不可能三角”：可靠性、速度以及泛化性。 57:26 人的这种直觉物理或基础规则会影响模仿学习的结果吗？ 1:03:39 人形机器人领域的热度上升，对你个人有没有什么影响？ 1:04:16 我觉得机器人和AI领域不太是科学问题，更是一个工程性的问题。既然是工程性问题，我们肯定希望能够离应用越近越好，并在真实世界中产生价值，提高生产力，提升人们的生活水平。 1:05:42 往未来看 10 到 20 年，全球人形机器人或智能机器人行业的格局将会变成什么样？ 1:07:41 假设想要一个专业级的羽毛球机器人陪练，不是在固定位置收发球，而是要有自己的策略和技术，既可以陪我打球，但又不至于让我筋疲力尽。你认为我们需要多长时间才能做出这样的机器人？ 【本期相关】 46:45 正在拼家具的机器人 51:18 正在插接线头的机器人 56:22 正在插电池的机器人 1:08:33 正在打乒乓球的机器人 【往期链接】 Vol.102 产业观察15｜人形机器人是具身智能的最佳选择吗？与张巍聊具身智能之双足机器人 【相关文章】 文字版内容，可在峰瑞资本公众号查看。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 具身智能之双足机器人。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 张巍，逐际动力创始人。 逐际动力是一家通用机器人公司，专注于具身智能（Embodied AI）与足式机器人（Legged Robot）的研发和制造，产品包括人形双足、四轮足机器人及相关软硬件解决方案，落地应用聚焦在汽车制造、工业巡检、物流配送、特种作业、家庭服务等B2B和B2C领域。 【内容索引】 * 中国首个成功在野外徒步的双足机器人，是怎么做出来的，背后有哪些黑科技？ 01:37 双足机器人未来能替代国足吗？ 02:30 双足机器人普遍被认为是比较难控制的一类机器人，跟之前波士顿动力那个在实验室场景内翻跟头的机器人还不太一样，逐际动力的这款双足机器人真正地在野外进行开放式行走，这个在全球范围内还是比较少见的。 03:14 双足机器人的技术难点：第一，相比四足更难平衡，尤其是当机器人踉踉跄跄的时候，假如一只脚踩空了，还有其他三条腿帮着平衡，而双足在重心不稳的时候，需要另一只脚在第一时间作出反应，根本没时间思考，否则极易摔倒。第二，这个机器人没有脚掌，就像人类踩高跷，很难平衡；第三，机器人即便配备了视觉传感器，面对复杂的地形环境，也容易误判，就像人在山林中常因落叶遮挡视线而踩空或绊倒。 05:34 如果人形机器人具备在未知环境中探索的能力，比如在地震现场、煤矿井下，或者一些塌方或泥石流等复杂场景中，它目前具备进去救人、运送物资的能力吗？ 06:29 做一些前沿探索或攻关，就如同在黑暗中摸索，一抹黑什么也看不到，你觉得很难，突然间你找到了那个关键的“开关”，所有事情就会变得简单。从人形机器人移动能力的角度来看，我认为现在已经找到了这样一个“开关”。 07:21 实现双足机器人在野外自如徒步的因素：AI基础设施的成熟、机器人硬件的成熟，以及强化学习技术的突破。 * 强化学习和模仿学习是怎么一回事？ 08:34 强化学习本质上就是将我们现实生活中可认知的目标转化为数学上的 loss function（损失函数） 或者叫 reward function（奖励函数）。 09:49 强化学习和模仿学习的过程就像婴儿学步，小孩子看大人走路是一种模仿学习。然后没走稳摔屁墩就像是惩罚，会指向孩子纠正调整自己的步伐；而成功走到目的地获得爸爸妈妈的拥抱和奖励，不管是棒棒糖还是玩具，就是强化了正确行走模式的记忆。强化学习就类似小孩子在这个摔屁墩和拿奖励的过程里学走路。 11:13 视频里这个能在开放环境行走的双足机器人，从硬件到算法再到控制，全部都是逐际动力自主研发的吗？ 14:10 足式机器人从摔倒到迅速恢复的这个过程在过去是很难实现的，以往，我们可能需要基于逻辑规则或模型手动设计每一种可能的应对策略，这既复杂又难以扩展。而现在，借助神经网络的端到端学习能力，足式机器人能够在模拟大量摔倒与恢复的场景中自行学习如何应对各种复杂情况。 16:27 人形机器人学习在真实环境里行走，跟 AlphaGo 学习围棋不太一样。围棋是一个封闭、理论上可穷尽的环境。相反，我们的机器人需要在开放、充满未知的真实世界环境中应用强化学习，这个是不是要难很多？ 17:54 这个世界上所有的问题都是计算问题，所有的理论都是在降低计算的复杂度。 19:42 人形机器人难就难在它不光是虚拟的事，它也是现实的事。它是个物理过程，非常关键的一点是要把仿真和物理世界连接起来，然后让在仿真里面学到的东西能真正地用到实际中，这个差距我觉得大家花了很长的时间来解决。 20:24 今天智能或具身机器人的热度是从哪来的？首先，AGI（通用人工智能）的发展让大家开始思考怎么让AI影响物理世界，这时候就需要新的终端和载体，比如说人形机器人。另一个是机器人的硬件自身也走到了一个由量变到小质变的阶段。硬件的成熟也是AI在硬件上发挥作用的重要前提。 24:32 假设人形机器人要变得更厉害，比如当个足球运动员等，电机在应对这种更复杂的运动场景时，还需要哪些改进或提升？ * 人类并不完美，机器人采用人形设计是必要的吗？ 27:35 结合《第三种黑猩猩》和《人类简史》的观点，我们可以看到，人类从四肢行走转变为两条腿直立行走，实质上是在生存压力下优先发展大脑。这一转变牺牲了速度和稳定性，但换来了大脑的显著进化，进而推动我们学会了使用工具，包括火等，这是一个典型的妥协与演化过程。那么对于机器人来讲，两条腿是否真的是最佳选择？ 28:59 我们的生活环境，包括家具的高度、门把手的位置等，都是根据人类的体型来设计的。机器人的形态越接近人类，就越能无缝融入我们的环境，集成成本也就越低。 32:30 我们什么时候能设计出像变形金刚那样的机器人？ 34:38 从功能来讲，人形机器人本质上是代替人去运动， AI 是代替人思考，它们的本质目标是不一样的。运动我们可以分成移动（Mobility）和操作（Manipulation），就是所谓机器人的下肢和上肢。 38:17 模仿学习在很大程度上是数据驱动的，大部分情况下模仿学习真的没有模型，也不用对物理世界进行建模，只要观察到动作然后完成复现。强化学习本质上是模型驱动的，它依赖于对世界的建模，然后在一个仿真的环境里去组合各种尝试，只不过AI提高了模型的泛化能力。 42:24 大家对仿真可能有种误解，常常以为机器人通过仿真技术可以轻松解决机器人数据、实验数据难获取等问题，甚至让所谓的“数据飞轮”转起来。但实际上，仿真本质上是对现实物理世界的建模，建模时需要考虑很多因素，而现实世界中存在无数各不相同的物体，要想实现广泛的泛化建模几乎是不可能的。 43:32 触觉传感器目前进展到什么阶段了？ 46:57 最近一两年有非常多做机器人手的，我觉得它还是比较缺迭代的方向。一个领域最怕的就是它自己很难控制自己的命运，手的发展我觉得还需要等AI迭代得更成熟。但现在它确实处于一个可能会起飞的状态。 47:42 服装行业一直被认为很难让机器人参与进来。因为布料裁片在传送带上交错堆叠，有的带有褶皱或者被不规则物体遮挡，人眼能轻易判断布片的形状并将其展开，但对于机器人来说，准确抓取布片、平铺后再缝制成我们日常穿的衣服，要实现这一系列动作难度一度是很大的。现在，这类问题能解决了吗？ 50:10 中国有着全球最全的产业链，这些有优势的产业链，但凡可以被改造，不管是被自动化还是被机器人改造，它在中国转型升级的可能性就很大。反过来说，如果哪个产业在中国不能用修改流程并增加部分自动化来改造的话，那它可能会逐渐转移到劳动力成本更低的国家和地区，比如东南亚。 50:59 有了大型语言模型后，直接通过日常对话的方式来指挥机器人这件事变得可以想象，除了这种直观的交互方式外，大模型与机器人之间还有哪些关联和潜在应用？ * 创业心得： 54:20 为何选择在两年前机器人领域并不热门时，创办一家人形机器人企业？同时，在中美两国从事科研工作多年后，转身投入到公司运营和创业工作中，有哪些心得体会？ 55:53 科学和科研的好处是，在屋子里一片黑暗的时候，想办法找到开关。产业的好处是，既然找到了开关，可以把开关安在所有黑暗的屋子里。 56:14 作为科学家和作为公司创始人，感受有什么不一样，哪个角色的挑战更大一些？ * 机器人行业在中美的发展前景会如何？ 56:52 智能机器人或机器人产业在中国的发展前景如何？中美相比有什么不同？美国在原始创新方面还是要领先些。不过，一旦开关被找到，进入实际应用和产业落地阶段，中国的优势很明显，而且，中国在硬件方面的优势得天独厚。 58:14 在中国，人形和具身机器人有巨大的投资和产业价值。主要原因是中国的产业结构和经济政策倾向于鼓励和支持长产业链，特别是给制造业产业链增加附加值的行业。 59:46 机器人有望同时服务于第二产业（制造业）、第三产业（服务业），甚至是农业等领域，以应对中国老龄化和人口结构变化所带来的劳动力挑战。此外，中国庞大的人口基数可以为机器人提供最广泛的应用的方向和场景。还有一点，人形的设计易于被政策制定者理解，也容易被老百姓接受。 【本期相关】 * 视频：基于强化学习，逐际动力双足机器人P1野外徒步 * 《第三种黑猩猩》，作者是贾雷德·戴蒙德。该书详细探讨了人类是如何从与黑猩猩和大猩猩共享祖先的状态逐步演化成如今拥有高度智慧和文明的人类社会。 * 《人类简史》，尤瓦尔·赫拉利创作的历史类著作。该书详细介绍了人类从采集狩猎时代、农业革命、再到工业革命和科学革命等各个重要阶段的变化，以及这些变革如何塑造了人类社会、经济、文化和政治结构。 * Markov Decision Process（马尔可夫决策过程），是一种序贯决策的数学模型。主要用于处理具有马尔可夫性质的系统状态下的决策问题。在MDP中，智能体（决策者）在每个时刻根据当前状态选择一个动作，这个动作的选择依据是策略，而动作的选择会影响系统状态的转移并获得即时奖励。MDP的目标是找到一个最优策略，以最大化累积奖励。 * 六维传感器，是一种能够同时测量和输出三维力和三维力矩的高精度传感器设备。这种传感器可以捕捉和监测物体在六个自由度上的受力情况，为机器人或其他机械系统提供实时、全面的力和力矩信息，有助于实现更为精准的动作控制和力敏感操作。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 游戏行业创新和网游新规 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【内容索引】 00:19 12月22号版署发布了网络游戏管理办法征求意见稿，在创业公司和二级市场的圈子里都引发了挺大的反应，立刻形成广泛的讨论 01:44 关于对不同内容形态的尝试，2024年你有什么新的想法和打算？ 02:54 从博客、微博到微信公众号，文本时代的迭代经历了非常多次轮回；相较而言，播客和视频都才刚刚开始，还没有经历显著的迭代 03:50 有没有一种媒体形态，介于现在的短视频、直播和像奈飞、《激流时代》这样的长视频之间？ 04:50 无论是视频还是图文，平台的用户时长和UGC内容的数量都取决于生产这个内容本身的人数，所以理论上平台的门槛越低，生产的人就会越多 07:18 用户过了“什么都看”的阶段后，会给大的机构媒体留空间，因为大家倾向看质量和可信度都更高、至少有品牌背书的内容 09:19 游戏在中国经历了哪几个阶段？ 11:45 从卖点卡、按游戏时长收费，到玩游戏免费、靠道具收费，是中国推动的一次游戏模式创新 12:14 这种创新得益于2005年和2006年前后中国基础设施的变化：宽带入户的接入率突飞猛进，伴随着家庭宽带的覆盖和大量网吧的兴起，游戏人群开始大规模增长，游戏公司不太需要比拼谁更能卖点卡，而是看谁能把游戏做得更好玩，让用户愿意在道具上花更多钱 15:38 当做游戏的门槛高到了一定程度，对新用户的友好度会降低，对游戏创业、创新的友好度也会下降得很快 16:05 2007年 Facebook 的注册用户不再增长，紧接着Facebook做了开放平台，国内也有不少公司做了开放平台。于是有了各种各样的开放平台应用，其中最挣钱的还是游戏 16:26 以偷菜为代表的那一波国内的社交游戏，同时降低了制作游戏和玩游戏的门槛，创造了不少新的游戏创业机会，比如从Facebook平台上发展起来的Zynga，但是最后没有一家公司真正意义上持续较长时间的成功 20:38 随着 iPhone在中国的普及，许多做网页游戏和社交游戏的开发者，比做PC客户端游戏的开发者先开始转向做手机游戏，尽管手机性能受限，但是手游提供了全新的交互体验，比如最早的《水果忍者》和《愤怒的小鸟》 22:20 叠纸游戏曾经出了以换装为主要玩法的暖暖系列游戏，当时创始人说，手机上的小游戏让用户群扩大了很多，比如iPhone主要使用人群中有很多年轻女性，所以应该有更面向女性用户的手游 25:38 过去两三年游戏创业公司应该减少了非常多，各个方向上的门槛都高到了一定程度，按照历史规律，游戏发展到这个阶段，一般就会有些变化 26:52 2023年国家新闻出版署发了1075个游戏版号，2019年发了1571个版号，从市场供给的角度来看，今年跟四五年前也许差不多，因为那时候游戏公司做新游戏的热情和机会也稍微多一些 28:00 接下来游戏行业会发生变化吗？我们内部讨论的两个共识：一个是沉浸度和代入感变得更重要了，密室逃脱、剧本杀之所以受年轻人喜欢，是因为他们喜欢自己是故事的一部分，游戏也是一样；另一个是大模型带来的更多创作可能性和相对较低的创作成本 31:51 我猜《网络游戏管理办法（草案征求意见稿）》的初衷是为了让游戏回归“好玩”和“用户自愿”本身，而不是靠巨大的平台级用户量来给游戏导流，或者通过诱导、奖励，刺激这种卷运营的行为，让用户来回地登录和充值 33:56 中国的游戏现在还肩负了AI技术落地和文化出口的双重责任 【本期相关】 《网络游戏管理办法（草案征求意见稿）》 李翔X李丰：技术变革浪潮里，为什么第一波赚钱的通常是游戏？| 李丰专栏 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 纳米压印。 【本期主播】 颜黔杭，峰瑞资本副总裁。 【本期嘉宾】 葛海雄，璞璘科技创始人、南京大学现代工程与应用科学学院教授。2001年至2003年，葛海雄在美国普林斯顿大学做博士后，师从纳米压印技术发明人周郁（Stephen Y. Chou）教授，2004年加入南京大学后继续围绕纳米压印技术开展研究工作，深耕纳米压印与微纳制造领域二十余年，发表与纳米压印技术相关学术论文100多篇、授权发明专利30余项。 邓萌萌，璞璘科技联合创始人兼CEO。邓萌萌拥有中国科学技术大学硕士学位，也曾在香港大学学习与工作。他于2016年开始创业，拥有十余年微纳加工及纳米压印技术从业经验、多年微纳高科技企业项目管理及企业运营经验，发表数篇微纳加工科技文献，拥有近30项产业相关专利，其中美国发明专利一项。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【内容索引】 00:19 纳米压印是一项与光刻机几乎并行发展的半导体微观制成的工艺，今天我们熟知的、中国被卡脖子技术就包括光刻机 03:15 前段时间佳能宣布推出能够媲美DUV光刻机的纳米压印设备，并将它用到半导体的加工工艺中，纳米压印究竟是什么？它是光刻技术的替代选项，还是竞争对手？ 05:00 业界有种说法是，我国古代活字印刷的发明人毕昇是纳米压印的“鼻祖”：活字印刷的模板上刻有要印的字，纳米压印的模板上是我们需要制造的纳米结构，然后通过加热加压把这个纳米结构复制在纳米压印的材料里，这个过程跟用模具做月饼也类似 10:00 纳米压印技术已经有20多年的发展历史，为什么会在最近突然火起来？ 10:17 纳米压印技术一出现，就因为它的高分辨率引人注目，但是纳米压印也有短板，因为它是一种物理接触式的加工技术，容易产生缺陷，所以也会有些人因为它的缺陷率而否定它，认为它不适合半导体加工 11:17 从最近佳能公司的报道来看，它的纳米压印各项技术指标已经与DUV的光刻技术持平，有一些指标甚至达到了EUV 光刻技术的水平 13:27 就技术本身而言，纳米压印和光刻各自的优劣势是什么？ 14:34 同样是精度要求极高的微纳加工技术，为什么纳米压印的成本比光刻技术低不少？ 17:16 佳能在纳米压印的重点布局会对整个半导体行业上游制造的设备供应方带来什么样的影响？它的新动作和公告是否会给市场带来一些新变化？ 19:32 纳米压印进入半导体领域，有哪些技术难关已经得到解决，哪些还是当前的拦路虎？ 21:41 目前来看，相对来说解决的比较好的是更洁净的纳米压印环境、更高的对准精度，还有待提高的是模板精度 25:43 最近国家自然科学基金也在探讨摩尔定律失效后，半导体器件是否还遵循摩尔时代半导体器件的规律，纳米压印也被认为可能用于1纳米或者是亚纳米以下的一些器件的制造 26:31 如今国内不少先进制程的技术与设备都被封锁了，目前国内哪些领域可以借纳米压印实现弯道超车？ 29:24 纳米压印不仅能应用在半导体上，它的应用主要针对三大行业：第一是显示及消费电子类行业，第二是汽车行业，第三是生物医学行业 35:50 刚刚我们提到的这几个场景里，有没有一些场景只适合纳米压印，而不太适合光刻？璞璘科技在跟客户打交道的过程中，哪些客户是在预期之外的？ 37:28 让我们感到意外的领域其实是新能源，尤其是钙钛矿这个行业 40:28 葛老师过去20年一直是学者身份，从科研转向创业，葛老师有哪些心得可以供其他想做科技创业的学者参考？ 41:24 我们需要“顶天立地”，既要做前沿的科研，又要让技术能落地，最终为日常生活服务，为技术进步与生产服务 42:26 纳米压印和光刻一样，是具有和需要工匠精神的技术 46:12 往未来看，光刻技术与纳米压印技术会是一种什么样的关系，它们在产业里的位置又会如何？ 【本期相关】 03:15 据日本《朝日新闻》报道，日本佳能公司历时10年研发的新技术产品——可用于半导体制造的一种光刻设备已经正式开售。上述新设备能否动摇阿斯麦(ASML)的霸主地位受到广泛关注。佳能公司18日在横滨市举行了技术展示会，展示了新的“纳米压印”光刻设备。这是一种在半导体晶圆上绘制精密电路的设备。 佳能推出的纳米压印设备。图片来源：佳能全球官网 03:20 DUV，全称是Deep Ultraviolet Lithography。DUV是深紫外线光刻。可用于制造7纳米-130纳米制程的芯片。 11:28 EUV，全称是Extreme Ultraviolet Lithography，即一种使用极紫外光波长的光刻技术。目前用于7纳米以下先进制程芯片。 25:44 “芯片亚纳米级制造前沿探索”项目，2023年度国家自然科学基金指南引导类原创探索计划项目。项目围绕未来芯片制造面临的共性基础科学问题，旨在通过揭示表界面亚纳米级尺度的定域、定量、定势调控机制，建立亚纳米级精度表面与结构的可控加工方法，为发展原子级制造开展先导性探索，支撑新一代芯片制造关键工艺和装备能力的升级换代。（来源：国家自然科学基金委员会官网） 【本期图示】 纳米压印步骤： 【相关文章】 文字版内容，可在峰瑞资本公众号查看。 从光刻机到纳米压印，半导体行业拐角处的挑战与机遇 | 峰瑞创投对话 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。