川普的“即兴政策”如何搅动美股？AI 量化真能打败人性吗？本期 Indigo Talk 邀请了美股交易大师猫姐，从回溯纽交所内幕到 XTrader 实盘，拆解“交易即人生”的数据与心性；分享了熊市生存法则、情绪管理诀窍，以及 AGI 时代投资者必修的“双管理” —— 时间与情绪。75 分钟高密度洞察，带你看懂市场裂缝与机会。 本期嘉宾 猫姐（XTrader 数据科技 创始人） Indigo（数字镜像博主） 时间轴 * 01:20 猫姐和 XTrader 的介绍 * 06:34 什么是“交易即人生”？ * 15:13 如何看待现在的美股？ * 22:36 如何应对当前这样不确定的市场？ * 25:47 从交易者视角来看川普政策的国际影响 * 35:08 “灯塔国”的裂缝与社会分裂的顽疾 * 41:44 AI 如何介入交易与 XTrader 量化机器人 * 57:16 应对市场不可预测性的两个方法 * 1:05:10 AGI 到来后对经济和投资的影响 对谈详细总结 www.indigox.me/indigo-talk-ep26/
想用 AI 提升效率、却又被真假课程绕得头大？本期 Indigo Talk 请来数据分析培训专家曹峥老师，拆解普通人拥抱 AI 的正确姿势：信息差就是机会，好课程 = 真实需求＋优质交付；从“1 秒做 PPT”的幻象到与 AI 长期共生，需要自驱力与好奇心，更需要社群陪伴。听完你将学会筛选课程、避免被“割韭菜”，也能找到让 AI 真正为你省时、省力、增值的方法。职场白领、内容创作者及想转型的你，都值得花一小时听听这场干货与思辨并存的对谈。 邀请嘉宾 曹峥（在线教育操盘手 - 网红老师） Indigo（数字镜像博主 - 主持） 时间轴 * 01:25 曹峥的介绍 * 04:18 信息差一个巨大的市场 * 10:56 给普通人的 AI 培训是什么？ * 20:38 什么样的培训产品是好产品？ * 26:04 如何看 AI 卖小课的市场？ * 34:57 人学习的两种类型 * 41:22 学习方式的转变 做到与 AI 共生 * 48:33 为什么要持续学习？ * 53:42 主动性的培养和学习社群的重要性 * 1:00:22 AI 时代的学习法门：自驱力与好奇心 * 1:07:57 Indigo 为什么要做社群和新的课程 对谈详细总结 www.indigox.me/indigo-talk-ep25/
INDIGO TALK 第二十四期，邀请了 AI Talk 创始人汗青老师，聚焦 AI 生成视频与创作工具的最新趋势。汗青从自身经历出发，深入分析了 GPT-4o 等新兴工具如何彻底重塑内容创作流程。他认为，到 2025 年底，AI 已能生产高质量的商业视频内容，而创作者将因此面临两极分化 —— 顶尖人才受益，普通创作者则压力倍增。AI 会如何影响影视行业？未来的媒体又将如何演变？一起来听汗青老师畅聊 AI 与内容创作的无限可能。 邀请嘉宾 汗青（AI Talk 工作室 - 创始人） Indigo（数字镜像博主 - 主持） 时间轴 * 01:22 汗青与 AI Talk 的介绍 * 07:26 大众对 AI 生成视频的看法 * 11:59 对 AIGC 创作工具的感受和选择 * 23:36 GPT-4o 的图像生成和对工作流的颠覆 * 33:05 2025 年底 AI 能制作课商业化的 MV 和 TVC 么 * 37:22 AI 会让创作者彻底分化的爆论 * 41:22 未来个人做独立电影的可能性 * 51:36 理想的 AI 生成工具是什么样的？ * 58:29 AGI 时代的媒体形态 对谈详细总结 www.indigox.me/indigo-talk-ep24/
INDIGO TALK 第二十三期，邀请到 UBC 商学院的吴春华教授来分享 AI 给大学带来的变革与挑战。吴教授结合自身在商学院的教学经历，展示了如何从“防范”到“拥抱”AI 技术，并分享了真实企业咨询和学生项目案例 —— 用 AI 快速完成数据分析、生成可视化商业决策工具。 在 AI 时代，教育的本质是什么？教师的价值又该如何重新定义？这场对谈，大家坦诚分享了从担忧、抗拒，到主动拥抱 AI 的心路历程；也探讨了如何平衡 AI 与传统教学的关系，帮助大家重新思考 AI 时代下的教与学！内容十分精彩，不要错过哦😄 本期嘉宾 吴春华（UBC 商学院 - 教授） Indigo（数字镜像博主 - 主持） 时间轴 * 01:13 吴教授和 UBC 商学院介绍 * 04:48 大学如何看待学生使用 AI * 16:22 在 AI 进入课堂之后如何改变对学生的衡量方式 * 22:00 商学院教什么？AI 如何用在商业数据里面？ * 30:35 AI 和人擅长点的不同 * 35:47 AI 时代大学应该教什么？ * 38:02 AI 介入让 MBA 课程的转变巨大 * 43:27 教育现在应该分成“教”和“育”两部分来看 * 51:32 UBC 商学院新加坡真实案例分享（AI 让思考边界变大了） * 59:58 Youtube 热点 KOL 分析（谷歌云黑客松分析） * 1:03:18 总结与新课程预告 对谈内容详细总结 LINK
INDIGO TALK 第二十二期，邀请到终身学习者 Howie.Serious 老师，共同探讨了 AI 时代的学习与创作秘诀。本期围绕费曼学习法、第二大脑，以及如何与 AI 协同实现日更产出展开深入分享，并通过“七层真相”案例展示了 GPT-4.5 的深层表达能力。我们还分析了各自对“理想学习型”的 AI Agent、AGI 时代的人机协同的看法，以及如何在新技术冲击下保持自我价值与创造力！希望这期对谈能给大家如何实践 AI 增强的学习带来宝贵思路。 本期嘉宾 * Howie.Serious（知识博主 - 终身学习者） * Indigo（数字镜像博主 - 主持） 时间轴 * 01:26 Howie 与他的费曼创作系统 * 07:36 Indigo 分享基于第二大脑的创作系统 * 10:40 学习依赖底层系统而不是工具 * 15:04 大家各自如何选择 AI 模型 * 23:02 Howie & Indigo 分享用 AI 的写作方法 * 28:26 “七层真相”的创作灵感和意义 * 40:29 理想中的学习 Agent 与用 AI 来辅助阅读的技巧 * 51:34 如何让 AI 赋能而不是超越自己 * 58:38 AGI 时代学习的意义和存在的目的 * 1:07:02 传播一个在 AGI 时代你还有价值的信念 对谈详细总结 www.indigox.me/indigo-talk-ep22/
INDIGO TALK 第二十一期，邀请了资深科幻迷与 AI 创作实践者甜菜侯爵同学，深入剖析 AI 如何帮助科幻写作：从行业报告到观点注入，再到风格微调，让脑洞与现实无缝对接，多重流程全景呈现人类与 AI 的协同创作过程。无论你是写作者还是 AI 爱好者，都能在对谈中找到灵感，本期节目将引导你发掘创意潜能，见证未来写作新形态。 本期嘉宾 甜菜 Tz（资深科幻迷 / AI 技术宅） Indigo（数字镜像博主 - 主持） 时间轴 * 01:57 甜菜 Tz 的介绍 * 05:08 不同 AI 模型的不同性格 * 14:24 OpenAI 与 Deep Research * 19:15 模型的进化方向和训练数据品味 * 20:37 从研究过程转变到文学输出的三个步骤 * 35:44 数据维度的意义和 AI 理解世界 * 47:21 模型的可解释性研究与观点植入 * 49:22 语言转换带来的文学增强 * 51:55 人类在与 AI 协同写作中的作用 * 1:02:44 预告 AI 如何增强人类的课程 * 1:04:24 AGI 时代的创意创作 * 1:14:03 AI 的跨学科创作和个体创作者的意义 对谈详细总结与基于对谈创作的科幻超短篇 www.indigox.me/indigo-talk-ep21/
INDIGO TALK 第二十期，邀请课代表立正（北美大厂数据科学家、自媒体人）分享如何在 AI 变革中保持个人成长与竞争力。从社群运营、职业规划等角度，深入探讨 AI 工具与 Agent 技术如何加速学习与创新，也分析了哪些行业更易被取代。最后聚焦人类的独特价值，在效率大幅提升的背景下，每个人都该思考怎样贯穿知识、提升抽象思维与人际沟通，让智能与智慧同行，成为 AI 时代的“高阶玩家”。 本期嘉宾 孙煜征（课代表立正 - 北美大厂数据科学家、自媒体人） Indigo（数字镜像博主 - 主持） 时间戳 * 01:09 课代表立正的介绍 * 04:51 如何运营聊天群和高质量社群 * 15:59 大家如何用 AI 做之前做不到的事情 * 26:58 对 AI Agent 不一样的看法和模型如何系统化 * 39:10 AI 目前的局限与是否会带来大量失业？ * 43:30 人类的知识与智慧 * 49:16 最容易替代和最不容易替代的职业 * 54:16 AGI 时代人类更适合什么工作？ * 1:00:23 人的意义和需要提升的能力 对谈详细总结 www.indigox.me/indigo-talk-ep20/
INDIGO TALK 第十九期，邀请了数字产品增长与营销公司 Hash Matrix 的合伙人 Jennie 和 Shawn，深度揭示 AI 产品出海与营销秘诀，从策略定位到 KOL 投放，再到 2B 与 2C 的产品策略与增长逻辑，更有 2024 CES 硬件爆款案例解析。大家详细分享了 AI Agent 将会给行业自动化带来的深刻影响和对未来的观察，本期干货与灵感兼具，绝对不容错过！ 本期嘉宾 Shawn（HashMatrix - 联合创始人） Jennie（HashMatrix - 联合创始人 / CEO） Indigo（数字镜像博主 - 主持） 时间轴 06:14 什么是 GTM？ 11:43 2024 年初的爆点案例分享 18:07 什么样的产品真正赚钱？ 22:05 AI 领域 2B 与 2C 的差异 28:02 营销业务 Agentic 的可能性 33:50 业务流 Automation 的进化 38:08 AI 产品的定价方式 45:21 社群与 KOL 营销经验 50:11 哪些工作能用 Agent 实现？哪些不行？ 59:30 AI 应用和模型之间的竞争 1:03:47 2025 普通人 AI 创业的方向 1:08:57 AGI 时代最适合做什么工作？ 对谈详解 ================ 一、嘉宾与公司背景 Jennie（CEO，中文名吴乙嘉） * 在洛杉矶工作，早期是 UX 出身，之后转到产品设计和市场营销。 * 过去约十年的工作经验，见证了从元宇宙、Web 3 到 AI 爆发的过程，逐渐完善了 Hash Matrix 的业务。 Shawn（联合创始人） * 人在温哥华，曾做过程序员、后端研发、产品经理，也有过创业与融资经验。 * 过去在元宇宙/ Web3 行业做过项目，对技术与前沿产品的落地和增长都十分关注。 * 和 Jennie 一同创立 Hash Matrix，希望帮助更多 AI 产品和科技公司获得海外增长。 Hash Matrix 的业务定位 * 主要帮助 AI 及其他科技产品做北美市场的用户增长、市场声量和品牌影响力。 * 服务内容包含 SEO、广告投放、KOL/红人营销（influencer marketing）、社群营销等。 * 覆盖在美国本土和部分中国出海企业，尤其是帮助中国团队在全球进行推广。 Hash Matrix 的客户构成 * 一半左右是国内（包含大厂和独角兽），主要产品类型与 AI 相关；另一半多在北美（尤其硅谷/Y Combinator/Hustle Fund 等所投项目）或欧洲，也以 AI 赛道为主。 * 其中 1/4 左右是纯非华人创始团队，其余则是华人背景团队。 * 在项目类型上，以 2B 的 AI 工具类或偏技术的 Dev Tool 居多，2C 的 AI 陪伴类、AI 工具类产品也有涉及。 精彩观点摘录： * Shawn：“我们最初意识到，单纯专注技术或产品，并不一定能快速让企业成功；而‘如何把产品推给更多用户’才是关键。所以我们成立了 Hash Matrix，帮更多的创新产品做海外市场增长。” * Jennie：“AI 的出现给了许多产品新的爆发机会，我们能看到大量的新工具、新想法涌现，这也是为什么我们在北美市场的用户增长服务需求越来越大。” 二、AI 产品的 Go To Market（GTM）要点 在对话里，Shawn 结合团队经验，对「go to market」提出了一个四步框架，并附以他们的实际操作要点： 明确目标用户（ICP）与核心价值（Value Proposition） * 创业团队需在 30 秒内清晰传达：“我到底在为哪群人解决什么问题？” * 很多项目初期是对 VC 讲未来愿景，但真正做执行时，需要更清晰、具体地定位受众，并匹配核心需求。 梳理与提炼关键信息（Key Messaging） * 如果是新产品或新赛道，应更多讲使用场景和痛点；若是旧产品的大版本迭代，则需讲清创新点与对比度。 * Shawn 提到在 ProductHunt 等平台上做投放时，如何简短地说出“你解决了什么场景”至关重要。 设计流量漏斗和用户飞轮 * 获客的最终目标，不仅是流量，更要看各层漏斗的转化、留存和二次传播。 * 好的产品应有明显的 “Aha Moment” 或关键操作，让新用户在几秒或几分钟内感受到价值。 * Shawn：“任何没有二次传播的营销都是失败的营销（虽然这很难做到），但我们要尽可能去触发这种飞轮效应。” 规划预算与时间线 * 对营销计划进行整体把控：渠道如何选择、投放周期如何排布、分发策略如何落地等。 * 资金有限时，应考虑相对有效的红人投放、SEO 等具备杠杆效应的方式。 精彩观点摘录： * Shawn：“First-time founder 关注产品本身；Second-time founder 关注分发。GTM 的核心就是把核心价值、受众与分发渠道串起来，让产品快速被更多人体验。” * Jennie：“我们内部讨论 go to market 时，一定会先落实：你到底给谁解决什么问题？然后才考虑用什么渠道、如何投放来把信息推送出去。” 三、成功案例：某 AI 硬件的海外引爆 嘉宾分享了他们曾在 2024 年 CES 帮一家 AI 硬件公司做海外营销的案例（节目中未指名，但对外界常拿其与 AIPin 对比的“橙色盒子”）： 产品特点与时机 * 这是一款极具辨识度、色彩鲜明的 AI 硬件，在当时新品不多的 CES 上非常抢眼。 * 时间节点与「AI 硬件元年」的概念相呼应，形成话题点。 如何做到「爆点」 * 前期：悬念营销。在公开前保持神秘感；同时进行竞品对标，用 AIPin 等知名产品做话题引导，吸引关注。找到曾报道 AIPin 的科技博主，让他们二次对比或评论，精准覆盖同一批对 AI 硬件感兴趣的粉丝。 * 选择话题，制造讨论。强调“2024 年会不会是 AI 硬件元年？”等具争议和前瞻性的问题，引导舆论产生正反讨论。 * 投放渠道。Twitter/X 作为观点型社交平台，容易触发二次转发和 Meme 传播；YouTube、Instagram 等则侧重更直观的产品演示。 通过操作与话题引导，成功在社交网络形成二次传播，口碑与讨论度迅速发酵。 精彩观点摘录： * Jennie：“我们做法题高于投放，先思考好怎样让产品看起来有争议、有创新，从而引发用户和媒体自发讨论与转发，这比单纯买多少条 KOL 广告有效。” * Indigo：“这个硬件设计确实很出彩，第一眼就能抓人眼球。再加上 timing 好、话题性强，能在 Twitter 引爆就容易出现 Meme 效应。” 四、AI 产品的 2B 与 2C 营销 2B 端（企业客户）的特点 Dev Tool： * Shawn 认为：对程序员开发工具（Dev Tool），企业付费意愿相对更高，因其稳定性和效率提升对企业来说价值明确。 * 即便产品可能是「封装多个通用 API」的形式，只要在工作流中应用成熟，也能获得高额溢价。 市场空间： * 2B 营销往往看中定制化和专业度，即使是 “套壳” AI，也能为企业省掉大量对接与研发成本。 * 但 2B 的挑战在于销售周期长、每个客户需求都很非标，需要一定的服务或定制。 精彩观点摘录： * Jennie：“营销工具与运营工具，在大厂中其实推广并没想象中容易，因为企业内部存在很多流程、人沟通和惰性。但程序员工具不一样，开发者非常乐意尝试新技术。” 2C 端（面向消费者）的特点 爆款逻辑： * 常见做法是快速切入热点拿“好奇心流量”，但持续增长并不稳定。 * 小团队可能凭借陪伴类、陪聊类应用在短期内赚到不错收入，但规模化或持续性会遇到瓶颈。 需要“产品工厂” * 如果要持续扩张，就要持续研发新功能、新应用，把流量周期不断延伸。 * 很多 2C AI 工具是“撞到机会”后迅速火爆，之后要靠产品迭代保持热度。 精彩观点摘录： * Shawn：“在 to C 里，流量大风吹得快去得也快，小团队也许一夜爆火也许很快又被遗忘，维持长久 ROI 就要有产品迭代的能力。” 五、关于定价模式与未来趋势 常见定价模式 * 传统买断制：一次付费，终身使用，已不再主流。 * SaaS 月费/年费：最常见的模式，适合大多数软件产品。 * Usage-based / Credit-based：文生图、代码生成等需要消耗大量算力时，会采用“基础费 + 使用量付费”的方式。 * Performance-based：纯看最终交付结果的模式还不多见，除非某些「按销售额分成」、「按回款分成」等极端场景（如催收）。 应用 vs. 模型的竞争 * 许多 AI 应用害怕被“大模型”官方功能替代，但嘉宾们认为，真正的壁垒在于对客户具体场景和上下文的深度理解。 * AI 基础模型无法主动感知企业的复杂流程和个性需求；这部分定制化或结合场景（workflow）的应用依旧有价值。 * Shawn：“关注场景，不要盲目在底层模型优化上跟大厂硬碰硬。” 精彩观点摘录： * Indigo：“如果我已经付费了 GPT-4 Pro，这 200 块刀的月费，可能什么都想用它干，这就意味着你要从场景价值去补足模型没覆盖的 1% 。” * Shawn：“没错，你可以在场景中加入更多上下文，把一些业务逻辑和数据源对接好，让模型去跑，这才是AI应用的机会。” 六、Agent 话题与未来演进 Agent 的现状与难点 * 自动化 vs. 情感化：Agent 能够替代大量填写表格、爬数据、做重复操作的工作，但在客户沟通、情感交流和决策时仍需人工。 * Browser Use Agent：Shawn 特别提到 browser use / operator use 等技术在 2025 年有望出现 “ChatGPT 时刻”。自动化浏览器操作成功率在不断提升，可能会带来巨大变革。 * 成本与准确率：当下 Agent 在浏览器端的一些关键操作，Token 消耗和准确率仍是限制。需要更好的基础设施支撑。 对数字营销从业者的影响 * 沟通者的价值：AI 帮忙做重复的执行和数据分析，人类做关键的策略、情感沟通和翻译工作。Jennie：“最终还是有人需要挨骂，也有人需要将客户的模糊需求转换为可执行的 Prompt；这部分沟通价值，是 AI 很难取代的。” * 锻炼好身体，随时迎接变化：Shawn 半开玩笑地说：“淘汰你的不会是 AI，而是会用 AI 的人。所以别熬夜，多运动，也许过两年技术成熟了，你就可以用得更好。” 七、总结与寄语 市场营销层面 * 强调话题营销与二次传播价值，高质量的 KOL 投放往往胜过纯粹拼量的投放。 * 2B 和 2C 的增长逻辑不同；大厂与小团队在补贴、拉新和 ROI 目标上区别很大。 AI 产品层面 * 场景深耕是关键，别只盯着模型本身的性能。 * 企业级客户更看中稳定与定制化；消费者则需要强爽点或新奇体验。 * Agent 技术（自动化浏览器、自动化工作流）未来 1-2 年或爆发，对基础设施和 Token 成本管理提出新要求。 对普通创作者或从业者 * 尽早熟悉 AI 工具，把重复、机械的流程交给机器，聚焦人类独有的情绪、沟通、策略价值。 * 「潮水」来了并不一定是坏事，技术在提升效率的同时，也为更多人创造了创意与创业的空间。 结尾精彩点： * Jennie：“AI 不是为了替代所有人，而是让更多有创意的人更快实现想法。” * Shawn：“先让自己保持健康和好奇心，很多你现在做不到的，AI 将很快做到；但只有你才知道如何把它用在最合适的场景里。” Indigo 总结： “从他们两位的分享中，我们看到新一代 AI 与 Agent 的崛起正在深刻改变营销和产品出海的方式。深耕场景、善用工具、做好人机协作，这是 2025 年的关键词。”
祝大家 2025 春节快乐 - 蛇来运转 万象更新🧧✨ INDIGO TALK 第十八期，邀请了来自硅谷的研究驱动型基金 Leonis Capital 的创始人 Jay 与合伙人 Jenny，一起来深度剖析 AI Agent 新范式！这次大家分享了对 AI 投研的洞见，模型推理的发展、AI Agent 应用场景与商业模式如何演进，并展望了 2025 年多 Multi Agent 网络与行业并购的机会。本期内容丰富且有深刻的行业洞察，适合大家的春节假期收听 🎧 本期嘉宾 Jay（Leonis - 创始人） Jenny（Leonis - 合伙人 / 前 OpenAI Researcher） 李厚明（棕榈资本创始人 - 嘉宾主持） Indigo（数字镜像博主 - 主持） 时间轴 01:32 Jay 与 Leonis 投资策略介绍 04:04 Jenny 的介绍与什么是研究型 VC 09:32 对 2024 年展望的复盘 14:49 如何区分真假 AI Agent 公司？ 17:08 推理模型在 Agent TechStack 中的作用 19:24 合成训练数据的突破 22:50 如何让模型主动学习（具有好奇心） 25:03 Anthropic 与 OpenAI 对推理模型理解的异同 31:56 deepseek 是大语言模型届的拼多多么？ 42:08 做 AI Agent 的小公司机会在哪里 54:14 消费者端的 AI Agent 与 Prosumer 应用 1:01:47 AI Agent 的价值 1:04:31 AI Agents Network 1:07:58 Agent 创业的护城河 1:11:35 如果 AI 替代了 99% 的工作人类应该做什么？ 1:16:29 AI 针对人类个体的终极目标函数 1:20:48 大家的年度展望 对谈内容摘要 o1-pro 根据对谈语音转录的文本生成 一、关于 Leonis Capital 的投资理念与背景 研究驱动（Research-driven） * Jenny 强调：“投资人对 AI 科技的了解往往落后研究者 3~5 年。”因此 Leonis Capital 希望通过研究导向模式，利用“time machine 先发优势”：能在研究社区和市场端之间发现前瞻趋势，填补认知空白。 * Jay 也提到基金除了资本支持，更通过技术研究与生态系关系，为初创团队提供差异化的帮助。 合伙人背景补充 * Jenny：博士期间已与 OpenAI 合作，参与了 GPT2、GPT3 发布早期阶段，之后在 OpenAI 任职，主要负责模型评测工作；离开后与 Jay 共同创办 Leonis Capital。 * Jay：在美国硅谷有超 12 年风投经验，投资并担任多家知名企业的董事会成员；基金创立伊始就瞄准 AI 软件智能化演进方向。 二、关于 AI/Agent 的技术演化与产业前景 AI Agent 与大模型（LLM）的区别 * AI Agent 的重点在于“采取行动”Jenny：“Agent 需要在现实网络或环境中 ‘take action’（行动）——例如金融 KYC 决策、医疗诊断等，对准确率与可靠性要求远高于单纯的 ChatBOT。” 大模型（LLM）更多偏向信息梳理与生成，而 Agent 还需进行决策与执行。 * Agent TechstackJenny 举例：要在 Agent 中减少 Hallucination（幻觉），常需多个子模型分工，如“搜集信息模型”“处理模型”“决策/落地模型”等协同。 Jay 补充：“多模型协作”或“多智能体架构”将成未来趋势，并需更高等级的可靠度。 推理模型（O1 / Chain of Thought）的重要性 * OpenAI 与 Anthropic 不同的推理思路Jenny：OpenAI 是在 GPT4O 的基础上，明确划出推理能力（Chain of Thoughts），形成 O1 这一“专项强化”。 Anthropic 则更采取“综合成一体”的做法，认为推理是模型内自然涌现，不做明显拆分。但实则两家都在进行类似的 Chain of Thoughts 强化。 * “深蹲 vs. 练腿”的比喻Jay：OpenAI 更像是“锁定推理肌群独立强化”，Anthropic 则偏向“整体能力提升”。 大模型开源 vs. 后训练（Post-training）的观点 * DeepSeek 与模型成本Jenny：“DeepSeek 其实站在巨人肩膀上，主要做后训练（Post-training）与微调；不能忽视 OpenAI、Anthropic 之前在底层所投入的大量成本。” 大模型势必走向价格下压，但也同时带来利润率挑战。 Jay：“技术演化非常快，未来不断可能有新技术爆发。例如 Agent Net、AutoGen 等，都可能成为新的突破点。” 三、Agent 的应用场景与商业机会 垂直领域（Verticals）机会 * 高价值专业行业Jenny：“医疗、金融等对准确率要求高，Agent 大有可为，且容易衡量 ROI。” Jay：“Agent 能理解领域知识，并带来生产力飞跃，提供差异化价值。” 企业服务（Enterprise）的新形态 * Service as Software vs. Software as a ServiceJay：“未来 Agent 更像‘企业员工’的替补或助手，企业将以人工成本替代的概念去衡量 ROI，而非传统的 SaaS 订阅方式。” Jenny：“Agent 不仅能自动化，还能理解 ‘institutional knowledge’（组织内部上下文），并进行更主动、精准的决策。” 消费者端（2C）与内容生产 * 娱乐内容生成的瓶颈Jenny 认为短期内 AI 难以“自发创作爆款”取代顶尖创意人，但 AI 可大幅增进创作者效率，助力 KOL 快速产出内容。 * 多智能体网络（Multi-Agent Network）Jenny 预测：“2025 年开始，Agent 会从单兵作战进化成‘多智能体网络’彼此协同；OpenAI、Anthropic 等都有可能推出能够协同工作的 Agent Net，分别聚焦在消费、企业、科研三大板块。” 四、商业模式、投资与并购趋势 大模型与推理成本 * Jenny：“2025 年起，各家公司在高昂的基础设施投入面前，将不得不思考定价与营收模式，不再是无限补贴阶段。” * 定价将更贴近真实成本，Agent 形态也将从传统 SaaS 转向“按任务或成果付费”的新模式。 并购（M&A）压力与机会 * Jay：“大企业不想错过 AI 时代，很多会通过收购加速技术与产品落地；预计会出现 10~20B 美元级的大案。” * 创业者亦可把握‘应用端’‘垂直行业’等差异化机会，与大模型基础设施互补。 五、对未来工作的影响与人类角色 重复性工作的消失 * Jenny：“30% 的纯线上工作将率先被 AI 大规模取代；70% 需物理交互的工作短期内依然相对稳定。” * Jay：“AI 与 Agent 可使人类从执行层面抽离，更专注设计、决策或创造。” 社会不平等加剧？ * Jenny：“AI 会放大不平等；少数精英掌握 AI 等生产力和决策权，多数人可能被推向‘娱乐至死’的状态。” * 需警惕技术革命对就业与社会结构的冲击，或通过政策（税收、UBI）等方式干预。 人类角色转向“高层次思考” * Jay：“未来更多人像‘CEO’，定义目标、判断方向；AI/Agent 如海量的执行员工。” * Jenny：“人类从‘生产价值’走向‘创造意义’，拥有更自由的空间，但对自我要求更高。” 小结 2025 年将是 Agent 发力的分水岭： * 预计多智能体网络、企业级深度应用等多方向突破； * 推理模型与可靠度进一步升级； * 商业模式从 SaaS 订阅演进到“按任务付费 / 按成果收费”。 投资并购： * 大厂可能出现超大规模并购，补足技术与行业落地； * 初创公司则专注纵深应用以获得高 ROI，并与大模型基础设施形成互补。 长远冲击： * 大范围“标准化工作”将被取代，人类走向更具创造力或更高决策层面； * 同时要正视社会不平等、工作与教育模式的巨大变迁。 以上为 Jay 与 Jenny 围绕“AI/Agent 发展、投资策略与未来工作形态”等主要观点的详细汇总。 嘉宾精彩发言 以下五段节录自 Jay 与 Jenny 的核心访谈内容，力求保留原始表达或重点思想，体现他们最具“火花”的观点（略有顺序与文字精简，仅为便于阅读）： 1. Jenny 谈“研究与投资存在的时间差” 「风险投资界和科研界有非常大的鸿沟。很多时候，投资人看世界会落后研究者三到五年；当我在 OpenAI 看到 LLM 崛起的时候，不少 VC 朋友还在关注区块链或 Web3。我们希望用研究驱动弥补这个空缺，更前瞻性地找到 AI 创业者。」 1. Jay 谈 AI Agent 与企业 ROI 「未来的 Agent 更像企业‘虚拟员工’。从投资角度看，它需要真正给公司省下人力或放大产能，才有可衡量的价值。一个好的 Agent，既能执行具体任务，也要理解企业的内部知识和流程，这才是明确的 ROI。」 1. Jenny 解释为何推理能力（Chain of Thought）至关重要 「没有推理，就只能局限在训练数据内，AI 无法突破‘记忆’的天花板。Chain of Thought 让模型像人一样分步思考、逐步推导，这让 AI 拥有一定程度的创造与演绎能力，而不只是在已有的数据里 ‘翻箱倒柜’。」 1. Jay 谈多智能体网络（Multi-Agent Network） 「现阶段不少人只看到单一 Agent 的趋势。可实际上，Agent 们也会互相协作，演变成 ‘Agent Net’；它们要如何通信、如何分工，将带来更复杂也更有威力的应用。不同公司也许会推出各自的 Agent ‘集群’，值得长期关注。」 1. Jenny 对未来社会分化的担忧 「AI 会放大不平等：少数精英掌握技术与资本，能高效用 AI；大多数人如果没机会介入，就可能被推往 ‘娱乐至死’的状态。技术革命本身中立，但后果往往是收入与资源进一步聚集在头部，需要社会和政策层面去平衡。」
INDIGO TALK 第十七期，再次邀请了来自 Coinbase 的 Bill 同学还有棕榈资本的李厚明一起联手解读 Bitcoin 在 2024 年的制度化历程与 2025 的未来图景。2024 美国大选后，BTC 价格创历史新高，加密行业在川普的新内阁的友好态度烘托下，重回公众焦点。这次对谈嘉宾从政策环境、机构参与以及供需结构等维度探讨了 Bitcoin 在 2025 可能的变化，大家也对加密货币在主权国家、监管框架等方面的未来发展做出了独特预判。本期内容非常丰富，欢迎收听 🎧 本期嘉宾 Bill（Coinbase Exchange Dev） 李厚明（棕榈资本创始人 - 主持） Indigo（数字镜像博主） 时间轴与内容概要 00:51 嘉宾介绍与快速回顾 08:21 比特币信仰的建立过程 * 三位嘉宾分享了各自接触比特币的历程 * 从最初的怀疑到逐渐建立信仰 * 讨论了比特币白皮书的重要性 * 强调了"先投资后研究"这种参与模式的普遍性 24:50 2024 年的大事件回顾 * 01月：比特币现货 ETF 获批并开始交易 * 04月：比特币减半，从 6.25 减少到 3.125 个 * 05月：以太坊ETF获批 * 09月：美联储降息 * 11月：特朗普当选，共和党获得重要胜利 31:31 2025 年的关键展望 * 从"机构牛+合规牛"转向"普及牛+政策牛" * 特朗普政府对加密货币的支持态度 * 政府可能建立比特币战略储备 * 两党对加密货币的共识形成 * 新任命官员对行业的友好立场 * 可能的政策利好预期 48:34 Digital Gold 的逻辑 * 大道至简 * 数字世界里的存在感 * 价值共识的形成 * 供给冲击（Supply Shock）的可能性 53:15 供给冲击（Supply Shock） * 供给冲击的可能性 * 传统金融机构的进入 * FastBit 会计准则会影响企业财务配置 * 养老基金等长期资金的参与 * 比特币政府储备的可能性 * 各国对冲通胀的需求 * 地缘政治因素的影响 * 国家间竞争带来的连锁效应 01:08:10 投资哲学的讨论 * Bitcoin 持有者的分布 * 持有（HODL）vs 交易的策略对比 * 长期价值投资理念 * 对投机行为的警惕 * 风险管理的重要性 01:16:26 技术发展与挑战 * 量子计算的潜在影响 * 网络安全性的演进 * 与 AI 技术的关系 * 技术升级的可能性 每个主题都反映了比特币在2025年及未来发展过程中的重要维度，展现了这个新兴资产类别在走向主流的过程中所面临的机遇与挑战。 嘉宾精彩发言 关于比特币是一种自我实现的预言： "如果大家都相信某件事会发生，那么这个信念就会影响人本身的行为，到最终这件事情可能就会真正发生" - Bill 对于交易 vs 持有的观点： "在投资领域最大的风险不是波动，不是回撤，最大的风险是on and off，就是你不停的上车下车" - 厚明 对于政府囤积比特币的比喻： "这个军备竞赛一样，屯比特币也会成为一种军备竞赛，对政府来说" - Indigo 关于抽象资产的理解： "我们人类现在因为科技的进步，我们会慢慢的对抽象的事物理解越来越透彻，我们慢慢的会摆脱无形的摆脱有形的事物" - Indigo 关于财富保护的比喻： "实际上我们今天生活的这个世界是一个大逃杀的世界，然后就是我们每一年背后都有几条线追着我们跑，比如说我们一定要跑赢的线是通胀" - 厚明 关于 AI 和比特币的关系： "Crypto 它本质上讲的是去中心化，其实是让individuals的力量变得越来越强，但AI是需要你巨大的集中的力量" - 厚明 对 MicroStrategy 策略的评价： "它其实是卡了一个法币的通胀漏洞的Bug，然后用这个法币的漏洞或者卡这个Bug来无限的爆金币，但是它爆出来是数字黄金" - Bill 关于比特币存储价值的观点： "我们现在就要选定一个最适合在这个数字世界里面生存的储值资产，那就是Bitcoin，现在这个网络已经足够大了，所以说我们没有其他的选择了" - Bill 对量子计算威胁的回应： "比特币网络只要是我们整个的程序社群达成了共识，比特币其实就是可以得到升级的，所以它升级它会变得更安全" - Indigo 关于机构进入的变化： "从一个原先由散户主导的一个市场，逐渐的变成了由传统金融机构，真正的说这些老钱或者说大钱来去掌握这个筹码的一个市场" - Bill 对 Financial Times 道歉事件的解读： "前段时间那个英国的FT Times对所有的读者抱歉说这个过去黑比特币黑了十几年了...这些都是信号，就代表着这个资产品类走向主流" - 厚明 关于价值共识的观点： "价值是来自于共识，因为比如说你所产生的现金流，到底在今天应该值多少倍 PE，多少倍这个事情也是来自于一个共识" - 厚明 对比特币反脆弱性的解释： "凡事干不死我的只会让我更强大...比特币经历过去十年，像政策方面、技术挑战方面、市场波动，它反而价格越走越高，这就是一个非常完美的反脆弱" - Bill
INDIGO TALK 第十六期，邀请了温哥华运营设计工作室的好朋友 Andy Liu，探讨 AI 与 Crypto 时代下的新型迁移模式。从远程办公到数字原生，从城市群落到网络效应，当人才流动、科技创新与城市演变交织在一起，我们应该如何应对正在发生的深刻数字化变革，发现新的挑战与机遇，欢迎收听这场多维度的对谈。 本期嘉宾 Andy Liu（futureform - 创始人） Indigo（数字镜像博主） 时间轴与内容概要 00:39 开场介绍与背景 * 介绍嘉宾 Andy Liu，他经营一个设计工作室 * 工作室是完全去中心化的团队，成员分布全球 * 对谈主题聚焦于数字化新迁移和工作方式 04:20 远程工作的演变 * 从固定办公室到疫情后的远程工作 * 进一步发展为"数字原生"（Digital Native）的工作方式 * 讨论了时区差异和异步沟通的挑战与解决方案 15:00 数字游民 vs 数字迁移 * 区分数字游民（Digital Nomad）和数字迁移的概念 * 数字迁移是结构性变化，涉及思维方式、公司架构等深层转变 * 讨论了 AI 和去中心化技术对这种迁移的影响 31:21 城市群落与网络效应 * 探讨不同城市的特点和优势 * 分析北美和亚洲城市的群落效应 * 讨论了城市特色与产业集群的关系 45:10 新商业模式与组织形式 * AI 带来的小团队高效率现象 * 讨论未来可能出现的极化：大平台公司与小型精专团队 * 分析了数字化对传统组织架构的影响 56:00 主权个体的意义 * 讨论主权个体（Sovereign Individual）的概念 * 探讨了 Balaji 写的 Network State 的可能性 * 美国和世界右转的趋势 01:08:56 数字化迁移的总结 * 四个层面的思考：数字层面、网络效应、金融层面、思维层面 嘉宾精彩发言 "未来可能他已经来了，但他不是平衡分布的一样。我觉得一小撮人他们可能会先进入这样的工作方式和生活方式的先移的状态，然后慢慢的这种改变会越来越彻底。" 描述了数字化转型的不均衡特点 "以前我们说三个月后在国贸见面喝一杯，现在我们说三个月后在 Eth Denver 见面。其实地球变成了一个城市，不同的国家和区域就像这个城市里的某一个 neighborhood。" 生动地描述了全球化与数字化带来的距离感变化 "现在AI的技术公司，科技人员的浓度，一个是在硅谷，然后欧洲可能会有部分，中国可能会有部分...就是它的人才网络就这么几个。如果说我想去做全球，我需要把这些人才调运起来，我必须要远程。" 点明了远程工作对全球人才整合的必要性 "你要选择自由度最高的国际化平台，然后提升社交网络的连接率。我们刚才一直在讲三种网络效应：你所在的这个城市群的网络效应，然后你所就职的这个或者你所做的这个产品或公司的网络效应，然后第三个就是你个人的网络效应。" 系统性地总结了三种关键网络效应 "你整个网络上很重要的一个节点，就是你要去一个网络效应很大的城市去做这个类似的事情，然后在这个里面成为一个信息节点。" 点明了个人定位的重要性 "过去的是极其宽松的30年全球化大家可以全球到处跑，但是接下来可能会有很多障碍了。但是对于人才的流动不会有障碍的，所有的国家都需要人才。" 揭示了未来人才流动的趋势 "科技视角最后一个就是通识视角，就是我们在教育小孩的时候，在这个思维层面我们可能会把一个专业学得很精，但是接下来的下一代，我们要通识去了解各个学科的东西综合起来。" 强调了未来教育方向的转变 "我觉得不断的提升自己这样的认知，你的很多的生活习惯工作习惯其实都可以不断的改变的。" 强调了适应数字化转型需要持续学习和改变 阅读推荐 The Sovereign Individual - James Dale Davidson, Lord William Rees-Mogg 新迁移（人口与资源的全球流动浪潮） The Network State - Balaji S. Srinivasan 推荐的协作录屏软件 Loom - Easily record and share AI-powered video messages with your teammates and customers to supercharge productivity
INDIGO TALK 第十五期，邀请两位来自硅谷的神秘嘉宾，给大家带来第一手会议报道和深度解读。我们一起探讨了 Ilya Sutskever 关于大模型超越预训练的新思路、李飞飞教授对空间智能的革新性观点，以及 Jeff Dean 展示的 Gemini 2.0 的多项突破。看看刚刚结束的 AI 学术界最重要的会议 - NEURIPS 2024 会如何重新定义了 AI 的发展方向？一定要听这场及时的深度对谈。 本期嘉宾 Jay（硅谷 AI 创业者 行业需要 身份保密） Sonya（投资人 前 Meta） Indigo（数字镜像博主） 时间轴与内容概要 02:15 NeurIPS 会议概况 * 介绍 NeurIPS 37 年历史 * 从 2014 年前 300 人到现在可能有几万人参与 * 今年约 15000 篇论文提交，录取 4-5 千篇 04:04 重要嘉宾与获奖论文 * 李飞飞出席主会场的分享 * Jeff Dean（Google）在 Turing AI 参与对谈 * Ilya Sutskever（OpenAI 前首席科学家，现 SSI 创始人）出席颁奖 * 2014 年的论文 GAN 和 Sequence to Sequence 获得了"时间检验奖" 06:55 Ilya Sutskever 的演讲解析 * 讨论了预训练（pre-training）可能达到瓶颈 * 提出三个方向：Agents、合成数据、推理时间计算 * 强调了“data is the new fossil fuel in the future” * 智力与脑容量体重的线性对比，暗示了预训练只是我们实现智能的第一步 * 探讨了意识的可能性和 "Why not" 的观点 18:50 关于数据和意识的深入讨论 * 分析了 Rachel Suddon 的观点 * 探讨了目标和意识的关系 * 讨论了 Scaling Law 的未来发展 * 以及物理世界数据的重要性 26:25 李飞飞的空间智能分享解析 * 提出"Digital Cousin"概念 * 强调了机器人需要理解的多维度信息：材质、深度、触觉等 * 讨论了虚拟世界测试的重要性 * SIM2REAL（模拟到现实）的挑战和机遇 37:52 Jeff Dean 的分享与 Google Gemini * Gemini 2.0 的多模态能力 * Google 的技术积累和优势 * 讨论了 Android XR 平台 * Project Astra 和 Marina的发展方向 * Jeff Dean 强调了代码能力的重要性 54:28 AI 行业展望和对未来的思考 * SemiAnalysis 的 GPU Rich * 什么样的公司在 AI 时代更有优势？ * 人类在 AI 时代的定位和价值 * 人与人之间连接的重要性 * 对物质更加富足的未来世界的预测 最后总结：人类永远有解决不完的问题，因此我们不会缺工作的，关键是要做什么样的工作 。。。 对谈中的精彩发言 Ilya Sutskever: "我们现在只有一个互联网（Only one internet）"。他用这句话形象地说明了当前 AI 训练数据面临的瓶颈，暗示未来需要探索新的数据来源和训练方法。 Ilya Sutskever 关于意识的观点："如果意识有好处（if consciousness is beneficial），为什么 AI 就不能发展出意识呢？"这个问题引发了深入的讨论。 李飞飞："我们不是要 replace human，而是要 empower human"。她通过划掉 "replace" 强调 AI 的本质是增强人类能力而非替代人类。 Jeff Dean 分享 Gemini 发展时说："我们要让模型不仅是处理单一模态，而是像人类一样自然地理解和生成多模态内容。" Jay 关于数据的洞察："现在互联网上的数据都是结果数据，没有过程的数据。所以说机器永远都是快闪现出来，然后一个结果给你。" Jay 谈空间智能："数据采集是非常重要也是非常有挑战的一环，2D 的数据需要去直接推断 3D 的结构并不容易。" Sonya 对未来的展望："未来的社会是一个物质非常富足的世界，因为无论从医疗护理还是日常生活，AI 都能帮助我们解决基础需求。" 主持人的精彩总结："人类总有解决不完的问题，所以说我们永远都会有工作的，只是什么工作而已。" Ilya Sutskever 的演讲摘要 我把录音稿的核心观点给大家按时序整理下: 回顾十年前工作（2014年） * 他们的工作核心是三个要素：自回归模型、大型神经网络和大规模数据集 * 提出了Deep Load Hypothesis（深度负载假说） - 认为如果一个有 10 层的神经网络，就能完成人类在一瞬间能做到的任何事情 * 当时选择 10 层是因为那时只能训练 10 层的网络 * 真正相信了如果训练好自回归神经网络，就能获得想要的序列分布 技术的演进 * 这十年从 LSTM（被描述为"90度旋转的ResNet”）发展到了 Transformer * 提出了Scaling hypothesis（扩展假说） - 如果有足够大的数据集和神经网络，成功是必然的 * 强调了Connectionism（连接主义）的重要性 - 人工神经元和生物神经元的相似性，让我们相信大型神经网络可以完成人类的很多任务 预训练时代及其局限 * GPT-2、GPT-3等预训练模型推动了领域进展 * 预训练时代终将结束，因为数据增长有限：“我们只有一个互联网” * Ilya 将数据比作"AI的化石燃料" - 这是有限资源 未来展望: * Agent（智能代理）可能是未来方向之一 * 合成数据的重要性在上升 * 推理时计算（如O1模型）展现出了潜力 * 借鉴生物学启示，人类祖先（如早期智人等）的脑容量与体重的比例关系有着不同的斜率，这意味着在进化过程中，确实可能出现与之前完全不同的发展路径，我们目前在AI领域看到的扩展方式可能只是我们发现的第一种扩展方式； 超级智能的特点: * 未来AI系统将具有真正的代理性（Agentic） * 将具备推理能力，但推理越多越不可预测 * 能够从有限数据中理解事物 * 将具备自我意识（如果意识有必要的话就让它有吧） * 这些特性结合后会产生与现有系统完全不同的质的飞跃 在问答环节也讨论了生物启发和 hallucination（幻觉）问题： 从抽象层面看，生物启发的AI某种程度上是非常成功的（如学习机制），但生物启发仅限于很基础的层面（"让我们使用神经元”），如果有人发现大家都忽略了大脑中的某些重要机制，应该去研究，也许会有新的突破； Ilya 认为未来具有推理能力的模型可能能够自我纠正hallucination（幻觉）问题； 关于 SSI 就给了点上面的暗示，然后什么都没说了。。 李飞飞演讲的核心观点 视觉智能的进化历程：从最基本的理解（Understanding），到推理（Reasoning），再到生成（Generation）；这个进化过程伴随着数据和算法的共同发展。 从 2D 到 3D 的转变： * 目前的 AI 主要停留在 "flat world"（2D 世界）的层面 * 真实世界是 3D 的，要实现真正的视觉智能，必须走向 Spatial Intelligence（空间智能） * 3D 空间理解对于实现更复杂的任务（如机器人操作）至关重要 AI 的社会价值： * AI 不应该被视为"替代"（replace）人类，而应该是"增强"（augment）人类能力 * 举例说明 AI 如何增强医疗保健、残障人士辅助、创意工作等领域 对 Spatial Intelligence 的看法与期待： 技术方向： * 3D/4D 数据采集和模拟 * 多模态数据整合 * 3D 生成与重建 * 空间时序推理 * 表征学习 * 实时策略学习和优化 应用领域： * 机器人学习与控制 * 实时场景理解 * 空间推理 * 3D 内容生成 未来展望： * Spatial Intelligence 将成为连接感知、学习和行动的关键 * 需要更多的 3D 数据集和仿真环境 * 强调物理世界的真实交互比单纯的 2D 理解更重要 * 期待能够实现更复杂的空间-时间推理能力 李飞飞特别强调，真实世界的交互和理解远比 2D 世界更复杂，但同时也更有意义。她认为 Spatial Intelligence 是未来AI发展的重要方向，将帮助 AI 系统更好地理解和交互真实世界。 Jeff Dean 的访谈内容摘要 早期神经网络经验： * Jeff 的第一次接触是在 1990 年，当时他在明尼苏达大学读本科； * 上了一门并行计算课程，其中介绍了神经网络； * 撰写了一篇关于神经网络并行训练策略的荣誉论文； * 实现了模型并行和数据并行的早期版本； * 很早就意识到需要更多的计算能力（“一百万倍，而不是 32 倍”）； 谷歌大脑的发展： * 2001 年左右在谷歌遇到了吴恩达； * 启动了用于大规模神经网络训练的“DisBelief”项目； * 使用 2000 台计算机 / 16000个核心来训练早期的计算机视觉和语音模型； * 早期就有了“更大的模型 + 更多的数据 = 更好的结果”的见解； * 专注于扩大训练规模并解决实际问题； DeepMind 的整合（最初是互补的） Brain 团队：大规模训练，实际应用 DeepMind：小规模模型，强化学习 * 在 2022 年底左右，随着研究领域的融合而合并； * 促成了结合两支团队专业知识的 Gemini 项目； * 选择 DeepMind 的名称是为了获得更好的公众认知； 近期发展（Gemini 2.0） * 包括原生音频输入/输出的新功能； * 集成了图像生成功能； * Astra 项目：具有多模态功能的个人 AI 助手； * Mariner 项目：自动化网络交互系统； * 专注于安全防护栏和受控部署； Jeff 强调的未来趋势： * 更多交错的多模态处理； * 需要超越当前 TPU 的专用硬件； * 对更模块化和稀疏的模型架构的兴趣； * 认为软件工程会发展但仍然至关重要； 获奖论文 Generative Adversarial Networks Sequence to Sequence Learning with Neural Networks 对谈中推荐的视频 WTF is Artificial Intelligence Really? | Yann LeCun x Nikhil Kamath | People by WTF Ep #4 Rich Sutton’s new path for AI | Approximately Correct Podcast Gemini 2.0 and the evolution of agentic AI with Oriol Vinyals
与播客爱好者一起交流
播放列表还是空的
去找些喜欢的节目添加进来吧
