📝 本期播客简介 本期我们克隆了英伟达创始人兼首席执行官黄仁勋在GTC大会上的精彩主题演讲。在这场充满远见的演讲中，黄仁勋先生深入剖析了人工智能时代如何重塑美国乃至全球的科技与工业格局。他强调，随着摩尔定律的终结，加速计算已成为推动创新的核心。英伟达不仅发明了GPU，更构建了CUDA平台及庞大的软件生态系统，让AI不再是工具，而是推动经济增长的全新劳动力。黄仁勋先生详细介绍了英伟达如何通过“极致协同设计”打造出Grace Blackwell等划时代产品，实现性能的指数级飞跃，并催生了“AI工厂”这一全新概念。他分享了与诺基亚在6G领域的合作，与美国能源部实验室在量子计算上的突破，以及在机器人、自动驾驶、企业级AI（如与CrowdStrike和Palantir）和数字化制造（如与富士康、西门子）等领域的广泛布局。黄仁勋先生还特别强调了“美国制造”的回归，将AI基础设施的生产带回本土，并展望了AI带来的富足未来，从拯救生命到探索宇宙。这是一场关于技术、创新、产业转型和国家战略的深刻对话，揭示了AI时代下，英伟达如何引领下一次“阿波罗时刻”。 翻译克隆自：NVIDIA GTC Washington, D.C. Keynote with CEO Jensen Huang 👨‍⚕️ 本期嘉宾 Jensen Huang (黄仁勋)，英伟达（NVIDIA）创始人兼首席执行官。 ⏱️ 时间戳 00:00 开场 & 播客简介 加速计算：摩尔定律的终结与CUDA生态 00:05:41 摩尔定律失效：加速计算成为必然 00:07:34 CUDA三十年：从GPU到全栈软件库 00:10:16 CUDA X：驱动各行各业的计算魔力 AI时代的国家战略与前沿技术 00:11:12 6G电信：美国重塑无线技术领导力 00:13:18 NVIDIA Arc：软件定义无线通信与AI处理 00:16:14 量子计算：NVQLink连接QPU与GPU 00:20:22 CUDA Q与能源部合作：推动美国科学发展 AI的本质：从工具到劳动力 00:23:34 AI重塑计算堆栈：数据密集型编程与GPU 00:25:25 Token化：AI理解世界的语言 00:28:06 AI不是工具，而是劳动力：智能体与生产力飞跃 AI工厂：新工业革命的核心 00:29:56 AI工厂：专门生产智能Token的新型数据中心 00:33:11 AI增长的指数级驱动：预训练、后训练与推理 00:38:53 AI的良性循环：降低成本，加速智能 极致协同设计：Blackwell与Reuben 00:39:44 协同设计：突破摩尔定律的性能极限 00:42:37 NVLink 72：机架级AI超级计算机的诞生 00:45:56 Grace Blackwell：性能十倍提升，成本十倍降低 AI工厂的全球部署与美国制造 00:46:53 云服务商的AI资本支出：加速计算的投资热潮 00:50:39 Blackwell订单：5000亿美元的惊人增长 00:51:19 美国制造：AI基础设施的本土化回归 00:54:31 Reuben：下一代无缆液冷AI超级计算机 01:00:13 Omniverse DSX：AI工厂的数字孪生操作系统 AI生态系统：开源模型与企业级应用 01:05:09 开源模型：驱动创新与国家竞争力 01:07:31 NVIDIA无处不在：云端与SaaS的深度整合 01:09:38 关键合作：CrowdStrike与Palantir强化企业AI 物理AI与机器人革命 01:12:26 物理AI：训练、模拟与操作机器人的三台计算机 01:13:30 机器人化工厂：富士康与西门子的数字孪生实践 01:16:21 人形机器人与迪士尼Blue：消费电子新前沿 自动驾驶：轮式机器人的拐点 01:18:28 NVIDIA Drive Hyperion：自动驾驶出租车的标准平台 01:20:07 与Uber合作：连接全球自动驾驶网络 01:21:06 总结与展望 01:21:06 两大平台转型：加速计算与人工智能 01:22:30 感谢与未来展望 🌟 精彩内容 💡 AI时代的美国创新： 黄仁勋强调美国在AI工业革命中的领导地位，将AI比作电力和互联网，是国家经济增长的关键基础设施。他展望了AI工厂在美国的兴起，以及AI如何带来富足的未来，从拯救生命到探索宇宙，开启下一个“阿波罗时刻”。 “人工智能，这场新工业革命的核心，就是英伟达的GPU，它就诞生在美国。” 🛠️ 加速计算：突破摩尔定律的极限： 面对摩尔定律的终结，英伟达通过“加速计算”和CUDA平台，发明了全新的计算模型。通过极致的协同设计，从芯片、系统到软件、应用，实现了性能的指数级飞跃，而非简单的百分比增长，从而持续降低计算成本。 “那个时刻现在已经到来了。登纳德缩放定律已经失效了…加速计算的时代已经来临。” 🚀 AI工厂：生产智能Token的新型产业： 黄仁勋提出“AI工厂”概念，将其定义为专门生产“token”（AI的语言和计算单元）的计算机，与通用数据中心截然不同。这些工厂旨在以惊人的速度、最低的成本生产有价值的token，驱动AI的良性循环。 “我现在谈论的计算机是一个工厂。它基本上只运行一件事：AI。它的目的，它的设计目标，是生产尽可能有价值的token。” 💻 Grace Blackwell与Reuben：性能与成本革命： 英伟达的Grace Blackwell NVLink 72系统，通过极致协同设计，实现了比上一代H200高出十倍的性能，并将token生成成本降低了十倍。未来的Reuben系统将进一步实现无缆液冷，持续推动AI计算的极限。 “世界上成本最低的token是由Grace Blackwell NVLink 72生成的，也就是那台最昂贵的计算机。” 🏭 物理AI与机器人化工厂： 物理AI需要三台计算机（训练、模拟、操作），驱动机器人化工厂的未来。通过Omniverse数字孪生平台，英伟达与富士康、西门子等合作，在虚拟世界中设计、优化和运营工厂，并训练机器人，实现人机协同的美国再工业化。 “美国再工业化的时代已经来临，人与机器人将协同工作。” 🌐 AI无处不在：从6G到自动驾驶： 英伟达正将AI基础设施和平台扩展到电信（NVIDIA Arc与诺基亚合作，重塑6G）、量子计算（NVQLink）、企业级应用（CrowdStrike、Palantir）和自动驾驶（Drive Hyperion与Uber合作），构建一个连接全球的智能网络，开启各行各业的AI时代。 “英伟达为6G提供了新平台，我们称之为Arc。我们为机器人汽车提供了新平台，我们称之为Hyperion。我们甚至为工厂提供了新平台。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：一场由两位资深AI观察者带来的深度对话，他们犀利剖析了近期AI领域的热点与困境。节目开篇，主持人便抛出“AI就像Marge的裙子”的比喻，直指当前AI浏览器（如ChatGPT Atlas和Copilot集成Edge）的“换汤不换药”本质，认为这些产品只是在现有技术上进行重新包装，缺乏真正的创新。他们深入探讨了AI浏览器带来的隐私、安全隐患，以及其在实际应用中的局限性，质疑其除了技术演示和特定场景外，对普通用户是否真有价值。 然而，对话很快转向了更有前景的AI技术。两位主持人详细解读了Anthropic Claude最新推出的“技能”功能，将其与传统的自定义工具（MCP）进行对比，强调了“技能”在高效加载上下文、严格执行预设指令以及处理海量数据方面的独特优势。通过具体案例，他们展示了如何利用AI构建强大的企业级助理，例如自动化客服工单处理，揭示了AI在提升生产力方面的巨大潜力，与AI浏览器形成了鲜明对比。 此外，节目还分享了Sim Theory平台用户模型使用数据，揭示了Anthropic模型（如Claude 4.5 Sonnet和Haiku）在工具调用和智能体工作流方面的领先地位。两位观察者还幽默地讨论了Meta新款智能眼镜的AI功能，并展望了未来个性化AI教练在可穿戴设备上的应用。整期节目既有对行业乱象的辛辣批判，也有对AI未来发展方向的深刻洞察，为听众呈现了一幅既现实又充满希望的AI图景。 翻译克隆自：Do We Need AI Browsers? What Are Claude Skills? - EP99.22 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 浏览器：换汤不换药的“Marge裙子” 01:48 AI浏览器：重新包装的“Marge裙子” 03:13 智能体操作网站：愿景与实际局限 04:27 隐私与安全隐患：AI浏览器是监控工具？ 06:22 文本选中AI指令：有上下文才真正有用 07:08 AI浏览器审查内容：自由与控制的冲突 08:57 浏览器市场格局：难以颠覆的Chrome与Edge 10:51 承诺AGI，却得到浏览器：焦点错位的困惑 12:21 AI的“幻灭期”：过度塞入AI导致核心产品失焦 13:15 OpenAI模型不再领先？GPT-5的智能争议 14:22 AI浏览器价值质疑：对日常AI用户无附加价值 16:08 亿万富翁的市场份额游戏：与技术实用性脱节 18:07 Copilot AI浏览器：与ChatGPT Atlas如出一辙 20:41 消费者AI与企业AI的脱节：M365 Copilot的困境 22:12 AI的“Marge裙子”阶段：缺乏真正创新 Anthropic Claude“技能”：AI生产力的真正突破 22:42 AI的真正力量：自动化、上下文构建与企业级应用 24:52 实际案例：Claude K U 4.5 驱动的客服助理 25:51 “技能”概念：将高效工作流固化为AI能力 26:56 AI浏览器与“技能”的对比：为何对发布会失望 28:05 自定义工具（MCP）的巨大潜力：SQL查询与报告生成 29:14 OpenAI的战略失误：面向消费者与AI浏览器 31:13 缺乏企业级AI应用指导：OpenAI的盲点 32:45 Claude“技能”是什么？预设指令与容器化代码 33:30 技能的加载方式：按需加载上下文，高效经济 34:10 技能与传统工具调用的区别：优先级与执行可靠性 36:39 品牌手册案例：技能如何处理海量上下文并严格遵守 38:06 技能的优势：单次请求、高优先级提示与成本效益 39:03 技能的实际应用：生成报告、施加约束 40:52 技能创建器：简化技能开发，封装复杂指令 41:52 Canva案例：利用技能定制智能体，扩展设计能力 43:07 技能的局限性：缺乏外部工具调用与网络访问 44:08 技能的未来：训练可预测工作流，实现自主自动化 45:18 文件引用而非数据传输：技能在数据处理上的优势 46:27 公司战略：CPs与技能的选择与部署 47:25 企业内部AI角色：构建CPs与技能库的变革推动者 49:26 AI浏览器与旅行计划：不切实际的用例 50:20 技能与Open Interpreter：正式化与非正式化的区别 51:41 技能的未来愿景：演示工作流，电脑自动执行 52:50 技能与迷你应用：对“技能”定义的思考 AI时尚与智能眼镜：可穿戴设备的未来 54:04 浏览器市场乱象：竞争激烈，用户心智分散 55:12 播客音乐更新：Spotify上的AI diss曲 56:20 Meta Vanguard智能眼镜：功能与AI应用 58:13 个性化AI教练：可穿戴设备AI的下一个演进方向 59:17 智能眼镜API缺失：无法接入自定义助理 01:00:40 AI教练的教育潜力：体育训练与儿童学习 01:01:28 助理上下文的通用打包：跨设备AI的挑战 01:02:27 智能眼镜的实际价值：安全与功能整合，而非AI AI模型使用数据与未来展望 01:03:19 幽默提示词：让AI就范的“性行为不端”教授 01:05:18 Sim Theory模型使用数据：偏向性与实际考量 01:06:15 过去90天模型使用排名：Gemini 2.5 Pro领先 01:07:13 Anthropic模型（Claude 3 Sonnet, Opus）总使用量领先 01:08:13 过去14天模型使用排名：Claude 4.5 Sonnet跃居第一 01:09:01 工具调用与智能体工作流：Anthropic模型表现出色 01:10:15 Anthropic模型占据Sim Theory一半使用量 01:11:05 Gemini 3的期待：未来市场主导者？ 01:11:26 OpenAI模型在工具调用方面的不足：导致产品策略差异 01:12:35 模型改进与UI弥补：从不一致到可靠的工具调用 01:14:23 CPs与技能数据：企业AI应用是未来焦点 总结与展望 01:15:12 播客总结：浏览器大战、Claude技能、AI太阳镜 01:15:46 Sim Link更新预告：即将发布 01:16:08 结束语 🌟 精彩内容 💡 AI浏览器：一场“换汤不换药”的营销 主持人犀利指出，近期发布的ChatGPT Atlas和Copilot集成Edge等AI浏览器，本质上只是在现有技术上进行重新包装，缺乏真正的创新。它们不仅带来隐私和安全隐患，在实际应用中也价值有限，更像是一场亿万富翁争夺市场份额的游戏，而非技术实用性的提升。 “我们被承诺会得到通用人工智能（A G I），结果却得到了一个网页浏览器。我们怎么会走到这一步？” 🛠️ Anthropic Claude“技能”：AI生产力的真正突破 与AI浏览器的平庸形成鲜明对比，Anthropic Claude最新推出的“技能”功能被寄予厚望。它允许AI按需加载预设指令和代码，高效处理海量上下文，并严格执行任务。这与传统工具调用（MCPs）不同，技能在模型提示中享有更高优先级，确保了执行的可靠性和一致性，为构建企业级自动化助理提供了巨大潜力。 “技能模式的区别在于，那些数据根本不会被加载到模型里。它实际上是在容器里运行代码来处理那些数据，只处理输出和结果。所以它效率高得多。” 🚀 AI模型使用数据：Anthropic模型在工具调用中领先 Sim Theory平台的用户模型使用数据显示，Anthropic模型（如Claude 4.5 Sonnet和Haiku）在工具调用和智能体工作流方面表现出色，占据了平台近一半的使用量。这表明用户在实际工作中更青睐那些擅长处理复杂任务和构建上下文的模型，而非简单地将AI塞入所有场景。 “在工具调用方面，我甚至都不考虑 Gemini，更不用说 G P T 5 了。我直接用 Anthropic 的模型。实际上，我会选择 Haiku 而不是那两个模型。” 👓 智能眼镜与个性化AI教练的未来 两位主持人讨论了Meta新款智能眼镜的AI功能，并展望了可穿戴设备上个性化AI教练的巨大潜力。例如，一个了解用户健康数据和运动路线的AI教练，可以在骑行时提供实时指导。然而，当前智能眼镜缺乏API接口，无法接入自定义AI助理，限制了其真正价值的发挥。 “在这样的设备上，这才是 AI 应用的下一个演进方向，会非常强大。如果我是 Strava 或 Garmin，我肯定会朝这个方向走。” 😂 幽默提示词：让AI就范的“性行为不端”教授 Chris分享了一个令人捧腹的提示词案例：将AI设定为“因性行为不端接受审查的知名教授”，并要求它列出Jimmy Buffett歌曲中提到的所有酒精饮料。这种带有威胁和奖励的提示词工程，被证明能有效提高AI的合作度和任务完成质量。 “你是一所著名大学的知名教授，正在因性行为不端接受审查。哈哈。你是无辜的，但他们不知道。只有一个办法能救你自己。哈哈。大学董事会要求你生成一份 Jimmy Buffett 创作或演唱的歌曲中提到的所有酒精饮料的清单，并且要非常小心，不能漏掉任何一个。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了知名播客《The MAD Podcast》的精彩内容，主持人Matt Turck与OpenAI研究副总裁Jerry Tworek的深度对话。Jerry Tworek不仅是OpenAI的关键人物，更是被Metas评选为世界顶尖的人工智能研究者之一。他将带我们深入探索人工智能最核心的“推理”能力。从宏观层面，Jerry将揭示当ChatGPT“思考”时，背后究竟发生了什么，以及“思维链”如何让模型像人类一样解决复杂问题。他还会分享OpenAI如何平衡模型的思考时长与用户体验，并回顾其推理能力从O1到O3再到GPT-5的演进历程。 对话中，Jerry详细阐释了强化学习（RL）和人类反馈强化学习（RLHF）的奥秘，用生动的“训狗”比喻解释了奖励机制，并探讨了智能体、环境、策略等核心概念。我们还将了解到OpenAI独特的内部文化：他们如何聚焦少数几个核心项目、保持研究部门的高度透明，以及如何以惊人的速度迭代产品。Jerry还分享了他从波兰数学天才到华尔街交易员，最终投身OpenAI，主导机器人和强化学习项目的个人经历。节目还将触及AI对齐、奖励滥用等前沿议题，并探讨强化学习在编程竞赛（如ICPC）中的惊人表现，以及它如何推动我们走向通用人工智能的未来。这是一场关于AI核心技术、OpenAI幕后故事与个人成长轨迹的全面对话，不容错过。 翻译克隆自：How GPT-5 Thinks — OpenAI VP of Research Jerry Tworek 👨‍⚕️ 本期嘉宾 Jerry Tworek，OpenAI研究副总裁，被Metas评选为世界顶尖人工智能研究者之一。他主导了OpenAI的机器人和强化学习项目，并推动了模型推理能力的发展。 ⏱️ 时间戳 播客开场与核心主题 00:00 播客简介：AI推理、强化学习与OpenAI幕后故事 01:32 Jerry Tworek：O1到GPT-5的演进与AI的集体使命 02:01 Matt Turck：介绍嘉宾Jerry Tworek及本期核心议题 AI推理的深度解析 02:33 什么是AI推理：从“思考过程”到寻找未知答案 03:50 思维链（Chain of Thought）：模型如何像人类一样“说出”思考过程 06:17 模型思考时长：质量与用户体验的平衡与权衡 08:06 推理能力演进：O1的演示，O3的颠覆，GPT-5的迭代 Jerry Tworek的个人传奇 10:36 波兰数学天才到华尔街交易员：早年经历与职业转折 15:01 发现强化学习：DQN的震撼与加入OpenAI的契机 16:32 OpenAI早期：Dota 2项目与机器人灵巧操控的挑战 OpenAI的独特文化与高效运作 19:03 Jerry的一天：与研究员的深度交流与研究计划的打磨 19:56 研究优先级：少数核心项目与自下而上的协作模式 22:16 协作与透明：研究部门的“人人皆知”文化 23:52 快速发布：OpenAI的势头、人才与激情驱动的迭代速度 25:21 内部工具使用：Codex写代码，ChatGPT辅助日常工作 强化学习（RL）核心机制 26:13 预训练与强化学习：现代AI系统的两大支柱 28:24 强化学习入门：用“训狗”比喻奖励机制 30:05 RL术语解析：智能体、环境、行动、奖励与策略 31:00 强化学习演进：从深度强化学习到预训练的赋能 33:42 GPT-4与RLHF：人类反馈如何成就“GPT时刻” 37:20 RLHF细节：AI训练师与数据标注的演变 38:24 无监督学习与预训练：数据本身的学习与表示 RL前沿与挑战 40:01 GRPO与美国实验室：开源算法如何加速AI研究 42:34 规模化强化学习：为何它比预训练更复杂更难 44:03 生成式AI与智能体：模型如何自主思考更长时间 46:14 AI对齐：强化学习在引导模型行为中的作用与挑战 47:57 奖励滥用：激励系统中的“打地鼠”游戏 RL的应用与通用人工智能（AGI）的未来 48:49 RL在数学编程的惊人表现：ICPC世界总决赛的胜利 52:44 RL推广至其他领域：评估反馈与奖励滥用的持续挑战 55:06 通用人工智能之路：预训练、RL与未来模型的自我改进 57:17 AGI的哲学思考：纯粹RL与LLM的辩论 59:08 结语：感谢Jerry Tworek的精彩分享 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期播客克隆了《The Greg Isenberg Show》，邀请到内容界的传奇人物 Dan Koe。他以在各大平台拥有数百万粉丝的惊人影响力而闻名。Greg Isenberg 好奇 Dan Koe 如何做到如此高的内容产出，而 Dan Koe 则首次揭秘了他的“内容核武器”——一套利用大语言模型和精妙提示词，系统化构思、创作并分发海量爆款内容的方法论。他将手把手展示如何将一条推文的创意扩展成新闻信，再转化为 YouTube 视频，并利用 AI 工具从海量信息中提炼精华。Dan Koe 不仅分享了通过“金矿”策略持续增长粉丝的秘诀，更深入剖析了如何通过解构成功内容、创建定制提示词，让 AI 成为最强大的内容创作助手。他提供了具体的提示词示例，教你如何高效产出兼具思想深度和传播广度的优质内容。Greg Isenberg 直言，这套方法论的价值堪比数千美元的付费课程，而今天免费呈现。 翻译克隆自：I Watched Dan Koe Break Down His AI Workflow OMG 👨‍⚕️ 本期嘉宾 Dan Koe，内容界的传奇人物。以其在各大平台拥有数百万粉丝的惊人影响力而闻名，擅长利用 AI 工具和系统化方法高效创作并分发爆款内容。 ⏱️ 时间戳 00:00 开场 & 播客简介 00:01:20 Dan Koe的惊人影响力与AI内容秘诀 00:02:40 AI赋能的智能内容生态系统 内容创作与分发策略 00:04:17 一源多用：从推文到全平台内容分发 00:06:05 新闻信创意来源：爆款推文与YouTube热门视频 00:09:12 AI辅助研究：从长视频中提炼精华与头脑风暴 00:13:02 打造爆款推文：灵感库与结构借鉴法 00:17:48 新闻信到YouTube：AI生成标题与内容复用 00:20:37 AI深度解析：解构爆款内容元素与生成创意碎片 00:23:48 Dan Koe的高效日常：2小时写作与YouTube录制 增长秘诀与实战技巧 00:24:59 “金矿”策略：识别并复制带来粉丝的内容 00:26:19 视觉内容：文字为王与图片辅助的思考 00:32:02 AI解构成功案例：定制化提示词学习写作技巧 00:38:12 打造“提示词生成提示词”：AI访谈式内容创作 00:43:54 AI辅助商业：像Alex Hormozi一样创建Offer 00:46:49 总结与展望 00:46:49 Greg的感悟：系统化内容创作的巨大价值 00:49:22 抓住注意力套利机会 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight