📝 本期播客简介 本期Huberman Lab播客，Andrew Huberman教授将带我们深入探索冥想的科学原理和实践方法。我们将了解冥想如何从根本上改变我们的大脑和身体，以及这些改变如何影响生活的方方面面，包括睡眠、情绪和专注力。Andrew会剖析冥想背后的神经生物学机制，介绍大脑中与内外感知、心智漫游相关的关键区域。更重要的是，他将提供一套实用的框架，帮助你根据自身的需求和状态，定制最适合自己的冥想练习，无论是为了提升专注、改善情绪，还是为了更好的睡眠。本期节目不仅是一堂理论课，更是一份个性化的冥想实践指南。 本期克隆自：How Meditation Works & Science-Based Effective Meditations 👨‍⚕️ 本期嘉宾 Andrew Huberman，斯坦福医学院神经生物学和眼科学教授，Huberman Lab播客主持人。 ⏱️ 时间戳 00:00 冥想入门与科学视角 00:00 冥想的定义与益处 00:38 冥想的多种形式与目标 01:24 冥想如何改变我们的存在方式 02:34 冥想的演变与科学之路 02:34 个人经历与早期研究 03:37 冥想与迷幻药的历史交织 04:50 冥想的广泛接受与商业化 11:55 冥想的神经科学基础 11:55 大脑核心区域：前额叶皮层、前扣带皮层、脑岛 20:09 人类思维的复杂性：过去、现在、未来 21:19 正念的定义与核心 22:11 内在与外在感知（内感受与外感受） 22:11 通用冥想形式的神经生理转变 29:06 内感受与外感受的连续谱 31:44 高低内感受意识的利弊 36:45 评估你的内外感受偏向 38:09 心智漫游与默认模式网络 38:09 默认模式网络（DMN）的定义 39:53 《走神的大脑是不快乐的大脑》研究 44:59 活在当下的重要性 46:00 冥想实践：方法与策略 46:00 冥想与当下幸福感 47:12 对抗默认状态的冥想策略 50:53 神经可塑性与冥想效果 52:57 冥想中的“重新聚焦” 01:00:43 冥想时长与坚持的重要性 01:01:47 推荐工具：Sam Harris的Waking Up应用 01:03:24 “眉心轮”与前额叶皮层 01:03:24 眉心轮与松果体的误解 01:07:36 大脑没有感觉神经元 01:08:10 冥想中专注于大脑：思想、情绪和记忆的涌现 01:13:12 呼吸模式与意识状态 01:13:12 冥想中的呼吸模式 01:21:59 冥想时如何呼吸：放松或警觉 01:27:07 呼吸功本身就是一种冥想 01:28:16 呼吸练习与内感受敏锐度 01:29:10 内感受与解离的连续谱 01:29:10 冥想的第三个组成部分：内感受与解离 01:33:35 内感受与解离的健康平衡点 01:36:39 心理健康模型：V形、U形与凸形 01:45:54 冥想对情绪的积极影响 01:49:21 冥想、睡眠与恢复 01:49:21 冥想能否替代睡眠？ 01:54:42 瑜伽休息术（Yoga Nidra）与非睡眠深度休息（NSDR） 01:57:31 NSDR/瑜伽休息术与睡眠改善 01:58:40 冥想与NSDR/瑜伽休息术的对比 02:02:17 时空桥接冥想（STB） 02:02:17 STB冥想的独特之处 02:05:23 STB冥想的实践步骤 02:08:45 STB冥想的益处：意识引导与灵活性 02:13:02 总结与展望 02:13:02 冥想的更多维度 02:13:33 未来播客预告 🌟 精彩内容 💡 **冥想的个性化定制：对抗你的默认状态** Andrew Huberman教授指出，冥想并非一刀切。关键在于评估你当前的“内外感受偏向”（是更关注身体内部感觉，还是更关注外部环境），然后选择一种“对抗”你默认状态的冥想练习。例如，如果你思绪万千，过度“在脑子里”，就应选择专注于外部事物的冥想；如果你容易被外部干扰，则应选择专注于内在的冥想。这种“不适”正是神经可塑性发生、大脑回路改变的关键。 🧠 **心智漫游是不快乐的根源** 引用《科学》杂志的经典研究“A Wandering Mind Is an Unhappy Mind”，Andrew强调，无论在做什么，思绪游走都与不快乐相关，即使是快乐的想法也如此。冥想的核心目标之一，就是帮助我们锚定当下，减少心智漫游，从而提升幸福感。冥想并非要完全停止思考，而是训练我们更快地“重新聚焦”的能力。 😴 **冥想与睡眠：NSDR/瑜伽休息术的独特作用** 传统专注型冥想（如眉心轮冥想）虽然能提升专注力和情绪，但若临睡前进行，可能反而影响入睡。对于改善睡眠和补充精力，Andrew强烈推荐“非睡眠深度休息”（NSDR）或“瑜伽休息术”（Yoga Nidra）。这些是反专注的练习，通过身体扫描和放松来降低皮质醇、补充神经递质，已被证明能显著改善失眠，甚至可能减少所需的总睡眠量。 🌉 **时空桥接冥想（STB）：灵活驾驭意识** Andrew介绍了一种独特的“时空桥接冥想”，它结合了内外感受、呼吸和视觉对时间感知的调节。通过逐步将注意力从内在（眉心轮/呼吸）转移到近处（手掌），再到远处（地平线），直至宇宙宏观尺度，最后回归内在，这种练习旨在训练我们有意识地在内外感知和时间维度之间灵活切换，从而在日常生活中更好地动态调整注意力，应对各种情境。 🌐 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 本期节目，我们克隆了 Gavin Baker - Nvidia v. Google, Scaling Laws, and the Economics of AI - [Invest Like the Best, EP.451] 邀请到 Patrick 的老朋友、硅谷顶尖投资人 Gavin Baker。Gavin 以其对市场、科技前沿的深刻洞察和极富感染力的表达而闻名。在本期节目中，他将带领我们深入探讨AI领域的最新进展和未来趋势。从谷歌 Gemini 3 的发布，到英伟达 Blackwell 芯片的复杂挑战，再到AI扩展定律的演变，Gavin 将揭示AI基础设施背后的激烈竞争和经济逻辑。我们还将探讨AI如何从“更智能”走向“更有用”，以及它对企业生产力、客户支持和销售的颠覆性影响。Gavin 更会分享他关于太空数据中心这一“疯狂”想法的独特见解，以及SaaS公司在AI时代面临的生存挑战。最后，他还首次分享了自己投身投资行业的传奇起源故事。 👨‍⚕️ 本期嘉宾 Gavin Baker，硅谷顶尖投资人，以其对市场、科技前沿的深刻洞察和极富感染力的表达而闻名。 ⏱️ 时间戳 AI前沿洞察与方法论 01:55 Gavin如何分析AI新进展：亲身体验与专家追踪 05:23 AI扩展定律的演变：从预训练到后训练的新范式 芯片大战：谷歌 vs. 英伟达 08:07 AI发展核心：谷歌TPU与英伟达GPU的竞争 09:57 Blackwell芯片的复杂挑战与延迟影响 11:15 谷歌作为低成本token生产商的战略考量 15:51 TPU与GPU的技术路线差异及ASIC自研困境 AI的未来与应用场景 21:24 AI的“有用性”：从智能到解决实际问题 23:36 “可验证即自动化”：AI如何赋能企业职能 28:19 边缘AI：最具威胁的看空理由 33:15 AI投资回报率：创业公司与财富500强的差异 39:36 前沿实验室的动态：Meta、Anthropic与xAI的博弈 颠覆性技术与宏大愿景 51:17 太空数据中心：能源、冷却与网络连接的终极解决方案 56:24 AI算力供需：短缺、过剩与调控阀 01:00:05 电力：AI时代的新瓶颈与解决方案 行业变革与投资机遇 01:04:45 半导体VC的崛起：老兵新传与生态系统加速 01:08:59 SaaS公司的AI困境：毛利率与生存之战 01:13:20 滚动泡沫：核能、量子与AI的“科技元素圈” Gavin的投资生涯起源 01:17:19 投资的本质：对真理的追寻与个人成长故事 🌟 精彩内容 💡 AI分析方法与扩展定律新范式 Gavin强调了亲身体验付费版AI模型、关注顶级专家（如Andre Karpathy）和实验室领导人言论的重要性。他指出，Gemini 3再次验证了预训练扩展定律，但更重要的是，RL与验证奖励以及测试时计算这两条新的后训练扩展定律，正在推动AI的巨大进步。 “你必须得花钱用最高级的版本……那些版本才像一个完全成熟的三十、三十五岁的成年人。” “对于软件，任何你能明确定义的东西，都能自动化；而对于 A I，任何你能验证的东西，都能自动化。” ⚔️ 谷歌与英伟达的芯片竞赛 Gavin深入剖析了AI基础设施领域谷歌TPU与英伟达GPU的激烈竞争。他解释了英伟达Blackwell芯片在技术上的复杂性和部署挑战，以及谷歌作为低成本token生产商的战略优势。他预测，随着Blackwell和GB300的普及，AI领域的成本结构和竞争格局将发生深刻变化。 “要理解 A I 领域的一切，都离不开谷歌和英伟达之间的竞争。” “谷歌作为低成本生产商，一直在抽干 A I 生态系统的经济氧气，这对他们来说是极其理性的策略。” 🚀 AI的未来：从智能到“有用” Gavin认为，AI的发展正从追求“更智能”转向追求“更有用”。他指出，Blackwell等新芯片将大幅降低token成本，使AI模型能够“思考”更长时间，从而在客户支持、销售和个人助理等领域实现更广泛的应用。他强调，AI自动化任何“可验证”的任务，将带来巨大的生产力提升。 “我们需要从追求更智能转向追求更有用，除非更高的智能开始带来重大的科学突破。” “如果它能预订餐厅，那离预订酒店、机票，和帮我叫优步也就不远了。” 📉 SaaS公司的AI生存挑战 Gavin警告称，SaaS公司在AI时代正犯下与实体零售商在电商时代相同的错误。他们因不愿牺牲高毛利率而拒绝拥抱AI原生模式，这将使其面临被AI原生竞争对手颠覆的风险。他呼吁SaaS公司接受AI带来的低毛利率，利用其现有业务优势进行转型。 “SaaS公司正在犯与实体零售商在电子商务上犯的完全相同的错误。” “如果你试图维持百分之八十的毛利率结构，你就是在保证自己在 A I 领域不会成功。” 🌌 太空数据中心：终极愿景 Gavin提出了一个大胆的设想：未来数据中心将建在太空中。他从第一性原理出发，论证了太空数据中心在能源、冷却和网络速度方面的巨大优势，并将其与埃隆·马斯克的xAI、特斯拉和SpaceX的融合愿景联系起来，认为这将是AI算力的终极解决方案。 “但如果你从第一性原理思考，数据中心就应该在太空。” “在太空中，冷却是免费的。你只需要在卫星的阴暗面放一个散热器就行了。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期播客，我们克隆了伯克利的一期公开课 Bill Dally - Trends in Deep Learning Hardware 荣幸邀请到英伟达首席科学家兼研究高级副总裁、斯坦福大学客座教授Bill Dally。作为计算领域的泰斗，Bill Dally分享了他对深度学习硬件未来趋势的独到见解。他回顾了深度学习从算法萌芽到GPU引爆的历程，揭示了硬件性能提升的真正驱动力——从数值表示、复杂指令集到稀疏性利用，以及如何通过并行计算应对模型规模的爆炸式增长。Bill Dally还深入探讨了当前深度学习应用面临的挑战，如Agent模式、预填充与解码阶段的差异化需求、以及思维链推理对硬件提出的严苛要求。他展望了未来硬件设计方向，包括3D堆叠内存、优化的数值表示法、结构化稀疏性，并分享了他对通用加速器和超越CMOS技术范式的思考。 👨‍⚕️ 本期嘉宾 Bill Dally，英伟达首席科学家兼研究高级副总裁，斯坦福大学客座教授（曾任斯坦福计算机系主任）。他是美国国家工程院院士，电气电子工程师学会、计算机协会及美国艺术与科学学院会士，曾荣获伊丽莎白女王工程奖、本杰明·富兰克林奖等众多荣誉，在硬件和软件创新领域做出了卓越贡献。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 深度学习的崛起与硬件的推动 00:51 深度学习的变革力量：ChatGPT的自我认知与量子化学AI系统Ente 02:34 深度学习成功的三要素：算法、数据与硬件 03:36 硬件的引爆点：GPU与深度学习的火箭式发展 04:08 模型计算量爆炸：从AlexNet到Transformer的千万倍增长 05:06 GPU的诞生：政府资助研究与CUDA的演变 GPU性能提升的秘密 06:29 GPU性能飞跃：过去十年推理性能每年翻倍 06:57 摩尔定律之外：架构与设计的五千倍提升 07:21 数值表示的巨大贡献：从FP32到FP4的32倍提升 08:37 复杂指令集：从点积到矩阵乘法的效率革命 10:54 工艺进步的有限贡献：28纳米到4纳米仅3倍能效提升 11:10 稀疏性与“作弊”：Blackwell的2倍稀疏度与芯片面积翻倍 11:46 模型优化：GoogleNet等算法带来的额外性能提升 12:12 Blackwell架构：工程奇迹与NVHBI互连 并行计算：突破性能瓶颈 12:57 多维度并行：数据并行、流水线并行与张量并行 14:59 通信技术：NVLink与InfiniBand构建大规模AI集群 16:30 英伟达数据中心：系统规模与计算性能的七万倍增长 软件栈：深度学习的另一半 16:51 软件的挑战：从cuDNN到Modulus、Clara等应用栈 18:36 软件壁垒：构建完整高效软件栈的难度 19:00 MLPerf基准测试：英伟达的领先地位与软件优化带来的性能提升 未来挑战与硬件设计方向 20:15 Agent模式的兴起：大语言模型与工具、记忆的结合 21:17 LLM运行的独特阶段：预填充（Prefill）与解码（Decode）的挑战 22:30 解码阶段的内存与延迟需求：每秒千级Token的挑战 23:20 思维链推理（Chain of Thought）：多轮迭代对硬件的严苛要求 24:33 硬件设计师的应对：极高Token生成速率的需求 25:35 内存带宽与通信延迟：Blackwell面临的巨大挑战 26:37 新模型与注意力机制：混合专家模型与多头潜在注意力 27:50 能量消耗分析：数学计算、内存带宽与数据移动 28:55 3D堆叠内存：降低HBM内存能耗与提升带宽的潜力 30:12 数值表示的艺术：从整数到浮点、对数与码本 31:04 脉冲表示法的低效：CMOS电路中的能耗问题 31:58 比较数值表示法：成本与准确性的权衡 33:13 符号表与剪枝：优化权重表示以提高精度 34:28 对数表示法：乘法变加法与误差分布的优势 36:07 对数加法的挑战与延迟策略 37:37 数值表示优化：缩放与裁剪最小化误差 40:21 粒度优化：从层级到向量级的缩放与裁剪 41:09 稀疏性利用：结构化稀疏与Ampere架构 42:53 加速器原型：探索每瓦算力的极限 43:37 指令开销：CPU与GPU的巨大差异 44:13 内存访问成本：局部性与跨层级访问的能耗 45:14 异构加速器：为不同阶段优化计算与内存 46:31 Magnet加速器：每瓦百万亿次运算的里程碑 46:58 电压缩放：优化每瓦性能的巨大机会 48:04 通用加速器愿景：模块化设计应对多领域应用 总结与问答 49:30 深度学习的未来：提升人类体验与模型优化 50:12 当前挑战：分离式推理、思维链与新注意力机制 50:54 硬件的成就：GPU性能的惊人增长与优化细节 52:00 Q&A: 互连技术与NVLink的重要性 53:30 Q&A: 数学运算与通信能耗的界定 54:36 Q&A: AI功耗与人脑效率的对比 56:19 Q&A: 电压堆叠与CMOS工艺的兼容性 57:47 Q&A: 未来十年计算能力的预测 59:02 Q&A: 超越CMOS的脉冲计算范式 59:45 Q&A: 晶体管尺寸极限与工艺技术的未来 🌟 精彩内容 💡 **深度学习的引爆点** Bill Dally回顾了深度学习的算法和数据早在上世纪80年代和2005年左右就已存在，但直到GPU的出现，才真正引爆了这场革命。GPU提供了足够的计算能力，使得在合理时间内训练大型模型成为可能，推动了深度学习的火箭式发展。 “当时 ImageNet 的数据集大概是一百多万张图片，而这个‘合理的时间’，指的是两周。这就像是点燃油气混合物的那一点火花，真正引爆了深度学习的革命。” 🚀 **GPU性能提升的秘密** 在过去十年里，GPU的AI推理性能提升了五千倍，其中只有三倍来自工艺进步（摩尔定律）。Bill Dally揭示了其余提升的真正来源：数值表示（如从FP32到FP4带来了32倍提升）、复杂指令集（如矩阵乘法指令将开销降至极低）、以及稀疏性利用。 “这五千倍的提升里，只有三倍来自工艺进步。剩下的全都是靠更好的架构和巧妙的设计。” 🧠 **未来挑战：Agent模式与思维链** Bill Dally指出，当前深度学习应用正从单一模型运行转向复杂的Agent模式，它们拥有记忆、能使用工具，并进行多轮“思维链”推理。这导致了预填充（计算密集）和解码（内存与延迟密集）阶段的巨大差异化需求，对硬件的Token生成速率和通信延迟提出了前所未有的挑战。 “你既需要巨大的内存带宽…同时你还有延迟的要求。因为通常都会有用户层面的服务目标，比如你希望每个 token 的生成时间在一百毫秒左右。” 🛠️ **硬件设计方向：3D堆叠内存与数值表示** 为了应对未来的挑战，Bill Dally展望了硬件设计的新方向，包括通过3D堆叠内存将DRAM直接置于GPU上方，大幅降低内存访问能耗和提升带宽；以及优化数值表示法，如利用对数表示法和精细的缩放与裁剪策略，在低精度下实现更高精度。 “我们看到的一个长期方向是，把 D R A M 直接堆在 G P U 上面，并把计算局部化。这样我们就可以直接垂直向下读取 D R A M。” 💡 **通用加速器愿景** Bill Dally分享了他对未来加速器的个人愿景：构建一个拥有通用计算、内存系统和互连的基础平台，然后通过堆叠定制化的应用模块，为深度学习、生物信息学等多种应用提供特化支持，实现灵活性与效率的统一。 “你可以想象有一个基础层的 G P U，通过在上面堆叠不同的应用模块，来为多种应用进行特化。” 🌐 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《Huberman Lab 播客》的一期深度对谈，主持人 Andrew Huberman 与世界闻名的舞蹈家和编舞家 Twyla Tharp 展开了一场充满火花的对话。Twyla Tharp 以其敏锐的洞察力和对创作过程的独特理解而闻名，她将与我们分享如何通过自律和身体智慧实现卓越。从她每天清晨五点开始的严苛健身习惯，到对“主心骨”创作理念的深刻阐释，再到对艺术价值、身体与心智关系的独到见解，Twyla Tharp 挑战了许多传统认知，强调了热爱、坚持和不断突破自我的重要性。这不仅是一场关于舞蹈的对话，更是一堂关于如何活出充实、有创造力人生的实践大师课。 克隆自：Master the Creative Process | Twyla Tharp 👨‍⚕️ 本期嘉宾 Twyla Tharp，世界闻名的舞蹈家和编舞家，以其敏锐的洞察力和对创作过程的独特理解而闻名。她的作品跨越舞台和电影，被誉为史上顶尖的创意艺术家之一。她著有《创作的习惯》一书，详细阐述了如何建立日程、习惯和流程以实现最佳创意表达。即使在八十四岁高龄，她依然保持着令人惊叹的身体力量和精神活力。 ⏱️ 时间戳 00:00 开场 & 播客简介 00:00 欢迎收听跨国串门计划 01:56 Twyla Tharp 的自律与创作观 02:47 Huberman Lab 播客介绍 Twyla Tharp 创作的基石：自律与“主心骨” 03:07 “主心骨”：创作的专注与聚焦 08:54 创作者的意图与观众 12:39 艺术家的成长与挑战：成功比失败更难以为继 14:13 创作过程中的私下失败与舞者选拔 22:55 艺术的价值与“美”的价位 32:47 Misha 与舞蹈的商品化：魅力与大众联结 35:51 品味与直觉：保护和提炼你的本能 身体的智慧与训练 41:14 古典芭蕾训练：身体控制的基础 53:45 创作的“主心骨”与习惯：从微小迹象开始构建 58:08 自律并非享受：源于童年农场与母亲的训练 01:02:31 非语言交流与心灵感应：从家庭翻译到社群共鸣 01:08:22 VR、拳击与力量：身体的极限与突破 01:12:42 把杆练习：身体智慧的进化 01:19:02 身体先于大脑：直觉与运动的本源 艺术与人生哲思 01:23:47 教育与高标准：培养自律与行为规范 01:27:53 评论与内在标准：爱与客观的平衡 01:35:51 社交媒体与即时反馈：污染核心动机的风险 01:41:19 为没有回报而工作：热爱过程的价值 01:46:16 卓越与长寿：接受身体衰退，保持无畏与分享 02:11:45 名字与自我认知：母亲的“明星之路”暗示 播客结束 02:12:41 Andrew Huberman 感谢 Twyla Tharp 02:14:19 播客信息补充与推广 🌟 精彩内容 💡 自律的真谛：不是享受，而是现实所需 Twyla Tharp 每天清晨五点开始健身两小时，并非因为热爱，而是将其视为为一天定下基调的工具。她直言：“如果你不想干活的时候就不干，那你真想干活的时候，也就干不成了。”这种严苛的自律源于她农场生活的童年经历和母亲的严格训练，让她深刻理解工作伦理和社群协作的重要性。 🧠 “主心骨”创作法：专注与直觉的融合 Tharp 强调，无论是写书、编舞还是做播客，创作者都必须找到作品的“主心骨”——一个核心的专注点。她以阿加莎·克里斯蒂的侦探小说为例，说明创作者如何围绕一个核心结论展开叙事，同时巧妙地引导观众。她还提出，创作的“意图”和“为什么做这件事”至关重要，这决定了创作的可能性，而直觉的保护和提炼是品味形成的关键。 💪 身体的智慧：超越大脑的本能 在讨论古典芭蕾训练时，Tharp 提出了一个引人深思的问题：“是身体已经明白了，大脑，我们只是在教育你？还是大脑在告诉身体该做什么？”她认为身体的直觉有时先于大脑，能够感知到如何通过更开放的旋转跳得更高。她强调运动是人类最基础的行动方式，并呼吁社会应更尊重舞蹈作为一种艺术形式。 🚀 成功比失败更难以为继：持续突破的艺术 Tharp 颠覆性地指出，成功比失败更难以为继。成功可能带来舒适区和固化，而真正的艺术家需要不断改变和突破。她以贝多芬为例，阐释了艺术家晚期作品的深刻性源于知识和经验的增长，以及不断挑战自我的勇气。她认为，一个有趣的艺术家是一个选择的制造者，而非仅仅为了迎合或得分。 ❤️ 热爱与卓越：内在驱动的力量 面对外部评论和压力，Tharp 强调创作者必须对作品怀有“非凡程度的爱”，因为作品是“你的孩子”。她认为，真正的卓越不是为了外部奖励，而是源于内在对“我能做得更多”的追求。她鼓励人们找到自己真正热爱并擅长的事情，并确保至少一半的时间花在其中，因为这种发自内心的热爱是应对人生马拉松、保持能量和创造力的关键。 🌐 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