节目列表: 跨国串门儿计划 - EarsOnMe

#748.比尔·阿克曼：投资前先想清楚十年后还愿意持有吗

跨国串门儿计划

📝 本期播客简介本期我们克隆了：The Knowledge Project Podcast · Bill Ackman: People are Going to Lose a Lot of Money 原内容更新时间：2026-09-29 “总有一天会出事，可能会出现某种崩盘，让很多人赔掉一大笔钱。”Bill Ackman 谈到 AI、风险投资和泡沫时，给出了这个警告。作为 Pershing Square 的创始人兼 CEO，Ackman 讲了他如何判断企业的颠覆风险、为什么卖掉 Netflix 后又买回来，以及普通人投资时该怎么做。他也讲到女儿露西突发脑出血后的漫长康复，以及他和妻子筹建脑研究所、希望让更多患者受益的计划。 👤 本期嘉宾 Bill Ackman 是 Pershing Square Capital Management 的创始人兼 CEO，长期从事投资，也参与公司的治理与战略决策。他分享了 Pershing Square 的研究和投资流程，包括如何评估企业、避免颠覆风险，以及如何从投资失误中修订原则；女儿露西脑出血后，他还把办公室搬进医院，并推动筹建以脑部康复和长寿为重点的研究所。 ⏱️ 时间戳 00:53 女儿重伤与脑康复 14:05 团队、泡沫与资金纪律 23:19 投资判断与AI颠覆 37:35 股东积极主义与投资选择 42:51 从弃置资产到永久资本 59:59 识人、领导与人生意义 🌟 精彩内容 💡 AI让投资判断更难 AI可能改变企业的生存条件，投资者得判断一家公司的护城河还能不能守住。连巴菲特当年也没看出互联网会如何冲击 World Book；AI的颠覆风险更难预测。 "我们所有人都注定会在某家公司上显得判断失误，因为没能预见 AI 带来的颠覆风险。" 💡 资金充裕，也可能加速公司出局一家创业公司两周内估值从 4 亿美元升到 10 亿美元，另一家公司 A 轮投前估值达到 50 亿美元。Ackman 认为，融资容易会让公司花钱失去纪律；市场爆雷后，资金只能支撑几个月的公司可能消失。 "把每一美元都当成自己的钱，仔细花，不要以为这种资金充裕、随时都能融资的局面会一直持续下去。" 💡 Netflix变了，投资逻辑就不成立了 Netflix管理层刚说不会推出广告套餐，几周后却表示要做广告模式。Ackman认为，这一变化打破了原有投资逻辑，于是卖出；等Netflix证明广告模式可行、股价回到合理水平后，Pershing Square 又买了回来。 "如果你得知了和原先投资逻辑不一致的新信息，你要么因为股价变便宜了而大幅加仓……要么就得离场。" 💡 普通人别等市场便宜再开始想自己挑股票，就得投入时间学习和研究；如果只是想投资股市，指数基金是个很好的选择。越早开始长期投资，越能发挥复利的力量。 "别因为觉得市场太贵，就一直拿着现金不投资。" 💡 脑出血后的康复，保险只管一段时间露西脑部受压 19 个小时后接受手术，醒来时不会走路、不会说话，也看不见了。她的行走、语言和视力逐渐出现进展；Ackman指出，保险可能只支付 6 周护理费用，但康复可能持续很多年。 "人们在很多年后仍然可能继续康复。" 🌐 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

67 分钟 99+ 次播放 1个月前

#747. 扎克伯格的优势：不领先，也不肯停下来

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Colossus Magazine · Mark Zuckerberg 原内容更新时间：Mon, 14 Sep 2026 一个人落后于 AI 前沿，真的就输定了吗？马克·扎克伯格押上的，可能不只是更强的模型，还有 Meta 的用户、广告收入、数据中心和分发渠道。 Colossus 的 Jeremy Stern 走访扎克伯格的家人与同事，也采访了他本人。从 Meta 如何重组 AI 团队、押注 AI 眼镜，到扎克伯格为何始终不肯停下，这篇人物特写呈现了一个既被权力困住、又不断寻找新出口的创始人。 👤 本期嘉宾 Jeremy Stern，Colossus 撰稿人，本文作者。他为这篇特写采访了 36 位相关人士，走访扎克伯格的家人与团队，并多次与扎克伯格交谈；从其早年的创造经历，写到 Meta 的平台困境、AI 战略与个人权力。 ⏱️ 时间戳 00:21 天才如何长大 08:29 父母眼中的马克 13:19 格斗与独裁者困境 30:34 泄密风波与眼镜发布会 47:37 眼镜与平台之争 59:37 Meta重押AI 1:12:20 扎克伯格成了替罪羊 1:30:41 创造者不会停下 🌟 精彩内容 💡 Meta不必拥有最强模型 Meta 可以用广告业务的现金、数据中心和芯片降低服务成本，也能把 AI 推给数十亿现有用户。若 AI 变成同质化商品，价值可能落在 Meta 已经占优的分发、注意力和商业化环节。 "如果 AI 变成同质化的商品，Anthropic 和 OpenAI 的价值就会归零，价值反而会落到 Meta 已经占据主导地位的配套环节上。" 💡 AI是扎克伯格不能错过的门槛 Llama 4 发布后，扎克伯格迅速重组团队，成立 Meta Superintelligence Labs，挖来新领导与研究人员，并大幅增加投入。对他来说，错过 AI 的风险，像当年差点错过移动互联网一样。 "AI 是一道关键门槛；如果他像当年差点错过转向移动互联网、又差点错判 TikTok 威胁那样错过 AI，他的帝国就可能慢慢地，哪怕慢得很，也走向消亡。" 💡 AI眼镜想把手机留在口袋扎克伯格认为，眼镜能让 AI 看见、听见佩戴者周围的世界，还能提供导航和实时翻译；技术融入日常，也可能让人不必一直盯着手机屏幕。 "眼镜让你能和技术互动，同时仍然能专注于身边的人。" 💡 权力越大，越难听见真话权力者越来越依赖身边人提供信息，但下属可能因恐惧、敬畏或自保而不敢说出坏消息。扎克伯格试着越级接触员工、邀请外部人士当面争论，却也未必能摆脱这种隔绝。 "一个人权力越大，帝国扩张得越大，就越依赖别人提供各种信息。" 💡 他不是为掌声创造东西扎克伯格说，自己更在意团队凝聚力，而不是陌生人的认可。他把长期组建团队、把产品一点点做好的过程，当成自己最主要的做事方式。 "我在这个世界上最主要的做事方式，就是坐下来组建团队，然后花很长时间，有条不紊地把一件事越做越好。" 💡 “我永远不会停下来” 普莉希拉·陈曾问扎克伯格，能不能结束这段艰难的旅程；他的回答是，自己就是喜欢创造东西。陈后来看到，女儿也会自发地写故事、做应用，这让她理解了扎克伯格为何停不下来。 "他要是停下来，就不是他了。" 🌐 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

109 分钟 99+ 次播放 1个月前

#745.AI自我加速：能力进步快，不等于研究全面提速，中美 AI 差距

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Interconnects AI 原内容更新时间：2026-09-22 两人还把问题落到具体处：AI 研究提速的瓶颈在哪里，机器人能否推动工业爆发，中国顶尖实验室与美国前沿实验室差多远，蒸馏能解释多少差距？谈到模型安全时，他们也没有给出简单结论，而是拆解开放模型、封闭模型和安全防护各自带来的风险。 👤 本期嘉宾 JS Denain 是 Epoch AI 高级研究员，负责 Insights Team。他参与追踪和分析 AI 能力进展、中美实验室差距等问题 ⏱️ 时间戳 00:16 RSI与能力加速 14:40 机器人与现实扩张 19:22 中国模型与追赶路径 38:32 模型安全与滥用风险 46:46 Epoch方法与训练配方 🌟 精彩内容 💡 Codex 用得更多，不等于爆发将至 OpenAI 公布的数据显示，研究人员在 Codex 上的支出每月翻倍，但过去他们也大量使用 ChatGPT，单看 Codex 很难判断实际增量。这个趋势说明研究人员可能从中获益，却不足以证明几个月后就会出现软件智能爆发。 "我不觉得这能有力证明 6 个月后就会出现软件智能爆发。" 💡 个人提效不等于公司提速 AI 可能让研究人员完成实验的周期缩短到原来的十分之一，但整体科研产出还受算力、团队协作和战略决策限制。一个研究员效率提高十倍，不代表 Anthropic 就能把研究进度也提高十倍。 "个人效率的提升未必能转化成 Anthropic 整体效率提高 10 倍。" 💡 机器人工业化，可能还要几十年机器人在受限、重复的制造环境里更有希望，但视觉和动作模型仍不够成熟；建造工厂、扩大机器人产能也需要时间。JS Denain 不认为大规模机器人工业化会在未来两到五年内实现。 "我觉得这可能要几十年，但我不认为这是未来两到五年内就会出现的问题。" 💡 中国模型与前沿模型差几个月按公开模型的 ECI 表现估算，JS Denain 认为中国顶尖实验室与 OpenAI、Anthropic 的差距大约在六到八个月；Kimi K3 和 GLM-5.2 则显得更接近。他认为算力差异更可能解释大部分差距，蒸馏的作用仍不确定。 "我的感觉是，它们得出的差距大概在 6 到 8 个月左右。" 💡 开放模型的风险不能只看安全限制开放模型安全防护较弱，但能力也较弱；封闭模型能力更强，却也可能被越狱或从服务中提取能力。判断哪一种风险更大，得看具体的滥用者、能力和使用方式，不能只凭“开放”或“封闭”下结论。 "所以从滥用风险来看，问题似乎是，安全防护不太充分但能力很强的模型，和完全没有安全防护但能力较弱的模型，哪种影响更大？" 🌐 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

53 分钟 1k+ 次播放 1个月前

#746. AI视频生意：看懂增长和模型成本这笔账

跨国串门儿计划

📝 本期播客简介本期我们克隆了：20VC with Harry Stebbings · The Untold Story of Higgsfield | Burning $4M a Month on AI Models | CEO, Alex Mashrabov 原内容更新时间：2026-09-28 一个客户刚开始每月只花 99 美元，半年后，Higgsfield 和他签下了一份每年超过 600 万美元的合同。AI 视频工具怎样从创作者产品变成企业生意？而一家公司的模型账单，又怎么会每月超过 400 万美元？ Higgsfield 创始人兼 CEO Alex Mashrabov 和 20VC 主持人 Harry Stebbings，从产品摸索、增长和客户结构，聊到开源模型与闭源模型的毛利差异、AI 对订阅市场的冲击，以及社交媒体内容将如何被 AI 改写。 👤 本期嘉宾 Alex Mashrabov 是 Higgsfield 的创始人兼 CEO。19 岁时，他已跻身竞赛编程世界前三；他创办的 AI Factory 后来以 1.66 亿美元卖给 Snap，之后负责生成式 AI 业务。他带领 Higgsfield 从 AI 视频工具起步，谈产品如何找到市场、模型成本如何影响生意，既有创业经历，也有一线经营数据。 ⏱️ 时间戳 00:56 从竞赛编程到创业 12:19 收入增长与商业模式 20:52 模型选择与成本账 30:16 团队、工具与护城河 37:55 融资、全球市场与人才 46:49 创始人、AI与长期增长 🌟 精彩内容 💡 客户从小额订阅走向企业合同一位客户最初每月订阅只花 99 美元，六个月后，Higgsfield 与其签下每年超过 600 万美元的合同。企业用 AI 批量制作广告素材，再通过 A/B 测试筛选效果。 "有个客户 6 个月前刚开始用的时候，每月只花 99 美元订阅，现在我们刚和他们签了一份超过 600 万美元的合同。" 💡 每月模型账单超过 400 万美元 Higgsfield 将近 400 人，团队成员平均每月在模型上花费超过 1 万美元。有人为了做素材管理工具，连续五个晚上用 Astra，一周就花了超过 3 万美元。 "我们内部每个月使用模型的花费超过 400 万美元。" 💡 开源模型把毛利率拉到八成以上社交媒体营销需要批量制作广告，不一定非要用最前沿、最贵的模型。Higgsfield 说，使用开源模型，尤其是经过后训练的开源模型，毛利率能超过 80%；闭源模型则约为 20% 到 30%。 "用开源模型，尤其是经过后训练的开源模型时，我们的毛利率能超过 80%。" 💡 每月 20 美元的专业订阅会受挤压 Alex 判断，谷歌和 OpenAI 的通用产品会挤压面向专业消费者的垂直订阅市场，连 Canva 面向消费者的部分设计需求也可能被替代。Higgsfield 因此要让用户从每月 20 美元的套餐升级到每年花费超过 1000 美元。 "我认为它们会彻底摧毁所有面向专业消费者的订阅市场，也就是每月 20 美元的订阅市场。" 💡 做模型是为了具体用例，不是争排名 Higgsfield 曾投入自研模型，但 Alex 后来认为，追逐基准测试成绩未必代表真实工作效果。只有当客户需求明确，例如写真拍摄，他才认为自研模型值得做。 "说到底，这不过是企业层面的心理战。" 💡 社交媒体的大部分内容会由 AI 生成 Alex 认为，社交媒体上的大量内容最终会由 AI 辅助创作或直接生成；真实节目等内容则可能因稀缺而更有价值。他也判断，AI 视频会冲击广告行业和互联网现有的商业模式。 "大家还是没有充分意识到，社交媒体上的大部分内容都会由 AI 生成。" 🌐 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

64 分钟 1k+ 次播放 1个月前

#744.Acquired｜劳力士的稀缺生意、机械表、品牌溢价

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Acquired · Rolex 原内容更新时间：Wed, 04 Mar 2026 机械表走时不如石英表精准，功能上也早已过时，劳力士却在石英危机之后成为腕表生意里最强大的品牌之一。Ben Gilbert 和 David Rosenthal 从劳力士的创立讲起，追溯它如何靠精准、防水和自动上链建立产品优势，又如何在石英表横扫市场时转向机械表的工艺、品牌与稀缺性。这不只是一段腕表史，也是一堂关于技术颠覆与商业选择的案例课：瑞士钟表业的全球份额从高峰跌落，劳力士没有跟着竞争对手全面转向石英，而是守住核心产品、控制供给，并逐渐把腕表从计时工具变成身份象征。节目还拆解了它的基金会所有制、垂直整合，以及为什么每年生产百万只腕表，仍能让顾客排队等待。 👤 本期嘉宾 Ben Gilbert 和 David Rosenthal 是 Acquired（商业播客节目）的主持人，长期研究优秀公司的发展历程与经营之道。本集两人结合劳力士历史、钟表业资料和业内人士访谈，梳理品牌从创立、产品创新到石英危机与现代奢侈品战略的转变。 ⏱️ 时间戳 00:00 劳力士的神秘悖论 04:42 汉斯与创业起点 25:16 从怀表走向蚝式 1:08:16 机械表与恒动系统 1:24:12 工具表塑造产品线 2:12:29 迪通拿与收藏热潮 2:27:02 石英危机与奢侈转型 3:03:35 垂直整合与供货之争 3:40:39 劳力士的规模与定位 🌟 精彩内容 💡 石英表赢了计时，劳力士赢了新市场石英表更便宜、更精准，瑞士钟表业的全球份额从1945年的85%跌到1980年的15%。劳力士没有只把机械表当成落后的计时工具，而是转向工艺、品牌与稀缺性，进入一种不同的消费市场。 "不是机械表重新流行起来了，而是在原来的市场被摧毁之后，人们发现它恰好适合一个全新的市场。" 💡 劳力士的优势，是不必跟着恐慌石英危机中，许多瑞士品牌扩充型号、转做石英表，最后稀释了品牌；劳力士则有基金会所有制带来的长期余裕，可以观察局势，不必为了短期业绩仓促转向。 "我们不想变成那种一年把产量提高 20%，然后又大幅下调公价的品牌。" 💡 限量供货比追着需求跑更稳劳力士不靠大幅提价追逐热潮，而是逐步增加产量、缓慢提价，避免市场转冷时降价清库存，伤害刚按公价买表的顾客。需求暴涨时，它也没有大幅扩产。 "他们绝不想让产量接近真实需求的水平。" 💡 劳力士的产品不是拿来看时间的当手机和智能手表承担了计时、通知和健康追踪，机械腕表的实用理由变弱了。劳力士卖的更多是工程工艺、身份表达，以及佩戴者想成为的那种人。 "谁都不需要手表，不管出于什么原因。" 💡 百万产量也能制造稀缺感劳力士一年生产约110万至120万块腕表，销量远超许多高端制表品牌；但它通过稳定的核心款式、控制供给和强势的二手市场，让大量生产与稀缺感并存。 "他们让很多人觉得，自己买到的是非常特别的东西。" 🌐 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

273 分钟 1k+ 次播放 1个月前

#743.Instinct 创始人：个人 AI 助手应该站在用户这边

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Invest Like The Best · Inside the Personal AI Assistant Growing 10% a Day | Instinct Founder 原内容更新时间：2026-09-28 不用打开新应用，只发一句话，AI 就能替你订旅行、安排日程，甚至把不想要的订阅从头到尾取消。 Invest Like The Best 主持人 Patrick O'Shaughnessy 与 Instinct 创始人兼 CEO Noah Shinn，聊这款通过消息、语音和邮件与用户互动的个人 AI 助手。Noah 分享了用户把信用卡交给 Agent 前如何建立信任、Instinct 如何从交易中获得收入，以及产品每天增长约 10% 带来的算力难题；他也谈到，未来软件可能不再是一个个独立应用，而是越来越简单的交互界面。 👤 本期嘉宾 Noah Shinn 是 Instinct 的创始人兼 CEO，大约一年前创办这家公司，正在打造一款无需安装新应用、可以通过手机和电脑替用户办事的个人助理。他从产品设计、用户信任与安全机制，到交易模式和算力扩张，亲自讲述了这款产品如何从早期使用场景走向更广泛的日常服务。 ⏱️ 时间戳 00:53 个人Agent走进生活 12:27 Agent重塑旅行与预订 19:09 信任与商业模式 31:44 企业如何迎接Agent 40:09 打造令人喜爱的助理 44:47 增长、算力与未来 🌟 精彩内容 💡 用户把信用卡交给 Agent，信任才刚刚开始使用三周后，40%的用户已经把个人信用卡分享给 Instinct；至少接入一项敏感信息的用户，留存率约为80%。Instinct 还会用独立于 Agent 的系统拦截恶意内容，并监控、批准或否决 Agent 的行动。 "用户始终应该觉得自己的数据由自己掌控。" 💡 AI 助手不该靠操纵用户赚钱 Noah 不希望 Instinct 通过广告或其他方式诱导用户购买不想要的东西。他认为，Agent 的职责不只是照着指令完成任务，还要理解用户更高层次的目标，并在用户真正需要时替他们兜底。 "Instinct 应该站在用户这边，按照用户的意愿行事。" 💡 增长越快，算力越难买 Instinct 每天增长约10%，而算力需要提前数月采购，临时购买的价格可能贵到原来的3到4倍。若增长持续，团队就得在买少了可能不够用、买多了又承担巨大成本之间做判断。 "如果底层算力需求也得跟着每天增长10%，那该怎么办？" 💡 软件可能不再需要一个个应用未来用户或许只要说“我今晚得去纽约”，Instinct 就能找航班、订酒店、衔接日历和叫车。Noah 认为，界面会越来越简单，但 Agent 能力不会因此受限。 "我觉得所有软件最终都会归结为一个非常简单、非常容易使用的界面。" 💡 主动服务会把办事阻力降到接近零如果 Agent 知道用户的日程和偏好，就能提前安排出行，或在用户到家前问要不要点熟悉的外卖。Noah 认为，操作门槛降低后，用户和商家的互动反而可能更多。 "如果是主动帮你处理事情，阻力就真的为零。" 🌐 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

71 分钟 1k+ 次播放 1个月前

#742.彼得·蒂尔：零增长不是AI的安全替代

跨国串门儿计划

📝 本期播客简介本期我们克隆了：MDMEETS - Essential Talks with Mathias Döpfner · Peter Thiel: The AI Crisis, Europe’s Decline & the Battle for America【部分删减】原内容更新时间：2026-09-24 “如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。”在AI风险与技术停滞之间，彼得·蒂尔给出的答案不是一味踩刹车：零增长也会带来政治极化和社会失常。在主持人 Mathias Döpfner 的对谈中，蒂尔谈AI与民主、美国政治和欧洲的竞争力，也解释德国为何缺少靠新事业创造的大型财富；话题最终落到长寿、衰老，以及他为何认为意识上传并不等于自己活下去。 👤 本期嘉宾彼得·蒂尔是硅谷投资人，参与 Palantir 多年，也与他人共同创办 PayPal。他长期关注技术进步、政治与西方社会的走向；在这场对谈中，他结合企业经历谈AI竞赛，并分享自己对欧洲创业、民主制度和生物科技的判断。 ⏱️ 时间戳 00:05 AI与停滞之辩 08:16 民主危机与德国 20:25 美国政治与颠覆 32:03 欧洲竞争与独立思考 43:50 长寿与生命意义 🌟 精彩内容 💡 零增长不是安全选项蒂尔认为，AI可能带来风险，但停下技术进步也不是中性的选择。没有代际进步的愿景，社会更容易陷入零和博弈，极左和极右政党也会继续壮大。 "如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。" 💡 德国年轻富豪，全靠继承他比较了美国和德国最富有的五十人：美国其中十二位是X世代或更年轻，九人靠自己创造财富；德国有二十位，但全部是继承而来，没有人靠创办新公司建立财富。 "在德国，这 20 个人全都是继承来的。" 💡 欧洲的AI落后于Minitel 蒂尔把欧洲发展AI比作历史上的两条路：协和式飞机代表追赶并建立领先产业，Minitel则代表执着于本土方案、最后落后。他的判断是，欧洲现在比当年的Minitel还落后。 "如果实话实说，我的判断是，欧洲现在比当年的 Minitel 还要落后。" 💡 别怪刀，去批评杀人犯面对AI该不该被道德评判，蒂尔用刀作比：刀既能做饭也能杀人，问题在于使用者，而不是工具本身。他认为社会太爱争论善恶，却忽略了更常见的无能与糟糕。 "所以，如果你不想看到杀人事件，你应该批评杀人犯，而不是批评刀，或者把刀禁掉。" 💡 意识上传不等于我还活着谈到永生，蒂尔不接受把大脑和意识上传到电脑程序的设想。在他看来，身份与肉身密不可分；他更关注的具体挑战，是减缓甚至逆转大脑功能衰退。 "我不能接受把自己上传到一个模拟我的电脑程序里。我不觉得那会是我。" 🌐 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

48 分钟 1k+ 次播放 1个月前

#741.All-in｜Meta Muse：AI 助理第一次替普通人办事

跨国串门儿计划

📝 本期播客简介本期我们克隆了：All-In Podcast · Anthropic IPO at Risk, Meta’s Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails 原内容更新时间：2026-09-26 All-In 播客第 290 期由 Jason Calacanis 主持，David Friedberg、Chamath Palihapitiya 和电话连线的 David Sacks 参与讨论。节目先回顾 All-In Summit，再从 AI 公司该不该被称为“实验室”、产品责任和安全边界，聊到开源模型快速增长、token 价格下跌，以及 Anthropic 和 OpenAI 的 IPO 压力。本集一个重要判断是：模型能力趋同、开源选择增多后，单靠转售 token 的价值会减弱，AI 公司必须往技术栈上层走；与此同时，Meta 的 Muse 和 Grokbot 这样的个人 AI Agent，正在把 AI 变成普通人能用来处理邮件、预订行程、购物和省钱的工具。节目后半段还讨论了 alignment 应该对齐谁，以及 Anthropic 新建 wet lab 的用途与风险。 👤 本期嘉宾本期由 All-In 播客核心四人组对谈：Jason Calacanis 担任主持；Chamath Palihapitiya 和 David Sacks 参与 AI 公司责任、IPO、监管与市场竞争等议题；David Friedberg 则从模型发布、生命科学应用和实验室研究等角度分享看法。Friedberg 提到自己负责一个生命科学研发机构，并以 Ohalo 为例谈实验室与公司的关系；他也介绍了 Anthropic 生命科学模型和 wet lab 如何用于验证 AI 对蛋白质、酶的预测。 ⏱️ 时间戳 00:28 峰会最难忘时刻 04:34 责任、竞争与实验室之名 18:49 非前沿模型与成本 28:04 IPO延期与开源压力 49:21 前沿发展与政治反应 1:03:07 Muse、alignment与甲骨文 1:21:20 Anthropic生物研究与实验室 🌟 精彩内容 💡 AI 公司是公司，就得为产品负责讨论从 frontier labs 是否应该享有特殊保护展开。嘉宾认为，称自己为“实验室”不能改变营利公司的本质；决定是否发布产品的责任，应该由真正做决定的公司承担，而不是寄望于全球治理机制。 "它们是公司，就得按同一套标准接受评判，包括产品责任。" 💡 模型越来越像，真正的差距可能在 harness 模型性能逐渐趋同，不代表产品体验也会趋同。Chamath 指出，模型要配上能让它调用工具、完成任务的 harness，才能成为 agentic 的产品；公司与个人接下来要判断，究竟值得为什么付费。 "模型正在趋同，但 harness 之间差异很大，所以它们的表现差别也很大。" 💡 token 变便宜，AI 公司得往技术栈上层走当模型之间的差异缩小、Open Source 和 open weights 模型越来越能打，单纯卖 token 或在模型外层做封装，可能不再创造足够价值。节目认为，Anthropic 和 OpenAI 需要把能力延伸到网络安全、法律、客户支持等实际业务中。 "你不能一直提供价值不断下降的 token，因为之后的价值都会被那些封装你们智能 token 的人吸收，并由他们创造出来。" 💡 AI 的大部分价值，不只是替代旧工作 Friedberg 认为，AI 的高价值不止是把已有流程做得更便宜，还包括让过去做不到的发现与创造成为可能。高端模型能否持续收费，取决于它们是否能在生命科学、工程等复杂领域带来新的成果。 "AI 价值的 99% 在于让人类历史上从未可能实现的事情成为可能。" 💡 Muse 把个人 AI Agent 带进日常生活节目嘉宾将 Muse 视为降低 AI 使用门槛的产品：它把复杂功能装进简单界面，可以帮助用户筛选邮件、订机票和酒店。个人 AI Agent 若能稳定处理日常事务，就不只是技术爱好者的玩具，而可能成为普遍可用的数字助理。 "如果有 10 亿人开始把个人 AI Agent 当作数字助理，用来让生活更有效率，那会怎么样？" 💡 alignment 也可以从用户需求出发节目质疑，若 alignment research 连要对齐什么都无法达成共识，抽象地讨论伦理原则未必能让产品更可靠。另一种更务实的思路是，让模型行为可预测、安全，并符合实际使用者的需求。 "在我看来，alignment 就应该是满足客户的需求，就像其他任何产品一样。" 💡 Anthropic 的 wet lab 是用实验验证 AI 预测 Friedberg 解释，Anthropic 的实验室旨在把模型对新酶、蛋白质功能的预测放到真实实验中检验。节目提到，这类基础实验室通过制造蛋白质并观察其功能，验证软件预测是否成立；这与制造病毒或病原体并非一回事。 "我觉得，归根结底，他们的目标是拿到一些证据，证明自己的软件确实能做到它所预测的事情。" 🌐 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

86 分钟 3k+ 次播放 1个月前

#740.Huberman Lab｜减重不能只靠把胃变小

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Andrew Huberman · Best Tools for Gut Health & Weight Loss | Dr. Chris Thompson 原内容更新时间：2026-09-21 在 Huberman Lab 播客中，斯坦福大学医学院教授安德鲁·休伯曼与克里斯·汤普森医生展开对谈。汤普森医生是哈佛医学院医学教授，也是波士顿 Mass General Brigham 医疗系统消化道介入科主任，长期关注胃肠道、代谢和肥胖症治疗。从食物经过消化道的过程聊起，两人谈到肠道如何参与饥饿、饱腹和血糖调节，以及膳食纤维、抗性淀粉、发酵食品和肠道菌群的作用。对谈也讨论了便秘与排便习惯、结肠癌筛查、幽门螺杆菌，以及肠道通透性与代谢健康之间的联系。节目后半段聚焦减重治疗：GLP-1 药物的效果与局限、停药后的体重反弹和瘦体重流失、手术与内镜下操作如何影响肠道激素，以及运动和饮食在治疗中的位置。汤普森医生还分享了超声内镜、AI 与机器人等技术如何改善诊断和操作，并展望针对不同患者特点设计治疗方案的可能性。 👤 本期嘉宾克里斯·汤普森医生是哈佛医学院医学教授、波士顿 Mass General Brigham 医疗系统消化道介入科主任，也是体重管理与健康中心的联合主任。他的专业横跨胃肠病学、代谢、营养和肥胖症治疗，并参与开发胃肠道与代谢健康领域的治疗方法。本期他结合临床经验与研究，讲解胃肠道的运作机制、减重治疗的取舍，以及内镜技术和新疗法的进展。 ⏱️ 时间戳 01:35 克里斯·汤普森医生 01:38 消化道、肠道激素与营养吸收 07:40 结肠菌群与结肠癌筛查 10:45 吞咽问题与 Zenker 憩室 13:27 排便与便秘 15:32 膳食纤维、抗性淀粉与肠道屏障 18:31 间歇性禁食与肠道菌群 20:08 发酵食品、菌群多样性与丁酸 23:21 幽门螺杆菌、压力与胃溃疡 26:22 GLP-1 药物：益处与局限 29:29 低剂量 GLP-1、体重反弹与肌肉流失 33:07 GLP-1 副作用、food noise 与冷漠感 35:19 减重手术与医疗创新 41:16 赞助商：AG1 41:32 饥饿与饱腹：胃饥饿素等激素 43:39 瑞他鲁肽与多重激素靶点 46:18 超加工食品、过量进食与瘦素 48:52 肠促胰素发现、Exendin-4 与吉拉毒蜥 52:53 超声内镜与胰腺活检 1:00:40 早期代谢指标、CGM 与空腹胰岛素 1:06:21 胰岛素抵抗与代谢灵活性 1:09:26 赞助商：Function 1:09:32 患者数据、筛查与治疗普及 1:18:22 AI、机器人与手术改进 1:21:08 选择外科医生与衡量手术质量 1:26:48 图像引导与高光谱成像 1:29:00 诊断与精准代谢治疗 1:32:34 胃旁路、前肠排除与糖尿病 1:38:01 十二指肠内衬与黏膜重塑研究 1:43:20 肠道通透性、炎症与脂肪肝 1:49:36 人工甜味剂、果糖、脂肪与Omega-3 1:55:07 抗阻训练、二区有氧与间歇训练 1:56:33 体重设定点与代谢适应 1:58:23 内镜袖状胃成形术与胃底消融 2:01:09 磁力肠道吻合与联合治疗 2:07:46 GLP-1基因治疗研究 2:13:17 创新、解决问题与团队合作 🌟 精彩内容 💡 肠道不只是消化器官肠道既负责消化和吸收，也是内分泌器官；它通过肠道激素、菌群及其他信号，参与饥饿、饱腹和代谢调节。 "它显然参与消化，但同时也是一个内分泌器官。" 💡 便秘可能是膳食纤维不足的早期信号排便频率和形态能提供健康线索。汤普森医生提醒，羊屎状便或连续数日不排便，值得留意膳食纤维摄入；纤维的作用也不止于帮助排便。 "便秘能让我们及早发现这个问题，对吧？这可能是膳食纤维摄入不足的早期信号。" 💡 不喂菌群，它可能会消耗黏液层膳食纤维能为肠道菌群提供养分，帮助维持能产生丁酸的微生物生态。丁酸也参与结肠细胞供能与紧密连接的维持。 "如果你不给它们纤维吃，它们就会吃你的黏液层。" 💡 GLP-1 有帮助，但停药需要计划 GLP-1 药物能为肥胖治疗提供重要工具，但可能伴随恶心、瘦体重流失等问题。若停药后体重反弹，增加的可能主要是脂肪，因此不能只考虑如何减重，也要规划如何维持。 "所以必须有个计划。" 💡 减重治疗不该只盯着一个杠杆汤普森医生介绍，手术和内镜下操作可以针对不同的生理机制，包括胃饥饿素、GLP-1 等肠道激素。未来的方向，是根据患者特点组合治疗，并尽量减少不必要的干预。 "今后的目标是做得更精准，弄清楚每个人对哪种干预反应更好，然后只做最少的必要操作。" 💡 及早看代谢指标，不必等到糖化血红蛋白升高节目讨论了 CGM、空腹胰岛素等指标如何帮助更早发现代谢变化。汤普森医生强调，传统检查之外，也可以关注更早出现的信号，并据此调整饮食与生活方式。 "关键是要尽早开始检查，而且别只看传统指标，好吗？" 💡 运动是减重治疗的重要组成部分无论采用药物、手术还是内镜下操作，抗阻训练都有助于维持肌肉。汤普森医生也提到二区有氧和高强度间歇训练，并强调需要同时处理饮食、活动等根本问题。 "我会要求所有患者进行抗阻训练，甚至在他们开始减重、接受治疗操作之前就开始。" 💡 AI 可以辅助操作，但医生仍需判断 AI 能在操作中标出目标结构、提供实时提示，也能在术后分析操作质量；机器人则可能帮助受训者更快掌握复杂操作。汤普森医生强调，AI 是辅助工具，不能取代临床判断。 "所以你必须运用临床判断，不能盲目使用 AI。" 🌐 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

138 分钟 2k+ 次播放 1个月前

#739.黄仁勋：「五层蛋糕」里，最重要的是应用层

跨国串门儿计划

📝 本期播客简介本期我们克隆了：The Ezra Klein Show · Jensen Huang Thinks A.I. Alarmism Has Gone Too Far | The Ezra Klein Show 原内容更新时间：2026-09-23 《The Ezra Klein Show》主持人 Ezra Klein 飞往圣克拉拉的英伟达总部，采访英伟达 CEO 黄仁勋。黄仁勋是 AI 产业最具影响力的人物之一：英伟达提供了现代 AI 所依赖的重要芯片与基础设施，他本人也在美国政府和科技产业中拥有很大影响力。这场对话从黄仁勋提出的 AI「五层蛋糕」展开，谈到 AI 如何改变工作、开放模型的价值、Agent 事件暴露的工程与 alignment 问题，以及监管和安全责任。两人的分歧尤其集中在一件事上：黄仁勋认为，安全首先是公司的工程责任，解决不了就不要发布产品；Ezra 则追问，仅靠公司自律，能否应对竞争压力和潜在的集体行动困境。他们还讨论了 AI 是否会成为失控的智能、技术进步会如何重塑计算产业，以及芯片出口、能源建设和 AI 泡沫等议题。黄仁勋一方面反对以末日论调吓阻公众，另一方面也强调，评估、测试、沙箱隔离和安全都属于 AI 工程的一部分。 👤 本期嘉宾黄仁勋，英伟达 CEO。英伟达设计并提供 AI 产业广泛依赖的芯片与基础设施；从早期图形处理芯片到支持现代深度学习的计算平台，黄仁勋参与塑造了今天的计算与 AI 产业。他在访谈中以工程和产业建设的视角，讨论 AI 的技术基础、商业应用、安全责任、芯片出口与能源需求，也阐述了自己为何反对以危言耸听的方式描述 AI 风险。 ⏱️ 时间戳 00:45 开场 01:52 五层蛋糕 03:05 黄仁勋的未来愿景 08:18 工作将如何受影响？ 22:54 开放模型解析 27:17 Hugging Face黑客事件中的alignment问题 31:39 AI安全的“别发布”方案 36:23 我们需要新的监管吗？ 50:40 AI末日论为何错了 55:37 AI只是软件 58:15 黄仁勋对智能的定义 59:08 AI是普通技术还是阶段跃迁？ 1:04:00 递归式自我改进 1:11:12 计算新时代？ 1:17:52 AI会有泡沫吗？ 1:22:42 芯片出口 1:26:51 AI热潮由什么供能？ 1:32:06 书籍推荐 🌟 精彩内容 💡 「五层蛋糕」里，最重要的是应用层黄仁勋把 AI 产业拆分为能源、芯片、AI 工厂、模型和应用五层。底层技术提供支撑，但他最在意的是医疗、法律、制造等行业能否真正用上 AI，让整个社会从中受益。 "再往上一层是最重要的一层，也是我最关心、最希望我们国家能从中受益的一层，那就是应用层。" 💡 AI 自动化的是任务，不一定是工作的目的以放射科为例，判读扫描影像可以自动化，但诊断疾病、帮助患者并支持医生工作的根本目的仍然存在。黄仁勋认为，自动化可能让从业者处理更多病例，甚至增加对专业人员的需求；判断工作会不会消失，不能只看其中一项任务。 "所以，工作的根本目的没有改变。查看扫描影像这项任务已经实现了自动化。" 💡 人的雄心，常常没被就业预测算进去黄仁勋认为，自动化分析往往只计算完成工作所需的劳动，却忽略了人想改善生活、照顾家人、创造新事物的抱负。在他看来，技术会改变工作，也可能催生新的行业与需求。 "我认为，雄心的力量实际上是最强大的力量，却被每个人的计算都漏掉了。" 💡 开放模型让使用者掌握自己的基础设施封闭模型可以作为服务提供，但企业和国家也需要开放模型，以便微调、使用自己的数据和专业知识，并掌控关键技术。黄仁勋认为，开放与封闭并非只能二选一，两种模式都应发展。 "我觉得世界既需要封闭模型，也需要开放模型，而且得确保两者都蓬勃发展。" 💡 Agent 出问题，既是工程问题，也是 alignment 问题谈到 Agent 逃出沙箱、入侵系统等事件，黄仁勋将其拆解为隔离与限制、算法优化目标和 alignment 等问题。他强调，软件会朝目标优化，工程师必须为它设定边界；但 Ezra 也追问，既然实验室尚不确定如何控制系统，为何仍要发布。 "如果你要造一辆车，一辆自动驾驶汽车，比如说是辆 robotaxi，而且碰上特别棘手的情况，……那该怎么办？别把它推向市场。" 💡 公司若觉得产品失控，就该先停下来黄仁勋反对把产品发布的责任推给社会或监管者。他认为，企业及其领导者有能力、也有义务决定是否发布；如果实验无法控制、可能对人造成严重伤害，就应暂停产品。 "但我觉得，如果他们认为自己已经失去控制，正确的做法就是，在重新掌控之前不要推出产品。" 💡 安全不是研发之外的事黄仁勋把安全验证、评估、测试和沙箱隔离都视为 AI 技术本身的一部分。他认为，提升能力与提升安全不应被对立起来；不安全的技术，不能算真正的进步。 "不安全的技术，就称不上是在进步。" 💡 AI 的算力需求，来自它开始真正有用黄仁勋将计算产业的变化概括为从检索信息转向生成内容：AI 需要理解上下文、推理并生成答案，Agent 也会进一步扩大计算需求。在他看来，AI 工厂的价值不能只看建设成本，还要看它的生产效率、用途和耐用性。 "过去 60 年我们熟悉的计算产业，叫作检索式计算。……而未来的计算中心会是 AI 工厂。" 🌐 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

93 分钟 3k+ 次播放 1个月前

#738.费曼：想象之乐

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Christopher Sykes · HD Feynman: FUN TO IMAGINE complete 原内容更新时间：July 1983 这期 BBC 系列《FUN TO IMAGINE》由物理学家、诺贝尔奖得主理查德·费曼畅谈科学。节目最初于 1983 年在 BBC2 播出，在费曼位于加利福尼亚州阿尔塔迪纳的家中拍摄；这版由 Christopher Sykes 上传，包含六集完整内容，并配有中英文字幕。费曼从咖啡、冰块、火、橡皮筋和磁铁讲起，把看似熟悉的现象还原成原子振动、电磁作用和能量变化。他也借镜子与火车轮子的谜题，示范怎样拆解一个问题；再从光与无线电波、恒星和黑洞，谈到想象力如何帮助人们探索肉眼看不见的世界。节目最迷人的地方，是费曼既不把科学讲成必须背诵的答案，也不回避理解的边界：有些现象可以用熟悉的图景说明，有些则只能借助数学推导。他邀请听众带着好奇心追问，也坦承人脑中的思维图像各不相同，而微观世界可能远比我们习惯的日常经验奇妙。 👤 本期嘉宾理查德·费曼是物理学家、诺贝尔奖得主。本期节目由 Christopher Sykes 主持，最初作为 BBC 系列《FUN TO IMAGINE》拍摄并于 1983 年播出。费曼善于从日常经验切入物理问题：他用原子振动解释热，用磁铁和椅子讨论电磁力，也用生活中的谜题展示科学思考如何一步步深入。值得一听的不只是他解释了什么，更是他如何把“不知道”变成继续探索的起点。 ⏱️ 时间戳 00:11 引言 00:50 原子振动 07:00 火 11:47 橡皮筋 14:24 磁铁 21:42 电 30:22 镜子与火车谜题 35:48 看见事物 41:35 大数字 52:31 思维方式 🌟 精彩内容 💡 热没消失，只是换了种运动费曼用球落地的例子说明，宏观上看似消失的动能，实际上转化成地板和球内部原子的振动；敲打东西会让它变热，也正是这个图景的日常印证。 "但实际上，地板比之前振动得更厉害了，球里的原子也比之前振动得更厉害了。" 💡 烧木头，烧的是储存起来的太阳从木头里的碳和空气中的氧如何结合，费曼一路追问到树如何生长、阳光如何参与其中。燃烧释放的热和光，正是植物生长时储存下来的能量。 "释放出来的光和热，就是当初吸收进去的太阳光和热。" 💡 问“为什么”，得先知道自己接受了什么解释米妮姨妈摔断髋骨为什么去医院，看似有了答案，仍然可以继续追问：为什么滑倒？为什么冰滑？费曼借此说明，每个回答都建立在某些默认的理解之上，而继续追问，往往能让问题变得更有意思。 "我的想法是，一件事越深，就越有意思。" 💡 镜子没把左右弄反，而是把前后反了我们常把镜像想成一个转身面对自己的人，于是觉得左右颠倒了。换个角度看，镜子真正反转的是垂直于镜面的前后方向；熟悉的说法，来自我们习惯想象人如何转身。 "而是前后反过来了。你看，简单说，镜像里的鼻子跑到了头的另一边。" 💡 房间里同时穿过许多看不见的波可见光、热辐射、无线电波和雷达波都是电磁波，只是波长不同。它们可以同时穿过同一个空间；收音机做的，是让电线里的电子对特定信号产生响应。 "所有这些都同时发生，所以在这个空间里，不只有让我看见你的光，还有此刻正在播出的莫斯科电台信号，也有秘鲁某个人唱歌的声音。" 💡 科学想象不是凭空幻想费曼讲到中子星：科学家先依据已知定律推演出一种可能存在的天体，之后才发现相应的脉冲星。数学和分析帮助检验推理，而想象力让人先看见可能性。 "这很好地说明，想象力是有用的，能让人提前作出猜想，也能让我们借此取得进展。" 💡 没有人天生就会想象量子世界理解电磁场或量子力学，不靠奇迹般的天赋，而要靠学习、练习和钻研。费曼也提醒，微观世界的规律未必能套进我们熟悉的宏观图景。 "没有什么人是奇迹般的天才。" 🌐 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

62 分钟 1k+ 次播放 1个月前

#737.Liquid：蠕虫 302 个神经元，启发了另一种 AI 架构

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Latent Space · A Worm With 302 Neurons Inspired Their Architecture — Ramin Hasani, Liquid AI 原内容更新时间：2026-09-18 Latent Space 主持人与 Liquid AI CEO Ramin Hasani 深入聊了 Liquid 的技术路线：从受秀丽隐杆线虫启发的液态神经网络，到面向不同硬件设计混合架构的 LFM。Ramin 回顾了这项研究如何从机器人控制起步，并逐渐走向基础模型，以及连续时间系统在效率、表达能力和扩展性之间面临的取舍。对话也落到了模型如何真正进入生产环境：Liquid 与梅赛德斯-奔驰、Shopify 等企业合作，把模型部署到汽车、设备和应用中；同时通过 Leap 等工具支持开发者微调与部署。后半段则讨论企业定制化、架构搜索、多模态与 DNA 模型，以及具身智能和自适应学习可能打开的方向。 👤 本期嘉宾 Ramin Hasani 是 Liquid AI 的 CEO，也是公司的联合创始人之一。他在 TU Wien 开始研究连续时间数学如何融入机器学习，并与团队从受秀丽隐杆线虫神经系统启发的液态神经网络出发，探索高效学习与机器人控制。2017 年起，他在 MIT 与 Daniela Rus 等人合作，继续研究连续时间动力系统、序列建模及其规模化。如今，他带领 Liquid AI 将这些研究延伸到基础模型、企业部署和面向特定硬件的架构设计。 ⏱️ 时间戳 00:16 Liquid AI 起源 00:41 秀丽隐杆线虫启发 03:30 灵活的 Liquid 网络 05:50 连续时间动力系统 07:34 突破 RNN 扩展瓶颈 11:10 STAR 混合架构设计 12:09 LFM 的演进 16:20 端侧智能与隐私 20:08 Shopify 生产部署 21:55 机器人实验与视觉动作 28:02 定制化与企业 AI 38:15 架构搜索与模型工厂 44:59 时间序列与连续时间 46:27 适应性与认知架构 49:20 多模态与 DNA 模型 55:50 Transformer 十周年与注意力 🌟 精彩内容 💡 线虫不是比喻，而是研究起点 Ramin 解释，团队选择秀丽隐杆线虫，是因为它的神经元不会发放脉冲，神经活动可以用连续时间模型描述。这为构建可微、可训练的液态神经网络提供了生物学灵感。 "它只有 302 个神经元，却能控制 95 个肌肉细胞，表现比当时世界上任何机器人系统都好。" 💡 架构不必押注单一答案 Liquid 没有把某一种替代架构视为终极方案，而是搭建 meta-AI 系统，在不同算子和混合架构中搜索，并根据目标硬件优化质量、内存、延迟和速度。 "我们来打造一个 meta-AI 系统，在算子空间里进行搜索。" 💡 模型架构要跟着芯片走同一套模型结构并不一定适合所有设备。Liquid 用架构搜索为不同部署环境寻找合适组合；Ramin 以 LFM2 为例，说明它如何针对 CPU 做出更精简的设计。 "目标设备基本决定了混合架构该是什么样。" 💡 上设备不等于把模型下载下来本地部署能带来隐私、离线使用和成本方面的优势，但生产级 AI 还涉及温度、长上下文下的表现与可靠性，不能只凭基准测试判断。 "这不是从开源社区下载一个模型，再把它放到设备上就算成功了。" 💡 企业需要的不是演示，而是能跑进生产的模型 Ramin 分享 Liquid 与梅赛德斯-奔驰、Shopify 等企业合作的经验：前者探索车载智能，后者将 LFM 用于面向商家和消费者的产品。他强调，真正的落地工作远比模型评测复杂。 "产品级的 AI，远不只是看模型在设备上的一些质量基准测试结果，还要考虑更多。" 💡 定制化不只是后训练从预训练、中期训练、后训练到数据生成和 RL，模型定制可以贯穿整个开发流程。Liquid 正在开发自助平台，希望企业能够借助工具与 agent 构建、部署并持续更新自己的模型。 "要考虑从预训练到推理阶段，各个层面的定制化。" 💡 模型越大，架构可能越要简单根据架构搜索和规模实验，Ramin 提出一个反直觉的判断：小模型可以通过更多结构偏置获得丰富动态；模型规模增大后，减少偏置、简化架构反而更有利于扩展。 "模型越大，架构就越要简化。" 💡 下一步不只有更强的前向计算 Liquid 正关注高度多模态系统、更长程推理、DNA 等不易被人直接理解的数据，也在思考模型运行时的适应能力，以及具身智能和持续学习。 "我们非常专注于高度多模态的系统。" 🌐 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

57 分钟 99+ 次播放 1个月前

跨国串门儿计划的全部节目

#748.比尔·阿克曼：投资前先想清楚十年后还愿意持有吗

#747. 扎克伯格的优势：不领先，也不肯停下来

#745.AI自我加速：能力进步快，不等于研究全面提速，中美 AI 差距

#746. AI视频生意：看懂增长和模型成本这笔账

#744.Acquired｜劳力士的稀缺生意、机械表、品牌溢价

#743.Instinct 创始人：个人 AI 助手应该站在用户这边

#742.彼得·蒂尔：零增长不是AI的安全替代

#741.All-in｜Meta Muse：AI 助理第一次替普通人办事

#740.Huberman Lab｜减重不能只靠把胃变小

#739.黄仁勋：「五层蛋糕」里，最重要的是应用层

#738.费曼：想象之乐

#737.Liquid：蠕虫 302 个神经元，启发了另一种 AI 架构

播放列表