📝 本期播客简介 本期节目，克隆聊 Lex Fridman对话Helion能源公司CEO David Kirtley，一位核能工程师和核聚变专家。Helion正致力于建造核聚变反应堆，并取得了惊人的进展，让人类能源自由的梦想触手可及。David详细解释了核聚变与核裂变的根本区别，包括燃料来源、能量释放机制和安全性。他深入探讨了Helion独特的脉冲磁惯性聚变方法——场反转位形（FRC），如何通过超高速磁场翻转实现等离子体自组织，以及如何克服高β等离子体的稳定性挑战。节目还揭示了Helion在研发过程中如何通过快速迭代、小规模制造和创新采购（甚至包括eBay）来加速技术突破。David描绘了核聚变在解决全球能源危机、推动AI发展、甚至太空探索和地缘政治稳定方面的宏伟蓝图，并分享了Helion与微软合作，力争在2028年实现首个聚变发电厂并网的雄心。 克隆翻译自：David Kirtley: Nuclear Fusion, Plasma Physics, and the Future of Energy | Lex Fridman Podcast #485 👨‍⚕️ 本期嘉宾 David Kirtley，Helion能源公司CEO，核能工程师和核聚变专家。Helion致力于建造核聚变反应堆，以清洁、安全的方式解决全球能源需求。 ⏱️ 时间戳 开场与核聚变愿景 00:00 播客简介与核聚变潜力 00:42 核聚变与核裂变：基本概念与区别 01:55 能源富足对人类文明的深远影响 02:14 宇宙的动力之源：核聚变与E=mc² 04:30 燃料之源：裂变与聚变的燃料差异 05:52 氘：地球水中的无限能源 核聚变的工作原理与安全性 11:13 能量释放机制：高温、强核力与质量亏损 12:52 聚变之难：克服电磁斥力与太阳引力约束 14:02 聚变“发电机”而非“反应堆” 16:00 核聚变的核心优势：清洁、安全、直接发电 17:12 核裂变反应堆的链式反应与安全性解析 22:22 核聚变与核武器：无法用于制造武器的本质区别 26:18 地缘政治影响：消除能源垄断，促进和平 28:00 核聚变发电厂的固有安全性：燃料限制与陨石撞击测试 31:07 聚变废料：无长寿命放射性废料，类似粒子加速器监管 Helion的聚变技术与工程实践 34:46 聚变路径：惯性、磁约束与Helion的磁惯性聚变 43:18 场反转位形 (FRC)：等离子体的自组织与磁场反转 55:54 FRC的稳定性挑战：高β等离子体与S Star/E参数 1:05:30 达到亿度高温：速度即温度，微秒级反应 1:10:18 超高速控制：千兆赫兹计算与FPGA编程 1:13:11 实时诊断：光纤传感器与罗氏线圈 1:16:18 数值模拟：从MHD到粒子代码，AI/ML加速设计 1:25:12 聚变功率最大化：磁场强度与直接能量转换 1:31:24 高效直接能量转换：活塞发动机类比与电容器回充 1:33:25 燃料选择：氘-氦三的优势与挑战 1:37:12 成本与规模：材料成本驱动，追求小型化 创新文化与未来展望 1:42:06 快速迭代与制造：小规模、低成本、eBay采购策略 1:49:55 Helion原型机系列：从IPA到Trenta的演进 1:55:35 首个聚变发电厂：2028年为微软数据中心供电 1:58:01 克服质疑：坚持不懈的工程与科学探索 2:01:901 电网连接与直流供电：数据中心与聚变的完美结合 2:03:591 AI时代的能源需求：聚变与计算的未来 2:05:19 卡尔达舍夫文明：能源富足的宏大愿景 2:11:16 聚变解锁的未来：太空探索、垂直农场与社会变革 2:14:32 聚变推进：深空旅行的理想能源 2:17:09 费米悖论与外星文明：套娃大脑与认知扩张 2:22:07 物理之美：万物运作的精妙平衡 🌟 精彩内容 💡 核聚变：无限、清洁、安全的未来能源 David Kirtley深入解释了核聚变如何利用轻原子核融合释放巨大能量，如同太阳一般，提供几乎无限的清洁电力。他强调，聚变燃料（如氘）在地球海水中储量巨大，足以满足人类数亿年的能源需求，且过程中不产生长寿命放射性废料，从根本上保障了安全性。 “聚变是宇宙的动力之源。恒星的能量就来自聚变。” 🛠️ Helion的创新之路：快速迭代与制造先行 Helion通过建造七代原型机，从IPA到Trenta，不断验证和优化其独特的脉冲磁惯性聚变技术。David分享了团队如何通过小规模、低成本的快速迭代，甚至通过eBay采购零部件，来加速研发进程。这种“建造者优先”的文化和垂直整合的制造策略，使得Helion能在极短时间内实现技术突破。 “通过制造一百个东西，你实际上可以比制造一个东西更快。” 🚀 场反转位形 (FRC)：等离子体的自组织奇迹 Helion的核心技术FRC，通过在微秒级时间内快速反转磁场，诱导等离子体自组织成一个闭合磁场结构，从而实现自我约束。这种高β等离子体虽然不稳定，但通过精确的工程设计和超高速控制（利用千兆赫兹级计算和FPGA），Helion成功地维持了其稳定性，为高效聚变奠定了基础。 “快速反转磁场，等离子体自组织成一个闭合场。” ⚡️ 直接能量转换：聚变发电的效率飞跃 与传统核裂变通过蒸汽涡轮机发电（效率30-35%）不同，Helion的FRC系统能够直接将聚变产生的带电粒子能量转化为电能，效率高达80-85%。这种高效率不仅能回收聚变能量，还能以95%的效率回收投入的磁能，极大地提升了发电性能和经济效益。 “你可以把电投入到聚变中，然后以百分之九十五的效率把电取回来。” 🔮 AI时代的能源伙伴：2028年与微软并网 Helion计划在2028年与微软合作，建成首个为数据中心供电的聚变发电厂。David指出，核聚变作为高能量密度、可本地部署的基础负荷能源，与AI时代对海量电力的需求完美契合。未来，聚变发电厂甚至可能直接以直流电形式为GPU供电，实现发电与计算的深度整合。 “人工智能可以增长人类认知和我们解决问题的能力，我们不能让它受到电力的限制。” 🌐 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 "I Invented the Transformer. Now I'm Replacing It." 邀请到了Transformer的共同发明人Llion Jones，以及Sakana AI研究科学家Luke Darlow。Llion Jones提出了一个大胆的观点：Transformer架构（作为ChatGPT和几乎所有现代AI的核心）可能正在将整个行业困在一个“局部最优解”中，阻碍我们发现真正的智能推理能力。他将深入剖析这一论点，并与Luke Darlow共同介绍他们最新的研究成果——“连续思维机器”（Continuous Thinker Machine, CTM），这项创新技术有望引领AI迈向新的前沿。本期节目将是一场关于AI未来方向的深度对话，探讨如何跳出现有框架，拥抱更具生物启发性和适应性的智能范式。 文字版精华见微信公众号（点击跳转） 👨‍⚕️ 本期嘉宾 Llion Jones：Transformer的共同发明人之一，Sakana AI联合创始人。他曾是Google Brain团队的核心成员，对Transformer的诞生和发展做出了奠基性贡献。现在，他致力于探索超越Transformer的下一代AI架构。 Luke Darlow：Sakana AI研究科学家，主要研究领域是“连续思维机器”（CTM）。他主导了CTM的研发，并将其推向了今年的NeurIPS大会焦点论文。 ⏱️ 时间戳 00:00 开场 & 播客简介 摆脱Transformer的“引力盆地” 00:00:00 Llion Jones：告别Transformer：过度饱和领域中的新探索 00:00:27 Luke Darlow：连续思维机器：具备自适应计算能力的新循环模型 00:00:56 Llion Jones：AI研究自由度的丧失：从自下而上到受限创新 00:01:40 Llion Jones：大规模演化搜索的潜力：算力投入与未被探索的方向 00:02:07 主持人：Sakana AI的核心理念：拥抱兴趣梯度，拒绝“灰色粘质” 00:02:57 Llion Jones：守护研究自由：公司发展中面临的挑战与哲学坚守 00:03:31 Llion Jones：削减自由的流程：商业压力与投资回报的预期 00:04:40 主持人：“技术捕获”现象：Transformer的成功与商业化压力 00:05:22 Llion Jones：局部最优解的困境：被大语言模型“捕获”的行业 00:05:37 Llion Jones：RNN时代的启示：技术突破与微小改进的循环 00:07:24 Llion Jones：Transformer的碾压式突破：旧研究的“多余”与当下的“浪费” 00:08:48 主持人：成功受害者：硬件/架构彩票与多样化技能的消亡 00:09:45 Llion Jones：人才困境：研究人员缺乏自由而非才华 00:10:24 主持人：新架构难以普及：通用表示与规模化路径的诱惑 00:11:02 Llion Jones：超越Transformer：需要“碾压式更好”才能推动行业转向 00:12:16 Llion Jones：引力效应：规模化带来的性能提升掩盖了架构创新 00:12:34 主持人：捷径学习与“破碎纠缠表示”：现有架构的修修补补 00:13:08 Llion Jones：连续思维机器的尝试：解决“参差不齐的智能” 00:13:50 Llion Jones：神经网络的“强大”与“强迫”：它们并非“想要”如此 00:14:14 Llion Jones：智能矩阵求幂：螺旋线数据的“自然”表示与理解 00:15:33 Llion Jones：ReLU模型的局限：蛮力拟合与缺乏真正理解 00:16:02 主持人：神经网络样条理论：描摹模式与延续模式的差异 00:17:20 Llion Jones：视频生成模型的困境：蛮力解决与缺乏深层理解 00:18:15 主持人：NeurIPS焦点论文：连续思维机器的创新与认可 连续思维机器（CTM）深度解析 00:18:31 Llion Jones：CTM的诞生：受生物学启发，神经元同步的简单想法 00:19:20 Llion Jones：打磨论文：无需匆忙，专注科学研究本身 00:20:02 主持人：AI驱动的进步：模型能否自主进行科学研究？ 00:20:14 Llion Jones：AI科学家：端到端研究系统与人机协作的未来 00:21:22 主持人：监督的必要性：路径依赖与人类兴趣的延续 00:21:48 Llion Jones：引导与协作：AI研究如同指导实习生 00:22:18 主持人：人类的经验与直觉：AI模型能否习得？ 00:22:55 Llion Jones：超越人类：AI在特定领域超越人类的案例（如象棋） 00:23:12 主持人：CTM介绍：Luke Darlow的自我介绍与项目历程 00:23:48 Luke Darlow：CTM的三大创新点：内部思维维度、神经元级模型、同步表示 00:24:15 Luke Darlow：迷宫任务：CTM的“Hello World”问题与序列化推理 00:25:19 Luke Darlow：神经元的重新定义：从ReLU到“小模型” 00:25:57 Luke Darlow：同步作为表示：捕捉“想法”在时间中的存在 00:26:47 主持人：CTM与规划：计算上的差异与图灵机的边界 00:27:29 Luke Darlow：迷宫问题的分解：自动课程系统与行为理解 00:28:46 主持人：自适应计算：步数敏感度、不确定性与无界步数 00:30:05 Luke Darlow：不确定性与步数：ImageNet分类任务中的自然涌现 00:31:00 主持人：神经元级模型与同步：M L P神经元与内积驱动 00:31:18 Luke Darlow：神经元级模型（NLMs）：历史激活值与单一输出 00:32:09 Luke Darlow：同步的定义：时间序列的点积与神经元间关系 00:32:30 Luke Darlow：生物学与深度学习的平衡：NLMs的中间方案 00:33:19 主持人：扩展性与稳定性：同步矩阵的时间复杂度与子采样 00:33:33 Luke Darlow：CTM的稳定性：对梯度传播的帮助 00:34:00 Luke Darlow：表示空间的丰富性：D的二次方量级与下游计算 00:34:34 主持人：指数衰减率：不同时间尺度的同步 00:35:06 Luke Darlow：时间尺度差异：捕捉神经元快速与缓慢同步 00:35:42 Luke Darlow：表示空间的进一步丰富：细微调整与更多可能 CTM的未来与AI推理 00:36:19 主持人：CTM在推理任务上的优势：离散、稀疏领域与样本效率 00:36:40 Luke Darlow：内部化推理：思维链与序列化运行 00:37:06 Luke Darlow：CTM的灵活性：同步与多层次时间表示 00:37:34 主持人：CTM与神经图灵机：隐空间推理与任务展开 00:37:56 Luke Darlow：ImageNet任务的启示：分解问题与自然分割 00:39:00 Luke Darlow：模型校准：CTM的完美校准与传统模型的缺陷 00:40:10 Llion Jones：自适应计算时间的自然涌现：无需额外惩罚项 00:41:35 Llion Jones：沿着“有趣”的梯度：以架构为驱动的探索 00:42:06 主持人：路径依赖与“复杂化”：构建世界模型与主动推理 00:42:33 Luke Darlow：模棱两可的问题：幻觉与世界分解的不同方式 00:43:27 Luke Darlow：分解问题：自然且无需“黑科技”的方法 00:43:55 主持人：捷径问题：成本函数与推理的对齐 00:44:23 Luke Darlow：架构的意外适用性：向大脑与自然致敬 00:45:04 Luke Darlow：鼓励年轻研究者：追随热情，探索未知 00:45:36 主持人：CTM与下一代语言模型：迷宫与模糊性 00:46:07 Luke Darlow：CTM的探索行为：回溯与多路径尝试 00:47:08 Luke Darlow：迷人的“蛙跳”行为：时间约束下的新算法 00:48:06 Luke Darlow：人类思维的启示：受限与开放环境下的思考 00:48:18 主持人：群体方法与集体智能：纵向与横向扩展 00:48:36 Luke Darlow：记忆与长期记忆：共享记忆与文化记忆 00:49:34 Luke Darlow：通用人工智能的关键要素：记忆的构建 Sudoku Bench：一个全新的推理基准测试 00:50:09 Llion Jones：Sudoku Bench数据集：推广的困难与独特之处 00:50:33 Llion Jones：变体数独：自然语言理解与元推理的挑战 00:51:18 Llion Jones：多样性与推理能力：攻克基准测试的意义 00:51:46 Llion Jones：GPT-5o的性能：仍无法解决人类谜题 00:52:04 Llion Jones：数据集的灵感：Andrej Karpathy的“思维轨迹” 00:52:36 Llion Jones：Cracking the Cryptic：高质量人类推理数据的来源 00:53:37 Llion Jones：基准测试的难度：模仿学习的挑战 00:53:46 Llion Jones：强化学习的局限：稀疏空间与特定推理 00:55:00 主持人：知识的“演绎闭包”：推理之树与乐高积木 00:55:51 Llion Jones：实时学习与元任务：对推理进行推理 00:56:08 Llion Jones：专业人士的直觉：推理乐高积木的识别 00:57:00 Llion Jones：人类的回溯行为：AI模型中缺失的环节 00:57:15 主持人：主题间的系统发育距离：集体智能的优势 00:57:32 Llion Jones：强化学习的失效：稀疏空间与特定推理的挑战 00:58:08 招聘信息与结束语 00:58:08 主持人：Sakana AI招聘：为优秀人才提供梦想工作 00:58:21 Llion Jones：研究自由的承诺：来日本，做有趣且重要的事 00:58:43 主持人：日本文化：世界最文明的文化之一 00:58:51 主持人：感谢嘉宾：千载难逢的机会 🌐 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 【活动推荐💡】 今年冬天，北京有你最值得你赶一趟的现场：极客公园创新大会 2026。 在活动的两天的时间里，我们将汇聚这个时代最「有料」并且敢于说「非共识」的人--何小鹏、刘靖康、刘作虎、王小川......来这里： 👂你会听见下一个技术周期「原点」的声音 🤝结识正在定义新行业的人 🧑💻找到在 2026 你换一个团队或者启动一个创业旅程的理由 12 月 6 日-7 日，北京 798艺术区，我们不见不散！速戳链接，了解大会详情👉极客公园创新大会 2026 首批嘉宾揭晓！https://mp.weixin.qq.com/s/j0eRzCvLmkNvq_rrR428Zg 🔥「极客公园创新大会 2026」门票火热发售中，主会场早鸟限时七折优惠，票量有限，先到先得！

克隆翻译自 2024 Commencement Address by Roger Federer at Dartmouth

📝 本期播客简介 在本期节目中，克隆了 A16z podcast. 他们邀请到 Cursor 的设计负责人 Ryo Lu，与主持人 Jennifer 深入探讨在 AI 时代，软件开发、设计与协作模式正经历的深刻变革。Ryo 分享了他对设计本质的理解——它不仅是美学，更是架构与核心概念的体现。他剖析了过去软件开发角色碎片化带来的挑战，并阐述了 Cursor 如何利用 AI 统一不同角色的工作流，将代码作为“共同真相”，赋能更多人成为软件创造者。节目还探讨了 AI 时代“品味”的含义、通用工具与专用工具的哲学辩论，以及如何在开放的 AI 环境中通过“约束”激发创造力。Ryo 也分享了他独特的灵感来源，以及通过“RyoOS”项目对软件设计永恒概念的思考。 翻译克隆自：Ryo Lu (Cursor): AI Turns Designers to Developers 👨‍⚕️ 本期嘉宾 Ryo Lu，Cursor 设计负责人。 Jennifer，主持人。 ⏱️ 时间戳 AI重塑软件开发与设计 00:00 软件开发从碎片化走向统一：AI让设计更亲民 01:00 Ryo Lu的背景与思考：软件开发的抽象层与协作效率 03:19 Cursor如何加速迭代：从模糊想法到快速原型 05:14 AI赋能协作：Cursor连接Figma、Notion与代码库 AI时代的角色演变与“品味” 06:04 软件开发角色碎片化的挑战与AI的整合作用 07:07 代码作为“共同真相”：AI如何统一团队认知 09:44 AI时代的“品味”：人类视角与AI的辅助 12:12 角色边界模糊：从专业分工到“软件创造者” 14:18 AI工具赋能：设计师也能动手开发 设计的本质与通用工具哲学 15:33 设计的深层含义：美学之外的架构与核心概念 16:45 简洁性原则：以最少概念实现最大价值 17:17 Cursor的用户拓展：让非技术人员也能轻松上手 20:13 通用应用与专用工具之辩：Notion与Cursor的哲学 22:15 专用工具的局限性：信息孤岛与概念推倒重来 23:52 通用工具的挑战与AI的解决方案 AI与创造力的平衡 26:40 AI作为通用接口：从聊天框到多样化交互形态 27:34 用户体验设计：引导用户适应AI交互模式 28:17 约束激发创造力：简洁性与认知负荷的平衡 29:51 动态界面与定制化：未来软件的设计范式 31:08 Cursor的工具箱理念：高度定制化以适应工作流 Ryo的灵感来源与RyoOS项目 31:08 Ryo的创意流程：散步、书写、观察与空白 32:40 RyoOS项目：从复古Mac OS到永恒的设计概念 34:17 软件设计的永恒模式：技术条件下的呈现差异 🌟 精彩内容 💡 AI重塑软件开发流程 Ryo Lu指出，过去15年软件开发角色日益碎片化，而AI正在逆转这一趋势。Cursor通过连接Figma、Notion等工具和核心代码库，让AI理解项目的全貌，极大地加速了从想法到实现的原型迭代过程，使得“设计”这一概念变得前所未有的亲民。 “过去这十五年吧，软件开发这门手艺变得越来越碎片化...但有了 Cursor 之后，情况又反过来了。” 🛠️ 代码作为“共同真相” 面对设计师、工程师、产品经理各自为阵的局面，Ryo强调代码是团队的“共同真相”。AI能够围绕代码收集并整合所有信息——无论是团队知识、项目规划，还是用户反馈，从而打破信息孤岛，让不同角色在统一的语境下高效协作。 “有一个共同的真相，那就是代码。你可以围绕代码收集大量信息，把所有东西综合起来。” 🎨 AI时代的“品味”与人类主导 Ryo认为AI本身没有“品味”，因为它“什么都见过”，缺乏观点。AI擅长快速完成基础工作，但真正的“品味”在于人类对“好”的自我选择和边界划定。他强调，如果创始人不注入自己的观点，AI只会生成“AI垃圾”。 “必须得由人来明确，什么是好的，什么是对的，我希望怎么做。如果你不注入这种观点，那它只会生成一堆 A I 垃圾。” 🚀 通用工具的哲学与AI的赋能 Ryo推崇Notion和Cursor这类“万能应用”的哲学，它们通过最少的概念（如Notion的块、页面）构建出极大的灵活性，避免了专用工具的信息孤岛问题。AI在其中扮演关键角色，能够为这类通用工具提供更好的包装和引导，让用户更容易上手和定制。 “我的个人偏好是，我会尝试去做一个能更好地服务于所有人的东西，而不是说‘这些人才是我们关心的，其他人我不管’。” 🖼️ RyoOS：对永恒设计概念的思考 Ryo分享了他的个人项目RyoOS，通过复刻旧版Mac OS界面，探索软件设计中永恒不变的核心概念。他认为，尽管技术条件不断演进，但许多基本模式和概念（如图标、桌面、浏览器）自始至终都未曾改变，这启发我们思考如何在新的AI媒介中重现这些熟悉的体验。 “我们几乎从一开始就在一遍又一遍地做着同样的事情，只是受限于每个时代的技术条件，最后呈现出那个时代的样子。” 🌐 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 本期节目带您回到1996年，聆听史蒂夫·乔布斯一段罕见的深度访谈。乔布斯亲自揭示了他当年为何收购皮克斯动画工作室的缘由，以及如何将制作出第一部电脑动画长片《玩具总动员》的梦想变为现实。他深入剖析了皮克斯独特的企业文化，巧妙融合硅谷的技术创新与好莱坞的艺术创作，并分享了作为领导者如何为顶尖创意人才搭建自由创作的平台。乔布斯还对比了技术产品短暂的生命周期与经典故事的永恒魅力，强调了《玩具总动员》之所以能流传后世，并非因为技术，而是其触动人心的友情故事。这段对话不仅是了解皮克斯发展历程的宝贵资料，更是乔布斯对创新、文化和永恒价值的深刻思考。 翻译克隆自：Pixar's Early Days - A Never-Before-Seen Interview With Steve Jobs, 1996 👨‍⚕️ 本期嘉宾 史蒂夫·乔布斯 (Steve Jobs)，苹果公司联合创始人，皮克斯动画工作室的掌舵者。 ⏱️ 时间戳 开场 & 播客简介 00:00 欢迎收听跨国串门计划 皮克斯的诞生与乔布斯的选择 02:21 乔布斯收购皮克斯的初衷：追逐电脑动画长片之梦 02:45 《玩具总动员》的成功与乔布斯对图形技术的渊源 03:07 皮克斯：高端电脑图形领域的圣地 乔布斯在皮克斯的角色与独特文化 03:48 乔布斯：我不是电影制作人，我是创造环境的人 04:04 硅谷与好莱坞的融合：皮克斯独特的人才吸引力 04:58 “Silly Wood”的陷阱：皮克斯如何避免技术与好莱坞的失败结合 皮克斯的商业模式与行业演变 05:20 皮克斯与迪士尼的合作：从担忧到互利共赢 06:42 电脑动画行业的困境：“雇佣制”与利润下滑 07:50 退出广告业务：聚焦自有内容所有权 乔布斯的领导哲学：赋能与支持 08:44 打造伟大的动画工作室：乔布斯的战略与角色 09:50 “权力金字塔倒置”：CEO为顶尖人才服务 10:48 如何支持人才：创造环境、扫清障碍、高标准招聘 动画制作的艺术与智慧 11:48 迪士尼的经验传承：动画长片“先剪辑后制作”的智慧 12:43 宝贵的教育：皮克斯从迪士尼学到的制作精髓 皮克斯的“无合同”雇佣模式 13:15 好莱坞的“大棒”与硅谷的“胡萝卜”：两种留人模式的对比 13:53 皮克斯的选择：股票期权激发共同目标与归属感 14:28 每日反思：如何让皮克斯成为没人愿意离开的公司 技术产品与永恒故事的价值 16:00 技术产品的短暂生命周期与“沉淀层” 16:19 《白雪公主》的启示：经典故事的永恒魅力 17:05 《玩具总动员》：因友情而非技术流传后世 17:35 乔布斯的追求：创造能流传很久、带来乐趣与学习的产品 对未来的展望：视觉与故事的平衡 18:31 视觉的无限野心：渲染复杂度随技术同步增长 19:16 故事为王：技术无法将坏故事变好 19:36 讲故事的艺术：永恒的钻研与挑战 🌟 精彩内容 💡 乔布斯收购皮克斯的初衷：追逐梦想 史蒂夫·乔布斯分享了他1985年与Ed Catmull相遇，并被其制作第一部电脑动画长片的梦想所打动。他不仅投入资金，更投入精神，历经十年最终实现了《玩具总动员》的成功。 “我完全认同了这个梦想，并且在资金和精神上都投入了进去。我们花了十年时间才实现这个目标，但最终还是做到了。” 🛠️ 硅谷与好莱坞的融合：皮克斯的独特文化 乔布斯认为皮克斯是全世界唯一能同时吸引硅谷顶尖计算机科学家和好莱坞最优秀创意人才的地方。他花了十年时间摸索出让这两种截然不同文化的人协同工作的方法，并成功避免了“Silly Wood”的陷阱。 “我们花了十年时间，才摸索出让他们协同工作的方法，这很不容易，因为他们来自两种截然不同的文化：好莱坞文化和硅谷文化。” 🚀 乔布斯的领导哲学：“权力金字塔倒置” 乔布斯阐述了他的领导理念：CEO并非在金字塔顶端，而是为那些真正做出杰出工作的人服务。他致力于创造一个环境，支持和赋能顶尖人才，让他们能自由创作。 “权力金字塔其实是倒过来的，C E O 反而是在最底层。我感觉我像是在为他们大多数人工作，因为他们才是那些做出所有杰出工作的人。” 💻 皮克斯的“无合同”雇佣模式 皮克斯摒弃了好莱坞传统的合同制，转而采用硅谷的股票期权模式。乔布斯解释说，这种模式促使公司每天思考如何成为一个更好的工作场所，让员工发自内心愿意留下，而非被合同束缚。 “我们每天都在思考，怎么才能把皮克斯打造成一个更好的公司，好到没人愿意离开。我们不会把任何人视为理所当然。” ❤️ 永恒故事的价值：技术只是辅助 乔布斯对比了技术产品的短暂生命周期与经典故事的永恒魅力。他以《白雪公主》为例，强调《玩具总动员》之所以能流传后世，并非因为电脑特效，而是其触动人心的友情故事。他坚信，讲故事的艺术始终是核心，技术只是辅助。 “我想，六十年后，人们还会看《玩具总动员》，不是因为它的电脑特效，而是因为它的故事，一个关于友情的故事。” 🌐 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 本期节目克隆自知名播客《The Cognitive Revolution》，主持人Nathan与Atlassian公司人工智能负责人Sherif Mansour深入对话。Atlassian，这家市值四百亿美元的科技巨头，以Jira等软件开发工具闻名，但其用户已扩展至市场、人力、财务等非技术部门。Sherif分享了Atlassian如何通过注入“品味、知识和工作流”来对抗“AI废料”，并探讨了企业环境中检索增强生成（RAG）技术的局限性，以及Atlassian如何利用其独有的“团队协作图谱”解决复杂查询。对话还涵盖了AI与用户界面的演变、为知识工作者打造专用浏览器的愿景，以及对“一人独角兽公司”概念的质疑。这是一场超越AI代理宣传噱头的深度对话，为AI工程师和商业领袖提供了流程架构的实践智慧。 翻译克隆自：Escaping AI Slop: How Atlassian Gives AI Teammates Taste, Knowledge, & Workflows, w- Sherif Mansour 👨‍⚕️ 本期嘉宾 Sherif Mansour，Atlassian公司人工智能负责人。 ⏱️ 时间戳 播客概览与AI介绍 00:00 播客简介与嘉宾介绍 01:34 Nathan的AI生成开场白与Atlassian公司背景 05:30 Atlassian的AI愿景：AI作为“虚拟队友” AI队友与“AI废料”的挑战 08:22 AI队友的本质：信任与透明度，而非过度拟人化 12:17 何为“AI废料”：通用、缺乏创造性的输出 13:15 对抗“AI废料”的三要素：品味、知识和工作流 16:24 注入“品味”：通过上下文和个人记忆实现个性化 21:39 Atlassian的“默认开放”文化如何赋能AI AI技术栈与企业应用 26:22 内存与上下文：RAG在企业环境中的局限性 28:19 Atlassian的“团队协作图谱”：解决复杂跨团队查询 34:11 “遗忘”机制：AI如何处理过时信息 37:13 成本、延迟与性能：AI模型选择的平衡之道 44:04 模型商品化：通用模型趋同，垂直模型兴起 AI与用户界面的未来 46:41 用户界面演变：从通用聊天到专业化AI应用UI 53:21 AI与SaaS产品：从“动手做”到“工作流设计师” 59:14 “一人独角兽”的质疑：协作复杂性与“AI废料”问题 领导力与AI采纳 01:05:00 如何教授“工作流设计”技能 01:07:02 领导者如何通过个人实践推动AI采纳 01:19:43 鼓励AI采纳：创造安全空间与学习过程 Atlassian的战略与软件未来 01:08:03 收购“浏览器公司”：为知识工作者打造专用浏览器 01:12:13 企业收购AI初创公司的考量：技术、市场与“工作流邻近度” 01:15:32 软件的未来：AI将导致软件工具的爆炸式增长与更细粒度化 结语 01:24:27 嘉宾Sherif Mansour的最终建议 01:25:15 播客信息补充 🌟 精彩内容 💡 对抗“AI废料”的三要素 Sherif Mansour 提出了一个核心框架：通过注入“品味、知识和工作流”来避免AI生成通用且缺乏价值的“废料”。“品味”代表团队独特的风格和思考方式；“知识”指客户提供的组织内部数据；“工作流”则是将AI部署到具体的业务流程中。他强调，这三者是企业有效应用AI的关键。 “对抗‘AI废料’最重要的一点，就是注入你团队的‘性格’，你团队的‘灵魂’。” 🛠️ “团队协作图谱”超越RAG 在企业环境中，传统的检索增强生成（RAG）技术因权限限制和查询复杂性而面临挑战。Atlassian通过其独特的“团队协作图谱”，能够理解用户、团队、目标及各项工作（如Jira工单、Confluence页面、Figma设计稿）之间的复杂关系，从而回答“我的团队上周做了什么？”这类RAG难以处理的宽泛问题。 “对于这个问题，RAG会是一个非常糟糕的解决方案…图谱解决方案要好得多。” 🚀 AI与用户界面的演变 Sherif Mansour 认为，聊天是当前大语言模型的通用界面，但就像早期的MS-DOS命令行一样，它并非所有任务的最佳界面。未来将出现更多垂直化、专业化的AI应用用户界面，它们构建在底层对话式AI之上，为特定任务提供更高效、可预测的体验。 “聊天是通用界面，但从长远来看，它也是最糟糕的界面。” 💻 软件的未来与“工作流设计师” AI的普及将促使工作模式从“动手做”转向“工作流设计师”。企业将需要设计和编排AI代理与人类工作流的结合，确保AI输出符合企业独特的“品味”和目标。Sherif对“一人独角兽公司”的概念持怀疑态度，认为商业协作的复杂性、增长需求和法规遵从性意味着人类的参与和团队协作依然不可或缺。 “每个人都从‘动手做’变成了‘架构师’。” ❤️ 领导力：从个人实践到团队赋能 Sherif强调领导者应在个人生活中积极使用AI，通过实际体验来理解其潜力，并以此示范行为。他建议企业为团队创造安全的探索空间（如“AI建设者周”），鼓励学习过程而非仅仅关注产出，并通过识别现有工作流中的具体步骤来有效引入AI。 “作为领导者，具体一点，看看你的日常生活…要真正积极地使用它。” 🌐 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》的深度对话，主持人Andrew Huberman邀请到斯坦福商学院的演讲与沟通专家Matt Abrahams。Matt老师将深入探讨如何在各种情境下成为更出色的沟通者，无论是面对大众的公开演讲，还是日常的一对一交流。节目中，他分享了许多实用工具和技巧，帮助我们克服沟通焦虑，有效消除“嗯”、“啊”等口头禅，从容应对怯场，并提升表达的清晰度和记忆关键信息的能力。Andrew和Matt的对话触及了沟通的本质，包括如何理解“真实性”与“可信度”，以及“启发式思维”在沟通中的作用。Matt老师提供了诸如“指物命名”练习、录音复盘、以及通过“短语落地”技巧减少口头禅等具体方法。此外，他们还讨论了如何通过提问引导不善言辞者、有效的故事叙述、跨文化沟通的挑战与策略、以及如何在不失风度的情况下应对打断。无论是为重要演讲做准备，还是寻求提升日常交流的质量，本期节目都将为您提供宝贵的见解和可操作的策略。 翻译克隆自：How to Speak Clearly & With Confidence | Matt Abrahams 👨‍⚕️ 本期嘉宾 Matt Abrahams，斯坦福商学院演讲与沟通专家，著有《即兴演讲：如何在任何场合自信、清晰地表达》。 ⏱️ 时间戳 开场与嘉宾介绍 00:00 欢迎收听：跨国串门计划与本期播客简介 03:28 嘉宾介绍：斯坦福沟通专家Matt Abrahams 05:22 沟通的本质：为何公开演讲令人恐惧？ 克服沟通焦虑与提升表达 01:58 告别背稿：为何不建议背诵演讲稿 11:11 摆脱自我评判：“指物命名”练习与启发式思维 29:45 实践与反馈：录音回看、日常反思与寻求外部反馈 02:03:07 缓解焦虑：管理生理症状与重塑沟通目标 01:57:20 减少口头禅：通过“短语落地”技巧改善表达 02:52:48 沟通热身：重要沟通前的简短交谈 有效传递信息 08:01 真实性与可信度：先建立连接，再展示资历 20:32 听众为中心：理解听众需求，提升信息保真度 27:03 结构化表达：用故事和框架提升信息理解度 01:49:51 跨文化沟通：关注清晰度而非口音，利用重复和比喻 01:51:10 处理打断：提前设定界限与复述技巧 应对突发状况与特殊情境 01:11:07 忘词怎么办：理性分析恐惧，利用重复或提问 01:04:47 临场应变：斯坦福教授洒水事件的启示与应急计划 02:32 引导沉默者：用提问和“再多说说”鼓励对方表达 02:00:07 争取加薪：考虑时机、换位思考与充分练习 01:55:25 关系沟通：如何“赢得”争论而不伤感情 沟通的深层思考 01:33:48 社交媒体影响：改变沟通期待与社交发展 01:41:11 “安静但不害羞”：内向者的沟通力量 01:44:52 体育与武术：通过身体训练提升沟通自信与临在感 Andrew Huberman分享的实用技巧 02:14:01 睡眠优化：酒店住宿、瑜伽休息术与眼动练习 02:28:23 赞助商信息：Function Health 🌟 精彩内容 💡 别再背稿了！ Matt Abrahams强调，背诵演讲稿会增加认知负荷，让你不断将实际表达与预设版本比较，反而更容易紧张和忘词。他建议使用“路线图”或“框架”，对关键观点保持熟悉，而非逐字背诵。 “背稿特别不好，因为它会加重你的认知负荷。你给自己设定了一种‘正确’的表达方式，然后就会不停地拿自己实际说出来的，去和你预设的那个版本做比较。” 🛠️ 告别“嗯”、“啊”：短语落地技巧 为了减少口头禅，Matt Abrahams分享了一个简单而有效的“短语落地”技巧：在每个句子或短语的末尾，将气完全呼出。这不仅能自然地创造停顿，防止你发出填充词，还能让你在吸气后以更清晰、更有力的声音开始下一个短语。 “我训练自己在句末和短语末尾‘落地’，也就是把气呼尽，我就必须吸气。这样我不仅说不出‘嗯’，我什么也说不出来，我还给自己制造了一个停顿。” 🚀 克服社交焦虑：从好奇心开始 Matt Abrahams建议，在社交场合，尤其是与不善言辞者交流时，应以“好奇心”为引导。通过提问并给予对方充分的表达空间（如使用“再多说说”），可以有效开启对话，了解对方的兴趣点，从而建立更深层次的连接。 “我对那个问题的答案会是‘好奇心’。带着好奇心去引导，问问题，观察事物，然后指出来。” 🧠 沟通的“武术”：重复、反思与反馈 提升沟通能力没有捷径，Matt Abrahams提出“重复、反思和反馈”三大支柱。他自己每天记录沟通中的优缺点，每周复盘并制定改进计划。他鼓励人们录下自己的沟通，从听觉、视觉、整体三个维度进行分析，并寻求信任的反馈。 “提升沟通能力的唯一途径只有三件事：重复、反思和反馈。你必须练习。没有人是靠‘想’就把沟通能力提高的，你必须去做。” ❤️ 像导游一样沟通：结构与节奏的力量 好的沟通者就像一位优秀的导游，能设定预期，清晰指引方向，并在旅途中穿插引人入胜的细节。Matt Abrahams强调，信息传递需要结构和节奏，就像乐高说明书通过步骤的快慢变化来创造情感体验一样。这能帮助听众更好地理解和记忆信息。 “一个好的导游会很好地设定你将要去哪里的期望... 我会在每个节点让你知道我们正在前往下一个地方。但一路上，我们可以漫步，可以闲逛，可以去看看一些东西再回来。” 🌐 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 本期播客克隆自一场重要的科技峰会，Verizon 开源负责人 Dirk Hohndel 与 Linux 和 Git 的创造者 Linus Torvalds 展开了一场深度对话。他们回顾了 Linux 内核近十年来的非凡演进，从 Linus 强调维护是核心工作，到他如何从过去的“说不”转变为有时鼓励新想法的“说好”，例如引入 Rust 语言的争议与价值。对话还深入探讨了硬件领域从 CPU 到 AI 加速器的重心转移，以及 AI 技术对 Linux 内核开发流程、代码质量乃至整个软件开发行业可能带来的颠覆性影响。Linus 以其一贯的坦率，分享了 AI 生成代码的利弊，并预测 AI 不会取代程序员，而是会像编译器一样提升效率。更令人惊喜的是，他首次揭秘了自己如何通过制作吉他效果器来放松身心，将复杂的工作与简单的爱好形成鲜明对比。本期节目将带您领略 Linus Torvalds 这位科技巨匠对技术前沿的深刻洞察，以及他作为一位普通人的独特一面，充满智慧与幽默。 翻译克隆自：Keynote: Linus Torvalds, Creator of Linux & Git, in Conversation with Dirk Hohndel 👨‍⚕️ 本期嘉宾 Linus Torvalds, Linux 和 Git 的创造者。 Dirk Hohndel, Verizon 开源负责人。 ⏱️ 时间戳 00:00 开场 & 播客简介 Linus 的角色与 Linux 的演进 01:06 嘉宾介绍：Dirk Hohndel 与 Linus Torvalds 01:32 Linus 谈公开演讲与维护者身份 02:33 Linus 的核心工作：维护者而非程序员 03:11 Linux 的永恒使命：维护与持续支持 04:44 Linus 的转变：从“说不”到“说好” 05:54 Rust 语言的引入：价值与争议 07:23 大型项目中的冲突与和谐 Linux 内核现状与硬件趋势 08:13 Linux 6.18 RC4：无聊即是稳定 09:07 硬件重心转移：从 CPU 到 AI 加速器 10:39 Linux 在 AI 硬件生态中的角色 AI 对软件开发的影响 11:51 AI 在内核开发中的应用与挑战 14:08 AI 生成代码：“氛围编码”的利弊 16:48 AI 不会取代程序员，而是提高效率 Linus 的个人生活与爱好 18:39 Linus 的爱好：制作吉他踏板 19:22 爱好对于高压工作的意义 21:29 Linus 的日常与沟通方式 22:37 结束语：Linus 的“言不由衷” 🌟 精彩内容 💡 Linus 的核心工作：维护而非创造 Linus 强调自己近二十年已不再是程序员，而是 Linux 内核和 Git 的技术主管和维护者，真正的代码工作由社区完成。 “真正的活儿都不是我干的。过去快二十年里，我已经不是个程序员了，我是系统的技术主管和维护者。” 🛠️ Linux 的永恒维护与发展 Linus 认为，一个真正的项目，其核心工作在于维护和持续支持，尤其是在新硬件不断涌现的背景下，Linux 永远不会有“完工”的一天。 “所有真正的项目，真正的工作都在于维护和持续支持，特别是内核。” 🚀 从“说不”到“说好”的转变 Linus 坦言，过去他常扮演“说不”的角色，拒绝激进的新想法；但近年来，为了打破思维定势，吸引新人，他有时会主动鼓励尝试新事物，例如引入 Rust 语言。 “最近几年，我感觉有时候我的工作变成了说‘行’……我就是那个拍板说‘好，我们做’的人。” 💻 AI：效率工具而非取代者 Linus 认为 AI 生成代码虽然带来了一些挑战（如垃圾提交），但它更像编译器一样，是提高效率的工具，不会取代真正的程序员，反而可能开辟新领域，需要更多软件工程师。 “我觉得 A I 最终也会如此，它只是个让你不必处理所有细枝末节的工具，但不会让真正的程序员消失一样。” ❤️ Linus 的独特爱好与生活哲学 Linus 首次分享他制作吉他效果器踏板的爱好，即使他毫无音乐天赋。他鼓励大家寻找一个即使失败也充满乐趣的爱好，以此来缓解高压工作带来的焦虑。 “如果你有一份高风险、压力大的工作，觉得需要做点别的事来放松，你应该找个不仅预期会失败、而且失败本身就很有趣的爱好。” 🌐 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 本期节目克隆了 Stripe Podcast，主持人John Collison与微软CEO萨提亚·纳德拉（Satya Nadella）进行了一场深度对话。萨提亚·纳德拉在微软任职三十多年，在他的领导下，微软市值增长十倍，成功引领了云计算和AI浪潮。他不仅分享了对AI未来的深刻洞察，更深入探讨了企业如何构建自己的AI工厂，以及Copilot如何通过整合底层数据图谱，革新企业工作流。萨提亚认为，AI模型不仅需要智能，更要具备记忆、权限和行动空间，这才是其发挥潜力的关键。他幽默地将Excel誉为“世界上最亲民的编程环境”，并对比了互联网泡沫与当前的AI热潮，指出当前AI基础设施建设面临的独特挑战，例如GPU和电力供应的紧张。对话还深入探讨了“公司专属基础模型”作为未来企业核心IP的重要性，以及代理式商务如何重塑电商体验。萨提亚也分享了他通过Teams频道进行“走动式管理”的独特方式，以及微软从早期捆绑策略转向开放互操作的文化变革。最后，他回顾了在海得拉巴的成长经历，以及板球和文学如何塑造了他的人生观，为我们展现了一个多维度、充满智慧的领导者形象。 翻译克隆自：Satya Nadella describes how lessons from Microsoft’s history apply to today’s boom 👨‍⚕️ 本期嘉宾 Satya Nadella，微软公司首席执行官。他于2014年接任CEO，此前在微软任职超过20年，曾领导微软的云计算业务Azure。在他的领导下，微软市值大幅增长，并成功转型为云计算和AI领域的领导者。 ⏱️ 时间戳 AI与企业转型 00:00 开场 & 播客简介 02:38 构建企业AI工厂：从数据层到智能层的挑战 03:04 Copilot：整合企业数据图谱，革新工作流 04:06 企业AI落地：变革管理、数据治理与ERP集成 04:44 “信息触手可及”的梦想：AI如何实现数据结构化 07:07 AI模型的三大关键：记忆、权限与行动空间 领导力与工作哲学 08:24 萨提亚的日常：客户沟通与高效会议 09:14 “Teams走动式管理”：虚拟走廊中的洞察 10:32 拥抱开发者与初创企业：平台相关性的关键 12:02 收购GitHub：深入开发者生态 软件与UI的未来 12:48 个性化生成式UI：软件的实时渲染 13:11 IDE的回归：AI时代的代码理解与迭代 13:57 宏观授权与微观操纵：代理式工作流的未来 15:02 核心UI形式的持久性：表格、文档与收件箱 历史教训与AI浪潮 16:00 互联网泡沫与AI热潮：历史的相似与不同 17:42 微软的互联网转型：从封闭到开放的演变 19:27 范式、杀手级应用与商业模式：每次技术浪潮的挑战 21:03 AI基础设施建设：GPU、电力与全球布局的瓶颈 24:50 数据主权与企业IP：公司专属基础模型的重要性 27:19 Stripe的案例：构建支付基础模型 代理式商务的崛起 31:07 代理式商务：连接商家与用户的全新体验 31:33 AI赋能电商：简化整合，优化用户体验 32:01 AI搜索：颠覆传统关键词搜索 33:36 AI对电商发现与定向搜索的影响 35:51 代理式商务的挑战：商家无摩擦入驻 AI模型与微软战略 37:51 AI模型忠诚度：智能、风格与多模型选择 41:07 微软的AI全栈战略：Token工厂、代理工厂与垂直应用 43:14 捆绑与模块化：何时整合，何时独立 47:38 微软的文化变革：回归开放与互操作 文化与个人成长 48:51 领导力挑战：重塑文化与抵御外部叙事 52:00 规模化管理：CEO的职责与团队建设 54:19 海得拉巴的教育影响：激情与自由发展 55:12 个人爱好：板球与文学 🌐 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科技播客《Big Technology Podcast》的一集，主持人Alex Kantrowitz与Cloudflare的CEO兼联合创始人Matthew Prince展开了一场关于生成式AI与万维网未来的深度对话。Matthew Prince以其在网络安全领域的远见卓识，揭示了当前互联网面临的严峻挑战：生成式AI正在免费抓取海量网络内容，直接提供答案，导致原创内容网站的流量锐减，严重威胁到内容创作者的生存与激励机制。他指出，谷歌、OpenAI等AI巨头对流量的回馈已跌至历史低点，如果这种趋势持续，将扼杀内容创作的动力，最终反噬AI本身。 面对这一危机，Matthew Prince提出了Cloudflare的激进解决方案：他们将启用HTTP协议中沉寂已久的“402 Payment Required”状态码，对不愿为内容付费的AI爬虫进行拦截。这不仅是一项技术防御，更旨在建立一个动态市场，让AI公司为它们所消耗的原创内容支付合理费用，从而确保创作者获得补偿，激励高质量内容的持续产出。他强调，AI是互联网的未来，但这个未来必须建立在公平的价值交换之上，避免出现少数AI公司垄断知识的“黑镜”式局面。Matthew Prince的观点深刻而富有洞察，为我们描绘了一个人类免费获取信息、机器人为内容买单的理想愿景，以及实现这一愿景的技术路径和商业模式变革。这场对话将带您深入思考AI时代内容创作的价值与未来。 原播客更新时间：Aug 14, 2025 原播客：Can We Save The Web From AI? — With Cloudflare CEO Matthew Prince 👨‍⚕️ 本期嘉宾 Matthew Prince，Cloudflare的CEO兼联合创始人。他在网络安全领域拥有深厚背景和远见，致力于保护互联网的开放性和公平性。 ⏱️ 时间戳 开场 & 播客简介 00:00 播客简介与嘉宾介绍 AI对万维网的颠覆性影响 02:00 传统网络商业模式的瓦解：从搜索驱动到AI驱动 03:00 AI巨头对流量回馈的冲击：Google、OpenAI与Anthropic的数据对比 05:00 内容创作激励机制的危机：出版商面临的生存威胁 08:00 AI抓取内容的真实成本：知识产权与服务器负担 10:00 扼杀创作动力对AI自身发展的反噬 AI时代的网络未来与挑战 11:00 警惕“黑镜”式未来：少数AI公司垄断知识的风险 12:00 理想愿景：人类免费获取信息，机器人为内容买单 13:00 订阅模式的终结与新补偿机制的必要性 14:00 高质量原创内容的稀缺性与价值：填补AI的“知识漏洞” Cloudflare的激进解决方案 15:00 Cloudflare为何介入：AI爬虫对网站的“DDoS”效应 17:00 Robots.txt的局限性与更精细的控制需求 18:00 启用HTTP 402 “Payment Required”：技术防御与市场构建 19:00 建立动态内容交易市场：让AI公司为内容付费 19:00 解决方案对SEO的影响及Google爬虫的拆分 AI与网络安全及未来趋势 20:00 AI在网络安全攻防中的双刃剑效应 21:00 AI技术投资的效率与实际应用落地 🌟 精彩内容 💡 AI对内容创作的颠覆性冲击 Matthew Prince指出，AI模型免费抓取海量网络内容并直接提供答案，导致原创内容网站的流量锐减。Google、OpenAI等巨头对流量的回馈已跌至历史低点，严重威胁到内容创作者的生存与激励机制。如果这种趋势持续，将扼杀内容创作的动力，最终反噬AI本身。 🛠️ Cloudflare的“402 Payment Required”反击 面对危机，Cloudflare提出激进解决方案：启用HTTP协议中沉寂已久的“402 Payment Required”状态码，对不愿为内容付费的AI爬虫进行拦截。这不仅是技术防御，更旨在建立一个动态市场，让AI公司为所消耗的原创内容支付合理费用，确保创作者获得补偿。 🚀 理想愿景：人类免费，机器人买单 Matthew Prince描绘了一个理想愿景：人类应该再次免费获取内容，而机器人则应为它们所消化的内容支付大价钱。他认为，AI的未来必须建立在公平的价值交换之上，避免出现少数AI公司垄断知识的“黑镜”式局面，从而激励高质量内容的持续产出。 💻 原创内容的稀缺价值 在AI生成内容大爆发的背景下，Matthew Prince强调高质量、原创的人类内容依然稀缺且价值巨大。他认为，有价值的内容能够填补AI模型的“知识漏洞”，AI公司将更愿意为这些能够提升其智能水平的独特信息付费，从而促进原创研究和深度洞察的产生。 🌐 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《Hard Fork》特别节目，主持人Kevin和Casey对话Google DeepMind CEO Demis Hassabis及Gemini团队副总裁Josh Woodward，深入探讨备受瞩目的Gemini 3.0大模型。节目揭示了Gemini 3.0在编程、多步骤推理、生成定制化交互界面等方面的突破，例如通过提问直接构建梵高互动教程或房贷计算器。两位高管分享了Google在AI领域的战略转变，以及Demis Hassabis对通用人工智能（AGI）实现时间表的最新看法。他们还回应了AI安全、模型效率及AI“泡沫”等热门话题，强调Gemini 3.0作为强大“工具”的定位，以及Google如何利用其庞大用户基础将Gemini 3.0融入搜索等核心产品，并赋能学生学习。这不仅是对前沿AI技术的解读，更是对AI未来发展路径、安全考量和市场格局的深刻洞察。 翻译克隆自：Demis Hassabis & Josh Woodward tell us why Gemini 3.0 puts Google in front of the A.I. race 👨‍⚕️ 本期嘉宾 Demis Hassabis，Google DeepMind CEO。 Josh Woodward，Gemini团队副总裁。 ⏱️ 时间戳 00:00 开场 & Gemini 3.0概览 00:00 播客简介与Gemini 3.0的发布背景 03:01 Gemini 3.0的核心能力：生成定制化交互界面 04:08 性能飞跃：基准测试中的显著提升 05:12 智能助手：Gemini智能体如何管理收件箱 05:35 融入核心产品：Gemini 3.0在Google搜索中的应用 07:01 推广策略：向大学生免费提供Gemini付费版 对话Google AI高管 08:18 Gemini 3.0的定位：超越“思域”的强大模型 08:41 核心突破：推理能力、多步骤思考与生成式界面 09:55 用户体验：简洁、可靠与“Vibe Coding”能力 11:20 AGI时间表：Gemini 3.0是否加速通用人工智能到来？ 12:50 AI的“人设”：Gemini 3.0作为工具而非伴侣 14:07 AI竞赛：Google是否重回领先地位？ 16:01 效率与成本：Gemini 3.0如何实现高效服务数十亿用户 17:51 扩展定律：AI模型性能增长的边界与收益递减 19:04 安全考量：新模型带来的潜在风险与安全测试 21:12 AI泡沫：行业现状与Google的应对策略 23:06 实际应用：如何用Gemini 3.0展示AI的魅力 🌟 精彩内容 💡 Gemini 3.0的革命性能力 Demis Hassabis和Josh Woodward揭示了Gemini 3.0的突破性进展，不仅在编程能力和多步骤推理上表现卓越，更能根据用户提问直接生成定制化的交互界面，例如梵高互动教程或房贷计算器。这标志着AI从文本输出向动态交互的飞跃。 “除了那些你意料之中的，比如编程能力更强、vibe coding 能力更强之外，它还能在你提问时为你生成全新的界面。” 🚀 Google AI重回领先地位？ 面对竞争对手的紧张，Google高管回应了关于其AI地位的讨论。Demis Hassabis强调Google DeepMind作为“动力室”正在推动所有Google核心产品（如搜索、地图、YouTube）的AI原生化，并表示Google专注于自身进步速度，而非简单地宣称领先。 “我觉得现在的关键是找到我们的节奏，确保这些研究成果能反映在我们的下游产品中。” 🤖 AGI时间表与关键突破 Demis Hassabis重申了他对通用人工智能（AGI）在五到十年内实现的预测，并指出Gemini 3.0的进展“完全符合计划”。他认为，要达到AGI所需的全面一致性，仍需要一两个关键的研究突破，例如推理、记忆和世界模型等方面的改进。 “我仍然认为还需要一两件事才能真正获得通用智能所期望的那种全面一致性。” 🛠️ AI作为工具的定位与效率 Google将Gemini 3.0定位为强大的“工具”，旨在帮助用户完成日常任务，而非仅仅是聊天伴侣。同时，Demis Hassabis强调了模型效率的重要性，指出Google已找到更高效、更经济的方式来提供Gemini 3.0，使其能服务数十亿用户，并融入Google搜索的AI模式。 “我们真的很感兴趣把它看作是一种工具，或者是你用来搞定日常事务的东西。” “我觉得除了模型的整体性能越来越好之外，我们真正做得很好的一点是模型的效率。” 💰 AI泡沫与Google的战略 Demis Hassabis承认AI行业某些部分可能存在泡沫，但他认为Google无论在何种市场环境下都处于有利地位。Google不仅在投资AI原生产品（如Gemini App、机器人、游戏、药物研发），也在通过AI赋能其现有数十亿用户产品，带来近期收入和长期价值。 “我对作为 Alphabet 的现状感觉非常好，无论是否有泡沫，我认为我们的工作就是在两种情况下都能赢。” 🌐 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《Lenny's Podcast》对人工智能教母李飞飞博士的独家专访。 李飞飞博士被誉为人工智能领域的先驱，ImageNet项目的缔造者，谷歌云前首席AI科学家，斯坦福大学以人为本人工智能研究院的联合创始人。她曾带领AI走出“寒冬”，将人工智能从一个“贬义词”变为改变世界的关键技术。本次对话中，她将带领我们回顾AI从诞生到如今的辉煌历程，深入探讨ImageNet如何奠定现代AI的基石，并分享她对人工智能未来发展方向的深刻洞察。她强调AI应以人为本，是人类的工具而非替代品，每个人都在其中扮演重要角色。节目中，李飞飞博士还首次公开介绍了她创办的World Labs及其突破性产品“Marble”——一个能从提示词生成可交互三维世界的“世界模型”，并展望了它在电影、游戏、机器人模拟乃至心理治疗等领域的无限可能。这是一场关于AI过去、现在与未来的深度对话，充满智慧与启发，不容错过。 原视频：The Godmother of AI on how we got to today—and what comes next | Dr. Fei-Fei Li 👨‍⚕️ 本期嘉宾 Dr. Fei-Fei Li（李飞飞博士），人工智能教母，ImageNet项目的缔造者，谷歌云前首席AI科学家，斯坦福大学以人为本人工智能研究院的联合创始人，World Labs创始人。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI的寒冬与复苏 02:00 AI曾是“贬义词”：从回避到主流的转变 02:23 AI的本质：源于人、造于人、影响人 03:06 机器学习的洞见：需要海量数据才能智能 04:21 AI的演变：从“脏词”到无处不在 AI的核心哲学与责任 07:12 人本主义视角：AI的未来取决于人类的选择 08:33 AI非“人造”：强调人类的灵感与创造 09:10 AI时代：每个人都应成为负责任的个体 现代AI的诞生：ImageNet的故事 11:00 AI简史：从早期探索到机器学习的兴起 14:15 视觉智能的“北极星”：物体识别与大数据需求 17:07 ImageNet的创建：1500万图像与2.2万类别 18:17 深度学习的突破：ImageNet、GPU与神经网络的黄金组合 20:30 AI词汇的变迁：从“机器学习”到“AI” AGI的边界与未来创新 22:47 AGI的定义：是科学术语还是营销手段？ 24:23 创新瓶颈：仅靠数据和算力不足以实现AGI 25:35 现有AI的局限：缺乏创造力、外推能力与情商 世界模型与World Labs的愿景 27:39 世界模型的兴起：马斯克、黄仁勋等巨头关注 28:16 世界模型的定义：超越语言的空间智能与具身智能 31:23 世界模型应用：机器人、游戏、设计与科学发现 34:15 “下一件大事看起来像个玩具”：ChatGPT的启示 机器人学与“苦涩的教训” 36:00 “苦涩的教训”：大数据+简单模型胜过复杂模型 37:06 机器人学挑战：数据获取难与物理系统的复杂性 41:19 对人类的敬畏：AI工作加深对人脑效率的理解 Marble产品发布与应用 42:03 Marble：World Labs首款产品，生成可交互三维世界 43:09 “提示词到世界”：Marble的独特能力与用户体验 46:32 Marble的应用场景：虚拟制片、游戏、机器人模拟、心理治疗 50:20 Marble与Sora的区别：空间智能与3D世界构建 创业历程与职业选择 53:49 World Labs的创建：创业的挑战与惊喜 55:31 职业生涯：好奇心、热情与智力无畏的指引 58:32 给年轻AI人才的建议：关注热情、使命与团队 斯坦福以人为本AI研究院（HAI） 01:00:13 HAI的创立：AI作为文明级技术，需要以人为本的框架 01:01:32 HAI的工作：跨学科研究、教育、政策与生态系统影响 结语：AI与每个人的角色 01:03:36 AI时代：每个人都有自己的角色与尊严 01:06:27 World Labs与Marble：探索AI未来的开放平台 01:07:11 播客结束语 🌐 播客信息补充 翻译克隆自： 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