📝 本期播客简介 本期我们克隆了：AI Engineer 大会技术分享 为什么早期的自动化编程工具都很“烂”，而现在的 Claude Code 和 Cursor 却让人直呼好用？本期嘉宾 Jared Zoneraich（PromptLayer 创始人）将带我们拆解 Claude Code 的内部逻辑。他提出了一套反直觉的观点：最好的 Agent 架构不是复杂的流程图，而是一个简单的 While 循环；与其花精力写代码防止模型幻觉，不如“让开道路”信任模型的自主性。 在这场深度技术分享中，你将听到：Claude Code 如何利用 Bash 命令作为万能适配器？为什么“上下文”是 Agent 最大的敌人？以及在 Droid、Codex、Cursor 丛生的时代，开发者该如何选择和构建自己的 AI 工作流。这不仅是一次对 Claude Code 的拆解，更是一次关于 AI 工程化思维的深度洗礼。 👨‍⚕️ 本期嘉宾 Jared Zoneraich，PromptLayer 的创始人。PromptLayer 是全球领先的 Prompt 管理与评估平台，帮助开发者更严谨地构建和测试 AI 应用。Jared 是 AI 工程领域的资深专家，致力于探索 Agent 架构与 Prompt 工程的最佳实践。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 编程 Agent 的进化与突破 01:05 为什么现在的编程 Agent 终于“能用”了？ 04:23 历史回顾：从 ChatGPT 复制粘贴到 Claude Code 的无头模式 05:45 核心突破：更好的模型能力 vs 更简单的架构设计 07:48 “AGI 药丸”心态：不要为解决今天的问题而过度设计 深度拆解 Claude Code 内部原理 08:55 架构哲学：简单胜于复杂，扁平胜于嵌套 11:02 核心主循环：四行代码构建的“While 循环”革命 12:39 工具箱揭秘：为什么 read、grep 和 edit 比 RAG 更高效 14:58 Bash 的魔力：作为 Agent 万能适配器的 shell 工具 16:55 待办事项（Todo Lists）：如何通过非确定性指令增强可控性 上下文与 Agent 管理 19:35 上下文管理：Agent 最大的敌人是“变笨” 20:37 告别 DAG：为什么复杂的流程图是工程噩梦 25:47 沙盒与安全：如何在 YOLO 模式与企业安全间平衡 26:47 子 Agent（Sub-agents）：研究员、审查员与任务分发逻辑 31:03 Skills 功能：如何构建可扩展的系统 Prompt 主流编程 Agent 横向对比 34:34 未来趋势：超级工具调用 vs 自适应推理预算 38:14 “AI 治疗师”比喻：为什么 AI 产品没有全局最优解 40:01 各显神通：Codex 的 Rust 并发、Amp 的交接模式、Cursor 的速度优势 45:24 评估与测试：如何通过“Agent Smell”判断 Agent 的健康度 实战建议与 Q&A 52:04 总结：信任模型、简单设计、Bash 为王 53:43 Q&A：如何强制 Agent 的执行顺序？ 56:39 TDD 与规范驱动：AI 时代的工程原则 59:14 关于 PromptLayer：如何招聘与协作 🌟 精彩内容 💡 信任模型（Trust the Model） Jared 强调，开发者往往喜欢过度优化脚手架代码来防止模型出错。但 Claude Code 的成功证明了：给模型工具，然后“让开”。随着模型能力的提升，很多现在的硬编码逻辑在三个月后都会变成累赘。 🛠️ Bash 是 Agent 的“圣杯” 在所有的工具调用中，Bash 是最重要的。因为它简单、健壮，且拥有海量的互联网训练数据。Claude Code 通过在沙盒中运行 Python 脚本或测试用例，实现了极高的灵活性。 🚀 告别复杂的 DAG 流程 过去两年，大家都在构建拥有成百上千个节点的 DAG（有向无环图）。但现在，这种“工程噩梦”正在被简单的循环取代。依赖模型的自主探索，比硬编码每一个 if/else 语句效果更好，维护成本也更低。 🧠 上下文压缩艺术 上下文越长，模型越笨。Claude Code 通过 H2A 缓冲区管理 IO，并在上下文达到 92% 阈值时进行智能压缩。Jared 建议，将长期记忆存储在沙盒的 Markdown 文件中，而不是全部塞进对话框。 🎨 AI 产品的“品味”与视角 不同的编程 Agent 代表了不同的哲学：Claude Code 追求极致的命令行简洁，Cursor 追求 UI 交互的快感，而 Amp 探索免费与广告模式。开发者应根据“品味”选择最适合自己工作流的工具。 🌐 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：Forbes 科技访谈系列 Why This Entrepreneur Believes We Should Build Data Centers In Space 当马斯克在德州疯狂测试“星舰”时，有一群人已经盯上了太空里的“无限能源”。本期嘉宾 Philip Johnson 是 Star Cloud 的创始人，这家由英伟达支持的初创公司，刚刚完成了将 H100 芯片送上太空的壮举。 为什么在地球上建数据中心越来越难？为什么“星舰”的成功是太空算力的“iPhone时刻”？在没有空气和水的真空里，价值数万美金的 GPU 如何散热？Philip 将带我们揭开“天基数据中心”的神秘面纱。这不仅是一个关于航天技术的硬核分享，更是一场关于 AI 算力成本、能源革命以及人类如何跳出地球资源限制的深度对话。 👨‍⚕️ 本期嘉宾 Philip Johnson，Star Cloud CEO 兼联合创始人。他曾任职于麦肯锡，长期与各国政府航天机构合作。他创办的 Star Cloud 致力于利用大幅下降的发射成本，在太空构建大规模 AI 算力基础设施，目前已获得英伟达、Y Combinator 等顶级机构投资。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：把英伟达 GPU 送上天 为什么是太空？ 00:48 地球的瓶颈：能源限制与漫长的基建审批周期 01:11 太空的诱惑：无限太阳能与低至 0.5 美分的电力成本 01:59 规模想象力：四公里见方的太阳能板与“太空发电厂” 星舰：改变游戏规则的变量 03:01 范式转移：为什么“全重复使用”是航天成本的分水岭 03:35 算一笔经济账：从每公斤 6500 美元到 10 美元的成本暴降 硬核工程挑战 04:34 实验报告：第一块在太空运行的 H100 验证了什么？ 05:41 散热难题：在真空中，如何利用“辐射冷却”给芯片降温 07:12 制造挑战：把散热器的成本降低 100 倍 算力市场的未来 08:26 需求预测：为什么十年后一半的新增算力会在太空？ 09:47 时间表：等待“星舰”量产后的成本反转曲线 10:09 辐射防护：如何用粒子加速器测试芯片的“防弹衣” 11:03 硬件折旧：太空中的 H100 会比地球上更耐用吗？ 创业初衷与商业路线图 11:52 创始团队背景：从 SpaceX 到微软数据中心的大牛组合 12:44 灵感来源：如果能量传输损耗大，那就把数据中心搬到能源源头 13:45 商业化第一步：为卫星提供“边缘计算”，解决天地传输带宽瓶颈 15:58 终极愿景：二十年后，把高能耗工业留在太空，把绿色留给地球 🌟 精彩内容 💡 能源是 AI 的第一生产力 Philip 指出，在地球上新建百兆瓦级数据中心，能源审批可能耗时数十年。而太空拥有 24 小时不间断的太阳能。一旦发射成本通过“星舰”降下来，太空电力的边际成本几乎为零。 🚀 “星舰”带来的成本奇迹 目前的航天就像“飞一次纽约就拆一架飞机”。而星舰的完全可重复使用，将发射成本从每公斤数千美元压低到两位数。这意味着在太空建数据中心的综合成本，未来将比地球便宜 10 倍。 ❄️ 物理学的挑战：辐射散热 在没有空气对流的太空，散热全靠红外辐射。Star Cloud 研发了巨大的薄膜散热器，利用温差将热量排向零下 270 摄氏度的宇宙深空。这不再是科学难题，而是如何大规模廉价制造的工程挑战。 🛡️ 保护最脆弱的“大脑” AI 芯片在高能粒子轰击下极易失效。Philip 透露，他们利用粒子加速器对 H100 进行了“轰炸测试”，找出了芯片最脆弱的部位，并结合物理屏蔽与软件算法，让最先进的商用芯片能在恶劣的辐射环境中存活。 🌐 播客信息补充 翻译克隆自：Forbes: Why This Entrepreneur Believes We Should Build Data Centers In Space 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：OpenAI 顶尖研究员 Noam Brown 在加州大学伯克利分校（UC Berkeley）的深度技术分享。 Agentic AI MOOC | UC Berkeley CS294-196 Fall 2025 | Multi-Agent AI by Noam Brown Noam Brown 是 AI 界的传奇人物，他主导开发的 Libratus 和 Pluribus 在德州扑克领域击败了人类顶尖高手，随后的 Cicero 更是首次在复杂的《外交》策略游戏中展现了超人类的谈判与协作能力。在这场演讲中，Noam 并没有空谈概念，而是从博弈论的底层逻辑出发，深刻揭示了为什么在语言模型时代，我们不能简单复刻 AlphaGo 的成功路径。他提出了一个极具争议但也极具洞察力的观点：如果你的目标是让 AI 学会和人类合作，那么想绕开人类数据是行不通的。无论你是对 AI 智能体（Agent）感兴趣的开发者，还是关注通用人工智能（AGI）演进路径的观察者，这期关于多智能体协作、推理扩展和博弈论心法的分享都不容错过。 👨‍⚕️ 本期嘉宾 Noam Brown，OpenAI 研究员。曾就职于 Meta AI（FAIR）。他是世界上首个在六人桌德州扑克中击败顶尖职业选手的 AI——Pluribus 的核心作者，也是《外交》游戏 AI——Cicero 的主导者。他的研究重点在于如何通过多智能体强化学习和搜索算法，让 AI 在复杂、不完美信息的环境中实现战略推理与协作。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 进化的底层逻辑 02:02 消失的最后一块拼图：为什么 LLM 还没实现像 AlphaGo 那样的自我提升？ 04:04 偏见警告：我们对“自我博弈”的直觉是否被围棋过度拟合了？ 06:17 德州扑克悖论：赢钱最多的人，不一定是技术最无懈可击的人 08:49 稳健性的代价：假设对手能看穿你的“模型权重” 不完美信息游戏的博弈心法 12:39 算法的局限：为什么 PPO 算法玩不好“石头剪刀布”？ 15:58 概率的艺术：在扑克和现实中，动作的价值取决于你“多久做一次” 18:33 击败人类选手的算法：从虚拟博弈到遗憾匹配（Regret Matching） 22:36 寻找万能算法：跨越单智能体与多智能体强化学习的鸿沟 合作的真相：人类数据是绕不开的坎 23:36 零和博弈的冷酷：为什么在纯粹的对抗中，沟通毫无意义？ 25:26 争议观点：想让 AI 学会与人合作，不使用人类数据是“死路一条” 26:52 最后通牒博弈：当数学上的“最优解”遇到感性的人类 31:21 《外交》游戏挑战：如何在充满了背叛与信任的环境中建模？ 34:12 均衡的陷阱：为什么一个完美的 AI 进场后会被人类“虐惨”？ 37:07 Cicero 的成功公式：模仿人类 + 推理扩展 + 强化学习环境 多智能体 AI 的新范式 39:14 o1 系列的启示：当推理性能曲线开始疯狂左移 41:51 延迟瓶颈：为什么多智能体协作是解决串行思维链（CoT）的关键 42:31 并行扩展技术：共识（Consensus）与 N 中选优的利弊权衡 44:45 路由即智能：多样性是多智能体系统的核心力量 46:01 现状与未来：自然语言已成为智能体之间完美的“沟通协议” 48:19 临界点：为什么现在是投身多智能体 AI 研究的绝佳时机 🌟 精彩内容 💡 AI 进化的三部曲 Noam 认为 AI 突破遵循：预训练（学人类）、推理扩展（想更久）、自我提升（超人类）。LLM 目前卡在了第三步。在双人零和游戏（如围棋）中，自我博弈能完美解决问题，但在复杂社会场景中，这远远不够。 🛠️ 为什么 PPO 算法会失效？ 在不完美信息游戏中，简单的强化学习算法（如 PPO）无法收敛到纳什均衡。Noam 解释道，这是因为 AI 必须学会“随机化”自己的策略。如果你总是诈唬，价值就会归零；你必须以精确的概率平衡动作，这需要更高级的博弈论算法。 🚀 合作的“死路”论 这是全场最深刻的洞察：在“最后通牒博弈”中，数学最优解是只给对方一分钱，但现实中人类会因为觉得不公平而拒绝。Noam 认为，文化差异和人类的感性无法通过纯算力模拟出来。要学合作，必须喂给 AI 人类数据。 💻 Cicero：谈判 AI 的巅峰 通过《外交》游戏，Noam 展示了如何让 AI 既能像人一样说话谈判（Cicero），又能保持强大的战略推理。它的核心逻辑不是寻找数学上的绝对完美，而是寻找针对人类群体的“最优响应”。 🌐 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

📝 本期播客简介 本期我们克隆了：知名科学播客《Huberman 实验室》（Huberman Lab） 你所以为的、最适合你的学习方法，很可能就是错的。斯坦福大学神经生物学教授 Andrew Huberman 本期将彻底颠覆你的认知。他指出，最好的学习方法不是为了“记住”，而是为了“对抗遗忘”。在这期节目中，Huberman 教授利用神经科学的前沿研究，拆解了大脑如何通过神经可塑性来重塑连接。你将听到为什么“突击测验”其实是学习者的好朋友，为什么反复阅读课本会让你产生掌握知识的错觉，以及如何利用 NSDR（非睡眠深度休息）和“间隙效应”让大脑的学习效率提升一倍。这不仅是一场关于大脑机制的科学讲座，更是一套人人可用的高效学习实战协议。 翻译克隆自：Optimal Protocols for Studying & Learning 文字版精华：见微信公众号（点击跳转） 👨‍⚕️ 本期嘉宾 Andrew Huberman，斯坦福大学医学院神经生物学和眼科学教授。他主持的《Huberman Lab》是全球最受欢迎的健康与科学类播客之一。他致力于将深奥的神经科学转化为简单、免费且实用的生活工具，帮助大众优化睡眠、专注力、学习能力和身心健康。 ⏱️ 时间戳 00:00 开场 & 播客简介 重新定义学习 01:48 反直觉的学习观：学习是为了对抗自然遗忘 05:23 神经可塑性真相：加强与削弱连接，而非增加新神经元 09:10 第一次小测验：感受“提取困难”对大脑的信号作用 专注与巩固的生物学 11:34 学习第一步：专注力是有限的“腺苷预算” 15:08 费劲是好事：那种“苦差事”感正是神经改变的信号 16:42 专注力训练：正念冥想与视觉聚焦的科学原理 18:20 学习第二步：神经连接的实际重塑发生在睡眠中 21:12 NSDR 协议：如何通过 10 分钟深度休息加速可塑性 顶尖学习者的实战习惯 22:42 医学生研究：表现最好的学生如何安排日程 24:03 排除干扰：独处学习与收起手机的必要性 25:21 “看一遍，做一遍，教一遍”：通过输出倒逼输入 27:45 节奏适应：大脑如何根据固定时间表进入专注状态 30:01 抱负感：长远动机如何支撑枯燥的学习过程 测试：最强的学习引擎 32:26 核心发现：测试是建立知识而非仅仅评估知识 35:44 1917 年的经典实验：思考与回忆远胜于反复阅读 38:24 信心陷阱：为什么“学四次”的人自我感觉良好却考得最差 43:38 心理练习：Huberman 如何在脑海中“飞越”神经解剖结构 46:38 纠错的价值：意识到“不知道”才是学习的开始 进阶学习协议 48:40 黄金时间：接触新知识后 24 小时内测试效果翻倍 53:07 熟悉感 vs. 掌握感：识别答案不等于拥有知识 01:00:37 开放式问题：为什么简答题比选择题更能对抗遗忘 01:05:34 间隙效应：在学习中插入 10 秒停顿的奇效 01:08:48 情绪与记忆：中世纪“冷水浴”背后的肾上腺素逻辑 01:15:33 交错学习：通过注入随机故事增强大脑的重复频率 01:17:18 终极境界：从熟练、精通到大师级的跨越 🌟 精彩内容 💡 学习即“防遗忘”疫苗 Andrew Huberman 提出一个核心观点：我们不应为了记住而学习，而应为了“对抗遗忘”而学习。大脑每天会丢弃大部分信息，只有通过主动的、甚至感到费劲的干预，才能给神经系统打下“预防针”，将其锁定在回路中。 🛠️ 专注力是一种有限预算 专注力并非取之不尽。Huberman 解释了腺苷如何限制我们的注意力，并推荐了每天 5-10 分钟的正念冥想或视觉聚焦练习。这些练习本质上是在训练大脑“把飘走的注意力拉回来”的肌肉记忆。 🚀 警惕“虚假信心陷阱” 研究显示，反复阅读材料的人对考试最有信心，但实际表现最差；而不断测试自己的人虽然感到痛苦且缺乏信心，最终成绩却名列前茅。这是因为反复阅读只增加了“熟悉感”，而测试才真正建立了“回忆能力”。 💻 间隙效应（Gap Effect） 在学习过程中随机停顿 10 秒，大脑的海马体会以正常速度的 20-30 倍回放刚刚接触的信息。这种“离线重放”机制能让你在不增加学习时长的情况下，获得更多的神经重复次数。 ❤️ “看、做、教”三部曲 顶尖学习者不仅独自钻研，更会主动教给他人。通过将复杂知识简化并输出，学习者能精准发现自己的知识盲区。正如 Huberman 所说：“教一遍”是检验掌握程度的最高标准。 🌐 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：访谈类播客《Extraordinary》 本期嘉宾 Gabriel Peterson 的经历足以打破所有关于“学历”的刻板印象。他是一名来自瑞典的高中辍学生，在没有大学学位的情况下，通过自学成为了 OpenAI 的研究科学家，目前正在 Sora 团队参与构建通用人工智能。在这期节目中，Gabriel 详细拆解了他如何利用 ChatGPT 建立起一套“自上而下”的递归式学习法，在短短几天内掌握传统教育需要数年才能触及的深度技术。他还会分享自己早期在创业公司睡沙发垫、带着 A3 纸去“扫楼”推销产品的疯狂经历，以及他如何通过高主动性的“Demo 策略”和“反馈机制”，在硅谷顶尖公司中脱颖而出。这不仅是一个关于天才逆袭的故事，更是一份关于在 AI 时代如何重塑个人竞争力、实现跨越式成长的实战指南。 👨‍⚕️ 本期嘉宾 Gabriel Peterson，OpenAI 研究科学家，目前效力于 Sora 视频模型团队。他曾是 Midjourney 的早期成员，是一位极具影响力的自学者和技术博主。他以高中辍学者的身份，凭借对 AI 工具的深度运用和极高的行动偏见，成功拿到了 O1 杰出人才签证并进入全球顶尖 AI 实验室。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 辍学者的逆袭之路 03:00 从瑞典小镇到硅谷：高中辍学者的非典型开局 04:36 疯狂的销售经历：带着 A3 打印纸去“扫楼” 06:22 睡在沙发垫上的亿万富翁梦：创业初期的艰辛与信念 07:16 编程初体验：从山寨宝可梦游戏到被真实问题“逼”出来的技术 重新定义学习：AI 时代的自学心法 10:14 自上而下学习法：为什么真实任务是最好的老师 13:30 递归式填补知识空白：如何用 ChatGPT 拆解扩散模型等复杂技术 18:17 建立“点通”的直觉：每天问 AI 一百个问题的量变与质变 21:28 跨越学历鸿沟：AI 如何让辍学者胜任传统博士级的研究工作 职业生涯的增长黑客 24:23 寻找反馈的艺术：为什么你应该追着资深工程师要 Code Review 29:30 签证黑客：如何用 Stack Overflow 的帖子拿到 O1 杰出人才签证 31:42 招聘真相：公司只想赚钱，用 3 秒钟的 Demo 证明你的价值 34:10 避开 HR 的替代信号：直接向有利益驱动的 CEO 展示能力 36:31 走出“成人日托所”：为什么野心勃勃的人应该尽快进入真实市场 硅谷的势能与 AGI 愿景 51:21 薪水翻十倍的秘密：旧金山的人才密度与网络效应 56:13 克服“我不够聪明”的错觉：你已经在前 1% 了 58:23 总结建议：给你年轻时的自己一份“跳过弯道”的指南 🌟 精彩内容 💡 大学不再垄断基础知识 Gabriel 认为，传统的“自下而上”教育体系（先学基础再碰前沿）效率极低。在 AI 时代，任何人都可以通过 ChatGPT 进行“自上而下”的学习：从一个具体的前沿项目开始，遇到不懂的数学或原理再递归向下询问 AI，直到彻底理解。 “自上而下学扩散模型需要三天，自下而上学可能要六年。” 🛠️ 递归式填补知识空白 Gabriel 详细描述了他的提问技巧：让 AI 用 12 岁孩子能听懂的话解释概念，要求展示所有中间数据的形态，并不断追问“为什么”。他认为学习的本质是追逐那个“哈，点通了”的瞬间，而 AI 能让这种瞬间高频发生。 “学习不再需要从下往上走了，AI 是你最好的递归式导师。” 🚀 3 秒钟 Demo 策略 在求职和建立影响力时，Gabriel 强调“行动偏见”。与其列出简历上的实习经历，不如做一个让人 3 秒钟就能看出你技术实力的 Demo。公司本质上是赚钱机器，只要你能证明自己能帮公司赚钱或解决问题，学历和背景都不再重要。 “CEO 永远不在乎你的学位，他们只在乎你能不能干活。” 💻 硅谷的人才密度优势 Gabriel 分享了搬到旧金山后的世界观重塑。他认为旧金山的势能来自于“身边的人跟你想的一样、做的也一样”。这种环境带来的动力远超任何励志演讲，它能让一个人的收入和成长速度发生数量级的飞跃。 “如果你真的有野心，搬到旧金山是唯一客观正确的选择。” ❤️ 克服“智力自卑” Gabriel 坦诚自己曾觉得自己很笨，无法与造火箭的人竞争。但他意识到，只要有主动性去探索和学习，就已经超过了 99% 的人。他鼓励年轻人不要被“博士学位”等门槛吓倒，现在的工具已经抹平了这些差距。 “人们真的很容易低估自己能做多少事。” 🌐 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 本期我们克隆了：知名商业传记播客《Founders》 本期嘉宾 Michael Ovitz 的名字在好莱坞就是“权力”的代名词。作为 CAA（创新艺人经纪公司）的联合创始人，他曾被誉为“好莱坞之王”。在这期节目中，你将听到他与《Founders》主持人 David Senra 之间关于商业本质与人生哲学的深度碰撞。Ovitz 分享了他如何从收发室每天提早两个半小时上班开始，凭借对电影史的海量研究和对人才的极致追求，重塑了整个娱乐行业的规则。他会揭秘如何通过“认知框架”预判商业走向，如何用“非销售”的手段完成顶级融资，以及为什么在 AI 时代，“深度好奇心”依然是无法被打败的终极优势。这不仅是一次对好莱坞往事的追忆，更是一场关于如何识别 A 级人才、如何在竞争中保持垄断地位、以及如何建立长青企业的实战大师课。 👨‍⚕️ 本期嘉宾 Michael Ovitz，CAA（Creative Artists Agency）联合创始人，好莱坞最具影响力的经纪人之一。他曾代理过斯皮尔伯格、斯科塞斯、保罗·纽曼等顶级巨星，并主导了索尼收购哥伦比亚影业、松下收购环球影业等重大跨国交易。他也是一位著名的艺术收藏家和科技投资人。 ⏱️ 时间戳 00:00 开场 & 播客简介 顶级大脑的共通特质 02:05 智力上的“变色龙”：Marc Andreessen 的超强处理能力与沟通艺术 07:12 联合创始人的脆弱性：为什么 90% 的合伙关系会走向破裂？ 11:55 押注 A 级人才：从 Steve Jobs 到好莱坞导演的选人准则 商业博弈与销售心法 12:39 洛克菲勒的“黑带”销售：不提一个钱字，却让对方主动捐出巨款 23:36 认知框架的力量：为什么“我看过这部电影”是老牌创业者的核心优势 30:17 识别天才的直觉：Nobu 寿司与 Wolfgang Puck 餐厅背后的商业嗅觉 40:20 拿破仑式的野心：为什么胃口是“越吃越大”的？ 从收发室到权力巅峰 43:41 幸存者游戏：在收发室“干掉”另外 19 个竞争对手的狠劲 49:31 知识就是力量：CAA 内部的必读书单与电影史培训 52:34 跨界好奇心：为什么经纪人要读女性杂志和汽车杂志？ 01:00:37 诚信是最高效率：在没有合同的情况下完成成百上千笔交易 颠覆行业的实战案例 01:12:07 创造性商业：将制片厂卖给日本资本的底层逻辑 01:28:42 可口可乐营销战：如何用 35 个定制广告击溃麦迪逊大道 01:33:46 错误学习法：Patrick Collison 如何通过复盘 Ovitz 的失败来学习 01:40:46 班长竞选的教训：宁愿做被批评的行动派，也不做无所作为的平庸者 人生哲学与终极驱动力 01:52:41 失败是勋章：美国商业文化中对“重新站起来”的尊重 01:54:14 逃离“山谷”：出身贫寒带来的二元动力——要么成功，要么死亡 02:01:59 怀念迈克尔·克莱顿：一段长达 30 年、基于好奇心与忠诚的友谊 02:08:42 总结：永不满足，永不停止学习 🌟 精彩内容 💡 认知框架：商业世界的“预知梦” Michael Ovitz 提出了一个深刻的观点：长寿和丰富的经历会带来更广的“认知框架”。当面对艰难决策时，他能看到别人看不到的东西，因为“这部电影我以前看过”。无论是处理个人矛盾还是复杂的商业并购，他都能迅速将现状分类并预判结果。 🛠️ 销售的最高境界：无拳之拳 通过讲述大卫·洛克菲勒为 MoMA 筹款的故事，Ovitz 揭示了顶级销售的秘诀——克制。洛克菲勒在三小时的谈话中不提钱，只聊愿景和艺术，最终让 Ovitz 主动捐出了超出预期的款项。这种“不卖而卖”的策略被他视为销售的“黑带水平”。 🚀 极度勤奋与情报收集 在威廉·莫里斯经纪公司的收发室时期，Ovitz 每天 6:30 到岗，利用无人干扰的时间读遍好莱坞几十年的文件。他甚至订阅 210 种杂志，从女性时尚杂志中捕捉未来六个月的文化潮流。这种对情报的病态痴迷，让他能与任何领域的顶尖人物（如赛车迷保罗·纽曼）进行深度对话并建立信任。 💻 诚信作为商业底色 在 CAA 创立初期，由于缺乏资金和律师，许多交易是靠口头协议完成的。Ovitz 强调，在充满谎言的行业里，“不撒谎”和“极致的跟进”反而成了最革命性的竞争优势。他坚持对合作伙伴保持 100% 的透明度，确保每个人都不会感到被排挤。 ❤️ 创始人的“二元”动力 Ovitz 坦言，即使在他功成名就之后，童年时期在圣费尔南多谷的贫困记忆依然挥之不去。对他来说，成功是“二元”的：要么赢，要么死。这种对平庸的恐惧和对世界永不枯竭的好奇心，构成了他至今不愿退休、持续带教年轻人的底层驱动力。 🌐 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：硅谷顶尖思想对谈《#BLOCKCON - Fireside Chat》#BLOCKCON - Day 2 (Oct 11) - Fireside Chat: Nassim Nicholas Taleb & Naval Ravikant 当今世界最清醒的思想家纳西姆·塔勒布，与硅谷投资哲人纳瓦尔坐到了一起。塔勒布作为《黑天鹅》、《反脆弱》的作者，在这场对话中不仅定义了什么是真正的“风险共担”，更揭示了为什么我们正处于一个被“知识分子白痴”（IYI）统治的脆弱时代。你将听到：为什么你应该雇佣那个看起来最不像医生的医生？为什么不到 3% 的顽固少数派能决定全美国人喝什么饮料？为什么比特币是人类历史上对“鲍勃·鲁宾交易”的一次大复仇？这不仅是一场关于金融和概率的讨论，更是一次关于勇气、美德和如何在不确定的世界中通过“路径依赖”生存下去的思维洗礼。 原博客时间：Oct 15, 2018 👨‍⚕️ 本期嘉宾 纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），知名思想家、概率学家、前衍生品交易员。著有《黑天鹅》、《反脆弱》、《随机漫步的傻瓜》以及《风险共担》。他致力于研究不确定性、概率和知识论问题。 纳瓦尔·拉维康特（Naval Ravikant），知名股权众筹平台 AngelList 创始人，硅谷著名天使投资人，以其关于财富与幸福的哲学思考闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 理论与实践的鸿沟 01:50 从交易员到学者：为什么理论家总在胡说八道 05:35 专家问题：如何区分“真专家”与“知识分子白痴” (IYI) 07:19 餐饮业的启示：同行评判（拿奖）vs. 现实评判（倒闭） 10:41 预测的无能：为什么占星师的记录可能比经济学家更好 风险共担的深度定义 13:24 汉谟拉比法典：建筑师、死刑与防止隐藏风险 14:33 鲍勃·鲁宾交易：当损失被社会化，而收益被私有化 15:48 比特币的诞生：对银行救助和代际财富掠夺的复仇 17:59 白银法则：为什么“己所不欲勿施于人”比黄金法则更稳健 20:45 历史的对称性：为什么古代领导者必须身先士卒 真实信号与美德 23:08 扎哈维信号：伤疤是冒险者无法伪造的勋章 25:55 虚假美德：为什么不包含牺牲的“环保提示”不是美德 26:39 给年轻人的建议：去创业，去失败，不要加入 NGO 32:11 医生测验：为什么你应该选那个长得像“屠夫”的医生 非对称性与林迪效应 37:09 试错胜过设计：在波动中获益的“凸性”思维 42:06 林迪效应：为什么老技术（叉子）比新技术更长寿 44:46 货币竞争：神为什么只接受最坚挺的货币 45:57 政币分离：加密货币如何重塑国家与货币的关系 少数派原则与遍历性 46:54 少数派原则：为什么不到 1% 的顽固者能决定社会规则 53:54 自动挡与清真肉：非对称偏好如何支配全球供应链 58:10 遍历性与路径依赖：为什么“损失厌恶”是极其理性的 01:00:27 俄罗斯轮盘赌：为什么群体概率不等于个体命运 01:03:03 总结：不确定性越大，决策反而越简单 🌟 精彩内容 💡 理论与实践的本质区别 塔勒布指出，在学术圈，人们只被同行评判，这导致了模型的脱节。而真实世界是由盈亏报表驱动的。 “理论上，理论和实践没有区别；但在实践中，区别可大了。” ⚖️ 鲍勃·鲁宾交易与比特币 对话深入探讨了 2008 年金融危机中银行家如何拿走奖金却让纳税人承担风险。纳瓦尔认为，比特币的创世区块正是对这种不对称性的“复仇”，旨在实现货币与国家的彻底分离。 🍦 少数派原则（Minority Rule） 这是一个极具启发性的观点：社会规则往往不是由多数人决定的，而是由一小撮“不愿妥协的少数派”决定的。例如，因为少数犹太人不喝非洁食饮料，导致全美的饮料几乎都变成了洁食认证。这一原则解释了道德演变、市场偏好乃至政治革命。 🎲 遍历性（Ergodicity）与生存 塔勒布批判了行为经济学家对“损失厌恶”的误读。他认为，如果一个行为有爆仓（毁灭）的风险，那么无论预期收益多高，都不值得尝试。 “你可以承担所有风险，但要确保你明天还能站在这里。” 🩺 医生测验：反直觉的雇佣逻辑 如果你有两个医生可选，一个光鲜亮丽像好莱坞明星，一个像粗鲁的屠夫，且两人级别相同。塔勒布建议选那个“屠夫”，因为他必须克服外表的巨大偏见才能达到同样的地位，这意味着他的医术必然远超常人。 🌐 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：知名科技与产品播客《Lenny's Podcast》Inside OpenAI: 2026 is the year of agents, AI’s biggest bottleneck, and why compute isn’t the issue 本期嘉宾是 Alexander Embiricos，他在 OpenAI 领导着目前世界上最先进的 AI 编码助手团队——Codex。在这次深度对话中，Alexander 揭开了 OpenAI 内部神秘的高效运作面纱：为什么一个登顶应用商店的 App（Sora）只需要两三个工程师在 18 天内就能做出来？ 他提出了一个颠覆性的观点：如果你想构建任何 AI 智能体（Agent），都应该先从构建一个编码智能体开始，因为代码是 AI 操控电脑最精准的语言。我们还聊到了 AGI 什么时候会到来，而他给出的答案出人意料——目前的限制因素竟然是人类的打字速度。无论你是开发者、产品经理，还是对 AI 未来感到好奇的听众，这期节目都将为你提供关于“AI 时代如何被最大程度加速”的实战指南。 👨‍⚕️ 本期嘉宾 Alexander Embiricos，OpenAI Codex 产品负责人。在加入 OpenAI 之前，他曾是一位成功的创业者，并曾在 Dropbox 担任产品经理。目前他在 OpenAI 负责驱动数万亿 Token 的编码模型，致力于将 AI 从简单的补全工具进化为全能的软件工程“队友”。 ⏱️ 时间戳 00:00 开场 & 播客简介 OpenAI 的快节奏哲学 05:42 重新定义“速度”：在 OpenAI，野心和执行力没有上限 07:20 组织架构揭秘：为什么“自下而上”是 AI 创新的核心 08:36 准备-开火-瞄准：为什么在 AI 时代，过度规划没有意义 Codex：从实习生到超级队友 10:17 什么是 Codex：一个“不爱看 Slack”的聪明实习生 13:43 爆发式增长：几个月内规模增长 20 倍背后的产品洞察 15:53 增长的转折点：从云端异步 Agent 回归本地 IDE 集成 18:52 技术栈三层架构：模型、API 与应用框架的协同进化 AI Agent 的未来蓝图 23:27 核心洞察：为什么编码能力是所有 Agent 的心脏 25:35 记忆与脚本：如何让 Agent 记住团队的私有经验 30:37 聊天驱动开发：未来我们是否还需要写 Spec（规范）？ 31:47 混合主导系统：像特斯拉自动驾驶一样使用 AI 软件 重塑职业与效率 37:54 18 天奇迹：Codex 如何帮助 Sora 团队光速发布 App 39:00 压缩人才栈：当设计师开始用“感觉编程”直接提交 PR 42:55 垂直领域的机遇：对客户问题的理解比构建能力更重要 49:45 实战建议：把最难的任务交给 Codex，建立“队友”信任感 AGI 与个人进化 52:03 职业建议：深入系统工程前沿，利用 AI 验证而非仅仅生成 55:55 AGI 的真瓶颈：人类的打字速度与代码审查带宽 01:00:13 闪电问答：乐观的科幻未来、《咒术回战》与“友善且坦诚” 🌟 精彩内容 💡 18 天打造榜首 App 的秘密 Alexander 分享了 Sora 安卓版 App 的开发故事。凭借 Codex 对 iOS 代码的理解和跨平台移植能力，两三个工程师在 18 天内就完成了从零到员工试用的全过程。这证明了在 AI 加持下，小团队的爆发力已经超越了传统大厂的想象。 🛠️ 为什么 Agent 的核心是代码？ 他提出了一个深刻见解：AI 操控电脑有多种方式（如视觉点击），但写代码是最精确、最高效的。因此，未来的超级助理本质上都是编码 Agent，即便用户感知不到代码的存在，它也在后台通过生成脚本来解决金融分析或自动化任务。 🚀 压缩人才栈（Compressed Talent Stack） AI 正在模糊职能边界。在 OpenAI 内部，设计师不再仅仅交付设计稿，而是通过 Codex 编写原型甚至直接提交 Rust 代码 PR。这种“人才栈压缩”减少了沟通损耗，让团队能够以指数级速度前进。 🧠 AGI 的“打字速度”限制 对于 AGI 的到来，Alexander 认为模型智能的增长是确定的，但人类作为“Prompt 发出者”和“结果审查者”的带宽成了最大瓶颈。只有当 Agent 学会自我验证、默认自主完成任务时，生产力才会迎来真正的“曲棍球棒式”增长。 ❤️ “友善且坦诚”的领导力 在闪电问答中，他分享了自己的座右铭“Be Kind and Candid”。他认为坦诚是一种最高级的善举，尤其在快速迭代的 AI 行业，推迟艰难的对话是对团队的不负责任。 🌐 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：硅谷顶尖创投播客《Lenny's Podcast》The new AI growth playbook for 2026: How Lovable hit $200M ARR in one year | Elena Verna (Head of Growth) 本期嘉宾 Elena Verna 的分享，将彻底粉碎你对 SaaS 增长的固有认知。她目前担任 Lovable 的增长负责人，这家公司在上线短短一年内，年度经常性收入（ARR）就突破了两亿美金，且团队规模仅百人左右。Elena 坦言，她过去十五年在 Dropbox、Miro 等公司积累的增长经验，在这里只有不到四成还能派上用场。 在这期节目中，你将听到 Lovable 如何在 AI 浪潮中“换挡飞行”。Elena 揭示了为什么“优化现有流程”在今天已经不值一提，而“持续创新”和“发布新功能”才是真正的增长引擎。她提出了“最小可爱产品”（MLP）取代“最小可行产品”（MVP）的理念，并分享了如何通过“公开构建”和“疯狂送产品”来占据市场心智。这不仅是一场关于数字的狂欢，更是一场关于 AI 时代企业生存法则的深度思辨。 👨‍⚕️ 本期嘉宾 Elena Verna，顶尖增长专家，现任 Lovable 增长负责人。她曾先后在 Miro、Dropbox、SurveyMonkey、Netlify 和 Amplitude 等多家知名 SaaS 公司担任增长高管或顾问。她是“产品驱动增长”（PLG）领域的领军人物，目前正带领 Lovable 刷新全球 SaaS 增长纪录。 ⏱️ 时间戳 00:00 开场 & 播客简介 两亿美金 ARR 的背后 04:35 一年两亿美金：是行业基准还是“一生一次”的孤例？ 07:56 谁在为 Lovable 买单？从“创始人用例”到企业内部创新 10:14 留存率真相：在高速增长下，如何保持 B2B 级别的稳定性 增长手册的彻底重构 12:33 扔掉旧剧本：为什么 70% 的传统增长手段在 AI 时代已失效 16:16 停止优化，开始创新：增长团队为何要亲自下场做产品功能 18:40 激活的新定义：当 AI Agent 成为核心，微观优化已不再重要 20:47 “公开构建”的力量：让 CEO 和员工成为社交媒体上的增长杠杆 产品与营销的新哲学 23:55 市场营销的短周期：当定位和信息每三个月就过时一次 25:14 告别 SEO，拥抱社交：为什么 B2B 的未来在 X 和 LinkedIn 28:17 从 MVP 到 MLP：在功能泛滥的时代，如何靠“可爱”脱颖而出 31:48 品牌即互动：没有品牌团队，如何让用户感受到产品的“灵魂” 组织、人才与 Vibe Coding 32:59 招聘心法：寻找那些“心里有火”且具备高度能动性的通才 35:43 极速节奏：休假十天回来，公司就像经历了一场革命 39:05 全职“Vibe Coder”：非技术背景如何靠 AI 工具重塑开发流程 增长秘方与 PMF 跑步机 41:52 疯狂的赠送策略：为什么要把 AI 成本看作最高效的营销投入 47:36 只有 100 人的 2 亿美金公司：极致的人效比是如何达成的 51:10 消失的 PMF 稳态：为什么你每三个月就得重新夺回市场契合度 53:23 预测未来：在 LLM 能力跃迁之前提前布局 AI 时代的人本思考 01:00:44 AI 原生员工：从“AI 增强自我”到“以 AI 为底座”的思维转变 01:01:47 边界感：在历史上增长最快的公司，如何保护私人时间与睡眠 01:08:05 警惕差距：为什么女性在 AI 采用率上正在掉队？ 01:12:36 给应届生的建议：不要怕被自动化，要成为那个“指路的人” 🌟 精彩内容 💡 增长重心的位移：从优化到创新 Elena 认为，在 AI 时代，市场变化太快，机会窗口极短。增长团队不能再像以前那样花 90% 的时间去优化转化漏斗的每一个百分点，而应该花 95% 的时间去尝试新的增长循环和产品功能。 “我们增长团队甚至在做 Shopify 集成和语音模式，这在以前是不可想象的。” 🛠️ 最小可爱产品（MLP） “可行性”已经留在了 2010 年代。在构建成本大幅下降的今天，功能性已是门槛，差异化来自于情感连接。Lovable 内部的准则是：如果一个东西不够“可爱”，哪怕它有用，也不发布。 “创造口碑的唯一方法，就是做出能让用户大吃一惊的东西。” 🚀 重新定义营销成本 Lovable 几乎不投昂贵的关键词广告，而是把大量的 LLM 调用成本（Credits）免费送给黑客松和社区。Elena 将这视为一种“成本转移”：把付给谷歌的钱，直接付给用户去体验产品的魔力。 “我们像发糖果一样把 Credits 送出去，因为这是我们增长秘方的一部分。” 🔄 每三个月一次的 PMF 挑战 由于底层 LLM 能力和消费者预期都在以月为单位进化，AI 公司永远无法进入“坐享其成”的规模化阶段。你必须在跑步机上持续奔跑，不断重新定义你的产品。 “十年前，如果你说一家月增 10% 的公司三个月后会失去 PMF，那是疯了；但现在，这就是现实。” 🌐 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：Anthropic 官方技术分享《Don't Build Agents, Build Skills Instead》 今天的 AI Agent 就像一个“智商 300 的数学天才”，它非常聪明，但在面对复杂的税务、法律或特定企业流程时，往往因为缺乏专业知识而显得力不从心。Anthropic 的专家 Barry Zhang 和 Mahesh Murag 在本期节目中提出了一个颠覆性的观点：我们应该停止重复造轮子去构建各种垂直领域的 Agent，转而开始构建“Skill”。 什么是 Skill？为什么 Anthropic 认为“文件夹”才是封装 AI 能力的最佳方式？在这场深度分享中，你将听到关于 Agent 架构的最新演进：如何利用代码作为通用接口，如何通过 MCP 与 Skill 的组合让 AI 瞬间变身行业专家，以及如何让 AI 在与你共事的第 30 天比第 1 天好用得多。这不仅是一场技术发布，更是一份关于未来人机协作模式的行动指南。 👨‍⚕️ 本期嘉宾 Barry Zhang & Mahesh Murag，Anthropic 团队专家，Agent Skill 概念的共同创造者。他们致力于定义下一代 AI Agent 的标准架构，推动了 MCP（模型上下文协议）与 Claude Code 等核心产品的演进。 ⏱️ 时间戳 00:00 开场 & 播客简介 从 Agent 到 Skill 的范式演进 01:43 现状：Agent 很聪明，但缺少稳定可靠的专业知识 02:49 核心转变：代码不仅仅是应用场景，更是数字世界的通用接口 03:53 什么是 Agent Skill：把可组合的程序化知识打包进“文件夹” 05:04 极简主义哲学：为什么选择 Git 和文件系统作为载体？ Skill 的生态与实战应用 07:09 三大生态支柱：基础能力、合作伙伴与企业内建 Skill 08:12 案例分享：Notion 与 Browserbase 如何通过 Skill 增强 Claude 09:06 趋势观察：从简单的 Markdown 指令到复杂的二进制文件打包 10:07 协同作战：MCP 负责“连接”，Skill 负责“专业知识” 构建通用 Agent 架构 10:51 架构公式：Agent 循环 + 运行时 + MCP + Skill 库 12:11 开发者关注点：测试评估、版本控制与跨 Skill 的依赖引用 13:11 愿景：打造一个由人和 Agent 共同维护的组织能力知识库 持续学习与未来展望 14:12 记忆的具体化：让 Claude 为未来的自己编写 Skill 15:14 情境学习的力量：如何让 Agent 随着使用时间的增加而进化 16:11 行业类比：模型是处理器，Skill 才是真正改变世界的“应用程序” 🌟 精彩内容 💡 数学天才 vs. 税务专家 Barry 提出了一个生动的比喻：你想要一个智商极高但不懂税法的数学天才帮你报税，还是想要一个经验丰富的税务专家？目前的 Agent 往往是前者。Skill 的出现，就是为了给“天才”装上“专业大脑”，让它不再需要从第一性原理去推导复杂的行业规则。 🛠️ 为什么“文件夹”是终极抽象？ Anthropic 故意将 Skill 设计得极其简单——就是一组文件夹和文件。这意味着无论是人还是 AI，只要有电脑就能创建。它天然支持 Git 版本控制，可以像分享压缩包一样在团队间传递。这种透明、可修改的特性，解决了传统 AI 工具“黑盒”且难以维护的痛点。 🚀 通用 Agent 的“操作系统”模型 节目中将 AI 技术栈与传统计算技术栈做了精彩类比：模型（LLM）是处理器（CPU），Agent 的运行时环境是操作系统（OS），而 Skill 则是运行在其上的应用程序（Apps）。真正的价值不在于造更多的处理器，而在于数以百万计的开发者如何将独特的领域知识编码成 Skill。 📈 非技术人员的 AI 红利 令人兴奋的趋势是，财务、招聘、法务等非技术背景的人员正在成为 Skill 的构建者。通过简单的指令封装和流程编排，他们正在将自己的专业经验转化为 Agent 可以理解的“技能包”，从而实现组织内部能力的复利增长。 🌐 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，主持人 Hanna Fry 教授与 Google DeepMind 联合创始人兼 CEO Demis Hassabis 展开了一场关于人工智能未来走向的深度对话。Demis Hassabis 作为AI领域的领军人物，将带我们跳出日常新闻，思考AI的终极目标和发展路径。他分享了对通用人工智能（AGI）的看法，探讨了AI在科学、商业和社会层面的深远影响，以及如何应对随之而来的挑战。 翻译克隆自：The future of intelligence | Demis Hassabis (Co-founder and CEO of DeepMind) 👨‍⚕️ 本期嘉宾 Demis Hassabis，Google DeepMind 联合创始人兼 CEO。他是一位神经科学家、人工智能研究员、视频游戏设计师和企业家，被广泛认为是全球领先的AI思想家之一。 ⏱️ 时间戳 开场与播客简介 00:00 欢迎收听：跨国串门计划与本期节目介绍 02:03 Demis Hassabis 精彩语录：AGI、心智与计算极限 AI 领域的最新进展与未来愿景 02:57 2023年AI回顾：从语言模型到Agent AI的重心转移 03:51 AI的飞速发展：Gemini 3与世界模型带来的惊喜 04:25 “根节点问题”：AI如何解锁科学与医学的下游效益 04:46 探索前沿：材料科学、核聚变与量子计算的突破 05:59 核聚变的深远影响：清洁能源与气候问题解决方案 通用人工智能的挑战与思考 07:15 AI的“参差不齐”智能：数学奥赛金牌与低级错误并存 08:03 AGI的缺失环节：推理一致性与持续学习能力 09:15 AlphaGo与AlphaZero：从学习人类知识到自我发现 11:07 科学研究与商业竞赛的平衡：AlphaFold与聊天机器人的路径选择 13:15 AI竞赛的加速效应：更多资源与技术普及 14:10 规模化瓶颈与合成数据：AI发展“撞墙”了吗？ 15:21 DeepMind的优势：研究优先、世界级工程与基础设施 16:19 AGI之路：规模化与创新并重 16:49 AI“幻觉”问题：AlphaFold的置信度机制能否借鉴？ 18:37 世界模型的重要性：语言模型无法捕捉的物理世界动态 19:57 模拟世界的构建与验证：Genie和VEO的逼真生成能力 21:31 AI Agent的演化实验：Simmer与Genie的互动循环 23:23 确保模拟世界的真实性：物理基准测试与幻觉控制 25:30 意识的起源：模拟Agent演化实验的设想 27:10 涌现属性的风险：在安全沙箱中运行模拟 AI 对社会与人类的深远影响 28:00 AI泡沫与长期价值：短期高估，长期低估 29:56 避免社交媒体覆辙：构建以用户为中心的负责任AI 31:34 AI人格的科学：平衡支持与挑战不合逻辑观点 33:35 AGI的融合之路：语言模型、图像模型与世界模型的结合 34:46 工业革命的启示：AI带来的社会冲击将更剧烈、更迅速 36:52 后AGI时代：经济体系与人类意义的重构 38:53 国际合作与AI安全：地缘政治挑战与潜在的“警钟” 42:56 人类与机器的界限：图灵机的极限与意识的本质 46:17 顶尖AI研究者的心路历程：兴奋、责任与挑战 48:40 AI领域的竞争与合作：超越商业成败的更高 stakes 49:39 未来十年：Agent系统的风险与期待 51:20 终极使命：安全引导AGI到来后的“学术假” 🌐 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，Acquired播客迎来十周年里程碑，两位主持人Ben Gilbert和David Rosenthal邀请到传奇作家Michael Lewis（代表作《点球成金》、《大空头》等）作为特邀嘉宾。他们不仅回顾了Acquired十年来的成长历程，剖析了其独特的成功之道，更深入探讨了从NFL、Costco、伯克希尔哈撒韦等公司身上学到的商业智慧，以及这些经验如何塑造了Acquired的运营模式。Michael Lewis以其独到的视角，与Ben和David共同拆解了Acquired的“七力模型”，揭示了其在播客行业中脱颖而出的秘诀，包括其稀缺性、独特的商业模式、对内容质量的极致追求以及与听众建立的深厚信任。这不仅是一场关于播客的十年回顾，更是一堂关于创业、合作、内容创作与商业策略的实战大师课。 翻译克隆自：10 Years of Acquired (with Michael Lewis) 👨‍⚕️ 本期嘉宾 Michael Lewis，美国著名财经作家，著有《说谎者的扑克牌》、《点球成金》、《大空头》、《弱点》、《思维的发现》、《一念永恒》等多部畅销书。他同时也是播客《Against the Rules》的主持人。 ⏱️ 时间戳 00:00 开场 & 播客简介 00:00 Michael Lewis初识Acquired：长播客的魅力与节目演变 08:50 伙伴关系的力量：Ben与David的化学反应 12:40 Acquired的商业智慧：从NFL到伯克希尔哈撒韦的十大教训 12:40 稀缺性原则：从NFL学到的节目更新策略 16:20 聚焦成功：Acquired反向工程的创业视角 17:30 “太难了”原则：芒格智慧在内容选择上的应用 23:20 复利效应与信任：播客与书籍的不同增长路径 26:10 恐惧是动力：对听众的敬畏驱动内容质量 44:30 独家研究方法：从阅读到高层访谈的演变 1:02:30 小众市场的巨大潜力：Ben Thompson的启示 1:05:20 精简运营：小团队如何打造高品质内容 1:07:00 极致打磨：Acquired的录制与剪辑流程揭秘 1:10:00 独特的商业模式：与赞助商的深度合作 1:23:00 创始人控制权：保持精品店模式的价值 1:29:00 热情驱动：即使数据不佳也值得做的节目（任天堂、IPL） 1:36:00 创造“事件”：从习惯到超级碗的品牌打造 1:40:00 简化与聚焦：从Costco和台积电学到的核心竞争力 1:47:00 播客研究与VC尽调：两种思维模式的异同 1:50:00 Acquired成功之“为什么”：外部顺风与内部伙伴关系 1:53:00 Acquired的“七力模型”：规模经济、反向定位、品牌、垄断性资源与流程优势 2:10:00 Carve Out环节：主持人与嘉宾的年度推荐 2:10:00 书籍推荐 2:14:00 播客推荐 2:17:00 影视推荐 2:21:00 电子游戏推荐 2:23:00 产品推荐 2:27:00 育儿心得 2:30:00 节目总结与致谢 🌟 精彩内容 💡 十年磨一剑：Michael Lewis对Acquired的赞叹 Michael Lewis首次接触Acquired便被其深度和长度所震撼，他称赞节目能将听众带入一种沉浸式状态，愿意学习自己都不知道想学的东西，并对Acquired从早期青涩到如今的巨大转变感到惊叹。 “我简直不敢相信，你们做一个四小时的播客居然还能火。而且我更不敢相信，就算听了四个小时，我还想听更多。” 🛠️ 恐惧是动力：极致内容质量的秘密 Ben和David坦言，对听众的“恐惧”是他们成功的强大动力。他们害怕辜负听众的信任，每一次节目都力求做到最好，这种对质量的极致追求，让他们在播客行业中脱颖而出。 “我们能成功，很大程度上是因为我们一直都很害怕。我们每次做节目都怕得要死。” 🚀 独特的商业模式：稀缺性与深度合作 Acquired通过减少节目数量、不与广告代理合作、与赞助商建立深度伙伴关系等方式，创造了独特的商业模式。他们将赞助商视为合作伙伴，甚至投资他们的公司，确保了商业与内容的统一性。 “我们不和代理机构合作。是的。如果一个代理机构联系我们说：‘我们想在你们的播客上投放广告。’我们会给他们写一封很客气的信……说：‘哦，我们不和代理机构合作，但非常感谢您的兴趣。’” 💻 创始人控制权：保持精品店模式的价值 节目讨论了创始人控制权的重要性，以及Acquired如何选择保持精品店模式，而非盲目扩张。他们从伯克希尔哈撒韦、Costco等公司学到，专注于核心优势，避免不必要的多元化，是实现长期价值的关键。 “我们最终失败的更可能的原因是，我们不再被发现的新事物所取悦。所以我们没有新的东西可以传递给听众。” ❤️ 相信热情：即使数据不佳也值得做 Ben和David分享了制作任天堂和IPL（印度超级板球联赛）等节目时，尽管数据表现不佳，但因对主题的热情，依然获得了意想不到的高价值连接和反馈。这印证了Michael Lewis的观点：强烈的感觉总能触动某些人。 “如果你没有任何感觉，那很可能没人会有任何感觉。但如果你感觉很强烈，总会有人感觉到什么。” 🌐 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