跨国串门儿计划 - 节目列表

🎙️ 📝 本期播客简介 本期我们克隆了：硅谷头部产品播客《Lenny's Podcast》 How to build a defensible company in the AI era | Evan Spiegel (Snapchat CEO) 本期嘉宾 Evan Spiegel 是 Snap 的联合创始人兼 CEO。十五年前他打造了 Snapchat，如今月活近十亿，是极少数能够持续创新的消费社交产品掌舵人之一。在这期节目中，你将听到 Evan 首次系统阐述：为什么在 AI 时代，分发成为比产品市场契合度更关键的护城河；Snapchat 如何连续十五年被抄袭却依然引领创新；他对 AR 眼镜这一下一代计算平台的执着与思考；以及他如何通过极扁平的创新组织，在巨头林立中持续推出 Stories、Spectacles 等改变规则的产品。这不仅是关于 Snapchat 生存与演化的深度复盘，更是一堂关于创始人如何平衡创新与规模、理想与现实的领导力大师课。 👨‍💼 本期嘉宾 Evan Spiegel，Snap 联合创始人兼 CEO。他于 2011 年与 Bobby Murphy 共同创建了 Snapchat，此后十五年一直领导公司创新，推出 Stories、AR 镜头、Spectacles 眼镜等里程碑产品。Snapchat 目前月活用户超过 10 亿，年营收超 60 亿美元，是全球最成功的社交消费平台之一。 ⏱️ 时间戳 00:00 开场 & 播客简介 消费社交的生死线：为什么分发比产品市场契合度更重要 01:37 为何 15 年来难有新社交产品成功？TikTok 和 Threads 的例外 03:59 分发：消费科技里最被低估的一课 05:23 砸钱砸出生态：TikTok 如何用数十亿美元解决分发 05:57 产品市场契合度之外，创始人该思考什么 06:24 亲密朋友的网络价值：Snapchat 的早期增长密码 Snapchat 的“原创者诅咒”：被抄袭与反超 08:31 从 Stories 到 AR 眼镜：Snapchat 被抄的历史清单 09:11 Snapchat+ 订阅被 Meta 抄袭：连名字都一样 09:39 被抄是一种福气？Evan 的反思与策略 09:55 十五年前就明白：软件本身不是护城河 10:12 构建生态系统：让抄袭者难以复制 硬件与 AR 眼镜：为下一代计算平台播下种子 11:41 硬件投入的初衷：把人们从孤独的屏幕中拉回来 12:02 Spectacles 到 Specs：十年的 AR 眼镜演进 14:10 新电脑形态：解放双手，连接真实世界 15:31 AR 不是通知屏幕：Evan 对人机交互的思考 构建创新组织：从《Loonshots》到 Snap 的实践 16:15 《Loonshots》的启示：大公司与小团队如何共存 19:14 设计团队作为创新引擎：9-12 人的扁平先锋队 19:40 没有层级的设计室：从第一天就要展示作品 22:05 想有好点子，先有大量点子：速度压倒完美 设计驱动一切：速度、评审与用户共情 22:30 该不该和用户交谈？Evan 的共情方法论 23:34 Stories 诞生记：倾听但不盲从用户需求的经典案例 26:39 截图检测：一个早期功能如何引爆增长 28:12 等了 200 名员工才招 PM：设计团队的产品经理角色 30:39 AI 时代：设计师终于被正名了？ 32:00 设计是“瓶颈”，也是品质的保障 AI 如何重塑产品团队：设计师写代码、智能体接管工作流 34:53 招聘设计师：只看作品集，不看履历 41:03 设计师写代码：从好奇到提交 PR 42:23 十亿用户规模的 AI 应用：自动化代码审查与 bug 修复 44:23 智能体改变公司运作：从产品想法到市场推广的自动化 50:52 Evan 的 AI 副驾驶：如何用 Glean 掌握整个公司的脉搏 创始人的进化：从做产品到当“首席解释官” 43:05 十五年 CEO 角色的蜕变：从回复客户邮件到战略 44:10 沟通是最核心的技能：克林顿的“首席解释官”之说 45:13 爱上冲突：从抵触全员大会到享受尖锐问题 Snap 的“关键时刻”与未来 47:21 为什么今年被称为“坩埚时刻”？十亿用户后的盈利压力与眼镜生意 48:40 “中间的小孩”：Snap 在巨头夹缝中的定位与挑战 49:50 家庭屏幕政策：四个男孩的不同数字生活 快问快答 55:08 反共识观点：人性远比技术重要，AI 推广必有社会反弹 56:43 推荐书籍：《苹果前五十年的故事》与《世界末日只是开始》 57:31 最近最爱的电影：《Marty Supreme》 58:02 重新迷上宝可梦：与孩子一起发现 IP 魅力 58:28 人生格言：你有两只耳朵，一张嘴巴——按比例使用它们 58:40 最爱的镜头：呕吐彩虹；最不爱的：换脸 结尾 59:34 让计算更具人情味：Evan 的临别寄语 🌟 精彩内容 💡 分发才是新护城河 Evan Spiegel 指出，在 AI 让软件构建门槛大幅降低的未来，分发将成为最难被复制的竞争壁垒。他以 TikTok 砸巨资补贴市场两端为例，说明解决分发问题比单纯寻找产品市场契合度更重要。这一观点对当下消费创业者极具冲击力。 “消费者科技行业里，太多人在关注产品市场契合度。但人们花在思考分发、搞懂分发上的时间，远远不够。” 🛡️ 十五年前就悟到的真理：软件本身不是护城河 Evan 回顾 Snapchat 被无数次抄袭的历史，坦承正是意识到软件功能极易复制，团队才早年押注生态建设和硬件。这一反思与当下 AI 时代“软件正在被商品化”的共识不谋而合，也解释了 Snap 为何在 AR 眼镜上投入十年之久。 “十五年前，我们本质上就认识到，软件本身不是护城河。而这一点，今天所有人正在通过 AI 重新发现。” 👓 AR 眼镜：为被屏幕隔离的人们重新连接 Evan 分享了他对计算设备演进的深刻思考：手机让我们孤独地盯着屏幕，而 AR 眼镜能将数字体验锚定在真实世界，让人们共同互动。他透露 Spectacles 的演进路线，并认为现在正是推出这种“新电脑”的最佳时机。 “我注意到电脑——以及今天的手机——有一个问题：它们在很多方面让我们彼此隔离……所以，我觉得这里有一个巨大的机会，去构建那种真正能把我们聚在一起、让我们扎根于现实世界的技术。” 🏢 从《Loonshots》学到的创新组织学 Evan 将《Loonshots》一书奉为圭臬，详细拆解 Snap 内部如何平衡 10 亿用户的稳定运营与极小型设计团队的疯狂创新。他描述了一种“双组织”结构：让纯粹扁平、高速试错的团队与纪律严明的大部队和谐共生。领导者的任务就是管理好双方的紧张关系。 🎨 设计评审的速度哲学：想要好点子，先有大量点子 Evan 介绍他每周与设计团队碰面数小时，看到上百个想法，鼓励设计师从入职第一天就展示作品。他强调，只有当点子不再被视为珍宝时，真正的创造力才会爆发。这一做法或许能启发所有创意驱动的团队。 “想出一个好点子的前提，是你得先有大量的点子。” 💬 倾听但不盲从：Stories 功能的诞生故事 Evan 生动还原了 Stories 如何从用户“给我个群发按钮”的请求中，演变成一个按时间线、阅后即焚、零压力的分享形式。这个案例完美诠释了“共情用户，再给出意想不到的解决方案”的产品哲学。 “我们从用户那里听到的所有这些洞察，对产品设计过程产生了巨大的影响。但我们并没有完全按照他们要求的来做。我们是先共情，然后提出了全新的、完全不一样的东西。” 🌐 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； 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 本期我们克隆了挪威主权财富基金CEO Nicolai Tangen主持的《好公司相伴》Xiaomi CFO: From Smartphones to EVs, Speed to Market and AI | Podcast | In Good Company 他邀请了小米集团首席财务官Alain Lam，深入探讨小米从手机起步到构建“人车家全生态”的扩张历程，以及AI、智能汽车、人形机器人和全球化战略。Alain分享了小米如何用不到三年时间造出第一款车，为什么集中十倍资源只做一款车，以及AI如何在制造、销售、研发中落地。他还透露了创始人雷军的管理哲学——亲自试驾150款车、考取赛车执照，并阐述了对“中国速度”、欧洲电动化差距及未来物理世界AI的独到见解。 👨‍💼 本期嘉宾 Alain Lam，小米集团首席财务官。他拥有丰富的国际金融与战略经验，在小米负责财务、战略投资及全球业务拓展，深度参与小米从手机到智能汽车的跨界布局，是公司核心管理团队的关键成员。 ⏱️ 时间戳 00:00 开场 & 播客简介 小米的创业基因与手机业务 00:01:56 小米简介：一家年营收超4500亿元的十六岁年轻公司 00:03:15 从MIUI到小米1：用一年时间打造第一款智能手机 00:04:22 本土供应链与“高品质、诚实价格”的初心 00:05:26 小米17的创新：双面屏幕的突破性设计 00:06:00 智能家居生态：从空调、洗衣机到智能门锁的万物互联 造车：从手机思维到智能电动车 00:07:19 2021年决定造车，不到三年推出首款车型 00:08:23 集中十倍资源，只做一款车的产品哲学 00:09:17 30分钟卖5万辆：未试驾即下单的忠诚用户 00:10:44 手机与造车的异同：软件定义硬件与供应链复用 00:12:01 欧洲电动车落后在哪？小米把焦点放在“智能” 00:13:51 福特CEO开SU7：“开了六个月就甩不掉了” 00:14:05 电动车市场未来：渗透率持续上升，欧美收缩只是暂时 AI、机器人与技术愿景 00:15:32 人形机器人：2019年开始布局，先用于自家工厂提效 00:16:52 灵巧手的进化：自由度、散热与接近真人手的尺寸 00:18:13 AI在小米的全方位应用：编程、销售预测、压铸检测 00:19:47 小米自研大语言模型：开源、低成本与排行榜高分 00:21:58 未来愿景：物理世界的AI与全球十亿台设备互联 创始人、文化与全球化 00:22:53 雷军：亲自试驾150款车、考取赛车执照的产品狂人 00:23:59 工作文化：“既要努力干活，也要聪明地干活” 00:25:26 “中国速度”的秘诀：成熟供应链、前沿创新与超长投入 00:26:21 欧洲计划：明年出口电动汽车，设立慕尼黑研发中心 个人洞见与建议 00:27:18 CFO的放松之道：阅读商业历史、跑马拉松与享受美食 00:29:24 给年轻人的建议：理解趋势，99%的问题已有现成答案 00:30:31 结语与感谢 🌟 精彩内容 💡 从手机到全生态的扩张逻辑 Alain Lam回顾了小米16年的发展历程，从MIUI操作系统起家，到推出小米1、布局智能家居，再到汽车和机器人，始终秉持“高品质、诚实价格”的理念。目前小米已形成“人车家全生态”，拥有全球超十亿台联网设备。 “我们想给用户提供高品质的解决方案，但价格要实惠。” 🚗 十倍投入，集中精力造一款车 面对造车新战场，小米没有分散尝试，而是用超3000人的研发团队、十倍于行业平均的投入，死磕第一款车SU7。这种做法让小米一举打破市场，创造了发布即爆款的纪录。 “与其朝多个方向分散、做很多款车，不如把所有精力集中在一款车上。” 🤖 人形机器人与物理AI的未来 小米从2019年就开始布局人形机器人，目前主要用于内部制造场景，以提升效率。Alain认为，物理世界的数据仍稀缺，而小米庞大的硬件生态将成为训练物理AI的关键，未来可能会彻底重塑制造流程。 “我们把焦点放在‘智能’上，而不是仅仅盯着电动。” 🧠 雷军的管理密码：做产品的狂热信徒 雷军不仅是一位远见者，更是极致的“产品人”。他亲自试驾150多款车、考取职业赛车执照，并要求管理层深入体验产品——Alain在首款车发布前就开了3000公里。这种“热爱产品”的文化深深塑造了小米的工作方式。 “你必须了解产品，必须爱你的产品，你才能做这个业务。” 🌍 给年轻人的成长哲学 Alain建议年轻人保持学习兴趣，跟上AI等前沿趋势，同时多读商业历史，从成功和失败中寻找答案。他分享了一句古话：“百分之九十九的问题，其实都已经有现成的答案了，你只需要把它找出来。”而AI工具或许能加速这一过程。 🌐 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开发者 Matt Pocock 在 AI Engineer 大会上的深度工作坊。Full Walkthrough: Workflow for AI Coding from Planning to Production — Matt Pocock (@mattpocockuk ) Matt 是 TypeScript 专家、在线教育平台 AI Hero 的创始人，过去半年他全身心探索如何将软件工程的基本功与 AI 工具高效结合。在这期播客中，你将听到 Matt 如何通过严谨的软件工程实践，让 AI 编程不再是“氛围编程”，而是可控制、可预测、高质量的工程流程。从理解大语言模型的局限性，到运用“追问”技巧对齐需求，再到将任务拆分、测试驱动开发、代码审查，Matt 提供了一套完整的工作流，帮助你真正驾驭 AI，而不是被 AI 驾驭。 👨‍🏫 本期嘉宾 Matt Pocock，TypeScript 专家，在线教育与开发工具 AI Hero 创始人。他以深刻的软件架构理解和丰富的 TypeScript 教学经验闻名，长期致力于帮助开发者提升代码质量与工程效率。 ⏱️ 时间戳 开场 & 播客简介 00:00 主播一恺介绍节目与本期克隆的AI编程工作坊 00:37 Matt Pocock与原话亮点：软件工程基本功与AI的化学反应 软件工程基本功：AI时代的基石 01:31 Matt开场：AI是新范式，但软件工程基本功同样关键 02:41 现场调查：多数开发者每天用AI编程，但也常被AI气疯 大语言模型的“阿喀琉斯之踵” 03:57 聪明区与蠢笨区：为什么上下文越长AI越蠢？ 06:33 多阶段计划：如何拆分大任务避开蠢笨区 07:54 记忆碎片：LLM的遗忘特性与上下文重置 09:20 压缩 vs 清空：哪种上下文管理方式更好？ 规划与对齐：让AI听懂你的想法 11:58 练习项目：为课程平台添加游戏化功能 12:29 “追问我”技巧：远离“规格直接转代码”的误区 14:55 实战grill me技能：与AI进行深度盘问，达成共同理解 18:20 子代理的作用：隔离上下文，降低主窗口压力 21:31 问答环节：如何将追问技巧融入团队协作 从想法到产品需求文档（PRD） 26:48 盘问结束后，为什么需要一份PRD来记录设计概念？ 28:09 自动生成PRD：用户故事、实现决策与模块划分 31:34 为什么不读PRD？信任对齐过程，把时间花在QA上 任务拆分：看板、垂直切片与并行开发 34:28 看板方法：将PRD拆成独立任务，理清阻塞关系 36:38 垂直切片与曳光弹开发：避免AI“水平编码”，尽早获得反馈 43:38 创建任务依赖图，规划多智能体并行执行 实现阶段：自动智能体与测试驱动开发 45:45 白班与夜班：人类完成规划，AI火力全开自动实现 46:54 Ralph全自动智能体循环：任务优先级与反馈回路 50:31 问答：如何管理AI产出的大量代码审查？ 56:50 AI对AI的QA：让AI自审代码，但记得清空上下文 58:15 测试驱动开发（TDD）：从AI身上榨取最大价值的关键 代码审查、规范与架构优化 01:00:32 人工QA：重新注入人的品味，避免产出“渣滓” 01:04:18 浅模块 vs 深模块：好代码库让AI更聪明 01:09:53 改善代码库架构技能：扫描耦合，创建可测试的深模块 01:11:47 文档腐烂：为什么PRD完成就应丢掉？ 01:15:42 编码规范策略：对实现者“拉取”，对审查者“推送” 01:17:15 Sandcastle：跨智能体并行开发的TypeScript框架 总结与建议 01:20:41 完整工作流回顾：想法→对齐→PRD→看板→实现→审查 01:22:19 核心建议：多读经典软件工程书籍，它是一座纯金矿 🌟 精彩内容 💡 软件工程基本功是AI时代的放大器 Matt强调，AI是新范式，但模块化、测试、代码审查这些基本功在与AI协作时更为重要。糟糕的代码库造出糟糕的智能体，优秀的架构才能让AI发挥威力。 💡 聪明区与蠢笨区：LLM的核心约束 理解大语言模型的“注意力衰减”是高效使用AI编程的前提。上下文超过一定长度后，模型性能急剧下降，因此必须将任务拆小，避免一脚踩进蠢笨区。 💡 “追问我”技巧：与AI深度对齐的秘密武器 Matt独创的“grill me”技能，通过不断向开发者提问的方式，强迫AI与人在设计概念上达成一致。这远比直接产出计划文档更能确保后续实现不跑偏。 💡 TDD：让AI写出高质量代码的钥匙 测试驱动开发（红-绿-重构）是让AI编程产生价值的绝对关键。它提供了即时反馈循环，避免AI盲目编码，并显著提升代码库的测试覆盖率。 💡 垂直切片与深模块：设计AI友好的系统 AI倾向于一层一层水平编码，导致迟迟无法集成测试。采用垂直切片（曳光弹）和深模块设计，能让人和AI在开发早期就获得完整反馈，大幅提升效率。 💡 人机协作的终极工作流 Matt分享了一套完整打法：人工负责规划和需求对齐，生成PRD与看板任务；然后交给AI自动实现；最后人工进行QA和审查。这套流程将AI的效率与人的品味完美结合。 🌐 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 本期我们克隆了播客《Into Asia》的一期深度对谈A Year Inside ByteDance's AI Lab 【编者述：该内容存在争议，x 上有评论认为该研究者并未接触到字节AI 的核心项目，仅作为信息和视角补充】 主持人 Cheche 与北京大学助理教授、前字节跳动研究员 Chu Chu 坦诚交流了中国人工智能领域的竞争与挑战。Chu Chu 曾深度参与大语言模型的研发，对中美 AI 差距有着一线观察。在节目里，他揭示了中国 AI 公司内部刷榜文化的真相，分析了芯片禁令下数据蒸馏的无奈，并尖锐指出中美 AI 差距其实正在拉大。从字节跳动的 IMO 数学竞赛项目，到北大推理效率算法的新方向，再到具身智能与 AI Agent 的中国机会，这场对话带来了一位圈内人最真实的反思与预判。 👨‍🔬 本期嘉宾 Chu Chu，北京大学助理教授，前字节跳动 Seed 部门研究员，加州大学洛杉矶分校（UCLA）博士。他曾先后在北京通用人工智能研究院（通院）和字节跳动工作，亲历了中国大语言模型从追赶 GPT-4o 到被 DeepSeek 冲击的全过程，目前专注于 AI 推理效率与具身智能的研究。 ⏱️ 时间戳 00:00 开场 & 节目简介 嘉宾背景与 AI 之路 01:33 从吴恩达课程到 UCLA 博士 03:10 跟随朱松纯归国：数据驱动与规模假设的争论 04:12 在通院的日子：ChatGPT 如何改变 AI 研究格局 05:51 加入字节跳动：SEED 的诞生与 DeepSeek 的震撼 字节的 AI 战场：刷榜、资源与隐形压力 07:23 “我们以为追上了 GPT-4o，直到 DeepSeek 出现” 08:07 形式化数学与 IMO 金牌项目：公关还是科研？ 09:35 SEED 内部结构：LLM、VLM 与数学组的分工 11:04 刷榜文化：基准分数如何定义你的成败 12:35 午休两小时、九小时工作制：字节 AI 研究员的一天 14:11 从银牌到交付：当研究兴趣被工程琐事消磨 17:16 谷歌三个月迭代一轮，我们要半年：速度差距的背后 18:16 特供版 H20、禁运前抢购的 H100：字节的芯片家底 19:43 国产芯片为什么训练用不上？ 21:14 追赶者缺乏创新：中美差距真的在缩小吗？ 差距拉大的本质：蒸馏、数据与基础设施 21:57 Claude Code 让我不想再招博士生：编程智能体的震撼 22:48 用户反馈循环：美国模型的真正护城河 24:25 离开字节的原因：大厂 LLM 工程其实很无聊 26:04 北大新方向：推理效率提升 5%，就能省下天量成本 27:50 捷径的代价：中国公司为何沉迷数据蒸馏？ 29:01 什么是蒸馏？用 GPT 的答案训练自己的模型 30:06 AGI 信仰与现实：智能体如何重构工程师的角色 具身智能与下一代 Agent 31:16 制造业优势：中国可能在具身智能赛道领先 32:20 宇树机器人擅舞却不擅“思”：运动控制与智能操作的鸿沟 33:31 如何让机器拥有灵巧操作的能力？ 34:12 Open Claw 与 Vibe Research：当研究生开始让智能体帮自己盯实验 35:23 智能体的隐私陷阱与使用边界 36:17 中国程序员正在用 Claude Code 写中国的大语言模型？ 37:05 结语 🌟 精彩内容 💡 中美 AI 差距反而在拉大？ Chu Chu 坦言，尽管在部分基准上中国模型看似追平，但实际体验和智能涌现上的差距仍在扩大。核心原因是用户反馈循环的断裂和基础设施的全面落后。“我认为我们还远远落后，而且差距还在越拉越大，这真的很让人难过。” 💡 刷榜文化才是真正的压力 在字节等大厂，每个团队紧盯着自己负责的基准分数，却没有将表现转化为真实场景中的好用体验。“从论文上看，中国的每一家大厂都有一个不错的模型，但以我自己的使用体验来说，我并不觉得它们真的够好。” 💡 蒸馏：被卡住脖子的中国 AI 在走捷径 为快速获取高质量训练数据，不少中国公司直接查询 GPT、Claude 等模型，将答案塞进自己的训练集。这种蒸馏虽然省时省钱，却让企业迟迟建不起自主的数据管道，形成恶性循环。 💡 推理成本才是烧钱大户 训练模型的成本固然高昂，但 Chu Chu 指出，真正吃掉利润的是部署后的推理算力。“如果能从算法上让推理效率提高一点点，哪怕百分之五，给公司省下的钱也会非常可观。” 这也是他回归北大后的主攻方向。 💡 具身智能：中国的下一张王牌 凭借全球领先的硬件制造能力，尤其在电机和本体方面，中国在具身机器人领域优势明显。但如何让宇树这样的机器人拥有真正的大脑——灵巧地拿起杯子、走进千家万户——仍是待解难题。 💡 智能体正在承包科研工作 他的学生已经开始用 Open Claw 监控模型训练、自动调试 Bug，团队甚至提出“Vibe Research”的概念：设定一个监控任务，就让智能体去完成，自己直接去睡觉。 🌐 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：硅谷顶尖投资与科技播客《Invest Like The Best》The Supply and Demand of AI Tokens | Dylan Patel Interview 本期嘉宾 Dylan Patel 是顶尖芯片与 AI 分析机构 SemiAnalysis 的联合创始人，主持人则是一位长期追踪算力经济的资深记者。两人围绕 AI 模型进展、Token 经济与企业竞争力展开了一场信息密度极高的对话。Dylan 分享了 SemiAnalysis 自身 Token 用量从几万美元飙升至七百万美元的疯狂内幕，展示了一个人用几千美元 Token 就替代整个团队完成逆向工程、宏观经济分析的惊人案例。他深入剖析了 Token 供需的严重错配，揭示了前沿模型 Mythos 强大到让开发者推迟发布的真实原因。更发出振聋发聩的警告：当执行成本趋近于零，只有持续用更多 Token 创造并捕获价值，才能避免坠入“永久的下层阶级”。 👨‍⚕️ 本期嘉宾 Dylan Patel，SemiAnalysis 联合创始人。SemiAnalysis 是全球顶尖的芯片、AI 基础设施与算力经济研究机构，其分析报告深受华尔街与科技界决策者信赖。Dylan 本人以极深的技术洞见和对供应链的敏锐判断而闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 执行与创意的逆转 01:34 过去执行极难创意廉价；现在执行极容易，真正好的创意才值得落地 Token 用量爆炸：SemiAnalysis 内部故事 02:43 非技术人员用 Claude Code 一天花掉几千美元写代码 03:46 逆向工程芯片：一个人几千美元 Token 替代一个专业团队 04:49 经济学家 Malcolm 一人完成两百人的工作量，发明“幽灵 GDP”指标 06:01 公司 Token 支出从几万飙升至七百万美元，远超人力成本增幅 AI 重构企业竞争 07:10 “如果我不采用 AI，别人就会用，然后打败我”——生死存亡的抉择 08:04 能源模型：一个人三周抓取全美电网数据，做出百人公司十年的产品 10:14 更快行动、更聚焦，才能在 AI 商品化浪潮中存活 Token 的需求侧：无尽的饥渴 10:30 Anthropic 营收从 90 亿暴涨至 400 亿+，毛利率超 72% 13:36 人们对最前沿模型的执念：宁可多付费也绝不降级 15:08 成本暴跌，但需求完全由新用例驱动 Mythos：让人恐惧的模型 15:39 Mythos 强大到 Anthropic 不敢公开发布，已相当于 L6 工程师 17:04 实施成本极低，关键变成挑选值得花钱的好创意 18:00 社会如何重塑？执行力不再稀缺，创意与资本才是新核心 Token 不平等：永久下层阶级的警告 19:22 最前沿模型只会开放给越来越少数的客户，资源进一步集中 28:27 “用更多 Token，否则永远逃不出永久的下层阶级”——必须用 Token 产生并捕获价值 供给端全链条紧绷 29:37 需求爆炸，GPU、存储、CPU 全线涨价，使用寿命逆势延长 31:47 存储产能新增需至 2028 年，DRAM 价格或从当前位置再翻一倍 34:55 CPU 完全卖断货：强化学习环境与推理部署双重驱动 难以量化的价值与幽灵 GDP 37:20 Token 经济学最难之处：如何度量 AI 为经济创造的隐性价值 38:47 “幽灵 GDP”——AI 大幅通缩效应下，传统 GDP 无法反映真实增长 未来展望：抗议、公关与希望 39:29 三个月内可能出现针对 AI 的大规模抗议 40:28 Sam Altman 和 Dario 必须停止空洞宣导，转而展示 AI 当下的振奋应用 41:34 结尾 🌟 精彩内容 💡 执行成本趋近于零，好创意才值钱 Dylan 指出，过去商业世界最看重执行力，因为把一件事做成难得要命，而创意很便宜。但现在 AI 让执行变得极其容易且廉价，导致泛滥的创意中只有那些真正出色的才值得投入资金。“现在实施非常容易——虽然贵，但很容易。关键就变成了你决定去实施哪些想法。” 💡 一个人碾压整个团队：Token 用量的现实神话 SemiAnalysis 的内部案例令人瞠目：从未写过代码的员工用 Claude Code 一天烧掉几千美元，搭建出原本需要整支团队维护的逆向工程分析系统；一位经济学家独自完成过去需要两百位经济学家干一年的宏观经济评估，并创造了“幽灵 GDP”这一全新指标。而公司的 Token 开支已从几万美元飞到七百万美元，占人力成本的四分之一以上。 💡 Mythos 的恐惧：模型能力正在以月为单位暴涨 Anthropic 在二月份就内部拥有了 Mythos，但它强到公司不敢公开发布——因为怕对社会产生冲击。它在上代还是新手工程师的水平，两个月后直接跳到 L6 资深工程师。“我们两个月内从 L4 跃迁到 L6……模型进步的速度还在加快。” 💡 “用更多 Token，否则永远逃不出永久的下层阶级” Dylan 提出了一个冷酷的三步生存法则：你必须使用更多的 Token，从这些 Token 中产生超额价值，并且成功地捕获住这些价值。如果你做不到，随着能力最强的模型被装在越来越多的资本手里，你将彻底被甩出经济价值的循环，坠入“永久的下层阶级”。 💡 全供应链历史性紧绷：存储、CPU、GPU 都在疯抢 需求暴增正沿着整条供应链向上传导，价格飞涨、交货期拉长。存储芯片产能新增需要等到 2028 年，DRAM 价格可能还要翻倍；CPU 因为强化学习和推理部署的双重需求而全面卖断；就连 PCB 用的铜箔、玻璃纤维都在被预付款抢购。Dylan 判断这轮短缺的深度和广度将是史无前例的。 🌐 播客信息补充 翻译克隆自：Invest Like The Best: The Supply and Demand of AI Tokens 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《Cognitive Revolution》的一期深度对谈。主持人Nathan Labenz与AI笔记应用Granola的联合创始人兼设计师Sam Stevenson，深入探讨了这款近期估值突破10亿美金、以极简体验著称的产品背后的设计哲学、增长策略以及AI产品设计的未来。Sam分享了他如何从Oxo厨房工具获得灵感，刻意将产品做得“令人惊讶地没野心”，专注于服务那些会议连轴转、无暇他顾的职场人。你将听到他们如何通过口碑和分享笔记实现病毒式增长，以及他们为何做出不保存音频、不让机器人加入会议等独特抉择。这期节目既是一堂产品设计课，也是一场关于如何在AI浪潮中保持产品初心的深度对话。 👨‍💼 本期嘉宾 Sam Stevenson，AI笔记应用Granola的联合创始人兼设计师。他带领团队打造了一款专为忙碌职场人设计的极简AI笔记工具，以简洁的产品体验和独特的隐私设计广受好评。Granola近期以15亿美元估值完成1.25亿美元融资，成为AI应用赛道最受瞩目的新星之一。 ⏱️ 时间戳 00:00 开场 & 本期简介 产品哲学与初期口碑 01:39 嘉宾登场：Sam Stevenson与估值10亿的Granola 02:15 “令人惊讶地没野心”：Granola的产品原则 05:44 增长的第一驱动力：几乎完全来自用户口碑传播 06:32 理想用户画像：那些“一个会接一个会”的职场人 07:32 从Oxo厨房工具学到的设计课：为极端用户设计，让所有人喜爱 08:57 拥抱混乱：针对“系统一”思维状态的软件设计 10:13 别再问用户了：如何捕捉他们真实的慌乱状态 12:05 产品设计的核心矛盾：帮用户进入深度思考，还是适应现状？ AI助理的现实挑战 15:21 通往深度情境的障碍：碎片化信息与企业权限 18:01 智能体个性化与记忆：被严重低估的能力 19:11 “情境即服务”：可能的下一个创业机会 技术架构、成本与隐私 21:57 为何不设使用限制？Granola的推理成本策略 26:30 实时转录技术揭秘：与Deepgram等的合作与冗余设计 29:52 隐私优先：不保存原始音频，不做可见的会议机器人 31:30 隐私与同意的文化转变：从疑虑到逐渐接受 38:22 遗忘刻在人性里：让智能体也随时间淡忘细节 增长飞轮与产品极简 39:27 对抗功能膨胀：极简界面背后的自律艺术 41:54 recipes功能：用户共创的病毒传播利器 46:51 笔记分享如何成为自然获客循环的核心引擎 AI驱动的设计流程与团队文化 48:11 AI如何重塑设计：Figma的角色变迁与原型编码 51:26 快速原型的价值：从想法到可评估原型，时间大幅缩短 53:03 内部演示与产品决策：周五演示日和与用户的深度合作 54:48 招聘哲学：谦逊、好奇心与高度贴近用户 未来忧虑与积极愿景 58:22 Beta测试的真实作用：抓虫与常识检查，而非验证假设 01:00:17 最大担忧：“大科技奇点”与基础模型平台的垄断风险 01:04:06 积极愿景：让知识工作者更少做电脑的奴隶，更活在当下 🌟 精彩内容 💡 为极端用户设计：Oxo的启示 Sam从厨房工具品牌Oxo汲取灵感——Oxo专门为手部不便的人设计产品，却意外地让所有人都觉得好用。Granola同样瞄准那些“会议一个接一个、根本没时间喘气”的极端用户，为他们创造的平静体验，最终让所有职场人都受益。 💡 不存音频、不做机器人：独特的隐私观 Granola刻意不保留任何原始音频，也不以一个可视的机器人身份加入会议，而是在操作系统音频层面运行。这不仅仅是为了降低用户的“被监视感”，更是一种产品伦理选择——在AI工具日益侵入生活的当下，这种克制反而获得了用户的深度信任。 💡 让增长自然发生：recipes与笔记分享的病毒循环 Granola几乎完全依靠口碑增长。用户创建的recipes（如“盲点发现器”“个人辅导”等）激发了大量主动分享，而会议结束后立刻分享到Slack的漂亮笔记，则成为了最有效的获客钩子，实现了低成本的指数级传播。 💡 AI加速设计，但Figma未死 Sam分享了团队如何借助AI编程工具在几小时内将想法变成可体验的原型，极大缩短了评估周期。但他也强调，Figma在构思和多方案对比上仍有不可替代的价值，设计师的角色正在向“建造者”演变，边界变得模糊。 🌐 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产品播客《Lenny's Podcast》的一期深度对谈 How Anthropic’s product team moves faster than anyone else | Cat Wu 主持人 Lenny 与 Anthropic 旗下 Claude Code 和 CoWork 的产品负责人 Cat Wu 坦诚交流，探讨 AI 时代产品经理角色的剧变。Cat 从工程和风投背景出发，正站在 AI 产品构建的最前沿。她分享了 Anthropic 如何以惊人速度发布产品、团队如何组织、工具栈如何搭建，以及个人如何在这场变革中蓬勃发展。 👨‍💻 本期嘉宾 Cat Wu，Anthropic 旗下 Claude Code 和 CoWork 的产品负责人。她拥有多年工程经验，曾短暂从事风险投资，目前带领团队打造改变开发者工作方式的 AI 原生产品。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI时代PM角色的根本转变 04:16 面试上千PM，为何大多做错了？ 06:04 从季度规划到按天发布：PM的核心新能力 13:38 角色融合：工程师、PM、设计师的边界消失 15:23 “决定去编写什么”：产品品味成为最稀缺技能 Anthropic的光速发布秘籍 09:16 如何清除发布障碍：从研究预览到跨职能流程 08:00 告别传统PRD？指标通晒与团队原则的力量 10:36 处理意外：源码泄露与OpenClaw决策反思 Anthropic的成功密码 23:43 从落后到领先：统一使命与极致专注 25:35 组织架构揭秘：产品、研究、增长如何协同 产品实战：Claude Code/CoWork改变工作 26:36 什么时候用哪个工具：CLI、桌面版、移动端、CoWork 29:19 实战案例：一小时生成二十页演讲幻灯片 34:05 个性化工作软件爆发：销售团队自建定制工具 模型迭代如何重塑产品 46:28 新模型如何“吃掉”旧功能：待办清单的演变 48:41 解锁新品：代码审查从梦想到可靠工具 49:50 愿景前瞻：从单任务到数百智能体并行的未来 给产品人与创业者的建议 51:42 拥抱AI杠杆：把繁琐工作交给AI，专注创意 53:20 自动化要打磨到100%，而非95% 55:17 构建你真正使用的应用，避免过度定制 闪电问答 57:44 推荐书单：《亚洲大趋势》《技术陷阱》《折纸动物园》 58:22 纪录片与爱好：《疾速争胜》《徒手攀岩》和Waymo 01:00:32 人生格言：“做就对了” 01:02:16 最喜欢的Claude思考词：manifesting 01:02:43 AGI后的生活：攀岩、读书、帮助世界跟上 🌟 精彩内容 💡 产品经理的新角色：“当编写代码的成本变得极其低廉时，真正变得更重要的，是决定去编写什么。” 产品品味成为最稀缺的能力。 🛠️ 光速发布背后的秘密：Anthropic 用“研究预览”机制降低发布承诺，将功能周期从六个月压缩到一天。通过清晰目标、团队原则和极简流程，每个成员都有权在当周把想法送到用户手中。 🧠 恰到好处的AGI信念：Cat 指出，难的不是为超级AGI构建产品，而是为当前模型激发最大能力，引导用户走上“黄金路径”。 🚀 CoWork 的魔力：连接 Slack、Gmail、Google 日历等所有工作数据源，CoWork 可以在几个小时内生成一份符合公司设计系统的二十页演讲稿，让 PM 从繁琐的汇报准备中解脱出来。 🏆 从落后到领先：Anthropic 的统一使命“安全地将 AGI 带给全人类”让团队愿意牺牲单个产品利益，追求整体成功，这是其超越巨头的核心原因。 💬 “做就对了”：最被低估的成功法则。Cat 强调，角色和边界是虚的，理解约束后直接动手，从错误中学习，比等待批准重要得多。 🔧 自动化要100%完成：95%的自动化没有价值，只有教会 AI 你的偏好、打磨到可以完全信赖，才能获得真正的杠杆效应。 🌐 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：斯坦福神经科学家 Andrew Huberman 主理的健康科学播客《Huberman Lab》How to Better Regulate Your Emotions | Dr. Marc Brackett 今天的嘉宾是耶鲁大学心理学教授、耶鲁情绪智力中心主任 Marc Brackett 博士。本期节目深入探讨了情绪调节的科学本质——不是消灭情绪，而是学会与情绪建立一种新的关系。Brackett 博士分享了从 PRIME 策略到 RULER 框架的完整工具箱，剖析了我们与焦虑、愤怒、快乐之间的复杂关系，以及为什么"做渠道，不要做大坝"是情绪健康的核心。节目还直面了当代最具争议的话题：男孩与男性的情绪表达、脆弱性是否等于软弱、AI 能否替代人类情感连接，以及如何在刺激与反应之间创造"元时刻"，召唤出最好的自己。 👨‍⚕️ 本期嘉宾 Marc Brackett 博士，耶鲁大学心理学教授，耶鲁情绪智力中心（Yale Center for Emotional Intelligence）主任。他是情绪科学领域的权威专家，致力于将情绪智力研究转化为学校、职场和个人生活中的实用工具。他开发了广泛应用于全球学校的 RULER 社会情绪学习框架，并著有关于情绪调节的畅销书。 ⏱️ 时间戳 开场与播客简介 00:00 节目开场与本期亮点 01:51 Huberman Lab 正式开场与嘉宾介绍 情绪调节的本质 04:57 什么是情绪调节：ER=(G+S) 与 PRIME 策略 06:17 核心误解：调节不是消灭，而是建立新关系 08:27 心态决定一切：没有"坏情绪" 社会文化中的情绪 12:59 快乐与幸福的习得性污名 16:07 代际传承：父亲与男性的愤怒表达 19:13 脆弱性与男性气质：男孩的情绪表达困境 23:36 后天培养的力量：孩子们天生渴望表达 27:31 教育现场：在 tough 社区的情绪课堂 情绪校准与领导力 33:59 情绪校准：理解自己和他人的设定点 37:01 领导者的脆弱性：真实需要伴随策略 41:24 元时刻（Meta Moment）：在刺激与反应之间创造空间 实用工具与内省 43:42 冥想与正念：必要但不充分 44:44 情绪粒度：区分焦虑、压力、恐惧与不知所措 49:38 检视假设：成长背景如何塑造情绪偏见 54:14 警惕"快速修复"：认知重评与科学家心态 当代挑战与系统性改变 56:26 代际冲突：过度反应还是反应不足？ 01:03:09 积极情绪也需调节："做渠道，不要做大坝" 01:08:29 争议中的平衡：既不软弱，也不压抑 01:15:47 AI 时代的连接危机：技术无法替代人类拥抱 01:21:38 系统性改变：从课堂文化到社会运动 RULER 框架与身份认同 01:27:42 从健身到情绪：建立"善于调节"的身份认同 01:31:12 元时刻实战：从自动反应到最好的自我 01:35:42 RULER 框架详解：识别、理解、标签、表达、调节 连接、故事与结尾 01:43:13 故事的力量：用好奇取代评判 01:46:09 "连接点"游戏：导师建议与爱的脆弱性 01:50:10 感谢与资源推荐 🌟 精彩内容 💡 没有坏情绪，只有被误用的情绪 Brackett 博士提出，焦虑、愤怒等情绪本身并非坏事，它们只是对重要事物的信号。是我们对情绪的自动排斥和不当处理，才让它们变得有害。"很多人觉得情绪调节就是消灭一种感受。其实不是，它只是让你和情绪建立另一种关系。" 🌊 做渠道，不要做大坝 Huberman 总结的核心原则：情绪调节不是压抑或围堵情绪，而是为情绪创造流动的渠道。无论是孩子的兴奋还是成人的愤怒，给予恰当的出口，才能避免溃坝。"做渠道，不要做大坝。情绪来了，让它流过去。" ⏸️ 元时刻：召唤最好的自我 Brackett 博士的招牌工具"元时刻"（Meta Moment），教你在被触发后的瞬间暂停、深呼吸，并想象"最好的版本的自己会如何回应"，从而打破自动化的有害反应模式。"在刺激和反应之间建立空间……然后透过'最好的马克'这个视角出现。" 🛡️ 从脆弱到策略：领导者的情绪示范 真正的脆弱不是倾倒情绪，而是"我有这样的感受，但这是我正在做的"。Brackett 分享了自己在疫情期间向团队坦诚困境并分享应对策略的经历，展示了真实且有力的领导模板。"关键是：我有这样的感受，但这是我正在做的。这才是角色榜样。" 🤖 AI 无法给予的拥抱 在 AI 被越来越多青少年当作"治疗师"的今天，Brackett 博士警告：技术可以提供建议，但永远无法替代人类在痛苦时刻的拥抱、牵手和"我们一起度过"的真实连接。"我小时候被欺负……我需要的是一个人类对我说我爱你，一个人类握住我的手。技术不可能替代这个。" 🏗️ RULER 框架与情绪身份认同 节目详解了 RULER 五大技能（识别、理解、标签、表达、调节），并提出将"善于调节情绪"内化为身份认同——就像健身一样，让它成为自动化的生活方式而非负担。"我的愿景是，培养出那些身份认同为'善于调节情绪'的人。" 🌐 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：科技播客 Core Memory 的一期深度对谈 OpenAI's Founders Unveil All Their Next Moves 本期是 OpenAI 联合创始人 Sam Altman 与 Greg Brockman 难得的一次合体播客。主持人 Ashley Vance 与 Kylie Robinson 与两位展开了一场跨度极大的对话。从 2015 年那顿改变世界的晚餐谈起，Sam 与 Greg 回顾了十年间从弱势挑战者到行业领跑者的战壕情谊，坦承彼此在“专注”与“雄心”上的互补，以及在 AI 安全话语上的深刻分歧与最终共识。面对 Anthropic 的激烈竞争、Elon Musk 的诉讼与私人日记被武器化、以及针对个人的安全威胁，两人也首次详细回应了 OpenAI 近期的产品大整合——Greg 走到台前亲自操盘，聚焦智能体平台、计算机工作和个人 AGI，并解释了为何砍掉 Sora。节目中还充满了对未来世界的大胆构想：算力民主化能否让美国制造翻盘？AGI 会加剧不平等还是抬高全人类底线？以及，当 AI 真正理解你的全部上下文时，世界会变成什么样。 👨‍💼 本期嘉宾 Sam Altman，OpenAI 联合创始人兼 CEO。他是 Y Combinator 前总裁，从 2015 年起与 Greg 共同创立 OpenAI，十年间带领公司从非营利研究实验室成长为全球最有影响力的 AI 公司。 Greg Brockman，OpenAI 联合创始人兼总裁。他曾是 Stripe 的首位员工和 CTO，2015 年全职投入 OpenAI，目前亲自负责公司的产品整合与统一智能体平台的战略落地。 ⏱️ 时间戳 00:00 开场 & 播客简介 十年创业与战壕情谊 01:53 第一次合体播客与 OpenAI 的播客收购 02:30 从晚餐到战壕：OpenAI 创立初心与联合创始人关系演变 04:21 互补的工作哲学：专注与雄心 安全、使命与未来图景 05:25 安全的分歧：如何打破传统框架谈论 AI 安全 12:21 OpenAI 的使命：迭代部署、AI 韧性与全球受益 13:31 从超级智能到真实未来：人们想要的是繁荣与能动性 17:28 AI 的直观化：技术适应人，而非人屈就技术 19:57 ChatGPT 时刻：为什么“能用”比“听说”更有说服力 22:30 个人 AGI：一个了解你全部上下文的 AI 技术前沿与行业思辨 25:15 怀疑与相信：参差不齐的技术前沿 28:00 个性化写作：十亿用户与灵魂之间的挑战 32:05 繁荣与不平等：AGI 会加剧阶层分化吗？ 35:20 算力民主化：给每个孩子算力的美国梦 38:18 美国制造的困境：机器人是唯一的翻身机会吗？ 41:51 从机器手到通用机器人：2018 年的教训与今天的回归 产品重置与战略聚焦 43:24 OpenAI 大整合：Greg 操盘产品重置 46:13 三大战略：智能体平台、计算机工作、个人 AGI 49:28 为什么砍掉 Sora：技术树的统一法则 50:52 算力即利润：自研芯片 Titan 与基础设施全速前进 竞争、Drama 与诉讼 52:34 与 Anthropic 的竞争：晚入局与反超 55:38 恐惧营销：“造炸弹卖防空洞”的批判 58:00 Anthropic 事件与 Elon 的诉讼：被武器化的私人日记 01:03:22 个人安全威胁与 resilience 01:06:15 为什么不退休？使命驱动与造福全人类 01:08:00 诉讼作为讲述真相的机会：Elon 早期的绝对控制要求 01:11:11 如果重来：技术路径从多智能体到语言模型的认知更新 01:11:47 结尾与新模型预告 🌟 精彩内容 💡 战壕里的战友 Sam 与 Greg 回顾了从 2015 年 7 月那场晚餐后共同决定创立 OpenAI 的十年历程。Sam 坦言自己讨厌“创伤联结”这个词，更喜欢“战壕里的战友”来形容这段关系。Greg 则补充，两人每天五个电话的沟通传统延续至今，在“专注当下”与“抬高雄心”之间形成了罕见的互补。 “人们会用‘创伤联结’这个词。我讨厌这个说法。我更喜欢‘战壕里的战友’这种说法。” 🛡️ 恐惧营销与开放访问 面对 Anthropic 的 Mythos 模型引发的“太强而不能公开”的争论，Sam 罕见地火力全开，批评某些公司将 AI 安全当作控制技术的营销工具，并首次详细回应了 Elon Musk 诉讼中被武器化的私人日记。 “说‘我们造了一颗炸弹，正要扔到你头上，我们会以一亿美元卖你一个防空洞’，这绝对是 incredible 的营销。” 🚀 OpenAI 大整合与三大战略 Greg 走到台前亲自负责产品组合，首次系统阐述了 OpenAI 的三大优先级：统一的智能体平台、面向所有人的“计算机工作”（Codex）、以及真正了解用户的“个人 AGI”。他也解释了为何 Sora 成为被削减的项目——因为它处于不同的技术分支，与核心 GPT 路线不统一。 “模型已经从‘产品本身’变成了‘产品的一部分’... 就像我们有模型这个大脑，现在我们在构建身体。” ⚖️ 诉讼背后的真相 针对 Elon Musk 的诉讼，Greg 视其为讲述 OpenAI 真实故事的机会。他回顾了 2017-2018 年的谈判细节：Elon 曾要求对 OpenAI 的绝对控制，而 Sam、Greg、Ilya 等人最终拒绝了这一要求，因为“未来不应该由一个人掌控”。 “这就是我们的底线，这就是让我们说不的原因。” ❤️ 繁荣、能动性与更好的世界 Sam 在节目中描绘了一个未来：AI 交付的是 prosperity 与 agency，而非仅仅替代人类工作。Greg 则强调，OpenAI 基金会上千亿美元的股权将真正用于造福世界，而免费的“口袋医生”即将从根本上抬高人类的生活底线。 “如果我们能交付让所有人 prosperity 的技术，如果我们能给人们更多对未来的 agency，这会通过一些曲折 lead to a better world。” 🌐 播客信息补充 翻译克隆自：Core Memory Podcast: Sam Altman + Greg Brockman - On The Great OpenAI Reset 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 本期克隆的是 Sequoia Capital 的一期播客 Jack Dorsey: Every Company Can Now Be a Mini-AGI HubSpot 联合创始人 Brian Halligan 深度对话 Twitter 与 Block 创始人 Jack Dorsey，以及红杉资本合伙人 Roloff Botha。三人围绕 Jack 的宣言《从层级到智能》展开激辩：在 AI 时代，公司是否还需要层级？Block 为何裁掉四成员工，并计划让六千人全部直接向 CEO 汇报？Jack 坦诚分享了从"存在主义焦虑"到激进重构组织的心路历程，揭示了他眼中未来公司的三种角色、CEO 如何从"管理者"进化为"智能体架构师"，以及为什么"客户而非 AI"才是最终的决策者。Roloff 也分享了关于董事会建设、领导力 ALE 模型的 timeless 智慧。这是一场关于公司本质、领导力与 AI 的深刻思辨。 👨‍💼 本期嘉宾 Jack Dorsey，Twitter 和 Block 的创始人，唯一一位创办了两家标普 500 公司的创始人，曾同时担任两家上市公司 CEO。 Roloff Botha，红杉资本合伙人，Block 董事会成员，曾参与投资 YouTube、Instagram、MongoDB 等。 ⏱️ 时间戳 00:00 开场 & 播客简介 组织的危机与重塑 03:36 层级从何而来：信息流动的人类瓶颈 06:59 Block 的三种未来角色：IC、DRI 与 Player Coach 09:55 CEO 角色的转变：对齐智能体而非管理人 13:41 哪些公司适合：信号、护城河与差异化 18:07 从"副驾驶"到核心重建：为什么这是结构问题而非效率问题 23:36 客户即决策者：主动智能与路线图的终结 27:30 转型实操手册：一百人公司该从哪开始 30:00 裁员四成幕后：三周内的激进重构与董事会博弈 创始人与 CEO 心法 32:42 董事会建设：把投资人当作"开不掉"的招聘 35:34 唯一的遗憾：Delegation 太多与同时担任两家 CEO 的反思 38:18 会议革命：从 PPT 到实时原型 41:40 如何开启第二幕：敢于在利益相关者面前失去可信度 44:10 DGAF 指数与无限导师：从每次互动中学习 47:48 冥想不是玄学：训练专注力与观察本能 领导力的 timeless 与新生 50:19 ALE 领导力模型：真诚、逻辑、共情 52:30 品味与观点：在噪音中分辨信号的能力 🌟 精彩内容 💡 把公司变成"小型 AGI" Jack Dorsey 认为，传统层级的存在是为了让人类在可管理规模内传递信息。如今所有工作都产生信息痕迹（Slack、邮件、代码、会议），可以汇总并叠加智能层，让公司里的任何人都能查询公司的"世界模型"。未来公司可以被建模为一个智能体，CEO 的核心工作不再是管理人，而是不断把这个智能体对齐到客户结果上。 "这真的打开了可能性的大门……你可以达到这样一个程度：为公司建立世界模型，把公司当作一个小型 AGI。" 🏗️ 三种角色与零层级 Block 正从最多五层向两到三层压缩，最终理想是六千人全部直接向 Jack 汇报。未来只保留三种角色：IC（建设者/运营者，调用智能体）、DRI（对客户结果负责的人）、Player Coach（通过示范而非命令来指导他人）。Player Coach 将不再是汇报结构，而是一种指派关系。 "最理想的情况下，没有层级，公司里的每个人都直接向我汇报，也就是全部六千人都直接向我汇报。" ⚡ 三周裁员四成的幕后 去年十二月模型能力飞跃后，Jack 和管理层问了一个问题：如果今天从零开始，还会按原来的方式建这家公司吗？答案一致否定。他们计算了保服务在线、符合监管、实现增长所需的最少人数，在三周内决定裁员四成。这不是被动反应，而是主动追求卓越，避免逐年平庸地裁员。 "如果我们知道公司未来会变成这样，我不想等到走投无路了才做。" 🎯 失去可信度，然后赚回来 谈到如何在公司内部孵化第二曲线（如 Cash App），Jack 认为领导者必须接受一个事实：在关键时刻，你会在利益相关者面前失去可信度。Cash App 早期被公司所有人讨厌，连前 PayPal 高管 Keith Rabois 都反对，Jack 每天都在为它辩护并失去可信度。但他坚持原则，最终 Cash App 占据了 Block 业务的一半以上。 "我觉得关键是你要能接受这件事：你会失去可信度，而如果你知道怎么把它赚回来，那就没问题。" 🧠 无限导师与学习心态 Jack 最大的遗憾从来不是犯错，而是"决定不去学某些东西"的时候。他把每一次互动都当作导师，强迫自己在每次互动后写下学到了什么。即使是负面反馈、hate、失去可信度，都是教学时刻，关键在于是否选择学习。 "我遇到的每一个人、每一次互动、每一个问题，都是我的 mentor。" 🧘 冥想的物理本质 Jack 把冥想视为一种身体训练，而非玄学。通过十天 retreat 训练大脑专注于呼吸和身体扫描，观察疼痛和感觉而不反应，认识到一切无常。这能锐化专注力，减少本能反应，让人看清事情本质后再选择行动。 "你在训练大脑专注于一个点……然后只是观察，而不从情绪或智识的角度去反应。" 🌟 ALE 领导力模型 Roloff Botha 总结了 timeless 的 CEO 品质：ALE——Authenticity（真诚）、Logic（逻辑）、Empathy（共情）。真诚指你是否真实可预测；逻辑指你是否理性；共情指你是否真正在乎团队。AI 会颠覆很多行业，但领导力的基础不变，唯一不同的是变化的速度要求决策者快速行动。 "我喜欢首字母缩写，所以我发明了一个：ALE。Authenticity、Logic、Empathy。" 🌐 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：硅谷最受欢迎的产品类播客《Lenny's Podcast》How AI is reshaping (not replacing) product management | Nikhyl Singhal (Meta, Google) 如果你觉得自己的工作只是在开会、对齐、写 PRD 和搬运信息，那么你可能正处于职业生涯最危险的边缘。本期嘉宾 Nikhyl Singhal 曾是 Meta 和 Google 的高管，也是 Credit Karma 的首席产品官，他以极其犀利且坦诚的视角，揭示了 AI 时代产品经理（PM）角色的彻底重构。 在这场对话中，Nikhyl 提出了一个令人警醒的观察：行业正处于大规模的“重新洗牌”中，那些只会协调资源而非亲手构建的 PM 将像恐龙一样灭绝。他分享了自己如何利用 AI 进行“氛围写代码（Vibe Coding）”，如何通过自动化让自己在工作中“过时”，以及为什么“判断力”将成为未来唯一值钱的技能。这不仅是一场关于 AI 工具的讨论，更是一次关于如何在混乱中寻找快乐、重塑自我并跨越变革隧道的深度心理按摩。 👨‍⚕️ 本期嘉宾 Nikhyl Singhal，资深产品高管与职业导师。他曾先后在 Google 和 Meta 担任高管，并曾任 Credit Karma 的首席产品官。他是四次创业的创始人，目前领导着专门面向产品领袖的顶尖社区 Skip Community。他以对科技行业职业趋势的精准洞察和“不粉饰太平”的直率风格著称。 ⏱️ 时间戳 00:00 开场 & 播客简介 行业大变局 03:14 零利率时代的终结：告别“有责任无权力”的搬运工模式 05:50 现状的矛盾：前所未有的职业倦怠与“构建者”的黄金时代并存 09:56 未来预测：产品经理的核心价值将全面转向“判断力” 12:51 AI 的承诺：两年内将不再有糟糕的软件，因为修复成本降为零 人才市场的残酷真相 15:42 “审判日”降临：大规模裁员与“AI 优先”人才的大规模重招 19:11 谁是恐龙：为什么一半的产品经理面临灭绝风险？ 21:14 职业边界的模糊：产品经理正在入侵 HR、营销和 CEO 领域 25:58 品牌贬值：为什么大厂简历 Logo 不再是万能通行证？ 重塑自我的心理学 31:26 心理障碍：为什么越优秀的人越难在 AI 时代重塑自我？ 33:50 “平等地让每个人失望”：在事业黄金期挤出重塑时间的艺术 40:02 寻找“第一份快乐”：如何通过解决个人小问题跨越恐惧门槛 43:44 效率工具栈：Nikhyl 的“氛围写代码”与自动化流 45:52 伟大工程师的定义：主动让自己在每一项工作中都变得“不再被需要” 未来职业形态与生存建议 49:12 保持“主体性”：像对待新感情一样对待 AI 时代的职业转型 51:27 “Skip”哲学：不要只看下一步，要看“再下一步”的机会 54:11 职场幸存者：未来只会剩下的四种职业类别 56:34 跨职能冲击：工程师、设计师与产品经理的终极融合 闪电轮环节 01:01:36 推荐书目与神剧：适合“氛围写代码”的背景剧集 01:04:18 特斯拉 FSD 体验：产品如何通过消除焦虑来创造价值 01:08:07 终极座右铭：当 AI 负责 99% 的汗水，人类如何贡献 1% 的灵感 🌟 精彩内容 💡 构建者的复兴 Nikhyl 认为我们正处于产品管理的复兴时期。过去 PM 花费大量时间在“信息搬运”和官僚对齐上，而现在 AI 工具让 PM 能够跳过繁琐的流程直接进行原型设计和构建。“那些最强的构建者，现在的薪水和机会正处于历史最高点。” 🧠 “判断力”是核心资产 当 AI 可以自动修复 Bug、编写代码和生成文档时，PM 的价值将浓缩为“判断力”：评估一个改变是好是坏，决定产品应该走向何方，以及在源源不断的变化中做出抉择。“你不能为同一个产品构建一百个版本，你需要判断哪个版本最符合品牌和可持续性。” 🚀 氛围写代码（Vibe Coding） Nikhyl 分享了他如何一边看电视剧一边利用 Claude 和 Codex 编写代码。他认为这是一种全新的创造状态，通过 AI 代理自动化处理社群匹配、招聘信息抓取等琐事，让自己在日常工作中不断“过时”，从而腾出精力去做更高杠杆的事。 🛡️ 跨越变革隧道 重塑自我非常痛苦，尤其是对于那些已经习惯了旧规则的资深人士。Nikhyl 建议 PM 们要学会“平等地让生活中的每个人失望”，以挤出时间学习新技术。他强调，如果你不热爱创造，这个行业正在离你而去；但如果你热爱创造，现在就是登上火箭的时刻。 🌱 “Skip”哲学 最好的职业建议不是考虑下一步，而是看再下一步。在一切都在变的时代，保持“在线”和“现代感”比拥有大厂 Logo 更重要。PM 应该成为公司内部的“变革推动者”，将这种构建者技能散播到各行各业。 🌐 播客信息补充 翻译克隆自：Lenny's Podcast: Why half of product managers are in trouble | Nikhyl Singhal (Meta, Google) 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：AI 开发者大会深度访谈《AI Engineer》Harness Engineering: How to Build Software When Humans Steer, Agents Execute — Ryan Lopopolo, OpenAI 如果你还在纠结如何写出更优雅的代码，OpenAI 的 Ryan Lopopolo 可能会告诉你：别写了，让智能体来。作为一名每天消耗超过十亿 Token 的“Token 亿万富翁”，Ryan 在 OpenAI 内部推行了一套近乎疯狂的标准——禁止团队成员接触代码编辑器。 在这场极具冲击力的对谈中，Ryan 详细拆解了“框架工程”（Harness Engineering）的核心逻辑。他认为在 2025 年的节点上，代码已经变成了“免费”的廉价资源，真正的稀缺性在于人类的注意力和模型的上下文窗口。你将听到他如何利用 AI 智能体在 30 分钟的通勤路上自动完成开发任务，如何通过“垃圾回收日”解决 AI 产生的技术债，以及为什么他认为未来的软件工程将演变为一种对“模糊编译器”的元编程。这不仅是一场技术分享，更是一次对程序员职业未来的深度重构。 👨‍⚕️ 本期嘉宾 Ryan Lopopolo，OpenAI 技术团队成员。他致力于构建高效的 AI 智能体开发流，是“框架工程”理论的践行者。他以每天消耗海量 Token 进行软件自动化构建而闻名，被业界称为“Token 亿万富翁”。 ⏱️ 时间戳 00:00 开场 & 播客简介 编程哲学的颠覆：代码即免费资源 02:09 什么是“Token 亿万富翁”：利用模型完成全部工作 03:32 为什么实现不再是瓶颈：代码的产出、重构与删除皆为免费 05:31 工程师角色转型：从“码农”到驱动无限产能的“编排者” 框架工程实战：如何驯服 AI 智能体 08:01 留下“面包屑”：为什么文档和日志是智能体的“导航图” 10:41 针对智能体的 Lint 检查：如何强制 AI 不写“垃圾代码” 13:54 一致性的力量：让代码库变得对模型“易读” 15:09 提示词注入技巧：将审核逻辑直接嵌入测试与 SDK OpenAI 内部工作流揭秘 19:20 从工单到 PR：如何赋予智能体“烹饪”软件的技能 22:51 避免过度设计：在正确的时间提供最精简的上下文 27:02 协作新范式：GitHub 如何成为人类与智能体的中心广播域 31:33 极致效率：笔记本扔在车后座，通勤路上完成全自动化开发 质量管控与未来愿景 35:19 “垃圾回收日”：每周五系统性消除智能体产生的烂代码 37:20 Token 预算分配：规划、实现与 CI 的三分天下 39:05 代码作为“模糊编译器”的产物：逻辑比实现更重要 41:05 终极目标：只需输入指标与优先级，让机器自行推动产品进化 🌟 精彩内容 💡 代码是免费的，上下文才是稀缺的 Ryan 提出一个激进的公理：实现（Implementation）已经不再稀缺。在 GPU 产能充足的今天，代码的产出成本趋近于零。真正的挑战在于如何管理人类的注意力和模型的上下文窗口，确保智能体在正确的约束下工作。 🛠️ 禁止编辑器：强制性的 AI 工作流 在 Ryan 的团队中，手动打开 IDE 写代码被视为一种低效。他通过构建“框架”（Harness），让智能体调用 Chrome 开发者工具、本地观测栈和命令行。人类的工作从“写代码”变成了“写规范”和“设护栏”。 🚀 “垃圾回收日”与自愈系统 AI 产出速度极快，但也容易产生局部一致性导致的“烂代码”。Ryan 设立了周五“垃圾回收日”，让人类分析智能体犯错的原因，并将其转化为持久化的 Prompt 或 Lint 规则，让系统具备“自愈”能力。 💻 代码是可丢弃的构建产物 他将大模型比作“模糊编译器”。就像开发者不在乎编译器生成的具体汇编指令一样，未来的工程师也不应过度纠结于具体的代码实现。代码只是规范（Specification）在特定模型下的编译结果，是可以随时重构和丢弃的。 ❤️ 工程师的“元编程”未来 未来的软件工程师将更像“主任工程师”（Staff Engineer），负责系统思维、任务分配和风险控制。通过编写 agents.md 和 ADR（架构决策记录），工程师将自己的经验持久化，从而驱动成百上千个智能体并行工作。 🌐 播客信息补充 翻译克隆自：AI Engineer: Harness Engineering: How to Build Software When Humans Steer, Agents Execute — Ryan Lopopolo, OpenAI 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