跨国串门儿计划 - 节目列表

📝 本期播客简介 本期我们克隆的是：伯克希尔·哈撒韦2026年年度股东大会的深度对谈Berkshire’s 2026 annual shareholder meeting: Watch the full afternoon session 新晋CEO Greg Abel与旗下BNSF铁路CEO Katie Farmer、消费品及服务零售总裁Adam Johnson同台，坦诚回答股东关于地缘政治风险、关税冲击、业务剥离、投资安全边际及领导传承等尖锐问题。Greg首次系统性阐述了他的管理哲学：“去中心化不等于推卸责任”、“如果十年后看不清楚那幅画面，我们就不做”，并坚决否定了分拆伯克希尔的可能。Katie分享了BNSF在效率革命与技术转型上的具体举措，Adam则回顾了NetJets从破产边缘到服务第一的绝地反击。这是一堂关于长期主义、风险纪律与集团化运营的实战课。 👨‍⚕️ 本期嘉宾 Greg Abel，伯克希尔·哈撒韦CEO，巴菲特亲自选定的接班人，此前主管非保险业务，深谙能源、铁路与资本配置。 Katie Farmer，BNSF铁路公司CEO，统领三万五千名员工，致力于缩小与竞争对手的盈利能力差距，推动技术转型。 Adam Johnson，伯克希尔消费品及服务零售总裁，同时担任NetJets CEO，三十余年伯克希尔人，被誉为“最懂伯克希尔文化的新人”。 ⏱️ 时间戳 开场 & 节目介绍 00:00 Yikai介绍本期节目与精彩原话 01:48 Greg Abel欢迎Katie和Adam登台 新任CEO的开场：问责与重整 02:17 Greg问Katie：如何让三万五千人推动卓越运营？ 03:57 Greg问Adam新角色观察，Adam感慨“只有在伯克希尔，三十年后仍觉自己是新人” 05:04 Adam分享坏消息乘电梯、好消息走楼梯，以及无条件支持的亲身感受 地缘政治黑天鹅：当投入成本一夜翻倍 08:45 股东提问：中东冲突如何影响伯克希尔？ 09:03 Greg谈长期主义：“电话响了，我们就扛过去” 10:21 化工企业原料价格翻倍的冲击与合同重设的缓冲 12:50 Katie眼中的铁路晴雨表：多式联运意外获益，但高油价终将拖累消费 15:07 Adam：NetJets油价压力与零售端的即时反应 去中心化的真正底色：不堆官僚，但绝不推责 16:01 股东提问：哪些运营单位需要更多监督？如何处理表现不佳的经理？ 16:57 Greg阐明去中心化哲学：CEO即首席风险官，资本配置是核心红线 19:42 Katie接招：BNSF的单车厢效率变革、数字孪生与自动驾驶卡车的竞争 24:12 Greg请Adam讲述NetJets扭亏故事 24:55 Adam：从“多少人懂业务的两极”的震撼提问，到戴眼罩只盯安全和服务 25:54 Greg提醒先还沃伦一块钱，教会资本纪律 关税弹跳球与百年企业的淡定 26:35 股东提问：伯克希尔会寻求关税减免吗？ 26:54 Greg：从2018关税学到教训，团队已能快速调整成本回收 28:52 Katie：客户提前拉货与政策不确定性的双重影响 29:48 Adam：旗下企业平均成立88年，“跟关税打交道打了一百年了” 从东京海上到冰球：战略伙伴与轻松一刻 31:31 股东提问：与东京海上的十年合作是否标志着更激进的国际伙伴关系？ 32:31 Greg：这是战略关系，远不止财务投资，信任是基石 34:08 棘手问题：加拿大对美国冰球你支持谁？Greg巧答：男队加拿大，女队美国 34:51 Katie爆料与Greg的球队打赌，输了后手里一堆油人队球衣 剥离与分拆：什么情况下会卖掉业务？ 35:10 股东提问：伯克希尔未来会被拆分吗？ 35:46 Greg：声誉风险或不可持续时，我们可能不再是最好所有者 37:15 真实案例：因监管冲突出售太平洋电力华盛顿州业务 38:54 绝不整体分拆：我们是一个高效综合集团，没有官僚成本 40:27 BNSF的分红如何灵活支持集团资本调配 安全边际十年观：科技公司也不例外 42:29 股东提问：Greg的安全边际框架与科技公司投资偏好 43:16 Greg：与沃伦完全一致，必须看见十年后的清晰终局 44:06 实例：内华达能源收购前，风险对话如何帮助扛过屋顶太阳能冲击 46:22 科技公司：不排斥，但必须真正理解 没有查理，但有“一群查理” 47:17 股东提问：谁将成为Greg的“查理”？ 47:40 Greg：沃伦仍是董事长，董事团队、Ajit和CEO群体都是我的智囊 48:27 我需要单一领导，但身边有能随时请教的人 50:30 结束致辞：感谢团队，宣布CFO Mark Hamburg退休（效力40年） 🌟 精彩内容 💡 “三十年后，仍然觉得自己是个新来的” Adam Johnson回顾自己在NetJets 30年，但在伯克希尔文化里，他仍抱着新人心态。他分享了“坏消息乘电梯，好消息走楼梯”以及CEO在收到坏消息后得到无条件支持的亲身感悟，展现了伯克希尔独有的信任与容错空间。 🛡️ “如果十年后看不清楚那幅画面，我们就不做” Greg Abel反复强调，无论能源、铁路还是科技投资，他和巴菲特的安全边际标准完全一致：必须能看到十年后的经济前景和风险轮廓。他用内华达能源收购前识别出屋顶太阳能风险的案例，证明提前讨论风险如何让伯克希尔在风险成真时仍有能力扛过去。 🔩 高效综合集团的真正优势 Greg坚决否认分拆可能，指出伯克希尔不设层层管理层、不靠委员会指挥子公司，却能通过去中心化让BNSF、NetJets等企业像所有者一样思考。同时，集团结构让资本可以免税、灵活地在各个业务间调配，这是单一业务公司无法复制的竞争力。 🚂 BNSF的效率反击战 Katie Farmer详细拆解了铁路复兴的路径：从单车厢网络释放资源、少用260台机车运更多货，到引入数字孪生和预测ETA，再到与自动驾驶卡车正面竞争，展示了传统重资产企业如何用技术与运营纪律缩小与对手的利润差距。 💬 “跟关税打交道打了一百年了” Adam Johnson管辖的32家消费品公司平均成立88年，其中5家创立于19世纪。面对天天变化的关税政策，这些企业的CEO表现出惊人的冷静，让Adam感慨：疫情、通胀、关税，每一次都是曲线球，但伯克希尔的企业总能找到应对之道。 🌐 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《跨国串门计划》克隆了主持人约瑟夫·诺埃尔·沃克与纳西姆·尼古拉斯·塔勒布的深度思想对谈。Nassim Taleb — Meditations on Extremistan 原播客更新时间： Sep 20, 2024 塔勒布是《黑天鹅》《反脆弱》等全球畅销书的作者，他以独有的尖锐与深刻，剖析了极端斯坦（Extremistan）的底层逻辑，从金融市场、行为经济学、战争史到新冠疫情，全面揭示了主流思维在厚尾世界中的致命缺陷。在这场超过一个半小时的对话中，你将听到塔勒布如何瓦解传统的预测信条，重新定义理性，并给出在不确定世界中存活与获益的实战框架。 👨‍⚕️ 本期嘉宾 纳西姆·尼古拉斯·塔勒布，著名风险分析师、前期权交易员，纽约大学理工学院风险工程教授。著有不确定性四部曲：《随机漫步的傻瓜》《黑天鹅》《反脆弱》《非对称风险》。他的思想深刻影响了全球投资、决策与风险管理领域。 ⏱️ 时间戳 00:00 开场 & 播客简介 极端斯坦的底层代码 01:23 什么是极端斯坦：黑天鹅事件的温床 02:14 如何识别厚尾过程：没有物理上限，就应假设为极端斯坦 04:29 尾部指数的诱惑与现实：金融市场远不止三 07:07 1985年的觉醒：期权波动率不可能是平坦的 金融实战：尾部对冲与风险投资 08:24 为何尾部对冲策略仍被低估？机构激励的陷阱 09:03 杠铃策略与VC的矛盾：出售希望的薪酬游戏 11:47 从交易员到作家：与卡尼曼相遇，引入行为经济学 解构行为经济学 13:04 前景理论的得与失：损失域的凸性正确，概率部分的误判 15:16 塞勒的迷思：股权溢价之谜、心理账户与赌场庄家的钱 19:59 动态决策的盲点：为何拒绝55%胜率赌局可以是理性的 23:43 IYI（看似聪明实为无知）：桑斯坦、塞勒与新冠应对的失败 28:25 卡尼曼的最后坦承：在塔勒布的世界里，传统理论失效 预测的致命幻觉 34:22 与超级预测者的根本分歧：二元期权不能描述现实 36:14 肥尾下的概率扭曲：肩膀变窄，极端事件更极端 38:14 没有标准差的世界：曼德博的启示 40:34 单点预测的荒谬：为什么不该预测胖尾变量 44:04 丘吉尔 vs 拿破仑：频率正确的失败者，收益正确的胜者 预防原则与系统性风险 51:11 如何正确使用预防原则：核能安全，转基因不可逆 54:09 人工智能风险：目前还不构成系统性威胁 56:57 ChatGPT的本质：共识机器无法产生原创洞见 战争的肥尾真相 61:05 影子均值效应：历史数据低估战争破坏力三倍 64:57 到达间隔的无记忆性：百年一遇的浩劫不能预测 67:37 伤亡数字为何被夸大：征服者与受害者的共同动机 70:57 无证据表明暴力下降：平克犯了统计错误 新冠疫情的实践课 72:03 2020年初的紧急备忘录：扼杀疫情于萌芽 74:32 切断连通性：为何边境管控是最优解 75:00 政策制定者仍是肥尾盲 颠覆你的统计常识 76:13 相关不等于相关：社会科学的可重复性危机 81:29 逆大数定律：为什么平均值对个体决策无效 83:10 俄罗斯概率学派的卓越：历史渊源与思维方式 85:31 哈耶克与预测市场：隐性知识无法系统化 87:24 标准偏差的误用：与平均绝对偏差的比值是关键指标 尾声 89:11 下一本书透露：时间、熵与概率 90:36 结语 🌟 精彩内容 💡 极端斯坦的判定法则 塔勒布指出，判断一个领域是否属于极端斯坦，关键看其生成过程有无物理上限。身高有生物学限制，不可能出现五公里高的人；但金融价格、图书销量、战争死亡人数等缺乏此类约束，就必须假设处于肥尾世界。这一洞察颠覆了依赖历史数据外推的决策模式。 💡 金融期权的早期洞见 早在一九八五年广场协议后，塔勒布就发现股市期权波动率不应是平坦的，深层原因是金融市场的肥尾属性。他由此构建了尾部对冲策略，并指出该策略至今未被充分定价的根本原因：机构从业者受困于短期考核，没有激励去购买长期保护。 💡 对行为经济学的降维打击 塔勒布细数了与卡尼曼、塞勒的交往和分歧。他认为前景理论的损失部分正确，但概率权重部分因忽略肥尾而失效；塞勒的股权溢价之谜、心理账户、跨期选择等著名实验，一旦置于真实世界的非线性、遍历性框架下，便轰然倒塌。他还创造了“IYI”一词，形容那些连概率都不懂却试图指导公共政策的学者。 💡 为什么预测业从未造就富豪？ 塔勒布区分了频率空间和收益空间。在极端斯坦，二元预测（是/否）毫无意义，因为事件规模本身是随机变量；超级预测者用Brier分数自我麻醉，却无法通过下注赚到钱。真正的决策应基于非线性的凸性回报函数，即“做对了大赚，做错了小赔”。 💡 战争统计学：影子均值与无记忆性 通过独特的数据排列方法，塔勒布发现战争的破坏力被历史样本低估约三倍（影子均值），大战争间隔服从无记忆的指数分布，平均约百年。因此，二战后的几十年和平，在统计上完全不能作为“暴力下降”的证据，平克等人的乐观叙事缺乏依据。 💡 标准偏差的谎言与肥尾试金石 塔勒布揭示，社会科学家广泛使用的标准偏差不仅缺乏物理直觉，在肥尾下更会剧烈膨胀。而标准偏差与平均绝对偏差的比值，恰恰是衡量分布厚尾程度的最佳指标：高斯分布下约1.25，一旦该比值飙升，你就进入了极端斯坦。 💡 预防原则的智慧与AI迷思 他澄清了自己的预防原则：仅适用于可能带来系统性、不可逆损害的行动，且需考虑乘数效应。因此核能（局部危害）可接受，转基因（生态扩散）需严禁。对于AI，他认为目前远未达到自主系统级别，真正的威胁在于人类自己的制度无能。 🌐 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生物学教授 Andrew Huberman 的王牌节目《Huberman Lab》Tools to Bolster Your Mental Health & Confidence | Dr. Paul Conti 嘉宾 Paul Conti 博士是资深精神科医生、创伤康复专家，他带来了颠覆性的心理健康框架——与其死盯自己“哪里出了问题”，不如先审视“哪些事进展顺利”。在这场近两小时的深度对谈中，Conti 医生将用几十年的临床经验告诉你：为什么好奇心是改变的第一把钥匙；如何在行动与内省之间找到专属平衡；童年模式如何像程序一样操控你，以及洞察如何带来真正的自主感。你还会听到应对侵入性思维、理解梦境信号、让焦虑落地、用积极记忆重塑内在气候等具体方法。如果你一直困在习惯性拖延、自我批评或莫名的不快乐里，这期节目将给你一套问对问题、与自己结盟的实战路径。 👨‍⚕️ 本期嘉宾 Paul Conti 博士，医学博士、精神科医生，创伤康复领域权威专家。拥有数十年临床经验，致力于将复杂的心理学洞见转化为大众可用的日常工具。他是《Huberman Lab》多次受邀嘉宾，最新著作《What's Going Right：一个优化心理健康的强大新方法》提供了自我探索的练习与框架。 ⏱️ 时间戳 00:00 开场 & 节目介绍：主持人一恺阐述克隆计划与本期亮点 从“进展顺利的事”开始：重塑心理健康的视角 01:27 对话开启：Huberman 介绍 Paul Conti 及其创伤专长 02:56 新书《What's Going Right》：打破“问题导向”的思维定式 04:16 自我认知的可塑性：为什么我们害怕审视自己？ 06:38 事实基础：做得对的地方永远比出错的地方多 07:28 入门工具：审查你的自我对话和人生叙事 自我审视的本质：好奇心、状态与真实 08:37 自我的结构与功能：在人生叙事中寻找线索 10:08 状态依赖性：如何在匆忙中保持“观察性自我” 11:59 对自己保持好奇：探索贯穿所有行动的内心特质 13:06 真实自我 vs 虚假自我：社交媒体时代的身份困扰 15:15 独处的迷失：被过度连接篡改的思考过程 18:15 连接太多或太少：找到甜蜜点，保留内部思考空间 反思与行动的博弈：寻找你的个人谱系 19:27 Mark Andreessen 的挑衅：伟大人物不琢磨自己吗？ 20:20 行动与内省的平衡点：你快乐吗？这是检验标准 23:09 不愿向内看的人：生成性驱动与反思倾向的差异 26:43 话多、安静或审慎沟通：拆解芭芭拉·查普曼的故事 29:50 控制状态还是改变自我？平静不必成为唯一目标 33:04 给自我探索一个路径：像学物理一样学会与自己相处 35:52 流水账般的生活：如何从被动报告走向有意选择 38:45 “为什么”的力量：让当事人自己找到X标记的宝藏 42:04 改变不只是下命令：协作设定行动，赢得微小胜利 童年模式与自主性的觉醒：谁在替你开车？ 44:44 控制欲的传承：认同与叛逆都可能让你失去自己 46:40 洞察即自由：意识到“我被编程了”的解放瞬间 49:35 站到自己这一边：我们内心深处讨厌被控制 52:10 是谁在挡你的路？停止自我阻碍，与自己达成一致 55:32 当创伤存在时：用关爱的好奇心靠近过去的伤痛 58:00 侵入性思维：识别它、读懂它的意图并重新引导 01:00:37 梦境有启示吗？保持好奇，但别过度解读 情绪、时间与疗愈：让过去真正成为过去 01:02:23 焦虑与创伤不认时钟：为什么情绪瞬间能淹没你 01:05:20 疗愈童年的方法：用无偏见的眼光触碰可塑性 01:07:50 我们太少回顾“好事”：打破负面偏倚，赋能自己 01:10:10 拉里·斯夸尔的照片墙：用积极记忆定制内在气候 快乐、意义与坦然的告别 01:12:30 上帝与魔鬼的心理意象：善与恶的复杂光谱 01:15:20 “无忧无虑”不是人生的终极目标 01:17:40 真正的快乐：平静、满足与喜悦，同时知晓生活的悲难 01:20:10 临终的遗憾与圆满：那位九十岁亲戚的智慧遗产 01:22:00 审视过的生活：无需恐惧，成长尽在坦诚之中 01:24:20 结尾：活出能动、感恩与真正的快乐 🌟 精彩内容 💡 从“进展顺利的事”出发 Paul Conti 直指传统心理治疗过度聚焦“哪里出了错”，反而加深无助感。他主张先审视你身上做对了哪些事，“在我们每个人身上，做得对的地方要远远多于出错的地方”——这不是盲目乐观，而是建立在事实之上的赋能起点。 🛠️ 洞察即自由：打破童年模式的循环 当你意识到自己不是在主动选择，而是被童年模式自动驱动时，改变就发生了。“我们没人喜欢被控制”，而看清内心那根提线，就能一把剪断它。这解释了为何理智上知道该做什么却一拖再拖——你可能正在用无效的方式对抗一个看不见的过去。 🗣️ 问对问题，胜过给出一百个答案 Conti 不直接给建议，而是和来访者一起定位“X标记挖掘点”——比如那个每次见面都让你筋疲力尽却断不了联系的朋友。通过协作式追问“为什么”，内在的矛盾被看见，行动与愿望才能对准，你才真正跟自己站在同一边。 🧘 反思与行动没有标准答案 针对“想太多做太少”的争议，Conti 提出每个人有一条独特的反思-行动谱系。关键不是你多内省还是多外放，而是：你快乐吗？如果生活有生成性、关系稳固，不那么反思也没问题；但若持续不满，就是大脑在提醒你：该停下来看看了。 ❤️ 快乐不等于无忧无虑 完全的平静安逸既不可能，也非我们真正的目标。Conti 认为，真正的快乐是在承认生活有悲剧与困难的同时，仍能在看一棵树、陪家人时体验到平静、满足与喜悦。“我们能拥抱自己的命运，并愿意一次又一次地经历它”，这才是成熟的乐观，也是他那位九十多岁亲戚教给他的临终智慧。 🌐 播客信息补充 翻译克隆自：《Huberman Lab》播客 本播客采用AI声纹克隆技术进行中文翻译配音，完美保留原主持人及嘉宾的独特声音。若有地方听起来略显机械，敬请谅解。使用 AI 进行翻译，可能会有个别不通顺之处。如果想要收听更多外文播客的中文版，欢迎联系微信：iEvenight

📝 本期播客简介 本期克隆自全球知名科技播客《The Pragmatic Engineer》Building Pi, and what makes self-modifying software so fascinating 由资深软件工程师 Gergely Orosz 主持。这次他与两位奥地利开发者 Mario Ner 和 Armin Ronacher 坐下深谈——Mario 是极简 AI 编码智能体 PI 的创建者，Armin 则是经典 Python 框架 Flask 的作者，也是 PI 的早期核心用户。对话围绕 AI 编码工具如何改变软件工程，从 PI 的诞生故事，到 AI 生成代码带来的质量危机，再到“暗工厂”的隐忧，层层递进。Mario 直白批评：“那些公司说代码全是智能体写的，我们都知道质量是垃圾。”Armin 则从工程师的“伤疤”切入，指出只有经历过痛苦才能真正推动重构。这既是一场技术对谈，也是一份关于如何在效率狂潮中守住工程本心的诚实记录。 👨‍⚕️ 本期嘉宾 Mario Ner，AI 编码智能体 PI 的创建者。从底层开发者一路成长为连续创业者，曾担任提前编译器初创公司 CTO。因为对现有工具的失望，他单人打造了极简、可自我修改的 PI，在开发者社区迅速走红。 Armin Ronacher，著名 Python Web 框架 Flask 的作者。从 Sentry 离开后，他深入探索 AI 工具，并成为 PI 的早期使用者和贡献者，目前正在创办新公司。 ⏱️ 时间戳 00:00 开场 & 播客简介 嘉宾与 AI 的缘起 00:04:19 两位奥地利开发者的早年经历：从 Amiga 和 386 到 Flask 00:09:10 网上结识与线下碰撞：Mario、Armin 和 Peter 的 AI 实验小组 00:10:12 从怀疑开始：Copilot 的早期失望与 GPL 代码争议 00:15:00 转折点：GPT 工具调用、2025 年智能体的成熟 00:16:53 假期爆发：圣诞节后 AI 工具在企业大量采用，代码质量应声下滑 PI 的诞生：极简与自我修改 00:30:40 对 Claude Code 的不满：功能膨胀与失控的系统提示 00:33:04 寻找替代品：AMP 太贵，Open Code 太僵，决定自己做一把锤子 00:35:22 PI 的极简设计：仅读、写、编辑、批处理几种工具 00:37:02 核心哲学：无 MCP、无计划模式，但可以教它自己加上 00:38:49 Armin 的实践：不看代码，靠 PI 做游戏，始终“留在循环里” 开源维护者的新挑战 00:43:41 Open Claw 项目迁移至 PI，引出智能体 PR 大爆炸 00:44:09 仓库里的“叮当兵”：AI 自动提 Issue 和 PR，维护者不堪重负 00:46:18 Mario 的应对法：自动关闭所有 PR，要求人类补一句 LGTM 00:50:03 开源的韧性：存活的项目仍需要人的社区，AI 并未改变这一本质 代码质量、复杂度与工程师的“伤疤” 00:45:15 AI 生成的“涌现式状态机”：看起来正确，实则脆弱不堪 00:49:44 智能体不学习、不感受痛苦，人类工程师因“伤疤”才会动手重构 00:54:05 摩擦是有意为之：大公司如何通过流程逼迫工程师思考 00:57:27 上下文窗口的膨胀：智能体自己制造的复杂度反噬其自身 “暗工厂”与慢下来的呼声 01:06:09 Mario 的博文《我们都需要慢下来》：代理大军十倍代码量，质量却更差 01:07:41 何为“暗工厂”？成千上万代理自动协作，产出垃圾 01:09:34 最佳规格说明就是软件本身，代理填补空白只会引入平庸 01:11:00 开源承受冲击，但长期存活仍需人类注入意图 MCP vs CLI：工具的未来 01:11:00 MCP 的争议：从消费者接入变成企业工具，规范复杂且难组合 01:13:26 CLI 与代码执行的天然优势：模型极其擅长写代码进行组合 01:15:09 Code Mode 的启示：与其依赖 MCP，不如让模型直接写胶水代码 01:18:14 未来方向：代码生成将主导，模型不会推出替代范式 展望与在炒作中保持清醒 01:18:30 预测：自我修改软件将扩展，但对少数大公司的依赖可能引发新问题 01:21:07 如何不被卷走：远离旧金山，靠家人和通知静默过滤噪音 01:24:24 收尾推荐：Mario 推荐《Code》，Armin 推荐《Breakneck》 🌟 精彩内容 💡 自我修改的软件：PI 的设计哲学 Mario 解释 PI 仅提供极少数核心工具，把 MCP、计划模式等功能全部交给用户自行“教会”PI。这使它成为一个可塑的开发环境，用户甚至不需要 fork 代码，只要通过自然语言让 PI 修改自己。这种自修改能力让 Armin 等极客欲罢不能，也为“自适应软件”的未来打开了一扇窗。 🛠️ 智能体感受不到技术债的痛苦 对话中最令人警醒的观点之一：人类工程师因为亲身经历过修复乱代码的痛苦，才会有动力去重构、去说“不”；而 AI 智能体不会产生这种情绪，它只会永无止境地往代码库里堆叠新的复杂度和逻辑漏洞。这也是为什么有经验的工程师永远抢手的原因。 🚀 “我们都需要慢下来”：反对暗工厂 Mario 激烈批判了用成百上千个 AI 代理同时写代码的“暗工厂”幻想。他指出，这只会以极快速度产出平庸的代码，把质量降到互联网训练数据的平均水平。他呼吁团队先用 AI 代替那些自己讨厌的琐事，把省下的时间用来思考和打磨真正重要的部分。 💻 MCP 与 CLI 的路线分歧 尽管 MCP 在大企业中流行，两位嘉宾却更看好基于代码执行（CLI 风格）的路线。他们认为模型天然擅长生成和运行代码，而 MCP 过于复杂、容易填满上下文窗口，反而压抑了模型创造性地解决问题的能力。未来或许会看到 MCP 逐渐靠近代码执行的模式。 ❤️ 在炒作中守住本心：地理距离与家庭防线 作为住在奥地利的欧洲开发者，他们分享了如何通过不住旧金山、陪伴孩子、忽视多数通知来过滤信息噪音。真正重要的信号会反复出现，三周后再关注也不迟。这种反直觉的“慢”，反而让他们在狂潮中保持了判断力和生产力。 🌐 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 本期我们克隆了资深科技播客《Information Bottleneck》的一期节目 What Actually Matters in AI? - with Zhuang Liu (Princeton) 主持人 Ravi 和 Ellen 对谈普林斯顿大学助理教授 Zhuang Liu。Zhuang Liu 是深度学习架构、视觉表征与多模态学习领域的活跃研究者，曾提出 ConvNeXt 等广为采用的模型。在这场深度对话中，他系统性地拆解了构建强大 AI 系统中那些真正起作用的因素：为什么架构创新可能被高估，数据才是真正的驱动力；如何科学地评估一个新架构的价值；视觉数据的极高带宽如何让语言模型率先突破；以及他对记忆、上下文和智能体未来的独到见解。无论你是研究者、工程师还是 AI 爱好者，这期节目都将刷新你的认知。 👨‍⚕️ 本期嘉宾 Zhuang Liu，普林斯顿大学助理教授。研究兴趣包括深度学习架构、视觉表征、多模态学习。曾提出 ConvNeXt 等广受关注的模型，并在多篇顶会论文中探讨神经网络设计的核心要素。 ⏱️ 时间戳 00:00 开场介绍 & 嘉宾背景 架构与细节：什么才是神经网络成功的关键？ 02:05 从 ConvNeXt 谈起：卷积网络能否与 Transformer 抗衡？ 06:39 细节组合胜于核心组件：激活函数、归一化层的累积效应 08:51 架构没那么重要，数据和计算才是真正的驱动力 10:54 评价架构创新的黄金准则：超参数搜索与多数据集验证 数据为王：偏见、多样性与混合策略 13:42 数据集的“偏见”：模型竟能分辨图片来源？ 16:39 好数据的配方：多样性、风格与等量配比 18:49 从 Ilya 箴言到通用模型：数据覆盖就是王道 多模态：视觉的桥梁与盲点 19:05 ImageBind：以视觉为枢纽对齐多模态 20:31 语言先行的秘密：视觉带宽过高而算力尚不足 22:38 《Eyes Wide Shut》：CLIP 的空间盲点与视觉编码瓶颈 记忆、上下文与世界模型 24:19 强化学习与智能体的边界 28:59 “记忆和上下文是目前最重要的两个方面” 30:35 世界模型之辩：语言层面已有很好的世界模型 33:09 何时需要视觉世界模型？现实世界任务 模型个性、工具与研究新范式 34:28 模型“独特性”：文本里的隐形签名 37:06 预训练 vs. 后训练：为什么后训练导致差异？ 38:59 持续学习：为了稳定的记忆而非新技能 39:24 编程工具体验：Claude Code 与 Codex 谁更胜一筹？ 40:08 智能体能替代学生吗？自主研究的现状与局限 43:09 《无归一化的Transformer》：动态tanh能取代归一化吗？ 44:40 Metamorph：理解作为生成的基础 45:54 结语与告别 🌟 精彩内容 💡 细节决定成败 Zhuang Liu 通过 ConvNeXt 研究揭示：卷积网络与 Transformer 之间的性能差距，主要来自训练细节和设计配方的差异，而非自注意力与卷积本身。这提醒我们，看似微不足道的超参数与组件组合，往往比宏大的架构叙事更重要。 “这些小细节组合在一起，比那些看起来像是网络核心组件的改变要重要得多。” 💡 数据才是真正的护城河 在受访中，Liu 反复强调，架构选择的差异远不如训练数据的规模、多样性与分布来得关键。模型的能力上限，很大程度上被它所“看”过的数据所定义。 “你想让模型在哪方面做得好，最好就针对那方面去训练。” 💡 记忆与上下文：AI 的下一个突破口 Liu 认为，当前大模型最紧迫的挑战不是能力不足，而是记忆的缺失。持续记住用户的偏好、交互历史和情境，远比设计更复杂的多智能体系统更具变革意义。 “我觉得记忆和上下文是目前最重要的两个方面，尤其是记忆。” 💡 语言里的世界模型 尽管很多研究者认为当前模型尚未具备真正的世界模型，但 Liu 指出，在高度抽象的语言空间里，语言模型已经能够进行连贯的因果推演，展现出令人惊叹的逻辑一致性。 “模型在这个空间里的世界模型其实非常好。” 💡 视觉：被忽视的桥梁 通过 ImageBind 等工作，Liu 展示了视觉作为一种“天然桥梁”，能够将多种模态连接至同一嵌入空间。但他也坦承，视觉数据的高通量特性导致其在算力需求上数倍于语言，这解释了为什么视觉模型还未迎来语言模型那样的爆发。 “视觉是一种天然桥梁，能够连接所有模态。” 🌐 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》，主持人对谈Notion产品负责人Max Schoening。Max的背景横跨设计与工程，曾在Google担任产品经理、在Heroku管理设计团队，又先后在GitHub主导设计和前端开发，是一位难以用单一标签定义的全能型产品人。随着AI开始重塑每一个行业，他在这场对话中分享了大量关于“主动性比技能更重要”的深刻洞见——他如何推动Notion的设计师和产品经理直接写代码，什么是“可塑软件”，以及他对产品品味、团队效率和未来职业的犀利看法。这不仅是一堂关于AI时代产品构建的思维课，更是一次关于如何在不确定世界中保持能动性与创造热情的启迪。 👨‍⚕️ 本期嘉宾 Max Schoening，Notion产品负责人。他是一位连续创业者，横跨设计与工程的独特经历让他成为AI原生时代最令人瞩目的产品领袖之一。曾在Google担任产品经理，在Heroku管理设计团队，并在GitHub主导设计与前端开发，如今在Notion引领AI为核心的产品进化。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI时代的产品角色重塑 00:01:41 “像开偷来的车那样驾驭Notion”：世界由不比你聪明的人创造 00:04:22 从“停止画死鱼”到让设计师写代码的起源故事 00:07:44 写代码的真正目的：成为材料的大师，而不是齿轮 00:09:53 区分未来成败的关键：主观能动性（Agency） 00:14:14 如何培养主动性：从制作东西开始，唤醒改变世界的能力 可塑软件与SaaS的未来 00:16:00 什么是可塑软件？让软件贴近用户而非公司利益 00:19:10 迪特·拉姆斯的设计哲学：“有用”是检验设计的唯一标准 00:20:36 SaaS末日不会来：即服务部分才是核心，工具会更通用 产品开发的新范式：速度、质量与品味 00:24:50 每个项目前10%几乎免费：从写PRD到直接演示 00:26:30 推理速度如何重塑协作：从排队任务到回归直接操作 00:29:10 先别急着算ROI：Token花费不是值得炫耀的指标 00:31:05 让非工程师感受“超能力”：如何推动团队拥抱AI 00:34:00 编程能力正在渗透一切领域，软件吞噬世界加速 00:38:54 多“射门”与“明显好”：Notion的发布哲学 00:44:08 品味的修炼：在大脑中运行一台“用户反应虚拟机” 伟大产品的共同秘密：微小超能力 00:48:14 千万别掉入“我只要再加一个功能”的死亡螺旋 00:50:03 所有伟大的产品都有一个极小的出色核心（Heroku、Dropbox、AirPods） 00:52:08 跳出产品经理的身份：“待办任务”框架的正确用法 个人反思与逆向观点 00:54:52 全民基本收入？其实你早就有了：它叫知识工作 00:57:51 包容并不总是好：为什么“排他”有时是制胜关键 00:59:15 从失败中学习：放松招聘的滑坡、GitHub Actions的遗憾、错过Notion 01:02:05 给年轻人的忠告：别让FOMO绑架，热爱电脑本身 快问快答 01:04:48 书籍推荐：《Code》《Tools for Conviviality》《Seeing Like a State》 01:06:04 影视剧：《Project Hail Mary》《使女的故事》 01:07:11 产品推荐：Ghostty终端、Moshi App、Corne键盘、Chris Reeve折刀 01:08:17 座右铭：“宇宙即变化，生活由你塑造” 01:08:44 最喜欢的德语词：Tüfteln（鼓捣） 结尾寄语 01:09:15 如何找到Max：Twitter @maxdodev 01:09:35 最后建议：看看周围的世界，一切都由不比你聪明的人创造，去发挥你的能动性吧 🌟 精彩内容 💡 像开偷来的车那样驾驭Notion：主动性是新时代的核心技能 Max提出，在AI让技能壁垒日益消失的时代，区分能否成功的关键不再是你会什么，而在于你的主观能动性。他鼓励每个人像开着一辆偷来的车那样驾驭自己所处的环境，意识到“世界是由一群并不比你更聪明的人创造的”，从而打破自我设限，真正去动手改变周围的世界。 “有一天你醒来，会意识到这个世界就是由一群并不比你更聪明的人创造的。这真的会点醒你，让你明白你其实可以改变事情。” 🔧 可塑软件：夺回你的数字生活控制权 作为“可塑软件”理念的坚定倡导者，Max认为软件应该更贴近使用者的利益，而不是制造它的公司的利益。就像你不会容忍一间无法重新布置客厅的房子，我们也不该被困在那些由硅谷象牙塔完全设计好、无法微调的应用里。可塑软件旨在让普通人对自己的计算生活重新拥有掌控感。 “想象一下，如果你住在一个地方，却不能重新布置自己的客厅，厨房也得完全按别人规定的方式摆放，我们会接受吗？肯定不会吧。但现在的软件世界差不多就是这个样子。” 🧠 品味：在大脑中运行一台“用户反应虚拟机” 针对AI开始大量参与构建产品之后人类需要更强的判断力，Max给出了他对“品味”的独特定义：你能否在脑子里运行一台虚拟机，针对一个想法，精准预判某个特定群体是否会喜欢它。这种能力没有捷径，需要通过大量的迭代与反馈来训练，就像训练一个AI模型一样。 “品味实际上意味着你能在脑子里运行一个虚拟机：给你一个点子，你就能预测某个特定群体是否会喜欢它。你只需要大量练习。这几乎就像在训练一个模型。” ❤️ 伟大产品的微小超能力 回顾他参与和欣赏的所有成功产品，Max提炼出一个核心规律：所有伟大的产品都有一个极小的、像超能力一样出色的核心，比如Herokugit push heroku master、Dropbox的隐形同步、AirPods的无缝连接。而最大的陷阱，就是反复陷入“只要我再加一个功能，它就会变得很棒”的循环之中。 “所有伟大的产品都有一个微小的超能力。就是某个极其出色的微小核心。最大的陷阱之一，就是陷入这种循环：‘只要我再给产品加一个功能，它就会变得很棒。’这个办法从来都没用。” 🌐 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 CNBC 的《伯克希尔·哈撒韦股东大会》深度访谈，主持人 Becky Quick 与沃伦·巴菲特展开了一场极其罕见的坦诚对谈。巴菲特首次坐在台下观看股东大会，他分享了自己六十多年投资生涯中沉淀的智慧：为什么在别人不接电话的时候才是最佳买入时机；为什么意想不到的事才会发生；以及他给所有股东和伙伴的那条不花一分钱的黄金法则。此外，他还谈到了对当前市场赌博化的担忧、对通胀的洞察、对 AI 深度伪造的警惕，以及选择接班人格雷格·阿贝尔背后的深层原因。这不仅是一堂投资大师课，更是关于人生、选择和信念的深刻对话。 👨‍⚕️ 本期嘉宾 沃伦·巴菲特，伯克希尔·哈撒韦公司董事长。他被公认为历史上最成功的投资人之一，自 1965 年起执掌伯克希尔，将其从一家纺织厂打造成市值近万亿美元的商业帝国。现年 94 岁的他近年逐步交班，这是他第一次坐在台下而不是台上接受提问，分享了许多从未公开过的思考。 ⏱️ 时间戳 00:00 开场 & 播客简介 投资哲学：别人不接电话时买入 03:02 六十年只有五年是肥美的：什么都不做的智慧 04:06 能力圈：不懂的行业绝不碰，不需要学新东西 06:40 买进东西的最好时机，就是别人都不接电话的时候 市场就像连着赌场的教堂 04:25 教堂与赌场：赌徒比以往任何时候都多 04:49 短线期权是纯粹的赌博，不是投资 06:28 意想不到的事才会上演，被谈论的往往不会发生 宏观与通胀：零利率也没进教科书 08:23 通胀让农民破产，美国并非免疫 09:46 鲍威尔在位让人安心，几乎无法预测极端情况 10:47 二十五年的教科书没提零利率，没想到的事才造成巨大损害 判断人与交接：持仓 CEO 与深度伪造 11:06 苹果、可口可乐等主要持仓的 CEO 更替 12:35 判断人就像结婚，往往会犯错 13:37 AI 深度伪造：模仿总统的声音，比广播剧更可怕 格雷格·阿贝尔：极其聪明的接班人 14:33 选择格雷格不是因为他是个好人，而是因为他极其聪明 14:57 即将成为美国公民，对他来说意义非凡 美国的秘密配方 15:29 几百年人人都想移民美国，里面有一种难以定义的秘方 16:08 尽管分配极度不平等，但吸引力依然巨大 给股东的黄金法则 17:54 你想别人怎么待你，你就怎么待别人 18:45 我从未见过这样做的人不快乐，这事不花你一分钱 19:07 结尾致谢 🌟 精彩内容 💡 恐慌时买入：别人不接电话的时候 巴菲特说：“买进东西的最好时机，就是别人都不接电话的时候。” 他解释，市场暴跌时交易员会切断联系，或者挂出巨大的买卖价差。很多最好的机会就藏在这种恐慌之中，而那些被人们天天讨论、预测的“风险”，反而往往不会成真。真正的威胁，总是来自那些被所有人忽略的角落。 💡 能力圈与“什么都不做” “我在这一行已经做了六十年，可能其中只有五年是真正肥美的。” 巴菲特承认自己不去学新的行业，因为他知道那不是他的优势。他用 IBM 老汤姆·沃森的话说，“我只有几个聪明点，然后我就只守在这些点上。” 在噪音环绕的市场里，说“不”的能力比说“是”更重要。 💡 黄金法则：不花一分钱的快乐 当被问到想对追随几十年的股东说什么时，巴菲特给出了他人生最核心的建议：“把黄金法则给出去——你想别人怎么待你，你就怎么待别人。” 他强调，这一条不花一分钱，却能让人更快乐。“我从没见过任何这样做的人是不快乐的。从某种意义讲，它也挺自私的，因为它会让别人反过来对你好。” 💡 美国的秘密配方 巴菲特感慨，美国有一种说不清的“秘方”，让全球的人几百年来都想迁居至此。即使财富产出分配极度不平等，这种吸引力依然存在。他用接班人格雷格·阿贝尔即将成为美国公民为例，说这份骄傲与期待，用金钱买不到，也无法用广告包装。 🌐 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英文科技播客《Decoder》的一期深度对谈 What comes after smartphones, with Evan Spiegel of Snap 主持人 Nilay Patel 与 Snap 公司联合创始人兼 CEO Evan Spiegel 在酒吧里边下棋边聊，坦诚分享了 Snap 的最新进展、Spectacles 眼镜的研发历程，以及他对增强现实、人工智能和社交网络未来的深刻洞见。从十二年 AR 之路的技术攻坚，到 AI 如何彻底改变软件开发，再到社交与媒体为什么要彻底分开——Evan Spiegel 用他的人本主义技术观，描绘了一幅不随大流的科技蓝图。 👨‍💼 本期嘉宾 Evan Spiegel，Snap Inc. 联合创始人兼 CEO，Spectacles 眼镜的缔造者。他自 2014 年起带领团队投入 AR 眼镜研发，同时将 Snapchat 打造成月活近十亿的即时通讯平台。他以对产品的不妥协和对人本设计的坚持闻名，是少数敢于挑战主流社交模式、并持续押注下一代计算的创始人之一。 ⏱️ 时间戳 开场 00:00 开场 & 播客简介 AR 之路与 Spectacles 01:35 Snap 的“熔炉时刻”：十亿月活、净利润盈利在即 02:22 Spectacles 首次面向消费者：十二年磨一剑 03:04 技术挑战：为什么把计算机塞进眼镜这么难？ 07:51 全栈自研：从 Snap OS 到光学引擎，为什么弃用安卓？ 12:34 何时普及？1984 年 Macintosh 式的早期尝鲜者 15:23 拍照眼镜的教训：“好十倍”原则与护城河 未来计算与人机交互 04:25 后手机时代：先转移大屏，再创造全新体验 09:52 以人为本的设计哲学：为什么眼镜是计算的必然归宿 16:08 “杀手级应用已死”：AI 时代，人们为自己量身打造软件 18:10 Lens Studio：让任何人都能快速构建 AR 体验 社交网络的设计哲学 20:31 Snapchat 的核心：即时通讯与年超万亿自拍的相机帝国 24:35 网络不是越大越好：为什么密友圈带来更强幸福感 27:06 最大的错误：把社交和媒体结合，制造反常激励 29:35 短暂性的价值：默认删除，保存例外 31:05 未来的沟通：通过 Spectacles 在真实世界中连接 商业、青少年与责任 21:38 营收双引擎：广告 + Snapchat Plus（2500 万订阅，年化十亿美元） 22:16 当 AI 推理成本上升，直接收入为何越发重要 33:05 孩子与屏幕：健康平衡胜过一刀切 36:10 澳大利亚禁令的失效：克隆应用与系统级控制缺失 38:20 社交媒体与心理健康：为什么 Snapchat 呈正相关？ 41:09 内容准则：在源头审核，而非依赖算法纠偏 产品创新与领导力 43:15 保持“酷”的秘诀：不追求酷，追求持久价值 43:59 每周几百个创意：设计师直接提交代码的设计评审 45:42 连续互发（Streaks）的转变：从反对到被用户故事打动 47:33 跨职能协作：设计、工程与产品的平等对话 47:58 挪威奇迹：高网络渗透 + 重视亲密关系，点燃早期增长 50:12 领导力进化：从打造产品到激励人攻克最难问题 制造与知识产权 51:23 美国制造：关键光学组件本土化，保护核心 IP 52:33 结尾：酒吧飞镖与下棋，轻松收官 🌟 精彩内容 💻 AI 席卷代码库 “现在 Snap 超过三分之二的新代码都是 AI 写的，这个转变发生得非常非常快。……我们写软件和运营公司的方式正在发生翻天覆地的变化。” Evan 透露，Claude 等工具正在彻底改变全公司的软件开发，而这也让 Snap 在 AI 时代拥有更独特的竞争优势。 🔀 社交与媒体必须分开 “最大的错误就是把社交和媒体结合在一起，这制造了很多反常的激励。” Snap 从一开始就将好友沟通与公共内容严格分开，避免为了填充信息流而迫使用户加更多好友，从而保护了密友圈的私密、自在与真实表达。 ❌ 我们不想让你盯着一堆数字看 “我们不想让你盯着一堆数字看，我们想退后一步，帮你跟朋友好好交流。” Evan 解释 Snap 为何抵制显式的粉丝数、点赞数等量化指标，甚至多次想砍掉 Streaks 功能，最终却被无数用户来信说服——一个简单的连续互发标记，成了维系远方友谊的生命线。 👓 眼镜是计算的必然 “如果让计算更人性化，它必须从口袋里拿出来，放在眼前和耳旁。” 从十几年前开始做 Spectacles，Evan 就坚信眼镜是能融入人类生活、解放双手、理解环境的最佳形态，而非一块让人低头的屏幕。 💡 “好十倍”铁律 “如果做不到比现有方案好十倍，那投资进去就没意义。” 早期拍照眼镜的失败让 Snap 立下这条产品铁律，也是为什么 Spectacles 不满足于做 GoPro 替代品，而是瞄准真正的空间计算平台。 🌐 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：一档以人工智能为核心的英文对谈播客 Andrej Karpathy: From Vibe Coding to Agentic Engineering 本期嘉宾 Andrej Karpathy 是 OpenAI 联合创始人、特斯拉 Autopilot 前 AI 负责人，也是“软件 2.0”理念的提出者和“vibe coding”一词的创造者。在离开前沿大厂后，他以更犀利的视角重新审视 AI 编程的爆发。他为何说自己作为程序员从未感到如此落后？Vibe coding 如何从一个玩笑变成真正的工程实践？软件 3.0 时代，编程的本质被改写成什么？Andrej 用亲身案例、可验证性框架以及“动物与幽灵”的比喻，为听众描绘了一幅从编码到智能体工程的认知地图。他还强调：无论 AI 如何进化，“你不能外包你的立场”。这是一场关于技术变革与人类定位的深度对话。 👨‍⚕️ 本期嘉宾 Andrej Karpathy，人工智能领域最具影响力的思想者与教育者之一。他是 OpenAI 的联合创始人，曾在特斯拉主导 Autopilot 的 AI 研发，被广泛认为是“软件 2.0”理念的提出者。他创造的“vibe coding”一词，精准捕捉了 AI 辅助编程的文化变迁，引发了全球开发者圈的广泛讨论。目前他致力于 AI 教育，以清晰透彻的讲解著称。 ⏱️ 时间戳 00:00 开场 & 本期播客简介 01:39 嘉宾登场：OpenAI 联合创始人 Andrej Karpathy 从“落后感”到 Vibe Coding 02:18 作为顶尖程序员，为何突然感到从未如此落后？ 03:13 Vibe Coding 的诞生：12月，一个决定性的转折点 软件三点零：编程的重新定义 03:54 软件1.0→2.0→3.0的演化：提示成为编程，上下文成为杠杆 04:44 实例一：用一段文字安装 OpenCL，告别膨胀的脚本 05:44 实例二：menu gen 的命运——一个简单的提示秒杀了整个应用 07:08 超越代码：AI 正在自动化广义的信息处理 可验证性：AI 自动化背后的引擎 09:39 锯齿状智能：为什么 AI 能解复杂方程却不会去洗车？ 10:52 强化学习与验证奖励：模型能力的底层逻辑 12:50 给创业者的启发：在可验证的蓝海领域，你还有机会 从 Vibe Coding 到 Agent Engineering 14:31 Vibe Coding 抬高下限，Agent Engineering 拉高上限：十倍加速不是梦 15:21 智能体像“带刺的实习生”：如何驾驭其随机性与脆弱性 16:48 招聘革命：用“部署推特并抵御攻击”代替白板谜题 17:29 人类的领地：品味、判断与对“实习生”的监督 智能体的本质与世界的重构 20:46 动物还是幽灵？理解大语言模型的真实形态 22:04 把世界看作传感器与执行器：智能体原生时代 22:20 基础设施的“智能体优先”革命：别再让我手动部署 教育、理解与“不能外包的立场” 23:51 “你可以外包你的思考，但你不能外包你的立场” 24:23 为什么理解仍是瓶颈？用 AI 增强而非替代人类的认知 🌟 精彩内容 💡 “我作为程序员从未感到过如此落后” Andrej Karpathy 坦言，在去年12月，AI 编程工具的连贯性发生了质变，让他进入了“vibe coding”状态。他不再纠正代码，而是完全信任系统。“我已经好几个月没写过 HTML 或 JavaScript 了，都是 AI 在处理。”这种从怀疑到全盘接受的体验，定义了新一代编程文化的起点。 🛠️ 软件3.0：一行提示消灭一个应用 通过 menu gen 的例子，Andrej 揭示了软件3.0的可怕潜力。当他用复杂的开发流程做了一个菜单可视化应用后，却发现用 Gemini 的一个简单提示“用 Nana Banana 把这些东西覆盖到菜单上”就直接生成了最终图片，应用本身变得毫无必要。这让他惊呼：“我做的 menu gen 完全是多余的……那个应用根本不应该存在。”它标志着从编写代码到编写上下文的根本迁移。 🚀 可验证性：AI 的“锯齿状”真相 为什么顶尖模型能重构十万行代码，却会建议你走路去洗车？Andrej 用“可验证性”和强化学习训练机制解释了 AI 能力的参差不齐。他指出，模型在可被验证的领域（如数学、编程）表现超群，但在未经强化学习打磨的常识上则显得笨拙。理解这种锯齿状，是创业者选择 AI 应用方向的关键。 ❤️ 不能外包的立场 面对 AI 自动化一切的未来，Andrej 强调，人类最后的价值不在于计算，而在于判断。“有一条推文让我大为震撼：你可以外包你的思考，但你不能外包你的立场。”他认为，即使智能体再强大，理解仍是创作者的瓶颈，而用 AI 工具增强理解，才是保持航向的核心。 🌐 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硬核科技播客《Dwarkesh Patel》How GPT-5, Claude, and Gemini are actually trained and served – Reiner Pope 嘉宾 Reiner Pope 是芯片初创公司 Maddox 的 CEO，更早之前曾在谷歌负责 TPU 架构设计。整期节目采用“黑板讲座”的形式，Reiner 从最基础的 roofline 模型出发，一步步推导出批次大小如何影响大模型推理的延迟与成本，揭示了“内存墙”为什么是上下文长度的真正枷锁。他还结合 Gemini、DeepSeek 等前沿模型的公开定价，反向推算出隐藏的技术架构，甚至连 KV 缓存存储在哪一层内存都能猜出来。对话后半段更跨界到密码学，探讨神经网络与密码协议在结构上的惊人相似。这是一堂 AI 基础设施的实战大师课，听完你会对“为什么 API 定价是这样”“为什么模型扩展变慢了”这些问题豁然开朗。 👨‍⚕️ 本期嘉宾 Reiner Pope，AI 芯片公司 Maddox 的创始人兼 CEO，曾在谷歌领导 TPU 架构设计，对分布式训练、推理系统和芯片设计有极其深厚的工程与研究积淀。他还是《Scaling》一书的作者。 ⏱️ 时间戳 开场与技术形式 00:00 Yikai 开场及节目介绍 01:26 Dwarkesh 介绍嘉宾与“黑板讲座”设置 Roofline 模型与批次大小的艺术 02:53 为什么要从“批次大小”开始？它对延迟和成本的决定性影响 04:33 批处理为什么能节省上千倍成本？ 07:04 一张延迟图看懂内存时间与计算时间的平衡 10:25 稀疏注意力与最优批次大小的代数推导 12:00 单用户推理为什么贵？成本曲线揭示的无穷大起点 15:20 最优批次大小≈300×稀疏度，一个跨硬件稳定的常数 17:08 推理引擎的“火车模型”：每 20 毫秒固定发车 19:35 从每秒 12.8 万 token 反推前沿模型的多大用户量 21:38 增加稀疏度划算吗？《路由语言模型统一法则》告诉你答案 模型架构与硬件拓扑 24:15 混合专家层如何分片到 GPU 机架上 27:47 机架内的 NVLink 高速网络与机架间慢八倍的“瓶颈” 32:33 为什么 GPT‑4 之后模型规模扩展变慢了？不是计算，是内存容量在等机架 35:40 流水线并行真的省了内存吗？通信模式的代数拆解 39:45 流水线气泡：训练中的微批次权衡与推理中的“不费脑”设计 内存墙、过度训练与规模法则 45:12 内存容量真的过剩吗？为何大家还在砸钱买 HBM？ 49:03 为什么流水线并行对 KV 缓存无效？内存容量的死结 52:00 过度训练 100 倍？从 Chinchilla 最优到真实世界的偏离 58:23 预训练、强化学习与推理 token 的最优成本分配 01:04:24 惊人反推：预训练数据量其实约等于模型整个生命周期的推理 token 数 从 API 定价反推技术架构 01:05:26 Gemini 长上下文加价 50%的硬件解释 01:09:50 价格如何泄露秘密：每个 token 的字节数、KV 缓存大小都能算出来 01:12:47 输出 token 为什么比输入贵 5 倍？解码与预填充的内存带宽真相 01:14:51 KV 缓存命中便宜 10 倍：HBM、DDR 与机械硬盘的角色分配 01:22:00 5 分钟 vs 1 小时：定价时长正好对应闪存与机械硬盘的“排空时间” 交叉学科火花 01:24:17 神经网络与密码学：同样的“混合”结构，相反的训练目标 01:27:06 对抗攻击与后门：神经网络里的“雪崩效应” 01:28:45 从密码学借来的可逆网络：用计算换内存，反向传播不用存激活值 结尾 01:30:50 结语与致谢 🌟 精彩内容 💡 “火车模型”：理解推理延迟的钥匙 Reiner 把大模型推理比作固定时刻表的火车：每 20 毫秒发车一次，能上多少用户就上多少。这直接解释了为什么多付钱可以得到更快流式输出的“快速模式”，以及为什么存在“慢速模式”都无法突破的成本下限。 🛠️ 内存墙：限制上下文长度的真正元凶 “内存墙没有真正的解决方案”，Reiner 直言。通过 roofline 分析，他展示了为什么超出 20 万 token 左右后成本会急剧上升——不是因为算力不够，而是因为内存带宽被 KV 缓存吃满。这也是 Gemini 等模型长上下文定价加价 50%的根本原因。 🚀 用公开价格反推绝密架构 Reiner 现场演示了如何通过 API 每百万 token 的定价，推导出模型中每 token 的 KV 缓存字节数（约 2KB）、注意力头的维度，甚至推断出缓存是放在 HBM、DDR 还是机械硬盘里。一堂震撼的技术情报分析课。 💻 批次大小：从千倍成本差到硬件常数 如果不做批处理，单用户推理的成本可能比批处理高上千倍。而最优批次大小竟然可以通过一个简单的硬件常数（算力 / 内存带宽）乘以模型稀疏度直接估算出来，这个常数在不同 GPU 世代间保持惊人稳定。 ❤️ 密码学与神经网络：同构的两面 神经网络通过梯度下降学习结构，密码学却拼命制造随机性的“雪崩效应”。Reiner 指出，这恰恰是同一个混合架构的两个极端用途，而可逆网络正是从密码学中借来、用于节省训练内存的巧妙设计。 🌐 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 本期我们克隆的是 Y Combinator 官方播客的一期深度对谈。Demis Hassabis: Agents, AGI & The Next Big Scientific Breakthrough 主持人 Gary 是 YC 的 CEO，嘉宾 Demis Hassabis 是 DeepMind 的联合创始人兼 CEO，他因破解生物学上长达五十年的蛋白质结构预测难题，在去年获得了诺贝尔化学奖。 在这期节目里，你将听到 Demis Hassabis 从国际象棋神童、游戏设计师到诺奖得主的传奇经历，以及他对通用人工智能的终极思考。对话深入探讨了当前 AI 系统缺失的关键组件——持续学习、长期推理和记忆；他独家披露了 DeepMind 如何将其在 AlphaGo 上验证过的强化学习和搜索哲学，融入当今最先进的 Gemini 大模型。此外，他还分享了小模型的“蒸馏”艺术、智能体的真实进展，以及 AI 将在未来五年如何彻底变革材料科学、药物发现等基础科学领域。对于每一位正在科技前沿探索的创始人，Demis 给出了一条至关重要的建议：在 AGI 可能于途中降临的时代，你该如何预判技术走向，构建真正具有防御性的深度科技公司。 👨‍⚕️ 本期嘉宾 Demis Hassabis，Google DeepMind 联合创始人兼 CEO，2024年诺贝尔化学奖得主。他从小是国际象棋神童，17岁便设计了畅销游戏《主题公园》，后来获得认知神经科学博士学位，并于2010年创立 DeepMind，致力于“解决智能问题”。他领导的团队开发了击败世界围棋冠军的 AlphaGo 和破解蛋白质结构预测难题的 AlphaFold，后者已被全球超过三百万研究人员使用，被誉为 AI 加速科学发现的里程碑。目前，他正带领团队打造 Gemini 模型，并继续朝着通用人工智能的宏大目标前进。 ⏱️ 时间戳 开场与嘉宾传奇 00:00 开场：Y Combinator播客简介与Demis Hassabis的非凡成就 03:30 Demis的职业生涯回顾：从棋坛神童到认知神经科学博士，再到DeepMind创立 05:00 AlphaGo与AlphaFold：两个改变世界对AI认知的里程碑 06:30 诺奖背后：免费开放AlphaFold，赋能全球每一位科学家 AGI架构的未来拼图 07:15 当前范式的局限：大模型还缺什么？持续学习、长期推理与记忆 09:45 “梦境循环”与海马体：神经科学启发下的经验重放技术 12:30 上下文窗口是终极方案吗？工作记忆的蛮力模拟与信息检索成本 15:00 生物大脑不是机器：完美记忆的承诺与逻辑成本困境 从AlphaGo到Gemini：强化学习的回归 17:45 智能体的原始基因：Atari游戏与AlphaGo如何定义自主系统 19:45 “想太多”的模型：在思维链中如何避免循环错误 22:00 强化学习被低估了吗？将游戏策略泛化到世界模型 24:00 AlphaZero的旧思想与当今基础模型的新结合 超高效的小模型：蒸馏的艺术 26:30 从庞大前沿模型到轻量级Flash：蒸馏技术的极限在哪？ 28:30 为何必须极致高效：服务数十亿用户的谷歌生态与低延迟刚需 30:30 速度优于绝对能力：迭代效率如何弥补5%的能力差距 32:00 隐私与安全：设备端小模型的战略意义 智能体时代的黎明 35:00 智能体真实能力：到底是炒作还是真正的起步？ 37:00 人机协作：为什么还没出现“AI造出的爆款游戏”？ 38:45 失踪的创造火花：一个能发明“围棋”的系统何时到来？ 40:15 工具的灵魂：人类品味与创造力的不可或缺 多模态、开源与设备端模型 43:30 从Gemini到Gemma：开放科学基因与开源模型战略 46:00 为何开放边缘模型？部署风险与安卓、机器人的全球布局 48:00 多模态先见：如何让AI理解物理世界并遥遥领先 AI与基础科学的下一个突破口 51:00 AlphaFold的范式：组合搜索空间、清晰目标函数与合成数据 53:30 迈向虚拟细胞：我们需要什么样的活细胞成像技术？ 56:00 未来五年最具变革潜力的科学领域：材料、气候与数学 58:00 根节点问题：如何用AI解锁全新科学发现的分支 给深科技创始人的忠告 01:00:30 预测AI走向与跨学科结合：如何构建不被基础模型吞没的护城河 01:03:00 拥抱深度科技：真正有价值的事从不简单，相信你的另类视角 01:06:30 为自己热爱的事业而战：即使技术未成，你也会找到继续的路 01:08:30 终极建议：在AGI终点途中启动你的深科技征程 终极挑战：科学推理与AI的创造力 01:10:30 系统能否自己提出“黎曼假设”？超越模式匹配的科学推理 01:13:00 “爱因斯坦测试”：训练截止1901年的模型，它会发现狭义相对论吗？ 01:16:00 通用工具与专用系统的未来：为何AGI不应是一个巨无霸大脑 🌟 精彩内容 💡 AGI的最终架构：还缺哪几块拼图？ Demis 明确指出，尽管当前的大规模预训练、RLHF和思维链范式已非常强大，但要实现完全的通用智能，我们还必须攻克持续学习、长期推理和更高效稳定的记忆机制。“我觉得现有的组件会是AGI最终架构的一部分，但可能还需要一两个重大的想法去突破。” 🧠 从神经科学借来的AI灵感 Demis 结合其认知神经科学的博士背景，解释了DeepMind早期突破的核心概念——“经验重放”如何源于对大脑海马体在睡眠中巩固记忆的研究。这一在2013年被用于Atari游戏AI DQN的 “远古时期”突破，至今仍对克服模型的“无状态”难题具有深刻启发。 🚀 小模型的大智慧与蒸馏的极限 当被问及小模型的聪明程度是否有极限时，Demis 乐观地表示目前远未触及信息密度的天花板。“我们的一款前沿模型发布半年到一年后，你就能在那种非常小、几乎能跑在设备端的模型里看到同样的能力。” 这不仅关乎成本，更关乎速度与隐私，他认为设备端高效模型加云端强大模型协调将是理想的终局。 ♟️ 当AI“想太多”：从国际象棋的错误说开去 Demis 分享了与Gemini下棋的有趣观察：模型有时会意识到某步是臭棋，但因找不到更好的选择而依然走出那一步。“在一个精确的推理系统里，你根本不应该看到这种事……我总觉得它对自己的思考过程缺少一种内省。” 这反映了当前系统推理能力的“锯齿状”特征。 🔬 科学发现的下一个“AlphaFold时刻” Demis 提出了他所寻找的科学突破范式：一个巨大的组合搜索空间、一个明确定义的目标函数、以及足够的数据或合成数据模拟器。他预测在材料科学、药物发现等领域，我们正处于类似AlphaFold爆发前的“临门一脚”时刻，并给出了“十年内实现完整虚拟细胞”的具体时间线。 💎 创始人的黄金法则：预判AI，拥抱深科技 对于创业者，Demis 的建议直击要害：“你必须预判 AI 技术的发展走向。” 他认为，将AI与某个深度技术领域（如材料、医药）相结合的跨学科团队，将最具防御性，不会轻易被基础模型的下一次更新淹没。此外，他鼓励所有人将生命投入到“如果你不做就不会有人去推动、真正能改变世界的事情”上。 🌐 播客信息补充 翻译克隆自：Y Combinator 官方播客 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 本期我们克隆的是知名英文播客《Naval》 On Vibe Coding ，由硅谷传奇投资人 Naval Ravikant 与联合主持人 Nivi 共同主持。 他们在这场对话中深入探讨了 vibe coding——利用 AI 直接编写代码、甚至一句话生成个性化应用的新潮流。Naval 从自己沉迷于用 AI 构建个人应用商店的亲身经历出发，剖析了 AI 编程智能体如何降低创造门槛，并大胆预言：纯软件已不再适合风险投资，而苹果在 AI 上的落后将导致其统治地位终结。这不仅是技术趋势的解读，更是对未来个人创造力、创业格局和科技巨头命运的深刻洞察。 在这期节目中，你将听到 Naval 如何仅凭自然语言指挥 AI 生成完全定制的健身应用，体验“比打电子游戏更上瘾”的编程快感；他将首次详细对比 Claude、ChatGPT、Gemini 和 Grok 四大前沿模型的使用体验；更重要的是，他将揭示 AI 编程对风险投资、软件创业乃至苹果公司市值的深远冲击。这是一场充满洞见的思维盛宴。 👨‍⚕️ 本期嘉宾 Naval Ravikant，硅谷著名天使投资人、企业家与思想家。他是 AngelList 的联合创始人，早期投资了包括 Uber、Twitter 等在内的众多明星公司。他以其深刻的第一性原理思考闻名于世，播客《Naval》在全球拥有大量忠实听众。 Nivi，Naval 的常规联合主持人，多次与 Naval 搭档探讨科技、投资与人生哲学，以犀利的提问和见解著称。 ⏱️ 时间戳 开场介绍 00:00 节目介绍：跨国串门计划，AI 声纹克隆技术跨越语言障碍 00:39 本期克隆《Naval》播客，嘉宾 Naval Ravikant 简介 01:15 精彩预告：vibe coding 比游戏更好玩，苹果统治地位终结 爱上 Vibe Coding：从零到个人应用商店 01:38 Nivi 开场，抛出 vibe coding 话题 02:00 拐点到来：Claude Opus 4.5 让 AI 编程智能体变得可靠 03:06 上瘾的开始：AI 真的能干活了，编程启动门槛骤降 04:01 智能体的秘密：长期存活在 Unix 环境中，像有初级程序员随时待命 05:34 个人应用商店诞生：一句话生成应用，直接装到 iPhone 上 08:24 最难的是清晰愿景：讲述重做社交应用 Air Chat 的缘起 无妥协创作：AI 编程的核心魔力 09:37 像自动驾驶一样无拘无束，再也不用迁就任何人 10:01 原型纯粹性：完全忠实于创造者愿景，可能催生更多《我的世界》式作品 12:47 比电子游戏更上瘾：真实世界的反馈闭环，让人每晚沉浸 纯软件已死？对创业与风投的冲击 11:49 断言：纯软件不可投资，风投应转向硬件、网络效应和 AI 模型 12:00 两大原因：AI 让软件拼凑太过容易，且智能体进步足以构建可扩展软件 13:00 个人软件创作者的复兴，但“职业”概念正在松动 AI 编程智能体的现状：模型对比与局限性 14:06 AI 纠错能力：从思考到协作，智能体如何学习 15:09 锯齿状智能：多智能体协作为何难以奏效 16:53 四大模型横向对比：Claude 善沟通，ChatGPT 最全面，Gemini 数据强，Grok 讲真话 18:05 群体思维与讨好倾向：模型缺乏真正主见，需人类引导 19:29 上下文窗口瓶颈：复杂项目下模型开始“失忆”，出权宜之计 21:24 未来可期：一次性生成复杂应用指日可待 苹果的危机：AI 如何终结 App Store 模式 23:23 对话式智能体崛起，手机应用变得可有可无 26:08 最大战略错误：苹果放弃 AI，统治地位开始终结 未来软件世界：自动修复与一人公司 27:00 自动修复 bug 系统：AI 每日审查并修复，人类只需把关 28:27 一人公司的时代：两三个人即可服务数千万用户，赚取数十亿美元 🌟 精彩内容 💡 Vibe Coding：比游戏更上瘾的创造体验 Naval 详细描述了 vibe coding 如何让他重拾编程乐趣。只需自然语言描述，AI 智能体就能生成功能完整的应用，并直接推送到个人手机。他坦言：“Vibe coding 比打电子游戏更好玩，它更有生产力，更有建设性，有更好的反馈循环。”这种即时反馈和零妥协的自由度，让 Naval 每晚都沉浸其中，甚至从社交媒体上完全消失。 🛠️ 四大 AI 编程模型横向测评 Naval 分享了他日常使用四款前沿模型的真实体验：Claude 善于匹配用户水平、沟通最顺畅；ChatGPT 仍是综合能力最强的“老大哥”；Gemini 凭借谷歌索引在搜索和数据获取上优势明显；Grok 则最少审查、敢说真话，且在科学难题上表现出色。他还揭示了模型间的群体思维和讨好倾向，提醒用户仍需充当“品味引领者”，亲自介入架构与设计。 💻 纯软件不可投资：风投行业的警钟 Naval 抛出重磅观点：“纯软件不可投资，我就把话撂这儿了。”他认为 AI 让软件的供给端急剧膨胀，单纯靠代码质量的优势已无法形成护城河。风险投资必须转向硬件、网络效应或基础 AI 模型。与此同时，这也为个人创作者打开了新时代——只需一两人就能做出服务数千万用户的软件公司，Notch 和中本聪式的传奇将更为常见。 🍏 苹果放弃 AI：十年最大战略错误 Naval 尖锐指出，随着 AI 智能体成为人机交互的核心，手机应用层的价值将大幅削弱，苹果软硬一体的优势会逐步瓦解。他直言：“我认为苹果放弃 AI，将成为这十年科技行业最大的战略错误，这也是苹果统治地位终结的开始。”他预言苹果市值将收缩，而新的巨头将从 AI 原生体验中崛起。 🌐 播客信息补充 翻译克隆自：On Vibe Coding 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