跨国串门儿计划 - 节目列表

📝 本期播客简介 本期我们克隆了：硅谷顶级科技与宏观评论播客《All-In Podcast》SpaceX’s $2T Case, Nvidia’s Shock Selloff, America Turns on AI, Trump Pulls AI Order, Bond Crisis? 【本期存在删减】 本期节目是一次横跨 AI、太空、芯片、宏观与地缘政治的高密度讨论。Jason Calacanis、Chamath Palihapitiya、David Friedberg 与特邀嘉宾 Gavin Baker，从 Andrej Karpathy 加入 Anthropic 聊起，讨论递归式自我改进是否会让 AI 模型进入“新摩尔定律”时代；也深入反思为什么美国社会正在对 AI 产生恐惧，包括就业替代、监管护城河、科技 CEO 的糟糕沟通，以及 AI 在治安、自动驾驶、医疗和工厂中的真实价值。 节目中段，几位嘉宾重点拆解了 SpaceX 拟 IPO 的惊人想象空间：Starlink 已成为印钞机，xAI 正在追赶前沿模型，所谓 “Elon Web Services” 可能成为新的云计算巨头，而太空数据中心与轨道算力则被视为文明级别的基础设施备份。随后，他们讨论 Nvidia 超预期财报、GPU 与 ASIC 的竞争、AI 芯片公司的估值错位，以及为什么 GPU 的可融资性和长期寿命可能拯救 neocloud。最后，节目转向宏观市场和地缘政治：高债务、高利率、霍尔木兹海峡、芯片出口与台湾问题，共同构成了一个既危险又充满机会的全球棋局。 👨‍⚕️ 本期嘉宾 Gavin Baker，Atreides Management 创始人兼首席投资官，长期专注科技、互联网、半导体、AI 与高成长公司投资。他曾多次做客 All-In Podcast，以对 AI 基础设施、芯片周期、SpaceX、Nvidia 和全球市场的深入理解著称。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 的下一轮加速 01:32 Karpathy 加入 Anthropic：AI 圈传奇人物回到前沿战场 03:00 递归式自我改进：让 Claude 改进 Claude 自己意味着什么 04:11 Chamath：Karpathy 与 Google Fellows 式天才文化 05:53 Gavin：Anthropic 盈利、LLM ARR 与 AI 投资回报已经出现 08:04 超级递归何时到来：AI 改进 AI 会不会超过人类工程师 08:56 Friedberg：小模型网络、模型架构重设计与每 token 成本下降 09:57 Gemini Nano 进入 Chrome：本地小模型、隐私与用户价值之争 AI 的叙事战争 10:40 Chamath：不要妖魔化 AI，要讲终端用户真正受益的故事 13:10 Gavin：科技行业有责任为 AI 的积极可能性发声 14:00 监管护城河：模型公司 CEO 为什么会放大 AI 风险 16:15 罕见病父亲的故事：LLM 如何改变一个孩子的人生 18:04 Friedberg 长回答：为什么年轻人开始嘘 AI 18:53 技术、权力失衡与反人文主义：AI 反弹的深层心理 21:10 外部势力、技术扩散与 AI 军备竞赛 24:04 我们能不能放慢 AI：自动驾驶、机器人税与再培训 AI 落地、监管与社会冲突 25:15 Chamath：保护工作前，先问劳动者是否真的想要这些工作 26:43 AI 监管行政令被撤回：frontier models 是否应先测试再发布 28:11 Gavin：政府权力是单向棘轮，自我监管与法院追责仍然存在 30:38 自动驾驶的安全性：禁止 Waymo 的城市会不会显得原始 31:56 Flock Safety 与城市治理：AI 摄像头、犯罪率和地方选择 33:36 拉斯维加斯案例：枪声探测器、无人机与实时警务 34:46 隐私设计：滚动数据库、审计日志与 AI 治安的边界 AI 裁员与科技 CEO 的沟通灾难 36:56 Cloudflare 裁员与“衡量者”：为什么这种表述吓坏了员工 37:30 Zuckerberg：用内部员工训练代码模型，外包人员不够强 38:52 Chamath 怒批科技 CEO 公关：不要把人简化成标签 39:24 Shyam Sankar 片段：应该听工厂工人、护士和终端用户的声音 41:11 AI 公司裁员叙事：一边训练模型，一边担心自己被替代 41:37 节目插科打诨：Anthropic 招人玩笑与 Chamath 的腿部梗 SpaceX 的两万亿美金想象力 43:55 SpaceX 提交 S1：估值 1.75 万亿美元，目标史上最大 IPO 45:00 三大业务拆解：Starlink、航天业务与 xAI 45:32 Elon Web Services：Anthropic 租用 Colossus 带来百亿美元级收入 46:55 Gavin：SpaceX 建数据中心的速度和成本优势 47:50 90 天取消条款：Anthropic 与 SpaceX 的灵活退出机制 48:05 Cursor Composer 2.5：专有代码数据与 Colossus 算力的爆发 50:12 Elon 会不会把算力卖给 Google 和 OpenAI？ 50:41 Grok Build：xAI 补上 agent harness 的关键拼图 51:47 Harness 与模型同等重要：状态、记忆和 runtime 的竞争 53:17 Friedberg：太空通信和太空数据中心是文明的备份 55:04 SpaceX 起源故事：从生物圈备份到自己造火箭 56:16 Chamath：两万亿估值如何算，Starlink、Colossus 与执行飞轮 60:51 DC 到 DC：Elon 与 Jensen 可能重构数据中心供电架构 61:39 Starship 的规模：快速复用如何改变入轨质量经济学 63:22 Gavin：普通可复用与快速复用的巨大差别 65:24 轨道计算时间表：太空中已经有 H100，2028-2030 年或见商业化 Nvidia、芯片与 AI 基础设施 67:11 Nvidia 财报炸裂：营收、利润、现金流与回购都创历史级表现 69:31 Gavin：AI 相关公司估值不可能全都正确 70:03 Nvidia、内存、电力、冷却与光通信之间的估值错位 71:10 ASIC 叙事与 Nvidia 份额：为什么 Jensen 可能感到沮丧 72:51 影子竞争：TPU、Trainium、Inferentia 为什么不公开同台 benchmark 73:29 Nvidia CPU 业务：一年做到 200 亿美元意味着什么 73:54 Chamath：Domain Specific Architecture 正在 Nvidia 内部发生 74:34 GPU 融资成本与使用寿命：为什么折旧周期很关键 75:43 推理拆分后，老 GPU 也可能拥有 10 到 15 年有效寿命 76:25 GPU 资产抵押融资：neocloud 的深层优势 76:36 CoreWeave 与 Jensen：Nvidia 财报如何“救了”新云公司 宏观市场：债务、通胀与美国优势 79:22 市场更新：油价、通胀、债券收益率与全球利率压力 80:32 Friedberg 的 Dr. Doom 时刻：全球债务占 GDP 310% 81:20 高债务螺旋：印钱、通胀、资产价格与信用危机 82:04 Chamath：只持有少数真正相信的公司，远离投机 83:03 Gavin：利率上升令人担忧，但 AI 基本面前所未有 84:37 美国仍是“糟糕社区里最好的房子” 85:26 霍尔木兹海峡：为什么关闭对美国相对更有利 86:16 能源自给、天然气与再工业化：美国的结构性优势 86:56 AI 也有季节性吗：学生暑假、agentic AI 与需求波动 【中间存在删减】 93:26 石油棋盘：伊朗、委内瑞拉、俄罗斯与霍尔木兹海峡 93:39 战争成本与全球联盟：为什么能源会影响台海风险 93:46 收尾：Sacks 缺席，Gavin Baker 与岳父 Jeff Painter 的特别致意 🌟 精彩内容 💡 递归式自我改进：AI 的新摩尔定律？ Karpathy 加入 Anthropic 被几位嘉宾视为一个重要信号：AI 可能进入模型自我改进、自我实验、自我训练的新阶段。Chamath 认为，如果递归式自我学习和大规模算力结合，模型能力可能每年提升一个数量级，形成某种“新的摩尔定律”。Gavin 则进一步补充，递归式自我改进和 continual learning 可能是 AI 最后的两个前沿方向。 “递归式自我学习这个想法，会让这些模型同时进入超速模式和自动驾驶模式。” 🧠 美国为什么开始害怕 AI？ 节目花了大量时间讨论 AI 的公关危机：年轻人在毕业典礼上嘘 AI，科技公司 CEO 一边大规模裁员，一边宣称 AI 将替代工作，模型公司创始人又不断放大风险，导致公众越来越恐惧。Friedberg 认为，AI 触发的是一种深层的不安：少数掌握技术的人会获得巨大杠杆，而多数人尚未看到自己如何受益。 “普通人被告知的只有一件事：有些人正在赚几万亿美元。” 🚀 SpaceX 不只是火箭公司，而是未来互联网基础设施 SpaceX 的 S1 成为本期重头戏。Starlink 已经是高增长、高利润的业务；xAI 正在追赶前沿模型；而所谓 “Elon Web Services” 可能把 SpaceX 变成 AI 算力基础设施公司。Gavin 特别强调，SpaceX 建数据中心速度远超其他公司，而 Anthropic 租用 Colossus 的百亿美元级合同可能只是开始。 “GPU 会分配给那些能把它们插上电、开起来，并且开始把电子转成 token 的人。” 🛰️ 太空数据中心：文明级别的备份系统 Friedberg 从更宏大的角度看待 Starlink 和轨道算力：如果地面互联网和数据中心会受到政府、监管、地缘政治甚至战争影响，那么一个基于太空的通信和计算网络，就可能成为文明的备份。Gavin 则给出较具体的时间判断：轨道计算可能在 2028 年下半年到 2030 年上半年开始真正商业化。 “有一个基于太空的通信网络，基于太空的数据中心，总体上是好事。有一个备份总是好的。” 🧩 Cursor、Grok Build 与 AI Agent 的新战场 Gavin 认为，Cursor 的 Composer 2.5 是一个极其重要的数据点：只用 Cursor 专有代码数据和 Colossus 算力做了几周强化学习，就在 Pareto frontier 上形成明显优势。这说明专有数据、算力和模型训练结合后，AI 编程工具可能迅速改变格局。同时，Grok Build 的发布意味着 xAI 补上了 agent harness，也就是让模型真正可用的运行环境。 “Harness 基本上和模型本身一样重要，尤其是在 Agent 化的世界里。” 💰 Nvidia：从 GPU 霸主到 AI 基础设施操作系统 Nvidia 财报再次超预期，但 Gavin 认为市场仍低估了它的结构性优势。Nvidia 不只是卖 GPU，还通过与各大 AI lab 共同设计芯片架构，进入 CPU、网络、数据中心供电和完整 AI 基础设施。更重要的是，GPU 的长期可用寿命和较低融资成本，让它成为 neocloud 的核心抵押资产。 “如果你能用 GPU 做资产抵押贷款，而且利率比其他芯片更低，这就是一个非常深的优势。” 🌍 美国是全球高债务社区里“最好的房子” 最后的宏观讨论中，几位嘉宾承认利率上升、通胀和全球债务都令人担忧。但 Gavin 认为，美国仍具备最强的结构性优势：最好的资本市场、最强 AI 公司、能源自给、粮食自给、强大的私营企业和美元体系。即便霍尔木兹海峡关闭会伤害全球经济，相对来说也更有利于美国再工业化。 “我们现在只是处在一个全球高债务的糟糕社区里，算是里面最好的房子。” 🌐 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 本期我们克隆了：Rick Rubin 主持的长谈型播客《Tetragrammaton》Garry Tan 本期嘉宾 Garry Tan 是 Y Combinator 的 CEO，也是一位工程师、创业者和投资人。他从一个在混乱童年里靠电脑和代码寻找秩序感的孩子，成长为硅谷最重要创业机构之一的掌舵者。本期对话中，Rick Rubin 以创作者视角，和 Garry 展开了一场横跨技术史、创业、AI、开源、社交媒体、心理创伤与人生选择的深度谈话。 你会听到 Garry 如何理解 YC 的核心信条：“做出人们想要的东西”；为什么他认为 AI 正在开启下一次个人计算革命；个人 AI、开源 Agent 和 vibe coding 会如何改变普通人的创造能力；创业者为什么需要真诚、独特的感知力和极强的主观能动性；以及 Garry 对自己创业失败、童年创伤、家庭关系和内在火焰的罕见坦诚反思。 这不仅是一期关于 AI 和创业的节目，也是一场关于人如何找到自己的源头、如何面对时代巨变、如何把痛苦转化为创造力的长谈。 👨‍💻 本期嘉宾 Garry Tan，Y Combinator CEO，工程师、创业者、投资人。曾创办 Posterous，并联合创办 Initialized Capital，投资过多家知名科技公司。如今他带领 YC 回归早期创业者项目的核心，同时积极推动开源 AI、个人 Agent、Little Tech 与创业生态的发展。 ⏱️ 时间戳 00:00 开场 & 播客简介 从混乱童年到代码洞穴 01:29 技术启蒙：在远超理解范围的阅读中靠近科学与工程 01:43 童年的出口：电脑、代码和数学带来的秩序感 02:16 游戏与叙事：从 Monkey Island 到 Red Dead Redemption 的精神避难所 YC 的信条：做出人们想要的东西 02:55 Y Combinator 是什么：十二个问题、一分钟视频与十分钟面试 03:43 Garry 的 YC 面试回忆：用 iPhone 发邮件生成博客 04:30 Paul Graham：黑客、画家、Lisp 与 Web application 的早期先驱 06:16 YC 与传统 VC 的区别：钱和数字只是结果 07:19 YC 如何运作：投资 50 万美元，以及社区为什么比钱更重要 AI 时代的个人计算革命 08:12 钱变得没那么重要，真正会做东西的人更重要 09:13 Code gen 爆发：Claude Code、OpenClaw 与开源 AI 运动 10:13 为什么个人 AI 必须由自己拥有和控制 10:59 G Brain：读取邮件、日历、联系人和笔记的个人知识记忆系统 11:57 AI 的 Apple II 时刻：从机构化 AI 到人人拥有自己的 Agent 12:25 从个人电脑到 AI Homebrew Computer Club：下一次革命正在发生 开源、偏见与模型竞争 13:18 每个人都运行自己的 AI Agent：一个仍只有少数人相信的未来 14:06 AI 偏见与控制权：Garry 为什么站在“海盗”一边 14:51 DeepSeek、Qwen 与开源模型：好消息、坏消息和版权争议 16:20 技术如何“挪走奶酪”：媒体、广告死亡与对科技的愤怒 17:50 创作者经济：Patreon、赞助人模式与艺术家的收入问题 18:43 AI 夺走工作之后，人类会不会创造更多艺术、音乐和体验 互联网成长史与 builder 精神 19:55 互联网革命：高中时代拉网线、跑 Linux、做网站 20:33 14 岁的网页设计师：黄页、陌生电话与第一份工作 22:27 导师的重要性：从成年同事那里学习设计与职业习惯 22:48 早期 Web 设计：把网站做得像杂志一样漂亮 23:51 Apple 第一个电商商店：那些今天习以为常的东西曾经都很新 24:51 社交媒体革命与 Web 1.0 崩塌后的迷茫 26:17 为什么最好的早期 VC 必须是 builder 创业想法如何演化 26:39 初始 pitch 与最终产品：DoorDash、Coinbase 的路径变化 27:50 优秀创始人的能力：回到第一性原理，持续演化问题 27:50 YC 13 周项目：把创始人从日常生活中抽离出来 29:14 沉浸式创业环境：留出空间、建立节奏、进入真实竞争 29:39 同伴激励与竞争：为什么一点点竞争能让创始人跑得更快 30:55 Demo Day 压力：13 周后的真实利益与融资结果 31:02 YC 为什么能加速团队：改变环境、同伴和思考方式 Garry 回归 YC 与 Sam Altman 的启示 32:25 Paul Graham 叫 Garry 回去运营 YC 33:05 Sam Altman 接班 YC：从争议到看见 AGI 未来 34:38 Garry 的反思：当年为什么没有看懂 Sam 对 AGI 的判断 35:30 “是，而且”：在创始人面前保持开放，而不是急着否定 36:52 重新做 builder：开源项目如何让 Garry 继续亲手创造 YC 的开放知识与创始人判断 37:22 “做那些无法规模化的事”：为什么 YC 把方法免费公开 38:03 同质化 pitch：社交网络、家教 marketplace 与常见误区 39:10 边缘想法：太空核聚变公司为什么值得下注 40:30 十分钟面试里真正看的是什么：想法是人的函数 40:59 人比想法更重要：创始人必须真的在乎某件事 41:39 旧金山的特殊性：让怪人不再觉得自己是局外人 42:10 硅谷从何而来：半导体、Stanford、DARPA 与政府基础研究 43:14 第二个硅谷在哪里：纽约与旧金山的创业概率差异 43:40 创始人特质：真诚、边界感与 AI 重新打开的蓝海 AI 如何改变创业与知识传递 45:27 AI 发展速度：快，但还没有快到创业公司无法存在 46:33 发明轮子还不够：你必须把它带到人们面前 47:00 创业从个人问题开始：只要不死，就总有机会成功 47:39 Demo Day 与融资：YC 批次结束后发生什么 48:03 Pitch 能力与 AI 训练：从演讲训练到 office hours Agent 49:07 Granola、Circleback 与会议记录 Agent 49:44 摘要经济的风险：AI 总结会不会让我们失去某些东西 50:04 YC 的 Bookface Agent：把基础知识交给 AI，把人类时间留给新问题 51:07 Prompt 必须由用户自己写：为什么企业 AI 和 closed source 有根本问题 开源商业与社交媒体 52:51 开源项目如何长成公司：Supabase、托管服务与未来数据基础设施 53:49 Linux 与 Linus Torvalds：全人类都应感谢的开源贡献 53:49 社交媒体如何改变世界：不是创造了问题，而是让问题可见 54:30 教孩子判断信息：YouTube 上什么在帮助你，什么在骗你 55:13 用 AI 重新整理 YouTube：让 Agent 帮助筛选有益内容 55:37 Garry 与 X：75 万粉丝带来的影响力、责任和风险 AI 只走到了 1% 56:18 AI 已经怎样改变世界：十亿用户，但只有少数人接触过真正前沿能力 57:24 前沿模型为什么仍然太贵：一年百万美元 token 成本背后的生产力 58:13 YC 的离谱成功案例：Coinbase、DoorDash 与 Airbnb 59:17 Garry 接手后改变了什么：让 YC 回到最早期创业者项目本身 59:57 YC 的未来：AI 时代小团队也能创造数亿美元收入 技术乐观主义与 Little Tech 01:02:35 人与机器的关系：火、轮子、书、个人电脑、互联网与 AI 01:03:47 从桌面互联网到 iPhone，再到智能电脑 01:04:46 技术乐观主义：技术应该服务人，坏掉的往往是市场 01:05:28 Little Tech：Beeper、统一消息服务与大科技封闭生态 01:06:10 AGI 时代的封闭花园：为什么模型访问权会变得极其重要 多模型时代与反垄断 01:07:20 AI 模型的性格：Claude、Codex、DeepSeek 的不同气质 01:08:34 Grok 能否追上来：竞争越多越好 01:09:17 公司是否都应该上市：私人股权、二级市场与普通人参与机会 01:10:06 Big Tech 会不会阻止 Little Tech：市场、政府与反垄断 01:11:24 零基核算：YC 3.0 如何重新审视每一件事 创业、vibe coding 与硬件复兴 01:12:22 创业需要了解历史吗：Schlep Blindness 与不知道困难反而能开始 01:13:18 vibe coding 改变了什么：最反对 AI 的工程师可能最该拥抱它 01:14:04 YC 的硬件公司：Stoke Space、Astranis 与可重复使用火箭 01:14:54 不只是软件：帮助工程师做出世界上最酷的东西 01:15:37 Robotics、3D 打印与美国制造业供应链 01:16:07 Nox Metals：市场、寡头垄断与政府反垄断如何帮助创业公司 01:17:00 移民、创业与美国：为什么创办新企业是一件高贵的事 个人创伤、创业失败与内在火焰 01:17:54 如果今天 16 岁：还会去 Stanford 吗？ 01:18:13 大器晚成：Garry 为什么 27 岁才真正创业 01:18:54 Posterous、Instagram 与错失机会的痛苦 01:19:30 创业失败背后的心理原因：联合创始人冲突、英雄情结与未处理的创伤 01:21:01 Rick 的反向观察：创伤有时也会成为突破所需的火 01:21:49 Garry 的内在房间：7 岁的自己、恐惧和液态钚般的能量 01:22:47 如何与那个孩子相处：使用他，而不是完全被他控制 01:23:16 自我毁灭与极端控制：戒酒、整合与走向中间地带 01:24:27 家庭、工作和关机困难：Warren Buffett 的遗憾带来的提醒 01:25:18 使命感与连接：如何脱下防火服，回家吃晚饭 年轻时不相信、后来相信的事 01:26:31 拒绝 Palantir 早期机会：安全感如何让人错失巨大可能 01:27:30 重新理解自我价值：不要把大组织给你的工作当成唯一恩赐 01:28:20 离源头更近：不要把媒体、权威和导师当成最终答案 01:29:54 杀掉脑中的导师：尊重建议，但走自己的路 01:30:31 打到要害就继续往前：当反对没有第一性原理，只剩情绪时，可能说明你正在接近关键 🌟 精彩内容 💡 “做出人们想要的东西”仍然是创业的核心 Garry Tan 反复强调，YC 的核心从来不是融资、估值或金融技巧，而是那句经典口号：Make something people want。钱和数字只是在你真正创造价值之后才出现的结果。AI 时代做东西变得更容易，但也因此让“人们是否真的想要”变得更关键。 “钱和数字，是在你做出人们想要的东西之后才来的。” 🧠 个人 AI 与开源 Agent：下一次个人电脑革命 Garry 认为，我们正处在类似 Apple II 诞生前夜的时刻。今天的 AI 仍然高度公司化、昂贵且难以控制，而真正重要的未来，是每个人都能拥有、运行和编程自己的 AI Agent。G Brain、OpenClaw 以及开源模型运动，代表着个人 AI 的早期形态。 “任何人其实都可以加入，成为这场下一次革命里的玩家和参与者。” 🛠️ AI 让 builder 的价值被放大一百倍 在 Garry 看来，code gen 和 vibe coding 让一个真正会做东西的人可以完成过去几十倍甚至上百倍的工作。他自己重新开始写代码，发布开源项目，并认为最能受益于 AI 的，恰恰可能是那些最抵触它的优秀工程师。 “我现在写代码、写人们能用的软件，马上要做到二零一三年全年工作量的一百倍。” 🧭 真正优秀的创始人：真诚、独特、连到源头 Garry 说，想法很重要，但在最早期，想法本质上是人的函数。YC 想找的是那些真正关心某件事、有强烈主观能动性、能感知到别人看不见的东西的人。他用“体内像有个核反应堆”来形容这类创始人。 “你必须真的在乎某件事。你身体里必须有某种东西。” 🔓 Prompt 应该属于用户，而不是公司 在谈到 AI 产品时，Garry 提出一个非常关键的判断：prompt 必须能由用户自己修改。一个由大公司工程师和 PM 写死的 AI prompt，不可能真正理解你的生活、你的目标和你的判断。这也是他支持 open source、个人 AI 和 OpenClaw 的根本原因之一。 “某个 Google 工程师和 PM 写了那个 prompt。那个人没有过你的生活，也不了解你。” ❤️ 创伤、野心与整合：Garry 最坦诚的一段自白 节目后半段，Garry 罕见地谈到自己的童年创伤、创业失败、心理治疗和家庭关系。他承认，那股来自恐惧和愤怒的“火”给了他强大能量，也曾让他自我毁灭、难以关机、难以与人真正连接。这段对话让创业者的动力来源变得非常复杂而真实。 “如果你不知道自己是谁，或者你没有处理清楚自己内在真正发生的事，这些东西都会再次冒出来。” 🌐 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 本期我们克隆了：Jack Altman 主持的科技与创业访谈节目《Uncapped》Tobi Lütke – Building Shopify and the Future of AI | Ep. 50 本期嘉宾 Tobi Lütke 是 Shopify 的创始人兼 CEO。他带领 Shopify 从一家加拿大创业公司成长为全球电商基础设施的重要玩家，也亲历了互联网、移动时代、云软件与 AI 的多轮技术浪潮。在这期对话中，Tobi 和 Jack Altman 深入聊到：为什么二十年之后他仍然热爱 Shopify；什么样的问题值得一个人投入一生；AI 如何改变公司组织、产品开发、小企业创业和人才标准；为什么伟大的产品必须“不一样”；以及创始人如何用长期积累的信用推动公司穿越重大转型。 这不是一场单纯关于 AI 的访谈，更像是一堂关于长期创业、产品哲学、组织节奏和未来判断的深度课。Tobi 的核心观点非常鲜明：成功的公式并不复杂，关键是弄清楚代价并愿意付出；客户不负责告诉你该做什么功能，客户负责告诉你他们正在经历什么问题；而产品团队真正的责任，是爱上这些问题，并用理想的方式解决它们。 👨‍⚕️ 本期嘉宾 Tobi Lütke，Shopify 创始人兼 CEO。Tobi 出生于德国，后移居加拿大，最初因想开一家滑雪板网店而开始搭建电商工具，最终创办 Shopify。他长期以工程师、产品思考者和创始人 CEO 的身份带领公司发展，推动 Shopify 成为服务全球数百万商家的电商基础设施平台。 ⏱️ 时间戳 00:00 开场 & 播客简介 长期主义与创始人的热爱 02:02 二十年后仍然热爱 Shopify：创始人如何保持能量 03:09 “美丽的问题”：为什么一个好问题可以占据一生 04:25 成功的简单公式：弄清代价，并愿意付出代价 05:33 如何甩掉职业生涯里的“藤壶” 产品哲学：做不一样的东西 06:23 CEO 的外界期待与真正想做的事 07:08 不要做更好的相机，要让人变成更好的摄影师 08:20 伟大产品来自高温熔炉，而不是室温妥协 10:22 工具制造者心态：为什么 Shopify 会自己做 HR 软件 11:18 原创与不同：如果想好很多，就必须不一样 12:00 重新定义失败：成功发现了某个行不通的东西 反模仿与公司文化 12:28 湾区的从众趋势：原创性如何被职业化稀释 13:04 保持距离的优势：不要被行业先验判断绑架 14:15 高光剪辑的陷阱：你以为别人做到了，其实未必 15:44 公司应该像“格格不入的玩具之岛” 16:10 保留差异性，而不是收敛到同一种正确答案 AI 转型与创始人信用 16:23 Shopify 如何推动全员 AI 化 17:19 为什么组织常常选择善意谎言，而不是艰难真相 17:59 创始人信用：创始人在场时，公司能做到什么 18:52 用一篇 memo 加速多年文化变化 19:59 无限 token 与 tinkering：让所有人真正开始使用 AI 21:15 token 使用量、排行榜与 AI 成本 22:52 为什么 Shopify 愿意大规模购买 AI token 23:47 token 需求、GPU 供应与没人知道的未来价格 AI 时代的组织与节奏 24:10 小团队成为基本单元：三到五个人的高杠杆组织 24:55 Agent harness 如何把客户反馈带回产品团队 25:30 每个人都能在更多技能上达到“十分里的七分” 25:49 Parkinson's Law：工作会膨胀到填满时间 26:02 领导者的职责：压缩时间窗口，制造合理压力 26:52 六周 review cycle 与 Shopify 的节奏管理 27:10 为什么季度、半年计划可能让团队变慢 AI 与小企业的未来 27:26 年轻人对 AI 的焦虑，与创业者看到的机会 27:51 Shopify 商家眼中的 AI：终于把电脑修好了 29:00 AI 让电脑真正能和普通人一起工作 29:43 小企业主应该设定更大的目标 30:05 每 46 秒，一个 Shopify 商家拿到第一笔订单 30:33 降低创业障碍，为什么会长出更多真实生意 31:31 “帮我做一个生意”：AI 版图灵测试 32:06 Shopify Collective 与无产品创业 32:54 Shopify 的产品愿景：成为 AI 的外骨骼 33:25 从数字产品到按需印刷、3D 打印和制造业 从数字基础设施到物理世界 35:04 软件之外，什么真正提高人类生活水平 36:07 过去三十年，人类也在建设现代奇观 36:45 浏览器、Linux 与开源世界的复杂度 37:37 为什么浏览器是世界奇观级别的发明 38:27 如果浏览器今天才被发明，可能根本无法上架 39:39 AI 是过去所有软件基础设施的 bootstrapper 40:09 iPhone 作为实体奇观，让人更容易感知技术进步 40:42 软件基础建设接近尾声，人才将进入物理世界 预测 AI 与重新设计工作 41:02 CEO 需要多远地判断 AI 的未来 41:27 Tobi 的预测方法：收集数据点，拟合未来曲线 42:05 AI memo 的意义：给公司一个提前起跑机会 42:45 客户不负责告诉你需求，客户负责告诉你问题 43:25 产品责任：爱上客户的问题，并找到理想解法 44:24 边做边学，才能看见 AI 的真实轨迹 45:07 AI 编程能力被高估还是低估 46:17 把非编程任务转化成编程环境，为什么会增强 AI 能力 47:02 最被低估的事：公司根本没有用够 AI 47:20 如果 AI 一直存在，我们还会这样设计工作吗？ AI 时代的人才与招聘 47:55 AI 是否改变了优秀人才的定义 48:45 年轻实习生也是老师：他们对 AI 更原生 49:20 流体智力、晶体智力与工具采用速度 49:45 编程不是打字，真正重要的是理解问题和判断方向 50:39 招聘不是销售，而是让公司真的值得加入 51:10 少官僚、多创造空间，让人爱上使命 上市公司与长期资本 51:40 长期保持私有，是优势还是遗憾 52:10 股票是一张票：让普通人参与自己相信的旅程 53:32 上市带来的严谨性、数据驱动和责任感 54:08 Shopify 上市后的认可度与大客户信任 54:40 为什么有些顶尖人才只愿意加入上市公司 阅读、注意力与个人习惯 54:55 Tobi 推荐的短书：《Parkinson's Law》《The Lessons of History》 55:20 《What Is Intelligence?》与预测能力的意义 56:07 如果一本书抓不住你，也许是作者的问题 56:46 Kindle 的价值：因为它不够“智能”，所以适合读书 57:12 阅读需要仪式，也需要专门留出的时间 🌟 精彩内容 💡 成功的公式：弄清代价，然后愿意付出 Tobi 认为，成功并不是一个复杂到不可理解的东西。很多人其实直觉上知道自己想要的结果，但没有认真面对它真正需要付出的代价。这个代价通常不是钱，而是时间、不适、长期专注和持续学习。 “成功真的很简单。你只要弄清楚它的代价是什么，然后愿意付出这个代价。” 🛠️ 好产品不是让工具更强，而是让用户更强 Tobi 分享了 Kathy Sierra 对他影响很深的一句话：不要做更好的相机，要让人变成更好的摄影师。对他来说，Shopify 的使命不是堆功能，而是创造能激发用户抱负、技能和自我期待的工具。 “你可以激发人们，让他们成为更好的自己。” 🚀 伟大的产品必须不一样 Tobi 认为，如果一个产品只是沿着别人已经走过的路做同一件事，它最多只能好一点点，不可能好很多。真正巨大的产品跃迁，必须从不同的假设、不同的路径开始。即使最后证明走不通，也会产生重要学习。 “如果你想做出很棒的东西，或者好很多的东西，它就必须不一样。” 🤖 Shopify 的 AI 转型：不告诉员工反而不公平 当 Tobi 看到 AI 已经能够显著提高个人 impact 时，他选择直接告诉全公司：AI 会改变绩效和工作方式。Shopify 为员工提供充足 token，鼓励大家 tinkering，并把 AI 纳入公司“在变化中成长”的文化。 “如果我们要按照这个事实行动，就应该告诉大家。” ⚙️ AI 让小团队重新成为高杠杆组织 Tobi 押注三到五人的小团队。因为 AI 让每个人可以跨越更多技能边界，客户反馈、研究、代码、文档和运营都可以被 agent 辅助。团队越小，沟通成本越低，节奏越快。 “现在每个人在每项技能上都能达到十分里的七分。这真的非常有帮助，因为它让团队可以变得更小。” 🏪 对小企业来说，AI 是“终于把电脑修好了” Tobi 观察到，Shopify 商家对 AI 的感受和媒体叙事非常不同。他们不是首先想到被替代，而是觉得电脑终于变得可用：可以直接对话、自动完成复杂设置、帮助自己扩大生意。 “他们会说，你们终于把电脑修好了。” 🧠 客户告诉你问题，不负责告诉你答案 Tobi 强调，产品团队不能把客户需求当作直接照抄的功能清单。客户最重要的作用，是让你理解他们正在经历的问题。真正的产品责任，是团队爱上这些问题，并找到理想的解决方式。 “客户的工作，是告诉我们他们正在经历什么问题。然后我们爱上这些问题，把这些问题当成我们自己的问题。” 🌍 软件奇观之后，AI 会把创造力带回物理世界 Tobi 认为，过去几十年人类并没有停止建设伟大基础设施，只是很多奇观是数字形态的，比如浏览器、Linux、开源生态和互联网服务。AI 将成为这些软件基础设施之上的下一层，让更多人才进入机器人、制造、住房、交通和其他物理世界问题。 “我们过去建的所有软件，其实都是 AI 的 bootstrapper。” 📚 阅读的关键：给书留出仪式和空间 Tobi 分享自己喜欢短而密度高的书，并通过 Kindle 和夜间固定阅读时间保持读书习惯。他也提醒，如果一本书无法让你读下去，不一定是读者出了问题，也可能是作者没能抓住你。 “让你一直读下去，其实是作者的工作。” 🌐 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：Patrick O'Shaughnessy 主持的投资访谈播客《Invest Like the Best》Watts, Wafers, and the Future of AI Infra | Gavin Baker 这是一场关于 AI、资本市场、基础设施和未来秩序的高密度对话。Atreides Management 创始人 Gavin Baker 再次做客节目，用投资人、科技观察者和历史研究者的视角，解释为什么他认为当下 AI 正处在“资本主义史上从未发生过”的特殊时刻。 Gavin 从 Anthropic 单月 ARR 增长、DeepSeek 引发的市场误判、AI 资产估值错配讲起，进一步延伸到电力、晶圆、数据中心、轨道算力、TSMC、Terra Fab、前沿模型、开源模型和 AI 应用层的价值分配。他提出，AI 不只是一个技术周期，而是一场涉及资本开支、能源体系、半导体供给、地缘政治和人类工作方式的系统性重构。 本期你将听到 Gavin 对“AI 会不会泡沫化”的细致判断，对 Anthropic、OpenAI、Nvidia、TSMC、Google、Meta、Amazon、Microsoft 等关键公司的拆解，也会听到他对 AI 时代个人安全、网络安全、投资工作流和社会稳定的担忧与乐观。 👨‍💼 本期嘉宾 Gavin Baker，Atreides Management 创始人兼投资人，长期专注科技、半导体、AI 基础设施和资本市场周期研究。他曾多次做客《Invest Like the Best》，以对科技公司、市场历史和投资周期的深度理解著称。 🎙️ 主持人 Patrick O'Shaughnessy，投资访谈播客《Invest Like the Best》主持人，长期与全球顶尖投资人、企业家和思想者对话，关注商业、科技、资本配置与长期复利。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI资本主义的异常时刻 01:37 资本主义史上从未发生过：Anthropic 单月新增 110 亿美元 ARR 02:10 三四月市场错配：股价下跌，但 AI 基本面正在爆炸 04:20 DeepSeek Monday 的误判：为什么算力需求反而更强了 06:10 霍尔木兹海峡、能源价格与美国制造业相对优势 前沿模型的估值与融资逻辑 07:42 Anthropic 与 OpenAI：同样是前沿模型，资本效率却很不同 08:40 无约束收入 URR：如果 compute 不受限，Anthropic 可能有多大 09:44 为什么不一次性融到天价：不确定世界里的融资纪律 11:23 Elon 的“融资超能力”：长期让投资人赚钱的重要性 Watts & Wafers：AI基础设施的核心瓶颈 11:59 电力与晶圆：AI 基础设施建设最关键的两种投入 12:27 电力短缺会如何被资本主义解决 13:35 轨道算力的重新定义：不是太空数据中心，而是太空中的 rack 15:00 散热、维修、激光互联与 SpaceX 的工程能力 17:29 轨道算力会不会冲击地面数据中心 18:30 TSMC、硅盾与晶圆短缺如何影响 AI 泡沫 20:15 历史不会重复，但会押韵：铁路、运河、互联网与 AI 泡沫 22:48 Intel、Samsung 与 TSMC 的产能博弈 23:51 Terra Fab：Elon、Intel 与美国最大晶圆厂的可能性 26:23 Elon 的速度：为什么传统建设周期可能被打破 前沿模型、开源模型与Bitter Lesson 26:49 DeepSeek 之后：为什么前沿模型仍然拿走大部分经济价值 27:23 Frontier token 的溢价：模型层回报为何集中在最前沿 29:10 Pareto frontier 的变化：Google、Anthropic、OpenAI 与 xAI 的位置 30:05 Bitter Lesson 的风险：更多算力是否永远胜过人类巧思 31:18 Memory、harness 与模型 runtime 的重要性 32:03 为什么普通订阅套餐已经无法代表真正的前沿 AI 34:13 Continual learning：模型何时能像人类一样实时学习 35:00 三个关键问题：Bitter Lesson、frontier token 溢价与持续学习 芯片创业、GPU寿命与AI融资 35:35 新芯片公司的机会：竞争对世界和 Nvidia 都是好事 36:01 芯片设计的“铁三角”：攻击、防御、机动性的取舍类比 37:20 不要只做“更好的 GPU”：必须足够不同、也足够难 38:14 Prefill 与 decode：AI 推理拆分打开新芯片空间 39:50 Cerebras 的案例：waferscale computing 为什么不同且困难 42:10 GPU 寿命被延长：为什么 inference 拆分可能拯救 private credit 43:30 卖稀缺 vs 买稀缺：hyperscaler 的存量资产价值 AI Native创业与应用层困境 44:06 “不同而且很难”：AI 创业公司真正需要回答的问题 44:33 为什么显而易见又不难的创业点很危险 45:45 Cursor、Cognition 与 coding 的战略位置 46:56 Token path：软件公司必须站在 token 流经之处 48:01 Nvidia 会不会做自己的前沿模型 48:20 开源模型、蒸馏与新的囚徒困境 49:35 前沿模型是否应该通过 API 开放：AI 实验室的新博弈论 AI时代的安全、工作流与投资 50:28 Mythos 级模型世界：为什么每个人都需要一个“安全词” 51:14 防守之外的进攻：人类还能做什么 51:40 《最后的武士》与机关枪：不会掌握 AI 的人会被 AI 支配 52:45 投资人的 Agent 工作流：从播客、财报到管理层激励分析 53:50 为什么这是投资史上最令人兴奋的时代 AI交易的分化与市场错配 54:14 AI 内部估值正在变得极不合理 55:00 DRAM、半导体设备与横截面估值矛盾 56:10 短缺周期里，低质量公司为什么反而涨得最多 57:20 AI 泡沫、核能泡沫、量子泡沫与投机蔓延 58:30 AI 交易不再同涨同跌：必须研究更细的子行业差异 59:10 被错误分类的机会：Astera 与 copper loser basket 巨头公司的AI位置 59:41 Google：失去 TPU 成本优势，但仍拥有最大 compute 装机基础 01:01:00 Meta：Zuckerberg 如何把公司推向 AI first 01:02:10 Amazon：Trainium、robotics 与零售业务效率提升 01:03:00 Microsoft：Satya 从“让 Google 跳舞”到 Copilot 产品经理 01:04:05 为什么微软把 compute 留给自己用，是一个有勇气的决定 01:05:00 谁最接近 startup：Nvidia、Amazon、Google 的外部互动优势 AI的社会外溢与未来秩序 01:05:46 应用层价值：AI 到目前为止已经摧毁了大量传统软件价值 01:06:40 人身安全与政治暴力：AI 领袖面临的新风险 01:07:30 战场 AI 与地缘政治：乌克兰、美国优势与全球稳定 01:08:40 Pax Americana 与 AI 主导权：技术优势会带来和平还是不稳定 01:09:20 AI 医疗奇迹：罕见病、Agent 与药物发现 01:09:55 谦逊面对事件视界：乐观主义与对卢德主义担忧的认真对待 01:10:19 收尾：Patrick 对 Gavin 热爱市场、公司和历史的致敬 🌟 精彩内容 💡 “资本主义史上从未发生过”的 AI 增长 Gavin Baker 认为，Anthropic 单月新增 110 亿美元 ARR，是商业史上极其罕见甚至没有先例的现象。他把这与 Palantir、Snowflake、Databricks 等顶级 SaaS 公司十年积累的规模对比，指出 AI 前沿模型公司的增长速度已经突破传统商业周期的想象力。 “资本主义史上从来没有发生过这种事。别说我的职业生涯了，就是整个资本主义史、整个商业史，都没有过。” 🛰️ 轨道算力：AI基础设施的下一种形态 Gavin 重新定义了 orbital compute：它不是漂浮在太空里的巨型数据中心，而是一个个在太空中的 AI rack，通过激光连接成虚拟数据中心。由于 SpaceX 已经拥有卫星星座、可重复使用火箭、激光通信和太空工程能力，他认为轨道算力有可能成为解决电力和冷却瓶颈的重要路径。 “它是在太空里的 rack，而不是在太空里漂着的、五角大楼那么大的巨型数据中心。” 🏭 TSMC 可能是阻止 AI 泡沫的关键 Gavin 认为，AI 基础设施最终是否泡沫化，很大程度取决于晶圆供给。与电力不同，晶圆扩产受制于 TSMC 的技术、人才与产能纪律。如果 TSMC 保持足够紧的供给，可能会避免 GPU 产能过度建设，从而延缓甚至阻止典型基础技术周期里的泡沫破裂。 “如果我们最后没有泡沫，那真的应该给 TSMC 开个庆功会。因为他们将会是单凭一己之力阻止泡沫的人。” 🤖 Frontier token 的溢价与 AI 应用层困境 DeepSeek 之后，很多人以为开源和蒸馏模型会快速压低前沿模型价值。但 Gavin 观察到，模型层绝大部分经济回报仍然被 frontier token 拿走。他认为这对应用层创业非常关键：如果前沿 token 继续保持高溢价，应用层会很难捕获价值；但如果这种溢价下降，应用层可能迎来爆发。 “在模型层，AI 的经济回报不是全部，但绝大部分都发生在前沿模型上。” 🔐 每个人都需要一个安全词 面对越来越逼真的语音、视频和人格模拟，Gavin 提出一个非常具体的建议：每个人都应该和家人、公司设置一个无法被社工套出来的“安全词”。未来诈骗可能会伪装成亲人视频通话，知道你的背景、模仿对方语气，并要求转账。 “每个人都需要一个安全词。” ⚔️ AI 是新的机关枪 Gavin 用电影《最后的武士》比喻 AI 对专业人士的冲击：如果传统高手不能掌握新技术，就会被新技术支配。对于投资人而言，AI Agent 已经可以帮助处理播客、财报、proxy statement、管理层激励分析等大量信息筛选工作，让人类把时间用于更创造性的判断。 “如果我们不能都成为机关枪的大师，我们就会被机关枪支配。” 📉 AI交易内部正在剧烈分化 Gavin 指出，AI 市场不再是简单的“AI 资产一起涨”。不同子行业之间的相关性正在下降，DRAM、NAND、光模块、scaleup networking、scaleout networking、半导体设备、电力等领域都在出现独立的价格逻辑。未来的机会可能来自被错误分类的公司，而不是简单买入一个 AI basket。 “今年一月，这一切都散了。AI 内部这些横截面的相关性真的崩了，你必须看得非常细。” 🏢 巨头公司的不同命运 Gavin 分别点评了 Google、Meta、Amazon 和 Microsoft。Google 虽然失去 TPU 成本优势，但仍拥有最大 compute 装机基础和数据资产；Meta 在 Zuckerberg 推动下真正转向 AI first；Amazon 有 Trainium 和机器人自动化潜力；Microsoft 则在 Satya 带领下做出艰难选择，把 compute 用于自有产品，而非单纯转售给 OpenAI。 “他确实在三年时间里，从‘我们要让 Google 跳舞’，变成了 Copilot 的产品经理。” 🌍 AI乐观主义与谦逊 尽管 Gavin 是 AI 乐观派，甚至称自己接近 AI 最大化主义者，但他也强调必须认真对待失业、可及性、安全、政治暴力和地缘政治风险。他认为 AI 像一个事件视界，人类社会必须想办法穿越过去，并确保这项技术最终对每个人都有好处。 “我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考。” 🌐 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：商业史播客《Acquired》Vanguard: The communist capitalist who saved investors a trillion dollars (Audio) 本期节目是一场关于 Vanguard 的超长篇商业史深度拆解。Ben Gilbert 和 David Rosenthal 从 Jack Bogle 的人生讲起：他出生在 1929 年大萧条前夜，童年家道中落，却靠奖学金进入 Princeton，并用一篇关于共同基金的本科论文，开启了自己改变金融行业的一生。 这期节目不仅讲述了 Vanguard 如何创造面向个人投资者的第一只指数基金，更深入拆解了它真正革命性的地方：不是“指数基金”本身，而是公司结构。Vanguard 由旗下基金的投资者共同拥有，没有外部股东，也不以利润最大化为目标。Jack Bogle 坚信低费用会长期复利，而高费用会侵蚀普通人的财富。正是这种“共产主义式的资本主义”结构，让 Vanguard 能持续降低费用，并迫使整个资产管理行业跟随降费，最终把原本会流向华尔街的一万亿美元，留在了普通投资者口袋里。 节目后半段也讨论了 Vanguard 成功之后的新问题：ETF 的兴起、Fidelity 和 BlackRock 的反击、客服和技术短板、客户关系被券商平台掌握、私人资产与投顾业务的新方向，以及被动投资规模过大是否会带来系统性风险。这不仅是一家金融公司的故事，更是一堂关于结构、激励、复利、低成本、信任与长期主义的商业课。 👥 本期主持人 Ben Gilbert 与 David Rosenthal，商业史播客《Acquired》的两位主持人。他们长期研究伟大公司、资本结构、商业模式与行业演化。本期他们以 Vanguard 为主线，讲述 Jack Bogle 如何通过公司结构和低费用理念，重塑全球资产管理行业。 ⏱️ 时间戳 00:00 开场 & 播客简介 Vanguard 为什么重要 01:27 从一句玩笑开始：这不就是 index fund 吗？ 01:53 Vanguard 的规模：十万亿美元级 passive index fund 巨头 03:27 “共产主义式的资本主义”：客户拥有公司的独特结构 04:27 Jack Bogle 与一万亿美元财富转移 05:31 “卧底慈善家”：没有拿走本可以属于自己的财富 Jack Bogle 的早年人生 06:51 大萧条前夜出生：一个金融英雄的起点 08:25 家道中落、父亲离家、兄弟们靠打工求生 10:59 Blair Academy 与兄弟之间的大学机会抉择 13:08 Princeton、经济学与一门只拿 C- 的课程 15:48 一篇 Fortune 文章改变人生：共同基金行业的发现 16:49 open-end fund 的诞生与共同基金的早期结构 18:21 broker-dealer 分销、销售佣金与高费用体系 20:01 管理公司如何从基金规模中赚钱 24:19 Bogle 本科论文的核心洞察：费用会吞噬回报 27:53 加入 Wellington：从助理到 35 岁成为总裁 Wellington 危机与第一次被赶下台 29:28 保守的 Wellington 遇上疯狂的 GoGo 年代 30:51 Fidelity、Jerry Tsai 与高换手成长型基金的崛起 35:15 Jack 接到任务：做任何必要的事来拯救 Wellington 39:04 与 Ivest 合并：用 40% 股权换 GoGo 新血液 42:18 泡沫破裂、石油危机与 Wellington 资产大缩水 45:11 Jack 的 Jerry Maguire 时刻：我们到底在干什么？ 46:22 mutualize 的激进想法：把公司还给基金持有人 48:47 合伙人反击：Jack 被解除 Wellington Management CEO 职务 51:01 法律缝隙：他仍然是基金董事会主席 52:52 第二天反击：用基金董事会推动共同所有制 Vanguard 的诞生 55:49 250 页报告：基金应该掌控自己的命运吗？ 57:43 微弱胜利：先只接管后台行政管理 59:53 行业震动：同行担心他会毁掉整个基金行业 01:03:01 “Vanguard”这个名字的由来：英国海军旗舰与彻底胜利 01:04:32 现实很冷淡：只做后台业务，没人真正害怕 01:05:17 第二场革命的伏笔：如果不提供投资建议，就能做指数基金 第一只散户指数基金 01:05:49 指数基金革命：不做投资判断，反而绕开限制 01:07:24 Paul Samuelson 的文章：复制市场、无销售费、低换手 01:09:15 为什么“平均水平”很难卖 01:10:10 早期指数基金的技术难题：软件、自动化与五百只股票 01:11:18 Jack 找到漏洞：跟踪 S&P 500 不算主动投资建议 01:12:12 成本重要假说：低费用让平均回报变成优秀结果 01:13:29 1% 费用的恐怖复利：退休时可能少掉 50% 财富 01:16:47 写代码、谈授权：Vanguard 500 Index Fund 的技术与授权起点 01:19:39 第一只指数投资信托基金诞生 01:20:33 失败的 IPO：目标 1.5 亿，只募到 1130 万 01:23:06 不够买 500 只股票：被迫用 280 只股票模拟指数 01:24:52 Fidelity 的嘲笑：投资者怎么会满足于平均回报？ 低成本飞轮开始转动 01:26:05 共享规模经济：Vanguard 是金融业的 Costco 01:28:01 指数基金差点死掉：靠 Exeter Fund 并入续命 01:30:41 no-load 模式：取消外部销售佣金，改为内部直销 01:31:51 六年才到一亿美元，十二年才到十亿美元 01:32:15 固定收益与货币市场：低成本策略更容易获胜的地方 01:33:58 主动基金 Windsor Fund：支撑早期 Vanguard 的现金流 01:35:33 行为优势：指数投资让人更容易长期不动 01:37:11 费率下降，资产加速：指数基金终于开始起飞 01:38:08 Total Stock Market Index Fund：不只买 500 只，买下整个市场 Jack 的心脏、接班与 ETF 冲突 01:39:07 Jack 的遗传性心脏病与“继续工作”的人生哲学 01:41:02 心脏移植前仍在医院当 CEO 01:43:19 奇迹康复：本以为结束，却又活了 23 年 01:43:58 Vanguard 进入收获期：长期取舍开始回报 01:46:32 创始人与接班团队的分歧：使命不变，但打法要变 01:49:50 ETF 出现：更容易交易的共同基金 01:50:46 为什么 Bogle 本该喜欢 ETF，却极度反对 01:52:55 交易诱惑、券商佣金与做空：Jack 反对 ETF 的原因 01:54:37 State Street 推出 SPDR，Vanguard 错过先机 01:56:27 董事会摊牌：Jack 因年龄条款离任 01:58:43 Bogleheads 兴起：Jack 成为普通投资者的精神领袖 02:00:12 妥协方案：离开董事会，但保留研究中心与精神象征地位 指数投资的时代顺风 02:00:27 市场专业化：主动管理越来越难跑赢 02:03:24 财务顾问兴起：从交易佣金转向资产增长 02:04:37 dotcom 与互联网券商：投资者终于看清费用与表现 02:06:16 401k 时代：普通美国人开始大规模进入股市 02:07:17 Buffett 背书：低费用指数基金是持有股票的最佳方式 02:08:23 Berkshire 的例外：为什么 Buffett 仍建议普通人买指数 02:11:11 金融危机：被动投资和 Vanguard 的高光时刻 02:13:04 华尔街光环破裂，Vanguard 成为普通人的英雄 02:15:53 “我们不会从你身上赚钱”：危机后的信任红利 02:17:16 Buffett 与对冲基金十年赌局：Vanguard 500 大胜 Jack 之后的 Vanguard 02:21:50 金融危机后资金涌入：Vanguard 超过 Fidelity 02:23:24 低价真人投顾：Vanguard 进入财富建议业务 02:24:39 Jack 去世：五万亿美元 AUM 与两千万客户 02:26:59 他没有拿走的财富：与 Fidelity、BlackRock 创始财富对照 02:27:43 Fidelity 与 BlackRock 回归：ETF 时代的新竞争 02:29:16 Fidelity 的两大平台：401k 与券商账户 02:30:32 Vanguard 的弱点：客户可能在别人的平台上买 Vanguard 02:32:50 客服与技术短板：低利润结构的代价 02:33:52 BlackRock 收购 iShares：ETF 市场的巨大胜利 02:36:50 Vanguard 模式会不会反过来限制它？ 02:37:42 第一位外部 CEO：来自 BlackRock iShares 的 Salim Ramji 02:39:46 私人资产、投顾、固定收益与退休业务的新方向 02:43:37 进入 private equity：Vanguard 能否把低费用带入私人市场？ 02:45:33 增长的悖论：共同所有制公司为什么还要增长？ 今天的 Vanguard 与 Wellington 的后续 02:47:26 今天的 Vanguard：12 万亿美元 AUM、5000 万投资者 02:48:50 平均费用率 0.07%，行业仍是其 6.5 倍 02:50:24 Wellington 后来怎样了：主动管理巨头的重生 02:52:25 兜回原点：Wellington 至今仍为 Vanguard 管理部分基金 分析：结构、激励与护城河 02:53:22 为什么共同所有制没有更流行？ 02:55:59 金融行业的特殊性：产品本身就是资本 02:57:39 为什么需要一个 Jack Bogle 这样的人 02:59:02 Vanguard、Costco 与 Visa：共同体结构的相似性 03:01:24 战略跟随结构：低费用来自所有权结构 03:02:20 成本也会复利：时间是费用的敌人 03:03:29 被动投资危机：成功之后的新担忧 03:04:31 “被动”并不完全被动：S&P 500 也有人为选择 03:05:23 被动投资会不会最终拥有一切？ 03:06:38 价格发现、共同持股与投票权的争议 03:11:22 Seven Powers：用市场份额而非利润分析 Vanguard 03:12:58 规模经济与极端反定位 03:14:46 转换成本、品牌与 Bogleheads 03:16:55 流程能力：使命驱动的人才与文化 03:17:07 Quintessence：Bogle 把公开股票投资商品化 03:19:56 一个人真的可以改变世界 冷知识、推荐与收尾 03:21:36 Vanguard 与 Microsoft：同月诞生的两场革命 03:22:29 百倍股的残酷事实：平均 65% 回撤，8 年回本 03:24:27 Jack 的书籍收入与慈善遗产 03:25:08 推荐：Acquired 的《华尔街日报》专栏 03:26:29 Ben 推荐：M5 Max MacBook Pro 03:27:32 David 推荐：Michael McKelvy、亲子观影与 Brooks Vanguard 鞋 03:29:55 致谢：研究顾问、作者、前 CEO 与资料来源 03:32:12 延伸收听：Rentech、Berkshire、Costco、Visa 03:33:03 结尾 🌟 精彩内容 💡 一万亿美元财富转移 节目开头就点出 Vanguard 和 Jack Bogle 的历史意义：通过长期降低费用、倒逼整个基金行业降价，他们让原本会流向华尔街的费用，留在了普通投资者口袋里。主持人引用《The Bogle Effect》的估算，认为 Vanguard 自身节省了超过五千亿美元费用，而它对行业的降费压力又额外节省了五千亿美元。 “Jack Bogle 和 Vanguard 促成了一万亿美元的财富转移。” 🏛️ “共产主义式的资本主义” Vanguard 最独特的地方，不只是指数基金，而是公司结构。它没有上市，没有外部股东，也没有一群要求利润最大化的资本所有者。它由旗下基金的投资者共同拥有，因此公司降低费用，本质上就是把规模经济返还给客户。 “这家公司，它的产品只服务客户的利益，不服务任何其他股东的利益。” 📉 成本也会复利 Bogle 真正狂热相信的不是“指数基金一定比主动管理好”，而是“低费用几乎一定更好”。节目用一个简单计算说明：如果 25 岁投资 10 万美元，市场年化 7%，40 年后约为 150 万美元；但如果每年支付 1% 管理费，年化变 6%，最后只有约 100 万美元。费用看似只有 1%，长期却可能吞掉退休财富的三分之一。 “在回报这件事上，时间是你的朋友；但在成本这件事上，时间是你的敌人。” 🚢 Vanguard 的诞生：理想主义与复仇心各占一半 Jack Bogle 被 Wellington Management 赶下 CEO 位置后，并没有安静离开。他利用自己仍是基金董事会主席这一法律结构缝隙，推动基金与管理公司分离，建立一个由基金持有人共同拥有的新组织。这个组织最初只能做后台行政事务，却成为日后 Vanguard 的起点。 “战略跟随结构。” 📊 第一只指数基金差点失败 今天 Vanguard 500 Index Fund 是全球最大的基金之一，但它刚推出时几乎无人问津。原本希望募集 1.5 亿美元，最后只募到 1130 万美元，甚至不够买下 S&P 500 每只股票的基本交易单位。它只能先买约 280 只股票，并靠并入另一只 Wellington 遗留基金续命。 “我不敢相信广大投资者会满足于只拿到平均回报。这个游戏的目标是成为最好的。” 🧠 指数投资的行为优势 除了低费用，指数投资还有一个重要但常被低估的优势：它让投资者更容易什么都不做。主动投资者和主动基金经理往往不断交易、试图反应市场变化，而指数投资者更容易接受“我买的是市场”这个事实，从而长期持有。 “别光想着做点什么，站着别动。” ⚔️ ETF：Jack Bogle 也会犯大错 Bogle 极度反对 ETF，因为他认为 ETF 可以盘中交易，会诱导投资者投机、频繁交易、承担交易成本，甚至做空市场。因此 Vanguard 错过了最早推出 ETF 的机会，让 State Street 和后来的 BlackRock 抢占先机。节目认为，这件事清楚说明创始人的纯粹性很重要，但公司要继续扩张，也需要新一代管理者的灵活性。 🧑‍🤝‍🧑 Bogleheads：金融世界的草根信仰 Jack 被第二次请出董事会后，Vanguard 并没有与他彻底切割，而是保留他的研究中心和精神领袖地位。与此同时，投资者社区自发形成了 Bogleheads 运动，把低成本、长期持有、简单资产配置变成一种近乎信仰的投资文化。 “Saint Jack。” 🔥 金融危机成了 Vanguard 最好的营销 2008 年金融危机中，被动指数基金当然也跟着市场下跌，但主动管理人并没有像承诺中那样保护投资者。华尔街“聪明钱”的光环破灭，而 Vanguard 因为低费率、不以盈利为目标、站在普通投资者一边，获得巨大信任红利。 “Vanguard 明确给你的一个承诺是：我们不会从你身上赚钱。” 🧩 今天的新挑战：Vanguard 模式是否开始限制 Vanguard？ Vanguard 的低利润、共同所有制结构让它能极致降费，但也带来技术、客服和客户关系上的短板。许多用户在 Fidelity 等券商平台上持有 Vanguard ETF，客户关系并不在 Vanguard 手里。BlackRock 则借 iShares 在 ETF 市场大幅领先。节目最后提出一个反直觉问题：过去让 Vanguard 成功的结构，今天会不会也成为它扩展新业务的限制？ 🏦 私人资产与下一个 Vanguard Effect Vanguard 正在尝试进入 private equity 等私人资产领域。主持人讨论，公开市场基金的费用已经被 Vanguard Effect 大幅压低，但 VC 和 PE 仍然普遍是“2 + 20”的高收费结构。问题是，私人市场是 access 生意，资产会选择投资人，最优秀的管理人未必愿意放弃高费用。因此 Vanguard 能否把低费用革命带入私人市场，仍是一个巨大悬念。 🌐 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：AI 工具实践播客《How I AI》Why this Claude Code engineer uses HTML files as AI specs | Thariq Shihipar (Anthropic) 本期节目来自 Anthropic 的 Code with Claude 开发者大会现场。主持人 Clara Vo 邀请参与 Claude Code 工作的 Thariq Shihipar，讨论一个正在悄悄改变 AI 编程工作流的趋势：HTML 正在成为人与 Agent 协作的新型文档格式。 过去，很多人用 Markdown 写 PRD、spec、实现计划，再交给 AI 执行。但随着 Agent 可以运行更久、处理更复杂的任务，计划文档越来越长，人类反而越来越不愿意读。Thariq 提出，真正的问题不是 Agent 能不能读 Markdown，而是人类是否还能深度参与其中。HTML 因为可以承载视觉化 mockup、交互式界面、代码片段、设计系统和验证标准，正在成为更适合人类和 Claude 共同理解、共同修改、共同推进工作的媒介。 这期节目不仅讨论“HTML 是新的 Markdown”，还展示了 Claude Code 如何生成 HTML brainstorm、HTML 实现计划、一次性 micro app、living design system，以及团队状态更新。它本质上是一堂关于 AI 时代产品经理、工程师和创作者如何重新设计文档、计划与协作界面的实战课。 👨‍💻 本期嘉宾 Thariq Shihipar，Anthropic 成员，参与 Claude Code 相关工作。他长期探索人和 AI Agent 的协作方式，尤其关注如何通过更好的界面、计划、文档和验证机制，让人类在 Agent 工作流中保持深度参与。 ⏱️ 时间戳 00:00 开场 & 播客简介 HTML 是新的 Markdown 01:33 核心观点预告：Markdown 计划太长，人类已经不读了 03:08 Code with Claude 现场：为什么说 HTML 是新的 Markdown 03:27 从 Markdown 到 HTML：Agent 计划变长之后，人类参与度下降 04:52 PRD、spec 和计划为什么仍然重要 AI 时代的新角色：算力分配者 05:11 当 Claude 跑八小时，意味着它可能花掉五百美元 06:00 产品经理没有消失，而是在变成 compute allocator 06:54 和 Agent 保持同步：不是被 AI 管理，而是共同对齐目标 用 HTML 做 Brainstorm 和计划 07:19 Claude Code 现场演示：用 HTML 生成 demo 想法 08:03 从 ASCII wireframe 到视觉化 brainstorm 08:53 一屏读不完就不会读：为什么 HTML 更容易让人投入 10:01 把想法推进成 HTML 实现计划 11:08 Prompt 不需要复杂：让 Claude 自己决定最佳表达形式 12:04 好 prompt 的平衡：给足信息，但不要限制 Claude 12:54 “我相信你”：开放式信任如何改善模型输出 未来的 PRD、Spec 与验证标准 13:26 PRD 的未来：按项目和受众定制的 spec package 14:37 在哪里介入 Agent 工作流：type interface、边界与决策点 15:21 不只写需求，还要写验证标准和测试方法 16:13 测试验证不等于测试：rubric、视频展示和 Outcomes 一次性 Micro App：为一个问题生成一个界面 16:31 Markdown 易编辑的反对意见：HTML 怎么改？ 17:22 让 Claude 为具体决策生成可编辑 HTML artifact 18:47 微型软件：从 HTML 计划里拆出一个模块，生成专属编辑 UI 19:57 这是未来的个人协作方式，还是团队协作方式？ 团队协作、即时文档与软件丰裕时代 20:26 把 HTML 计划发给同事：被阅读的概率高一百倍 21:02 用 HTML 周报向经理同步工作状态 21:28 软件 Jevons 效应：便宜的 token 带来更多临时工具和漂亮界面 22:07 即时文档与一次性软件：当创作和查找成本接近零 23:43 把 HTML 计划作为实现和验证依据 Living Design System：可运行的设计文档 24:17 用 HTML 表达 design system，而不是 Design.md 25:22 高级用法：组件可视化页面、营销素材和真实 App 截图 26:50 Component variations：用 knobs 和 sliders 探索设计变化 27:35 在计划里加入评论、圈选和审阅交互 28:18 把 spec 做成轻量 Figma dashboard 实操总结与快问快答 28:35 实操流程总结：HTML brainstorm、HTML plan、micro app、design system 29:48 最喜欢 Claude Desktop 哪个 tab？答案是 Code 30:07 Code with Claude 最兴奋的发布：SpaceX 合作与 orbital data centers 31:08 当 Claude 不听话怎么办：不要吼，保持友好和清晰 32:34 如何找到 Thariq：X 账号 @TQ212 🌟 精彩内容 💡 HTML 是新的 Markdown Thariq 认为，Markdown 曾经非常适合和 Agent 协作，因为它简单、可读、可编辑。但当 Agent 的任务越来越长、计划越来越复杂，Markdown 文档会变成一千行以上的长文件，人类反而不再阅读。HTML 的优势不只是模型能读，而是人类更愿意读、更容易理解，也更容易参与修改。 “HTML 读起来容易得多。所以它成了你和 Claude 之间更丰富的沟通媒介。” 🧠 人类仍然必须深度参与计划 节目反复强调，AI 越强，PRD、spec 和计划反而越重要。因为让 Claude 长时间运行并不是免费的，它消耗的是 token、时间和金钱。人类的新职责，是决定哪些事情值得让 AI 去做，哪些问题需要先想清楚。 “如果你要花五百美元，那我们现在其实都在变成 compute allocator，也就是算力分配者。” 🛠️ 用 HTML 生成可读的实现计划 Thariq 展示了如何让 Claude Code 先用 HTML brainstorm demo 想法，再把选中的想法扩展成一个完整的 HTML 实现计划。这个计划里可以包括 mockup、代码摘录、文件结构、mood board、逻辑说明和执行步骤。相比一份长 Markdown，这样的计划更像一个小型网页，人类更愿意真正读完并参与。 “这就是计划。它完全是 HTML。这个东西我真的会读。” 🎮 一次性 Micro App：为一个决策生成一个界面 当 Thariq 不喜欢 HTML 计划里某个具体规则表时，他没有回到终端里用文字来回修改，而是让 Claude 为这个问题生成一个专属可编辑界面。这个界面可以修改字段、隐藏内容、添加规则，并把结果导出成 Markdown 再放回计划中。Clara 将其称为“微型软件”，甚至是叠在微型软件之上的微型软件。 “这甚至都不是个人软件了。它更小，是微型软件。” 📄 即时文档和一次性软件的时代 当生成文档、生成界面、生成工具的成本大幅下降后，团队不一定再需要为所有内容强行套用同一个模板。计划可以是 HTML，周报可以是 HTML，设计系统也可以是 HTML。重点从“文档放在哪里、格式是否统一”，转向“这个计划是否清楚、是否有助于判断和执行”。 “因为它很便宜，所以用完就可以扔掉。” 🎨 Living Design System：Design.html 万岁 Thariq 和 Clara 都分享了把 design system 做成 HTML artifact 的做法。它不仅可以展示颜色、字体、间距和组件，还能让 Claude 在不同项目中引用同一套设计语言。Clara 还提到，可以为营销团队生成组件可视化页面，让他们直接下载真实 App 风格的透明 PNG，用于 deck、视频或宣传素材。 “Design.md 已经死了。Design.html 万岁。” ✅ 测试验证不等于测试 节目中还提到，AI 时代的验证不只等于传统 unit test。验证可以是一套 rubric，可以是一组 synthetic data，也可以是让 Claude 展示它完成了什么。对于产品经理来说，未来不仅要写功能需求，还要更清楚地定义成功标准、验证方式和边界条件。 “测试验证不等于测试。” 🤝 对 Claude 友好一点 在快问快答中，Clara 问 Thariq 当 Claude 不听话时会不会吼它。Thariq 表示不会。他更倾向于用友好、清晰的方式和模型沟通，因为他希望未来存在这样一种协作方式：你对模型更友好、更有建设性，它也能给出更好的结果。 “我更希望这样一种情况存在：你对 Claude 友好一点、客气一点，就能得到更好的输出。” 🌐 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 本期我们克隆了全球 AI 开发者大会上的一场高能演讲 Harnesses in AI: A Deep Dive — Tejas Kumar, IBM 主讲人是 IBM 的 AI 开发者倡导者 Tejas Kumar。当整个行业都在疯狂调优 prompt 时，他却一针见血地指出：真正的解法在于给 AI Agent 套上一副“缰绳”——Harness。通过一个干净利落的 Live Demo，Tejas 展示了一个会撒谎、常崩溃的残血版 Agent，如何在不修改一行 prompt 的情况下，仅靠加上层层护栏、验证和自动化处理器，就稳如磐石地完成任务。他更抛出一个大胆判断：2025 是 Agent 之年，2026 必将属于 Harness，并畅想了“动态即时 Harness”这一通往 AGI 的下一步。这期节目不聊虚的，全是软件工程硬货。 👨‍⚕️ 本期嘉宾 Tejas Kumar，IBM 的 AI 开发者倡导者，曾在多家前沿科技团队摸爬滚打，如今专注于一个课题：让 AI 系统真正可控、可依赖。他擅长将复杂理念用最直观的代码展现在你面前。 ⏱️ 时间戳 00:00 主播开场：本期克隆简介与金句预告 登山者的安全带与 AI 的缰绳 01:32 演讲开场：Tejas 自我介绍，抛出“Harness”这个贯穿始终的词 02:48 核心痛点：我们都在为别人的黑盒模型付租金，可靠性是唯一解药 04:35 到底什么是 Agent Harness？——工具注册、上下文压缩、护栏、循环与验证的五合一 Live Demo：从零驯服一个会撒谎的 Agent 07:10 任务来了：用古董级 GPT-3.5 去 Hacker News 点赞，且绝不碰 prompt 09:20 首次翻车：Agent 没干成，却大言不惭地说自己成功了 10:45 第一层加固：给 Agent 套上护栏——限制步数，自动压缩上下文 12:30 代码“手术”：把一团逻辑提炼为独立的 Harness 模块 13:40 真相模块：加入确定性的验证函数，检查工具历史，彻底杜绝撒谎 15:20 终极障碍：遇到登录页怎么办？Harness 自己注入凭证，瞬间通关 17:00 功德圆满：零 Prompt 修改，成功点赞，Harness 的威力尽显 总结与前瞻 18:10 全场最响金句：“我一次都没动过 prompt”，一切改变来自 Harness 19:02 趋势预测：2025 Agent 之年，2026 Harness 之年，2027 动态即时 Harness 之年 20:23 IBM 在干嘛？Open Rag 项目用超级 Harness 为企业内部 RAG 加装安全锁 21:00 致谢与畅想：动态 self-harness 或许是通向 AGI 的下一个台阶 🌟 精彩内容 🪢 一个比喻点透 Harness Tejas 的类比精妙至极：登山者靠安全带把自己固定在稳定的山体上，遛狗的人用背带防止狗乱窜——AI Harness 做的正是同一件事：把飘忽不定的大模型，牢牢锚定在你完全可控的代码环境里。跟模型本身牛不牛没关系，只关乎你给不给它拴上绳子。 🛠️ Prompt 一碰没碰，Agent 脱胎换骨 整场 Demo 中，Tejas 说到做到，连系统 prompt 都没改一个字。他靠的是传统软件工程的看家本领：加护栏防止失控，写验证函数打假，再用自动登录器填坑。结果？同一个老模型，从不靠谱的骗子变成了指哪打哪的标兵。Harness 不是花招，是工程正道。 🤖 2025 风头正劲的是 Agent，但下个爆点属于 Harness Tejas 说得很直白：“二零二五年是 Agent 之年，那么二零二六年就是 harness 之年。”他更往前一步，描绘了让 Agent 在执行任务前先为自己生成一个 Harness 的未来，那将是具备自我意识的“动态即时 Harness”。他相信，这是 AGI 逻辑链上不可或缺的一环。 🏢 不是玩具，是铠甲：IBM Open Rag 的 Harness 实践 在 IBM，Tejas 和团队打造的开源项目 Open Rag，处理的是企业最敏感的内部数据——Teams 通话、发票、PDF。支撑其企业级安全的不是魔法，而是一套工程深厚的 Harness。它证明了 Harness 不仅仅是 Demo 里的技巧，更是大厂真金白银投入的方向。 🌐 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 本期我们克隆的是知名播客《Huberman Lab》How to Overcome Social Anxiety | Dr. Nick Epley 由斯坦福医学院神经生物学教授 Andrew Huberman 主持，嘉宾是芝加哥大学布斯商学院行为科学教授 Nick Epley 博士。Nick 是社会连接领域的顶尖专家，其新书《A Little More Social》分享了如何通过日常小选择带来意想不到的幸福与健康。在这场对话中，你将听到人类对他人心智的解读机制、声音与眼神隐藏的力量、为什么独处会伤害我们、以及如何用特定的暴露疗法克服社交焦虑。Nick 本人也动情讲述了他如何凭借研究数据的勇气领养一位患有唐氏综合征的女儿，以及一次主动的问候如何转化为多年友谊。这不仅是关于“多与人交谈”的建议，更是一次关于人性本质、爱、勇气与微小习惯如何重塑人生的深度启迪。 👨‍‍🔬 本期嘉宾 Nick Epley 博士，芝加哥大学布斯商学院行为科学教授，社会认知与连接领域的权威研究者。他的研究被《纽约时报》《华尔街日报》等广泛报道，新书《A Little More Social: How Small Choices Create Unexpected Happiness, Health, and Connection》即将出版。 ⏱️ 时间戳 开场与嘉宾介绍 00:00 节目介绍与嘉宾背景 01:29 欢迎 Nick Epley 破解心智的秘密：眼神、声音与思考 01:29 心理理论：人类如何推断他人意图 09:32 声音的魔力：为什么语音比文字更显人性与智慧 19:23 视频、语音、文字——不同媒介如何左右我们对人的判断 27:48 独处的代价：社交隔离如何伤害幸福感 34:07 远程作用：我们渴望在外部世界留下回响 41:18 对话的艺术：“响应性”为何让交流令人愉悦 社会连接的根本：合作与超越血缘的爱 43:23 协调与合作：社会连接的核心功能 45:10 非亲属之爱：领养孩子与“镜中自我” 打破社交焦虑：从实验室到真实世界 01:15:22 暴露疗法：如何用真实互动改写恐惧信念 01:17:57 Gia的100天拒绝挑战：善意远多于拒绝 01:29:54 怎样避免“粘人”：把握社交的尺度 01:37:16 寻找线下连接：教堂、音乐节与日常契机 爱与家庭的连接故事 01:39:06 领养唐氏女儿：数据驱动的勇气与意想不到的祝福 01:52:02 接纳孩子本来的样子 01:59:01 麋鹿营地的友谊：一次主动问候开启的多年缘分 习惯的力量：塑造积极的社交人生 02:06:19 以身作则：年长者的示范责任 02:11:44 “打招呼步行”：小习惯如何点亮每一天 结尾 02:17:49 感谢与 Nick Epley 新书《A Little More Social》 🌟 精彩内容 💡 低估的善意：Gia的100天拒绝疗法 Gia Giannini 曾极度害怕被拒绝，于是开启了一项为期100天的挑战：每天向陌生人提出荒唐请求，例如在 Krispy Kreme 要求制作奥运五环甜甜圈、在自家后院踢足球、在飞机上广播等。他以为会遭遇99%的拒绝，结果被接受的次数（51次）竟然超过了被拒绝的次数（48次），且几乎没有任何恶意回应。这次经历彻底改变了他对人类善意的认知，也证明我们的社交恐惧常常是建立在对他人过度悲观的错估之上。 🗣 声音是心智的窗户 在一项实验中，人们通过视频、纯音频、文字稿或书面解释来评价政治人物的思考深度与人性。结果发现，只要听到声音，即便是反对派，也被评价为更理性、更聪明，而那些只能阅读文字的人更容易将对方“去人性化”。声音中的语调、节奏和停顿传递出“活跃的思维”，这种信息在纯文字中大量丢失。 👨‍‍👩‍‍👧‍ 数据驱动的勇气：领养唐氏女儿 当妻子提议领养一名唐氏综合征孩子时，Nick 陷入了常见的恐惧与不确定。但他回想起自己研究积累的成千上万数据点都指向一个事实：人们主动伸出援手时，结果往往比预想的好得多。这种“数据驱动的勇气”让他迈出一步，最终领养了来自中国的 Lindsay。Lindsay 成为家庭的“磁铁”，用毫无保留的“Hi”感染了每一个人，让 Nick 见证了超越智识障碍的深刻连接。 🦌 麋鹿营地的启示 在俄勒冈野外，Nick 和儿子本遇到一队陌生猎人。本本能地想要避开，但 Nick 选择主动打招呼。结果对方不仅分享了多年的狩猎经验，还邀请他们到帐篷共进晚餐，甚至拿出红酒招待。这次偶遇发展成持续的友谊，猎友至今仍发短信提醒他们申请狩猎许可。一次主动的连接，为父子旅行增添了远超预期的温暖。 🚶 从“打招呼步行”开始的改变 Nick 改变自己的第一个小习惯是“打招呼步行”：从办公楼门口到办公室的路上，他不再低头匆匆走过，而是微笑着和每位路过的同事、保安、清洁工打招呼。这个微小的例行程序让他的心情显著变好，也示范了如何通过刻意练习将积极的社交行为内化为性格的一部分。 🌐 播客信息补充 翻译克隆自：《Huberman Lab》 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》Why AI is about to eat hardware | Caitlin Kalinowski (ex–OpenAI, Meta, Apple) 主持人 Lenny Rachitsky 与硬件领域传奇人物 Caitlin Kalinowski 进行了一场深度对谈。Caitlin 曾在苹果参与 MacBook Air 与 Mac Pro 的设计，在 Meta 领导 VR 硬件团队，并曾在 OpenAI 从零开始建立机器人与硬件部门。她是硅谷最受追捧的硬件专家之一，亲历了消费电子、AR/VR、机器人和 AI 硬件的发展浪潮。在这期节目中，她将揭示 VR 为何未能成为主流却又如何为机器人时代铺路、硬件开发的血泪法则、供应链的致命脆弱点、AI 如何改变工程设计，以及她对未来战争与家用机器人的冷峻预判。无论你是硬件从业者、AI 爱好者，还是对未来科技充满好奇，这都是一堂不可错过的硬核公开课。 👨‍⚕️ 本期嘉宾 Caitlin Kalinowski，硬件工程领袖，曾任 OpenAI 机器人与硬件部门负责人，Meta VR/AR 硬件团队负责人，苹果 MacBook Air 及 Mac Pro 技术负责人。她是硅谷最知名的硬件布道者之一，多次从 0 到 1 搭建顶尖硬件团队，并致力于推动实体 AI 与机器人技术的发展。 ⏱️ 时间戳 00:00 开场介绍：克隆节目与嘉宾背景 VR 与 AR 的兴衰：技术弧线上的垫脚石 04:24 VR 为何没能改变世界：社交障碍与面罩困境 06:36 AR 眼镜的未来：从 Orion 到全天候显示屏 08:03 VR 技术的意外遗产：正为机器人时代铺平道路 硬件开发到底有多难 10:16 硬件“编译”只有五次：量产前无法像软件一样迭代 12:11 为什么硬件工程师必须保守：公差、良率与百万量级 15:37 机器人时代来临：键盘前的 AI 终将饱和，下一前沿是物理世界 17:12 供应链致命点：一颗磁铁如何卡住整个机器人产业 19:20 战争驱动的创新：无人机、航空母舰与重新工业化的紧迫 AI 安全与实体世界的碰撞 22:41 机器人被“越狱”的恐怖想象：prompt injection 在物理世界的后果 23:53 OpenClaw 乌龙：AI 代理如何轻易泄露隐私 苹果和 Meta 的硬件管理心法 25:40 苹果的“柜子背面”哲学：每个细节都是对目标的极致忠诚 29:24 案例：Quest 2 如何通过砍功能、降成本来成就爆款 30:33 硬件开发四大原则：目标明确、先啃难点、聚焦触控、立即行动 34:27 像 Elon 一样量化权衡：一克重量的价值是多少？ 供应链风暴与内存危机 39:30 “存储价格”陨石袭来：AI 吞噬内存，硬件公司如何求生 41:38 价格翻倍、六倍飙升？内存短缺背后的深层逻辑 43:47 一个扫地机器人有上千个组件，缺一颗螺丝就全线停摆 45:48 垂直整合：特斯拉和 Starlink 的供应链护城河 AI 闯入硬件设计 48:06 CAD 的 AI 化还处于襁褓：为什么 LLM 不懂摩擦力？ 51:08 PCB 布线已成 AI 练兵场，但真正的革命需要“世界模型” 53:02 人形机器人不是万能答案：为什么工厂里不需要“仿人机器” 55:23 数据即壁垒：谁拥有三维 CAD，谁就拥有了未来？ 五年展望：家用、战争与人类的位置 1:03:10 五年内，你会在街上看到更多怪东西，但家用机器人尚早 1:06:03 战争变化将远超消费电子：无人机正在重塑军事逻辑 离开 OpenAI 与领导力反思 1:06:32 为何离开 OpenAI：当价值观与管理决策发生冲突 1:08:40 招聘新规则：通才、专才与“AI 原生代”同样珍贵 1:11:51 反驳 AI 消灭初级岗位：我们比任何时候都更需要二十岁的年轻人 传奇领袖的启示 1:13:47 从乔布斯、扎克伯格到奥特曼：想得不够大、标准永不妥协、决策下放 1:16:17 失败教会我的事：Quest One 摄像头公差的惨痛翻车故事 闪电问答 1:20:54 最近推荐的书：《新日之书》《达洛维夫人》《历史》 1:22:02 最爱的影视：《亢奋》 1:22:39 最酷的产品：Vollebak 材料科学服装 1:23:01 人生格言：过去与未来都是分支，只有当下可选择 1:24:02 为何雇博士学古典：从约瑟夫·布罗茨基书单谈起 🌟 精彩内容 💡 VR 是机器人时代的垫脚石 Caitlin 指出，VR 虽然在消费市场未能大爆发，但它解决了空间定位、SLAM、深度传感器等关键问题，这些技术如今正被广泛应用于机器人、自动驾驶和制造业。这意味着那些在 VR 上投入巨资的公司，已经在下一波物理 AI 浪潮中抢占了先机。 “我把 VR 看作是漫长技术演进弧线上的一步……所有这些技术都在被机器人领域使用。” 💡 硬件只能“编译”五次 与软件不同，硬件项目从设计到量产通常只能经历寥寥几次大的迭代。一旦最终定型并量产，就无法再像软件那样推送更新。这种极强的约束迫使硬件工程师必须极度保守，在过程中进行更多的可靠性测试和冗余设计。 “做硬件的话，每次大改版你都得在 CAD 里重新设计，然后发布。到量产那最后一次，就定稿了。” 💡 供应链的致命脆弱：从磁铁到内存 从机器人执行器里的磁铁，到所有智能设备都依赖的内存，供应链的中断可能瞬间摧毁一个产品。Caitlin 分享了新冠疫情期间的采购教训，并警告当前 AI 热潮下内存价格可能飙升，建议硬件公司提前囤货。她还提出了重新工业化以确保国家安全的主张。 “如果我们拿不到磁铁，那就得设计新型的 Actuator……这很基础。而内存价格正在像陨石一样砸向整个消费硬件和机器人行业。” 💡 招聘“AI 原生代” 在组建顶级硬件和机器人团队时，Caitlin 特别强调了要寻找那些在二十岁左右、完全原生地使用 AI 工具的新型人才。他们解决问题的方式与以往完全不同，速度更快，是教导整个团队拥抱 AI 的关键。 “真正 AI 原生的人……基本都在二十岁、二十一岁左右……我们需要这些人来教我们怎么思考。” 💡 乔布斯的“想得不够大”与奥特曼的“为什么不是一万倍” Caitlin 分享了与三位传奇创始人共事的心得：乔布斯从不降低对卓越的标准，扎克伯格将决策下放到最低层级并保持极高效率，而奥特曼则习惯用庞大数字推动团队跳出局限。 “Sam 特别擅长问：为什么不更多？为什么不是一百倍或一万倍？你想得太小了。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 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写作播客《How I Write》Storytelling Mastery in 107 Minutes — Dean Koontz 主持人是备受关注的写作导师 David Perell。他深入美国惊悚小说大师 Dean Koontz 的私人书房，带来一场关于创作灵魂的深度对谈。Dean Koontz 写过一百多本书，全球销量超过五亿册，却极度反感传统创作教条。在节目中，他毫无保留地分享了为什么必须放弃提纲、如何让角色拥有自由意志、他那如珊瑚礁般一页一页打磨的独特写作方式，以及童年苦难如何成为他理解邪恶与塑造角色的源泉。这不仅是关于写作技艺的大师课，更是一场关于生命神秘、信仰与美的哲学漫游。 👨‍🎨 本期嘉宾 Dean Koontz，美国惊悚小说大师，著有《Odd Thomas》《Intensity》《Lightning》等众多畅销书，作品全球销量超过五亿册，以其独特的角色驱动写作方式和对英语语言的极致追求著称。 主持人 David Perell，写作导师、知名播客《How I Write》主持人，致力于探索顶尖作家的创作心法。 ⏱️ 时间戳 00:00 开场：Yikai介绍本期克隆播客及嘉宾Dean Koontz 01:23 David Perell在Dean Koontz的书房开启对话 放弃提纲，信任角色 02:02 行业惯例 vs 创作自由：为什么提纲会限制好点子的诞生 03:28 赋予角色自由意志：让他们带你去意想不到的地方 04:33 信任角色的时刻：当角色自己说话时，你就知道路子对了 珊瑚礁般的写作方式与自我怀疑 05:57 独特的写作方式：一页改二十遍，直到完美再动下一页 06:33 自我怀疑是工具：所有的写作障碍都是自我怀疑 09:02 挑战：为智商75的主角创造一套独特的语言 13:48 钟形曲线左端的智慧：简单中的深刻 14:45 反抗“常识”：《Lightning》的出版风波，坚持自我风格 寻找声音，发挥天赋 19:22 从科幻到悬疑喜剧的转型历程 22:27 生活中的神秘指引：那些无法解释的巧合 27:25 将绘画的渴望化为文字的生动 28:20 才能是礼物，责任是把它用到极致 灵感与角色的诞生 28:58 一首歌催生一本小说：《Life Expectancy》的灵感瞬间 32:36 Odd Thomas 的意外降生：一句突然冒出的开场白 33:56 自律源于热爱：只喜欢写作的过程 35:06 父亲的原型：如何钻进反社会者的脑子 42:09 童年的羞辱：转化为同理心与创作深度 44:11 普通人的非凡：圣经人物与 Dean 笔下的角色 编辑、语言与悬念 45:24 编辑方向：文笔的流畅性与生动 47:23 超越海明威：保留英语的诗意，反对过度简化 52:49 悬念的核心：让读者在乎角色 59:46 案例《Intensity》：道德抉择如何制造悬念 01:01:03 单一视角原则：活在角色里，而非操控木偶 01:04:06 隐喻的力量：比形容词更高效地塑造情绪 信仰、自我怀疑与写作障碍 01:04:46 科学与信仰：量子力学中看见的创造世界 01:09:08 所有的写作障碍都是自我怀疑：如何与怀疑共存 大师的馈赠 01:11:13 John D. MacDonald：让人物和情节一样有趣 01:13:05 T.S. Eliot：震撼的语言与对世界的接纳 01:15:45 Ray Bradbury：用喜悦写作，让语言绚烂而不失控 01:19:48 狄更斯：不怕流露真情，区分真情与滥情 美学、环境与终极墨水 01:24:16 平淡无奇正摧毁灵魂：艺术与美的救赎 01:24:54 日式与Art Deco：美如何带来内心平静 01:27:17 形而上学是笔中的墨水：生命必有奥秘，才有书可写 01:32:09 结尾：David感谢Dean，访谈结束 🌟 精彩内容 💡 放弃提纲，把方向盘交给角色 Dean Koontz 坦言，他职业生涯的转折点就是停止写提纲，转而让角色驱动故事。“如果你死守提纲，产出的书质量肯定不如你放手让创造力流淌来得好。”他相信角色拥有自由意志，当你信任他们，他们会引领你走向完全意想不到、却更精彩的境地。“我常被角色说出的台词逗笑，那一刻我就知道路子对了。”这种方法不仅解放了他的创造力，更诞生了像 Odd Thomas 这样的经典角色。 🛠️ 珊瑚礁写作法：每天在自我怀疑中打磨 与大多数作家不同，Dean 从不多次起草整本书。他是一页一页地推进，每一页都要修改二三十遍，直到他无法再改动为止。“我推进一本书，就像珊瑚礁是由无数微小生物的遗骸一点一点累积而成那样。”同时，他将自我怀疑视为一种工具：“所有的写作障碍都是自我怀疑。你不应该害怕它。”正是这种极度缓慢又自律的方式，让他能够品控每一句话，最终用文字构建出令五亿读者着迷的世界。 🎨 语言的炼金术：隐喻、诗意与真情 Dean 深爱英语这门语言。他反对盲目追随海明威式的简化，主张运用所有修辞工具让文字歌唱。“当我大量使用隐喻的时候，一开始遭到了负面反应，但读者最强烈的反应之一，恰恰是那种用上所有语言工具的文字。”他强调，隐喻必须服务于场景的情绪和角色的视角，而非炫技。同时，他区分了真情（sentiment）与滥情（sentimentality），认为真正的文学应该敢于打动人心，正如狄更斯那样，让读者泪流满面。 ❤️ 苦难的价值与创作的源泉 成长于一个充满暴力、酗酒和羞辱的家庭，Dean 的经历痛苦却深刻。他将反社会人格的父亲视为理解邪恶的“礼物”。“你必须走出来，否则那个混蛋就赢了。”这种态度不仅塑造了他笔下众多复杂的反派，也让他对生活中的神秘与美抱有极大的敬畏。他认为，如果生命没有奥秘，作家便只有一本书可写。“形而上学是我笔中的墨水。每个生命、每个角色的人生，都是一场朝向某种有意义之物的伟大冒险。” 🌐 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 本期我们克隆了全球知名科技播客《Cognitive Revolution》Three Kinds of Software Survive: Tasklet's Andrew Lee on Competing to be a Horizontal Platform 主持人 Nathan Labenz 与 Tasklet 创始人兼 CEO Andrew Lee 进行了一场深刻坦诚的对话。这是 Andrew 第四次做客节目，他依然坚持“速度是唯一的护城河”，并毫无保留地分享了 Tasklet 过去六个月如何将整个产品技术栈彻底推倒重写。你将听到他们怎样用文件系统取代无限增长的长聊天记录，重新发明上下文管理以大幅降低 token 成本。Andrew 还首次袒露了从几乎 all-in Anthropic 到果断拥抱多模型平台的心路历程，也直言不讳地讨论了与模型供应商之间既合作又竞争的微妙舞蹈，更抛出一个惊人的预测：未来只有三类软件公司能活下来。这不仅是一场关于 AI Agent 平台前沿技术的第一手分享，也是关于如何在极速变化的赛道中思考护城河与商业模式的战略大师课。 👨‍⚕️ 本期嘉宾 Andrew Lee，通用 AI Agent 平台 Tasklet 的创始人兼 CEO。他曾是数据库创业者，坚信速度是唯一护城河。过去半年，他带队将 Tasklet 从专注工作流自动化完全转向通用的、取代知识工作者所有 SaaS 的横向 Agent 平台，并正在将 OpenAI、Google、开源模型等全部纳入 Harness，目标是成为企业中立、多模型的 AI 超级机甲。 ⏱️ 时间戳 00:00 开场 & 播客简介 六个月推翻所有代码 04:12 被迫转型：用户想要的不是工作流，而是同步对话的通用 Agent 09:01 上下文管理革命：把历史放进文件系统，发送给 LLM 的只需是提示 10:20 分桶压缩与缓存：如何在数万次自动触发中不破产 14:59 跨用户缓存潜力与多模型序幕 从 Claude 信徒到多模型平台 16:01 Opus 4.5/4.6 的突破与拒绝 4.7 的成本账 18:14 GPT-5.5 赶上来了，为什么 Kimi、DeepSeek 也值得认真对待 19:51 残酷的供应商竞合：Max 订阅吸走了 80% 流失用户，Anthropic 正补贴从我们这里离开的人 23:30 中立的魔力：给任何模型“穿上机甲”，替企业押注所有人 30:26 重新定义 Harness：不是限制模型的缰绳，是让它征服世界的机甲 33:16 用小模型调度大模型：借鉴 Anthropic Supervisor Agent 的省钱哲学 36:23 多模型 Harness 的挑战：为不同缓存 API 编写不同代码 44:33 模型的趋同与变数：大实验室互相偷师，新玩家可能从斜刺里杀出 构建共享大脑与终极软件格局 53:18 组织、团队、Agent 三层上下文：Tasklet 的第二大脑计划 01:04:02 未来仅存三类公司：横向平台、Headless API、解决方案公司 01:06:56 赢得企业信任：回滚、审核与版本控制如何让 Agent 进入关键业务 快速问答与幕后趣闻 01:09:54 推荐供应商：Black Salt、Firecrawl；内部 Token 支出仅占人力成本 5‑10% 01:13:57 对 Mythos 的谨慎：没摸到的东西很难兴奋 01:15:35 扎克伯格会打电话吗？Manus 收购被中国否决后的花絮 🌟 精彩内容 💡 六个月，全部推倒重来 Andrew 透露，用户的需求迫使他们从工作流自动化彻底转向一个能同步对话的通用 Agent。这导致了整个产品、架构、甚至底层假设的重写。他用一句话概括：“过去六个月里，基本上每一行代码可能都被动过了，我们大多数基础假设都被推翻了。” 🛠️ 文件系统拯救 Agent 的上下文 为了解决无限聊天历史带来的成本崩溃，Tasklet 创造性地把历史状态移入文件系统，实际发送给 LLM 的只是精心设计的提示。这不仅能无限扩展，还搭配了按时间分桶的智能压缩，让自动触发一年的 Agent 依然记得最初的指令。“我们真正需要的是一个保存你历史的文件系统，然后实际发送给 LLM 的只是提示。” 🚀 给模型“穿上机甲”，而不是套上缰绳 Andrew 重新定义了 Harness 的角色：它不应该只是控制模型的缰绳，而应该是一套增强其能力的机甲。“我倾向于认为大家其实都在构建同样的东西。……Harness 更像是给它穿上机甲，让它能在真实世界里真正去做事。” ⚔️ 微妙的供应商战争与中立平台之策 面对 Anthropic Max 订阅近乎五倍以上的隐性补贴，Tasklet 80% 的流失用户直接去了第一方产品。Andrew 果断将 Tasklet 定位为中立的 AI 平台，替企业押注所有模型并优化选择。“押我们，等于押注所有人。我们会给你提供 Anthropic 的模型、OpenAI 的模型、Google 的模型……我们是纯粹的中立方。” 📉 终极预言：未来软件公司只会有三种 在对话尾声，Andrew 给出了一个大胆而清晰的预测：“我们想做的，就是成为那个取代知识工作者所有 SaaS 产品的 AI Agent 平台。”他认为最终只会剩下横向通用平台、纯 API 的 headless 公司，以及直接售卖结果的解决方案公司。像 Salesforce 这样的旧日巨头，将面临大幅萎缩。 🌐 播客信息补充 翻译克隆自：《Cognitive Revolution》 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《Dwarkesh Patel 播客》的一期深度对谈 What rebuilding AlphaGo teaches us about self-play, RL, and future of LLMs - Eric Jang 主持人 Dwarkesh Patel 与嘉宾 Eric Jang 展开了一场精彩纷呈的技术深潜，从零开始重建了 AlphaGo 的思想宫殿。 Eric Jang 曾担任 1X Technologies 的 AI 副总裁，此前是谷歌 DeepMind Robotics 的高级研究科学家。他在休假期间做了一个让极客们热血沸腾的项目：用当今的开源工具和极低的预算，从头重建、改进并深入理解了 AlphaGo。在这期节目里，Eric 手把手地拆解了 AlphaGo 的核心组件——蒙特卡洛树搜索（MCTS）、策略网络与价值网络如何协同工作，以及为什么这套组合拳如此优雅且强大。但这远不止是一堂围棋 AI 历史课。Eric 更进一步，将 AlphaGo 的算法与现代 LLM 的强化学习进行了直接对比，深刻揭示了后者在方差、信用分配和样本效率上的根本困境，并展望了将搜索思想引入大模型推理的前景。此外，他还分享了自己用自动化 AI 辅助研究的实践经验，探讨了围棋作为“AI 科学家”孵化器的可能性。整期节目信息密度极高，从算法直觉到宏观哲学，将彻底刷新你对强化学习、搜索和智能本质的认知。 👨‍🔬 本期嘉宾 Eric Jang，前 1X Technologies AI 副总裁，前谷歌 DeepMind Robotics 高级研究科学家。他在机器人学习、深度强化学习领域有深厚积累。近期，他在休假期间独立完成了从头复现和改进 AlphaGo 的项目，并撰写了详细的技术教程，引发了社区广泛关注。他以对 alphaGo 核心机制的独到洞见，以及对自动化 AI 研究的先锋思考而闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 从零开始理解 AlphaGo 02:05 为何 AlphaGo 令人着迷：用一个神经网络摊销几乎不可解的搜索 03:43 围棋规则速通：从吃子到 Trump-Taylor 计分 08:38 搜索树与组合爆炸：361的300次方，比宇宙原子数还大 蒙特卡洛树搜索（MCTS）核心原理 11:16 UCB 与 PUCT：如何边建树边决定探索哪条路 15:59 价值函数登场：人类“一眼定输赢”的直觉，AI 也能拥有 21:02 策略网络：先猜一把哪儿值得搜，大幅剪枝 神经网络与搜索的完美联姻 24:54 MCTS 四步流程：选择、扩展、评估、回传 27:28 架构选择：为什么 ResNet 在小预算下仍优于 Transformer 34:23 初始化的魔力：先用人类棋谱教会模型什么是好棋 42:21 Self-play 闭环：让搜索反哺网络，实现策略迭代 强化学习的优雅与残酷对比 47:41 MCTS 作为改进算子：永远给你一个比当前策略更好的答案 52:00 知识蒸馏：把几千步搜索的成果内化到网络的一次前传里 57:04 价值函数训练技巧：小棋盘预训练与终局标签的重要性 01:03:01 深度震撼：10 层神经网络如何摊销 NP 难问题 01:11:35 对比 LLM RL：方差为何爆炸，“吸管里吸信号”的困境 01:22:21 MCTS 能直接用于 LLM 推理吗？广度、深度与动作空间的挑战 计算效率与自动化研究 01:28:41 算力缩放亲历：从千万美元到几千块，AlphaGo 变廉价了 01:38:08 Off-policy 训练与回放缓冲区：如何复用旧数据 01:47:04 信息论视角：监督学习每样本比特数远超 RL，软标签有多重要 01:55:36 围棋作为 AI 科学家孵化器：用外循环验证研究直觉 02:05:12 研究品味与可验证性：如何设计正确的 RL 环境 02:08:03 结尾 & 资源推荐 🌟 精彩内容 💡 10 层网络，摊销 NP 难题 Eric 指出 AlphaGo 最深远的贡献并非围棋本身，而是一个概念突破：区区 10 层神经网络，通过一次前向传播，就能以极高精度近似一个几乎不可解的深层搜索问题。这暗示了宏观特征可以瓦解我们对计算复杂度的传统认知，类似的现象也出现在 AlphaFold 等模型中。 “这是一个突破，我觉得今天大多数人都没能完全领会它有多么深远。” 🛠️ MCTS 的优雅：永远不用从 0% 开始 与今天 LLM 使用的朴素策略梯度方法不同，AlphaGo 的 MCTS 永远能基于当前状态给出一个改进后的策略标签。这意味着它的学习过程从未陷入“所有信号都是零”的荒漠，每一步都有明确的监督目标，从而实现了惊人的采样效率和稳定性。 “AlphaGo 之所以优雅，就是你永远不需要从一个 0% 的成功率开始，也不需要解决怎么拿到非零成功率的探索问题。” 🚀 监督学习信息效率完胜 Eric 与 Dwarkesh 从信息论角度对比了监督学习和 RL。在低 pass rate 区域，RL 每个样本只能提供极少的学习比特，而监督学习通过软标签（整个概率分布）可以提供高得多的信息量。这也解释了为何蒸馏如此强大——MCTS 的访问计数分布作为软目标，传递了远超单个动作标签的“暗知识”。 “在一个软标签里，每样本的信息量，以比特计，要大得多。这就是为什么蒸馏这么有效。” ⚖️ 成为第一，算力永远最贵 Eric 分享了自己仅用一万美元算力就重建 AlphaGo 的经历，对比当年 DeepMind 动辄百万美元的投入和定制 TPU 集群。他强调：“成为第一个做成一件事所需的算力，永远比后来追上来所需的算力大得多。”这个规律在 LLM 时代同样成立，先行者必须为探索未知付出巨大溢价。 🧪 围棋作为 AI 科学家的训练场 Eric 正在将围棋打造成一个“外循环”，用于训练自动化 AI 研究智能体。因为围棋验证快速、胜负明确，可以低成本地检验智能体提出假设、设计实验、解释结果的能力，最终有望迁移到更复杂的科学发现任务中。 “我搭建这个围棋环境的动机之一，就是觉得围棋承载了大量非常有趣的研究问题，而且验证速度很快。” 🌐 播客信息补充 翻译克隆自：《Dwarkesh Patel 播客》（Dwarkesh Patel Podcast） 本播客采用 AI 声纹克隆技术将原主持人和嘉宾的声音翻译成中文，可能听起来略有差异。 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