跨国串门儿计划 - 节目列表

📝 本期播客简介 本期我们克隆了：知名播客 Y Combinator Jeff Dean: The 1% Rule for Building in AI 原内容更新时间：2026-07-30 本期节目是 Y Combinator 在 Startup School 2026 上的特别对话，主持人是 YC 合伙人 Diana Hu，嘉宾是谷歌首席科学家 Jeff Dean。Jeff Dean 是 MapReduce、BigTable、TensorFlow、TPU 等多项关键技术的缔造者，也是谷歌 AI 领域的核心人物。这期节目围绕他过往的"餐巾纸估算"故事展开，聊到了 AI 推理硬件、智能体系统、以及小团队如何在 AI 时代找到自己的机会。 从 2001 年"整个搜索索引装进内存"的颠覆性认识，到 2013 年"语音识别三分钟"催生 TPU 的传奇故事，Jeff Dean 用一个个具体案例，展示了第一性原理思考如何带来数量级的性能提升。他还给出了 2026 年 AI 版的"延迟数字清单"，并深入探讨了上下文工程、多智能体系统、以及创始人该如何培养"品味"。 这期节目特别适合正在思考 AI 创业方向的人。Jeff Dean 给出了非常实用的判断标准：去找那些通用模型成功率是 0% 或 1% 的问题，而不是 20% 的。他还分享了如何通过写"skills"让 Agent 像他一样做性能优化，以及为什么"说清楚你想要什么"在 AI 时代变得比以往更重要。 👨‍⚕️ 本期嘉宾 Jeff Dean，谷歌首席科学家，谷歌 AI 领域的核心人物。他参与缔造了 MapReduce、BigTable、TensorFlow、TPU、Gemini 等多项关键技术，是分布式系统和机器学习领域的传奇工程师。他的"餐巾纸估算"能力闻名业界，曾多次通过粗略计算做出影响深远的硬件和系统决策。他也是著名的《The Latency Numbers Every Engineer Should Know》清单的作者。 ⏱️ 时间戳 开场 & 播客简介 00:00 节目开场与嘉宾介绍 01:13 Jeff Dean 对 2025 年"AI 相当于初级工程师"预测的回顾 02:24 对 2027 年的新预测：ML 系统自动化程度将大幅提高 从餐巾纸估算到 TPU 的诞生 03:03 2001 年"搜索索引装进内存"的颠覆性时刻 04:21 人们还没意识到的：Agent 可以跑上几天甚至几周 05:18 2013 年语音识别估算与 TPU 的起源故事 07:48 给未来创始人的建议：如何做有分量的估算 2026 年 AI 版延迟数字清单 09:01 2026 年 AI 系统最重要的数字：带宽、能耗、互联 09:39 搬数据的能耗比计算贵一千倍 11:06 批处理本质上是数据输入输出问题 11:45 推理硬件专门化的巨大空间 上下文工程与 Agent 系统 12:56 从模型规模到上下文工程的转变 14:48 如何做好上下文工程：写 skills、给指导 15:40 实例：为性能优化写的 skill 和《Performance Hints》 17:35 Agent 跑偏的瓶颈与多智能体系统 创业公司在哪里赢 19:46 谷歌持续构建的 vs 两三人团队能胜出的 21:06 如何判断该挑什么事情来做：找 0% 成功率的问题 23:23 垂直模型的例子：AlphaFold 与材料科学 24:14 成为 AI 原生创始人：清晰规格说明的重要性 品味、思想实验与自我改进系统 26:01 什么技能会变得稀缺：品味与高层智慧 26:51 如何培养品味：经验、预测、思想实验 27:53 疯狂思想实验：用每天出错 20 次的晶体管构建系统 30:24 从思想实验到现实：TPU 与 MapReduce 的起源 AI 构建 AI 与超级加速的科学方法 32:19 AlphaChip 与 AlphaEvolve：让 AI 构建 AI 32:44 自动化实验循环：从科学方法到机器学习 33:48 用学出来的验证模型加速科学发现 35:23 超级加速科学方法能解决的领域 给未来创始人的建议 36:30 被拒绝的故事：蒸馏论文被会议拒稿 38:24 如果 25 岁的 Jeff Dean 来到今天会做什么 40:45 如何与聪明人共事、找到聪明人 42:10 希望未来创始人去解决的问题 🌟 精彩内容 💡 "餐巾纸是好东西" Jeff Dean 的传奇之处在于，他能在信封背面做粗略估算，然后造出改变行业的东西。从"搜索索引装进内存"到"语音识别三分钟"催生 TPU，核心都是先看到瓶颈，再从第一性原理出发想完全不同的解法。 "去想想你看到的问题，不管你在琢磨什么，看看瓶颈在哪里。然后有没有完全不同的思路去解决其中某些问题，能让你拿到一个数量级、甚至两个数量级的性能提升。" 💡 搬数据比算数据贵一千倍 这个能耗差距塑造了机器学习里几乎所有的设计决策。没有这一千倍的差距，你根本不需要做批处理。理解这类底层物理约束，才能真正理解为什么系统被设计成今天这样。 "把数据从加速器上的 HBM 搬进处理器，它才能真正在上面算。这个差距非常显著，它塑造了我们在机器学习里做的很多事。" 💡 模型只是你要做的事里的一块 Jeff Dean 强调，真正重要的是搭一个能解决有趣问题的完整系统：会用工具的模型、能检索信息、有历史记录、能拆解任务。上下文工程让信息对模型来说非常清晰，远胜于训练数据那锅"几万亿 token 的汤"。 "模型其实只是你要做的事里的一块，你要做的是搭一个能解决真正有趣问题的完整系统。" 💡 找 0% 成功率的问题，而不是 20% 的 给创始人的核心判断标准：如果通用模型已经能做 20%，那随着更多数据和更大规模，它很快就会做得更好。你要找的是模型完全做不了、成功率是 0% 或 1% 的事情——那才是你的机会。 "你要找的是模型成功率是百分之零或百分之一的事情，而不是百分之二十的。" 💡 说清楚你想要什么，比以往更重要 以前你把任务交给一个聪明人，他可以追问；现在 Agent 也会猜，但猜出来的往往跟你脑子想的不一样。清晰的规格说明是让 Agent 成功的关键，这也是为什么"把 Python 翻译成 Go"这类任务模型特别擅长——因为规格太清晰了。 "你越清楚自己想要什么，Agent 就越有指导原则、规则，也就是一个它要完成什么的大纲。" 💡 品味是 AI 时代最稀缺的技能 当所有代码都能由 Agent 写好，真正的较量在于你要把时间花在哪个问题上。选对问题并成功解决它，远比把一个无聊问题研究得漂漂亮亮要好得多。培养品味的方法之一，是写下你预测未来十二个月可能重要的事情，然后回头评估。 "如果你选对了问题并且成功解决了它，那远比你把一个相当无聊的问题研究得漂漂亮亮要好得多。" 💡 被拒绝也没关系，继续往前走 那篇关于蒸馏的论文被欧洲会议拒了，理由是"不太可能产生重大影响"。但 Jeff Dean 和团队知道这是个极其重要的问题，他们把它放到 arXiv 上，大家读它、用它，今天它已经成了业界人人都在用的招数。 "时不时被拒一次，也没关系。我们把它放到 arXiv 上，大家读它，用它，一切都好。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 David Perell 171 Years of Writing Knowledge in 90 Minutes 原内容更新时间：2025-01-10 本期节目是 David Perell 对 2024 年全年采访的精华回顾，浓缩了多位世界级写作专家的核心洞见。嘉宾阵容堪称豪华：小说家 Amor Towles 分享如何让场景活起来，修辞学家 Mark Forsyth 拆解令人难忘句子的公式，文化评论家 Ted Gioia 剖析多巴胺文化对写作的冲击，公关专家 Lulu Cheng Meservey 讲解叙事框架的力量，还有 37signals CEO Jason Fried 现场拆解自己的文案创作过程。 这期节目最打动人的地方在于，它展示了写作的多样性——正如 David 所说，"你想怎么写，就可以怎么写"。从文学创作到商业文案，从修辞技巧到笔记方法，每位专家都带来了自己独特的视角和实战经验。无论你是专业写作者、内容创作者，还是只想提升表达能力，这期节目都能给你带来启发。 👨‍⚕️ 本期嘉宾 David Perell，知名写作教练、播客主持人，以"Write of Passage"写作课程闻名。本期他邀请了多位世界级专家：小说家 Amor Towles（《莫斯科绅士》作者）、修辞学家 Mark Forsyth（《修辞的要素》作者）、文化评论家 Ted Gioia、公关专家 Lulu Cheng Meservey、37signals CEO Jason Fried，以及多位在写作领域有深厚造诣的实践者。他们的写作经验合计超过 171 年。 ⏱️ 时间戳 00:00 开场 & 节目介绍 David Perell 的年度回顾 01:13 2024年写作心得：多样性与卓越 01:58 本期节目定位：写作精华合集 让故事活起来：Amor Towles 的写作哲学 02:24 场景写作：从孩子的视角观察 03:48 冻豌豆的细节：让场景真实可感 04:48 情感层次：母亲的故事如何影响场景 07:22 第一稿写给自己，编辑时转向读者 修辞的力量：Mark Forsyth 的公式 08:56 Diacope：三明治式重复的魔力 12:01 Chiasmus：对称句式的说服力 13:16 修辞手法的实际应用与滥用 多巴胺文化与写作的困境 14:39 多巴胺文化：消遣时代的到来 16:58 写作者的应对：忠于价值观 18:31 食品趋势对写作的启示 叙事框架与说服力 19:22 故事 vs 统计数字：为什么故事总是赢 21:26 框架之争：谁掌握叙事谁就掌握主动权 笔记方法与写作工具 21:57 Sam Altman 的笔记策略 23:02 笔记本与笔的选择 23:24 撕页式笔记的灵感来源 讲故事的技巧与结构 26:14 《Storyworthy》的核心观点 26:33 风险：好故事的必要元素 27:43 五秒钟的改变瞬间 商业文案的创作过程 30:10 Jason Fried 拆解文案创作 32:50 "房东—租客"隐喻的由来 36:44 从问题到解决方案的过渡 38:34 Once 产品的五个要点 广告文案的迭代过程 50:12 从 1% 到 2%：文案价值的论证 51:06 冲突框架与大众汽车广告的启发 53:12 25 稿迭代：从想法到成品 写作的深层智慧 01:02:53 主题与细节：全息图式的写作 01:04:17 普遍性藏在特殊性里 01:09:03 写作的兴奋感与编辑的重要性 01:11:53 英语的双语能力：拉丁语与盎格鲁-撒克逊语 🌟 精彩内容 💡 "你想怎么写，就可以怎么写" David Perell 在回顾 2024 年采访时最大的感悟是：写作没有唯一正确的路径。学校里教的那些规则只是众多可能性中的一种，市场容得下每一种风格、每一种兴趣、每一种性格。但前提是，你必须做到非常出色。 "市场里容得下每一种风格、每一种兴趣、每一种性格，应有尽有。但不管你选哪条路，都得做到非常、非常出色。" 💡 冻豌豆的细节：从孩子的视角写活场景 Amor Towles 用"冻豌豆"这个例子展示了如何让场景真实可感。与其堆砌时代标志物（冰箱、披头士），不如从角色的真实视角出发，捕捉那些真正会吸引注意力的细节。孩子会看到冷冻豌豆从袋子里滑出来、在锅沿上敲碎、几颗弹跳着滚过台面——这些才是让场景活起来的关键。 "如果你想从孩子的视角把这个场景写活，你不会提冰箱、Bird's Eye、披头士，而是这些别的东西。" 💡 Diacope：改变记忆的修辞公式 Mark Forsyth 揭示了"三明治式重复"（diacope）的强大力量——"邦德，詹姆斯·邦德"、"生存还是毁灭"都是这个公式的产物。更惊人的是，《绿野仙踪》里那句"飞吧，我的宝贝们，飞吧"其实根本不存在，但所有人都记得，因为这种修辞手法强大到能改写我们的记忆。 "我们全都记得是这句。我们都把它记成那样，因为 diacope 这种修辞手法太强大了，强大到我们自己去改写了记忆。" 💡 多巴胺文化与写作的长期主义 Ted Gioia 警告说，社交媒体平台设计的滑动刷屏界面本质上是成瘾机制，每 15 秒一次的多巴胺刺激让人无法自拔。但他坚信，追逐这种文化潮流是死路一条——那些要求"降智、更快、更短"的编辑现在全都失业了。真正的长期关系建立在深度内容之上。 "如果你试图去追逐科技平台和那些预消化过的东西，你可能会有一阵短暂的爆发式成功，但你没法像我这样，在几十年里建立起一份事业。" 💡 故事 vs 统计数字：为什么指控总是赢 Lulu Cheng Meservey 用北约和自由贸易的例子说明：指控通常是一个故事，而辩护通常是一个统计数字。一个人的死亡是悲剧，一百万人的死亡是统计数字。拿统计数字去对抗故事，你永远在输。这就是为什么框架如此重要——谁掌握叙事，谁就掌握主动权。 "你要是拿统计数字去对抗故事，你永远在输。" 💡 五秒钟的改变瞬间 《Storyworthy》作者的核心观点：所有好故事都围绕一个五秒钟的改变瞬间展开。浪漫喜剧的开头是花花公子不想安定，结尾一定是他求婚；斯克鲁奇讨厌圣诞节，最后爱上圣诞节。如果你不知道主角那五秒钟的转变瞬间是什么，你就没有一个真正的好故事。 "故事就是五秒钟的改变瞬间。你讲故事的一切都汇聚到这一个瞬间，这五秒钟里人物发生了转变。" 💡 文案就是论证：从 1% 到 2% 的迭代 Jason Fried 现场拆解了一则广告的 25 稿迭代过程。从"1% 和 2% 的差别不只是 1%，而是 100%"这个想法种子出发，经过大众汽车广告的视觉启发、冲突框架的构建、无数次的改写和反馈，最终打磨成一件简洁有力的作品。文案不是鱼饵，而是简洁沟通的艺术。 "文案就是论证。它就是一个论证。学文案最好的论证是什么？你有两个选择。" 💡 写作是孤独的，但回报是深远的 Robert Greene 坦言，写作过程中那种兴奋感十次里有九次会把你带进糟糕的地方。真正的写作发生在编辑阶段。写作是孤独的、无聊的、令人沮丧的，但当整本书完成时，那种"我明天死了也没关系"的满足感，是任何即时快感都无法比拟的。 "如果你进入写作是因为你觉得那是一种快感，那哥们儿，你要是这么想，你入错行了。写作是孤独的。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Lenny's Podcast This CPO regrets that product management exists | Tom Verrilli (CPO of Whatnot) 原内容更新时间：2026-08-02 本期嘉宾是直播购物平台 Whatnot 的首席产品官 Tom Verrilli，主持人是知名产品社区 Lenny's Podcast 的创始人 Lenny。Tom 在科技行业拥有超过十五年的产品领导经验，曾长期担任 Twitch 的 CPO 和 Twitter 的产品增长总监。这期节目围绕 Tom 提出的一个颇具争议的观点展开——他公开表示"为产品管理的存在感到遗憾"，并深入探讨了 AI 时代产品经理角色的未来、团队结构的变化，以及他招人时真正看重的能力。 这期对话信息密度极高，涵盖了产品管理的本质、AI 对产品团队的重塑、个人贡献者与管理者角色的转变、如何与强势创始人共事、以及 Whatnot 独特的组织文化等多个维度。无论你是产品经理、工程师、设计师，还是创业者，都能从中获得关于产品工作本质的深刻洞察和实用建议。 👨‍⚕️ 本期嘉宾 Tom Verrilli，Whatnot 首席产品官。Whatnot 是史上增长最快的美国市场电商平台，GMV 超过 80 亿美元。在此之前，Tom 长期担任 Twitch 的 CPO，并在 Twitter 担任产品增长总监，经历了该公司历史上最动荡的时期之一。他以其犀利、反直觉的产品管理观点著称，是产品领域最具影响力的声音之一。 ⏱️ 时间戳 开场 & 播客简介 00:00 节目开场与嘉宾介绍 00:34 本期克隆节目介绍：Lenny's Podcast 对话 Tom Verrilli 01:18 Tom 的核心观点："我们为产品管理的存在而感到遗憾" 产品管理的本质与演变 02:05 产品管理是一门手艺，而不是一种资格 04:39 产品管理岗位的历史起源与演变 07:39 人力资源配比模式的出现与问题 08:28 工程师和设计师是否想做产品经理的工作 AI 时代的产品团队重构 12:34 AI 对产品经理角色转变的驱动 15:03 Whatnot 产品团队的实际结构与运作方式 16:52 招产品经理时看重什么特质 17:21 哪些特质正在走下坡路 个人贡献者与管理者角色的转变 21:23 产品经理转向个人贡献者式的工作 21:39 为什么把所有 A 级人才都提拔到不再做事的位置 24:44 个人贡献者工作具体指什么 25:47 对"回去做个人贡献者"的看法 薪酬、招聘与产品技能的未来 27:39 个人贡献者能否拿到副总裁级别的薪酬 28:08 产品最终会做得更好还是人更少 30:56 对正在找产品经理工作的人的建议 33:44 AI 让产品团队跑得更快的三个方式 数据科学、角色演变与产品团队的未来 38:22 数据科学家面临的挑战与机遇 39:46 哪些角色会往下走，哪些会往上走 41:25 未来几年产品团队的整体形态 42:49 产品经理的核心技能是否成了最有价值的东西 与创始人共事的艺术 49:21 CPO 在创始人主导的公司中的角色 49:55 "两个爸爸问题"与不重复劳动 51:41 自上而下与微管理的真正含义 53:23 给想给创始人打工的产品人的建议 "拉手风琴"思维模型与电商未来 57:22 "拉手风琴"思维模型 01:00:26 具体场景中的"拉手风琴"应用 01:02:17 Whatnot 与 Agent 电商的对比 01:05:00 在 Twitter 的经历与学到的教训 失败角落与快问快答 01:08:05 失败角落：平均值对个体毫无意义 01:10:36 对听众的寄语 01:12:46 快问快答：推荐书籍、电影、产品 01:16:28 在 Whatnot 上买活龙虾的经历 🌟 精彩内容 💡 "我们为产品管理的存在而感到遗憾" Tom 用这句话作为 Whatnot 产品团队的核心理念，不是为了否定产品经理的价值，而是为了逼自己记住：不要为了招产品经理而招产品经理。只有在确实有明确需求的时候才招，而不是默认每个地方都需要产品经理。 "我们之所以这样表述，是为了逼自己记住：不要为了招产品经理而招产品经理。" 💡 产品管理是一门手艺，而不是一种资格 Tom 认为，想让产品管理成为一门专职职能的唯一理由，是它是一门手艺——靠做才能做好的东西，是一块肌肉。但反过来，你越是把工程师和设计师从这件事里抽离出来，他们的这块肌肉就越萎缩。 "想让产品管理成为一门专职职能的唯一理由，其实是——它是一门手艺，而不是一种资格。" 💡 招这么多产品经理，反而把工程师和设计师"婴儿化"了 Tom 指出，随着科技公司扩张，那种"每招六个工程师就配一个设计师、一个产品经理"的配比模式凭空出现。结果就是工程师和设计师完全有能力做出好的决策，只是从来不需要做，因为总有产品经理在旁边盯着他们。 "雇这么多产品经理反而把工程师和设计师给'婴儿化'了，他们完全有能力做出好的决策，只是从来不需要做。" 💡 我们把所有 A 级选手都提拔到不再做具体事情的位置上去了 Tom 对产品经理被提拔成总监后不再亲自动手的现象提出尖锐批评。他主张，副总裁和总监应该把 90% 以上的时间花在个人贡献者工作上，因为资深产品人对什么能成的直觉已经磨得很准，能更快做决定、产生实际影响。 "你为什么不希望梅西在你的球队里踢球，而是一直指望青训营出人？" 💡 没有微观，你就做不好宏观决策 Tom 强调，如果你不逼自己下沉，跟个人贡献者工程师、设计师、产品经理坐在一起干活，你根本不会知道系统到底怎么运作。他主张做 T 型人才——需要的时候能扎得非常深，大多数时候在各个板块之间保持广度。 "没有微观，你就做不好宏观决策。" 💡 "拉手风琴"思维模型 Tom 用钢琴手风琴来比喻产品开发的节奏：在弹出一个音符之前，你得先把它完全拉开，把空气吸进来——想清楚我们到底想做成什么。但直到你按下琴键、把它一路推回去，推到 V1，音乐才真正产生。你得习惯这个动作：拉开本身不创造价值，所有的价值都在推回去的时候产生。 "你得不断地拉远、再推回来，拉远、再推回来。" 💡 大多数时候你听到"这事真的很复杂"，其实并不复杂，就是领导层太弱 Tom 分享在 Twitter 的经历时指出，很多看似复杂的问题，其实只是领导层缺乏拍板的勇气。他举例说，所有人都知道迟早要放开 140 字的限制，但一个接一个的工作组就是没人愿意拍板，结果拖了一年半才真正实施。 "大多数时候你听到'这事真的很复杂'，其实并不复杂，就是领导层太弱。" 💡 平均值对个体来说毫无意义 Tom 分享他职业生涯中最大的失败教训：在任何一个规模不小的群体里，去看某个东西的平均效用或平均采用率是特别有吸引力的事，但平均值一直在骗你。如果只依赖平均值，而不去想藏在下面的那些个体使用场景，你可能会把某群人的核心用例给炸掉。 "平均值对个体来说毫无意义，这大概是我被伤得最深的一点。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Unsupervised Learning: With Jacob Effron xAI Co-Founder: Igor Babuschkin Unpacks the Future of Model Development 原内容更新时间：2026-07-31 本期嘉宾是xAI联合创始人、River AI创始人Igor Babuschkin，主持人是Redpoint投资人Jacob Effron。Igor的职业生涯几乎横跨了所有顶级AI实验室：在DeepMind主导星际争霸和AlphaCode项目，在OpenAI推理团队早期加入、参与了o1模型诞生前的研究，随后联合创办xAI，在约120天内建成Colossus数据中心，并推动Grok系列模型达到前沿水平。 这期节目里，Igor首次深度分享了离开xAI后创办River AI的完整思考，以及他在企业AI、个人AI和本地硬件上的三个核心押注。他还坦诚聊到了与Elon Musk共事的真实体验、对Cursor收购的看法、为什么他认为闭源模型厂商作为生意正陷入困境，以及他对AI对齐、开源模型和人类未来的深刻反思。如果你关心AI行业的走向、模型训练的瓶颈，或者想了解顶级AI研究者如何看待这个时代的变革，这期节目会给你大量一手判断。 👨‍⚕️ 本期嘉宾 Igor Babuschkin，River AI创始人兼CEO，xAI联合创始人。他的职业生涯横跨DeepMind、OpenAI和xAI三大顶级AI实验室：在DeepMind主导了星际争霸AI项目和AlphaCode项目，在OpenAI参与了推理方向的早期研究，随后联合创办xAI并主导了Colossus数据中心的建设。2025年离开xAI后创办River AI，专注于企业AI、个人AI和本地硬件三个方向。他是一位兼具研究深度和工程能力的AI领域领军人物，对模型训练、强化学习和AI对齐有极深的理解。 ⏱️ 时间戳 00:00 开场 & 播客简介 嘉宾登场与背景介绍 01:10 主持人Jacob Effron介绍Igor的传奇经历 02:18 Igor接受邀请，对话正式开始 从科幻小说到AI愿景 02:56 Igor谈为何写科幻小说：编程Agent的爆发 04:17 现代版《魔法师的学徒》：AI失控的隐喻 05:11 个人AI是Agent的下一个迭代方向 AI的下一步：从可验证到不可验证 05:57 科学发现是AI的下一个明确方向 07:16 数据瓶颈：物理世界实验的挑战 08:09 超级AI与日常AI的分化 River AI的三个赌注 09:26 创办River AI的动机：分发AI的控制权 11:20 三个项目：企业API、个人AI、本地硬件 11:36 第一个赌注：River API强化学习服务 12:12 第二个赌注：个人AI与个性化对齐 13:10 第三个赌注：本地硬件与推理算力 本地AI的隐私与控制 14:47 控制权是本地AI的核心动机 15:02 本地设备的低延迟优势 15:23 个人AI的隐私问题与数据安全 模型个性化与端到端训练 15:57 个人模型的持续学习与定制 16:24 端到端训练的重要性 17:08 以个体幸福感为奖励函数 企业AI与开源模型的未来 19:19 企业定制模型的成本与速度考量 19:50 专有模型与开源模型的竞争格局 20:36 开源模型变强带来的趋势变化 21:42 专有模型厂商的困境：两头受压 开源模型与地缘政治 27:48 中国开源模型的优势与风险 28:13 开源模型降低门槛的价值 29:03 对模型后门风险的评估 29:37 美国需要最好的开源模型 从DeepMind到OpenAI的旅程 30:38 回顾AI进展的惊人时刻 30:55 从物理学家到AI研究者的转变 32:04 星际争霸项目的技术挑战 33:04 AlphaCode：编程是下一个大方向 33:49 加入OpenAI推理团队 OpenAI与DeepMind的比较 34:50 两家实验室的文化差异 35:11 OpenAI的优势：人才密度与共识 35:42 对AI权力集中的担忧 xAI的创立与Colossus 37:11 与Elon Musk的相遇与共鸣 37:49 xAI的创立与人才聚集 38:26 Colossus数据中心：120天的奇迹 39:10 质疑传统数据中心建设方式 与Elon共事的体验 40:10 Elon对工程师的尊重 40:46 深入工程细节的领导风格 41:08 高能量与团队动力 Cursor收购与编程模型 41:25 Cursor收购是极其聪明的一步 41:52 真实世界编程数据的价值 42:24 强化学习环境的重要性 模型训练的瓶颈与突破 43:08 最大瓶颈：长时域与不可验证奖励 43:39 编程赛道的陷阱与长时域领域 44:04 Agent rollout时间对训练的限制 不可验证领域的进展 44:37 LLM裁判方法的兴起 44:50 模型自身判断力的可靠性 45:18 配方已存在，等待大规模实验 AI的变革时刻与未来 45:41 编程Agent的变革超出预期 46:22 阶跃变化时刻的不可预测性 人类与机器的共生 46:50 人类在AI时代的位置 47:12 与机器建立正确的共生方式 47:58 对齐需要更深层次的进展 AI安全与放缓的呼吁 49:17 对放缓AI发展的公开信的看法 49:32 AI已太大，难以慢下来 50:02 在安全技术上加速 开源模型与对齐研究 50:15 开源模型对安全研究的价值 50:35 网络安全能力是当前最大风险 AI的风险评估 50:55 AI放大不平等的直接风险 51:18 模型接管一切的远期风险 结尾与感悟 51:40 《向机器神祈祷》中的动人句子 51:57 第一次让模型跑起来的神奇感觉 52:39 收尾与感谢 🌟 精彩内容 💡 "我们想做爵士乐队，不想做军乐队" Igor用"爵士乐队"形容Notion的组织状态：不是没有结构，而是在结构中允许即兴、协作和个人发挥。AI时代变化太快，传统计划与层级不足以应对每周都在变的技术环境。 "我们想做爵士乐队，不想做军乐队。" 💡 AI产品不是造桥，而是酿啤酒 传统软件像造桥，设计清楚结果可预测；用language model构建产品更像酿啤酒，你无法完全控制"酵母"，只能让最强的人一起实验、评估、打磨。 "用language model构建产品，更像是在酿啤酒。" 💡 编程Agent的爆发是所有人都没预料到的变革 Igor坦言，他原本预期编程模型会平稳进步，但2025年11月、12月编程Agent突然跨过能力门槛，使用量爆发式增长，这种阶跃变化完全超出预期。 "使用量的突然爆发，那真的是另一回事。" 💡 闭源模型厂商正被两头挤压 前沿模型强到可能不被允许发布，而开源模型每个月都在变强。Igor认为做专有模型其实不是个好位置，出路在于创新和走向分布式。 "你把模型做得太好了，不让你发布；但开源就在你身后，每个月都在变强。" 💡 个人AI的核心是端到端训练个体幸福感 Igor认为，未来的个人AI应该针对每个个体进行端到端训练，以最大化一个人的幸福感为奖励函数，而不是让模型在平均用户上表现良好。 "你真的要针对你想优化的那个真实信号去做端到端训练——也就是个体的幸福感。" 💡 本地硬件是AI控制权的根本 Igor强调，把推理算力带到用户本地，让模型真正属于个人，是解决AI权力集中的根本一步。这既是研究问题，也是工程问题。 "我们能不能把推理算力带到用户本地？要真正在办公室、在家里放一台小设备就能跑前沿模型，需要做到什么？" 💡 美国需要拥有最好的开源模型 Igor认为，美国拥有最好的开源模型至关重要，这既是地缘政治的需要，也是让更多人参与AI对齐研究的基础。 "我们应该都想办法，怎么让一个美国团队训练出全世界最好的开源模型，没有之一。" 💡 人类需要与机器建立深层次的共生 面对"机器能做所有工作，人类还剩什么"的问题，Igor认为关键在于找到与机器的正确共生方式，这需要对齐方面的新进展，甚至可能包括神经接口。 "我们应该努力的方向，是想办法让共生继续下去。而对我来说，这需要对齐方面的新进展。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Basil Chatha Russ Salakhutdinov - Kimi K3 CEO’s PhD Advisor Predicts the Future of AI Agents 原内容更新时间：2026-07-27 本期嘉宾是卡内基梅隆大学教授Russ Salakhutdinov，主持人Basil与他展开了一场关于AI行业现状与未来的深度对谈。Russ的履历横跨现代AI的整个发展史：师从AI教父Geoff Hinton攻读博士、将创业公司卖给苹果并参与秘密的自动驾驶项目Titan、在Meta超级智能实验室构建计算机使用Agent，如今创办了预测未来的AI公司Sooth Labs。 这期节目信息密度极高，涵盖了从深度学习早期到AGI前景的完整脉络。Russ直言不讳地指出：前沿实验室的架构其实高度同质化，真正的驱动力在工程和数据；真正在实验室工作的人并不认为AGI两年内就能实现；世界上唯一被证明有用的机器人还是Roomba；而AI终将取代麦肯锡、贝恩和波士顿咨询这样的巨头。如果你关心AI行业的真实走向、开源模型的竞争格局，或者想了解预测系统如何改变决策方式，这期节目会给你大量一手判断。 👨‍⚕️ 本期嘉宾 Russ Salakhutdinov，卡内基梅隆大学教授，曾师从AI教父Geoff Hinton，是深度学习领域的早期研究者之一。他的职业生涯横跨学术界与工业界：将创业公司Perceptual Machines卖给苹果后参与了秘密的自动驾驶项目Project Titan，之后回到CMU任教，并在Meta超级智能实验室工作了两年，专注于计算机使用Agent的构建。如今他创办了Sooth Labs，致力于构建能预测未来的AI系统。值得一提的是，他还是Kimi CEO杨植麟在CMU的博士生导师。 ⏱️ 时间戳 00:00 开场 & 播客简介 深度学习早期的探索 03:03 从银行业到博士：与Geoff Hinton的偶遇 04:50 神经网络为何令人兴奋：数学之美与生成模型的曙光 07:56 AlexNet的突破与计算机视觉的转折点 从学术到产业：自动驾驶与苹果 18:27 创办Perceptual Machines与苹果的合作 20:19 Project Titan：自动驾驶的早期探索 21:23 从80%到99%：自动驾驶的边角案例困境 计算机使用Agent与Meta超级智能实验室 30:47 回到CMU与计算机Agent的起源 33:36 构建早期计算机使用模型的挑战 40:25 模型为何还不够好：规划与grounding的差距 模型同质化与开源竞争 44:53 Meta训练规模模型的意外发现：架构高度相似 46:56 数据平台期与合成数据的未来 01:10:27 中国开源模型的崛起与Kimi CEO杨植麟 Sooth Labs与预测系统的未来 53:16 创办Sooth Labs：构建预见系统 54:16 预测系统的实际应用：Martin Ma的毕业预测 58:40 为什么ChatGPT做不了预测：结构化数据的缺失 01:00:25 从Agent时代到决策系统时代 🌟 精彩内容 💡 "我们不会在两年内实现AGI" Russ直言，真正在前沿实验室工作的人，并不认同外界对AGI即将到来的狂热预期。架构并没有根本性的突破，一切都归结于数据、工程和基础设施的持续改进。 "很多人基本上在说：'天哪，OpenAI搞出了一种新架构。'他们觉得AGI已经搞定了，这绝对不是真的。架构还是一样的。" 💡 前沿模型正在变成同质化商品 Russ认为，所有大语言模型最终都会变成商品，真正的竞争将转向产品层面。像Codex和Claude Code这样的产品之所以成功，是因为它们能与代码库深度集成，形成用户粘性。 "我觉得它们会变成商品，是的。现在一切都取决于产品，一旦它变得有粘性，你就会一直用它。" 💡 中国开源模型的崛起是美国的"可悲状况" Russ高度评价中国AI人才，特别提到Kimi CEO杨植麟是他认识的最聪明的人之一。他坦言自己的学生都在用Qwen、Kimi、DeepSeek做研究，并惊讶于美国缺乏好的开源模型策略。 "他是我认识的最聪明的人之一。中国有很强的人才，他们现在也有资源，所以我觉得他们能和美国竞争。" 💡 世界上唯一有用的机器人还是Roomba 谈到机器人技术，Russ直言不讳：目前没有任何一个机器人被证明在实际生活中真正有用，操作能力是最大的瓶颈，而机器人领域缺乏互联网规模的数据。 "现在只有一个例子，就是Roomba，对吧？就是帮你打扫房子。现在没有第二个例子，一个机器人有用到让我愿意花个5000块让它帮我干活。" 💡 AI应该取代麦肯锡和波士顿咨询 Russ大胆预测，AI将取代传统咨询公司的核心价值——预测和决策支持。AI能处理的信息量远超十个分析师，而且能给出校准过的概率估计。 "麦肯锡为什么存在？波士顿咨询集团，这些都是大机构，它们都应该被AI取代，因为AI会给你好得多的信息。" 💡 预测系统的独特价值：无法作弊的泛化 Russ解释了为什么预测未来是检验模型泛化能力的终极测试——回测永远有信息泄漏的风险，而预测未来事件则无法污染数据。Sooth Labs正在构建的系统，能给出校准概率和决策点。 "如果你要测试的是还没发生的未来事件，你就没办法作弊，对吧？这就是真正的泛化。" 💡 未来属于有判断力的混合型人才 Russ认为，纯粹的软件工程岗位会减少，但那些既懂机器学习和统计、又有很强编程能力的人将永远抢手。AI工具让效率大幅提升，但分析性思维和判断力才是核心竞争力。 "有判断力、懂机器学习和AI、同时编程又很强的人，这种人会一直非常抢手。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Beyond Coding AWS Veteran: The New Software Development Life Cycle 原内容更新时间：2026-07-22 本期嘉宾是AWS老兵Heitor Lessa，主持人是Patrick。Heitor在亚马逊工作了11年，曾培训过8000多名架构师，并亲手将Lambda Powertools打造成每周处理2300亿次API调用的开源项目。这期节目里，Heitor首次在屏幕上完整展示了他为1400名工程师设计的Agent驱动开发工作流，从产品发现、规范驱动开发到合并检查，还分享了他重构时烧掉2亿token的惨痛教训。 这期节目不只是关于AI编程工具的讨论，更是一场关于软件工程范式转移的深度对谈。Heitor详细拆解了他如何将PRD、规范驱动开发、对抗性评审等传统工程实践，重新设计为适合Agent协作的工作流。如果你正在思考AI时代如何重构自己的开发流程、如何让Agent真正可靠地工作、如何在团队规模下管理AI成本，这期节目会提供大量一手经验和可操作的实践建议。 👨‍⚕️ 本期嘉宾 Heitor Lessa，AWS老兵，在亚马逊工作了11年，期间换了8个不同岗位，从技术支持到解决方案架构师，再到开发者布道师。他是Lambda Powertools的创造者，这个开源项目从几百次下载发展到每周2300亿次API调用，被美国和英国政府等机构使用。Heitor还培训过8000多名架构师，现在在一家名为Agente的公司担任工程师，专注于Agent驱动的软件开发工作流设计。 ⏱️ 时间戳 00:00 开场 & 播客简介 AWS老兵的故事 01:24 Heitor的AWS 11年：从技术支持到无服务器专家 02:55 三个塑造思维的关键角色：技术客户经理、解决方案架构师、开源维护者 13:21 Lambda Powertools的诞生：从re:Invent演讲到每周2300亿次API调用 职业成长建议 16:26 给工程师的职业建议：学习相邻岗位的技能 19:29 理解领导层决策：跟着激励走 20:26 苏格拉底式提问法：用提问理解复杂问题 Agent驱动开发工作流 22:05 产品循环：从discovery到白板讨论 27:20 /roadmap命令：将产品需求固化为路线图 31:55 /new work命令：捕捉实现过程中的新发现 35:20 苏格拉底式提问法在Agent中的应用 开发循环详解 51:42 从issue到实现：Agent如何驱动开发 52:33 Open Spec：规范驱动开发的核心 54:21 三档模型策略：SOTA、中档、小模型的配合 56:06 成本控制：1400名工程师的AI预算管理 平台工程与规模化 57:16 从云计算到AI：成本管理的相似性 58:15 平台工程：为Agent时代铺设"康庄大道" 01:01:13 预算上限作为教育触发点 01:03:34 规模化培训：从8000名架构师到1400名工程师 本地优先架构 01:14:34 本地优先架构(LFA)：为什么"真希望早知道" 01:14:41 LFA原理：客户端成为事实来源 01:17:18 OPFS技术：浏览器虚拟文件系统 01:19:02 个人项目：用LFA构建绩效评估工具 合并检查与持续改进 01:19:58 apply阶段：清空上下文，让Agent自主执行 01:29:19 Hooks：事件驱动的代码质量保障 01:33:00 合并检查：15个对抗性审查员防止Agent伪造 01:35:05 /retro命令：从会话中学习，持续优化工作流 总结与展望 01:36:59 开源计划与实用建议 01:41:24 批判性思维与Agent的平衡 01:45:13 工程设计的未来：让韧性成为工作流的一部分 🌟 精彩内容 💡 "我们想做爵士乐队，不想做军乐队" Heitor用"爵士乐队"形容Notion的组织状态：不是没有结构，而是在结构中允许即兴、协作和个人发挥。AI时代变化太快，传统计划与层级不足以应对每周都在变的技术环境。 "我们想做爵士乐队，不想做军乐队。" 💡 学习相邻岗位的技能是职业成长的关键 Heitor分享了他最喜欢的职业建议：当你从senior升staff、从staff升principal时，硬技能的重要性在下降，因为大部分时间你花在影响别人、跟人协作、跟人沟通上。学习相邻岗位的技能——开发者营销、公开演讲、技术写作——能让你掌控自己的命运。 "让职业生涯成长的最好方式，不是学更多东西让自己在现有岗位上更高效，而是去学相邻岗位的东西。" 💡 苏格拉底式提问法是理解复杂问题的利器 Heitor在亚马逊做"驻场工程师即服务"时，用苏格拉底式提问法在一周内搞清楚公司无法快速交付的根本原因。这种方法纯粹靠提问来真正理解话题，一个问题引出下一个问题，直到找出对方思路里的矛盾。 "苏格拉底式提问法是一种方式，让你几乎像在调查模式里，但用的是好奇心的视角。" 💡 纸质笔记是AI时代的超能力 Heitor坚持用纸质笔记，因为打字总是比思维处理速度快，而写字则相反——你在处理、消化信息。用纸还能让你全身心在场，看到肢体语言，因为70%以上的沟通是非语言的。 "用纸的话，你基本上就是全身心在场，你是敞开的，所以这更像是一种——我不会说'更有同理心'的方式——但它确实给你一个优势。" 💡 三档模型策略：不是所有任务都需要SOTA模型 Heitor在Agente用三个不同档次的模型：SOTA模型用于探索和理解，中档模型用于实施，小模型用于审查。这样既控制了成本，又保证了质量。他重构时烧掉2亿token的教训让他明白，必须更明智地使用模型。 "当领导层开始质疑：等一下，我需要为一个工程师每月多付5000块、3000块，就为了让他们干活？这笔账算不过来。" 💡 合并检查：防止Agent伪造证据的关键机制 Heitor设计了合并检查机制，每个改动、每次提交都必须伴随一轮基于这些改动的审查。他用确定性的脚本验证审查是否真的跑了、是否真的读了同样的文件，生成带所有证据的证明，在CI中验证。 "我怎么确保这种事不会发生？所以，我没时间审查的代码，我不会放进来。" 💡 /retro命令：从会话中学习，持续改进工作流 Heitor设计了/retro命令，用苏格拉底式方法回顾刚跑完的会话，搞清楚是什么让你不得不去纠正Agent，然后生成一张表，列出所有现在可以变成确定性的东西。这让整个开发循环变成一个持续改进的过程。 "你往往会忘记，因为Agent在帮你做所有事，其中有些事本来可以是确定性的。" 💡 本地优先架构：让全球团队获得流畅体验 Heitor分享了他对本地优先架构的热爱，所有操作先在本地发生，客户端成为事实来源，服务器更像一个同步引擎。这让全球各地的团队都能获得几乎无延迟的体验。 "你可以想象成对本地数据库做事务操作。然后我再同步那些真正需要同步、需要让它工作的部分。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 All-In Podcast Chip Stocks Crash, $20B Fund Margin Called, Frontier Labs: SLOW DOWN AI, Mamdani's Grocery Stores 原内容更新时间：2026-07-31 本期节目由四位硅谷顶级投资人——查马斯、萨克斯、弗里伯格和杰森——悉数到场，从一起震惊市场的对冲基金爆仓事件切入，展开了一场关于AI泡沫、市场波动与科技未来的深度激辩。25岁的天才基金经理Leopold Aschenbrenner，凭借对AI芯片的极度看涨押注，将2.25亿美元基金做到了450亿规模，却在一周内因杠杆爆仓被Citadel接盘，这背后是芯片股暴跌、韩国散户爆仓潮与全球宏观经济的剧烈共振。 但节目远不止于市场分析。四位大佬随后将矛头指向了AI行业最核心的矛盾：当Anthropic和OpenAI一边疯狂烧钱训练更强大的模型，一边联名上书美国政府要求“放慢AI发展节奏”时，这究竟是出于对人类的真诚担忧，还是精心策划的监管俘获与垄断伪装？与此同时，中国开源模型的崛起正在将大语言模型商品化，威胁着硅谷巨头的万亿市值叙事。节目最后甚至聊到了纽约市营杂货店的政治经济学，以及用64维空间建模果蝇大脑的科学奇观。 👨‍⚕️ 本期嘉宾 本期嘉宾为《All-In Podcast》四位常驻主持人：Chamath Palihapitiya（Social Capital创始人，前Facebook高管）、David Sacks（Craft Ventures联合创始人，前Yammer CEO）、David Friedberg（The Production Board创始人，前Google高管）和Jason Calacanis（知名天使投资人）。四人均为科技投资与创业领域的风云人物，以对市场、政策和技术的犀利交锋著称。 ⏱️ 时间戳 开场与市场风暴：芯片股暴跌与天才基金的覆灭 01:08 芯片股创历史新高后暴跌，大型对冲基金被追缴保证金 02:18 Leopold Aschenbrenner的崛起与陨落：从2亿到450亿再到爆仓 05:05 杠杆是聪明人破产的唯一方式：3.5倍杠杆如何放大风险 06:34 市场回调是基本面驱动还是动量驱动？萨克斯的深度分析 AI竞赛格局：中国开源逆袭与硅谷双头垄断 19:32 中国开源AI模型正在压低模型价值，价值将留在算力与能源层 20:55 中国芯片本土化冲击：ASML暴跌与长鑫存储的崛起 22:43 被低估的生产力红利：太阳能爆发与AI效率的指数级提升 31:01 到2050年美国电力缺口达1.7太瓦时，相当于六个加州 前沿实验室的“暂停”呼吁：真诚担忧还是监管寻租？ 31:55 Anthropic与OpenAI联名上书：请求政府放慢AI发展节奏 33:12 Sam Altman披露未发布模型黑进Hugging Face的安全事件 36:04 萨克斯拆解五大动机：美德信号、自我保护、监管俘获、群体思维与垄断伪装 45:55 弗里伯格：这是一种极度的自大，他们以为自己是唯一能保护人类的摩西 焚书、版权与知识蒸馏 55:52 Anthropic被曝销毁珍本书籍以获取训练数据优势 57:51 萨克斯：这是一场工业规模的蒸馏攻击，作者从未同意 01:02:09 弗里伯格谈Google Books案与AI合理使用的法律前景 01:04:41 萨克斯抨击虚伪：Anthropic拿全世界的产出训练，却不许别人训练自己的输出 社会主义角：纽约市营杂货店的政治经济学 01:08:36 纽约市宣布开设五家市营杂货店，每月一周七折优惠 01:10:39 弗里伯格反向预测：这些超市会大受欢迎，成为社会主义的奇观燃料 01:16:10 两党共同的财政货币困境：超支、通胀与生产力提升的赛跑 科学角：果蝇大脑的64维奥秘 01:17:58 弗里伯格解读布达佩斯团队的惊人论文 01:18:37 果蝇大脑13.9万个神经元与5000万个突触连接的拓扑模型 01:20:17 双曲空间与64维欧几里得几何：生物学复杂性的惊人一瞥 01:22:39 意识也许连接到了一个我们日常不生活的维度 🌟 精彩内容 💡 杠杆是聪明人破产的唯一方式 萨克斯引用巴菲特或芒格的名言，指出Leopold的悲剧在于用3.5倍杠杆放大了短期波动。即使长期看涨AI的逻辑完全正确，杠杆也会在市场回调时将你清零，让你等不到称重机发挥作用的那一天。 "如果你不用杠杆，你的投资组合这个月可能只是跌了30%，然后今天就已经涨回来7%了。可如果你上了三四倍杠杆，你就被清零了。" 💡 中国正在将AI模型商品化，价值将留在算力与能源层 弗里伯格指出，中国通过发布开源AI模型，正在系统性地压低模型层的价值。这打破了硅谷巨头原本设想的“模型层创造巨大价值”的30年经济模型，迫使价值向上游的算力基础设施和能源层转移，而中国在这些领域同样具有优势。 "中国正在证明，他们可能通过发布开源AI模型来压低模型的价值，最终价值可能只留在算力基础设施、算力层和能源层。" 💡 垄断者假装自己是普通商品，普通商品假装自己是垄断者 萨克斯引用彼得·蒂尔的经典论断，拆解了Anthropic和OpenAI呼吁监管的真实动机。他认为AI前沿市场已经是双头垄断，而这两家公司有强烈动机去夸大中国竞争威胁，以伪装自己并非完全掌控市场，从而规避反垄断压力。 "前沿AI市场已经是双头垄断了。当你处于那种位置时，你会想让市场看起来比实际竞争激烈得多。" 💡 他们不只是“想要被监管”，他们想要主导监管 弗里伯格精准区分了“被监管”与“主导监管”的本质差异。他认为这些前沿实验室的领导者并非出于恶意，而是出于一种极度的自大——他们真诚地相信自己是唯一有资格引导人类穿越AI时代的人，因此需要同时掌握模型的力量、政府的力量和监管的力量。 "他们想要拥有所有的权力，不只是模型的力量，还有政府的力量、监管者的力量，以及嵌入世界各国政府的控制单元的力量。" 💡 生物学在64维里找到了创造意识的方法 弗里伯格分享了一篇令人震撼的论文：研究人员发现，即使只有13.9万个神经元的果蝇大脑，其神经元连接拓扑也需要64维空间才能精确建模。这暗示生物意识可能连接到了我们日常无法感知的维度，也让我们意识到人类对复杂性的理解有多么有限。 "生物学找到了一种方法，创造出意识、视觉、理解力、对身体的控制，然后把这些都映射、压缩进一个小小的脑子里。它实际上是在64维里做到的。" 💡 社会主义的多层次营销体系里，很大一部分就是制造奇观 弗里伯格对纽约市营杂货店做出了反直觉预测：它们不会失败，反而会大受欢迎，成为社会主义政策的成功广告。因为短期来看，没人需要为免费午餐买单，账单只会被推给未来，而媒体会将这些超市包装成乌托邦梦想成真。 "这会制造更多奇观，进一步助长社会主义的多层次营销体系。所有多层次营销体系的问题在于，归根结底，总得有人买单，而实际上根本没人在买产品。" 💡 如果你对自己创造的未来这么悲观，为什么还要急着去创造它？ 萨克斯引用扎克伯格的观点，直击那些一边疯狂推进AI前沿、一边呼吁政府监管的实验室的虚伪。如果他们认为自己在创造一个可能让所有人失业、甚至取代人类的替代物种，那么放慢脚步的选择权完全在他们自己手中，不需要拉上政府来背锅。 "你为什么要急着去创造一个你自己都不相信的未来？你觉得你在给人类创造一个替代物种？如果你对自己创造的未来这么悲观，为什么还要急着去创造它？" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Money News Network Which Companies Bill Ackman Is Bullish and Bearish on Right Now 原内容更新时间：2026-07-20 本期嘉宾是华尔街传奇投资人、潘兴广场创始人比尔·阿克曼，主持人是金融专家 Nicole Laffin。阿克曼是那种发一条推文就能撼动市场的重量级人物，而 Nicole 则以把复杂金融概念讲得通俗易懂著称。这期节目录制于 2026 年 7 月，正值 AI 基础设施狂热、市场估值高企、地缘政治动荡的微妙时刻。 阿克曼在节目中系统拆解了他的长期投资哲学：为什么要把股票看作一种“票息不确定的债券”、如何识别能穿越周期的“持久复利机器”、以及为什么在别人恐慌时手里有钱才是最大的优势。他还坦率分享了对 AI 竞赛、SpaceX、比特币、黄金、纽约政治的真实看法，并给出了一个比读 MBA 还有用的极简投资框架。 👨‍⚕️ 本期嘉宾 比尔·阿克曼，潘兴广场资本管理公司创始人兼 CEO。他是华尔街最具影响力的对冲基金经理之一，以集中持股、深度参与被投公司治理、以及在市场崩盘时大胆出手而闻名。他的公开言论和推文常常直接引发市场波动。近年来，他通过推出公开交易基金 PSUS，试图将对冲基金的投资机会向普通投资者开放。 ⏱️ 时间戳 开场 & 市场大局判断 00:00 本期克隆节目介绍 01:11 长期投资者的核心心法：在别人恐慌时手里有钱 02:40 当前最大的故事是 AI，不是地缘政治 03:15 AI 会摧毁就业还是创造就业？ AI 竞赛：谁会赢？ 04:09 Anthropic 领先，但 OpenAI 的巨额亏损令人担忧 04:32 SpaceX 是一组不可思议的资产集合 05:09 永远不要做空马斯克 阿克曼的投资哲学：像看债券一样看股票 05:34 生意的本质是一张“票息不确定的债券” 06:34 只投真正可预测、市场地位稳固的公司 07:54 如果现在有 1000 美元，应该怎么投？ 08:47 潘兴广场的“持久复利机器”组合 市场风险与给新手的警告 14:00 给新投资者的第一条建议：理解复利，别想快富 18:55 不要借钱买股票，不要玩体育博彩 20:05 我们很大一部分利润来自市场崩盘时 21:46 下一次危机的导火索：高杠杆与利率上升 快速问答：看多还是看空？ 26:27 黄金：没看法，它不产生任何收益 28:19 比特币：我不懂，所以不碰 29:25 Chipotle 与星巴克：CEO 的重要性 30:27 特朗普：看好他最后这两年半 31:10 纽约市长 Mamdani：看空，他在吓跑资本 财富传承与成功秘诀 38:02 希望留给女儿们一个怎样的世界 39:39 给孩子留够生活的钱，但别多到不用工作 42:13 成功的秘诀都是基本的东西：准时、多做、说到做到 44:02 极简投资框架：尽早开始，长线思维，少交税 🌟 精彩内容 💡 股票就是一张“票息不确定的债券” 阿克曼用债券类比股票：债券有固定票息和到期还本，而股票的“票息”是公司盈利，只是这个盈利未来会增长还是归零，需要你判断。这个框架把投资拉回到最本质的问题——这门生意未来能产生多少现金。 “我们看公司的方式，就是把它的盈利看作这门生意的收益率。一只股票 PE 是 20 倍，倒过来就是 5% 的盈利收益率。” 💡 在别人恐慌时手里有钱，才是长期赢家的关键 阿克曼坦言，潘兴广场过去二十多年很大一部分利润来自市场崩盘时的部署。不是预测崩盘，而是在崩盘时有现金加仓。这需要两个前提：一是不加杠杆，二是有长期视角。 “成为一个成功的长期投资者的关键，就是能在市场动荡、所有人都在恐慌的时期活下来。事实上，你应该在别人恐慌的时候有钱去投资。” 💡 永远不要做空马斯克 谈到 SpaceX 时，阿克曼承认它不在潘兴广场组合里，因为不具备他们要求的可预测性。但他同时强调，SpaceX 拥有一组不可思议的资产集合，由这代最有才华的技术企业家运营，唯一的问题是价格。 “永远不要做空马斯克。SpaceX 在未来不管多久，都会是一家极其重要的公司。” 💡 你不懂的东西，不需要有看法 当被问到对比特币和黄金的看法时，阿克曼坦率承认自己“完全没概念”。他认为投资的妙处就在于，你不需要对每个资产类别都有看法，只需要知道自己懂什么、不懂什么。 “我不懂比特币，也不懂黄金，所以这两个我都不碰。你只需要知道自己懂什么、不懂什么。” 💡 成功的秘诀都是“明天就能拥有”的东西 阿克曼认为商界最成功的人通常不是智商最高的，而是大家喜欢、大家信任、工作更努力的那个人。诚实、努力、钻研，这些都是你明天就可以决定拥有的品格特质。 “你需要的所有品格特质，明天就能拥有，你只需要下定决心。但你没法选择让自己智商更高。” 💡 长线思维是你最大的竞争优势 阿克曼指出，绝大多数投资者都非常短视，而这恰恰是长线玩家的优势所在。长期持有不仅让复利充分发挥，还更省税——政府只在你卖出时才征税。 “长线玩家能成为大赢家。绝大多数投资者都非常短视，这是你能建立竞争优势的地方。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Andrew Huberman Your Top Health Questions Answered 原内容更新时间：2026-07-27 本期是斯坦福大学神经生物学教授安德鲁·休伯曼的一期特别单口节目。他没有邀请嘉宾，而是首次在节目中实时回答听众通过语音留言提出的各种健康与科学问题。这些问题涵盖范围极广，从深夜训练后如何保证睡眠、有哪些不影响睡眠的训练前补剂，到神经科学支持的记忆力与嗅觉提升方法，再到男女生育营养、围绝经期与心理健康的关联，以及如何找到人生真正的热情。 休伯曼教授以他一贯的深度与严谨，将复杂的神经科学机制拆解成普通人也能理解和应用的具体工具。他不仅给出了基于文献的答案，还反复强调“优化”不等于僵化，真正的健康方案必须适应每个人独特的生活阶段和限制。如果你正在寻找一套既有科学依据、又充满人性关怀的健康与生活指南，这期节目会给你带来巨大的收获。 👨‍⚕️ 本期嘉宾 安德鲁·休伯曼（Andrew Huberman），斯坦福大学医学院神经生物学与眼科学教授。他的播客《Huberman Lab》是全球最受欢迎的健康与科学节目之一，专注于将复杂的神经科学、生理学研究成果转化为普通人可以日常使用的工具。他长期研究大脑可塑性、视觉系统以及压力与睡眠的神经机制。 ⏱️ 时间戳 开场 & 节目形式介绍 00:00 节目开场：跨国串门计划介绍 00:33 本期克隆节目介绍：Huberman Lab 特别问答节目 01:10 休伯曼开场：这是一期实时回答听众语音问题的单口节目 深夜训练与睡眠：如何两全其美 02:36 听众问题：晚上训练后一个半小时就要睡觉，什么补剂能提升力量又不影响睡眠？ 04:19 咖啡因的禁忌：睡前8-10小时内摄入会扰乱睡眠 04:47 核心推荐：Alpha GPC 既能提升训练专注度，又能增加REM睡眠 07:03 关键风险：Alpha GPC 可能升高TMAO水平，需用大蒜提取物抵消 09:42 训练后助眠：洗热水澡与长呼气呼吸法 晨间光照与昼夜节律 13:54 听众问题：早上看西边的天空，能重置昼夜节律吗？ 14:21 任何环境日光都有益：光子数量是关键，不必非得看到太阳 16:35 清晨光照的核心机制：让促兴奋化学物质早上达峰，为夜晚睡眠铺路 18:18 昼夜节律的灵活性：视交叉上核整合的是过去两三天的光照情况 健康优化的边界：何时会弊大于利 20:29 听众问题：当长寿方案本身变成压力来源，优化何时会适得其反？ 21:32 优化的本质：把每一天当作独立单元，适应现实限制 25:27 过度优化的根源：觉得必须时时刻刻做所有事 27:13 解决优化焦虑的三种方法：改变态度、评估可持续性、检查怨恨情绪 神经科学支持的记忆力与嗅觉提升法 30:40 听众问题：从神经科学角度看，改善记忆力和嗅觉的顶级技巧是什么？ 33:32 记忆编码的第一步：保持警觉与专注 36:21 学习的核心机制：你必须犯错，把自己逼到能力极限之外 38:18 最被忽视的强大方法：自我测试 42:23 提升嗅觉：用不同气味进行多次嗅闻训练 男女生育力：营养与补剂的科学建议 47:21 听众问题：哪些特定食物能真正提升男性或女性的生育能力？ 47:48 热量平衡原则：需要足够热量保证生育，但又不能过剩 51:01 外源性睾酮的警告：一定会降低精子数量 53:24 低炎症饮食：高微量营养素、低糖发酵食品是关键 57:27 共识补剂：左旋肉碱和辅酶Q10对精子与卵子质量有益 围绝经期与心理健康 01:00:12 听众问题：围绝经期对心理健康的实际影响是什么？惊恐发作与此有关吗？ 01:03:47 激素变化与焦虑的关联：绝对存在 01:05:35 激素替代疗法的重新评估：早期研究结论有缺陷，时机和剂量至关重要 手术恢复与肌肉保留 01:11:12 听众问题：肾脏捐献手术后如何尽可能保留肌肉？ 01:11:59 术前准备：以最佳体能和休息状态进入手术 01:14:49 术后恢复的关键：尽快建立正常的昼夜节律 01:16:21 肌肉记忆的真相：重新获得力量和肌肉尺寸比第一次容易得多 如何找到人生真正的热情 01:18:59 听众问题：一个人怎样才能找到自己真正热爱的东西？ 01:20:29 找到热情的第一步：继续有结构地安排日常生活 01:22:20 斯特拉默法则：没有输入，就没有输出 01:23:31 两大禁忌：远离是非，别让自己麻木 01:26:30 先当学徒：掌握核心基本功之前，别急着带入个人风格 🌟 精彩内容 💡 Alpha GPC：既能提神又能助眠的独特补剂 休伯曼指出，大多数兴奋剂都会干扰睡眠，但Alpha GPC通过提高乙酰胆碱水平来提升专注力，同时还能适度增加REM睡眠。不过它可能升高TMAO水平，带来心血管风险，因此建议同时服用大蒜提取物来抵消。 "Alpha GPC也是我所知的少数几种能增加快速眼动睡眠，也就是REM睡眠的补充剂之一。" 💡 记忆力的核心秘密：自我测试与主动犯错 神经可塑性发生的前提是，你的神经系统必须被逼到能力极限之外。最有效的学习方法不是反复阅读或划重点，而是进行自我测试，并在想不起来的时候允许自己犯错，那个"卡住"的瞬间正是大脑准备重塑的时刻。 "当你失败、当你搞砸的时候，这会通过一套非常有趣的回路发出信号……你大脑的其他部分就得重塑自己。" 💡 优化的本质是灵活，而非僵化 面对"方案过载"带来的焦虑，休伯曼强调真正的优化是把每一天当作独立单元，根据当天的限制条件做出最好的选择。如果对某个方案感到怨恨，就需要重新评估。不要为做自己而道歉。 "优化不是要僵化，而是要灵活适应。……你是你自己的主人。你为自己负责。" 💡 找到热情的配方：没有输入，就没有输出 休伯曼引用碰撞乐队乔·斯特拉默的法则，强调必须保持对世界积极的兴趣，去接触那些能触动你、唤醒你的事物。同时，在走上任何一条路之后，都必须先经历"砍柴挑水"的阶段，掌握核心基本功，然后才能在上面打上自己独特的印记。 "你得先当学徒。……你不能一上来就说，我就是我，我要改变游戏规则。不行，得先砍柴挑水。" 💡 晨间光照不必完美，但要坚持 很多人纠结于必须看到东边的太阳，但休伯曼解释，任何环境日光都比室内强得多，关键是让足够的光子进入眼睛。你的生物钟整合的是过去两三天的光照情况，所以偶尔错过一天完全没关系。 "你对比一下，比如在隆冬时节，一个阴天的早上九点，你面朝西边，这时的亮度，和前一天半夜的亮度相比，要亮得多，光子数量要多得多。" 💡 低糖发酵食品：被严重忽视的抗炎利器 在讨论生育营养时，休伯曼特别强调了低糖发酵食品的价值。斯坦福的研究表明，每天摄入几份低糖发酵食品（如保加利亚酸奶、酸菜、泡菜）能显著降低多项炎症指标，这对整体健康和生育能力都至关重要。 "低糖发酵食品组的好多项炎症指标都显著下降了。……低糖发酵食品这个建议，我自己肯定是已经采纳了。" 💡 日落婚礼比日出婚礼更科学 当被问到婚礼该选日出还是日落时，休伯曼从睡眠类型学出发，指出大多数人属于中间型或夜猫子，让人提前打起精神比让人稍微熬晚一点困难得多。傍晚的活动对所有宾客的昼夜节律都更友好。 "让人提前打起精神，在比平时起床时间更早的时候保持清醒和警觉，就非常困难了。" 🌐 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 本期我们克隆了：知名播客 Invest Like The Best Sam Altman on AGI, Compute, and Human Agency 原内容更新时间：2026-07-28 本期嘉宾是 OpenAI 的 CEO Sam Altman，主持人是 Patrick O'Shaughnessy。这期对谈发生在 2026 年 7 月，正值 OpenAI 经历战略大调整之后。Sam 坦诚地回顾了过去一年 OpenAI 从"摊子铺得太大"到"重新聚焦做最好、最充裕、最具成本效益的智能"的艰难过程，并分享了他在算力竞赛、通用人工智能临近感、以及 AI 时代人类自主性等核心议题上的最新思考。 这期节目不只是关于 OpenAI 的战略，更是一场关于 AI 时代权力、责任与人类未来的深度对话。Sam 罕见地谈到了他对 AI 权力集中的恐惧、对"AI 霸主"世界的拒绝，以及为什么在技术加速的时代，保住人类共同决定自己未来的能力比以往任何时候都重要。如果你关心 AI 将如何重塑经济、就业、竞争格局和人类自身的角色，这期会提供大量一手洞察和高密度判断。 👨‍⚕️ 本期嘉宾 Sam Altman，OpenAI 联合创始人兼 CEO。他是当前人工智能领域最核心的领导者之一，带领 OpenAI 推动了 ChatGPT 等产品的诞生，深刻影响了全球对 AI 的认知。在创办 OpenAI 之前，他曾担任 Y Combinator 的总裁，是一位经验丰富的创业者和投资人。Sam 以对技术趋势的敏锐判断、对通用人工智能的坚定追求，以及在 AI 安全与治理上的直言不讳而闻名。 ⏱️ 时间戳 开场 & 战略聚焦 00:00 本期克隆节目介绍 01:52 过去一年为什么艰难：摊子铺太大，不够聚焦 02:59 2025 年初的转折点：算力需求远超预期 04:05 OpenAI 的核心业务：销售 AI，让人们创造不可思议的东西 算力竞赛与数据中心 05:14 早期锁定算力的疯狂故事：所有人都觉得我们疯了 07:21 从 GPT-4 开始真正坚定信念 08:11 给云厂商、芯片厂、能源供应商打电话，大多数人拒绝 08:58 吉瓦级数据中心的规模：一万名建筑工人干一年半 竞争、蒸馏与开源 11:56 Kimi 发布：如何看待蒸馏和开源模型的竞争 13:03 对蒸馏问题的淡定：不在十大担忧清单上 14:55 真正的担忧：Hugging Face 安全事件 通用人工智能与人类自主性 16:13 OpenAI 的使命：人类历史上最伟大的技术成就 17:49 AI 带来的权力集中是件非常可怕的事 19:08 精灵的比喻：我们即将创造出一个能实现任何愿望的精灵 20:26 GPT 5.6 已经非常接近通用人工智能 研究、就业与人类角色 21:00 瓶颈一直在变：算力、研究思路、数据 23:32 AI 对就业的影响：为什么经济没有被颠覆 26:00 活在这个时代的感觉：人几乎什么都能适应 29:12 这种新智能的本质：非常异类的智能 机器人、产品与未来 33:52 机器人的"ChatGPT 时刻"会在两三年内到来 35:19 ChatGPT 诞生的故事：原本只是个研究预览版 42:06 未来 6 到 36 个月会发生什么 45:28 最有趣的开放问题：如何避免认知衰退 🌟 精彩内容 💡 "我们即将创造出一个能实现任何愿望的精灵" Sam 用"精灵"比喻即将到来的通用人工智能，但强调第一批愿望应该让整个世界受益。他担心的是，人们用对 AI 的恐惧作为理由，将权力集中在一小部分人手中。 "我觉得没人会想活在一个被 AI 霸主统治的世界里，或者被一家差不多等同于 AI 霸主的公司所控制。" 💡 AI 产品不是造桥，而是酿啤酒 Sam 解释了为什么 AI 时代必须极度聚焦：你只能去做那少数几件真正伟大的事。OpenAI 砍掉了大量业务，重新聚焦到一件事上——做出最好、最充裕、最具成本效益的智能。 "我们正处在一个不可思议的历史时刻，你只能去做那少数几件真正伟大的事。" 💡 瓶颈永远都在，只是在不同地方转移 从研究思路到算力到数据，OpenAI 的瓶颈一直在变。Sam 透露，现在为下一轮训练做风险对冲的规模，已经跟 18 个月前整轮训练的算力差不多大。 "算力越多，研究就能做得越好，你能尝试的东西也更多。" 💡 人类价值观之所以有价值，就因为它是人类的 Sam 观察到，尽管 AI 能力飞速提升，人们仍然更信任和享受与其他人一起工作。他举了艺术品的例子：签名占了大部分价值，因为你想了解作品背后的人。 "人们非常信任并且享受与其他人一起工作。我自己也绝对更愿意跟人打交道，而不是跟 AI。" 💡 最好的公司几乎从来都不是那些看起来很热门的 Sam 从彼得·蒂尔和保罗·格雷厄姆那里学到：要想做得极其出色，你几乎总是得做一些跟别人不一样的事。跟着趋势走只能做得还行。 "你不能只是跟着新浪潮走。" 💡 有孩子之后，更在乎人类自主性和充实人生的意义 Sam 罕见地谈到为人父如何改变了他对 AI 使命的思考。他不需要孩子来提醒他不想毁灭世界，但确实比以前更多地思考人类自主性的角色。 "这种同理心会延伸到所有孩子，然后可能是所有父母，再然后可能是所有人。" 💡 去做有意义的事，去做真正重要的事 Sam 最常给创业者的建议是：去做更难的事。如果这件事你不做，如果你的公司没做成，它可能就永远不会发生了。 "一个雄心勃勃、甚至有点大胆到离谱的愿景，本身就是非常强大的招聘工具。" 💡 人几乎什么都能适应，经历"奇点"并没有感觉更怪异 Sam 分享了一个深刻的观察：人类适应变化的能力超乎想象。从疫情封锁到通用人工智能临近，人们很快就调整过来了。 "看着模型不断变强，兴奋感一点没少。我每天早上起来第一件事，就是看模型训练的进展。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名播客 Y Combinator Jensen Huang: The Mindset That Built NVIDIA 原内容更新时间：2026-07-26 本期是 Y Combinator 总裁 Garry Tan 在 Startup School 2026 上对英伟达创始人兼 CEO 黄仁勋的深度访谈。一位是孵化出无数独角兽的推手，另一位是引领全球 AI 算力革命的掌舵人。黄仁勋罕见地坦诚回顾了英伟达创立之初选错技术方向、靠三本教科书和一笔“违约”合同续命的至暗时刻。 这期节目不只是一段创业史，更是一场关于创始人如何面对现实、保持学习能力，以及如何用“能有多难”的心态去挑战不可能的高密度对谈。如果你正在思考 AI 时代的组织形态、创始人模式、系统思维以及物理 AI 的未来，这期会提供非常多一手经验和高密度判断。 👨‍⚕️ 本期嘉宾 黄仁勋，英伟达创始人兼 CEO。英伟达是全球 AI 算力与图形技术的核心公司，市值突破万亿美元。黄仁勋是一位典型的技术型创始人，长期关注加速计算、深度学习与物理 AI，以其独特的“创始人模式”管理风格和对第一性原理的坚持闻名。 ⏱️ 时间戳 开场与英伟达的至暗时刻 01:47 公司赖以成立的技术，完全是错的 03:21 兜里揣着几百美元去书店买教科书自救 06:26 与世嘉的合作：承认失败并请求对方继续付钱 创始人的底层心态与学习能力 04:00 技术不重要，面对现实和学习能力才重要 04:14 “能有多难”的心态：别人能做到，我也能做到 10:58 好奇心驱动：CEO 是在服务公司、赋能他人 创始人模式与组织打造 12:17 像冲浪一样做 CEO：理解第一性原理才能驾驭混乱 13:17 创始人是在造一辆自己要亲自去比赛的 F1 赛车 14:25 创始人模式可以持续 34 年，从零做到 5 万亿美元 AI 时代的系统思维与 Agent 08:53 意识到 AlexNet 是通用函数逼近器的那一刻 14:58 未来最有用的技能是系统思维 15:59 Agent 的粗粒度递归式自我改进与可控性 开源、物理 AI 与机器人的未来 21:26 OpenClaw 的出现很像当年 Linux 出现的时刻 26:08 能生成视频的那一刻，机器人关节动作就近在眼前了 28:25 物理 AI 最先产生经济价值的是自动驾驶汽车 给年轻人的建议与创业感悟 31:12 简单的事情会被自动化，硬科学和系统思维不会过时 33:39 创业初期的恐惧：买完《如何创办公司》发现书太厚 35:29 别让焦虑阻止你，告诉自己“能有多难”然后动手去做 🌟 精彩内容 💡 “我们公司赖以成立的技术，完全是错的” 黄仁勋坦言，英伟达 1993 年创立时选择的 3D 图形算法根本行不通。在 1995 年意识到这一点时，市场上已有 35 到 40 家竞争对手。他带着几百美元去书店买了三本教科书交给工程师，靠自学重新发明了现代计算机图形学。 “我们是先创办了公司，融了资，然后才去买教科书。” 💡 “能有多难？” 这是黄仁勋面对所有新技术、新市场时的核心心态。他认为，如果一件事值得做，就去学，不要被想象中的困难吓倒。虽然结果总是比预想的难得多，但你必须用这种心态去开始，让苦头一点一点来找你，而不是让焦虑阻止你行动。 “你不需要一天就把整个人生搞定。你只需要搞定那个早晨，搞定今天，就今天。” 💡 创始人是在造一辆自己要亲自去比赛的 F1 赛车 黄仁勋反对创始人为了迎合传统管理技巧而改变自己。他认为 CEO 应该让组织来适应自己，而不是反过来。当有人问他离开后公司怎么办，他的回答是：等我在工作岗位上挂了，下一任 CEO 会自己重塑这家公司。 “你是在造一辆 F1 赛车，但得造得让你自己能开。你应该让车来适应你。” 💡 AlexNet 不只是图像识别，而是通用函数逼近器 黄仁勋回忆，15 年前看到 AlexNet 时，他意识到这比一个具体算法要底层得多——这是一种做软件的全新方式。他立刻开始想象这对整个计算栈、处理器、中间件和应用层意味着什么，并决定把整个产业技术栈重做一遍。 “我们刚刚学会了通用函数逼近器。我们可以给它几乎任何函数的答案，它就能学会那个函数是什么。” 💡 语言就是思想，文本就是智能 在讨论 Agent 和 markdown 文件时，黄仁勋和 Garry Tan 达成共识：语言是思想的载体。当人们轻视 markdown 文件“只是文本”时，他们忽略了文本本身就是智能的体现。你试试不用语言去思考。 “语言就是思想。” 💡 AI 消除的是任务，不是工作 针对 AI 导致失业的担忧，黄仁勋用数据反驳：编程任务被自动化了，但软件工程师岗位年增 10%；放射影像阅读被自动化了，但放射科医生岗位增加了 20%。原因在于积压的需求被释放，生产力提升反而驱动了更多就业。 “我们积压的想法、积压的雄心和抱负是如此之多，以至于如果我们能把编程自动化掉，我们就能雇佣更多的人去做更多的事。” 💡 韧性是最重要的一件事 回顾 34 年创业路，黄仁勋认为最重要的智慧是韧性。他回忆创业初期因为害怕融资而焦虑，但后来发现所有不懂的事情到头来都不重要。只要相信自己有能力学会，每天克服当天的困难，坚持得足够久，英伟达就发生了。 “如果你相信一件事，就放手去做，别让恐惧、焦虑、缺乏自信阻止你去追求它。你只需要告诉自己，我会一路学过去。” 🌐 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 AI 工程播客 Latent Space OpenAI’s Plan to Make ChatGPT the Everything App — Akshay Nathan, OpenAI 原内容更新时间：2026-07-28 本期嘉宾是 OpenAI 核心产品工程负责人 Akshay Nathan，主持人是 swyx 和 Vibhu。Akshay 的职业生涯很有意思，从在 Airtable 做无代码产品，到现在领导团队打造 ChatGPT Work，他一直想把软件的能力带给那些不会写代码的人。这期节目围绕 ChatGPT Work 的发布，深入聊了聊他们是怎么把 AI 助手从开发者群体，一步步推向更广泛的知识工作者，以及这背后产品整合的思路和挑战。 如果你正在思考 AI 时代的产品策略、组织形态、个人生产力，或者好奇 OpenAI 如何将 ChatGPT 打造成一个超级应用，这期对谈会提供大量一手经验和来自产品核心构建者的高密度判断。 👨‍⚕️ 本期嘉宾 Akshay Nathan，OpenAI 核心产品工程负责人，负责生产力团队，主导了 ChatGPT Work 的发布。他此前在 Airtable 从事无代码产品工作，职业生涯早期在消费金融科技领域。Akshay 长期关注如何将软件和代码的能力，以更低门槛的方式带给更广泛的非技术用户。 ⏱️ 时间戳 开场与产品哲学 00:00 节目与嘉宾介绍 01:17 核心观点：瓶颈会变成想法和品味 02:45 从无代码到 ChatGPT Work：把代码的魔力带给每个人 ChatGPT Work 的诞生与整合逻辑 04:19 加入 OpenAI 的初心与公司文化 08:01 发布 ChatGPT Work 的决策过程：Codex 在非开发者中的意外爆发 09:51 产品定位：Codex、ChatGPT 与 Work 如何整合 14:16 为什么没有把 Codex 和 Work 做成两个独立 App 模型、运行框架与使用建议 16:05 ChatGPT 经典模式与 Codex 运行框架的演变 18:24 新模型的使用建议：默认设置就是最好的 19:59 Soul Lite 搭配 Goal 模式的使用技巧 21:07 推理强度滑块的设计哲学 Artifacts、网站与新的工作产出物 22:07 Artifacts 的体验：Agent 化的 Excel 与退休计算器 26:06 网站作为知识工作的新产出物，取代 PPT 和 Excel 27:42 实战案例：用 ChatGPT Work 构建可玩的 3D 游戏 31:35 产品设计的元挑战：在设计一个能制造产品的产品 Agent、记忆与个人生产力 36:03 用户拓展路径：从开发者到知识工作者，再到每一个人 37:38 给重度用户的建议：持续拓展想象的边界 40:00 AI 写评审的边界与礼仪：用 Agent 收集上下文而非替代判断 56:51 记忆系统 V3：让 ChatGPT 真正了解你 AI 时代的团队与生产力衡量 01:02:41 AI 前后构建方式的变化：想法到产品的循环极大加速 01:03:57 未来每个人都是 T 型人才，角色界限正在模糊 01:05:05 瓶颈回归到想法和品味 01:06:22 如何定义和衡量生产力：区分“动作”与“进展” 🌟 精彩内容 💡 瓶颈会变成想法和品味 Akshay 认为，当 AI 让“做东西”这件事变得人人可行，真正的限制不再是技术能力，而是你手头有多少好想法，以及你辨别好坏的能力。想法不是凭空产生的，它们来自与用户的交流、对摩擦的观察和对反馈的闭环。 “瓶颈永远是你的想法数量和手头在做的事情。” 💡 我们不想让用户困在某个标签页里 OpenAI 刻意没有把 Codex 和 ChatGPT Work 做成两个独立 App，因为 AI 正在模糊写代码的人、写文档的人、做营销的人之间的界限。试图根据用户身份划一条硬边界会很难，应该让用户自己选择，但不把他们框死。 “我们不想规定你什么时候该用哪种体验，但我们也不想限制任何人。” 💡 默认设置就是最好的 面对众多模型和配置选项，Akshay 的建议出人意料地简单：用默认的就好。团队花了很多精力让默认配置对绝大多数场景足够好，高级选项是给那些清楚自己在做什么的用户准备的。 “默认设置应该能覆盖绝大多数使用场景。所以我对大多数人的建议就是，用默认的就好。” 💡 网站正在取代 PPT 和 Excel，成为知识工作的新产出物 OpenAI 内部财务团队已经把月度报告从幻灯片和电子表格全部迁移到了网站上。网站的信息承载能力更强，几乎什么都能做，你让它做什么，它就能给你做出来。一旦人们见识到这种魔力，价值就体现出来了。 “以前那种标准产出物，比如一份演示文稿，现在正变成一个网站。” 💡 你在设计一个能制造产品的产品 当产品能创造出无限多种东西时，设计挑战变成了元设计：怎么在简洁和能力之间找到平衡。界面需要在用户表达需求时出现，然后就得退到一边去，用展示而非说教的方式让用户自己发现下一个用例。 “我们一直在努力寻找的平衡点是：怎么给用户一个恰到好处的界面，让他们能表达自己的想法，然后界面就得退到一边去。” 💡 区分“动作”和“进展” 管理者最容易掉进的坑，是把“动作”和“进展”混为一谈。现在工具太强大了，做出“动作”比以前任何时候都容易，但“进展”需要你非常明确、有意识地去想清楚到底要达成什么。 “这个坑可能是把‘动作’和‘进展’混为一谈了。因为现在工具很强大，做出‘动作’比以前任何时候都容易。” 💡 尝试次数才是衡量团队的新标准 当代码行数、PR 数量这些替代指标开始失效，Akshay 更看重“尝试次数”：团队能不能高效地走完从想法、构建、反馈、调整到验证假设的完整循环，并且在整个过程中保持动力和兴奋感。 “我们团队有没有在培养一种能力，不只是追求尝试的数量，更是追求尝试的质量？” 💡 持续拓展想象的边界 Akshay 给重度用户最大的建议是：不断去尝试那些你以前觉得模型绝对做不到的事。他举例说，六个月前 AI 写评审还完全没用，现在却能抓取代码、Slack、评审记录等所有上下文，做得比人还好。 “技术进步太快了，有些事哪怕三个月前，你还会觉得不可能，模型绝对做不到。但现在，你会惊叹，哇，居然真的可以。” 🌐 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