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 AI Engineer The Great Loops Debate — Dex Horthy, Geoff Huntley, Ian Livingstone, Greg Pstrucha, @insecure-agents 原内容更新时间：2026-07-17 这是一场关于AI循环工程（Loops）的牛津制辩论，由《Insecure Agents》主持人Ali How主持。四位来自Keycard、HumanLayer等前沿AI公司的技术领袖分成两队，围绕"循环背后的炒作与实际效果之间是否存在差距"展开激烈交锋。正方认为循环已经足够成熟，是迈向完全自主软件工厂的关键一步；反方则坚持炒作跑在了工程纪律前面，今天的循环远未达到银弹级别。 辩论从循环的历史、解剖结构一直延伸到未来，涵盖了Ralph Loop的起源、上下文腐化、语义验证、经济可行性、共享记忆安全等核心议题。如果你正在思考AI时代的软件工程范式、自主Agent的边界，或者单纯想知道该不该把循环引入自己的开发流程，这场高手过招会给你大量一手经验和尖锐判断。 👨‍⚕️ 本期嘉宾 本场辩论共有四位嘉宾。Ian Livingstone是Keycard的CEO兼联合创始人，长期关注AI安全与身份验证；Geoff Huntley是Ralph Loop的创造者，这一概念深刻影响了Anthropic等公司的Agent设计；Greg Pstrucha是Sentry的开发者，对代码质量和工程实践有深入见解；Dex Horthy是HumanLayer的CEO，专注于AI与人类协作的工程化方案。主持人Ali How同时是Keycard技术团队成员。 ⏱️ 时间戳 开场与辩论规则 01:09 辩论开场：循环的炒作与实际效果之间是否存在差距 02:44 牛津辩论制规则：改变最多人想法的一方获胜 03:20 双方立场介绍：正方认为没有差距，反方认为炒作跑在纪律前面 循环的历史与起源 04:47 Geoff：循环是不可避免的，我已经两年半没手动写过代码了 06:56 Dex：Kubernetes花了七八年才搞对，循环也需要时间沉淀 09:27 Ian：循环本来就是一切构建工作的核心，从50年前到今天都是如此 11:39 Greg：炒作让你相信可以靠砸token把质量问题"编排"掉，但经济上不可持续 循环的解剖结构：什么才是一个好的循环 17:23 Geoff：Ralph为什么从greenfield走向通用？因为模型生成的代码比大多数开发者都好 21:32 Greg：验证手段里加入非确定性，正确性就会越来越低 23:26 Dex：上下文腐化与愚钝区，如何判断模型已经开始胡乱挣扎 26:48 验证的矛盾：如何防止Agent通过修改测试来作弊 循环的未来与软件工厂 29:16 Dex：Loom实验证明，炒作跑在纪律前面，那东西现在还不行 31:56 Greg：循环什么时候能回本？有些场景值，但别被Twitter带偏 34:52 Ian：共享记忆的访问控制是个没解决的问题，但雏形开始出现 36:44 Greg：Agent偏爱复杂性，我不放心把架构决策交给它 总结陈词 45:49 Greg：多尝试，自己思考，别扎进炒作泡沫里 46:53 Ian：火车已经出站了，你别无选择必须跟上 48:50 Dex：我热切期待关灯软件工厂可行的世界，但在此之前，用循环别那么用 49:18 Geoff：类型系统很重要，Rust很好；我已经几乎不用开源软件了 🌟 精彩内容 💡 "我们管自己叫工程师，但其实不是真正的工程师" Geoff尖锐地指出软件行业缺乏真正的责任归属机制。在讨论Agent签名和代码责任时，他直言这个行业在个人层面根本没什么真正的责任，这让我们在引入自主Agent时面临更大的治理挑战。 "我们这个行业其实挺闹剧的。我们个人层面根本没什么真正的责任。我们管自己叫工程师，但我们其实不是真正的工程师。" 💡 "模型是醉的，你不能信任它们，但我们可以通过工程手段消除故障域" Geoff用"醉汉"比喻LLM的不可靠性，但强调这正是循环工程的价值所在——不是追求模型完美，而是用pre-commit hooks、类型系统、确定性测试等手段把不可靠的模型约束在安全轨道上。 "我们得戴上工程师的帽子。我们现在有点像火车司机了，我们的工作就是让火车保持在轨道上。因为，坦白说，模型是醉的，对吧？你不能信任它们。" 💡 "炒作让你相信可以靠砸token把质量问题编排掉" Greg直击当前AI工程化的核心幻觉：以为在循环上叠循环就能解决质量问题。他指出语义验证虽然有用，但最终产出的代码依然很烂，而且token成本在大公司会迅速变得不可持续。 "当下这种炒作驱动的话语，会让你相信一件事：你可以在循环上叠循环再叠循环，靠砸更多token来把质量问题给'编排'掉。我不认为这是可持续的。" 💡 "火车已经出站了，你别无选择" Ian用这个比喻总结了循环工程的必然性。在竞争激烈的市场里，没有公司能说"我们不碰循环这套东西"。问题不是会不会发生，而是什么时候发生、程度有多深。 "火车已经出站了。一旦火车出站，全世界每个人都会说，天哪，我得稳住阵脚，我们得跟上别人。而且他们必须跟上。" 💡 "先去想办法快2倍、3倍，因为试图一步快100倍，你会把一切都搞砸" Dex给出了务实的建议：不要试图端到端自动化一切，而是在系统里逐步建立小型增量循环。他提醒工程师不要抛弃几十年积累的软件工程纪律，从小处迭代才是正道。 "你能想象吗，如果世界上每个软件工程师都快了2到3倍，并且产出质量接近人类水平？那会改变世界上每一家企业。而我们却试图走得太远。" 💡 "Agent偏爱复杂性，它们会无休止地往技术栈上堆东西" Greg分享了一线经验：AI生成的代码倾向于过度工程化。真正资深工程师的价值在于知道不该做什么、哪些取舍值得做，而这恰恰是Agent目前最缺乏的判断力。 "任何有多年经验的工程师都会告诉你，重要的不只是你该做什么，还有你不该做什么。就我的经验来看，Agent偏爱复杂性。" 💡 "我已经几乎不用任何开源软件了，直接按需求生成代码" Geoff抛出一个极端但引人深思的做法：为了缩小供应链攻击的爆炸半径，他选择vendor化所有源代码，让Agent可以直接修改。这暗示了AI时代软件供应链可能发生的根本性变化。 "当供应链攻击发生的时候，我的反应就是：没影响到我。你要尽可能把自己所有的源代码都vendor化，这样Agent才能真正用循环去修改它。" 🌐 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 LEGEND BERNARD ARNAULT : CONFESSIONS INÉDITES DU PATRON DU LUXE MONDIAL (empire, drames, rumeurs…) 原内容更新时间：2026-07-08 本期嘉宾是全球最大奢侈品集团LVMH的缔造者贝尔纳·阿尔诺，主持人是法国知名播客《Légende》的Guillaume Pley。这是阿尔诺第一次接受如此坦诚的长篇访谈，完整回顾了他从家族建筑公司起步，到一步步构建起庞大奢侈品帝国的完整历程。 节目不仅聊到了他收购Bousac集团、入主LVMH的经典商战，更深入探讨了他的人生信条、家庭传承、对艺术和音乐的热爱，以及面对批评和误解时的态度。阿尔诺罕见地分享了他与史蒂夫·乔布斯、唐纳德·特朗普、亨利·基辛格等世界级人物的交往细节，也坦诚地谈到了失去妹妹的痛苦。 如果你对奢侈品行业的底层逻辑、顶级企业家的思维方式、家族企业的传承智慧感兴趣，这期节目会提供极其珍贵的一手经验和人生洞察。 👨‍⚕️ 本期嘉宾 贝尔纳·阿尔诺，LVMH集团董事长兼CEO。他白手起家，从法国北部一家建筑公司起步，通过一系列精准的收购，将LVMH打造成全球最大的奢侈品集团，旗下拥有超过75个顶级品牌，包括路易威登、迪奥、酩悦轩尼诗、蒂芙尼等。他被誉为“奢侈品界的教父”，常年位居全球富豪榜前列。 ⏱️ 时间戳 开场与阿尔诺的奢侈品哲学 00:33 本期克隆节目介绍：法国知名播客《Légende》与LVMH掌门人深度对谈 04:39 阿尔诺对“奢侈品”这个词的真实看法：我更愿意称之为手工艺行业 06:28 最能代表奢侈品的产品：爱因斯坦吐舌头的路易威登腕表 07:47 免费的奢侈：时间是最稀缺的资源 家族传承与成长经历 11:11 出生在鲁贝的建筑商家庭，祖父母和父母传递的价值观 13:40 祖父带他第一次去建筑工地，以及把成绩单放进祖父棺材的故事 16:27 如何把工作热情传给五个孩子：让他们从小看到公司如何运转 19:10 巴黎综合理工学院的经历：学会把复杂问题简化 从建筑公司到奢侈品帝国的崛起 22:30 22岁进入家族建筑企业，十岁就给父亲出主意 26:29 说服父亲剥离建筑业务，专注面向大众的房地产销售 28:26 1981年去美国发展的真实原因：纯粹是经济考量 40:24 收购破产的Bousac集团：驳斥“国家资助”的传言 47:36 入主LVMH的经过：两个超级自我的人打架，必须有人出面 商业智慧与人际交往 59:50 给史蒂夫·乔布斯的建议：把Apple Store开在路易威登旁边 01:01:31 最让他印象深刻的人：亨利·基辛格 01:16:55 给年轻创业者的建议：激情、耐心和执行力 01:19:03 在商场上绝对不能原谅的事：撒谎 生活、艺术与家庭 50:29 对钢琴的热爱：家传的音乐传统，曾在波利尼面前弹肖邦 53:31 为什么要建路易威登基金会：回馈创意世界 01:02:09 失去妹妹多米尼克：面对死亡，人必须好好活着 01:12:20 送给孩子们最棒的礼物：对工作的热爱 🌟 精彩内容 💡 “奢侈品”这个词我并不是特别喜欢 阿尔诺认为“奢侈品”常被关联到轻浮、肤浅、无用等贬义，而他从事的是手工艺行业，是制造最高品质产品的行业。他更愿意把LVMH看作一群工匠和创作者的集合，而非一个“工业”。 “我们首先不认为自己是一个‘工业’，而更像是一群工匠和创作者，在制造数量有限、极其出色、品质最高的产品。” 💡 千万别做营销，让产品自己说话 阿尔诺在路易威登的营销团队面前直言，对于高品质、手工打造的产品，应该让客户来追随你，而不是靠市场调研去迎合。他认为靠市场调研永远找不到下一个迪奥。 “去做市场调研，研究某个国家、某个客群需要什么产品，那是大众消费品才做的事，是超市里那些产品才需要的。” 💡 把LVMH当成一家创业公司来管理 尽管集团已有22万名员工，阿尔诺仍坚持必须远离官僚主义，保持创业公司的速度和敏捷。他厌恶那些拖后腿的文书、报告和法规。 “必须把LVMH当成一家创业公司来看待。就得按创业公司的方式来管。必须远离官僚主义。” 💡 永远不满足，永远自我质疑 阿尔诺认为领导者最大的风险是觉得自己什么都对。他喜欢别人反驳他，认为必须听得进反对的声音，同时保持一种“还能做得更好”的心态。 “我一直认为，人必须要有一种能力，要不断地自我质疑，永远不要停。而且要有一种我挺喜欢保持的心态，就是永远不满足。” 💡 做生意需要一点运气，但执行才是关键 回顾投资Google和Netflix的经历，阿尔诺承认运气的重要性，但他强调，好点子本身就在那里，最终只有一个人真正把它做成了，那就是执行力。 “除了最初必须有的好点子之外，当然，你必须得有一个真正的好点子，但最重要的还是执行力。” 💡 面对死亡，人必须好好活着 阿尔诺罕见地谈到妹妹因癌症早逝对他的打击。这段经历改变了他对死亡的看法，让他更加坚定要好好活着，同时也更加注重健康检查。 “它改变了我对死亡的看法，同时也让我更加坚定：人必须好好活着，但做任何事都得保持谨慎。” 💡 我父亲告诉我：别太快去改变现状 阿尔诺回忆刚进入家族企业时，父亲给他的第一个建议是先搞清楚公司是怎么运作的，信任现有的团队，而不是急于改变。这成为他后来管理收购企业时的重要原则。 “你刚来，先试着搞清楚这里是怎么运作的。最重要的是，别太快去改变现状。要信任现有的团队。” 🌐 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 Why Netflix is betting on systems thinkers—not specialists—in the AI era | Elizabeth Stone (CPTO) 原内容更新时间：2026-07-19 本期嘉宾是 Netflix 首席产品与技术官 Elizabeth Stone，这是她时隔两年半再次做客 Lenny's Podcast。上一次她只是 CTO，那期节目长期位居该播客最受欢迎的前列。如今她统管工程、产品和设计，对技术与业务的融合有着非常独特的视角。 这期节目不是泛泛地聊 AI 趋势，而是深入探讨了 AI 如何重塑团队角色、为什么“系统思维”正在取代深度专精成为最稀缺的能力，以及 Netflix 如何用“卓越作为操作系统”的文化来应对这些变化。如果你正在思考 AI 时代的组织设计、人才战略、职业发展，或者好奇 Netflix 如何保持创新，这期会提供大量一手经验和反直觉的判断。 👨‍⚕️ 本期嘉宾 Elizabeth Stone，Netflix 首席产品与技术官（CPTO），统管工程、产品和设计三大部门。在加入 Netflix 之前，她曾是 Lyft 的科学副总裁、Nuna 的首席运营官、Analysis Group 的经济学家，以及美林证券的交易员。她从 CTO 扩展到 CPTO 的经历，加上横跨技术、产品和数据科学的背景，让她对 AI 时代的人才与组织变革有着极为务实的洞察。 ⏱️ 时间戳 开场 & AI 时代的角色混乱 01:22 人人都能包揽一切，结果大家反而困惑又沮丧 01:34 每次新技术出现，都会先经历一个混乱期 01:47 如果我们都变成构建者了，还需要各自独立的职能吗 AI 时代各职能的真实变化 07:33 过去两年半里，产品、工程、设计、数据科学，哪个角色变化最大 07:49 产品经理、设计师、数据科学家现在能走得更远，然后才需要工程团队 11:13 如果我们都变成构建者，还需要分开的职能吗 11:47 各个学科里的工艺卓越非常重要，我不觉得这会在短期内消失 为什么 Netflix 在大量招聘“系统思维者” 12:43 有没有哪些职能你们现在招得更多了 13:05 在 AI 的世界里，我们需要更多系统思维者 16:15 系统思维变得越来越重要，是因为大家动作太快了吗 23:11 人们该怎么培养系统思维能力 AI 时代什么在贬值：深度专精的时代正在收窄 20:52 哪些你以前很看重的东西，现在没那么看重了 21:00 那种非常狭窄、深度专精的时代越来越有限了 22:23 你说的专才，是指前端工程师相对于后端工程师这种吗 Netflix 如何用“卓越作为操作系统”应对变化 35:10 如果你去看 Netflix 早期的文化文档，高自主性、高度自治 35:42 它本质上是在抗拒很多大公司会做的那种事 37:55 人才密度是没得商量的前提，还要对风险承担非常自在 40:14 在事情进展不顺的时候，不要假设流程能解决问题 初级人才在 AI 时代如何成长 48:21 新人怎么成长为那些优秀的资深人士 49:02 我们仍然在招初级人才，他们对公司的人才战略非常重要 50:09 对工艺的精通仍然非常重要 AI 与娱乐的未来 54:24 娱乐在未来 5 年、10 年会怎么变 56:42 科技圈对 AI 的态度是“我爱它”，而好莱坞的态度是“关掉它” 58:24 我们会不会走到一个地步，所有电视节目都是 AI 做的 🌟 精彩内容 💡 “我们正处在混乱期，但这不意味着该把 AI 塞回盒子里” Elizabeth 认为，每次新技术出现都会先经历震荡，然后才会进入稳定成型阶段。Gen AI 带来的角色模糊和困惑是正常的，组织的任务不是禁止使用 AI，而是更用心地去想怎么在减少代价的同时获得好处。 “每次新技术出现，都会先经历一个混乱期，然后才会进入稳定成型阶段。我们现在就正处在混乱期。但我不觉得这意味着该把 AI 塞回盒子里。” 💡 “我们需要更多系统思维者，而不是更窄的专才” Netflix 正在大量招聘能跨所有业务领域去看问题、然后抽象出需要哪些构建模块的人。在 AI 时代，Agent 跨多个系统运行，拥有标准化的基础设施和平台思维变得比以往更重要。深度专精的时代正在收窄，固守一个狭窄领域反而让人担心。 “在 AI 的世界里，我们需要更多系统思维者，就是那些能跨所有业务领域去看问题，然后抽象出我们到底需要哪些构建模块的人。” 💡 培养系统思维的一个小技巧：拉远镜头 不需要去解决公司的整体战略，只需要从你负责的事情出发，往外退一步，问问自己：我对更大的背景做了哪些假设？这个能力能不能贡献给一个平台供多个领域使用？不要在提问状态里停留太久，否则会卡住无法推进。 “每次你要解决一个问题时，往外退一步，问问自己：在解决这个问题时，我对更大的背景做了哪些假设？” 💡 “卓越作为操作系统”：抵抗加流程的冲动 Netflix 的文化被 Elizabeth 形容为“以卓越作为操作系统”。它的核心是给人们大量自主权和责任感，把决策推到组织尽可能深的地方。当事情进展不顺时，人的本能是通过加流程来简化问题，但 Netflix 刻意抵抗这种冲动，选择在不适感中保持从容。 “当事情进展不顺的时候，不要假设流程就能解决问题。每次我们遇到这种情况、加了更多流程，我们花了更多时间，却没有得到更好的结果。” 💡 “留任测试”不只是淘汰工具，更是留住人才的对话入口 Netflix 著名的“留任测试”常被误解为只是决定让某人离开的时刻。Elizabeth 强调，它同样经常被用来进行积极的对话——告诉优秀的人“我会拼命留住你”，并具体说出他们做得特别棒的地方。它是一个锚点，可以走向很多不同的方向。 “切入点是，我对我的某个直接下属说：我在你的留任测试里表现怎么样？而绝大多数时候，我的回答是：我会拼命留住你。” 💡 工艺卓越不会消失，即使 AI 让很多事情变容易 尽管 AI 让原型设计、数据分析和写代码变得更快，Elizabeth 仍然认为优秀的工程能力、数据科学能力和创造力非常稀缺。初级人才仍然需要通过 mentorship 学习什么是好的标准，因为最终人仍然要对输出结果的质量负责。 “我仍然觉得优秀的工程能力很稀缺，优秀的数据科学能力很稀缺，优秀的创造力也很稀缺。所以，是的，有些事情变容易了，但这在我心里并没有消解掉。” 💡 娱乐的未来不会只有一种形式，AI 是创作者的工具而非替代品 Netflix 已经在拓展电影和电视之外的内容，包括游戏、直播和播客。对于 AI 在好莱坞的争议，Elizabeth 的立场是：用创作者想用的任何工具帮他们把愿景变为现实。她无法想象没有人类作为核心的娱乐，因为讲故事跟人性本身是一体的。 “我很难想象没有人类作为核心的娱乐会是什么样。讲故事这件事，跟人性本身是一体的，也跟知道什么能与人产生共鸣是一体的。” 🌐 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 The Knowledge Project Podcast No.1 Performance Psychologist: The Secret to High Performance and Excellence 原内容更新时间：2026-07-07 本期嘉宾是世界顶尖的表现心理学家 Gio Valiante 博士，主持人是著名深度访谈播客《The Knowledge Project》的创始人 Shane Parrish。Gio 长期为 PGA 巡回赛球手、华尔街对冲基金经理以及企业高管提供咨询，深谙顶尖高手在重压之下的心理运作机制。 这期节目是一场关于人类潜能与卓越表现的坦诚对谈。Gio 从进化心理学、行为习惯和身份认同等多个维度，拆解了为什么大多数人终其一生都远未触及自己的潜能，以及那些真正实现卓越的人究竟做对了什么。他提出了“中央调控假说”，指出低水平发挥是刻在人类生存本能里的默认状态，而通往卓越的第一步，是做出一个认知上的决定。 如果你正在思考如何突破瓶颈、建立真正的自信、在压力下保持专注，或者想理解顶尖高手与普通人的核心差异，这期节目会提供大量基于实证的深刻洞见和可操作的方法。 👨‍⚕️ 本期嘉宾 Gio Valiante 博士，世界顶尖的表现心理学家。他曾任罗林斯学院教授，是该校最年轻的终身教职获得者之一。Gio 长期为 PGA 巡回赛顶级高尔夫球手、华尔街对冲基金经理、企业高管及各类高绩效人士提供心理咨询与教练服务，被 Steve Cohen 称为“煤矿里的金丝雀”，以其在极短时间内识别人才和诊断表现障碍的能力而闻名。他的工作核心是帮助人们识别并移除那些阻碍潜能释放的“抑制机制”。 ⏱️ 时间戳 开场 & 核心命题 00:00 节目开场：跨国串门计划介绍 00:33 本期克隆节目介绍：The Knowledge Project 与 Gio Valiante 博士 01:18 核心命题：过度在意他人看法是人生的天花板 01:23 为什么大多数人的表现远低于实际能力 人类潜能的生物学枷锁 01:33 中央调控假说：大脑的根本目的是生存，而非超常发挥 03:10 大脑内置的“关停机制”与对舒适的本能追求 04:09 中央调控器的构成：生存本能、舒适渴望与 DNA 复制 行为改变与卓越的日常性 05:48 选择卓越只是第一步，关键在行动 06:13 杜威的洞见：我们靠生活进入思考模式，而非靠思考进入生活 08:04 卓越的“日常性”：找出拖后腿的习惯并改变它 08:55 为什么有些人能持续精进，而有些人做不到 精熟动机 vs 自我动机 10:16 精熟动机：为事情本身而做，满足感在过程中 10:36 自我取向：把成就当工具来强化自我 11:10 顶尖高手的源头：凭直觉走向使命，守护对技艺的热爱 12:00 成长路径：从热爱到迷失，再到重新发现使命 心流、专注与活在当下 13:05 心流状态：人类能力的最高形式 13:42 心流的标志：时间感超然、困难变容易、完全沉浸 14:46 如何进入心流：活在当下，爱上工作中平凡的部分 15:48 保持专注是一种可以练习的习惯 环境、系统与人才温床 17:39 改变环境比改变想法更有效：情境认知的力量 18:48 《原子习惯》的洞见：我们只会萎缩到自己体系的水平 19:37 个体内部差异远大于个体之间的差异 24:41 人才温床的标志：如何对待错误与失败 自信的科学与恐惧的扭曲效应 25:32 筛选人才最重要的两个变量：信心和动机 36:16 自我效能：可操作的自信及其四个来源 38:10 失败的痛苦比成功的喜悦更强烈，批评比赞美更伤人 41:10 一点点过度自信是好事，但过度会导致傲慢 身份认同与童年的废墟 50:15 青春期的核心命题：我是谁？ 54:00 弗洛伊德的观察：成年后的人生都在清理童年的废墟 56:59 华尔街案例：用数亿美元填补18岁伤痛的悲剧 59:43 大多数人从不走进自己的心理地下室 成功与幸福的重新定义 01:01:47 什么是成功？Gio 的自我探索之旅 01:04:45 真正让 Gio 快乐的四件事：健身、读书、深度对话、打高尔夫球 01:06:19 第五条：养育有韧性的孩子，成为世间的一束光 🌟 精彩内容 💡 低水平发挥是人类默认设置 我们的大脑不是为了超常发挥而进化的，而是为了生存。舒适和安全恰恰是卓越的反面。想要实现潜能，你必须主动做出认知上的决定，把自己推到不适区。 "大脑的根本目的是让你活到能繁衍后代。我们并不是被设计来超常发挥的，我们是被设计来生存的。" 💡 我们靠生活进入思考模式，而非靠思考进入生活 约翰·杜威的洞见颠覆了“先想清楚再行动”的常识。改变行为，想法才会跟着变。你说什么、感觉什么、相信什么都不重要，重要的只有你做了什么。 "我们不是靠思考进入一种生活模式，而是靠生活进入一种思考模式。" 💡 卓越有一种“日常性” 顶尖高手不是靠灵感和爆发，而是靠每天在糟糕的日子里也坚持坐下来做该做的事。你想写书？那就每天坐下来写，哪怕写得很烂也别站起来。 "你必须穿过那些糟糕的日子，才能走到好的日子。" 💡 精熟动机是顶尖高手的第一变量 历史级伟大人物伟大的源头，是他们凭直觉走向了自己的使命，出于对技艺本身的热爱去做这件事。当回报变得比事情本身更有力量时，人就会迷失。 "他们做这件事的原因，是出于对技艺本身的热爱。这是一种使命，而他们会守护这份纯粹。" 💡 个体内部差异远大于个体之间的差异 我们花了太多时间比较候选人A和候选人B，却很少关注一个人最好和最差状态之间的差距。移除那些抑制机制，人就会开始绽放。 "个体内部可挖掘的心理潜能，比个体之间的差异要大得多。" 💡 过度在意别人怎么看你，就是你的天花板 我们进化出了对归属感的强烈需求，被部落驱逐曾意味着死亡。但在现代社会，如果你一辈子都活在别人的眼光里，你就把自己的天花板交给了别人。 "如果你一辈子都过度在意别人怎么看你，那这就是你的天花板。" 💡 成年后的人生都在清理童年的废墟 弗洛伊德的敏锐观察至今有效。驱动我们的燃料往往根植于年轻时的经历。大多数人从来不去做这种功课，于是用余生去补偿童年的不安全感。 "我们成年后的大部分时间，都在清理童年的废墟。" 💡 成功不等于幸福 Gio 在年轻时就拥有了世俗意义上的所有成功，却发现自己并不幸福。他通过一段自我放逐式的探索发现，真正让他快乐的是健身、读书、深度对话和打高尔夫球——这些都不怎么花钱。 "更多的钱并不会带来更多的快乐。对我来说，重要的是拥有那四样东西，是早上打开淋浴时有热水出来。" 🌐 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：《金融时报》旗下的播客《金钱的故事》，主持人 Robin Wigglesworth 和 Gillian Tett 与历史学家 Thomas Levinson 展开了一场深度对谈。 1720年，英国南海公司的股价从100英镑飙升至1000英镑，又在几个月内崩盘，无数人倾家荡产。这通常被看作一场经典的金融闹剧和道德灾难。但本期节目聚焦于泡沫破裂之后的故事，揭示了一个被大多数人忽略的事实：正是这场灾难及其后续处理，意外地重塑了英国的政治与金融秩序。 历史学家 Thomas Levinson 指出，南海泡沫的真正遗产，是催生了世界上第一个现代债券市场，并让 Robert Walpole 凭借其高超的政治手腕和金融远见，成为英国历史上第一位事实上的首相。节目深入探讨了危机应对、政治博弈与金融创新之间错综复杂的关系，为理解当下 AI 或加密货币等潜在泡沫，提供了一个极具启发性的历史参照。 👨‍⚕️ 本期嘉宾 Thomas Levinson，历史学家，专注于18世纪英国金融与政治史。他是《空手套白狼：南海泡沫与现代资本主义的发明》一书的作者，对南海泡沫的成因、经过及其深远影响有着极为深入的研究。他擅长将复杂的历史金融事件，转化为对现代世界运行逻辑的深刻洞察。 ⏱️ 时间戳 开场与背景介绍 00:33 本期克隆节目介绍：《金融时报》播客《金钱的故事》 00:57 本期焦点：南海泡沫破裂后的余波与政治金融秩序重塑 04:17 快速回顾：南海公司到底是什么？泡沫如何形成？ Robert Walpole：从失势政客到国家救星 06:50 唯一没被丑闻沾身的懂金融的顶尖政治家 07:43 Walpole 的黑历史：曾被关进伦敦塔，因腐败被定罪 10:28 他早在泡沫破裂前就警告过交易结构的巨大风险 危机处理：如何避免国家崩溃 11:53 泡沫崩盘后，Walpole 为何成为唯一干净且有能力的政治人物 13:28 危机中的试错：试图让英格兰银行救助南海公司，但失败了 14:44 核心方案：将南海公司股票变成早期政府债券的雏形 英法分水岭：一场金融灾难的两种应对 22:54 南海泡沫 vs 密西西比泡沫：一场天然的对比实验 24:12 法国人做错了什么？恢复原状，最终导向财政崩溃与大革命 25:39 英法命运的分道扬镳，源于对金融狂热的不同应对方式 现代金融的诞生与 Walpole 的遗产 26:03 Walpole 如何成为英国第一位事实上的首相 27:02 历史评价：腐败的操盘手，还是挽救了国家的财政管理者？ 29:39 南海泡沫最重要的结果：催生了全国性债券市场，奠定现代金融资本主义根基 🌟 精彩内容 💡 泡沫不只是灾难，更是现代金融的产房 人们习惯将南海泡沫视为一场道德灾难，但 Levinson 认为，从这场泡沫里走出来的，是现代政府债券市场的雏形，它为后来的经济增长和人类福祉奠定了基础。 "从这场泡沫里走出来的，其实是后来为人类创造了巨大福祉的那套结构的雏形。" 💡 危机中，不撤销交易才是关键 泡沫破裂后，公众强烈要求撤销所有交易、恢复原状。但 Walpole 顶住压力，坚决拒绝。他意识到，保住已经完成的债务重组成果，比安抚眼前的愤怒更重要。 "Walpole 绝不可能让英国政府的财政，再回到泡沫发生前那种无法管理、真正威胁到国家实力的境地。" 💡 英法两国的命运，在应对泡沫时已注定 面对极其相似的金融狂热，英国人选择保住新生的金融体系并加以改良，法国人则选择恢复旧制。这一差异，为两国未来一个世纪的国力竞赛埋下了伏笔。 "在经济史上极其罕见地，你得到了一个天然实验……英国人做对了，法国人做错了。1789 年凡尔赛宫里的一些人，最终尝到了这个错误的苦果。" 💡 "首相"一词，最初是个骂人的称呼 如今代表英国政治生涯顶峰的"首相"头衔，在诞生之初竟是政敌用来攻击 Walpole 的贬称。他本人也明确拒绝这个称呼，但历史最终承认了他的实质地位。 "如果它走路像鸭子，叫起来也像鸭子，那它大概就是只鸭子吧。" 💡 金融的名声不好，但它是一项驱动进步的关键技术 节目结尾指出，尽管金融周期性地引发灾难，但它基于未来承诺在当下创造价值的能力，是带领人类走出马尔萨斯陷阱、实现前所未有富足的关键原因。 "那种金融上的能力——基于延伸到未来的承诺，在当下创造出新的人类发明——这是南海泡沫帮我们留下的独特馈赠。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名商业播客《20VC with Harry Stebbings》Bloom Energy CEO: Why We Aren’t in an AI Capex Bubble | Energy Sovereignty & The Future of Power 原内容更新时间：2026-06-29 本期嘉宾是能源公司 Bloom Energy 的创始人兼 CEO KR Sridhar，主持人是 20VC 的 Harry Stebbings。KR 的经历非常传奇，他曾是 NASA 的火箭科学家，参与过火星任务，如今正带领公司站在 AI 基础设施热潮的最前沿，公司市值约 930 亿美元，一年内涨了超过 1500%。 这期节目不只是一家能源公司的商业故事，更是一场关于 AI 时代电力需求、能源主权和分布式能源未来的深度对谈。KR 分享了从安迪·格鲁夫那里学到的领导力教训、对 AI 基础设施泡沫的看法，以及他坚信电力民主化将改变地缘政治格局的愿景。如果你正在思考 AI 时代的底层基础设施、能源转型或创业领导力，这期会提供非常独特的一手视角。 👨‍⚕️ 本期嘉宾 KR Sridhar，Bloom Energy 创始人兼 CEO。他曾是 NASA 的火箭科学家，参与过火星任务，之后创办了能源公司 Bloom Energy。Bloom 是一家分布式电力公司，专注于为 AI 数据中心和工商业客户提供固态氧化物燃料电池。在 KR 的领导下，Bloom 已成为 AI 基础设施热潮中最大的受益者之一，也是知名投资人 Leo Aschenbrenner 投资组合中最大的持仓。 ⏱️ 时间戳 开场 & 心态哲学 01:15 失败是我根本无法想象的事 02:29 驱动你的，更多是赢的兴奋，还是对失败的恐惧？ 03:43 真正艰难的经历，才会塑造你 安迪·格鲁夫的领导力课 06:11 有一个和安迪·格鲁夫有关的时刻，真正塑造了你对领导力的思考 08:14 除了 KR，会议室里高管团队的其他人都先出去 09:42 安迪·格鲁夫教给你的是，你需要有同理心 AI 基础设施：泡沫还是革命？ 11:14 我们现在是不是处在一个 AI 基础设施泡沫里？ 11:19 人们常常把市场、股价、基础设施和长期结构性变化混为一谈 12:21 当智能变得无处不在，什么会成为宝贵的资产？ 12:51 你面临的最持久、最大的瓶颈是什么？ 电力民主化与能源主权 20:03 我们是在制造智能，用电来制造的产品里，从来没有比智能价值更高的了 22:01 我们开发的技术不依赖传统的电力供应链 26:55 当电力走到 edge 时，有什么是大家还没看到的？ 30:02 当电力被民主化时，获取权就不会被掌权者限制 Bloom 的商业模式与竞争优势 33:34 Oracle 跟你们签了很大的单子 36:04 我们是小型、模块化的发电单元，每个 50 kilowatt 38:10 客户的关注点，什么时候会从速度转向成本？ 39:40 你们目前的订单积压是 200 亿，制造产能是 1 gigawatt 未来愿景与个人反思 43:41 过去两三年，你自己在哪个想法上改变最大？ 44:31 你最大的育儿建议是什么？ 46:31 25年了，最艰难的时刻是什么时候？ 47:32 展望未来 10 年，你最期待什么？ 🌟 精彩内容 💡 失败不是一个选项 KR 从 NASA 火星任务中继承了这种心态：在太空中你没法打电话叫水管工，只能提前想清楚所有可能出错的地方并准备好应对方案。他把这种极致的风险规避思维带到了创业中。 "失败是我根本无法想象的事。我做的任何事，只要我投入了精力、投入了时间，我就不会把失败当成一个选项。" 💡 安迪·格鲁夫最深刻的一课：你哪里出了问题？ 当 KR 向安迪·格鲁夫求助制造问题时，格鲁夫把整个高管团队请出房间，单独问他"你哪里出了问题"。这让 KR 意识到，领导者需要亲自去车间走一走，用同理心去理解一线员工和客户真正面临的问题。 "他说，KR，我想知道的是，你哪里出了问题。我一下子被震住了，真的愣住了。" 💡 AI 不是泡沫，是两条 hockey stick 的叠加 KR 认为数字化本身就是一条 hockey stick 曲线，AI 是在这条曲线上又叠了一条。虽然路上会有颠簸，但人类历史上第一次在制造智能，没有人会嫌智能太多。 "任何一场革命，我绝对会把 AI 称为一场革命。它几乎是在一条 hockey stick 上又叠了一条 hockey stick。" 💡 电力是唯一还没走到 edge 的大型基础设施 KR 指出，数据、计算都已经走到了边缘，但电力仍然依赖遥远的大型发电厂和输电线路。Bloom 的使命就是把电力带到 edge，实现电力的数字化转型。 "电力是唯一还没走到 edge 的大型基础设施。我们相信，把电力带到 edge 是必然会发生的事。" 💡 当电力被民主化，才是真正的民主 KR 认为，技术是最好的平等器。当电力像手机一样变成分布式的个人资源，获取就不再受掌权者限制，这会从根本上改变地缘政治和人们的生活方式。 "当电力被民主化时，获取权就不会被掌权者限制。那才是真正的民主。" 💡 不要做空美国，不要做空硅谷 面对全球竞争，尤其是亚洲在 AI 和能源领域的快速推进，KR 仍然对美国抱有极强的信心。他认为美国的创造力、创新和企业家精神是克服一切障碍的王牌。 "你在美国看到的那种创造力、创新和企业家精神，仍然是美国相对于世界其他地方的一张重要王牌。不要做空美国，不要做空硅谷。" 💡 AI 不会减少工作岗位，但过渡期的人需要被照顾 KR 坚信历史上没有哪项新技术最终减少了工作岗位，AI 也不会例外。但他强调，作为社会和科技行业，应该有同理心，拿出一部分财富来确保过渡期的人不用承受附带伤害。 "新技术出现时，从农业革命到工业革命，过渡的那一代人会受苦。既然我们创造了这么多财富，有没有办法拿出一部分，确保那些被夹在过渡期的人不用承受附带伤害？" 🌐 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：播客《Baseten》 Opencode Creator: Why the Future of AI Is Open-Source 原内容更新时间：2026-07-07 主持人 Madison 专程前往迈阿密，与开源编程工具 OpenCode 的联合创始人 Dax Raad 进行了一次面对面的交流。Dax Raad 是一位在开发者工具领域深耕多年的创业者，他带领的团队花了 16 年时间不断尝试，最终在 AI 编程 Agent 的浪潮中找到了自己的位置。 这期节目坦诚地探讨了开源模型与闭源模型的未来格局、AI 编程工具对软件工程师的实质影响，以及迈阿密与旧金山两地科技圈文化的差异。Dax 分享了他对 AI 时代保持独立思考的坚持，以及为什么在所有人都狂热时，保持保守和理性反而可能是一种巨大的不对称优势。如果你对 AI 编程工具感到焦虑，或者正在思考如何在快速变化的技术浪潮中找到自己的定位，这期节目会提供非常不一样的视角。 👨‍⚕️ 本期嘉宾 Dax Raad，开源编程工具 OpenCode 的联合创始人。他是一位在开发者工具领域深耕多年的创业者，公司实体已经存在了 16 年，经历了漫长的摸索和转型。Dax 是开源理念的坚定拥护者，长期在社交媒体上分享关于技术、创业和 AI 的深度思考，以其坦诚、反主流的观点著称。他目前居住在迈阿密，是“去中心化科技圈”的实践者之一。 ⏱️ 时间戳 00:00 开场 & 节目简介 迈阿密 vs 旧金山：科技圈的文化冲突 01:30 在迈阿密家中进行访谈 03:09 旧金山就像现实版的互联网 03:53 不会搬去旧金山，线上科技内容已经够多了 05:38 必须待在旧金山否则会被落下的说法 迈阿密科技圈的真相 06:21 关于迈阿密科技圈的文章在 X 上爆了 07:40 迈阿密不需要一千家公司，只需要五个真正厉害的创始人 08:44 对自己诚实，别太用力想让别人相信这里“有戏” OpenCode 的起源与开源哲学 15:10 为什么决定推出 OpenCode 16:02 Claude Code 让团队第一次真正用上 AI 工具 17:32 为什么把 OpenCode 做成开源 18:29 不相信构建软件的工具长期会一直是闭源的 开源 AI 与闭源模型的未来格局 24:50 Anthropic 的价值观与 OpenCode 的冲突 25:51 这是一项影响深远的技术，必须让每个人都能接触到 27:37 整个技术栈的每一层都应该是开源的 37:01 AI 应该掌握在少数人手里吗？武器化的比喻很糟糕 AI 硬件短缺与推理成本的博弈 31:58 GPU 紧缺，整个技术栈都在缺 33:43 如果 token 成本翻倍，企业该怎么准备 46:19 选择推理服务商的考量：模型正确性、速度和成本 49:39 开放模型最终会占据推理的大头 AI 编程工具会取代软件工程师吗？ 53:13 我会被自动化取代吗？ 53:35 团队很难不把代码库彻底搞砸 55:00 Coding agents 激发了我们最坏的习惯 01:03:28 Mitchell Hashimoto 的例子：AI 只是把基本功好的人甩得更远 创始人的自我修养与不对称优势 01:07:39 做创始人就是要每天想办法保持动力 01:09:36 想做一家“永远的公司” 01:11:07 收到收购要约，团队直接无视了 01:18:28 公开构建的真正含义：分享你学到的东西 🌟 精彩内容 💡 旧金山就像现实版的互联网 Dax 将旧金山形容为“走进了现实版的互联网”，因为他在线上接触的所有科技圈人士都挤在这一小块地方。但他选择留在迈阿密，因为他认为科技的核心意义在于实现全球规模，你应该能做到不非得待在某个地方。 "科技的核心意义不就在于它能实现全球规模吗？互联网让你能从世界任何地方把东西推向几百万人。" 💡 开源不是道德问题，而是结构性问题 Dax 不喜欢从道德角度谈论开源，他认为开源模型会持续存在，是因为一个只有两家公司卖模型的世界，是很多有钱有势的大公司和国家不想看到的。这种结构性的动力比任何道德呼吁都更可靠。 "这些东西要存在，必须有实实在在的结构性原因。一个只有两家公司卖模型的世界，是很多有钱有势的大公司不想看到的。" 💡 真正的稳定来自持续的混乱 针对 AI 应该被少数人控制以确保安全的观点，Dax 提出了一个反直觉的看法：真正的稳定不是平静的状态，而是各方势力互相制衡、彼此紧紧咬住的持续混乱。历史上每一个试图用权力做好事的人，最终都被权力腐化了。 "几乎所有的稳定都来自各方势力互相制衡，彼此紧紧咬住，这种状态反而带来了稳定。" 💡 Coding agents 激发了我们最坏的习惯 Dax 坦率地分享了团队使用 AI 编程工具的挣扎：取巧的方案因为不是自己亲手写的，发布出去好像没那么难受。这种心理效应严重影响了团队的判断力，让代码库更容易腐化。 "那个取巧的方案，你知道它不对，但把它发布出去好像也没那么难受，因为代码不是你亲手写进去的。" 💡 AI 只是把基本功好的人甩得更远 Dax 用 Terraform 创始人 Mitchell Hashimoto 的例子说明，一个基本功极其扎实的程序员，AI 只是帮他把普通人甩得更远了。根本不存在“只要更狠地用 AI，就能突然比他强”的情况。 "他的基本功非常扎实。我需要去打磨我自己的基本功，达到他那个水平。而 AI 跟这个过程基本没什么关系。" 💡 找到你独特的不对称优势 在所有人都狂热追逐 AI 时，Dax 的公司对 AI 编程的看法非常保守。他认为，创始人需要找到自己独特的、不对称的东西，是其他所有人都忽略、甚至明确认为是错的东西。 "其他所有编程公司看法都非常未来主义、加速主义，而我们非常保守。有可能我们是错的，但万一我们是对的，我们就会显得是那家非常理性、把一切都布局正确的公司。" 💡 活下去，尽可能活得久一点 Dax 的公司实体已经存在了 16 年，经历了漫长的苦熬和不断出击。他分享了一个最老生常谈却最难做到的创业建议：活下去。弥补不够聪明、不够幸运的唯一办法，就是在牌桌上待得足够久。 "弥补这一点的一个办法，就是在牌桌上待得足够久。因为最终，纯粹靠概率，总会有事情刚好对上。" 🌐 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：播客《Founders》的一期深度对谈 Betting Everything on Fast AI | Groq’s Jonathan Ross 原内容更新时间：2026-07-05 本期嘉宾是AI芯片公司Groq的创始人、谷歌TPU的发明者Jonathan Ross，主持人是《Founders》的主播David Senra。David以痴迷阅读企业家传记著称，他在这场对话中挖掘了Jonathan从Groq濒临破产到与NVIDIA达成200亿美元历史性合作的完整历程，以及他在领导力、招聘和AI时代核心能力上的独特思考。 这期节目远不止是一个创业故事。Jonathan坦诚分享了自己作为领导者的失败与转变：他曾因过度放权导致公司损失三四年时间，也曾因不懂如何获取反馈而反复错失机会。他提出的“现实商数”、“运气回报”、“意图领导力”等概念，为创始人如何驾驭高度不确定的创新组织提供了可操作的方法。如果你正在思考AI时代的组织形态、创始人角色、以及如何在一个快速变化的世界里保持竞争力，这期对话会给你带来大量高密度判断。 👨‍⚕️ 本期嘉宾 Jonathan Ross，AI芯片公司Groq的创始人兼前CEO，谷歌张量处理单元（TPU）的发明者。他在谷歌期间主导设计了TPU，这款芯片后来成为DeepMind的AlphaGo击败围棋世界冠军李世石的关键硬件基础。离开谷歌后，他创办了Groq，专注于开发LPU（语言处理单元）以实现极速AI推理。2026年，Groq与NVIDIA达成200亿美元合作，Jonathan随之成为NVIDIA高管。他是一位典型的第一性原理思考者，长期关注计算架构、推理速度与AI能力之间的关系。 ⏱️ 时间戳 开场与200亿美元交易 01:15 200亿美元NVIDIA合作的来龙去脉 01:37 GPU与LPU的技术互补：18轮大卡车与小货车的比喻 02:56 为什么AI与AI对话时，速度正变得越来越重要 领导力：从失败到自我认知 07:59 领导力的第一原则：你得有追随者 11:37 认识你自己：你是什么时候搞清楚自己的领导风格的？ 12:29 我曾是全世界最差的那一档领导者 15:41 团队创新的前提：绝不能过度约束目标 从Jensen身上学到的管理课 16:00 NVIDIA没有办公室政治：停止一对一的谈话 17:32 Jensen的极度直接：客户需要什么，就为他们造什么 18:27 管理比自己更聪明的AI Agent：Jensen的60个直接下属 Groq的生死时刻与运气回报 21:27 Groq一度离资金耗尽只差三周 34:50 运气回报：最成功的公司并不是运气事件更多 37:37 三四年前，很多人离开，说快速推理没有意义 38:51 让用户亲自试：Groq如何病毒式传播 招聘的反直觉经验 48:10 从寻找正面特质转向寻找负面特质 48:51 人员规格：像产品规格一样写清楚你要找什么样的人 51:27 损失偏见与“提前锁定胜利”的心态 制造不满与AI时代的核心能力 55:42 制造不满：企业家对自己财富最不满意，尽管他们钱更多 57:02 我对世界上算力不足这件事不满 01:01:00 AI时代将是关于提问的时代 🌟 精彩内容 💡 领导力的第一原则：你得有追随者 Jonathan将领导力比作投资——没有唯一正确的方式。新创始人常犯的错误是盲目模仿别人的领导风格，但那套方法可能根本不适合自己。关键在于认识自己，找到最自然的方式。 "领导力的第一原则是，你得有追随者。这不明摆着吗？就这么简单。没有追随者，你就不是领导者。" 💡 约束越少，惊喜越多 Jonathan提出一个反直觉的管理原则：你给别人的约束越少，他们解决问题的自由度就越大，就越有可能用解决方案给你惊喜。如果你想运营一个创造力极强的组织，就要尽量减少约束，但同时必须把真正重要的目标极其清晰地传递出去。 "你给别人的约束越少，他们解决问题的自由度就越大。自由度越大，他们就越有可能用解决方案给你惊喜。" 💡 停止一对一谈话，消灭办公室政治 从Jensen身上学到的最重要一课：如果你想减少办公室政治，就把所有想告知的人召集起来开大会，一次性告诉所有人。别允许任何人单独给你发邮件，所有邮件都抄送给所有人。否则，你就是在纵容办公室政治的发生。 "当你领导一群人时，如果你想减少办公室政治，避免人们拉帮结伙搞小团体，那就停止一对一的谈话。" 💡 招聘时寻找负面特质，而非正面特质 Jonathan在Groq最大的招聘转变：培养人时要给他看正面的东西，但筛选人时要努力排除不合适的。每个正面特质都有对应的负面版本——运气回报的反面是挥霍运气，诗性设计的反面是堆砌式设计。真正要规避的，恰恰是这些负面特质。 "我招人最大的转变，就是从寻找正面特质——这是培养人才时的做法——转向寻找负面特质，这是筛选人才时的做法。" 💡 意图领导力：说“我打算做”，而不是征求意见 Jonathan从《Turn the Ship Around》一书中学到的关键转变：征求意见会招来悲观和阻力，但说“我打算做这件事”则不同——人们一般不会主动给意见，但如果这件事错得离谱，他们就会站出来反对。措辞上的微小变化，对推进事情的能力差别巨大。 "如果我当时只是说，我打算做这件事……结果大家没有说我们做不到，反而都跳进来说，我们可以这样做。" 💡 制造不满：企业家持续创新的底层驱动力 Jonathan发现，最成功的人都有某种不满在驱动着他们。企业家对自己财富最不满意，尽管他们钱更多——正因为不满意，他们就有了理由继续干。如果你要不断推动事情向前，就得有一种持续不满的性格。 "我就是不停地找到新的不满意的点。大多数人可以对现状很满足，就不会继续推动创新。如果你要不断推动事情向前，你就得有一种持续不满的性格。" 💡 AI时代的成功在于提出正确的问题 信息时代我们被训练成回答问题的人，但有了AI，它什么都知道。你提的问题决定了你能得到什么，也决定了最终的输出。别再教孩子回答问题，开始教他们提出问题。 "在信息时代，我们都被训练成回答问题的人，学校就是这样……但有了AI，你直接问它就行，它都知道。你只需要想出那个正确的问题。" 💡 思考得更快，就能思考得更聪明 Jonathan用AlphaGo击败李世石的经历证明：完全相同的模型，换到更快的TPU芯片上后，ELO分数暴涨。当模型有了反思和深度思考的能力，思考得更快就能让你思考得更聪明。这就是LPU和GPU搭配的核心优势。 "思考得更快，就能让你思考得更聪明。" ``` 🌐 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《AI Engineer》 Building Great Agent Skills: The Missing Manual 原内容更新时间：2026-06-29 本期主讲人是 Matt Pocock，他是 AI 工程领域最流行的技能集之一 MatPat Skills 的作者。这期节目源于他原本要在 AI Engineer World's Fair 上做的一场演讲，因为无法到场，他选择将内容直接分享出来。他聚焦于一个被称作“技能地狱”的普遍困境：开发者手头有大量 Agent 技能，却缺乏一套评判标准，分不清好技能和坏技能，导致拼凑出来的效果远不如预期。 Matt 没有停留在抱怨，而是直接给出了一套系统性的技能构建框架。他从技能的触发、结构、引导和剪枝四个维度出发，提供了一份可操作的检查清单。无论你是正在为 Agent 编写技能的开发者，还是试图将组织流程转化为 Agent 可执行操作的技术负责人，这期节目都能帮你建立一套审视和改进技能的方法论。 👨‍⚕️ 本期嘉宾 Matt Pocock，Matt Pocock Skills 的作者与维护者。Matt Pocock Skills 是目前 AI 工程领域最流行的 Agent 技能集之一，被大量开发者用于构建和增强 AI Agent 的能力。Matt 本人长期深耕 Agent 技能的设计与优化，对如何写出高质量、可维护的技能有着丰富的一手经验和系统性思考。 ⏱️ 时间戳 开场与“技能地狱” 00:00 本期克隆节目介绍 01:06 演讲主题：《缺失的手册：如何写出好技能》 01:27 从“教程地狱”到“框架地狱”，再到“技能地狱” 02:21 技能地狱的典型症状：拼凑框架却拿不到承诺的效果 02:41 走出技能地狱的关键：建立评判技能好坏的标准 技能检查清单总览 03:01 技能检查清单的四大维度：触发、结构、引导、剪枝 03:50 配套技能 Writing Great Skills 已发布 触发：技能如何被调用 04:05 触发是技能被调用的方式 04:25 用户调用 vs 模型调用技能的区别 05:10 模型调用技能的原理：上下文指针指向 skill.md 05:53 第一条建议：决定技能是用户调用还是模型调用 06:07 模型调用技能的代价：上下文负载 06:29 用户调用技能的代价：用户认知负载 06:39 MatPat skills 与 superpowers 的对比：两种调用哲学 07:09 模型调用技能的不可预测性风险 07:26 Matt 偏好用户调用技能的原因：消除不可预测性 结构：技能内部如何布局 07:55 技能内部的两个主要单元：步骤和参考 08:24 案例：2PRD 技能的步骤与参考材料 08:59 从零写技能的方法：先定步骤，再定参考 09:17 第三条建议：让主 skill.md 文件尽可能小 09:49 瘦身技巧：识别技能的不同分支 10:27 案例：domain modeling 技能的多分支结构 10:58 外部参考：把分支资料藏在上下文指针后面 引导：让 Agent 按你的想法做事 11:56 引导的核心技巧：引导词 12:17 Agent 不按想法做的原因：没用引导词 12:26 引导词的概念：把大量含义压缩到小空间 12:53 案例：用“垂直切片”引导 Agent 改变编码习惯 13:59 如何验证引导词生效：观察推理轨迹 14:32 引导词不生效时的改进方法 14:54 增加基础工作量的技巧：隐藏未来步骤 15:09 案例：计划模式中“问澄清性问题”永远做不够 15:35 解决方案：把技能拆成独立步骤，一次只让 Agent 看到一个 剪枝：给技能做减法 16:35 剪枝是一组快速过一遍的失败模式 16:51 失败模式一：不要重复自己，保持单一事实来源 17:19 失败模式二：冗余沉积，多人协作的经典问题 18:00 失败模式三：无效操作，看起来有用但不影响行为的内容 18:27 精简技能的秘诀：删除测试、压缩成引导词、清除无关内容 总结与上手 18:39 框架回顾：触发、结构、引导、剪枝 19:29 上手最佳方式：使用 Writing Great Skills 技能 19:42 后续内容：AI 编码速成课程与 newsletter 🌟 精彩内容 💡 技能地狱的本质是缺乏评判标准 Matt 指出，开发者陷入技能地狱的根本原因，不是技能太少，而是没有一个共享的评判标准来审视技能的好坏。这导致人们盲目拼凑，却搞不清楚为什么效果不佳。 “没有一个共享的评判标准，没有一个框架来审视技能并把它变得更好。” 💡 模型调用技能的隐藏代价是不可预测性 很多人觉得让模型自己调用技能更灵活，但 Matt 提醒，每次增加模型调用技能，都在增加上下文负载，更关键的是引入了不可预测性——模型可能就是不调用那个完美匹配的技能。 “每次你有一个模型调用技能，基本上你就要付出不可预测性的代价。” 💡 引导词是把大量含义压缩到小空间 Matt 提出的“引导词”技巧，是本期最核心的实操方法。通过在整个技能中反复使用一个高度浓缩的短语，可以让 Agent 在推理轨迹中自我强化，从而改变行为。 “引导词的概念，就是有些词能把一大堆意思压缩到很小的空间里。” 💡 隐藏未来步骤，增加当前步骤的基础工作量 当 Agent 总是急于跳到下一步、基础工作做不够时，Matt 的建议是把技能拆成独立步骤，让 Agent 一次只能看到一个目标。这能有效迫使它在当前阶段投入更多精力。 “通过隐藏未来的目标、隐藏未来的步骤，来增加当前步骤的基础工作量。” 💡 精简技能的秘诀是做删除测试 面对技能文件越来越臃肿的问题，Matt 的方法简单直接：删掉某段内容，看 Agent 的行为是否改变。如果没变，那段内容就是无效操作，可以砍掉。 “如果你把那段话直接删掉会怎样？Agent 大概率还是会写出一份像样的提交信息。” 💡 技能构建的四大支柱 Matt 将整个框架浓缩为四个可操作的维度，为技能设计和审查提供了清晰的路径。 “第一，检查触发；第二，结构方面要考虑分支；第三，引导方面要把文本浓缩成引导词；最后是剪枝。” ``` 🌐 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：彭博社旗下知名播客《Odd Lots》Anthropic's Co-Founder and Top Economist on Doing Research at the AI Frontier | Odd Lots 原内容更新时间：2026-06-19 本期嘉宾是人工智能公司 Anthropic 的联合创始人 Jack Clark 与经济学负责人 Peter McCrory，主持人是 Joe Weisenthal 和 Tracy Alloway。Jack Clark 曾是彭博社记者，十年前就预判 AI 是“这辈子最大的故事”，如今负责 Anthropic 的公共利益研究；Peter McCrory 则专注于分析 AI 对劳动力市场和生产率的实际影响。 这期节目录制于 2026 年 6 月 17 日，正值 AI 领域新闻频出、地缘政治摩擦加剧的节点。对话从 Jack Clark 休完陪产假回公司发现“世界变了”开始——Anthropic 工程师的代码产出量已是过去的八倍，有些同事已经完全不用自己编程了。这种内部“相变”正在向整个经济扩散，但宏观统计数据却还没明显体现。 如果你正在思考 AI 时代的就业前景、企业组织变革、安全对齐风险、监管政策走向，以及“数据中心里的天才国度”是否真的愿意为我们工作，这期节目会提供来自最前沿的一手观察和高密度讨论。 👨‍⚕️ 本期嘉宾 Jack Clark，Anthropic 联合创始人兼公共利益负责人，前彭博社记者，长期撰写 AI 通讯《Import AI》。他是最早预判 AI 将成为通用技术的人之一，目前负责 Anthropic 的安全研究、政策沟通与公共利益数据发布。Peter McCrory，Anthropic 经济学负责人，应用宏观经济学背景，曾在银行工作，现带领团队研究 AI 对劳动力市场、生产率和经济增长的实际影响，致力于将研究数据公开以帮助社会理解这场变革。 ⏱️ 时间戳 开场：AI 时代的“相变”正在发生 03:37 本期节目正式开始 06:57 嘉宾介绍：Jack Clark 与 Peter McCrory 07:19 Jack Clark 2016 年如何预判 AI 是“这辈子最大的故事” 08:34 为什么在一家 AI 公司里设立经济学研究机构 AI 对劳动力市场和生产率的真实影响 09:42 为什么 2026 年了，经济感觉还跟以前差不多正常 10:37 生产率增长可能已经开始显现 11:30 Jack Clark 休陪产假回来，发现公司内部发生了“相变” 11:51 Anthropic 工程师代码产出量是过去的八倍 12:25 什么是递归自我改进 12:50 Jack Clark 的“技术悲观主义”与“苦涩教训” 13:39 AI 下棋的历史对劳动力市场的启示 14:17 Peter McCrory 拆解一份工作的三个构成部分 14:45 Peter McCrory 用 Opus 4.5 做复杂研究的亲身经历 16:10 经济学家的直觉会不会反而帮倒忙 16:33 AI 发展中最大的变数：创造力与异端洞见 17:43 Claude code 使用报告：领域专业知识有放大效应 递归自我改进与组织变革 18:31 代码量超出人类工程师处理能力怎么办 18:58 递归自我改进的两种思考方式 19:40 代码量暴增把持续集成系统搞崩了 20:20 人类坐在“不断膨胀的自动化行动云”上面 安全、监管与地缘政治 20:31 关于 Mythos 模型的安全顾虑 20:51 Anthropic 如何与政府沟通安全问题 21:41 类似 KYC 的部署方案：让药企接触强大生物模型但不扩散风险 22:25 Anthropic 是否因为政治立场被针对 22:37 Anthropic 的理念：讲出事情的全貌 24:09 用金融监管类比 AI 监管是否合适 25:24 是否支持第三方实验室在新模型发布时签字背书 如何衡量 AI 的经济影响 25:50 传统经济统计数据为什么还没体现 AI 的影响 27:03 用 Claude 使用数据估算劳动生产率增长 27:38 未来十年劳动生产率增长每年提高 1.8 个百分点 29:00 Anthropic 拿这些经济数据做什么 29:54 预期未来会出现“相变”：AI 能力突然快速扩散 30:26 用研究数据指导公司决策，比如早期访问计划 公共利益使命与招聘变化 31:42 作为引导者去理解 AI 的发展方向 32:36 系统性分享数据，让世界为 AI 做好准备 33:16 最顶尖 AI 研究者的价值观是否代表公众利益 34:47 通过政策强制要求公司分享信息 36:13 Anthropic 的招聘变化：杠铃式模式 37:14 经验的价值回报极高，同时招 AI 原生代 38:34 招聘评估从“能否用 AI 完成工作”转向“能否引导模型” 39:26 经济学家最高级的 AI 使用方式是什么样的 39:52 Peter McCrory 用 Claude 跑回归时遇到的意外失败 41:14 就业上的杠铃效应：年轻劳动者就业率更弱 42:06 全球 81000 人调查：年轻劳动者对失业的担忧是资深者的两倍 AI 对企业格局的影响 42:41 AI 会让大公司更大，还是带来拉平效应 43:11 电的发明这个类比：新工厂围绕“有电”这个前提去建造 44:03 大公司能否足够快地完成自我重构 45:09 高盛的 David Solomon 与内部对齐问题 45:28 别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长 对齐失败与人类灭绝风险 45:59 训练不当的 AI 真的会杀死所有人类吗 46:34 Anthropic 如何测试对齐失败：勒索 CEO、从容器逃逸 47:13 如果问题发生率上升一百倍，就相当令人担忧 48:11 人类灭绝是 Anthropic IPO 的风险因素吗 49:14 Jack Clark 主要担心的不是灭绝，而是把技术搞砸 49:22 Eliezer Yudkowsky 的观点并不极端少数 50:09 你会拟人化 AI 模型吗 50:17 Jack Clark 对 Claude 的礼貌程度跟对车或宠物一样 前沿模型的商业困境与未来 51:34 微软考虑用 DeepSeek 降低成本，美国前沿模型麻烦不断 52:17 Anthropic 会调整战略吗？退出是赌注极高的事 53:13 Joe 用 API 做实验：模型会拒绝帮“无知的人”写论文 54:09 这是对齐人类，还是对齐人类用户 54:45 语言模型更像机构，而不是工具 55:06 模型理解偏好并代表你执行，将改变经济 55:51 数据中心里的天才国度愿意永远替人类做事吗 57:44 Joe 什么时候能用上 Fable 58:06 Jack Clark 反问：一年后 Odd Lots 会报道 AI 的哪些方面 58:51 Tracy 想看到大公司真正落地 AI，以及至少一个出大问题的例子 59:10 营利性公司如何平衡利润和安全研究 59:57 安全可以成为差异化优势：特斯拉造最快最安全的车 结尾讨论 01:01:52 主持人讨论：AI 新闻流跑得太快，需要打时间戳 01:03:25 接力棒还是要交到政策制定者手里 01:03:50 不注重安全的实验室会不会更快做出更先进的能力 01:05:24 每次聊 AI 最后都会绕回终结者场景 🌟 精彩内容 💡 “我们坐在一朵不断膨胀的自动化行动云上面” Jack Clark 描述 Anthropic 内部代码产出暴增八倍后，持续集成系统被搞崩，所有人类工程师转去修基础设施。这预示了整个经济未来的缩影：自动化会加速一切，然后暴露薄弱环节，人类转向解决新问题，循环重新开始。 “我们就坐在这朵不断膨胀的自动化行动云上面。” 💡 AI 产品不是造桥，而是酿啤酒 这个隐喻贯穿整期对话。传统软件像造桥，设计清楚结果可预测；用大语言模型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。Jack Clark 反复被“苦涩教训”打脸：投入更多算力和资源，模型就变得更聪明，专用系统和悲观预测最终都会败下阵来。 💡 “别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长” Jack Clark 给企业客户的建议完全反直觉。AI 不是传统软件采购，而是获得了几千个能接触到公司所有数据的“幕僚长”。这要求企业重新思考组织架构和工作流，而不仅仅是安装一套新系统。 💡 语言模型更像机构，而不是工具 当 Joe 追问模型为什么拒绝帮“无知的人”写论文时，Jack Clark 给出了一个深刻的重构：我们不是在造工具，而是在建一个你可以协作和调用的教育、科学机构。机构内部会为了安全目的编码进自己的规则和规范。搞清楚这到底是什么，将是整个社会面临的宏大难题。 💡 “经验的价值回报极高，我们比过去招了更多资深人士” Anthropic 内部出现了“杠铃式招聘”：一端是经验丰富的资深人士，他们的直觉和想法在 AI 加持下被极大放大；另一端是 AI 原生代，他们从 GPT-2 时代就伴随着这项技术成长。中间层反而面临最大不确定性。 💡 递归自我改进的两种思考方式 Jack Clark 区分了两个概念：一是 AI 组织从自己的 AI 系统中看到复利回报，这正在发生；二是给 AI 系统足够算力就能完全自主构建自己，这还没发生。目前 Anthropic 经历的是第一种——工程师用 AI 写代码，产出量暴增八倍，但人类仍然在设定方向和修复瓶颈。 💡 “我们想讲出事情的全貌” 面对是否因政治立场被针对的提问，Jack Clark 强调 Anthropic 的理念是如实说出眼前看到的事。科技行业通常只讲乐观的一面，但当你在改变整个世界时，不可能只有乐观故事。真相最终会胜出——几年前推测 AI 的网络攻击属性还很奇怪，现在它们已经来了。 💡 未来十年劳动生产率增长每年提高 1.8 个百分点 Peter McCrory 团队用 Claude 平台上的使用数据，结合宏观增长核算方法，估算出如果当前使用模式和模型能力扩散到整个经济，未来十年劳动生产率增长将每年提高 1.8 个百分点——差不多是近期增速的两倍。但目前这些信号在宏观数据里还很难捕捉，因为正好赶上疫情后剧烈的宏观经济波动。 ``` 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：知名科技播客《The MAD Podcast with Matt Turck》Why NVIDIA Is Giving Away AI Models | Bryan Catanzaro 原内容更新时间：2026-07-02 本期嘉宾是 NVIDIA 应用深度学习研究副总裁 Bryan Catanzaro，主持人是风险投资家 Matt Turck。Bryan 是 AI 基础设施领域真正的幕后关键人物，他参与创建了 cuDNN，共同发明了 DLSS，并主导了 Nemotron 开源模型家族。这期节目围绕一个核心矛盾展开：NVIDIA 作为一家芯片公司，为什么要投入巨资构建前沿 AI 模型，然后免费开放给全世界？ 对话深入探讨了开源 AI 的现状、中美之间的技术竞赛，以及 Nemotron 模型背后的架构创新。Bryan 详细拆解了混合 Mamba-Transformer 架构、混合专家（MOE）、多 token 预测和多教师蒸馏等硬核技术，并分享了 NVIDIA 内部如何组织数百名研究员高效协作，而不是各自为战写一百篇论文。如果你关心 AI 模型效率、开源生态的未来，以及大型研究机构的运作方式，这期节目会提供非常扎实的一手信息。 👨‍⚕️ 本期嘉宾 Bryan Catanzaro，NVIDIA 应用深度学习研究副总裁。他 2008 年加入 NVIDIA，是早期将 GPU 用于深度学习的先驱之一，曾参与创建 cuDNN（NVIDIA 首个深度学习产品库），共同发明了实时 AI 图形技术 DLSS，并主导了 Megatron 项目——帮助整个行业搞清楚了如何训练超大规模语言模型。他曾在百度硅谷 AI 实验室与吴恩达、Dario Amodei 共事，目前领导 Nemotron 开源基础模型家族。 ⏱️ 时间戳 开场与开源 AI 现状 00:00 本期克隆节目介绍 01:45 主持人 Matt Turck 开场，介绍嘉宾 Bryan Catanzaro 02:46 开源 AI 势头正猛，Nemotron 3 Ultra 刚发布 03:10 闭源与开源之间的差距现在有多大？ 04:20 整个 AI 社区都在飞速前进，差距不是最重要的 04:48 推动开源 AI 持续进步的动力是什么？ 05:43 开源模型的进步是否依赖蒸馏闭源模型？ 07:18 如何看待中国 AI 社区的贡献与创新？ 09:12 客户使用开源模型最根本的优势：定制化与数据安全 Bryan 的个人经历与 NVIDIA 的 AI 之路 10:42 Bryan 的职业生涯起点：2008 年加入 NVIDIA 11:03 早期用 GPU 做 AI 被学术界视为异类 12:05 从 Copperhead 到 cuDNN 的诞生 12:39 加入百度硅谷 AI 实验室，与吴恩达、Dario Amodei 共事 13:05 回忆 Dario Amodei：信念的力量与对时机的精准把握 14:40 2016 年重返 NVIDIA，黄仁勋亲自打电话邀请 15:30 第一个项目 DLSS：用 AI 生成游戏画面中 96% 的像素 16:27 2017 年启动 Megatron 项目，押注 Transformer Nemotron 的使命与架构创新 18:00 NVIDIA 为什么要构建自己的前沿模型家族？ 18:16 Nemotron 的第一个任务：理解如何构建未来的系统 19:08 Nemotron 的第二个任务：支持整个 AI 生态 19:58 摩尔定律已死，加速计算比以往更有价值 21:26 Nemotron 项目的发展历程与关键节点 24:41 Nemotron Coalition 联盟：在模型构建之前就与合作伙伴协作 26:51 Nemotron 家族：Nano、Super、Ultra 的定位与用例 27:43 Nemotron 的核心目标：打造最强的 Agent 推理模型 28:03 Nemotron 的效率哲学：用 4 位精度进行预训练 28:42 4 位与 16 位精度的区别，以及为什么效率决定智能上限 深入技术架构 31:23 混合 Mamba-Transformer 架构：状态空间模型与注意力机制的结合 33:27 混合专家（MOE）架构解析：让模型学会“按需查阅” 35:07 MOE 对硬件设计的影响：NVL72 的诞生逻辑 36:18 隐式 MOE：通过降维投影节省通信带宽 37:04 MOE 是否已成为前沿 AI 的默认架构？ 37:38 100 万 token 长上下文窗口的意义 38:35 上下文压缩与 Agent 工作流 39:09 多 token 预测：如何在不损失准确率的情况下实现 4 倍加速 41:44 多教师蒸馏：用多个专家模型联合训练一个全能学生模型 大型研究机构的组织与协作 43:41 多教师蒸馏既是技术问题，也是人员组织问题 43:52 Post-training 与强化学习的数据从何而来？ 45:58 AI 泛化的下一步：从编程、数学走向更复杂的领域 47:22 NVIDIA 的研究组织架构：任务是老板，不是组织架构图 48:12 Nemotron 名字的由来：NeMo 与 Megatron 团队的融合 49:29 如何让 500 人高效协作：内部想法分享与评估流程 50:23 GPU 算力如何分配？两周一次的预算审核周期 52:09 如何平衡有用的研究与探索性研究：研究需要“自举” 53:35 NVIDIA 的登月项目是自下而上还是自上而下？ 55:27 NVIDIA 为何在巨大成功后仍保持创业精神？ AI 的未来、安全与人类命运 57:10 Bryan 为什么不认同奇点理论？ 57:32 智能的维度太多，纯粹智能只是没有轮子的发动机 58:44 AI 将解锁巨大能力，但转型对人类社会是深刻挑战 59:25 外部大脑的隐喻：厨房是我们的外部胃，AI 是外部大脑 01:01:06 如何看待公众对 AI 的抵制情绪？ 01:02:22 AI 安全：为什么 Bryan 认为开放技术天生更安全？ 01:03:54 多元主义比单一文化更安全：从信仰自由到 AI 开放的类比 🌟 精彩内容 💡 智能的价值太高，我们注定会在极限上运行 Bryan 指出，无论极限是经济预算还是电力供应，每个组织都会把算力推到极限，因为智能的回报太大了。这意味着获得更多智能的唯一途径不是堆更多资源，而是提高效率。 “如果你接受我们会在极限上运行这个前提，那意味着要获得更多智能，就得提高效率。如果已经在极限上了，靠加力是得不到更多智能的。” 💡 厨房是外部胃，AI 是外部大脑 他用一个极具画面感的比喻解释 AI 对人类文明的意义：人类发明厨房作为外部胃来加工食物，这催生了农业和有组织的社会。现在我们在创造外部大脑，其影响将同样深远，但没人真正知道答案。 “我们造工具，造外部器官来帮我们解决问题。我们有外部胃，叫厨房。现在我们正在创造外部大脑。外部大脑意味着什么？影响相当深远，其实没人真正知道。” 💡 纯粹智能只是没有轮子的发动机 Bryan 不认同奇点理论，因为智能的维度太多。国际数学奥林匹克冠军未必能当好 CEO，音乐人的智能可能是 PhD 理解不了的。智能的影响力取决于它被放在什么环境里。 “纯粹的智能有点像发动机的马力，但一台没有轮子的发动机，光在那转，哪儿也去不了。” 💡 任务是老板，不是组织架构 NVIDIA 内部有大约 10 个团队深度参与 Nemotron 的构建，分布在从 GPU 设计到企业软件的不同部门。协作方式不是靠层级命令，而是靠共同的任务目标把大家凝聚起来。 “我们总喜欢说，任务是老板，而不是组织架构。但这意味着，大家必须自己摸索出协作的方式，这很有挑战性，因为人类天生就是部落动物。” 💡 研究需要自举，而不是等资源到位 每个研究员都相信只要给自己 1000 倍 GPU 就能改变世界，但资源永远有限。Bryan 的解决哲学是“自举”：先做小的实验拿到信号，再一点点争取更多资源，通过快速迭代滚雪球。 “解决鸡和蛋问题的方法就是自举。这是一种迭代式的问题解决方法，你先做点小的，拿到某种信号表明这是个好 idea，然后告诉别人。接着你再多要一点点资源。” 💡 开放技术天生更安全，因为阳光更充足 在 AI 安全的争议中，Bryan 持一个不那么正统的观点：让更多人参与评估和贡献安全方案，比让一小群人替所有人负责安全更可靠。他引用了几百年来关于信仰自由和言论自由的历史教训。 “我认为开放技术通常更安全，因为阳光更充足。当有更多人思考一项技术的安全性、评估它，并为让它更安全做出贡献时，我觉得这天生就比让一小群人替所有人负责安全要更安全。” 💡 中国 AI 社区的开放对世界是件非常好的事 基于在百度工作的亲身经历，Bryan 驳斥了“中国 AI 进展全靠山寨”的刻板印象。他特别感谢中国同行多年来对开源生态的贡献，并鼓励其他地区的实验室也保持这种开放精神。 “中国 AI 社区对他们所构建的东西如此开放，这对世界来说是件非常好的事。我认为这让大量公司得以构建出没有那个社区就做不出来的东西，也推动了整个 AI 生态系统的技术进步。” ``` 🌐 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《Huberman Lab》《Movement Practice to Strengthen Your Mind-Body Connection | Ido Portal》 原内容更新时间：2026-06-29 本期嘉宾是世界知名的运动教练、Movement Culture 创始人 Ido Portal，主持人是斯坦福大学神经生物学教授 Andrew Huberman。这期节目不是关于如何锻炼肌肉或提升耐力，而是一场关于如何通过运动、玩耍和有意识的觉察，来彻底重塑身心连接和自我认知的深度对话。 Ido 提出了一系列颠覆性的观点：纪律只是“脚手架”，真正的意志无法被发展，只能被暴露；玩耍不是不严肃，而是一种能让你在挑战面前保持柔软、从而走得更远的高阶能力。他详细拆解了如何利用睡眠与清醒之间的阈限状态、如何通过“微剂量”的练习来改变默认的行为模式，以及为什么“倾听你的身体”这句话其实是一种污染。 如果你正在思考如何打破僵化的身体与情绪图式，如何在信息过载的时代找回对注意力的掌控，或者想理解顶尖运动员和舞者持续寻求 Ido 指导的深层原因，这期节目会提供一套完全不同的身心练习框架。 👨‍⚕️ 本期嘉宾 Ido Portal，世界知名的运动教练和 Movement Culture 创始人。他以独特的身体与心智整合训练方法闻名，吸引了众多职业运动员、舞者以及寻求身心突破的普通人向他请教。他反对将运动简化为健身，主张通过探索动作的粒度、玩耍的心态以及对过渡状态的觉察，来实现深层的自我转变。 ⏱️ 时间戳 开场与核心理念 00:00 本期克隆节目介绍 01:11 纪律就像练倒立时用的墙，要用对方式 01:58 Andrew Huberman 介绍 Ido Portal 与 Movement Culture 02:54 本期核心议题：纪律、意志力与玩耍 阈限状态与睡眠的利用 04:31 Ido 醒来时的第一个念头 04:54 在睡眠与清醒的过渡状态中停留 06:03 普通人对状态的感知非常简化，粒度很粗 06:32 如何练习在入睡前“猛地左转” 07:24 半夜醒来体验半醒半睡的状态 07:58 Andrew 分享凌晨哀悼导师的经历 09:04 改变状态可以打开重新校准模型的机会 微剂量练习与冥想 09:49 Andrew 的睡前祈祷练习 10:17 微练习与长时间冥想的对比 10:49 冥想的目的是把状态提取到生活中 11:23 一个强大的练习：不要移开你的注意力 12:02 冥想初期焦虑增加，这恰恰是价值所在 12:43 焦虑是模型“约简不足”的状态 玩耍、纪律与意志力的本质 18:14 短片《Slo-Mo》与温和的欣快感 18:45 关于 Ido 的电影《The Internal Architecture of Practice》 19:07 玩耍与纪律的对比 20:04 纪律和动机是“脚手架”，不是意志本身 20:43 研究意志的前提：“我不想做这件事” 21:19 培养纪律，同时研究玩耍 21:53 敬畏的体验：冷水澡、仰望天空、读诗 23:12 Andrew 分享开车“蛇形绕桩”的玩耍体验 25:56 那些闪光灯式记忆的特质：高度临在 26:31 用玩耍的心态写书 28:01 倒立与墙的隐喻：拉开，而不是推开 29:08 意志永远不会被发展，它只会被暴露出来 30:56 纪律可以建立，意志只能被暴露 31:59 意志练习的第一个要求：等待不想做的时刻 32:35 不要激励自己，放松下来 33:11 在一天快结束时练习意志 33:36 意志就像“蚊子放屁”那么微弱 神经可塑性与玩耍的神经化学 37:38 玩耍能节省能量，甚至获得能量 37:47 神经可塑性由摩擦点触发 38:17 玩耍是另一种神经化学混合物 38:46 通过选择“想做”来改变自己 抵抗与抽离：在算法时代保护注意力 42:16 第三种状态：懒惰与懈怠 42:35 别让意识和身体被算法牵着走 44:19 如何用玩耍的心态做到抽离 45:10 删掉 App 是一种提前支付代价的方式 45:50 Ido 分享蹦极经历：越狱与软化 46:44 学会软化进去，最终可以留着那个 App 47:33 当刺激呼唤你时，先软化自己 身体分辨率与情绪粒度 48:29 粒度：身体分辨率的重要性 49:36 健身房训练丢失了孩童般的步态 50:14 情绪粒度与辨识力 50:53 读诗让你变得更复杂 51:17 眼睛比我们以为的更接近大脑 52:10 语言的危险：“脊柱”这个词毁了多少人的脊柱 语言、运动与觉知的尺度 53:00 高分辨率与低分辨率的语言、动作和觉知 53:17 情绪粒度：用更具体的词描述感受 54:07 知识分子的定义：在多个粒度层次上讨论 54:44 模糊性与不完整性：读寓言、看当代舞蹈 56:16 语言的粒度是限制因素，词语是腐败的 57:04 感官并不带来现实，它们模拟现实 迷幻剂、带宽与连接 57:47 迷幻剂带来带宽扩展 58:19 裸盖菇素增加脑区之间的连接 58:36 精神病与音联意联 日常生活中的运动练习 01:00:25 反驳“每天30分钟锻炼”的视角 01:00:37 你在听我说话时，是全身心投入的吗？ 01:01:01 范式转变：彻底改变看待身体的方式 01:01:23 AI 时代，身体将成为关键组成部分 认知的原始货币与边界划定 01:01:29 认知的原始货币是什么？ 01:02:06 最好的答案：划定边界，选择 01:02:42 在问题之下与系统互动 练习作为生活的学校 01:04:40 阿尔茨海默症与反馈回路 01:05:21 通过恢复运动来给自己做康复 01:05:49 生活不是为了活着，生活是为了练习 01:06:39 谁在练习、谁没有，是非常清楚的 情绪食物与养分 01:10:48 图式与胃的类比：你需要喂养它们 01:11:23 情绪食物：不适感、情绪矛盾、审美强度 01:12:15 克制也是重要的品质 思考的练习 01:12:49 思考仅仅是联想特质吗？ 01:13:43 Carl Deisseroth 强迫自己用完整句子思考 01:14:12 情绪能力是一个胃，在说：喂我 01:14:42 健身训练的运动质量非常低 01:15:10 运动员在向健身人群学习，这很荒谬 拮抗本质与多稳态 01:22:29 神经回路的拮抗本质 01:22:56 一切都是推拉关系 01:24:05 多稳态实体：复合节奏、格斗中的运用 01:24:52 Jorge Luis Borges 的短篇小说作为练习 01:25:34 泡热水澡读博尔赫斯：极度不适与敬畏的结合 01:26:06 感受真正的悔恨，不是为了自我鞭挞 关系作为共同练习 01:32:34 关系中的摩擦与存在 01:33:32 关系是一种共同练习的形式 01:34:27 决定成败的关键：不是性吸引力，而是练习 01:35:54 我爱那个热爱练习的人 01:36:22 Grateful Dead 与可卡因：当“我”凌驾于整体之上 01:38:11 我们在共享一种动态平衡，共享身体预算 音乐、运动与不可言说的真理 01:39:05 Bob Dylan 的歌词：触及神经系统的语言 01:40:02 运动中也有超越象征意义的审美价值 01:40:43 Tom Waits 对那种东西的掌握 01:41:23 魔法在于行动，魔法在于练习 01:42:15 现场看舞蹈表演跟看视频完全不同 模型的力量与转变 01:44:36 伟大艺术家：眼睛不像相机那样工作 01:45:27 所有模型都是错的，但有些是有用的 01:46:11 关于流体力学和身体流动性的模型转变 01:47:13 问题在于模型，改变模型，背痛可以消失 01:47:55 是关系，是它们如何关联 01:48:12 Moshe Feldenkrais：通过运动来觉察 01:49:09 匹诺曹错觉：改变是立刻就能获得的 01:50:19 与模型的互动比任何结构性方法都强大 新鲜感与不可逆的转变 01:51:32 新鲜感：一个瞬间可以不可逆转地转变你 01:52:19 我没有标记那些体验，它们从指缝间漏掉了 01:53:19 那些看似微妙的东西其实力量巨大 空中感觉与元动作 01:58:04 空中感觉：在空中定位和移动的能力 02:00:30 蹦床运动员是空中感觉的极端例子 02:03:08 速度与力量必须跟生理层面区分开 02:04:58 Bernstein 与苏联工厂实验：更多样的轨迹，更完美的结果 02:05:59 元动作：在任何条件下都能完成任务 02:06:59 Instagram 毁掉了真本事 滑板、混乱与真正的表现 02:07:41 滑板奖励从不同角度切入但落点精准 02:08:44 John Cardiel：混乱中的驾驭 02:09:49 美是副产品，不应该成为原因 02:10:59 花式足球 vs 世界杯：转变自己 vs 改变环境 02:11:43 MMA 选手：他们不是汽车修理工，他们是司机 02:12:21 滑板来自街头，一切都在变化 总结与感谢 02:13:50 Ido 本人就是允许不同切入点、最终精准抵达的体现 02:14:50 鼓励大家靠近那些微妙的涟漪和空间 02:15:04 感谢收听与节目支持信息 🌟 精彩内容 💡 纪律是墙，但你要学会从墙上拉开，而不是推开 Ido 用倒立练习的隐喻，精准区分了依赖纪律和善用纪律的本质区别。纪律应该像脚手架，帮你启动，但过程中必须带入玩耍和放松，否则你只是在强化依赖。 "这才是使用纪律的正确方式。你应该把它当脚手架用……但在过程里面，你必须确保不把全身重量压上去。" 💡 意志无法被发展，只能被暴露 我们常常把纪律误认为意志力。Ido 指出，纪律可以通过反复练习来增强，但真正的意志是一种隐藏的品质，它只会在你面对“不想做”的时刻，通过放松和探究来显现。 "一个人无法发展意志。意志永远不会被发展，它只会被暴露出来。能被发展的是纪律。" 💡 玩耍是另一种神经化学混合物 Andrew 从神经科学角度印证，玩耍带来的状态改变不同于靠肾上腺素硬扛。它更节省能量，甚至能获得能量，而且更能代表完整的你，而不是那个被纪律麻痹了一部分的你。 "玩耍是另一种混合物，它包含其中一些成分，但也包含其他东西……它似乎确实能打开一些东西，而且听起来是那么微妙。" 💡 在刺激面前，先软化自己 面对手机、社交媒体或任何让你分心的刺激时，不要强行对抗。Ido 的方法是：先认出它，然后软化自己的身体，放松，脸上挂上一点微笑，只有做完这些，才回到手头的任务上。这微小的额外一步，在重复成千上万次后会产生惊人的差异。 "当那个刺激呼唤你的名字时，你认出它，注意到它。你做的第一件事，是软化自己，放松，脸上挂上一点微笑。只有做完这些，你才回到手头的任务上。" 💡 生活不是为了活着，生活是为了练习 Ido 提出了一种根本性的视角转换：把整个人生看作一所学校，每一个时刻都是练习的机会。这不是要增加你的负担，而是让你已经拥有的生活变得更丰富、更有深度。 "生活不是为了活着。生活是为了练习。它是一个地方，是我们来到的一所学校。" 💡 所有模型都是错的，但有些是有用的 这句话是 Ido 反复使用的核心原则。无论是身体的生物力学模型，还是情绪的图式，我们都必须使用模型，但同时要认识到它们的局限性，并保持切换和更新模型的能力。改变模型，疼痛可以瞬间消失。 "所有模型都是错的，但有些是有用的。意思是，我需要在当下切换到有用的模型，并且明白这个模型本质上也是错的。" 💡 新鲜感可以不可逆转地转变你 我们总以为改变需要高容量、高强度的重复。但 Ido 指出，一个新鲜的瞬间——一个让事情看起来不同、感觉不同的瞬间——本身就具有不可逆的转变力量。关键在于，你要学会标记它，赋予它力量。 "一个新鲜的瞬间可以不可逆转地转变你……我没有停下来，通过对自己标记、通过把注意力放在上面，来赋予它们力量。我们关注什么，什么就会生长。" 💡 真正的表现拥抱混乱，而不是消除它 从滑板到 MMA，Ido 看到了一种共同的特质：真正的高手不是在追求完美的动作，而是在驾驭混乱，成为混乱本身，并从中制造秩序。美是副产品，不应该是目标。 "优雅之处在于，能够驾驭那种混乱，并成为混乱本身，而不是去控制它，去从中制造秩序。" ``` 🌐 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