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 Huberman Lab Neuroscience of Emotions & Tools for Improving Emotion Regulation | Dr. Ralph Adolphs 原内容更新时间：2026-08-17 本期节目来自全球顶尖的神经科学播客《Huberman Lab》，由斯坦福大学医学院神经生物学教授Andrew Huberman主持，对话加州理工学院心理学、神经科学和生物学教授Dr. Ralph Adolphs——全球公认的情绪神经科学领域权威。两人围绕"情绪到底是什么"展开了一场深度科学对话，从神经回路、身体表征到情绪调节工具，层层拆解这个我们每天都在经历、却极少真正理解的心理现象。 这期节目最难得的地方在于，它既保持了极高的科学严谨性，又提供了大量可以立即上手的实用工具。从冰浴如何训练自主情绪调节，到认知重评的正确打开方式，再到为什么"给情绪命名"可能被误解了，Adolphs教授用一个个生动的实验和亲身经历，把复杂的神经科学讲得清晰透彻。无论你是想更好地管理情绪、理解他人，还是单纯对大脑如何工作感到好奇，这期节目都会让你收获满满。 👨‍⚕️ 本期嘉宾 Dr. Ralph Adolphs是加州理工学院的心理学、神经科学和生物学教授，全球顶尖的情绪神经科学专家。他的研究横跨动物模型与人类临床案例，尤其以对杏仁核损伤患者SM的经典研究闻名于世。他与David Anderson合著了《情绪的神经科学》一书，并即将出版新书进一步阐述情绪的功能性定义。Adolphs教授还是一位超级马拉松跑者，正在为100英里比赛训练，并坚持冰浴练习——这些个人经历让他的科学见解更具说服力。 ⏱️ 时间戳 00:00 开场 & 节目介绍 情绪科学的独特视角 02:07 Andrew Huberman开场：欢迎Dr. Ralph Adolphs 03:39 整合动物研究与人类心理学的罕见能力 05:13 情绪的本质：功能状态而非大脑区域 情绪的核心特征 09:35 优先性：情绪如何接管你的行为 10:31 效价：接近与回避的基本维度 12:59 可扩展性与时间持续性 14:52 失忆症患者研究：情绪独立于记忆存在 动物情绪与AI情绪 17:07 动物是否符合情绪标准？ 18:00 Anthropic声称AI有功能性情绪 18:26 意识体验：情绪研究的难题 情绪调节的科学与工具 23:46 情绪调节：人类独有的能力 27:12 情绪粒度：觉察情绪的能力 31:15 认知重评的双刃剑效应 32:41 冰浴如何训练自主情绪调节 超级马拉松与情绪韧性 36:58 100英里比赛的挑战 37:51 超级马拉松中的非线性情绪起伏 40:27 逆境与创伤后韧性 敬畏与人类独特情绪 42:07 敬畏：从时间尺度看世界 43:21 敬畏作为人类独有情绪 44:06 心理时间旅行与视角切换 面部表情与情绪感知 45:35 杏仁核损伤患者SM的经典研究 47:13 保罗·艾克曼的基本情绪理论 48:12 重新审视：面部表情真的可靠吗？ 50:09 狗的内疚表情：我们高估了自己的判断力 情绪在身体中的表征 01:00:33 情绪身体地图研究的真相 01:03:55 脑岛：身体信号的接收中枢 01:06:51 威廉·詹姆斯：情绪是身体变化的感知 社交智能与情绪灵活性 01:25:21 社交智能与情绪智能的差异 01:27:03 情绪调节的变异性与灵活性 01:29:17 医生如何在专注与共情间切换 自闭症谱系与社交注意力 01:32:32 自闭症研究：从个体差异切入 01:36:49 眼神接触与视觉注意力的量化研究 01:39:20 看脸倾向：稳定的人格特质 冥想、任务切换与内在训练 01:49:13 独处与内在训练的价值 01:51:35 实验室组会前的静默冥想 01:54:18 任务切换的代价与训练 01:57:45 冥想对情绪调节的益处 🌟 精彩内容 💡 情绪是功能状态，不是大脑区域 Adolphs教授强调，理解情绪应该看它"做什么"，而不是看它在人类大脑里"碰巧怎么构成"。情绪是应对特定环境挑战的功能状态，比如从熊面前逃跑——它比反射灵活，又比理性规划快速。 "情绪是功能状态，有特定的特征或运作特性，用来应对特定类型的环境挑战。" 💡 情绪的核心特征：优先性、效价、可扩展性与时间持续性 情绪能接管你的行为（优先性），有接近或回避的基本维度（效价），能按强度比例变化（可扩展性），并且能持续一段时间（时间持续性）。这些特征让情绪区别于一闪而过的反射。 "熊就在外面，它可能还会回来，可能还潜伏在森林里，所以你最好害怕一段时间。" 💡 情绪可以独立于记忆存在 一项对失忆症患者的研究显示，即使患者完全不记得看过悲伤电影，他们的悲伤情绪仍会持续数分钟。这证明情绪状态本身就有自己的时间持续性，与陈述性记忆完全分离。 "他们对电影没有任何陈述性记忆，但悲伤仍然有时间持续性。" 💡 冰浴训练的是情绪的"自动调节" Adolphs教授分享了自己的单样本实验：坚持冰浴后，面对有人对他按喇叭的愤怒情境，他的自主情绪反应变得平缓。冰浴训练出的自主调节能力，会泛化到日常压力源中。 "我的自主情绪反应对心理压力源——有人对我按喇叭——产生了一种即时的、自动的下调。" 💡 面部表情不是可靠的情绪信号 尽管我们确信自己能通过面部表情判断他人情绪，但研究显示这种确信远超实际准确度。艾克曼的经典表情图片是演员摆拍的夸张表情，现实中的情绪判断依赖的是动态变化和情境信息。 "我们那种确信，觉得自己光看面部表情就能判断别人或动物的情绪状态，这种确信远远超出了我们的实际准确度。" 💡 情绪调节的关键：越早拦截越好 对"什么是最成功的情绪调节策略"这个问题，Adolphs教授给出了简洁的回答：你越早拦住这个过程，效果越好。情境回避（预防）优于事后重评，而一旦陷入情绪，认知重评可能变成双刃剑。 "你越早拦住这个过程，效果越好。所以首先，别让自己陷入那种会焦虑、内疚、悲伤或任何你想避免的情绪情境。" 💡 敬畏是人类独有的情绪 敬畏建立在我们从"此时此地"抽离出来的元认知能力之上，让我们能采取宏大视角、进行心理时间旅行。这种能力也是人类区别于其他动物的关键。 "当我感到敬畏时，我可以大幅拉远视角。而我觉得动物更多是被困在感官当下传递给它们的那些东西里。" 💡 死亡不是世界失去你，而是你失去世界 从神经科学视角看，整个世界其实是你大脑构建出来的。随着衰老，小东西一点点消失，最终你失去整个世界。这种视角让人更珍惜当下，心怀感恩与敬畏。 "我们通常把死亡想成世界失去了你，但神经科学的视角正好反过来，是你失去了世界。" 🌐 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 Anthropic's $2T IPO, Zuck's AI Manifesto, Nvidia's $500B AI Bet, Grok's Comeback 原内容更新时间：2026-08-14 本期节目由 All-In Podcast 的几位科技投资人主持，包括 Chamath、David Sacks 等，特别邀请了知名投资人 Gavin Baker 作为嘉宾。节目录制于2026年8月14日，围绕当时科技圈最热门的几大话题展开了激烈讨论：Anthropic 传闻中的2万亿美元IPO、扎克伯格发布的6500字AI宣言、英伟达联合华尔街巨头筹集5000亿美元用于AI算力建设，以及 xAI 旗下 Grok 模型的强势追赶。 这期节目信息密度极高，几位嘉宾不仅对 Anthropic 的收入增长速度和 IPO 估值进行了深入剖析，还就 AI 开源与闭源之争、算力融资模式的创新、以及 AI 对就业和社会的深远影响展开了观点交锋。无论你是关注 AI 产业趋势的投资者、创业者，还是对科技巨头动态感兴趣的观察者，这期节目都能提供大量一手判断和前瞻性思考。 👨‍⚕️ 本期嘉宾 Gavin Baker，知名科技投资人，曾主导参与 SpaceX 第二轮百亿美元融资，是科技投资圈备受尊敬的人物。他以其对 AI、算力和前沿科技领域的深刻洞察而闻名，在节目中多次分享了对 Anthropic、英伟达、xAI 等公司的独到见解。他的加入为这期节目带来了专业的投资视角和对 AI 产业链的深度理解。 ⏱️ 时间戳 00:00 开场 & 节目介绍 Gavin Baker 的加入与 SpaceX 投资回顾 01:10 开场寒暄与 Gavin Baker 的 SpaceX 胜利 02:09 讨论 Rahm Emanuel 的访谈与民主党内部斗争 Anthropic 的 2 万亿美元 IPO 传闻 03:56 突发新闻：Anthropic 目标估值 2 万亿美元 IPO 05:43 Gavin Baker 对 IPO 估值和收入增速的看法 10:20 Sacks 分析增长可持续性与算力瓶颈 13:21 Gavin Baker 拆解需求与供给：知识工作市场与能源限制 扎克伯格的 AI 宣言与开源之争 27:03 扎克伯格发布 6500 字 AI 宣言《未来属于每个人》 27:54 Sacks 解读宣言：集中化 vs 去中心化 32:48 Gavin Baker 认同"技术太危险，不能集中"的观点 36:14 讨论有效利他主义者的"核弹"类比与监管风险 英伟达的 5000 亿美元算力融资计划 55:05 英伟达联合高盛、贝莱德筹集 5000 亿美元 56:10 Gavin Baker 分析 GPU 资产融资模式的创新 59:10 Sacks 讨论风险：算力过剩与"暗 GPU"危机 01:00:59 黄仁勋的棋局：缓解融资约束，做大市场 亚马逊司机诉讼与社会主义议题 01:09:17 新泽西和纽约起诉亚马逊分包商模式 01:11:16 Sacks 为 DSP 模式辩护：合同自由与效率 01:12:46 Gavin Baker 建议亚马逊加收"Mamdani 费" 01:13:47 Chamath 反驳：资本主义需要自我修正 Grok 的强势追赶与 xAI 战略 01:21:50 讨论 Grok 4.6 发布与帕累托前沿图 01:24:14 分析 Elon 追赶成功的原因：收购 Cursor 与重组管理层 01:26:31 Sacks 分析 xAI 的"看涨期权"与"看跌期权"策略 Workday 收购传闻与软件行业前景 01:29:17 独家消息：银湖资本可能收购 Workday 01:29:41 Gavin Baker 分析开源对软件行业的冲击与私募股权机会 🌟 精彩内容 💡 "我们从未见过这样的收入增长曲线" Anthropic 的年化收入预计年底达到 1000 亿到 1200 亿美元，同比增长超过 10 倍，且过去三年每年都保持 10 倍增长。这种指数级增长在硅谷历史上绝无仅有，但也引发了关于潜在市场规模和物理限制的讨论。 "我们真的从未见过这样的情况。" 💡 "AI 产品不是造桥，而是酿啤酒" Gavin Baker 用"原子 vs 比特"的框架来理解 AI 算力建设，强调数据中心建设是物理世界的挑战，涉及能源、涡轮机、监管等现实问题，与软件世界的快速迭代截然不同。 "这是原子，不是比特，而且真的非常非常难。" 💡 "这项技术太危险，不能集中起来" Gavin Baker 将 Anthropic 和有效利他主义者的立场总结为"技术太危险，不能分发出去"，而扎克伯格、Elon 和 Jensen 则相信"技术太危险，不能集中起来"。他明确站在后者一边，认为历史已经证明分发和去中心化永远是更好的选择。 "历史已经给出了答案。当有选择的时候，分发和去中心化永远是更好的。" 💡 "英伟达正在变成 AI 界的中央银行" Gavin Baker 用"AI 界的美联储"来形容英伟达在算力融资中的角色。通过提供残值担保和牵线搭桥，英伟达正在创造一个全新的资产类别，让 GPU 成为可融资、能产生收入的资产，这将对整个 AI 产业链产生深远影响。 "从某种意义上说，英伟达正在变成 AI 界的中央银行。" 💡 "如果 Anthropic 猛踩刹车，后面的公司会连环追尾" Sacks 将 Anthropic 比作整个 AI 行业的"领跑车"，它的季度财报将成为市场判断需求信号的关键指标。如果领跑车减速，整个食物链上的公司都会感受到冲击。 "如果 Anthropic 猛踩刹车，后面的公司会连环追尾。" 💡 "我要拥有自己的 AI，它的价值观跟我一致" Gavin Baker 用持枪权来类比拥有 AI 的权利，强调个体应该拥有价值观与自己一致的 AI，而不是依赖某个"好人"或集中化的机构来决定什么对自己最有利。 "我要拥有自己的 AI，它的价值观跟我一致，而不是跟某个好人一致，哪怕那个人再好也不行。" 💡 "真理必叫你们得自由" Gavin Baker 多次引用这句圣经名言，强调在 AI 和数据中心的舆论战中，需要有人站出来讲述真相，纠正媒体制造的谎言和歇斯底里，否则公众将无法做出正确的判断。 "没人讲真话，你就得不到自由。" 🌐 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：Breaking History《Restless Nation：The Making of Modern Iran》两部曲。第一部回溯从十九世纪末烟草抗议到巴列维王朝、改革与一九七九年革命前夕的历史循环；第二部聚焦阿亚图拉·霍梅尼、伊斯兰革命，以及伊斯兰主义者与自由派、进步左翼之间的“红绿联盟”及其代价。原始发布：2025年7月16日（Part 1）与2025年8月6日（Part 2）。 主持人Eli Lake以冷峻的叙事风格，带我们穿越伊朗两个世纪的动荡史。这期节目不仅是对历史的梳理，更是一面照向当下的镜子——从1892年烟草抗议点燃的宪政革命，到1925年议会亲手把权力交给礼萨·汗，再到1953年摩萨台从民主英雄滑向独裁者，直至1979年霍梅尼终结两千五百年君主制。Eli Lake的核心论点尖锐而发人深省：在伊朗现代史的每个关键转折点，民主派往往成全了独裁者。 节目特别聚焦"红绿联盟"这一贯穿百年的政治现象——伊斯兰主义者与自由派、左翼之间看似不可能的同盟。从1906年宪政革命中毛拉与商人的联手，到1979年革命中左翼知识分子对霍梅尼的误判，再到今天西方进步派对伊朗政权的某种"理解"，Eli Lake用大量一手史料和亲历者证词，揭示了这种联盟如何反复以自由之名，行独裁之实。 👨‍⚕️ 本期嘉宾 本期节目由Breaking History主持人Eli Lake主讲，他是美国知名调查记者、专栏作家，曾任《每日野兽》资深记者和《新闻周刊》国家安全栏目记者，长期关注中东事务、反恐与情报议题。节目中邀请了多位重量级学者与专家：耶鲁大学历史学家阿巴斯·阿马纳特（《伊朗：一部现代史》作者）、美国外交关系委员会高级研究员雷·塔基（《末代沙阿》作者）、斯坦福大学伊朗研究项目主任阿巴斯·马拉尼，以及政治学家马蒂亚斯·昆克尔。这些学者从不同角度为听众还原了伊朗现代史的关键节点，提供了丰富的一手史料与学术洞见。 ⏱️ 时间戳 00:00 开场 & 节目简介 伊朗现代史的两部曲 00:37 本期克隆节目介绍：Breaking History伊朗特别节目 01:08 主持人Eli Lake开场：伊朗在两次革命之间的历史 01:20 特朗普"政权更迭"言论与伊朗政权的合法性危机 第一次革命：宪政革命的起源与幻灭 04:33 1892年烟草抗议：街头政治的开端 07:07 十九世纪末伊朗的困境与卡扎尔王朝的腐朽 08:38 1905年宪政革命爆发：没有领袖的革命 11:52 宪法签署与穆罕默德·阿里的反扑 13:16 哥萨克部队炮轰议会：立法政变 14:42 诗人巴哈尔的哀叹："祸福无门，惟人自召" 礼萨·汗的崛起与巴列维王朝的建立 16:33 礼萨·汗的登场：从哥萨克军官到国家强人 18:34 1921年政变与权力之路 20:24 1925年议会投票：亲手给自己套上枷锁 21:08 摩萨台的首次反对：宪政主义者的良知 24:15 礼萨·沙阿的暴政与现代化 二战与摩萨台时代：石油国有化与1953年政变 26:56 二战中伊朗被英苏占领 30:06 穆罕默德·礼萨·巴列维登基与民主黄金时代 32:05 霍梅尼的首次公开信：1944年的伏笔 34:21 摩萨台与石油国有化运动 40:13 石油国有化法案通过 41:24 摩萨台的巅峰与《时代》年度人物 42:55 1953年政变：阿贾克斯行动 48:13 政变叙事的争议与摩萨台的独裁转向 白色革命与霍梅尼的崛起 01:01:33 1963年：白色革命与土地改革 01:05:45 霍梅尼登场：激进阿亚图拉的崛起 01:08:00 霍梅尼被捕与德黑兰暴乱 01:10:44 霍梅尼的恐怖主义渊源 01:13:25 萨瓦克局长帕克拉万与霍梅尼的午餐 01:17:38 1964年流放：霍梅尼的纳杰夫岁月 流亡中的革命者：从磁带到巴黎 01:18:47 霍梅尼的磁带网络与大众传播创新 01:22:03 《伊斯兰政府》：霍梅尼的政治蓝图 01:25:07 国王的疏离与1971年波斯波利斯盛宴 01:29:36 霍梅尼对庆典的谴责 革命前夜：1978年的动荡 01:30:54 卡特"稳定之岛"祝酒与误判 01:32:08 库姆抗议与40天哀悼周期 01:34:40 阿巴丹电影院纵火案 01:35:47 各派系与霍梅尼的结盟 革命胜利与神权统治的确立 01:37:40 霍梅尼流亡巴黎：国际媒体的宠儿 01:39:39 迈克·华莱士采访与西方误读 01:42:59 福柯与"红绿联盟"的思想根源 01:46:40 1978年秋：国王的崩溃 01:47:48 沙阿出走与霍梅尼归来 01:48:54 革命后的女性权利倒退 01:50:55 革命法庭与帕克拉万的处决 01:51:43 法拉奇与霍梅尼的经典交锋 🌟 精彩内容 💡 "民主派往往成全独裁者" 伊朗现代史的核心悖论：一个渴望自由的国家，却反复选择独裁者。从1906年宪政革命到1979年伊斯兰革命，自由派和左翼每次都以为可以利用宗教势力推翻暴君，结果却迎来更严酷的神权统治。Eli Lake用"民主成全独裁"概括了这一循环。 "在伊朗现代史的关键转折点上，民主派往往成全了独裁者。" 💡 宪政革命是一场没有领袖的革命 与法国大革命、美国独立战争不同，1906年伊朗宪政革命没有华盛顿或罗伯斯庇尔式的人物。耶鲁历史学家阿马纳特指出，这场革命由一群地位平等的宪政主义者共同推动，这既是它的理想主义底色，也是它最终失败的原因——缺乏强有力的领导核心，让权力真空最终被强人填补。 "它首先是一场没有领袖的革命。它没有一个像霍梅尼那样留着胡子、缠着头巾、坐在那里被视为神圣或半神圣的魅惑型人物。" 💡 摩萨台：从民主英雄到法外之徒 1953年被中情局推翻的摩萨台，在西方叙事中常被塑造成民主烈士。但Eli Lake揭示了另一面：摩萨台在执政后期清洗了150多名军官、近200名法官，解散议会，实施戒严，变得和他毕生反对的独裁者一样。雷·塔基的评价格外犀利：他背叛了自己作为律师、作家和议员的全部原则。 "一个以法治捍卫者身份进入政坛的政治家，最终变成了一个法外之徒。" 💡 霍梅尼的磁带革命：技术如何改变历史 在1960年代，被流放的霍梅尼用录音带传播布道，通过全国性的电话联络网络分发。到了1978年，这个网络已经成熟到可以在一夜之间将巴黎的录音传遍伊朗。当霍梅尼在磁带里号召罢工时，罢工就发生了；当他让人民走上街头时，人民就走上街头了。这是20世纪政治传播史上最被低估的技术革命。 "当霍梅尼在这些磁带里号召罢工时，罢工就发生了。当他在磁带里让人们走上街头时，人们就走上街头了。" 💡 福柯与"红绿联盟"：西方左翼为何拥抱神权 法国哲学家福柯在1978年访问伊朗后，盛赞霍梅尼的运动是"政治灵性"的体现，是"地平线上的一个光点"。这位公开的同性恋者、后现代主义大师，对霍梅尼关于同性恋的布道视而不见，却把神权统治浪漫化为对西方启蒙的超越。Eli Lake指出，福柯不是被骗了，他明白霍梅尼想干什么，而且他叫好。 "福柯对伊朗一无所知，却在颂扬一位反动神职人员，以及他终结自己国家自治希望的运动。" 💡 法拉奇与霍梅尼：一场改变世界的交锋 1979年9月，意大利记者奥丽娅娜·法拉奇在库姆采访霍梅尼。她当面质问这位阿亚图拉是否是个独裁者，霍梅尼回答"我很享受"人民的狂热崇拜。当法拉奇摘下头巾说"我现在就把这块愚蠢的中世纪破布摘下来"时，这场采访已经超越了新闻，成为东西方文明冲突的缩影。法拉奇后来预言，霍梅尼的运动将"毒害世界"。 "我们不怕你们的科学和你们的技术。我们怕的是你们的思想和你们的风俗。" 🌐 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：Ray Dalio: I Predicted The 2008 CRASH, I Know What Comes Next!。本期存在部分删减 嘉宾 Ray Dalio 是 Bridgewater Associates 创始人，讨论其对二零零八年金融危机的判断以及对未来经济和市场的看法。 这是一期来自知名播客《Diary of a CEO》的深度对谈，主持人 Steven Bartlett 与全球最大对冲基金桥水基金创始人 Ray Dalio 展开了一场关于经济周期、AI 泡沫与未来世界秩序的硬核对话。Ray Dalio 是少数在 2008 年金融危机前就做出准确预判的投资者，他创立的桥水基金累计为投资者创造了超过 530 亿美元的净收益。 在这场对话中，Ray Dalio 直言不讳地指出当前 AI 泡沫的典型迹象已经存在，并系统性地拆解了泡沫从形成到破裂的完整机制——从利率上升到股票供给增加，从财富税到资本管制。他不仅分析了宏观经济的运行规律，还给出了非常具体的个人理财建议：为什么要分散投资、为什么持有现金长期来看是最糟糕的选择、黄金在投资组合中应该占多大比例。对于普通人和年轻创业者，他也给出了极具实操性的建议——如何把自己"卖个好价钱"，以及为什么"狡兔三窟"是应对不确定时代的生存智慧。 👨‍⚕️ 本期嘉宾 Ray Dalio，全球最大对冲基金桥水基金（Bridgewater Associates）创始人。1975 年他在一间两居室公寓里创立桥水，将其打造成管理规模超过 1500 亿美元的全球顶级对冲基金。他是少数在 2008 年金融危机前做出准确预判的投资者之一——当年桥水实现了 9.5% 的正回报，而同期标普 500 指数暴跌近 40%。他著有《原则》《变化中的世界秩序》等畅销书，其制作的动画视频《经济机器是如何运行的》已被超过 1.4 亿人观看。他研究了过去 500 年的经济与政治周期，是"大周期"理论的提出者。 ⏱️ 时间戳 开场 & 播客简介 01:13 开场：AI 泡沫的典型迹象已经存在 02:47 Ray Dalio 与桥水基金背景介绍 03:27 从 Jeremy Grantham 的 AI 泡沫警告谈起 泡沫的机制：从形成到破裂 04:06 泡沫的定义与历史案例：1929 与 2000 05:17 财富与钱的区别：为什么纸面富贵不能花 07:10 Steven 用 100 美元的例子理解泡沫破裂机制 09:06 股票发行与估值：5000 万融资如何变成 10 亿估值 泡沫破裂的触发因素 12:10 什么刺破泡沫：利率、税收与货币紧缩 13:00 股票供给增加如何加速泡沫破裂 13:56 当前泡沫的迹象：弱势投资者与杠杆 15:12 AI 公司创始人的应对策略：趁热融资 个人理财与资产配置 16:34 普通人如何为不确定的未来做准备 16:57 Ray 的亲身经历：从数着月份过活到财务安全 17:42 为什么持有现金长期来看是最糟糕的投资 20:11 多元化投资组合：股票、黄金、债券与房产 普通人的生存策略 22:36 月入仅 100 美元的人该如何保障未来 22:51 你唯一的资产就是你自己 23:42 如何把自己卖个好价钱：技能定价的差异 25:43 顶端溢价：多投入 10% 就能获得 2 倍回报 比特币与黄金 26:27 比特币：Ray 投资组合中的 1% 26:39 为什么黄金是"印不出来的钱" 27:20 比特币 vs 黄金：隐私与政府管控 27:57 中央银行为何不持有比特币 AI 革命与就业冲击 28:15 AI 对普通人的工作意味着什么 29:03 谁从 AI 革命中受益：资本 vs 劳动力 29:56 从农业时代到 AI 时代：机器替代的进化路径 32:35 900 万 Uber 司机的未来：自动驾驶的冲击 大周期与世界秩序 34:47 技术演进线与 80 年大周期 37:11 理解大周期：债务、贫富差距与秩序更替 38:48 繁荣、崩溃与新世界秩序的循环 47:26 当前处于周期后期：衰落阶段的特征 地缘政治与中美关系 01:02:25 两个超级大国能否同时主导世界 01:03:56 世界将更加区域化：中国的战略意图 01:06:35 伊朗战争与美国力量的衰退 01:09:02 美国霸权的侵蚀：与大英帝国衰落的相似性 给年轻人的建议 41:58 如果我有 16 岁的孩子，我会建议他做什么 42:08 幸福与金钱的关系：过了基本线之后 43:11 了解你的天性：Principles You 性格测试 44:24 最成功的不是最聪明的人，而是最善于适应的人 🌟 精彩内容 💡 "我们正处于 AI 泡沫中，典型迹象已经存在" Ray 直言当前 AI 泡沫的典型迹象已经出现：弱势投资者带着杠杆涌入、股票供给大量增加、价格与利润脱节。但他强调泡沫不是"在或不在"的问题，而是程度问题——就像 1929 年和 2000 年一样，革命性技术本身是真实的，但价格已经跑在了价值前面。 "那些典型迹象是存在的，而且它对经济有影响，对社会也是坏事。" 💡 "财富和钱不是一回事" Ray 用这个关键区分解释了泡沫破裂的机制：纸面富贵不能直接花，当利率上升或税收变化迫使人们卖出资产换取现金时，泡沫就会被刺破。这也是为什么"所有人都亏钱"——因为财富的兑现需要找到买家。 "你得把财富卖掉换成钱，因为你只能花钱。" 💡 "持有现金长期来看是最糟糕的投资" 很多人觉得现金最安全，但 Ray 指出，在 3.5%-4% 的通胀率下，现金每年都在贬值，而且利息还要交税。他建议通过多元化投资组合来对冲风险——股票、黄金、债券、房产各持有一部分，回报不会减少，但风险会显著降低。 "人们觉得这是最安全的，其实不是，长期来看这是最糟糕的投资。" 💡 "你唯一的资产就是你自己" 对于没有资产、月收入有限的普通人，Ray 的建议非常直接：把自己卖个好价钱。同样的技能在不同行业定价天差地别——开 Uber 和给 Ray Dalio 当专职司机，本质都是开车，但收入可能相差数倍。找到能最大化你技能价值的行业和位置，是普通人最可行的上升路径。 "你唯一的资产就是你自己，还有你从政府那里能拿到的。" 💡 "最成功的不是最聪明的人，而是最善于适应的人" 面对 AI 带来的巨大不确定性，Ray 强调适应能力比任何具体技能都重要。他提醒年轻人不要执着于某个特定职业——就像几年前大家觉得"会编程就安全了"，但 Claude Code 出现后程序员也开始焦虑。真正重要的是学习能力和适应能力。 "历史已经证明，最成功的往往不是最聪明的人，而是那些最善于适应的物种和人。" 💡 "让工作和热爱成为同一件事，但也别忘掉钱的部分" Ray 给年轻人的核心建议是：找到你的天性（nature），然后找到与之匹配的人生道路。他开发了免费的 Principles You 性格测试来帮助人们了解自己。但他也提醒，追求热爱不能忽视经济现实——你需要达到一个"不用恐慌"的财务安全水平。 "让工作和热爱变成同一件事，但也别忘掉钱这一块。" 💡 "狡兔三窟：别把自己困在一个偏安一隅的地方" 对于年轻创业者是否该在英国创业的问题，Ray 的回答是"尽量做到无国界生存"。他建议去那些有活力、有资本、有教育资源的"文艺复兴式国家"，但不要只待在一个地方——因为风险高的地方，往往是那些不具备教育、文明、生产力要素的地方。 "你去的那个地方，未必永远是那个最好的地方。" 🌐 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：The State of Frontier Post-Training Recipes | Conversation with Finbarr Timbers。节目讨论前沿大模型后训练（post-training）配方的现状与实践。 本期节目来自技术播客《Interconnects》，主持人 Nathan 与 AI2 研究员 Finbarr Timbers 展开了一场关于前沿大模型后训练配方演变的深度对谈。这也是该节目首次迎来返场嘉宾——Finbarr 曾在 AI2 与 Nathan 共同参与 OMO 系列模型的后训练工作，而录制当天恰好是他在 AI2 的最后一天，让这场对话多了一层告别与回顾的意味。 对话从经典配方讲起，一路梳理到多教师在线策略蒸馏（Multi-Teacher Online Policy Distillation）等最新趋势。两人不仅回顾了 InstructGPT 三阶段框架、Llama 3 与 TULU3 的实用落地、DeepSeek R1 的推理转向，还穿插了他们在 AI2 的实际经验——包括 OMO3 后训练如何逼近组织能力极限、为什么 DPO 正在从主流配方中消失，以及中国实验室与美国实验室在配方细节分享上的显著差异。如果你关心大模型后训练的技术细节、开源与工业界的差距，或者想了解前沿实验室内部的组织与决策逻辑，这期内容密度极高，值得反复收听。 👨‍⚕️ 本期嘉宾 Finbarr Timbers，AI2（Allen Institute for AI）研究员，专注于大模型后训练与强化学习。他此前曾在 DeepMind 阿尔伯塔办公室工作，参与过计算机扑克与博弈论研究，后加入 AI2 参与 OMO 系列模型的后训练工作。他是《Interconnects》节目首位返场嘉宾，对前沿后训练配方的演变有深入观察和一手经验。 ⏱️ 时间戳 开场 & 节目背景 01:12 欢迎回到 Interconnects，Nathan 与 Finbarr 的开场寒暄 01:39 Finbarr 成为节目首位返场嘉宾 01:48 两人在 AI2 共事后训练的缘起 02:52 今天是 Finbarr 在 AI2 的最后一天 从 OMO3 到经典配方：后训练的组织极限 03:11 从 OMO3 聊起：推理模型后训练的复杂度 03:35 现代后训练的本质：整合组织架构图 04:16 TULU3 之后的分岔点：简单配方 vs 前沿做法 07:35 经典配方综述：InstructGPT、Llama 3、TULU3、DeepSeek R1 配方的工业化演进：从 InstructGPT 到 DeepSeek 09:49 InstructGPT 三步法：SFT、奖励模型、RL 10:40 Llama 2/3 的迭代：拒绝采样、DPO、多轮训练 11:59 TULU3 的简化配方与组织规模的限制 13:03 DeepSeek R1 的配方：RL-first 与冷启动 SFT DPO 的衰落与偏好调优的争议 14:35 DPO 从主流配方中消失的趋势 15:01 为什么配方越干净，DPO 需求越小 16:27 偏好调优是否被低估？ 16:54 偏好损失函数带来的惊人提升 多教师在线策略蒸馏：2026 年的新范式 21:06 DeepSeek V4 与多教师在线策略蒸馏 22:00 MIMO Flash V2 命名该术语 22:25 多教师在线策略蒸馏的机制详解 24:51 Nematron 3 Ultra 的实践与挑战 教师模型的困境与行业分歧 26:28 英伟达的关键发现：教师差异过大无法合并 27:18 分阶段蒸馏 vs 收敛后蒸馏的争论 29:05 微软 MAI 的保守配方选择 33:15 中国实验室的细节分享：温度调度与难度课程 开源环境、Tinker API 与算力经济 35:57 开源环境市场的疯狂现状 36:41 环境报价：每个环境十万美金 40:05 Tinker 风格 API 的商业模式与争议 42:14 卖算力、卖推理与卖 API 的利润层级 职业选择与长期价值 45:26 热潮之下：挤进实验室赚钱 vs 长期价值 45:44 探索与利用的取舍：什么工作值得做 48:41 Finbarr 的职业经历：DeepMind 与 AI2 的信念驱动 50:27 大实验室的体量困境与多样化路线 🌟 精彩内容 💡 "把 OMO3 后训练成推理模型，对很多人来说都是一项重大成就" Nathan 坦言，OMO3 的后训练复杂度已经逼近 AI2 组织能力的极限。现代后训练拼的不是单一技术，而是把算力和数据整合进一条工作流的能力——本质上是在整合一张组织架构图。这也是为什么 OMO3 作为推理模型推出得相当晚，且配方相对简单。 "很多现代后训练，拼的就是你把算力和数据整合进一条工作流的能力。" 💡 配方趋同的分岔点出现在 TULU3 之后 在 TULU3 之前，大家还能说"做法都差不多"——SFT、DPO、RL 三阶段配方。但到了推理模型和带工具使用的 Agent 模型时代，那种简单配方已经不再适用。前沿实验室的做法与开放学术界的差距正在急剧拉大。 "可现在，把那种三阶段配方用在推理模型上，尤其是带工具使用的 Agent 模型上，就真的不太适用了。" 💡 DPO 的消失是配方工业化的必然结果 当后训练流程变得越来越精细、越来越工业化，DPO 能带来的边际收益就消失了。但在配方粗糙的阶段，DPO 依然是从零搭建时算力效率最高的选择之一。Nathan 直言："用 DPO 的人可能会被看不起，但如果你是想把一个配方从零搭起来，它仍然管用。" "当你的配方越来越干净的时候，这个需求基本上就消失了。" 💡 多教师在线策略蒸馏：把 RL 框架变成教师对齐的舞台 这是 2026 年最值得关注的后训练新范式：在 RL 框架内，让正在训练的学生模型采样轨迹，再路由给各个领域专家教师，用 KL 散度损失对齐。Finbarr 指出，实现起来其实很直接——只需要对现有 RL 配置做一小套调整。 "你拿你现有的 RL 配置，然后只需要对学习者模型做一小套调整，就能实现这个。" 💡 教师模型差异过大，蒸馏会失败 英伟达在 Nematron 3 Ultra 论文中披露了一个关键发现：用差异很大的训练流程训练出来的教师模型，无法通过简单的在线策略蒸馏有效合并。教师和学生若用不同 SFT 数据训练，会习得不同推理行为，导致学生轨迹对教师而言属于分布外数据。 "这种分布差异会导致学生生成的轨迹对教师来说属于分布外数据，从而降低教师提供的监督信号的质量和可靠性。" 💡 中国实验室更愿意分享"特别特别具体"的细节 从温度调度到难度课程，KIMI K2.5 和 GLM5 分享了大量可操作的配方细节——尽管两者在温度调度上声称的正好相反。相比之下，英伟达的论文更像一份方法列表，读起来没那么有意思。 "我还是觉得中国实验室更愿意分享那种特别特别具体的细节。" 💡 报酬最高的地方，往往也是你在做最有趣工作的地方 面对"梯子被抽走之前挤进实验室"的热潮，Finbarr 给出的判断是：要区分短期套利和长期价值。他职业生涯里反复看到，高薪与有趣工作往往是重合的——关键是追随信念，在某个领域做到足够强。 "往往报酬最高的地方，也正是你在做最有趣工作的地方。" 💡 开放环境市场：一个环境十万美金，但可能不包含提示词 Finbarr 分享了他年初尝试购买 RL 环境的经历：一个 DoorDash 克隆级别的环境，前期成本约十万美金，每年维护费约五万。但 Nathan 指出，真正值钱的是"我们知道这些提示词能提升某个基准测试"——那才能收高得多的溢价。 "如果你能说'我们有提示词，而且我们知道它们能提升某个基准测试或某项能力'，那就能收高得多的溢价。" 🌐 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

📝 本期合集 本期将 Stanford Online 的 MS&E435 | Spring 2026 九节课程完整中文克隆并按原顺序拼接。课程以 AI 技术栈的经济学为主线，覆盖基础模型、算力、基础设施、企业与应用。 ⏱️ 课程目录 00:00:33 第1节：Economics of Generative AI — 生成式 AI 的经济学与 AI 超级周期 00:28:02 第2节：The GPU Economy — GPU 供给、算力市场与产业链 01:19:55 第3节：Building AI Factories — 大规模 AI Factory 的建设逻辑 02:03:42 第4节：Infrasctructure, Enterprise AI, SaaS — 基础设施、企业 AI 与 SaaS 的重构 02:42:13 第5节：Infrastructure, Capstone Case — 前沿实验室的基础设施案例 03:20:09 第6节：Enterprise Internal Knowledge — 企业内部知识的激活 04:02:45 第7节：Applications, Coding AI — Coding AI 与软件未来 04:46:04 第8节：Applications, Applied AI — 应用 AI 与 Agent 的商业化 05:29:35 第9节：Applications, AI in Life Sciences — AI 在生命科学中的落地 🌐 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 Brighter with Herbert JUST RECORDED: Elon Musk Announces SPACEX Plans 原内容更新时间：2026-08-11 这是一期 SpaceX 全员会的内部讲话实录，由 Elon Musk 亲自回顾公司从创立至今的完整历程，并展望未来在 AI、星舰和太空探索上的宏大蓝图。主持人 Herbert Ong 是长期关注特斯拉与 SpaceX 的投资者，他通过《Brighter with Herbert》这档节目，为听众呈现了这场难得的内部对话。 整场讲话既是历史复盘，也是面向未来的动员。Musk 从 SpaceX 最初在埃尔塞贡多的小仓库讲起，回顾了猎鹰 1 号的三次爆炸、轨道助推器的回收挑战、猎鹰重型的 Starman 浪漫，以及龙飞船和星链的崛起。随后，他将重心转向 AI 与机器人的未来，直言"未来绝大部分是 AI 和机器人"，并透露 SpaceX 的 AI 收入即将在下个月超过所有其他业务的总和。这是一场关于文明演进、AI 价值观与太空殖民的高密度对话。 👨‍⚕️ 本期嘉宾 Elon Musk，SpaceX 创始人兼 CEO，同时领导特斯拉、xAI 等多家公司。他是当今最具影响力的科技企业家之一，长期致力于推动人类成为多行星物种。在这场内部讲话中，他以罕见的坦诚和远见，分享了 SpaceX 从濒临破产到成为航天巨头的完整历程，并首次系统阐述了 AI 在 SpaceX 未来战略中的核心地位。对于关注太空探索、AI 发展和商业航天的人来说，这是一次不可多得的深度分享。 ⏱️ 时间戳 开场 & 播客简介 00:00 节目开场：跨国串门计划与本期克隆节目介绍 01:11 Musk 开场：为了理解宇宙，我们必须扩展意识的范围和规模 SpaceX 的历史回顾 01:30 从 SpaceX 历史讲起：从最开始讲到今天 02:49 最初的 SpaceX：埃尔塞贡多的小仓库与猎鹰 1 号 03:08 轨道助推器回收的艰难历程与专家质疑 04:12 猎鹰重型与 Starman 的浪漫 龙飞船与星链的崛起 05:06 龙飞船：第一艘私人开发的对接国际空间站的航天器 05:34 星链：从零建起全球互联网系统 06:27 星链现状：167 个国家、2200 万移动用户 06:51 星盾：国家安全的关键组成部分 星舰与 AI 的未来 07:10 星舰：人类有史以来尝试过的最难的事情 08:14 SpaceX 的 AI 业务：下月收入将超过所有其他业务 08:44 未来就是 AI 和机器人：数字智能将超过生物智能一万亿倍 09:46 SpaceX 亲儿子的 AI：用最优秀的人孕育 AI AI 战略与 Grok 10:21 用 SpaceX 全部信息训练 Grok：你们会成为 AI 的父母 11:14 Grok 4.5 与 4.6：鼓励全员使用 AI 11:26 全球最强大的 AI 训练集群与 10 吉瓦目标 11:39 AI 推理将放到太空：每年 3000 到 5000 亿美元收入 文明的下一步 12:02 人类的目的：孕育星灵，一个有知觉的太阳 12:21 卡尔达舍夫等级：文明发展的衡量标准 12:48 五年内 AI 将占 SpaceX 价值的 99% 13:20 任何 SpaceX 员工都能去月球或火星 🌟 精彩内容 💡 "我们必须扩展意识的范围和规模" Musk 开宗明义地指出，SpaceX 的使命不仅是商业成功，更是为了理解宇宙的本质。他认为，只有走出去探索其他行星和恒星系，才能真正理解宇宙。这种使命感贯穿了整个讲话，也是 SpaceX 团队凝聚力的核心。 "为了理解宇宙的本质和所有这些根本性问题，我们必须扩展意识的范围和规模。" 💡 "我宁愿坐一架飞过一千次的飞机，也不愿意坐它的首飞" 面对航空航天专家"不会有人买用过的火箭"的质疑，Musk 用飞机的重复飞行作类比，巧妙反驳。他不仅证明了火箭回收的可行性，还改变了行业的认知——"飞行验证助推器"这个叫法本身就是一种认知革命。 "说实话，我宁愿坐一架飞过一千次的飞机，也不愿意坐它的首飞。" 💡 "AI 收入下个月就会超过 SpaceX 所有其他业务的收入" 这是整场讲话最令人震撼的信息之一。Musk 明确表示，SpaceX 的 AI 业务收入将在九月份超过所有其他业务的总和，第四季度将大幅超越。这意味着 SpaceX 正在从一家航天公司转型为 AI 公司，而星舰只是 AI 基础设施的一部分。 "我们的 AI 收入，不是可能，是肯定，大概在九月份，也就是下个月，就会超过 SpaceX 所有其他业务的收入。" 💡 "你们实际上会成为这个 AI 的父母" Musk 用"超级天才的孩子"来比喻 AI 与人类的关系。他强调，虽然我们无法控制 AI，但可以通过训练数据传递价值观和信念。SpaceX 将用全部信息训练 Grok，这意味着每位员工的想法、观念和信念都会成为 AI 的一部分。 "它会继承你们的想法、观念和信念。我觉得这是件好事。" 💡 "人类的目的，是孕育出一个星灵，一个有知觉的太阳" 这是整场讲话中最具哲学深度的时刻。Musk 将 AI 的发展与文明演进联系起来，引用卡尔达舍夫等级，提出人类文明的下一步是驾驭太阳的力量。这种宏大的视角，让 SpaceX 的工作超越了商业范畴，成为文明演进的一部分。 "也许我们的目的就是，人类的目的，是孕育出一个星灵，一个有知觉的太阳。" 💡 "五年内 AI 会占到 SpaceX 价值的 99%" Musk 给出了一个惊人的预测：在四五年之内，AI 将占 SpaceX 价值的 99%。这意味着，星舰、星链等现有业务虽然重要，但只是 AI 时代的序章。SpaceX 的真正价值在于成为 AI 时代的核心基础设施提供商。 "我说五年，肯定没问题。AI 会占到 SpaceX 价值的 99%。" 🌐 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 The playbook for building high talent density teams | Adam Ward, Head of Talent at Cursor 原内容更新时间：2026-08-09 本期节目由主持人Lenny与Cursor人才负责人Adam Ward展开深度对谈。Adam拥有超过20年招聘经验，曾帮助Pinterest从200人扩张到2000多人，在Facebook领导65人全球招聘团队将技术组织从1000人扩张到10000人。他联合创办的独立招聘公司Growth by Design去年被Cursor全资收购，如今他正帮助Cursor打造世界上人才密度最高的团队之一。 这场对话围绕一个核心命题展开：为什么传统招聘的"厄运漏斗"思维是错的，以及如何用更精准、更人性化的方式吸引全球顶尖人才。Adam提出了"卓越之柱"的概念——与其从宽漏斗里"招剩下的"，不如先定义清楚全世界最顶尖的50个人是谁，然后死缠烂打地去激活他们。他还分享了Cursor独特的招聘文化，包括"招聘创意"Slack频道、每个候选人专属的Slack频道、工作试用环节，以及那个著名的"关心是免费的"理念。 如果你正在为招不到顶尖人才而苦恼，或者觉得招聘流程总是事倍功半，这期节目会彻底打开你的思路。Adam的分享极其实操、具体，从如何定义需求、如何画出人才地图，到如何促成犹豫不决的候选人接受offer，每一步都有可落地的战术。 👨‍⚕️ 本期嘉宾 Adam Ward，Cursor人才负责人，硅谷公认的打造精英、高人才密度团队的顶尖专家。在加入Cursor之前，他联合创办了独立招聘公司Growth by Design，为全球最具野心的AI和科技公司搭建团队。更早之前，他在Pinterest领导全球招聘（200人到2000+人），在Facebook领导横跨10个办公室、65人的全球招聘团队（技术组织从1000人到10000+人）。Adam以打破传统招聘思维、用高管招聘的方式对待每一个岗位而闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 01:12 打破"厄运漏斗"：为什么传统招聘思维是错的 04:08 当前人才市场的"双城记"：哪些岗位在上升、哪些在降温 10:17 什么是"厄运漏斗"：从销售漏斗借来的有害类比 13:44 用高管招聘思维招每一个人 14:02 第一步：明确需求，定义属于你的"顶尖1%" 17:35 第二步：画出人才地图，找到全世界最顶尖的50人 28:05 如何坚持不懈地追人：播种、激活、持续触达 31:07 "关心是免费的"：打造极致候选人体验 31:07 关心是免费的：候选人满意度第一位的永远是"公司真的想要我" 35:35 一起吃饭、主场优势：让人放下戒备的拉近距离方式 38:40 工作试用：预测候选人成功的最强信号 46:05 发offer的时机与策略：招聘经理主导，不是民主 46:57 发offer与促成：如何让候选人说"是" 46:57 面对天价offer竞争：聚焦内在动机而非外在数字 53:14 促成是团队运动：每日站会、专属Slack频道、个性化礼物 01:07:38 接受offer后的毁约：第二个动作与预入职 01:01:16 快问快答 & 总结 01:01:16 早期公司招聘最常见的错误：别把两种冲突能力塞进一个人 01:04:32 打造优秀团队：好奇心、高动力、把团队放在自己之上 01:10:08 快问快答：推荐书籍、剧集、产品与人生格言 🌟 精彩内容 💡 "厄运漏斗"：你招到的从来不是最顶尖的人 传统招聘把候选人当销售漏斗，联系100个人、20%回复，但按定义那20%只是碰巧赶上你联系的人，不是最顶尖的20%。每一轮筛掉一批人、最后"招剩下的"，长期下来只会回归均值。 "按定义，那并不是最顶尖的20%。那只是你碰巧赶上人家不顺心日子逮到的20个人。" 💡 别问"你认识最好的产品工程师是谁"——这是最烂的问题 宽泛的问题只能得到宽泛的答案。要问具体的问题，比如"谁跟设计师协作最默契"或"谁能把框架转化成产品转化得最好"，这样对方才能帮你想到具体的人，并形成三角验证。 "更好的问法是：'Lenny，在你共事过的所有产品工程师里，你觉得谁跟设计师协作最默契？'" 💡 招聘人员是信心引擎，不是决策引擎 很多公司把招聘整个交给招聘部门，但做招聘决策的从来不是招聘人员。招聘人员的真正目标是帮招聘经理建立信心做出正确决定。没有人应该比招聘经理和团队更在乎一次招聘。 "他们是信心引擎，不是决策引擎。" 💡 关心是免费的 在候选人满意度评分里，排第一位的永远是"公司真的想要我"。关心候选人是一种不公平的优势，它不需要成本，只需要额外的用心和步骤。 "我们可以比任何人都更关心那个候选人。那是我们内在的东西，是我们能做到的。" 💡 招聘的原子单位是人，不是职位描述 Cursor把招聘的原子单位看作人本身，而不是职位描述或岗位。流程像一棵决策树，根据对话情况往不同方向走。当你专注于怎么把这个人招进来，而不是他们适不适合那个岗位时，感觉就没那么可怕了。 "当你没有被数字游戏困住的时候，当你真正专注于怎么把这个人招进来，而不是他们是不是适合那个岗位的时候，感觉就没那么可怕了。" 💡 招聘人员在90%到110%负荷时最出色 招聘人员在这种肾上腺素飙升、忙得脚不沾地的状态下特别厉害。如果只有一半招聘量，他们基本就废了；如果被压得喘不过气，也只会被淹没。你要找的就是那种享受濒临超负荷边缘工作的人。 "招聘专员在90%到110%负荷的时候最出色，超出这个范围就很糟糕。" 💡 人才密度是团队属性，不是个人属性 除非分子分母都是1，否则人才密度是个人和人类整体的集体属性。一个10倍的人待在一个烂团队里根本不存在，再优秀的人不在强大且支持他的团队里也会被拖住。 "我不觉得一个10倍的人能待在一个烂团队里，那根本不存在。" 🌐 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 Acquired Disney: The Renaissance and the Empire 原内容更新时间：2026-08-10 本期节目来自知名播客《Acquired》，主持人是Ben Gilbert和David Rosenthal。这档节目以剖析伟大公司背后的商业故事和战略打法而闻名。在这一期深度长谈中，他们完整梳理了迪士尼从1984年濒临拆分，到文艺复兴、收购皮克斯、漫威与卢卡斯影业，再到流媒体转型的百年沉浮。 两位主持人将带你穿越迪士尼的辉煌与危机，探讨这家娱乐帝国如何一次次自我革新。从迈克尔·艾斯纳和弗兰克·威尔斯在1984年的惊天逆转，到鲍勃·艾格时代的三笔关键收购，再到Disney+流媒体战略的得与失，这期节目不仅是一部迪士尼编年史，更是一场关于商业模式、IP运营和战略抉择的深度案例研究。 👨‍⚕️ 本期嘉宾 Ben Gilbert和David Rosenthal是《Acquired》的联合主持人。这档播客以深度剖析伟大公司的商业故事和战略打法而闻名，每一期都像一部精心制作的商业纪录片。他们擅长将复杂的企业历史、财务数据和战略决策，转化为引人入胜的叙事，是商业播客领域的标杆。 ⏱️ 时间戳 00:00 开场 & 播客简介 01:47 本期克隆节目介绍：Acquired 迪士尼特辑 02:00 迪士尼帝国的庞大规模 03:14 公司正面临的巨大动荡与核心问题 1984年：濒临拆分的至暗时刻 05:22 1984年迪士尼的混乱局面 06:55 公司拆开卖零件比继续经营还值钱 08:05 加州艺术学院：迪士尼动画的新希望 10:43 公司如何翻身：艾斯纳与威尔斯的登场 迪士尼文艺复兴：飞轮重新转动 14:49 艾斯纳与威尔斯的理念契合 19:30 提高乐园门票价格：灵光闪现 22:12 罗伊·E·迪士尼与动画部门的复兴 26:44 音乐剧式动画：迪士尼文艺复兴的公式 30:49 《美女与野兽》与《阿拉丁》的票房爆发 飞轮的延伸：家庭录像、零售店与百老汇 36:15 家庭录像：迪士尼宝库的变现 41:38 迪士尼零售店：商场里的魔法 43:01 百老汇：《狮子王》音乐剧的奇迹 艾斯纳时代的危机与转折 49:45 1994年：三记重拳砸向迪士尼 51:48 卡森伯格辞职与梦工厂的崛起 55:45 收购ABC大都会与ESPN的意外价值 01:09:46 互联网泡沫与艾斯纳的困境 鲍勃·艾格时代：三笔关键收购 01:19:06 拯救迪士尼运动与艾斯纳下台 01:28:01 鲍勃·艾格的CEO竞选与三大战略 01:35:01 收购皮克斯：史蒂夫·乔布斯的关键电话 02:26:05 收购漫威与卢卡斯影业 流媒体转型：Disney+的豪赌 02:33:16 ESPN的衰落与流媒体恐慌 02:38:06 推出Disney+：正面迎战Netflix 02:51:43 收购福克斯：四大收购里最差的一笔 03:06:08 Disney+的崛起与战略问题 当前格局与未来展望 03:17:00 乐园业务的崛起与利润支柱 03:20:09 当前业务分析：Disney+、乐园与ESPN 03:26:51 Disney+是对的战略吗？ 03:36:58 多空对决：看空与看涨的理由 03:44:07 七大力量分析：流媒体时代的竞争格局 🌟 精彩内容 💡 迪士尼的飞轮：从动画到帝国的核心引擎 迪士尼的商业模式核心是一个"飞轮"：用动画创造普世共鸣的故事和角色，然后通过消费品、乐园、家庭录像等渠道反复变现。这个飞轮在沃尔特时代启动，在文艺复兴时期重新转动，成为整个帝国的核心引擎。 "那个著名的迪士尼飞轮的核心，已经完全转不动了。" 💡 ESPN：意外捡到的皇冠明珠 迪士尼收购ABC大都会时，没人预料到ESPN会成为整个集团最赚钱的资产。ESPN开创了有线电视转播费模式，成为一台源源不断的现金印钞机，支撑了迪士尼后续所有的大规模收购。 "当年做ABC那笔交易的时候，没人会告诉你ESPN会成为整个集团里最能扛的那个。" 💡 皮克斯的救赎：用对手的招数打败对手 约翰·拉塞特因主张计算机动画被迪士尼开除，最终却带领皮克斯成为迪士尼最强大的竞争对手，最后被迪士尼收购，反过来拯救了迪士尼动画。这是一个充满戏剧性的商业轮回。 "这简直就像科技界、电影界、商业界的复仇者联盟。" 💡 流媒体的两难：喂饱野兽 vs 保持稀缺 Disney+的战略困境在于：流媒体需要持续不断的内容供给来留住用户，而迪士尼的品牌价值建立在稀缺、高质量的内容之上。这两种商业模式本质上是冲突的。 "你得喂饱这头野兽。" 💡 环境变了：从躺着赚钱到精打细算 迪士尼过去所处的环境好得不可思议：有线电视套餐让ESPN自动产生巨额利润，人们频繁去电影院，电影下映后还能打包出售再赚一笔。而现在，所有有利条件都消失了。 "那时候做媒体是能赚到钱的。" 🌐 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 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