跨国串门儿计划 - 节目列表

📝 本期播客简介 本期Lex Fridman与两位AI领域的顶尖专家——Sebastian Raska和Nathan Lambert——展开了一场关于人工智能最前沿的深度对话。他们从2025年的"DeepSeek时刻"谈起，剖析了中美AI竞赛的格局、开源与闭源模型的生态演变，以及Transformer架构的技术本质。节目深入探讨了Scaling Laws在预训练、后训练和推理阶段的最新进展，特别是RLVR（可验证奖励强化学习）如何彻底改变了模型能力解锁的方式。三位嘉宾还分享了关于代码生成自动化的未来、AGI时间线的现实预期，以及个人如何在这个快速变化的领域找到定位的实用建议。这是一场既包含硬核技术细节、又充满哲学思考的思想盛宴。 翻译克隆自：#490 – State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI 👨‍🔬 本期嘉宾 Sebastian Raska，机器学习研究员、作家，著有《从零开始构建大语言模型》和《从零开始构建推理模型》等畅销书，以其深入浅出的技术解释和从零实现的教学方法闻名。 Nathan Lambert，艾伦人工智能研究所（AI2）后训练团队负责人，RLHF（基于人类反馈的强化学习）领域权威，即将出版该主题专著。他是AI政策与开源模型"Adam项目"的积极推动者。 ⏱️ 时间戳 00:00 开场与嘉宾介绍 AI竞争格局：谁领先？ 06:17 DeepSeek时刻与中美AI竞赛 09:33 2025-2026年模型赢家预测 11:26 计算基础设施：TPU与GPU之争 15:20 智能与速度的权衡：模型使用体验 开源模型生态爆发 19:18 开源vs闭源：许可与商业模式 23:36 中国开源模型的崛起（DeepSeek、Kimi、MiniMax） 28:15 Llama的衰落与Meta的战略失误 31:48 GPT-OSS与工具使用的范式转变 技术架构深度解析 34:45 Transformer架构的演变与本质 36:38 混合专家模型（MoE）与注意力机制优化 40:49 文本扩散模型：下一代架构？ Scaling Laws与训练阶段 44:28 预训练、中训练、后训练的定义与区别 47:52 可验证奖励强化学习（RLVR）的革命性突破 53:23 推理时计算扩展（Inference Scaling） 56:01 数据质量、合成数据与数据污染 AI生成内容与教育 01:07:44 LLM生成内容对开源生态的影响 01:12:02 "声音"（Voice）的消失与RLHF的局限 01:18:13 编程教育的未来：挣扎与学习的本质 01:23:18 后训练技术栈全景（SFT、DPO、RLHF、RLVR） 个人发展路径 01:44:19 如何进入AI领域：从零实现 vs 使用工具 01:57:51 学术界vs工业界：职业选择的权衡 02:04:14 996文化与硅谷的过度工作现象 前沿应用与未来 02:29:01 文本扩散模型的规模化前景 02:33:22 工具使用与AI Agent的局限 02:43:44 持续学习与上下文窗口的扩展 02:52:21 机器人与世界模型 03:12:15 AGI与ASI时间线：超人类程序员的可能性 03:22:11 软件工程全自动化的经济影响 地缘政治与产业格局 03:35:38 Adam项目：美国开源模型的战略意义 03:44:32 Nvidia的护城河与硬件未来 03:49:56 关键人物决定历史：Jensen、Jobs与Elon 尾声 03:54:39 AI风险、人类文明希望与实体价值回归 🌟 精彩内容 🌍 中美AI竞赛新格局 Nathan Lambert指出，虽然美国模型目前仍领先，但中国开源模型（DeepSeek、Kimi、MiniMax等）正在通过开放权重策略迅速占领全球开发者心智。与西方开源模型的限制性许可不同，中国模型采用更开放的无限制协议，加上出口管制导致的部署差异，正在重塑全球AI基础设施格局。 "DeepSeek正在逐渐失去中国开源模型领头羊的位置...2026年的开源模型构建者会比2025年更多，而且很多知名的会来自中国。" 🧠 Scaling Laws的三重维度 节目详细拆解了现代AI训练的三种扩展方式：预训练（模型规模与数据）、强化学习扩展（RLVR训练时长）和推理时扩展（Test-time Compute）。Nathan强调，RLVR的突破性在于它展示了近乎线性的性能提升曲线，而传统的RLHF（人类反馈强化学习）很快就会遇到收益递减。 "推理时扩展带来的模型能力提升简直是跃迁式的...它让工具使用成为可能，也让我们刚才聊的那种更牛的软件工程变成现实。" 💻 编程自动化的现实与迷思 嘉宾们探讨了"超人类程序员"的概念，认为完全自主的代码生成仍面临挑战。Sebastian强调，虽然AI能处理繁琐任务，但复杂系统的架构设计和意图理解仍需人类主导。Nathan则指出，真正的突破可能在于"用英语编程"——从微观管理代码转向宏观设计指导。 "你得站在设计空间的宏观层面去引导它...我觉得这是另一种思考编程的方式。" 📚 后训练技术的心法 Nathan详细解释了后训练阶段的"三步走"：中间训练（建立基础技能）、可验证奖励强化学习（RLVR，反复试错）和RLHF（收尾打磨）。他强调RLVR的核心是"解锁"预训练已有的知识，而非学习新知识，这种"格式化"过程让模型数学能力在50步内从15%跃升至50%。 "RLHF是模型的'点睛之笔'...但RLVR遵循缩放范式，你让最好的模型再跑十倍算力，性能就能提升几倍。" 🎓 给AI学习者的建议 Sebastian推荐从零实现小模型（如GPT-2）来建立扎实直觉，强调"代码不会撒谎"的可验证性。Nathan则建议找一个狭窄的研究方向深耕（如角色训练、评估方法），利用开源工具在有限算力下产生影响力，而非盲目追逐大模型训练。 "关掉互联网，专注看书的感觉很好...但第二阶段再用LLM来丰富体验。" ⚖️ 开源的战略价值与地缘政治 Nathan介绍了"Adam项目"（American Truly Open Models），强调美国需要本土高质量开源模型来应对中国开源生态的扩张。他认为开源不仅是技术问题，更是国家安全与全球影响力问题，但反对通过"防火墙"限制信息流动，主张以开放对抗开放。 "开源模型会成为AI研究的引擎...美国应该建最好的模型，这样最顶尖的研究就会在美国发生。" 🤖 AGI时间线的理性预期 嘉宾们对近期AGI（通用人工智能）持谨慎态度。Nathan认为"远程工作者"这一定义过于模糊，且AI能力"参差不齐"——在某些任务超人类，在其他任务（如分布式系统编程）仍很弱。Sebastian则强调计算（Computing）作为根本驱动力的历史地位。 "我觉得梦想其实在慢慢破灭...通用模型和专门化模型之间的张力会越来越大。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》 本期嘉宾是Marc Andreessen，他是网景浏览器（Netscape）的发明者，全球最大风投公司a16z的联合创始人，也是硅谷最具前瞻性的思想家之一。在这次深度对话中，Andreessen将AI时代置于宏大的历史坐标系中，认为2025年可能是他职业生涯中最重要的一年，其历史意义堪比1989年柏林墙倒塌或二战结束。他提出了"AI是点金石"的著名论断——这项技术能把世界上最常见的东西（沙子）转化为最稀有的东西（思想）。Andreessen还深入探讨了AI如何与人口崩塌、生产率下降等宏观趋势奇迹般交汇；AI时代应该如何教育孩子（培养"能动性"agency）；产品经理、工程师、设计师三大角色如何走向融合；以及为什么他坚持"不确定的乐观主义"投资哲学。这是一场关于技术、经济、教育和未来的思想盛宴。 👨‍💼 本期嘉宾 Marc Andreessen，网景浏览器（Netscape）发明者，Andreessen Horowitz（a16z）联合创始人。他是互联网先驱、著名风险投资家，投资了几乎所有划时代的科技公司。作为深具影响力的科技思想家，他以"软件正在吞噬世界"等论断闻名，对技术发展趋势有着惊人的预见力。 ⏱️ 时间戳 00:00 开场 & 播客简介 历史性的时刻 02:27 2025年的重要性：堪比柏林墙倒塌的历史转折点 03:37 AI作为"点金石"：将沙子转化为思想的炼金术 04:04 未被充分认识的现实：过去50年技术进步其实非常缓慢 05:46 人口崩塌与AI的奇迹交汇：为什么时机如此重要 AI时代的教育革命 06:48 如何培养孩子的"能动性"（Agency） 08:33 AI作为一对一辅导的终极解决方案 10:55 布鲁姆双西格玛效应：AI实现教育公平的可能性 12:21 为什么硅谷精英反而让孩子深度接触AI 就业市场的真相 13:16 不要担心失业，要关注"任务消失" 15:02 为什么AI时代的工作者会更稀缺、更抢手 17:41 生产力增长与人口下降的数学关系 三大角色的融合与演变 21:18 "墨西哥对峙"：工程师、产品经理、设计师的跨界竞争 23:36 成为"E型人才"：掌握两到三项技能的超级个体 25:04 编程工作的历史演变：从计算器到AI编程 27:27 为什么你仍然需要学习编程（底层理解的重要性） AI时代的创业与公司形态 31:21 AI如何重新定义产品、工作和公司本身 38:38 "一人十亿美元公司"的可能性 40:22 护城河在哪里：模型层与应用层的争论 46:28 不确定的乐观主义：a16z的投资哲学 AGI与超越人类智能 48:52 对AGI定义的反思：超越人类水平只是开始 50:40 200 IQ的AI：摆脱生物局限后的智能爆炸 52:03 为什么超级智能AI比人类更值得期待 媒体食谱与产品推荐 53:00 信息摄入策略：X与老书的杠铃策略 56:54 电影推荐：《Edington》与2020年代的真实写照 58:35 产品推荐：Replit、AI语音应用与Whisper Flow 🌟 精彩内容 💡 AI是点金石，将沙子转化为思想 Andreessen将AI比作炼金术士追求的"贤者之石"（Philosopher's Stone）。牛顿毕生寻找能将铅变成金的方法而不可得，而今天的AI能把世界上最常见的东西——沙子（硅），转化成世界上最稀有的东西——思想。这不是渐进式改良，而是本质性的转变。 "AI就是点金石。现在我们有了一项技术，能把世界上最常见的东西——沙子，转化成最稀有的东西——思想。" 💡 历史性的三重交汇 Andreessen认为我们正处于三个宏大历史趋势的交汇点：1）AI技术的突破；2）对传统机构信任的崩塌；3）言论自由和思想自由的革命性扩张。这三件事同时发生，其历史量级堪比1989年柏林墙倒塌，甚至二战结束。 "这是非常、非常历史性的时刻。我觉得2025年可能是我整个职业生涯、甚至人生中最有意思的一年。" 💡 人口崩塌与AI的奇迹时机 Andreessen提出了一个反直觉的观点：如果没有AI，我们现在应该为经济前景恐慌。因为全球面临人口下降（生育率低于2.0），而过去50年生产率增长实际上非常缓慢。AI的出现恰逢其时，它将填补劳动力缺口，防止经济萎缩，使剩余的人类工作者变得更稀缺、更值钱，而非被贬值。 "要是没有AI，我们现在肯定在为经济前景恐慌。过去50年其实技术变化很慢，人口增长又在下降。这个时间点卡得奇迹般地准。" 💡 培养有能动性（Agency）的孩子 Andreessen透露自己在家教育孩子，并强调AI时代最重要的是培养孩子的"能动性"（Agency）——即主动承担责任、直接动手做事的能力。AI将成为有能动性者的终极杠杆，而教育体系往往过于强调遵守规则，反而削弱了这种品质。 "AI应该是有agency的孩子撬动世界的终极杠杆。给我一根杠杆，我就能撬动地球。" 💡 三大角色的"墨西哥对峙" Andreessen用电影场景比喻工程师、产品经理和设计师的关系：三方互相指着枪，每个人都认为有了AI就不需要另外两方。但他认为，真正的机会在于成为掌握两到三项技能的"超级个体"（T型或E型人才），这种跨领域能力将产生非线性的加成效果。 "当你同时擅长两件事，效果不止翻倍。同时擅长三件事，效果不止翻三倍。你会变成跨领域的超级专家。" 💡 不确定的乐观主义 作为投资人，Andreessen承认无法预测AI时代的具体赢家（模型层vs应用层、护城河在哪里等），因此坚持"不确定的乐观主义"——相信世界会因技术进步而变好，但不假装知道具体路径。这种策略是尽可能多地支持聪明的创始人做实验，而非试图预测未来。 "未来的本质就是我们不知道所有答案，这没关系。正确的应对方式就是尽可能多做实验，让尽可能多的聪明人去做有趣的事。" 💡 超越人类的AI智能（200 IQ） Andreessen认为，讨论"达到人类水平的AGI"是低估了未来。人类智商存在生物局限（封顶约160），而AI可以轻易达到200、300甚至更高。这将带来前所未有的能力，解决人类因智力局限而无法解决的问题。 "我们很快会有智商160、180、200，甚至250、300的AI模型。世界是多几个爱因斯坦好，还是少几个好？当然是多几个好。" 🌐 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：前 Facebook 产品设计副总裁 Julie Zhuo 的深度演讲 Julie Zhuo (Facebook) | TNW Conference | Building with creative confidence 原演讲时间：2016 年 为什么很多看似“绝妙”的产品主意最终会走向失败？在 Facebook 工作的 13 年里，Julie Zhuo 见证了无数产品的起落。她发现，最成功的团队往往不是因为拥有最天才的方案，而是因为他们掌握了一套极其简单却深刻的思考框架。在这场演讲中，Julie 将这套框架浓缩为三个核心问题。她会告诉我们，为什么“爱上问题”比“爱上方案”更重要，如何通过“说人话”的方式定义用户痛点，以及如何在产品上线前就精准定义“成功”。无论你是初创企业的创始人，还是大公司的产品经理，这套来自硅谷一线的实战心法都将帮你拨开迷雾，重新审视产品的真实价值。 👨‍⚕️ 本期嘉宾 Julie Zhuo，前 Facebook 产品设计副总裁，硅谷知名产品专家、投资人。她在 Facebook 任职超过 13 年，深度参与了信息流、点赞按钮、小组等核心产品的设计与演进。她也是畅销书《经理人的养成》（The Making of a Manager）的作者，长期致力于分享产品设计与团队管理的深度洞察。 ⏱️ 时间戳 00:00 开场 & 播客简介 产品思维的底层逻辑 01:50 拒绝“绝妙主意”的诱惑：为什么不该从解决方案开始 03:00 寻找“完美秘籍”的幻灭：Facebook 在成败中总结的规律 核心框架：三个决定生死的问题 03:55 问题一：我们要解决什么人的、什么样的痛点？ 04:30 “说人话”的艺术：如何通过“奶奶测试”来描述痛点 05:05 方案无关性：别在定义问题时就预设了“仪表盘” 05:33 走出公司视角：重点不在于让公司赢，而在于为用户解决问题 06:17 挖掘“为什么”：功能性需求背后的情感与社交动机 07:34 问题二：我们怎么知道这是一个真实存在的问题？ 08:00 优先级心法：在“九十九个烦恼”中筛选最值得解决的那一个 08:38 案例分析：Groups Discover 如何通过微小功能验证巨大需求 10:09 案例分析：Reactions 背后，对用户“点赞”之外情绪的深度洞察 11:06 案例分析：Facebook Live 从名人工具走向全民直播的演进之路 13:24 问题三：我们要怎么才知道自己解决了问题？ 13:42 预设成功标准：为什么在发布前达成共识至关重要 14:17 深度衡量指标：除了“加入按钮”，我们还应该看什么？ 15:04 迭代的勇气：基于数据删减用户不使用的“多余表情” 爱上问题，而非方案 16:19 硅谷文化：在 Facebook，没有什么问题是“别人的问题” 16:56 应对失败的秘诀：为什么死守完美方案会让团队迷失 17:33 最终建议：爱上“问题”本身，是保持团队士气与持续迭代的源动力 🌟 精彩内容 💡 避开“解决方案”陷阱 Julie 提醒开发者和设计师，最容易犯的错误就是对脑子里的某个功能或 App 雏形感到过度兴奋。真正的产品研发不该从点子开始，而应该从对“人”的观察开始。 “我们要解决什么人的、什么样的痛点？重点不在于我们，也不是为了让公司赢，而是我们到底在为用户解决什么问题？” 🛠️ 痛点描述的“三原则” 一个好的痛点描述必须具备三个特征：首先是简单直白，连不懂技术的亲戚都能听懂；其次是与具体方案无关，不预设实现形式；最后是必须触及深层动机，包括情感和社交层面的归属感。 “如果你一上来就说‘我们要建一个仪表盘’，那你其实已经假设了必须得有个仪表盘，但它到底是不是最佳方案还不一定。” 📊 寻找真实证据的“定性与定量” Julie 分享了 Facebook 如何通过数据和用户研究来验证需求的真实性。例如，通过观察用户在信息流中频繁使用贴纸和短评，团队验证了“点赞”无法满足所有情感表达的需求，从而诞生了 Reactions 功能。 “你得有证据证明，你提出的这个问题确实值得解决，它影响了足够多的人，或者它非常有意义。” 🎯 在发布前定义“成功” Julie 强调，全团队必须在产品上线前对“什么是成功”达成共识。这不仅包括简单的点击量，更包括长期的用户价值和体验反馈。这种严谨性让团队能够对自己负责。 “在产品上线前，全团队就对‘什么是成功’达成共识，效果会好得多。这能让我们保持严谨，确保我们真的在定义‘解决问题’到底意味着什么。” ❤️ 创始人与产品的“长跑”心态 Julie 认为，做产品试一次就成功的概率极低。团队如果迷恋方案，遇到挫折就会士气低落；但如果爱上的是问题，就会在失败中不断寻找新的路径。 “如果团队爱上的是‘问题’本身，坚信自己做的事情是有意义的，那么当一个方案行不通时，他们只会说：‘行，那咱们再试个别的。’” 🌐 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：深度技术播客《The Pragmatic Engineer》The creator of Clawd: "I ship code I don't read" 本期嘉宾 Peter Steinberger 的经历极具传奇色彩。他曾一手打造了装机量超过十亿台设备的 PDF 框架 PSPDFKit，却在事业巅峰期因极度倦怠选择卖掉股份“消失”三年。今年，他带着全新 AI 项目 Clawd_ 回归，并带来了一套颠覆传统的开发哲学。 在这期节目中，你会听到一个资深“代码手艺人”如何被 AI 彻底重塑。Peter 坦言自己现在发布的业务代码甚至连读都不读，但他对系统架构的掌控却比以往任何时候都深。他将分享如何利用 AI Agent 实现每天合并几百个 commit 的高频开发，为什么他认为未来的 PR 应该叫“提示词请求”，以及在 AI 时代，开发者该如何通过建立“闭环验证”来保持竞争力。这不仅是一场关于技术的讨论，更是一场关于软件工程范式转移的深度思考。 👨‍⚕️ 本期嘉宾 Peter Steinberger，传奇开发者，PSPDFKit 创始人。他开发的 PDF 框架被全球超过十亿台设备使用。在隐退三年后，他目前正致力于开发 AI 个人助手 Clawd_，是 AI 辅助编程（Agentic Workflow）的先行者和深度实践者。 ⏱️ 时间戳 00:00 开场 & 播客简介 传奇开发者的回归与往事 01:49 从 PSPDFKit 到 Clawd_：一个传奇开发者的“断档”与回归 03:05 早期岁月：从奥地利农村的 DOS 游戏到 .NET 现代化改造 05:03 苹果时刻：一个交友 App 开启的 iOS 创业之路 07:16 PSPDFKit 的诞生：在“困难且无趣”的利基市场做到极致 13:59 商业心法：为什么大客户销售必须“联系我们”？ 19:04 繁华背后的倦怠：当 CEO 变成“情绪垃圾桶” AI 时代的“氛围编程”与架构师思维 21:34 重新出发：从 React 小白到 AI 编程“中毒” 25:01 核心争议：为什么我发布的业务代码，我自己都不读？ 28:16 开发者 vs 架构师：如何像带团队一样领导 AI Agent 32:13 效率秘诀：建立“闭环验证”与本地 CLI 极速循环 36:17 破除偏见：资深开发者如何与 AI 这个“小怪兽”共生 软件工程的未来重构 43:47 Clawd_ 的愿景：做一个真正懂你的“数字死党” 47:25 技术选择：为什么 CLI 比 MCP 更高效？ 54:18 公司重构：AI 时代的大公司病与 30% 精简法则 56:02 范式转移：从 PR（拉取请求）到 Prompt Request（提示词请求） 01:00:21 给新人的建议：保持好奇心，在“编织代码”中进化 生活与感悟 01:04:52 极简快乐：一个 200 美金数码相框带来的治愈 01:05:43 保持理智：健身房里的“无手机”一小时 🌟 精彩内容 💡 “不读代码”的开发者 Peter 提出了一个令传统工程师震惊的观点：他不再逐行阅读 AI 生成的业务代码。他认为开发者应将精力从“如何写”转向“如何架构”。只要架构正确且具备完善的验证闭环，代码的实现细节可以完全交给 AI。 “我发布的业务代码，我自己都不读，但我现在比以前任何时候都更看重系统架构。” 🛠️ 闭环验证（Closed Loop）原则 这是 Peter 保持高效率的核心秘诀。他认为 AI 编程之所以比写文案更强，是因为代码是可验证的。通过让 Agent 自行编写测试、运行 Lint、执行调试工具，形成一个自动化的反馈循环，开发者只需负责最终的“品味”把控。 “高效的关键是‘闭环’：一定要让 Agent 能自己调试、自己测试。” 🚀 从 PR 到 Prompt Request Peter 认为传统的代码审查（Code Review）在 AI 时代效率太低。他现在更看重 PR 中附带的 Prompt。通过阅读 Prompt，他能理解开发者的意图和引导过程，然后让自己的 Agent 将这些意图“编织”进现有架构中。 “我现在读 Prompt 的时间比读代码还多，Prompt 的信号强度更高。” 💻 为 AI 优化的架构设计 为了让 AI 跑得更快，Peter 会专门为了模型理解而重构代码。他不再坚持个人偏好的编码风格，而是选择摩擦力最小、最容易被 Agent 验证的结构。这种“面向 AI 的编程”让他实现了每天 600 次 commit 的惊人速度。 “说白了，最后是模型在处理代码，而不是我。” ❤️ 软件的“感觉”与品味 尽管 AI 承担了大部分体力活，但 Peter 强调“品味”是不可替代的。软件的好坏不在于功能的堆砌，而在于使用时的“感觉”。开发者需要像雕刻家一样，引导 AI 凿出大理石中的雕像。 “软件的关键在于‘感觉’，而不是功能堆砌。” 🌐 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：专业政策类播客《AI Policy Podcast》China's EUV Manhattan Project and Export Control Mythbusting with Chris McGuire 当全世界都在谈论华为如何突破封锁、中国如何开启 EUV“曼哈顿计划”时，真正的内幕往往隐藏在数据与政策的博弈中。本期嘉宾 Chris McGuire 曾先后供职于美国国家安全委员会（NSC）和国务院，是美中技术竞争决策的核心参与者。 在这场硬核对谈中，Chris 以“流言终结者”的姿态，冷峻地拆解了关于芯片战的多个幻觉。你将听到：为什么说路透社报道的中国 EUV 原型机更多是“政治宣传”？华为昇腾芯片与英伟达的差距为何会从 5 倍拉大到 17 倍？如果出口管制真的有用，为什么 DeepSeek 还能做出顶级模型？Chris 提出了一个直击痛点的“造、买、租”监管框架，并揭示了台积电违规事件如何给中国芯片“续命”两年。这不仅是一场技术讨论，更是一次关于大国博弈底层逻辑的深度剥茧。 内容存在部分删减 👨‍⚕️ 本期嘉宾 Chris McGuire，外交关系委员会（CFR）中国与新兴技术资深研究员。曾任白宫国家安全委员会（NSC）技术与国家安全副资深总监，并在国务院负责核政策与新兴技术事务。他是美中关系、半导体供应链及 AI 政策领域的顶级专家，曾深度参与《芯片法案》及多次对华出口管制政策的制定。 ⏱️ 时间戳 00:00 开场 & 播客简介 从核武专家到芯片战略家 03:43 职业转型：为什么 AI 硬件成了本世纪最重要的战略竞争点 05:19 NSCAI 往事：那份预言了“芯片战”的报告是如何诞生的 流言终结者：中国半导体的真实进度 10:31 拆解 EUV“突破”：是自主制造，还是用走私零件“组装”？ 14:35 时间线的博弈：实验室原型到工厂量产之间不可逾越的鸿沟 【删减 3min】 华为 vs 英伟达：算力账本的真相 21:11 质与量的辩证法：华为真的能靠“堆量”补齐性能差距吗？ 22:58 惊人的退步：为什么华为下一代芯片标称性能反而下降了？ 26:05 台积电“违规”内幕：这次事件如何让管制效果推迟了整整两年 30:53 HBM 漏洞：政策空白期里的疯狂囤货与未来的断供危机 出口管制误区大辟谣 33:45 误区一：出口管制是否加速了中国的国产化？（其实他们早就踩死油门了） 40:05 误区二：管制是否真的摧毁了美国半导体公司的竞争力？ 44:10 长期主义：为什么扶持中国客户本质上是在毁掉英伟达的未来 未来的博弈：造、买、租 50:55 走私真相：两吨重的服务器运不走，但芯片和硬盘可以 51:52 算力走私：通过马来西亚壳公司远程租用算力的隐形通道 54:26 终极建议：如何通过“造、买、租”三位一体彻底堵死漏洞 01:02:05 戒毒论：为什么中国不会对英伟达生态产生“成瘾性” 01:05:04 政策反思：最大的错误是“滑动标尺”，最大的机会是监管云访问 🌟 精彩内容 💡 华为与英伟达的“指数级”差距 Chris 指出，虽然华为宣称要造几百万颗芯片，但光看标称性能，其与英伟达的差距正在从 5 倍扩大到 17 倍。更反常的是，华为明年的新芯片在算力和带宽上甚至出现了倒退，这暗示其在失去台积电代工后，面临着极其严重的良率和工艺挑战。 🛠️ EUV 突破背后的宣传战 针对“中国造出 EUV 原型机”的新闻，Chris 认为这更多是规避管制的“组装”而非“制造”。他强调，中国擅长利用此类新闻进行政治宣传，目的是让美国决策者相信“管制徒劳”，从而诱导政策松动。 🚀 “造、买、租”监管框架 Chris 提出，限制中国算力必须从三个维度同时下手：1. 造（彻底切断先进设备及维修服务）；2. 买（掌握芯片去向，防止通过第三方国家代持）；3. 租（限制远程访问美国云端算力）。他认为目前“租”这一块几乎是监管真空。 💻 为什么“国产化加速”是个伪命题 Chris 反驳了“出口管制逼迫中国自主研发”的观点。他指出，中国早在 2014 年就将半导体自主化定为国家战略，无论美国是否管制，中国都会“踩死油门”。出口管制的意义不在于阻止他们尝试，而在于让他们的尝试变得极其昂贵且容易失败。 ❤️ 算力的战略地位 “算力是目前地球上最重要的战略资源之一。”Chris 认为，美国必须守住“红线”，而不是采用“落后两代即可出售”的滑动标尺，因为在 AI 时代，算力优势的微小领先会随着时间产生巨大的指数级回报。 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：硅谷顶尖产品播客《Lenny's Podcast》How a Meta PM ships products without ever writing code | Zevi Arnovitz 本期嘉宾 Zevi Arnovitz 的经历会打破你对“编程”的所有固有认知。作为一名高中学音乐、完全看不懂代码的“纯文科生”，Zevi 在过去一年里利用 AI 工具独立开发并上线了多款盈利产品。在这期节目中，他毫无保留地分享了自己摸索出的“氛围感编程”全套工作流。你将听到他如何把 AI 调教成一位“有主见的虚拟 CTO”，如何通过简单的斜杠指令让 AI 自动完成从需求分析、计划制定到代码编写的全过程，甚至还创造性地让不同的 AI 模型互相“吵架”来审查代码 Bug。这不仅是一场关于工具使用的技术分享，更是一场关于在 AI 时代如何重塑个人竞争力、从“想”到“做”的思维启发课。 👨‍⚕️ 本期嘉宾 Zevi Arnovitz，Meta 产品经理，此前曾任职于 Wix。他在完全没有技术背景的情况下，通过深度使用 Cursor、Claude 等 AI 工具，成为了独立开发者和“氛围感编程”的先行者。他开发的 Study Mate 等产品已实现盈利，并总结出一套可复制的非技术人员 AI 开发方法论。 ⏱️ 时间戳 00:00 开场 & 播客简介 超能力的觉醒 01:48 音乐生到 Meta PM：AI 赋予普通人的“超能力” 05:33 震撼时刻：在日本旅行中发现 AI 编程的无限可能 08:27 目标设定：如果你听完想立刻动手，这期节目就成功了 我的 AI 编程工作流 07:00 打造“虚拟 CTO”：为什么你需要一个能反驳你的 AI 合作伙伴 11:03 工具进阶之路：从 ChatGPT 到 Bolt，再到 Cursor 的“毕业”历程 12:39 核心指令集：/create issue、/explore 与 /create plan 的实战逻辑 实战演示：Study Mate 的进化 16:46 语音驱动开发：用 Whisper Flow 像跟真人沟通一样提需求 19:00 深度探索阶段：让 AI 在写代码前先理解架构与风险 23:36 跨模型调遣：为什么让 Gemini 做前端，Claude 做架构？ 28:20 同行评审（Peer Review）：让不同 AI 模型互相“吵架”来找 Bug AI 时代的职业心法 34:05 拒绝“AI 垃圾”：如何通过复盘与文档让你的 Prompt 持续进化 38:04 大公司 PM 的生存指南：如何构建“AI 原生”的代码库 43:03 职场外挂：我如何用 AI 模拟面试并拿到了 Meta 的 Offer 失败、成长与格言 45:57 失败角落：在 Wix 的教训——做一个“十倍速学习者” 48:23 闪电问答：从《鞋狗》到“保暖内衣大佬”的创业基因 53:16 结语：现在就是保持好奇心与乐观的最好时机 🌟 精彩内容 💡 非技术人员的“虚拟 CTO” Zevi 认为普通人使用 AI 编程最大的误区是让 AI 当“应声虫”。他通过自定义提示词将 AI 设定为“技术负责人”，要求 AI 必须挑战他的想法，而不是一味顺从。这种“对抗性”沟通能有效避免 ChatGPT 典型的胡说八道，确保技术方案的严谨性。 🛠️ “氛围感编程”的斜杠指令集 Zevi 展示了一套极高效率的指令系统。通过 `/create issue` 快速捕捉灵感并同步到 Linear，通过 `/explore` 进行技术可行性分析，再通过 `/create plan` 生成带进度跟踪的 Markdown 计划书。这套流程让 PM 能够以管理工程师的方式管理 AI。 🚀 模型间的“同行评审”机制 这是本期最硬核的技巧：Zevi 会同时调用 Claude、GPT 和 Gemini 三个模型。他将 Claude 视为沟通完美的 CTO，将 GPT 视为躲在黑屋里解决难题的极客，将 Gemini 视为富有艺术感的科学家。他让这些模型互相审查对方的代码，通过模型间的“争议”来发现人类肉眼难以觉察的 Bug。 💻 打造“AI 原生”的代码库 针对大公司 PM，Zevi 建议不要直接上手改代码，而是先推动代码库的“AI 原生化”。通过编写大量的 Markdown 说明文档存放在代码库中，为 AI Agent 提供清晰的上下文导航，从而让非技术人员也能在安全范围内参与 UI 改进和功能迭代。 ❤️ “十倍速学习者”心态 在“失败角落”环节，Zevi 分享了他在 Wix 初期因为想“一鸣惊人”而闭门造车导致失败的经历。他意识到，在 AI 时代，没人指望你全知全能，但大家期待你是一个“十倍速学习者”。利用 AI 的“学习机会”指令，他快速补齐了技术短板。 🌐 播客信息补充 翻译克隆自：Lenny's Podcast: How a Meta PM ships products without ever writing code | Zevi Arnovitz 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：著名商业播客《Founders》Daniel Ek, Spotify | David Senra 这是一场关于“卓越”的巅峰对话。主持人 David Senra 是一位研读了 400 多本伟人传记的“创业研究狂人”，而嘉宾则是改变了音乐工业的 Spotify 创始人 Daniel Ek。在这期节目中，Daniel 罕见地分享了他在 22 岁赚到一千万美金并“退休”后，为何陷入了人生最严重的抑郁。他提出一个震撼的观点：幸福感只是影响力的滞后指标，真正的驱动力来自于解决那些“值得花掉十年”的难题。你将听到这位千亿美金公司的掌舵人，如何像实习生一样去 Meta 旁听会议、记笔记、甚至端咖啡，只为学习扎克伯格的管理细节。这不仅是一次商业经验的分享，更是一次关于自我认知、精力管理以及如何构建持久事业的灵魂拷问。 👨‍⚕️ 本期嘉宾 Daniel Ek，Spotify 创始人兼 CEO。他从瑞典的一个普通社区起步，14 岁开始创业，22 岁卖掉公司实现财富自由。他是长期主义的坚定践行者，领导 Spotify 在巨头林立的科技领域突围，并持续关注 AI、医疗等前沿领域的影响力构建。 ⏱️ 时间戳 00:00 开场 & 播客简介 追求影响力而非幸福 02:56 重新定义成功：为什么幸福是影响力的滞后指标 08:27 走出“安逸”陷阱：22 岁财富自由后的空虚与抑郁 11:14 解决问题的价值：公司的价值等于它解决的问题总和 13:10 拒绝出售：为什么使命感比金钱更能支撑长期主义 创始人的进化与自我觉察 16:14 找回自我：为什么伟大的公司是创始人性格的投射 19:25 寻找“镜子”：谁在对身价千亿的 CEO 说真话？ 21:20 信任的复利：为什么信任是世界上最伟大的经济力量 27:30 影子学习法：为什么 Daniel Ek 愿意去 Meta 当“端咖啡”的实习生 31:48 权力下放：从亲力亲为到让更专业的人接管产品决策 管理心法与未来视野 34:10 公司如子：如何管理处于不同成长阶段的企业 37:34 “高温度”人才：为什么大公司需要拥抱那些“产生幻觉”的天才想法 43:37 精力管理 vs 时间管理：拒绝平庸的晨间仪式，听从身体的节奏 52:34 创新的本质：如何通过重新组合已知事物来解决复杂问题 58:23 专注的力量：最好的投资者往往是从不卖出的企业家 01:11:16 终极反思：如果墓碑上只能刻一个词，为什么是“他活过” 🌟 精彩内容 💡 影响力是幸福的源泉 Daniel Ek 认为，很多人在追求安逸的“幸福”，但这往往会导致空虚。真正的持久幸福来自于产生影响力。他鼓励 Uber CEO Dara 接受挑战，因为在重要的位置上解决难题，比在安逸的环境中享受生活更有意义。 “生活追求的是影响力。幸福感只是影响力的滞后指标。” 🛠️ 创始人的“影子学习” 尽管掌管着巨头公司，Daniel 依然保持着极度的谦逊。他曾花一周时间全程旁听扎克伯格的会议，负责记笔记、端咖啡，只为理解 Meta 如何高效运行 20 人的大组会议。他认为，读书和亲眼观察文化是两回事。 “我可以去给他们买咖啡，我是去向他们学习的。” 🚀 精力管理而非时间管理 Daniel 抨击了盲目追求“凌晨 4 点起床”或“15 分钟日程表”的流行文化。他认为，如果没有精力，空有时间也无法产出卓越。他强调要了解自己的生物钟，找到能给自己“充电”的事（如健身、与怪人聊天），并保护那些稀缺的灵感瞬间。 “如果你空有时间却没精力，那你还是什么都干不成。” 💻 拥抱“高温度”的创造力 借用 AI 模型中“温度”的概念，Daniel 认为大公司往往为了安全而调低温度，导致平庸。他主张在公司内部保护那些“高温度”的人才，即使他们会带来混乱或“幻觉”，因为天才的火花往往藏在这些不确定性中。 “大公司的逻辑是把错误降到最低，但这同时也意味着把才华降到了最低。” ❤️ 长期主义与专注 Daniel 引用芒格和尼克·斯利普的观点，指出最伟大的成就往往来自极度的专注。他认为质量绝非偶然，而是智慧努力的结果。他宁愿要一个能产生天才火花的瞬间，也不要十个平庸的想法。 “伟大就是这样蒸发的——因为你失去了专注。” 🌐 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：世界经济论坛（World Economic Forum）2026 达沃斯年会特别对话。 重返白宫 12 个月后，唐纳德·特朗普再次站到达沃斯的舞台。在这场信息量爆炸的演说中，他宣布美国正处于历史上最戏剧性的经济好转之中：通胀被击败，股市创下 52 次新高，吸引了高达 18 万亿美元的投资承诺。你将听到他如何通过“1 换 129”的激进手段削减监管，如何开除 27 万名官僚，以及他为何要求科技巨头自建核电站以支撑 AI 竞赛。此外，特朗普再次抛出了震撼全球的“格陵兰岛收购计划”，并详细解释了这背后的国家安全逻辑。这不仅是一份经济报告，更是特朗普 2.0 时代全球战略的深度白皮书。 👨‍⚕️ 本期嘉宾 唐纳德·特朗普（Donald J. Trump），美国第 47 任总统。 拉里·芬克（Larry Fink），贝莱德集团（BlackRock）首席执行官，本次对话的主持人。 🌟 精彩内容 💡 18 万亿美元的投资神话 特朗普声称在他上任的一年内，美国吸引了创纪录的 18 万亿美元投资承诺，远超拜登时期的水平。他认为这种增长是由于大幅减税（包括免除小费税和加班费税）以及即时抵扣政策，让美国成为了全球最热门的投资目的地。 🛠️ 科技巨头的电力自给 面对 AI 巨大的能源需求，特朗普提出了一个独特的解决方案：允许并鼓励 Mark Zuckerberg 等科技巨头自建发电厂（包括核能和气电）。他认为这是美国在 AI 领域领先中国的关键，因为 AI 工厂需要的电力是目前全国供应量的两倍以上。 🚀 格陵兰岛：不只是“一块大冰” 特朗普详细解释了收购格陵兰岛的必要性。他认为在导弹和核武时代，格陵兰岛处于美、俄、中之间的关键战略位置，是防卫北美的“金穹顶”核心。他批评丹麦无力防卫该岛，并表示收购是增强北约安全的必要手段。 💻 关税手段解决药价难题 特朗普分享了他如何通过威胁对法国红酒和香槟征收 100% 关税，迫使马克龙等领导人同意降低处方药价格。他强调美国不能再补贴全世界的研发成本，必须享受“最惠国”待遇，即全球最低药价。 🏠 房产市场的“去机构化” 针对高房价，特朗普采取了激进措施：通过行政命令禁止华尔街巨头购买单户住宅。他认为房子应该给人住，而不是给公司炒作，并提议将信用卡利率上限设定为 10%，以帮助普通民众积累首付。 🌐 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：顶级商业播客 Acquired 的 Nvidia 三部曲 1993-2023 + 和黄仁勋的对话(2023) 如果商业世界有一本关于“韧性”与“远见”的教科书，那 NVIDIA 的名字一定在扉页。本期节目是《Acquired》团队耗时两年、研究超过 500 小时的心血之作。我们将带你穿越回 1993 年那间喧闹的 Denny's 餐厅，看三位工程师如何勾勒“加速计算”的蓝图。你将听到英伟达如何在只剩 6 个月现金的绝境下，靠着从未见过的模拟技术孤注一掷；如何顶着华尔街的嘲笑，坚持投入“一万个人年”去开发当时没人用的 CUDA。 更令人兴奋的是，节目最后包含了在英伟达总部与黄仁勋的深度对话。他不仅分享了那些改变行业的战略决策，更首次感性地谈到：如果回到 30 岁，他可能不会选择创业——因为现实比想象中难上百万倍。这是一场关于技术、野心、痛苦与最终胜利的史诗级记录。 👨‍⚕️ 本期嘉宾 黄仁勋（Jensen Huang），NVIDIA 创始人兼 CEO。他领导英伟达从一家图形芯片公司进化为全球 AI 革命的引擎。他以标志性的皮衣、极度扁平化的管理风格以及“买得越多，省得越多”的商业哲学著称，是硅谷在任时间最长的传奇 CEO 之一。 ⏱️ 时间戳 00:00 🎙️ 开场 & 播客简介 (跨国串门计划) 00:02:30 🚀 故事开始：NVIDIA 的起源与早期愿景 第一部分：显卡战争与生存游戏 (1993-2006) 00:07:14 黄仁勋的成长史：从肯塔基问题少年学校到斯坦福 00:16:10 Denny's 餐厅的决定：三个工程师想做 3D 图形芯片 00:20:28 融资故事：LSI CEO 的引荐与红杉资本 Don Valentine 的“死亡威胁” 00:27:10 致命错误：NV1 与世嘉的合作（四边形 vs 三角形渲染） 00:30:42 濒临破产：只剩 6 个月现金时的 RIVA 128 豪赌（模拟器开发） 00:41:26 重新定义速度：每 6 个月发布一代产品的“黄氏定律” 00:47:46 定义“GPU”：GeForce 256 与硬件光影变换 (T&L) 00:51:12 可编程着色器：与微软 Xbox 的合作及现代图形学的诞生 第二部分：CUDA 的赌注与 AI 的黎明 (2006-2016) 01:25:00 ⏳ 这里的火苗是随机的吗？—— 模拟物理世界的愿景 01:36:21 CUDA 的诞生：为什么要在每一颗芯片里塞进超级计算机？ 01:50:52 移动端的弯路：Tegra 芯片、智能手机失败与 Switch 的意外成功 01:56:33 2012年 AlexNet 时刻：当神经网络遇上 GPU 并行计算 02:06:39 马克·安德森的观察：所有 AI 创业公司都在用 NVIDIA 02:11:45 加密货币的狂潮：挖矿需求带来的暴涨与暴跌 02:19:14 关键收购：以 70 亿美元买下 Mellanox，补全数据中心拼图 第三部分：生成式 AI 与万亿帝国 (2016-2023) 03:09:00 🤖 生成式 AI 的爆发：从“寒冬”到“iPhone 时刻” 03:15:22 “万亿美元市场”：黄仁勋那个看似疯狂的 TAM 幻灯片 03:33:41 Transformer 论文：Google 的发现如何改变了 NVIDIA 的命运 03:47:25 ChatGPT 时刻：历史上增长最快的应用与微软的百亿豪赌 03:59:03 数据中心即计算机：Grace Hopper 超级芯片与 DGX Cloud 04:07:03 拆解 H100：为什么这一块 4 万美元的金属板是世界硬通货？ 04:22:05 真正的护城河：CUDA 生态与 400 万开发者的锁定 04:43:47 竞争分析：AMD、Google TPU 与云厂商的自研芯片威胁 第四部分：对话黄仁勋 (Jensen Huang Interview) 05:25:40 🎤 访谈开始：回到 NVIDIA 总部 05:27:49 回顾 RIVA 128：在破产边缘如何做出“完美芯片” 05:36:28 押注深度学习：为什么相信这不仅仅是“分类猫狗”的工具？ 05:45:28 管理哲学：扁平化架构、40 个直接下属与“任务即老板” 05:59:58 “零亿美元市场”策略：如何潜伏在未来市场等待爆发 06:14:01 AI 与就业：你不是被 AI 取代，而是被“会用 AI 的人”取代 06:28:07 创始人的心声：如果回到 30 岁，我绝对不会再创业（太难了） 🌟 精彩内容 💡 模拟未来的“超能力” 黄仁勋揭秘了英伟达在 1997 年 Riva 128 研发时的疯狂举动：在没有物理原型的情况下，投入全部资金进行量产。这种“模拟先行”的基因一直延续至今，让他们能在 AI 浪潮来临时，提前准备好所有软硬件栈。 “我们必须知道它是完美的，因为如果不完美，公司就倒闭了。” 🛠️ “任务就是老板”的组织架构 英伟达没有传统的层级观念。黄仁勋解释了他那令人费解的管理方式：信息在公司内像神经网络一样流动，新入职的大学生和副总裁在同一时间获取相同信息。这种极度透明和扁平化，是为了追求极致的决策速度。 “没有人比其他人更有权力，因为没有人掌握特权信息。” 🚀 “零亿美元市场”战略 英伟达成功的秘诀在于寻找那些尚未被定义的市场。从早期的 PC 游戏到科学计算，再到现在的自动驾驶和 Omniverse，他们愿意在市场规模为零的时候磨练十年。这种耐心让他们在竞争对手看清方向时，已经拥有了不可撼动的生态位。 “我们喜欢往没人去的地方带，在那里磨上十年。” 💻 算力即是新的石油 节目深入分析了英伟达如何通过收购 Mellanox 掌控了 InfiniBand 技术，从而定义了“数据中心即计算机”。在生成式 AI 时代，英伟达卖的不再是芯片，而是价值数亿美金的“算力墙”。 “定义数据中心的不再是处理器，而是网络和基础设施。” ❤️ 创业者的脆弱与坚韧 在访谈最后，黄仁勋分享了作为 CEO 真实的恐惧——怕辜负相信他梦想的员工。他直言创业的痛苦是常人难以想象的，这种“欺骗大脑”去相信“这并不难”的能力，是创业者唯一的幸存手段。 “创业比我预想的要难上百万倍，精神正常的人都不会这么干。” 🌐 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：IndieWire 知名影视类播客《Filmmaker Toolkit》'Hamnet' Director Chloé Zhao 奥斯卡金像奖导演赵婷带着她的新作《哈姆奈特》回归。这部改编自 Maggie O'Farrell 同名小说的电影，将镜头对准了威廉·莎士比亚那年仅11岁便夭折的儿子 Hamnet。在这场极其私人且深邃的对话中，赵婷不仅分享了她如何通过这部电影完成一次自我疗愈与觉醒，更深入探讨了艺术创作的本质。你将听到她如何利用“色彩原型”构建角色，如何与顶级演员 Jessie Buckley 共同经历“灵魂暗夜”以寻找情感的出口，以及她对“原创”一词颠覆性的理解。这不仅是一次关于电影制作的专业分享，更是一场关于生命、死亡、爱以及如何通过艺术与古老祖先血脉重新连接的哲学思辨。 👨‍⚕️ 本期嘉宾 赵婷（Chloé Zhao），华裔导演、编剧、制片人。凭借《无依之地》获得第93届奥斯卡金像奖最佳导演奖及最佳影片奖，是历史上首位获得该奖项的亚洲女性。其代表作还包括《骑士》、《永恒族》等。她以独特的自然主义风格和对边缘人物的深刻人文关怀著称。 ⏱️ 时间戳 00:00 开场 & 播客简介 创作缘起与角色美学 03:44 寻找内心的 Agnes：从现代女性到古老血脉的觉醒 05:42 杰西·巴克利的表演：承载集体悲痛的“媒介” 07:46 视觉原型：红色代表生命器官，蓝色代表智力与天空 10:18 向《镜子》致敬：静止与运动之间产生的动物性张力 视觉哲学与“阈限空间” 11:33 构图的演变：从“追逐地平线”到向内“挖掘黑洞” 13:40 承载悖论的张力：在“中阴身”地带等待艺术大爆炸 16:07 符号的魔力：从森林里的树洞到环球剧场的圆形舞台 17:59 祛除天才的神秘感：莎士比亚在泥土与家庭中的创作根基 电影结尾的重塑与“原创”定义 19:30 视觉化“记住我”：如何用25分钟呈现书中的三个字 21:50 环球剧场的灵魂暗夜：从拍摄僵局到情感的彻底“臣服” 25:02 音乐的神迹：Max Richter 的旋律如何开启放手后的宣泄 26:49 现代萨满：利用冥想与循环音乐在片场创造“合一感” 30:41 重新定义“原创”：原创不代表全新，它代表原始与古老 幕后匠心：剪辑与潜意识的声音 31:46 剪辑心法：放下掌控欲，保留人性的“不完美”节奏 35:51 录下潜意识：把麦克风塞进堆肥与树洞的声音实验 37:45 分娩的声景：当女性接入地球心跳般的原始力量 🌟 精彩内容 💡 爱与丧失的悖论 赵婷在谈到女主角 Agnes 时提到，人类存在的本质核心就在于生与死之间的悖论。“当你允许自己拥有最深沉的爱时，可能下一秒就会面临最巨大的丧失。爱得越深、越热烈，失去时的痛苦就越剧烈。” 🛠️ 视觉原型与色彩能量 为了让角色具有“容器感”，赵婷为每个角色设定了代表色。Agnes 是跳动的红色，象征生命器官和接地气的能量；而莎士比亚则是蓝色，代表受压抑的智力、幻想与上层能量。这种设定让观众能先认出原型，再深入拆解人性。 🚀 电影结尾的“神迹”时刻 在环球剧场拍摄结尾时，剧组曾陷入情感无法宣泄的困局。赵婷分享了她与主演 Jessie Buckley 如何通过一首《Bitter Earth》达成共鸣。通过“向死而生”的臣服，她们意识到只有学会放手，才能真正热爱生命。 💻 录下潜意识的声音 音效设计师 Johnny Burn 为电影构建了一个惊人的素材库。他将麦克风塞进堆肥、树洞，甚至录制人体内部血液流动的声音，试图具象化那种现代人已经失落的、与大自然深度连接的“潜意识声景”。 ❤️ 重新审视“原创” 赵婷对当今文化过度追求“新”提出了质疑。她指出“原创”（Original）的词根意味着“旧”和“原始”。“原创不代表全新，它代表原始、古老。我们忘了祖先的智慧，忘了过去的事情和未来的事情一样，都蕴含着创造性的能量。” 🌐 播客信息补充 翻译克隆自：IndieWire's Filmmaker Toolkit Podcast: 'Hamnet' Director Chloé Zhao 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：知名金融深度播客 Gary Marcus on the Massive Problems Facing AI & LLM Scaling | The Real Eisman Playbook Episode 42 当全世界都在为 AI 狂热时，华尔街传奇投资人 Steve Eisman（《大空头》原型）请到了 AI 圈最冷静的质疑者 Gary Marcus。Gary 是一位拥有 MIT 博士背景的资深科学家，他早在多年前就预言了 LLM 的幻觉与推理困境。在这场跨界对话中，你将听到：为什么说 LLM 只是“加强版自动补全”？为什么单纯堆算力的“规模定律”是误入歧途？Gary 提出了生动的“万亿磅婴儿谬论”，直指当前 AI 发展的盲区。此外，他们还深度剖析了 OpenAI 的商业模式危机，以及为什么 AI 投资可能面临类似 WeWork 的崩盘风险。这是一场不仅关乎技术真相，更关乎万亿级投资逻辑的深度思辨。 （主播叠甲： 👨‍⚕️ 本期嘉宾 Gary Marcus，AI 领域著名科学家、心理学家和创业者。他是纽约大学名誉教授，曾创办被优步（Uber）收购的 Geometric Intelligence。他是《The Algebraic Mind》等书的作者，以对深度学习局限性的深刻洞察而闻名，是当下 AI 热潮中最重要的批判性声音之一。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 狂热下的冷静思考 03:05 嘉宾背景：从 MIT 博士到 AI 领域的“孤狼”质疑者 05:37 溯源 2012：GPU 如何复活了神经网络，并开启了这一轮热潮 07:49 系统一 vs 系统二：为什么 LLM 只有直觉，没有逻辑推理 09:50 “万亿磅婴儿谬论”：规模定律的推论为何极其天真 拆解大语言模型的真相 10:46 加强版自动补全：LLM 到底是在“思考”还是在“堆砌”？ 13:46 幻觉的本质：为什么模型会一本正经地胡说八道？ 15:52 “工作废料”效应：语法通顺如何掩盖了逻辑的荒谬 18:11 致命的常识缺失：特斯拉撞上飞机的背后是 AI 的“记忆”局限 投资视角下的 AI 泡沫 20:26 舆论转折点：Gary Marcus 为什么不再是那个“孤独的反对者” 22:40 GPT-5 的失望感：当“收益递减”开始成为行业共识 23:36 技术护城河的消失：大模型正在迅速大宗商品化（Commoditization） 25:11 价格战与盈利困境：OpenAI 会成为 AI 界的 WeWork 吗？ 30:55 VC 的利益错位：为什么风投宁愿在“规模化”上烧钱也不愿投基础研究 AI 的下一个圣杯 35:24 什么是“世界模型”：为什么 AI 需要理解现实的运行规则 38:18 国际象棋的讽刺：读遍了所有规则，为什么 LLM 还是会走错棋？ 39:53 真正的未来：从“投机规模”转向“基础研究”的必要性 🌟 精彩内容 💡 “万亿磅婴儿谬论” Gary Marcus 用一个生动的比方挑战了“规模定律”：婴儿刚出生 8 磅，一个月后 16 磅，这不代表他会一直翻倍，等他上大学时就变成一万亿磅重。他认为，单纯增加数据和芯片并不能让模型产生真正的智能。 🧠 系统一与系统二的缺失 借鉴丹尼尔·卡尼曼的理论，Gary 指出现有的神经网络本质上只是“系统一”（快速、自动、统计性），而缺乏“系统二”（慢速、深思熟虑、逻辑推理）。这也是为什么 AI 在封闭领域（如数学、编程）表现尚可，但在开放世界（如政治、军事、金融）中容易崩溃。 📉 AI 界的 WeWork 风险 Steve Eisman 与 Gary 共同探讨了 OpenAI 的财务危机。OpenAI 每月亏损巨大，且面临 Google 等巨头的同质化竞争。如果投资者开始撤资，这种依赖持续融资的模式将产生剧烈的连锁反应，甚至影响到英伟达等上游芯片厂商。 ♟️ 为什么 LLM 学不会国际象棋？ 尽管 LLM 学习了互联网上所有的棋谱和规则，但它们依然会走出违规步法。Gary 认为这是因为 LLM 只是在“伪造”理解，它们从未真正抽象出棋局运作的因果模型。要解决这个问题，必须回归“世界模型”的构建。 🌐 播客信息补充 翻译克隆自： 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：达沃斯论坛现场对话《Demis Hassabis on an AI Shift Bigger Than Industrial Age》 站在 AI 浪潮之巅的 Demis Hassabis 怎么看当前的竞争？在这场深度对话中，这位谷歌 DeepMind 的掌舵人、诺贝尔奖得主，首次详尽披露了谷歌在 Gemini 研发背后的紧迫感。他不仅回应了关于“红色警报”的传闻，还给出了他对于通用人工智能（AGI）降临的最新时间表：2030年。 Demis 认为，我们正在经历一场广度和深度都将是工业革命 100 倍的技术变革。他分享了 AI 在物理世界（机器人）的突破节点、对中国 AI 竞争力的冷静观察，以及在“后稀缺”时代，当 AI 解决掉能源和材料问题后，人类该如何寻找生存的意义。这不仅是一场关于技术的硬核对谈，更是一位顶级思想家对人类文明走向的深刻预判。 👨‍⚕️ 本期嘉宾 Demis Hassabis，谷歌 DeepMind 首席执行官，DeepMind 联合创始人。他是神经科学家、人工智能研究者、国际象棋大师，并因在蛋白质结构预测方面的贡献荣获诺贝尔化学奖。他被誉为“AI 界的爱因斯坦”，致力于通过“解决智能”来“解决一切问题”。 ⏱️ 时间戳 00:00 开场 & 播客简介 谷歌的“红色警报”与回归 02:05 找回状态：Gemini 系列与谷歌的创业公司冲劲 02:57 核心优势：从 Transformer 到 TPU 的全栈能力 04:36 极限工作流：每周100小时，凌晨一点的思考时刻 AI 的物理版图与国际竞争 05:31 物理智能的“AlphaFold 时刻”：未来18-24个月的突破 06:41 机器人的挑战：为什么人类的手极难被超越 07:14 冷静看中国：DeepSeek 证明了追赶速度，但原创性仍待观察 AGI 的时间表与技术路径 08:27 2030 预判：AGI 必须具备人类所有的认知能力 09:38 “锯齿状智能”：为什么 AI 还没能完全取代白领工作 14:39 路径之争：Transformer 是死胡同吗？ 15:11 缺失的拼图：世界模型、推理能力与持续学习 安全、监管与协作 12:39 理想主义：建立 AI 领域的“国际欧洲核子研究中心（CERN）” 13:47 巨头间的默契：谷歌与 Anthropic、OpenAI 合作的可能性 19:13 信任基石：为什么 Google 的“科学公司”基因至关重要 后稀缺时代的终极思考 10:24 丰裕世界：核聚变、新材料与“后稀缺”时代 18:04 科学工具的终极版：AI 独立发现能拿诺贝尔奖吗？ 21:49 终极谜团：利用 AI 探索物理极限、费米悖论与意识本质 23:23 给下一代的建议：在剧变时代，唯一重要的技能是“学会如何学习” 🌟 精彩内容 💡 100 倍于工业革命的变革 Demis 强调，AI 带来的变革速度是工业革命的 10 倍，规模也是 10 倍，综合影响是 100 倍。他认为人类必须利用这种“超能力”去解决能源（如核聚变）和材料科学的根本问题，从而进入一个极度丰裕的社会。 🤖 机器人的“十八个月”窗口期 虽然大语言模型已经很成熟，但 Demis 认为物理世界的突破还需要 18 到 24 个月。他特别提到了与 Boston Dynamics 的合作，并感叹人类双手的精妙结构是目前 AI 和硬件最难攻克的堡垒。 🧠 AGI 的“2030 门槛” Demis 坚持 2030 年实现 AGI 的预测，但他对 AGI 的定义非常严苛。他认为目前的 AI 存在“锯齿状智能”，在某些领域极强但在常识和稳定性上极弱。要达到 AGI，还需要在世界模型、逻辑推理和长期规划上实现 1 到 5 个关键技术突破。 🔬 AI 是科学研究的“终极显微镜” 作为诺奖得主，Demis 坚信 AI 的最高使命是加速科学发现。他将 AI 比作“科学工具的终极版本”，就像更高级的望远镜或显微镜。在可预见的未来，科学发现仍将是顶尖科学家与 AI 协作的成果，人类负责提出假设，AI 负责穷尽探索。 🎨 寻找“后工作时代”的意义 如果未来大家都不需要为了生存而工作，人类该怎么办？Demis 坦言他更担心意义感缺失而非经济问题。他建议大家现在就开始培养“学会如何学习”的能力，并鼓励通过艺术、极限运动或深层科学探索来重构人生的目标感。 🌐 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