跨国串门儿计划 - 节目列表

📝 本期播客简介 本期我们克隆了：知名科技播客《MAD Podcast》Dylan Patel: NVIDIA's New Moat & Why China is "Semiconductor Pilled” 本期节目是AI硬件与地缘政治的深度对谈。主持人 Matt Turck（FirstMark 合伙人）与 SemiAnalysis 创始人 Dylan Patel 展开了一场横跨技术、商业与地缘战略的对话。Dylan 是华尔街和硅谷都倚重的半导体分析师，以敢言和深度洞察著称。节目中，你将听到关于英伟达收购 Groq 背后的战略防御逻辑，为什么 Jensen Huang"特别怕输"；CUDA 护城河如何从编程语言转变为 KV 缓存管理；中国半导体产业独特的"恋爱剧"文化与地方竞争机制；以及为什么 AI 是一场决定全球霸权归属的"经济战"。此外，Dylan 还深入剖析了万亿资本支出背后的数学、美国电网的现实困境，以及 Claude Code 如何永久改变编程方式。这是一场信息密度极高、观点锐利的硬核对谈。 👨‍💼 本期嘉宾 Dylan Patel，SemiAnalysis 创始人，华尔街和硅谷倚重的半导体与 AI 供应链分析师。他以敢言和深度技术洞察著称，经常揭露硬件行业的炒作与真相。在节目中，他分享了关于 NVIDIA 战略、中美芯片竞争、AI 资本支出周期等前沿观点。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI变革的宏大叙事 01:53 人类历史上最大的变革：比工业革命更大的 AI 浪潮 02:25 经济战争：AI 决定中美全球霸权归属 英伟达的帝国防御 03:06 Groq收购案：Jensen的"怕输"哲学与多芯片战略 06:17 从通用GPU到专用芯片：AI架构的未来分叉 07:04 保持75%毛利率的代价：必须比对手好2-4倍 09:40 CUDA护城河正在转移：从编程语言到KV缓存管理 中美芯片战争 17:30 中国半导体"恋爱剧"与地方竞争文化 21:40 华为威胁：全球垂直整合最彻底的公司 24:00 芯片法案真相：汽车短缺如何催生500亿补贴 27:02 供应链现实：美国无法自给自足，全球化不可逆转 AI基础设施经济学 29:00 资本支出是泡沫吗？千亿收入与五千亿投入的数学 35:00 能源现实：天然气是唯一选择，核电周期太长 41:10 水消耗迷思：AI用水量 vs 汉堡包的对比 43:00 债务循环与CoreWeave模式：大厂担保的金融架构 软件革命与模型进展 47:00 Token经济学：AI行业收入年底将达千亿美金 48:00 Claude Code时刻：不会写代码的人也能编程 50:00 模型三国杀：OpenAI、Anthropic与Google的技术栈差异 硅谷生活 52:00 三个AI主播的合租日常：帝国时代与完美室友Sholto 🌟 精彩内容 💡 人类历史上最大的变革 Dylan Patel 开宗明义地指出 AI 的变革规模："这可能是人类历史上最大的变革，甚至可能是有史以来最大的。AI 接下来要发生的事，比工业革命还要大。"他进一步将 AI 竞争定性为经济战："说到底，这是场经济战。如果美国和西方在 AI 上赢了，中国就不会崛起成全球霸主。但没有 AI，中国肯定会崛起。他们就是要跑赢美国。" 🛡️ Jensen的"怕输"哲学与防御战略 Dylan 揭示了英伟达收购 Groq 的底层逻辑："Jensen 特别怕输。如果他一直只做主线芯片，别人会在成本和性能上碾压他。"英伟达正在从单一 GPU 战略转向多芯片组合（CPX、Groq 风格芯片、通用 GPU），覆盖预填充、解码、视频生成等不同工作负载，因为"英伟达知道自己是老大，站在中心位置...他们试图全面覆盖，因为不知道模型往哪走"。 🌏 中国半导体的"恋爱剧"文化 Dylan 描述了中国独特的半导体产业文化："有那种电视剧，讲人们在芯片厂谈恋爱的...好像说找个做芯片的男朋友女朋友特别酷...整个国家都迷上了半导体。"他解释了地方竞争机制："各个省、各个城市都在出台政策、给补贴...中央政府还没禁英伟达的 H20，但地方上已经禁了。"这种分散而激进的竞争方式造就了中国完整的（尽管落后几年的）半导体供应链。 💰 资本支出的数学真相 针对"AI泡沫"质疑，Dylan 给出了清晰的计算："今年 AI 收入会超过 1000 亿美元...如果是五年折旧，大概需要 2500 亿的 infra...今年超大规模云厂商的资本支出大概会有 5000 亿美元左右。"他认为这不是泡沫，因为"去年那些没有直接产生收入的超额投入，才让今年的模型变得这么好...如果 AI 模型进步停了，那才是大事"。 ⚡ 能源现实：天然气与水的迷思 关于 AI 能源消耗，Dylan 指出："核电建设周期太长...除了天然气，数据中心还能用啥电？"他同时驳斥了 AI 耗水过多的说法："马斯克那个 Colossus 数据中心全部用水量，只相当于两家半 InNOut 汉堡店的用水量...你平时用 ChatGPT 查询的用水量，大概也就相当于一个汉堡。" 🤖 Claude Code 与编程革命 Dylan 分享了 AI 编程的颠覆性现状："Anthropic 内部有个指标看多少人还手写代码，现在坚持手写的已经没几个了。"他举例说明："我们公司有个分析师...从没写过代码，就靠 Claude Code 搞定了投资分析...总共就花了不到三小时。"他认为"低端的知识工作已经不重要了"，Claude Code 配上 Opus 4.5 代表了一个"永久改变工作方式"的时刻。 🎮 主播界的主播：硅谷室友轶事 Dylan 与 Sholto（另一位知名播客主播）等 AI 圈人士合租。他形容 Sholto 是"完美人类样本"："一米九多的大个子，长得帅，澳洲口音特别好听...编程强得离谱，还是奥运级别的击剑选手"。他们平时聊《帝国时代》游戏、Sholto 用 Claude 写的即时战略游戏（主题是中美 AI 竞赛），以及正常的室友话题。 🌐 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：斯坦福医学院神经生物学教授 Andrew Huberman 的顶尖健康科学播客《Huberman Lab》 How to Build Immense Inner Strength | David Goggins 本期嘉宾是退役海豹突击队员、超级马拉松传奇 David Goggins。这期对话的特别之处在于，Huberman 首次从神经科学角度剖析了 Goggins 那种极端自律背后的生理机制——特别是大脑中那个与意志力密切相关的区域：前扣带皮层（anterior mid cingulate cortex）。Goggins 在节目中爆出了几句让人震撼的原话："我迫不及待想聊这个，因为我生活中做的每件事，都很痛苦"、"没有他妈的捷径，兄弟...捷径就是他妈的痛苦"，以及"大脑是世界上最强大的武器...被迫只能往内看，外部世界必须消失"。这些 raw 而真实的独白背后，是一场关于人类意志极限、内在对话艺术，以及如何通过"做不想做的事"来生理性地重塑大脑的深刻对话。 👤 本期嘉宾 David Goggins，退役海豹突击队员、超级马拉松跑者、畅销书作家。他完成了超过 60 次超马赛事，多次以冠军身份完成世界上最艰难的耐力赛，并保持着 24 小时内做最多引体向上的吉尼斯世界纪录。他从 300 磅的体重、充满虐待的童年和缺乏教育的环境中崛起，成为自律与意志力的全球象征。他的两本著作《Can't Hurt Me》和《Never Finished》均为国际畅销书。 ⏱️ 时间戳 00:00 开场 & 播客简介 痛苦作为生活方式 04:56 学习即痛苦：ADHD 患者如何靠手写笔记建立照相式记忆 08:42 "我迫不及待想聊这个，因为我生活中做的每件事，都很痛苦" 15:39 摩擦（Friction）：从睁眼那一刻起就存在的阻力 28:48 "被困扰"（Haunted）：没有胡萝卜，只有大棒驱动的人生 意志力的神经科学 36:22 前扣带皮层（Anterior Mid Cingulate Cortex）：意志力的生理基础 40:42 "没有他妈的捷径，兄弟"：为什么做喜欢的事不会增强意志力 47:52 多巴胺的另一面：痛苦如何触发奖励通路 55:40 从 300 磅到海豹突击队：肥胖人群的意志力脑区会变大吗？ 关系、边界与真实 01:10:25 如何处理亲密关系：确保家人拥有所需，然后隔绝干扰 01:21:37 脆弱的力量：为什么必须打开"橱柜"清理黑暗秘密 01:35:27 "被误解"的沮丧：为什么大多数人看不到引擎盖下的东西 内在对话与失败的艺术 01:55:16 艺术家与画作：每天创造不同版本的自己 01:57:16 不是单向独白，而是多方对话：如何与内心的委员会谈判 02:00:54 学会失败：在学会赢之前，必须先学会如何正确地失败 02:07:57 打开橱柜（The Closet）：清理地牢里的恶魔，每天擦拭锃亮 结语 02:12:38 致谢与结束 🌟 精彩内容 🧠 前扣带皮层：意志力的生理开关 Huberman 解释了大脑中一个鲜为人知的区域——前扣带皮层。研究表明，当人们做不想做的事时（如节食、坚持锻炼），这个脑区会变大；而肥胖人群的这个区域更小。Goggins 的一生就是不断通过"做不想做的事"来生理性增大这个脑区的实例。 "当人们做不想做的事...这个脑区就会变大。肥胖人群的这个区域更小...长寿的人，这个区域能保持大小。" 💀 "没有捷径，只有痛苦" Goggins 反复强调，建立意志力没有捷径，不是通过冰浴、桑拿或补剂，而是通过日复一日的"做，做，做"。他称之为"看不见的工作"——在凌晨两点独自学习，在寒冷中独自跑步，没有观众，没有掌声。 "没有他妈的捷径，兄弟...怎么长大那个东西？去做，去做，去做，去做。这就是捷径。捷径就是他妈的痛苦。" 🗄️ 打开橱柜：清理内在地牢 Goggins 将自我探索比喻为打开积满灰尘的"橱柜"或"地牢"，里面藏着蜘蛛网、碎玻璃和最大的恐惧。大多数人选择锁上这些橱柜，假装它们不存在，但 Goggins 每天第一件事就是冲向这些黑暗角落，与里面的恶魔对话并清理干净。 "那些橱柜积满灰尘、肮脏不堪、可怕得要死...你最大的恐惧，那些让你陷入今天这种糟糕境地的最大因素，都在里面。" 🎭 失败的艺术 与普遍追求胜利不同，Goggins 认为首先要学会的是"如何正确地失败"。当他 300 磅且不会读写时，他知道自己将面临无数次失败，因此他训练自己如何不被失败淹没，如何从失败中快速恢复。 "我首先教自己的不是胜利，而是失败...通往赢的路首先要经历多年的失败。" 🧍 独处与创造 Goggins 将自己比作每天创作不同版本《蒙娜丽莎》的艺术家。他强调必须完全隔绝外界干扰（手机、社交媒体、他人意见），才能听到内心真正的声音，知道自己下一步该做什么。 "你得把自己封闭起来...只有花足够的时间在脑子里，你才能找到正确的画作。" 🌐 播客信息补充 翻译克隆自：Huberman Lab: How to Build Immense Inner Strength | David Goggins 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：Vox Dev 旗下的经济政策研究播客 Will AI be like the industrial revolution? 当 Sam Altman 和 Satya Nadella 将 AI 比作"压缩到二十年的工业革命"时，他们脑海中浮现的或许是人类生活水平的飞跃，但未必是那段历史中真实的社会阵痛。本期节目，经济史学家 Bruno 带我们回到十八世纪末的英国，审视工业革命最动荡的篇章——拿破仑战争期间，机器如何在劳动力稀缺的压力下迅速取代人力，又在战后引发英国历史上最大规模的社会骚乱。从康沃尔农民 1 先令的日薪到现代 100 英镑的购买力对比，从脱粒机的普及到 Captain Swing 骚乱中的纵火与威胁信，这段历史揭示了技术变革中"规模"与"速度"的残酷力量。更重要的是，Bruno 提出了一个尖锐的警示：AI 与工业革命的关键差异在于，它不仅是"去技能化"，更是"极端的去技能化"——它瞄准的是律师、会计师、博士研究员这些需要 12 到 15 年教育的高技能岗位。而当失业潮来临时，人们失去的不仅是收入，更是生活的意义。 👨‍🏫 本期嘉宾 Bruno，经济史学家，专注于研究十八世纪末英国技术变革对劳动力市场的冲击。他重点关注拿破仑战争期间（约持续 25 年，英国 10% 适龄男性参战）机器取代人力所引发的社会动荡，尤其深入研究了 1830 年代英国历史上最大规模的 Captain Swing 骚乱，探讨技术采纳、劳动力迁移与社会稳定之间的复杂关系。 ⏱️ 时间戳 00:00 开场 & 播客简介 工业革命的历史重量 01:53 AI 与工业革命的类比：科技巨头的乐观预言 03:16 为什么研究工业革命：从 1 先令到 100 英镑的生活水平跃迁 05:38 经济学家的视角：在历史细节与抽象规律之间寻找平衡 战前的英国社会图景 06:35 1700 年的英国：农业、家庭工业与地理鸿沟 08:39 拿破仑战争的冲击：劳动力稀缺如何催生机器替代 技术变革的双重视角 10:10 两派之争：昂贵的劳动力 vs 高质量的工匠 12:18 互补而非对立：当高工资遇上高技能 动荡的时代 14:02 战后的崩塌：从祈祷战争到机器抢饭碗 15:30 Captain Swing 骚乱：英国历史上规模最大的社会动荡 17:15 脱粒机的诅咒：机器分布与暴力事件的地理重合 AI 与历史的对话 18:25 规模的震撼：三分之一的岗位与瞬间的替代 19:54 缓冲垫：工业城镇的迁移机会与转型启示 21:08 本质的差异：从"去技能化"到"极端去技能化" 22:38 超越金钱：福利国家与生活的意义 历史的镜鉴 23:13 被忽视的阴影：工资停滞百年与最大骚乱 🌟 精彩内容 💡 十四倍的生活水平与七代人的瞬间 Bruno 通过对比 1700 年康沃尔农民 William Pierce 的日薪（1 先令，仅够买半公斤黄油）与现代伦敦外卖骑手的收入，揭示了工业革命带来的惊人物质飞跃。今天的生活水平大约是两三百年前的十四倍，而这在人类文明史上只是七代人的一瞬间。这种巨大的进步是研究工业革命的根本动力。 "今天的生活水平大概是两三百年前的大约十四倍。这才七代人，在人类文明史上真的只是一瞬间。" ⚔️ 战争、劳动力稀缺与机器替代 拿破仑战争（持续 25 年，约 10% 适龄男性服役）造成国内劳动力市场紧张，工资飙升。这促使农民和企业家寻找用机器替代昂贵人力的方法。Bruno 的研究发现，劳动力稀缺地区与机械师聚集地区的重合，最快推动了脱粒机等劳动节约型技术的采纳，验证了"高工资"与"高技能"两种理论的互补性。 "士兵们回来了...可他们回来发现，工作已经被这些新机器抢走了。工资迅速崩盘。" 🔥 Captain Swing 骚乱：技术动荡的社会代价 1830 年代的 Captain Swing 骚乱是英国历史上最大规模的社会动荡。Bruno 团队通过分析 3000 多条历史报纸广告定位脱粒机分布，发现机器普及地区骚乱概率翻倍。这些效率比人工高 5-10 倍的机器在战争期间由妇女操作，战后却导致男性劳工大规模冬季失业，最终引发纵火、威胁信和机器破坏等暴力反抗。 "失业的人失去的不仅仅是收入来源。我觉得他们在很多情况下失去的是生活的意义。" 🤖 AI 的"极端去技能化"警告 与工业革命主要取代手工技艺（如纺织工人）不同，AI 革命呈现出"极端去技能化"特征。它瞄准的是需要 12-15 年教育的高技能职业——律师、会计师、博士研究员。这意味着这次技术冲击可能比以往任何时候都更深刻地影响社会结构，因为被取代的不仅是体力，而是长期积累的专业知识。 "AI 看起来是极端的去技能化...这些 AI 模型能做律师、会计师，甚至是博士研究员的工作。这些人可是读了 12 到 15 年书的。" ⚠️ 历史的警示：被忽视的转型阵痛 当 AI 巨头们乐观地引用工业革命时，他们往往忽略了当时亲历者的痛苦：实际工资停滞了一百年，以及英国历史上最大规模的骚乱。Bruno 强调，虽然长远来看技术进步带来了繁荣，但过渡期必须谨慎处理。关键不仅是提供福利救济，更要确保人们能找到赋予生活意义的新职业，避免重蹈历史覆辙。 "我怀疑当那些 AI 巨头在播客上做这种比较时，他们脑子里想的不是英国实际工资停滞了一百年，也不是英国历史上最大的骚乱。" 🌐 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

The rise of the professional vibe coder (a new AI-era job) （在改生产流程，可能有些问题，shownote 暂时懒得补了 就这样先

The AI Opportunity that goes beyond Models （在改生产流程，可能有些问题，shownote 暂时懒得补了 就这样先

OpenClaw Debate: AI Personhood, Proof of AGI, and the ‘Rights’ Framework | EP #227 Feb 6, 2026 （在改生产流程，可能有些问题，shownote 暂时懒得补了 就这样先

Elon Musk – "In 36 months, the cheapest place to put AI will be space” （在改生产流程，可能有些问题，shownote 暂时懒得补了 就这样先

📝 本期播客简介 本期我们克隆了斯坦福教授 Andrew Huberman 主持的《Huberman Lab Podcast》。How Dopamine & Serotonin Shape Decisions, Motivation & Learning | Dr. Read Montague 嘉宾 Dr. Read Montague 是实时测量人类多巴胺的先驱。这期节目将彻底颠覆你对多巴胺的认知——它不是"快乐分子"，而是驱动生存与学习的核心算法。Dr. Montague 揭示了多巴胺如何通过编码"预测误差"来推动我们不断前进，以及它与血清素之间的精妙拮抗关系。我们探讨了从约会决策到 ADHD、从社交媒体成瘾到 AI 强化学习的神经机制，并介绍了通过鼻腔探针实时监测神经递质的突破性技术。这是一场关于大脑如何计算价值、如何学习、以及如何决定坚持或放弃的深度学习之旅。 👨‍⚕️ 本期嘉宾 Dr. Read Montague，弗吉尼亚理工人类神经科学研究中心主任，计算神经科学先驱。他开创了在清醒人类大脑中实时直接测量多巴胺和血清素水平的技术，揭示了这些神经调质如何编码预测误差、驱动动机和学习。他的研究连接了人工智能的强化学习算法与生物大脑的神经机制，为理解决策、成瘾和精神疾病提供了全新视角。 ⏱️ 时间戳 00:00 开场 & 播客简介 多巴胺的本质：学习而非快乐 01:30 多巴胺≠快乐：它是强化学习信号，不是快感分子 04:45 时序差分学习：大脑编码的是连续预测之间的误差，而非简单奖励 08:26 觅食理论：为什么达成目标不会让你满足，多巴胺必须推动你寻找下一个去处 动机、疾病与神经化学 12:20 多巴胺基线与峰值：动机状态的数学描述 17:50 多巴胺作为"货币"：评估行动价值的通用标尺 22:42 帕金森病的"主动冻结"：当70%多巴胺神经元消失后的世界 27:35 ADHD的神经基础：探索者与执行者的平衡 数字时代的注意力训练 31:15 社交媒体：训练你的"ADHD肌肉"，削弱长期专注回路 36:30 短视频 vs 深度学习：速度、努力与神经可塑性的关系 41:00 抵抗的奖励：多巴胺系统能否学会从克制中获得满足 血清素：多巴胺的黑暗孪生兄弟 43:40 血清素与多巴胺的拮抗关系：跷跷板效应 46:28 血清素教会你等待：耐心与负面结果的学习 50:50 SSRI的真相：血清素如何"污染"多巴胺终端，降低奖励感 压力状态下的神经化学翻转 52:10 饥饿与极端压力：多巴胺从追求奖励转向逃避惩罚 56:40 习得性无助：当生存本身成为唯一的奖励 测量技术革命 62:02 深部脑刺激手术中的实时神经化学记录 67:15 鼻腔探针技术：微创测量多巴胺和血清素的突破 AI与大脑的算法融合 72:00 从大脑到AlphaGo：强化学习的生物学基础 77:30 神经网络与生物神经系统的 convergent evolution 82:00 个人神经监测的未来：Nebula Neuro与实时生物反馈设备 公众问答与迷思破解 88:00 "多巴胺快感"的迷思：公众误解与科学真相 92:00 毅力 vs 沉没成本谬误：何时坚持何时放弃的神经机制 97:00 血清素综合征与SSRI副作用的生理基础 优化神经化学的实践 103:00 运动作为神经训练：从摔跤到十项全能的启示 108:30 冥想与呼吸：结构化呼吸如何影响多巴胺和去甲肾上腺素波动 113:00 睡眠作为算法清理：恢复多巴胺"货币"与神经稳态 科学哲学与人生 118:00 科学作为接触性运动：失败、韧性与审稿人二号综合症 123:00 养育孩子与学会如何输：运动培养的反脆弱性 🌟 精彩内容 💡 多巴胺不是快乐分子，而是生存算法 Dr. Montague 指出，多巴胺的本质不是编码快感，而是一种强化学习信号。它通过"时序差分学习"算法，不断比较连续预测之间的差异，推动生物体持续前进。"不管你达成了什么目标——吸毒、吃美食、找到伴侣什么的——如果这就让你满足了，你就不会继续活下去。你需要这个系统持续追踪，到了一个目标，还得有下一个去处，不然你就活不下去了。" 🧠 血清素与多巴胺的跷跷板关系 通过在人脑深部实时测量，Dr. Montague 团队发现多巴胺和血清素呈现明确的拮抗关系：多巴胺上升时血清素下降，反之亦然。血清素负责编码负面信息、教会你等待和耐心。而SSRI类抗抑郁药的问题在于，增加的血清素会"泄漏"到多巴胺终端中，降低正面事件的奖励属性，这解释了为什么有些患者会出现快感缺失和动力下降。 🎯 ADHD是特征而非缺陷 人类大脑中同时存在"探索者"（ADHD模式）和"执行者"（专注模式）两种状态。社交媒体和短视频正在训练我们的"ADHD肌肉"，强化快速切换注意力的能力，但可能削弱长期专注和延迟满足的回路。关键在于平衡：探索者寻找新机会，执行者完成长期目标，两者都是生存所需。 🧪 鼻腔探针：实时监测神经递质的未来 Dr. Montague 介绍了通过鼻腔探针（Nebula Neuro技术）实时测量多巴胺和血清素的突破性方法。这种微创技术让健康人也能监测自己的神经化学状态，未来可能实现个性化学习：通过实时生物反馈，帮助孩子调节注意力，或优化冥想和运动效果。 🤖 AI与大脑的 convergent evolution 大脑使用的强化学习算法（时序差分学习）与DeepMind的AlphaGo使用的基本相同。这是科学史上罕见的例子：从生物学中发现的学习规则被外化为计算机程序后，反过来超越了人类表现。这种递归关系正在帮助我们更深入地理解大脑如何工作。 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：Canadian PM Mark Carney Special Address at Davos WEF 2026 本期嘉宾 Mark Carney（马克·卡尼）作为加拿大总理、前英国央行及加拿大央行行长，在达沃斯世界经济论坛发表了一场堪称中等强国宣言的特别演讲。面对"基于规则的国际秩序"褪色、大国竞争加剧的现实，Carney 借捷克异见作家哈维尔的"无力者的力量"，深刻剖析了国际社会长期"活在谎言中"的状态——口头上维护规则，实际上迁就霸权。他提出了"基于价值观的现实主义"这一全新外交哲学，宣布加拿大将摘下"橱窗里的牌子"，直面断裂而非过渡的新时代。从万亿级别的国内投资到与欧盟、中国、印度的战略多元化，从"可变几何"的灵活联盟到北极安全的空前投入，Carney 详细阐述了中等强国如何不选边站、不建堡垒，而是通过联合创造第三条道路。这不仅是一场关于加拿大战略转型的演讲，更是一份中等强国在大国竞争时代的生存与行动指南。 👨‍💼 本期嘉宾 Mark Carney，加拿大现任总理，曾任英国央行行长（2013-2020）及加拿大央行行长（2008-2013）。他在2008年金融危机和英国脱欧期间积累了丰富的危机管理经验，被誉为"金融稳定建筑师"。作为政治领袖，他正推动加拿大从对美国深度依赖转向"基于价值观的现实主义"外交政策，强调中等强国通过联合而非迁就在大国竞争中创造影响力。 ⏱️ 时间戳 00:00 开场与核心隐喻 01:07 哈维尔的启示：水果店招牌与"活在谎言中" 02:12 旧秩序的黄昏：基于规则秩序的虚伪性与大国竞争的回归 中等强国的战略选择 03:49 堡垒化世界的风险与战略自主的代价 05:13 第三条道路：中等强国联合创造影响力，而非竞争迁就 加拿大的新外交政策 05:39 "基于价值观的现实主义"：原则与务实并存 06:40 国内实力建设：减税、万亿投资与国防开支翻倍 07:10 对外关系多元化：从欧盟战略伙伴到对华接触 "可变几何"与联盟网络 07:53 议题导向的灵活联盟策略 08:10 北极安全、格陵兰自决与北约第五条承诺 08:50 连接CPTPP与欧盟：打造十五亿人口贸易集团 "活在真实中"的行动纲领 10:11 摘下橱窗里的牌子：命名现实，停止假装 12:45 中等强国的历史任务：从断裂中建立更公正的秩序 炉边对话：直面关键问题 13:06 关于主权：我们能给自己的，远比任何外国能拿走的多 15:04 北约的考验：加强北极安全而非假装旧秩序依旧 16:09 对华接触策略：在明确护栏内建立战略伙伴关系 18:00 格陵兰问题：安全保障、经济繁荣与人民自决权 21:12 全球主义的未来：志同道合者的深化合作而非普世覆盖 🌟 精彩内容 💡 "摘牌子"的隐喻：活在真实中 vs 活在谎言里 Carney 借哈维尔《无力者的力量》中水果店挂"全世界工人联合起来"招牌的故事，揭示国际社会长期"活在谎言中"——明知基于规则的秩序已崩坏，却仍为避嫌而假装一切正常。他呼吁中等强国摘下"橱窗里的牌子"，诚实面对大国竞争和经济武器化的现实。"现在是时候让企业和国家把各自的牌子摘下来了……我们正身处一场断裂，而非过渡。" 🎯 基于价值观的现实主义：加拿大的新外交哲学 Carney 提出芬兰总统斯图布所说的"基于价值观的现实主义"：既要坚守主权、领土完整、人权等基本原则，又要务实承认利益分歧，用睁开的双眼广泛而战略性地接触世界。这包括与价值观相近的北欧国家深化安全合作，也包括在明确护栏内与中国等大国建立战略伙伴关系。"我们主动面对现实世界的样子，而不是坐等我们希望的世界出现。" 🌐 "可变几何"联盟：不选边站的第三条道路 面对多边机构失效，Carney 提出"可变几何"策略——针对不同议题（乌克兰、北极、关键矿产、AI）与志同道合者建立灵活联盟。从成为乌克兰志愿联盟核心成员，到推动CPTPP与欧盟建立桥梁形成十五亿人口贸易集团，再到组建七国集团关键矿产买家俱乐部。这种策略让中等强国避免在与霸权国家双边谈判中沦为"菜单"，而是通过联合创造"第三条道路"。 ⚡ 从脆弱到韧性：国内建设与战略自主 Carney 强调主权现在是"抵御压力的能力"。加拿大正通过万亿级别国内投资（能源、AI、关键矿产）、取消省际贸易壁垒、国防开支翻倍等措施减少对外依赖。他指出："我们能给自己的，远比任何外国能拿走的多。"这种实力建设不是走向堡垒化，而是为采取原则立场赢得权利，为真诚合作奠定物质基础。 ❄️ 北极安全与格陵兰：原则立场的考验 在格陵兰问题上，Carney 展现了"基于价值观的现实主义"的实践：坚定支持格陵兰决定自身未来的独特权利，同时通过超视距雷达、潜艇、战斗机和地面驻军的空前投资，以及强化北欧-波罗的海八国合作，实质提升北极安全。他明确反对将格陵兰问题简化为关税威胁，主张通过集中谈判实现安全与繁荣的共同目标。"俄罗斯无疑是北极的威胁……我们全年三百六十五天海陆空全天候存在，打算保持这种状态。" 🌐 播客信息补充 翻译克隆自：Canadian PM Mark Carney Special Address at Davos WEF 2026 | AC1G 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