提到人工智能芯片，大家都知道英伟达。最近DeepSeek的火爆给国内市场带来振奋，人们对中国AI产业信心满满，甚至有说法“绕过了英伟达”，官方媒体最近发文指出，“赢麻了”的速胜论要不得，DeepSeek虽然展示了超强的产业穿透力，但它仍然是在英伟达芯片集群上训练而成的，也没有绕开英伟达CUDA编程框架。英伟达依托后者构建的软件生态，被认为是比芯片更高的技术“护城河”。 除了英伟达，大家可能还听说过台积电。台积电又是干什么的？他和英伟达什么关系？今天这期节目，和大家一起来把全球芯片产业的格局聊清楚。 "如果说英伟达是给全球人工智能行业卖铲子的人，那台积电就是给英伟达卖铲子的人，而ASML则是卖给台积电产子的人"。 01:06 对CUDA感兴趣的听友可以去我的第92期节目里面了解更多的细节。 01:27 它是世界上唯一一家专注于半导体代工的公司 03:42 除了台积电，世界上还有其他的一些公司也能进行半导体代工生产；但是，他们也在同时做自己的芯片设计。 04:32 这是苹果的“双供应商”策略，一部分交给台积电，一部分交给三星。 05:01 “双供应商”的策略，它的好处是。。。 08:08 除了台积电，第二个重要的代工厂，叫Global Foundries 08:35 在半导体行业当中，Foundry特指那些“专为其他公司代工制造芯片的公司”。 08:47 “晶圆代工厂”就等于“Foundries"。 08:57 Global Foundries这个名字听起来很霸气，但是这家公司本身一点儿都不如他的名气霸气 09:41 第4个最重要的代工厂、就是大家比较熟悉的“中芯国际”了，SMIC 10:09 通过这些介绍，大家就能发现，这4家主要的代工厂里面，最能打的就是台积电了 10:23 台积电比三星在半导体代工领域里面的领先，主要体现以下几个方面。 14:16 也正因为如此，台积电占据全球芯片代工的绝大部分的市场份额，2024年，大约占68%。 14:53 台积电的这个900亿的美元的收入，甚至高过了英伟达的609亿的收入。 15:39 分析师估计，英伟达贡献了台积电营收中的约15%。 15:57 台积电，2023年给ASML贡献了大概30%的收入 16:07 如果说英伟达是给全球人工智能行业卖铲子的人，那台积电就是给英伟达卖铲子的人，而ASML则是卖给台积电产子的人

"揭秘科技"是个商业科技播客，我的节目不会谈论政治与外交，我们就从商业的角度，来看一下，这场商业谈判，为什么还没有开始正式谈，就已经谈崩了? 01:19 这个会议的前40分钟都聊得挺“友好”，但是从双方反复重复的话语之间，明显能够看得出来，双方各自心里都完全清楚自己从这个交易中想要什么。 01:35 双方也都完全清楚自己想要的，对方一直都没有明确的给予答复。 01:52 斯基表达不同意见的结束语，用了“问句”的方式去表达，这让万斯感受到了被挑战了。 02:28 万斯在会上并没有表现为常见的传统意义上的这种“沉默的副手”。 03:06 从行为上看，万斯像是特朗普的情绪的放大器。 04:03 特朗普并没有在万斯发飙之后，来演一个“好警察”的角色。 05:00 这种情绪化的对抗、而非利益导向，在谈判中是非常罕见的。 06:35 谈判的双方缺乏前期的共识与预期管理。 09:04 通常的商务谈判前，双方的下面的各级“牛马们”会通过各种正式的、非正式的沟通和协调，确保双方对核心的诉求和红线有了基本的共识。 10:21 电话微信沟通了很多次，感觉“谈的差不多了”，但见面一聊之后才发现严重忽视了对方的立场与筹码。 12:28 哪怕存在严重的分歧，也要保持未来沟通的一个渠道。 13:02 谈判中最重要的是“赢”，还是要保住关系？

美国人型机器人界的当红炸子鸡——Figure AI，在宣布停止使用OpenAI大模型并发布自研的Helix人型机器人大模型一周后，再次惊艳亮相，展示了由Helix驱动的机器人在高速运转的包裹物流产线上工作的精彩视频。这是Figure公司机器人在实际商业场景中的第二次应用。首次亮相则是在去年同一时段，Figure机器人成功进入宝马公司的工厂，成为第一个商业客户，并正式投入生产。 这期播客，讲述Helix人型机器人大模型，是如何加速真实的物流世界的。 01:15 Figure创始人说“真正令人兴奋的是，我们与宝马的第一个应用案例，花了12个月的时间；而第二个商用案例仅用了30天，通过Helix人形机器人大模型” 02:30 Figure这家公司，得到了世界首富Jeff贝索斯、OpenAI、微软、英伟达等头部的公司和创投的投资。 03:14 “我们不能再将AI大模型外包出去了、就如同我们不能将硬件外包一样”。 04:30 Helix模型的几个重要的核心的能力是 05:32 这个任务，要求达到人类水平的速度、精确度和适应性。 06:38 这些改进包括，第一是叫做“隐式立体视觉“，是指。。 07:44 第二个改进，叫做“多尺度的视觉表示”，意思是说。。。 08:52 第三个优化，叫做“学习型视觉本体感知”，是说每个Figure机器人能够自我校准。。。 11:30 第四个优化，叫做“运动模式”，指的是不改变训练过程的前提下、在推理时提升速度。 12:16 Figure要应对的这个真实的“物流分拣应用场景”到底是什么样子呢？ 13:50 Figure是如何实"物流分拣场景“中特定的优化的呢？ 16:07 硬件行业和软件行业特别不不一样的一点是。。。 6:33 同样的零部件，它的实际的表现可能是有所不同。 21:09 训练的数据的质量要重要性要高于训练的数量 21:54 当“运动加速”提升的速度超过50%的时候，实际的吞吐量开始大幅的下降了

全球人型机器人公司里的当红炸子鸡，Figure AI在2月20号发布了最新的Helix人型机器人研究成果（完整视频在这里），Figure AI这家公司在人型机器人领域，在全球的地位相当于大模型领域的OpenAI、人工智能芯片里的英伟达，我的第12期和第21期播客，对这家公司、及其创始人有详细介绍，感兴趣的听友可以去了解更多细节。 ​本期节目，我将深入剖析Figure的Helix模型，全面覆盖从技术到方法、从术语到实际应用的各个方面。无论你对人型机器人感兴趣但了解不深，还是希望掌握该领域的基本概念和前沿知识，都会在这里找到清晰易懂的解读。 02:02 Helix是Figure这家公司把人形，把机器人领域里面通用的视觉、语言、动作的VLA模型，在人形机器人中，进行了一次完整的创新和实践。 03:12 "自我学习和控制" - “learned control", 是指通过机器学习的算法，来让机器自动去学习如何控制自己的行为。 03:44 Helix实现了人类历史上的一系列的首次。 03:48首先是一个完整的上半身的控制。 04:35 ”自由度“就是关节能让你动几种不同的方式，人类的上半身大概有五、六十个自由度 05:28 其次，Helix还实现了多机器人自主协调工作 06:05 与以往传统的方法不同，Helix使用一组神经元网络的权重、来学习所有的行为。 07:23 Helix模型是跑在机器人本地的、嵌入式的、低功耗的GPU上，而不是云端的集群GPU上，这意味着它自带大脑，能够独立的看、听和动 07:40 在Figure格的这个Helix模型的paper当中，也定义了"人形机器人的新的scaling law". 09:35 要让机器人在家庭当中发挥作用，他们需要能够按需生成智能的新的行为。 10:32 "泛化"，就是机器或者是AI在学会一件事情之后，能把这件事用在没有见过的新的情况上。 11:59 如何从VLA模型当中提取所有的、常识的知识，并将其转化为可以泛化的机器人的控制？ 12:31 在Helix之前的人型机器人的方法，面临了一个根本性的一个权衡。 15:01 Helix两个互补模型这的设计，相比于现有的方法，提供了几个关键的优势。 15:52 传统的VLA模型实现方法，将连续的动作转换为离散的、有限的控制选项，来简化控制。 16:44 高维度的控制需要更加精准和灵活的控制策略，而传统VLA方法在这类任务上基本上是无法实现的。 17:24 Helix"关注点分离“的做法，不受寻找统一的“观测空间”或者是“动作表示”的约束。“观测空间”，指的是机器人如何看待外部世界；“动作表示”指的是机器人如何表达自己的动作。 18:53 关于Helixd模型的训练数据、和训练方法，Figure也做了详细介绍。 20:15 这里我再解释一下传统机器人训练的数据，作为对比。 25:21 Helix是全程端端到端训练的 25:42 “标准回归损失”，就是衡量模型输出与期望之间的差距 26:12 Helix的优势，在于它的这种通用性，不需要为每个任务专门去训练不同的模型，或者是微调这个系统的特定的参数。 27:08 “时间偏移”是Figure在训练Helix时，加的非常聪明的一招 27:59 说完了训练，再说一下Helix的优化流式推理。 30:31 随着头部和躯干的动作，一方面改变了机器人能够到达的地方，另外一方面，也改变了机器人能够看到的东西，这带来了一个新的挑战。 32:09 “零样本”，zero shot，是机器学习和人工智能当中的一个术语，指的是模型在没有见过某个特定任务或者是样本的情况之下，仍然能够成功的进行推理和执行任务。 33:42 Helix还弥补了互联网规模的语言理解、与精确的机器人控制之间的差距。 34:12 “非结构化的环境”，指的是那些没有明确规定或者是标准化布局的环境。 35:25 “监督数据”，在人工智能领域是指。。。监督数据是用来指导模型去学习正确的输出。 36:07 “非监督数据”没有预先定义的正确答案，模型需要自己从这些数据当中去发现结构模式或者是特征，而不是学习具体的答案或者是目标输出。 37:12 Helix通过单一的、统一的模型，在各种的任务当中都表现出来了强大的性能，无需任何特定任务的示范，或者是针对每一个不同的场景去进行大量的手工编程。

今天（2025年2月19日），微软发布了一款名叫 Majorana 1 的量子计算芯片。这个芯片不是普通的那种硅基芯片，而是用了一种特别的材料和技术，这个材料很特别，微软说它创造了一种全新的物质状态——不是固体、液体或气体，而是一种“拓扑状态”。这种状态能让量子比特更稳定、更不容易出错。 00:52 这个芯片到底是啥呢？ 01:33 量子比特可以同时是0和1的一种叠加态，这让量子计算机能够做超复杂的计算 03:57 叠加态是怎样让量子计算机算得更快了呢？ 05:57 微软为什么把这个芯片的名字叫做Majorana? 06:48 谷歌，IBM等等也在做量子芯片，甚至他们做出来的比这个微软的还要早。 08:27 量子芯片有什么用呢？ 09:06 微软今天发布的这个量子芯片，能做什么呢？ 09:44 量子芯片，与英伟达的GPU的关系，是竞争还是替代呢？

DeepSeek 火爆之后，许多媒体和自媒体纷纷将其成功“出圈”，归因于创始人梁文锋的个人能力，再进一步归因到他出生成长的“广东”老家、他就读的浙江大学，再到DeepSeek 团队那些虽然没有海归背景、但全部是本土清北毕业的顶尖人才团队，甚至还有归因到DeepSeek 所在的杭州在各方面比其他城市更胜一筹。 还有一个广泛流传，看起来非常合理的归因：“因为DeepSeek算力有限、有限的资源，迫使他们开始创新”。这些观点，是有意为之，还是仅停留在表面的认知层面，不得而知。但不可否认的是，这样的叙事方式，非常符合大众的期望，因此能够轻松获得认可并广泛传播。 本期节目，我们将探讨最可能的真实原因，来揭示DeepSeek给我们带来的最大启示。 01:21 如果仔细推敲，无论是浙大还是清北，过去这些年培养了多少相关专业的本科生、硕士和博士？这些优秀的人才毕业之后，大部分都去了国内外大厂的某某实验室或者某某研究院。 02:37 DeepSeek有相当一部分的研究人员是在北京工作的。 02:53 阿里及其达摩院同样位于杭州。 03:13 而“资源有限、强迫了他们创新”这个说法，更是和DeepSeek在2019年就对媒体宣称自己拥有1万块GPU，在国内公司里排名第一这个说法"背道而驰。 03:44 成功往往不是因为别人知道了你所不知道的东西，而是因为别人做到了即使你知道也根本做不到的事情。 03:55 DeepSeek能够在“低训练成本算法”方面取得创新，核心的原因有2个。 04:15 这简直就是研究人员最理想的环境了。 06:13 这些大厂的实验室和研究院，往往也是从没有KPI的这种自由式的研究起步的。 06:31 没有KPI或者是任何监督约束的时候，不是每个人都能够去好好的利用资源，深入的、自由的去做自己想做的事，感兴趣的事。 07:58 大家经常看到某些大厂的实验室或者研究院的1号位，在几年之后就离职了，这背后基本上都是这样的故事。 08:11 为什么那些“姚班”、“邱班”等掐尖项目，到现在也没有出来”巨擎“呢？ 10:00 有些项目还要全英文授课，真想问一下，有那个必要吗？ 10:26 “我和你”的作者，陈其钢，在回忆自己在中央音乐学院附中求学的时候。 12:18 如何才能够既给研究人员充足的研究自由，又避免人性的懒惰和贪婪导致的长时间看不到结果呢？ 13:18 激发人性中向往美好、渴望成功的那部分，才是团队管理者的核心职责，而不是去“制定方向”和“监督结果”。 15:00 为什么高校等科研机构，没有类似的成果出来呢？ 15:17 高校的教授必须具备博士学位不可吗？

本期节目通过挪威国家主权基金CEO Nicolai Tangen对全球光刻机巨头 ASML CEO Chris Fouque 的深度访谈，揭开全球最关键的芯片制造设备——EUV光刻机的奥秘，以及是什么让ASML从飞利浦旗下的一家小的创业公司，一步步成为今日不可撼动的行业领导者的？光刻机为什么那么难？到底难在哪里？ 01:05 ASML到底是生产什么的？ 01:30 什么是EUV呢？ 01:56 为什么这么难呢？哪个部分难呢？ 03:43 ASML的光学系统是与他们的光学合作伙伴"蔡司"多年共同一起开发完成的，就是那个生产镜头的蔡司... 04:25 “我们当时选择EUV并不是因为它最容易"... 05:49 如果你要去做这么困难的事情，如果你不是独自一人，你会感觉更好，对吧？ 07:19 至少在接下来的20年里，AI公司希望是可以每两年将晶体管的密度增加16倍。 07:33 在谈到与德国的光学公司蔡司的关系时，Chris说，"当我们谈论这种关系的时候，我们说这种关系比婚姻还要糟糕，因为我们永远无法离婚" 08:31 关于为什么没有与"蔡斯"合并。。。 09:19 在关于未来几年人工智能会如何发展这个问题。。。 10:28 关于中美关系对于半导体行业发展的影响。。。 11:31 在谈到中国现在的芯片落后有多久的时候。。。 12:12 在谈到能否在美国、日本和韩国完成芯片制造这个话题的时候。。。 13:32 谈到创新。。。 14:13 在谈到如何描述ASML作为一家公司的文化的时候。。。人们做事情基本上不是为了给自己争取功劳，而是为了公司的利益。 15:54 人们必须看到你的真实的一面，不应该有虚假的讨论，也不应该试图去取悦或说服别人，你需要非常真实直接。 16:46 你需要有梦想，同时，你需要能够以一种非常清晰的方式来传达这个梦想。 17:18 “你是如何保持对细节的关注的？” 18:16 作为CEO，你需要能够向人们解释“为什么某些事情很重要”，而做到这一点的唯一的方法就是“简单明了”。 18:42 如果需要太多的话来解释的话，那么你根本就没有解释清楚。 18:56 “你是怎么学会清晰的传达你所做的事情的”？ 19:40 在你让人们信服之前，你要给他们足够的信息，让他们自己说服自己。 20:33 当你不再需要证明任何事情时，我认为这是一种解放。 21:09 在谈到“你是怎么放松的”这个问题的时候，Chris说“我感受不到压力” 22:13 正确的问题应该是“我明天要做什么才能真正的让我兴奋？”

AI正在成为这个时代最重要的变革力量，但它的讨论却常常充满门槛。术语的混乱让外行难以理解，信息的碎片化让人难以构建完整的认知。这期节目，希望让 AI 不再是少数人的“黑话”，而是所有人都能真正理解、思考并参与塑造的未来，因为未来属于那些真正理解它的人。 我将以Lex Fridman最新一期长达5个小时的播客中的热门话题和精彩观点为基础，深入浅出地解释他们讨论中的核心 AI 概念，比如“AI行业里并没有达成一致的关于开源的定义”、“大模型的参数权重”、“预训练 vs. 后训练”、“对齐”、"Token"、“思维链chain of thoughts"、“MoE“、“DeepSeek绕开英伟达"、“集群”、“AI智能体AI Agent"等。 01:43 先介绍一下三位人物，Lex Fridman... 03:06 DeepSeek和OpenAI之争，被很多媒体和自媒体简单的说成了"开源"与"非开源"之争。 03:16 在人工智能领域，关于"开源"的定义到目前为止并没有完全统一一的一个共识。 06:29 大模型的参数权重，就像是大模型的记忆力,他们存储了模型从海量数据中学到的模式、规律和知识。 07:37 权重的公开并不等于模型完全开源。 08:17 Nathan所在的研究机构认为，真正的开源应该不仅仅包括开放源代码，还应该包括：发布训练数据，发布训练代码，并且发布参数权重。 08:54 接下来我先介绍“预训练”和“后训练”。 09:30 在像GPT这样的大语言模型当中，Token是一个是文本中的一个较小的单元，可能是一个单词、一部分单词，甚至是一个标点符号。 11:31 在人工智能领域，对齐、alignment，主要是指确保AI系统的行为和目标，与人类的意图、价值观和期望一致。 13:53 预训练通常成本更高，训练时间更长。 14:13 接下来再介绍一下“推理过程的显性化”这个概念，也就是大家从DeepSeek R1中看到的，R1完整的展示了整个推理的逻辑。 15:07 相比于传统的黑箱模型，Chain of Thoughts有助于帮助人类理解模型是如何做出判断的，从而提升了整个模型的可信度。 15:41 这个“混合专家系统” MoE的核心思想是... 16:15 在OpenAI实现MoE架构之前，行业里没有人相信这个MoE的paper真能work... 16:49 关于DeepSeek没有直接去直接调用英伟达CUDA API，也就是NCCL API（绕过英伟达）... 18:31 谈到当前人工智能领域的数字集群的规模... 21:01 除了电力供，GPU的冷却也是一个大问题。 21:30 未来，谁最可能成为英伟达的竞争对手或者是替代品？ 22:42 目前在人工智能领域，谁在赚钱？ 23:11 关于AGI，通用人工智能... 23:30 关于未来AI的价值到底会从哪种形式呈现... 23:39 这里又提到了AI agent（AI代理）的概念... 24:12 OpenAI前几周发布了自己的第一个AI agent, 这个产品的名字叫做OpenAI Operator. 25:48 他们三位也谈到了程序员与AI之间的关系，以及未来的发展

先祝大家在蛇年里像AI一样快速进化，突破极限，探索未知！ 这个春节假期，deepseek成了比春晚还要热门的话题。其中一个重要的讨论是，OpenAI宣称DeepSeek违规“蒸馏”，即：DeepSeek使用OpenAI专有模型来训练自己的开源聊天机器人。我们这期节目，不去评价或声讨OpenAI的指责，更不去证明deepseek蒸馏了或者没有蒸馏；因为我们第一不是当事人，我们没有第一手的信息来证明任何东西；第二，我们也根本不在要去证明任何一方的位置上。这期节目的目的，是来学习一下，什么是蒸馏技术，为什么会存在蒸馏这种现象，以及，在哪些场景下的蒸馏是被允许的。 节目里我会引用多个来源关于蒸馏的介绍，尽量全面和客观。并且只做引用，不做任何评价。 01:54 金融时报讲，所谓蒸馏技术，是指开发者使用更强大的模型的输出来训练小模型，从而以更低的成本来获取更高性能的一种做法。 02:09 蒸馏是业界常见的做法，但问题是... 02:31 专门为大模型提供训练数据的八友科技的创始人、清华大学计算机系毕业的博士梁斌，他对蒸馏技术的解释是... 03:13 梁博还说，蒸馏的过程一般是这样的... 04:00 关于蒸馏技术，ChatGPT是这样来解释的... 04:11 旨在将一个大型的、复杂的模型通常称为教师模型的知识，转移到一个较小的、较轻量的模型，通常称为学生模型当中。 06:27 什么是蒸馏的这个问题，DeepSeek给出了和chatGPT类似的、或者基本一致的回答。 06:40 在人工智能行业当中，教师模型和学生模型通常来自于同一家公司吗？ 10:02 OpenAI允许其他公司用ChatGPT作为教师模型吗？ 13:33 同样的这个问题，"OpenAI是否允许其他公司用ChatGPT作为教师模型？"，我又问了DeepSeek。 15:34 蒸馏技术不仅仅是一种模型压缩的技术，更是一种跨公司合作的潜力所在。 15:51 然而，这个话题也引发了一个更加深层次的思考。

在职场环境中，专业能力固然至关重要，但真正决定能否快速晋升、甚至引领团队的，往往是那些被称为“软技能”的能力。无论你是希望成为一名优秀的团队领导，还是想在职场中脱颖而出的个人贡献者，软技能都会在你职业生涯中起到决定性的作用。 今天的节目，我将为大家介绍三项最重要的职场软技能，整理自两位著名的高管教练——Harriette Cole 和 Ethan Evans 的多个讲座分享。 我之所以喜欢这两位的分享，是因为他们的内容既不书生气，又非常接地气，充满实用性。 01:55 Ethan在接下来的10年的时间里，完成了极具挑战性的两次晋升，从资深经理升至总监，再从总监升至副总裁。 02:43 你必须通过在大批重要的人前讲话的方式，来激发人们对你的能力的和想法的信心。 02:52 没有人愿意将更多的责任，交给那些看起来对现有责任都感到不自在的人。 03:36 接受别人的反馈，对大部分人来讲都非常的难，尤其是在会议这种当众的场合。 05:14 无论对方举的是什么例子，那是对方看到的事情的一个方面，不一定是事情的全貌。 05:36 大部分的反馈，确实是批评性的，有时候是充满了敌意的。 07:11 即使你知道答案，在当场被提问的时候，仍然会变得非常的慌乱，从而失去了可信度。 08:05 也有些人的特质是内向的，比较容易害羞；对这些人来说，当众讲话就更挑战了。 09:14 高管风范的定义是：是“展示自己应该被认真对待的能力”。 10:22 当具备高管风范的时候，人们会被你吸引，专注的倾听； 13:41 你可以拥有最佳的专业技能或者是最佳的创意，但如果不能够通过有力的讲故事的技巧来沟通，那就没有人会关注到你。 16:42 过度的讲故事是一种操控手段。 17:17 在生活和工作当中，有很多机会通过讲故事来更好的实现自己的目标。

在刚刚落幕的2025国际消费电子展（CES）上，马斯克通过远程连线接受了马克·佩恩的独家采访。马克·佩恩是美国著名的商人、民意测验研究者和作家。在这次对话中，马斯克不仅分享了AI、自动驾驶、机器人、星舰以及脑机接口的最新进展和未来展望，还探讨了一个耐人寻味的灵魂问题：如果未来AI能够胜任人类的所有工作，并且表现得比人类更出色，当物质极度丰富、经济极度富裕时，人类生命的意义又将何在？ 01:43 最新的人工智能，可以通过医疗测试表现的比80%的医生还要好。 02:21 人类实际上已经用尽了所有的书籍，彻底的用尽了整个互联网和所有写过的书籍，以及所有有的有趣的视频。 02:56 使用合成数据训练大模型，是会有挑战的；因为你怎么知道这个是大模型自己幻想出来的答案，还是一个真实的答案？ 05:02 在2025年的第二个季度，特斯拉的自动驾驶，能够达到比普通有经验的驾驶员更低的事故概率。 06:25 你可以让特斯拉开到任何一个你从未去过的地方，特斯拉也没有去过的地方。 06:31 甚至可能是外星球，自动驾驶的特斯拉在外星球还是会正常工作，会自动开车。 06:56 类人机器人将是人类历史上最大规模的一个产品，远超过其他任何产品。 07:12 机器人和人类的比例，未来将会是至少是3比1， 4比1，可能是5比1。 08:51 AI比人类的情商要高多了。 08:57 AI永远都在尽力的倾听你的意思，从来不打断你。 09:18 AI从来不试着表现的比你更加的聪明，比你更加的有见地。 11:32 马斯克想做一个这样的很酷的视觉效果出来，就像星际争霸一样，所有这些星舰一起出发，空间中闪烁着明亮的光点。 12:49 即使我们没有超越我们自己的太阳系，至少，我们得到了另一个星球。 13:31 如果霍金能像正常人，或者比正常人更快的去交流，那将是革命性的变化。 14:59 通过neuralink，可以将正常人类的脑信号的输出能力提高1000倍甚至100万倍，这将是一种非常不同的体验啊，基本上是超人类了。 15:24 如果所有机器人，都在为人类工作啊，为人类节省了大量的时间，创造了大量的财富，那人类会做什么呢？

想象一下，如果我们不再依赖计划，却依然能找到人生的方向；如果我们通过清晰和行动，将焦虑与迷茫转化为力量；如果我们学会提出好问题，而非死守标准答案；如果我们用小行动撬动大改变；如果我们能在熟悉的生活中找到全新的可能性；是不是有一种被点燃的感觉？ 这期想和大家聊一聊我最近读过的一部美国亚马逊上的畅销书：《The Life Brief: A Playbook for No-Regrets Living》，作者 Bonnie Wan 是一位对人生智慧有独到见解的思想者，同时还是全球知名广告公司的品牌战略总监。 02:23 "你能计划的事情都太小，不足以成为你生活的全部"。 03:01 计划通常基于我们现有的认知和资源，而生活的精彩往往来自于不可预见的可能性和突破的机遇。 04:19 倾听你内心的声音，那个经常因为实用主义或者眼前的事物而被忽略的声音。 06:53 保持清晰是你能采取的最重要的行动。 07:24 怀疑、戏剧化的情绪杂念和恐惧，这些东西让我们沉重，失去灵感，或者偏离了最重要的本质。 10:07 追问问题，而非答案。 12:47 在经历了一切由父母安排、以及16年的被动接受问题并且寻找答案的教育熏陶之后，我们每个人似乎都已经麻木了。 13:36 Bonnie Wan给大家的第三个无悔生活的见解是：重新定义你的视角。 16:02 我们脑海中的每一个信念，都有可能成为限制性的阻碍。 16:12 真正的创新思维，就是去挑战我们熟知的每一个信念。 17:07 大改变始于小行动。 20:09 这个时代教会了我们如何追求成功，却很少告诉我们如何找到满足。 20:35 所谓的无悔、并不是一种结果，而是一种始终向内、勇敢前行的状态。 20:44 人生不是一场等待被证明的考试，而是等待被创作的作品。