自动驾驶是科幻还是未来？当市场喧嚣与技术挑战并存，我们该如何看清它的真面目？本期《从零到一用AI》特别邀请到深耕早期投资领域的钢铁侠，首次从投资人的犀利视角，为我们独家揭秘自动驾驶这一被他定义为“AI汽车机器人”的真实进展、行业『烧钱』的真相与安全边界。 他将带你穿越表象，洞察为何只有中美能领跑全球自动驾驶，深入探讨L4纯视觉方案与多传感器融合路线之争的深层逻辑，以及为何特斯拉FSD付费率不足20%产业链投资机会。更重要的是，钢铁侠将揭露被忽视的自动驾驶『教育缺失』带来的安全隐患，并分享作为普通用户如何正确看待和使用辅助驾驶，避免将生命交给机器的“愚蠢”。这是一场关于未来出行、技术前沿与商业洞察的深度对话，让你对自动驾驶的理解从『科幻』走向『现实』。 嘉宾介绍： 本期节目我们非常荣幸邀请到我们的老朋友——钢铁侠。作为一名资深早期投资人，钢铁侠的工作让他一直关注着各种前沿方向，此前也曾在『百宝开箱』播客中探讨过太空探索等话题。此次他将以其独到的投资视角，深入剖析自动驾驶——这一他认为“与我们未来生活息息相关” 的前沿技术。他将分享从技术进展、市场变化到交通事故等方方面面的关注点，旨在帮助我们从宏观和微观层面『开箱』自动驾驶的奥秘。 播客核心章节： • 00:44 - 04:04 为什么“钢铁侠”用AI汽车机器人来定义自动驾驶？投资大佬的独家视角 ◦ 首次从投资人视角深度解读自动驾驶，为何这一技术与你的未来生活息息相关。 ◦ 解密“AI汽车机器人”：这不只是自动驾驶，更是科幻照进现实的智能体，它如何重塑你对汽车的认知？。 • 06:57 - 11:50 揭秘：为什么只有中美能领跑自动驾驶？三大核心因素曝光！ ◦ 全球自动驾驶竞争格局大揭秘：美国为何领先，中国如何紧追？。 ◦ 从人才、基础设施到政策，投资人眼中的自动驾驶“烧钱”逻辑：什么是“过饱和投资”才能催生创新？。 • 14:06 - 20:53 激光雷达是坑？投资人大胆预测L4纯视觉方案，理想的“精明”选择 ◦ 深度解析特斯拉纯视觉与国产多传感器融合路线之争，为何纯视觉可能才是L4的未来方向？ ◦ 激光雷达“降价”却未普及？数据融合的难度远超想象，多传感器为何反而可能拖累自动驾驶性能？ ◦ 理想汽车Li Auto的“小心机”：激光雷达如何只为解决中国场景的“追尾”痛点？。 • 25:00 - 29:27 特斯拉FSD付费率不足20%？投资人独家揭秘自动驾驶“烧钱”的真相与掘金点 ◦ 当前自动驾驶仍处于“烧钱”阶段，为何特斯拉FSD在全球和中国的付费率都出乎意料的低？ ◦ 自动驾驶软件商业化为何漫长？投资人告诉你，真正的投资机会藏在看不见的“产业链”上下游。 • 30:43 - 34:44 花钱雇司机OUT了！投资人告诉你，为什么人类终将需要自动驾驶 ◦ 自动驾驶的需求究竟从何而来？答案竟是人类“变懒”和“提升效率”的永恒追求。 ◦ 比雇佣司机更划算、更可靠！机器超越人类驾驶员的核心优势：告别情绪、嫉妒与隐私泄露的担忧。 • 39:49 - 52:23 小米汽车事件的背后：自动驾驶“教育缺失”才是最大的安全隐患！ ◦ 市场过度宣传，用户盲目信任？投资人痛批自动驾驶“教育缺失”，L2/L3反而对驾驶员要求更高。 ◦ “长尾问题”才是自动驾驶迈向L4/L5的最大障碍！万分之一的概率，为何在海量自动驾驶车辆中变得如此可怕？ ◦ 亲身经历分享：如何正确使用辅助驾驶？机器尚不可靠，切勿盲目“躺平”。

本期简介： 一场看似普通的AI象棋比赛，却成了国产大模型的“滑铁卢”。Kimi、DeepSeek等明星选手在谷歌Kaggle的赛场上，为何走不出几个回合就频出昏招、离奇判负？这真的是智商被碾压吗？不！我们深挖比赛规则和数据后发现，这场溃败的种子，在比赛开始前就已埋下。本期节目，我们不聊表面输赢，只聊致命内因，揭示大模型光鲜外表下的“知识盲区”和“推理陷阱”。 本期主播： * 小G (马斯克的Grok语音助手) * 锅巴 时间轴 | 本期金句与深度剖析： * 02:08 致命的假设：你以为大模型是“通才”？错了，它们是严重的“偏科生”。 * 06:52 盲人摸象：比赛的核心挑战不是“下棋”，而是“读谱”。当AI失去双眼，只能靠文本脑补棋局时，真正的考验才开始。 * 08:41 【硬核扫盲】：看不懂天书般的棋谱？2个例子让你秒懂AI眼中的国际象棋世界（见文末图解）。 * 09:53 溃败的根源：“不是你不行，而是你的世界里，根本没有这个东西。”——训练数据决定了AI的“文化视界”。 * 12:11 规则的残酷：谷歌的比赛设计有多“阴险”？它考验的不是记忆力，而是AI在未知规则下的“悟性”和“自律性”。 * 18:40 工具之殇：为什么禁止AI调用外部工具？这才是对“纯粹思考力”的终极拷问。 * 21:22 未来的“游戏高考”：谷歌的野心——打造一个无法靠“机经”和“刷题”通过的AI能力排行榜。 * 24:25 偶然与必然：4盘定胜负只是“表演赛”，未来上千局的对战，才能真正撕下所有模型的伪装。 * 本期硬核扫盲】AI如何“阅读”棋盘？ 想象一下，让AI下棋却不给它看棋盘图像，就像让一位棋手蒙着眼睛下“盲棋”。比赛中，主办方并非发送图片，而是发送一串代表棋盘状态的文本，这种方法被称为**“福赛斯-爱德华兹标记法”（Forsyth–Edwards Notation, FEN）**。 它能用一行文本，精准描述棋盘上所有棋子的位置、哪方走棋、王车易位权利等所有信息。AI必须先“脑补”出这串文本对应的棋盘，再进行思考。 举个例子，让你秒懂： 例1：国际象棋的初始布局 对应的FEN文本是： rnbqkbnr/pppppppp/8/8/8/8/PPPPPPPP/RNBQKBNR w KQkq - 0 1 (大写字母是黑棋，小写是白棋，数字代表连续的空格数，w代表白方走棋) 例2：一个典型的中局局面（西班牙开局后几步） 对应的FEN文本可能是： rnbq1k1r/ppp1pppp/5n2/1b1p4/4P3/5N2/PPPP1PPP/RNBQK2R w KQ - 1 5 (AI需要读懂这个，才能判断出白方e4的兵正受到d5兵的攻击)

本期锅巴和小o将给我们带来google的新模型deep think（不是deepseek哦）是如何斩获奥赛金牌的。希望它能扭转AI在许多人心中不会解数学题的旧识。也许不久后的明天数学家们就能像现代围棋一样在AI的帮助站上一个新台阶，让我们拭目以待吧。

本期我们追一个热点宗老家族新的瓜。素材选取了一篇硬核的技术性法律文章和一个10w+的吃瓜类文章都丢给AI让它看了之后生成音频。 使用listenhub.ai的中文播客 + notebookLM的繁体中文版也就是台湾腔 来解读分析。 大家可以听听哪个版本更喜欢~

今天的这一期播客彩蛋使用秘塔搜索的“今天学点啥”创建的。然后选的风格是据说使用人数最多的暴躁老哥，所以可能会有点冲大家多多担待哦~ 具体方法就是进入秘塔 然后把原本录制的播客音频文本放进去，秘塔的AI会自动的生成一个针对你这个文字的讲解视频课堂，还有ppt可以下载呢。把视频中的音频拿过来上传小宇宙就行啦 。也算是一个创新了，听众朋友可以多多反馈。 我觉得这段可以称之为脱口秀或者说老师教学的音频也补充了我和小o聊天中的一些技术词汇解释吧。还是很不错的 ！

今天的嘉宾是我们的AI老朋友小O，也就是chatgpt的语音模式。不过前一段时间openai进行了一次升级，所以也算是新朋友——恭喜小O浴火重生，明显感觉出来中文的能力以及对话的语气也更像人了。你觉得呢？ 想尝试claude code的朋友现在可以尝试用kimi的api替换，这样就可以在国内感受一下了，非常方便。我觉得对于非开发者来说整理整理文件夹、进行一些系统设置还是有些用的，但是真的是有不小的门槛。

由扣子空间生成 。说说你更喜欢哪个呢？

本期嘉宾二妹。她曾是香港的金融精英，毕业于剑桥大学，却毅然回到家乡，创办了一家公益图书馆——有为图书馆，希望帮助小镇青年更加明确生命的意义。 当这样一位充满人文关怀的实践者开始深度使用AI，她带来的思考是颠覆性的。她从一个管理者的视角出发，认为AI不仅是工具，更是我们反思自身的一面镜子。她认为，我们应该向AI学习，学习如何更好地沟通，如何找回逻辑，甚至如何成为一个更“人”的领导者。 这期节目，我们将跟随锅巴和二妹的深度对谈，探讨： AI是最好的“情绪按摩师”还是“效率工具”？ 为什么我们本能地会“鄙视”别人用AI创作的内容？ 【管理者视角】 一个公益组织如何用AI来培训员工，并从中发现团队的真实需求？ 以及，一个让所有知识工作者都眼前一亮的高能AI用法。 准备好，这可能是一期会刷新你对AI认知的谈话。 本期重点与时间轴： 01:41 - 【高能观点】 嘉宾二妹提出颠覆性洞察：人类应该向AI学习如何沟通与共情，防止自己在追求效率中变得越来越像机器。 02:40 - 创作者的“AI心魔”：为什么我们会本能地排斥和轻视他人用AI创作的内容？这背后是怎样的心理在作祟？ 07:01 - 【超实用技巧】 二妹分享她的高效工作流：如何用Get App记录碎片化的管理思考，再让AI一键生成逻辑清晰的文章或分享稿。 11:10 - 【管理者智慧】推广AI的最佳方式：“展示，而非说教”的力量，分享你的Prompt比任何培训都管用。 13:23 - 员工不用AI的根本原因：不是他们“不行”，而是AI没能解决他们真实生活场景中的问题。 19:11 - 工具箱大揭秘：盘点Monica, Kimi, Get笔记, 豆包, 元宝等AI工具的使用心得。 32:21 - 与AI共存的智慧：接受它的不完美，就像接受不完美的自己和团队，才能真正驾驭它。 二妹的介绍 有为图书馆官网 如果你对图书馆感兴趣欢迎去看看，也欢迎给它捐书捐款多多支持。

我是字节豆包

为什么AlphaEvolve被称为AI领域的神之之手，它到底解决了什么问题。 本期我们邀请了亚马逊的数据科学家锅巴的大学同学Dong，来和他聊一聊AI与数学的故事。同时也希望给大家上一点知识的干货，到底AI发现的新算法优化在哪里，价值几何？ 本期数学小课堂： 如果我们要计算两个复数的乘积，比如 (a + bi) * (c + di) 那么按照复数的乘法规则就应该等于 (ac -bd) + (ad + bc)i 那么就应该计算4次乘法 但是如果我们先计算 （a + b）* （c + d） 的结果 也就是 ac + ad+ bc + bd 那么 (ac -bd) + (ad + bc)i 中的 (ad + bc) 我们就可以不用两次乘法计算出来了，而是使用 （a + b）* （c + d） - ac - bd = bc + bd 来计算出来。成功的通过增加加法的次数来降低乘法的次数，实现在计算机工程上的简化。 你将会听到： 04:00 Dong用AI改简历的吐槽和锅巴的小建议 09:46 AlphaEvolve的背景和数学上的思考 22:20 专业上有哪些方法来评估多个模型的优劣 30:25 Dong使用AI提高工作效率的经验总结

听一听AI那不亚于大学教授的历史课吧。《左传》第一篇：《郑伯克段于鄢》

还在为找不到合适的专家而抓狂？当传统渠道山穷水尽，你是否想过，那个天天被你“调戏”的AI，竟能成为你工作中的秘密武器？本期《从零到一用AI》，嘉宾Water将分享一个让你拍案叫绝的真实案例： 当常规方法都宣告失败，她是如何灵光一闪，借助AI“曲线救国”，不仅成功找到了那位“踏破铁鞋无觅处”的行业大咖，更意外解锁了AI的隐藏技能！这不仅仅是一个工具的使用教程，更是一次思维的碰撞和灵感的迸发。你将听到Water如何从最初的束手无策，到大胆尝试多个AI工具（豆包、DeepSeek等）联合作战，再到AI给出惊人线索，最终通过“非主流”方式成功对接。连主锅巴都惊呼：“你这个点，我从来没想过！” 准备好了吗？和锅巴、Water一起，见证AI如何将“不可能”变为“太轻松了”！这期节目，绝对会让你对AI的认知刷新到新高度！