科技这碗饭 - 节目列表

2022年冬天，斯坦福大学门口一家普通咖啡馆里，17岁的新生 Theo Baker 正在面试一门神秘课程。这门课不在选课系统里，没有学分，每年只收12个人。它有一个夸张的名字：《你以为你能统治世界吗？》 面试官不断追问同一个问题：当你80岁回头看这一生，什么会让你觉得不虚此生？ Theo 后来发现，这门课只是整套系统的冰山一角。 在斯坦福校园里，风险投资人通过饭局、派对、秘密推荐和地下课程，提前筛选未来的创业者；有些学生刚入学几周，就开始和亿万富翁共进晚餐；甚至有人在还没有任何创业想法之前，就已经拿到了几十万美元投资。 Theo 花了四年时间调查这套系统。然而，当他以为自己在观察这台机器时，它其实也一直在观察他。 本期节目，我们通过 Theo Baker 的故事，一起看看硅谷是如何寻找“天才”，又是如何制造“天才”。 🗒️ 名词解释 Theo Baker（西奥·贝克）｜本期主角。2022 年入学斯坦福，校报调查记者，大一扳倒斯坦福校长，Polk 奖史上最年轻得主。2026 年 5 月出版《How to Rule the World（如何统治世界）》，即本期蓝本。 Peter Thiel（彼得·蒂尔）｜PayPal 联合创始人、Facebook 第一个外部投资人，硅谷最有名也最有争议的投资人之一。联合创办了数据分析公司 Palantir，他的创始人基金（Founders Fund）是 SpaceX、Neuralink 等公司的早期投资人。 Thiel Fellowship（蒂尔奖学金）｜Peter Thiel 2011 年起办的慈善项目，每年挑一批 20 岁以下的年轻人，一人给十万美元，条件只有一个：退学。 骷髅会｜耶鲁大学近两百年历史的秘密社团，出过三位美国总统。 伊丽莎白·霍尔姆斯（Elizabeth Holmes）｜血液检测公司 Theranos 创始人，号称一滴血测上百种病，巅峰估值 90 亿美元，后被证明是骗局，2022 年因欺诈入狱至今。畅销书《坏血》的主角。她也是斯坦福辍学生。 SBF（Sam Bankman-Fried）｜加密货币交易所 FTX 创始人，2022 年 11 月 FTX 崩盘，百亿美元级欺诈案，被判 25 年。SBF父母都是斯坦福法学院教授。 Clinkle｜2011 年斯坦福本科生创办的移动支付公司，没有产品却融到 2500 万美元种子轮（当时硅谷史上最大），2016 年悄然关闭。 Marc Tessier-Lavigne｜神经科学家，时任斯坦福校长。2023 年 7 月因贝克的论文图像造假调查报道辞职（调查结论：无证据本人篡改，但名下论文确被改过且 20 多年未纠正）。9 个月后出任一家 AI 制药公司 CEO，首轮融资 10 亿美元。 Polk 奖｜乔治波尔克新闻奖，美国新闻界最重要的奖项之一，贝克是其历史上最年轻的得主。 贝克收集到的黑话｜builder（真在动手做的人）/ wantrepreneur（光说不练的人）/ the plucked（被摘走的人——像摘水果一样被从人群里摘出来）/ anti-signal（负信号，比如只能参加公开创业社团）/ NGMI（not gonna make it，成不了事的人）/ rule-adjacent（跟统治圈沾边，知道神秘课的人） 💡 时间线 Part 1｜亿万富翁们盯上了大一新生 00:52 一门不在选课系统里的课，面试能把人问到哭 04:40 亿万富翁饭局：鱼子酱和卡扎菲 07:03 大一这一年，和亿万富翁吃饭的次数比约会还多 08:50 谁盯上了大一新生？ Part 2｜被看见的人 10:30 大一进不去，以后就再也没机会了 15:04 pre-idea funding——你还没有想法，钱就先到账了 16:00 对 VC 来说，18 岁的斯坦福新生是一张彩票 18:45 「你以为你能统治世界吗」：地下室里的秘密课程 23:58 从FTX到ChatGPT，他开始感到后背发凉 Part 3｜大一新生决定朝校长开枪 25:48 入学刚满一个月的大一新生，决定查斯坦福学校的校长 28:37 对付他的律师，上一个客户是伊丽莎白·霍尔姆斯 Part 4｜同一个剧本，在斯坦福演了二十年 30:46 第一集｜霍尔姆斯与 Theranos：我在她眼里看到了另一个乔布斯 32:57 第二集｜Clinkle神话：没有产品的公司，融资2500 万 35:18 第三集｜SBF 和FTX：系统内容人的崩塌 37:48 第四集｜贝克被写进了系统 Part 5｜这一次，被挑中的是他自己 39:26 把问题变成回答：《如何统治世界》 40:40 两次被选中，这一次谜底终于揭晓 43:43 一部批判斯坦福的书，被当成了斯坦福通关指南 48:12 他一边朝这个世界开枪，一边向这个世界递申请 48:28 神秘课面试的结果 Part 6｜挑选天才，是一门没有反方的生意 52:14 天才究竟是什么 53:52 系统为什么永远不会错 54:54 硅谷为何需要“天才”叙事 56:17 八十岁的时候回望这一生，什么会让你觉得不虚此生

5 月，OpenAI 和 Anthropic 几乎在同一时间宣布，各自成立了一家新公司，专门派工程师进驻传统企业，手把手帮客户把 AI 接进真实业务流程里。 两年前，它们讲的故事还不是这样的。那时候的叙事是：模型已经足够强，AI 会像互联网一样自动渗透世界。你只要接上AI，一切都会自然发生，行业会自动被颠覆。 可两年过去，真正被 AI 深度改变的行业，几乎只有程序员。 这一期，我们会聊到： * OpenAI 和 Anthropic 新成立的 AI 落地公司，它们背后的私募在盘算什么？ * 为什么被AI深度改变的行业几乎只有程序员？ * 为什么这两家AI巨头不得不亲自下场开始做外包？ * 为什么国内大模型公司反而普遍不愿碰“驻场实施”？ * 一个叫 FDE（Forward Deployed Engineer）的神秘岗位 * AI 为什么本质上更像“电”，而不是互联网？ 如果说模型训练是 AI 的上半场，那真正进入银行、工厂、医院、政府、组织流程里的这一段，也许才是 AI 更难、也更真实的下半场。 🗒️ 概念解释 * FDE（Forward Deployed Engineer）：前线部署工程师。最早由 Palantir 提出的一种岗位：工程师直接驻场客户公司，一边观察业务流程，一边现场改产品、接系统、推落地。 * Palantir：美国数据分析公司，长期服务于军方、情报系统和大型企业，也是 FDE 模式最经典的代表公司。 * 蓝西装（Blue Suits）：IBM 早期派驻客户公司的系统工程师，因为统一穿蓝色西装而得名。某种意义上是现代 IT 咨询和实施行业的祖师爷。 * ERP：企业资源计划系统（Enterprise Resource Planning）。简单说，就是把财务、库存、生产、人力等流程统一到一个系统里的大型企业软件。 * Prompt Engineer：提示词工程师。2023 年一度爆火的新岗位，核心工作是“教 AI 怎么理解你的意思”。随着模型能力增强，这个岗位迅速退潮。 * SaaS：Software as a Service，软件订阅服务。比如公司按人头购买办公软件账号，按年续费。 💡 时间线 00:13 更新：《太长不听》改名《科技这碗饭》啦！ Part 1｜AI 巨头为什么突然开始“派人驻场” 01:34 OpenAI 和 Anthropic 同时成立部署新公司 03:41 Deployment Company 到底是什么 04:25 OpenAI罕见保底回报条款：是太有把握，还是急需资源？ 07:24 AI 公司为什么一定要单独开“壳” 08:15 为什么私募机构都要上车？SaaS 末日、华尔街焦虑与资本自救 Part 2｜为什么 AI 只真正改变了程序员 11:15 为什么只有程序员被颠覆了？ 13:00 律师、医生、客服为什么难落地？ 16:45 国内为什么反而不愿意碰“驻场实施”? 18:25 AI六小龙之一Minimax的商汤PTSD 20:53 美国AI巨头为什么不得不亲自下场？五千亿的大窟窿 21:24 传统企业用AI为什么这么难？AI进企业，是帮忙还是偷师？ Part 3｜前线部署工程师 23:14 什么是 FDE（Forward Deployment Engineer） 23:58 Palantir 如何靠驻场工程师起家 26:52 真正难的不是技术，而是组织政治 28:27 Palantir员工揭晓上班的本质：表演 29:52 FDE 和普通外包的本质区别：对产品是否有发言权 Part 4｜历史上的“翻译官”们 32:41 AI 更像电，还是更像互联网？ 33:00 电气化为什么花了四十年才真正提升生产率？ 35:56 IBM 蓝西装：第一代翻译官 37:07 ERP 实施顾问的黄金年代 37:54 Prompt Engineer 为什么两年就消失了 39:30 另一种熟悉的翻译官：淘宝代运营 40:12 程序员也是一种翻译官 40:36 FDE的宿命：Palantir 开始用 AI 替代 FDE。FDE的历史作用是什么？ Part 5｜AI 巨头的下半场 42:00 AI 公司第一次承认：自己不只是软件公司

今天，AI 让“开始”变得前所未有地容易。三小时做一个 App、一天上线一个产品、人人都能当创作者。但奇怪的是，真正把一件事做成，反而越来越难了。 这一期，借着《因为独特》里泡泡玛特创始人王宁的故事，我们来聊一聊： * 为什么我们总是在“该不该开始”上反复内耗，却在真正开始之后，很快失去耐心？ * 为什么真正重要的能力，不是“想出一个好点子”？ * 当所有人都能快速做出一个 70 分的东西之后，人真正稀缺的价值和能力是什么？ * 什么是伟大的“三”？ 💡 时间线 00:06 AI 时代最大的错觉：开始变容易了，做成却更难了 03:39 或许我们都把耐心放反了 04:32 泡泡玛特是一 家「决策快，做事慢」的公司 09:03 「我真没有那种感天动地的故事，创业是枯燥的」 10:16「线下开店是一场孤独的修行，你只能等着别人来」 15:22 门店应该像教堂 15:58 借事修人：乐园成不成另说，做乐园的能力先攒下来 17:05 该十年做出来的事情，就别想着一年做完 17:12 “方向”很多时候不是选出来的，而是做出来的 18:51 AI 时代，想法越来越不值钱 19:18 为什么“手感”和细节才是长期壁垒 19:47 「我只是走了一步而已，问题是这是个万里长征」 20:07 但这是因为他成功了——所有传记都是倒着读的 20:34 「每一种方式都可能成功，也都可能失败，最不该的是把自己困在里面」 21:09 伟大的不是「一」和「二」，伟大的是「三」 📚 主要参考资料 《因为独特》李翔

这期我们来复盘 Meta 的 AI 三年。 三年里，Meta 换了三套 AI 班底：FAIR、GenAI、MSL。从学术理想，到产品化冲刺，再到扎克伯格亲自下场 All In。 它有全世界最顶级的研究员、最多的用户、最夸张的算力预算，也做出了 PyTorch 和 Llama 这样的明星项目。但与此同时，它也在经历模型翻车、组织混乱、疯狂挖人、不断重组，以及越来越强烈的“掉队感”。 为什么 Meta 越努力，越狼狈？ 为什么它拥有 Instagram、Facebook、WhatsApp，却始终做不出一个真正被用户喜欢的 AI 产品？ 为什么字节能做出豆包，而 Meta 做不出来？ 这一期，我们就来聊聊： * 杨立昆和扎克伯格的路线冲突 * FAIR 为什么从 AI 灯塔变成了边缘研究院？ * Llama 是怎么从“开源之光”变成翻车现场的？ * MSL 这支“钞能力战队”，为什么还是没能救 Meta？ * Meta 和字节，看起来这么像，为什么结果完全不同？ * Meta 到底还有没有未来？ 最后我也想聊聊，一个普通人在 AI 时代的焦虑感。也许你不用那么着急追上 AI。有时候，真正重要的，是给自己留一点“犯傻”的空间。 💡 时间线 01:14 Meta裁员八千人，它为什么在AI这条路上越努力越狼狈？复盘Meta AI的三套班底 第一套班底：学术明珠FAIR 03:21 起了个大早，AI学术界的灯塔：FAIR（Foundamental AI Research） 05:20 FAIR版GPT三天就被骂到下线，OpenAI ChatGPT出生就封神 06:36 它最大的爆款 Llama，其实是个意外 07:48 杨立昆的学术理想撞上扎克伯格的商业现实：FAIR为什么走向边缘化？ 11:11 FAIR之“死”：名义上还在，明珠已经不在了 第二套班底：故事生成机器GenAI 12:13 GenAI成立：Meta AI走向商业化 13:21 GenAI来新人了！ 13:58 Meta成也萧何败也萧何的公司文化 17:35 阴阳模型Llama 4 19:20 Meta AI，你最会乱插话的AI助手 25:11 GenAI失去信任 第三套班底：“钞”级梦之队MSL 25:58 “钞”级梦之队 27:00 最高端的商战，往往只需要一碗汤 29:13 全新旗舰模型Muse Spark：大模型界的做题家 33:06 开源这块功德碑，被它自己一锤子砸掉了 33:30 Vibes vs Sora，OpenAI和Meta打的是同一场仗吗？ 35:54 Agent？做不出，真的做不出 38:40 钱是一剂慢性毒药 44:54 员工蒸馏计划：Meta怎么变成数据工厂了？ 46:54 Alexandr Wang：命运的回旋镖最终还是打到了自己 Meta 背后的男人：扎克伯格 47:59 扎克伯格为什么总在“追别人”？防守天花板 50:02 唯一能拦住扎克伯格的人，是扎克伯格自己 聚光灯外的漏网之鱼：雷朋AI眼镜 50:48 无人在意的角落，卖爆的雷朋AI眼镜 52:40 螺蛳壳里做道场 世界第十一大未解之谜：Meta为什么做不出豆包？ 54:24 字节给了豆包犯傻的空间 58:41 假如豆包出生在Meta，会发生什么？ 59:26 扎克伯格也有自己的绩效考核 01:00:22 字节在做自己，Meta 在想办法逃离自己 Meta还有未来吗？ 01:01:57 OpenAI给Meta腾位置了 16:28 等AI长大，你不用去追它 Meta Muse Spark 官方宣传图 vs 网友整理的实际模型表现 📻 往期节目 * 36小时探访六家中国AI公司，一个美国研究员看到了什么 * 做得成火箭做不成AI？马斯克的xAI输在哪 📚 主要参考资料 * 晚点 LatePost《制造豆包：一个 AI 超级入口的形成与转向》 * 科技早知道《7000 亿美元砸向 AI：这是下一代互联网，还是泡沫重演？》 * 扎克伯格公开信《Personal Superintelligence》 * 纽约时报《Meta 正在死去》 * 彭博《Meta 超级智能梦之队将是「世纪级管理难题」》

前阵子，西雅图顶级 AI 研究所的技术大牛 Nathan Lambert 飞到中国，探访了六家中国AI公司，月之暗面、智谱、美团、小米等等。回去之后，他在自己的技术周报 Interconnects 上写下了一篇中国AI产业观察： * 中国做 AI 的到底是一群什么样的人？ 1. 两边的组织文化与产业生态，究竟在走向怎样不同的方向？ 本期节目，我们顺着 Nathan 的视角，看一看硅谷的明星科学家内耗，国内的集体主义胜利，这两种截然不同的工程师文化和发展走向，究竟谁能拿到未来新世界的门票？ 💡 时间线 00:10 插播一条xAI的大新闻：马斯克变身房东 01:19 西雅图飞来的“特种兵”调研，36小时探访6家中国大模型公司 中美核心不同之一：美国偏爱明星科学家 vs 中国偏爱应届生 02:29 没有“技术包袱”的年轻学生兵，如何撑起中国大模型的半壁江山？ 04:46 硅谷“科学家偶像化”的昂贵代价 07:26 为什么国内AI研究员不爱聊 AI 伦理与技术边界？ 08:36 中国的工程师治国 vs 美国律师治国。AI 现在是一个“能力问题”，还是一个“边界问题”？ 中美核心不同之二：美国产业生态 vs 中国全栈工厂 13:38 数据标注产业：为什么美国发展出了精细分工的“乐高俱乐部”，中国走向自建车间的“全栈大工厂”？ 16:28 人手一个模型的国内科技公司，拆解国内大厂骨子里的“防御性焦虑”与综合工程红利 📚 参考资料 * Nathan Lambert，《Notes from inside China's AI labs》，Interconnects * 张小珺商业访谈录 · 第140期 · 对话姚顺宇 * Dan Wang，《Breakneck》