今天的嘉宾，我们很开心邀请了OpenAI研究员姚顺雨。 2025年4月，姚顺雨发布了一篇有名的博文《The Second Half》，宣告AI主线程的游戏已进入下半场。这之后，我们与他进行了一场播客对谈。 姚顺雨毕业于清华和普林斯顿大学，开始智能体的研究非常早。在博士期间他意识到语言可能是人类发明的最接近本质的工具，于是转向语言智能体研究，至今已6年。他有许多有代表性的工作。 我们的谈话从个体出发，共同探索由人、组织、AI、人与机器的交互，所抵达的这个世界智能的边界以及人类与机器的全景。 前不久，我刚刚创立了一家新的内容工作室「语言即世界工作室」，顺雨很意外地从另一个角度帮我回答了，我们工作室创立的初心。 为什么我们相信语言是这个世界的本质奥秘？他的表达是：“语言是人为了实现泛化而发明出来的工具，这一点比其他东西更本质。” （本次访谈发生在2025年5月，访谈为个人观点，与所供职公司无关。） 02:58 第一部分：人 * 感觉我前28年的人生，非常的乖 * 我一直有这个非共识：我想要去做Agent * 第一年最大收获是，要用GPT，不要用BERT；第二个learning是任务或环境非常重要 * 我的研究有两个核心：一是怎么去做一些有价值、和现实世界更相关的任务和环境；二是怎么去做一些简单、但又通用的方法 17:50 第二部分：系统 * Agent是一个非常古老的概念，任何能进行自我决策、与环境交互，并试图优化奖励的系统，都可以被称为Agent * Agent演变的三波兴衰：大家可能更多注意到方法线，容易忽视任务线，但这两条线是相辅相成的 * Agent发展最关键的两个方向：一个是让它拥有自己的reward（奖励），能自己探索；另一个是Multi-Agent（多智能体），让它们之间能形成组织结构 * Code有点像人的手，它是AI最重要的affordance（环境给予行动者的可能性） * 任务的设定 * 泛化的工具 * 奖励的机制 48:38 第三部分：吞噬的边界 * 创业公司最大机会是：能设计不同的interface（交互方式） * 可能模型的能力会产生beyond ChatGPT（超越 ChatGPT）的交互方式，变成Super App * 拥有一个Super App对于公司是双刃剑，当你有像ChatGPT这样的Super App，很自然你的研究就会围绕这个Super App * Assistant、Her，或者像人一样的交互方式，显然是最重要的交互方式之一；不显然的是，我能不能基于不像人的交互方式？ * 这世界是个相互抄的关系，而不是一个单向抄的关系 * OpenAI可能会成为一个类似Google的公司，成为新世界里非常重要的一环，但这并不代表，这个世界就会被这样一个单极系统垄断 * 最终的智能边界，是由不同的交互方式决定的，而不是由一个single model（单一模型）决定 * 前年冬天，我读到冯诺依曼临终前写的一本书：The Computer and the Brain * 环境永远是记忆层级中最外层的部分，这很哲学 * 模型公司的Chatbot系统会演化成一个很自然的Agent系统 01:05:01 第四部分：人类的全局 * 人与系统：Agent要不要像人？“是一个效用问题” * OpenAI是一个bottom-up（自下而上）的公司 * 如果你没有一个different bet（不同的下注方向），很难超越前面的霸主 * 我导师是GPT‑1第二作者，他在OpenAI待了一年，他对这件事是有点怀疑的 * 如果你成为了伯克希尔的CEO，未来要拿出500亿美金allocate（分配）到AGI行业，你会怎么allocate这笔钱？ * 真正的危险，不是一个类似微信的东西打败了微信，而是一个不一样的东西打败了微信 * 恰好这个时代，做上限更高的事更好 【更多信息】 文字版同步上线 文字版请前往公众号：语言即世界language is world

今天的嘉宾是萨洛蒙中国区总经理殷一和小红书商业服饰潮流行业负责人欧迪。我们一起来聊聊，这两年比较火的一个户外品牌，萨洛蒙。 萨洛蒙和始祖鸟都属于亚玛芬集团，2019年亚玛芬被安踏收购；2021年以后，萨洛蒙这个70多岁的法国品牌，意外在中国开启了增长之路。 这个最早从滑雪品类起步，逐步扩展到越野跑鞋的小众品牌，在中国的传统消费群体以男性以及专业滑雪、越野跑爱好者为主；但近几年，他们通过在小红书的一系列品牌行为，成功吸引女性消费群体和新户外人群，扩圈增长，而这又进一步反向刺激了男性消费者以及核心运动人群的增长。 希望这些新鲜的品牌知识，也能给你带来新的启发:) 02:00 两位嘉宾的自我介绍 03:06 萨洛蒙1947年诞生于法国，雪是DNA里最深的那道烙印 04:39 我们曾经被阿迪达斯收购，阿迪达斯帮我们做了sports style 06:04 越野跑核心人群，十年前只有10万人，今年也是10万人，区别是什么？ 11:52 品牌应该从小众走向大众，还是从大众走向小众？ 16:22 2019年母公司亚玛芬被安踏收购后，萨洛蒙发生了什么？ 18:07 中国女性占比最高接近七成，现在是六成不到 20:45 女性对男性的拉新高于男性对女性的拉新 23:21 2021年以后，越来越多海外户外品牌主动地集中进入中国 27:31 小红书帮萨洛蒙拓展人群：“尖货尝新档”和“色彩敏感控” 34:55 以人为主体的品牌策略：找到“超级用户代表” 43:26 10年前我们做品牌会更注重the winning moments，现在更注重成长的过程和细节 45:37 萨门少女背后的消费者洞察：女性不再追求仪式感的堆叠，更追求内心的松弛 48:36 结合小红书和安福路萨洛蒙门店，线上和线下循环流量 55:24 萨洛蒙拉新女性消费者，又反哺了男性消费者的增长 58:16 如果一个非常男性化的品牌想要女性化，应该怎么做？ 01:00:43 潮流化会不会削弱专业户外基因？ 01:01:33 年轻人消费新变化 01:08:05 当做AI品牌也像做消费品品牌，从品牌角度给AI创始人一些建议 分享一下漂亮的录制现场：

今天的嘉宾是月之暗面创始人兼CEO杨植麟，距离他上一次来我们的节目（《商业访谈录》59集）已经过去1年半。 就在刚刚过去的7月，Kimi K2模型发布，引发了比较广泛的关注。K2是一个基于MoE架构的开源编程和Agentic大语言模型。形象来说，模型借助编程能力走出封闭的“缸中之脑”，长出了“手”，开始操控外部数字世界。 今天这集节目我和杨植麟聊了聊K2的研发和他当下的技术认知、技术判断。 以及，在过去一年的舆论风暴与创业起伏中，作为创始人，他的心情与思考。 01:49 一座无限的山 这有点像我最近在看的一本书：The Beginning of Infinity（无穷的开始） 也许有一天会发现，这座雪山没有尽头，我希望它一直没有尽头 但它还是一个“缸中之脑”：想象一个鱼缸，你把一个脑子放在里面，跟外界没有联系 不管是基于长思考的强化学习，还是Agent的强化学习，都指向同一个东西：test-time scaling（测试时扩展） 还有一个很有意思的趋势是，现在有更多模型公司去做“一方的Agent产品” L1到L5不一定是串行关系，Claude就bet这一点：它在Reasoning上做得不是特别多，但在Agent上做得非常好 只有当模型参与到开发过程，才能解锁真正的Innovator（L4）阶段 24:58 K2是乔戈里峰 K2的重点有几个：一，我们希望它是一个非常好的基础模型 我们希望能最大化使用每一份数据，就是所谓token efficiency——喂一样多的数据，“脑子”长得更多 我们会对数据做很多Rephrase（改写）操作 我们很关注Muon优化器，它对token efficiency提升很大 二，我们希望K2有好的Agentic能力，对于Agentic模型来讲，最大挑战是模型的泛化 它可能是一个从“缸中之脑”变成可以跟世界交互，因为所谓Agent最重要的特征是，可以多轮地使用工具 人是所谓的universal constructor（万能构造器） 有一种潜在思路，需要用更AI native（原生人工智能）的方式去训练AI Muon你去训的时候，它会炸 54:08 既简单又复杂的系统 为什么Kimi从闭源转向开源？ 模型训练完成，产品也基本完成了，做交互上的改进当然有价值，但那是锦上添花的一步 多模态不损伤“脑子”已经很好了 你可能学出来的多模态是个“傻的多模态”，我们希望它是个“聪明的多模态” Scaling Law遇到数据墙了，这是客观事实 数据飞轮很依赖外部环境的feedback（反馈），我们不希望feedback有很多噪声，但现在没有把这个问题解决得非常好 现在看起来，基于FLOPs的scaling是更有效路径，但这个平衡什么时候会发生变化？ 很多Long Context架构会影响“智商” 纯粹的Linear Attention（线性注意力机制）可能影响智商，因为这个架构会有一些bias（偏差） 基座模型公司和做Agent产品的应用公司，长期看边界在哪？ 今天怎么思考商业模式？API是好生意吗？ Kimi能赚钱吗？ 01:25:05 在自己的故事里面 Tim（周昕宇）天天跟我讲——要用RL的方式去管理，而不是用SFT 用RL管理团队最大问题是，你容易被hack 很多复杂性都是人为强行加上去的，实际并没有那么复杂 只能说是在自己的这个故事里面——你不断地感受自己到底是什么样的一个人，你为什么要做这个事情 这个问题我也问过Kimi，他说，AI是“人类文明的放大器” 这也是Kimi跟我讲的——任何中间状态都有可能成为被批评的对象 肯定有恐惧，更多要关注你当前这一步，能做什么？——想这个问题更重要 2024年对杨植麟的访谈： 《和杨植麟聊大模型创业这一年：人类理想的增量、有概率的非共识和Sora》 【更多信息】 文字和视频版同步上线 文字版请前往公众号：语言即世界language is world 视频版请前往Bilibili：张小珺商业访谈录

在大家的强烈催更下，新一集的《全球大模型季报》终于来了。 这一集有两个关键词。 第一个关键词是分化。硅谷各个模型公司在这个季度，开始分化到各个领域，除了Google Gemini和OpenAI还在做通用的模型；Anthropic分化到Coding、Agentic的模型能力；Mira的Thinking Machines分化到多模态和下一代交互。 第二个关键词是产品。《大模型季报》过去一直把视角放在模型的智能探索上，而广密开始浓墨重彩地聊产品，这还是第一次。 这里是《全球大模型季报》的第7集，如果大家喜欢我们的系列，希望大家多多给我们一些鼓励和支持。你们的夸奖对我们来说，非常的重要。 2025，期待我们和AI共同进步！ 03:54 模型在分化 通用各项能力的模型 - Gemini/OpenAI All in Coding+Agentic 能力 - Anthropic 多模态原生 - Thinking Machines Lab Grok 今天还在摸索自己生态位置 Meta 原创 0-1 的基因还是很弱 最领先的这几家很像 F1 竞赛 21:37 横向全家桶，纵向垂直整合 C端是一个非常明显的头部收敛趋势，ChatGPT可能在C端会收敛掉很多产品 作为投资人或 AI 创业者，一面兴奋是技术每个月都在进步，另一面有点绝望 横向全家桶的例子是ChatGPT，已经包含了Chat+搜索+Coding+Agent+WorkSpace 纵向垂直整合的例子是 Gemini，从 TPU 芯片，到 Gemini 模型，到上面 Agent 应用，再到 Google 文档/Chrome浏览器/安卓操作系统/YouTube视频，可以做超级集成 33:35 智能和产品都重要 过去 3 年一直是对智能上限的探索极度上头，但在过去两个月开始重视产品了 ChatGPT 身上有很多非技术性壁垒，而 Coding 或模型公司只是技术壁垒 OpenAI 是平衡最好的一家，一边探索智能上限，一边又把智能红利转化成产品流量和品牌心智 38:52 做 AI 产品很像挖矿，保鲜窗口很关键 挖矿：第一个做出来让用户惊叹的体验很重要，哪怕 token 消耗很大，只要你是第一个做出来让用户惊叹的 Magic moments，就等于你起码得到了 5 亿美金的营销费用，比如 Perplexity/Cursor/Manus 但这个窗口期又特别有意思，窗口是逐渐在缩短的：从 2 年、1 年、3 个月 产品公司能赢过模型公司做的产品吗？ 44:21 L4 级别的体验 最优秀的俩 Agent 都有了 L4 体验：ChatGPT 的 Deep Research + Anthropic 的 Claude Code，分别对应信息搜索+软件开发 今天最大红利还是 language/code 红利，尤其是 code，还不是多模态/世界模型/机器人 Claude Code 最近大杀四方，Claude Code 是一个 L4 的体验 接下来还有哪些领域能有 L4 级别体验？ 52:43 对Google看法的转变 一个猜想是，ChatGPT 后面肯定会做广告平台，因为最近招了新的商业化 CEO 但我在想 Google 还是全球最好的广告平台，最后大家产品形态上都会殊途同归，融合到一起的，就是全家桶逻辑，Search 也会演变 55:53 其他话题 AGI有泡沫吗？假如AGI有泡沫，什么事情会是导火索，戳破泡沫？ 人类和大猩猩的智能水平差异在哪？ 最近湾区有没有什么新的讨论比较高的话题？ “犹太人的金融，华人的AGI” （免责声明：本节目不构成投资建议） 【全球大模型季报】系列 2023年：口述全球大模型这一年：人类千亿科学豪赌与参差的中美景观 2024年Q1：和广密聊AGI大基建时代：电+芯片=产出智能 2024年Q2：口述全球大模型这半年：Perplexity突然火爆和尚未爆发的AI应用生态 2024年Q3：AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL 2024年Q4：大模型季报年终特辑：和广密预言LLM产品超越Google之路 2025年Q1：大模型季报：和广密聊当下最大非共识、AGI的主线与主峰

过去10年，中国新能源汽车产业从无到有，经历蓬勃发展。大家最熟悉的可能是理想、小鹏、蔚来这些整车品牌，但另一面这场变革背后的产业链企业也在变化。 《商业访谈录》的108集对余凯和本集对禾赛联合创始人和CEO李一帆的3小时访谈，关注的都是汽车产业链上的隐形选手。 这集也是李一帆对他们做激光雷达11年硬核科技创业的一部口述史。 随着中国科技创新从互联网的模式创新，走向硬核科技的前沿创新，中国也许还会出现更多的技术型创业者。禾赛的故事也许能提供一个参考样本。 （本次访谈录制于2025年4月） 00:02:00 开始的快问快答 00:02:33 股价过山车 00:03:40 激光雷达99.5%的降本 00:12:05 家庭和成长 00:32:13 罕见的3人平分股份 00:43:35 融资的伎俩 00:49:02 第一笔2000万大单 00:55:45 想说完蛋了… 01:10:06 余凯比多我一个0 01:20:47 定价心思 01:38:15 开始倒戈 01:58:07 进入汽车大本营 02:38:34 新钱和老钱 03:02:16 最后的快问快答 【从蒸汽机到无人驾驶】系列 《对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯》 《和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊》 《对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰》 《余凯口述30年史：世界不止刀光剑影，是一部人来人往的江湖故事》 《和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”》

我们又来读论文啦！！！ 今天我们要读的论文是最近几个星期内最值得品读的几篇技术报告，分别是：Kimi K2、ChatGPT Agent、Qwen3-Coder的技术报告，以及Manus的一篇技术博文。他们的相关性是，这几篇内容都和Agent有关系。 今天的嘉宾是俄亥俄州立大学（The Ohio State University）的在读博士郑博元，他的研究方向是Language Agent，他会带我们一起读上述技术报告和博文。 这是《商业访谈录》的“技术之美”系列，期待和你一起读论文，领略科技平权，感受技术之美——做你的赛博组会：） 00:02:00 给Agent下定义和分类 00:14:50 Kimi K2、ChatGPT Agent、Qwen3-Coder、Manus的技术路线对比 00:28:29 Agent Training 的关键环节：合成数据、强化学习、安全 00:30:57 第一篇技术报告：Kimi K2: Open Agentic Intelligence github.com 00:43:50 第二篇技术报告和访谈：Introducing ChatGPT agent: bridging research and action openai.com 红杉访谈OpenAI：OpenAI Just Released ChatGPT Agent, Its Most Powerful Agent Yet www.sequoiacap.com 01:53:38 第三篇技术报告：Qwen3-Coder: Agentic Coding in the World qwenlm.github.io 01:59:04 第四篇技术博文：AI代理的上下文工程：构建Manus的经验教训（作者：Yichao 'Peak' Ji） manus.im 02:06:06 展望：也许会有一个新的范式 02:15:20 我感觉Agent是“我拓展的大脑”，我背后有一个“军团”（Family of Agents） 02:16:41 不同Bot的语言风格：DeepSeek嘴臭，元宝舔狗 智能体定义 Agent是一种能够与环境进行交互（interaction）的智能系统。 它具备两个基本能力： 感知能力（Perception） 能够观察环境的状态，包括获取外部信息、读取反馈信号、解析上下文等。 行动能力（Action） 能够在环境中执行动作，例如调用工具、生成输出、控制界面、修改变量等。 简言之，Agent = 感知 + 行动 在一个循环中不断执行“观察 → 决策 → 行动”的流程，以达成任务目标。 Agent 的定义与分类 1. Coding Agent（代码智能体） 代表产品：Cursor、Windsurf 特点：代码生成与编辑能力强，用户体验优秀 应用场景：代码补全、代码重构、多人协作编程 2. Search Agent（搜索型智能体） 特点：结合搜索引擎，自动完成信息检索和汇总 应用场景：市场调研、报告生成、竞争对手分析等 潜力：在企业级场景中有很强的应用价值 3. Tool-Use Agent（工具使用型智能体） 特点：能够调用多种外部工具完成复杂任务 应用重点：是目前 Agent 研究和落地的主要方向 举例：ReAct（推理 + 行动）类 Agent，通过 tool calling 执行任务 4. Computer Use Agent（电脑操作型智能体） 代表产品：OpenAI Operator、Claude 的 Computer Use 特点：模拟人类使用电脑，完成跨应用的复杂操作 应用场景：执行流程自动化、远程助理、办公代理 Agent 的技术路线对比 1. In-Context Learning（上下文学习） 特点：依赖强大的预训练模型，通过提示构造实现任务规划与执行 优势：无需微调，灵活性高 局限：泛化能力弱，rollout 长度有限，容易失控 2. End-to-End Training（端到端训练） 特点：将 Agent 的全部行为编码进模型权重 优势：推理稳定，可控性强 局限：训练成本高，环境构建复杂 Agent Training 的关键环节 1. Data Synthesis（数据合成） 方法：生成大量高质量的 trajectory（行动轨迹） 用途：训练 Agent 在任务中如何决策、调用工具、管理 memory（记忆） 2. Reinforcement Learning（强化学习） 条件：需要定义清晰的 task（任务）与 verifiable reward（可验证奖励） 挑战：任务难度与环境反馈设计直接影响 Agent 的行为质量 3. Safety（安全性）问题 风险：Agent 具备自主决策能力，容易误用工具、走偏轨迹 对策：加入 sandbox（沙盒）限制、行为约束机制、Human-in-the-loop（人类监控） 展望：也许会有一个新的范式 生成数据的核心会从 input-output 式的数据标注，转向构建 environment（环境）以及对应的 task-reward（任务-奖励）。比如 Scale AI 提出的 rubrics as reward（用评分标准作为奖励机制） Agent 能不能实现自我提升（self-improve）？一方面，Agent 在和环境交互的过程中会不断获得新数据；那它能不能自己找到或构造 verifiable reward（可验证的奖励）？交互中积累的 experience（经验），能不能被更有效地利用起来？

今天又是一集机器人专场。嘉宾是光轮智能创始人兼CEO谢晨，他曾在英伟达、Cruise及蔚来汽车担任自动驾驶仿真负责人。我们的话题非常具体，即:仿真与合成数据。 今天的具身智能尚且没有找到scaling law的有效配方，其中，数据是一个关键卡点。我们106集的嘉宾银河通用创始人王鹤就提到，真实数据在他们的训练数据比重仅仅1%，合成数据挑起大梁。 今天这集节目，我与谢晨聊了聊仿真与合成数据的实操细节。 02:00 开始的快问快答 02:48 高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据 04:31 从Cruise到英伟达到蔚来，怎么做合成数据和仿真？ 14:11 制作合成数据的具体流程？合成数据与真实数据的配比？ 16:17 在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键） 32:41 物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？ 46:18 Physical Intelligence（π）对仿真与合成数据的两难态度 48:55 辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang 53:57 合成数据目前面临的瓶颈 55:25 全球具身智能产业链Mapping： 硬件公司（宇树） 基座模型公司（π、Skild、英伟达和DeepMind） 在垂域落地的软硬结合公司（Figure，特斯拉Optimas、The Bot Company） 以仿真为中心做端到端落地的公司（光轮） （“特斯拉Optimas的管理文化和π完全不一样”） 01:09:22 美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑” 01:15:33 老黄在内部说：NV is a simulation company 01:21:25 终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性） 01:23:28 具身智能的产业还在GPT-1阶段，还没找到scaling law的配方 01:28:21 我创业刚开始，从具身的本科开始学起 01:37:37 最后的快问快答 【机器人专场】 逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA” 和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象

今天的嘉宾是地平线创始人兼CEO余凯博士。 在过去49年人生中，他一路闯关过德美学术圈、中国互联网圈、创投圈、资本圈、汽车圈。在每个圈子和江湖，都从籍籍无名的无名小卒开始升级打怪。到最后，在每个圈子，他混得都不错。 一位与他打过交道的前企业高层评价，余凯是科学家里非常具有社会智慧的一位。 余凯毕业于南京大学和慕尼黑大学，毕业后，先后就职西门子、NEC研究院，于2012年回国加入百度，又于2015年离职创立地平线。 很巧的是，2025年正好是地平线创立10年。今年上半年，我与余凯博士聊了两次，这集节目是他的一部口述史。 随着大语言模型浪潮爆发，更多人工智能科学家从高校系统涌入创业轨道。余凯的创业观，也许能给大家一些启示——创业不仅是技术和商业，也不仅仅有刀光剑影，更是一部人来人往的江湖故事。 就像电视剧《少帅》张作霖的台词：“江湖不是打打杀杀，江湖是人情世故。” 2025年，我们和AI共同进步！ 03:06 初入学术江湖 一开始在学术圈籍籍无名，算命先生说我24岁前“籍籍无名，劳而无功” 发表过100篇论文，我很陶醉，夜深人静都会翻我以前的paper自我欣赏 结识Geoffrey Hinton、Yann LeCun、吴恩达的故事 我这边的对面坐了一个人特别的沉默，没人搭理他，一个人在那吃闷饭——这个人叫Richard Sutton，前段时间拿了图灵奖 31:18 再入互联网江湖 我应该是旅美人工智能华人学者第一个回国的 我立刻就跟Geoffrey Hinton写信，他回信：Kai，挺好的，但你介不介意我也问一下其他公司？ 我当时拿到的授权是，最高出到2400万美金，2400美金以后，每一次出价就要跟国内商量 我为了小概率能赢，抢先第一个出价，1200万美金 “哎呀，你看Geoffrey Hinton开会好像不太出现啊，他在干嘛…？” 我就问他：唉，Andrew（吴恩达）你在干嘛？各方面怎么样？开始试探他 吴恩达一下子震惊到了！说：你小子把我忽悠到百度，你自己跑掉，太不够意思了吧？ 51:19 又入创业江湖 我做了3个投资：买了英伟达，买了特斯拉，全身心把我投到地平线 这个哥们跟我讲：兄弟，你知道吗？我现在在我家的地位，就靠你那句话！ 地平线刚创立那一天我看了一下，英伟达才是一个107亿美金公司，现在是3万亿！ 吴恩达在Google lead谷歌大脑，有一个frustration（沮丧）是什么？不能买GPU！ 共识要么是错的，要么是没价值的 你的商业的secret是什么？有什么东西你看见了别人没有看见？这个世界是不是有Bug？这个世界是不是有通向未来的窄门，而大部分人没有关注到？ 01:11:21 也入资本江湖 我们一页BP没写，就融了第一轮，我觉得：哎呀，Life is so easy！ 结果第二轮就发现，见了50-60家机构，没一个下单。特别tough……没人理解…… 我说的简直是口干舌燥……地老天荒……昏天黑地……也没人动心 我定了一个铁律：我跟投资人第一次见面，绝不能在他办公室，一定要在我办公室 我继续装！我说：我真的没时间，我就是一个专注的、情商低的科学家，正在倒腾我自己的事情，懒得理你 我们创造了C轮业界传奇的12小轮，一把拿了16亿美金——这也是一个反共识——中间没有加1分钱估值 哇，地平线竟然有102家股东投资机构，我都不知道我怎么磕出来的 01:21:39 转战汽车江湖 科学家创业通常有这个问题：360度扫射 曾鸣那堂课上完以后，我们班好多同学回去都去砍方向、裁团队 有天晚上睡觉，我梦中突然一惊：我靠，这样不对啊！ 和长安：故意输球，你们要优雅地、不露声色地、故意地输啊 和李想：李想在2019年初，我们俩爬山他讲：你应该聚焦汽车方向 和何小鹏：我现在还没有磕下小鹏————有的时候你要强攻，有的时候你要迂回 和王传福：我们逮着机会窗口，相当于这个门开一个小缝，咱们就呲溜一声冲进去 02:09:48 我不是江湖人 领导者我的role model是刘邦 电影这些角色，你知道我最喜欢谁吗？《飘》里的白瑞德 我的名字姓余，公司的名字地平线——余地，余地，做人做事永远要留有余地 智能驾驶：主机厂未来不会自研，它是一个标准化的功能 3年完成100%hands-off，5年完成100%eyes-off，10年完成100%minds-off 死门是什么？ 机器人的CUDA 下一代芯片创新 02:35:23 最后的快问快答 这个世界我认为是写好了程序，每个人都是按照剧本来演 02:39:26 补充花絮 传授技巧：如果你决心离职，不要说公司任何不好 闫俊杰的发型像我（玩笑） 我和吴恩达在美国serious讨论过创业 我为了调一个校招生喝茅台，不像李想手起刀落 微信头像为什么关公？ 【从蒸汽机到无人驾驶】系列 《对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯》 《和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊》 《对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰》 《和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”》 本集文字版：《对话余凯：世界不止刀光剑影，是一部人来人往的江湖故事》

这集没有宏大叙事，相当随性。嘉宾是清流资本创始合伙人、百度前技术VP梦秋。 关注《商业访谈录》比较久的朋友可能知道，梦秋基本每年都会来返场一次，和我们一起catch-up当下的创投水温以及她自己的生活。在狼性文化蓬勃的中国投资人圈里，梦秋一直是很佛系也很道家的存在。 这一集更是松弛，她直言工作挺无聊，所以在聊了正经话题以后，我们也聊了聊读书、旅行、观影和女生的碎碎念。 （本次节目录制在4月底） 我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:00 2025年资本寒冬过去了吗？没… 04:00 DeepSeek的出现，让AI应用创业变得活跃了吗？没… 10:45 现阶段各种Bot的体验：神婆？舔狗？尤其点评微信、元宝和小红书 25:28 探讨一下，微信里怎么做Agent？通用Agent成立吗？ 31:25 垂直Agent的创业机会和创业者 35:52 现在的组织倾向于小组织，这可能利好年轻创业者 37:42 为啥组织更小，融资额却更高了？ 38:18 除了Agent，还在看的是具身智能（仿真器很重要） 43:57 可穿戴设备 54:54 大模型公司 58:31 这两年工作很boring，我的旅行之路 01:03:55 我的读书之路 01:12:34 聊影视行业（梦秋是中影独董）、《好东西》和女性主义 梦秋此前的节目： 《1. 和投资人梦秋聊聊加州、投资寒潮和林黛玉》 《21. 投资人视角下的大模型和市场真实水温｜和梦秋聊ChatGPT》 《65. 风险投资的钥匙失灵了吗？和梦秋聊：蛰伏、更少人的游戏和啮齿动物》 【更多信息】 联络我们：微博@张小珺-Benita 更多信息欢迎关注公众号：张小珺

今天继续《商业访谈录》的机器人专场，嘉宾是北京大学助理教授、银河通用创始人兼CTO王鹤。 王鹤毕业于清华和斯坦福大学。他给我们从“具身智能”的学术缘起开始聊起，这是一个学术流派从一个学科中萌芽到边缘再到主流渗透的全过程。 而随着ChatGPT诞生，“具身智能”这个小众概念，在过去2年成了新的资本宠儿——但一时间，也带来了新的乱象。 我们探讨了一些具身智能产业界关键问题： 1/具身智能起源于计算机视觉的学术流派，视觉、语言、智能的关系是什么？为什么VLM（视觉语言模型）的表现显著弱于LLM（大语言模型）？ 2/具身智能的最大困境之一是数据采集，合成数据是正解吗？具体应该怎么做？ 3/如果大模型提倡的是“智能即产品”，那么具身智能呢？王鹤的回答是“生产力即产品”。 去年底，英伟达创始人黄仁勋来华访问。答谢宴上，王鹤不仅和黄仁勋同桌，而且就在做黄仁勋旁边（挨着坐）。在节目最后，我们也聊了聊这个有趣的插曲——他提到，那晚黄仁勋吃了不少水煮肉片。 2025，我们和AI共同进步！ 我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 03:00 开始的自问自答 05:58 语言不是智能的本质，而是“一次跃变” “具身智能”和“机器人”是不同学术流派 “具身智能”起源于“计算机视觉”的研究流派 视觉有智能吗？纯视觉智能的可解释性差，是端到端的 语言不是智能的本质，不能说没有语言就没有智能 智能的本质是什么？“一种视情况对环境做出反应的能力” 语言是人类能产生这么高智能的“一次跃变” 视觉的本质是一种非常强的sensor（传感器） 25:08 具身智能的学术边缘史 具身智能最早兴起的task（任务）是，导航 加入视觉模态，强调Perception–Action Loop（感知-动作循环），成为具身智能研究流派能立起来的核心叙事 标志性事件：“具身智能是计算机视觉未来的三颗北极星之一”（李飞飞） 我和Skild创始人Deepak Pathak在Facebook人工智能实验室FAIR打过交道 41:15 我的学术之路 2016年，博士第一个项目：从人类视频里学多步的人与物体交互过程的生成（动画领域） 在Stanford博士第一年，在不喜欢的方向非常挣扎，后来换组、换方向 Stanford是高度自由的市场：你可以随时踢你老板，你老板可以随时踢你 第一篇论文憋了很久，很绝望 完全从视频中学习，学习世界模型，还没成为当下能推进具身智能的技术 我的第二个项目：位姿估计和合成数据相关 2020年李开复曾在湾区丽思卡尔顿组织brunch，观点分歧 回国坚定以家庭机器人为目标推进research，根本没有allies（盟军） 01:25:08 具身智能的软件和硬件是螺旋上升的问题 ChatGPT火了以后，很多人开始找我创业，我说创不了 所有工业机械臂在去年的全球总产值才1000亿RMB，和理想一家车企产值相当 如果采取不成熟的激进的硬件方案，对智能会是一种拖累 在这个硬件基础上，我们的方案是，做相对专用的智能和越来越通用的智能 VLM为什么显著弱于LLM？互联网视觉数据/所有人眼观测的覆盖〈〈〈互联网文字数据/人类所有说的话的覆盖（VLM数据不够，VLA的Action数据是最近两年才开始收集的） 01:44:34 我们要避免陷入以下泥潭 这一代具身智能公司相比此前机器人公司，差异在哪？ 在我看来，具身智能公司如果陷入以下两个泥潭，天花板会很有限： 1、“长期漂浮”的公司；2、“算不过来账”的公司，边际成本不降 我们要做一个应用场景内的泛化（现在选择的是货架场景） 在我看来，机器人领域的头部效应很重 01:55:17 具身智能是，“生产力即产品” 雇人摇操采真实数据的成本到底有多高？一笔经济账 真实数据在我们训练数据的比重是1%，合成数据管线挑起大梁 行业内的tricky现象：把没有功能的机器人卖给别人（这是一种商业模式） 关于合成数据和Sim-to-Real（仿真到现实迁移）的常见误区 有出货量后的数据回流和数据飞轮 如果大模型是“智能即产品”，那么具身智能就是“生产力即产品” 02:13:51 资本轰炸后的人为乱象 谁在创造生产力，谁在讲故事，这是最乱的——这个源自美国 对Figure的估值400亿美元的两种逻辑 有的人胆子很大，不告诉别人我是摇操，但实际摇操 呼吁：真实展示！不要摇操！ 5年内我们一定要有万台以上的应用，如果做不到这个，我们这个领域就被证伪了！ 不要去搞一些砸我们行业招牌的事情！这些模式是很可怕的，是在砸这个行业的饭碗 通用机器人的到来不要想得那么快 02:25:25 一个插曲 去年黄仁勋访华为什么和黄仁勋同桌且在旁边？聊了什么？ 黄仁勋能吃辣，吃了很多水煮肉片 02:28:26 最后的快问快答 【机器人专场】 逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA” 【更多信息】 联络我们：微博@张小珺-Benita 更多信息欢迎关注公众号：张小珺

《商业访谈录》访谈过很多中国新能源车企的CEO和高层，今天的嘉宾来自一家德国百年车企，他是奔驰中国自动驾驶与车联网研发负责人王忻。 我们聊了聊中国汽车产业20年变革的历程，以及一家德国车企的转型与秘密故事。 我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 产业大转型 01:25 20年前，就连波导手机也做过汽车 07:54 我曾在汽车Tier 1德尔福18年，3年前加入奔驰，背后是产业大转折 09:30 过去20年全球汽车产业的几个技术周期（2004年以前，2004-2014年，2014-2020年，2020年至今） 11:31 现在转变成数据驱动的时代，Tier 1黑盒交付的时代不再 话语权 27:40 中国团队和德国总部的话语权是争夺过来的吗？ 28:27 奔驰中国研发团队组织架构、沟通机制和battle 34:08 德国企业的battle文化和美国企业是不同的 41:23 为中国设计生产的功能要反向输出全球的时候，需要哪些流程？ 新技术 43:21 智能化是不可逆的趋势，但不能激进 46:50 车车通讯在L3实现以后需要重新定义 51:54 科技和豪华的关系：如果智能平权，豪华的标准变了吗 01:01:49 去年从规则算法切换到端到端的过程挺煎熬的 01:04:40 激光雷达是一个很好的冗余 01:05:35 CLA和豆包合作大语言模型 139岁车企 01:09:36 以人为本 01:11:08 安全的步骤 01:13:08 世界上第一位汽车驾驶员是奔驰创始人的太太 01:15:00 在百年企业工作是什么体验——荣耀是什么？负担是什么？ 01:17:48 百年一遇的大转型、大变革 01:33:22 奔驰CEO康林松会发脾气吗？ 相关单集： 对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰 【更多信息】 联络我们：微博@张小珺-Benita 更多信息欢迎关注公众号：张小珺

今天这集，《商业访谈录》第一次迎来一位co-host，是大家熟悉的李广密。 广密邀请了大模型公司阶跃星辰的首席科学家张祥雨，来聊聊，多模态的前世今生和未来技术的前沿走向。 张祥雨在这集节目详细阐述了：他参与的多模态的10年历史，对多模态的全新思考，以及所预见的下一个“GPT-4时刻”。 他提到一个细节：在训练过程中他曾经发现一件百思不得其解的现象——模型的通用对话能力、情商和知识量都是随着模型变大变得更强，但模型的推理能力（尤其是数学）表现却是先上升后平缓，再扩大反而是下降——这点在业界还未引发广泛讨论。关于这个怪现象，他也给出了自己的解答。 下面是广密和祥雨的聊天。 2025，我们和AI共同进步！ 我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 多模态研究的10年史：迷茫和转机 02:00 张祥雨的学术经历和个人研究主线 12:25 CV（计算机视觉）向NLP（自然语言处理）的学习历史 17:14 2022年我开始对单纯靠视觉学出“CV领域的GPT时刻”比较悲观 18:22 纯视觉这个domain有什么问题？GPT这样的生成模型你可以同时拥有生成、理解和人类对齐，而静态图像这三者是割裂的 24:23 我停止了对静态图像表征的研究，构思新的研究主题：短期内利用视觉和语言的对齐关系 29:10 经过尝试还是没做到图像的理解、生成和对齐一体化，我得到一个越来越强的生成模型，和一个越来越强的理解模型，没有起到叠加效果——为什么如此难以融合？ 38:45 做了大半年十分迷茫，但在此刻出现了转机 训练大模型发现的怪事、蛛丝马迹与办法 41:11 训练过程中发现了一件百思不得其解的怪事：模型的通用对话能力、情商、知识量确实模型越大越强，但模型的推理能力（尤其是数学）表现是先上升后平缓，再扩大反而是下降 43:10 一些蛛丝马迹：更大的模型做数学题倾向于跳步，不老实 44:33 经过分析，这是next token prediction的本质缺陷 45:42 更大的压缩率未必对应更高的计算精度，我们来做一个思想实验 47:27 生成模型的“特征坍缩现象” 50:48 解决方案就是引入RL（强化学习） 53:28 o1的核心是思维链的pattern——“做思考模型，pattern is all you need” 01:01:52 当模型走到某一步，摆在面前有两个分支——走左边？还是走右边？——一个token之内到底能不能解决？（critical decision）——不能，所以引入反思pattern 01:10:16 o1范式的本质是一种Meta-CoT ，是CoT的CoT 对多模态研究的新思考和新进展 01:10:57 研究完o1，返回研究为什么视觉生成可控性这么差，就有了眉目 01:15:13 简单把生成和理解做到一起，难度非常大，缺失了重要一环CoT 01:15:54 去年中开启新的project：视觉理解（视觉空间的Long CoT） 01:19:06 尝试了半年，结果给大家透露一下吧！ 01:21:30 o系列不仅泛化了domain，更吸引人的是泛化了pattern 01:22:16 博弈类问题是难以泛化的领域，有很多无效思考和低级错误 01:24:07 o1激发的反思pattern，在预训练语料中都有分布了 01:31:31 关于预训练加多模态数据有两种说法：影响了text智商？还是增强了scaling law？ 01:36:43 往后两条腿走：扩充预训练语料和扩展动作空间 01:45:42 多模态的“GPT-4时刻”还有多久 预见下一个“GPT-4时刻” 01:46:56 long context和多模型协作 02:07:09 架构不重要，架构是服务算法和系统的（为什么我说Linear Transformer不本质） 02:08:30 下一个“GPT-4时刻”？模型的在线学习/自主学习 02:21:22 澄清一些有关Agent的观点 02:25:00 人虽然没有生成器官，但人有世界模型 02:26:34 我们的智能水平还在为视觉挣扎，机器人领域在抢跑 【更多信息】 联络我们：微博@张小珺-Benita 更多信息欢迎关注公众号：张小珺