2025年2月，Figure AI在官宣放弃使用Open AI的大模型之后，展示了自主研发的机器人大模型 Helix，Helix 这个单一神经网络大模型，可以从像素级输入、输出控制一台人形机器人上半身全部动作。一年之后的2026年2月，Figure发布了下一代的Helix 02大模型，这个模型把控制，扩展到了整个机器人——将行走、操作和保持平衡统一为一个连续系统。 今天这期节目，就来介绍一下Figure的Helix 02大模型都有哪些能力，又是如何实现的；过程中，我会逐一解读一下涉及到的每一个机器人领域里面常见的说法和术语。 01:36 Figure机器人的零巧手还能够拧瓶盖儿，从药盒里取出单粒的药片，精准分配注射器当中的液体。 02:14 远程操控，teleoperation，是机器人行业的一个常见的做法。 02:32 这种做法本来的目的是用来训练机器人模型，让机器人学会跟人类学会去自主的执行相同的任务。 03:03 远程操控的做法，远比大家想象的用遥控器来遥控机器人 造的假，要真的多。 04:01 什么是“像素级输入”？ 06:14 Helix02大模型代表了多项的突破，第一个突破就是自主的长时间跨度的运动操作一体化，loco-manipulation。 06:56 第二个突破就是，机器人对外部世界的感知过程，全部通过传感器来输入、然后直接通过执行器来输出。 07:21 第三个突破，就是基于人类数据的，像人类控制自己一样的“机器人全身控制”。 08:00 这里再介绍一下术语“仿真到现实”，"sim to real", 也就是similar to reality的简要说法。 09:57 上面这段解释当中又提到了“虚拟环境”、“模拟环境”，也就是机器人领域当中常说的“物理模拟器”。那什么又是“物理模拟器呢”？ 12:02 “物理模拟器”，和物理“世界模型”可不是一回事儿。。 13:16 “灵巧手”又是机器人学领域里的一个专有名词，指的是。。。 14:04 Helix 02大模型，主要解决了人形机器人面临的哪些巨大的挑战呢？ 14:16 几十年以来，loco-manipulation，即在运动过程中同时实现对机器人的动作操控，一直是机器人学领域里面最难解决的问题之一。 16:01 Helix 02 到底是如何解决“在运动当中、同时对机器人的动作进行控制”的挑战的？ 16:17 相信这个“全身运动VLR模型"很快就会成为今年的热门名词 16:37 对Helix 01的System 1和System 2的细节感兴趣的听友可以去我的第101期节目。 18:34 接下来就详细介绍一下Helix 02当中新引入的这个System 0。 20:41 “跨越超过二十万个并行的环境”，指的是训练时，同时运行超过20万个独立的机器人和模拟环境。 21:00 这相当于让20万个机器人同时在20万个不同的场景当中试错和学习。 21:28 “进行广泛的域随机化”，是指在模拟训练当中故意随机改变各种物理和环境参数，让模型看到无数种变异版本的现实世界。 22:21 “在整个机群当中泛化”，指的是：同一个机器人的模型，不仅适用于单台机器人，还能够适用于整个机器人机群当中的每个机器人。 22:52 它的意义在于极大的降低了未来大规模生产和部署时的成本。 23:07 Helix 02除了引入新的System 0之外，对Helix 01版本当中存在的System 1和System 2的功能也做了扩展。 26:47 Helix 02真正重要的，并不只是机器人，又多会干了几件事儿。 视频 1： 一台 Figure 机器人执行了一项连续 4 分钟 的任务：走到洗碗机前，卸下餐具，在房间内行走移动，将物品放入橱柜中，随后重新装载并启动洗碗机——全程仅依赖机载传感器，无任何人工干预。https://videos.ctfassets.net/qx5k8y1u9drj/1cKhxhvotDvkyJx2rfq2IN/94f100629ab7a0bdb37d5b248f8f5760/Kitchen_Tidy_MP4_Compressed.mp4 灵巧手开瓶盖https://videos.ctfassets.net/qx5k8y1u9drj/21mBdGqjGKhKNDFaj8Km9o/511c689af0765c49efea64a6f1c3b64d/W-WOUT_HAND_SENSING_Bottle_2.mp4 灵巧手从药盒里拿药片https://videos.ctfassets.net/qx5k8y1u9drj/4qmA4zOxRnMFB8I78fCpUE/8b33300fc6e1e0503680bb38d0d256f3/W-WOUT_HAND_SENSING_PILLS.mp4 灵巧手从注射器里释放5毫升液体https://videos.ctfassets.net/qx5k8y1u9drj/4muRTBb9YPxrgBvrgrQjkO/d9b2d16b4ae07d7139ca6adc6143228b/W-WOUT_HAND_SENSING_Syringe.mp4 灵巧手从盒子里拿螺母https://videos.ctfassets.net/qx5k8y1u9drj/5wDQzY6MclJxCm62bKDOqt/8615e8369f182f45c316b139a2b2ce4c/W-WOUT_HAND_SENSING_METAL.mp4

Manus 和 Meta 分别高调官宣之后，媒体与自媒体也再次条件反射式地把 Manus 推上了“封神”叙事。在去年走红之后，这家公司很快完成了从“国内公司”到“新加坡主体”的身份切换，这很清晰的是在为潜在跨境并购做结构性准备了，按道理应该是综合考量过多方监管因素后的选择。 02:03 为什么双方一定要如此高调的对外官宣呢？ 03:07 Meta收购Manus真实看重的是什么呢？ 03:22 网上的表面叙事之一，说的是“Meta看中了Manus极强的AI Agent技术"，这个叙事显然符合大众的口味。 03:58 网上的表面叙事之二，说的是"Manus 8个月做到了1亿美金的ARR"，这个叙事非常符合创业成功学。 04:42 收购Manus，相当于帮Meta打开了一个训练并建立Meta的通用人工智能能力的、现实世界的强化学习环境。 05:32 当前的大模型几乎无法去自主的决定如何行动，因为大模型本身并不理解因果关系，就像一个刷题刷出来的牛娃一样。 06:12 在强化学习的语境当中，价值并不只来自于“做对了什么”，同样来自于“为什么会做错？” 06:53 正是这些不断出现的错误与偏差，以及相应的纠正，才让大模型开始接触真正的因果结构。 08:44 一个能够在真实世界中规模化的“产生 - 行动 - 结果 - 修正”这样的闭环系统，就为下一代具备世界模型、具备因果理解能力的通用人工智能，铺设了现实世界的训练土壤。 09:03 有意思的是，Meta收购Manus，并不是CEO小扎来官宣的，而是Meta收购的数据标注公司的创始人、“年轻高潜”亚历山大王官宣的。

美国2026 CES消费电子展上，英伟达CEO黄仁勋正式宣告了 AI 从“数字世界”向“物理世界”跨越，物理AI的ChatGPT时刻已经到来。这些话看起来又是每个字都认识，但和在一起很多人不知道他在说什么、到底在表达什么。这期节目就用朴素的语言，来把老黄的核心内容完整的解释一下。 01:58 没有听说过“世界模型”也没关系；接下来，今年这个词将很快的无处不在。 03:03 除了发布新一代的GPU，老黄还发布了英伟达的自动驾驶推理模型。 03:36 老黄强调，不同于传统的感应反馈式的模式，英伟达自动驾驶模型能够针对采取的行动来进行逻辑推理，比如“解释一下为什么选择了避让”。 03:51 英伟达这个自动驾驶模型能够做到这一点，就跟“世界模型”这个概念有关了。 03:59 除了自动驾驶模型，老黄还发布了英伟达的“第二代世界模型”，名字叫做Cosmos，为机器人大模型的训练而打造的一个模型。 05:05 实现这一转变的关键技术，正是“世界模型”，即能够模拟物理环境、预测运动、理解因果关系和自然法则的模型。 05:21 用大白话来解释一下，“世界模型”就是机器在自己的脑子里搭建了一份对“这个世界如何运转的内心地图和运行规则”。 05:53 高度依赖“数字世界”的训练方式。。。数据往往与模型当下的决策行为并不构成真正的因果闭环。 07:46 当前的机器人系统。。。不能在行动之前就可靠的预见后果，这在现实世界中是非常危险的。 08:17 目前的机器人大模型跟我们用的大语言模型一样，都是通过静态数据训练的。 08:24 静态数据训练本质上只能学到相关性，而不是因果可推演的结构。 08:33 静态训练数据的问题不在于静态本身，而是在于没有“反事实”，这里来解释一下“反事实”。。。 10:39 能够用于“行动 - 结果 - 修正”这个闭环学习的真实世界交互数据，极其稀缺。。。近期Meta收购Manus，提供了一个代表性的案例。 10:59 正因如此，当前很多机器人公司开始尝试通过“世界模型”的方式，让模型学习物理世界的因果结构和基本的自然法则。 12:42 从通用人工智能的训练的角度来看，数据的价值并不取决于对还是错，恰恰相反，错误决策所暴露出来的偏差、歧义和失败路径，往往是学习因果关系和修正世界模型最关键的信号。 13:09 说完了机器人训练中物理”世界模型“的重要性，再来看看自动驾驶。 14:20 拥有了“世界模型”的AI，像是一个在地球上生活了很久的成年人。 14:46 没有世界模型的机器只会条件反射，这在复杂的现实世界当中是非常危险的。 14:55 人类真正聪明的地方。。。是能够在行动之前先在脑中演练一次未来，“世界模型”本质上是在尝试把这种能力第一次交给机器。

12月初，搭载豆包手机助手的努比亚M153工程样机小范围发售，主要面向开发者和科技爱好者，供其体验豆包手机助手的相关功能。消息一出，除了引起市场关注之外，马上被各大app的互联网大厂限制、或禁止与其联动。 豆包手机到底有什么独特之处？为什么一出现，就让其他app大厂如此紧张？他们真的只是紧张豆包要获取众多权限、带来隐私与安全隐患吗？ 01:10 先来简要说一下豆包手机被媒体宣传的“炫酷”功能。 02:22 绝大部分手机用户都还远没有到了日理万机，连购物比价格都没有时间的程度。 02:30 在手机上各大电商平台逛比价格，本身就是类似逛街一样的休闲娱乐。 03:03 查询火车票、查距离，设置闹钟，提醒什么时候该离家，这听起来确实对于大部分人来说是个有比较有用的功能。 03:30 那几个著名的订票平台，在订票的过程当中，会想尽一切办法让你“眼花”，或者是看错错点错，而多花了几十块钱儿。 05:23 豆包手机如何实现“跨应用比价”这样的自动化操作呢？ 06:43 官方和拆解的文章，都提到了“截屏 - 理解 - 下发操作 - 再截屏”这样的一个循环。 09:02 为什么那么多的APP平台选择限制豆包呢？ 10:32 会侵蚀平台的流量转化和广告变现能力。。。对互联网平台来说这才是最最关心 10:47 过去20多年，中国互联网公司最好的商业模式就是做成平台，然后坐收商家的佣金和广告费。 11:46 如果AI在用户和平台之间来主导用户流量的分配，那平台辛辛苦苦补贴出来的地位不就瞬间崩塌了吗？ 12:29 真正重要的是，豆包手机第一次把一个很多互联网平台心照不宣却又极力回避的问题摆到了台面上。

2025 年 12 月 15 日，工业和信息化部正式公布公布的第 401 批公告，对两款 L3 级自动驾驶（有条件自动驾驶）车型产品进行了有条件许可。 自动驾驶关乎每一个人的安全。新能源行业，又是国家长期投入、重点发展的战略方向。今天这期节目，我们将从每个普通消费者、驾驶员、路人的角度，以及普通投资者的角度，系统梳理这次 L3 自动驾驶准入许可背后，公众真正需要了解的所有关键信息。 01:46 首先，我们来看一下获准的车型与试点的区域。 02:37 一南一北，一城一高，重庆和北京分别代表了中国两大自动驾驶的应用场景：城市拥堵，和高速路。 03:42 说完了准测车型、路段和速度的限制，我们再来谈一下责任主体。 03:55 有必要先了解一下中国L3的定义，以及相关的监管部门及其管理的范畴。 06:21 L3级别（有条件自动驾驶）的定义里边有一句最关键的话，就是“驾驶自动化系统，仅在其特定的设计运行条件下持续执行动态驾驶任务”。 06:36 这个“特定设计运行条件”就是大家在一些报道中看到的ODD（Operational design domain）。这个ODD是整个L3阶段最重要的关键词。 09:17 在L3阶段，ODD定义的范围，对责任的划分至关重要。 09:55 ODD是否也有国标来定义呢？ 10:37 这是一个非常有意识的制度设计。 11:03 在L3阶段，看起来大家都在说L3，但每一家的L3可能都不一样。 12:50 这次L3许可更不是一个可以简单外推的产业爆点。 13:22 L3自动驾驶真正迈出的并不是技术的一大步，而是公众认知共同向前挪动的一小步。

近期因股价高涨而备受关注的“国产GPU第一股”摩尔线程“发布公告称，拟使用不超过75亿元的闲置募集资金进行”现金管理“。消息一出，就在市场及投资者之间掀起轩然大波，质问填满了摩尔线程股吧：“75亿元不好好搞研发，去买理财？” 上市公司用上市募集的资金，进行“现金管理”、买理财产品，这合理吗？合规吗？募集到的资金属于谁？什么是上市公司的“现金管理”？为什么要做”现金管理“？一定要做吗？上市公司都有哪些“现金管理“的方式？这期节目我们就一起来探讨一下。 01:36 我们将从经典教科书上介绍的相关知识和实际当中的通常目的，这两个不同的维度来展开讨论。 01:46 要想谈上市公司的“现金管理”，就得先从“公司为什么要上市”这个基本问题说起。 05:51 公司不上市的话，还有哪些能够获得资金的方式呢？ 06:40 现实中一个非常有意思的现象是，一些明星创业公司可以获得上下游产业链大公司的投资。 06:48 他们在拿到这些大公司的投资之后，再用这些钱去购买大公司的产品或者是服务。 07:15 这是当前AI时代，巨头之间最流行的资本算力闭环商业模式，有人管这叫做“生态系统融资”。 08:44 上市公司募集到的资金，“属于”谁呢？ 09:14 资金的用途必须符合招股说明书和股东大会批准的募投项目。 09:32 这笔钱在公司财务报表当中是这样体现的。。。 10:55 募集到的资金的通常的用途是。。。 11:35 上市公司募集到资金之后，是否可以用于“现金管理”呢？ 13:41 市场真正想问的是另外一件事儿，这些钱什么时候以什么节奏被投向什么样的确定性。 13:58 不是有没有买理财，而是什么时候不再需要买理财了。 14:38 这是一次关于耐心、信任以及对长期不确定性的定价方式的公开讨论。

美联储年内连续第三次降息，市场上对美联储“降息、扩表”的报道此起彼伏。美联储是干什么的？为什么美联储的降息举动能够吸引全球的关注？为什么要降息？降息通常都能引起哪些连锁反应？“扩表”又是怎么回事？降息和扩表有什么关系？今天这期节目，就用普通话，把这些看似复杂的行话、术语，都一一解释清楚。 00:58 美联储，就是美国的中央银行，他负责管理美国的货币体系和金融稳定。 01:31 可以把“中央银行”理解为“银行的银行”和“政府的银行”。 01:52 简单来说，“货币政策”就是一个国家控制“钱的多少”和“钱的价格”的工具箱。 01:59 虽然各国央行的侧重点不同，但货币政策通常是围绕着以下四个主要的目标来展开。 03:30 都怕手里的钱不值钱了，但实际上，当手里的钱“更值钱”的时候，结果可能比“手里的钱不值钱”更加可怕。 03:53 “比如去年100块钱能买一篮子菜，今年同样的菜只需要80块钱就行了”。那这通缩不是好事儿吗？ 04:29 通缩之所以可怕，是因为它会破坏经济循环的两个核心机制：企业盈利和债务偿还。 05:27 从消费者的视角来看，消费者虽然买到了“便宜菜”，但可能很快就会面临失业或者是降薪的风险。 07:01 这种延迟消费的预期导致的后果就是需求进一步萎缩，企业的库存积压，被迫继续降价。 07:28 失业风险让廉价商品变得毫无意义。 07:56 通缩的破坏力这么大，它是怎么形成的呢？ 08:10 经济衰退、失业率高和对未来预期的悲观导致消费者和企业减少支出。 08:26 生产能力总供给过剩超过了市场需求，企业为了清库存而被迫降价。 09:35 降息通常对市场会有哪些直接的影响呢？ 10:42 再来说说大家经常听到的另外一个词汇 - “扩表”。 10:55 “扩表”与降息是央行工具箱当中刺激经济的两种不同的工具，但目的是一致的。 11:52 “扩表”的运行机制大致是这样的。。 14:39 “扩表”和降息，这两个动作有什么区别和联系呢？ 15:34 什么时候该分别使用这两种方式呢？ 16:22 “扩表”有哪些宏观的影响呢？ 17:47 现代经济的运行，并不依赖于真实的货币的数量，而是依赖人们对未来的想象。 18:24 调节的不是利率，而是情绪。

已经有十几年甚至二十年没有听到过职业经理人这个说法了。最近一两年，国内可能唯一一次让"经理人"这个说法引起关注，是2024年9月，硅谷教父Paul Graham，在他90年代网页风格的个人网站上，发表了一篇为“创始人模式”的文章。 02:27 这四件事儿，乍一听上去，好像确实都是"经理人"的问题。 02:49 但细想一下，这真的是"职业经理人模式"的问题吗？ 03:48 职业经理人不是老板，但必须要像老板一样尽心尽力 04:07 配得上这几条的才能叫做职业经理人。 04:24 “要把公司的事儿当成自己的事儿做”，这是段永平对公司招人的标准。 05:12 这跟经理人模式没有任何关系，只是招来的经理人不行而已。 05:19 常见的所谓的经理人大多是这样的。。。 06:49 “职业经理人”的核心，不是“经理人”，而是“职业”。 07:41 市场上好的职业经理人之少，还有一个有点讽刺的因素是。。。 08:03 老板们通常不认为，在自己的行当里，世界上还真有比自己更专业、更懂的人。

最近有家公司在自己的季度财报会上说，过去 3 年公司都在尝试用职业经理人的组织模式，但这种模式并不符合当下不稳定的市场环境以及公司的实际情况，因此，公司将从今年四季度开始全面回归创业公司模式。 “创业公司管理方式的核心是四件事：更多的对话、深度的对话，而非更多的汇报；聚焦用户价值，而非只是交付；持续提升效率，而非占有更多的资源；识别关键问题，而不是创造信息不对称。” 这四件事，乍一听上去，好像确实是经理人的问题，但细想一下，这真的是“职业经理人模式‘的问题吗？还是你雇的经理人不够职业？ 01:15 已经有十几年甚至二十年没有听到过“职业经理人”这个说法了。 01:22 最近一两年，国内可能唯一一次让“经理人”这个说法引起关注，就是去年“硅谷教父Paul Graham"的“创始人模式的文章。 03:08 “职业经理人”这个名字的头两个字是“职业”，后面才是“经理人”。 04:07 配得上上面这几条的才能叫做“职业经理人”，否则充其量是“经理人”。 04:24 “要把公司的事儿当成自己的事儿做”，这是段永平对公司招人的标准。 05:19 常见的所谓“经理人”大多是这样的。。。 06:20 真正的职业经理人，他们擅长对业务负责，而不是对某个老板的情绪负责。。。 06:49 “职业经理人”的核心，不是“经理人”，而是“职业”。 07:15 为什么好的职业经理人这么少呢？ 07:41 市场上好的职业经理人之少，还有一个有点讽刺的因素是，从需求端来看，很多公司其实根本不想要真正的职业经理人。 08:03 老板们通常不认为，在自己的行当里，世界上还真有比自己更专业、更懂的人。 09:23 很多老板不会用人，只会怪人。 10:04 即使重回创业模式，也很难真正的解决问题，因为。。。 10:37 这不是创业模式，这是权力回收模式。

谷歌最近开始直接与英伟达在AI芯片领域竞争，谷歌正在和Meta这样的科技巨头、以及一些量化基金接触，让对方在他们自己的数据中心使用谷歌的芯片。相应报道发布后，英伟达股价应声下跌，而谷歌的股价大涨。几乎是同时，OpenAI的萨姆·奥特曼对谷歌的Gemini 3模型成功，产生了巨大的担忧。 01:03 谷歌怎么突然就从大模型的提供者、变成了卖AI芯片淘金铲子的公司了？ 01:13 不是刚刚全球“共识”了人工智能有泡沫，算力过剩吗？怎么谷歌还能卖得动芯片呢？ 01:24 为什么奥特曼会担心谷歌的预训练呢？难道OpenAI自己没有做预训练吗？ 02:43 TPU是谷歌为自己的深度学习专门设计的AI专用芯片，在训练大模型的时候，比采用传统的GPU的在速度和功耗上都有极大的优势。 03:37 从马斯克的这番话里面，也侧面验证了英伟达的GPU的确不是性能、功耗和成本的最佳组合。 03:59 从这个意义上来看，英伟达可能是第一次遇到了真正的挑战。 05:50 。。。这些是谷歌过去几年一直都在提供的服务，现在谷歌最新的引起英伟达和全球关注的进展是。。。 08:27 英伟达的CUDA已经事实上成为了行业的标准，谷歌怎么破局呢？ 09:12 这是良性的竞争，良性的竞争只会让大家都变得更好。 09:36 奥特曼真正担心的是，谷歌的大模型到底是怎么在“预训练”阶段变得这么强的。 10:36 难道ChatGPT没有预训练吗？ 11:53 预训练是能力上限的决定因素. 13:23 模型在预训练的时候会无差别的吸收这些内容，有可能就会形成深层的偏见，这些偏见在后训练阶段很难完全消除。 14:30 谷歌为什么就能够把预训练搞得这么强呢？ 16:29 如果把大模型比作一座高楼，那么后续训练只是在楼上做装修，而预训练才是大楼的地基。

2025“沙特-美国投资论坛”，这是马斯克和黄仁勋第一次同台，同时接受第三方的专访。访谈的最后一个问题，对“AI会不会有泡沫”的灵魂提问，这也是上周全球股市最有争议的话题，也是引起上周全球股市大跌的一个关键因素。访谈之后的当天，英伟达发布季度财报。 01:59 在发布了亮眼的财报之后，不涨反跌的现实，也让黄仁勋忍不住在内部的全员大会上狠狠地吐槽了一番。 02:26 如果英伟达交了一份差的业绩，那就是AI泡沫的铁证了。 02:31 如果英伟达交出了一份亮眼的业绩，那就是我们在助长AI泡沫。 02:57 主持人的第一个问题是在一番对马斯克的恭维之后，问马斯克是如何用first order thinking和first order scaling的思维去颠覆了每一个行业？ 03:09 马斯克回答说，“准确来说，并不是颠覆，而是创造。” 05:39 “人们总是在谈论消除贫困，谈论了多久了？” 05:49 “事实胜于雄辩，AI和机器人将会消除贫困。” 06:05 第二个问题是问黄仁勋的，“AI工厂的下一个阶段将如何发展？” 07:33 “过去的软件都是基于获取模式的，而今天是即时生成的。” 08:07 第三个问题同时问了马斯克和黄仁鑫两个人，问题是“关于机器人对未来人类工作的影响” 09:05 “我总是鼓励人们去读Ian Banks的文明系列的科幻小说，因为这本小说基本上描述了基于人工智能的未来文明是个什么样子。" 09:48 “非常有可能，钱在未来某一个时间点将无足轻重。” 11:04 “首先，到那个时候，每个人的工作都会和现在不一样了，这是可以肯定的。” 11:45 黄仁勋说，“我猜测马斯克在未来AI的时代将会变得比现在更加忙碌，我自己也会比现在更加忙碌“ 11:52 “原因是，我们都有很多的想法，想去实现和尝试。” 13:44 最后两个问题分别给马斯克和黄仁勋；给马斯克的问题是：“太空中的AI可能吗？” 14:38 “如果我们想当然，那我们就太自大了。” 15:54 黄仁勋补充说，“我们现在建造的AI的算力中心，一个机架就要有2吨重，这2吨的重量里面有1.95吨，都是用来冷却GPU的。” 17:10 主持人给黄仁勋的最后一个问题就是，“我们会经历AI的泡沫吗？” 19:24 黄仁勋的这番话，尤其是第3点，并没有太多的数据支撑，不知道全球的投资者听起来有多信服。 19:36 这几天国内，关于英伟达的小作文满天飞。 19:39 有小作文说，英伟达的季度财报披露了334亿美元的应收账款，同比增加45%。 20:11 也有小作文说，老黄一边说供不应求啊，积压订单，一边说库存还有198亿美元的芯片没卖出去，两边矛盾。 21:03 英伟达的库存构成其实非常复杂。 22:21 到今天为止，国内外都没有一个人工智能的应用，能够成为每个人每天的日常。 23:18 或许真正值得警惕的不是AI的泡沫，而是太多的做题家出身的聪明人，在资本市场上形成的惯性，把投资当做一场比谁先跑路的竞赛。

科技离不开教育，但可惜的是，在教育的道路上，我们始终被无数看似无比正确、实则荒谬至极的说法所误导。 第 142 期节目，已经拆解了“书包房”和“小升初择校”这两个最常见、也最具误导性的认知误区。这一期，我们把视角进一步收窄到初中阶段的主要学科，来聊聊那些家长们耳熟能详、被无数人重复，却很少有人真的思考和推敲一下的说法——我们一起看看这些说法到底荒谬在哪里。 01:13 我们先从第一个最常见的说法开始，“英语是最容易赶上的学科。” 04:21 初中家长们对孩子的数学、物理、语文焦虑的比比皆是，甚至对道法焦虑的都有，但唯独很少有对英语焦虑的。 05:40 英语的难度无外乎是语法、阅读理解和作文。 05:52 而语法之所以难，无外乎是从第一天开始学的时候，就对语法规则背后的含义不了解，因为很少有学校和机构的老师能够真的讲清楚。 06:14 疯狂英语的李阳批评董宇辉的英语演讲，“发音奇怪，还有语法错误。”，而董宇辉居然还出来道歉 06:28 他这个道歉也再次说明，国内英语教学和学习方法，只能够应对一时的考试，应试之后就全忘了。 06:50 过去真的很难，在3年前，这都没有什么更好的方法。但现在不一样了。 07:15 你能对大模型提多少问题，你就能够搞清楚多少本质的东西。 08:06 当学会了用AI去提问，根据AI的回答，再不断的提问去学习，那阅读理解能力自然就上来了。 09:00 说完了第一个耳熟能详的荒谬说法，我们再来看第2个，排名不分先后，就是“要提前学。” 09:10 不知道从什么时候开始，“提前学”这种歪风已经是那些对子女教育高度重视、且具备一定经济实力的家庭的共识了。 09:47 提前学本质上是机构最有效的营销工具和焦虑放大器。 0:55 这会给学生和家长带来了一种“学得好”的直观的感受，所谓的“成功是成功之母”。 11:31 选择“提前学”的家长，很多心理上都抱着“提前学了，就是对那些没有提前学的的降维打击”的想法 12:20 在那些复杂度还不高的课程上，比如初中的物理，没有提前过学的孩子，只要认真完成了学校布置的课后练习，同样可以考得高分儿。 12:41 而对于有难度的学科，比如初中数学，提前学的，也并没有取得实质的优势。 14:18 学习上出了任何的困难和状况，“报个班儿”几乎是家长们的唯一解。 14:51 目前市面上的AI大模型，无论是国内的还是美国的那几个顶流，在解初中数学压轴题方面的能力，并不比海淀那些一个课外班儿都没上过的孩子要高出哪怕一点点。 15:44 在说办法的同时，也该说第三个耳熟能详、被无数人重复的并没有太大效果的做法，”报个班儿“。 16:52 通过亲自动手去解或者揣摩别人的解决方法，来训练自己的分析和解决能力，这样的训练的过程跟AI获得泛化能力一样。 17:40 自己独立思考不够，最多也只能背下来老师讲过的解法，这些解法并不能让自己有泛化能力。 17:47 而这个泛化能力，就是最终在考场上数学成绩区分度的来源，也是舞台上表演的机器人和能走到真实场景中的机器人的区别。 18:08 一届届的学生在单向接收、模仿与借鉴中，被塑造成了几乎同质的模样。 18:16 走入职场之后，这些习惯又被进一步放大，最终演变成个人与公司层面的结构性的内卷。 19:48 而只有这样的创新，才能让中国的科技公司，从“全面对标”、“致敬”，走向真正的引领。