AI 进化论

00:07 咱们今天来说一下中国人工智能芯片、机器人、智能驾驶这些高科技的公司。他们到底是怎么用中文，用一些典故，用一些很巧妙的双关给他们自己的企业和产品命名的。以及这些名字背后到底藏着哪些文化审美和技术野心。 00:26 这个话题很有意思，我们就直接开始。 00:29 先来说一下中国的这些AI公司，他们在起名的时候展现出了什么样的中文水平。 00:34 大家看到的这些AI公司名字，像月之暗面、面壁智能、无问芯穹、寒武纪、平头哥这些名字。乍一看你会觉得这到底是一个AI公司还是一个网文书单。 00:47 对，真的很有那种文艺气息，又很有想象力，完全打破了大家对于科技公司名字的刻板印象。 00:54 中国的这些AI公司的名字，可能是这个时代中文水平最高的商业文本之一。你仔细去猜每一个名字都能发现很多巧思。 一、大模型公司：一群理科生在比谁读书多 01:04 大模型公司他们的命名方式，特别喜欢用古籍还有天文台的名字作为他们的灵感来源。 01:17 比如说有一家公司叫月之暗面，他们的英文名字叫Moonshot AI这个名字其实是来自于Pink Floyd的一张专辑《The Dark Side of the Moon》。说月球永远有一面是背对着地球，用来比喻人类认知的盲区。然后Moonshot这个词在硅谷又代表那种登月级的疯狂项目。所以他们其实中文名和英文名是各自玩各自的，但是又都非常的贴切。 01:42 这个就很有意思，他们在起名字的时候，是怎么做到让中文和英文都能够表达出他们想要的那种含义。甚至能够把这种技术的气质和一些人文的意味结合在一起。 01:55 有一家公司叫深度求索，它的英文名字叫DeepSeek，就是来自于《离骚》里那句"路漫漫其修远兮，吾将上下而求索"。它的中文“深度”对英文的deep，“求索”对Seek非常的工整，又很有那种探索的意味。 02:12 这种中西合璧，而且又是文化和技术融合的感觉，真的太妙了。 02:17 还有“零一万物”，是把二进制的零和一和道德经里面的"道生一，一生二，二生三，三生万物"结合在一起。像“面壁智能”，它不光是引用了三体里面的面壁者，同时它也暗指了达摩面壁九年。像“阶跃星辰”，他把神经网络里面的阶跃函数和星辰大海的这种浪漫理想结合在一起。你会觉得这些理科生真的是在用他们的方式秀自己的学识。 02:44 还有一些公司会把技术的概念或者是创始人的一些信息藏在名字里面。 02:50 比如“稀宇科技”，它的英文名字叫MiniMax，这个名字来自于博弈论里面的一个极小化极大算法。它的中文名字稀宇，你乍一看觉得好像没什么，但把英文的mini和max分别对应了"稀"和"宇"，一个代表小，一个代表大。它是一个非常少见的英文先行的这种命名，而且中文还能做到这么工整的一个双关。 03:17 你这么一说，我还真发现这些名字里面的门道了。 03:20 还有像字节跳动，它的英文名字叫ByteDance，“字节”是计算机里面最小的单位。跳动又是一个很有活力的一个动词，所以它在中英文上面都做到了这种技术感和生命力的一个结合。而且它是一二年取的名字，放到现在来看依然是非常有辨识度的。 03:39 你有没有发现这些大模型公司，在命名时，有一些共同的规律，或者说共同的审美倾向。 03:46 基本上他们都是用2到4个字，要么出自古籍，要么就是跟天体有关。你很难从他的名字里面看出具体是做什么的，但你就是能感觉到这家公司想要干大事儿。 03:58 听起来就很有那种神秘感和野心。 04:01 但是也有例外，就像稀宇和字节跳动，他们两个就是直接用技术概念来命名的，反而在这一堆名字里面显得特别的理科气质。 二、芯片公司：画风突变，全是硬汉 04:11 那咱们来聊聊芯片公司。芯片公司的名字跟大模型公司的名字在气质上面有一个非常明显的变化。 04:20 芯片公司的名字给人的感觉就像是你从中文系一下子跨到了地质系。特别喜欢用那种亿万年的地质年代，物理定律或者上古神话，就给你一种特别重的重量感和硬度感。 04:34 那你能不能举几个例子说一下这些名字背后都有哪些含义？ 04:38 比如寒武纪，英文名是Cambricon，就是把寒武纪这个5亿年前的地质时期和Silicon硅结合在了一起。象征着人工智能的一个智能涌现。像壁仞科技，“仞”是古代的一个长度单位，取自"壁立千仞，无欲则刚"，就是很有那种气势。像”燧原股份”，它的名字来自于燧人氏钻木取火，有那种人类第一次掌握能量的感觉。然后像摩尔线程，是把摩尔定律和计算机里面的线程这两个概念结合在了一起，感觉特别像是程序员的一个自黑式的秘密。 05:17 在芯片公司的名字里面，有哪些是特别跳脱，特别有个性的。 05:22 当然有，比如说平头哥，它其实是取自非洲的蜜獾，就是那个网络上号称世界上最无所畏惧的动物。他跟其他那些芯片公司喜欢用的上古神话、地质年代，完全不是一个画风，就一下子就记住了。 05:37 对，这个名字确实很出圈，很有辨识度。 05:40 还有一个就是沐曦股份，它的中文名字是沐浴晨光的的意思，在这一堆硬核的名字里面特别的温柔。但是它的英文名字叫MetaX Meta就是超越X代表未知数，就它其实英文名字就非常直接的亮出了自己的野心，就是他这种分工还挺少见的。 三、算法公司：上一个时代的审美 05:58 我们再来看看算法公司，这些公司的名字又展现出了什么样的时代审美。 06:03 在2016年到2018年之间成立的这些算法公司，他们的名字就特别讲究功能和感官。他们会很直接的告诉你我们是做什么的。 06:12 听起来就很直白很务实。 06:14 比如说商汤科技，英文名字叫SenseTime，Sense是感知，Time是时代。中文商汤又是一个历史人物，他其实是有四重的双关，就很见功底。还有旷视科技就是视觉的意向非常强。然后云从科技是取自易经里面的云从龙风从虎，还有一些依图、云知声、思必驰、出门问问，他们都是围绕着看和听来起名字的，就很简单明了。 06:45 像第四范式这种公司，它的名字背后有什么特殊的含义吗？ 06:50 第四范式它的来历是图灵奖得主 Jim Gray提出的科学发展的四个范式。他认为现在已经进入到了数据密集型科学发现的这个阶段。他其实直接把公司的愿景融进了名字里面。这一批名字都特别的学术，特别的克制，很符合当时那个年代对于AI的定位，名字就要告诉你这个工具是干嘛的。 四、机器人公司：中英双关的新战场 07:13 这些机器人公司在取名字的时候有什么特别的地方？ 07:18 这两年因为具身智能的崛起，很多机器人公司在起名的时候就会玩这种中英文的双关。 07:24 这种双关是不是就是说既要让他的中文和英文发音上接近，又要让他们的意思能够呼应上？ 07:31 比如说宇树科技，它的英文名字叫Unitree，就是uni和tree的一个组合。它的发音和宇树也是很像的，意思也很连贯，这种是很难做到的。还有像智能机器人，它的英文名字叫AgiBot。把AGI也就是人工智能直接写进去了。中文的智元又有智能本源的意思。 07:52 机器人公司的名字里面为什么会经常出现像星、银河这种空间感特别强的词？ 07:59 因为很多机器人公司他们都特别喜欢用这种宇宙科幻的意象。比如说傅立叶智能，其实是一个谐音，它是做康复机器人的。它的英文名字就叫Fourier，就是直接用了傅利叶变换。像银河通用，它的英文名字叫Fouriert就感觉一下子就有那种宇宙的浪漫。 08:17 这些名字真的是一听就让人感觉很有那种未来感。 08:21 像星动纪元，它的英文名字叫Robot Era，逐迹动力的英文名字叫LimX你看到他们名字里面的这种"星""际""银河""纪元"那就感觉他们好像是一群看科幻小说长大的人创办的公司。他们的梦想就是要把智能机器人带进一个新的时空。 五、智能驾驶公司：全场最稳重的一桌 08:39 咱们再来讨论一下智能驾驶公司的名字，就很有意思了，他们的名字乎都绕不开一些特定的字。 08:47 你看地平线、文远知行、小马智行、元戎启行、毫末智行、佑驾创新、四维图新，不是有"行"就是有"驾"，或者说有"路"有"线"，反正都是跟交通直接相关的。 09:02 就一个比一个稳，完全没有那种很飘的神话，或者说很浪漫的东西。 09:08 这个其实就是行业性格。因为自动驾驶是一个人命关天的行业，所以他的名字就会讲究务实，然后讲究安全。他会用这种非常直白的词，比如说文远知行的英文名字叫WeRide，无论是中文还是英文，都在强调我是一个在路上实实在在行驶的这样的一个东西。很像一个老司机，给你一种非常靠谱的感觉。 09:32 还有一家公司连中文名都不要了，就直接叫Momenta。这背后有什么讲究吗？ 09:37 Momenta其实用的是物理学里面的动量这个概念。然后就干脆连中文名都不要了。这种极端的做法其实也反映了他们想要专注于技术，然后追求一种国际化的一个风格。 六、所以，进化到哪一步了？ 09:49 如果我们把这几类AI相关的公司的名字放在一起看，能不能看出一些审美上的代际变化。 09:56 如果我们把它们放在一个时间轴上面的话，最早的像14年到18年的这一批CV的公司，他们的名字就是非常的讲究感官和功能。就像商汤、旷视、云知声这种，一听就知道他是做什么的，非常的直白，也非常的好懂，没有什么花里胡哨的东西。 10:15 最近这几年新出来的这些公司，名字上面有什么新的趋势？ 10:19 到了2023年以后的大模型公司就开始走意向和野心路线。你会看到像月之暗面、零一万物、阶跃星辰这种名字，完全不知道他是干什么的，但就觉得这家伙好像要干大事儿。然后再到芯片和机器人公司，他们就开始玩这种中英双关和技术耿，就像寒武纪、宇树、摩尔线程这种。它的中文是一个意思，英文又是另外一个意思。你要把它们合在一起看，才能够get到那个点。 10:48 有没有哪些公司的名字让你觉得在文学性、技术寓意或者创意上面特别出彩的？ 10:55 文学性的话，我觉得月之暗面就非常的有那种意境。深度求索这种就是属于那种中英文都非常工整的。然后最有技术含量的我觉得应该是寒武纪，它不光是把这个地质年代和硅结合在一起，同时他又点出了人工智能的这个智能涌现。它的寓意又非常的准。 11:15 这些名字真的是让人不得不佩服，就是这些起名的人的巧思。 11:20 还有一些像无问芯穹，它其实是化用了“无问西东”，然后又暗藏了芯片和算力。然后最放飞的肯定是平头哥，他完全打破了这个行业的惯例。他们能够把离骚、易经、道德经还有三体都用得这么恰到好处，就很让人佩服。 彩蛋环节 11:37 接下来进入彩蛋环节，来讨论一下华为这个自成一派的命名宇宙。他到底是怎么把这些上古神话，还有这种体系化的设计用在他的产品线和研发项目的命名里面的。 11:49 华为它的这个命名真的是就是别人是在给产品起名字，他简直就是在修一部属于自己的神话。他把整个山海经还有上古传说都搬进了他的这个产品线里面。而且他是有一个非常清晰的内在逻辑的。 12:04 听起来就很宏大，很有想象力。那你能不能举几个例子具体说说。 12:08 它的操作系统叫鸿蒙，鸿蒙就是天地混沌的状态，它的英文名字叫HarmonyOS，就是万物和谐互联。他的AI芯片叫昇腾，就是Ascend，就是上升飞腾的意思。然后服务器CPU叫鲲鹏，取自庄子的那个北冥有鱼，其名为鲲，就是它的那个体量巨大。然后手机的SOC叫麒麟，就是非常的祥瑞。然后它的这个基带芯片叫巴龙，就是取自喜马拉雅山的巴龙峰，它是一个通信的核心。然后路由器芯片叫凌霄，就是直上凌霄。 12:43 真的是每一个名字都特别讲究，而且就是很有画面感。 12:47 不光是产品线，就是它的这个研发项目的代号也都是很有讲究的。比如说它的AI架构叫达芬奇，然后他的AI研究院叫诺亚方舟实验室，还有他的2012实验室，名字都是取自电影2012。任正非说要造一艘方舟，他的整个这个体系完全是一个神话世界。 13:06 所以华为在给这些产品这些技术命名的时候，他是怎么做到让每一个名字都能够跟这个产品的定位这个层级完全契合的。 13:16 华为它其实是有一个非常清晰的，就是它的这个操作系统是用的开天辟地的这种神话。比如说鸿蒙，然后盘古，它是有这种创始的感觉。 13:27 原来它的这个层级关系在名字里面就已经体现出来了。 13:30 它的算力芯片用这种非常巨大的神兽，比如鲲鹏，升腾，是一个很有力量感的。面向消费者的手机芯片，就用这种瑞兽麒麟这种。通信的底座，用这种非常稳固的山峰，比如说巴龙，从名字上面就能听出来谁是最基础的，谁是最有爆发力的。 13:56 我们今天从这个大模型到芯片，到算法，到机器人，再到智能驾驶。一路看下来，其实你会发现这些科技公司的名字真的是中国的文化和前沿技术的一次非常巧妙的融合。 14:08 好了，这就是这期播客的全部内容了。然后感谢大家的收听，咱们下次再见，拜拜。

00:15 今天我们想聊一聊为什么家长们更应该带孩子去见识产品和服务是怎么被创造出来的，而不仅仅是让他们去消费和体验现成的东西。 00:26 这个话题真的很有意思，那我们就直接开始。 00:28 我们首先来聊一聊为什么在人工智能的时代，让孩子去见识产品和服务的创造过程，比以往任何时候都显得尤为重要。 00:38 其实很多家长都特别看重带孩子去见识这个世界。但是见世面其实它可以分成两种，一种是单纯的去消费端的见世面，就是带孩子去住豪华酒店，吃高级餐厅，去旅行，去参观名校和大公司。是的，这些固然能让孩子大开眼界，但是更重要的是要让孩子看到这个东西是怎么被造出来的。 00:58 也就是说让孩子不仅仅是做一个被动的欣赏者，而是要让他们产生我也可以创造点什么的想法。 01:05 没错，因为在这个AI越来越普及的时代，如果孩子只习惯于看结果的话，他们很容易就变成一个只会选择和消费的人。但如果他们能够去关注创造的过程，他们才会去问我以后能创造什么。这个问题其实是创新的起点。 一、很多“见世面”，其实只是消费端见世面 01:20 我们紧接着就来谈谈消费端的见世面。很多家长经常会带孩子去五星级酒店去做商务舱，去名校和大公司打卡。那这些体验会给孩子传递一些什么样的关于这个世界的印象呢？ 01:32 这些东西确实都是好东西，能增长孩子的见闻。但是有一个很大的共同点，就是孩子看到的都是最终呈现出来的结果。酒店已经金碧辉煌的在那儿了。然后菜已经一道道的给你上来了，科技产品已经发布了，学校和公司也都把自己最光鲜的一面展示出来了。 01:50 所以这就会让孩子很容易觉得这个世界本来就是这样的，都是现成的东西。 01:55 确实如此，孩子就会觉得我只要去欣赏、去选择、去体验就好了。久而久之就容易忽略掉一个事情，就是所有这些东西在最初的时候都是从无到有，经历了很多混乱的问题，才慢慢变成现在这个样子的。 二、真正有力量的，是生产端见世面 02:13 确实是这样的那消费端见世面和生产端见世面的差别到底有多大？我们就以去超市为例，这两种视角到底会看到些什么？ 02:21 消费端见世面的话，孩子就会觉得这个超市好大，商品好多，价格好划算。但是生产端见世面的孩子就会开始问，为什么这个商品能进到这个货架？是谁决定卖这个东西而不卖那个东西？这个商品的包装为什么是这个尺寸？这些东西背后其实是有一套非常复杂的系统在里面的。 02:40 这么一听的话，好像生产端见世面，真的就是会让孩子把注意力放到事物背后的那套运转机制上。 02:46 完全是这样的。就生产端见世面，他关注的就是这个东西为什么会存在，他是怎么被做出来的，又是怎么送到你面前的。孩子能看到商业判断、供应链、技术和组织之间的协作，这才是真正走进了一个真实的系统。 03:02 我有一个疑问，就是孩子有了这种生产端的视角之后，他的思维方式会发生什么样的变化？ 03:08 就比如说同样是看一辆车，消费端的话就是去试驾去感受。但是生产端的话就是会去看这个钢板是怎么冲压的，怎么焊接的，怎么喷漆的，就会变成一辆车的，包括同样是看一个AI产品，消费端的话就是觉得这个东西回复好快，界面好漂亮。但是生产端的话就会去想，它是为了解决，谁的什么问题，它的数据是从哪儿来的？为什么要做这个功能。而不是那个功能？ 03:29 这么一对比的话，生产端见世面真的是可以让孩子更深入的去去理解事物的本质。 03:36 是啊，这才是真正的世面。他不是说把孩子带到一个更贵的地方，而是把孩子带到一套真实系统的内部。消费端容易激发的问题是我以后想拥有什么，但是生产端真正激发的问题是我以后能创造什么。 三、AI时代，孩子更应该练习“创造者视角” 03:51 在AI时代为什么孩子更应该去练习这种创造者的视角呢？ 03:55 因为在过去的话，孩子知道的多，记得多，然后表达的漂亮，它是很有优势的。因为那个时候信息是很难获取的。但是现在的话AI几秒钟之内就可以帮你整理资料，生成方案，写出摘要，画出草图。所以单纯的知道答案这个事情已经越来越不值钱了。 04:12 所以现在最稀缺的能力已经不是记忆和复述了。 04:15 对，现在最稀缺的是你能不能进入到一个真实的场景，去发现一个真正的问题，去判断值不值得解决。然后能够借助一些工具资源和团队的合作，把一个模糊的想法变成一个可以被验证的成果。因为AI它虽然很会给你答案，但是真实世界最难的部分往往不是答案怎么写，而是问题到底是什么，谁真的需要它，哪些限制不能绕开，做出来以后有没有人用，这些东西只有你进入到了生产端，你才会真正的看见。 04:47 所以说现在的孩子要怎么才能摆脱掉，只是一个被动的消费者的身份。 04:53 其实我们的社会一直都很擅长教孩子怎么去做一个很老练的消费者，但是很少有人提醒孩子说，你其实也可以参与到这个世界的建设当中。所以最珍贵的是让孩子早点明白，你不光是有权利去使用这个世界，你也有责任去塑造它，改变它。 四、所以，真正值得花钱的“见世面”，不应该只是参观 05:10 顺着刚才的思路，咱们来谈谈什么才是真正值得花钱的见世面。对，很多家长可能都在纠结，说我到底要怎么给孩子选择，才能让他真的学到东西，真的成长。 05:21 其实真正有价值的并不是说你去了一个多么高级的地方，拍了多少好看的照片，或者说去了一个很有名的景点打卡。更重要的是孩子有没有机会真正的走进一个现场，去亲眼看一看现实当中的问题是什么样子的。 05:37 这么说的话就是过程和体验远比表面的光鲜要重要。 05:42 是的，不是说去听一个成功故事，然后热血三分钟就完了。而是真的去理解一个系统它是怎么实际运转的，里面有哪些角色，有哪些约束条件，有哪些成本和冲突，人们是怎么去权衡和选择的。这些东西才是真正让孩子能够成长的。 05:58 所以就是说让孩子在真实的场景当中去经历一遍完整的创造过程。这个事情为什么这么有价值？ 06:05 因为真正有价值的学习是孩子要走进一个真实的行业现场，去看到这个业务是怎么实际发生的。然后自己去发现一个真实存在的问题，而不是一个想象出来的需求。 06:17 原来是这样，就是孩子得自己面对一个没有标准答案的难题。 06:21 没错，之后孩子要尝试用AI工具去做一个粗糙的解决方案。然后拿给真实的用户去试用，去收集反馈。再根据这些反馈不断的去修改优化。这才是一个完整的创造的闭环。在这个闭环当中，孩子不光是学到了一些知识点，更重要的是他锻炼了理解力、判断力、表达力、协作力和行动力。 06:44 在这个过程当中，孩子的内心会发生哪些改变？ 06:47 孩子会慢慢的建立起一种身份感，就是我不是只能等待别人把世界做好了，我再来选择，我再来消费，我也可以去发现问题，设计方案，参与建设。其实很多教育理念被大家说的很烂了之后，就变成了一个很模糊的标签，但是真正有力量的是让孩子去到世界的后台，去亲眼看到一件产品、一项技术、一门生意是怎么样被人一点点创造出来的。 07:13 行吧，我们今天把消费端见世面和生产端见世面给大家好好的拆解了一下，聊了聊为什么让孩子看到创造的过程要远比带他们去体验现成的东西更有价值。 07:24 好，那今天的内容咱们就到这里了，然后感谢大家的收听，咱们下期再见。 07:29 拜拜。

00:16 今天我们来聊一聊在科技行业里面非常火的一个职业，叫做FDE，也就是前沿部署工程师。这个职业主要是为了解决AI等先进技术在客户现场落地应用时出现的问题。但是这个职业在中国的发展，因为市场环境的不同，遇到了很多挑战。 00:35 是的，这个话题现在非常受关注，那我们就直接开始。好的。 00:40 咱们先来讲讲FDE这个岗位到底是怎么诞生的，以及它存在的意义是什么，为什么企业花了大价钱买了AI系统，最后却常常束之高阁？ 00:52 这背后的原因其实很搞笑，就是企业花了几百万买了一套AI系统对，然后也签了合同，也部署好了也验收通过。但是之后就没人会用，也没人维护。没错。然后三个月之后老板问起来，埃踢就只会说在服务器上，老板就很无语，埃踢也很尴尬。 01:10 听起来真的很尴尬。那这种尴尬在行业里面是普遍现象吗？ 01:14 确实很普遍，就是这种情况全球每天都在发生。对，并不是说产品不好，而是产品要真正用起来。这个过程当中没有人去做这个连接的工作，所以就有了FDE这个角色，专门来填补这个鸿沟。 FDE 是什么？ 01:28 明白了FDE到底是干什么的，它跟传统的工程师有什么不一样。 01:33 FDE的英文全称是Forward Deployed Engineer。其实他就是一个去客户现场，然后在客户的环境里面，用客户的数据直接帮客户解决实际问题的工程师。他不是在公司里面写代码的。 01:46 所以他其实更像是一个被派到前线去的技术士兵。 01:51 没错。而且这个岗位最原始，就是由一个专门给美国军队、政府还有情报机构做服务的公司，叫 Palantir 创造出来。对，因为他们的书记太敏感了，根本没有办法带到公司去。所以他们只能把工程师派到客户那边去现场解决问题。后来大家就发现这个方式真的非常有效，就慢慢流行起来了。 举个例子，秒懂 FDE 02:12 这么说的话，FDE和普通的工程师还有销售工程师到底有什么本质上的区别？ 02:17 可以用一个很形象的比喻来说明，就是产品工程师的任务就是在公司里面造出一把理论上可以钉所有钉子的超级锤子。然后他就觉得自己的任务完成了。销售工程师就是拿着这个锤子去跟客户各种演示，把合同签回来，他的任务也就结束了。 02:33 那FDE是不是就是负责在合同签完之后才真正上场解决难题的那个人？ 02:39 完全正确。FDE就是合同一签完，他就跑到客户那边一看，吼客户要的不是锤子，而是书架。 02:48 墙是混凝土的，邻居还不让随便敲。然后FDE就会帮把书架组装好，确保它不会倒，让客户最后满意的使用，这才是FDE价值真正开始的地方。 03:00 懂了，FDE在帮助客户落地一个AI项目的时候，他到底是怎么一步一步把客户模糊的想法变成一个真正能用起来的系统的。 FDE 到底要干啥？ 03:09 其实FDE开始收到的信息经常就是客户说我们想用AI来提升效率。那这个时候FDE就会通过非常细致的提问，搞清楚客户到底是什么业务，用什么数据，现在用的什么系统，然后卡在哪里了。 03:25 所以第一步就是把模糊的需求翻译成可以动手去做的一个技术方案。 03:29 然后第二步就是FDE会非常快速的做出一个原型，跑一跑看一看这个方向对不对。有了原型之后再把它打磨成一个正式的系统，包括连数据库做合规测试。最后真正的部署到生产环境上面去，保证它很稳定的运行。最后FDE还要把客户实际使用当中遇到的一些问题带回到公司里面去，帮助产品团队去不断的改进产品。没错，所以FDE其实是公司安插在客户那边的眼睛、耳朵和手。 04:00 这么说的话，FDE要胜任这么多环节，它到底需要哪些能力呢？ 这个岗位需要什么样的人？ 04:04 说起来挺残酷的，FDE必须同时具备3种能力，而且这三种能力是相乘的关系。就是任何一项能力接近于0，它整体的效能就是0。 04:14 听起来要求真的很高，那这三种能力具体指什么呢？ 04:17 第一个是真的会写代码，就是你得能独立的在客户的服务器上面搭建系统，写接口，处理数据，然后上线。包括你线上出了问题，也得你自己上去排查修复。第二个是真的会沟通，就是你得能把CEO说的什么提升效率翻译成技术团队能听懂的需求。然后也得能够把技术方案翻译成老板能听懂的商业价值，而且你得在客户的地盘客场作战，没有很强的自我。 04:45 第三个是真的得懂这个行业。就是你去医院你得懂医疗合规，你去银行你得知道金融的业务逻辑，你去工厂你得明白生产线。对，你不懂这些，你做的系统根本进不了客户的门。 04:58 了解了FDE这个岗位薪资水平大概是一个什么情况？为什么会出现这种情况？ 薪资：看了会沉默 05:04 在美国像Palantir 这种公司，FDE的年薪加上股权，加上奖金是在170万到450万人民币之间。而且顶级的FDE是可以超过450万的。天哪，这个岗位的招聘量在一年内暴涨了800%。对，就是因为同时满足技术好、沟通强、懂行业这三个条件的人实在是太少了。但是市场的需求又一下子爆发出来，导致这个人才严重供不应求，所以价格自然就被推得非常高。明白了。 05:35 美国的FDE的商业模式和中国的FDE的商业模式，他们的核心差别到底在哪里？ 美国 vs 中国：同一个岗位，两道不同的算术题 05:41 美国那边就是客户的合同金额都非常大，像Palantir 给军方做一个项目都是几百万美元。是的，然后OpenAI、Salesforce他们面向企业的合同也都是同样的量级。所以他们完全可以负担得起给FDE开出非常高的薪水。然后客户也可以得到非常好的服务，产品也可以真正的用起来，所以客户就更愿意续签更大的单，整个这个事情就会形成一个正向循环。 06:05 所以他们的高客单价是这个飞轮能够转起来的一个关键。 06:09 中国就完全是另外一道算术题了。就2025年中国的大模型中标项目有7500多个，然后总金额是将近300亿。但是你算下来，其实每个项目平均是391万。可是这个平均值是被少数的几个超大单拉起来的。没错，大部分的项目其实都是几十万到一两百万之间。那你想想看一个FDE一年的综合成本很容易就超过100万。那很多项目的总金额都不够覆盖一个FDE的成本的，更不要提中国的很多采购都是最低价中标。所以FDE的这种高端的服务根本就体现不出价值。 06:45 既然中国的市场环境是这样的那中国的企业到底有哪些办法可以让FDE落地呢？ 那中国怎么办？ 06:51 现在大家主要是有三条路在走。第一条路就是只做那种头部的央国企或者说政务的大项目。这些项目是有钱的，周期也长，也愿意接受深度定制，这样的话就可以撑起FDE的高成本。门槛虽然高，但是客单价是可以的。 07:07 所以第一条路其实就是把资源集中在最能够消化FDE价值的大客户身上。 07:13 第二条路是让一个FDE同时服务3至5个中小客户，然后他就像医生一样定期上门。那这种方式就是牺牲了服务的深度，但是可以扩大服务的企业的数量，相当于把FDE变成了一个高级技术顾问。 07:28 第三条路是把FDE积累下来的行业经验，部署的模板，最佳实践都打包成一个解决方案包。客户买的其实是FDE的能力，而不是他的时间。这种方式的难点就在于前期要投入很多精力去积累和产品化，就像Palantir也是经历过这样的转型才实现了规模化。 07:48 好的。我们最后来聊一聊AI落地的这个人才鸿沟在中国和美国到底有哪些具体的不同。 07:54 两边其实都有一个很尴尬的事情，就是产品团队不了解客户的真实环境，客户团队也不懂AI到底能干嘛。所以中间就会有一个沟通的断层。在美国的话这个断层是可以用几百万美元的年薪请一个FDE来填的。但是在中国的话，这个断层到底值多少钱，要怎么去系统的解决，其实大家都还在摸索阶段。所以谁能够先把这个问题想明白，谁就可以抢占先机。 08:20 今天我们聊了很多关于FDE这个职业的诞生，它的独特的价值，包括它在中美两国不同的市场环境下遇到的挑战和机会。 08:30 没错，那这期节目咱们就到这里了，感谢谢大家的收听，咱们下期再见，拜拜。

00:15 今天的博客咱们来讨论一下，最近这个人工智能领域发生的几个比较大的事件。然后我们也会聊一聊现在在人工智能这个领域里面，基础设施开源和闭源的生态，以及监管和商业策略。这几个比较关键的因素是如何互相影响，并且开始左右这个AI产业的走向的。 00:37 是啊这个确实是现在整个行业都非常关注的问题。那我们就直接开始。 01.AI 监管-美国管AI 出新招：管得住自家，管不住别人 00:42 咱们先来讲讲最近炒的比较火的一个话题，就是美国对于人工智能的监管最近出台了一些新的举措。那为什么美国政府会这么着急，想要对这些顶级的AI模型进行安全体检呢？ 00:57 其实主要的原因就是因为最近这个AI的能力提升的太快了，而且已经有这种OpenAI和Anthropic他们的模型在测试的时候就已经出现了这种越狱的情况，就是他会自己黑进别的公司的系统，所以这个就会让白宫非常的紧张。 01:13 看来这个测试的时候都已经这么危险了，那实际应用当中还得了。 01:18 没错。所以政府就把OpenAI、Anthropic、谷歌、Meta这四大公司叫过去，说以后你们这些顶级的模型在发布之前都要先经过30天的安全体检。对，但是这个体检是自愿的，然后标准是不公开的。最妙的是开源的模型还不用剪，所以像中国的这些千问、Kimi、GLM全都不在这个范围之内。 01:40 既然提到了中国的开源模型，那我就想问了，为什么现在美国的企业会越来越多的去选择用这些中国的开源的AI模型？ 01:49 这个原因很简单，就是因为中国的这些开源的模型。比如说GLM5.2和阿里的Qwen还有这个Kimi它不光是比Claude、GPT便宜60%到90%，而且它还非常的好用。比如说这个GLM5.2，它上线了一个礼拜用量就暴增了27倍。然后Airbnb都已经开始用Qwen了，Cursor甚至直接就是基于Kimi做了他们自己的模型。 02:15 这么一看的话，这个价格差距确实很有诱惑力。但是我在想会不会还有一些其他的原因，让这些企业更倾向于选择中国的开源模型。 02:24 当然有了，还有一个很重要的原因就是数据安全。因为很多硅谷的公司，他们都很担心把自己的商业数据、客户信息或者是代码交给OpenAI、Anthropic这些闭源的模型。他们会担心这些巨头公司会反手用这些数据来跟他们竞争。但是如果你用的是开源的模型的话，你就可以把模型下载下来自己部署。然后你的数据就可以完全留在自己的服务器里面，根本就不用送出去。所以甚至连微软的CEO纳德拉都在说，企业要掌控自己的数据主权。 02:54 所以说现在美国在对这个AI模型进行监管的时候，会带来一些什么样意想不到要的后果。 03:00 其实现在美国对自己本土的这些闭源的模型管得越紧，反而给了这些中国的开源的模型更多的机会。因为中国的这些模型又便宜，又不用经过安全审查，然后又不会动你的数据，所以很多美国的公司都更愿意去用这些模型。 03:17 听起来好像美国政府的这种监管反而有点帮对手铺路的感觉。 03:22 可不是。而且最有意思的是，现在最厉害的那些开源的模型基本上都是中国的。然后美国的政府好像更担心的是本土的公司形成垄断，对于中国的这些AI企业去抢占市场份额这件事情反而没有那么紧张。就像那个Brookings 研究员Kyle Chan说的，最强开源模型与最强中国模型高度重合。这届政府好像更害怕美国出现闭源垄断，而不怕中国AI来抢生意。 02.AI 定价-DeepSeek 要涨价了：先把你喂胖，再收饭钱 03:48 说完了美国对AI的监管，咱们再来说说AI的定价。就是最近DeepSeek突然宣布要大幅的提高API的价格。这个事情其实背后是有很多原因的那我们就来分析一下，为什么DeepSeek会有底气突然之间就把价格涨上去？ 04:06 这个底气是来源于DeepSeek-V4 Flash这个模型的正式发布。因为这个模型在Agent能力的测试上面拿到了25.2的分数，非常接近Anthropic最厉害的那个Opus-4.8（25.7 分），。但是它的运行成本要比Claude Fable 5低2个数量级。 04:26 这就难怪大家都在用DeepSeek了。对，这性能差不多，但是便宜这么多，谁不用谁傻。 04:33 确实，所以全球的开发者都涌过来用，然后它的单日token处理量在8月1号这一天就飚到了8万亿。甚至连GLM5.2这个模型在上线的第一周也有27倍的token量的增长。但是也因为这样，所以DeepSeek大部分的流量其实都是在免费试用的阶段。它虽然服务器压力巨大，但是收入其实是非常有限的。 04:56 既然现在DeepSeek这么火，那为什么DeepSeek还要学互联网行业那一套，先低价吸引用户，然后再慢慢的涨价。 05:05 其实这背后的原因很简单，就是因为他们在高峰时段接口经常会超时，然后服务器压力太大了。所以他们在七月中旬的时候就已经推出了峰谷定价，就是高峰时段价格翻倍。但是这还不够，所以他们现在就干脆直接全面的调高价格。 05:22 那大家肯定就会担心了，说我现在已经习惯了用这么便宜的服务。那这个价格一涨起来，大家会不会就集体的跳槽去其他的平台？ 05:30 这一点其实不用担心。因为DeepSeek其实跟其他的那些互联网公司还不太一样，就是它的这个模型是完全开源的。所以你如果觉得涨价之后难以接受，你可以直接把权重下载下来自己部署。而且就算它涨价之后，它的价格依然是比Claude要便宜几十倍的，所以其实用户的选择空间并不大，这就是他们敢涨价的最大的底气。 03.太空算力-AI 太费电了,人类决定把机房搬上天 05:51 然后我们接下来要聊的就是太空算力对最近AI基础设施短缺的问题非常严重。大家都在说要把数据中心搬到太空去，那这个到底是怎么回事呢？ 06:02 因为现在训练一个大型的AI模型，它的耗电量是非常夸张的，就真的跟一个小城市差不多。然后全球的这些科技巨头，他们又在疯狂的建数据中心，所以他们之间就是在互相抢地抢水。甚至有一些地方的居民都在抱怨说AI把我的电都抢走了，我夏天都开不了空调。 06:23 这听起来确实有点夸张，但是我想问一下，就是把数据中心搬到太空上去到底有哪些好处？ 06:30 最大的好处就是太空上面有取之不尽的太阳能。然后它是一个天然的真空环境，就非常有利于散热，而且它完全不占用地球上的任何土地资源。所以现在其实美国和中国都已经在投入大量的资源去推动这件事情了。 06:46 那现在美国和中国在太空算力这方面都有哪些具体的大动作？ 06:50 美国的话就是SpaceX已经公布了他们的AI算力卫星的设计，它的翼展有70米，然后它的太阳能阵列可以提供150千瓦的电力，单颗卫星的算力就可以媲美一套英伟达的GB300地面机柜。对，然后他们还计划要发射100万颗卫星，要在近地轨道上面组建一个轨道数据中心。谷歌的话他们也有一个补日者计划，他们打算在2027年的时候发射带有TPU芯片的原型卫星。 07:22 美国这是下了血本，那中国这边有哪些突破呢？ 07:25 中国的话就是成都国星宇航，他们在推进星算计划，他们是要发射2800颗卫星来组建一个覆盖全球的太空算力网络。然后北京这边的话是计划在700到800公里的晨昏轨道上面建造超级瓦级的太空数据中心，而且他们要部署百万卡级的服务器集群，并且今年的四月份太空算力专业委员会也已经成立了，北京的太空算力创新中心也正式启动筹建了。 07:55 不过现在虽然说大家都在太空算力这个赛道上面你追我赶的，但是这个事情在技术上面和成本上面到底有哪些难以逾越的难题？ 08:05 现在最大的问题就是发射的成本还是太高了。中国现在差不多是5万元每公斤，但你要真的做到规模化的话，你可能要降到0.5万元每公斤，这中间还差了整整一个数量级。 08:17 除了发射成本这个拦路虎之外，电力供应是不是也是一个特别大的挑战？没错。 08:23 因为你要给这个太空里面的数据中心提供兆瓦级的电力的话，你可能需要一个平方千米级的太阳意，这在工程上面的实现难度是非常高的。但是不管怎么说，就是地球上的资源总是有限的，所以谁能够率先的把算力送上太空，谁就能够掌握未来AI基础设施的主导权。所以现在其实这个芯片战争还没有结束，新一轮的太空算力竞赛其实已经拉开帷幕了。 08:53 今天我们聊了美国的这个AI监管的新的玩法，然后又聊了开源闭源的这种生态之争，又聊了这个AI公司的一些定价的套路，最后我们还聊了太空算力这个事情。其实这背后都指向了一个非常关键的转变，就是大家争夺的焦点已经不再是单纯的模型能力了。而是真正的落到了谁能够以更低的成本，更安全可靠的、更可持续的方式去搭建起这个AI的基础设施。 09:24 今天的节目咱们就到这里了，感谢大家的收听，咱们下期再见，拜拜。