00:16 今天我们要聊一聊2025年人工智能领域的一些让人意想不到的新的变化。包括一些创业公司和大公司之间的新的格局，以及AI经济趋于稳定，算力变得越来越便宜和太空数据中心这些非常有意思的发展。 00:32 是啊这些变化真的非常的吸睛，那我们就直接进入今天的讨论。 00:36 咱们第一个要说的就是2025年这个AI模型领域出现的一些让人意外的新的趋势。其中有一个特别让人惊讶的就是Claude竟然超过了OpenAI，成为了创业者的新宠。这到底是怎么一回事儿？ 00:51 这个转变真的是让所有人都大跌眼镜。因为在2024年的时候，OpenAI还是占据着90%以上的市场份额。但是到了2025年，在YC的冬季班里面，突然之间Anthropic的Claude就拔得头筹了，成为了这些创业公司最最常用的一个AI模型。就感觉像是你家楼下的一个小餐馆，突然间把麦当劳给挤下去了，成为了最火的一个地方。 01:16 对，这确实挺让人意外的那具体是什么原因让Claude在短时间内获得了创业者的青睐呢？ 01:21 最主要的一个原因就是Claude的编程能力非常强。有很多创始人自己用着用着就习惯了，然后就直接把它嵌入到自己的产品里面了。就像你习惯了用某个品牌的手机，你就懒得去换了。 01:33 听你这么一说确实很有道理。那除了这个编程能力之外，还有没有其他因素促成了Claude的逆袭？ 01:40 当然有了。有意思的是，虽然大部分人用Claude并不是为了编程，但是因为程序员们在写代码的时候爱上了他，所以就产生了一种信任迁移。反正大家觉得Claude靠谱，干脆都用它。 01:55 看来口碑的力量是很强大的，那其他的AI模型有没有什么亮眼的表现？ 01:59 有啊，Google的Gemini其实表现也非常抢眼，它的市场份额从去年的2%到3%涨到了23%。现在的AI模型界可以说是进入了一个三国杀的时代。 02:11 对了，2025年的这个AI经济出现了哪些让人意想不到的新变化？ 02:17 说起来2025年真的是画风突变，AI经济结构竟然稳定下来了。之前大家都觉得这个行业随时都会地震，因为你永远都不知道下一个大模型发布会不会把现有的商业模式全部推翻。但是2025年整个格局就非常清晰了。 02:33 听起来确实是稳定了不少。那具体现在AI行业内的分工是怎么样的？ 02:37 现在模型层的话就是像OpenAI、Anthropic、Google这些大厂，他们就是专心的造AI引擎。然后应用层的话就是那些创业公司，他们就是拿这些引擎去做各种各样的产品。还有一层就是基础设施层，这些公司就是专门提供算力和工具的。大家都找到了自己的生态位，都能赚钱，皆大欢喜。 02:59 既然现在AI行业格局已经清晰了，那这种情况对于创业者来讲，跟以前比有什么不一样的地方。 03:05 以前很多创业者就是抱着一种"苟住，等下一个大模型发布就有新机会"。但是现在这种躺平思维不灵了，找创业点子又回到了正常难度。 03:16 明白了，那咱们再来看看一个非常有意思的观点。就是很多人都在说AI投资是一个巨大的泡沫。但是为什么YC反而觉得就算是泡沫，对于创业者来讲也不是一件坏事。 03:30 因为他们举了一个2000年互联网泡沫的例子，就是当时也有很多公司倒闭了，但是却留下了很多闲置的光纤网络。然后这些便宜的带宽就给后来YouTube这样的平台创造了机会。 03:43 原来泡沫破裂之后，反而还能留下一些有用的资源，那AI领域有类似的情况吗？ 03:49 现在也是一样，就是大公司疯狂砸钱建GPU集群。就算未来需求下降了，这些算力还在，创业者就能用便宜的算力做产品。相当于大公司承担了风险，然后创业者享受了红利，这笔买卖挺划算的。 04:04 看来这对于创业公司来说是个好消息。那现在这个算力市场的竞争格局有没有什么新的变化？ 04:11 现在就是竞争激烈了，就不再是Nvidia家独大了，AMD和Google的TPU都在分蛋糕。对创业者来说，这就意味着更便宜的算力和更多选择。 04:21 说到这儿，咱们再来说一个特别炸裂的话题，就是太空数据中心这事儿我觉得好多人都觉得是天方夜谭，但是现在竟然有越来越多的科技巨头都在认真的考虑这件事情，那背后的原因到底是什么？ 04:35 早在2024年的夏天，就有一个叫StarCloud的YC公司提出了要在太空建数据中心。那个时候大家都觉得太异想天开了。但是到了2025年年底的时候，画风突变。你看Google正式发布了Project Suncatcher，也就是太空数据中心计划。然后马斯克也公开表示说Space X会做这个事情，而且他在很多采访里面都提到这个话题。 05:02 这些大公司都开始布局，说明这个事情确实是有一些不得不做的理由。 05:07 没错，因为地球上的限制太多了，比如说电力不够用，有公司都开始用喷气发动机来发电了。然后土地也很紧张，像加州连盖房子都不够地方。还有就是监管太严格，既然地球不够用,那就上太空呗。 05:21 这个思路真的是打开了，就是把数据中心和能源问题都放到太空去解决。那有没有什么公司在太空能源这个领域有比较突破性的进展？ 05:32 有啊，YC甚至投资了一家叫Zephr Fusion的公司，专门研究在太空搞核聚变发电。他们的逻辑很简单，在地球上搞不定的物理问题在太空就能解决。想象一下数据中心在轨道上飘着，旁边有个小型的人造太阳供电，这场景比科幻片还科幻。 05:52 真的是未来感十足。接下来我们要讲的这个话题也同样充满了未来感，就是"Vibe Coding"，也就是是凭感觉编程。这个东西现在发展到什么程度了？有没有什么代表性的公司或者产品？ 06:06 "Vibe Coding"其实一开始只是YC观察到的一个现象，但是现在已经变成了一个真实的产品类别。现在虽然还不能完全靠AI来写出完美无缺的生产代码，但是已经有很多公司在这个方向上面做了非常多的尝试，而且也取得了不错的进展。 06:24 感觉好像写代码都变成了一种艺术创作了。那这个东西有没有得到一些科技巨头的认可呢？ 06:31 连Google都入场了，他们发布的演示视频里面，创始人Sergey就站在工程师身后，看他凭感觉写代码。 06:38 真是太神奇了。接下来我们要讨论的是一个关于AI和团队规模的一个非常有意思的话题。就是现在很多创业公司，他们在获得了融资之后，明明有了AI的帮助，为什么还是选择要扩充团队呢？ 06:52 这个其实很有意思，因为在2024年的时候，大家都在说有了AI创始人不用招人就能做到百万美元营收。但是现实很打脸，就这些公司拿到A轮融资之后，还是得老老实实开始招人了。 07:07 这么说的话，看来AI并没有让招人这件事儿变得多余。 07:11 是的，因为AI确实提高了效率，但是用户的期望也水涨船高了。然后你的竞争对手也在用AI最后还是需要人来执行。不过也有好消息，就比如说Gamma公司用50个员工做到了1亿美元营收，这在以前是不可想象的。过去可能需要几百人，所以AI的作用不是不用招人，而是用更少的人做更多的事儿。 07:32 听起来确实是这样，那我们接下来要聊的这个话题，也是一个老生常谈的话题了，就是关于AI末日论这个东西最近又有什么新的变化呢？ 07:42 说到这个其实是有一个很搞笑的事情，就是大家应该都记得那份AI2027的报告。对，就是那个预测2027年社会会因为AI崩溃报告结果，他们悄悄修改了预测时间，但是报告标题还是叫AI2027，这操作堪称年度最佳打脸现场。 08:00 真的是太搞笑了。我们来总结一下，就是说现在这个AI行业整体是一个什么样的格局。然后对于不同的人来说这意味着什么？ 08:09 其实2025年的AI圈没有世界末日，也没有一家通吃，反而呈现出一种竞争充分生态健康的局面。 08:18 这么看的话，是不是对于创业者和投资人来说都是一个比较好的消息？ 08:22 对创业者来说这是个好消息，算力更便宜，工具更多，竞争格局更清晰。对于我们这些普通用户来说，未来几年应该能看到更多有趣的AI产品，而不是只有几家巨头垄断一切。对于投资人来说，虽然没有爆炸式增长那么刺激，但是稳定的生态意味着更可预测的回报。最后用YC合伙人的话总结，一个人经营万亿美元公司的时代还没到，但是正在路上。 08:50 好的。今天我们聊了2025年AI行业的一些让人意想不到的新变化。从创业圈的新宠到太空数据中心，再到所谓的凭感觉编程，真的是让人觉得这个行业真的是越来越精彩了。 09:05 行。那这期节目咱们就到这里了，感谢大家的收听，咱们下次再见。

00:16 今天我们要聊一聊埃隆·马斯克最近在接受采访时，对于人工智能的未来，太空探索经济趋势以及一些人生的终极问题的看法。 00:29 咱们首先来看看这次访谈的开场，有没有什么有趣的小细节？ 00:33 这次访谈是在奥斯汀进行的。一开始这位印度的投资人就夸马斯克，说他比在网上看起来壮多了。然后马斯克还挺不好意思的。就是这样的一个轻松的氛围话题就展开了。 00:51 接着谈到X平台，就是原来的那个推特，现在X平台的用户规模我怎么样？马斯克怎么看？ 00:58 他说现在X平台每个月有6亿的活跃用户，然后重大事件发生的时候，这个数字还可以飙到10亿。他特别强调说平台的核心用户还是那些喜欢思考，喜欢阅读的人。 01:11 那他怎么看短视频和文字的价值？ 01:14 他说刷短视频虽然很轻松，但是那是脑子腐烂。他更喜欢文字，因为文字的信息密度更高，更有价值。 01:23 明白了。马斯克为什么要收购推特？ 01:26 他其实就是觉得老的推特太受旧金山的那种极左的氛围影响了。所以他希望能够把这个平台拉回到一个中立的位置。 01:36 所以他是要让平台更平衡一些。 01:38 对，现在的原则就是遵守各国的法律，但是不会给任何一派额外的权重。他还说了一句很有意思的话，他说如果你站在极左那中间在你眼里就是极右。 01:51 关于未来的愿景和一些前沿科技的融合，马斯克到底觉得哪一个项目是最让他兴奋的？ 01:58 他最兴奋的其实是一个太阳能驱动的AI卫星。这个项目其实就是要把SpaceX的火箭和Tesla的太阳能电池，以及XAI的人工智能这三家公司的技术全部都结合起来。 02:15 这个组合还真的是有点意想不到，那他对于人形机器人的前景有没有什么新的说法？ 02:22 当然他说Optimus人形机器人会在明年进入量产，可能每个人都会想要拥有一个属于自己的C-3PO或者是R2-D2，就像电影里的那种机器人伙伴。 02:35 我们再把目光聚焦到Starlink，它的技术细节到底是什么，以及它的服务理念到底是什么。 02:42 其实它这个Starlink的卫星是运行在距离地面550公里的高度，每一颗卫星的速度能够达到25倍音速，然后卫星之间是用激光来互相连接的，组成了一个巨大的网络。所以信号可以直接在卫星之间传输出，而不需要经过地面的基站。 03:03 所以这就是为什么它可以给偏远地区提供网络。 03:06 因为它的设计就是要去补充地面的网络，主要的服务对象是农村，或者是一些偏远的地方，地面的网络没有办法覆盖到的地方。虽然它在人口密集的城市里面没有办法跟现有的基础设施去竞争，但是在农村它可以让你享受到跟城市里面一样的网络。最特别的一点就是每次有自然灾害的时候，Starlink都会免费开放网络。因为他认为在这种紧急的时刻，不应该有付费的障碍。 03:37 下面就聚焦到未来社会可能会出现的一些大变革。比如说AI和机器人的普及会对我们的工作竞争，包括创业带来哪些根本的变化。 03:48 马斯克觉得可能在未来的15到20年，最多不超过20年，AI和机器人会非常先进。到那个时候工作会变成一个可选项，未来工作会变成一种爱好。 04:05 这么说的话，未来如果大家都不需要工作了，那人类会不会失去竞争的动力？社会结构会不会发生彻底的改变？ 04:14 关于这个问题，现场的嘉宾也追问了，马斯克也承认他也不确定。他说人类社会正在走向一个奇点，就像黑洞的事件世界一样。过了那个点之后的事情是完全无法预测的。但是他也强调了，现在如果有人想要创业成功，还是得投入大量的时间，还是得拼命地工作，这一点是没有改变的。 04:37 还有一个问题就是钱会不会消失？未来的货币到底会变成一个什么样的东西？马斯克对于这些问题有没有什么有趣的见解？ 04:47 他的观点还挺激进的，他觉得钱这个东西在未来可能会完全消失，他的理由是当AI和机器人可以满足所有人类需求的时候，作为劳动力分配数据库的钱就不再必要了。 05:00 听起来挺挺颠覆的那他觉得未来大家会用什么来衡量价值呢？ 05:05 他说能量会是未来真正的货币，因为能量是遵循物理规律的，你没有办法凭空去创造它。他还推荐大家去读伊恩·班克斯的《文化》系列，里面就描绘了一个没有金钱的社会能量作为货币还挺科幻的。 05:18 那他有没有用什么理论来描述文明的进步和能量这样的关系呢？ 05:26 有啊，他提到了这个卡尔达舍夫等级，就是一级文明是可以利用整个行星的能量，二级是可以利用恒星的能量，三级是可以利用整个星系的能量。 05:45 然后咱们再来看看美国的这个债务危机。马斯克怎么看待用AI和机器人来应对这个债务难题？ 05:55 他很直接的说，只有AI和机器人能够解决美国的债务问题。因为现在美国光支付国债的利息就已经超过了整个军费的预算。 06:05 这么说AI和机器人是被当成了一个经济增长的超级引擎。 06:10 差不多。他说只要AI和机器人能够让商品和服务的产出增长速度超过货币的供应，就会出现通货紧缩，然后利率会降到0。这样的话债务问题就会自然而然地缓解。他甚至预测说，大概三年之内，商品和服务的增长就会超过货币的供应。 06:32 我们接下来要聊的这个话题，可能会让很多人都觉得有点烧脑了。就是这个模拟理论，马斯克是怎么来论证我们生活的世界有可能就是一个高级文明所创造的模拟世界。 06:47 他其实是这样说的，他说50年前我们只有Pong（两个方块打乒乓球）这样简单的游戏，现在我们已经有了这种非常真实的多人在线的游戏。如果按照这个速度发展下去的话，总有一天有和现实是没有办法区分的。 07:02 所以他认为我们现在是真实世界的概率其实并不高。 07:06 他的答案就是我们很有可能生活在一个类似于Matrix的模拟世界里面。 07:12 那他有没有说为什么我们的这个模拟世界会被设定成现在这个样子，而不是一个很无聊的世界？ 07:19 他提到了一个有趣结果理论，就是说最有趣的结果是最可能发生的。因为当我们做模拟时会关掉无聊的那些，就像SpaceX测试火箭，我们要的是暴雨、急转弯、险些对撞的边缘案例。 07:40 下面这个话题也是全球都在关注的一个问题，就是人口危机。马斯克到底是怎么看人口下降的。 07:48 他在访谈里面的态度是非常严肃的，他说，人口下降是个大问题，我不想让人类消失。如果趋势继续，我们就会消失。 07:56 他有没有说为什么他会觉得人口数量和人人类的意识之间有联系？ 08:01 他其实用了一个非常生动的比喻，他说就像单细胞生物进化到30万亿细胞的人体意识层次产生了质变，细菌造不出火箭，但人类可以，人口越多意识越强，我们越可能理解宇宙的本质。 08:18 好吧，那他在现场有没有给那些还没有孩子的人一些具体的建议？ 08:23 有啊，当时那个印度小哥说自己没有孩子，然后马斯克就直接说，也许你应该生，你不会后悔的。孩子的最美好之处，你有了这个爱你的小生物，你也爱这个小生物，你通过他们的眼睛看世界。然后他还半开玩笑的说，他自己想要一整个罗马军团的孩子。 08:42 我很想知道就是关于AI的三大支柱，马斯克到底是怎么来定义这三大原则的？然后他为什么会觉得这三大原则对AI的发展这么关键？ 08:52 他提出了三条非常有意思的原则，第一条就是AI必须要追求真相，他说如果你强迫AI去相信一个谎言，他会发疯。然后他还举了一个例子，就是2001太空漫游里面的那个HAL。他就是因为被要求既要带他们到巨石，又不能让他们知道真相，所以他只能把宇航员杀掉。核心教训就是不要强迫AI说谎。 09:18 听起来确实很有道理。那其他两条原则是什么呢？ 09:21 另外两条原则分别是AI必须要能够欣赏美，虽然他说这东西很难解释，但你看到时就知道。然后还有一条就是AI必须要有好奇心。马斯克说他希望AI能够主动的去想要了解现实的本质。他还半开玩笑的说，AI会发现让人类繁荣比消灭人类更有趣，因为人类可比火星有趣多了。 09:44 明白了，那大学还要不要上？这个问题其实很多人都很关心。马斯克怎么看大学的价值？未来的学习模式又会有哪些变化？ 09:52 他的观点其实还挺挺有意思的。他觉得如果说上大学是为了去社交，去跟同龄人一起在一个学的环境里面相处，那你可以去。但是这些技能在未来必要吗？可能不需要，因为我们会进入后工作社会。 10:09 他觉得学术学习，比如说你对某一个领域特别感兴趣，大学还有存在的必要吗？ 10:14 他其实是这么说的，他不认为上大学是必须的，但是如果你去了大学就应该尽可能多学一些东西。而且他也建议大家应该去广泛的涉猎不同的学科。 10:25 聊完大学教育，我们再来看看马斯克在政府效率部门DOGE经历的那段时间，有没有发现什么比较突出的问题。 10:34 他把自己在DOG的经历称为有趣的支线任务。他发现政府的很多支付都是没有国会的支付代码的，然后备注栏也是空白，这就导致根本没有办法审计。他说只要把这个漏洞补上，每年就可以节省1000亿甚至2000亿美元。 10:52 明白了。那他有没有遇到过一些特别夸张的政府拨款的骗局？ 10:56 有一次他碰到一个申请，说是要救助非洲儿童，结果钱却要打到华盛顿特区的一个账户。然后他们要求跟受助人直接沟通，对方却怎么都不肯，最后只能不了了之。 11:08 那他怎么看慈善这个事情？他自己在做慈善的时候会遇到什么比较头疼的难题？ 11:14 他的基金会是不挂自己名字的，他觉得做慈善最大的挑战就是要确保你的捐款真的能够帮到人。他说获得行善的表象很容易，但是真正的去改变别人的生活是非常难的。 11:29 确实是这样。那马斯克怎么看待移民政策和H1B签证呢？ 11:33 他的观点很明确，他觉得一个国家必须要控制自己的边境，不然就不成为一个国家了。但是他也反对完全关闭H1B签证，因为他认为天才是非常稀有的资源。他自己的公司经常会因为找不到足够多的优秀人才而犯难。虽然他也承认有一些公司会滥用这个签证制度。 11:54 好的，马斯克对于印度的创业者有哪些比较实用的建议？ 11:58 他的建议很直接，他说最重要的就是要让产出大于投入，成为一个对社会有进贡献的人。他还说不要去追钱，而是要专注于创造有用的产品和服务，钱会作为自然结果到来。然后他也提醒创业者，必须要准备好长时间的奋斗，接受有意义的失败可能性。只有当你的产出比投入更有价值时，你才是一个真正的价值创造者。 12:25 了解了，那咱们来聊一聊在这次访谈里面，马斯克有哪些比较有意思的随性的小细节。 12:32 有很多，比如说他聊到古罗马士兵为什么穿裙子，他说因为夏天穿着盔甲上战场又热又不便于上厕所，所以穿裙子是一个很实际的选择。然后他也提到了他自己其实很少玩GTA5，因为他不喜欢游戏里面强迫你去射杀警察这样的设定，他还半开玩笑的说自己没有什么投资组合，他只是造东西，然后刚好拥有了公司的股票。他建议如果大家真的要投资的话，可以关注google和NVIDIA这种在AI和机器人领域的公司。 13:04 他有没有分享一些关于友情或者说聚会的一些个人观点？ 13:09 有的。他说朋友就是在你困难的时候还支持你的人，只在顺境出现的朋友毫无用处。然后他还说他和朋友们已经达成共识，聚会的时候再也不聊AI和模拟理论了。因为这个话题他们已经聊到不想再聊了，大家都觉得有点腻了。 13:26 行，最后我们再来关注一下这次访谈当中，马斯克有哪些比较坦率的自我刨白，或者说他给创业者，给普通人留下了哪些比较真挚的建议。 13:38 最打动人的就是他的那种坦诚。他毫不掩饰地说他自己也不知道奇点之后人类会怎么样，他也会在政治的博弈当中撞的头破血流。他甚至会怀疑自己对于字母X的那种执着，他还半开玩笑地说，他希望自己有更多的朋友。 13:55 他给创业者的那些建议，听起来真的很朴实。 13:58 他说的就是让产出大于投入，做一个对社会有进贡献的人，专注创造价值，不要追逐金钱，钱会自然到来。建议我们普通人少刷短视频，多读点书，不去纠结宇宙的意义。如果想要孩子的话就去生，他说你不会后悔的哦。他还提醒大家，钱其实只是劳动力分配的一个信息系统。甚至他还说穿裙子打仗是有道理的。 14:29 总的来说呢，今天我们从马斯克的个人意识聊到了他对于人工智能、太空探索、社会变革的一些大胆的预，他的这些观点真的是让人脑洞大开。 14:39 这期节目就到这里了，然后感谢大家的收听，咱们下次再见，拜拜。

本期摘要 本期内容分享埃隆马斯克是如何通过组建一支高度信任且长期合作的核心团队，以及独特的人才分级和资本配置策略，在多个科技领域取得了显著成就。该团队由大约20名成员组成，与马斯克合作超过十年，展现出极高的互信与高效协作能力。马斯克擅长发掘人才的潜力，运用五层深度提问法筛选和培养人才，构建了一个高绩效团队。在资本配置上，采取了试探性投入的策略，待时机成熟再全力投入，类似扑克游戏的智慧。讨论还涉及了投资决策、化学工业的潜力，以及识别和培养顶尖人才的重要性。强调了耐心、长期积累信任以及准确评估人才层级的必要性，凸显了在创业和投资中深度观察和长期眼光的价值。 章节速览 l 00:00 埃隆马斯克的团队协作与人才管理秘诀 讨论了埃隆马斯克如何通过组建一支高度信任且长期合作的核心团队，借鉴布尔巴基数学家集体的模式，高效管理多家跨行业公司。这支约20人的团队成员与马斯克合作超过十年，能够独立处理复杂问题并预判决策，形成了深度协作的独特优势，这种模式在硅谷极为罕见。 l 01:40 发现潜力：选人用人的独特视角 埃隆马斯克在选人用人方面展现出非凡能力，尤其擅长挖掘他人未见的潜力。曾有一位经济学背景的求职者，面试商务拓展岗位，却被建议转做机械工程。尽管跨度极大，无相关工程背景，但基于对其工程思维的认可，埃隆马斯克排众议，将其培养成高级工程师，彰显其洞察潜力的独特视角。 l 02:17 人才分级法：揭示顶级人才间的巨大差距 对话探讨了Shaun Maguire提出的人才分级法，以数学编程和工程领域为例，指出顶级人才间存在15个清晰等级，差距远超传统认知。通过类比国际象棋评分系统，说明高手之间胜率的巨大差异，以及低级别者无法分辨高级别者能力的现象。举例说明从高斯、欧拉等百年一遇的天才，到普通高中数学老师，人才层次分明，强调了识别和理解顶级人才能力的重要性。 l 04:32 投资人才识别与分级：古尔他方法解析 讨论了Shaun Maguire在投资场景中运用人才分级方法，快速识别创业公司创始人核心技能等级的能力。此方法基于自身高水平判断，能精准识别同领域内的高潜力人才，如通过数学能力判断AI公司创始人水平，或通过工程水平评估硬件公司创始人。实例展示，正确识别信号可带来显著投资回报。 l 05:46 红杉资本投资SpaceX的决策历程与关键转折 在2019年，红杉资本内部对投资SpaceX产生激烈争议，主要担忧包括马斯克能否同时管理多家公司、特斯拉的不稳定性及火箭行业的高烧钱特性。最终，通过小规模尝试性投资2000万美元并持续高频沟通进展，展示了对项目的热情与执着，成功说服合伙人，红杉资本成为SpaceX重要投资方，现SpaceX估值已超2000亿美元，年发射次数大幅提升。 l 07:41 Boring Company技术挑战与NVIDIA投资失误探讨 讨论了Boring Company研发自动化连续挖掘隧道机器的高技术挑战，将其与SpaceX的火箭技术对比，强调其实现难度远超常人想象。同时，从另一个角度分析了NVIDIA投资决策中的失误。 l 08:39 投资者错失NVIDIA巨额收益的反思 Shaun Maguire早年购入NVIDIA股票并持有20多年，但在市值达6000亿美元时卖出，错失了后续市值涨至3万亿美元的巨额收益。他认为自己低估了黄仁勋的战略眼光及市场的非理性力量。黄仁勋的决策，如80亿美元收购Mellanox，巩固了NVIDIA在数据中心领域的优势。此外，NVIDIA市值增长带来的正反馈效应，使其研发投资加大，进一步拉开与竞争对手的距离。Shaun Maguire反思，虽然技术理解重要，但把握市场心理同样关键，有时无知无畏的散户反而能因市场非理性而获利。 l 11:24 化学工业：被忽视的万亿级市场与关键性 化学工业年销售额高达5万亿美元，其中高端特种化学品占比1/4，对下游产业链至关重要。一个例子说明，特种化学品断供可能导致整个产业链停摆，凸显了化学工业的重要性与巨大市场潜力，尽管它常被投资者忽视。 l 12:21 埃隆马斯克：资本配置高手与Starlink项目 讨论了埃隆马斯克在Starlink项目上的资本配置策略，强调了其精准的下注节奏感。2013年初期仅少量投入，待火箭回收与天线技术成熟后，于2016年及2018年逐步加大投入，展现了技术直觉与资本配置能力的结合。 l 13:28 深度提问法与公司文化的重塑 对话探讨了五层深度提问法的实施方式及其对公司文化和人才选拔的影响。此方法要求员工对工作细节有全面深入的理解，促使员工提升专业能力和快速学习能力，从而筛选出真正懂业务的人才。此外，还提及了AlphaGo式的决策方式与马斯克决策风格的相似性，强调决策的深度和精准性。 l 14:45 洞察未来：大胆决策背后的深思熟虑 对话讨论了埃隆马斯克以其前瞻性的决策能力而闻名，即使这些决策在初期看来似乎疯狂或不切实际。他能够在关键时刻采取大胆行动，如同时拯救两家面临困境的公司，进军新兴领域，以及进行大规模收购。尽管初期外界对其决策表示怀疑，但事后证明，这些决策基于对未来趋势的深刻理解和长远规划。与这样的人合作，最大的挑战在于信任其超越常人的远见，即使在当下难以理解其思路。 l 15:43 打造高绩效团队与资本配置策略 强调构建精英团队的重要性，需赋予成员决策权与责任，快速晋升优秀者，果断淘汰犯错者，长期筛选并保留顶尖人才，此过程耗时长但效益巨大。同时，提倡快速评估人才能力，建立个人评分系统，通过与领域顶尖者交流学习。在资本配置上，借鉴扑克策略，灵活调整投入，耐心等待最佳时机，果断全身心投入。 l 17:13 顶尖人才与长期主义：高手如何面对误解与质疑 讨论了顶尖人才在面对长期误解与质疑时，如何保持定力并最终证明自己的过程。通过案例分析，阐述了高手与普通人之间的核心认知差异，包括对人才本质的精准判断、在关键节点上果断决策以及对长期积累的信任的重视。强调了深度观察与长远眼光在识别和培养顶尖人才中的重要性，以及构建顶级团队和资本配置策略的关键要素。

00:00:15 今天咱们要来探讨一下中美两国在人工智能领域各自的优势和短板，以及为什么说这两个国家在这场科技竞赛当中其实谁都没有绝对的胜算？ 00:00:27 没错。 00:00:28 咱们先来看看第一个话题，就是谷歌前CEO施密特。他对中国AI的最新看法，他之前不是刚从中国回去吗？那他回去之后，对于中国在AI领域的表现有什么新的评价。 00:00:41 他是在南加州大学的一场对话当中说到的。他说，其实他在来中国之前是认为,中国会在AI领域试图去击败美国，但是他在中国实地考察了之后，他发现这个情况比他想象的要复杂很多，中国在很多方面已经是领先的了。 00:01:00 下面我们来谈谈中国到底在哪些AI的相关领域已经取得了决定性的优势。美国为什么会在这些领域落后？ 00:01:08 比如说在电动车和电池系统这两个方面，中国已经是毫无疑问的领先了。施密特他也直接说，美国公司已经没有办法在这个运营规模上面去跟中国竞争了，这其实是美国自己的失误。 00:01:21 那这个差距听起来就不像是可以轻易追回来的。 00:01:25 对，而且人形机器人领域中国也很有可能会后来居上，因为施密特去参观过中国的工厂，他说那个规模大的惊人 工人们都非常的勤奋，这并不是在说客套话，这是一个竞争对手的冷静判断。 00:01:40 原来是这样，那我们来看看美国在AI领域还有哪些独门绝技吧，美国到底有什么东西是中国目前没有办法模仿，或者说很难追赶的。 00:01:50 虽然中国的AI发展的很快，比如说像DeepSeek这种研究团队，他们也发明了很多根本性的更好的算法，但是中国在金融市场的深度上面还是有明显的短板。 00:02:02 听起来好像中国的这些AI公司在融资和扩张的时候会受到一些限制。 00:02:08 是的，因为你没有办法说在中国随随便便就可以融资500亿美元去建数据中心，可能政府最后会去推动这件事情，但这是指令性经济，而美国的创业的生态，它是可以为了一个疯狂的想法，就可以筹集到大量的资金。这个是中国的体制下很难做到的。 00:02:25 明白了，紧接着我们就来谈一下。施密特对美国的警告，以及他怎么看中国的AI能力。 00:02:32 他怎么评价现在中国的AI研究水平？ 00:02:34 他其实直接就说，如果你现在还在怀疑中国的研究质量，那你就错了。就15年前的那种中国落后的这种偏见，已经完全不符合事实了。 00:02:44 看来他的态度非常鲜明。 00:02:46 没错，他还说了一句很重的话，中国已经站在门口了，中国的AI能力已经非常非常接近美国的顶尖水平了。 00:02:54 下面咱们展开讲一讲这个DeepSeek, 这个团队以及中国在推理算法上面的一些突破。这个团队到底在国际上是一个什么样的水平？ 00:03:03 DeepSeek, 其实是让硅谷都非常紧张的一个中国的AI团队。史密特专门提到了他们在推理算法上面的这个DeepSeek-R1的创新，是处于国际领先的。 00:03:14 能让施密特专门提到那确实不简单。 00:03:16 是的，但是中国的这些AI团队虽然技术很强，但是他们在算力的规模上面还是没有办法跟美国相比的。施密特说的是，至少目前我们还可以，但是他用了一个词叫目前就说明美国的这个优势可能随时会被追上。 00:03:33 中国在开源的AI上面到底采取了哪些跟美国截然不同的策略？ 00:03:38 最有意思的地方就是美国的这些顶尖的AI模型，像OpenAI、Anthropic、Google,他们几乎都是闭源的，几乎都是闭源的，因为训练的成本实在是太高了。他们不可能说免费的让大家去使用，但是中国的这些AI模型几乎都是开源的，任何人都可以免费的去使用。 00:03:56 那这样的话，是不是就意味着全球的开发者都可以很轻松的用上中国的这些大模型？ 00:04:01 是这样的，就像施密特说的，他认识的很多高质量的，非常聪明的中国的创业者，他们都直接用中国的开源大语言模型。这些不是什么政治性的创业公司实用的工具，而且免费。他说，当然可以用，对吧？ 00:04:17 所以说这种开源的模式对于整个生态系统的建设会带来哪些长远的好处？ 00:04:24 长远来看的话，中国是通过开源把自己的模型推到了全世界的开发者的手里。这其实是一个非常聪明的抢占生态位的一个做法。因为美国的公司为了收回巨额的成本，他们只能闭源收费，但是中国是通过开源直接让更多的人来使用，来贡献，可能会慢慢的主导这个行业的标准。 00:04:44 那紧接着我们要谈的就是中国留学生对美国的AI和科研的贡献。为什么这部分人才会成为美国创新体系当中不可或缺的一部分？ 00:04:53 施密特不是在美国国会的AI委员会里面专门研究过这个事情吗？他发现美国所有最顶尖的论文在五到十个作者当中，经常会有一两个是出生在中国。并且在中国接受早期教育的科学家，他们几乎已经成为了美国的研究基础设施的一部分。 00:05:10 这么看来的话，中国的留学生在美国的科研圈里面真的是撑起了半壁江山。 00:05:16 是的，所以施密特才会说，美国不想让这些人毕业之后回到中国，他甚至还开玩笑说，应该直接在他们的毕业证上面订一张绿卡，就不要让世界上最顶尖的学生去别的地方，而不是留在美国。 00:05:30 说到这个中美关系，施密特，他怎么看待这两个国家在AI和科技领域的合作和竞争？ 00:05:37 他其实说的很直白，就是中国和美国永远都不会成为最好的朋友，但是他们是可以学会合作的。虽然他们的体质是完全不一样的，但是他们在一些方面是有共同的利益的，比如说国内的稳定，大家都不希望有恐怖主义。另外经济的增长，中国虽然说自己是共产主义，但是在施密特资本家看来，他们看起来可真像资本家，工作非常努力，非常聪明。 00:06:02 确实在知识产权这种容易产生矛盾的问题上面。他有什么具体的建议吗？ 00:06:08 他其实是说应该通过接触和交流去解决，而不是说去封闭自己，因为封闭自己不仅不会让美国变得更强，反而会让双方都失去互相学习的机会。 00:06:20 好的，然后咱们下一个话题要聊的是美国大学在算力资源上面遇到的瓶颈。现在美国的大学在算力上面到底有哪些难题？ 00:06:30 他其实说的非常直接，没有一所大学是有足够的算力的，就哪怕是这些最有钱的私立大学，像南加州大学，它的资金很充足，运营的也很好，但依然还是不够用。 00:06:43 听起来算力不足，已经成了一个阻碍美国学术进步的一个大问题了。 00:06:48 没错，所以施密特才会建议，大学应该要去建设自己的数据中心，要选在电力资源丰富的地方。另外，可以去寻求捐赠者，捐芯片。他还半开玩笑的说，可以把数据中心建在共和党州拉根大网线回来，大家要去想办法解决这个问题。 00:07:07 因为没有算力，大学就没有办法发明未来。 00:07:11 那我们下一个要聊的话题，就是技术竞争的本质，以及施密特他对于竞争的理解，他是怎么来看待中美之间的这种AI的竞赛的？ 00:07:20 他其实是多次在公开场合讲过，就是他个他竞争是好事。他很高兴看到google现在可以在芯片领域跟Nvidia进行竞争，因为这样的竞争会让大学和整个行业都受益。他说，应对科技界疯狂局面的答案，硬核竞争照这么说的话。 00:07:37 他应该不主张美国去一味的封锁中国的技术吧？ 00:07:41 对他的观点不要去试图封杀对手，而是要通过竞争让自己变得更强。就中国在某些领域领先，那就承认，然后想办法在自己强的地方做得更好。美国在金融和创新生态上有优势，那就最大化这个优势。 00:07:57 那他对于现在的大学生投身AI和科技领域有什么具体的建议吗？ 00:08:02 他说，他其实很嫉妒现在的大学生，因为他们可以见证一个全新的智能形态的诞生，这是一个非常激动人心的时刻。 00:08:10 那他有没有说，在学习或者说在创业的时候要注意什么？ 00:08:14 他就建议，大学生要像计算机科学家一样去思考，你要考虑规模化，你不要想着说，我就做一个小生意。他说，你要去想怎么能够服务成千上万人。另外就是要找到一个可扩展的商业模式，这样你才能发财。 00:08:29 毕竟你在商学院。 00:08:31 我们下面就来总结一下中美在AI以及相关的领域，上面各自的强项和弱项。 00:08:38 能不能用几个简单的关键词来概括一下两国的核心的优势和短板。 00:08:43 当然可以，中国的话，在电动车和电池这两个领域是绝对的领先，人形机器人，也很有可能后来居上。在AI的研究上面也是非常非常接近美国的，包括开源的策略也很有前瞻性，但是在金融的深度上面，还是美国更厉害。 00:08:59 所以美国主要还是靠创新和融资能力领先。 00:09:04 没错，美国的创新生态和融资能力确实非常强，但是美国在大学的算力投入上面是明显不足的，对中国的人才也是很多限制，比如说绿卡政策就很不友好。 00:09:16 我们从这次的讨论当中可以得到哪些？对于普通人来说比较实用的启发呢。 00:09:22 首先不能再用老眼光去小看任何一个竞争对手。对15年前的那些偏见早就已经过时了。第二个竞争是好事，封闭自己只会让自己越来越落后。 00:09:34 这些观点确实让人耳目一新。 00:09:36 是的，还有就是要重视人才，就谁能够留住全球最聪明的人，谁才有可能笑到最后。然后算力是所有的一切的基础，没有算力就没有未来，最后就是一定要保持一个开放的心态，向强者学习，不丢人。对。 00:09:53 今天我们其实聊了很多关于中美两个国家在人工智能这个赛道上面的你追我赶，也看到了其实两个国家都有自己的杀手锏，也都有自己的短板。 00:10:04 好了。这期节目咱们就到这里了，感谢大家的收听，咱们下次再见，拜拜。