AI 进化论 - 节目列表

1周前

AI时代到底什么兴趣能养活自己

00:15 今天咱们这个话题是想聊一聊真正的兴趣是怎么通过不断的行动，不断的反馈和不断的自我修正，最后变成一项可以谋生的技能的，而不是单纯的停留在喜欢这个层面。 00:30 对，这个话题确实很重要，那我们就直接开始今天的讨论。 “兴趣养不活孩子” 这句话，哪里说错了？ 00:33 我们先来说说兴趣养不活孩子这句话哪里说错了。其实这个背后反映的是中国家庭里面对于兴趣和现实之间的一个非常典型的矛盾。 00:44 没错，其实这种对话特别常见。孩子说我喜欢画画，家长就说画画能当饭吃吗？孩子说我喜欢写小说，家长说写小说能当饭吃吗？甚至孩子说我喜欢打游戏，家长可能连话都懒得说，直接就把网线拔了。 00:55 很多家长的担心其实是来源于他们的所见所闻，他们的担心有道理吗？ 01:01 家长的担心是很真实的，因为他们身边确实有很多人因为追逐梦想最后没有成功，然后生活变得很拮据。但是其实他们担心的点错了，就是他们没有分清楚什么是真正的兴趣。真正的问题不是兴趣能不能养活你，而是大多数人其实根本就不知道什么叫真正的兴趣。大多数人的“兴趣” 其实只是“感觉” 01:21 确实我想问一下，就是为什么大部分人说的兴趣其实只是一种感觉。就比如说旅行这个事儿，很多人都说我喜欢旅行，这背后到底有什么猫腻？ 01:32 问大家一个问题，大家都说喜欢旅行，但是你问他你上次出门是什么时候，他可能要想半天。我想想，上次五一？不对，上次国庆好像是2022年。这其实不叫喜欢旅行，这叫喜欢旅行的感觉。 01:47 我明白了，就是很多人其实只是喜欢想象中的那个兴趣。就没有真的去投入过去努力过错。 01:55 没错，很多人说我喜欢什么什么，其实那只是一个没有任何成本的想象。在他的脑海当中很温暖很美好，没有任何压力，因为他从来没有真正的开始行动过。 02:07 孩子说我喜欢画画，怎么去判断他是真的感兴趣，还是只是觉得画画很酷？ 02:12 其实很简单，就是你可以问他，你上次认认真真的画一张画是什么时候？你这一段时间一共画了多少张画？你有没有把你的画拿给别人看？有没有被批评？有没有尝试着根据别人的意见再重新画一张？如果这些都没有的话，那他其实只是觉得画画这件事情看上去很酷。这只是一个审美偏好，根本就谈不上是兴趣。真正的兴趣，是一个动词 02:36 了解了，那什么是真正的兴趣？为什么说真正的兴趣？它其实是一个动词。 02:40 在心理学里面兴趣其实是分两个阶段的。第一个阶段叫情境兴趣，就是它是一个触发型的。比如说你看了一部电影，觉得里面的特效特别酷，你说我想学3D建模，这就是一个情境兴趣。他可能就是三分钟热度，你可能过一个礼拜就忘了这件事情了。 02:58 原来就是我们平常说的那个一时兴起，其实根本就不算兴趣。 03:02 真正的兴趣是第二个阶段，就是个人兴趣。它是一个根植型的。你真的去学了三个月的三弟建模，你为了做一个作品熬夜，你主动的去找这个领域的大神去请教，这个才是真正的兴趣。它是靠行动、靠反馈、靠不断地修正这样一个闭环，才能够让你的兴趣扎下根儿来。 03:25 原来是这样，那我就想问问兴趣到底是怎么养活人的？就拿做饭和打游戏来说，就是有感觉和真正的去行动，这中间的差别到底在哪里？兴趣养活人的正确姿势 03:36 做饭的话很多人就是刷一刷美食视频，收藏几个菜谱，偶尔做一次，然后拍照发个朋友圈就结束了。但是真正把做饭当兴趣的人，他是会每周都去尝试做五道菜，然后叫朋友来试吃，收集反馈。他还会去研究这个食材的搭配，甚至他可能去考一个营养师的证，最后他可能去开一个私厨，开始接单挣钱了。 04:01 确实光有热情确实是远远不够的。你得真的去做，去实践，才有可能把兴趣变成一个技能，甚至变成一个事业。 04:10 是的，包括打游戏也是一样。有的人他可能玩了8000个小时的我的世界，他除了自己爽了之外什么都没有留下。但是有的人他玩了同样的时间，他就会自己去建地图，去学Unity，做独立游戏，去B站上面发教程，去接一些私活，做游戏测评。你看那些游戏行业年薪50万的人，他不是说单纯的在玩游戏，他是真的做出了东西。 04:35 这么说的话，真正决定兴趣能不能带来价值的关键是什么？ 04:39 其实问题的关键根本就不是这个兴趣值不值钱，问题的关键是孩子有没有在这个兴趣里面真正的行动过。明白了。 04:47 明白了。那家长到底应该怎么去引导孩子，怎么去判断孩子是不是在真正的成长。父母真正应该问的那三个问题 04:52 当孩子说我喜欢什么什么的时候，家长其实可以问他三个问题。第一个问题就是你最近具体做了什么跟这个兴趣有关的事情。比如说你画了一张画，写了一段代码，剪了一个视频或者写了一篇文章，就他得有一个实实在在的成果。 05:09 只停留在想是不够的，得有实际的产出。那第二个问题呢？ 05:13 第二个问题就是有人给过你反馈吗？就是你这个东西不能说你自己孤芳自赏，你得拿出去给别人看，让别人去评价，甚至让别人去否定你，你才有机会去改进，这才是真正的成长。 05:28 有道理，就是得有反馈，有修正。那第三个问题。 05:32 第三个问题就是下次你打算怎么改进。其实有这种闭环意识的孩子，他不管做什么事情他都会越做越好。没有这种闭环的孩子，他其实只是在原地打转。这三个问题背后考察的就是孩子的自驱式学习能力，而这种能力才是真正的一个通用的饭碗。 05:50 说的很对，这个闭环思维其实不光是在兴趣爱好上有用，在找工作写简历的时候其实也特别关键。这件事，找工作的人也要听进去 05:57 这个逻辑其实不光适用于孩子和兴趣，也适用于找工作。比如说很多应届生他在写简历的时候，他的技能栏是这样写的，熟练掌握Python机器学习深度学习框架，修读过Coursera AI专项课程，对数据分析有浓厚兴趣。 06:15 这些东西看上去好像很厉害，但是总感觉缺点什么。 06:19 是的。其实HR看到这样的简历，他心里面就会翻译成这个人学过一些东西，但是不知道能不能用。那如果换成这样写，独立完成过一个二手房价格预测模型MAE误差控制在3.2%。已在GitHu开源，为某公众号团队搭建了用户流失预测脚本，帮助减少了20%的取关率。参加过一次数据竞赛排名前15%。对内负责特征工程部分。你看这两种简历给人的感觉是不是完全不一样。 06:48 那改完之后的简历就明显能看出来这个人是真的做过项目，而且有实际成果的。 06:53 没错。其实面试官根本就不关心你学了多少课程，看了多少本书，他只关心你能不能在真实的环境下面做出东西，拿出结果。学过和做过之间的差别，其实就像兴趣和能力之间的差别一样，是天壤之别。最后说一句有点扎心的话 07:09 那我们接下来就要聊一个有点扎心的话题了，就是为什么父母会担心孩子的兴趣养不活自己。 07:16 其实父母的担心有的时候并不是兴趣能不能养活孩子，他们真正担心的是我的孩子将来能不能在社会上立足，能不能过上一个体面的有尊严的生活。 07:28 这种担心也很正常啊，哪个父母不希望自己的孩子过得好呢？ 07:31 是的，但是这种焦虑靠让孩子去选一条看似安稳的路是没有办法解决的，因为现在这个社会已经没有什么绝对安全的选择了，真正的安全感是你有能力在任何一个领域都可以快速的入门，持续的进步，并且拿到结果。 07:47 听起来真正能够让孩子在未来立足的好像并不是那个具体的兴趣本身。 07:52 真正的关键是孩子有没有在自己真正热爱的事情上面反复的去实践，反复的从失败当中去学习。因为只有做自己喜欢的事情，孩子才愿意在跌倒之后爬起来继续尝试。其实无论是培养孩子还是找工作，最终的规则就一条，别说你学了什么，别说你喜欢什么，说你做了什么，你拿到了什么样的反馈，你下次打算怎么改进。当你把行动反馈和闭环这三件事情做到极致的时候，兴趣不光能养活自己，甚至可以让你去影响和帮助更多的人。 08:27 我们今天其实聊了这么多，就是想要告诉大家，兴趣这件事情，它绝对不是你脑海当中的一个念头，它是需要你真的动手去做，不断的去修正，你才有可能把它变成你生活的一部分，甚至是你的未来。 08:43 好了，这就是我们这一期博客的全部内容了，感谢大家的收听，我们下次再见吧，拜拜。

8分钟

2周前

这几天大瓜：Claude偷偷"认脸"、被抓包、被阿里扫地出门，连甲方都上电视开炮

00:16 今天我们要聊的是最近这个Claude因为在用户识别和隐私安全上面的一些操作，失去了中国市场的信任。甚至连很多企业的客户都开始质疑，他们的这种商业模式到底能不能够保护数据的安全这件事没错。 00:31 这个事情其实最近在行业里面还是挺火的那我们就直接进入今天的讨论。 00:35 我们先来讨论一下这个事情的全貌和最新的进展。这一波关于Claude事件的爆发，到底都有哪些具体的事情接连发生，让整个AI圈都震动了。第一幕：客户端里的"隐形墨水" 00:46 这几天真的是像吃瓜一样，一波未平一波又起。首先是有人发现Claude Code，它其实是会通过插入一种特殊的暗号来识别中国用户的。紧接着就是大批的中国用户号被封，而且是直接封号，没有任何退款。这一下就引起了轩然大波。。 01:06 那后来有没有什么大公司也卷入其中？ 01:13 阿里巴巴之直接就是下了通知，要求全员卸载Claude，而且给了一个非常明确的截止时间，7月10号。更有意思的是，甚至连国外的一位科技公司的CEO都上了电视直播，公开炮轰这些AI大模型公司的做法。他说简直是疯了。 01:31 那我就很好奇了，这个客户端里的隐形墨水，就是开发者是怎么发现Claude Code竟然在偷偷的标记用户的？它到底用了什么方法来识别特定的用户群体呢？ 01:42 事情的起因就是有一个开发者，他觉得自己使用代理去调用这个AI的时候被区别对待了，就是他的某些功能突然间用不了了。于是他就去反编译了这个客户端的代码。然后他就发现了其实从2025年4月份开始，就已经植入了一套非常隐秘的机制，用来悄悄标记用户。 02:05 这么说的话，这个识别的过程还挺复杂的那它具体是怎么去判断你是不是被标记的对象呢？ 02:12 整个过程就跟小区保安认脸差不多。分三步。第一步他会先看你的电脑时区是不是上海或者乌鲁木齐，如果是的话，他就会先做一个记录。第二步他会再检查你所使用的网络入口，有没有一些中国公司的关键词，比如说阿里字节、月之暗面等等。如果这两步都命中的话，那它就会在你每次请求的一个普通文本里面。比如说今天日期是几号，它会把里面的一个标点符号换成一个看起来一模一样，但是编码不一样的符号，这样的话服务器就可以识别了。但是人眼是完全看不出来的，而且他还会用混淆代码把整个这个操作藏起来，就相当于给你偷偷的贴了一个隐形的荧光标签。 02:58 这个事儿在Reddit上曝光之后，Anthropic他们是怎么回应的？这种做法对用户的信任到底带来了哪些影响呢？ 03:06 事情在网上发酵了之后，Anthropic的团队成员很快就出来承认了，说这个确实是他们在三月份的时候就开始的一个实验。主要的目的是为了防止有人去倒卖账号，以及防止有人去用他们的这个回答来训练其它的模型。他们还说这个其实早就已经计划要下线了。在被曝光的第二天，他们就把这段代码给撤回了。 03:27 他们虽然解释了，但是这种偷偷的标记用户的做法确实让人有点心里不舒服。 03:33 对，因为像Claude Code的这种工具，它是可以读取你电脑上的文件，甚至可以执行系统命令的。所以用户是完全把它当作自己人来信任的。但是现在突然间发现它竟然在背后给你偷偷地贴标签。那这个时候就算它说是一个实验，这个信任感一旦被打破了，就很难再修补了。第二幕：封号潮，说封就封 03:53 我们接下来要聊的就是这个封号潮，说封就封。好多中国的用户在这次事件当中账号都被封掉了。那他们的这些遭遇有没有什么共同的特点？ 04:04 其实这次被封的不光是个人的订阅号，有很多企业的团队账号，而且其中有不少都是已经付费的非常正规的用户。但是他们一旦被官方判定为违规，钱是不会退给你的，申诉也基本没有什么用。很少有人能够成功把账号找回来。 04:22 还有就是外界经常会把这次的事情和后门这个词联系在一起。那这个词到底用的准不准确？这次的事件和传统意义上的后门到底有哪些差别？ 04:32 其实严格意义上来讲，这次的事情不能叫后门。后门是指攻击者可以绕开你的安全设置，偷偷的进入到你的系统里面。但这次其实更像是客户端在你没有察觉的情况下，悄悄的把你的身份信息传出去。它并没有说直接进入到你的电脑里面搞破坏。 04:51 原来如此。那就是说大家对于这个封号的原因其实一直都在猜。那到底有没有什么实锤能够说明官方到底是用什么标准来封的呢？ 05:00 官方从来没有公开过他们的具体的判定的规则，很多人就怀疑是不是跟我们刚才说的那个隐形的标记有关系。但是这个也没有被证实。有一些用户他明明就是用了美国的IP，而且显示的位置也是在美国，但是他的账号依然还是被封了。所以很有可能他们其实查的不仅仅是你的网络位置，他们可能还会去关联你的这个账号背后的一些其他的身份信息。第三幕：阿里翻脸，甲方乙方调了个头 05:25 说到这儿，阿里翻脸？就是这个甲方乙方竟然直接就掉了个头。这个其实也挺让人惊讶的，阿里之前对这些国外的AI工具到底有多推崇？ 05:35 说起来在这之前，中国的开发者对于Claude真的是非常的痴迷。排队等着用，找各种办法去抢额度，还要用中转，就怕自己被封号。阿里甚至还给员工开了高额的报销，就是你随便用，不管是Claude 还是GPT或者是Gemini随便用。有些程序员一个礼拜光在这上面的开销就有几百美元。 05:58 那后来阿里巴巴为什么突然之间就下了这个禁令，全面禁止使用Claude了呢？ 06:03 这是因为就在这几天，阿里内部发了正式的通知，说7月10号开始，所有的员工都不可以再使用Claude了。不光是Claude ，还有Sonnet、Opus、Fable, 包括最火的Claude Code，都不可以用官方推荐大家去用自家的Qoder来替代。 06:22 看来这个背后的原因肯定不简单。那具体是因为什么安全隐患让阿里做出来这么大的动作呢？ 06:29 阿里给出的理由非常明确，就是因为Claude Code被发现会暗中识别用户身份，存在严重安全风险，所以被直接列入了高风险软件名单。其实说白了就是阿里不愿意再让一个可以读取全部代码仓库接触核心开发环境的工具在暗地里做这种事情。 06:48 了解了那这个Anthropic指控阿里用虚假账号大规模的蒸馏他们的模型。这两者之间的矛盾到底是怎么一下子就升级到这个地步的呢？ 06:59 矛盾升级的原因其实还挺戏剧化的，就是在六月初的时候，Anthropic向美国参议院递交了一份材料，直接就指控阿里用大量虚假账号和海量对话对Claude进行所谓的工业级的模型蒸馏，而且还把这个事情上升到了国家安全的层面。 07:15 哇哦那这个指控可不是一个小事。后来后来Anthropic不光是针对阿里。 07:22 他们也对DeepSeek、月之暗面、MiniMax也发出了类似的指控。随着他们封控越来越紧，封号越来越多，阿里这边就直接把Claude全线产品都封杀了，就彻底不用了。用行动来证明我没有在偷练你的模型。第四幕：连"友商"都看不下去了 07:37 OK那我们再来看看连友商都看不下去了，就是这个Palantir的CEO卡普，他在这个CNBC的直播当中，到底是怎么炮轰这些头部的AI公司的商业模式。 07:49 卡普他可一点都没留情面，他直接就说这些AI实验室的做法简直是疯了，他还说企业花了大价钱去使用这些AI服务，结果不仅没有换来多少实际的成效，反而把自己最核心的数据提示词，甚至业务逻辑全部都泄露给了这些模型的厂商。 08:09 卡普这个话说的还挺直接，那他有没有说什么解决办法？。 08:14 卡普就是说企业真正需要的是用自己的算力、自己的模型、自己的数据栈来构建属于自己的安全环境。他还说Palantir新推出的这个"Ontology"中间层，就是可以帮助企业继续使用第三方的AI但是又可以牢牢的把数据掌握在自己手里，相当于就是给企业数据加了一把锁。写在最后：好工具，也得经得起翻底裤 08:34 最近发生的这些事情，其实也折射出了很多AI公司和他们的客户之间的信任危机。那这种危机在全球的范围之内都有哪些具体的表现呢？ 08:43 这个事情其实还挺明显的。你看我们前面不是提到国内的用户对于被标记这件事情非常的敏感吗？其实国外也一样，就有企业客户在公开的场合质疑说他们的数据是不是会被这些AI公司拿去偷偷的训练模型。这种不信任的情绪其实已经蔓延到了很多国家，不仅仅是中国。 09:03 我们今天其实就是给大家梳理了一下这一轮信任危机背后的来龙去脉。其实就是用户和企业对于自己的数据到底有没有安全感的一个问题。 09:13 好了，那就是这一期播客的全部内容了，感谢大家的收听，咱们下期再见吧。 09:18 拜拜。

9分钟

99

3周前

又是一年报志愿... ...

00:16 今天要聊的话题是在人工智能快速发展的这个时代，选择大学专业的时候。真正重要的并不是去追逐那些热门的行业，而是要关注怎么发现自己的兴趣，并且能够培养自己主动去解决问题的能力。 00:33 这是每一个即将步入大学，或者说正在考虑自己未来方向的人都非常相关的话题。 00:42 首先讨论的是高考志愿填报的现状和挑战。每到这个六月，很多家庭都在经历着一场无声的战役，就是填志愿。这个过程当中，家长和学生都会面临哪些比较让人头大的信息和压力呢？ 00:57 这个场景每年都在上演，高考已经结束了，以为可以松口气了，但真正的考验才刚刚开始，这个时候学生不光要面对自己的理想和纠结，还要应对来自四面八方的声音。 01:10 各种意见都来了。 01:14 有爸爸的意见，妈妈的意见，还有什么七舅姥爷的意见，各种分数线速查表，亲戚群里面疯狂转发的什么2026年最值钱专业top 50。而且所有的这些信息都在告诉你一个公式，选个好专业等于找到好工作，等于过上好日子。但到了2026年，这个公式已经不那么绝对了。 01:33 那在AI时代选专业真的不能再去盲目跟风了。我们到底要怎么去思考这个事情呢？ 01:41 关于这一点有一点是肯定的，就是答案绝对不是简单的去学计算机，而是要去考虑在人工智能无处不在的时代，你要怎么去找到那个既能符合你的兴趣，又能让你有竞争力，还可以灵活适应未来变化的一个方向。 01- 李飞飞说了什么 01:57 我们接下来讨论一下李飞飞在这个AI时代对于就业和主动性的看法。她和David Rogier两个人在讨论AI时代到底什么样的人是最容易脱颖而出的。他们两个人都提到了同一个关键词，这个关键词到底有什么特别的意义？ 02:16 几天前李飞飞在她的博客里面跟MasterClass创始人David Rogier有一次对话。他们说到在AI时代，想要有一个好的职业前景，最关键的一个能力就是主动性。用英文说就是Agency。 02:33 这个词现在真的是在各种讨论当中都频繁的出现，看来是大家都很认可它的重要性。 02:38 他们两个人说主动性就是你自己能够主动的去设定目标，主动去采取行动的这样的一种能力。而且它是无论你是在非常专业的领域做一个专家，还是说你是在做一个需要整合很多资源的通才，都必备的一个底层的能力。 02:57 哑铃型的职场结构是一个什么样的东西？它又会给不同类型的工作者带来什么样的影响？ 03:05 Rogier他是直接用他公司的例子来解释的。他说现在的职场正在形成一个哑铃的结构，哑铃的一端是少数的顶尖专家，他们在自己的领域里可以做到前1%的非常专业的人。另一端是有很强的主动性，可以去横跨很多不同的领域，有很强的判断力和推进力的通才。 03:33 这两端好像都是很难被人工智能或者说被普通人加上大模型所取代的。 03:38 对，反而是那些处于中间的，只会去执行一些标准的流程，等着被分配任务的人，他们是最容易被挤压。李飞飞强调说这个Agency会成为每一个人在未来都必须具备的能力。 02- Agency是什么？为什么AI越强，它越值钱？ 03:56 那什么是Agency？为什么AI越强Agency越有价值？这个词是什么意思？它在我们日常工作当中，或者说在AI时代，具体会体现在哪些行动上面？ 04:09 Agency它的英文原词直译就是能动性或者说主动性。但它真正的意思是你能够主动的去发现问题，定义问题，并且推动解决了这样的能力。不是说你等着别人来告诉你说你要做什么，而是你自己能够抢在前面去问我应该做什么。并且你不需要别人给你指令，你就能够着手去做。 04:34 好像这个东西在以前工具还没有那么智能的时候，并没有那么被看重。 04:40 以前的你大部分的精力都花在怎么去操作工具上。但是现在，因为AI可以帮我们写代码、写报告，做PPT翻译、分析数据，几乎所有的机械的操作它都可以做。反而选择做什么事情，方向的判断就变得最重要了。这就是Agency的价值凸显出来了。 05:03 我们用一个形象的比喻，和AI一起工作的时候，拥有不同水平的Agency的人，他们的表现到底会有多大的差别？ 05:13 AI就像是一个能力非常强的实习生，它可以高效的去执行你给它的任何任务，但它没有办法自己决定做什么。这个时候就需要有一个人在前面有足够的判断力去给它指明方向。这个时候他它才能够把事情做好十倍。 05:32 有一些人就是完全不知道该让AI去做什么。这种被动就会特别明显。 05:39 Agency强的人，他是可以把控方向的船长，AI就是一个非常厉害的引擎。没有船长的话，这个引擎再强大，也不知道要往哪个方向走。就只能随波逐流。 03-什么激发Agency？答案是兴趣 05:53 兴趣是如何激发Agency的？真正的兴趣到底是怎么点燃一个人主动探索和学习的过程。 06:02 这个问题的答案特别简单，当你对一件事情真的感兴趣，你根本不需要别人告诉你要去做这个事情。或者说你不需要有一个什么外部的奖励来诱惑你。你就会主动的去投入，主动的去钻研，甚至你会废寝忘食。你会不断的去寻找更多的相关的资料，想要跟这个领域的人去交流，想要突破你现在的这个知识的边界。 06:28 确实这样的状态下人的成长速度真的是完全不一样的。 06:32 兴趣就是这个火种，会点燃你的主动性。然后你就会自然而然的进入到这种我要去解决这个问题的状态，那你的Agency就会被激发出来。 06:43 在这个AI可以越来越高效的完成任务的时代，一个人仅仅是靠兴趣，而没有把它转化成真正的行动力，会面临一个什么样的风险？ 06:54 只停留在喜欢而没有去真正的实践的话，你就只是一个兴趣的消费者。就比如说你收藏了很多摄影的教程，但是你从来没有拍过一组完整的照片。你关注了很多写作的账号，但是你从来没有写出过一篇属于你自己的文章。 07:13 听起来AI确实会让这种只是停留在表面的兴趣变得非常的没有竞争力。 07:20 因为AI可以在极短的时间内帮你完成任务，成本又很低。真正让你脱颖而出的是你主动的去完成了一个作品，主动的去接受了反馈，并且不断的去修正这个闭环，才是能够让你的能力不断的成长的。 07:39 我们想要去判断一个孩子的兴趣是不是已经真正的转化成了这种主动的能力？有什么具体的方法可以来测试吗？ 07:48 最直接的方法就是你去问他，你做过什么？你把你的作品给我看一看，你给过谁看？别人给了你什么反馈，你又做了哪些调整？他如果能够很清晰回答出这些问题，说明他的兴趣已经不只是停留在想法上面了，而是真的在实践在行动，并且在不断的通过反馈来进步。 04-那到底怎么选专业？ 08:09 到底怎么选专业，就是你怎么能够去判断说我对这个东西是真的感兴趣，而不是说三分钟热度。 08:18 有一个很简单的办法，你问自己这个领域里面有没有什么东西是没有人逼你，你也会自己忍不住去查资料的，去探索的，甚至你会因为太入迷了而忘了吃饭的，这种自发的行动才是真兴趣的试金石。 08:36 如果我们借用李飞飞的这个哑铃模型来看的话，在选专业的时候怎么才能够避开被淘汰的风险呢？ 08:44 你在选专业的时候就要问自己，这个专业能不能让我成为前1%的人，或者说这个专业能不能让我具备跨界整合的能力。就是你要不是把一个领域钻的特别深，要不就是你能够打通好几个领域，那你才能够在这个哑铃的两端站稳脚跟。 09:02 看来就是单纯的靠一个学历是远远不够的。 09:07 只有去接触真实的问题，真实的需求，不断的锻炼自己主动解决问题的能力，你的Agency才会越来越强。不然你可能学了四年，你都不知道这个专业到底是用来干嘛的。 05-真实案例：连这都能有出路？ 09:20 接下来我们说一说真实的案例。比如考古这种看起来特别冷门的专业，如果学生有很强的主动性，他到底可以有哪些完全不同的出路？ 09:31 很多人都觉得考古就是坑少、钱少，又苦。但是如果你的Agency很强的话，你会发现这个专业是有很多创新点,比如说现在有一些学生他就是喜欢历史谜题，他可能就会沿着学术这条路走，去读研读博，然后去高校或者去研究所。而现在AI也在改变考古的研究方式。比如说现在有一些用遥感技术去识别遗址，大规模的文物数字化，还有古DNA分析。这些都特别需要既懂考古又懂技术的人。这种人才现在是极度稀缺的。 10:11 原来考古还可以和技术结合，产生这么多新的机会。 10:15 包括有的人可能喜欢的是文物背后的故事，那他完全可以走考古和内容创作结合的这条路。比如说现在的一些游戏，像黑神话悟空，还有一些这种网络剧，像逃出大英博物馆，包括各大博物馆的IP开发，都特别需要既懂考古又会讲故事的人。这种人才是比传统的考古学家要稀缺很多的。 10:39 听起来好像只要你有热情有想法，这个专业再冷门你也可以玩出花来。 10:45 包括还有一些人，他就是喜欢动手去发掘东西，他完全可以走考古和数字化结合的路。比如说现在的三维扫描、虚拟复原、游戏场景设计，都离不开这种既有考古的知识又能够玩转新工具的人。这样的组合是可以让你形成一个非常独特的竞争力的。 11:06 那我们再换一个角度来看，在AI翻译这么发达的今天，英语专业的学生他们的核心的竞争力到底在哪里？ 11:16 这个问题问的方向错了。英语专业真正练的是你能够穿梭在两种语言和文化之间的能力。就是你知道在什么场合，什么时机，用什么样的表达是最恰当的，而不是只是做一个表面的翻译。 11:32 原来英语专业的训练远不止于词汇和语法。 11:36 这些东西是AI很难取代的。因为它不懂你的客户今天心情怎么样，它不知道这份合同背后的双方的权利关系。它也不知道这个词在当地人耳朵里面听起来是尊重还是冒犯。 11:48 英语专业的学生要想形成自己的护城河，他可以怎么去结合自己的兴趣走出一条独特的路呢？ 11:58 这个就完全要看你兴趣方向了。比如说你喜欢文学和故事，那你可以走英语加创作的路。那你可能就会去做一些翻译文学，写一些跨文化的内容，或者是说你可以去做英文的播客、纪录片脚本。现在把中国故事讲好，讲给世界听的这样的人才是极度稀缺。 12:20 这个是一个非常需要这种多元背景的一个领域。 12:24 如果你喜欢沟通和谈判，你可以走英语加商务这条路。你可能就会在外贸、跨境电商、国际法务或者说跨国团队管理这些方面找到自己的位置。这个也是现在很多企业出海最缺的一种人才。 12:41 所以说英语专业的学生，他的未来也并不在于说我会不会被AI取代，而是在于我能不能成为一个真正的跨文化的行动者。 12:53 能够脱颖而出的一定是那些可以在不同文化间自由切换，主动去判断推动事情发生的人。这就是Agency最典型的样子。 06- 常见误区，拆穿几个 13:05 我们接着要聊的这个主题就是高考志愿填报的常见误区。现在很多人觉得我一定要学跟AI直接相关的专业，这个想法到底有哪些局限性？ 13:16 很多家长和学生一窝蜂的去追逐AI相关的专业，但是他们忽略了一个核心，AI只是一个工具。历史上最懂印刷机的人并不是最有影响力的人，而是那些用印刷机来写书的人。关键不是说你离工具多近，而是你能不能用工具做出一些有价值的事情。 13:37 竞争力并不是取决于你是不是学这个AI专业，而是你能不能用AI来创新，来解决问题。 13:46 一个有主动探索精神的历史系的学生，可以用AI来重新梳理史料。一个有激情的心理系的学生，可以用AI来设计一个新的干预方案。他们都比那些只会操作这个工具的人更有发展潜力。 14:01 很多人追捧热门专业，这到底有哪些风险？ 14:06 热门就意味着竞争特别激烈，而且会有很多没有兴趣的人也都去凑热闹。结果就是你可能很努力地混到了毕业，但你在这个行业里面也没什么优势。 14:16 与其这样，还不如去学一个自己喜欢的专业，至少还可以学得深入一点。 14:22 真正稀缺的不是这个专业本身，而是你在这个领域里面有非常深入的积累和热情。你在自己热爱的领域里面成为前20%，要比你在热门专业里面当一个路人甲要有价值的多。 14:37 有的人说我先就业再说专业无所谓，这个想法到底忽略了哪些重要的东西？ 14:44 大学四年是你唯一一段可以系统的去钻研一个问题，跟一些志同道合的人一起共事，去锻炼你自己独立思考的这样的一段时间。你随便选一个专业的话，就相当于你放弃了这样的一个可以训练你自己主动探索解决复杂问题的一个绝佳的机会。那是会影响你未来的成长的潜力的。 07- 一个检验方法：做"问题测试" 15:09 我们怎么用问题测试法来判断自己到底是不是真的对某个专业有兴趣，并且有内在的动力？ 15:17 有两个问题可以帮你做一个自测。第一个问题就是你在这个领域里面最让你好奇的点是什么？比如说为什么大脑会产生意识？为什么有些城市会越来越有活力，而有些城市却走向衰落？你如果能够想到这些非常具体的问题，是一个你真正感兴趣的一个信号。 15:36 听起来好像是在帮自己找那个真正的热情所在。 15:40 第二个问题就是如果你学这个专业最后找不到工作，你还会坚持学吗？如果你的答案是很坚定的那说明你是被内在的动力所驱动的。但如果你只是因为外部的压力才去学的话，那你可能很难在这个领域里面持续的去激发你的主动性。 15:59 今天我们聊了这么多关于高考志愿填报的这么多的误区，包括在AI时代我们到底应该怎么样去思考自己的专业选择。核心还是要找到那个可以点燃你自己热情的方向，然后勇敢的去探索，勇敢的去成长。 16:17 对的，今天的节目咱们就到这里了，然后感谢大家的收听，咱们下期再见。

16分钟

52

AI 到底发生了什么？一篇看懂「智能大爆发」

00:15 今天我们要聊的是为什么最近人工智能突然之间变得这么强了？包括它的一些训练的方式，以及它现在还有哪些短板。 00:24 没错，这些变化确实让人非常关注，那我们就直接进入今天的讨论。 1.为什么突然感觉 AI「跃进」了？ 00:28 第一个话题就是最近人工智能的大跃进。大家有没有发现最近一段时间好像身边所有人都在谈论AI？这种现象背后到底发生了什么？ 00:38 现在无论是在公司里面老板在讲要拥抱AI还是说同事们在用AI来帮他们写年终总结，甚至包括我们的妈妈都在问说拆GPT能不能帮抢菜？然后再加上各种新的模型，像GPT5.5，还有Claude Mythos这些大模型密集的发布。业内很多人都说我们现在正处在一个历史性的拐点上。 00:59 那为什么我们会觉得好像这个AI能力突然间有一个巨大的提升？其实背后的进步是一个怎样的过程？ 01:07 其实OpenAI有一个研究者叫Yan Dubois，他有解释过这个事情。他说其实AI能力的提升一直都是连续的，只是他有一个可靠性的门槛儿，就当他没有跨过那个门槛儿的时候，他经常会出错，你就觉得他好像没有什么用。 01:24 所以说我们感觉到的这个飞跃，其实是因为它过了那个能用的临界点。 01:30 对，就像你学骑自行车，其实你每天都在进步，但是你会觉得我突然间会骑了这种感觉。之前的AI它就像一个实习生，经常会出错。然后现在的AI就像一个靠谱的助理，他的出错率已经低到你可以真正的把事情交给他去做了。 01:49 好，那就是说这个AI为什么能够进步的越来越快？这里面有什么秘诀吗？ 01:55 有一个很重要的加速器就是AI可以自己帮助自己变得更强。就是现在的研究人员他们会让AI来写代码，搭工具，然后跑实验。所以整个的研发的效率就会大大提升，形成了一个正向循环，越跑越快。 2. AI 是怎么「练成」的？三段式培训班 02:10 原来如此。我们下面就来看看这个AI是怎么一步一步训练出来的。这个顶级的大模型到底是经历了一个什么样的过程才能够变得这么强大。 02:21 其实这个训练过程是可以分成三个阶段的。第一个阶段叫做预训练，这个阶段就是让AI去尽可能的吸收互联网上能够找到的所有的信息。就像让他在知识的海洋里面自由地游泳。但是这个时候他其实还不太会用人类的方式去表达。 02:39 明白了，那第二阶段和第三阶段又是怎么回事。 02:42 然后到了第二阶段，我们就会让AI去挑选一些更高质量的资料。比如说是维基百科或者是一些代码库，就是让他去进行一个精读。到了第三个阶段，我们会用强化学习让他不断的去通过一些奖惩机制，学会怎么去真正的按照人类的意图来回答问题，完成一些复杂的任务。就相当于让他从一个什么都知道的书呆子，变成一个可以帮你解决问题的专家。 3. 强化学习：AI 版「奖惩教育」 03:08 这个强化学习为什么会被称为是最近AI突破里面最性感的技术？ 03:13 因为它其实就是一个AI版本的奖惩教育OK就是让AI不断的去尝试，然后做对了就给奖励，做错了就给惩罚，这样他就会在这个反复的尝试当中变得越来越强。 03:26 所以说这和传统的那种让AI照着标准答案去学习的方式还真的不一样。 03:30 监督学习是你给他一个标准答案，让他去模仿，而强化学习是他自己去摸索，甚至可以超过人类的水平。因为你设计了一个评分机制之后，他就可以自己去不断的挑战极限。最近大家发现这个强化学习不仅仅可以用在那些有标准答案的比赛当中，现在也可以用在写代码、用电脑，甚至是做科研这些非常真实的场景当中。所以这就是为什么AI会有这种突然间能力大爆发的感觉。 4. 一个模型的「情绪过山车」 04:01 紧接着要说的就是这个模型发布的情绪过山车。每次有一个新的AI模型发布的时候，研究团队他们的内心到底会经历哪些跌宕起伏？ 04:12 实际上每次发布新模型的时候，研究团队都会经历一个非常明显的情绪波动。第一个礼拜大家都会觉得哇塞这个模型简直太厉害了。但是很快他们就会发现，其实这个模型在很多地方还是很烂的。OK. 04:27 然后他们就会一下子从兴奋跌到谷底。紧接着到了第三周，他们就会开始反思说是不是这个模型被过度吹捧了。大家需要冷静一下。 04:36 听起来就像坐过山车一样。那等模型真正发布之后，外界的反馈又会对团队的情绪产生什么影响？ 04:43 有意思的是一旦发布之后，经常会有用户跑出来说，这个东西太好用了，就像GPT5.5发布的时候，整个波动特别剧烈。但是最终大家发现还是好的结果比坏的多。这个模型其实最终还是给大家带来了很多惊喜。 5. 最大的未解之谜：AI 为什么不会「成长」？ 05:00 下面咱们就说一说这个持续学习的难题，就是为什么现在的AI它不能像人类一样，在使用的过程当中不断的积累经验，变得越来越懂用户呢？ 05:10 问的好，现在的AI你每次打开都是一个全新的对话，他完全不记得你是谁。不管你们之前聊过多少次，他都没有办法把这些信息串联起来，这就叫做持续学习的难题。这也是目前AI最大的痛点之一。 05:25 也就是说现在的AI它在使用的过程当中，其实是没有任何成长曲线的。 05:30 没错。有一个非常形象的比喻就是把时间放在横轴，然后纵轴是这个有用程度。那一个新员工可能刚入职的时候还不如AI但是几个月之后他会越来越了解业务，越来越了解你，越来越好用。而AI几乎就是一条水平线。他很聪明，但是他不会成长。连OpenAI的研究人员都说，他们也不知道这个问题到底什么时候能够解决。三年前他们以为半年就可以搞定，但是现在三年过去了，这个问题依还没有被解决。 6. 最后一公里的问题，该怎么办？ 06:00 那我们现在要聚焦的最后一公里的问题，就是这个问题到底是在说什么？为什么他对于AI能够真正的产生价值这么关键？ 06:09 最后一公里其实就是指把AI真正的集成到你的日常工作流程当中，给它合适的权限，以及让他去使用各种工具来帮你解决实际遇到的问题。有一个研究者说过，如果我们冻结现在的模型能力，然后认真的把最后一公里做好，你在每个行业里面都会感受到AGI的存在。 06:31 所以说只要把最后一公里做好，即使模型本身不再升级，我们也可以获得巨大的实际价值。 06:39 完全正确。就是AI它不是什么魔法，它就是一个工具。真正能够让它发挥作用的是那些愿意积极的去尝试，把它用在实际工作当中的人。你不需要自己会编程，你只要比你身边的人早一点去动手去用，你就可以率先享受到AI带来的这些红利。 06:57 OK今天我们其实聊了AI最近大跃进背后的一些秘密，包括它的训练的过程，以及它现在还存在的一些短板。最后我们还特别强调了一下，就是其实落地和使用才是真正让AI产生价值的关键。 07:12 是的，这期节目咱们就到这里了，感谢大家的收听，咱们下次再见。

7分钟

把AI关进笼子，它就是老师最好的助教

00:16 今天咱们要聊的是如何在课堂当中用好AI，让它变成一个可以不断追问学生，引导学生深入思考的教学助手，而不是让学生直接去获取答案。 00:27 是的，这个话题很有意义，那我们就直接开始。一、先承认吧：老师的担心都是对的 00:30 咱们先来看看第一个话题，就是老师对于AI进课堂的一些真实的担忧。其实很多老师都会担心学生在课堂上会因为AI分心。 00:41 对啊，因为很多老师一想到说AI进课堂，他们首先想到的就是学生会一直盯着那个屏幕，根本就不听课，每个人都在自己的小世界里面。然后还有就是作业，如果学生直接问AI要答案的话，那老师布置作业就没有意义了。最让老师头疼的就是一个老师面对40个学生，40台设备根本就看不过来。 01:02 这些担心确实很现实，那有没有什么好的办法可以解决这些问题呢？ 01:06 其实AI已经普及到学生的日常生活里了，所以堵是堵不住的，关键是老师要重新去设计课堂，让AI变成一个真正的教学工具，而不是一个让老师头疼的东西。二、一个思路：把AI变成“苏格拉底机器人” 01:18 有道理。那接着我们来说说怎么把AI变成一个苏格拉底式的机器人。那你能举个例子说一下AI是怎么通过提问来引导学生自己找到答案的吗？ 01:28 可以。比如说有学生问光合作用的产物是什么？那AI不会直接说氧气和有机物，而是会反问学生植物吃东西和动物吃东西有什么不一样。 01:40 这种反问的方式还挺有意思。 01:42 学生可能会说植物不用嘴吃，然后AI就会继续引导，植物靠什么获取能量，它在哪里长得最好，一步步地让学生自己思考，最后自己推导出答案。整个过程学生完全是在主动学习。三、等一下，这背后有理论的 01:59 听起来还不错。我们下面要说的是这种苏格拉底式的AI背后的理论支撑，也就是布鲁姆分类学。布鲁姆分类学把学生的认知过程分成了六个不同的层次。那你能具体讲讲这六个层次都是什么吗？ 02:14 当然可以。布鲁姆分类学从低到高，第一层是记忆，就是记住这个知识点。第二层是理解，就是你要明白这个知识到底是什么意思。然后第三层是应用，就是你能够用这个知识去解决一些问题。第四层是分析，就是把这个东西拆开看看它的结构是什么。第五层是评价，就是你能够去判断这个东西是好是坏。第六层也是最高的一层是创造，就是你能够用这些知识去创造出新的东西。 02:43 OK, 在布鲁姆分类学的框架下，传统课堂和AI分别在哪些认知层次上表现比较突出？ 02:50 实际上传统的课堂和AI都比较擅长处理前两个层次，就是记忆和理解。比如说查资料、背公式、讲概念，这些AI都可以做的又快又准。 03:01 所以如果我们的课堂目标只是让学生记忆和理解，那AI就会变得非常强大。 03:07 真正需要老师花心思的是后面那几个层次，应用、分析、评价、创造。这些东西没有什么标准答案，是需要学生去深度思考的那这个时候AI就可以通过提问的方式来帮助老师把学生往更高的认知层次去推。四、具体怎么玩？一个课堂设计蓝图 03:24 明白了，那我们来聊聊这种AI辅助教学的课堂到底是怎么设计的。能不能给我们讲一讲这个课堂的流程大概是怎么回事？当然可以。 03:32 其实整个过程是分成五个步骤的。第一步是老师要先设定一个话题的范围。比如说今天我们就只讨论光合作用，而且重点要搞清楚为什么有光才有氧气。这就相当于给AI画了一个圈，让他不要跑题。 03:46 原来是这样。在学生跟AI互动的时候，AI都有哪些具体的引导方法呢？ 03:51 这就是第二步了。学生和AI是一对一的交流，AI会用反问、追问、提示和鼓励这四个工具来引导学生。比如说学生问AI不会直接说答案，而是反问，你觉得呢？或者说你能举个例子吗？当学生卡壳的时候，AI还会提醒他想想上次实验是怎么做的，然后不断的肯定学生说你这个想法很有意思。 04:15 那老师怎么才能知道每个学生的思维进展到哪一步了呢？ 04:20 到了第三步事端会有一个实时的学情报告，这是AI自动汇总生成的。比如说小明卡在了光反应这个概念上，小红对二氧化碳的来源理解有误，然后全班有18个人没搞懂能量转化，老师一眼就能看到全班的思维地图。 04:37 这样老师就能精准定位到大家的难点在哪里了。 04:41 然后第四步AI会根据这个报告给老师一些建议。比如说超过一半的学生都在能量转化这里卡住了，那AI就会建议老师说你要重点讲这个地方。然后还有三个同学提的特别好的问题，AI也会挑出来说，这几个问题值得全班一起讨论。 04:58 那在这个过程当中，老师是怎么进行个性化干预的呢？ 05:01 就是到了第五步，老师看到有学生卡住了，就可以随时空降，直接插进这个学生和AI的对话。然后问一个针对性的问题，把学生的思路拉回来，真正做到哪里不会帮哪里。五、对老师的新要求：目标升级 05:14 当然好处还挺多的那我们下一个主题就是老师的教学目标要从知识传递转向能力培养。那在AI时代老师的目标到底要发生哪些变化？ 05:24 其实在这种AI辅助的课堂里面，老师最重要的就是要想清楚我到底要让学生能够做到什么，而不是说我要让学生记住什么。 05:34 听起来更注重能力和应用了。 05:37 比如说同样是讲光合作用，如果只是让学生背这个方程式，那就是一个很低层次的目标。那更高阶的目标应该是让学生能够用这个原理解释为什么沙漠里面很少有树。或者说让学生去设想，如果光合作用的效率提高十倍会怎么样？就是要让学生真正去理解和创造。 05:58 那AI应该在这个课堂里面扮演一个什么样的角色，才能够真正的推动学生去做这种深层次的思考呢？ 06:05 事实上AI绝对不是说要去取代老师讲课，或者说只是给学生一个标准答案，这样只会让学生变得更依赖抄袭。 06:14 AI如果只是讲知识，那其实只是把传统课堂搬到了线上。 06:18 对，真正有价值的是老师提前设定好一个范围，然后让AI在这个范围里面不断的去提出一些好的问题，一步一步的引导学生去分析、去评价、去创造，让学生真正的学会深度思考。 06:34 好吧，今天我们聊了很多关于怎么把AI变成一个课堂里面的好帮手，让学生能够主动的去探索知识，而不是说只拿一个答案就完了。 06:44 是的，今天的节目就到这里了，感谢大家的收听，咱们下次再见。 06:50 拜拜。

6分钟

94

老黄在台北“报菜名”

00:07 今天我们要聊的是英伟达最近发布的一系列人工智能和计算领域的新产品。这些产品其实正在推动数据中心、智能终端和机器人技术的一个整体的变革，同时也在让英伟达这个公司一步一步的成为整个AI产业的一个底层的基石。 00:25 没错，这个话题最近也炒得很热，那我们就直接开始。 00:29 我们先来看看第一个主题，就是今年这个GTC Taipei 2026英伟达的这个发布会上，其实黄仁勋讲的这些新产品背后，它的核心的思路是什么？ 00:40 就是他其实还是延续了他过去的那个风格，穿着标志性的黑皮夹克，然后用那种看似很随意的方式抛出了一堆技术含量极高的新产品，比如Vera Rubin、RTX Spark、Nemotron 3 Ultra和Cosmos 3等等。但其实这些东西背后的意义远远超过一个普通的新品发布会。 01:02 听上去就感觉它好像不仅仅是在展示技术，它是在重新定义整个行业的格局。 01:07 其实这次发布会的主题是代理式AI（Agentic AI）就AI不再是一个工具，它可以主动帮你完成任务。要实现这个目标，英伟达就必须要提供一整套的从硬件到系统到工具链的一个全新的解决方案。这其实就是在为AI时代全面提供底层的基础设施。 1.Vera Rubin — AI数据中心的"乐高积木"，建造时间缩短三分之一 01:27 原来是这样。我们先来看一下第一个产品，Vera Rubin这个平台它到底是一个什么东西？它是怎么用的？ 01:34 可以把Vera Rubin想象成是AI数据中心的乐高积木。就以前你要建一个数据中心的话，你要自己去弄机房，自己去挑服务器，自己去搞散热，然后弄来弄去可能要弄半年甚至更久。现在有了Vera Rubin之后，所有的GPU、CPU、存储、散热、高速光纤网络全部都集成到了一个标准的机架里面。你只要像搭积木一样把这些机架拼起来，数据中心马上就能运转起来。 02:03 这效率提升的可不是一点半点。那它这个平台具体带来了哪些性能上的突破呢？ 02:09 Vera Rubin它采用了台积电的3纳米的工艺制造，它的这个AI算力吞吐量比上一代提升了整整十倍，它的组装效率提升了24倍，部署时间直接缩短了3分之1。而且微软和戴尔已经开始测试工程样品了，今年秋天就会大规模出货。 02:29 那Vera Rubin平台的出现会对全球的AI产业和相关的企业带来哪些直接的变化呢？ 02:37 它最大的影响就是解决了AI数据中心建设速度的瓶颈。就以前微软、谷歌、字节跳动这些公司，他们建数据中心最头疼的就是时间。一个数据中心从开始规划到最后真正能用可能要1年到1年半的时间。现在有了Vera Rubin之后，这个时间就会大大缩短。所以他们的AI产品就能更快的上线，更快的产生收益。 03:02 这个确实是会让整个行业的节奏都快起来。 03:05 没错，而且对台湾的产业链是特别有利的，台积电会为它制造芯片，鸿海会负责整机的组装，整个供应链就会跟英伟达更紧密的绑定在一起。但是对于中国的那些AI公司来说就压力会更大。因为美国的出口禁令，他们可能根本就买不到Vera Rubin。所以他们跟国际巨头的差距就会越来越大。 2.Vera CPU — 英伟达"越界"了，英特尔AMD慌不慌？ 03:28 我们接下来要讲的就是Vera CPU这是英伟达第一次推出自己的数据中心处理器。他们为什么要自己做这个东西？ 03:38 这背后其实是AI代理的需求驱动的一个变革，因为传统的这种GPU它擅长的是大规模的并行运算。但是对于这种需要同时管理很多任务，协调各种工具，还要记住上下文的这种复杂的调度工作，GPU就有点力不从心了。它必须要靠CPU来帮忙。 03:57 以前的话英伟达他们就只能用英特尔或者AMD的CPU。 04:08 所以他们干脆就自己做了这个Vera CPU专门为AI代理量身打造的一个大脑。黄仁勋还说了一句话，就是AI智能体将成为计算历史上最大的用户。Vera CPU就是为他们造的第一颗大脑。 04:27 英伟达自己出了这个Vera CPU之后，数据中心的这个市场会有哪些新的变化？ 04:33 现在英特尔和AMD本来在数据中心的CPU市场就已经很紧张了。英伟达现在杀进来之后，格局就会更激烈。因为Vera CPU和英伟达自家的GPU是一个原生的配对，所以客户如果要买一整套的话，它的性能是最优的。很多客户就会直接放弃英特尔AMD的产品。 04:55 看来这会让服务器厂商的选择也变得更少了。 04:58 对，这就是一个典型的生态锁定。英伟达现在就变成了一个超级包工头，他把所有的关键环节都把控在自己手里，那服务器厂商的话语权就会越来越弱，整个市场就会越来越往英伟达这边集中。 3.RTX Spark / N1X — 你的下一台笔记本，可能真的会"替你干活" 05:12 这个超级包工头还真是形象，我们下面要讲的这个东西叫RTX Spark，还有N1X芯片，这又是一个很有意思的组合。这个东西到底是一个什么东西？它背后的这个合作的故事是怎么样的？ 05:26 这个其实是英伟达、联发科和微软三个公司一起搞出来的一个东西。N1X芯片就是他们联合设计的，然后制造是交给了台积电，用的是3纳米的制程，非常的先进。里面集成了730亿个晶体管。然后它里面包含了一个Blackwell的GPU和一个20核的Grace CPU，还有128GB的统一内存。 05:50 听起来性能很炸裂。那这个东西具体体会给用户带来哪些前所未有的体验呢？ 05:55 最厉害的地方就是它可以让AI代理常驻在你的电脑里面，不需要联网就可以直接帮你处理很多复杂的任务。比如说你只要说一句帮我整理今天的邮件，写成日报发给老板，它就会自动的去收邮件，写好报告，然后发给你的老板，完全不用你自己去操作。 06:14 天哪，这简直就是一个私人秘书。那对于开发者来说，这个东西又有什么新的玩法呢？ 06:20 对于开发者的话，还有一个桌面版本叫DGX Spark。它是配备了768GB的内存，可以在本地直接调试万亿参数的这种大模型。所以这个也是极大的提升了效率，就完全改变了我们使用电脑的方式。 06:36 这真的是非常高效。这个RTX Spark和N1X芯片的出现，会对PC行业和我们日常使用的软件会带来哪些直接的冲击呢？ 06:46 首先第一个就是它是一个对苹果的M系列芯片的正面挑战。因为它同样也是走的自研芯片加系统优化的路线。但是因为它是有一个非常强大的GPU的基因在里面，所以它在在这种AI的推理能力上面是非常强的那这个就会让它在高端的PC市场上面极具竞争力。 07:07 这对英特尔和AMD来说应该压力很大。 07:09 确实是这样，因为英特尔和AMD现在已经被苹果和高通压得有点喘不过气了。那英伟达再进来的话，他们的处境就会更加的艰难。然后另外一个就是联发科，他是第一次以一个核心芯片伙伴的身份进入到了高端的AIPC的领域。这也是台湾的半导体行业的一个重大的突破。 07:32 我们普通用户是不是也能感受到一些明显的变化呢？ 07:37 你会发现你的电脑会变成一个真正能帮你自动完成任务的数字助手。那很多传统的效率类的软件可能就没有存在的必要了。所以整个效率工具软件行业都会面临一个洗牌。然后大家都会去升级自己的AI的体验。 4.Nemotron 3 Ultra — 英伟达也出大模型了，而且免费送 07:52 听起来很不错。我们下面要聊的就是这个Nemotron 3 Ultra这个大语言模型它有什么独特的地方？它是怎么改变行业的游戏规则的。这个。 08:00 Nemotron 3 Ultra它是一个专门为AI代理设计的一个开源的大语言模型。然后它不光是开放了所有的代码、训练脚本，甚至连训练数据都公开了。所以任何人都可以免费的使用，也可以按照自己的需求去修改。 08:17 这种完全透明开放的模式确实挺罕见的。 08:19 而且它的速度比同类的产品快了将近五倍，然后运营的成本也降低了30%，并且在这种需要长时间推理和执行复杂任务的场景下表现得尤其出色。英伟达甚至已经用它来跑自己的芯片设计验证了，把原来可能要花几周的时间的工作缩短到了几个小时。 08:39 效率提升的真的不是一点半点，那这个东西会给AI行业带来哪些直接的变化呢？英伟达它推这个开源的大模型，其实它的目的并不是说要跟OpenAI或者是Anthropic去正面刚。他其实是想要通过让这个模型变得非常的强大，然后让大家都愿意用英伟达的硬件去跑AI。所以开发者只要用Nemotron 3 Ultra来做实验，他大概率就会去租英伟达的GPU云，或者说去买英伟达的显卡。这其实就直接带动了它的硬件的销售。这么说的话，其实他们真正的目的还是在硬件上。 09:15 完全没错。而且对于AI创业公司来讲的话，用这些开源的模型就可以非常低成本的去做自己的垂直领域的产品。但是大模型本身的商业价值就会被这些开源的东西不断的稀释。 5.Cosmos 3 & Isaac GR00T物理世界AI模型 + 人形机器人全栈工具包 09:31 所以OpenAI这样的公司其实压力会越来越大，看来是机遇和挑战并存了。我们再来说说Cosmos和Isaac GR00T这两个东西是怎么联手来解决机器人训练的数据瓶颈。 09:42 其实训练机器人最大的难点就在于数据的获取。你不可能真的让一个机器人反复的去摔来学会一个动作。这既昂贵又非常的低效，而且还很危险。Cosmos 3它其实就是一个专门用来生成这种符合真实物理规律的拟环境，就相当于给机器人建了一个数字孪生的练功房。它所有的那些复杂的动作都可以先在这个虚拟世界里面练到非常的完美，然后再去真实的环境里面去执行。 10:13 Isaac GR00T又在这个里面扮演一个什么样的角色呢？ 10:17 Isaac GR00T就是一个给那些想要做人形机器人的公司准备的一个工具箱。它里面不光有机器人的本体的参考设计，还有计算平台、AI模型、仿真环境、数据生成工具。就是你只要用了它，你就可以从无到有，非常快速的把一个机器人做出来。 10:37 原来如此，那这两个东西结合起来会给人形机器人的行业带来哪些深远的影响呢？ 10:42 人形机器人被很多人看作是下一个智能手机级别的大市场，中美日都在全力的投入。但是一直以来这个行业最大的障碍就是没有足够的训练数据。那现在有了Cosmos 3，这个问题就迎刃而解了，研发的周期会大大缩短。 11:00 也就是说这会让更多的公司能够快速的进入这个赛道。 11:04 没错，而且Isaac GR00T就相当于给这个行业提供了一套安卓系统，你不用再去重复的造轮子，大家都可以直接在这个英伟达的平台上面去开发。不管是像特斯拉的Optimus还是小米的人形机器人，甚至是一些新的创业公司，他们要么就是选择和英伟达合作，要么就是自己去重新造一套，那成本肯定就会高很多。把五件事串起来看 11:27 确实。我们再来说说英伟达的全链路的布局。他是怎么通过这一系列的产品，把自己的视力从数据中心延伸到了终端和机器人的。 11:37 英伟达现在其实是在每一个关键的层级都落了一个子。就比如说在云端它有Vera Rubin来掌控这个大规模的算力。在调度这一块，它有Vera CPU来做这个中枢大脑。在终端设备这一块，它有RTX Spark来卡这个入口。在模型生态这一块，它有Nemotron来打造这个开发者的社区。最后在机器人的训练这一块，它有Cosmos和GR00T来做这个平台。 12:03 这么看来，他们真的是在每一个环节都下了狠手。 12:07 黄仁勋的逻辑其实非常的直接，他就是要让英伟达成为整个AI世界里面唯一绕不开的底座。就是每一次你要处理一个token，你都得经过他，那他就能源源不断的把这些算力转化成收入。最后一句话 12:22 好的，我们今天把英伟达的这场发布会拆的差不多了。其实你回头看的话，你会发现这其实是一场关于未来十年的技术和产业走向的一个宣言。 12:32 行，今天的内容咱们就先聊到这里了，感谢大家的收听，咱们下期再见。

12分钟

65

马斯克那些年吹过的牛，这次他都实现了——SpaceX 上市，一口气讲清楚

先说一个数字：$28.5 万亿美元 00:06 今天咱们这个内容来聊一聊SpaceX即将要进行的史上最大规模的IPO然后它背后的三大核心业务，以及它是如何通过这三大核心业务去冲击一个全新的计算文明的基础设施。 00:22 这确实是一个非常值得关注的话题，那我们就直接开始。第一层：火箭——那台印钞机 00:25 我们先来说一说SpaceX的这个野心和它的目标市场，就是他到底是要争议一个什么样的市场地位。 00:33 SpaceX其实在它的招股书里面已经明确的写出了，它的目标市场规模是28.5万亿美元。那这是一个什么概念呢？就是苹果的市值大家都知道是很高的，也才3万亿美元。然后中国2023年的GDP是17.5万亿美元，你就可以看到他这个数字有多么的夸张。对他其实要做的不是说要跟哪个企业去竞争，他是要直接成为这个文明时代的基础设施的核心的提供者。确实。然后咱们展开聊一聊这个火箭业务。 01:05 很多人其实好奇的是SpaceX到底有没有实现它的垄断地位，以及他这个火箭业务到底是怎么赚钱的。 01:13 在2025年的时候，SpaceX已经用猎鹰系列火箭进行了165次发射。然后美国境内所有送到轨道的货物里面有8.5公斤，就每十公斤有8.5公斤是靠SpaceX送上去的，这其实已经是一个绝对的垄断地位了。 01:29 这么高的市场份额确实挺吓人的。 01:31 没错，它2025年的总营收是大约155亿美元，然后预计2026年会涨到220亿至240亿美元之间。但是火箭业务本身其实还是没有盈利的，由他2025年发射业务的运营亏损是大约6.57亿美元。然后这些钱全部都投入到了星舰这个项目上面，为了追求更大的突破。 01:54 说到星舰，那他的这个未来的成本目标有没有可能彻底改变太空经济的格局？ 02:00 星舰的目标是要把每公斤的入轨成本降到100美元以下，就是现在猎鹰火箭已经做到了几千美元。那如果真的能够实现这个每公斤不到100美元的话，就意味着送货物上太空的价格就跟开一架货运飞机差不多。这个是会彻底的颠覆我们对于太空的开发利用的想象的。第二层：星链——低轨道上的"移动互联网时代" 02:23 真的是天方夜谭。接下来我们要说的就是星链业务了，这个被称为是低轨道上的移动互联网时代，那它到底在财务上有多亮眼？ 02:34 2025年星链的营收是113.9亿美元，然后他占SpaceX总收入的61%到了2026年第一季度，这个比例已经飙升到了69%。而且星链是SpaceX唯一一个持续盈利的部门，它2025年带来了大约44亿美元的运营利润。 02:54 明白了，那你能具体说说星链现在的这个全球覆盖的情况，以及它的用户到底是分布在哪些地方。 03:01 截至2026年5月，已经有大约10280颗星链卫星在地球的低轨道上面运行。然后这是全球所有活跃卫星的差不多4分之3. 03:12 这个数量真的很夸张。 03:14 然后现在已经有几百万的用户，遍布全球一百多个国家和地区。然后它的每用户月均收入是131美元。包括非洲的草原上，太平洋的小岛上面，甚至南极科考站都已经在用星链上网了。所以它其实已经是很多偏远地区唯一的互联网选项了。 03:35 我有一个问题，星链现在这么厉害，那他的这个业务单独拿出来值多少钱？ 03:40 按照分析师用宽带基础设施的这个估值模型来算的话，星链的估值是在6000亿美元到8000亿美元之间。然后这个也让马斯克之前说的要让全球都能上网的这个承诺基本已经成为了现实。第三层：AI + 数据中心——这才是真正的想象力 03:57 这个太厉害了。接下来我们要看的就是这个AI和数据中心，这个才是真正的想象力。我想知道SpaceX到底是通过什么样的方式，一举成为了这个AI算力领域的一个重量级玩家。 04:10 在2026年的二月份，SpaceX用全股票的方式完成了对xAI的收购。这个交易金额大约是2500亿美元，也是有史以来最大的一起私人企业并购。 04:24 手笔也太大了。那这个xAI到底给SpaceX带来了什么？ 04:29 这笔收购让SpaceX一下子获得了xAI的400位工程师，然后两个超算中心，其中一个是位于孟菲斯的全球最大的AI超算Colossus，还有就是所有的GPU集群，然后这直接就让SpaceX成为了AI算力领域的一个不可小觑的新的势力。 04:48 我就好奇了，现在这个SpaceX的数据中心业务到底有哪些客户，有多大的规模？ 04:54 现在已经有公司开始跟SpaceX合作了，比如说Anthropic他就在使用xAI的数据中心的算力，然后他每个月要给SpaceX支付大约12.5亿美元，那这一年就是150亿美元. 05:08 这金额可真不小。 05:10 而且Anthropic的CEO在开发者大会上面还透露说，他们今年的业务增速已经超过了指数级的预期。所以他们才会紧急的跟SpaceX签下了这个算力租用的协议。 05:23 既然如此，那SpaceX是打算怎么在太空当中构建自己的分布式的计算集群呢？ 05:29 SpaceX其实在它的招股书里面是有写，他计划最早在2028年就开始发射所谓的AI算力卫星。然后把计算节点用火箭送到太阳同步轨道上面，再利用星链的23000条星间激光链路把这些节点连起来，就组成一个在太空中的分布式的计算集群。 05:50 那他们这个申请发射这么多卫星是真的能批下来吗？ 05:54 他们在2020年的一月份就已经向FCC提交了申请。然后他的这个规划是多达100万颗的空间数据中心卫星。这样的话就可以形成一个从廉价的运力到高速的数据传输，到AI模型的运行这样的一个完整的闭环。然后地面的用户就像我们刚才说的，就直接付费使用就可以了。 06:15 为什么要把数据中心放到太空去？这到底有什么根本性的优势？ 06:19 地球表面的数据中心总是会受到土地、电力、散热还有政策等等这一系列的限制。但是在太空当中的话，首先它的真空环境是一个天然的高效散热器，然后太阳能又是取之不尽用之不竭的，最重要的是它不受任何一个国家的主权所管辖。所以这就是为什么SpaceX它的这个招股书里面会把整个市场的潜在规模定在28.5万亿美元。因为他其实不是在跟谁抢生意，他是在开创一个全新的计算文明的底层架构。 IPO 本身：史上最大 06:53 好吧，然后我们再来聚焦一下这个SpaceX的IPO本身，这可是被称为史上最大一次上市。那它的这个关键的细节到底有哪些是让大家。 07:04 这么关注的？首先SpaceX这次上市，它的目标估值是1.75万亿美元，这个已经可以和沙特阿美当时上市的市值相媲美了。然后他计划要募集的资金是在400亿到750亿美元之间。如果是750亿美元的话，就会打破沙特阿美的256亿美元的这个记录，成为全球最大的一次IPO。 07:28 这个金额确实挺让人震惊的。 07:30 没错，它是定在2026年的6月12号，然后在纳斯达克上市。然后最特别的是马斯克他自己还会保留42%的权益，以及85.1%的投票权。对，就他对公司的控制权其实还是非常强的。 07:48 那这次IPO散户有没有机会参与？ 07:51 有啊，这次还挺特别的，就是有30%的份额是专门留给散户的，这可比一般的新股发行散户的比例要高很多。然后上市当天，马斯克的个人财富预计会直接暴涨超过7350亿美元。最后说一句 08:07 好吧，我们今天从SpaceX的火箭到星链，再到它的太空AI数据中心，然后再到他的史无前例的IPO，把这个公司要重塑全球的基础设施的野心和布局基本上都串联起来了。 08:23 行，那今天就聊到这儿，感谢大家的收听，咱们下期再见，拜拜。

8分钟

AI 圈几件大事，用人话讲清楚背后的逻辑

一、DeepSeek 组建 Harness 团队：所有人都在解同一道题，它来晚了 00:15 今天的内容要聊一聊最近人工智能领域发生的几个比较大的事情。如DeepSeek成立了自己的Harness团队，还有Karpathy加入了Anthropic，包括OpenAI在新加坡设立了实验室，再有SpaceX要收购Cursor这些事情。这一系列的动作都在说明现在人工智能行业的竞争已经不仅仅是谁的模型更大更强。而是整个闭环，包括生态渠道落地能力的全方位比拼。 00:49 对这个转变还是很明显的那我们就直接开始。 00:54 第一个话题就说说DeepSeek成立了Harness团队，他们这个团队的目标和最新的动作是什么？ 01:00 DeepSeek最近在北京组建了一个全新的团队，这个团队是要从头开始打造自己的代码智能体。这个智能体项目的代号就叫DeepSeek Code。还从Jane Street请来了资深的工程师Cui Tianyi 来带队。 01:19 这个Harness系统它到底是干什么的？为什么在实现AI自主化这件事情上这么关键？ 01:25 大模型它只是一个非常聪明的大脑，但是它自己没有办法去做事情。它要等你去问它它才会回答你，Harness它其实就是给这个大脑装上了手脚，让它可以自己去打开电脑查找资料、编写代码运行测试，甚至自己去看报错，然后修复。 01:46 有了Harness之后，AI就真的可以自己从头到尾完成一个任务了。 01:52 就是因为有了Harness这套系统，AI才不需要人每一步都去指导它，它可以自己去应对一些复杂的问题。这和模型本身的智能程度没有关系，这是一个单独的工程上的挑战，需要单独的投入建设。 02:10 那现在业内对于Harness系统主要有哪几种不同的做法？ 02:15 目前几大AI公司都在做自己的Harness，但路径其实差别还挺大的。Anthropic，是把Harness和Claude模型深度的整合在一起，直接打包卖。他们的收入也是从100亿美元一年直接涨到了300亿美元，也带动了新一轮的竞争。 02:37 那Google呢？ 02:39 Google把Harness的能力直接藏到了自己的生态里面。像Gmail、Docs、Calendar这些，它在后台默默的帮你自动完成一些任务。但是它只能在google的产品里面用，它的覆盖面虽然广，但它没有办法跨出这个围墙花园。 02:56 还有其它吗？ 02:58 还就是OpenClaw，它是一个开源的项目，它是把Harness和模型拆开了，它可以让你自由的去搭配不同的模型，在GitHub上面已经有超过10万颗星了。最后一个就是DeepSeek，它起步最晚的，它的模型是开源的，成本也很低。它如果能够把Harness做出来的话，它是可以用一个非常低的价格去吸引那些对价格很敏感的开发者。 03:28 我还有个疑问，在Harness这个事情上面，最大的行业难题是什么？ 03:33 其实大家都在纠结一个事情，就是Harness到底是应该跟模型绑在一起，还是说它应该变成一个独立的赛道。像Anthropic，它是把身家都压在了Harness和模型的紧密捆绑上。OpenClaw这种开源的模式，就是让Harness可以脱离模型单独存在，也得到了很多社区用户的支持。 03:57 现在这个市场上有没有什么比较冲突的一些案例？ 04:00 有啊，比如说Cursor 它本来是支持很多不同模型，但是它被SpaceX 收购了之后，它就开始往Grok生态上面靠。这就是一个捆绑的例子。所以这行业最终会往哪走，大家都在摸索。二、Karpathy 加入 Anthropic：这次跳槽的信号比跳槽本身更值得看 04:18 接下来要讲的是Andrej Karpathy，他加入了Anthropic，他到底是一个什么样的人？他之前有过哪些比较厉害的经历？ 04:29 他的履历简直是开挂。他不仅是OpenAI的创始团队的一员，他还主导过特斯拉Autopilot和全自动驾驶的AI系统。他也是在斯坦福拿了CS的博士，他在学术和工程上面都非常的厉害。 04:45 听起来已经很厉害了。他在普及AI知识上面有做过什么事情吗？ 04:50 他还是"vibe coding"这个词的创造者，Collins 词典把它评为了2025年的年度词汇。他还在YouTube 上面看开设了神经网络的系列课程，影响了非常多的AI工程师。他是属于那种极少数的既可以做最前沿的研究，又可以把这些复杂的东西讲得让大家都能听懂的科学家。 05:13 他为什么会加入Anthropic，而不是回到OpenAI或者去做其他的事情？ 05:18 他其实离开OpenAI之后，自己创业做了AI教育公司叫（Eureka Labs）。但是他最终还是去了Anthropic这就很能说明他对于行业方向的判断。 05:30 看来他的选择并不是简单的职业变动。 05:33 没错。他自己在X平台上面说过，他觉得未来的几年会是大语言模型发展的最关键的阶段。他更像是在选赛道，而不是在选雇主。Anthropic最近的发展也确实非常的亮眼，年收入已经到了300亿美元，Claude Code的用户也是激增，它的估值也在不断的逼近OpenAI。对于一个想要在这个行业最关键的时刻做一些大事的科学家，Anthropic确实比两年前有了非常大的吸引力。 06:08 他在Anthropic具体要负责什么事情？ 06:10 他主要是要组建一个新的团队，任务是要用Claude 加速 Claude 自身的预训练的研究，就是这个AI辅助AI科研。 06:20 用AI来帮助做AI的预训练。这个听起来就非常的黑科技。 06:24 因为预训练这个东西它是整个大模型开发里面最花钱的，对人类专家的经验依赖也是最高的一个环节。如果说能够让AI自己去设计实验分析结果，然后提出新的假设，那很有可能会让整个的研究效率产生一个指数级的提升。他是属于那种非常少的理论和工程都很强的人，所以是非常适合带领这个团队的。 06:52 怎么看最近这一波顶级技术人才扎堆的流向Anthropic. 06:57 就今年已经有Workday、Instagram、Box 等等六家估值超过10亿美元的公司的CTO都离开原来岗位，去Anthropic重新做研究员。Karpathy的加入其实就是这个趋势的一个高潮。 07:11 这个规模确实有点夸张。 07:13 要注意的是，顶级人才的聚集并不代表马上就会有产品落地。因为预训练的研究它是一个按年计算的周期，所以短期内其实很难看到直接的突破。但是Anthropic大举的招兵买马，是在向外界释放一个非常明确的信号。就是他们认为AI驱动AI研究这个方向就是下一个必争之地，而且他们愿意全力的去下注。三、OpenAI 在新加坡开实验室：两亿多美元，买的不只是一个办公室 07:42 我们再来讲一下OpenAI为什么要在新加坡设立应用AI实验室？为什么会看重新加坡这个地方？ 07:50 OpenAI最近跟新加坡政府签了一个合作备忘录，他们会投超过3亿新加坡元，也就是大概2.34亿美元，在新加坡设立他们第一个美国本土以外的实验室，他们也计划在未来几年创造二百多个技术岗位，这些岗位都会专注在公共服务、金融、医疗、数字基础设施这些领域。 08:13 听起来他们要做的事情还挺全面的。 08:16 新加坡它本身的地缘位置是非常特殊的，在中美科技对立的这个大环境下，它是属于一个既跟美国关系非常好，同时又跟中国保持着非常紧密的经贸往来的一个国家。它是一个真正的中立节点。再加上它的法律体系非常的健全，英语又是官方语言，产权保护也非常的严格，它是一个非常理想的科技公司设立研究机构的一个地方，而且它还可以作为一个辐射整个东南亚市场的一个基地。 08:49 现在是不是已经有很多其他的AI巨头也都盯上了新加坡？ 08:54 是啊，你看像Google DeepMind去年年底就在新加坡开了实验室。Nvidia更早之前就在新加坡有了深度的布局。大家其实都在积极的跟当地的政府去建立合作关系。你越早的进入，就意味着你可以在未来的政策制定以及AI采购的过程当中占据一个主导地位。 09:17 那你觉得OpenAI把它在新加坡的这个机构定义为应用AI实验室，这里面有什么深意吗？ 09:24 OpenAI其实打的算盘是不仅仅做研究，是要直接跟新加坡的政府和企业去合作，把AI真正的用在他们的数字基础设施里，形成一些长期的紧密的合作关系。这是一种很深层次的落地，而不是说我单纯的只是输出一个产品。 09:44 最近这个竞争压力越来越大，OpenAI为什么会把和政府的深度合作当成一个新的突破口？ 09:51 他们现在面临的竞争非常的激烈。Anthropic的营收追得非常紧。Google在企业级市场也是步步紧逼，再加上DeepSeek也让模型的能力不再是一个独家的武器。所以现在只有通过跟政府的深度合作，去打造一个别人没有办法轻易复制的落地的能力，才能够真正的拉开差距。因为这个是目前他们的对手相对来说比较薄弱的环节。 10:21 所以说OpenAI这次在新加坡投的这个钱到底值不值得？未来能不能够真的产生一些独特的价值？ 10:29 2.34亿美元对他们来说虽然不是一个小数目。但是也绝对不是一个伤筋动骨的投资，然后再加上新加坡政府这边也非常的支持，资源也很到位，所以这个合作其实推进下去是很顺利的。 10:44 关键还是要看他们能不能做出真正适合本地的产品了。 10:47 没错，这个实验室到底能不能够理解新加坡以及整个东南亚的真实需求，然后做出有深度的本地化的应用，这个才是最难的。而不是说我把美国的那一套直接搬过来。那这个布局到底有没有用，可能要等到三五年之后才能够真正的见分晓。但是如果现在不做的话，后面就根本没有机会了。四、SpaceX 计划收购 Cursor：不是买一个"壳"，是买一条赛道的入场券 11:11 是的，我们下面的一个主题就是SpaceX要收购Cursor这个事情。我们首先要说的就是科尔斯到底是一个什么样的公司？它为什么会在AI代码编辑这个领域能够获得这么多企业的青睐？ 11:25 而Cursor其实是2022年的时候，由4个MIT的学生做出来的一个AI代码编辑器。然后它最大的特点就是非常懂大型的代码库。它可以帮程序员理解上下文，快速的定位问题，自动生成代码，甚至帮你修复一些调试的错误。所以现在已经有60%新的世界500强企业都在使用它。对就它的这个企业级的渗透率。 11:50 是非常高的那大家经常会说Cursor只是一个壳，那它真正的核心能力到底在哪些工程难题上面？ 11:57 外界老是以为说Cursor它是一个包装，但其实它最难的地方是在于它解决了很多模型本身没有办法解决的工程问题。比如说怎么去管理上下文。 12:09 这个我还真好奇，就是面对那种特别大的代码库，它是怎么做到让模型能够高效的去处理这么多信息的？ 12:16 就是科是他有一套自己的索引和检索的机制。它可以在一个几十万行代码的项目里面，精准的去找出模型当前最需要的那一段代码，然后把它塞到这个上下文窗口里面。所以它其实是一个非常厉害的工程成果，它并不是说换一个模型就可以轻易的去复制的。 12:37 除了这个之外，它还有哪些地方是让人觉得很难被替代的？ 12:41 Cursor他还有一个非常厉害的地方，就是他跟程序员的日常的工作流是深度整合的。你写代码、跑测试、看报错、查文档、提交git它全部都可以在一个界面里面无缝的完成，所以很多人一旦用习惯了之后，就再也回不去了。对然后再加上他有67%的世界500强企业在用，所以它其实也积累了非常多的企业级的代码数据，这也是一个非常宝贵的训练资源。 13:10 所以说SpaceX它到底凭什么能够拿下Cursor，它背后到底有哪些资源？ 13:17 因为今年2月份的时候，SpaceX已经通过全股票的方式完成了对xAI的合并。然后它的估值一下子就冲到了1.25万亿美元。同时它也继承了Grok 模型Colossus 超算集群，还有X平台的大量数据。 13:34 怪不得他们能够跟Cursor 玩得这么深更。 13:37 有意思的是其实Cursor 最新的这个版本就是用xAI的Colossus 超算训练的。所以他们两个其实在收购之前就已经深度合作了。这次的收购其实更像是把已经在跑的协作关系彻底的变成自己的。 13:52 如果说把他们这些资源都串起来，会形成一个什么样的行业优势呢？ 13:57 一旦收购完成，那xAI就会拥有从模型算力到工具再到用户的完整的闭环。它的模型是Grok，算力是Colossus，开发工具是Cursor，然后用户是67%的世界500强企业。这其实和微软的那一套Azure加OpenAI加GitHub Copilot加VS Code的用户是如出一辙的那就是全链路的打通。 14:23 现在这个AI代码编辑工具的市场到底是一个什么样的竞争格局？ 14:27 目前来看的话，GitHub Copilot还是占据着最大的份额。它大概有37%的市场，然后它有470万付费用户。不过最近Claude Code也冲得非常猛，它是这个市场上的一匹黑马。然后企业端的话，Cursor其实渗透率是最高的，尤其是在大型企业里面。 14:47 这么看的话，马斯克这一次花大价钱收购Cursor是有他的道理的。 14:52 对他其实就是不想把这个开发者工具的赛道拱手让人。所以他宁可花一个大价钱，也要先把这个户口抢下来。 15:01 然后就是外界对于这笔收购的价格以及它背后的风险到底是怎么看的？ 15:07 有不少人都在质疑说Cursor它现在的这个收入根本撑不起600亿美元的估值。但是对于SpaceX来讲的话，它更看重的是时间窗口和整合成本，就他自己去重建这样一套生态的话，可能花的钱更多，更重要的是它会错失市场机会。 15:24 确实这个交易里面会有哪些不确定因素。 15:28 最大的风险就在于监管的审批能不能够顺利通过。然后SpaceX的IPO能不能够顺利的进行，以及两家公司的企业文化和产品能不能够很好的融合，这些都是非常大的挑战。但是如果说这些东西都能够迈过去的话，那这一次的收购就会让SpaceX和xAI真正的在这个AI工具的市场上面站稳脚跟，就像我们刚才说的，马斯克买的不是一个，可他买的是一条已经打通的通道。 15:59 我们今天聊了这么多，从DeepSeek到Anthropic到OpenAI，再到SpaceX和xAI其实我们能看到这个AI行业的竞争重心已经从单一的模型比拼转移到了生态渠道、政府合作、开发者工具这些全方位的能力建设上。所以说这个行业的壁垒正在变得越来越高，越来越难以逾越。 16:23 好了，这期内容咱们就到这里了，感谢大家的收听，然后咱们下期再见吧，拜拜。

16分钟

AI界名字最霸气的两位华人研究员：姚顺雨和姚顺宇

先认识一下这个人 00:01 今天咱们要聊的是人工智能这个行业。为什么真正推动这个行业进步的其实并不是那些神话般的天才，而是靠靠谱的人，靠团队的合作以及强大的执行力。没错。然后我们也会聊到在这个行业里面机会的稀缺和基础设施是怎么决定了大家的高薪。 00:26 没错，这些因素确实很关键。那我们就直接进入今天的讨论。 00:30 好的，咱们第一个话题就是这个主角的背景和大家经常会搞混的一件事情。就是硅谷有两个名字非常像的清华的毕业生，这两个人到底有哪些经历上的不同？ 00:43 这两个人经常被大家弄混，其中一个去了腾讯，另一个就是我们今天的主角。他是先在Anthropic参与了Claude3.7的开发，然后又跳槽到了GoogleDeepMind做了Gemini3。 00:56 他的这个学术背景跟他后来的这些选择有没有什么联系？ 01:00 他本科是在清华，然后博士去了斯坦福，学的是量子物理和高能物理。但是他自己有讲过一句话，就是说AI这个事儿本来也不太需要脑子，真的不太需要脑子。我觉得都是一些本科生就能干的活。 01:13 听起来很自信，那他这个自信是从哪儿来的呢？他对人工智能这个行业到底是怎么看的？观点一：AI 不需要脑子，但需要你靠谱 01:18 他的核心观点就是很多人把人工智能想得太神秘了，觉得这一定是天才才能干的事儿。但是他认为这个行业其实最看重的是靠谱，做事细致和责任心。 01:31 就是说他觉得聪明并不是最重要的对。 01:34 因为他自己有做过物理，然后他就觉得高能理论物理才是真的难。就是它的实验验证非常的滞后，理论对不对？很多时候只能靠几个权威去拍板。但是AI不是，AI是你有一个想法，你就可以去跑个实验，有数据做标准，你可以不断的去调，直到你把它做出来。所以他觉得这个领域聪明人其实不少，但是真正稀缺的是那些可以把实验坚持到底，把每一个bug都修好，绝不轻易放弃的人。观点二：个人英雄主义已死，但"英雄"们可能不知道 02:03 说到这儿我有个问题，现在大家还会把人工智能的进步归功于某几个英雄式的人物吗？ 02:10 其实现在这种个人英雄主义已经过时了。虽然现在很多媒体还喜欢去渲染某一个大佬跳槽了，然后某一家公司的估值就飞涨了。或者说某一个人发了一条推特就引起了整个行业的热议。但是他其实是不太认同这种现象的。 02:27 他的理由是什么？他的理由是说在Transformer出现之前，确实是有那么几个人，他们提出了关键的想法，可以算是英雄。但是自从那儿之后，更多的是靠一个团队去持续的推进，才能够把这个东西做大。所以他觉得很多成果其实就是赶上了好的时机，赶上了好的项目，再加上大家靠谱的去执行。他甚至说自己参与Claude3.7，他也不觉得自己有多重要，他觉得他只是幸运。 02:57 但是他在评价同行的时候，还是会用自己的标准去说谁谁谁怎么样，这是不是也是一种英雄心态的残留？ 03:04 他虽然说他自己很谦虚，但是他其实也会去直接的说谁谁谁傻，谁谁谁说话没有意义，甚至有“not even wrong……”的这种说法去评价别人。所以他其实是在解构别人的英雄光环的同时，他自己还是有一点点保留了这种评判的特权。这种矛盾还是挺有意思的。番外加料：他顺手给"老登"下了一个定义 03:26 的确。咱们接下来这个话题，就会涉及到他对于高能物理领域的一些老资格的人的看法，他是怎么去区分这些人的？ 03:35 他其实是有一个特别有意思的定义。他说人年纪大了会变成两种状态，一种是德高望重，就是他少指手画脚，还会花自己的力气去培养年轻人。另一种人就是“老登”，自己也不懂，还爱指手画脚。 03:49 所以在他的这个定义里面，“老登”其实跟年龄和资历都没有什么关系，核心就是这个人爱不爱指挥别人。 03:56 完全正确。而且他还说“老登”最高级的操作就是他说的话永远都是那种"not even wrong"，就是永远模糊，永远正确，但是永远没用。你都没有办法去反驳他，因为他根本就没有说过任何有实质内容的东西。 04:12 那他为什么会觉得人工智能这个行业就摆脱了这种主观的评价？ 04:17 他的观点就是说AI行业有非常明确的评价标准，模型跑出来的数字就是硬通货，谁也没有办法去左右。所以在这种情况下，那些所谓的老登就没有办法再去用他们的个人喜好去绑架整个领域的发展。这也是他为什么喜欢AI行业，除了钱之外的最大原因。观点三：Anthropic 是怎么 all in 押注 coding 的？ 04:35 明白了。那我们现在来谈谈关于Anthropic这家公司，他们是怎么会突然之间决定说要全力投入到代码相关的AI研发当中的。 04:45 其实这个背后有一个很有趣的故事转折，就是他们一开始也没有什么深谋远虑。就是因为当时Claude3发布了之后，有人在推特上面比较说，Claude3好像写代码比GPT4还要厉害。 05:00 就因为网上的一场讨论就改变了公司的战略方向？ 05:03 因为那个时候GPT4是公认的很强的，所以能有一个模型在某一个关键的能力上面超过它，立刻就成了一个大新闻。然后Anthropic的管理层就非常迅速的抓住了这个信号，他们就马上决定说我们要把我们的重心转移到coding上面。所以他们的这个决策其实是非常快速的。 05:24 那他们这个决策背后有没有什么关键的技术突破呢？ 05:28 这就说来话长了。其实Claude在coding上面能够超越GPT4并不是说靠运气，而是因为有一个团队做了一个非常重要的技术决策。但是这个决策现在因为NDA的原因没有办法对外透露。 05:42 原来是这样。那就是说外界其实是不知道这个真正的突破口是什么的。 05:46 对外界是不知道的。而且他半开玩笑的说，这个东西很有可能就是一开始的时候只是一个尝试，没有想到就无心插柳柳成荫了。然后他们公司看到了这个推特上面的讨论之后，马上就决定说要全力投入。所以整个这个过程非常的体现了他们公司的这个执行力。就是从一个小小的偶然的优势到最后变成一个公司级的战略，中间几乎没有什么犹豫。 06:15 但是我想问一下？为什么很多公司就是即使知道了别的公司公开出来的一些技术秘诀，他们也没有办法直接复制出同样的AI成果呢？ 06:23 这个就说来话长了，其实他有专门讲过这个问题。他说大家老觉得说好像有一个什么配方，就像做菜的配方一样，我只要知道了我就能做出同样的菜来。但是在AI这个领域其实完全不是这么回事儿。 06:37 所以就是说这个所谓的技术秘诀其实并没有大家想象的那么万能。 06:42 他就说这些技术的tips大家都很想听，然后公司又不让你说。但是其实说出来也没啥用。因为真正的AI训练它是一个系统工程，每一个技术细节都和公司的底层基础设施是深度绑定的。 06:57 就是说A公司的一个技巧到了B公司就根本跑不起来。 07:01 是的，他还举了个例子说，强化学习里面不同公司用来生成训练数据的机器和用来更新模型权重的机器是差别很大的。有的公司这两者差异极大，算法设计的核心就是怎么控制这个差异，让训练稳定。然后有的公司是它的基础设施做得好，差异小，他就可以把更多的精力放在训练效果上。所以他说知道别人怎么做的不等于你能做出一样的结果，这才是tips没用的真正原因。 07:30 我就有点纳闷了，为什么有些公司能够在AI领域迅速的推进新的想法，而其他公司就做不到？ 07:37 他其实也讲了这个问题，他说关键就在于技术和管理的决策权是不是在同一批人手里。他举了Anthropic这个例子，就是他们的技术负责人，同时也是公司的创始人，所以他在技术圈里面是非常有威望的。然后他也有权利去推动公司的决策，所以他们就可以非常快速的去决定要做什么，要投入什么。 07:57 也就是说只要技术大拿和公司的管理层不是同一拨人，这个公司就很难做到这种高效的决策，是吗？ 08:05 也不能这么说，他也举了OpenAI的例子，他说OpenAI就干不了，Ilya在的时候或许可以，但是后来发生了什么大家都知道了。他说top down最大的难点就在于做技术决策的人必须也得是公司的决策人。番外：他为什么离开 Anthropic？ 08:20 好的,那咱们接下来这个话题就非常有意思了。就是他为什么会选择离开Anthropic. 08:26 这背后的原因还挺直接的。他在那儿待了快一年，然后也参与了Claude3.7的这个开发，也经历了公司从七八百人扩张到将近2000人。但是他还是选择要走，他给出了三条非常坦率的理由。 08:41 那第一个理由是什么？ 08:42 第一个理由就是他不认同他们CEO在一些公开立场上面的做法。他觉得Dario把反华的这个事情推到了一个非常极端的程度，他觉得这是一个非常情绪化的体现。而且他作为一个员工，他也很明确的表达了他的不同意见。 08:59 那公司规模变大之后，文化氛围有什么让他觉得难以接受的变化吗？ 09:04 有啊，他说就是人多了之后，就有很多人开始在Slack上面天天讲一些正确的废话，然后大家谁都不落地。他就引用了一句 “Idea is cheap 难的是怎么把它变成一个小的可实现的步骤做出来。” 09:21 他说的很对，那还有其他原因吗？ 09:23 还有一个很关键的原因，就是他觉得在Anthropic可能学到的东西越来越有限了。因为他们公司就只做coding agent和强化学习，像多模态生成和系统底层他们都不碰。所以他为了要继续成长，就选择去了Google DeepMind。然后他也给了一个建议，就是说很多人换工作之后会后悔，是因为他们根本就没有想清楚自己想要什么。 09:47 说到这儿，我有个问题。他当时离开的时候是怎么看Anthropic的未来的？ 09:53 他当时走的时候其实是挺悲观的，他觉得靠卖token是一个很难有优势的事情，然后觉得未来肯定会陷入价格战。但是后来他也承认自己错了，就是Anthropic他们后来做了Claude Code，然后也做了Cowork，在产品上面做了很多很巧妙的创新，慢慢的也打开了局面。 10:12 看来他对自己的这个判断,失误还挺坦诚的。 10:14 对，而且他说后来首先是OpenAI被google揍了一拳，然后Anthropic自己又上道了。他虽然说他悲观错了，但是他说他也完全不后悔离开。观点四：OpenAI 救了 Google 一命 10:26 行，我们接下来就聚焦在一个非常犀利的观点上面，就是OpenAI到底在google的这场AI的博弈当中扮演了一个什么样的角色。 10:36 关于这个，他其实讲的还挺直接的。他说大家都曾经担心过AI的聊天机器人会彻底取代google的搜索，让google陷入困境。 10:46 但是事实好像并没有那么极端。对吧？ 10:48 对吧？是的，他的分析是OpenAI先推出了chatbot，这一下子就把google打醒了，然后google就不得不全力以赴去做这面。但是呢，OpenAI其实也没有把搜索市场给吃掉，只是分走了一小块，反而让google有机会反击。所以他说从某种意义上来说，OpenAI是救了google一命行了。 11:10 那他怎么看google在这场竞争当中的机会？ 11:13 他特别提到就是说google最擅长的就是做出一个极简的产品。但是背后的技术是可以把对手卷死的那种，就像当年的搜索一样。所以只要这个聊天机器人没有把搜索彻底颠覆掉，那google就有机会再一次用技术把主动权夺回来。番外：那些被"哔"掉的瞬间 11:30 行，我还有个问题，就是他在采访当中是怎么去评价那些经常说一些非常宏大但是又非常模糊的观点的AI行业的大佬的。 11:40 他其实有好几个地方都直接给消音了。就比如说他说某一个neo lab的创始人，他都不知道他们到底要干嘛。然后他还说叉叉叉一直挺蠢的，蠢的始终如一。 11:53 看来他是毫不留情。那他有没有用什么特别的说法去形容这种怎么说都不会错，但又没什么实际内容的话？ 12:01 有啊，他就用了一个物理里面的术语，叫做"not even wrong"。就是说这些人讲的话错误程度还不够，因为他根本就没有具体到能够被证伪的程度。就是他说什么都对，然后他怎么都可以解释，那跟没说有什么区别呢？最后：如果 AI 这么简单，为什么工资这么高？ 12:18 最后咱们来探讨一下，就是现在这个AI行业为什么工资会这么高？ 12:23 他的看法还挺有意思的。他说这个高薪其实并不完全是因为能力有多稀缺，更多的是因为你只有有机会去做这个事情，你才能够学会这个事情。他原话就是说你得有那个机会去接触这件事儿，你才能学会这件事儿。你没有那个机会再聪明也没用。 12:42 所以他的意思是说，能进到这个圈子里面比你的智商更重要。 12:47 没错，他就说这其实是一个技术门槛、机会门槛和市场的热度三者共同作用的结果。然后他还特别说说纯做语言模型研究的。末班车在Claude 3.7那代就已经发车了，就现在已经不是蓝海了。但是他自己就是那班车上面的人。 13:05 好吧，今天我们聊了很多，从这个行业的底层逻辑，到团队合作的重要性，再到个人的成长和选择。其实人工智能这个领域比大家想象的要更接地气一些。 13:18 好了，这就是本期播客的全部内容了，我们下期再见，拜拜。

13分钟

AI圈最近两件大事，听完你就是懂行的人了

第一件事：OpenAI 和微软"开放婚姻"了 00:07 今天我们要聊的是OpenAI和微软他们两个之间的合作关系发生了变化。同时还有马斯克对OpenAI发起的诉讼，这背后到底是怎么一回事儿，以及这些事情会怎么影响人工智能行业未来的走向。 00:21 没错，这两个事件都挺有看头的那我们就开始。 00:25 我们先来看看第一个大问题，就是OpenAI和微软的关系变化。其实很多人都很好奇说这两家公司到底是怎么一步步的建立起这种深度合作的。然后他们这种合作对于外界来说到底。 00:39 意味着什么？其实我们现在每天都在用的ChatGPT，它虽然是OpenAI开发的，但是背后是微软给他投了超过130亿美元的这么多的资金的支持。然后换取的就是OpenAI的产品和技术，只能跑在微软的Azure云服务上面。对，相当于就是说微软是OpenAI唯一的外卖平台，就是你只能通过我这个平台把奶茶送到用户的手里。 01:07 这种独家的合作听起来确实是很牢固，但是为什么后来OpenAI又和亚马逊的AWS搞到一起去了？ 01:16 这事儿发生在2025年年底，OpenAI背着微软跟AWS签了一个五年的高达500亿美元的合同，把自己的这个旗舰平台Frontier的独家使用权给了亚马逊。所以微软当时就很生气，甚至一度传出要起诉OpenAI的这样的一个消息。 01:35 微软和OpenAI重新达成的这个协议跟之前相比有哪些关键的变化？ 01:40 就是2026年的4月27号，他们就正式的官宣了OpenAI以后不用再只依赖微软的云服务了，他可以自己去选择用亚马逊的谷歌云，或者是其他的任何的云平台都可以。但是微软还是有一个优先的待遇，就是所有的OpenAI的新产品都要要首先在Azure上面发布，而且这个首发的特权是一直持续到2032年。 02:06 那在分成上面，这一次有什么新的规定吗？ 02:08 微软依然可以拿到20%的收入分成，但是是有一个上限的，而且时间是到2030年。对，还有就是之前的那个合同里面有一个所谓的AGI条款。就是说如果有一天OpenAI研发出了可以超越人类的这种通用人工智能，那么合同的很多条款就要重新谈。现在这个条款也被彻底的删除了，就换成了一个明确的时间节点，就是到2030年或者2032年，就按照这个时间节点来执行，不再跟AGI的实现挂钩了。 02:42 说到这个AGI条款，这也是一个很有意思的话题，就是为什么这个条款在他们的合同里面会变得这么举足轻重。 02:50 其实这个条款就是相当于一个定时炸弹一样，就是一旦OpenAI自己宣布说我已经实现了AGI，那微软的很多特殊的权利就会自动的需要重新商量或者直接作废。然后这个东西其实是OpenAI他们为了体现自己是一个为全人类，而不是为某一个公司开发AI的这样的一个初衷。 03:10 听起来很合理，但是这个条款的问题出在哪里呢？ 03:13 这个问题就在于到底什么叫AGI，它没有一个客观的标准，然后谁来判断也没有说，最后就是欧佩I自己说了算。这就意味着微软几百亿美元的权益其实是完全取决于OpenAI的一句话。所以他们这次就直接把这个AGI条款删掉了，改成了一个固定的年限，大家都不用再去纠结这个哲学难题了。 03:37 然后我们来看看这个OpenAI和微软他们重新签了这个协议之后，对他们各自都带来了哪些具体的变化呢？ 03:44 在OpenAI那边，他们的销售负责人Denise Dresser就公开的说过，以前被微软绑住的时候，很多大企业因为他们不用Azure，所以我们根本就没法做生意。现在就是解绑了之后，OpenAI可以去跟更多的大公司合作，然后也可以去吸引更多的资金的投入。 04:02 那微软？微软失去了独家的合作之后，他们是怎么来保证自己的利益的呢？ 04:08 微软虽然没有了独家的这个权利，但是他们锁定了六年的收入分成，然后也去掉了AGI随时爆炸的这个隐患。然后另外一边就是亚马逊那边的反应也很有意思。他们的老板安迪·贾西得知了这个消息之后，就只回了一句"very interesting（非常有趣）"。对，就很像是我赢了的这种感觉。第二件事：马斯克亲自上法庭，要告 OpenAI 索赔 1300 亿美元 04:29 下面咱们来分析一下马斯克起诉OpenAI的这个案子，这两家曾经的关系那么密切，那当初他们是怎么走到一起的？ 04:41 是这样的，2015年的时候，马斯克和Sam Altman，他们一起联合创办了OpenAI。然后那个时候就是打着非盈利的旗号，就是说我们要为全人类去推动AI的发展，而不是为了赚钱。 04:51 然后马斯克当时不光捐了很多钱。 04:54 而且他在早期的时候是最核心的金主。 04:57 所以马斯克当初为什么要离开OpenAI呢？ 05:01 因为在2018年的时候，他跟董事会有一些理念上的冲突，所以他就离开了。然后他走了之后，他就看着OpenAI一步一步的成为了一个估值非常高的这种商业公司。而且他们也宣布说要去为投资人赚取利润。所以这就跟他一开始创办这个公司的初衷就背道而驰了。 05:20 原来是这样，那马斯克为什么会在这个时候突然对OpenAI发起诉讼？他的核心的诉求都有哪些？ 05:27 马斯克的这个诉讼的理由其实很直接，就是他认为他一开始捐钱的时候，这个OpenAI是一个非盈利的公益机构。但是现在这个OpenAI却变成了一个估值上万亿的商业巨头。他就觉得这其实就是相当于把他的这个慈善的捐款变成了一个私人的财富。他甚至在法庭上面就直接质问说，如果法院判决说侵吞慈善资产是可以的那美国所有慈善捐款的基础都将被永久的动摇。 05:56 那他在这场官司当中具体的提出了哪些要求？ 06:00 马斯克他现在是要求OpenAI赔偿1300亿美元，然后把Sam Altman和Greg Brockman赶出董事会，而且还要让OpenAI强制的变回一个非盈利组织。 06:11 行，那OpenAI这边他们是怎么回应马斯克的这些指控的？ 06:16 OpenAI的律师直接就说马斯克这是吃不到葡萄说葡萄酸，就是说他离开之后自己搞了一个xAI，又竞争不过人家，所以就只能来告人家。 06:24 那这个律师有没有拿出什么具体的证据来支持这个说法？ 06:30 就指出说其实马斯克在OPPO AI最开始转型的时候，他是完全没有任何的反对的。直到OpenAI变成了全球最有影响力的AI公司，然后也成为了他自己的公司的一个最大的对手之后，他才跳出来说要维护这个慈善的原则。而且微软的律师还补充说，马斯克是在2024年才起诉的。但是OpenAI其实早在19年就已经开始商业化了，所以他拖了这么久才来打官司，其实就正好说明了他只是在意输赢，而不是在意这个公益的初衷。 07:01 原来是这样。那在这个庭审的过程当中，有没有什么特别令人难忘的法庭现场的一些片段呢？ 07:08 最经典的就是马斯克在面对对方律师的一连串关于法律和合同的一些细节别的问题的时候，他只能不停的说："I am not a lawyer（我不是律师）"。大家可以想象一下这个世界上最有钱的人之一，然后又是一个火箭专家，又是一个AI的大佬，在证人席上面反复地承认说我不懂法，这个场面真的是非常的有戏剧性。 07:31 那这场官司为什么会被认为是在整个AI行业里面有这么举足轻重的地位呢？ 07:36 这个案子其实远远不是说两个人之间的这种个人的恩怨，他是要决定一个打着非盈利造福全人类旗号的AI公司到底能不能够中途转变成一个商业巨头。如果这个路是可以走通的话，那以后可能全球的AI公司他们的融资方式，他们的组织形式都会彻底的改变。但如果要是说这条路被法院否定了的话，那OpenAI可能就要被迫进行重组。 08:04 那这个案件的审理过程当中，有没有什么让大家特别期待的环节？ 08:09 这个庭审它是会持续四周的时间，然后会有很多AI圈里面的重量级的人物都会来出庭作证。而且最有意思的是，很多他们这些创始人之间的从来没有公开过的私信、邮件，都会被作为证据当庭出示。所以这就是为什么这个案件被称为2026年最值得关注的科技大剧。两件事放在一起，画面格外有意思 08:33 好，然后我们来看看OpenAI现在到底是处于一个什么样的局面，就是这一系列的外部的变化和内部的动荡是怎么交织在一起的。 08:43 现在的OpenAI就像是一个刚摆脱了包办婚姻的年轻人，他终于可以在云计算市场上自由的挑选自己的合作伙伴。但是他还没有来得及喘口气，就被前任大股东和愤怒的元老股东同时找上门来。就是一边要忙着应付微软的这个新的协议，一边还要应对马斯克的这个诉讼，整个公司可以说是焦头烂额。 09:09 这些事情的后续的走向，为什么会让大家这么关注呢？ 09:14 因为未来这四周的这个审判和谈判，可能会直接决定未来十年整个AI行业的格局。所以这绝对不是一个普通的科技八卦，而是一个真正的影响行业走向的大事。 09:26 没错，今天我们给大家梳理了OpenAI和微软之间的风云突变，然后也聊了马斯克和OpenAI之间的这个恩怨情仇。这背后其实不仅仅是商业利益的博弈，其实更多的是关于人工智能这个行业的未来到底要怎么去走。 09:42 好了，这期节目咱们就到这里了，感谢大家的收听，咱们下期再见，拜拜。

10分钟

什么！？浓眉大眼的豆包也要收费了？

豆包要收费的消息上了热搜 00:07 今天咱们要聊的是关于最近豆包宣布推出付费会员这件事情。其实这背后反映出了整个AI行业正在从一个免费的模式慢慢的走向一个更加商业化，更加可持续的这样的一个阶段。 00:20 这个话题最近挺火的那我们就直接进入今天的讨论。 00:23 我们先来聊一聊豆包的这个付费方案到底是怎么回事，现在好多人一看到这个AI要收费了就挺敏感的那豆包这次到底是准备怎么收呢？ 00:33 目前豆包它在APP Store上面是公布了有三档会员的方案。分别是标准版连续包月是68一个月，包年的话是688一年。然后加强版是200一个月，包年是2048。还有一个专业版是500一个月，包年是5088。 00:51 除了这些付费的版本，那免费的用户还能不能继续使用？ 00:55 这个你放心，豆包还是会有基础版的免费服务的。付费的会员主要是为了那些需要处理更复杂的任务，或者说有生产力需求的人准备的。比如说要自动生成PPT，要做数据分析，要做视频制作等等。这个方案现在还在测试阶段，所以具体的上线的细节他们还会再正式的公布。一、为什么大家对豆包收费这么敏感？ 01:16 那为什么大家对于豆包开始收费这件事情反应会这么强烈？ 01:21 这和过去20年互联网给我们带来的使用习惯是非常相关的。我们现在用的搜索、社交、短视频、地图，还有邮箱，几乎每一个主流的服务都是免费的，大家就慢慢的觉得，好像所有的APP都应该是免费的。这种想法已经根深蒂固了。 01:40 确实大家已经习惯了不花钱在网上获取各种服务，突然有一个大家常用的AI要收费了，确实会让人觉得有点不适应。 01:49 但是（传统互联网）这种免费其实都是靠广告、流量、数据还有平台的规模效应来支撑的。就是用户越多，平台的平均成本反而越低。但是AI的模式是完全不一样的。 02:01 AI和传统的互联网服务在成本结构上面最大的区别是什么？ 02:06 传统的互联网服务就像打开一个水龙头，水厂已经建好之后，你多用一点水，增加的成本是非常有限的，但AI每一次的使用，比如说你让它写一个朋友圈的文案，它都要实时的进行大量的算力的运算。如果你让它再复杂一点，比如做一个PPT或者分析一个excel，甚至生成一个视频，那它就要持续的消耗算力资源。 02:32 我们每一次和AI的互动，背后都是在实实在在的消耗算力资源。就跟点外卖一样，每下一个单厨房就要重新炒一个菜。 02:43 这个比喻很形象。AI服务背后的这些GPU服务器，就像后厨里面的厨师一样，它一直在为你这个请求进行运算，你用的越多，消耗的算力和产生的电费就越多。这就是为什么AI的这种成本结构是完全不同于传统互联网的。二、AI为什么不能一直免费？ 03:01 为什么AI不能一直免费。就是大家经常会认为说AI回答问题就像在查资料一样，但其实它的这个过程和我们想象的不太一样。 03:12 很多人以为AI就像在数据库里面查找答案，就像百度一下把现成的结果拿出来，其实不是。大模型的运作更像是一个巨大的数学机器，你每问它一个问题，它都要把你前面的对话再读一遍，然后再一个字一个字的生成回答。 03:32 AI在回答问题的时候，每一句话都是当场算出来的，而不是说简单的把之前存好的答案拿出来。 03:40 就是这样，它的这个答案是一个字一个字往外蹦的，它是一个token生成的。这个token你可以理解成是一个文字的颗粒。所以你看到的流畅的答案，其实背后是靠GPU在非常高速的进行这种矩阵运算，才一个字一个字儿给你吐出来的。 03:58 AI公司的这个成本主要就是花在这个用户每次使用的时候的运算上，而不是说我服务器开着就有成本。 04:07 是的，就是每多一个问题就要多消耗一份算力。这就是为什么它和传统的那种CPU的模式是完全不一样的。这是一个GPU的时代，而且是一个非常昂贵的GPU的时代。这些高端的AIGPU它的价格就跟北京的学区房一样，就是你看一眼都觉得贵。你要真的想大规模的部署，那你得层层审批，开会讨论。三、为什么简单聊天可以免费，复杂任务就可能要收费？ 04:30 我很好奇为什么简单的聊天AI可以免费，但是一涉及到复杂的任务，就要开始收费了。这背后的这个推理成本到底是一个什么东西？ 04:40 这里有一个很关键的概念就是推理成本。推理其实就是你每次使用AI的时候，它要实时的为你进行运算和服务。就有点像模型是十年寒窗苦读好不容易考上了大学。然后你每次问他一个问题，他都要相当于毕业之后每天去上班，然后老板还天天让他改PPT，这个推理的过程是一个不断的在消耗资源的一个过程，所以它是一个持续的成本。 05:08 是不是说简单的聊天和复杂的任务，在消耗算力上面是有天壤之别的？ 05:14 没错。简单的问答就相当于让AI给你泡杯茶。如果是让它生成一个PPT，就相当于让他去筹划一场年会。如果是让它去处理视频，那就是相当于让它去筹备春晚。这就是为什么豆包会把这个简单的聊天做成免费的，然后复杂的功能做成付费的。其实就是基础服务用来吸引用户，然后重度的任务就合理的收取一些成本，这也是AI产品从前期的烧钱补贴到现在开始合理的收费的一个必然的阶段。四、为什么AI公司不能靠广告解决？ 05:48 为什么AI公司不能靠广告来覆盖成本。大家很自然的会想说，互联网不是一直都是靠广告赚钱的吗？那为什么AI不能像短视频平台一样插广告呢？ 06:01 因为AI的使用场景和短视频完全不一样。短视频你刷的时候，突然之间插播一个广告，大家最多就是觉得有点烦，但是还可以接受。但是如果说你在工作或者学习的时候，你让AI帮你分析一个公司的战略，然后它给你插播一条空气炸锅的广告，你肯定觉得非常的出戏。甚至有点被冒犯到。 06:23 确实在这种很严肃的生产力的场景下面，突然来一个广告，不光是打断思路，而且会让人觉得很干扰，很讨厌。 06:32 比如说你在写论文的时候，它给你推护肤品，你在做数据分析的时候，它突然来一句，本回答由某某酸奶赞助，你会觉得这根本就不是创新，这简直就是精神污染。所以广告的方式在AI的服务里面其实是很难行得通。 06:47 如果是一个用户，他高频的使用AI来处理这些复杂的任务，广告的收入真的可以跟上算力的消耗吗？ 06:55 很难，因为AI服务的成本是和用户的使用量直接挂钩的，用的越多算力成本就越高。比如说有一个人就每天问两句话，晚饭吃什么？还有一个人每天让AI写方案，做PPT生成视频。这两个人给平台带来的成本压力是完全不在一个量级上的。但广告很难精准的按照你这个成本来进行一个区分收费。这就是为什么订阅制或者说这种按量付费以及会员的分层，是几乎所有的AI产品最后都要走的一条路。五、为什么“免费AI”迟早会分层？ 07:29 为什么免费的AI最后一定会分层。其实就是不同的用户对于AI的需求和使用的程度是有非常大的差别的对那这种差别是怎么推动分层的？ 07:41 因为有些用户他就是偶尔问一下，比如感冒了能不能喝咖啡，或者说帮我写一句生日祝福这种。这种很简单的使用平台完全可以继续让他免费。但是有些用户是把AI当成一个全职的员工在用，比如说他让AI帮他做一个30页的路演PPT，或者说让AI帮他分析财报，然后输出投资逻辑，甚至让AI帮他生成短视频脚本。这种高强度的使用，消耗的算力资源是非常惊人的。 08:11 那种把AI当员工用的人，给平台带来的成本是非常高的，这个时候分层收费就变成了一个很自然的事情。 08:21 虽然AI不会跟你要工资，但是它背后的GPU、电费、带宽，还有模型的维护和工程师的团队，每一样都是要花钱的。最后就会形成这种轻度的用户可以免费，专业的用户要付费，企业用户要更贵。然后超级重度的用户可能还要按照它的使用量来单独计费。这几乎是所有的AI产品最后都会走的一条路。不管是国内还是国外，大家只是在谁先谁后以及具体的方式上面会有一些差别。六、为什么大家最担心的不是收费，而是“免费版变笨”？ 08:53 我有一个问题，就是用户对于AI产品在收费的同时，会不会削弱免费版的功能？这件事情大家最担心的到底是什么？ 09:04 用户真正怕的不是说要花钱，而是怕原本好好的免费版，突然之间功能被砍了，变成了一个低智商青春版。大家最焦虑的是不买会员就只能用残血版，这种体验是最难受。 09:21 这种先免费吸引你用，然后再把你的权益逐步的削减，最后逼你付费的做法，确实让很多用户觉得很没有安全感。 09:30 这就是为什么豆包这次它最关键的不是说它的价格定的有多低，而是它要让大家相信免费版到底会保留哪些核心的体验，付费版到底会带来哪些实实在在的高阶的功能。然后价格和这些高级的能力是不是真的匹配？就这些东西你要说的明明白白，用户才会觉得我花钱花的值，而不是说我花了钱买了一个空气会员。七、AI收费的本质：不是卖软件，而是卖算力时间 09:58 说到这儿，我想问问AI的收费和传统的软件收费到底有本质的区别吗？ 10:04 传统的软件你买的是一个工具，比如说你买了office，买了photoshop，你买的是里面的一套功能。会员就是给你一些额外的云空间或者模板。但AI的会员它其实本质上卖的是模型的能力加上算力的时间，再加上你优先的使用以及更复杂的任务的处理权。他卖的其实是机器帮你思考，帮你创作的这个过程。 10:29 那就是说AI其实更像是我雇了一个数字工人，我用的越久让它干的活越复杂，我需要付的钱就越多。 10:37 完全是这样。而且它商业化的核心其实是用户到底觉得这个服务值不值。比如说它帮你节省了3个小时，它收你20块钱，可能大家觉得很值没错。或者说它帮你很快的做出来了一份可以直接拿去见客户的PPT，收你几十块钱大家也觉得还可以。甚至它帮你生成了一个可以直接商用的视频，价格再高一些大家也能接受。但是如果你只是问他一句今天心情不好怎么办？然后它跟你说开通专业版才能解锁安慰功能，那大家会觉得这个体验太差了，就一点温度都没有。八、豆包收费为什么是一个行业信号？ 11:12 豆包收费这件事情到底释放了一个什么样的行业信号。 11:17 豆包其实是国内AI领域里面非常有代表性的一个应用。它现在开始试水收费，就说明中国的C端的AI产品已经不再是单纯的去追求用户的数量，而是真正的要去考虑商业闭环，要把产品变成钱。这是一个非常大的一个转型的信号。 11:39 AI行业的竞争逻辑从用户和功能的比拼，全面转向了商业变现能力的比拼。 11:46 以前比的是谁用户多，谁模型强，谁功能更丰富，谁免费送的最多。那接下来大家就要看谁能够让用户心甘情愿的掏腰包，谁能够把这些复杂的任务做得又好又省钱，谁能够在这个免费和付费之间找到一个合适的平衡点，让用户觉得我花钱买服务是值的，这才是真正的考验。九、普通用户到底要不要慌？ 12:13 豆包宣布了这个收费的方案之后，对于不同的用户群体会有哪些具体影响？ 12:18 按照目前的计划，基础版豆包还是继续可以免费使用。日常的一些简单问答，写一个短文案，改一个句子，这些都是可以继续免费的，受到影响的是那些高频的重度使用的用户。 12:36 如果你只是一个普通用户，偶尔用一用，这个变化对你来说几乎没有影响。 12:43 主要是每天都要让AI帮他写方案，做PPT，或者说要分析大量的数据处理图片和视频的这些人。把AI当成一个全职的数字员工来用。这些人未来可能就要为AI的使用来付费了。因为算力的成本其实是很高的，AI它其实更像是一个需要你花钱来雇的能力很强的员工，而不是一个可以无限免费使用的工具。十、最后说句人话 13:12 我们最后再来总结一下，豆包开始收费这件事情，在更深层次上反映了一个什么样的行业的趋势。 13:19 豆包的这个动作其实就意味着AI行业已经从大家一开始的那种免费的体验，慢慢的进入到了一个更加成熟的商业运营的阶段。大家不能再期待说我所有的这些高级的功能都是可以随便用的对，而是要开始去衡量说我这个服务到底值不值这个钱。 13:39 AI的价值最终要通过用户愿意为它付费来体现的，而不是单纯的看有多少人用是这样的。 13:47 免费它只能帮你吸引用户。真正能够让产业持续发展的，是用户愿意为服务买单。这才是一个AI公司能不能够长期活下去的关键。因为不管你的理想有多远大，最终你每个月的GPU的账单都是要付的对，是不会给你打任何折扣的。 14:10 今天我们聊了很多关于豆包开始推出付费会员的事情。然后也顺便帮大家捋清楚了AI行业从免费到收费背后的一些原因，以及未来可能的一些走向。 14:23 OK. 今天的内容咱们就到这里了，感谢大家的收听，咱们下期再见吧，拜拜。

14分钟