Hanson13

听友 1个月前加入最近活跃 1周前

还没有写简介。

Hanson13 的直播间现在没有在播进去看看公告和留言

Ta 订阅的播客

跨国串门儿计划克隆翻译精品英文科技播客

Ta 最近听的

#702.DeepMind 新掌门：AGI 不在实验室里，在真实用户与产品中被共同构建

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Google AI: Release Notes Koray Kavukcuoglu: “This Is How We Are Going to Build AGI” 原内容更新时间：Tue, 25 Nov 2025 本期节目由 Google AI 的 Logan Kilpatrick 主持，嘉宾是 Google DeepMind CTO、Google Chief AI Architect Koray Kavukcuoglu。两人围绕 Gemini 3 的发布展开讨论：模型为何在多个 benchmark 上达到前沿水平、用户反馈意味着什么，以及 AI 研究如何从实验室里的论文和指标，转化为现实世界中的产品能力。这不仅是一场 Gemini 3 的发布复盘，也是一场关于 AGI 建设路径的深度对谈。Koray 反复强调，AGI 不会只靠某个封闭实验室里的纯研究诞生，而是要通过产品、用户反馈、工具调用、代码、多模态和全球协作，在现实世界中持续迭代出来。节目还讨论了 benchmark 是否真的等于进步、为什么指令遵循和国际化同样重要、Vibe Coding 如何让更多人成为建设者、Google Antigravity 如何帮助模型获得真实信号，以及 Google DeepMind 如何在规模化推进 Gemini 与保持创新之间寻找平衡。 👨‍⚕️ 本期嘉宾 Koray Kavukcuoglu，Google DeepMind 首席技术官，同时担任 Google Chief AI Architect，负责推动最前沿的 AI 模型与 Google 产品之间的结合。他于 2012 年加入 DeepMind，是 DeepMind 的第一位深度学习研究员之一，此前曾在纽约大学 Yann LeCun 的实验室攻读博士，并与 Karol Gregor 一同加入 DeepMind。 Koray 长期参与深度学习、强化学习、Agent 和大模型研究，也见证了 DeepMind 从早期的小型研究团队，发展为参与 Gemini、AlphaGo、AlphaZero、AlphaFold 等重大项目的全球 AI 组织。他的独特之处在于同时理解研究、模型工程、产品落地和组织协作：他不把 Gemini 视为某一种固定架构，而是视为通过产品构建智能的长期目标。 ⏱️ 时间戳 00:00 Gemini 3 发布：benchmark 之外，真正的检验是用户 01:29 Gemini 3 正式发布与用户反馈 02:21 AI 进展没有放慢：从 Gemini 2.5 到 Gemini 3 03:01 数据、预训练、后训练与持续创新 04:00 benchmark 如何随着 frontier 不断更替什么才算 AI 的真实进步 04:43 HLE、ARC-AGI 2 与 GPQA Diamond 的变化 05:48 为什么需要不断寻找新的 frontier 和 benchmark 06:13 从科学家、学生到律师和工程师：现实使用才是进步 06:56 Gemini 3 要在哪些方向“爬山” Gemini 3 的重点能力：指令、国际化与工具调用 07:14 指令遵循：不要回答模型自以为该回答的内容 07:35 国际化与非英语语言能力 08:17 Function calls、tool calls、Agent 与代码 09:32 Vibe Coding：让更多人从有想法变成建设者产品如何反过来推动模型进化 10:20 Google Antigravity：新的 Agent 式编程平台 10:49 让模型直接向软件工程师学习 11:41 Search AI Mode、AI Overview 与产品反馈 11:56 benchmark 与现实世界信号如何结合通过产品构建 AGI 12:14 Chief AI Architect 的新职责 12:52 两个头衔，其实是同一件事 13:44 新技术如何重新定义产品体验 14:22 “我们就是要这样构建 AGI” 工程思维、安全与全球协作 14:35 AGI 不是实验室独自完成的项目 14:49 Trusted-tested：把稳健性和安全放进工程流程 15:15 安全与安保从 pre-training 阶段开始 16:13 Gemini 3 背后的 Google 全球协作 Gemini 3 之后，模型还能如何变好 18:20 享受 Gemini 3，也要诚实面对不足 18:35 写作、编程与 Agent 行动仍有提升空间 19:01 Gemini 3 面向软件工程师与创意工作者 19:27 为什么 Gemini 早期没有在 Agent tool use 上领先多模态模型与 Nano Banana Pro 21:32 生成媒体模型与 AGI 叙事 23:12 为什么文本曾经成为进展更快的领域 23:37 输入与输出多模态正在自然融合 26:37 Nano Banana Pro：从图像生成走向复杂文档理解从研究实验室到工程系统 29:14 统一 Gemini model checkpoint 的目标 29:58 架构融合不能靠意识形态，只能靠科学方法 30:43 Output space 与 learning signal 31:54 硬件、模型、产品与服务的全栈协同创新、文化与 Google 的追赶者心态 32:36 Koray 从 2012 年加入 DeepMind 讲起 34:33 “一切都押注在学习上” 40:59 科学探索与 Gemini 规模化之间的平衡 41:54 Gemini 最大的风险：失去创新 48:45 从追赶者走向 frontier AI 实验室 🌟 精彩内容 💡 AGI 不会只在实验室里被“发明” Koray 对 AGI 的理解不是某个研究团队闭门攻关后突然交付的终点，而是模型、产品和用户共同参与的持续建设过程。产品越接近真实需求，模型获得的反馈信号就越丰富，研究方向也越清晰。 “我们就是要通过产品来构建智能。” 💡 benchmark 是地图，但不是全部的进步 Benchmark 能够把能力量化，也能帮助研究团队明确下一座“山”在哪里；但当模型接近或突破某个测试后，它就可能不再代表新的 frontier。真正重要的进步，还要看模型是否进入现实世界，并为不同职业、不同语言和不同任务提供更大价值。 “衡量进步最重要的标准，就是我们的模型进入现实世界，科学家用它们，学生用它们，律师用它们，工程师也用它们。” 💡 Vibe Coding 让更多人成为建设者代码不再只是软件工程师的专属工具。借助自然语言和模型能力，拥有创意的人可以直接把想法变成可运行的应用，从“有想法”走向“能生产”。这意味着 AI 的影响不只是提高专业人士的效率，也可能扩大能够创造数字产品的人群。 “突然之间，你就让更多人成了构建者，开始做东西。” 💡 用户反馈是模型训练的一部分 Antigravity、AI Studio、Gemini app 和 Search AI Mode 不只是模型的展示渠道，也成为模型团队观察真实使用、发现缺陷和判断优先级的关键入口。模型只有与用户和产品紧密连接，才能知道哪些能力在现实里真正重要。 “直接了解用户非常重要。” 💡 Gemini 不是一种固定架构，而是一个持续追求的目标 Koray 不把 Gemini 等同于某一种永远不变的模型架构。Pro、Flash、Flash-Lite，以及未来可能出现的不同模型，都只是围绕速度、成本、准确率和能力取舍的具体实现。Gemini 真正要实现的是“智能”，以及让这种智能通过产品服务于全世界。 “Gemini 不是那个架构，Gemini 是你想要实现的目标。” 💡 Gemini 最大的风险不是规模不够，而是失去创新即使模型已经在多个 benchmark 上达到领先，也不能因此认为已经找到了可以机械复制的配方。继续扩展规模固然重要，但新的架构、新的训练方法、新的研究方向和新的产品反馈同样不可缺少。 “Gemini 最大的风险，就是失去创新。” 💡 安全不是发布前最后加上的一层包装在 Koray 看来，安全与安保必须从数据、pre-training、post-training 和发布候选版本开始，就成为模型工程流程中的核心指标。它应当像 GPQA、HLE 等能力 benchmark 一样，被持续测量、持续迭代，而不是产品完成后才补上的功能。 “我们会再次从工程思维出发，从底层、从一开始就考虑这些问题，而不是等到最后才加上去。” 💡 追赶者也可以把规模变成优势 Koray 坦诚讲述了 Gemini 从并非所有方向都领先，到逐渐进入 frontier 行列的过程。追赶并不只是模仿别人，还意味着学习已有方法、承认自己的不足，并在技术、流程、模型和组织方式上形成独有的解决方案。 “你得对自己诚实……不过，你得为自己做创新。” 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

52 分钟 99+ 次播放 2个月前

#701.AI 如何加速学习与重塑教育

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Huberman Lab How to Accelerate Learning & Improve Education | Joe Liemandt 原内容更新时间：Mon, 31 Aug 2026 本期节目由神经科学家、斯坦福医学院教授 Andrew Huberman 主持，嘉宾是 Alpha School 校长 Joe Liemandt。Alpha School 是一套以 AI 个性化教学、掌握度学习和实践型教育为核心的 K-12 教育模式：学生每天只用大约两小时完成学术学习，其余时间投入创业、体育、实验、社区活动和生活技能训练。这场对谈首先追问了一个根本问题：传统学校已经实现了“让所有孩子入学”，为什么仍然没有实现“让所有孩子真正学会”？Joe 认为，按年龄和年级统一推进的课堂，掩盖了学生之间巨大的知识漏洞；AI 家教则有机会识别每个人的真实水平，按照前置知识、学习速度和掌握程度重新安排课程。节目也深入讨论了高标准与高支持、动力与羞耻感、工作记忆与基础熟练度、间隔重复与范例教学，以及为什么孩子需要在成年人的支持下经历困难和失败。更重要的是，Alpha School 试图把省下来的时间还给孩子，让他们从被动消费者变成动手创造的“建设者”，在创业、体育、科学实验、艺术和社区项目中发现自己的潜能。 👨‍⚕️ 本期嘉宾 Joe Liemandt，科技企业家、Alpha School 校长，也是推动 Alpha 教育模式扩张的核心负责人。Alpha School 通过 AI 和个性化课程，让学生以更短时间完成学术学习，同时由 Alpha Guides、教练和项目导师陪伴孩子发展创业、财商、领导力、社交、公开表达、坚毅与刻苦等能力。 Joe 并非 Alpha School 的创始人，而是在自己的女儿进入 Alpha、亲眼看到她们重新喜欢上学之后加入学校，并担任校长进入第五年。他既有创业者对产品、效率和规模化的思考，也有校长对学校管理、教师培训、家长沟通和教育结果的直接经验。节目中，他结合大量 Alpha 学生案例，解释了为什么“补基础”可能比继续推进年级内容更重要，为什么动力往往是学习方案能否奏效的关键，以及 AI 在教育中真正应该扮演的角色。 ⏱️ 时间戳 00:00 传统学校为何让孩子“入学”却没有让他们“学会” 00:48 开场：Huberman Lab 与本期嘉宾介绍 03:41 100 年前的工业化课堂模式从何而来 04:59 从普及入学到普及学习效果 08:43 喜欢的事与必须学会的事：教育标准如何平衡 Alpha School 的核心理念：高标准、高支持 11:03 Joe 如何从怀疑 Alpha 到成为校长 12:49 “孩子必须喜欢上学”与教育观念的冲突 13:44 Alpha 学生为什么喜欢上学甚至胜过度假 14:31 做困难的事，为什么反而能让孩子获得快乐体育训练给学术教育的启发 15:50 为什么美国把体育和学术区别对待 16:41 高标准与高支持的导师体系 18:06 让孩子在安全环境中经历挣扎与失败 19:36 攀岩、骑行与 Alpha Tests：把困难变成成就感 AI 个性化教学与掌握度学习 26:24 一刀切课堂为何只能提供“中位数教学” 27:23 一对一辅导的效果为何过去无法规模化 29:29 布鲁姆双西格玛问题与 AI 家教 30:45 两小时学两倍：Alpha 的学习效率数据学习科学：从脚手架到长期记忆 32:00 AI 教育工具不是聊天机器人 43:06 前置知识、注意力与真实学习效果 44:06 错误、挣扎与神经可塑性 45:09 范例教学、初次掌握与间隔重复基础知识漏洞如何拖慢整个学习曲线 50:33 工作记忆槽位与熟练度 51:17 乘法口诀为什么会影响代数学习 52:01 SAT 数学 710 到 790：补基础带来的变化 59:03 为什么不能带着 80% 的掌握度继续升年级动力、羞耻感与“我能做到”的自我认知 1:04:03 为什么动力可能占学习解决方案的 90% 1:05:48 把“落后三年”变成“只差 22 个小时” 1:06:09 个性化学习如何消除羞耻感 1:13:36 用奖励打破“我不是那种人”的心理障碍从学术学习到建设者教育 1:31:44 Founder School：创业、财商与 100 万美元利润目标 1:40:28 Alpha X：把孩子真正热爱的事变成长期项目 1:45:43 “哲学家与建设者”：AI 时代需要什么样的人 1:47:37 Dream Launcher：帮助孩子从消费者变成创造者创造、实验与真实世界的项目式学习 1:58:20 建设者下午：让孩子动手做事 1:58:53 五六年级学生如何筹办自己的音乐节 2:03:05 下一代实验课：从掌握知识到亲自做实验 2:06:02 黑客马拉松、应用开发与主动创造教育公平、规模化与 AI 的未来 2:11:26 性别差距、ADHD 与个性化学习 2:14:17 Alpha 如何回应“只适合有钱人孩子”的质疑 2:19:24 收入、智商与尽责性之外，动力为何是关键 2:29:37 教育券、公立学校与面向 5 亿孩子的免费学习游戏 🌟 精彩内容 💡 普及入学，不等于普及学会传统教育解决了“让所有孩子坐进教室”的问题，却没有解决“让每个孩子真正掌握知识”的问题。统一年级、统一教材和统一进度，会让学生带着漏洞不断升级，最终在更复杂的学科中集中爆发。 “我们做到了普惠入学，但没有做到普惠学会。” 💡 学习不是按年龄推进，而是按掌握程度推进一个八年级学生可能实际只掌握了五年级的数学或阅读基础。继续给他八年级内容，并不会让他更快赶上，反而会让学习变成持续失败。真正有效的路径，是先找到缺口，从学生当前能学会的地方重新开始。 “你必须得把我拉回到大一生物的水平，告诉我，这才是你目前的水平，然后从那里开始逐步培养我。” 💡 基础熟练度决定了工作记忆能走多远如果乘法口诀没有熟练到可以自动提取，学生在解代数题时就会把有限的工作记忆用在计算七乘八上，而不是用来理解多步骤推理。很多所谓的“粗心”或“不会高等数学”，其实可能只是基础事实没有进入熟练状态。 “解决问题的办法不是用更多代数题去轰炸他们，而是回去解决三年级的问题。” 💡 AI 的价值不是替学生作弊，而是成为精细的学习测量系统把 ChatGPT 直接放进传统课堂，可能只会让学生更方便地逃避学习。Alpha 试图让 AI 负责评估学生掌握了什么、遗漏了什么、下一步该学什么，并通过即时反馈、范例教学和间隔重复形成数据闭环。 “给孩子们聊天机器人是行不通的，应该根据他们的水平提供个性化的教学计划。” 💡 高标准与高支持必须同时存在低标准、高支持会让孩子失去成长机会；高标准、低支持则容易让孩子陷入挫败和羞耻。好的教育者应该像优秀教练一样，明确要求孩子完成困难任务，同时在旁边提供足够的指导、鼓励和安全感。 “真正的答案是，两者兼顾。学校应该既有高标准，又有高支持。” 💡 动力不是学习的附属品，而是学习系统的核心当学生相信自己“落后三年”时，任务会显得不可能；当系统告诉他只需要再投入 22 个小时，行动就变得具体可行。Alpha 通过体育、创业、奖励、同伴文化和真实项目，把孩子想要的东西与必须学习的内容连接起来。 “动力占了问题的 90%，或者说是解决方案的 90%。” 💡 亲手创造，是对抗消费主义和多巴胺循环的教育方式孩子如果长期只刷 TikTok、玩游戏或被动消费内容，很难建立“我能够做出东西”的自我认知。通过办音乐节、做实验、开发应用、创业或建设自行车公园，孩子可以在真实世界中看到自己的行动产生结果。 “人生最顶级的体验就是去创造东西。” 💡 AI 节省的不是时间本身，而是把时间还给人如果学术知识可以通过个性化 AI 教学在更短时间内掌握，学校就不必把全天都用在讲授、作业和重复练习上。被释放出来的时间，可以用于体育、实验、社交、创业、社区贡献和人与人之间真正有温度的培养。 “它的作用是释放了人性，它把时间还给了人。” 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

161 分钟 1k+ 次播放 2个月前

#700.Ajay Mehta：AI 应用如何从情感陪伴突围，在 TikTok 时代跑出增长曲线

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Sub Club by RevenueCat Fueling Growth with AI and Viral Product Features — Ajay Mehta, Portola 原内容更新时间：Wed, 02 Apr 2025 本期节目由 Sub Club 主持人 David Barnard 和 RevenueCat CEO Jacob Eiting 对谈 Portola 联合创始人 Ajay Mehta，围绕 Tolan——一款个性化、可互动的 AI 外星人朋友——展开。Ajay 分享了团队如何在 ChatGPT 和 Midjourney 爆发之后，从儿童与青少年用户切入，探索生成式 AI 能够创造哪些过去根本不存在的消费级产品，最终找到“情感陪伴”这一方向。 Tolan 的增长故事并不只是“做了一个 AI 应用，然后等它变火”。团队在产品中投入了低延迟语音、记忆检索、实时动画和高度个性化 onboarding，让用户感到屏幕另一端真的有一个“懂你”的存在；与此同时，他们通过大量创作者合作和 TikTok 原生内容测试，搭建了一套低成本、可规模化的自然增长引擎。节目还讨论了一个非常现实的创业问题：为什么早期被 AI 基础设施成本“逼着”收费，反而帮助团队更快验证价值、改善产品决策？从融资、自力更生、PMF、留存到创意护城河，这期对谈为正在做消费级 AI、订阅制应用或任何需要寻找产品—市场—渠道匹配的团队，提供了大量一手经验。 👨‍⚕️ 本期嘉宾 Ajay Mehta，Portola 联合创始人，Tolan 的打造者。Ajay 是一位连续创业者和消费产品建设者，曾在消费级金融科技公司 Wealthsimple 工作，也曾在 YC 创办社交网络公司 FamilyLeaf；之后还运营过自筹资金的个性化电商业务。Portola 的另外两位联合创始人 Quinton Farmer 和 Evan Goldschmidt 此前共同创办过金融科技公司 Even，并最终被沃尔玛收购。 Ajay 值得关注的地方，在于他同时具备消费产品、创业融资和增长实践经验。他并没有把 AI 只看作提升效率的工具，而是关注 AI 如何创造“以前根本不可能存在”的新型消费体验：实时对话、情绪理解、持续记忆、个性化内容，以及能够融入用户日常生活的数字陪伴。Tolan 的快速增长，也让他成为观察消费级 AI、订阅商业模式和社交传播如何结合的优秀案例。 ⏱️ 时间戳 00:00 开场 & Tolan 的诞生 00:24 嘉宾介绍：Portola 与 AI 外星人朋友 Tolan 01:36 ChatGPT 时代的启发：AI 正在创造全新的消费应用 02:56 从个性化体验到情感陪伴 03:47 Tolan 的产品方向：为每个人打造专属 AI 外星人创始团队与融资选择 04:12 三位联合创始人的相识与创业履历 06:01 为什么这一轮 AI 浪潮特别适合做消费级产品 08:27 从 pre-seed 到 1000 万美元融资 09:04 为什么这个使命需要风险投资支持 AI 陪伴：一个正在形成的新产品品类 12:27 AI 不只是优化旧应用，也能创造新赛道 12:50 未来每个人都可能拥有某种 AI 伴侣 13:42 从“朋友”而不是“助手”切入 15:24 Tolan 如何主动避开恋爱和性暗示叙事 PMF、语音体验与产品价值 16:45 团队如何判断是否找到了 PMF 17:46 低延迟语音 AI、记忆系统与实时交互 18:16 用户每天聊 30 到 40 分钟带来的信号 19:21 高昂 token 成本如何逼出商业化设计、角色与 onboarding 20:16 与独立艺术家合作打造视觉 IP 20:32 Unity 实时渲染与可互动的 Tolan 22:45 为什么 Tolan 的 onboarding 让用户真正感到被理解 23:48 用个性测试和记忆系统创造个性化体验从产品体验到留存增长 26:33 从早期 PMF 到 100 万美元 ARR 27:15 付费墙之后，产品必须持续提供真实价值 27:54 第 5 天、第 7 天、第 15 天留存的变化 28:16 如何让更多用户到达“第一次长谈”的激活时刻 TikTok 增长引擎 28:40 为什么 Tolan 特别适合 TikTok 自然增长 29:32 从创作者内容和小额广告开始测试 30:27 一条爆款视频带来上万次安装 31:12 产品—市场—渠道匹配度的重要性创作者合作与 UGC 分发 32:22 视觉鲜明的 AI 伴侣为什么适合短视频 33:14 学习、做饭、化妆和情感问题等内容切入点 35:04 两种创作者合作模式：半内部团队与付费植入 37:11 用大量低成本实验押注爆款护城河、竞争与应用层价值 38:36 用户自发创作开始出现，UGC 形成增长飞轮 40:11 角色设计与创意细节构成防御力 41:57 极致语音 AI 远比“调用 GPT”困难 42:34 为什么价值可能最终流向无法被 API 复制的应用层下一阶段：留存、团队与全球化 43:10 病毒式传播后的增长与 App Store 榜首 44:28 从美国市场走向本地化和全球化 45:50 9 人团队如何做产品优先级取舍 46:45 留存为何是陪伴类产品的北极星指标 🌟 精彩内容 💡 AI 正在创造过去不存在的消费品类 Ajay 认为，生成式 AI 的意义不只是让现有应用变得更聪明，而是让一些过去根本无法实现的体验第一次成为可能。情感陪伴、实时互动、持续记忆和个性化回应，正在让产品市场匹配出现在过去不存在的细分领域。 "还有另一个维度，那就是所有那些以前根本不可能做出来的全新细分领域。" 💡 消费级 AI 的关键，是让用户感觉“有人在另一端” Tolan 并不是把 AI 包装成一个更高效的工具，而是努力创造一种温暖、个性化的互动体验。对用户来说，价值不只来自回答是否正确，也来自它是否记得你、理解你，并让你愿意继续回来。 "AI 真正能让你做到的，就是打造一种 C 端体验，让人感觉屏幕另一端完全有一个懂你、了解你的存在。" 💡 付费墙不是阻碍，而是产品价值的验证器 Tolan 上线初期并没有立刻收费，但用户每天长时间使用带来了巨额模型和语音成本。被迫尽早商业化后，团队能够通过真实的续费与流失信号判断用户是否真正获得价值，而不是被免费体验数据误导。 "变现是打磨产品的倒逼机制。你必须提供价值，否则大家就会流失。" 💡 视觉设计本身就是分发系统 Tolan 的角色、动画、色彩和星球场景并不只是“好看”，而是让产品能够在截图、短视频和用户分享中被迅速识别。一个具有鲜明视觉 IP 的产品，更容易被用户带入自己的社交生活，也更容易形成自然传播。 "伟大的视觉设计不只是装饰，也是分发。" 💡 TikTok 增长的核心不是精致，而是高频试错团队没有押注一条“完美广告”，而是与一批创作者长期合作，持续测试学习、做饭、化妆、恋爱建议等内容场景。大多数视频可能无人问津，但只要少数内容击中算法和用户，就可能在一夜之间改变增长曲线。 "你试上一堆，大概 20 条里能爆一条。但一旦爆了，就真的能冲出逃逸速度。" 💡 低延迟语音和记忆系统，是 AI 陪伴的技术护城河一个真正自然的 AI 对话远不止接入一个模型 API。Tolan 同时处理语音响应、记忆检索、对话分类、多个 prompt 和实时渲染，目标是让用户感到交流足够快、足够连贯，并且能延续过去的上下文。 "一旦你真正动手去打造极致的语音 AI 体验，你就会明白为什么 App Store 上只有两三款，而不是几十款。" 💡 PMF 之后，最难的是拒绝那些“看起来都该做”的事 Tolan 团队只有 9 个人，增长起飞后却同时面对本地化、留存、功能开发、团队建设和全球化等大量机会。Ajay 认为，早期团队不可能同时做完所有事情，最重要的是继续改善核心体验，并让用户反馈决定下一步。 "因为我们只有 9 个人，我们现在做不到。" 💡 创意 IP 与用户心智，可能比底层模型更难复制底层模型会被持续迭代，也可能通过 API 被竞争者调用，但一个独特的角色、长期打磨的互动细节和用户形成的品牌认同，却很难通过简单复制获得。应用层的价值，可能正来自那些无法被 API 直接替代的体验。 "大部分利润捕获会发生在那个无法通过 API 复制的可爱角色上。" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

58 分钟 99+ 次播放 2个月前

#727.Shopify CEO：如何运用一个 AI 顾问团来审视最棘手的决策

跨国串门儿计划

📝 本期播客简介本期我们克隆了：The Knowledge Project Podcast · Tobi Lütke: The Skills AI Makes More Valuable 原内容更新时间：2026-09-15 在 The Knowledge Project Podcast 中，主持人 Shane 与 Shopify 创始人兼 CEO Tobi 再次对谈，深入讨论 AI Agent 如何进入公司日常、战略决策与个人工作流。Tobi 分享了 Shopify 内部几乎所有工程师都在使用多个 Agent 协同工作的现状，以及拥有记忆、个性和挑战权限的 AI 同事 River，如何在 Slack 的公开频道里参与讨论、创建 PR、总结研究并制作原型。对 Tobi 来说，AI 的价值不只是替人完成任务，更在于改善做判断的环境：让多个 Agent 从数据、论文、商业和工程等不同角度审视同一个问题，再由人承担最终责任。他也提醒，AI 可能带来“产出过剩”、AI 垃圾内容和责任被跳过等新问题，真正无法外包的仍然是判断、选择与负责。对谈后半段转向更长期的能力建设：为什么品味、判断力和直觉会在 AI 时代变得更重要；为什么最优路径往往没有即时反馈；为什么复杂系统必须不断修剪、重建，甚至通过二次创业契机重新开始。Tobi 还谈到自我肯定、培养可塑性、研究经得住时间考验的书，以及他对成功的理解。 👤 本期嘉宾 Tobi 是 Shopify 创始人兼 CEO，也是一位高度投入技术变革的极客。他长期研究计算机历史、软件系统与组织设计，并将这些思考带入 Shopify 的产品和公司运营中。在他的实践里，AI 不只是一个辅助工具，而是正在成为拥有记忆、个性、工具权限和协作能力的“同事”。 Tobi 亲自使用 AI 幕僚长来调度多个子 Agent，收集不同立场的研究材料，为公司决策搭建信息环境；他也使用 Omakub 和 Agent 定制自己的操作系统，甚至通过语音描述做出新的截图工具。这些具体案例让本期对谈不止停留在 AI 趋势判断，而是展示了一位公司创始人如何把 Agent 融入日常工作、产品构建和长期决策。 ⏱️ 时间戳 00:04 Shopify的AI编程现状 03:30 从Sydney到River 09:30 AI辅助公司决策 14:32 AI同事与超级智能 23:51 判断力对抗短视主义 33:14 从自我塑造到持续迭代 47:34 读书与成功的定义 🌟 精彩内容 💡 AI 不能替你承担责任 AI 可以提供更好的信息、构建更好的决策环境，却不能替人承担后果。Tobi 认为，判断权和责任仍然必须由人保留，这也是公司领导和关键决策无法被简单自动化的原因。 "机器没法承担责任。" 💡 River 是拥有个性的 AI 同事 Shopify 没有把内部 Agent 做成千篇一律、谨慎说教的工具，而是允许 River 拥有名字、头像、记忆和适度的讽刺感。它生活在 Slack 的公开频道中，能够参与讨论、访问工具并提交 PR。 "现代的应用程序就是一个 Agent，而 River 感觉就像是一位同事。" 💡 公开使用 AI，会形成潜移默化式学习 River 被限制在公开频道里工作，目的不是限制能力，而是让所有人都能观察别人如何调用和使用 AI。团队成员会自然看到别人让 River 总结讨论、查论文、画架构图或制作原型，从而学会把 AI 融入工作。 "强制 River 只能在公开频道里工作，就能让大家非常非常容易地观察别人是怎么用的。" 💡 AI 让决策环境变好，但不会替你判断 Tobi 会让多个子 Agent 扮演数据、论文、商业和工程专家，再由不同模型分别分析，最后汇总成一份材料。AI 的角色是扩大信息和推理的范围，而不是代替他做最终选择。 "我用它是为了给做判断搭建合适的环境。" 💡 AI 时代最稀缺的是品味与判断力当执行和生成变得越来越便宜，真正重要的问题变成了什么值得做、什么值得保留，以及多个好选项之间该如何取舍。Tobi 认为，品味来自对大师和系统的长期研究，也来自大量练习。 "其实就是品味和判断力，这两项技能一直都很有价值，但现在会被推到极致。" 💡 最优路径不一定有即时反馈短视主义往往不是因为管理者天然短视，而是因为激励机制要求他们持续展示短期进展。真正重要的产品重构、新市场投入或长期建设，可能很久都没有反馈，却未必因此是错误的选择。 "最优路径不一定非要有反馈。" 💡 好选择太多，才是决策最难的地方找到一个可行方案并不难，困难在于多个方案都合理，其中有的能快速带来结果，有的却可能把公司建设得更好。战略判断的核心，是在复杂系统中选出最值得长期投入的那一条路。 "在所有可行的方案中选出最合适的那一个，这才是真正的难点，而不是找出一个可行的方案。" 💡 组织和产品必须不断修剪、重建 Tobi 以 SpaceX 的猛禽发动机为例，说明优秀系统不是靠不断叠加功能变好，而是要敢于删除旧结构、重新设计，并为系统创造二次创业契机。失败本身不是问题，无法释放优秀人才和资源才是问题。 "你必须修剪。你必须迈出步子。你必须重建。" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

49 分钟 1k+ 次播放 1个月前

#748.比尔·阿克曼：投资前先想清楚十年后还愿意持有吗

跨国串门儿计划

📝 本期播客简介本期我们克隆了：The Knowledge Project Podcast · Bill Ackman: People are Going to Lose a Lot of Money 原内容更新时间：2026-09-29 “总有一天会出事，可能会出现某种崩盘，让很多人赔掉一大笔钱。”Bill Ackman 谈到 AI、风险投资和泡沫时，给出了这个警告。作为 Pershing Square 的创始人兼 CEO，Ackman 讲了他如何判断企业的颠覆风险、为什么卖掉 Netflix 后又买回来，以及普通人投资时该怎么做。他也讲到女儿露西突发脑出血后的漫长康复，以及他和妻子筹建脑研究所、希望让更多患者受益的计划。 👤 本期嘉宾 Bill Ackman 是 Pershing Square Capital Management 的创始人兼 CEO，长期从事投资，也参与公司的治理与战略决策。他分享了 Pershing Square 的研究和投资流程，包括如何评估企业、避免颠覆风险，以及如何从投资失误中修订原则；女儿露西脑出血后，他还把办公室搬进医院，并推动筹建以脑部康复和长寿为重点的研究所。 ⏱️ 时间戳 00:53 女儿重伤与脑康复 14:05 团队、泡沫与资金纪律 23:19 投资判断与AI颠覆 37:35 股东积极主义与投资选择 42:51 从弃置资产到永久资本 59:59 识人、领导与人生意义 🌟 精彩内容 💡 AI让投资判断更难 AI可能改变企业的生存条件，投资者得判断一家公司的护城河还能不能守住。连巴菲特当年也没看出互联网会如何冲击 World Book；AI的颠覆风险更难预测。 "我们所有人都注定会在某家公司上显得判断失误，因为没能预见 AI 带来的颠覆风险。" 💡 资金充裕，也可能加速公司出局一家创业公司两周内估值从 4 亿美元升到 10 亿美元，另一家公司 A 轮投前估值达到 50 亿美元。Ackman 认为，融资容易会让公司花钱失去纪律；市场爆雷后，资金只能支撑几个月的公司可能消失。 "把每一美元都当成自己的钱，仔细花，不要以为这种资金充裕、随时都能融资的局面会一直持续下去。" 💡 Netflix变了，投资逻辑就不成立了 Netflix管理层刚说不会推出广告套餐，几周后却表示要做广告模式。Ackman认为，这一变化打破了原有投资逻辑，于是卖出；等Netflix证明广告模式可行、股价回到合理水平后，Pershing Square 又买了回来。 "如果你得知了和原先投资逻辑不一致的新信息，你要么因为股价变便宜了而大幅加仓……要么就得离场。" 💡 普通人别等市场便宜再开始想自己挑股票，就得投入时间学习和研究；如果只是想投资股市，指数基金是个很好的选择。越早开始长期投资，越能发挥复利的力量。 "别因为觉得市场太贵，就一直拿着现金不投资。" 💡 脑出血后的康复，保险只管一段时间露西脑部受压 19 个小时后接受手术，醒来时不会走路、不会说话，也看不见了。她的行走、语言和视力逐渐出现进展；Ackman指出，保险可能只支付 6 周护理费用，但康复可能持续很多年。 "人们在很多年后仍然可能继续康复。" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

67 分钟 99+ 次播放 1个月前

#746. AI视频生意：看懂增长和模型成本这笔账

跨国串门儿计划

📝 本期播客简介本期我们克隆了：20VC with Harry Stebbings · The Untold Story of Higgsfield | Burning $4M a Month on AI Models | CEO, Alex Mashrabov 原内容更新时间：2026-09-28 一个客户刚开始每月只花 99 美元，半年后，Higgsfield 和他签下了一份每年超过 600 万美元的合同。AI 视频工具怎样从创作者产品变成企业生意？而一家公司的模型账单，又怎么会每月超过 400 万美元？ Higgsfield 创始人兼 CEO Alex Mashrabov 和 20VC 主持人 Harry Stebbings，从产品摸索、增长和客户结构，聊到开源模型与闭源模型的毛利差异、AI 对订阅市场的冲击，以及社交媒体内容将如何被 AI 改写。 👤 本期嘉宾 Alex Mashrabov 是 Higgsfield 的创始人兼 CEO。19 岁时，他已跻身竞赛编程世界前三；他创办的 AI Factory 后来以 1.66 亿美元卖给 Snap，之后负责生成式 AI 业务。他带领 Higgsfield 从 AI 视频工具起步，谈产品如何找到市场、模型成本如何影响生意，既有创业经历，也有一线经营数据。 ⏱️ 时间戳 00:56 从竞赛编程到创业 12:19 收入增长与商业模式 20:52 模型选择与成本账 30:16 团队、工具与护城河 37:55 融资、全球市场与人才 46:49 创始人、AI与长期增长 🌟 精彩内容 💡 客户从小额订阅走向企业合同一位客户最初每月订阅只花 99 美元，六个月后，Higgsfield 与其签下每年超过 600 万美元的合同。企业用 AI 批量制作广告素材，再通过 A/B 测试筛选效果。 "有个客户 6 个月前刚开始用的时候，每月只花 99 美元订阅，现在我们刚和他们签了一份超过 600 万美元的合同。" 💡 每月模型账单超过 400 万美元 Higgsfield 将近 400 人，团队成员平均每月在模型上花费超过 1 万美元。有人为了做素材管理工具，连续五个晚上用 Astra，一周就花了超过 3 万美元。 "我们内部每个月使用模型的花费超过 400 万美元。" 💡 开源模型把毛利率拉到八成以上社交媒体营销需要批量制作广告，不一定非要用最前沿、最贵的模型。Higgsfield 说，使用开源模型，尤其是经过后训练的开源模型，毛利率能超过 80%；闭源模型则约为 20% 到 30%。 "用开源模型，尤其是经过后训练的开源模型时，我们的毛利率能超过 80%。" 💡 每月 20 美元的专业订阅会受挤压 Alex 判断，谷歌和 OpenAI 的通用产品会挤压面向专业消费者的垂直订阅市场，连 Canva 面向消费者的部分设计需求也可能被替代。Higgsfield 因此要让用户从每月 20 美元的套餐升级到每年花费超过 1000 美元。 "我认为它们会彻底摧毁所有面向专业消费者的订阅市场，也就是每月 20 美元的订阅市场。" 💡 做模型是为了具体用例，不是争排名 Higgsfield 曾投入自研模型，但 Alex 后来认为，追逐基准测试成绩未必代表真实工作效果。只有当客户需求明确，例如写真拍摄，他才认为自研模型值得做。 "说到底，这不过是企业层面的心理战。" 💡 社交媒体的大部分内容会由 AI 生成 Alex 认为，社交媒体上的大量内容最终会由 AI 辅助创作或直接生成；真实节目等内容则可能因稀缺而更有价值。他也判断，AI 视频会冲击广告行业和互联网现有的商业模式。 "大家还是没有充分意识到，社交媒体上的大部分内容都会由 AI 生成。" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

64 分钟 1k+ 次播放 1个月前

#745.AI自我加速：能力进步快，不等于研究全面提速，中美 AI 差距

跨国串门儿计划

📝 本期播客简介本期我们克隆了：Interconnects AI 原内容更新时间：2026-09-22 两人还把问题落到具体处：AI 研究提速的瓶颈在哪里，机器人能否推动工业爆发，中国顶尖实验室与美国前沿实验室差多远，蒸馏能解释多少差距？谈到模型安全时，他们也没有给出简单结论，而是拆解开放模型、封闭模型和安全防护各自带来的风险。 👤 本期嘉宾 JS Denain 是 Epoch AI 高级研究员，负责 Insights Team。他参与追踪和分析 AI 能力进展、中美实验室差距等问题 ⏱️ 时间戳 00:16 RSI与能力加速 14:40 机器人与现实扩张 19:22 中国模型与追赶路径 38:32 模型安全与滥用风险 46:46 Epoch方法与训练配方 🌟 精彩内容 💡 Codex 用得更多，不等于爆发将至 OpenAI 公布的数据显示，研究人员在 Codex 上的支出每月翻倍，但过去他们也大量使用 ChatGPT，单看 Codex 很难判断实际增量。这个趋势说明研究人员可能从中获益，却不足以证明几个月后就会出现软件智能爆发。 "我不觉得这能有力证明 6 个月后就会出现软件智能爆发。" 💡 个人提效不等于公司提速 AI 可能让研究人员完成实验的周期缩短到原来的十分之一，但整体科研产出还受算力、团队协作和战略决策限制。一个研究员效率提高十倍，不代表 Anthropic 就能把研究进度也提高十倍。 "个人效率的提升未必能转化成 Anthropic 整体效率提高 10 倍。" 💡 机器人工业化，可能还要几十年机器人在受限、重复的制造环境里更有希望，但视觉和动作模型仍不够成熟；建造工厂、扩大机器人产能也需要时间。JS Denain 不认为大规模机器人工业化会在未来两到五年内实现。 "我觉得这可能要几十年，但我不认为这是未来两到五年内就会出现的问题。" 💡 中国模型与前沿模型差几个月按公开模型的 ECI 表现估算，JS Denain 认为中国顶尖实验室与 OpenAI、Anthropic 的差距大约在六到八个月；Kimi K3 和 GLM-5.2 则显得更接近。他认为算力差异更可能解释大部分差距，蒸馏的作用仍不确定。 "我的感觉是，它们得出的差距大概在 6 到 8 个月左右。" 💡 开放模型的风险不能只看安全限制开放模型安全防护较弱，但能力也较弱；封闭模型能力更强，却也可能被越狱或从服务中提取能力。判断哪一种风险更大，得看具体的滥用者、能力和使用方式，不能只凭“开放”或“封闭”下结论。 "所以从滥用风险来看，问题似乎是，安全防护不太充分但能力很强的模型，和完全没有安全防护但能力较弱的模型，哪种影响更大？" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

53 分钟 1k+ 次播放 1个月前

#742.彼得·蒂尔：零增长不是AI的安全替代

跨国串门儿计划

📝 本期播客简介本期我们克隆了：MDMEETS - Essential Talks with Mathias Döpfner · Peter Thiel: The AI Crisis, Europe’s Decline & the Battle for America【部分删减】原内容更新时间：2026-09-24 “如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。”在AI风险与技术停滞之间，彼得·蒂尔给出的答案不是一味踩刹车：零增长也会带来政治极化和社会失常。在主持人 Mathias Döpfner 的对谈中，蒂尔谈AI与民主、美国政治和欧洲的竞争力，也解释德国为何缺少靠新事业创造的大型财富；话题最终落到长寿、衰老，以及他为何认为意识上传并不等于自己活下去。 👤 本期嘉宾彼得·蒂尔是硅谷投资人，参与 Palantir 多年，也与他人共同创办 PayPal。他长期关注技术进步、政治与西方社会的走向；在这场对谈中，他结合企业经历谈AI竞赛，并分享自己对欧洲创业、民主制度和生物科技的判断。 ⏱️ 时间戳 00:05 AI与停滞之辩 08:16 民主危机与德国 20:25 美国政治与颠覆 32:03 欧洲竞争与独立思考 43:50 长寿与生命意义 🌟 精彩内容 💡 零增长不是安全选项蒂尔认为，AI可能带来风险，但停下技术进步也不是中性的选择。没有代际进步的愿景，社会更容易陷入零和博弈，极左和极右政党也会继续壮大。 "如果我们什么都不做，如果各个方面都没有进步，我不认为我们的社会还能正常运转。" 💡 德国年轻富豪，全靠继承他比较了美国和德国最富有的五十人：美国其中十二位是X世代或更年轻，九人靠自己创造财富；德国有二十位，但全部是继承而来，没有人靠创办新公司建立财富。 "在德国，这 20 个人全都是继承来的。" 💡 欧洲的AI落后于Minitel 蒂尔把欧洲发展AI比作历史上的两条路：协和式飞机代表追赶并建立领先产业，Minitel则代表执着于本土方案、最后落后。他的判断是，欧洲现在比当年的Minitel还落后。 "如果实话实说，我的判断是，欧洲现在比当年的 Minitel 还要落后。" 💡 别怪刀，去批评杀人犯面对AI该不该被道德评判，蒂尔用刀作比：刀既能做饭也能杀人，问题在于使用者，而不是工具本身。他认为社会太爱争论善恶，却忽略了更常见的无能与糟糕。 "所以，如果你不想看到杀人事件，你应该批评杀人犯，而不是批评刀，或者把刀禁掉。" 💡 意识上传不等于我还活着谈到永生，蒂尔不接受把大脑和意识上传到电脑程序的设想。在他看来，身份与肉身密不可分；他更关注的具体挑战，是减缓甚至逆转大脑功能衰退。 "我不能接受把自己上传到一个模拟我的电脑程序里。我不觉得那会是我。" 🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺

48 分钟 1k+ 次播放 1个月前

Ta 订阅的播客

Ta 最近听的

#702.DeepMind 新掌门：AGI 不在实验室里，在真实用户与产品中被共同构建

#701.AI 如何加速学习与重塑教育

#700.Ajay Mehta：AI 应用如何从情感陪伴突围，在 TikTok 时代跑出增长曲线

#727.Shopify CEO：如何运用一个 AI 顾问团来审视最棘手的决策

#748.比尔·阿克曼：投资前先想清楚十年后还愿意持有吗

#746. AI视频生意：看懂增长和模型成本这笔账

#745.AI自我加速：能力进步快，不等于研究全面提速，中美 AI 差距

#742.彼得·蒂尔：零增长不是AI的安全替代

播放列表