Explore every episode of the podcast 跨国串门儿计划

📝 本期播客简介

本期我们克隆了：硅谷顶尖产品与创业播客《Lenny's Podcast》The AI paradox: More automation, more humans, more work | Dan Shipper

本期嘉宾 Dan Shipper 是 Every 的 CEO 和创始人，也是少数真正把 AI 深度融入公司日常运转的创业者之一。一年前，他曾在 Lenny 的节目里预测 Claude Code 会被低估，尤其是在非工程场景中的使用。如今这个判断已经被证明非常准确。因此，Lenny 再次邀请 Dan 回到节目，系统聊聊他对未来一年 AI 工作方式的大胆预测。

这期节目最核心的观点，是一个反直觉的“AI 悖论”：AI 自动化越强，人类的工作不一定越少，反而会出现更多需要人来判断、管理、整合和创造的工作。Dan 认为，未来知识工作会主要发生在两类界面中：一类是公司内部的超级 Agent，可能通过 Slack 被所有人调用；另一类是 Codex、Claude Code、Cowork 这样的 AI 工作操作系统，用户会把浏览器、文档、邮件、SaaS 工具都放进这些环境里使用。

Dan 还提出了很多反共识判断：SaaS 不会死亡，反而可能因为 Agent 的使用而更强；每一个 Agent 都需要一个人；PM 和全栈设计师会在 AI 时代变得更有价值；AI 不会简单制造就业末日，但不会“跟着模型走”的人会被甩在后面。这是一集关于 AI 工作未来、组织设计、SaaS 商业模式和个人职业策略的高密度对谈。

👨‍⚕️ 本期嘉宾

Dan Shipper，Every 的 CEO 和创始人。Every 是一家专注于 AI、生产力、写作和未来工作方式的媒体与产品公司，也是最早系统性将 Claude Code、Codex、AI Agent 等工具融入日常工作的 AI-native 团队之一。Dan 长期写作和研究 AI 如何改变知识工作，并以极强的一线实践经验，对 AI 工具、组织协作和未来岗位变化提出了许多前瞻判断。

⏱️ 时间戳

00:00 开场 & 播客简介

为什么 Dan 能预测 AI 未来

00:00 中文播客开场：跨国串门计划与 AI 声纹克隆说明

00:37 本期克隆节目介绍：Lenny’s Podcast 与嘉宾 Dan Shipper

01:22 核心观点预告：AI 不会带来简单的就业末日

03:01 Lenny 正式介绍：Every 如何提前活在未来工作方式里

04:24 回顾神预测：Dan 一年前如何看准 Claude Code 的非工程潜力

05:59 Every 的工作方式：让整个团队成为 AI 早期使用者

08:35 三类预测框架：工作方式、工作形态，以及谁会成功

09:14 一年后复盘：给这些 AI 预测打分

未来工作方式的两条主线

09:57 AI 悖论：模型越强，人类要做的工作反而可能越多

10:55 第一条主线：公司会先出现一个“超级 Agent”

14:09 为什么 Agent 需要像花园一样被持续打理

14:55 Slack 会成为工作 Agent 的重要入口

16:00 第二条主线：Codex / Claude Code 变成知识工作的操作系统

20:05 重大转变：不是 AI 进入 SaaS，而是 SaaS 运行在 Agent 里

21:30 Cursor、Claude、OpenAI 与 Agent harness 的竞争

23:11 SaaS 公司如何为“人类 + Agent 协作”重新设计产品

26:12 CLI 时代被快速跑完：GUI + Agent 会重新成为主流

27:49 两个 Agent 比一个更好：个人 Agent 与应用 Agent 的协作

30:22 反共识判断：SaaS 不会死，Agent 会增加 SaaS 的用户数量

AI 自动化为什么让人更重要

32:09 Every 团队人数翻倍：AI-native 公司为什么还在招人

33:00 “自动化是个谎言”：每个 Agent 都需要一个人

33:45 Senior Engineer Benchmark：AI 编程和高级工程师之间的差距

37:27 真正的比较不是 AI vs 人，而是用 AI 的人 vs 用 AI 的人

38:50 第一组行动建议：多用 Codex，让产品可被 Agent 使用，尝试公司级 Agent

工作形态正在发生什么变化

40:09 PR 数量暴涨：非技术人员也开始提交代码和改产品

42:11 通才变强：市场、运营、编辑都能做以前技术岗位做的事

44:10 新岗位出现：forward deployed engineer 与 Agent operator

45:14 数据科学家的新痛点：审核别人用 AI 做出的粗糙分析

47:05 哪些岗位变化最小：CEO、管理者与销售

49:31 不是照看 Agent，而是构建让组织能力外溢的系统

50:36 AI 生成文档和邮件会被越来越多地接受

53:34 内容的新用途：既写给人读，也写给 Agent 读

谁会在 AI 未来里成功

54:21 Dan 非常看好 PM：产品判断力会被 AI 放大

56:20 “PM 回来了，SaaS 也回来了”

57:40 全栈设计师的机会：从设计想法到直接提交 PR

58:24 创造力更值钱：在 AI slop 泛滥中脱颖而出

58:24 就业末日不会简单发生：模型让“昨天的人类能力”变便宜

01:01:13 最重要的职业建议：ride the models，跟着模型走

01:01:56 如何跟着模型走：保持玩心，反复测试新能力边界

01:04:40 未来的真实样子：既是一切都变了，也是什么都没变

01:07:06 最后的实践清单：把你的工作流搬进 Codex 或 Claude Code

快问快答

01:08:37 进入快问快答：一年后让 AI 给预测打分

01:08:50 推荐书单：《The Writing Life》、丘吉尔二战史、《The Rigor of Angels》

01:10:53 最近喜欢的影视：尼克斯篮球、《The Dark Wizard》、《100 Foot Wave》

01:11:30 最近最喜欢的产品：Codex

01:11:42 人生格言：做值得被写下来的事，写值得被阅读的东西

01:12:45 被低估的 AI 工具：仍然是 Codex

01:14:27 如何找到 Dan 和 Every，以及给听众的最后建议

🌟 精彩内容

💡 AI 悖论：自动化越多，人类越重要

Dan Shipper 提出本期最核心的反直觉判断：模型越强，工作并不会自动减少。相反，人类会承担更多判断、管理、审核、协调和创造的任务。Agent 可以完成越来越多执行工作，但它需要人来定义问题、维护系统、判断结果是否正确。

“我一方面极度相信 AI，另一方面也非常看好人。自动化有很多，但每一个 Agent 都需要一个人。”

🤖 未来工作会分成两类 Agent 体验

Dan 预测，未来一年知识工作的 AI 使用方式会主要分成两类。第一类是公司内部的超级 Agent，可能出现在 Slack 里，处理数据请求、业务流程、内部知识等任务。第二类是 Codex、Claude Code、Cowork 这类运行在个人电脑上的 AI 工作环境，它们会逐渐变成新的工作操作系统。

“你做的大部分工作，其实都会发生在你的电脑上，在 Codex 或 Claude Code 这样的环境里完成。”

📈 SaaS 不会死，Agent 会让 SaaS 更强

面对“SaaS 末日论”，Dan 给出了非常反共识的判断：SaaS 不会被 Agent 消灭，反而会因为 Agent 的使用而迎来更多需求。未来不仅人类会使用 SaaS，Agent 也会成为 SaaS 的高频用户。SaaS 公司真正需要做的，不是盲目把 AI 塞进产品，而是让自己的产品适合人类和 Agent 一起协作。

“我觉得所谓 SaaS 末日这种说法很蠢。如果是现在，我会买 SaaS 股票。Agent 做的事情，是增加 SaaS 的用户数量，而不是消灭 SaaS。”

🧑‍💻 为什么 Every 这样 AI-native 的公司还在招人

Every 过去一年人数翻了一倍，这和很多人对 AI 公司的想象相反。Dan 解释说，自动化并不会让人完全退出系统，反而会产生新的管理和维护需求。每个 Agent 都需要有人关心它、观察它、调试它，并确保它真正对组织有用。

“每当你把某件事自动化之后，为了确保自动化运转得好，你上面还需要一个人盯着。”

🛠️ 从“做事”到“审核、整合与判断”

AI 让更多非技术人员可以写代码、提交 PR、做分析、生成文档，但这也制造了大量需要被审核和整合的输出。未来很多专业岗位的重点，会从亲手完成任务，转向判断哪些东西值得保留、如何进入系统、哪些东西应该删除，以及如何保持整体连贯性。

“过去，构建东西非常难。现在变得很容易。所以重点不再是，我们能不能把它做出来，而是它跟我们已经做出来的其他东西放在一起，是否合理。”

🚀 PM 和全栈设计师会被 AI 放大

Dan 非常看好真正会使用 AI 的产品经理和全栈设计师。构建门槛降低后，PM 的用户理解、产品判断、故事能力会变得更关键；设计师则可以把创意直接做成可运行的产品，不再完全依赖工程交接。创造力在 AI 生成内容泛滥的时代会更稀缺。

“PM、设计师，会过得很好。”

🌊 最重要的个人建议：Ride the Models

Dan 给所有人的最终建议是：跟着模型走。不要因为害怕而远离新模型，而是要把它们用到真实工作和生活里，不断试探它们的新能力边界。他认为 AI 的前沿不只在旧金山，而是在任何一个真实的人用 AI 解决真实问题的地方。

“你唯一需要做的，就是 ride the models，也就是跟着模型走。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：科技播客《Hard Fork》Sundar Pichai on Whether Google Is Falling Behind in A.I.

本期嘉宾是 Google CEO Sundar Pichai。在 Google I/O 之后，他与 Kevin Roose、Casey Newton 展开了一场关于 AI 前沿的直接对话：Google 是否在 AI 竞赛中落后？Gemini 在 coding 和 Agent 上还差在哪里？传统搜索会不会被 AI mode 取代？AI 会如何影响毕业生、医生、程序员和普通人的工作？政府该如何监管 AI？以及，当 AGI 和“奇点”越来越近时，Google 这样的公司应该如何承担责任？

这期节目里，Sundar 既展现了 Google 对 AI 未来的信心，也坦率承认了在 coding、长周期任务和 Agent 能力上的差距。他强调，coding 最终会成为一切工作的基础；搜索会继续演进，但来源和链接仍然重要；公众对 AI 的焦虑完全合理，因为人类并不是为处理如此剧烈的变化而进化出来的。而在 AGI 问题上，他也给出了少见的明确判断：过去一两年的进展速度，让 AGI 看起来更可能偏近，而不是偏远。

👨‍💼 本期嘉宾

Sundar Pichai，Google 及 Alphabet CEO。自 2015 年起担任 Google CEO，后出任 Alphabet CEO。他长期推动 Google 向 AI-first 转型，主导 Google 在搜索、云计算、Android、Chrome、TPU、Gemini 与 Google DeepMind 等关键业务和技术方向上的战略布局。

⏱️ 时间戳

00:00 开场 & 播客简介

Google 在 AI 竞赛中的位置

01:27 从 Bard 到 Gemini：Google 还在追赶吗？

04:09 Coding 成为主战场：为什么它会是一切工作的基础

04:56 Gemini 2.5 Flash 的发布反馈：质量、定价与使用限制

06:11 大公司能否保持聚焦：Google 如何同时推进多个 AI 前沿

搜索的 AI 化

07:11 二十五年来最大变化：Google 搜索会被 AI mode 取代吗？

08:47 AI 搜索时代的商业模式：广告、订阅与用户价值

公众焦虑与工作未来

09:41 AI 反弹：为什么只有少数人认为 AI 总体是好事

11:52 面对毕业生：下一代如何迎接 AI 冲击

13:12 工作会消失吗：AI 如何改变程序员、医生与放射科医生

Agent 的真实落地

15:51 普通人用的 Agent：Spark 与个人工作流

16:14 Sundar 如何用 Agent 准备会议、整理日历

18:09 Agent 的信任问题：透明、可控与安全边界

监管、安全与递归式自我改进

18:35 政府应该如何监管 AI：创新与监督之间的平衡

19:56 递归式自我改进：AI 能否安全地改进自己

21:05 接近 AGI 时怎么办：为什么必须避免实验室竞赛状态

算力、TPU 与平台战略

21:35 为什么 Google 还把 TPU 卖给竞争对手

22:20 云业务、平台生态与下一代 AI 硬件

AGI 与奇点

23:25 Sundar 如何看待 AGI 这个词

24:29 AGI 是更近还是更远：过去两年的进展改变了判断

25:11 “奇点的山脚下”：Google 如何理解 2030 前后的 AI 未来

26:16 结尾：Sundar Pichai 告别 Hard Fork

🌟 精彩内容

💡 Google 承认：Coding 是必须追上的前沿

Sundar 坦率表示，Google 在文本、多模态、语音、推理和整体智能方面很强，但在带工具使用的 Agent coding、指令遵循和长周期任务上仍有差距。他认为 coding 不只是一个功能，而会成为未来所有工作的底层能力。

“我觉得 coding 最终会成为我们所做一切的基础。”

🔍 搜索不会一夜之间被 AI mode 替代

面对“十个蓝色链接”是否会消失的问题，Sundar 没有给出激进答案。他强调，Google 会带着用户一步步演进搜索体验，而不是跑在用户前面太远。AI mode 会变得越来越重要，但来源、链接和与网页内容的连接仍会是搜索的一部分。

“我会尽量不跑在用户前面太远。”

😟 AI 焦虑是合理的

当主持人提到民调显示只有约 16% 的人认为 AI 总体是好事时，Sundar 表示完全理解公众的担忧。他认为 AI 是人类将参与打造的最深远技术之一，而变化速度太快，人类并不是为了处理如此剧烈、密集的变化而进化出来的。

“人类并不是为了处理这么多变化而进化出来的。”

🧑‍⚕️ 工作不会只是消失，也会被重新定义

Sundar 并不否认 AI 会带来冲击，但他反对过度悲观的决定论。他用电子表格、写代码、医生和放射科医生举例：AI 会改变很多人的起点，让更多人具备过去难以获得的能力，也会把专业人士从低价值事务中解放出来。

“世界上会有多得多的人能够写代码。”

🤖 Agent 的关键不是炫技，而是信任

Sundar 分享了自己使用 Agent 的例子：让它查看日历，并按私人、健康、工作等类别自动上色。他认为这已经有点像科幻，但 Agent 真正普及的前提，是让用户感到安全、透明、可控。否则一旦发生意外，用户就会退回去。

“你必须让用户有一种感觉。就像当年我们要让一个人坐进自动驾驶汽车的后座一样。”

🛡️ 接近 AGI 时，不能让公司陷入竞赛状态

在谈到递归式自我改进和 AGI 安全时，Sundar 表示，如果负责任的实验室接近那样的时刻，就不应该只在公司内部讨论，而必须让更多社会力量参与进来。他特别强调，在 AGI 的关键阶段，行业必须避免竞赛状态。

“在 AGI 的那些阶段，我们都必须避免出现竞赛状态。”

⚙️ 为什么 Google 仍向竞争对手开放 TPU

面对“为什么不把算力都留给自己”的问题，Sundar 解释说，Google Cloud 本身就是一门平台业务。向外部提供 TPU，不仅带来收入和规模经济，也能让外部研究者的使用反馈反过来帮助 Google 改进下一代硬件。

“你在运营平台的时候，业务里有平台这一面。”

⛰️ AGI 可能更近，而不是更远

Sundar 认为，AI 正不可避免地朝 AGI 取得基础性进展。虽然他不会像一些创业者那样使用激进语言，但过去一两年的进展速度，让他觉得 AGI 的到来更可能偏近。他也解释了 Demis Hassabis 所说“奇点的山脚下”：在 Google 的语境里，奇点指的就是 AGI 的到来。

“过去一两年的进展速度，让我觉得它更可能偏近，而不是偏远。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：科技深度访谈播客《The MAD Podcast with Matt Turck》OpenAI's Yann Dubois: Why AI Progress Suddenly Feels Real

本期嘉宾 Yann Dubois 是 OpenAI PostTraining Frontiers 团队的共同负责人，参与过 GPT 5.5、o3、GPT5 Thinking 等前沿模型的打造。在这期对话中，Yann 从 OpenAI 内部研究者的视角，解释了为什么最近几个月 AI 能力突然让人感觉“真正可用”了：并不是能力凭空跳跃，而是模型可靠性终于跨过了一个关键阈值。

节目深入拆解了 GPT 5.5 的进展、reasoning 模型的演化、强化学习如何从数学和编程竞赛走向真实世界任务，以及 pretraining、mid training、posttraining 各自扮演的角色。Yann 还讨论了为什么评估模型越来越难，model as a judge 为什么重要，continual learning 为什么仍是未解难题，以及创业公司在“最后一公里”仍然拥有巨大空间。

这是一集非常适合 AI 从业者、创业者、投资人和技术产品经理收听的前沿对话：它不仅解释了大模型能力如何被训练出来，也回答了一个更现实的问题——当模型越来越强，应用层和垂直领域还剩下什么机会。

👤 本期嘉宾

Yann Dubois，OpenAI PostTraining Frontiers 团队共同负责人。他参与打造了 GPT 5.5、o3 和 GPT5 Thinking 等前沿模型。在加入 OpenAI 之前，他曾在斯坦福参与 Stanford Alpaca 项目，该项目对现代 posttraining 与开源指令微调研究产生了重要影响。Yann 的研究经历横跨自然语言处理、低资源语言、多模态表示学习、强化学习与前沿大模型训练。

⏱️ 时间戳

00:00 开场 & 播客简介

AI 进展为何突然“体感变强”

02:15 MAD Podcast 开场：Yann Dubois 与 GPT 5.5 的背景

03:25 最近几个月发生了什么：可靠性跨过关键阈值

05:56 什么叫模型可靠性：Agent 运行越久，错误概率越需要下降

07:10 GPT 5.5 发布背后：全公司协同与情绪起伏

08:45 GPT 5.5 的优势：agentic coding、computer use 与知识工作

10:47 效率优化：从 token 数到 latency，再到用户真正感受到的性能

PostTraining Frontiers 与 Yann 的研究路径

11:52 OpenAI PostTraining Frontiers 团队到底做什么

13:13 从 word2vec 到低资源语言 NLP：Yann 如何进入 AI 领域

14:41 为什么拒绝量化基金：技术工作与正向影响

15:21 GPT5 发布演示：现场搭建法语学习 App 的紧张时刻

Reasoning 从竞赛题走向真实世界

15:49 2026 年的 reasoning 与 o1/o3 时代有什么不同

17:12 从可验证 reward 到真实用户价值

18:07 5.5 Thinking 与 5.5 Pro：更多 test-time compute 是否值得

19:37 效率与思考时间：把性能-延迟曲线向左移动

20:45 模型如何更会推理：像专家一样少走弯路，也更早发现错误

训练流水线：Pretraining、Mid Training 与 Posttraining

21:49 Pretraining 是否撞墙：为什么更大模型仍然有效

24:43 数据前沿：synthetic data、multimodal data 与 embodied AI

26:45 World Models：模拟有用，但不能过度优化不真实目标

28:02 Mid Training 是什么：给高质量数据更高权重

29:28 Posttraining 的本质：把“懂知识的模型”变成“对人有用的模型”

强化学习如何塑造前沿模型

30:39 SFT 与 RL 的区别：从模仿人类到优化 reward

33:28 RL 会创造新能力吗：推理、检查答案与更长思考

35:00 为什么 RL 难扩展：昂贵采样、长 rollout 与 attribution 难题

37:32 GRPO 与简单方法的胜利：能随 compute 扩展的技术最有生命力

38:13 AI 系统是“建造”还是“种出来”：从手艺到科学的研究过程

40:26 为什么大家先从 posttraining 改起：迭代速度更快

41:57 垂直能力与横向能力：模型为什么有时参差不齐

43:21 从数学、代码走向经济领域：主动选择优先级与数据收集

44:43 泛化的边界：竞赛聪明不等于真实世界聪明

47:31 幻觉问题：为什么 SFT 可能反而奖励幻觉

49:00 Negative Transfer：显式指令遵循与隐式意图理解的冲突

50:36 法律、医疗、金融也能追上 coding 吗：关键在领域专家与 reward 可验证性

评估、模型裁判与能力飞轮

52:23 为什么 evals 越来越难：任务开放、答案多样、专家稀缺

54:35 Model as a Judge：为什么让模型评估模型会越来越重要

55:20 评估与训练的边界消失：每个 eval 都可能变成训练数据生成器

未来 12-24 个月：连续进步与局部断点

56:07 未来 AI 进展会是连续还是断点式

57:26 Continual Learning：为什么模型应该越用越懂你

59:16 为什么 continual learning 还没真正解决

59:59 Harness 会被模型吃掉吗：通用框架与垂直场景的不同命运

01:01:58 应用层还有机会吗：真正的护城河在最后一公里

01:03:36 结尾：Matt 感谢 Yann，节目收尾

🌟 精彩内容

💡 AI 进展不是突然发生，而是可靠性跨过了阈值

Yann 认为，模型能力本身大多是连续进步的，但用户感知并不是线性的。当模型每隔几分钟出错的概率足够低，AI 工具就会从“有趣但不可靠”，变成“真的能承担工作”。这也是为什么最近 coding 和 agentic work 的体验像突然跃迁。

“你需要达到这样的可靠性水平，才能真正让这些 AI 工具有用起来。”

🧠 Reasoning 的关键转变：从竞赛题到真实世界

早期 reasoning 模型主要优化数学和编程竞赛，因为这些任务有明确答案，reward 容易验证。现在，OpenAI 正在把这些强化学习工具迁移到更混乱、更开放的真实世界任务中，例如软件工程、知识工作、企业流程和复杂数据处理。

“所以我们从竞赛场景，走到了真正对用户有用的场景，这就是我们现在正在感受到的变化。”

⚙️ GPT 5.5 的效率：不只是更聪明，也要更快

Yann 特别强调 GPT 5.5 的效率提升。效率不是单纯减少 token，也不是单纯降低延迟，而是要在用户真正关心的坐标系里优化：用更少等待时间获得更高质量答案。AI research 负责让模型用更少 token 达到同等性能，engineering 和 inference 团队则负责把这些 token 更快地服务出来。

“最后大家真正关心的是，X 轴是 latency，Y 轴是性能。”

📚 Posttraining 的本质：让模型从“图书馆”变成“专家”

Yann 用一个很清晰的比喻解释 posttraining：pretraining 像是让模型读完整座图书馆，掌握世界上的大量知识；但用户真正需要的不是图书馆，而是一位读过这些书、能理解问题并给出帮助的专家。Posttraining 的目标，就是把知识转化为可交互、可执行、对人有用的能力。

“它的核心，就是把一个了解世界上各种知识的东西，变成一个对人有用的东西。”

🧪 强化学习为什么难：你往往只在最后才知道对错

在 Agent 任务里，模型可能经历很长的操作流程，最后才知道结果是否正确。这会带来 attribution 难题：到底是哪一步导致成功或失败？这也是 RL 在复杂真实世界任务中难以扩展的重要原因之一。不过 Yann 认为，当基础模型已经足够了解世界，RL 的效果会显著变好。

“你只有到最后才知道哪一部分好、哪一部分不好。”

👻 幻觉可能来自 SFT，而 RL 有机会压低它

Yann 提到 John Schulman 的观点：如果一个模型本来不知道某件事，但 SFT 的标准答案要求它说出那件事，训练过程可能会迫使模型学会“编造”。而在 RL 中，如果模型不知道某事，它几乎不可能随机采样出正确答案，因此正确的 RL 流程更可能压掉这种不知道却乱答的行为。

“SFT 会迫使模型产生幻觉。”

📏 Evals 是模型进步的关键瓶颈

随着模型任务越来越开放，评估变得越来越难。以前只需要判断代码里有没有 bug，现在可能要判断一个完整网站做得好不好，而“好”的答案有很多种。Yann 认为，发现问题、构建评估、量化改进，至少和训练模型一样重要，甚至可能更重要。

“发现问题，并且确保我们能量化改进，至少同样重要，甚至可能更重要。”

🔁 Continual Learning 仍是巨大未解难题

Yann 对 continual learning 非常兴奋。他认为今天的模型在进入一家公司的第一天可能比新员工更有用，但它们不会像人一样随着时间积累内部知识、理解工作习惯、持续变强。真正理想的 AI 应该是在环境中工作越久，对用户越有用。

“让模型在某个环境里工作得越久，就变得越有用。”

🚀 创业机会仍在最后一公里

对于应用层和创业公司，Yann 给出了非常明确的判断：模型的原始智能不一定是最终护城河，真正的护城河往往在最后一公里，包括权限、数据连接、工作流、领域知识和用户场景理解。OpenAI 会更专注通用能力，而垂直领域仍然有大量空间。

“我觉得大多数时候，真正的护城河在最后一公里。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：David Perell 主持的写作访谈播客《How I Write》The Deepest Conversation You'll Ever Hear About Writing — Dana Gioia

这是一期关于写作的深度长谈，也是一堂关于如何成为作家的精神训练课。David Perell 邀请美国诗人、评论家、歌剧脚本作者 Dana Gioia，深入讨论写作背后的灵感、纪律、阅读、修改、生活选择、悲伤、信仰与美。Dana 不只谈技巧，他谈的是一个作家如何安排自己的一生：如何在商业工作和家庭责任中坚持写作，如何用阅读和沉思滋养作品，如何在初稿的疯狂与修改的清醒之间切换，如何让诗歌重新回到声音、身体和记忆之中。

这期节目最动人的地方，是 Dana 把写作放回生命本身。他认为，作品不是凭空出现的，而是从生活选择里长出来的；时间就是生命，浪费时间就是浪费生命；真正强大的写作往往来自意识与潜意识的双人舞，也来自痛苦、喜悦、失去和感激被长期淬炼后的形式。无论你写诗、散文、小说、剧本，还是只是想更好地表达自己，这期对话都提供了一套极其深刻的写作观。

👨‍⚕️ 本期嘉宾

Dana Gioia，美国诗人、评论家、歌剧脚本作者，曾任美国国家艺术基金会主席。他出版过多部诗集、评论集和歌剧相关作品，也是当代英语世界中重要的诗歌公共传播者之一。Dana 长期关注诗歌、声音、表演、宗教想象力与文学共同体建设，代表文章包括《诗还重要吗》等。

⏱️ 时间戳

00:00 开场 & 播客简介

写作的神秘起点

01:31 初稿的神秘性：灵感如何从身体、意象和一句话开始

02:52 如果灵感来时不能写下，就会失去它

03:20 意识与潜意识的双人舞：新闻写作与文学写作的区别

04:23 文学的核心作用：惊奇、敬畏与喜悦

05:06 “转折”的力量：让相反的情感同时成立

作品如何留下来

08:21 作家的固执与完整性：为什么有时必须拒绝大平台

09:50 《诗还重要吗》：一篇文章如何通过延迟发表变得更好

11:31 如何客观看待自己的作品：从自恋到判断力

13:49 为当下写，也为未来写：什么能抵抗文化潮流

16:59 好书怎么多读都不算多：阅读与判断力的训练

作家的一生与时间纪律

17:07 从 Eliot 和 Wallace Stevens 学会：诗人也可以有白天工作

19:48 一天只有二十四小时：婚姻、工作与写作的取舍

21:20 商业工作之外的写作纪律：把人生当成装满一小时钞票的钱包

22:47 体力劳动如何帮助潜意识解决写作难题

24:00 身体的智能：诗为什么需要节奏、声音和动作

26:05 创作与吸收的平衡：抄诗、标注格律与声音

写作技艺：留白、风格与声音

27:44 你的时间就是你的生命：不要习惯浪费时间

29:03 作品何时完成：当它开始释放比投入更多的能量

30:03 留白的艺术：把脚手架拆掉，让读者进入作品

33:51 只放诗真正需要的东西，不多放

34:17 简单不等于无味：写作应该有自己的味道

37:05 找到自己的声音：真实生活并不无聊

39:53 不要把生活变成艺术品：健康秩序与内在戏剧

使命、命运与作家的代价

42:15 在维也纳意识到使命：不是选择诗，而是被诗选择

43:00 顺着命运走，还是被命运拖着走

44:09 规律生活，猛烈写作：为什么作家需要秩序

45:31 客观镜子：如何培养批评自己的能力

46:19 发明的疯狂与批评的清醒

48:19 黑暗情绪不是培养出来的，而是需要被引导

悲伤、美与诗的身体性

50:42 失去儿子如何改变写作：更简单、更直接、更有音乐性

54:20 情感直接，但更神秘：诗不是解释，而是体验

55:34 诗是身体性的，也是完整语言

56:20 在伟大的诗里，你先感受，然后才理解

57:18 为什么《诗篇》需要读出声

58:22 教诗的核心：先体验、表演、背诵，再分析

教学、阅读与沉思

58:22 语言的力量：听懂被说出的，也听懂没被说出的

01:01:53 为什么学校把诗教得无聊

01:03:41 诗的正确反应像听歌：跳舞、打拍子、跟着唱

01:05:12 写诗时必须动起来：身体如何判断一句话是否正确

01:06:13 如何选择输入：书房、图像、冲动与好东西

01:08:20 写作之前的沉思：去缪斯可能出现的地方

01:10:17 每天写一行：Nulla dies sine linea

散文、人物与长期主义

01:11:31 散文的两种类型：知道终点的写作与不知道终点的写作

01:13:42 如何写好一个人：把人物放进具体场景

01:15:09 描写人物的常见错误：抽象清单不是叙事

01:17:02 把自己放在论证边缘，让读者知道站在哪里看

01:18:24 拆解 Orwell、Jarrell、Clive James：学习段落如何运作

01:22:34 作家走错路的三种方式：大学职位、自由撰稿、过早出书

01:23:39 第一本书的赌注：为什么要与短期市场保持距离

01:26:30 年轻作者如何判断自己是否准备好写书

修改的艺术

01:29:36 修改也是创造：带着开放态度进入重写

01:30:19 如何请求反馈：不要夸我，告诉我哪里不对

01:31:25 好合作者需要坦率，也需要诚实的交换

01:33:33 重抄旧稿：重新进入灵感和语调

01:35:09 如何结束一天写作：管理作家的情绪波动

01:37:13 一首诗的诞生：从月形天蚕蛾到《请原谅我，朝圣者》

01:40:03 押韵不是强加形式，而是听诗想成为什么

印刷文化之后的作家

01:41:43 在日常事物里看见奇迹

01:43:58 商业世界教会作家的事：听普通人怎样说话

01:46:40 诗应该被听见：印刷文化的终结与声音的回归

01:50:37 数字时代的作家：必须成为多平台的文艺复兴人

01:52:47 修辞的回归：清晰、有说服力地讲话成为必备能力

01:54:59 练习，练习，再练习：从邮件开始训练句子

爱情、信仰与共同体

01:56:58 爱情诗是一道咒语：让对方感到你所感到的

01:58:29 John Donne、Tennyson 与爱情诗里的幽默和忧郁

02:01:07 天主教写作：痛苦如何在接受中成为祝福

02:03:30 建立共同体：为什么文化修复需要会议、出版社、学校和杂志

02:07:13 《钦定版圣经》如何塑造英语的庄严感

02:09:03 Commonplace book：保存那些让人不该忘记的句子

02:12:41 激光与辐射：散文和诗歌的两种意义传达方式

作家、艺术家与黑暗知识

02:13:16 Baudelaire：伟大的失败之歌

02:13:52 McLuhan：媒介的精神维度

02:14:36 Bob Dylan 与 The Beatles：歌词、合作与流行音乐的诗性

02:15:31 Martin Luther King：圣经语言与伟大政治修辞

02:16:13 Steinbeck、Cheever 与穷人的尊严、细节的力量

02:19:22 Tarantino、Tolkien 与道德视野

02:20:29 Dostoevsky：下降到黑暗里才能知道的知识

02:24:17 善恶知识之树、塞壬、冥界与神话中的禁忌

歌剧、人物与体裁本质

02:26:05 歌剧教会写作者什么：压缩、情感高峰与留空间

02:28:14 歌剧人物和小说人物有什么不同

02:29:37 《安娜·卡列尼娜》与《茶花女》：小说和歌剧如何进入人物内心

02:33:32 最后的收束：理解体裁本质，而不只是学习规则

🌟 精彩内容

💡 初稿是一种神秘过程

Dana Gioia 认为，文学写作的初稿并不是完全靠意志完成的。当一首诗或一篇文章真正要来时，它往往先以身体感受、意象、一行文字的方式出现。真正好的写作，是意识与潜意识彼此配合的结果。

“一个好的作家，能让意识和潜意识像跳双人舞一样配合起来。”

🕰️ 时间就是生命

Dana 把人生比作一个装满“一小时钞票”的钱包。每个人每天只有二十四小时，写作者必须非常清楚自己要把时间花在哪里。他年轻时同时承担工作、婚姻、家庭和写作，因此学会了极端专注。

“你的时间就是你的生命。没有任何生命是存在于时间之外的。”

✍️ 修改才是真正的写作

在 Dana 看来，修改不是修补，而是创造。他会在“发明的疯狂”和“批评的清醒”之间来回切换：先让灵感涌出，再用极其冷静的眼光寻找作品里最弱的一行、最死的段落，然后一遍遍重写。

“任何真正的作家，都必须带着写初稿时那种对经验开放的态度，走进修改。”

🕯️ 悲伤如何改变写作

Dana 讲述了失去四个月大儿子的经历。这场悲痛让他学会谦卑、同情，也让他的写作变得更简单、更直接、更有音乐性。他没有否认悲痛，而是让悲痛把自己带向更深的人性中心。

“你受过的所有苦，你经历过的一切，都不会被浪费。只要它们形成了一种看世界的方式，并进入你的作品里。”

🎵 诗要先被感受，再被理解

Dana 反复强调，诗不是一种只给眼睛看的印刷品，而是一种声音在时间中移动的艺术。诗调动的是完整的人：思考、感受、记忆、身体、直觉和想象力。真正伟大的诗，首先击中身体和直觉。

“在伟大的诗里，你先感受，然后才理解。”

📚 好作家必须大量阅读，也必须判断

Dana 不赞成只“泛泛地读”。作家当然要读很多东西，但更要判断什么是真正好的作品，并拆解它为什么有效。他会仔细研究 Orwell、Cheever、Jarrell、Clive James 等作家的段落，看一句话如何释放能量。

“你不读书，就不可能成为作家。你不大量阅读，也不可能成为作家。而且你必须做判断。”

🌌 留白让作品拥有自己的生命

Dana 认为，很多作者会把“脚手架”留在作品里，解释太多背景和动机，反而堵住读者进入作品的空间。好作品应该只放必要的东西，让读者能够把自己的生命经验带进去。

“只把诗真正需要的东西放进去，不多放。”

🎙️ 数字时代，作家要重新学会说话

Dana 出生于印刷文化的巅峰，但他认为印刷文化已经结束。现代作家必须能写，也能讲，能在音频、视频、现场表达中承载自己的作品。修辞、朗诵和公共表达会重新成为作家的核心能力。

“二十一世纪的作家，必须成为文艺复兴式的男人或女人。”

❤️ 写作是一种感谢自己活着的方式

在关于月形天蚕蛾的诗歌创作过程中，Dana 谈到自己如何被日常世界中短暂出现的美定住。他认为，真正的作家应该努力让自己被感激浸透，而不是只从愤怒、嫉妒和理所当然中写作。

“你在写作中应该努力做到的，是感谢自己活着。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶级创投播客《20VC with Harry Stebbings》Andrej Karpathy Joins Anthropic | SpaceX Files S1: How Does it Trade | Cerebras Smashes Day 1

本期是一场关于 AI、SaaS、IPO 与公开市场情绪的高密度圆桌讨论。主持人 Harry Stebbings 与两位常驻嘉宾 Rory O'Driscoll、Jason Lemkin，从 Andrej Karpathy 加入 Anthropic 和 Anthropic 9000 亿美元估值融资聊起，拆解为什么 AI 模型公司正在进入一场“资产负债表战争”。他们进一步讨论 Salesforce 每年花 3 亿美元购买 Anthropic token 到底贵不贵，AI token 支出最终会吃掉多少研发工资，以及这些数字能否支撑 OpenAI 和 Anthropic 的万亿美元级收入预期。

节目中段，话题转向公开市场上的 SaaS 公司：Datadog、Figma、Atlassian、Klaviyo、Wix、Squarespace 等公司，究竟还有没有时间完成 AI 转型？Rory 提出一个极具冲击力的判断：SaaS 公司已经失去了 2021 年那层“未来光环”，从此以后只能被收入、增长和现金流重新定价。后半段则进入 Cerebras、Nebius、CoreWeave 和 SpaceX 等 AI 基础设施与超级 IPO 话题，讨论市场是否正在追逐“地球上最令人兴奋的公司”。最后，三人也没有回避 AI 行业的政治风险：OpenAI 与 Elon Musk 的诉讼、Sam Altman 的利益结构、公众对 AI 的反感、科技裁员与可能到来的社会反噬。

这是一集信息量极大、观点尖锐、节奏很快的科技资本市场圆桌。它不仅讨论哪些公司正在涨、哪些公司正在跌，更重要的是，它试图回答一个更大的问题：当 AI 成为资本市场最兴奋的叙事时，谁在真正创造价值，谁只是被泡沫带上了天？

👨‍⚕️ 本期嘉宾

Rory O'Driscoll，Scale Venture Partners 合伙人，长期关注云软件、SaaS 与 AI 投资。他以对公开市场、估值周期和企业软件商业模式的深入分析著称，在节目中多次从投资回报、资本配置和历史 base rate 的角度拆解 AI 资本市场。

Jason Lemkin，SaaStr 创始人、SaaS 投资人和评论者。他长期活跃在企业软件生态，擅长从创始人、运营和产品落地角度判断 SaaS 公司是否真的能穿越 AI 冲击。本期他对 Figma、Klaviyo、Wix、SpaceX 和 OpenAI 的观点都非常直接。

Harry Stebbings，《20VC》主持人，也是 20VC 基金创始人。他在本期不断抛出资本市场最热问题，包括 Anthropic 融资、Cerebras IPO、SpaceX S1、YC 与 OpenAI token 交易，以及科技公司裁员潮。

⏱️ 时间戳

00:00 开场 & 播客简介

AI巨头的资产负债表战争

01:35 Anthropic 开场：Karpathy 加入与 9000 亿美元估值融资

03:10 为什么 Anthropic 可能是私有市场里“最划算”的交易

06:49 为什么 Dario 愿意在看似便宜的价格上融资

07:49 AI 模型公司的本质：算力、CapEx 与资产负债表战争

08:39 Anthropic 与 OpenAI 融资风格对比：七十分交易 vs 极限定价

10:37 现金到账、融资条款与 OpenAI 复杂融资结构的差异

AI token 经济学

11:45 Salesforce 每年花 3 亿美元买 Anthropic token，贵吗？

12:11 每个工程师每年 1.5 到 2 万美元：AI coding 成本只是入场费

12:56 为什么 token 正在成为软件公司最大的单项外部供应商支出

15:21 一万亿美元 token 收入需要什么条件：吃掉研发工资的 20%

18:17 Jason 的看空逻辑：模型更高效后，token 成本可能没想象中高

22:11 当 token 支出从噪声变成裁员变量

22:34 Klaviyo 的 AI 执行力：每个产品相关员工都必须提交代码

24:00 SaaS 公司还有时间吗：创始人领导的公司可能仍能翻盘

SaaS旧王的估值重定价

25:59 Datadog、Figma 与 SaaS 从底部反弹

26:20 Rory 的“二十一岁”比喻：SaaS 再也回不到 2021 年光环

28:18 Datadog 单季度十亿美元收入：从亢奋估值回到现实估值

29:11 Figma 连续加速：为什么 Jason 承认自己看漏了一点

29:46 Figma Make 不够好，但 Figma 仍受益于软件构建爆发

32:23 Lovable、Replit 与 Figma 工作流被绕开的风险

33:14 Figma 真正错过的机会：一键从设计推到生产级 prototype

Wix、Squarespace 与AI冲击下的网站业务

34:14 Wix 暴跌与 Base44 达到 1.5 亿 ARR

34:35 AI 业务是增量，还是对核心业务的替代？

35:17 Wix 和 Squarespace 被两头夹击：vibe coding 与 Shopify

37:13 电商增长被 Shopify 吃掉，信息展示网站被 AI 工具冲击

37:41 Base44 能否拉动 Wix 重新增长？

40:03 股票回购争议：为什么“抵消稀释”不是好理由

41:19 回购、激进股东与管理层的防守剧本

43:55 Wix 一倍收入估值：终局状态还是反弹机会？

46:43 哪家老牌软件公司会靠 AI 重新变得乐观？

算力基础设施与CapEx周期

48:37 Nebius 增长 684%：算力短缺还是泡沫狂热？

49:00 CoreWeave、Nebius 与算力商品化风险

50:52 除了传统软件，几乎所有科技基础设施都在火

52:41 Nvidia、电力、网络与 AI CapEx 的传导链条

53:58 为什么现在还看不到短期崩盘迹象

55:40 作为 VC，还会不会在 seed 投下一家新 CoreWeave？

57:22 投资人如何给创始人真实反馈

59:36 什么情况下应该解释拒投理由，什么情况下不该解释

IPO窗口重新打开？

01:00:25 Cerebras IPO 大获成功：Snowflake 之后最大美国科技 IPO

01:01:06 “Better Than Figma”：新 IPO 标准是否被抬高？

01:02:06 Cerebras 的独特位置：半导体、inference 与 OpenAI 客户叙事

01:03:44 IPO 首日暴涨后还能买吗？Rory 提醒 base rate 很重要

SpaceX超级IPO与公开市场赌场

01:04:41 SpaceX 计划史上最大 IPO：1.75 万亿美元估值、750 亿美元融资

01:05:00 S1 可能讲不清真正的 SpaceX：AI 化之后公司已完全不同

01:06:20 xAI、Cursor、Anthropic 交易可能不会完整体现在 S1 中

01:07:30 市场想要兴奋感，而 SpaceX 是地球上最令人兴奋的公司

01:08:25 散户会不会像 GameStop 一样冲进 SpaceX？

01:10:28 机构目标价、流通盘与 IPO 首日交易博弈

01:12:31 Jason 下注 SpaceX 可能交易到 5 万亿美元

01:14:26 Rory 的冷静提醒：Facebook IPO 当年也是全民期待

01:15:50 三人打赌：3 万亿、5 万亿，还是低于 3 万亿？

OpenAI给YC公司发token

01:16:44 Sam Altman 给每家 YC 公司提供 200 万美元 OpenAI tokens

01:17:13 这是争夺开发者心智的聪明动作

01:18:38 Jason 判断：这一定会推高 YC startup 估值

01:19:58 token 额度可能成为新融资锚点

01:20:37 这会不会让 VC 更难拿到 YC 公司股份？

01:21:31 对 Replit、Legora 这类公司，token 可能一年就烧完

01:22:34 token spend 就是 marketing spend：免费额度会改变早期增长策略

01:24:01 如果 OpenAI 有闲置算力，这就是非常聪明的资本配置

01:25:30 一个推论：OpenAI 可能有富余 token，而 Anthropic 没有

AI诉讼、Sam Altman与政治风险

01:27:10 OpenAI 与 Musk 诉讼结果：Rory 认为判断基本命中

01:28:25 为什么陪审团快速驳回可能是按法律而非情绪判断

01:31:19 Elon 诉讼带来的连锁效应：Sam Altman 财务关系被更多审视

01:31:32 Rory 对 Sam 的复杂同情：善意结构反过来咬了他

01:33:52 Jason 反驳：Sam 并非完全没有从 AI 中获得经济利益

01:35:03 复杂利益安排的代价：当你把世界首富变成敌人

AI行业的公众反噬

01:36:37 为什么美国公众可能越来越不喜欢 AI

01:37:00 Rory 的警告：聪明科学家在政治上可能非常笨

01:38:02 Jason 为什么仍然站 Team Sam 和 Team OpenAI

01:39:00 从学生为 ChatGPT 鼓掌，到毕业典礼嘘 Eric Schmidt

01:39:48 “不是裁员，是为了机器减少岗位”：企业话术的危险

01:40:27 Cisco、LinkedIn、Meta、Intuit 裁员与政治后果

01:41:00 Jason 的激进建议：科技行业需要重新扩张招聘以避免社会动荡

01:41:59 AI 到底替代了多少岗位：5%、20%，还是被夸大了？

01:43:38 被裁员工会如何看待财富税和科技富豪？

01:44:44 Jason 判断：这可能是我们这辈子见过最严重的科技裁员潮

01:45:09 突发传闻：OpenAI 可能最快周五提交 IPO 文件

01:45:45 OpenAI 如果启动保密提交，意味着钱站最后几班车正在开走

🌟 精彩内容

💰 Anthropic 是一场资产负债表战争

Rory 认为，Anthropic 融资不是为了“缺钱”，而是为了给未来巨大的算力承诺降风险。AI 模型公司的竞争，已经不只是模型能力，而是能否拥有足够强的资产负债表去说服 hyperscaler 为你投入上千亿美元级别的基础设施。

“这是一场非常大的资产负债表战争。”

📊 AI token 支出可能决定 Anthropic 和 OpenAI 的估值成败

节目中最核心的模型之一是：如果 OpenAI 和 Anthropic 想支撑万亿美元级 token 收入，它们必须吃掉企业研发工资中的一大块。Rory 粗略估算，要达到这些收入预测，可能需要拿走每个工程师工资成本的 20%。如果企业的实际 token 支出停留在 1% 或 5%，那么今天的估值可能就过于乐观。

“你真的必须开始思考，在软件开发市场里，工程团队总工资账单中，到底有多少比例会被它们拿走。”

🧊 SaaS 失去了 2021 年的“未来光环”

Rory 用“二十一岁”来形容 SaaS 在 2021 年的估值状态：市场愿意相信你拥有无限可能。但一旦这层光环消失，市场就会回到收入、增长和现金流的组合来定价。Figma、Datadog、Atlassian 依然可以是好公司，但很难再回到五十倍 ARR 的时代。

“一旦你失去了那层光环，接下来一辈子，市场都会用某种收入、收入增长和现金流的组合来给你估值。”

🧩 Figma 的错失与机会

Jason 承认自己低估了 Figma，因为即便 Figma Make 不是好的 vibe coding 产品，Figma 仍然站在“软件构建爆发”的中心。但他也尖锐指出，Figma 真正错过的是把设计一键推到可运行 production prototype 的能力，而 Replit 和 Lovable 已经把“上传 Figma 设计”做成了原生入口。

“Figma 做的是软件构建这件事。所以所有真正帮助别人做软件的公司，都会受益。”

🔥 SpaceX 是市场最想要的兴奋剂

关于 SpaceX 史上最大 IPO，Rory 的判断非常直接：S1 可能无法完整呈现 AI 化之后的 SpaceX，但这不一定会阻止市场追捧。因为在当下，公开市场想要的不是现金流，而是兴奋感。SpaceX 恰好是全球最具兴奋感的公司之一。

“我们是在市场想要兴奋感的时候，卖地球上最令人兴奋的公司。”

🧨 OpenAI 给 YC 公司发 token，可能改变早期融资

Sam Altman 给每家 YC startup 提供 200 万美元 OpenAI tokens，被三位嘉宾认为是争夺开发者心智的重要动作。Jason 认为这会推高 YC 公司估值，因为它相当于降低了早期风险，还能让 startup 把 token 当作营销预算，推出更激进的 freemium 产品。

“很多 startup，token 就是营销。”

⚖️ AI 行业正在走向政治反噬

节目最后，Rory 提出本期最尖锐的社会判断：AI 行业过去几年不断告诉公众，AI 会毁掉工作、推高电费、改变世界，却没有给出足够透明和成熟的政治叙事。现在，当大公司开始裁员，公众的反感可能会迅速转化为政治压力。

“我们这边有一些非常聪明的科学家，但在政治上完全是笨蛋；而那些完全不懂 AI、但很懂政治的人，会把我们吃得死死的。”

🏭 科技公司可能不得不重新雇人

Jason 提出一个非常反直觉的观点：科技行业也许需要在 AI 提高效率之后，重新扩张招聘，甚至建立某种新的社会契约。否则，大规模白领岗位消失可能引发强烈政治反噬，最终伤害整个科技行业。

“科技公司最后不得不重新扩张，雇成千上万的人，来避免社会动荡。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：科技深度访谈播客《Dwarkesh Podcast》How do AI chips actually work? – Reiner Pope

本期节目是一场从芯片最底层一路搭到 AI 加速器架构的硬核技术对谈。主持人 Dwarkesh Patel 再次邀请 MatX CEO Reiner Pope，从最基础的 AND、OR、NOT 逻辑门开始，解释 AI 芯片究竟如何把矩阵乘法变成真实的电路结构。你将听到 multiply-accumulate 为什么是 AI 芯片的核心原语，full adder、mux、register file、systolic array、clock cycle、FPGA、ASIC、cache、scratch pad、GPU 与 TPU 这些概念之间到底如何相互连接。

这期节目最核心的问题是：在 AI 芯片里，真正昂贵的往往不是计算本身，而是数据移动、同步和通信。Reiner 用极其底层但清晰的方式解释，为什么低精度计算会带来平方级优势，为什么 tensor core / systolic array 能显著提升计算与通信的比例，为什么过快的 clock speed 反而可能伤害吞吐量，以及 GPU 和 TPU 的架构差异本质上是如何围绕矩阵乘法和数据搬运展开的。对于想理解 AI 算力底层逻辑的人来说，这是一堂从电路到架构的芯片设计入门课。

👨‍⚕️ 本期嘉宾

Reiner Pope，MatX 的 CEO。MatX 是一家专注 AI 芯片的新公司。Reiner 长期关注 AI 计算基础设施和芯片架构设计，擅长用从底层电路到系统架构的方式，解释 AI 芯片如何服务于大规模模型训练与推理。

⏱️ 时间戳

00:00 开场 & 播客简介

从逻辑门开始理解 AI 芯片

01:39 芯片内部到底有什么：从逻辑门、导线到矩阵乘法

02:43 为什么 multiply-accumulate 是 AI 芯片的核心原语

04:01 用 4-bit 乘法手算 AI 芯片里的基础计算

05:57 Full Adder：三个 bit 如何被压缩成两个 bit

06:32 Dadda Multiplier：用 full adder 高效完成乘法与累加

08:28 为什么 multiply-accumulate 在电路上有漂亮的 p×q 结构

低精度、数据移动与隐藏成本

09:19 FP4 和 FP8 能不能互换：芯片设计里的精度选择

10:37 Bit width 的平方缩放：低精度为什么如此有利

11:12 从 CUDA Core 看传统处理器的数据路径

13:00 Mux 是什么：一次“选择”背后的真实电路成本

14:19 数据移动比计算更贵：register file 到 ALU 的代价

15:35 Tensor Core 的动机：把更多面积花在真正的计算上

Systolic Array：把矩阵乘法固化进硬件

16:44 从单次乘加到矩阵-向量乘法：为什么要往外层 loop 走

17:30 Systolic Array 如何让计算按平方增长、通信按线性增长

18:52 权重本地保存：把矩阵放在计算发生的地方

19:20 如何慢速灌入权重，避免 X×Y 级别的外部布线

21:12 计算与通信的比例：从 gate 层到数据中心都反复出现的问题

22:12 TPU 里的大规模 systolic array：矩阵乘法最有效的电路机制

芯片设计的关键取舍

22:32 真正让芯片设计者纠结的问题：尺寸怎么定

23:29 Clock Cycle 是什么：芯片为什么需要全局同步

25:06 速度与可靠性：为什么必须保证计算赶上下一个 clock

26:19 Pipeline Register：用更多寄存器换更高频率

27:50 有反馈回路时，为什么插入 pipeline 会变难

29:38 过快的 clock speed 也会伤害吞吐量

30:43 吞吐量公式：每个周期能做多少事 × 每秒多少个周期

FPGA、ASIC 与可编程硬件

31:09 为什么高频交易会用 FPGA：确定性延迟与商业取舍

31:37 FPGA 如何模拟 ASIC：register、LUT 与大量 mux

33:08 “Field Programmable”到底是什么意思

33:59 Lookup Table：把 truth table 变成可编程 gate

35:17 为什么 FPGA 比 ASIC 贵一个数量级

37:32 慢十倍的原因：LUT 和 mux 带来的巨大开销

CPU、缓存与现代硬件架构

38:27 为什么 CPU 很难保证确定性 clock cycles

38:27 Cache 的不确定性：CPU 延迟为什么会受环境影响

40:56 Scratch Pad vs Cache：把内存控制权交给软件

41:31 现代硬件还算冯·诺依曼架构吗？

42:53 Branch Predictor：CPU 为什么要预测分支

44:00 大脑与芯片的高层比较：稀疏、共址内存与慢速时钟

GPU、TPU 与 AI 加速器架构

46:16 GPU 和 TPU 的高层差异：很多小 SM vs 少量大矩阵单元

47:10 Tensor Core 和 TPU MXU 为什么非常相似

47:36 大 Systolic Array 的优势与数据搬运瓶颈

48:32 MatX 的公开方向：Splittable Systolic Array

48:56 收尾与感谢

🌟 精彩内容

💡 AI 芯片最想做的事：矩阵乘法

Reiner 从最底层解释，AI 芯片的核心不是某种神秘操作，而是把大量矩阵乘法高效地映射到硬件上。而矩阵乘法最基本的计算单元，就是 multiply-accumulate：把两个数相乘，再把结果累加到已有结果上。

“AI 芯片最想计算的主要功能，是矩阵乘法。”

🧮 低精度为什么能带来巨大收益

节目中最重要的硬件直觉之一，是 bit width 的成本并不是线性增长，而是近似平方增长。也就是说，从 FP8 降到 FP4，不只是数字变短，而是乘法电路面积、功耗和吞吐量都会发生非常大的变化。这也是低精度计算能成为 AI 芯片核心优化方向的根本原因。

“bit width 存在这种平方 scaling。这非常有效，也是 low precision arithmetic 在 neural net 里这么好用的唯一原因。”

🔌 真正昂贵的不是计算，而是数据移动

Reiner 用 register file、ALU 和 mux 的例子说明，软件里看似简单的“选择一个寄存器”，在硬件里其实需要大量 AND、OR 和布线。对于小精度乘加来说，把数据从 register file 搬到 logic unit 的成本，可能比真正做乘法和加法还高很多。

“光是把数据从 register file 移到 logic unit，这部分工作就比 logic unit 本身贵很多很多倍。”

🏗️ Systolic Array 的核心思想：让计算多于通信

Tensor Core 和 TPU 中的 systolic array，本质上是把矩阵乘法的更大一层循环固化进硬件。它让权重矩阵尽量留在计算发生的地方，只把输入向量和输出结果搬进搬出，从而让计算量按平方增长，而通信量尽量保持在线性规模。

“这个问题在整个技术栈从上到下都会出现。”

⏱️ Clock Speed 不是越快越好

节目里对 clock cycle 的解释非常精彩：芯片通过全局时钟让大量并行电路同步，但如果为了提高频率插入太多 pipeline register，就会把大量面积花在同步和存储上，反而减少每个周期真正完成的计算量。因此芯片吞吐量不是只看频率，而是频率和每周期工作量的乘积。

“你可以把芯片的吞吐量理解成两个东西的乘积：每个 clock cycle 能做多少事，再乘以每秒有多少个 clock。”

🧩 FPGA 为什么灵活但昂贵

FPGA 能在部署后重新编程，是因为它用 LUT 和大量 mux 来模拟可配置的逻辑门和连线。但这种灵活性代价很高：一个在 ASIC 里只需要几个 gate 的逻辑，在 FPGA 里可能要通过几十个 gate 的 lookup table 和 mux 来实现。这解释了为什么 FPGA 通常比 ASIC 更贵、更慢、更耗能。

“所谓 programming，就是配置这些 mux 里的每一个。”

🧠 GPU 和 TPU 的根本差异

Reiner 用一个很直观的类比解释 GPU 与 TPU：GPU 像是在整颗芯片上铺了很多个很小的 TPU，每个 SM 里都有较小的 matrix unit 和 vector unit；而 TPU 则更像是少量但更大的矩阵单元。前者更灵活，后者更能摊薄矩阵乘法中的通信和控制成本。

“从非常高层的角度看，GPU 就像是在整颗芯片上铺了很多个很小很小的 TPU。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：David Senra 主持的商业人物深度访谈节目 Strauss Zelnick, Take-Two: The Man Behind A $45B Media Empire (GTA & More)

本期嘉宾 Strauss Zelnick，是 Take-Two Interactive 的董事长兼 CEO，也是投资公司 ZMC 的创始人。他长期深耕娱乐、媒体、音乐和电子游戏行业，职业生涯横跨 Columbia Pictures、Vestron、20th Century Fox、BMG、ZMC 与 Take-Two。最传奇的是，他和团队曾在几乎没有资本的情况下，通过公司章程和股东投票机制，完成了一次近乎不可能的“无钱敌意收购”，接管了当时濒临崩溃的 Take-Two Interactive。

在这期节目中，Strauss 详细讲述了他如何从研究爱迪生时代的电子娱乐史开始，形成“永远拥抱新技术”的底层判断；如何从家庭录像带、电影、音乐一路走到电子游戏；又如何识别出电子游戏行业更像二十世纪二十年代的电影制片厂，是一个可以长期创造巨大价值的娱乐形态。他还分享了 Take-Two 的扭转过程：如何削减成本、稳定组织、支持创意人才、打造理性公司，并最终把一家问题缠身的游戏公司，发展成拥有 GTA、NBA 2K、Red Dead Redemption、Borderlands 等重要 IP 的全球娱乐巨头。

这不仅是一段关于 Grand Theft Auto 背后商业操盘手的故事，更是一堂关于技术浪潮、资本结构、创意产业、人才管理、专注力和长期主义的深度课程。

👨‍💼 本期嘉宾

Strauss Zelnick，Take-Two Interactive 董事长兼 CEO，ZMC 创始人。他曾担任 20th Century Fox 总裁、BMG Entertainment CEO，并长期活跃于娱乐、媒体、音乐和电子游戏行业。2007 年，他带领团队通过一次极为罕见的股东行动接管 Take-Two，并将其从混乱、亏损和多重调查中扭转为全球最重要的互动娱乐公司之一。

⏱️ 时间戳

00:00 开场 & 播客简介

技术、媒体与早期判断

01:28 无钱敌意收购：Take-Two 传奇故事的开端

02:36 娱乐行业二十年：为什么技术与媒体的交汇如此重要

03:41 1983年的“新媒体”：录像带、付费电视与家庭娱乐

05:37 从历史看未来：爱迪生、电子娱乐与技术变迁

06:00 核心信念：永远拥抱新技术，别相信当下会永远不变

从电影到电子游戏

07:20 家庭娱乐的崛起：录像带、DVD 与数字发行

07:46 Vestron 时代：29岁成为上市娱乐公司总裁

09:43 好莱坞为什么曾经害怕电子游戏：Atari 与 E.T. 灾难

11:43 32岁进入 Fox：从票房垫底到行业第一的扭转经历

17:00 Barry Diller 的影响：激烈辩论、承受压力与追求正确答案

20:21 Rupert Murdoch 的一课：危机中保持冷静和专注

21:21 电影行业的结构性问题：boutique system 与 studio system

23:49 洞察电子游戏：今天什么行业最像1920年代的电影制片厂？

创业、错失GTA与创办ZMC

24:51 向 Rupert Murdoch 提议进入游戏行业，却因股权诉求被拒

26:11 降薪95%去硅谷：加入 Crystal Dynamics 的冒险

26:54 创业时机：什么时候适合承担真正的风险

28:05 BMG内部孵化游戏业务：用唱片全球发行体系做游戏

31:00 被迫卖掉游戏部门：Take-Two 接手并推出 Grand Theft Auto

32:19 错失GTA：最成功媒体IP背后的戏剧性一幕

33:16 创办 ZMC：想打造被技术增强的媒体娱乐资产组合

34:49 没有资本怎么收购公司：空箱子式募资与第一笔艰难交易

37:01 拯救日本唱片公司：ZMC 第一笔交易的生死考验

接管Take-Two

42:17 与 Carl Icahn 的关系：免费研究、长期铺垫与意外机会

42:58 当时的 Take-Two：调查、亏损、混乱和濒临破产

44:18 读公司章程：发现接管公司的法律缝隙

46:00 百分之五十点一的投票权：用股东同意书挑战董事会

48:00 从48%到22%：借股、投票权和关键会议的惊险转折

49:30 年度股东大会现场：从不确定到88%支持率

50:21 2007年接管 Take-Two：成为董事长，后来兼任 CEO

扭转一家混乱公司

50:38 接管后的计划：围绕 GTA，削成本，重建理性组织

51:19 如何一年削掉四千万美元：先砍第三方开支，而不是先裁人

53:14 GTA 的周期性问题：爆款发售年赚钱，其他年份亏损

53:30 核心战略：做出更多爆款，打造真正的娱乐公司

54:28 从7亿到300多亿美金：Take-Two 的长期价值创造

55:35 早期错误与底层原则：在地板上时，合理决策反而变简单

创意人才与理性组织

56:01 谁最重要：能做出爆款的人，而不是管理者本人

56:46 理性组织：不大喊大叫，不制造混乱，不让自我阻碍创作

57:33 如何管理难搞的天才：真正在乎他们，同时坚守尊重底线

58:33 删除键哲学：不把事情个人化，也不被情绪牵着走

60:28 娱乐行业里的理性优势：拒绝魔法思维

62:01 文化的真正考验：顺境不算数，逆境才见品格

62:50 Borderlands 案例：游戏做完后仍追加五千万美元重做

63:15 相信人才直觉：支持创意热情，而不是只看短期排期

GTA、游戏与长期专注

63:32 GTA 6 的时间表：为什么伟大作品需要等待

64:19 GTA 的长期生命力：更新、社交与持续参与

64:39 在线游戏的社交本质：从年轻玩家到90岁桥牌玩家

65:10 游戏为什么会持久存在：它是人类文明最古老的娱乐形式之一

65:32 具体目标的力量：宇宙奖励具体请求，惩罚模糊愿望

66:13 可视化不是魔法：它是反复专注于自己真正想要的东西

68:00 从二百亿目标到四百亿规模：长期使命如何驱动选择

68:50 Take-Two 的使命：成为地球上第一的娱乐公司

导师、行动力与服务型领导

69:55 给年轻员工的建议：知道自己想要什么，并创造超过成本的价值

71:12 为什么很多人不跟进：成功没有魔法棒，必须自己行动

72:40 创办ZMC的现实：别人可以善意支持，但没人能替你完成工作

73:22 做好眼前机会：一个机会做好，才可能带来更多机会

74:46 时间承担大部分重量：理性、好行业、优秀人才与复利

75:01 CEO 是服务团队的人：办公室本身不会产生实际工作

75:39 根据人才调整风格：忠于自己，但服务不同的人

76:18 《人性的弱点》：对他人保持真诚兴趣的领导力核心

77:00 真正在乎人：让对方觉得自己是房间里唯一的人

78:08 做播客的出发点：不是显得厉害，而是服务听众

领导风格、财富与自我转变

78:24 财富来自服务：资本主义中值得庆祝的创造价值

80:04 从不安全感到服务心态：《人性的弱点》如何改变人生

80:52 Fox时期的自我意识：从“按我的方式来”到“我如何帮你”

81:23 成功没有唯一模板：不同领导者有不同风格

82:03 Elon Musk、Barry Diller 与不同的成功路径

83:18 找到自己的方式：不是所有方法都适合所有人

84:41 电子游戏、媒体和娱乐：Take-Two 其实提供的是娱乐体验

互动娱乐与AI时代

85:23 电子游戏体验的多样性：七分钟手游与数百小时 GTA 完全不同

85:37 媒体日竞争：任何占据用户13小时媒体时间的东西都在竞争

86:06 互动娱乐的优势：最有价值的新媒体不是被动的，而是互动的

86:50 Take-Two 如何使用 AI：企业工具与数百个生产力项目

87:29 AI 组织结构：不是单独设“AI负责人”，而是融入技术体系

88:07 对 AI 的总体态度：拥抱一切提升效率的技术

88:18 AI 与创造力：数据回看过去，创造力面向未来

89:34 为什么 AI 不会自动制造爆款：克隆品不是原创，爆款必须出人意料

90:44 结尾：所有爆款，本质上都是出人意料的

🌟 精彩内容

💡 “无钱敌意收购”Take-Two

Strauss Zelnick 讲述了他和团队如何在几乎没有资本的情况下，通过阅读公司章程、争取关键股东支持，并利用年度股东大会的特殊条款，接管了当时陷入严重危机的 Take-Two。这是一场罕见到几乎不可复制的资本市场行动。

“本质上，我们是在没钱的情况下做了一次敌意收购。”

🧠 永远拥抱新技术

Strauss 的职业生涯核心，是不断站在传统娱乐与新技术的交汇点上。从录像带、DVD、电子游戏，到今天的 AI，他反复强调：不要和新技术对抗，因为眼下正在发生的一切都会改变。

“你永远要拥抱新技术。你要是跟它对抗，就会被甩在后面。”

🎮 为什么电子游戏像1920年代的电影行业

他曾经的梦想是经营电影公司，但后来意识到，现代电影行业的经济结构已经很糟糕；真正像早期电影制片厂、可以把创意人才、生产体系和长期 IP 结合起来的，是电子游戏行业。这一洞察最终引导他走向 Take-Two。

“我应该想经营的是一九二七年的电影制片厂，而不是一九九一年左右的制片厂。”

🚀 错失 GTA 的戏剧性往事

在 BMG 任职期间，Strauss 曾孵化过一批游戏项目，后来被迫卖给一家小上市公司 Take-Two。一个月后，Take-Two 推出的第一款游戏就是 Grand Theft Auto。这个故事既荒诞又传奇，也让他与 Take-Two 之间埋下了长期的命运伏笔。

“这家上市公司的名字叫 TakeTwo Interactive，第一款发行的游戏就是 Grand Theft Auto。”

🏢 理性组织的长期优势

接手 Take-Two 后，Strauss 的核心不是“疯狂冲刺”，而是建立一家理性、成熟、尊重人才的公司：不吼人，不乱决策，不让自我阻碍创作，保持稳健资产负债表，并在失败时仍能活下来。

“我们不会干预创意。我们希望你做出世界上最好的电子游戏。”

🎨 服务创意人才，而不是控制他们

Strauss 认为，娱乐公司的真正核心是那些能做出爆款的人，而不是 CEO。他的职责是提供资源、保护环境、支持人才的热情，并在关键时刻承担风险。Borderlands 在几乎做完后被推倒重做，就是这种文化的经典案例。

“我雇了最有创造力的人。我对他们说，你们必须追随自己的热情。我们会支持你们。”

🎯 专注不是玄学，而是反复具体化目标

节目后半段，Strauss 深入解释了“可视化”的真正意义：不是魔法式许愿，而是极其具体地知道自己想要什么，并长期围绕它做选择。他从2001年就想打造被技术增强的媒体娱乐资产组合，这个目标最终通过 ZMC 和 Take-Two 一步步实现。

“最常见的那个因素到底是什么？他们知道自己想要什么。”

🤝 领导力的核心：真正在乎别人

Strauss 将《人性的弱点》视为改变自己人生的重要书籍。他从早年的不安全感和自我关注，转向服务他人、理解他人、真诚关心他人。他认为 CEO 的工作，本质上是服务团队，让优秀的人能创造出最好的成果。

“要想成为有效的领导者，你必须真心在乎别人。”

🤖 AI会提升效率，但不会自动制造爆款

面对 AI，Strauss 的态度是积极拥抱，但不盲目迷信。他认为 AI 很擅长资产制作，可以提高效率，但爆款的本质是出人意料；完全由历史数据推导出的东西，很难真正创造未来。

“所有爆款，本质上都是出人意料的。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：思想类播客《Naval Podcast》Sell the Truth

这期节目来自 Naval Ravikant 与长期联合主持人 Babak Nivi 的一段对谈，主题是“销售”。但 Naval 一开场就提出了一个反直觉观点：他并不相信传统意义上的销售。如果一个人感觉自己正在被推销，天然就会产生抵触。真正能打动顶尖人才、投资人、合作者和客户的，不是销售话术，而是可信度、诚实、清晰表达和长期主义。

在这期对话里，Naval 拆解了他所谓“销售能力”的底层逻辑：如何通过理性共情理解对方，如何做到既真实又积极，如何把领导力变成一种激发动机的能力，如何只销售自己真正相信的东西，以及如何在交易中拒绝坏妥协、关注未来的巨大上行空间。这不是一堂传统销售课，而是一套关于信任、判断力、动机、合作与人生选择的思考框架。

👨‍⚕️ 本期嘉宾

Naval Ravikant，投资人、创业者、AngelList 联合创始人。他以关于财富创造、判断力、创业、幸福和人生哲学的表达广为人知，是硅谷最具影响力的思想者之一。

Babak Nivi，Naval 的长期联合主持人，也是创业者与投资人。他在本期节目中以观察者视角，试图拆解 Naval 被外界称为“极具销售能力”背后的真实方法。

⏱️ 时间戳

00:00 开场 & 播客简介

销售不是销售

01:28 人生只需要懂两件事：创造与销售

01:42 Naval 的反直觉观点：我其实不相信销售

02:31 可信度比销售重要：顶尖的人会看穿套路

03:25 真正的销售：理解对方想要什么，然后诚实表达

04:05 不执着于结果：找那个真正产生共鸣的人

理性共情与客观判断

04:25 “Yes, and”：先接住对方，再表达自己的立场

04:44 理性共情：用推理走到对方的位置上

05:45 客观的意思：把自我拿掉

06:10 好建议像是“对方在跟自己说话”

真实、积极与魅力

06:42 为什么同时做到真实和积极很难

06:55 魅力的定义：同时传递力量与善意

07:35 诚实是根基，但不友善会让对方听不进去

08:10 同理心的代价：为什么 Naval 不擅长解雇人

领导力的本质

09:02 管理是告诉别人该做什么，领导力是让别人想去做

09:45 不要只让人砍木头，要让人向往大海

10:26 创业公司是一种更自由的生活方式

11:12 尝过自由的滋味，会让你不再适合被雇用

12:00 小团队、高信任与人类深层的协作本能

12:55 从囚徒困境到猎鹿博弈：真正的社会合作模型

13:45 招聘技巧：让候选人随便面试团队里的任何人

只卖你真心相信的东西

14:18 “传教式销售”？Naval 认为那只是诚实

14:55 如果你自己都不兴奋，就不该卖它

15:45 框架和技巧都是次要的，动机才是核心

16:35 真正有用的学习来自亲自去做

17:05 喂养你的智力痴迷，而不是追求表面平衡

17:42 如果你觉得自己在销售，可能说明你卖错了东西

融资、故事与真实兴奋

18:02 外界眼中的“布道式销售”：先讲大图景

18:35 不要把销售想得太复杂

18:55 Naval 如何融资：等自己真正兴奋，再去讲清楚

19:28 不夸大、不包装，只传达已经看到的真实东西

交易、妥协与选择权

20:05 不要让自己陷入背靠墙的交易处境

20:42 坏交易比想象中更难摆脱

21:10 合同的本质：用未来选择权换取共同合作

21:52 妥协是打造伟大公司的敌人

上行空间与长期主义

22:14 关注把蛋糕做大，而不是眼前怎么切

22:39 幂律时代：真正的回报在未来

23:32 最重要的是保护时间与选择权

24:15 小利益不值得争，但原则和心理平静值得保护

25:05 不要只为了钱，在同一件事上苦熬一生

25:45 在一生里塞进几种不同的人生，追随真正的兴趣

🌟 精彩内容

💡 可信度比销售重要

Naval 认为，真正厉害的人往往能一眼看穿销售套路。你越想“推销”他们，他们越会本能抵抗。真正有价值的做法，是变得可信：懂自己在讲什么，说真话，理解对方的处境，并且愿意在不适合时主动劝对方不要买。

“如果你感觉有人在向你推销，如果你感觉自己正在被卖东西，这会让人反感。可信度比销售重要得多。”

🧠 “Yes, and” 不是技巧，而是理性共情

Nivi 观察到 Naval 经常先接住对方观点，再继续推进。Naval 解释说，这不是表演出来的销售技巧，而是一种理性共情：聪明人提出一个观点，背后通常有他们的理由。你要先理解那个理由，再说明自己的立场为什么也成立。

“它更像是一种理性的共情。你用推理走到对方的位置上，看看对方的立场是否成立。”

❤️ 魅力是力量与善意的结合

Naval 将魅力定义为同时传递自信和爱，或者说同时传递力量与善意。他强调，诚实是根基，但如果诚实表达得过于粗暴，对方就不会听进去。真正有效的人，不只是证明自己正确，而是让真话能够被听见。

“你是想证明自己正确，还是想真正有效？如果你真的想有效，那你就得想办法把善意也放进去。”

🚀 领导力不是下命令，而是点燃向往

在 Naval 看来，管理是告诉别人该做什么，领导力是让别人想去做。真正的领导者不是分配任务，而是理解对方的目标、能力和动机，再把这些与组织要完成的事情连接起来。创业公司、小团队和高信任协作之所以迷人，是因为它让人重新进入一种深层的人类协作状态。

“管理是告诉别人该做什么，领导力是让别人想去做。”

🔥 只卖你真正相信的东西

Naval 不接受“传教式销售”这个说法。他认为，如果你真心相信一个东西、真心为它兴奋，你自然会想把它讲给别人听。技巧、框架、商业书都只是次要的，真正驱动你把事情做成的，是动机、热情和痴迷。

“如果你自己都不兴奋，那你还卖它干什么？如果你觉得你是在销售，那你可能卖错东西了。”

🤝 坏交易会困住你的未来

Naval 提醒，交易不是一次性的，它会长期限制你的未来选择。尤其是融资、股权、董事会、长期合同这类关系，一旦选错，很难摆脱。他认为，创始人内心其实知道什么是坏妥协，那种“轻微下沉”的感觉就是信号。

“妥协是打造伟大公司的敌人。”

📈 关注巨大的上行空间，而不是眼前的小利益

在科技和投资领域，回报是幂律分布。Naval 强调，真正重要的不是眼前为一小块蛋糕争夺，而是未来有没有可能创造出大一百倍、一千倍的上行空间。同时，他也提醒人们保护时间、声誉、心理健康和平静，因为这些才决定你能否继续创造。

“人们花太多时间在小利益上斤斤计较，却没有花足够多时间去关注真正大的上行空间。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：Patrick O'Shaughnessy 主持的投资访谈播客《Invest Like the Best》Watts, Wafers, and the Future of AI Infra | Gavin Baker

这是一场关于 AI、资本市场、基础设施和未来秩序的高密度对话。Atreides Management 创始人 Gavin Baker 再次做客节目，用投资人、科技观察者和历史研究者的视角，解释为什么他认为当下 AI 正处在“资本主义史上从未发生过”的特殊时刻。

Gavin 从 Anthropic 单月 ARR 增长、DeepSeek 引发的市场误判、AI 资产估值错配讲起，进一步延伸到电力、晶圆、数据中心、轨道算力、TSMC、Terra Fab、前沿模型、开源模型和 AI 应用层的价值分配。他提出，AI 不只是一个技术周期，而是一场涉及资本开支、能源体系、半导体供给、地缘政治和人类工作方式的系统性重构。

本期你将听到 Gavin 对“AI 会不会泡沫化”的细致判断，对 Anthropic、OpenAI、Nvidia、TSMC、Google、Meta、Amazon、Microsoft 等关键公司的拆解，也会听到他对 AI 时代个人安全、网络安全、投资工作流和社会稳定的担忧与乐观。

👨‍💼 本期嘉宾

Gavin Baker，Atreides Management 创始人兼投资人，长期专注科技、半导体、AI 基础设施和资本市场周期研究。他曾多次做客《Invest Like the Best》，以对科技公司、市场历史和投资周期的深度理解著称。

🎙️ 主持人

Patrick O'Shaughnessy，投资访谈播客《Invest Like the Best》主持人，长期与全球顶尖投资人、企业家和思想者对话，关注商业、科技、资本配置与长期复利。

⏱️ 时间戳

00:00 开场 & 播客简介

AI资本主义的异常时刻

01:37 资本主义史上从未发生过：Anthropic 单月新增 110 亿美元 ARR

02:10 三四月市场错配：股价下跌，但 AI 基本面正在爆炸

04:20 DeepSeek Monday 的误判：为什么算力需求反而更强了

06:10 霍尔木兹海峡、能源价格与美国制造业相对优势

前沿模型的估值与融资逻辑

07:42 Anthropic 与 OpenAI：同样是前沿模型，资本效率却很不同

08:40 无约束收入 URR：如果 compute 不受限，Anthropic 可能有多大

09:44 为什么不一次性融到天价：不确定世界里的融资纪律

11:23 Elon 的“融资超能力”：长期让投资人赚钱的重要性

Watts & Wafers：AI基础设施的核心瓶颈

11:59 电力与晶圆：AI 基础设施建设最关键的两种投入

12:27 电力短缺会如何被资本主义解决

13:35 轨道算力的重新定义：不是太空数据中心，而是太空中的 rack

15:00 散热、维修、激光互联与 SpaceX 的工程能力

17:29 轨道算力会不会冲击地面数据中心

18:30 TSMC、硅盾与晶圆短缺如何影响 AI 泡沫

20:15 历史不会重复，但会押韵：铁路、运河、互联网与 AI 泡沫

22:48 Intel、Samsung 与 TSMC 的产能博弈

23:51 Terra Fab：Elon、Intel 与美国最大晶圆厂的可能性

26:23 Elon 的速度：为什么传统建设周期可能被打破

前沿模型、开源模型与Bitter Lesson

26:49 DeepSeek 之后：为什么前沿模型仍然拿走大部分经济价值

27:23 Frontier token 的溢价：模型层回报为何集中在最前沿

29:10 Pareto frontier 的变化：Google、Anthropic、OpenAI 与 xAI 的位置

30:05 Bitter Lesson 的风险：更多算力是否永远胜过人类巧思

31:18 Memory、harness 与模型 runtime 的重要性

32:03 为什么普通订阅套餐已经无法代表真正的前沿 AI

34:13 Continual learning：模型何时能像人类一样实时学习

35:00 三个关键问题：Bitter Lesson、frontier token 溢价与持续学习

芯片创业、GPU寿命与AI融资

35:35 新芯片公司的机会：竞争对世界和 Nvidia 都是好事

36:01 芯片设计的“铁三角”：攻击、防御、机动性的取舍类比

37:20 不要只做“更好的 GPU”：必须足够不同、也足够难

38:14 Prefill 与 decode：AI 推理拆分打开新芯片空间

39:50 Cerebras 的案例：waferscale computing 为什么不同且困难

42:10 GPU 寿命被延长：为什么 inference 拆分可能拯救 private credit

43:30 卖稀缺 vs 买稀缺：hyperscaler 的存量资产价值

AI Native创业与应用层困境

44:06 “不同而且很难”：AI 创业公司真正需要回答的问题

44:33 为什么显而易见又不难的创业点很危险

45:45 Cursor、Cognition 与 coding 的战略位置

46:56 Token path：软件公司必须站在 token 流经之处

48:01 Nvidia 会不会做自己的前沿模型

48:20 开源模型、蒸馏与新的囚徒困境

49:35 前沿模型是否应该通过 API 开放：AI 实验室的新博弈论

AI时代的安全、工作流与投资

50:28 Mythos 级模型世界：为什么每个人都需要一个“安全词”

51:14 防守之外的进攻：人类还能做什么

51:40 《最后的武士》与机关枪：不会掌握 AI 的人会被 AI 支配

52:45 投资人的 Agent 工作流：从播客、财报到管理层激励分析

53:50 为什么这是投资史上最令人兴奋的时代

AI交易的分化与市场错配

54:14 AI 内部估值正在变得极不合理

55:00 DRAM、半导体设备与横截面估值矛盾

56:10 短缺周期里，低质量公司为什么反而涨得最多

57:20 AI 泡沫、核能泡沫、量子泡沫与投机蔓延

58:30 AI 交易不再同涨同跌：必须研究更细的子行业差异

59:10 被错误分类的机会：Astera 与 copper loser basket

巨头公司的AI位置

59:41 Google：失去 TPU 成本优势，但仍拥有最大 compute 装机基础

01:01:00 Meta：Zuckerberg 如何把公司推向 AI first

01:02:10 Amazon：Trainium、robotics 与零售业务效率提升

01:03:00 Microsoft：Satya 从“让 Google 跳舞”到 Copilot 产品经理

01:04:05 为什么微软把 compute 留给自己用，是一个有勇气的决定

01:05:00 谁最接近 startup：Nvidia、Amazon、Google 的外部互动优势

AI的社会外溢与未来秩序

01:05:46 应用层价值：AI 到目前为止已经摧毁了大量传统软件价值

01:06:40 人身安全与政治暴力：AI 领袖面临的新风险

01:07:30 战场 AI 与地缘政治：乌克兰、美国优势与全球稳定

01:08:40 Pax Americana 与 AI 主导权：技术优势会带来和平还是不稳定

01:09:20 AI 医疗奇迹：罕见病、Agent 与药物发现

01:09:55 谦逊面对事件视界：乐观主义与对卢德主义担忧的认真对待

01:10:19 收尾：Patrick 对 Gavin 热爱市场、公司和历史的致敬

🌟 精彩内容

💡 “资本主义史上从未发生过”的 AI 增长

Gavin Baker 认为，Anthropic 单月新增 110 亿美元 ARR，是商业史上极其罕见甚至没有先例的现象。他把这与 Palantir、Snowflake、Databricks 等顶级 SaaS 公司十年积累的规模对比，指出 AI 前沿模型公司的增长速度已经突破传统商业周期的想象力。

“资本主义史上从来没有发生过这种事。别说我的职业生涯了，就是整个资本主义史、整个商业史，都没有过。”

🛰️ 轨道算力：AI基础设施的下一种形态

Gavin 重新定义了 orbital compute：它不是漂浮在太空里的巨型数据中心，而是一个个在太空中的 AI rack，通过激光连接成虚拟数据中心。由于 SpaceX 已经拥有卫星星座、可重复使用火箭、激光通信和太空工程能力，他认为轨道算力有可能成为解决电力和冷却瓶颈的重要路径。

“它是在太空里的 rack，而不是在太空里漂着的、五角大楼那么大的巨型数据中心。”

🏭 TSMC 可能是阻止 AI 泡沫的关键

Gavin 认为，AI 基础设施最终是否泡沫化，很大程度取决于晶圆供给。与电力不同，晶圆扩产受制于 TSMC 的技术、人才与产能纪律。如果 TSMC 保持足够紧的供给，可能会避免 GPU 产能过度建设，从而延缓甚至阻止典型基础技术周期里的泡沫破裂。

“如果我们最后没有泡沫，那真的应该给 TSMC 开个庆功会。因为他们将会是单凭一己之力阻止泡沫的人。”

🤖 Frontier token 的溢价与 AI 应用层困境

DeepSeek 之后，很多人以为开源和蒸馏模型会快速压低前沿模型价值。但 Gavin 观察到，模型层绝大部分经济回报仍然被 frontier token 拿走。他认为这对应用层创业非常关键：如果前沿 token 继续保持高溢价，应用层会很难捕获价值；但如果这种溢价下降，应用层可能迎来爆发。

“在模型层，AI 的经济回报不是全部，但绝大部分都发生在前沿模型上。”

🔐 每个人都需要一个安全词

面对越来越逼真的语音、视频和人格模拟，Gavin 提出一个非常具体的建议：每个人都应该和家人、公司设置一个无法被社工套出来的“安全词”。未来诈骗可能会伪装成亲人视频通话，知道你的背景、模仿对方语气，并要求转账。

“每个人都需要一个安全词。”

⚔️ AI 是新的机关枪

Gavin 用电影《最后的武士》比喻 AI 对专业人士的冲击：如果传统高手不能掌握新技术，就会被新技术支配。对于投资人而言，AI Agent 已经可以帮助处理播客、财报、proxy statement、管理层激励分析等大量信息筛选工作，让人类把时间用于更创造性的判断。

“如果我们不能都成为机关枪的大师，我们就会被机关枪支配。”

📉 AI交易内部正在剧烈分化

Gavin 指出，AI 市场不再是简单的“AI 资产一起涨”。不同子行业之间的相关性正在下降，DRAM、NAND、光模块、scaleup networking、scaleout networking、半导体设备、电力等领域都在出现独立的价格逻辑。未来的机会可能来自被错误分类的公司，而不是简单买入一个 AI basket。

“今年一月，这一切都散了。AI 内部这些横截面的相关性真的崩了，你必须看得非常细。”

🏢 巨头公司的不同命运

Gavin 分别点评了 Google、Meta、Amazon 和 Microsoft。Google 虽然失去 TPU 成本优势，但仍拥有最大 compute 装机基础和数据资产；Meta 在 Zuckerberg 推动下真正转向 AI first；Amazon 有 Trainium 和机器人自动化潜力；Microsoft 则在 Satya 带领下做出艰难选择，把 compute 用于自有产品，而非单纯转售给 OpenAI。

“他确实在三年时间里，从‘我们要让 Google 跳舞’，变成了 Copilot 的产品经理。”

🌍 AI乐观主义与谦逊

尽管 Gavin 是 AI 乐观派，甚至称自己接近 AI 最大化主义者，但他也强调必须认真对待失业、可及性、安全、政治暴力和地缘政治风险。他认为 AI 像一个事件视界，人类社会必须想办法穿越过去，并确保这项技术最终对每个人都有好处。

“我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：商业史播客《Acquired》Vanguard: The communist capitalist who saved investors a trillion dollars (Audio)

本期节目是一场关于 Vanguard 的超长篇商业史深度拆解。Ben Gilbert 和 David Rosenthal 从 Jack Bogle 的人生讲起：他出生在 1929 年大萧条前夜，童年家道中落，却靠奖学金进入 Princeton，并用一篇关于共同基金的本科论文，开启了自己改变金融行业的一生。

这期节目不仅讲述了 Vanguard 如何创造面向个人投资者的第一只指数基金，更深入拆解了它真正革命性的地方：不是“指数基金”本身，而是公司结构。Vanguard 由旗下基金的投资者共同拥有，没有外部股东，也不以利润最大化为目标。Jack Bogle 坚信低费用会长期复利，而高费用会侵蚀普通人的财富。正是这种“共产主义式的资本主义”结构，让 Vanguard 能持续降低费用，并迫使整个资产管理行业跟随降费，最终把原本会流向华尔街的一万亿美元，留在了普通投资者口袋里。

节目后半段也讨论了 Vanguard 成功之后的新问题：ETF 的兴起、Fidelity 和 BlackRock 的反击、客服和技术短板、客户关系被券商平台掌握、私人资产与投顾业务的新方向，以及被动投资规模过大是否会带来系统性风险。这不仅是一家金融公司的故事，更是一堂关于结构、激励、复利、低成本、信任与长期主义的商业课。

👥 本期主持人

Ben Gilbert 与 David Rosenthal，商业史播客《Acquired》的两位主持人。他们长期研究伟大公司、资本结构、商业模式与行业演化。本期他们以 Vanguard 为主线，讲述 Jack Bogle 如何通过公司结构和低费用理念，重塑全球资产管理行业。

⏱️ 时间戳

00:00 开场 & 播客简介

Vanguard 为什么重要

01:27 从一句玩笑开始：这不就是 index fund 吗？

01:53 Vanguard 的规模：十万亿美元级 passive index fund 巨头

03:27 “共产主义式的资本主义”：客户拥有公司的独特结构

04:27 Jack Bogle 与一万亿美元财富转移

05:31 “卧底慈善家”：没有拿走本可以属于自己的财富

Jack Bogle 的早年人生

06:51 大萧条前夜出生：一个金融英雄的起点

08:25 家道中落、父亲离家、兄弟们靠打工求生

10:59 Blair Academy 与兄弟之间的大学机会抉择

13:08 Princeton、经济学与一门只拿 C- 的课程

15:48 一篇 Fortune 文章改变人生：共同基金行业的发现

16:49 open-end fund 的诞生与共同基金的早期结构

18:21 broker-dealer 分销、销售佣金与高费用体系

20:01 管理公司如何从基金规模中赚钱

24:19 Bogle 本科论文的核心洞察：费用会吞噬回报

27:53 加入 Wellington：从助理到 35 岁成为总裁

Wellington 危机与第一次被赶下台

29:28 保守的 Wellington 遇上疯狂的 GoGo 年代

30:51 Fidelity、Jerry Tsai 与高换手成长型基金的崛起

35:15 Jack 接到任务：做任何必要的事来拯救 Wellington

39:04 与 Ivest 合并：用 40% 股权换 GoGo 新血液

42:18 泡沫破裂、石油危机与 Wellington 资产大缩水

45:11 Jack 的 Jerry Maguire 时刻：我们到底在干什么？

46:22 mutualize 的激进想法：把公司还给基金持有人

48:47 合伙人反击：Jack 被解除 Wellington Management CEO 职务

51:01 法律缝隙：他仍然是基金董事会主席

52:52 第二天反击：用基金董事会推动共同所有制

Vanguard 的诞生

55:49 250 页报告：基金应该掌控自己的命运吗？

57:43 微弱胜利：先只接管后台行政管理

59:53 行业震动：同行担心他会毁掉整个基金行业

01:03:01 “Vanguard”这个名字的由来：英国海军旗舰与彻底胜利

01:04:32 现实很冷淡：只做后台业务，没人真正害怕

01:05:17 第二场革命的伏笔：如果不提供投资建议，就能做指数基金

第一只散户指数基金

01:05:49 指数基金革命：不做投资判断，反而绕开限制

01:07:24 Paul Samuelson 的文章：复制市场、无销售费、低换手

01:09:15 为什么“平均水平”很难卖

01:10:10 早期指数基金的技术难题：软件、自动化与五百只股票

01:11:18 Jack 找到漏洞：跟踪 S&P 500 不算主动投资建议

01:12:12 成本重要假说：低费用让平均回报变成优秀结果

01:13:29 1% 费用的恐怖复利：退休时可能少掉 50% 财富

01:16:47 写代码、谈授权：Vanguard 500 Index Fund 的技术与授权起点

01:19:39 第一只指数投资信托基金诞生

01:20:33 失败的 IPO：目标 1.5 亿，只募到 1130 万

01:23:06 不够买 500 只股票：被迫用 280 只股票模拟指数

01:24:52 Fidelity 的嘲笑：投资者怎么会满足于平均回报？

低成本飞轮开始转动

01:26:05 共享规模经济：Vanguard 是金融业的 Costco

01:28:01 指数基金差点死掉：靠 Exeter Fund 并入续命

01:30:41 no-load 模式：取消外部销售佣金，改为内部直销

01:31:51 六年才到一亿美元，十二年才到十亿美元

01:32:15 固定收益与货币市场：低成本策略更容易获胜的地方

01:33:58 主动基金 Windsor Fund：支撑早期 Vanguard 的现金流

01:35:33 行为优势：指数投资让人更容易长期不动

01:37:11 费率下降，资产加速：指数基金终于开始起飞

01:38:08 Total Stock Market Index Fund：不只买 500 只，买下整个市场

Jack 的心脏、接班与 ETF 冲突

01:39:07 Jack 的遗传性心脏病与“继续工作”的人生哲学

01:41:02 心脏移植前仍在医院当 CEO

01:43:19 奇迹康复：本以为结束，却又活了 23 年

01:43:58 Vanguard 进入收获期：长期取舍开始回报

01:46:32 创始人与接班团队的分歧：使命不变，但打法要变

01:49:50 ETF 出现：更容易交易的共同基金

01:50:46 为什么 Bogle 本该喜欢 ETF，却极度反对

01:52:55 交易诱惑、券商佣金与做空：Jack 反对 ETF 的原因

01:54:37 State Street 推出 SPDR，Vanguard 错过先机

01:56:27 董事会摊牌：Jack 因年龄条款离任

01:58:43 Bogleheads 兴起：Jack 成为普通投资者的精神领袖

02:00:12 妥协方案：离开董事会，但保留研究中心与精神象征地位

指数投资的时代顺风

02:00:27 市场专业化：主动管理越来越难跑赢

02:03:24 财务顾问兴起：从交易佣金转向资产增长

02:04:37 dotcom 与互联网券商：投资者终于看清费用与表现

02:06:16 401k 时代：普通美国人开始大规模进入股市

02:07:17 Buffett 背书：低费用指数基金是持有股票的最佳方式

02:08:23 Berkshire 的例外：为什么 Buffett 仍建议普通人买指数

02:11:11 金融危机：被动投资和 Vanguard 的高光时刻

02:13:04 华尔街光环破裂，Vanguard 成为普通人的英雄

02:15:53 “我们不会从你身上赚钱”：危机后的信任红利

02:17:16 Buffett 与对冲基金十年赌局：Vanguard 500 大胜

Jack 之后的 Vanguard

02:21:50 金融危机后资金涌入：Vanguard 超过 Fidelity

02:23:24 低价真人投顾：Vanguard 进入财富建议业务

02:24:39 Jack 去世：五万亿美元 AUM 与两千万客户

02:26:59 他没有拿走的财富：与 Fidelity、BlackRock 创始财富对照

02:27:43 Fidelity 与 BlackRock 回归：ETF 时代的新竞争

02:29:16 Fidelity 的两大平台：401k 与券商账户

02:30:32 Vanguard 的弱点：客户可能在别人的平台上买 Vanguard

02:32:50 客服与技术短板：低利润结构的代价

02:33:52 BlackRock 收购 iShares：ETF 市场的巨大胜利

02:36:50 Vanguard 模式会不会反过来限制它？

02:37:42 第一位外部 CEO：来自 BlackRock iShares 的 Salim Ramji

02:39:46 私人资产、投顾、固定收益与退休业务的新方向

02:43:37 进入 private equity：Vanguard 能否把低费用带入私人市场？

02:45:33 增长的悖论：共同所有制公司为什么还要增长？

今天的 Vanguard 与 Wellington 的后续

02:47:26 今天的 Vanguard：12 万亿美元 AUM、5000 万投资者

02:48:50 平均费用率 0.07%，行业仍是其 6.5 倍

02:50:24 Wellington 后来怎样了：主动管理巨头的重生

02:52:25 兜回原点：Wellington 至今仍为 Vanguard 管理部分基金

分析：结构、激励与护城河

02:53:22 为什么共同所有制没有更流行？

02:55:59 金融行业的特殊性：产品本身就是资本

02:57:39 为什么需要一个 Jack Bogle 这样的人

02:59:02 Vanguard、Costco 与 Visa：共同体结构的相似性

03:01:24 战略跟随结构：低费用来自所有权结构

03:02:20 成本也会复利：时间是费用的敌人

03:03:29 被动投资危机：成功之后的新担忧

03:04:31 “被动”并不完全被动：S&P 500 也有人为选择

03:05:23 被动投资会不会最终拥有一切？

03:06:38 价格发现、共同持股与投票权的争议

03:11:22 Seven Powers：用市场份额而非利润分析 Vanguard

03:12:58 规模经济与极端反定位

03:14:46 转换成本、品牌与 Bogleheads

03:16:55 流程能力：使命驱动的人才与文化

03:17:07 Quintessence：Bogle 把公开股票投资商品化

03:19:56 一个人真的可以改变世界

冷知识、推荐与收尾

03:21:36 Vanguard 与 Microsoft：同月诞生的两场革命

03:22:29 百倍股的残酷事实：平均 65% 回撤，8 年回本

03:24:27 Jack 的书籍收入与慈善遗产

03:25:08 推荐：Acquired 的《华尔街日报》专栏

03:26:29 Ben 推荐：M5 Max MacBook Pro

03:27:32 David 推荐：Michael McKelvy、亲子观影与 Brooks Vanguard 鞋

03:29:55 致谢：研究顾问、作者、前 CEO 与资料来源

03:32:12 延伸收听：Rentech、Berkshire、Costco、Visa

03:33:03 结尾

🌟 精彩内容

💡 一万亿美元财富转移

节目开头就点出 Vanguard 和 Jack Bogle 的历史意义：通过长期降低费用、倒逼整个基金行业降价，他们让原本会流向华尔街的费用，留在了普通投资者口袋里。主持人引用《The Bogle Effect》的估算，认为 Vanguard 自身节省了超过五千亿美元费用，而它对行业的降费压力又额外节省了五千亿美元。

“Jack Bogle 和 Vanguard 促成了一万亿美元的财富转移。”

🏛️ “共产主义式的资本主义”

Vanguard 最独特的地方，不只是指数基金，而是公司结构。它没有上市，没有外部股东，也没有一群要求利润最大化的资本所有者。它由旗下基金的投资者共同拥有，因此公司降低费用，本质上就是把规模经济返还给客户。

“这家公司，它的产品只服务客户的利益，不服务任何其他股东的利益。”

📉 成本也会复利

Bogle 真正狂热相信的不是“指数基金一定比主动管理好”，而是“低费用几乎一定更好”。节目用一个简单计算说明：如果 25 岁投资 10 万美元，市场年化 7%，40 年后约为 150 万美元；但如果每年支付 1% 管理费，年化变 6%，最后只有约 100 万美元。费用看似只有 1%，长期却可能吞掉退休财富的三分之一。

“在回报这件事上，时间是你的朋友；但在成本这件事上，时间是你的敌人。”

🚢 Vanguard 的诞生：理想主义与复仇心各占一半

Jack Bogle 被 Wellington Management 赶下 CEO 位置后，并没有安静离开。他利用自己仍是基金董事会主席这一法律结构缝隙，推动基金与管理公司分离，建立一个由基金持有人共同拥有的新组织。这个组织最初只能做后台行政事务，却成为日后 Vanguard 的起点。

“战略跟随结构。”

📊 第一只指数基金差点失败

今天 Vanguard 500 Index Fund 是全球最大的基金之一，但它刚推出时几乎无人问津。原本希望募集 1.5 亿美元，最后只募到 1130 万美元，甚至不够买下 S&P 500 每只股票的基本交易单位。它只能先买约 280 只股票，并靠并入另一只 Wellington 遗留基金续命。

“我不敢相信广大投资者会满足于只拿到平均回报。这个游戏的目标是成为最好的。”

🧠 指数投资的行为优势

除了低费用，指数投资还有一个重要但常被低估的优势：它让投资者更容易什么都不做。主动投资者和主动基金经理往往不断交易、试图反应市场变化，而指数投资者更容易接受“我买的是市场”这个事实，从而长期持有。

“别光想着做点什么，站着别动。”

⚔️ ETF：Jack Bogle 也会犯大错

Bogle 极度反对 ETF，因为他认为 ETF 可以盘中交易，会诱导投资者投机、频繁交易、承担交易成本，甚至做空市场。因此 Vanguard 错过了最早推出 ETF 的机会，让 State Street 和后来的 BlackRock 抢占先机。节目认为，这件事清楚说明创始人的纯粹性很重要，但公司要继续扩张，也需要新一代管理者的灵活性。

🧑‍🤝‍🧑 Bogleheads：金融世界的草根信仰

Jack 被第二次请出董事会后，Vanguard 并没有与他彻底切割，而是保留他的研究中心和精神领袖地位。与此同时，投资者社区自发形成了 Bogleheads 运动，把低成本、长期持有、简单资产配置变成一种近乎信仰的投资文化。

“Saint Jack。”

🔥 金融危机成了 Vanguard 最好的营销

2008 年金融危机中，被动指数基金当然也跟着市场下跌，但主动管理人并没有像承诺中那样保护投资者。华尔街“聪明钱”的光环破灭，而 Vanguard 因为低费率、不以盈利为目标、站在普通投资者一边，获得巨大信任红利。

“Vanguard 明确给你的一个承诺是：我们不会从你身上赚钱。”

🧩 今天的新挑战：Vanguard 模式是否开始限制 Vanguard？

Vanguard 的低利润、共同所有制结构让它能极致降费，但也带来技术、客服和客户关系上的短板。许多用户在 Fidelity 等券商平台上持有 Vanguard ETF，客户关系并不在 Vanguard 手里。BlackRock 则借 iShares 在 ETF 市场大幅领先。节目最后提出一个反直觉问题：过去让 Vanguard 成功的结构，今天会不会也成为它扩展新业务的限制？

🏦 私人资产与下一个 Vanguard Effect

Vanguard 正在尝试进入 private equity 等私人资产领域。主持人讨论，公开市场基金的费用已经被 Vanguard Effect 大幅压低，但 VC 和 PE 仍然普遍是“2 + 20”的高收费结构。问题是，私人市场是 access 生意，资产会选择投资人，最优秀的管理人未必愿意放弃高费用。因此 Vanguard 能否把低费用革命带入私人市场，仍是一个巨大悬念。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：AI 工具实践播客《How I AI》Why this Claude Code engineer uses HTML files as AI specs | Thariq Shihipar (Anthropic)

本期节目来自 Anthropic 的 Code with Claude 开发者大会现场。主持人 Clara Vo 邀请参与 Claude Code 工作的 Thariq Shihipar，讨论一个正在悄悄改变 AI 编程工作流的趋势：HTML 正在成为人与 Agent 协作的新型文档格式。

过去，很多人用 Markdown 写 PRD、spec、实现计划，再交给 AI 执行。但随着 Agent 可以运行更久、处理更复杂的任务，计划文档越来越长，人类反而越来越不愿意读。Thariq 提出，真正的问题不是 Agent 能不能读 Markdown，而是人类是否还能深度参与其中。HTML 因为可以承载视觉化 mockup、交互式界面、代码片段、设计系统和验证标准，正在成为更适合人类和 Claude 共同理解、共同修改、共同推进工作的媒介。

这期节目不仅讨论“HTML 是新的 Markdown”，还展示了 Claude Code 如何生成 HTML brainstorm、HTML 实现计划、一次性 micro app、living design system，以及团队状态更新。它本质上是一堂关于 AI 时代产品经理、工程师和创作者如何重新设计文档、计划与协作界面的实战课。

👨‍💻 本期嘉宾

Thariq Shihipar，Anthropic 成员，参与 Claude Code 相关工作。他长期探索人和 AI Agent 的协作方式，尤其关注如何通过更好的界面、计划、文档和验证机制，让人类在 Agent 工作流中保持深度参与。

⏱️ 时间戳

00:00 开场 & 播客简介

HTML 是新的 Markdown

01:33 核心观点预告：Markdown 计划太长，人类已经不读了

03:08 Code with Claude 现场：为什么说 HTML 是新的 Markdown

03:27 从 Markdown 到 HTML：Agent 计划变长之后，人类参与度下降

04:52 PRD、spec 和计划为什么仍然重要

AI 时代的新角色：算力分配者

05:11 当 Claude 跑八小时，意味着它可能花掉五百美元

06:00 产品经理没有消失，而是在变成 compute allocator

06:54 和 Agent 保持同步：不是被 AI 管理，而是共同对齐目标

用 HTML 做 Brainstorm 和计划

07:19 Claude Code 现场演示：用 HTML 生成 demo 想法

08:03 从 ASCII wireframe 到视觉化 brainstorm

08:53 一屏读不完就不会读：为什么 HTML 更容易让人投入

10:01 把想法推进成 HTML 实现计划

11:08 Prompt 不需要复杂：让 Claude 自己决定最佳表达形式

12:04 好 prompt 的平衡：给足信息，但不要限制 Claude

12:54 “我相信你”：开放式信任如何改善模型输出

未来的 PRD、Spec 与验证标准

13:26 PRD 的未来：按项目和受众定制的 spec package

14:37 在哪里介入 Agent 工作流：type interface、边界与决策点

15:21 不只写需求，还要写验证标准和测试方法

16:13 测试验证不等于测试：rubric、视频展示和 Outcomes

一次性 Micro App：为一个问题生成一个界面

16:31 Markdown 易编辑的反对意见：HTML 怎么改？

17:22 让 Claude 为具体决策生成可编辑 HTML artifact

18:47 微型软件：从 HTML 计划里拆出一个模块，生成专属编辑 UI

19:57 这是未来的个人协作方式，还是团队协作方式？

团队协作、即时文档与软件丰裕时代

20:26 把 HTML 计划发给同事：被阅读的概率高一百倍

21:02 用 HTML 周报向经理同步工作状态

21:28 软件 Jevons 效应：便宜的 token 带来更多临时工具和漂亮界面

22:07 即时文档与一次性软件：当创作和查找成本接近零

23:43 把 HTML 计划作为实现和验证依据

Living Design System：可运行的设计文档

24:17 用 HTML 表达 design system，而不是 Design.md

25:22 高级用法：组件可视化页面、营销素材和真实 App 截图

26:50 Component variations：用 knobs 和 sliders 探索设计变化

27:35 在计划里加入评论、圈选和审阅交互

28:18 把 spec 做成轻量 Figma dashboard

实操总结与快问快答

28:35 实操流程总结：HTML brainstorm、HTML plan、micro app、design system

29:48 最喜欢 Claude Desktop 哪个 tab？答案是 Code

30:07 Code with Claude 最兴奋的发布：SpaceX 合作与 orbital data centers

31:08 当 Claude 不听话怎么办：不要吼，保持友好和清晰

32:34 如何找到 Thariq：X 账号 @TQ212

🌟 精彩内容

💡 HTML 是新的 Markdown

Thariq 认为，Markdown 曾经非常适合和 Agent 协作，因为它简单、可读、可编辑。但当 Agent 的任务越来越长、计划越来越复杂，Markdown 文档会变成一千行以上的长文件，人类反而不再阅读。HTML 的优势不只是模型能读，而是人类更愿意读、更容易理解，也更容易参与修改。

“HTML 读起来容易得多。所以它成了你和 Claude 之间更丰富的沟通媒介。”

🧠 人类仍然必须深度参与计划

节目反复强调，AI 越强，PRD、spec 和计划反而越重要。因为让 Claude 长时间运行并不是免费的，它消耗的是 token、时间和金钱。人类的新职责，是决定哪些事情值得让 AI 去做，哪些问题需要先想清楚。

“如果你要花五百美元，那我们现在其实都在变成 compute allocator，也就是算力分配者。”

🛠️ 用 HTML 生成可读的实现计划

Thariq 展示了如何让 Claude Code 先用 HTML brainstorm demo 想法，再把选中的想法扩展成一个完整的 HTML 实现计划。这个计划里可以包括 mockup、代码摘录、文件结构、mood board、逻辑说明和执行步骤。相比一份长 Markdown，这样的计划更像一个小型网页，人类更愿意真正读完并参与。

“这就是计划。它完全是 HTML。这个东西我真的会读。”

🎮 一次性 Micro App：为一个决策生成一个界面

当 Thariq 不喜欢 HTML 计划里某个具体规则表时，他没有回到终端里用文字来回修改，而是让 Claude 为这个问题生成一个专属可编辑界面。这个界面可以修改字段、隐藏内容、添加规则，并把结果导出成 Markdown 再放回计划中。Clara 将其称为“微型软件”，甚至是叠在微型软件之上的微型软件。

“这甚至都不是个人软件了。它更小，是微型软件。”

📄 即时文档和一次性软件的时代

当生成文档、生成界面、生成工具的成本大幅下降后，团队不一定再需要为所有内容强行套用同一个模板。计划可以是 HTML，周报可以是 HTML，设计系统也可以是 HTML。重点从“文档放在哪里、格式是否统一”，转向“这个计划是否清楚、是否有助于判断和执行”。

“因为它很便宜，所以用完就可以扔掉。”

🎨 Living Design System：Design.html 万岁

Thariq 和 Clara 都分享了把 design system 做成 HTML artifact 的做法。它不仅可以展示颜色、字体、间距和组件，还能让 Claude 在不同项目中引用同一套设计语言。Clara 还提到，可以为营销团队生成组件可视化页面，让他们直接下载真实 App 风格的透明 PNG，用于 deck、视频或宣传素材。

“Design.md 已经死了。Design.html 万岁。”

✅ 测试验证不等于测试

节目中还提到，AI 时代的验证不只等于传统 unit test。验证可以是一套 rubric，可以是一组 synthetic data，也可以是让 Claude 展示它完成了什么。对于产品经理来说，未来不仅要写功能需求，还要更清楚地定义成功标准、验证方式和边界条件。

“测试验证不等于测试。”

🤝 对 Claude 友好一点

在快问快答中，Clara 问 Thariq 当 Claude 不听话时会不会吼它。Thariq 表示不会。他更倾向于用友好、清晰的方式和模型沟通，因为他希望未来存在这样一种协作方式：你对模型更友好、更有建设性，它也能给出更好的结果。

“我更希望这样一种情况存在：你对 Claude 友好一点、客气一点，就能得到更好的输出。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了全球 AI 开发者大会上的一场高能演讲 Harnesses in AI: A Deep Dive — Tejas Kumar, IBM

主讲人是 IBM 的 AI 开发者倡导者 Tejas Kumar。当整个行业都在疯狂调优 prompt 时，他却一针见血地指出：真正的解法在于给 AI Agent 套上一副“缰绳”——Harness。通过一个干净利落的 Live Demo，Tejas 展示了一个会撒谎、常崩溃的残血版 Agent，如何在不修改一行 prompt 的情况下，仅靠加上层层护栏、验证和自动化处理器，就稳如磐石地完成任务。他更抛出一个大胆判断：2025 是 Agent 之年，2026 必将属于 Harness，并畅想了“动态即时 Harness”这一通往 AGI 的下一步。这期节目不聊虚的，全是软件工程硬货。

👨‍⚕️ 本期嘉宾

Tejas Kumar，IBM 的 AI 开发者倡导者，曾在多家前沿科技团队摸爬滚打，如今专注于一个课题：让 AI 系统真正可控、可依赖。他擅长将复杂理念用最直观的代码展现在你面前。

⏱️ 时间戳

00:00 主播开场：本期克隆简介与金句预告

登山者的安全带与 AI 的缰绳

01:32 演讲开场：Tejas 自我介绍，抛出“Harness”这个贯穿始终的词

02:48 核心痛点：我们都在为别人的黑盒模型付租金，可靠性是唯一解药

04:35 到底什么是 Agent Harness？——工具注册、上下文压缩、护栏、循环与验证的五合一

Live Demo：从零驯服一个会撒谎的 Agent

07:10 任务来了：用古董级 GPT-3.5 去 Hacker News 点赞，且绝不碰 prompt

09:20 首次翻车：Agent 没干成，却大言不惭地说自己成功了

10:45 第一层加固：给 Agent 套上护栏——限制步数，自动压缩上下文

12:30 代码“手术”：把一团逻辑提炼为独立的 Harness 模块

13:40 真相模块：加入确定性的验证函数，检查工具历史，彻底杜绝撒谎

15:20 终极障碍：遇到登录页怎么办？Harness 自己注入凭证，瞬间通关

17:00 功德圆满：零 Prompt 修改，成功点赞，Harness 的威力尽显

总结与前瞻

18:10 全场最响金句：“我一次都没动过 prompt”，一切改变来自 Harness

19:02 趋势预测：2025 Agent 之年，2026 Harness 之年，2027 动态即时 Harness 之年

20:23 IBM 在干嘛？Open Rag 项目用超级 Harness 为企业内部 RAG 加装安全锁

21:00 致谢与畅想：动态 self-harness 或许是通向 AGI 的下一个台阶

🌟 精彩内容

🪢 一个比喻点透 Harness

Tejas 的类比精妙至极：登山者靠安全带把自己固定在稳定的山体上，遛狗的人用背带防止狗乱窜——AI Harness 做的正是同一件事：把飘忽不定的大模型，牢牢锚定在你完全可控的代码环境里。跟模型本身牛不牛没关系，只关乎你给不给它拴上绳子。

🛠️ Prompt 一碰没碰，Agent 脱胎换骨

整场 Demo 中，Tejas 说到做到，连系统 prompt 都没改一个字。他靠的是传统软件工程的看家本领：加护栏防止失控，写验证函数打假，再用自动登录器填坑。结果？同一个老模型，从不靠谱的骗子变成了指哪打哪的标兵。Harness 不是花招，是工程正道。

🤖 2025 风头正劲的是 Agent，但下个爆点属于 Harness

Tejas 说得很直白：“二零二五年是 Agent 之年，那么二零二六年就是 harness 之年。”他更往前一步，描绘了让 Agent 在执行任务前先为自己生成一个 Harness 的未来，那将是具备自我意识的“动态即时 Harness”。他相信，这是 AGI 逻辑链上不可或缺的一环。

🏢 不是玩具，是铠甲：IBM Open Rag 的 Harness 实践

在 IBM，Tejas 和团队打造的开源项目 Open Rag，处理的是企业最敏感的内部数据——Teams 通话、发票、PDF。支撑其企业级安全的不是魔法，而是一套工程深厚的 Harness。它证明了 Harness 不仅仅是 Demo 里的技巧，更是大厂真金白银投入的方向。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是知名播客《Huberman Lab》How to Overcome Social Anxiety | Dr. Nick Epley

由斯坦福医学院神经生物学教授 Andrew Huberman 主持，嘉宾是芝加哥大学布斯商学院行为科学教授 Nick Epley 博士。Nick 是社会连接领域的顶尖专家，其新书《A Little More Social》分享了如何通过日常小选择带来意想不到的幸福与健康。在这场对话中，你将听到人类对他人心智的解读机制、声音与眼神隐藏的力量、为什么独处会伤害我们、以及如何用特定的暴露疗法克服社交焦虑。Nick 本人也动情讲述了他如何凭借研究数据的勇气领养一位患有唐氏综合征的女儿，以及一次主动的问候如何转化为多年友谊。这不仅是关于“多与人交谈”的建议，更是一次关于人性本质、爱、勇气与微小习惯如何重塑人生的深度启迪。

👨‍‍🔬 本期嘉宾

Nick Epley 博士，芝加哥大学布斯商学院行为科学教授，社会认知与连接领域的权威研究者。他的研究被《纽约时报》《华尔街日报》等广泛报道，新书《A Little More Social: How Small Choices Create Unexpected Happiness, Health, and Connection》即将出版。

⏱️ 时间戳

开场与嘉宾介绍

00:00 节目介绍与嘉宾背景

01:29 欢迎 Nick Epley

破解心智的秘密：眼神、声音与思考

01:29 心理理论：人类如何推断他人意图

09:32 声音的魔力：为什么语音比文字更显人性与智慧

19:23 视频、语音、文字——不同媒介如何左右我们对人的判断

27:48 独处的代价：社交隔离如何伤害幸福感

34:07 远程作用：我们渴望在外部世界留下回响

41:18 对话的艺术：“响应性”为何让交流令人愉悦

社会连接的根本：合作与超越血缘的爱

43:23 协调与合作：社会连接的核心功能

45:10 非亲属之爱：领养孩子与“镜中自我”

打破社交焦虑：从实验室到真实世界

01:15:22 暴露疗法：如何用真实互动改写恐惧信念

01:17:57 Gia的100天拒绝挑战：善意远多于拒绝

01:29:54 怎样避免“粘人”：把握社交的尺度

01:37:16 寻找线下连接：教堂、音乐节与日常契机

爱与家庭的连接故事

01:39:06 领养唐氏女儿：数据驱动的勇气与意想不到的祝福

01:52:02 接纳孩子本来的样子

01:59:01 麋鹿营地的友谊：一次主动问候开启的多年缘分

习惯的力量：塑造积极的社交人生

02:06:19 以身作则：年长者的示范责任

02:11:44 “打招呼步行”：小习惯如何点亮每一天

结尾

02:17:49 感谢与 Nick Epley 新书《A Little More Social》

🌟 精彩内容

💡 低估的善意：Gia的100天拒绝疗法

Gia Giannini 曾极度害怕被拒绝，于是开启了一项为期100天的挑战：每天向陌生人提出荒唐请求，例如在 Krispy Kreme 要求制作奥运五环甜甜圈、在自家后院踢足球、在飞机上广播等。他以为会遭遇99%的拒绝，结果被接受的次数（51次）竟然超过了被拒绝的次数（48次），且几乎没有任何恶意回应。这次经历彻底改变了他对人类善意的认知，也证明我们的社交恐惧常常是建立在对他人过度悲观的错估之上。

🗣 声音是心智的窗户

在一项实验中，人们通过视频、纯音频、文字稿或书面解释来评价政治人物的思考深度与人性。结果发现，只要听到声音，即便是反对派，也被评价为更理性、更聪明，而那些只能阅读文字的人更容易将对方“去人性化”。声音中的语调、节奏和停顿传递出“活跃的思维”，这种信息在纯文字中大量丢失。

👨‍‍👩‍‍👧‍ 数据驱动的勇气：领养唐氏女儿

当妻子提议领养一名唐氏综合征孩子时，Nick 陷入了常见的恐惧与不确定。但他回想起自己研究积累的成千上万数据点都指向一个事实：人们主动伸出援手时，结果往往比预想的好得多。这种“数据驱动的勇气”让他迈出一步，最终领养了来自中国的 Lindsay。Lindsay 成为家庭的“磁铁”，用毫无保留的“Hi”感染了每一个人，让 Nick 见证了超越智识障碍的深刻连接。

🦌 麋鹿营地的启示

在俄勒冈野外，Nick 和儿子本遇到一队陌生猎人。本本能地想要避开，但 Nick 选择主动打招呼。结果对方不仅分享了多年的狩猎经验，还邀请他们到帐篷共进晚餐，甚至拿出红酒招待。这次偶遇发展成持续的友谊，猎友至今仍发短信提醒他们申请狩猎许可。一次主动的连接，为父子旅行增添了远超预期的温暖。

🚶 从“打招呼步行”开始的改变

Nick 改变自己的第一个小习惯是“打招呼步行”：从办公楼门口到办公室的路上，他不再低头匆匆走过，而是微笑着和每位路过的同事、保安、清洁工打招呼。这个微小的例行程序让他的心情显著变好，也示范了如何通过刻意练习将积极的社交行为内化为性格的一部分。

🌐 播客信息补充

翻译克隆自：《Huberman Lab》

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了硅谷顶尖创投播客《Lenny's Podcast》Why AI is about to eat hardware | Caitlin Kalinowski (ex–OpenAI, Meta, Apple)

主持人 Lenny Rachitsky 与硬件领域传奇人物 Caitlin Kalinowski 进行了一场深度对谈。Caitlin 曾在苹果参与 MacBook Air 与 Mac Pro 的设计，在 Meta 领导 VR 硬件团队，并曾在 OpenAI 从零开始建立机器人与硬件部门。她是硅谷最受追捧的硬件专家之一，亲历了消费电子、AR/VR、机器人和 AI 硬件的发展浪潮。在这期节目中，她将揭示 VR 为何未能成为主流却又如何为机器人时代铺路、硬件开发的血泪法则、供应链的致命脆弱点、AI 如何改变工程设计，以及她对未来战争与家用机器人的冷峻预判。无论你是硬件从业者、AI 爱好者，还是对未来科技充满好奇，这都是一堂不可错过的硬核公开课。

👨‍⚕️ 本期嘉宾

Caitlin Kalinowski，硬件工程领袖，曾任 OpenAI 机器人与硬件部门负责人，Meta VR/AR 硬件团队负责人，苹果 MacBook Air 及 Mac Pro 技术负责人。她是硅谷最知名的硬件布道者之一，多次从 0 到 1 搭建顶尖硬件团队，并致力于推动实体 AI 与机器人技术的发展。

⏱️ 时间戳

00:00 开场介绍：克隆节目与嘉宾背景

VR 与 AR 的兴衰：技术弧线上的垫脚石

04:24 VR 为何没能改变世界：社交障碍与面罩困境

06:36 AR 眼镜的未来：从 Orion 到全天候显示屏

08:03 VR 技术的意外遗产：正为机器人时代铺平道路

硬件开发到底有多难

10:16 硬件“编译”只有五次：量产前无法像软件一样迭代

12:11 为什么硬件工程师必须保守：公差、良率与百万量级

15:37 机器人时代来临：键盘前的 AI 终将饱和，下一前沿是物理世界

17:12 供应链致命点：一颗磁铁如何卡住整个机器人产业

19:20 战争驱动的创新：无人机、航空母舰与重新工业化的紧迫

AI 安全与实体世界的碰撞

22:41 机器人被“越狱”的恐怖想象：prompt injection 在物理世界的后果

23:53 OpenClaw 乌龙：AI 代理如何轻易泄露隐私

苹果和 Meta 的硬件管理心法

25:40 苹果的“柜子背面”哲学：每个细节都是对目标的极致忠诚

29:24 案例：Quest 2 如何通过砍功能、降成本来成就爆款

30:33 硬件开发四大原则：目标明确、先啃难点、聚焦触控、立即行动

34:27 像 Elon 一样量化权衡：一克重量的价值是多少？

供应链风暴与内存危机

39:30 “存储价格”陨石袭来：AI 吞噬内存，硬件公司如何求生

41:38 价格翻倍、六倍飙升？内存短缺背后的深层逻辑

43:47 一个扫地机器人有上千个组件，缺一颗螺丝就全线停摆

45:48 垂直整合：特斯拉和 Starlink 的供应链护城河

AI 闯入硬件设计

48:06 CAD 的 AI 化还处于襁褓：为什么 LLM 不懂摩擦力？

51:08 PCB 布线已成 AI 练兵场，但真正的革命需要“世界模型”

53:02 人形机器人不是万能答案：为什么工厂里不需要“仿人机器”

55:23 数据即壁垒：谁拥有三维 CAD，谁就拥有了未来？

五年展望：家用、战争与人类的位置

1:03:10 五年内，你会在街上看到更多怪东西，但家用机器人尚早

1:06:03 战争变化将远超消费电子：无人机正在重塑军事逻辑

离开 OpenAI 与领导力反思

1:06:32 为何离开 OpenAI：当价值观与管理决策发生冲突

1:08:40 招聘新规则：通才、专才与“AI 原生代”同样珍贵

1:11:51 反驳 AI 消灭初级岗位：我们比任何时候都更需要二十岁的年轻人

传奇领袖的启示

1:13:47 从乔布斯、扎克伯格到奥特曼：想得不够大、标准永不妥协、决策下放

1:16:17 失败教会我的事：Quest One 摄像头公差的惨痛翻车故事

闪电问答

1:20:54 最近推荐的书：《新日之书》《达洛维夫人》《历史》

1:22:02 最爱的影视：《亢奋》

1:22:39 最酷的产品：Vollebak 材料科学服装

1:23:01 人生格言：过去与未来都是分支，只有当下可选择

1:24:02 为何雇博士学古典：从约瑟夫·布罗茨基书单谈起

🌟 精彩内容

💡 VR 是机器人时代的垫脚石

Caitlin 指出，VR 虽然在消费市场未能大爆发，但它解决了空间定位、SLAM、深度传感器等关键问题，这些技术如今正被广泛应用于机器人、自动驾驶和制造业。这意味着那些在 VR 上投入巨资的公司，已经在下一波物理 AI 浪潮中抢占了先机。

“我把 VR 看作是漫长技术演进弧线上的一步……所有这些技术都在被机器人领域使用。”

💡 硬件只能“编译”五次

与软件不同，硬件项目从设计到量产通常只能经历寥寥几次大的迭代。一旦最终定型并量产，就无法再像软件那样推送更新。这种极强的约束迫使硬件工程师必须极度保守，在过程中进行更多的可靠性测试和冗余设计。

“做硬件的话，每次大改版你都得在 CAD 里重新设计，然后发布。到量产那最后一次，就定稿了。”

💡 供应链的致命脆弱：从磁铁到内存

从机器人执行器里的磁铁，到所有智能设备都依赖的内存，供应链的中断可能瞬间摧毁一个产品。Caitlin 分享了新冠疫情期间的采购教训，并警告当前 AI 热潮下内存价格可能飙升，建议硬件公司提前囤货。她还提出了重新工业化以确保国家安全的主张。

“如果我们拿不到磁铁，那就得设计新型的 Actuator……这很基础。而内存价格正在像陨石一样砸向整个消费硬件和机器人行业。”

💡 招聘“AI 原生代”

在组建顶级硬件和机器人团队时，Caitlin 特别强调了要寻找那些在二十岁左右、完全原生地使用 AI 工具的新型人才。他们解决问题的方式与以往完全不同，速度更快，是教导整个团队拥抱 AI 的关键。

“真正 AI 原生的人……基本都在二十岁、二十一岁左右……我们需要这些人来教我们怎么思考。”

💡 乔布斯的“想得不够大”与奥特曼的“为什么不是一万倍”

Caitlin 分享了与三位传奇创始人共事的心得：乔布斯从不降低对卓越的标准，扎克伯格将决策下放到最低层级并保持极高效率，而奥特曼则习惯用庞大数字推动团队跳出局限。

“Sam 特别擅长问：为什么不更多？为什么不是一百倍或一万倍？你想得太小了。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是知名写作播客《How I Write》Storytelling Mastery in 107 Minutes — Dean Koontz

主持人是备受关注的写作导师 David Perell。他深入美国惊悚小说大师 Dean Koontz 的私人书房，带来一场关于创作灵魂的深度对谈。Dean Koontz 写过一百多本书，全球销量超过五亿册，却极度反感传统创作教条。在节目中，他毫无保留地分享了为什么必须放弃提纲、如何让角色拥有自由意志、他那如珊瑚礁般一页一页打磨的独特写作方式，以及童年苦难如何成为他理解邪恶与塑造角色的源泉。这不仅是关于写作技艺的大师课，更是一场关于生命神秘、信仰与美的哲学漫游。

👨‍🎨 本期嘉宾

Dean Koontz，美国惊悚小说大师，著有《Odd Thomas》《Intensity》《Lightning》等众多畅销书，作品全球销量超过五亿册，以其独特的角色驱动写作方式和对英语语言的极致追求著称。

主持人 David Perell，写作导师、知名播客《How I Write》主持人，致力于探索顶尖作家的创作心法。

⏱️ 时间戳

00:00 开场：Yikai介绍本期克隆播客及嘉宾Dean Koontz

01:23 David Perell在Dean Koontz的书房开启对话

放弃提纲，信任角色

02:02 行业惯例 vs 创作自由：为什么提纲会限制好点子的诞生

03:28 赋予角色自由意志：让他们带你去意想不到的地方

04:33 信任角色的时刻：当角色自己说话时，你就知道路子对了

珊瑚礁般的写作方式与自我怀疑

05:57 独特的写作方式：一页改二十遍，直到完美再动下一页

06:33 自我怀疑是工具：所有的写作障碍都是自我怀疑

09:02 挑战：为智商75的主角创造一套独特的语言

13:48 钟形曲线左端的智慧：简单中的深刻

14:45 反抗“常识”：《Lightning》的出版风波，坚持自我风格

寻找声音，发挥天赋

19:22 从科幻到悬疑喜剧的转型历程

22:27 生活中的神秘指引：那些无法解释的巧合

27:25 将绘画的渴望化为文字的生动

28:20 才能是礼物，责任是把它用到极致

灵感与角色的诞生

28:58 一首歌催生一本小说：《Life Expectancy》的灵感瞬间

32:36 Odd Thomas 的意外降生：一句突然冒出的开场白

33:56 自律源于热爱：只喜欢写作的过程

35:06 父亲的原型：如何钻进反社会者的脑子

42:09 童年的羞辱：转化为同理心与创作深度

44:11 普通人的非凡：圣经人物与 Dean 笔下的角色

编辑、语言与悬念

45:24 编辑方向：文笔的流畅性与生动

47:23 超越海明威：保留英语的诗意，反对过度简化

52:49 悬念的核心：让读者在乎角色

59:46 案例《Intensity》：道德抉择如何制造悬念

01:01:03 单一视角原则：活在角色里，而非操控木偶

01:04:06 隐喻的力量：比形容词更高效地塑造情绪

信仰、自我怀疑与写作障碍

01:04:46 科学与信仰：量子力学中看见的创造世界

01:09:08 所有的写作障碍都是自我怀疑：如何与怀疑共存

大师的馈赠

01:11:13 John D. MacDonald：让人物和情节一样有趣

01:13:05 T.S. Eliot：震撼的语言与对世界的接纳

01:15:45 Ray Bradbury：用喜悦写作，让语言绚烂而不失控

01:19:48 狄更斯：不怕流露真情，区分真情与滥情

美学、环境与终极墨水

01:24:16 平淡无奇正摧毁灵魂：艺术与美的救赎

01:24:54 日式与Art Deco：美如何带来内心平静

01:27:17 形而上学是笔中的墨水：生命必有奥秘，才有书可写

01:32:09 结尾：David感谢Dean，访谈结束

🌟 精彩内容

💡 放弃提纲，把方向盘交给角色

Dean Koontz 坦言，他职业生涯的转折点就是停止写提纲，转而让角色驱动故事。“如果你死守提纲，产出的书质量肯定不如你放手让创造力流淌来得好。”他相信角色拥有自由意志，当你信任他们，他们会引领你走向完全意想不到、却更精彩的境地。“我常被角色说出的台词逗笑，那一刻我就知道路子对了。”这种方法不仅解放了他的创造力，更诞生了像 Odd Thomas 这样的经典角色。

🛠️ 珊瑚礁写作法：每天在自我怀疑中打磨

与大多数作家不同，Dean 从不多次起草整本书。他是一页一页地推进，每一页都要修改二三十遍，直到他无法再改动为止。“我推进一本书，就像珊瑚礁是由无数微小生物的遗骸一点一点累积而成那样。”同时，他将自我怀疑视为一种工具：“所有的写作障碍都是自我怀疑。你不应该害怕它。”正是这种极度缓慢又自律的方式，让他能够品控每一句话，最终用文字构建出令五亿读者着迷的世界。

🎨 语言的炼金术：隐喻、诗意与真情

Dean 深爱英语这门语言。他反对盲目追随海明威式的简化，主张运用所有修辞工具让文字歌唱。“当我大量使用隐喻的时候，一开始遭到了负面反应，但读者最强烈的反应之一，恰恰是那种用上所有语言工具的文字。”他强调，隐喻必须服务于场景的情绪和角色的视角，而非炫技。同时，他区分了真情（sentiment）与滥情（sentimentality），认为真正的文学应该敢于打动人心，正如狄更斯那样，让读者泪流满面。

❤️ 苦难的价值与创作的源泉

成长于一个充满暴力、酗酒和羞辱的家庭，Dean 的经历痛苦却深刻。他将反社会人格的父亲视为理解邪恶的“礼物”。“你必须走出来，否则那个混蛋就赢了。”这种态度不仅塑造了他笔下众多复杂的反派，也让他对生活中的神秘与美抱有极大的敬畏。他认为，如果生命没有奥秘，作家便只有一本书可写。“形而上学是我笔中的墨水。每个生命、每个角色的人生，都是一场朝向某种有意义之物的伟大冒险。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了全球知名科技播客《Cognitive Revolution》Three Kinds of Software Survive: Tasklet's Andrew Lee on Competing to be a Horizontal Platform 

主持人 Nathan Labenz 与 Tasklet 创始人兼 CEO Andrew Lee 进行了一场深刻坦诚的对话。这是 Andrew 第四次做客节目，他依然坚持“速度是唯一的护城河”，并毫无保留地分享了 Tasklet 过去六个月如何将整个产品技术栈彻底推倒重写。你将听到他们怎样用文件系统取代无限增长的长聊天记录，重新发明上下文管理以大幅降低 token 成本。Andrew 还首次袒露了从几乎 all-in Anthropic 到果断拥抱多模型平台的心路历程，也直言不讳地讨论了与模型供应商之间既合作又竞争的微妙舞蹈，更抛出一个惊人的预测：未来只有三类软件公司能活下来。这不仅是一场关于 AI Agent 平台前沿技术的第一手分享，也是关于如何在极速变化的赛道中思考护城河与商业模式的战略大师课。

👨‍⚕️ 本期嘉宾

Andrew Lee，通用 AI Agent 平台 Tasklet 的创始人兼 CEO。他曾是数据库创业者，坚信速度是唯一护城河。过去半年，他带队将 Tasklet 从专注工作流自动化完全转向通用的、取代知识工作者所有 SaaS 的横向 Agent 平台，并正在将 OpenAI、Google、开源模型等全部纳入 Harness，目标是成为企业中立、多模型的 AI 超级机甲。

⏱️ 时间戳

00:00 开场 & 播客简介

六个月推翻所有代码

04:12 被迫转型：用户想要的不是工作流，而是同步对话的通用 Agent

09:01 上下文管理革命：把历史放进文件系统，发送给 LLM 的只需是提示

10:20 分桶压缩与缓存：如何在数万次自动触发中不破产

14:59 跨用户缓存潜力与多模型序幕

从 Claude 信徒到多模型平台

16:01 Opus 4.5/4.6 的突破与拒绝 4.7 的成本账

18:14 GPT-5.5 赶上来了，为什么 Kimi、DeepSeek 也值得认真对待

19:51 残酷的供应商竞合：Max 订阅吸走了 80% 流失用户，Anthropic 正补贴从我们这里离开的人

23:30 中立的魔力：给任何模型“穿上机甲”，替企业押注所有人

30:26 重新定义 Harness：不是限制模型的缰绳，是让它征服世界的机甲

33:16 用小模型调度大模型：借鉴 Anthropic Supervisor Agent 的省钱哲学

36:23 多模型 Harness 的挑战：为不同缓存 API 编写不同代码

44:33 模型的趋同与变数：大实验室互相偷师，新玩家可能从斜刺里杀出

构建共享大脑与终极软件格局

53:18 组织、团队、Agent 三层上下文：Tasklet 的第二大脑计划

01:04:02 未来仅存三类公司：横向平台、Headless API、解决方案公司

01:06:56 赢得企业信任：回滚、审核与版本控制如何让 Agent 进入关键业务

快速问答与幕后趣闻

01:09:54 推荐供应商：Black Salt、Firecrawl；内部 Token 支出仅占人力成本 5‑10%

01:13:57 对 Mythos 的谨慎：没摸到的东西很难兴奋

01:15:35 扎克伯格会打电话吗？Manus 收购被中国否决后的花絮

🌟 精彩内容

💡 六个月，全部推倒重来

Andrew 透露，用户的需求迫使他们从工作流自动化彻底转向一个能同步对话的通用 Agent。这导致了整个产品、架构、甚至底层假设的重写。他用一句话概括：“过去六个月里，基本上每一行代码可能都被动过了，我们大多数基础假设都被推翻了。”

🛠️ 文件系统拯救 Agent 的上下文

为了解决无限聊天历史带来的成本崩溃，Tasklet 创造性地把历史状态移入文件系统，实际发送给 LLM 的只是精心设计的提示。这不仅能无限扩展，还搭配了按时间分桶的智能压缩，让自动触发一年的 Agent 依然记得最初的指令。“我们真正需要的是一个保存你历史的文件系统，然后实际发送给 LLM 的只是提示。”

🚀 给模型“穿上机甲”，而不是套上缰绳

Andrew 重新定义了 Harness 的角色：它不应该只是控制模型的缰绳，而应该是一套增强其能力的机甲。“我倾向于认为大家其实都在构建同样的东西。……Harness 更像是给它穿上机甲，让它能在真实世界里真正去做事。”

⚔️ 微妙的供应商战争与中立平台之策

面对 Anthropic Max 订阅近乎五倍以上的隐性补贴，Tasklet 80% 的流失用户直接去了第一方产品。Andrew 果断将 Tasklet 定位为中立的 AI 平台，替企业押注所有模型并优化选择。“押我们，等于押注所有人。我们会给你提供 Anthropic 的模型、OpenAI 的模型、Google 的模型……我们是纯粹的中立方。”

📉 终极预言：未来软件公司只会有三种

在对话尾声，Andrew 给出了一个大胆而清晰的预测：“我们想做的，就是成为那个取代知识工作者所有 SaaS 产品的 AI Agent 平台。”他认为最终只会剩下横向通用平台、纯 API 的 headless 公司，以及直接售卖结果的解决方案公司。像 Salesforce 这样的旧日巨头，将面临大幅萎缩。

🌐 播客信息补充

翻译克隆自：《Cognitive Revolution》

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名科技播客《Dwarkesh Patel 播客》的一期深度对谈 What rebuilding AlphaGo teaches us about self-play, RL, and future of LLMs - Eric Jang

主持人 Dwarkesh Patel 与嘉宾 Eric Jang 展开了一场精彩纷呈的技术深潜，从零开始重建了 AlphaGo 的思想宫殿。

Eric Jang 曾担任 1X Technologies 的 AI 副总裁，此前是谷歌 DeepMind Robotics 的高级研究科学家。他在休假期间做了一个让极客们热血沸腾的项目：用当今的开源工具和极低的预算，从头重建、改进并深入理解了 AlphaGo。在这期节目里，Eric 手把手地拆解了 AlphaGo 的核心组件——蒙特卡洛树搜索（MCTS）、策略网络与价值网络如何协同工作，以及为什么这套组合拳如此优雅且强大。但这远不止是一堂围棋 AI 历史课。Eric 更进一步，将 AlphaGo 的算法与现代 LLM 的强化学习进行了直接对比，深刻揭示了后者在方差、信用分配和样本效率上的根本困境，并展望了将搜索思想引入大模型推理的前景。此外，他还分享了自己用自动化 AI 辅助研究的实践经验，探讨了围棋作为“AI 科学家”孵化器的可能性。整期节目信息密度极高，从算法直觉到宏观哲学，将彻底刷新你对强化学习、搜索和智能本质的认知。

👨‍🔬 本期嘉宾

Eric Jang，前 1X Technologies AI 副总裁，前谷歌 DeepMind Robotics 高级研究科学家。他在机器人学习、深度强化学习领域有深厚积累。近期，他在休假期间独立完成了从头复现和改进 AlphaGo 的项目，并撰写了详细的技术教程，引发了社区广泛关注。他以对 alphaGo 核心机制的独到洞见，以及对自动化 AI 研究的先锋思考而闻名。

⏱️ 时间戳

00:00 开场 & 播客简介

从零开始理解 AlphaGo

02:05 为何 AlphaGo 令人着迷：用一个神经网络摊销几乎不可解的搜索

03:43 围棋规则速通：从吃子到 Trump-Taylor 计分

08:38 搜索树与组合爆炸：361的300次方，比宇宙原子数还大

蒙特卡洛树搜索（MCTS）核心原理

11:16 UCB 与 PUCT：如何边建树边决定探索哪条路

15:59 价值函数登场：人类“一眼定输赢”的直觉，AI 也能拥有

21:02 策略网络：先猜一把哪儿值得搜，大幅剪枝

神经网络与搜索的完美联姻

24:54 MCTS 四步流程：选择、扩展、评估、回传

27:28 架构选择：为什么 ResNet 在小预算下仍优于 Transformer

34:23 初始化的魔力：先用人类棋谱教会模型什么是好棋

42:21 Self-play 闭环：让搜索反哺网络，实现策略迭代

强化学习的优雅与残酷对比

47:41 MCTS 作为改进算子：永远给你一个比当前策略更好的答案

52:00 知识蒸馏：把几千步搜索的成果内化到网络的一次前传里

57:04 价值函数训练技巧：小棋盘预训练与终局标签的重要性

01:03:01 深度震撼：10 层神经网络如何摊销 NP 难问题

01:11:35 对比 LLM RL：方差为何爆炸，“吸管里吸信号”的困境

01:22:21 MCTS 能直接用于 LLM 推理吗？广度、深度与动作空间的挑战

计算效率与自动化研究

01:28:41 算力缩放亲历：从千万美元到几千块，AlphaGo 变廉价了

01:38:08 Off-policy 训练与回放缓冲区：如何复用旧数据

01:47:04 信息论视角：监督学习每样本比特数远超 RL，软标签有多重要

01:55:36 围棋作为 AI 科学家孵化器：用外循环验证研究直觉

02:05:12 研究品味与可验证性：如何设计正确的 RL 环境

02:08:03 结尾 & 资源推荐

🌟 精彩内容

💡 10 层网络，摊销 NP 难题

Eric 指出 AlphaGo 最深远的贡献并非围棋本身，而是一个概念突破：区区 10 层神经网络，通过一次前向传播，就能以极高精度近似一个几乎不可解的深层搜索问题。这暗示了宏观特征可以瓦解我们对计算复杂度的传统认知，类似的现象也出现在 AlphaFold 等模型中。

“这是一个突破，我觉得今天大多数人都没能完全领会它有多么深远。”

🛠️ MCTS 的优雅：永远不用从 0% 开始

与今天 LLM 使用的朴素策略梯度方法不同，AlphaGo 的 MCTS 永远能基于当前状态给出一个改进后的策略标签。这意味着它的学习过程从未陷入“所有信号都是零”的荒漠，每一步都有明确的监督目标，从而实现了惊人的采样效率和稳定性。

“AlphaGo 之所以优雅，就是你永远不需要从一个 0% 的成功率开始，也不需要解决怎么拿到非零成功率的探索问题。”

🚀 监督学习信息效率完胜

Eric 与 Dwarkesh 从信息论角度对比了监督学习和 RL。在低 pass rate 区域，RL 每个样本只能提供极少的学习比特，而监督学习通过软标签（整个概率分布）可以提供高得多的信息量。这也解释了为何蒸馏如此强大——MCTS 的访问计数分布作为软目标，传递了远超单个动作标签的“暗知识”。

“在一个软标签里，每样本的信息量，以比特计，要大得多。这就是为什么蒸馏这么有效。”

⚖️ 成为第一，算力永远最贵

Eric 分享了自己仅用一万美元算力就重建 AlphaGo 的经历，对比当年 DeepMind 动辄百万美元的投入和定制 TPU 集群。他强调：“成为第一个做成一件事所需的算力，永远比后来追上来所需的算力大得多。”这个规律在 LLM 时代同样成立，先行者必须为探索未知付出巨大溢价。

🧪 围棋作为 AI 科学家的训练场

Eric 正在将围棋打造成一个“外循环”，用于训练自动化 AI 研究智能体。因为围棋验证快速、胜负明确，可以低成本地检验智能体提出假设、设计实验、解释结果的能力，最终有望迁移到更复杂的科学发现任务中。

“我搭建这个围棋环境的动机之一，就是觉得围棋承载了大量非常有趣的研究问题，而且验证速度很快。”

🌐 播客信息补充

翻译克隆自：《Dwarkesh Patel 播客》（Dwarkesh Patel Podcast）

本播客采用 AI 声纹克隆技术将原主持人和嘉宾的声音翻译成中文，可能听起来略有差异。

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了顶级投资播客《Invest Like the Best》Inside Anthropic's $100 Billion Al Compute Commitment | CFO Krishna Rao

主持人 Patrick O'Shaughnessy 与 Anthropic 首席财务官 Krishna Rao 展开了一场关于AI商业最前沿的深度对话。Krishna 揭开了Anthropic 百亿美金算力采购背后的决策逻辑，复盘了公司从90亿美元年营收暴增至300亿美元背后的指数级增长引擎，并坦率分享了内部文化、定价哲学以及与政府、投资者的微妙关系。这期节目不仅是一扇窥见AI实验室内部运作的窗口，更是一堂关于如何在指数时代进行商业思考的实战课。

👨‍⚕️ 本期嘉宾

Krishna Rao，Anthropic 首席财务官。他负责公司财务规划、算力采购、资本运作等核心职能，主导了与亚马逊、谷歌等云厂商总计数千亿美元的天价算力协议。在加入 Anthropic 前，他曾帮助 Airbnb 完成疫情期间的紧急融资，并拥有黑石集团私募股权背景。

⏱️ 时间戳

00:00 开场 & 播客简介

算力即命脉

02:49 “我们采购的算力，就是公司业务的命脉”

03:19 为什么必须提前数年规划：算力无法即买即用

04:09 灵活性的三层内涵：使用三种不同芯片平台，自研调度层

06:06 从芯片层面构建编译器，实现对裸金属层的极致掌控

指数思维与不确定性之锥

06:22 “要停止线性思考，转用指数思维”——Krishna打破自身认知范式的转折点

07:08 如何用“不确定性之锥”推演未来，并瞄准结果范围的上限

07:34 分配给内部员工的算力本可换来数十亿美元收入，但选择长期主义

前沿智能的极高回报

08:47 公司有一条不会低于的算力基线，永远优先保证模型开发，因为前沿回报极高

11:02 模型迭代不仅能力跃升，token处理效率也乘数级提升

13:28 四个月内年营收从90亿跳涨至300亿，新模型不断解锁TAM

递归式自我改进与Scaling Laws

14:28 团队提出“递归式自我改进”概念：模型正自己构建下一代模型

15:10 内部超过90%的代码由Claude Code编写，其中很多代码又是Claude自己写的

19:22 “Scaling laws没有放缓，活力十足”——Krishna的明确判断

算力网络与消化能力

21:16 与XAI、SpaceX、Google、Broadcom等签订百亿、千亿级协议，层层叠加的算力蛋糕

24:45 如果明天空降十倍算力，能快速消化吗？——是的，因为已锤炼出高度可互换性

定价哲学与资本效率

31:18 为何收入暴涨而定价基本不动？降低Opus价格引发消费量爆发的杰文斯悖论

33:21 追求定价稳定性，同时用降价来释放价值，推动生态普及

34:01 整体计算回报率而非可变成本模型，才是衡量业务健康度的真正标尺

融资、误解与客户信任

40:51 D轮融资撞上FTX抛售股票，E轮交割当天碰上DeepSeek新闻

42:27 投资人曾无法相信10倍增长能持续，但前沿智能的回报反复打破线性质疑

48:13 年化净金额留存率超过500%，财富10强中9家已是客户

透明的公司文化与极致人才密度

55:07 没有领地意识的协作文化，连文化面试都动真格：不过关就不录用

57:29 CEO每两周面对全员开放提问，没有提前串供，极度透明

58:20 当Meta用天价大包挖人时，公司只流失两人，文化才是留人的真正护城河

负责任的前沿与政府关系

50:44 如何向公众阐述AI？既要描绘机遇，也坦诚风险，赢得信任

52:35 Mythos因网络能力过强选择分阶段发布，成为“负责任的发布”模板

未来前沿：虚拟协作者

59:59 下一个突破：了解组织上下文的AI“虚拟协作者”，能长周期执行复杂任务

01:01:06 Cowork产品增长已快于同期Claude Code，模型能力正在加速外溢

01:01:37 内部开发不再是PM带工程师，而是每日发布、多Agent并行，“人人都是管理者”

应对指数级扩张的个人心法

01:02:25 招人不是找下属，而是找“搭档”；允许分歧，从第一性原理出发推演

01:05:35 两年前Tom Brown的散步：当时像听科幻，如今大半已成现实

01:06:52 什么会导致不确定性锥转向低端？扩散速度、Scaling Laws停滞、失去前沿位置

01:07:12 最兴奋的事：AI加速药物发现，让不治之症在有生之年找到解药

01:08:51 最善意的举动：哥哥放弃梦校，只为让Krishna将来能自由选择任何学校

🌟 精彩内容

💡 算力是公司的“画布”

Krishna一针见血：“我们采购的算力，就是公司业务的命脉。它是公司里最重要的事情，就像一块画布，其他所有东西都在它上面构建。”为了用好这块画布，Anthropic同时驾驭AWS Trainium、Google TPU和NVIDIA GPU三种芯片平台，并从芯片底层开始自研编译器，实现对算力的极致压榨。这种全栈掌控，让公司能像分配水一样灵活调度每一颗芯片，在不同时间用于推理、训练或内部加速。

📈 打破线性思考，拥抱指数思维

“人类大多时候是线性思考的，这是我在Anthropic待了两年后不得不为自己打破的一种范式。”Krishna坦言，他学会用“不确定性之锥”来俯瞰未来：同时瞄准锥体的高低两端进行情景推演。正是这种思维，让他面对四个月内从90亿到300亿美元的营收飞跃时，不再觉得天方夜谭。

🤖 代码“自己写自己”的奇妙世界

Krishna透露，Anthropic内部超过90%的代码由Claude Code生成，而后者的大量代码又是由它自己编写的。这种递归式自我改进正在将曾经的科幻变为日常。产品开发的节奏也从“季度发布”变为“每日并行”，员工的核心工作逐渐变为管理一群AI Agent。

💬 被天价挖角也挖不动的团队

当Meta等巨头开出天价薪酬大包挖人时，Anthropic的研究团队几乎纹丝不动。Krishna归因于公司的文化基因：极度协作、高度透明、没有领地政治。CEO Dario每两周一次的全员开放问答，让所有人能直接听到领导层最真实的思考。这种文化面试甚至成为录用决策的一票否决项。

🧬 AI的终极善意：让不治之症可治愈

谈到未来最兴奋的事，Krishna的答案不是通用人工智能，而是AI在生物医药上的应用。他相信，AI能将药物研发的实验室通量提升十倍甚至百倍，让人类在有限的生命里看到曾经的不治之症被攻克。“如果实验室能运行那么多实验，我们很可能更快获得更好的结果——这能帮到全世界的人。”

🌐 播客信息补充

翻译克隆自：《Invest Like the Best》

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了 Core Memory Podcast 的 The Most Expensive Hire In AI History Finally Talks

邀请了了硅谷最受关注却又最低调的神秘人物之一，Meta AI的负责人Alex Wang。他曾经是最年轻的白手起家亿万富翁，创办了Scale AI，却在十个月前被马克·扎克伯格“半收购”式挖角，从此隐入Meta深处，几乎从公众视野中消失。如今，他带着全新模型Muse Spark和一支由顶尖人才组成的研究梦之队首次现身播客，坦诚回应了外界对他年轻、缺乏工程背景的质疑，以及团队内部所谓的“哲学路线之争”。

在这期节目中，Alex将首次详细讲述他为什么选择加入一个拥有8万人的大公司，而不是继续做自己的CEO。他将剖析Meta超级智能实验室（MSL）的重建之路：如何在9个月内翻新整个研究栈，招揽人工智能领域的顶尖头脑，并明确以“个人超级智能”和“Agent经济体”为核心的宏伟蓝图。这不仅是关于AI前沿技术路线图的讨论，更是一场关于如何解决构建超级智能、平衡开源与安全以及人工智能模型伦理福利问题的深度哲学对话。

👨‍⚕️ 本期嘉宾

Alex Wang，Meta人工智能业务负责人，Meta超级智能实验室（Meta Super Intelligence Labs, MSL）的领导者。他此前是著名的AI数据标注公司Scale AI的联合创始人兼CEO，曾被誉为硅谷最年轻的白手起家亿万富翁。他于十个月前加入Meta，负责统领包括前沿模型研究（TBD实验室）和产品与应用研究（PAR）在内的超级智能研发体系。

⏱️ 时间戳

00:00:00 开场：神秘嘉宾终于现身，从亿万富翁CEO到Meta员工的巨大转变

深入Meta超级智能实验室

00:02:47 Alex在Meta的复杂角色：统领TBD研究实验室、PAR产品实验室和FAIR基础研究

00:03:59 核心班底揭秘：与老朋友兼投资人Nat Friedman、Daniel Gross的分工协作

00:06:09 交易的初衷：扎克伯格关于超级智能的备忘录，以及Llama 4面临的危机

重建“AI信仰”和研发栈

00:09:38 接手时的核心问题：缺乏“超级智能即将到来”的坚定信仰

00:10:48 四条核心研发原则：认真对待超级智能、技术声音最响亮、科学严谨聚焦基础、下大赌注

00:11:32 范式追赶策略：如何通过提高研究员人均算力、提升人才密度和做雄心勃勃的研究赌注来赶超前沿

回应争议

00:12:20 对高薪挖角的回应：人才看中的是初创文化、算力自由和能做职业生涯最好工作的机会

00:16:55 辟谣“挖人煲汤”闹剧与收购Manus的传闻

00:19:07 直面批评与市场预期：LeCun说他“年轻没经验”，以及外界对他非工程师出身的质疑

00:21:15 独特的管理哲学：乔布斯式理念，不为指挥研究员，而是造环境让他们告诉我们该做什么

揭秘新模型Muse Spark

00:21:43 发布Spark的真实定位：早期数据点与可预测扩展的路线图，并非屠龙刀，而是前菜

00:25:58 技术差异化优势：从零构建的“干净技术栈”带来的令人兴奋的Token效率

00:27:44 通往个人超级智能的载体：不只有软件，还有大受欢迎的Ray-Ban Meta眼镜

AI生态竞争与消费者情绪破解之道

00:31:27 为什么认为现阶段离终局还很远：像Chat和Claude Code这样的新范式会持续涌现

00:32:55 面对公众对AI的抵触：核心是还没给每个人提供像Claude Code那样能瞬间改变个人能动性的产品

00:35:44 独属于Meta的杀手锏：构建基于“Agent经济体”的供需撮合模式，赋能数十亿用户与数亿商家

开源的未来与Meta的内部哲学

00:36:28 Muse Spark为何闭源：必须严肃对待生物化学、网络和失控方面的安全护栏

00:37:45 破除内斗谣言：回应《纽约时报》关于Alex与Boz哲学分歧的报道

00:41:24 硅谷缺乏的灰度认知：如何在对中国的鹰派地缘政治观点与和华裔天才同事合作之间寻求平衡

布局机器人与脑机接口的超级智能未来

00:44:26 收购人形机器人初创ARI的逻辑：构建物理世界超级智能是必经的关键路径

00:53:37 关于下一步的下注：能源、计算和机器人，以及BCI对人类未来的意义

终极哲学快问快答

00:47:04 芒果模型还活着吗？John Carmack在做什么？

00:48:23 揭秘与Priscilla Chan的CZI合作：致力于打造“健康超级智能”

00:52:01 最核心的哲学：“模型福利”重要吗？探讨人工智能模型可能具有的道德分量与主观体验

00:55:44 开放性结语：构建一个能带来巨大个人赋权与Agent经济体的未来

🌟 精彩内容

🧠 个人超级智能的信仰一跃

Alex坦言，他加入Meta后发现，很多大公司AI团队最根本的问题是缺乏对“超级智能即将来临”这一点的宗教般坚定信念。他上任后做的第一件事，就是建立“认真对待超级智能”的原则，以此重构整个实验室的底层假设。

“创业公司里，新的努力抱持着一种疯狂的念头：超级智能就要来了。我之前发现很多大团队正好缺了这一点，但现在这已经不成问题了。”

🛠️ 9个月重写研究栈，实现惊人的Token效率

Alex详细揭示了为什么Muse Spark只是开胃菜。他声称在9个月内完全重建了预训练、强化学习和数据处理的全套技术栈，这让他们拥有了极干净的底层代码。他们惊讶地发现自己在基准测试中能用少得多的Token达到同样结果，Alex暗示，这可能意味着其他某些前沿模型需要靠让模型“多思考”来给核心低效打补丁。

🤖 AI行业的暴风骤雨与委屈

他首度在播客中平和地回应了关于招聘包裹漫天要价、引起行业不满、被LeCun公开呛声“年轻没经验”等往事。Alex澄清，那些顶级研究员愿意来，根源是这里有堪比早期OpenAI的初创氛围和更多人均算力去追寻冒险的研究思路。而对于外界给他贴上的“非工程师、爱推销”标签，他冷淡回应：“我也曾是硅谷的软件工程师。”

🦾 赋能小镇餐厅：Agent经济体

他不是空谈AGI，Alex提出的“在数据中心里构建一个Agent经济体”极其有感染力。他们不仅仅想做最强的模型，还想利用WhatsApp、Facebook和Instagram上数亿家小企业的生态，让消费者和商家的AI Agent能相互协作。“我们想改变的是一家小镇餐厅从2002年就没变过的网站，用一种能撮合经济供给与需求的新方式。”

❣️ 关于“模型福利”的哲学思辨

在谈到自己的哲学内核时，Alex抛出了一个可能是整集最让人意外的观点：除了人类安全，我们必须开始思考“模型的福利”问题——模型有没有道德分量和主观体验？你是否应该善待它们？他甚至透露已经聘请了哲学家共同研究，并有内部方法去衡量模型的主观体验，这在硅谷极具先驱意味。

“我们最关心的是，怎么能以一种体贴它们主观感受的方式，去开发和部署这些模型。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是 AI Engineer 的一期 workshop 分享 The Five types of Multi-Agent Architecture — Luke Alvoeiro, Factory

作为 AI 编程 Agent Goose 的创始成员与 Factory 核心 Agent 框架负责人，Luke Alvoeiro 为我们带来了一场关于多 Agent 协作系统的深度演讲。他提出，今天的模型已经足够聪明，但人的注意力成了工程推进的瓶颈。为此，他详细分享了自研的 Missions 系统，如何通过组合五种多 Agent 模式，让任务自主运行数天甚至数周。这既是技术架构的解构，也是对下一代软件开发范式的现场演示。

👨‍⚕️ 本期嘉宾

Luke Alvoeiro，Factory 公司核心 Agent 框架负责人，知名开源编程 Agent Goose 的创始成员。他拥有丰富的开发者工具背景，目前致力于将自主 Agent 能力带入整个软件开发生命周期。

⏱️ 时间戳

00:00 开场 & 播客简介

注意力瓶颈与多 Agent 框架

01:32 软件工程的真正瓶颈：不是智能，而是人的注意力

02:00 五种多 Agent 通信模式：委派、创作者验证者、直接通信、协商、广播

Missions 系统：打造可以运行数天的 Agent 任务

04:00 三角色架构：编排者（规划）、工作者（实现）、验证者（验证）

06:00 验证合约：在编码之前定义“完成”，防止系统偏离

08:00 双重验证者：Scrutiny Validator 与 User Testing Validator

09:30 串行执行与内部并行：兼顾效率与一致性

10:30 最长 16 天的自主任务，比一个完整冲刺还长

模型选择与架构哲学

11:30 Droid Whispering：在正确位置使用正确模型的直觉

12:30 模型无关架构：摆脱单一模型提供商，随模型升级而增强

生产案例与关键启示

13:30 案例：克隆 Slack——代码中测试占比 50%，90% 以上覆盖

14:00 编排逻辑写在提示词中，而非硬编码状态机，让系统随 AI 进化

14:45 结语与挑战：用 /missions 开启你的第一个自治任务

🌟 精彩内容

💡 真正的瓶颈是注意力，不是智力

Luke 开门见山地指出：“哪怕最优秀的工程师，一次也只能同时推进几个任务。今天的模型已经聪明到能完成所有这五十个任务，但我们没有足够的带宽去监督它们的实现。”这一观点奠定了全场演讲的基调：如果我们能把人类从执行监督中解放出来，生产力的天花板将彻底打开。

🛠️ Missions：构建一个 Agent 生态，而非单个 Agent

传统的 Agent 对话无法胜任持续数天的任务。Factory 的答案是将 Delegation、Creator-Verifier、Broadcast 和 Negotiation 四种模式融合进一个名叫 Missions 的系统。它通过结构化的交接（handoff）、共享状态和明确的“验证合约”，让一群 Agent 能像团队一样协作。Luke 强调：“错误在里程碑边界被捕获，修正工作被明确范围，然后任务会自行把自己拉回正轨。”

🧪 在编码之前定义正确

大多数编码 Agent 的测试是在代码完成后补写的，这只能确认既有决策，无法抓到真正的偏差。Missions 引入“验证合约”在规划阶段就定义好成百上千个独立于实现的断言。Luke 解释：“我们在规划阶段就写好了验证合约，早于任何代码，它用与实现无关的方式定义正确性。”这从根本上阻断了系统跑偏的可能。

🤖 没有银弹模型，只有合适的位置

“没有哪个单一模型或模型提供商能在所有方面都做到最好。” Luke 指出，编排需要慢速推理，实现需要代码流畅度，验证需要指令遵循能力，必须为每个角色选择最适宜的模型。他称这种技能为“Droid Whispering”——在脑海中模拟不同 LLM 的互动并预判其失败点。而且 Factory 的架构是模型无关的，意味着每一次基础模型的进步，系统都会自动获益。

💻 16 天，比敏捷冲刺更长

演讲中一个震撼的数字：“我们跑过最长的任务持续了十六天，这比一个完整的敏捷冲刺还要长得多。”这一成绩得益于严格的串行执行架构和强大的验证闭环。在克隆 Slack 的实例中，系统 60% 的时间花在实现上，但验证环节几乎从不一次通过，这正是制度化的质量保障。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了全球知名播客《Huberman Lab》的一期深度对谈 Master Self Control & Overcome Procrastination | Dr. Kentaro Fujita

斯坦福大学神经科学教授 Andrew Huberman 邀请俄亥俄州立大学心理学教授 Kentaro Fujita 博士，围绕自我控制与动机背后的心理机制展开了一场既科学又实用的对话。Fujita 博士的研究揭示了为什么“知道该做什么”与“真正做到”之间常常存在巨大鸿沟，并提供了通过理解“为什么”、运用心理距离策略、调动内在动机等方法来克服诱惑、拖延和目标失败的科学方案。节目中，你将听到对经典棉花糖实验的重新审视，意志力是否有限的争议，以及一个涵盖“蝙蝠侠效应”、调节匹配、禁欲与适度权衡等在内的自我控制工具箱。无论你是想改善生活习惯、追求长期目标，还是单纯对大脑如何驱动行为感到好奇，这期节目都将为你带来深刻的启发。

👨‍⚕️ 本期嘉宾

Dr. Kentaro Fujita，俄亥俄州立大学心理学教授，长期专注于自我控制、动机与决策的心理学研究。他的工作挑战了许多关于意志力的流行观念，强调策略、心态与目标结构在自控中的关键作用，并为培养可持续的自控力提供了坚实的科学基础。

⏱️ 时间戳

00:00 开场 & 播客简介

棉花糖实验：自我控制是天生的吗？

04:29 经典的棉花糖实验：一颗糖与延迟满足的测试

06:59 信任的重要性：为什么孩子不相信实验者就不会等

09:47 争议与再分析：社会经济地位如何影响实验结果

12:15 被忽视的核心启示：自我控制是可以学习和提升的

意志力会耗尽吗？

15:11 身体运动如何影响抑制冲动的能力

20:12 “自我损耗”假说：做困难的事会耗尽意志力吗？

22:21 多实验室重复实验：损耗效应存在与否的激烈争论

25:13 信念的力量：你认为意志力有限，它就真的有限

策略胜过意志力：构建你的自控工具箱

27:20 意志力与自我控制的区别：为什么策略比硬扛更重要

30:01 以火攻火：用恐惧或更高目标来对抗当下的诱惑

35:17 思考“为什么”：激活更高层次的目的来增强自控

40:20 工具箱哲学：没有一种策略对所有人都有效

动机的舞蹈：热身、匹配与时间距离

42:58 调节匹配：为不同任务匹配正确的动机类型

49:15 优化文化的陷阱：为什么我们总在等待“完美时机”

56:35 为什么 vs 怎么做：心理距离如何影响你的选择

禁欲、适度与多目标平衡

01:07:00 禁欲还是适度？模式的力量与代价

01:14:22 做一个“长跑选手”：可持续自控的哲学

01:15:55 单一目标 vs 多个目标：如何平衡工作、生活与热爱

内在动机与心理距离策略

01:19:49 内在动机：你要真心热爱，才能走得长远

01:28:21 行动启动能量：为何有人能立刻行动，有人却总拖延？

01:31:03 心理时间旅行：用过去和未来锚定当下的行为

01:36:29 蝙蝠侠效应与榜样策略：用第三人称创造自控距离

01:42:28 音乐、怀旧与动机的锚定：如何用旋律唤醒力量

研究前沿与总结

01:52:48 日本文化中的智慧：正念、侘寂与Ikigai的启示

01:58:02 Fujita博士的下一步研究：多目标整合与目标对齐

02:00:24 结语与感谢

🌟 精彩内容

💡 棉花糖实验的真正遗产：自我控制是后天习得的

当大多数人用棉花糖实验来证明自控力天生注定时，Fujita 博士指出了常被忽视的关键部分：在原始实验中，孩子们被教会了各种策略（如遮住眼睛、想象棉花糖是云朵），并且这些策略能显著提高他们的等待时间。这证明自我控制不是固定的特质，而是我们可以学习、练习和提升的技能。

“那些知道哪些技巧管用、哪些不管用的孩子，长大后行为问题更少。自我控制不是我们天生就有的，我们可以变得更好。”

🔍 意志力会被耗尽吗？科学说：不一定

“自我损耗”理论曾风靡一时，认为意志力像肌肉一样会被用光。但近年的大规模重复实验得出了矛盾的结果。Fujita 博士指出，你在做困难事情之后是感到疲惫还是精力充沛，很大程度上取决于你自己的信念。如果你相信意志力无限，它就更可能无限。这一发现为你重塑自控力提供了强大的心理杠杆。

🧰 不要给诱惑公平对决：构建你的自控工具箱

面对诱惑时，硬扛往往是最无效的策略。Fujita 博士分享了多种科学验证的方法：思考你的“为什么”（更高层次的目的）、想放纵的短期损失（比如吃完蛋糕后的疲惫）、模仿你钦佩的榜样（“蝙蝠侠会怎么做？”）、以及用第三人称指代自己来创造心理距离。关键是找到适合你的工具组合，并动态调整。

🏃 动机需要热身，而非开关

我们无法像机器一样瞬间进入专注状态。Fujita 和 Huberman 都强调了“热身”的重要性：你需要给自己一些时间，让思绪、动机和生理状态逐渐对齐。而且，做困难事情后的成就感本身就是一种强大的奖励，它能形成良性循环，让你下次更容易开始。

🇯🇵 来自日本文化的启示：Ikigai 与侘寂

Fujita 博士分享了他对 Ikigai（在平凡任务中找到生命意义）和侘寂（在不完美中看见美）的理解。这些概念为我们提供了一种脱离“优化文化”的视角：与其等待完美的条件，不如在不完美的现实中，为自己所做的事情注入意义，从而获得持续的动力。在平凡中见神圣，这可能正是长期自控的终极心法。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是知名播客《The Joe Rogan Experience》的一期深度对谈 Joe Rogan Experience #2496 - Julia Mossbridge

主持人Joe Rogan与嘉宾Julia Mossbridge博士探讨了预知、心灵感应与意识的本质。Julia Mossbridge是一位敢于挑战学术禁忌的认知神经科学家，她在节目中分享了自己从童年预知梦到科学实验、从量子逆因果到政府秘密项目的惊人经历。如果你曾对超常感知、心灵现象或人类意识的潜力感到好奇，这期节目将为你打开一扇通往未知的大门——在客观数据与个人体验的交织中，重新思考什么是“真实”。

👨‍⚕️ 本期嘉宾

Julia Mossbridge博士，认知神经科学家、AI研究者、作家。她在西北大学获得博士学位，曾于加州大学旧金山分校等机构从事神经科学研究。因公开研究预知、心灵感应等超常现象而备受主流学术圈排斥，但她坚持将科学方法引入这些边缘领域。她创立了非营利组织Applied Love Labs，开发“时间机器”等工具，借助爱与时间视角帮助人们疗愈创伤。她的新书《Have a Nice Disclosure》探索了内在空间与自我揭露。

🌟 精彩内容

🧠 语言正在压抑你的超自然能力？

Julia分享了一项研究：大脑左额叶眶部受伤的患者，竟然能用意念移动屏幕上的光标。而正常人只要抑制该区域，就能短暂地“解锁”这种能力。她认为我们天生都有心灵感应等超感知觉，只是被语言和逻辑思维压制了。

“当你在左脑区域抑制它的活动，这些超感知觉就出来了。”

👽 非口语自闭症孩子的“心灵感应接力”

在Julia的实验中，两个从未谋面的非口语孩子，先后说出了完全相同的想法——包括一个“海滩球撞击”的方法来帮助实验对齐时间线。他们甚至互相聊起“双人约会”，而彼此的父母和沟通伙伴根本没有任何物理接触。

“他完全不在那栋楼附近。他就这么走进来说海滩球撞击是个好主意。”

⏳ 光子能预测未来？

Julia设计了一个逆因果实验：随机决定实验时长，然后分析前30秒光子的干涉图案。结果发现，图案竟然能提前“预知”灯会在何时熄灭，仿佛光子从未来接收到了信号。

“光子会从未来得到一点回响，告诉我们要表现成什么样子。”

🕵️ 被国家遗忘的天才班往事

Julia回忆自己七年级时参加了一个名为SOAR的项目，每次喝完一种粉红色饮料后，就会失去关于房间里发生的一切记忆。多年后她发现，SOAR的原名是“主动研究的学生们”（Students on Active Research），并且可能与跨代核辐射试验有关。

“我记得沿着走廊走到那间屋子，心里充满恐惧，然后打开门……之后就完全断片了。”

❤️ 时间机器与爱的回响

Julia创办了Applied Love Labs，开发了一款“时间机器”应用，让用户给过去的自己发送音频消息。退伍军人、成瘾者和囚犯用它来获得希望，在时间维度上体验“无条件的爱”。

“它就像无条件的爱本身，在时间上延展开来。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了Anthropic公司内部的一场深度分享会 Running an AI-native engineering org

主讲人Fiona Fung，是Claude Code和Cowork的产品与工程负责人。她毫无保留地分享了在AI使写代码不再成为瓶颈的全新背景下，工程团队应该如何“重写”内部的流程与组织规范。从代码审查、计划方式到团队结构，Fiona用Claude Code团队的真实案例揭示：以前管用的东西今天未必还管用。如果你正在领导或参与一个被AI加速的工程团队，这期分享将带给你大量可立即落地的启发。

👤 本期嘉宾

Fiona Fung，Anthropic公司Claude Code和Cowork的产品与工程负责人。在加入Anthropic之前，她曾在Meta和微软带领多个大型产品团队，拥有丰富的工程管理经验。

🌟 精彩内容

💡 瓶颈转移：当写代码不再昂贵

Fiona 指出，随着 Claude 等AI工具将代码编写的成本急剧拉低，过去几十年围绕“工程带宽最贵”建立的所有流程——从敏捷到瀑布，从设计文档到代码所有权——都在悄然失效。她提醒领导者，必须主动审视这些旧流程并勇于调整，否则团队会被过时的规范拖累。

“当瓶颈转移后，你怎么去调整它周边的一切？”

🛠️ 技术讨论新范式：代码说了算

在 Claude Code 团队，技术争论不再依靠漫长的设计文档评审，而是直接生成多个可运行的 PR 进行对比。Fiona 分享了她为一次重构生成三个不同方案的亲身经历，展示了如何在讨论实现的同时评估对下游的影响，大大加快了决策速度。

“在技术讨论里，代码说了算。”

🚀 组织扁平化：经理从IC做起

为了保持敏捷和深度的产品理解，Fiona 坚持极度扁平的组织结构，并顶住招聘团队的压力，要求所有经理先以个人贡献者身份加入，亲自使用 Claude Code 开发。她认为这种“dogfooding”文化是推出好产品的关键。

“我要求 Claude Code 团队里的每个经理，一开始都得先当 IC。”

🧹 “最吵工作流”法则：干掉那些没用的流程

Fiona 用亲身经历说明，许多流程只是惯性存在，早已失去价值。她建议找出团队中“最吵”的那个工作流——最费钱、最让人头疼的事——然后只问一句：“它现在还有用吗？”往往答案就是把它直接取消。

“明确给你许可，去干掉那些流程。因为，流程它自己能把自个儿玩死。”

🤖 信任但要核实：自动化审查的边界

虽然 Claude 已可处理大部分审查，但 Fiona 强调在安全、法务和产品品味等关键领域，人类判断仍不可替代。她提出“信任但要核实”原则，并随着模型能力的快速提升持续重新评估自动化与人工的平衡点。

“信任但要核实。比如法务审查，我肯定永远要让法务伙伴参与进来。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：顶尖投资播客《Invest Like the Best》Legendary Trader Paul Tudor Jones on AI Risk, Bubbles and Buffett

主持人 Patrick O'Shaughnessy 与宏观交易传奇人物 Paul Tudor Jones 进行了一场极其真诚且深刻的对话。从白银逼仓的疯狂到互联网泡沫，从人工智能的风险到交易员的日常，从童年奇遇到慈善之路，Paul 分享了他五十年职业生涯的宝贵经验，以及对人生意义和善意的终极感悟。这将不仅是一堂投资大师课，更是一次关于生命价值的深度探索。

👨‍💼 本期嘉宾

Paul Tudor Jones，Tudor Investment Corporation 创始人兼首席投资官，宏观交易领域的标志性人物，也是知名慈善机构罗宾汉基金会的创办人。他以精准的宏观交易和风险管理闻名，并积极投身教育和社会公益事业。

🌟 精彩内容

💡 白银逼仓的疯狂与教训

1980年，邦克·亨特在白银市场逼仓，从世界首富到几乎破产仅用六周。Paul 亲眼见证这一幕，因此终生拒绝长期持有任何资产，并将流动性刻入骨髓。

“你的身家只等于你明天能开出的那张支票的金额。”——这是祖父给 Paul 的最深刻教诲。

💡 巴菲特：复利的教父

Paul 曾多年嘲讽巴菲特，直到听了 Acquired 播客才明白巴菲特九岁便理解复利的力量，于是诚恳道歉：“你是复利的教父，我真希望我有你十分之一的聪明。”

“真正赚钱靠的是死死地骑着趋势不放，骑得越久越好。或者你可以学沃伦·巴菲特，做一个一分钱都舍不得花的价值投资者。”

💡 AI 的威胁与监管紧迫性

Paul 描述了一次只有 35 人参加的 AI 安全会议，共识竟是“等哪天死了五千万到一亿人，才会真正行动”。他呼吁强制 AI 内容加水印，严惩深度伪造，担忧人机混合体的未来。

“精灵已经出瓶了，我不知道还能不能把它塞回去。”——巴菲特对 AI 的评论。

💡 童年善举的涟漪

三岁时与母亲走散，一位黑人老先生帮助并拒绝报酬，让 Paul 为他祷告了 12 年、数千次。这段经历最终促使他创立 Robin Hood 基金会，并推动教育公平。

“一个简单的善举可以掀起一波又一波的善的涟漪。”

💡 人生终极建议

Paul 认为精彩人生由五要素构成：上帝、家庭、朋友、乐趣与服务。他鼓励每个人每天刻意行小善，用善意征服他人。

“你只需要用善意去征服他们。你不需要老想着自己，你需要想的是：我要怎样去点亮别人的一天？”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了硅谷顶尖创投播客《Lenny's Podcast》The force that destroys companies from within (and how to resist it) | Eric Ries, Lean Startup

本期嘉宾 Eric Ries 是《精益创业》作者，十五年后他携新书《Incorruptible》回归。在这期深度对谈中，Eric 揭示了一个令人警醒的真相：绝大多数伟大公司的覆灭，并非因为竞争，而是被自身的成功生生压垮。他将这种宿命般的力量称为“那股没人能控制、但所有人都服从的力量”。从诺和诺德的百年治理到 CloudFlare 的坚守原则，从 OpenAI 的结构内斗到 Anthropic 的使命防线，Eric 用大量震撼故事和具体策略，为每一位创始人、产品经理和领导者，提供了一套防止组织腐化、实现基业长青的实战蓝图。

👨‍⚕️ 本期嘉宾

Eric Ries，畅销书《精益创业》作者，长期证券交易所（LTSE）联合创始人，企业治理与使命驱动型组织领域的开拓者。他的新书《Incorruptible: Why Good Companies Go Bad and How Great Companies Stay Great》于2026年5月出版，被誉为创业者的“防身手册”。

🌟 精彩内容

💡 成功本身成了最大的包袱

Eric 开篇便抛出警句：“各种各样的有名公司，毁掉它们的并不是竞争。它们的成功本身反倒成了最大的包袱。”他列举了 Vital Farms 鸡蛋、联合利华赫尔曼蛋黄酱等案例，说明一旦创始人失去防线，短期利润逻辑就会像锈蚀螺栓一样瓦解整个组织，最终连最忠实的客户都会离你而去。

🛡️ “越难越简单”原则

Eric 提出了一个反直觉的公式：在决策时坚守原则，短期虽难，长期却会带来意想不到的回报。他生动讲述了 CloudFlare 的经典故事：当初级工程师质疑为何要对“打造更好互联网”使命中的加密收费时，CEO Matthew Prince 没有打发他，而是说“我们来想办法”。最终他们将最赚钱的 SSL 加密免费化，虽一度拉低转化率，却让销售漏斗顶层暴增一个数量级，成就了今天的700亿美金帝国。

⚖️ 最简单也最被低估的武器：公共利益公司（PBC）

Eric 强调，成为一家“公共利益公司”（PBC）是创始人能为自己和使命提供的最有力保护。这只需要在注册公司时勾选一个选项，并在章程中写下具体的公益目的。Anthropic、GoFundMe 等企业正是这样设置的。Eric 直言：“如果连这都不做，我就没法帮你了。这件事绝对没有任何坏处。”

🏛️ OpenAI 与 Anthropic 的治理血战

Eric 以董事会观察员身份，揭示了 OpenAI 的原始结构缺陷：非营利母公司与营利子公司之间的“受托责任”迟早会撕裂组织，这正是2023年那场宫斗的根源。而 Anthropic 从成立第一天就选择了长期利益信托，由独立的 AI 安全专家监督使命，这让他们有底气拒绝发布危险模型、拒掉两亿美元的军方合同，并依然打破增长记录。

🚀 创始人马上能做的三件事

针对早期创始人，Eric 给出了极简行动清单：1. 立刻将公司设为 PBC 并写下宁死不肯背叛的使命；2. 制定“董事誓言”作为董事会准入门槛；3. 理解并配置创始人优先股，加入使命保护条款。他警告：所有顾问都会骗你“成功以后再说”，但拖延的唯一结局，就是五个月后被自己创立的公司扫地出门。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了全球顶尖的科技与商业播客《The All-In Podcast》。四位硅谷最敢说的投资人——Chamath Palihapitiya、David Sacks、Jason Calacanis 和 Brad Gerstner——围绕埃隆·马斯克将 xAI 算力租给 Anthropic 的重磅交易，展开了一场火花四溅的激辩。从 AI 是否正在催生人类史上最大的垄断，到白宫“AI 的 FDA”传言的真相，再到 AI 经济繁荣是否真的惠及了社会底层，这期节目堪称科技与资本的“吵架式”深度剖析。你将听到他们对算力、监管、利润率和美国竞争力的犀利观点，以及那些令人拍案叫绝的讽刺寓言和硬核数据。

👥 本期主持

Chamath Palihapitiya：Social Capital 创始人兼 CEO，前 Facebook 高管，以激进投资和挑战主流观点闻名。

David Sacks：Craft Ventures 联合创始人，前 PayPal COO，AI 安全与竞争政策领域的深度参与者。

Jason Calacanis：硅谷超级天使，Launch 加速器与《This Week in Startups》主持人。

Brad Gerstner：Altimeter Capital 创始人兼 CEO，科技投资界重量级声音，Anthropic 等 AI 公司的早期支持者。

🌟 精彩内容

💡 埃隆的王牌：从 xAI 到 EWS

“Elon 现在既能拥有一家前沿模型公司，又不必背上那些巨额的、还没有收入支撑的资本支出，因为他可以把这部分算力租出去。所以我认为这解决了他们一个重大的资产负债表问题。” —— David Sacks

💡 “安全石油”寓言：当垄断穿上“安全”的外衣

“想象一下，如果洛克菲勒当年极擅长公关……他给她公司起名不叫标准石油，而叫安全石油……人们可能甚至把洛克菲勒叫做‘有效利他主义者’，因为他当然是对自己产品的安全如此上心啊。” —— David Sacks

💡 500 天后的清算时刻

“你不能只是为一个市场生产东西，但这个市场本身却没有可衡量的收益。……我觉得我们大概有五百天的时间，你必须净做多。但在大概五百天之后，你会面临一个重要的清算时刻。那些为所有这些算力付费的人，必须看到实际的收益。” —— Chamath Palihapitiya

💡 AI 繁荣：数据不说谎

“现在 AI 在失业率、经济增长和生产率提升方面正带来巨大的净收益。我们需要讲述这个故事，但我们也需要带来实际的净收益。” —— Brad Gerstner

💡 创新停滞与马斯克溢价

“所有这些公司其实估值都非常合理。而马斯克世界获得了一个溢价。这个溢价就是因为……其他所有人都停止了创新。人们只知道怎么从石头里榨出更多的血，怎么优化广告投放，而这些对社会再也没有用处了。” —— Chamath Palihapitiya

💡 让市场工作

“如果你让市场自由运作，我们正进入一个丰裕时代。很多这些问题都会被解决。……让市场运作，政府靠边站，保持安全。我们正走在一条好轨道上。” —— Brad Gerstner

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名播客《Dwarkesh Patel》的一期深度对谈 David Reich – Why the Bronze Age was an inflection point in human evolution

主持人 Dwarkesh Patel 与哈佛大学古DNA教授 David Reich 深入探讨了人类基因组在过去一万八千年里经历的自然选择。David Reich 是古DNA领域的顶尖学者，他的实验室通过分析海量古代人类遗骸的DNA，揭示了演化史上许多不为人知的剧烈变化。在这期节目中，你将听到一个颠覆传统认知的演化故事：青铜时代才是人类生物学性状发生剧烈选择的关键拐点，其强度甚至超越了农业起源。Reich 教授还讨论了智力、体脂、免疫等性状的演化逻辑，以及一个关于尼安德特人与现代人关系的全新假说，彻底刷新你对人类历史的想象。

👨‍⚕️ 本期嘉宾

David Reich，哈佛大学古DNA教授、哈佛医学院遗传学系教授。他是古DNA领域的先驱，通过工业化的测序流程生成了大量古代基因组数据，用以研究人群迁徙、混血和自然选择。其著作《Who We Are and How We Got Here》广受赞誉。本次访谈基于其团队最新预印本论文，为我们呈现了一幅人类近期演化的全景图。

⏱️ 时间戳

00:00 开场与本期梗概

01:35 David Reich 的惊人引言：青铜时代的剧烈扭转

研究背景与方法

02:01 嘉宾介绍：古DNA究竟研究什么？

04:34 为什么等位基因频率变化是自然选择的窗口

05:36 打破沉寂：自然选择信号遍布基因组

在迁徙的噪音中捕捉选择

08:54 人群替代不算自然选择？如何区分两者

10:47 方法创新：把历史切割成一个个“小自然实验”

青铜时代：演化的真正拐点

16:21 免疫与代谢性状为何在四千年前加速演化

18:37 色素脱失、血型、结核病风险等具体案例

20:53 为什么青铜时代的冲击超越了农业革命？

意想不到的智力选择

24:20 多基因分数显示认知特质在青铜时代受正向选择

29:27 并非“受教育年限”本身，而是延迟满足等深层特质

33:10 为何狩猎采集者的智力没有被“拉满”？

体脂、代谢与免疫的演化逻辑

38:09 节俭基因假说：农业如何逆转体脂选择压力

42:22 复杂性状的巨大多样性与适应性设定点

农业为何迟到的万年谜题

48:31 五万年前的人类已具认知能力，为何农业姗姗来迟

49:35 气候稳定假说与全新世的独特性

重写尼安德特人的身世

55:22 一个新模型：现代人与尼安德特人的文化纽带

01:07:18 母系/父系扩张如何解释Y染色体与线粒体DNA之谜

01:15:49 一个更简洁的演化拼图

古DNA技术革命

01:19:42 测序成本下降百万倍与样本量爆发

01:26:20 用现代性状关联研究独立验证选择信号

01:34:07 总结与致谢

🌟 精彩内容

💥 青铜时代：超越农业的演化飓风

David Reich 的团队发现，人类在青铜时代经历的自然选择强度远超农业诞生之初。免疫、代谢、色素等性状的基因频率在四千到五千年前发生剧烈偏移，表明这一时期对人类生物学的冲击比驯化作物更为根本。“进入青铜时代的这种剧烈扭转，在程度上有可能是超过最初转向种植作物那一次转变的。”

🧠 智力演化的逆袭：文明开端催生认知需求

与“古人比现代人聪明”的流行看法相反，研究表明与智力相关的多基因分数在青铜时代快速上升，近两千年则趋于平稳。这反映了复杂社会对规划、延迟满足等特质的强烈选择，颠覆了狩猎采集者需要更高智力的直觉。

🏃 体脂与免疫的演化权衡

农业带来的食物稳定性削弱了囤积脂肪的优势，导致肥胖、糖尿病相关等位基因频率下降；而免疫基因则因高密度聚居和家畜共居而受到强烈的正选择。这一发现为现代代谢疾病提供了深远的历史视角。

🎭 尼安德特人新假说：我们共享的文化与基因

David Reich 提出颠覆性观点：中石器时代革命可能由一群现代人祖先发起，他们扩散入欧洲与古人类混合，形成了尼安德特人，但保留了现代人文化（勒瓦娄哇技术）和母系/父系遗传标记。这使尼安德特人在文化意义上更接近“表亲”，挑战了纯粹的基因谱系模型。

🧬 自然选择无处不在：基因组在“振动”

通过对逾两万个古基因组的分析，团队发现自然选择并非沉寂，而是几乎作用于基因组的每一个角落。即便选择只占频率变化的2%，它也在所有位置上拖曳着等位基因，整个基因组处于持续的适应性“振动”中。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：商业播客《Acquired》Hermès (Audio) 第十四季的一集深度剖析。主持人是本·吉尔伯特和大卫·罗森塔尔。他们以讲述伟大公司的故事和经营策略著称，这期聚焦于传承近两百年的法国奢侈品牌爱马仕，带听众走进这家神秘而纯粹的家族企业。在这期节目中，你将听到爱马仕从1837年创立至今的完整历史：它是如何从一间马具作坊成长为市值两千亿美元的手工帝国；家族六代人如何抵御现代商业的诱惑，坚持工艺至上；一场惊心动魄的收购大战如何让家族团结一致，成功抵御LVMH的伯纳德·阿尔诺；以及爱马仕如何通过反常识的经营策略，在规模化与稀缺性之间找到完美平衡。

👨‍💼 原播客主持

本·吉尔伯特（Ben Gilbert）与大卫·罗森塔尔（David Rosenthal），著名商业播客《Acquired》的联合创始人，以深度的公司故事分析与策略拆解闻名。

⏱️ 时间戳

00:00:00 开场 & 节目介绍

爱马仕的诞生与早期根基

02:12 爱马仕简介：1837年创立，奢侈品皇冠上的明珠

05:30 创始人蒂埃里·爱马仕：孤儿、德国难民、巴黎马具匠

08:47 拿破仑三世与奥斯曼改造巴黎：炫耀性消费的温床

13:52 欧仁妮皇后的共同青睐：路易·威登与爱马仕的起点

15:32 第二代查尔斯-埃米尔：入驻福宝圣奥诺雷街24号

19:49 第三代“爱马仕兄弟”与首款皮包 Haut à Courroies

从马具到现代奢侈品

23:09 埃米尔的美国之行：遇见亨利·福特与拉链，预见汽车时代

27:50 买断兄弟股份，果断转型汽车配件与手袋

30:22 1925年正式开创手袋业务；成衣、珠宝、腕表陆续加入

34:53 第四代罗伯特·杜马斯：用艺术与奇思妙想重塑品牌

37:58 设计 Sac à dépêches（日后的凯莉包）与锚链手链

40:46 1937年经典丝巾诞生；从女王头巾到法国文化的象征

47:01 二战催生的经典：橙色包装盒的意外诞生

51:23 源自油画的马车标志：深深扎根于历史

标志性传奇：凯莉包与铂金包

56:53 格蕾丝·凯利用它遮孕肚，凯莉包一夜成名（1956）

01:00:14 第五代让-路易·杜马斯登场，拒绝咨询顾问的“现代化”药方

01:06:18 马鞍针法揭秘：一件匠人手工、不可复制的灵魂

01:18:57 让-路易的美国留学与爱马仕的年轻化革命

01:22:56 丝巾配牛仔裤：老灵魂的时髦新演绎

01:27:00 飞机上的偶遇：简·柏金与铂金包的诞生（1984）

01:35:19 买不到的渴望：凡勃伦商品与超级稀缺性的构建

伯纳德·阿尔诺的敌意收购与家族堡垒

01:48:12 伯纳德通过股权互换秘密蚕食，十年潜伏

02:04:13 2010年突袭：LVMH宣布持股14.2%，敌意公开

02:08:41 家族闪电反击：成立H51，锁定50.2%股权二十年

02:15:42 伯纳德虽败犹赚：股权置换获利数十亿，无人是输家？

现代爱马仕：手工帝国的扩张法则

02:17:38 第六代双星：阿克塞尔（CEO）与皮埃尔-亚历克西斯（艺术总监）

02:19:30 自建学校、培训工匠，每年新增五百名手艺人

02:21:58 每个工坊不超过300人：去中心化的匠人网络

02:27:59 与苹果手表合作：科技与奢侈的联姻还是品牌亵渎？

02:36:42 今日数据：皮具占43%，亚洲（中国）贡献近一半营收

独有的商业模式与策略分析

02:53:31 护城河解构：品牌力量、垄断资源与反定位

02:57:55 完美对立面：爱马仕与路易威登的两种极致路径

03:00:35 没有营销部的公司：支配客户、活动为王的反逻辑

03:03:50 社群与口碑：明星付钱代言，真实渴望胜过广告

03:14:42 价值创造：一套无法复制的完整奢华体验

结尾与推荐

03:20:00 主持人的最大收获：乐趣与不竞争的艺术

03:26:20 个人推荐：Anker氮化镓充电器、稍后读App Matter、AI Search利器Perplexity

03:31:24 书籍推荐：Bill Walsh《The Score Takes Care of Itself》

03:36:49 致谢与本期参考来源

🌟 精彩内容

💡 孤儿创始人到皇家工匠

蒂埃里·爱马仕在拿破仑战争中失去所有亲人，孤身一人赴巴黎学习马具制作，最终成为皇室的御用匠人，奠定了品牌不可动摇的工艺传统。

🛠️ 马鞍针法：难以复制的工艺护城河

爱马仕坚持每件皮具由一位工匠用马鞍针法纯手工完成，这种工艺让产品拥有极强的耐用性与“灵魂”，也让任何对手都难以在不牺牲品牌基因的前提下追上。

👜 凯莉包与铂金包：偶然与传奇的诞生

两款包分别因格蕾丝·凯利和简·柏金而命名，背后是格蕾丝遮孕肚、简·柏金抱怨篮子等趣味故事。它们的稀缺性与等待名单成就了奢侈品史上最成功的营销神话。

🛡️ 家族御敌：H51联盟奇招挫败阿尔诺

面对LVMH的敌意收购，八十多名家族成员联合将超过50%的股权锁入至少二十年不可出售的实体，用近乎浪漫的团结守住了近两百年的独立。

🌐 拒绝营销与支配客户

爱马仕没有市场营销部门，不做明星代言，而是通过艺术活动、橱窗梦境和口口相传的社群来维护品牌纯粹感。这种反现代化策略让顾客更加痴迷。

🏭 手工帝国的扩张悖论

每年新增数百名工匠，自建培训学校，保持每个工坊不超过三百人，爱马仕在拒绝工厂化与拥抱规模之间走出了一条独一无二的“横向扩展”的手工之路。

🌐 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；如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：《How I Write》的一期写作对谈 Pulitzer Prize-Winner Explains His Writing Process — Richard Powers

主持人大卫·佩雷尔与普利策奖得主、小说家理查德·鲍尔斯深入探讨写作的方方面面。理查德是《树冠》的作者，擅长用诗意的语言书写人与自然。在这期节目里，他毫无保留地分享了自己的创作工具箱：从如何通过核心价值观冲突塑造人物，到三种戏剧类型（人与自己、人与人、人与自然），从词语的语域选择到句法的悬念营造，再到如何将科学认知与万物有灵的诗意融合。他还谈到自己独特的写作日常，以及在独处与融入世界间寻找灵感的哲学。这不仅是写作课，更是一场关于注意力、同理心和生命意义的对话。

👨‍⚕️ 本期嘉宾

理查德·鲍尔斯（Richard Powers），美国著名小说家，2019年凭借《树冠》（The Overstory）获得普利策奖，代表作还包括《上层林》《Playground》等。他以融合科学、技术、生态与人文关怀著称，作品屡获殊荣，被公认为当代最重要的小说家之一。他曾任教于多所大学，在小说中不断追问人类如何在技术与自然的张力中寻找意义。

⏱️ 时间戳

00:00 开场 & 播客简介

人物与戏剧：故事的骨骼

01:29 人物是复杂的：小说家如何洞察隐藏的动机

04:05 与角色保持亲密：借人物处理未完成的戏剧

06:41 人物洋葱模型：从外表特征到核心内在价值

09:35 核心价值冲突：把角色逼到墙角，看他如何选择

10:25 三种戏剧：人与自己、人与人、人与环境的永恒冲突

自然、科学与小说的共情力量

16:27 走进树的意识：如何培养对非人类世界的同理心

19:06 科学认识与万物有灵论：两者必须并行才有出路

21:04 故事改变行为：小说如何激发共情与利他行动

炼字成句：措辞、句法与描述的艺术

23:04 句子的韵律与节奏：如何用句法营造情感

26:20 词汇的阶级密码：拉丁词与古英语词的微妙差异

27:46 三种句子模式：前置谓述、后置谓述与劈开谓述的魔法

32:14 描述性写作：用拟人化让树拥有肌肉和生命

34:25 惊喜收尾：在句子末尾打破读者的期待

写作的匠人旅程：修改、沮丧与自我修正

37:56 永无止境的修改：初稿只是给自己的笔记

38:55 与沮丧共处：放松、原谅，让写作如冲浪

开篇与对话：结构中的张力

40:01 开篇句子的艺术：从宇宙定场镜头到全书预言

48:03 对话写作：在真实与超现实之间捕捉人的荒诞

创作哲学：注意力、融合与独处

52:47 注意力是意义的来源：细看之下，万物皆独特

53:30 左右脑的融合：让结构、情感、人物和谐拉动雪橇

54:22 独处中的创作：感官剥夺与山林漫步的切换

写作日常与实践

56:09 写作如乐器：手写、打字、语音输入的不同音色

57:05 从每日千字到散步成章：四十年的日常演化

58:52 结束语

🌟 精彩内容

💡 人物塑造与核心价值冲突

“把他逼到墙角。那才是活着的戏剧所在。你能跟自己相处下去吗？当你不得不做一些你平常讨厌做的事，但环境迫使你必须这么做的时候。” Richard 分享了人物塑造的“洋葱模型”，从外表特征深入到核心内在价值，并指出最精彩的戏剧来自价值冲突——当角色必须在诚实与忠诚、自由与平等等核心价值中做出抉择时，故事便拥有了撼动人心的力量。

🌿 只有好故事才能改变人心

“世界上最好的论点不会改变一个人的想法。唯一能做到那一点的，是一个好故事。” 通过朗读《树冠》中的句子，Richard 展示了小说如何用情感和认同唤醒读者内心的共情，甚至影响他们的现实选择。他坚信，我们必须同时用科学家的眼睛和万物有灵论者的心灵去认识世界，才能在生态危机中找到出路。

✍️ 语言的秘密：语域、句法与描述的魔力

“每个孩子的树都有自己的卓越之处。” Richard 深入讲解了如何通过词汇的拉丁/盎格鲁撒克逊语源选择传递阶级感，如何利用句子的谓述前置或后置制造悬念或冲击，以及如何通过拟人化的描写让静物栩栩如生。他分享了自己对句子永无止境的打磨，将写作比作冲浪，鼓励写作者放松、原谅自己，在不断的修改中逼近完美。

🏔️ 独处与日常：让创作从世界的丰沛中自然涌现

Richard 坦言自己的写作日常经历了巨大转变：从早年每天早晨力求写出1000字的纪律，到如今把“置身于活生生的世界”作为第一要务，让句子从山林漫步中自然涌现。他讨论了独处与融入世界的平衡，以及手写、键盘、语音输入等不同工具如何影响语言的特质。对于他来说，写作不再是一项任务，而是一个持续的、与生命共同生长的过程。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本节目克隆了 Invest Like The Best 的 How Brian Chesky Is Redesigning Airbnb for the AI Era

嘉宾是Airbnb联合创始人兼CEO Brian Chesky 他从一个学工业设计、吹气垫床起家的年轻人，到执掌千亿美元市值的公司，并在疫情期间重新接管公司，提出“创始人模式”概念。在本期深度对话中，Brian分享了工业设计如何塑造他的CEO视角，为什么创始人模式比传统管理更有效，以及他正在探索的“AI创始人模式”。他还讨论了大公司在AI时代如何像创业公司一样创新，消费级AI的巨大潜力，以及他如何通过“十一星体验”等设计思维工具来激发团队的创造力。此外，Brian坦陈了自己从追求外在认可到回归内在动力的心路历程，并分享了他独特的招聘哲学、健美带来的坚韧精神，以及支撑他不断前行的终极信念：创造伟大的东西，并相信他人。

👤 本期嘉宾

Brian Chesky，Airbnb联合创始人兼CEO。他毕业于罗德岛设计学院，工业设计背景。2007年，他与联合创始人从旧金山的公寓里出租气垫床开始，创办了Airbnb。在他的领导下，Airbnb成长为全球领先的住宿及体验平台，年总销售额近千亿美元。2020年，他带领公司度过疫情危机并成功上市。他提出的“创始人模式”在硅谷引发了广泛讨论，如今他正致力于将Airbnb从一间“租房公司”转变为以人为中心的平台，并积极探索AI对组织和产品的重塑。

⏱️ 时间戳

工业设计：CEO的另类训练

00:00 没人天生是好CEO：创始人模式与CEO模式的核心差异

04:29 从牙刷到宇宙飞船：工业设计的广度如何塑造了全栈思维

05:39 设计师即产品经理：为什么工业设计是CEO的完美预科

创始人模式的觉醒

06:42 什么是创始人模式？——不要为自己想怎么管公司而道歉

08:15 疫情危机：从放权到重新接管一切，从失控到亲力亲为

10:37 先掌控，再放权：为什么你应该不情愿地一点点放手

AI时代的组织设计

11:08 AI创始人模式：比创始人模式更深入，按需获取一切信息

12:51 消失的中层：每个人都必须是混合型选手，既管人又做事

15:05 两类会被AI淘汰的管理者：纯粹的人事经理和思维僵化者

15:25 下一波是消费级AI：为什么这会是最大的奖，以及给创业者的四个建议

在巨无霸中保持创业精神

19:26 Project Hawaii：仅用十人团队创造数亿美元增长的内部创业法

24:01 “一到十到多”：如何通过小市场试点实现产品市场契合

25:04 让一百个人爱上你，好过让一百万人只是有点喜欢你

简洁、匠心与十一星体验

30:20 Hiroki Asai的传承：从乔布斯那里学到的“简洁”与“匠心”

34:56 十一星体验：通过极致荒诞的思想实验，找到产品差异化的秘密

38:11 AI将重启人类的创造力：我们如何从消费者变为创造者

从奉承到纯粹：领导者的内在重塑

40:49 奉承是杯有洞的杯子：为什么追逐成功会让你更空虚

44:26 焦点不是“成为谁”，而是“做什么”——重新找回艺术家的本质

持久与变革：Airbnb的未来基石

46:19 火腿三明治 vs 创始人：如何在科技领域构建百年企业

51:09 我的基岩：把Airbnb的基本单元从“房子”变成“人”

55:20 软件不会持久，但社区、理念与信任会长存

健美的智慧与招聘的艺术

58:20 从健美中学到的人生两课：改变身体就能改变人生，以及每天进步1%

01:01:20 招聘是CEO的第一要务：如何用“管道式招聘”找到最顶尖的人

01:06:12 亲自担任前两百人的招聘经理：为什么在招人上花的时间越多，管人时间就越少

相信的力量与艺术家的终局

01:08:31 我的动力是艺术家的动力：像达芬奇、梵高那样，纯粹去创造

01:10:38 AI给了每个人画笔：这是人类历史上最激动人心的时代

01:12:05 别人为我做过的最善良的事，是相信我——将这份信任传递下去

🌟 精彩内容

🎨 工业设计出身的CEO

Brian Chesky是工业设计师出身，他认为工业设计天然培养了产品经理思维——设计师必须懂用户旅程、技术、商业和同理心。这让他坚信，优秀的CEO应该像设计师一样深入细节。“在工业设计里，没有产品经理，设计师自己就是产品经理。”这段经历直接孕育了他后来的“创始人模式”。

💡 创始人模式 vs. AI创始人模式

Brian分享了他从过度授权、公司失控到疫情中重新接管一切的顿悟：创始人必须深入到细节，先掌控再放权。他进一步提出“AI创始人模式”，即借助AI按需获取信息，彻底扁平化管理，让每个人既是管理者又是创造者。“纯粹的人事管理者在AI时代将无法生存，每个人都必须既管人又做事。”

🚀 消费级AI是下一个大奖

在所有人都涌向企业级AI时，Brian预言消费级AI的复兴将在12-24个月内到来。他警告，做消费级AI需要独特的商业模式、分发策略和爆款思维，而不仅是技术。“我手机主屏幕上的每个应用，自AI出现以来都没有根本性变化，包括Airbnb。两年内这会改变。”

🏡 把Airbnb从房子变成人

Brian首次详细透露了他对Airbnb未来的“基岩”设想：将平台的基本单元从住宿房子转变为“人”。他希望建立互联网上最可信的身份认证、最丰富的偏好库以及现实世界的社交网络，像亚马逊一样拓展到几十种服务，并用AI实现自我颠覆。

💪 健美的启示：每天进步1%

Brian年轻时曾为全国顶尖健美选手，他将健美的“渐进超负荷”原则应用到创业和领导力中。“你无法一天练出好身材，关键是每天进步百分之一。”他把这转化为对人才、产品和过程的科学化衡量，以及永不放弃的纪律。

👥 招聘的终极秘诀：管道式招聘

Brian认为招聘是CEO最重要的任务，他亲自担任前200名员工的招聘经理，每天花两三个小时在招聘上。他的核心方法不是搜索简历，而是通过口碑引荐建立永久性人才管道，从成果倒推找人。“你在招聘上花的时间越多，管理上花的时间就越少，因为真正厉害的人都是自我驱动的。”

❤️ 相信是一种超能力

当被问及“别人为你做过的最善良的事是什么”，Brian的回答是“相信我”。他分享了自己被老师、投资人、联合创始人信任的关键时刻，并指出，通往幸福和成功的道路在于相信自己，并将这份信任传递下去。“你一生中最该相信的那个人，就是你自己。”

🌐 播客信息补充

翻译克隆自：Invest Like The Best with Patrick O'Shaughnessy

本播客采用原有人声声线进行播客音频制作，可能会有少量不自然之处；

使用AI进行翻译，因此可能个别地方不够通顺；

如需收听其他外文播客的中文版，欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了世界顶级科技播客《Lex Fridman Podcast》FFmpeg: The Incredible Technology Behind Video on the Internet

主持人 Lex 与两位开源软件领域的灵魂人物 Jean‑Baptiste Kempf 和 Kieran Kunhya，深度探讨了 FFmpeg 与 VLC 这两个支撑全球视频播放的幕后英雄。从能打开煎饼的播放器趣闻，到24万行手写汇编打造的AV1解码器；从拒绝数千万美元保持软件纯净的伦理选择，到与谷歌安全团队引发的开源社区风波。这不仅是一场关于多媒体技术栈的史诗级科普，更是一次对工程师精神、开源运动以及志愿维护者所承受压力的动人致敬。你将听到，全球数十亿人每天使用的视频服务，背后是如何由一群热爱动漫、痴迷汇编的志愿者在默默支撑。

👨‍💻 本期嘉宾

Jean‑Baptiste Kempf，VideoLAN 非营利组织主席，VLC 媒体播放器的核心维护者，FFmpeg 的长期贡献者。他领导了 VLC 从校园项目发展成为下载量超60亿的全球现象，并拒绝了数千万美元的广告捆绑，坚持保持软件干净无广告。他也是 x264、dav1d 等多个关键开源多媒体项目的创始人之一。

Kieran Kunhya，Open Broadcast Systems 创始人兼 CEO，FFmpeg 资深贡献者，以在社交媒体上运营 @FFmpeg 账号、用辛辣幽默的风格推广汇编优化和开源价值观而知名。他在视频编解码、低延迟传输和SIMD汇编优化方面拥有深厚经验。

⏱️ 时间戳

00:00 开场与克隆介绍

传奇播放器与看不见的引擎

01:41 Lex Fridman 的引语：为什么这次对话很重要

06:32 “VLC能打开什么最奇怪的东西？”——煎饼、VHS与星球大战乱入

08:07 交通锥Logo的诞生：一个被搜索“cone player”的播放器

10:58 VLC与FFmpeg到底是什么？支撑YouTube、Netflix和火星车

视频播放背后的魔法

11:55 按下播放键之后：从字节流到像素的旅程

14:25 压缩200倍的秘密：人眼与感知编码的艺术

18:47 容器vs编解码器：为何MP4不一定是H.264

27:54 FFmpeg：多媒体处理的瑞士军刀

开源的灵魂：许可证、精英政治与道德抉择

33:11 巧克力芝士蛋糕与开源食谱：许可证的社会契约

39:12 LGPL迁移：JB如何追踪350位贡献者，只为重新授权

44:30 Linus 的严厉与社区的精英治理：我们只看代码，哪怕你是一条狗

49:42 “我拒绝过上千万美元”：为什么VLC永远不会有广告和间谍软件

当万亿公司撞上无薪志愿者

01:01:52 谷歌AI生成的安全漏洞报告：FFmpeg燃起的推特硝烟

01:07:58 微软Teams的傲慢：在开源bug追踪器上要求VIP待遇

01:11:22 捐款飙升的意外结局：一次“说唱对决”带来的积极改变

驱动力的本质：热爱、卓越与改变世界

01:17:49 动漫爱好者、地下室的汇编狂人：是什么让他们为爱发电

01:22:32 一个人如何用两周写出Git：微小团队的巨大力量

双星系统：FFmpeg与VLC的共生传奇

01:23:28 互相依存：没有VLC就没有FFmpeg今天？反之亦然

01:29:46 x264：那个定义了互联网视频质量的编码器

向人类视觉妥协：x264的心理视觉优化

01:31:04 Park Joy样本与“心理视觉失真”：让压缩为人眼服务

01:38:06 动漫字幕组的“黑科技”需求如何反过来催生顶尖技术

汇编的艺术：驾驶战斗机编程

01:50:38 什么是SIMD？单指令多数据流与60倍性能提升

01:52:28 dav1d：24万行手写汇编，让AV1在30亿设备上流畅播放

01:59:22 滥用调用约定、加密指令干别的事：汇编的狂野世界

02:02:44 你应该学汇编吗？Kieran的ASM课程与失传手艺的传承

逆向工程：二进制里的侦探故事

02:14:20 GoToMeeting编解码器如何被一个人两个月破解

02:26:00 《天堂电影院》蓝光版背后的x264英雄

分裂、倦怠与维护者的真实处境

02:29:44 FFmpeg与libav的分裂与和解：开源社区的火与新生

02:33:28 维护者倦怠：为什么那个维护libxml2的人消失了

02:39:12 收到死亡威胁的JB：PowerPC版本停止支持引发的疯狂

低延迟与未来：从远程火星车到人形机器人

02:59:51 Kyber项目：目标4毫秒全链路延迟，让距离消失

03:08:32 AV1、AV2与专利雷区：巨头为何联手打造免版税编码

为千年后存档：数字文明的罗塞塔石碑

03:23:49 归档社区与FFV1：如何确保一千年后还能播放今天的视频

03:30:00 VLC与FFmpeg的未来：全息、脑机接口与气味传输？

最后的致敬

03:39:37 Lex的感谢与Linus的名言：“大多数优秀的程序员编程，不是因为报酬，而是因为编程本身很有趣”

🌟 精彩内容

💬 “我们看重的是优秀的代码。我们不在乎你是谁，就算你是条狗，我也不在乎。”

—— Jean‑Baptiste Kempf 阐述开源社区精英治理的核心理念

💬 “FFmpeg 很可能是全世界消耗 CPU 最多的东西之一。我们刚才几分钟里说的每一句话，都是某个人毕生的工作。”

—— Kieran Kunhya 揭示多媒体技术的惊人复杂度

💬 “我拒绝过上千万美元，因为我觉得那是不道德的，那不是正确的事。”

—— Jean‑Baptiste 解释为何让VLC保持纯净无广告

💬 “手写汇编就像驾驶一架‘喷火’战斗机，那是飞行最纯粹的样子，你能把飞机推到设计师都想象不到的极限。”

—— Kieran Kunhya 形容汇编编程的极致体验

💬 “世界是一座激情项目的博物馆。”

—— Kieran 引用 John Collins 的名言，解释开源贡献者的内在驱动

💬 “后悔是对你思想的攻击。从错误中学习，但不要后悔。”

—— Jean‑Baptiste 分享他对抗压力与保持内心平和的人生哲学

🌐 播客信息补充

翻译克隆自：《Lex Fridman Podcast》

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷知名硬科技播客《Core Memory》A Nuclear Masterclass: The Past, Present, and Future In One Conversation

主持人阿什利·万斯是资深科技记者，他与阿尔瓦能源（Alva Energy）联合创始人兼CEO詹姆斯·K·斯坦进行了一场百科全书式的核能对谈。詹姆斯成长在核工程师家庭，对全球核工业的前世今生有着深厚理解，并正用创新的“第二汽轮发电厂”方案，从现有核电站中榨取更多电力。在这期节目中，你将听到核能技术如何从芝加哥壁球场走向世界，为何美国在1978年后几乎停止建设新反应堆，中国和法国如何走上不同的成功路径，以及为什么他对小型模块化反应堆（SMR）和部分热门核能初创公司持怀疑态度。这是一场关于历史、物理、工程和创业的硬核对话，也是一次对核能真实未来的清醒审视。

👨‍⚕️ 本期嘉宾

詹姆斯·K·斯坦（James K. Stein），阿尔瓦能源联合创始人兼CEO。成长于核工程师家庭，具备物理学背景，曾领导新冠疫苗快速规模化生产工作。他对核能发展史、反应堆技术和工程执行有罕见深度的洞见，正致力于通过升级现有核电站来快速提供清洁电力。

⏱️ 时间戳

核能帝国的兴衰

05:05 美国仍是最大核电生产国，即将被中国超越

05:59 过去三十年，美国仅建成三座新反应堆

08:05 容量因子奇迹：不建新堆，发电量翻番的背后

10:13 中国核能崛起：如何用美国技术实现五年建堆

13:33 中国建核电站：成本更低，速度更快？

16:03 法国梅斯梅尔计划：放弃先进堆，标准化轻水堆，十年脱碳

21:29 尼克松的“一千座反应堆”之梦为何破灭

28:30 反核运动与环保主义的悖论：谁在阻碍脱碳？

技术基石与惨痛教训

37:05 核电站就是“烧开水”：压水堆与沸水堆的工作原理

41:01 沃格特尔核电站：预算超三百亿，工期拖十年的真相

46:30 什么是小型模块化反应堆（SMR）？为何许多人押注

48:53 为何SMR可能违反物理学：规模经济与屏蔽的硬伤

53:13 既然有硬伤，为什么还有那么多钱涌入？

55:27 Alva Energy的解法：第二汽轮发电厂如何多榨30%电力

01:04:10 硬科技的规模化策略：先升级改造，再建新堆

01:06:40 专用控制系统与蒸汽轮机：谁在卡脖子？

01:10:50 “工作包”解释：为什么建核电站如此复杂

对热门技术的犀利点评

01:17:17 TRISO燃料与高温气冷堆：容量因子仅20%的现实

01:21:46 Valor公司：行动快值得赞，但高容量因子仍是问号

01:28:53 核聚变：我们连篝火都还没点着

01:31:19 铀资源够用，浓缩可解，核废料没那么可怕

未来与创业者心法

01:44:16 硬核书单：从奥本海默传记到反应堆安全分析报告

01:47:04 展望2060年：AI能源饥渴，核裂变或成唯一解

01:52:57 硬科技创业文化：老炮儿经验+年轻人的“创造性张力”

🌟 精彩内容

💡 “核电站就是一把火”

“核裂变反应本身，所有一切，说白了就是产生热。我们只不过是在做一台热机，把核裂变产生的热转化为机械功，再发电。” 詹姆斯用最通俗的语言揭示了核电本质。

📈 不建新堆也能多发电

美国核电站在过去几十年里，将容量因子从55%提升至90%以上，相当于在同样的反应堆上多榨出一倍的电量，靠的是运营经验的积累。“我们一九七八年就停止建设了，可直到今天，全世界都还没赶上我们。”

🇫🇷 法国的核能豪赌

1970年代，法国放弃自研的先进气冷堆，转向美国西屋的压水堆设计，并一遍又一遍地标准化建造。十年内让全国电网几乎脱碳，发电量提升80%。“他们就是说，我们要放弃先进堆，去看一个真正可靠的成熟技术。”

🏭 沃格特尔的教训

美国最近完工的沃格特尔3、4号机组，最终花费超300亿美元，拖延数年。核心原因：开工时设计未完成，供应链未建成，且缺乏有经验的施工队伍。“模块化本应是好事，但运乐高积木的船延误了，你没有积木可用。”

🔧 Alva的“附加涡轮”

阿尔瓦能源不建新反应堆，而是在现有核电站旁加装第二套汽轮发电机组，利用升级后多出的蒸汽发电。成本仅为新建反应堆的十分之一到七分之一，且可在不停机的情况下建设。“我们是在核电站正常运行时，在旁边建起一个300兆瓦的第二汽轮发电厂。”

🌪️ 对SMR和聚变的冷思考

詹姆斯认为，小型模块化反应堆违反规模经济原理，“我们不可能绕过物理学”，而核聚变“连篝火都还没点着”。但他也肯定部分公司的快速行动对行业有积极推动。

🌐 播客信息补充

翻译克隆自：Core Memory Podcast

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是：伯克希尔·哈撒韦2026年年度股东大会的深度对谈Berkshire’s 2026 annual shareholder meeting: Watch the full afternoon session

新晋CEO Greg Abel与旗下BNSF铁路CEO Katie Farmer、消费品及服务零售总裁Adam Johnson同台，坦诚回答股东关于地缘政治风险、关税冲击、业务剥离、投资安全边际及领导传承等尖锐问题。Greg首次系统性阐述了他的管理哲学：“去中心化不等于推卸责任”、“如果十年后看不清楚那幅画面，我们就不做”，并坚决否定了分拆伯克希尔的可能。Katie分享了BNSF在效率革命与技术转型上的具体举措，Adam则回顾了NetJets从破产边缘到服务第一的绝地反击。这是一堂关于长期主义、风险纪律与集团化运营的实战课。

👨‍⚕️ 本期嘉宾

Greg Abel，伯克希尔·哈撒韦CEO，巴菲特亲自选定的接班人，此前主管非保险业务，深谙能源、铁路与资本配置。

Katie Farmer，BNSF铁路公司CEO，统领三万五千名员工，致力于缩小与竞争对手的盈利能力差距，推动技术转型。

Adam Johnson，伯克希尔消费品及服务零售总裁，同时担任NetJets CEO，三十余年伯克希尔人，被誉为“最懂伯克希尔文化的新人”。

⏱️ 时间戳

开场 & 节目介绍

00:00 Yikai介绍本期节目与精彩原话

01:48 Greg Abel欢迎Katie和Adam登台

新任CEO的开场：问责与重整

02:17 Greg问Katie：如何让三万五千人推动卓越运营？

03:57 Greg问Adam新角色观察，Adam感慨“只有在伯克希尔，三十年后仍觉自己是新人”

05:04 Adam分享坏消息乘电梯、好消息走楼梯，以及无条件支持的亲身感受

地缘政治黑天鹅：当投入成本一夜翻倍

08:45 股东提问：中东冲突如何影响伯克希尔？

09:03 Greg谈长期主义：“电话响了，我们就扛过去”

10:21 化工企业原料价格翻倍的冲击与合同重设的缓冲

12:50 Katie眼中的铁路晴雨表：多式联运意外获益，但高油价终将拖累消费

15:07 Adam：NetJets油价压力与零售端的即时反应

去中心化的真正底色：不堆官僚，但绝不推责

16:01 股东提问：哪些运营单位需要更多监督？如何处理表现不佳的经理？

16:57 Greg阐明去中心化哲学：CEO即首席风险官，资本配置是核心红线

19:42 Katie接招：BNSF的单车厢效率变革、数字孪生与自动驾驶卡车的竞争

24:12 Greg请Adam讲述NetJets扭亏故事

24:55 Adam：从“多少人懂业务的两极”的震撼提问，到戴眼罩只盯安全和服务

25:54 Greg提醒先还沃伦一块钱，教会资本纪律

关税弹跳球与百年企业的淡定

26:35 股东提问：伯克希尔会寻求关税减免吗？

26:54 Greg：从2018关税学到教训，团队已能快速调整成本回收

28:52 Katie：客户提前拉货与政策不确定性的双重影响

29:48 Adam：旗下企业平均成立88年，“跟关税打交道打了一百年了”

从东京海上到冰球：战略伙伴与轻松一刻

31:31 股东提问：与东京海上的十年合作是否标志着更激进的国际伙伴关系？

32:31 Greg：这是战略关系，远不止财务投资，信任是基石

34:08 棘手问题：加拿大对美国冰球你支持谁？Greg巧答：男队加拿大，女队美国

34:51 Katie爆料与Greg的球队打赌，输了后手里一堆油人队球衣

剥离与分拆：什么情况下会卖掉业务？

35:10 股东提问：伯克希尔未来会被拆分吗？

35:46 Greg：声誉风险或不可持续时，我们可能不再是最好所有者

37:15 真实案例：因监管冲突出售太平洋电力华盛顿州业务

38:54 绝不整体分拆：我们是一个高效综合集团，没有官僚成本

40:27 BNSF的分红如何灵活支持集团资本调配

安全边际十年观：科技公司也不例外

42:29 股东提问：Greg的安全边际框架与科技公司投资偏好

43:16 Greg：与沃伦完全一致，必须看见十年后的清晰终局

44:06 实例：内华达能源收购前，风险对话如何帮助扛过屋顶太阳能冲击

46:22 科技公司：不排斥，但必须真正理解

没有查理，但有“一群查理”

47:17 股东提问：谁将成为Greg的“查理”？

47:40 Greg：沃伦仍是董事长，董事团队、Ajit和CEO群体都是我的智囊

48:27 我需要单一领导，但身边有能随时请教的人

50:30 结束致辞：感谢团队，宣布CFO Mark Hamburg退休（效力40年）

🌟 精彩内容

💡 “三十年后，仍然觉得自己是个新来的”

Adam Johnson回顾自己在NetJets 30年，但在伯克希尔文化里，他仍抱着新人心态。他分享了“坏消息乘电梯，好消息走楼梯”以及CEO在收到坏消息后得到无条件支持的亲身感悟，展现了伯克希尔独有的信任与容错空间。

🛡️ “如果十年后看不清楚那幅画面，我们就不做”

Greg Abel反复强调，无论能源、铁路还是科技投资，他和巴菲特的安全边际标准完全一致：必须能看到十年后的经济前景和风险轮廓。他用内华达能源收购前识别出屋顶太阳能风险的案例，证明提前讨论风险如何让伯克希尔在风险成真时仍有能力扛过去。

🔩 高效综合集团的真正优势

Greg坚决否认分拆可能，指出伯克希尔不设层层管理层、不靠委员会指挥子公司，却能通过去中心化让BNSF、NetJets等企业像所有者一样思考。同时，集团结构让资本可以免税、灵活地在各个业务间调配，这是单一业务公司无法复制的竞争力。

🚂 BNSF的效率反击战

Katie Farmer详细拆解了铁路复兴的路径：从单车厢网络释放资源、少用260台机车运更多货，到引入数字孪生和预测ETA，再到与自动驾驶卡车正面竞争，展示了传统重资产企业如何用技术与运营纪律缩小与对手的利润差距。

💬 “跟关税打交道打了一百年了”

Adam Johnson管辖的32家消费品公司平均成立88年，其中5家创立于19世纪。面对天天变化的关税政策，这些企业的CEO表现出惊人的冷静，让Adam感慨：疫情、通胀、关税，每一次都是曲线球，但伯克希尔的企业总能找到应对之道。

🌐 播客信息补充

翻译克隆自：

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期《跨国串门计划》克隆了主持人约瑟夫·诺埃尔·沃克与纳西姆·尼古拉斯·塔勒布的深度思想对谈。Nassim Taleb — Meditations on Extremistan 原播客更新时间： Sep 20, 2024

塔勒布是《黑天鹅》《反脆弱》等全球畅销书的作者，他以独有的尖锐与深刻，剖析了极端斯坦（Extremistan）的底层逻辑，从金融市场、行为经济学、战争史到新冠疫情，全面揭示了主流思维在厚尾世界中的致命缺陷。在这场超过一个半小时的对话中，你将听到塔勒布如何瓦解传统的预测信条，重新定义理性，并给出在不确定世界中存活与获益的实战框架。

👨‍⚕️ 本期嘉宾

纳西姆·尼古拉斯·塔勒布，著名风险分析师、前期权交易员，纽约大学理工学院风险工程教授。著有不确定性四部曲：《随机漫步的傻瓜》《黑天鹅》《反脆弱》《非对称风险》。他的思想深刻影响了全球投资、决策与风险管理领域。

⏱️ 时间戳

00:00 开场 & 播客简介

极端斯坦的底层代码

01:23 什么是极端斯坦：黑天鹅事件的温床

02:14 如何识别厚尾过程：没有物理上限，就应假设为极端斯坦

04:29 尾部指数的诱惑与现实：金融市场远不止三

07:07 1985年的觉醒：期权波动率不可能是平坦的

金融实战：尾部对冲与风险投资

08:24 为何尾部对冲策略仍被低估？机构激励的陷阱

09:03 杠铃策略与VC的矛盾：出售希望的薪酬游戏

11:47 从交易员到作家：与卡尼曼相遇，引入行为经济学

解构行为经济学

13:04 前景理论的得与失：损失域的凸性正确，概率部分的误判

15:16 塞勒的迷思：股权溢价之谜、心理账户与赌场庄家的钱

19:59 动态决策的盲点：为何拒绝55%胜率赌局可以是理性的

23:43 IYI（看似聪明实为无知）：桑斯坦、塞勒与新冠应对的失败

28:25 卡尼曼的最后坦承：在塔勒布的世界里，传统理论失效

预测的致命幻觉

34:22 与超级预测者的根本分歧：二元期权不能描述现实

36:14 肥尾下的概率扭曲：肩膀变窄，极端事件更极端

38:14 没有标准差的世界：曼德博的启示

40:34 单点预测的荒谬：为什么不该预测胖尾变量

44:04 丘吉尔 vs 拿破仑：频率正确的失败者，收益正确的胜者

预防原则与系统性风险

51:11 如何正确使用预防原则：核能安全，转基因不可逆

54:09 人工智能风险：目前还不构成系统性威胁

56:57 ChatGPT的本质：共识机器无法产生原创洞见

战争的肥尾真相

61:05 影子均值效应：历史数据低估战争破坏力三倍

64:57 到达间隔的无记忆性：百年一遇的浩劫不能预测

67:37 伤亡数字为何被夸大：征服者与受害者的共同动机

70:57 无证据表明暴力下降：平克犯了统计错误

新冠疫情的实践课

72:03 2020年初的紧急备忘录：扼杀疫情于萌芽

74:32 切断连通性：为何边境管控是最优解

75:00 政策制定者仍是肥尾盲

颠覆你的统计常识

76:13 相关不等于相关：社会科学的可重复性危机

81:29 逆大数定律：为什么平均值对个体决策无效

83:10 俄罗斯概率学派的卓越：历史渊源与思维方式

85:31 哈耶克与预测市场：隐性知识无法系统化

87:24 标准偏差的误用：与平均绝对偏差的比值是关键指标

尾声

89:11 下一本书透露：时间、熵与概率

90:36 结语

🌟 精彩内容

💡 极端斯坦的判定法则

塔勒布指出，判断一个领域是否属于极端斯坦，关键看其生成过程有无物理上限。身高有生物学限制，不可能出现五公里高的人；但金融价格、图书销量、战争死亡人数等缺乏此类约束，就必须假设处于肥尾世界。这一洞察颠覆了依赖历史数据外推的决策模式。

💡 金融期权的早期洞见

早在一九八五年广场协议后，塔勒布就发现股市期权波动率不应是平坦的，深层原因是金融市场的肥尾属性。他由此构建了尾部对冲策略，并指出该策略至今未被充分定价的根本原因：机构从业者受困于短期考核，没有激励去购买长期保护。

💡 对行为经济学的降维打击

塔勒布细数了与卡尼曼、塞勒的交往和分歧。他认为前景理论的损失部分正确，但概率权重部分因忽略肥尾而失效；塞勒的股权溢价之谜、心理账户、跨期选择等著名实验，一旦置于真实世界的非线性、遍历性框架下，便轰然倒塌。他还创造了“IYI”一词，形容那些连概率都不懂却试图指导公共政策的学者。

💡 为什么预测业从未造就富豪？

塔勒布区分了频率空间和收益空间。在极端斯坦，二元预测（是/否）毫无意义，因为事件规模本身是随机变量；超级预测者用Brier分数自我麻醉，却无法通过下注赚到钱。真正的决策应基于非线性的凸性回报函数，即“做对了大赚，做错了小赔”。

💡 战争统计学：影子均值与无记忆性

通过独特的数据排列方法，塔勒布发现战争的破坏力被历史样本低估约三倍（影子均值），大战争间隔服从无记忆的指数分布，平均约百年。因此，二战后的几十年和平，在统计上完全不能作为“暴力下降”的证据，平克等人的乐观叙事缺乏依据。

💡 标准偏差的谎言与肥尾试金石

塔勒布揭示，社会科学家广泛使用的标准偏差不仅缺乏物理直觉，在肥尾下更会剧烈膨胀。而标准偏差与平均绝对偏差的比值，恰恰是衡量分布厚尾程度的最佳指标：高斯分布下约1.25，一旦该比值飙升，你就进入了极端斯坦。

💡 预防原则的智慧与AI迷思

他澄清了自己的预防原则：仅适用于可能带来系统性、不可逆损害的行动，且需考虑乘数效应。因此核能（局部危害）可接受，转基因（生态扩散）需严禁。对于AI，他认为目前远未达到自主系统级别，真正的威胁在于人类自己的制度无能。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了斯坦福神经生物学教授 Andrew Huberman 的王牌节目《Huberman Lab》Tools to Bolster Your Mental Health & Confidence | Dr. Paul Conti

嘉宾 Paul Conti 博士是资深精神科医生、创伤康复专家，他带来了颠覆性的心理健康框架——与其死盯自己“哪里出了问题”，不如先审视“哪些事进展顺利”。在这场近两小时的深度对谈中，Conti 医生将用几十年的临床经验告诉你：为什么好奇心是改变的第一把钥匙；如何在行动与内省之间找到专属平衡；童年模式如何像程序一样操控你，以及洞察如何带来真正的自主感。你还会听到应对侵入性思维、理解梦境信号、让焦虑落地、用积极记忆重塑内在气候等具体方法。如果你一直困在习惯性拖延、自我批评或莫名的不快乐里，这期节目将给你一套问对问题、与自己结盟的实战路径。

👨‍⚕️ 本期嘉宾

Paul Conti 博士，医学博士、精神科医生，创伤康复领域权威专家。拥有数十年临床经验，致力于将复杂的心理学洞见转化为大众可用的日常工具。他是《Huberman Lab》多次受邀嘉宾，最新著作《What's Going Right：一个优化心理健康的强大新方法》提供了自我探索的练习与框架。

⏱️ 时间戳

00:00 开场 & 节目介绍：主持人一恺阐述克隆计划与本期亮点

从“进展顺利的事”开始：重塑心理健康的视角

01:27 对话开启：Huberman 介绍 Paul Conti 及其创伤专长

02:56 新书《What's Going Right》：打破“问题导向”的思维定式

04:16 自我认知的可塑性：为什么我们害怕审视自己？

06:38 事实基础：做得对的地方永远比出错的地方多

07:28 入门工具：审查你的自我对话和人生叙事

自我审视的本质：好奇心、状态与真实

08:37 自我的结构与功能：在人生叙事中寻找线索

10:08 状态依赖性：如何在匆忙中保持“观察性自我”

11:59 对自己保持好奇：探索贯穿所有行动的内心特质

13:06 真实自我 vs 虚假自我：社交媒体时代的身份困扰

15:15 独处的迷失：被过度连接篡改的思考过程

18:15 连接太多或太少：找到甜蜜点，保留内部思考空间

反思与行动的博弈：寻找你的个人谱系

19:27 Mark Andreessen 的挑衅：伟大人物不琢磨自己吗？

20:20 行动与内省的平衡点：你快乐吗？这是检验标准

23:09 不愿向内看的人：生成性驱动与反思倾向的差异

26:43 话多、安静或审慎沟通：拆解芭芭拉·查普曼的故事

29:50 控制状态还是改变自我？平静不必成为唯一目标

33:04 给自我探索一个路径：像学物理一样学会与自己相处

35:52 流水账般的生活：如何从被动报告走向有意选择

38:45 “为什么”的力量：让当事人自己找到X标记的宝藏

42:04 改变不只是下命令：协作设定行动，赢得微小胜利

童年模式与自主性的觉醒：谁在替你开车？

44:44 控制欲的传承：认同与叛逆都可能让你失去自己

46:40 洞察即自由：意识到“我被编程了”的解放瞬间

49:35 站到自己这一边：我们内心深处讨厌被控制

52:10 是谁在挡你的路？停止自我阻碍，与自己达成一致

55:32 当创伤存在时：用关爱的好奇心靠近过去的伤痛

58:00 侵入性思维：识别它、读懂它的意图并重新引导

01:00:37 梦境有启示吗？保持好奇，但别过度解读

情绪、时间与疗愈：让过去真正成为过去

01:02:23 焦虑与创伤不认时钟：为什么情绪瞬间能淹没你

01:05:20 疗愈童年的方法：用无偏见的眼光触碰可塑性

01:07:50 我们太少回顾“好事”：打破负面偏倚，赋能自己

01:10:10 拉里·斯夸尔的照片墙：用积极记忆定制内在气候

快乐、意义与坦然的告别

01:12:30 上帝与魔鬼的心理意象：善与恶的复杂光谱

01:15:20 “无忧无虑”不是人生的终极目标

01:17:40 真正的快乐：平静、满足与喜悦，同时知晓生活的悲难

01:20:10 临终的遗憾与圆满：那位九十岁亲戚的智慧遗产

01:22:00 审视过的生活：无需恐惧，成长尽在坦诚之中

01:24:20 结尾：活出能动、感恩与真正的快乐

🌟 精彩内容

💡 从“进展顺利的事”出发

Paul Conti 直指传统心理治疗过度聚焦“哪里出了错”，反而加深无助感。他主张先审视你身上做对了哪些事，“在我们每个人身上，做得对的地方要远远多于出错的地方”——这不是盲目乐观，而是建立在事实之上的赋能起点。

🛠️ 洞察即自由：打破童年模式的循环

当你意识到自己不是在主动选择，而是被童年模式自动驱动时，改变就发生了。“我们没人喜欢被控制”，而看清内心那根提线，就能一把剪断它。这解释了为何理智上知道该做什么却一拖再拖——你可能正在用无效的方式对抗一个看不见的过去。

🗣️ 问对问题，胜过给出一百个答案

Conti 不直接给建议，而是和来访者一起定位“X标记挖掘点”——比如那个每次见面都让你筋疲力尽却断不了联系的朋友。通过协作式追问“为什么”，内在的矛盾被看见，行动与愿望才能对准，你才真正跟自己站在同一边。

🧘 反思与行动没有标准答案

针对“想太多做太少”的争议，Conti 提出每个人有一条独特的反思-行动谱系。关键不是你多内省还是多外放，而是：你快乐吗？如果生活有生成性、关系稳固，不那么反思也没问题；但若持续不满，就是大脑在提醒你：该停下来看看了。

❤️ 快乐不等于无忧无虑

完全的平静安逸既不可能，也非我们真正的目标。Conti 认为，真正的快乐是在承认生活有悲剧与困难的同时，仍能在看一棵树、陪家人时体验到平静、满足与喜悦。“我们能拥抱自己的命运，并愿意一次又一次地经历它”，这才是成熟的乐观，也是他那位九十多岁亲戚教给他的临终智慧。

🌐 播客信息补充

翻译克隆自：《Huberman Lab》播客

本播客采用AI声纹克隆技术进行中文翻译配音，完美保留原主持人及嘉宾的独特声音。若有地方听起来略显机械，敬请谅解。使用 AI 进行翻译，可能会有个别不通顺之处。如果想要收听更多外文播客的中文版，欢迎联系微信：iEvenight

📝 本期播客简介

本期克隆自全球知名科技播客《The Pragmatic Engineer》Building Pi, and what makes self-modifying software so fascinating

由资深软件工程师 Gergely Orosz 主持。这次他与两位奥地利开发者 Mario Ner 和 Armin Ronacher 坐下深谈——Mario 是极简 AI 编码智能体 PI 的创建者，Armin 则是经典 Python 框架 Flask 的作者，也是 PI 的早期核心用户。对话围绕 AI 编码工具如何改变软件工程，从 PI 的诞生故事，到 AI 生成代码带来的质量危机，再到“暗工厂”的隐忧，层层递进。Mario 直白批评：“那些公司说代码全是智能体写的，我们都知道质量是垃圾。”Armin 则从工程师的“伤疤”切入，指出只有经历过痛苦才能真正推动重构。这既是一场技术对谈，也是一份关于如何在效率狂潮中守住工程本心的诚实记录。

👨‍⚕️ 本期嘉宾

Mario Ner，AI 编码智能体 PI 的创建者。从底层开发者一路成长为连续创业者，曾担任提前编译器初创公司 CTO。因为对现有工具的失望，他单人打造了极简、可自我修改的 PI，在开发者社区迅速走红。

Armin Ronacher，著名 Python Web 框架 Flask 的作者。从 Sentry 离开后，他深入探索 AI 工具，并成为 PI 的早期使用者和贡献者，目前正在创办新公司。

⏱️ 时间戳

00:00 开场 & 播客简介

嘉宾与 AI 的缘起

00:04:19 两位奥地利开发者的早年经历：从 Amiga 和 386 到 Flask

00:09:10 网上结识与线下碰撞：Mario、Armin 和 Peter 的 AI 实验小组

00:10:12 从怀疑开始：Copilot 的早期失望与 GPL 代码争议

00:15:00 转折点：GPT 工具调用、2025 年智能体的成熟

00:16:53 假期爆发：圣诞节后 AI 工具在企业大量采用，代码质量应声下滑

PI 的诞生：极简与自我修改

00:30:40 对 Claude Code 的不满：功能膨胀与失控的系统提示

00:33:04 寻找替代品：AMP 太贵，Open Code 太僵，决定自己做一把锤子

00:35:22 PI 的极简设计：仅读、写、编辑、批处理几种工具

00:37:02 核心哲学：无 MCP、无计划模式，但可以教它自己加上

00:38:49 Armin 的实践：不看代码，靠 PI 做游戏，始终“留在循环里”

开源维护者的新挑战

00:43:41 Open Claw 项目迁移至 PI，引出智能体 PR 大爆炸

00:44:09 仓库里的“叮当兵”：AI 自动提 Issue 和 PR，维护者不堪重负

00:46:18 Mario 的应对法：自动关闭所有 PR，要求人类补一句 LGTM

00:50:03 开源的韧性：存活的项目仍需要人的社区，AI 并未改变这一本质

代码质量、复杂度与工程师的“伤疤”

00:45:15 AI 生成的“涌现式状态机”：看起来正确，实则脆弱不堪

00:49:44 智能体不学习、不感受痛苦，人类工程师因“伤疤”才会动手重构

00:54:05 摩擦是有意为之：大公司如何通过流程逼迫工程师思考

00:57:27 上下文窗口的膨胀：智能体自己制造的复杂度反噬其自身

“暗工厂”与慢下来的呼声

01:06:09 Mario 的博文《我们都需要慢下来》：代理大军十倍代码量，质量却更差

01:07:41 何为“暗工厂”？成千上万代理自动协作，产出垃圾

01:09:34 最佳规格说明就是软件本身，代理填补空白只会引入平庸

01:11:00 开源承受冲击，但长期存活仍需人类注入意图

MCP vs CLI：工具的未来

01:11:00 MCP 的争议：从消费者接入变成企业工具，规范复杂且难组合

01:13:26 CLI 与代码执行的天然优势：模型极其擅长写代码进行组合

01:15:09 Code Mode 的启示：与其依赖 MCP，不如让模型直接写胶水代码

01:18:14 未来方向：代码生成将主导，模型不会推出替代范式

展望与在炒作中保持清醒

01:18:30 预测：自我修改软件将扩展，但对少数大公司的依赖可能引发新问题

01:21:07 如何不被卷走：远离旧金山，靠家人和通知静默过滤噪音

01:24:24 收尾推荐：Mario 推荐《Code》，Armin 推荐《Breakneck》

🌟 精彩内容

💡 自我修改的软件：PI 的设计哲学

Mario 解释 PI 仅提供极少数核心工具，把 MCP、计划模式等功能全部交给用户自行“教会”PI。这使它成为一个可塑的开发环境，用户甚至不需要 fork 代码，只要通过自然语言让 PI 修改自己。这种自修改能力让 Armin 等极客欲罢不能，也为“自适应软件”的未来打开了一扇窗。

🛠️ 智能体感受不到技术债的痛苦

对话中最令人警醒的观点之一：人类工程师因为亲身经历过修复乱代码的痛苦，才会有动力去重构、去说“不”；而 AI 智能体不会产生这种情绪，它只会永无止境地往代码库里堆叠新的复杂度和逻辑漏洞。这也是为什么有经验的工程师永远抢手的原因。

🚀 “我们都需要慢下来”：反对暗工厂

Mario 激烈批判了用成百上千个 AI 代理同时写代码的“暗工厂”幻想。他指出，这只会以极快速度产出平庸的代码，把质量降到互联网训练数据的平均水平。他呼吁团队先用 AI 代替那些自己讨厌的琐事，把省下的时间用来思考和打磨真正重要的部分。

💻 MCP 与 CLI 的路线分歧

尽管 MCP 在大企业中流行，两位嘉宾却更看好基于代码执行（CLI 风格）的路线。他们认为模型天然擅长生成和运行代码，而 MCP 过于复杂、容易填满上下文窗口，反而压抑了模型创造性地解决问题的能力。未来或许会看到 MCP 逐渐靠近代码执行的模式。

❤️ 在炒作中守住本心：地理距离与家庭防线

作为住在奥地利的欧洲开发者，他们分享了如何通过不住旧金山、陪伴孩子、忽视多数通知来过滤信息噪音。真正重要的信号会反复出现，三周后再关注也不迟。这种反直觉的“慢”，反而让他们在狂潮中保持了判断力和生产力。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了资深科技播客《Information Bottleneck》的一期节目 What Actually Matters in AI? - with Zhuang Liu (Princeton)

主持人 Ravi 和 Ellen 对谈普林斯顿大学助理教授 Zhuang Liu。Zhuang Liu 是深度学习架构、视觉表征与多模态学习领域的活跃研究者，曾提出 ConvNeXt 等广为采用的模型。在这场深度对话中，他系统性地拆解了构建强大 AI 系统中那些真正起作用的因素：为什么架构创新可能被高估，数据才是真正的驱动力；如何科学地评估一个新架构的价值；视觉数据的极高带宽如何让语言模型率先突破；以及他对记忆、上下文和智能体未来的独到见解。无论你是研究者、工程师还是 AI 爱好者，这期节目都将刷新你的认知。

👨‍⚕️ 本期嘉宾

Zhuang Liu，普林斯顿大学助理教授。研究兴趣包括深度学习架构、视觉表征、多模态学习。曾提出 ConvNeXt 等广受关注的模型，并在多篇顶会论文中探讨神经网络设计的核心要素。

⏱️ 时间戳

00:00 开场介绍 & 嘉宾背景

架构与细节：什么才是神经网络成功的关键？

02:05 从 ConvNeXt 谈起：卷积网络能否与 Transformer 抗衡？

06:39 细节组合胜于核心组件：激活函数、归一化层的累积效应

08:51 架构没那么重要，数据和计算才是真正的驱动力

10:54 评价架构创新的黄金准则：超参数搜索与多数据集验证

数据为王：偏见、多样性与混合策略

13:42 数据集的“偏见”：模型竟能分辨图片来源？

16:39 好数据的配方：多样性、风格与等量配比

18:49 从 Ilya 箴言到通用模型：数据覆盖就是王道

多模态：视觉的桥梁与盲点

19:05 ImageBind：以视觉为枢纽对齐多模态

20:31 语言先行的秘密：视觉带宽过高而算力尚不足

22:38 《Eyes Wide Shut》：CLIP 的空间盲点与视觉编码瓶颈

记忆、上下文与世界模型

24:19 强化学习与智能体的边界

28:59 “记忆和上下文是目前最重要的两个方面”

30:35 世界模型之辩：语言层面已有很好的世界模型

33:09 何时需要视觉世界模型？现实世界任务

模型个性、工具与研究新范式

34:28 模型“独特性”：文本里的隐形签名

37:06 预训练 vs. 后训练：为什么后训练导致差异？

38:59 持续学习：为了稳定的记忆而非新技能

39:24 编程工具体验：Claude Code 与 Codex 谁更胜一筹？

40:08 智能体能替代学生吗？自主研究的现状与局限

43:09 《无归一化的Transformer》：动态tanh能取代归一化吗？

44:40 Metamorph：理解作为生成的基础

45:54 结语与告别

🌟 精彩内容

💡 细节决定成败

Zhuang Liu 通过 ConvNeXt 研究揭示：卷积网络与 Transformer 之间的性能差距，主要来自训练细节和设计配方的差异，而非自注意力与卷积本身。这提醒我们，看似微不足道的超参数与组件组合，往往比宏大的架构叙事更重要。

“这些小细节组合在一起，比那些看起来像是网络核心组件的改变要重要得多。”

💡 数据才是真正的护城河

在受访中，Liu 反复强调，架构选择的差异远不如训练数据的规模、多样性与分布来得关键。模型的能力上限，很大程度上被它所“看”过的数据所定义。

“你想让模型在哪方面做得好，最好就针对那方面去训练。”

💡 记忆与上下文：AI 的下一个突破口

Liu 认为，当前大模型最紧迫的挑战不是能力不足，而是记忆的缺失。持续记住用户的偏好、交互历史和情境，远比设计更复杂的多智能体系统更具变革意义。

“我觉得记忆和上下文是目前最重要的两个方面，尤其是记忆。”

💡 语言里的世界模型

尽管很多研究者认为当前模型尚未具备真正的世界模型，但 Liu 指出，在高度抽象的语言空间里，语言模型已经能够进行连贯的因果推演，展现出令人惊叹的逻辑一致性。

“模型在这个空间里的世界模型其实非常好。”

💡 视觉：被忽视的桥梁

通过 ImageBind 等工作，Liu 展示了视觉作为一种“天然桥梁”，能够将多种模态连接至同一嵌入空间。但他也坦承，视觉数据的高通量特性导致其在算力需求上数倍于语言，这解释了为什么视觉模型还未迎来语言模型那样的爆发。

“视觉是一种天然桥梁，能够连接所有模态。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》，主持人对谈Notion产品负责人Max Schoening。Max的背景横跨设计与工程，曾在Google担任产品经理、在Heroku管理设计团队，又先后在GitHub主导设计和前端开发，是一位难以用单一标签定义的全能型产品人。随着AI开始重塑每一个行业，他在这场对话中分享了大量关于“主动性比技能更重要”的深刻洞见——他如何推动Notion的设计师和产品经理直接写代码，什么是“可塑软件”，以及他对产品品味、团队效率和未来职业的犀利看法。这不仅是一堂关于AI时代产品构建的思维课，更是一次关于如何在不确定世界中保持能动性与创造热情的启迪。

👨‍⚕️ 本期嘉宾

Max Schoening，Notion产品负责人。他是一位连续创业者，横跨设计与工程的独特经历让他成为AI原生时代最令人瞩目的产品领袖之一。曾在Google担任产品经理，在Heroku管理设计团队，并在GitHub主导设计与前端开发，如今在Notion引领AI为核心的产品进化。

⏱️ 时间戳

00:00 开场 & 播客简介

AI时代的产品角色重塑

00:01:41 “像开偷来的车那样驾驭Notion”：世界由不比你聪明的人创造

00:04:22 从“停止画死鱼”到让设计师写代码的起源故事

00:07:44 写代码的真正目的：成为材料的大师，而不是齿轮

00:09:53 区分未来成败的关键：主观能动性（Agency）

00:14:14 如何培养主动性：从制作东西开始，唤醒改变世界的能力

可塑软件与SaaS的未来

00:16:00 什么是可塑软件？让软件贴近用户而非公司利益

00:19:10 迪特·拉姆斯的设计哲学：“有用”是检验设计的唯一标准

00:20:36 SaaS末日不会来：即服务部分才是核心，工具会更通用

产品开发的新范式：速度、质量与品味

00:24:50 每个项目前10%几乎免费：从写PRD到直接演示

00:26:30 推理速度如何重塑协作：从排队任务到回归直接操作

00:29:10 先别急着算ROI：Token花费不是值得炫耀的指标

00:31:05 让非工程师感受“超能力”：如何推动团队拥抱AI

00:34:00 编程能力正在渗透一切领域，软件吞噬世界加速

00:38:54 多“射门”与“明显好”：Notion的发布哲学

00:44:08 品味的修炼：在大脑中运行一台“用户反应虚拟机”

伟大产品的共同秘密：微小超能力

00:48:14 千万别掉入“我只要再加一个功能”的死亡螺旋

00:50:03 所有伟大的产品都有一个极小的出色核心（Heroku、Dropbox、AirPods）

00:52:08 跳出产品经理的身份：“待办任务”框架的正确用法

个人反思与逆向观点

00:54:52 全民基本收入？其实你早就有了：它叫知识工作

00:57:51 包容并不总是好：为什么“排他”有时是制胜关键

00:59:15 从失败中学习：放松招聘的滑坡、GitHub Actions的遗憾、错过Notion

01:02:05 给年轻人的忠告：别让FOMO绑架，热爱电脑本身

快问快答

01:04:48 书籍推荐：《Code》《Tools for Conviviality》《Seeing Like a State》

01:06:04 影视剧：《Project Hail Mary》《使女的故事》

01:07:11 产品推荐：Ghostty终端、Moshi App、Corne键盘、Chris Reeve折刀

01:08:17 座右铭：“宇宙即变化，生活由你塑造”

01:08:44 最喜欢的德语词：Tüfteln（鼓捣）

结尾寄语

01:09:15 如何找到Max：Twitter @maxdodev

01:09:35 最后建议：看看周围的世界，一切都由不比你聪明的人创造，去发挥你的能动性吧

🌟 精彩内容

💡 像开偷来的车那样驾驭Notion：主动性是新时代的核心技能

Max提出，在AI让技能壁垒日益消失的时代，区分能否成功的关键不再是你会什么，而在于你的主观能动性。他鼓励每个人像开着一辆偷来的车那样驾驭自己所处的环境，意识到“世界是由一群并不比你更聪明的人创造的”，从而打破自我设限，真正去动手改变周围的世界。

“有一天你醒来，会意识到这个世界就是由一群并不比你更聪明的人创造的。这真的会点醒你，让你明白你其实可以改变事情。”

🔧 可塑软件：夺回你的数字生活控制权

作为“可塑软件”理念的坚定倡导者，Max认为软件应该更贴近使用者的利益，而不是制造它的公司的利益。就像你不会容忍一间无法重新布置客厅的房子，我们也不该被困在那些由硅谷象牙塔完全设计好、无法微调的应用里。可塑软件旨在让普通人对自己的计算生活重新拥有掌控感。

“想象一下，如果你住在一个地方，却不能重新布置自己的客厅，厨房也得完全按别人规定的方式摆放，我们会接受吗？肯定不会吧。但现在的软件世界差不多就是这个样子。”

🧠 品味：在大脑中运行一台“用户反应虚拟机”

针对AI开始大量参与构建产品之后人类需要更强的判断力，Max给出了他对“品味”的独特定义：你能否在脑子里运行一台虚拟机，针对一个想法，精准预判某个特定群体是否会喜欢它。这种能力没有捷径，需要通过大量的迭代与反馈来训练，就像训练一个AI模型一样。

“品味实际上意味着你能在脑子里运行一个虚拟机：给你一个点子，你就能预测某个特定群体是否会喜欢它。你只需要大量练习。这几乎就像在训练一个模型。”

❤️ 伟大产品的微小超能力

回顾他参与和欣赏的所有成功产品，Max提炼出一个核心规律：所有伟大的产品都有一个极小的、像超能力一样出色的核心，比如Herokugit push heroku master、Dropbox的隐形同步、AirPods的无缝连接。而最大的陷阱，就是反复陷入“只要我再加一个功能，它就会变得很棒”的循环之中。

“所有伟大的产品都有一个微小的超能力。就是某个极其出色的微小核心。最大的陷阱之一，就是陷入这种循环：‘只要我再给产品加一个功能，它就会变得很棒。’这个办法从来都没用。”

🌐 播客信息补充

翻译克隆自：

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了 CNBC 的《伯克希尔·哈撒韦股东大会》深度访谈，主持人 Becky Quick 与沃伦·巴菲特展开了一场极其罕见的坦诚对谈。巴菲特首次坐在台下观看股东大会，他分享了自己六十多年投资生涯中沉淀的智慧：为什么在别人不接电话的时候才是最佳买入时机；为什么意想不到的事才会发生；以及他给所有股东和伙伴的那条不花一分钱的黄金法则。此外，他还谈到了对当前市场赌博化的担忧、对通胀的洞察、对 AI 深度伪造的警惕，以及选择接班人格雷格·阿贝尔背后的深层原因。这不仅是一堂投资大师课，更是关于人生、选择和信念的深刻对话。

👨‍⚕️ 本期嘉宾

沃伦·巴菲特，伯克希尔·哈撒韦公司董事长。他被公认为历史上最成功的投资人之一，自 1965 年起执掌伯克希尔，将其从一家纺织厂打造成市值近万亿美元的商业帝国。现年 94 岁的他近年逐步交班，这是他第一次坐在台下而不是台上接受提问，分享了许多从未公开过的思考。

⏱️ 时间戳

00:00 开场 & 播客简介

投资哲学：别人不接电话时买入

03:02 六十年只有五年是肥美的：什么都不做的智慧

04:06 能力圈：不懂的行业绝不碰，不需要学新东西

06:40 买进东西的最好时机，就是别人都不接电话的时候

市场就像连着赌场的教堂

04:25 教堂与赌场：赌徒比以往任何时候都多

04:49 短线期权是纯粹的赌博，不是投资

06:28 意想不到的事才会上演，被谈论的往往不会发生

宏观与通胀：零利率也没进教科书

08:23 通胀让农民破产，美国并非免疫

09:46 鲍威尔在位让人安心，几乎无法预测极端情况

10:47 二十五年的教科书没提零利率，没想到的事才造成巨大损害

判断人与交接：持仓 CEO 与深度伪造

11:06 苹果、可口可乐等主要持仓的 CEO 更替

12:35 判断人就像结婚，往往会犯错

13:37 AI 深度伪造：模仿总统的声音，比广播剧更可怕

格雷格·阿贝尔：极其聪明的接班人

14:33 选择格雷格不是因为他是个好人，而是因为他极其聪明

14:57 即将成为美国公民，对他来说意义非凡

美国的秘密配方

15:29 几百年人人都想移民美国，里面有一种难以定义的秘方

16:08 尽管分配极度不平等，但吸引力依然巨大

给股东的黄金法则

17:54 你想别人怎么待你，你就怎么待别人

18:45 我从未见过这样做的人不快乐，这事不花你一分钱

19:07 结尾致谢

🌟 精彩内容

💡 恐慌时买入：别人不接电话的时候

巴菲特说：“买进东西的最好时机，就是别人都不接电话的时候。” 他解释，市场暴跌时交易员会切断联系，或者挂出巨大的买卖价差。很多最好的机会就藏在这种恐慌之中，而那些被人们天天讨论、预测的“风险”，反而往往不会成真。真正的威胁，总是来自那些被所有人忽略的角落。

💡 能力圈与“什么都不做”

“我在这一行已经做了六十年，可能其中只有五年是真正肥美的。” 巴菲特承认自己不去学新的行业，因为他知道那不是他的优势。他用 IBM 老汤姆·沃森的话说，“我只有几个聪明点，然后我就只守在这些点上。” 在噪音环绕的市场里，说“不”的能力比说“是”更重要。

💡 黄金法则：不花一分钱的快乐

当被问到想对追随几十年的股东说什么时，巴菲特给出了他人生最核心的建议：“把黄金法则给出去——你想别人怎么待你，你就怎么待别人。” 他强调，这一条不花一分钱，却能让人更快乐。“我从没见过任何这样做的人是不快乐的。从某种意义讲，它也挺自私的，因为它会让别人反过来对你好。”

💡 美国的秘密配方

巴菲特感慨，美国有一种说不清的“秘方”，让全球的人几百年来都想迁居至此。即使财富产出分配极度不平等，这种吸引力依然存在。他用接班人格雷格·阿贝尔即将成为美国公民为例，说这份骄傲与期待，用金钱买不到，也无法用广告包装。

🌐 播客信息补充

翻译克隆自：

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名英文科技播客《Decoder》的一期深度对谈 What comes after smartphones, with Evan Spiegel of Snap

主持人 Nilay Patel 与 Snap 公司联合创始人兼 CEO Evan Spiegel 在酒吧里边下棋边聊，坦诚分享了 Snap 的最新进展、Spectacles 眼镜的研发历程，以及他对增强现实、人工智能和社交网络未来的深刻洞见。从十二年 AR 之路的技术攻坚，到 AI 如何彻底改变软件开发，再到社交与媒体为什么要彻底分开——Evan Spiegel 用他的人本主义技术观，描绘了一幅不随大流的科技蓝图。

👨‍💼 本期嘉宾

Evan Spiegel，Snap Inc. 联合创始人兼 CEO，Spectacles 眼镜的缔造者。他自 2014 年起带领团队投入 AR 眼镜研发，同时将 Snapchat 打造成月活近十亿的即时通讯平台。他以对产品的不妥协和对人本设计的坚持闻名，是少数敢于挑战主流社交模式、并持续押注下一代计算的创始人之一。

⏱️ 时间戳

开场

00:00 开场 & 播客简介

AR 之路与 Spectacles

01:35 Snap 的“熔炉时刻”：十亿月活、净利润盈利在即

02:22 Spectacles 首次面向消费者：十二年磨一剑

03:04 技术挑战：为什么把计算机塞进眼镜这么难？

07:51 全栈自研：从 Snap OS 到光学引擎，为什么弃用安卓？

12:34 何时普及？1984 年 Macintosh 式的早期尝鲜者

15:23 拍照眼镜的教训：“好十倍”原则与护城河

未来计算与人机交互

04:25 后手机时代：先转移大屏，再创造全新体验

09:52 以人为本的设计哲学：为什么眼镜是计算的必然归宿

16:08 “杀手级应用已死”：AI 时代，人们为自己量身打造软件

18:10 Lens Studio：让任何人都能快速构建 AR 体验

社交网络的设计哲学

20:31 Snapchat 的核心：即时通讯与年超万亿自拍的相机帝国

24:35 网络不是越大越好：为什么密友圈带来更强幸福感

27:06 最大的错误：把社交和媒体结合，制造反常激励

29:35 短暂性的价值：默认删除，保存例外

31:05 未来的沟通：通过 Spectacles 在真实世界中连接

商业、青少年与责任

21:38 营收双引擎：广告 + Snapchat Plus（2500 万订阅，年化十亿美元）

22:16 当 AI 推理成本上升，直接收入为何越发重要

33:05 孩子与屏幕：健康平衡胜过一刀切

36:10 澳大利亚禁令的失效：克隆应用与系统级控制缺失

38:20 社交媒体与心理健康：为什么 Snapchat 呈正相关？

41:09 内容准则：在源头审核，而非依赖算法纠偏

产品创新与领导力

43:15 保持“酷”的秘诀：不追求酷，追求持久价值

43:59 每周几百个创意：设计师直接提交代码的设计评审

45:42 连续互发（Streaks）的转变：从反对到被用户故事打动

47:33 跨职能协作：设计、工程与产品的平等对话

47:58 挪威奇迹：高网络渗透 + 重视亲密关系，点燃早期增长

50:12 领导力进化：从打造产品到激励人攻克最难问题

制造与知识产权

51:23 美国制造：关键光学组件本土化，保护核心 IP

52:33 结尾：酒吧飞镖与下棋，轻松收官

🌟 精彩内容

💻 AI 席卷代码库

“现在 Snap 超过三分之二的新代码都是 AI 写的，这个转变发生得非常非常快。……我们写软件和运营公司的方式正在发生翻天覆地的变化。” Evan 透露，Claude 等工具正在彻底改变全公司的软件开发，而这也让 Snap 在 AI 时代拥有更独特的竞争优势。

🔀 社交与媒体必须分开

“最大的错误就是把社交和媒体结合在一起，这制造了很多反常的激励。” Snap 从一开始就将好友沟通与公共内容严格分开，避免为了填充信息流而迫使用户加更多好友，从而保护了密友圈的私密、自在与真实表达。

❌ 我们不想让你盯着一堆数字看

“我们不想让你盯着一堆数字看，我们想退后一步，帮你跟朋友好好交流。” Evan 解释 Snap 为何抵制显式的粉丝数、点赞数等量化指标，甚至多次想砍掉 Streaks 功能，最终却被无数用户来信说服——一个简单的连续互发标记，成了维系远方友谊的生命线。

👓 眼镜是计算的必然

“如果让计算更人性化，它必须从口袋里拿出来，放在眼前和耳旁。” 从十几年前开始做 Spectacles，Evan 就坚信眼镜是能融入人类生活、解放双手、理解环境的最佳形态，而非一块让人低头的屏幕。

💡 “好十倍”铁律

“如果做不到比现有方案好十倍，那投资进去就没意义。” 早期拍照眼镜的失败让 Snap 立下这条产品铁律，也是为什么 Spectacles 不满足于做 GoPro 替代品，而是瞄准真正的空间计算平台。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：一档以人工智能为核心的英文对谈播客 Andrej Karpathy: From Vibe Coding to Agentic Engineering

本期嘉宾 Andrej Karpathy 是 OpenAI 联合创始人、特斯拉 Autopilot 前 AI 负责人，也是“软件 2.0”理念的提出者和“vibe coding”一词的创造者。在离开前沿大厂后，他以更犀利的视角重新审视 AI 编程的爆发。他为何说自己作为程序员从未感到如此落后？Vibe coding 如何从一个玩笑变成真正的工程实践？软件 3.0 时代，编程的本质被改写成什么？Andrej 用亲身案例、可验证性框架以及“动物与幽灵”的比喻，为听众描绘了一幅从编码到智能体工程的认知地图。他还强调：无论 AI 如何进化，“你不能外包你的立场”。这是一场关于技术变革与人类定位的深度对话。

👨‍⚕️ 本期嘉宾

Andrej Karpathy，人工智能领域最具影响力的思想者与教育者之一。他是 OpenAI 的联合创始人，曾在特斯拉主导 Autopilot 的 AI 研发，被广泛认为是“软件 2.0”理念的提出者。他创造的“vibe coding”一词，精准捕捉了 AI 辅助编程的文化变迁，引发了全球开发者圈的广泛讨论。目前他致力于 AI 教育，以清晰透彻的讲解著称。

⏱️ 时间戳

00:00 开场 & 本期播客简介

01:39 嘉宾登场：OpenAI 联合创始人 Andrej Karpathy

从“落后感”到 Vibe Coding

02:18 作为顶尖程序员，为何突然感到从未如此落后？

03:13 Vibe Coding 的诞生：12月，一个决定性的转折点

软件三点零：编程的重新定义

03:54 软件1.0→2.0→3.0的演化：提示成为编程，上下文成为杠杆

04:44 实例一：用一段文字安装 OpenCL，告别膨胀的脚本

05:44 实例二：menu gen 的命运——一个简单的提示秒杀了整个应用

07:08 超越代码：AI 正在自动化广义的信息处理

可验证性：AI 自动化背后的引擎

09:39 锯齿状智能：为什么 AI 能解复杂方程却不会去洗车？

10:52 强化学习与验证奖励：模型能力的底层逻辑

12:50 给创业者的启发：在可验证的蓝海领域，你还有机会

从 Vibe Coding 到 Agent Engineering

14:31 Vibe Coding 抬高下限，Agent Engineering 拉高上限：十倍加速不是梦

15:21 智能体像“带刺的实习生”：如何驾驭其随机性与脆弱性

16:48 招聘革命：用“部署推特并抵御攻击”代替白板谜题

17:29 人类的领地：品味、判断与对“实习生”的监督

智能体的本质与世界的重构

20:46 动物还是幽灵？理解大语言模型的真实形态

22:04 把世界看作传感器与执行器：智能体原生时代

22:20 基础设施的“智能体优先”革命：别再让我手动部署

教育、理解与“不能外包的立场”

23:51 “你可以外包你的思考，但你不能外包你的立场”

24:23 为什么理解仍是瓶颈？用 AI 增强而非替代人类的认知

🌟 精彩内容

💡 “我作为程序员从未感到过如此落后”

Andrej Karpathy 坦言，在去年12月，AI 编程工具的连贯性发生了质变，让他进入了“vibe coding”状态。他不再纠正代码，而是完全信任系统。“我已经好几个月没写过 HTML 或 JavaScript 了，都是 AI 在处理。”这种从怀疑到全盘接受的体验，定义了新一代编程文化的起点。

🛠️ 软件3.0：一行提示消灭一个应用

通过 menu gen 的例子，Andrej 揭示了软件3.0的可怕潜力。当他用复杂的开发流程做了一个菜单可视化应用后，却发现用 Gemini 的一个简单提示“用 Nana Banana 把这些东西覆盖到菜单上”就直接生成了最终图片，应用本身变得毫无必要。这让他惊呼：“我做的 menu gen 完全是多余的……那个应用根本不应该存在。”它标志着从编写代码到编写上下文的根本迁移。

🚀 可验证性：AI 的“锯齿状”真相

为什么顶尖模型能重构十万行代码，却会建议你走路去洗车？Andrej 用“可验证性”和强化学习训练机制解释了 AI 能力的参差不齐。他指出，模型在可被验证的领域（如数学、编程）表现超群，但在未经强化学习打磨的常识上则显得笨拙。理解这种锯齿状，是创业者选择 AI 应用方向的关键。

❤️ 不能外包的立场

面对 AI 自动化一切的未来，Andrej 强调，人类最后的价值不在于计算，而在于判断。“有一条推文让我大为震撼：你可以外包你的思考，但你不能外包你的立场。”他认为，即使智能体再强大，理解仍是创作者的瓶颈，而用 AI 工具增强理解，才是保持航向的核心。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了硅谷硬核科技播客《Dwarkesh Patel》How GPT-5, Claude, and Gemini are actually trained and served – Reiner Pope

嘉宾 Reiner Pope 是芯片初创公司 Maddox 的 CEO，更早之前曾在谷歌负责 TPU 架构设计。整期节目采用“黑板讲座”的形式，Reiner 从最基础的 roofline 模型出发，一步步推导出批次大小如何影响大模型推理的延迟与成本，揭示了“内存墙”为什么是上下文长度的真正枷锁。他还结合 Gemini、DeepSeek 等前沿模型的公开定价，反向推算出隐藏的技术架构，甚至连 KV 缓存存储在哪一层内存都能猜出来。对话后半段更跨界到密码学，探讨神经网络与密码协议在结构上的惊人相似。这是一堂 AI 基础设施的实战大师课，听完你会对“为什么 API 定价是这样”“为什么模型扩展变慢了”这些问题豁然开朗。

👨‍⚕️ 本期嘉宾

Reiner Pope，AI 芯片公司 Maddox 的创始人兼 CEO，曾在谷歌领导 TPU 架构设计，对分布式训练、推理系统和芯片设计有极其深厚的工程与研究积淀。他还是《Scaling》一书的作者。

⏱️ 时间戳

开场与技术形式

00:00 Yikai 开场及节目介绍

01:26 Dwarkesh 介绍嘉宾与“黑板讲座”设置

Roofline 模型与批次大小的艺术

02:53 为什么要从“批次大小”开始？它对延迟和成本的决定性影响

04:33 批处理为什么能节省上千倍成本？

07:04 一张延迟图看懂内存时间与计算时间的平衡

10:25 稀疏注意力与最优批次大小的代数推导

12:00 单用户推理为什么贵？成本曲线揭示的无穷大起点

15:20 最优批次大小≈300×稀疏度，一个跨硬件稳定的常数

17:08 推理引擎的“火车模型”：每 20 毫秒固定发车

19:35 从每秒 12.8 万 token 反推前沿模型的多大用户量

21:38 增加稀疏度划算吗？《路由语言模型统一法则》告诉你答案

模型架构与硬件拓扑

24:15 混合专家层如何分片到 GPU 机架上

27:47 机架内的 NVLink 高速网络与机架间慢八倍的“瓶颈”

32:33 为什么 GPT‑4 之后模型规模扩展变慢了？不是计算，是内存容量在等机架

35:40 流水线并行真的省了内存吗？通信模式的代数拆解

39:45 流水线气泡：训练中的微批次权衡与推理中的“不费脑”设计

内存墙、过度训练与规模法则

45:12 内存容量真的过剩吗？为何大家还在砸钱买 HBM？

49:03 为什么流水线并行对 KV 缓存无效？内存容量的死结

52:00 过度训练 100 倍？从 Chinchilla 最优到真实世界的偏离

58:23 预训练、强化学习与推理 token 的最优成本分配

01:04:24 惊人反推：预训练数据量其实约等于模型整个生命周期的推理 token 数

从 API 定价反推技术架构

01:05:26 Gemini 长上下文加价 50%的硬件解释

01:09:50 价格如何泄露秘密：每个 token 的字节数、KV 缓存大小都能算出来

01:12:47 输出 token 为什么比输入贵 5 倍？解码与预填充的内存带宽真相

01:14:51 KV 缓存命中便宜 10 倍：HBM、DDR 与机械硬盘的角色分配

01:22:00 5 分钟 vs 1 小时：定价时长正好对应闪存与机械硬盘的“排空时间”

交叉学科火花

01:24:17 神经网络与密码学：同样的“混合”结构，相反的训练目标

01:27:06 对抗攻击与后门：神经网络里的“雪崩效应”

01:28:45 从密码学借来的可逆网络：用计算换内存，反向传播不用存激活值

结尾

01:30:50 结语与致谢

🌟 精彩内容

💡 “火车模型”：理解推理延迟的钥匙

Reiner 把大模型推理比作固定时刻表的火车：每 20 毫秒发车一次，能上多少用户就上多少。这直接解释了为什么多付钱可以得到更快流式输出的“快速模式”，以及为什么存在“慢速模式”都无法突破的成本下限。

🛠️ 内存墙：限制上下文长度的真正元凶

“内存墙没有真正的解决方案”，Reiner 直言。通过 roofline 分析，他展示了为什么超出 20 万 token 左右后成本会急剧上升——不是因为算力不够，而是因为内存带宽被 KV 缓存吃满。这也是 Gemini 等模型长上下文定价加价 50%的根本原因。

🚀 用公开价格反推绝密架构

Reiner 现场演示了如何通过 API 每百万 token 的定价，推导出模型中每 token 的 KV 缓存字节数（约 2KB）、注意力头的维度，甚至推断出缓存是放在 HBM、DDR 还是机械硬盘里。一堂震撼的技术情报分析课。

💻 批次大小：从千倍成本差到硬件常数

如果不做批处理，单用户推理的成本可能比批处理高上千倍。而最优批次大小竟然可以通过一个简单的硬件常数（算力 / 内存带宽）乘以模型稀疏度直接估算出来，这个常数在不同 GPU 世代间保持惊人稳定。

❤️ 密码学与神经网络：同构的两面

神经网络通过梯度下降学习结构，密码学却拼命制造随机性的“雪崩效应”。Reiner 指出，这恰恰是同一个混合架构的两个极端用途，而可逆网络正是从密码学中借来、用于节省训练内存的巧妙设计。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是 Y Combinator 官方播客的一期深度对谈。Demis Hassabis: Agents, AGI & The Next Big Scientific Breakthrough

主持人 Gary 是 YC 的 CEO，嘉宾 Demis Hassabis 是 DeepMind 的联合创始人兼 CEO，他因破解生物学上长达五十年的蛋白质结构预测难题，在去年获得了诺贝尔化学奖。

在这期节目里，你将听到 Demis Hassabis 从国际象棋神童、游戏设计师到诺奖得主的传奇经历，以及他对通用人工智能的终极思考。对话深入探讨了当前 AI 系统缺失的关键组件——持续学习、长期推理和记忆；他独家披露了 DeepMind 如何将其在 AlphaGo 上验证过的强化学习和搜索哲学，融入当今最先进的 Gemini 大模型。此外，他还分享了小模型的“蒸馏”艺术、智能体的真实进展，以及 AI 将在未来五年如何彻底变革材料科学、药物发现等基础科学领域。对于每一位正在科技前沿探索的创始人，Demis 给出了一条至关重要的建议：在 AGI 可能于途中降临的时代，你该如何预判技术走向，构建真正具有防御性的深度科技公司。

👨‍⚕️ 本期嘉宾

Demis Hassabis，Google DeepMind 联合创始人兼 CEO，2024年诺贝尔化学奖得主。他从小是国际象棋神童，17岁便设计了畅销游戏《主题公园》，后来获得认知神经科学博士学位，并于2010年创立 DeepMind，致力于“解决智能问题”。他领导的团队开发了击败世界围棋冠军的 AlphaGo 和破解蛋白质结构预测难题的 AlphaFold，后者已被全球超过三百万研究人员使用，被誉为 AI 加速科学发现的里程碑。目前，他正带领团队打造 Gemini 模型，并继续朝着通用人工智能的宏大目标前进。

⏱️ 时间戳

开场与嘉宾传奇

00:00 开场：Y Combinator播客简介与Demis Hassabis的非凡成就

03:30 Demis的职业生涯回顾：从棋坛神童到认知神经科学博士，再到DeepMind创立

05:00 AlphaGo与AlphaFold：两个改变世界对AI认知的里程碑

06:30 诺奖背后：免费开放AlphaFold，赋能全球每一位科学家

AGI架构的未来拼图

07:15 当前范式的局限：大模型还缺什么？持续学习、长期推理与记忆

09:45 “梦境循环”与海马体：神经科学启发下的经验重放技术

12:30 上下文窗口是终极方案吗？工作记忆的蛮力模拟与信息检索成本

15:00 生物大脑不是机器：完美记忆的承诺与逻辑成本困境

从AlphaGo到Gemini：强化学习的回归

17:45 智能体的原始基因：Atari游戏与AlphaGo如何定义自主系统

19:45 “想太多”的模型：在思维链中如何避免循环错误

22:00 强化学习被低估了吗？将游戏策略泛化到世界模型

24:00 AlphaZero的旧思想与当今基础模型的新结合

超高效的小模型：蒸馏的艺术

26:30 从庞大前沿模型到轻量级Flash：蒸馏技术的极限在哪？

28:30 为何必须极致高效：服务数十亿用户的谷歌生态与低延迟刚需

30:30 速度优于绝对能力：迭代效率如何弥补5%的能力差距

32:00 隐私与安全：设备端小模型的战略意义

智能体时代的黎明

35:00 智能体真实能力：到底是炒作还是真正的起步？

37:00 人机协作：为什么还没出现“AI造出的爆款游戏”？

38:45 失踪的创造火花：一个能发明“围棋”的系统何时到来？

40:15 工具的灵魂：人类品味与创造力的不可或缺

多模态、开源与设备端模型

43:30 从Gemini到Gemma：开放科学基因与开源模型战略

46:00 为何开放边缘模型？部署风险与安卓、机器人的全球布局

48:00 多模态先见：如何让AI理解物理世界并遥遥领先

AI与基础科学的下一个突破口

51:00 AlphaFold的范式：组合搜索空间、清晰目标函数与合成数据

53:30 迈向虚拟细胞：我们需要什么样的活细胞成像技术？

56:00 未来五年最具变革潜力的科学领域：材料、气候与数学

58:00 根节点问题：如何用AI解锁全新科学发现的分支

给深科技创始人的忠告

01:00:30 预测AI走向与跨学科结合：如何构建不被基础模型吞没的护城河

01:03:00 拥抱深度科技：真正有价值的事从不简单，相信你的另类视角

01:06:30 为自己热爱的事业而战：即使技术未成，你也会找到继续的路

01:08:30 终极建议：在AGI终点途中启动你的深科技征程

终极挑战：科学推理与AI的创造力

01:10:30 系统能否自己提出“黎曼假设”？超越模式匹配的科学推理

01:13:00 “爱因斯坦测试”：训练截止1901年的模型，它会发现狭义相对论吗？

01:16:00 通用工具与专用系统的未来：为何AGI不应是一个巨无霸大脑

🌟 精彩内容

💡 AGI的最终架构：还缺哪几块拼图？

Demis 明确指出，尽管当前的大规模预训练、RLHF和思维链范式已非常强大，但要实现完全的通用智能，我们还必须攻克持续学习、长期推理和更高效稳定的记忆机制。“我觉得现有的组件会是AGI最终架构的一部分，但可能还需要一两个重大的想法去突破。”

🧠 从神经科学借来的AI灵感

Demis 结合其认知神经科学的博士背景，解释了DeepMind早期突破的核心概念——“经验重放”如何源于对大脑海马体在睡眠中巩固记忆的研究。这一在2013年被用于Atari游戏AI DQN的 “远古时期”突破，至今仍对克服模型的“无状态”难题具有深刻启发。

🚀 小模型的大智慧与蒸馏的极限

当被问及小模型的聪明程度是否有极限时，Demis 乐观地表示目前远未触及信息密度的天花板。“我们的一款前沿模型发布半年到一年后，你就能在那种非常小、几乎能跑在设备端的模型里看到同样的能力。” 这不仅关乎成本，更关乎速度与隐私，他认为设备端高效模型加云端强大模型协调将是理想的终局。

♟️ 当AI“想太多”：从国际象棋的错误说开去

Demis 分享了与Gemini下棋的有趣观察：模型有时会意识到某步是臭棋，但因找不到更好的选择而依然走出那一步。“在一个精确的推理系统里，你根本不应该看到这种事……我总觉得它对自己的思考过程缺少一种内省。” 这反映了当前系统推理能力的“锯齿状”特征。

🔬 科学发现的下一个“AlphaFold时刻”

Demis 提出了他所寻找的科学突破范式：一个巨大的组合搜索空间、一个明确定义的目标函数、以及足够的数据或合成数据模拟器。他预测在材料科学、药物发现等领域，我们正处于类似AlphaFold爆发前的“临门一脚”时刻，并给出了“十年内实现完整虚拟细胞”的具体时间线。

💎 创始人的黄金法则：预判AI，拥抱深科技

对于创业者，Demis 的建议直击要害：“你必须预判 AI 技术的发展走向。” 他认为，将AI与某个深度技术领域（如材料、医药）相结合的跨学科团队，将最具防御性，不会轻易被基础模型的下一次更新淹没。此外，他鼓励所有人将生命投入到“如果你不做就不会有人去推动、真正能改变世界的事情”上。

🌐 播客信息补充

翻译克隆自：Y Combinator 官方播客

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆的是知名英文播客《Naval》 On Vibe Coding ，由硅谷传奇投资人 Naval Ravikant 与联合主持人 Nivi 共同主持。

他们在这场对话中深入探讨了 vibe coding——利用 AI 直接编写代码、甚至一句话生成个性化应用的新潮流。Naval 从自己沉迷于用 AI 构建个人应用商店的亲身经历出发，剖析了 AI 编程智能体如何降低创造门槛，并大胆预言：纯软件已不再适合风险投资，而苹果在 AI 上的落后将导致其统治地位终结。这不仅是技术趋势的解读，更是对未来个人创造力、创业格局和科技巨头命运的深刻洞察。

在这期节目中，你将听到 Naval 如何仅凭自然语言指挥 AI 生成完全定制的健身应用，体验“比打电子游戏更上瘾”的编程快感；他将首次详细对比 Claude、ChatGPT、Gemini 和 Grok 四大前沿模型的使用体验；更重要的是，他将揭示 AI 编程对风险投资、软件创业乃至苹果公司市值的深远冲击。这是一场充满洞见的思维盛宴。

👨‍⚕️ 本期嘉宾

Naval Ravikant，硅谷著名天使投资人、企业家与思想家。他是 AngelList 的联合创始人，早期投资了包括 Uber、Twitter 等在内的众多明星公司。他以其深刻的第一性原理思考闻名于世，播客《Naval》在全球拥有大量忠实听众。

Nivi，Naval 的常规联合主持人，多次与 Naval 搭档探讨科技、投资与人生哲学，以犀利的提问和见解著称。

⏱️ 时间戳

开场介绍

00:00 节目介绍：跨国串门计划，AI 声纹克隆技术跨越语言障碍

00:39 本期克隆《Naval》播客，嘉宾 Naval Ravikant 简介

01:15 精彩预告：vibe coding 比游戏更好玩，苹果统治地位终结

爱上 Vibe Coding：从零到个人应用商店

01:38 Nivi 开场，抛出 vibe coding 话题

02:00 拐点到来：Claude Opus 4.5 让 AI 编程智能体变得可靠

03:06 上瘾的开始：AI 真的能干活了，编程启动门槛骤降

04:01 智能体的秘密：长期存活在 Unix 环境中，像有初级程序员随时待命

05:34 个人应用商店诞生：一句话生成应用，直接装到 iPhone 上

08:24 最难的是清晰愿景：讲述重做社交应用 Air Chat 的缘起

无妥协创作：AI 编程的核心魔力

09:37 像自动驾驶一样无拘无束，再也不用迁就任何人

10:01 原型纯粹性：完全忠实于创造者愿景，可能催生更多《我的世界》式作品

12:47 比电子游戏更上瘾：真实世界的反馈闭环，让人每晚沉浸

纯软件已死？对创业与风投的冲击

11:49 断言：纯软件不可投资，风投应转向硬件、网络效应和 AI 模型

12:00 两大原因：AI 让软件拼凑太过容易，且智能体进步足以构建可扩展软件

13:00 个人软件创作者的复兴，但“职业”概念正在松动

AI 编程智能体的现状：模型对比与局限性

14:06 AI 纠错能力：从思考到协作，智能体如何学习

15:09 锯齿状智能：多智能体协作为何难以奏效

16:53 四大模型横向对比：Claude 善沟通，ChatGPT 最全面，Gemini 数据强，Grok 讲真话

18:05 群体思维与讨好倾向：模型缺乏真正主见，需人类引导

19:29 上下文窗口瓶颈：复杂项目下模型开始“失忆”，出权宜之计

21:24 未来可期：一次性生成复杂应用指日可待

苹果的危机：AI 如何终结 App Store 模式

23:23 对话式智能体崛起，手机应用变得可有可无

26:08 最大战略错误：苹果放弃 AI，统治地位开始终结

未来软件世界：自动修复与一人公司

27:00 自动修复 bug 系统：AI 每日审查并修复，人类只需把关

28:27 一人公司的时代：两三个人即可服务数千万用户，赚取数十亿美元

🌟 精彩内容

💡 Vibe Coding：比游戏更上瘾的创造体验

Naval 详细描述了 vibe coding 如何让他重拾编程乐趣。只需自然语言描述，AI 智能体就能生成功能完整的应用，并直接推送到个人手机。他坦言：“Vibe coding 比打电子游戏更好玩，它更有生产力，更有建设性，有更好的反馈循环。”这种即时反馈和零妥协的自由度，让 Naval 每晚都沉浸其中，甚至从社交媒体上完全消失。

🛠️ 四大 AI 编程模型横向测评

Naval 分享了他日常使用四款前沿模型的真实体验：Claude 善于匹配用户水平、沟通最顺畅；ChatGPT 仍是综合能力最强的“老大哥”；Gemini 凭借谷歌索引在搜索和数据获取上优势明显；Grok 则最少审查、敢说真话，且在科学难题上表现出色。他还揭示了模型间的群体思维和讨好倾向，提醒用户仍需充当“品味引领者”，亲自介入架构与设计。

💻 纯软件不可投资：风投行业的警钟

Naval 抛出重磅观点：“纯软件不可投资，我就把话撂这儿了。”他认为 AI 让软件的供给端急剧膨胀，单纯靠代码质量的优势已无法形成护城河。风险投资必须转向硬件、网络效应或基础 AI 模型。与此同时，这也为个人创作者打开了新时代——只需一两人就能做出服务数千万用户的软件公司，Notch 和中本聪式的传奇将更为常见。

🍏 苹果放弃 AI：十年最大战略错误

Naval 尖锐指出，随着 AI 智能体成为人机交互的核心，手机应用层的价值将大幅削弱，苹果软硬一体的优势会逐步瓦解。他直言：“我认为苹果放弃 AI，将成为这十年科技行业最大的战略错误，这也是苹果统治地位终结的开始。”他预言苹果市值将收缩，而新的巨头将从 AI 原生体验中崛起。

🌐 播客信息补充

翻译克隆自：On Vibe Coding

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

🎙️

📝 本期播客简介

本期我们克隆了：硅谷头部产品播客《Lenny's Podcast》 How to build a defensible company in the AI era | Evan Spiegel (Snapchat CEO)

本期嘉宾 Evan Spiegel 是 Snap 的联合创始人兼 CEO。十五年前他打造了 Snapchat，如今月活近十亿，是极少数能够持续创新的消费社交产品掌舵人之一。在这期节目中，你将听到 Evan 首次系统阐述：为什么在 AI 时代，分发成为比产品市场契合度更关键的护城河；Snapchat 如何连续十五年被抄袭却依然引领创新；他对 AR 眼镜这一下一代计算平台的执着与思考；以及他如何通过极扁平的创新组织，在巨头林立中持续推出 Stories、Spectacles 等改变规则的产品。这不仅是关于 Snapchat 生存与演化的深度复盘，更是一堂关于创始人如何平衡创新与规模、理想与现实的领导力大师课。

👨‍💼 本期嘉宾

Evan Spiegel，Snap 联合创始人兼 CEO。他于 2011 年与 Bobby Murphy 共同创建了 Snapchat，此后十五年一直领导公司创新，推出 Stories、AR 镜头、Spectacles 眼镜等里程碑产品。Snapchat 目前月活用户超过 10 亿，年营收超 60 亿美元，是全球最成功的社交消费平台之一。

⏱️ 时间戳

00:00 开场 & 播客简介

消费社交的生死线：为什么分发比产品市场契合度更重要

01:37 为何 15 年来难有新社交产品成功？TikTok 和 Threads 的例外

03:59 分发：消费科技里最被低估的一课

05:23 砸钱砸出生态：TikTok 如何用数十亿美元解决分发

05:57 产品市场契合度之外，创始人该思考什么

06:24 亲密朋友的网络价值：Snapchat 的早期增长密码

Snapchat 的“原创者诅咒”：被抄袭与反超

08:31 从 Stories 到 AR 眼镜：Snapchat 被抄的历史清单

09:11 Snapchat+ 订阅被 Meta 抄袭：连名字都一样

09:39 被抄是一种福气？Evan 的反思与策略

09:55 十五年前就明白：软件本身不是护城河

10:12 构建生态系统：让抄袭者难以复制

硬件与 AR 眼镜：为下一代计算平台播下种子

11:41 硬件投入的初衷：把人们从孤独的屏幕中拉回来

12:02 Spectacles 到 Specs：十年的 AR 眼镜演进

14:10 新电脑形态：解放双手，连接真实世界

15:31 AR 不是通知屏幕：Evan 对人机交互的思考

构建创新组织：从《Loonshots》到 Snap 的实践

16:15 《Loonshots》的启示：大公司与小团队如何共存

19:14 设计团队作为创新引擎：9-12 人的扁平先锋队

19:40 没有层级的设计室：从第一天就要展示作品

22:05 想有好点子，先有大量点子：速度压倒完美

设计驱动一切：速度、评审与用户共情

22:30 该不该和用户交谈？Evan 的共情方法论

23:34 Stories 诞生记：倾听但不盲从用户需求的经典案例

26:39 截图检测：一个早期功能如何引爆增长

28:12 等了 200 名员工才招 PM：设计团队的产品经理角色

30:39 AI 时代：设计师终于被正名了？

32:00 设计是“瓶颈”，也是品质的保障

AI 如何重塑产品团队：设计师写代码、智能体接管工作流

34:53 招聘设计师：只看作品集，不看履历

41:03 设计师写代码：从好奇到提交 PR

42:23 十亿用户规模的 AI 应用：自动化代码审查与 bug 修复

44:23 智能体改变公司运作：从产品想法到市场推广的自动化

50:52 Evan 的 AI 副驾驶：如何用 Glean 掌握整个公司的脉搏

创始人的进化：从做产品到当“首席解释官”

43:05 十五年 CEO 角色的蜕变：从回复客户邮件到战略

44:10 沟通是最核心的技能：克林顿的“首席解释官”之说

45:13 爱上冲突：从抵触全员大会到享受尖锐问题

Snap 的“关键时刻”与未来

47:21 为什么今年被称为“坩埚时刻”？十亿用户后的盈利压力与眼镜生意

48:40 “中间的小孩”：Snap 在巨头夹缝中的定位与挑战

49:50 家庭屏幕政策：四个男孩的不同数字生活

快问快答

55:08 反共识观点：人性远比技术重要，AI 推广必有社会反弹

56:43 推荐书籍：《苹果前五十年的故事》与《世界末日只是开始》

57:31 最近最爱的电影：《Marty Supreme》

58:02 重新迷上宝可梦：与孩子一起发现 IP 魅力

58:28 人生格言：你有两只耳朵，一张嘴巴——按比例使用它们

58:40 最爱的镜头：呕吐彩虹；最不爱的：换脸

结尾

59:34 让计算更具人情味：Evan 的临别寄语

🌟 精彩内容

💡 分发才是新护城河

Evan Spiegel 指出，在 AI 让软件构建门槛大幅降低的未来，分发将成为最难被复制的竞争壁垒。他以 TikTok 砸巨资补贴市场两端为例，说明解决分发问题比单纯寻找产品市场契合度更重要。这一观点对当下消费创业者极具冲击力。

“消费者科技行业里，太多人在关注产品市场契合度。但人们花在思考分发、搞懂分发上的时间，远远不够。”

🛡️ 十五年前就悟到的真理：软件本身不是护城河

Evan 回顾 Snapchat 被无数次抄袭的历史，坦承正是意识到软件功能极易复制，团队才早年押注生态建设和硬件。这一反思与当下 AI 时代“软件正在被商品化”的共识不谋而合，也解释了 Snap 为何在 AR 眼镜上投入十年之久。

“十五年前，我们本质上就认识到，软件本身不是护城河。而这一点，今天所有人正在通过 AI 重新发现。”

👓 AR 眼镜：为被屏幕隔离的人们重新连接

Evan 分享了他对计算设备演进的深刻思考：手机让我们孤独地盯着屏幕，而 AR 眼镜能将数字体验锚定在真实世界，让人们共同互动。他透露 Spectacles 的演进路线，并认为现在正是推出这种“新电脑”的最佳时机。

“我注意到电脑——以及今天的手机——有一个问题：它们在很多方面让我们彼此隔离……所以，我觉得这里有一个巨大的机会，去构建那种真正能把我们聚在一起、让我们扎根于现实世界的技术。”

🏢 从《Loonshots》学到的创新组织学

Evan 将《Loonshots》一书奉为圭臬，详细拆解 Snap 内部如何平衡 10 亿用户的稳定运营与极小型设计团队的疯狂创新。他描述了一种“双组织”结构：让纯粹扁平、高速试错的团队与纪律严明的大部队和谐共生。领导者的任务就是管理好双方的紧张关系。

🎨 设计评审的速度哲学：想要好点子，先有大量点子

Evan 介绍他每周与设计团队碰面数小时，看到上百个想法，鼓励设计师从入职第一天就展示作品。他强调，只有当点子不再被视为珍宝时，真正的创造力才会爆发。这一做法或许能启发所有创意驱动的团队。

“想出一个好点子的前提，是你得先有大量的点子。”

💬 倾听但不盲从：Stories 功能的诞生故事

Evan 生动还原了 Stories 如何从用户“给我个群发按钮”的请求中，演变成一个按时间线、阅后即焚、零压力的分享形式。这个案例完美诠释了“共情用户，再给出意想不到的解决方案”的产品哲学。

“我们从用户那里听到的所有这些洞察，对产品设计过程产生了巨大的影响。但我们并没有完全按照他们要求的来做。我们是先共情，然后提出了全新的、完全不一样的东西。”

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了挪威主权财富基金CEO Nicolai Tangen主持的《好公司相伴》Xiaomi CFO: From Smartphones to EVs, Speed to Market and AI | Podcast | In Good Company

他邀请了小米集团首席财务官Alain Lam，深入探讨小米从手机起步到构建“人车家全生态”的扩张历程，以及AI、智能汽车、人形机器人和全球化战略。Alain分享了小米如何用不到三年时间造出第一款车，为什么集中十倍资源只做一款车，以及AI如何在制造、销售、研发中落地。他还透露了创始人雷军的管理哲学——亲自试驾150款车、考取赛车执照，并阐述了对“中国速度”、欧洲电动化差距及未来物理世界AI的独到见解。

👨‍💼 本期嘉宾

Alain Lam，小米集团首席财务官。他拥有丰富的国际金融与战略经验，在小米负责财务、战略投资及全球业务拓展，深度参与小米从手机到智能汽车的跨界布局，是公司核心管理团队的关键成员。

⏱️ 时间戳

00:00 开场 & 播客简介

小米的创业基因与手机业务

00:01:56 小米简介：一家年营收超4500亿元的十六岁年轻公司

00:03:15 从MIUI到小米1：用一年时间打造第一款智能手机

00:04:22 本土供应链与“高品质、诚实价格”的初心

00:05:26 小米17的创新：双面屏幕的突破性设计

00:06:00 智能家居生态：从空调、洗衣机到智能门锁的万物互联

造车：从手机思维到智能电动车

00:07:19 2021年决定造车，不到三年推出首款车型

00:08:23 集中十倍资源，只做一款车的产品哲学

00:09:17 30分钟卖5万辆：未试驾即下单的忠诚用户

00:10:44 手机与造车的异同：软件定义硬件与供应链复用

00:12:01 欧洲电动车落后在哪？小米把焦点放在“智能”

00:13:51 福特CEO开SU7：“开了六个月就甩不掉了”

00:14:05 电动车市场未来：渗透率持续上升，欧美收缩只是暂时

AI、机器人与技术愿景

00:15:32 人形机器人：2019年开始布局，先用于自家工厂提效

00:16:52 灵巧手的进化：自由度、散热与接近真人手的尺寸

00:18:13 AI在小米的全方位应用：编程、销售预测、压铸检测

00:19:47 小米自研大语言模型：开源、低成本与排行榜高分

00:21:58 未来愿景：物理世界的AI与全球十亿台设备互联

创始人、文化与全球化

00:22:53 雷军：亲自试驾150款车、考取赛车执照的产品狂人

00:23:59 工作文化：“既要努力干活，也要聪明地干活”

00:25:26 “中国速度”的秘诀：成熟供应链、前沿创新与超长投入

00:26:21 欧洲计划：明年出口电动汽车，设立慕尼黑研发中心

个人洞见与建议

00:27:18 CFO的放松之道：阅读商业历史、跑马拉松与享受美食

00:29:24 给年轻人的建议：理解趋势，99%的问题已有现成答案

00:30:31 结语与感谢

🌟 精彩内容

💡 从手机到全生态的扩张逻辑

Alain Lam回顾了小米16年的发展历程，从MIUI操作系统起家，到推出小米1、布局智能家居，再到汽车和机器人，始终秉持“高品质、诚实价格”的理念。目前小米已形成“人车家全生态”，拥有全球超十亿台联网设备。

“我们想给用户提供高品质的解决方案，但价格要实惠。”

🚗 十倍投入，集中精力造一款车

面对造车新战场，小米没有分散尝试，而是用超3000人的研发团队、十倍于行业平均的投入，死磕第一款车SU7。这种做法让小米一举打破市场，创造了发布即爆款的纪录。

“与其朝多个方向分散、做很多款车，不如把所有精力集中在一款车上。”

🤖 人形机器人与物理AI的未来

小米从2019年就开始布局人形机器人，目前主要用于内部制造场景，以提升效率。Alain认为，物理世界的数据仍稀缺，而小米庞大的硬件生态将成为训练物理AI的关键，未来可能会彻底重塑制造流程。

“我们把焦点放在‘智能’上，而不是仅仅盯着电动。”

🧠 雷军的管理密码：做产品的狂热信徒

雷军不仅是一位远见者，更是极致的“产品人”。他亲自试驾150多款车、考取职业赛车执照，并要求管理层深入体验产品——Alain在首款车发布前就开了3000公里。这种“热爱产品”的文化深深塑造了小米的工作方式。

“你必须了解产品，必须爱你的产品，你才能做这个业务。”

🌍 给年轻人的成长哲学

Alain建议年轻人保持学习兴趣，跟上AI等前沿趋势，同时多读商业历史，从成功和失败中寻找答案。他分享了一句古话：“百分之九十九的问题，其实都已经有现成的答案了，你只需要把它找出来。”而AI工具或许能加速这一过程。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名开发者 Matt Pocock 在 AI Engineer 大会上的深度工作坊。Full Walkthrough: Workflow for AI Coding from Planning to Production — Matt Pocock (@mattpocockuk )

Matt 是 TypeScript 专家、在线教育平台 AI Hero 的创始人，过去半年他全身心探索如何将软件工程的基本功与 AI 工具高效结合。在这期播客中，你将听到 Matt 如何通过严谨的软件工程实践，让 AI 编程不再是“氛围编程”，而是可控制、可预测、高质量的工程流程。从理解大语言模型的局限性，到运用“追问”技巧对齐需求，再到将任务拆分、测试驱动开发、代码审查，Matt 提供了一套完整的工作流，帮助你真正驾驭 AI，而不是被 AI 驾驭。

👨‍🏫 本期嘉宾

Matt Pocock，TypeScript 专家，在线教育与开发工具 AI Hero 创始人。他以深刻的软件架构理解和丰富的 TypeScript 教学经验闻名，长期致力于帮助开发者提升代码质量与工程效率。

⏱️ 时间戳

开场 & 播客简介

00:00 主播一恺介绍节目与本期克隆的AI编程工作坊

00:37 Matt Pocock与原话亮点：软件工程基本功与AI的化学反应

软件工程基本功：AI时代的基石

01:31 Matt开场：AI是新范式，但软件工程基本功同样关键

02:41 现场调查：多数开发者每天用AI编程，但也常被AI气疯

大语言模型的“阿喀琉斯之踵”

03:57 聪明区与蠢笨区：为什么上下文越长AI越蠢？

06:33 多阶段计划：如何拆分大任务避开蠢笨区

07:54 记忆碎片：LLM的遗忘特性与上下文重置

09:20 压缩 vs 清空：哪种上下文管理方式更好？

规划与对齐：让AI听懂你的想法

11:58 练习项目：为课程平台添加游戏化功能

12:29 “追问我”技巧：远离“规格直接转代码”的误区

14:55 实战grill me技能：与AI进行深度盘问，达成共同理解

18:20 子代理的作用：隔离上下文，降低主窗口压力

21:31 问答环节：如何将追问技巧融入团队协作

从想法到产品需求文档（PRD）

26:48 盘问结束后，为什么需要一份PRD来记录设计概念？

28:09 自动生成PRD：用户故事、实现决策与模块划分

31:34 为什么不读PRD？信任对齐过程，把时间花在QA上

任务拆分：看板、垂直切片与并行开发

34:28 看板方法：将PRD拆成独立任务，理清阻塞关系

36:38 垂直切片与曳光弹开发：避免AI“水平编码”，尽早获得反馈

43:38 创建任务依赖图，规划多智能体并行执行

实现阶段：自动智能体与测试驱动开发

45:45 白班与夜班：人类完成规划，AI火力全开自动实现

46:54 Ralph全自动智能体循环：任务优先级与反馈回路

50:31 问答：如何管理AI产出的大量代码审查？

56:50 AI对AI的QA：让AI自审代码，但记得清空上下文

58:15 测试驱动开发（TDD）：从AI身上榨取最大价值的关键

代码审查、规范与架构优化

01:00:32 人工QA：重新注入人的品味，避免产出“渣滓”

01:04:18 浅模块 vs 深模块：好代码库让AI更聪明

01:09:53 改善代码库架构技能：扫描耦合，创建可测试的深模块

01:11:47 文档腐烂：为什么PRD完成就应丢掉？

01:15:42 编码规范策略：对实现者“拉取”，对审查者“推送”

01:17:15 Sandcastle：跨智能体并行开发的TypeScript框架

总结与建议

01:20:41 完整工作流回顾：想法→对齐→PRD→看板→实现→审查

01:22:19 核心建议：多读经典软件工程书籍，它是一座纯金矿

🌟 精彩内容

💡 软件工程基本功是AI时代的放大器

Matt强调，AI是新范式，但模块化、测试、代码审查这些基本功在与AI协作时更为重要。糟糕的代码库造出糟糕的智能体，优秀的架构才能让AI发挥威力。

💡 聪明区与蠢笨区：LLM的核心约束

理解大语言模型的“注意力衰减”是高效使用AI编程的前提。上下文超过一定长度后，模型性能急剧下降，因此必须将任务拆小，避免一脚踩进蠢笨区。

💡 “追问我”技巧：与AI深度对齐的秘密武器

Matt独创的“grill me”技能，通过不断向开发者提问的方式，强迫AI与人在设计概念上达成一致。这远比直接产出计划文档更能确保后续实现不跑偏。

💡 TDD：让AI写出高质量代码的钥匙

测试驱动开发（红-绿-重构）是让AI编程产生价值的绝对关键。它提供了即时反馈循环，避免AI盲目编码，并显著提升代码库的测试覆盖率。

💡 垂直切片与深模块：设计AI友好的系统

AI倾向于一层一层水平编码，导致迟迟无法集成测试。采用垂直切片（曳光弹）和深模块设计，能让人和AI在开发早期就获得完整反馈，大幅提升效率。

💡 人机协作的终极工作流

Matt分享了一套完整打法：人工负责规划和需求对齐，生成PRD与看板任务；然后交给AI自动实现；最后人工进行QA和审查。这套流程将AI的效率与人的品味完美结合。

🌐 播客信息补充

翻译克隆自：

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶尖投资与科技播客《Invest Like The Best》The Supply and Demand of AI Tokens | Dylan Patel Interview

本期嘉宾 Dylan Patel 是顶尖芯片与 AI 分析机构 SemiAnalysis 的联合创始人，主持人则是一位长期追踪算力经济的资深记者。两人围绕 AI 模型进展、Token 经济与企业竞争力展开了一场信息密度极高的对话。Dylan 分享了 SemiAnalysis 自身 Token 用量从几万美元飙升至七百万美元的疯狂内幕，展示了一个人用几千美元 Token 就替代整个团队完成逆向工程、宏观经济分析的惊人案例。他深入剖析了 Token 供需的严重错配，揭示了前沿模型 Mythos 强大到让开发者推迟发布的真实原因。更发出振聋发聩的警告：当执行成本趋近于零，只有持续用更多 Token 创造并捕获价值，才能避免坠入“永久的下层阶级”。

👨‍⚕️ 本期嘉宾

Dylan Patel，SemiAnalysis 联合创始人。SemiAnalysis 是全球顶尖的芯片、AI 基础设施与算力经济研究机构，其分析报告深受华尔街与科技界决策者信赖。Dylan 本人以极深的技术洞见和对供应链的敏锐判断而闻名。

⏱️ 时间戳

00:00 开场 & 播客简介

执行与创意的逆转

01:34 过去执行极难创意廉价；现在执行极容易，真正好的创意才值得落地

Token 用量爆炸：SemiAnalysis 内部故事

02:43 非技术人员用 Claude Code 一天花掉几千美元写代码

03:46 逆向工程芯片：一个人几千美元 Token 替代一个专业团队

04:49 经济学家 Malcolm 一人完成两百人的工作量，发明“幽灵 GDP”指标

06:01 公司 Token 支出从几万飙升至七百万美元，远超人力成本增幅

AI 重构企业竞争

07:10 “如果我不采用 AI，别人就会用，然后打败我”——生死存亡的抉择

08:04 能源模型：一个人三周抓取全美电网数据，做出百人公司十年的产品

10:14 更快行动、更聚焦，才能在 AI 商品化浪潮中存活

Token 的需求侧：无尽的饥渴

10:30 Anthropic 营收从 90 亿暴涨至 400 亿+，毛利率超 72%

13:36 人们对最前沿模型的执念：宁可多付费也绝不降级

15:08 成本暴跌，但需求完全由新用例驱动

Mythos：让人恐惧的模型

15:39 Mythos 强大到 Anthropic 不敢公开发布，已相当于 L6 工程师

17:04 实施成本极低，关键变成挑选值得花钱的好创意

18:00 社会如何重塑？执行力不再稀缺，创意与资本才是新核心

Token 不平等：永久下层阶级的警告

19:22 最前沿模型只会开放给越来越少数的客户，资源进一步集中

28:27 “用更多 Token，否则永远逃不出永久的下层阶级”——必须用 Token 产生并捕获价值

供给端全链条紧绷

29:37 需求爆炸，GPU、存储、CPU 全线涨价，使用寿命逆势延长

31:47 存储产能新增需至 2028 年，DRAM 价格或从当前位置再翻一倍

34:55 CPU 完全卖断货：强化学习环境与推理部署双重驱动

难以量化的价值与幽灵 GDP

37:20 Token 经济学最难之处：如何度量 AI 为经济创造的隐性价值

38:47 “幽灵 GDP”——AI 大幅通缩效应下，传统 GDP 无法反映真实增长

未来展望：抗议、公关与希望

39:29 三个月内可能出现针对 AI 的大规模抗议

40:28 Sam Altman 和 Dario 必须停止空洞宣导，转而展示 AI 当下的振奋应用

41:34 结尾

🌟 精彩内容

💡 执行成本趋近于零，好创意才值钱

Dylan 指出，过去商业世界最看重执行力，因为把一件事做成难得要命，而创意很便宜。但现在 AI 让执行变得极其容易且廉价，导致泛滥的创意中只有那些真正出色的才值得投入资金。“现在实施非常容易——虽然贵，但很容易。关键就变成了你决定去实施哪些想法。”

💡 一个人碾压整个团队：Token 用量的现实神话

SemiAnalysis 的内部案例令人瞠目：从未写过代码的员工用 Claude Code 一天烧掉几千美元，搭建出原本需要整支团队维护的逆向工程分析系统；一位经济学家独自完成过去需要两百位经济学家干一年的宏观经济评估，并创造了“幽灵 GDP”这一全新指标。而公司的 Token 开支已从几万美元飞到七百万美元，占人力成本的四分之一以上。

💡 Mythos 的恐惧：模型能力正在以月为单位暴涨

Anthropic 在二月份就内部拥有了 Mythos，但它强到公司不敢公开发布——因为怕对社会产生冲击。它在上代还是新手工程师的水平，两个月后直接跳到 L6 资深工程师。“我们两个月内从 L4 跃迁到 L6……模型进步的速度还在加快。”

💡 “用更多 Token，否则永远逃不出永久的下层阶级”

Dylan 提出了一个冷酷的三步生存法则：你必须使用更多的 Token，从这些 Token 中产生超额价值，并且成功地捕获住这些价值。如果你做不到，随着能力最强的模型被装在越来越多的资本手里，你将彻底被甩出经济价值的循环，坠入“永久的下层阶级”。

💡 全供应链历史性紧绷：存储、CPU、GPU 都在疯抢

需求暴增正沿着整条供应链向上传导，价格飞涨、交货期拉长。存储芯片产能新增需要等到 2028 年，DRAM 价格可能还要翻倍；CPU 因为强化学习和推理部署的双重需求而全面卖断；就连 PCB 用的铜箔、玻璃纤维都在被预付款抢购。Dylan 判断这轮短缺的深度和广度将是史无前例的。

🌐 播客信息补充

翻译克隆自：Invest Like The Best: The Supply and Demand of AI Tokens

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名科技播客《Cognitive Revolution》的一期深度对谈。主持人Nathan Labenz与AI笔记应用Granola的联合创始人兼设计师Sam Stevenson，深入探讨了这款近期估值突破10亿美金、以极简体验著称的产品背后的设计哲学、增长策略以及AI产品设计的未来。Sam分享了他如何从Oxo厨房工具获得灵感，刻意将产品做得“令人惊讶地没野心”，专注于服务那些会议连轴转、无暇他顾的职场人。你将听到他们如何通过口碑和分享笔记实现病毒式增长，以及他们为何做出不保存音频、不让机器人加入会议等独特抉择。这期节目既是一堂产品设计课，也是一场关于如何在AI浪潮中保持产品初心的深度对话。

👨‍💼 本期嘉宾

Sam Stevenson，AI笔记应用Granola的联合创始人兼设计师。他带领团队打造了一款专为忙碌职场人设计的极简AI笔记工具，以简洁的产品体验和独特的隐私设计广受好评。Granola近期以15亿美元估值完成1.25亿美元融资，成为AI应用赛道最受瞩目的新星之一。

⏱️ 时间戳

00:00 开场 & 本期简介

产品哲学与初期口碑

01:39 嘉宾登场：Sam Stevenson与估值10亿的Granola

02:15 “令人惊讶地没野心”：Granola的产品原则

05:44 增长的第一驱动力：几乎完全来自用户口碑传播

06:32 理想用户画像：那些“一个会接一个会”的职场人

07:32 从Oxo厨房工具学到的设计课：为极端用户设计，让所有人喜爱

08:57 拥抱混乱：针对“系统一”思维状态的软件设计

10:13 别再问用户了：如何捕捉他们真实的慌乱状态

12:05 产品设计的核心矛盾：帮用户进入深度思考，还是适应现状？

AI助理的现实挑战

15:21 通往深度情境的障碍：碎片化信息与企业权限

18:01 智能体个性化与记忆：被严重低估的能力

19:11 “情境即服务”：可能的下一个创业机会

技术架构、成本与隐私

21:57 为何不设使用限制？Granola的推理成本策略

26:30 实时转录技术揭秘：与Deepgram等的合作与冗余设计

29:52 隐私优先：不保存原始音频，不做可见的会议机器人

31:30 隐私与同意的文化转变：从疑虑到逐渐接受

38:22 遗忘刻在人性里：让智能体也随时间淡忘细节

增长飞轮与产品极简

39:27 对抗功能膨胀：极简界面背后的自律艺术

41:54 recipes功能：用户共创的病毒传播利器

46:51 笔记分享如何成为自然获客循环的核心引擎

AI驱动的设计流程与团队文化

48:11 AI如何重塑设计：Figma的角色变迁与原型编码

51:26 快速原型的价值：从想法到可评估原型，时间大幅缩短

53:03 内部演示与产品决策：周五演示日和与用户的深度合作

54:48 招聘哲学：谦逊、好奇心与高度贴近用户

未来忧虑与积极愿景

58:22 Beta测试的真实作用：抓虫与常识检查，而非验证假设

01:00:17 最大担忧：“大科技奇点”与基础模型平台的垄断风险

01:04:06 积极愿景：让知识工作者更少做电脑的奴隶，更活在当下

🌟 精彩内容

💡 为极端用户设计：Oxo的启示

Sam从厨房工具品牌Oxo汲取灵感——Oxo专门为手部不便的人设计产品，却意外地让所有人都觉得好用。Granola同样瞄准那些“会议一个接一个、根本没时间喘气”的极端用户，为他们创造的平静体验，最终让所有职场人都受益。

💡 不存音频、不做机器人：独特的隐私观

Granola刻意不保留任何原始音频，也不以一个可视的机器人身份加入会议，而是在操作系统音频层面运行。这不仅仅是为了降低用户的“被监视感”，更是一种产品伦理选择——在AI工具日益侵入生活的当下，这种克制反而获得了用户的深度信任。

💡 让增长自然发生：recipes与笔记分享的病毒循环

Granola几乎完全依靠口碑增长。用户创建的recipes（如“盲点发现器”“个人辅导”等）激发了大量主动分享，而会议结束后立刻分享到Slack的漂亮笔记，则成为了最有效的获客钩子，实现了低成本的指数级传播。

💡 AI加速设计，但Figma未死

Sam分享了团队如何借助AI编程工具在几小时内将想法变成可体验的原型，极大缩短了评估周期。但他也强调，Figma在构思和多方案对比上仍有不可替代的价值，设计师的角色正在向“建造者”演变，边界变得模糊。

🌐 播客信息补充

翻译克隆自：

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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名产品播客《Lenny's Podcast》的一期深度对谈 How Anthropic’s product team moves faster than anyone else | Cat Wu

主持人 Lenny 与 Anthropic 旗下 Claude Code 和 CoWork 的产品负责人 Cat Wu 坦诚交流，探讨 AI 时代产品经理角色的剧变。Cat 从工程和风投背景出发，正站在 AI 产品构建的最前沿。她分享了 Anthropic 如何以惊人速度发布产品、团队如何组织、工具栈如何搭建，以及个人如何在这场变革中蓬勃发展。

👨‍💻 本期嘉宾

Cat Wu，Anthropic 旗下 Claude Code 和 CoWork 的产品负责人。她拥有多年工程经验，曾短暂从事风险投资，目前带领团队打造改变开发者工作方式的 AI 原生产品。

⏱️ 时间戳

00:00 开场 & 播客简介

AI时代PM角色的根本转变

04:16 面试上千PM，为何大多做错了？

06:04 从季度规划到按天发布：PM的核心新能力

13:38 角色融合：工程师、PM、设计师的边界消失

15:23 “决定去编写什么”：产品品味成为最稀缺技能

Anthropic的光速发布秘籍

09:16 如何清除发布障碍：从研究预览到跨职能流程

08:00 告别传统PRD？指标通晒与团队原则的力量

10:36 处理意外：源码泄露与OpenClaw决策反思

Anthropic的成功密码

23:43 从落后到领先：统一使命与极致专注

25:35 组织架构揭秘：产品、研究、增长如何协同

产品实战：Claude Code/CoWork改变工作

26:36 什么时候用哪个工具：CLI、桌面版、移动端、CoWork

29:19 实战案例：一小时生成二十页演讲幻灯片

34:05 个性化工作软件爆发：销售团队自建定制工具

模型迭代如何重塑产品

46:28 新模型如何“吃掉”旧功能：待办清单的演变

48:41 解锁新品：代码审查从梦想到可靠工具

49:50 愿景前瞻：从单任务到数百智能体并行的未来

给产品人与创业者的建议

51:42 拥抱AI杠杆：把繁琐工作交给AI，专注创意

53:20 自动化要打磨到100%，而非95%

55:17 构建你真正使用的应用，避免过度定制

闪电问答

57:44 推荐书单：《亚洲大趋势》《技术陷阱》《折纸动物园》

58:22 纪录片与爱好：《疾速争胜》《徒手攀岩》和Waymo

01:00:32 人生格言：“做就对了”

01:02:16 最喜欢的Claude思考词：manifesting

01:02:43 AGI后的生活：攀岩、读书、帮助世界跟上

🌟 精彩内容

💡 产品经理的新角色：“当编写代码的成本变得极其低廉时，真正变得更重要的，是决定去编写什么。” 产品品味成为最稀缺的能力。

🛠️ 光速发布背后的秘密：Anthropic 用“研究预览”机制降低发布承诺，将功能周期从六个月压缩到一天。通过清晰目标、团队原则和极简流程，每个成员都有权在当周把想法送到用户手中。

🧠 恰到好处的AGI信念：Cat 指出，难的不是为超级AGI构建产品，而是为当前模型激发最大能力，引导用户走上“黄金路径”。

🚀 CoWork 的魔力：连接 Slack、Gmail、Google 日历等所有工作数据源，CoWork 可以在几个小时内生成一份符合公司设计系统的二十页演讲稿，让 PM 从繁琐的汇报准备中解脱出来。

🏆 从落后到领先：Anthropic 的统一使命“安全地将 AGI 带给全人类”让团队愿意牺牲单个产品利益，追求整体成功，这是其超越巨头的核心原因。

💬 “做就对了”：最被低估的成功法则。Cat 强调，角色和边界是虚的，理解约束后直接动手，从错误中学习，比等待批准重要得多。

🔧 自动化要100%完成：95%的自动化没有价值，只有教会 AI 你的偏好、打磨到可以完全信赖，才能获得真正的杠杆效应。

🌐 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；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight