跨国串门儿计划

Episodes

• 
  #806.Gavin Baker：为什么有了新GPU，算力还是不够用？ 02.11.2026 37m

  📝 本期播客简介本期我们克隆了：TBPN · Gavin Baker on Anthropic's S-1, GPU Prices, and SpaceX原内容更新时间：2026-10-27“我们现在已经不是现货升水了。”投资人 Gavin Baker 认为，AI算力的紧张不只发生在眼前：即使有更多GPU将要上线，想在2027年部署集群，仍可能要付出高价。他从 Anthropic 的 S-1 文件谈起，分析企业AI仍处早期、客户收入来源比外界以为的更多元；再讲GPU价格、算力运营和新云厂商的融资方式。最后，他解释SpaceX和Anthropic上市为什么可能释放共同基金的购买力，以及AI建设未来可能有多少资金来自经营现金流。👤 本期嘉宾Gavin Baker 是 Atreides Management 的管理合伙人，曾管理多元化基金九年，投资过能源和自然资源。他的公司领投过 Fireworks 上一轮融资，也投资了算力数据公司 Silicon Data；长期关注AI产业链、算力供需与基础设施融资。⏱️ 时间戳Anthropic收入与企业AI00:52 Anthropic的盈利能力和单位经济效益令人鼓舞02:21 AI在财富500强企业里的普及仍非常早期03:59 S-1显示，Anthropic客户群比传言中更多元算力供需与云厂商11:27 GPU租赁价格几乎每天都在涨12:35 想在2027年再部署4000块GPU，价格让公司吃惊15:06 搭建GPU集群，像运营一支一级方程式车队AI、生物医药与TomorrowX20:15 AI找到旧药，可能治疗罕见疾病20:38 一种药基本可以治愈这种病21:56 TomorrowX的目标是让投资变得更大众化投资布局与资本来源30:23 稀土难题在提炼，不在稀少32:19 SpaceX和Anthropic上市，可能释放购买力34:01 云收入转化成经营现金流，支撑后续建设🌟 精彩内容💡 算力紧张已经延伸到未来投资组合里的公司拿到4000块Blackwell GPU后，计划在2027年再建一个同样规模的集群，却发现未来算力价格高得出乎意料。算力市场不只是眼前的现货供应紧张，远期价格也在走高。"我们现在已经不是现货升水了。"💡 有GPU，不等于能让它赚钱建大型集群不只是把电接上：需要能部署、通电并运营GPU的团队。Gavin把这件事比作运营一级方程式车队；若给GPU通电要等六个月，可能有数千亿美元资产暂时无法产生收入。"运营一支一级方程式车队真的很难。"💡 AI在企业里还没普及开Anthropic的ARR已达到很大规模，但财富500强企业中的渗透率仍低。Gavin认为，企业还在摸索如何把AI部署到全组织，眼下看到的采用程度甚至比他原先预想的更早期。"对，非常早期。甚至可能比我原先想的还要早。"💡 上市可能为AI建设打开资金池共同基金持有流动性差的资产比例有限。Gavin认为，SpaceX和Anthropic上市并完成解禁后，可能释放大量购买力，帮助资金继续流向私募市场和AI建设。"所以 SpaceX 和 Anthropic 上市之后，其实会释放出大量购买力。"💡 AI发现旧药，可能帮到罕见病患儿Gavin提到，有人用AI发现一种已经使用了五六十年的药，也许能治疗一种每年影响约一万名儿童的罕见疾病。他称这类故事已经真实发生，却认为AI行业没有把它们讲出来。"但 AI 已经挽救了很多人的生命。"🌐 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在小宇宙查看该单集文稿
• 
  #805.彼得·蒂尔：AI 的真正危险并非你所想 02.11.2026 55m

  📝 本期播客简介本期我们克隆了：The Builders with Walter Isaacson · Peter Thiel: The Real Danger of AI Isn't What You Think原内容更新时间：2026-10-22“我们需要尽可能把油门踩到底。”彼得·蒂尔承认 AI 可能带来生存风险，却仍反对暂停：如果中国也在开发 AI，美国更需要保持领先；而不创新，同样有代价。在《建设者》主持人沃尔特·艾萨克森的访谈中，这位 PayPal 联合创始人、投资人谈 AI 对就业、生产率和工资的冲击，少数公司能否独占收益，以及政府该如何监管。他也解释自己为何担心以末日恐惧为由建立过强的全球权力，并比较有创造力但可能危险的创始人与无能的官僚机构。👤 本期嘉宾彼得·蒂尔是 PayPal 联合创始人，也是风险投资人，早期投资过 Facebook 和 LinkedIn。他创立 Founders Fund，长期投资企业创始人；他对 AI 的经济影响、风险治理和建设者的动机都有直接的投资与创业经验。⏱️ 时间戳AI反弹与就业冲击04:05 AI或促进增长，也会带来颠覆10:12 中位数水平的人可能受益，前提是收益不被少数公司拿走AI竞赛与风险治理12:46 OpenAI提前锁定芯片、建设数据中心13:45 工资预期涨3%，实际可能上下浮动10%15:27 “我不支持按暂停键”末日风险与权力选择25:35 他也担心极权主义世界政府33:20 他认为乔布斯之后苹果没有做出新东西进步、人性与创造者36:35 他希望医学进步能攻克痴呆症48:14 “善良比邪恶好，但邪恶比糟糕好”🌟 精彩内容💡 不暂停，才能争取控制权蒂尔认为，如果中国也会开发 AI，美国就更需要保持领先；在他看来，开发技术本身也是控制技术的条件。他也担心，禁掉互联网、再禁掉 AI，会让经济增长几乎消失。"我们需要尽可能把油门踩到底。"💡 AI带来增长，也带来工资震荡他预计 AI 会提高生产率、抑制通胀，但好处未必平均分配。即使中位数水平的人最终过得更好，工资也可能偏离预期：本来以为涨 3%，结果上下浮动 10%。"坏处则更容易预见，冲击也是显而易见的。"💡 末日不是唯一的生存风险蒂尔承认 AI 相关的生存风险严肃而真实，但他也警惕另一种结局：为了避免灾难，建立一个没有外部制衡、难以逆转的极权世界政府。他认为两种风险都该认真权衡。"我们担心世界末日，却不担心敌基督。"💡 他宁愿要有能力的危险创造者谈到创始人和官僚机构，蒂尔认为现实常常不是“好人或坏人”的二选一，而是有创造力、可能危险的领导者，与无聊但无能的官僚机构之间的选择。他仍然把道德放在重要位置。"我认为善良比邪恶好，但邪恶比糟糕好。"💡 AI也许该把人从机械劳动中解放出来蒂尔希望 AI 推动的不只是数字世界的进步，还包括医学和工程。他设想，人们可以少做工厂里的机械劳动，把更多时间用于人与人的关系；如果计算机取代所有人类，失去的将不只是工作。"如果用计算机取代所有人类，至少会失去这两样东西，那会是非常严重的损失。"🌐 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在小宇宙查看该单集文稿
• 
  #804.David Senra｜AppLovin：盈利增长，风投为什么还是拒绝我们？ 01.11.2026 1h 4m

  📝 本期播客简介本期我们克隆了：David Senra · High School Dropout to Multi-Billionaire: The Relentless Drive of Rafael Vivas原内容更新时间：Sun, 01 Nov 202614 岁开始做效果广告，16 岁被父亲赶出家门，17 岁自己做移动广告平台——Rafael Vivas 的创业起点，不是按部就班的职业路线，而是一次次自己找机会、把事情做起来。作为 AppLovin 创业团队成员，Vivas 讲述了这个没有风投的小团队如何靠技术赢过资金更充足的对手，也谈到他为什么反对授权、如何坚持两年拿下客户，以及 Lion Studios 如何两年做到超过 2.5 亿美元营收。他还讲了自己 28 岁离开、公司上市后又回归的经历，以及团队如何在股价暴跌时继续专注业务。👤 本期嘉宾Rafael Vivas 是 AppLovin 创业团队成员，2011 年加入公司，曾负责业务拓展、电商和增长营销，并共同创办游戏发行商 Lion Studios。他 14 岁开始做效果营销，17 岁建立移动广告平台，之后加入 AppLovin；在广告平台、客户增长和游戏发行等业务上的亲身经历，让他对小团队如何竞争、如何经营公司有直接体会。⏱️ 时间戳辍学创业的起点01:24 14 岁做效果广告，看到别人一天赚两三万美元靠创造价值脱颖而出03:30 做生意就像替部落带回食物06:18 被合作广告平台封禁后，他决定自己做一个住进办公室创办 AppLovin11:14 入职条件：住进办公室14:07 已经盈利、每月高速增长，风投还是拒绝了从 Lion Studios 到重返公司30:21 Lion Studios 的名字，来自“狮子能杀死猎豹”35:24 两年拼到业务不再需要他，28 岁离开讲好故事与追求细节50:47 用合作创始人的故事讲清 AppLovin 的价值58:45 面试时逐条修改保密协议的首席营收官🌟 精彩内容💡 没融资，也能靠技术打赢当时竞争对手有顶级风投支持，销售团队和媒体资源都更强。AppLovin 靠规则和回归学习优化广告投放，变现效率有时能达到对手的两倍。"很多时候我们的变现效率能达到对方的两倍。"💡 授权可能让团队忙错方向Vivas 认为，领导者要亲自深入业务，才能知道客户需要什么、哪些事情真正重要。人招多了，反而容易把精力花在对生意没什么影响的任务上。"你把事情交出去，招来这么多人，就会把精力放在很多对生意并不重要的事情上。"💡 两年坚持，换来一个客户他花了两年联系一位应用公司的创始人，每次都给对方具体建议：优化关卡、增加广告展示、改进市场表现。对方最后说，Vivas 是自己见过最坚持不懈的人之一，双方随后做成了生意。"重要的是你要坚持，同时不断想办法为客户创造价值。"💡 Lion Studios 两年做到 2.5 亿美元Vivas 创办游戏发行商 Lion Studios，是想和让他愤怒的合作方 Cheetah 竞争。他们从零开始，两年内做到营收超过 2.5 亿美元，并实现盈利。"2 年之内，我们把这项业务从零，做到了营收超过 2.5 亿美元，而且实现了盈利。"💡 股价跌超九成，他仍不慌AppLovin 股价一度下跌超过 90%，但 Vivas 说，公司收入还在上涨，团队相信业务在增长，就继续做正确的事。他也没有奢侈消费带来的现金流压力。"我们不在乎短期表现，因为最终，只要我们觉得自己在为公司做正确的事，而且公司在增长，股价最终就会反映出来。"💡 交易差 1%，导师要求重谈Vivas 在医院陪伴患乳腺癌的奶奶时处理一笔谈了几个月的交易。导师 Mark Rosner 发现协议里差了约 1% 或 2%，要求他联系客户重新谈；客户恼火归恼火，交易最终还是谈成了。"如果你感到痛苦，那是因为你正在成长。"🌐 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在小宇宙查看该单集文稿
• 
  #803.All-In｜Anthropic可能是风投史上创造价值最快的公司 31.10.2026 1h 16m

  📝 本期播客简介本期我们克隆了：All-In with Chamath, Jason, Sacks & Friedberg · Anthropic S-1 Shocker, Greatest Business Ever? Google's $500B Wipeout, Midterm Predictions原内容更新时间：Fri, 30 Oct 2026一家成立六年的公司，可能靠一次IPO募资1000亿美元。Sacks认为，Anthropic或许是风投史上创造价值最快的公司；但它的增长究竟有多扎实，AI产业又会不会大到牵动整个资本市场？Sacks、Chamath、Friedberg和Jason围绕Anthropic的S-1文件拆解营收增长、现金储备、利润率和算力瓶颈，也讨论AI怎样提高企业生产力、递归自我改进带来的风险，以及AI公司与美国国债争夺资金可能引发的连锁影响。随后，他们转向谷歌搜索与云业务的变化，并谈到中期选举预测。👤 本期嘉宾Sacks是All-In的主持人之一，也是本集讨论Anthropic上市文件、AI行业增长与监管风险的主要发言者。他结合文件中的收入、亏损和现金数据，分析Anthropic的资本效率、融资需求及其对市场的影响；Chamath和Friedberg也从企业客户、生产力和算力供给等角度参与讨论。⏱️ 时间戳假新闻与牌局闲聊00:18 假新闻说他们不再谈超级智能02:47 Chamath说第四季度开局不错Anthropic上市与财务03:48 Anthropic计划募资1000亿美元06:27 Sacks称800亿美元亏损不是现金亏损AI带来的生产力价值09:57 10万美元以上客户从200家增至11900家14:50 微软营收近翻倍，员工只多2000人算力瓶颈与政治角力16:28 Anthropic最担心的是算力18:19 Sacks称电力和数据中心可能影响2028年选情融资规模与资本争夺24:04 Chamath估算Anthropic收入可达数千亿美元29:40 AI公司融资需求相当于国债发行量的30%Anthropic的监管与RSI风险38:22 Anthropic被称为全力推进递归自我改进38:56 8月时26%的下一代模型任务由RSI完成谷歌搜索与云业务54:32 谷歌市值单日蒸发约5000亿美元56:33 Google Cloud营业利润从35亿升至110亿美元以上中期选举预测1:06:29 Chamath预测共和党保住参议院、民主党微弱多数1:07:43 Sacks称过去三次选举中四分之三民调偏向民主党🌟 精彩内容💡 AI的利润不只在模型公司Friedberg用价值链拆解说明，从英伟达芯片到云算力，再到Anthropic卖给客户的服务，每个环节都有高利润。他估算，英伟达花出的1美元，沿着这条链条到Anthropic的客户收入端，可能变成18美元收入。"英伟达花的 1 美元，到了 Anthropic 卖给客户这一环，就变成了 18 美元的收入。"💡 AI工具用得越便宜，市场可能越大Sacks认为，模型降价不一定意味着收入下滑：企业会把更便宜的模型用到更多任务里，agent和网络防御等新场景还会消耗更多token。价格下降，反而可能推高总需求和市场规模。"所以价格会继续下降，但市场规模会不断扩大。"💡 微软营收近翻倍，员工人数几乎没变Chamath给出一组反差数据：微软四年营收从1980亿美元增长到3320亿美元，员工只增加了2000人。他据此认为，AI带来的变化更像是相同人数做出更多产出，而不只是简单裁员。"营收，过去 4 年从 1980 亿美元，涨到了 3320 亿美元，而员工只增加了 2000 人。"💡 AI公司开始和美国国债争资金Chamath估算，到2027年底，AI公司的融资需求相当于同期美国国债发行量的30%。如果企业与政府争夺资金，可能推高借贷成本，并把影响传到整个经济。"这些公司和政府都会开始争夺投资需求。"💡 Anthropic最大的瓶颈不是客户Sacks从Anthropic的S-1风险因素中看到，算力、数据中心和电力排在最前面，吸引客户并非公司的主要担忧。AI产业能否继续扩张，可能取决于设施能不能建起来、电力能不能跟上。"管理层真正担心的只有算力。"🌐 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在小宇宙查看该单集文稿
• 
  #802. Sam Altman：单个问题能投入的算力，正以惊人速度指数增长 30.10.2026 46m

  📝 本期播客简介本期我们克隆了：Cheeky Pint · Why Sam Altman is against a single superintelligence原内容更新时间：2026-10-29几年前，给一个问题投入超过 1 美元的算力还得不到帮助；如今，模型可以组成 Agent 团队，并行处理 1 万次。Sam Altman 说，单个问题能投入的算力，正在以惊人的速度指数增长。在这集对谈中，OpenAI CEO Sam Altman 从模型发现 PHP 漏洞谈起，聊到 Agent 团队为何能提升解题能力、算力投入如何影响企业，以及为什么他更愿让许多 AI 共同加入社会，而不是由一个超级智能主导。两人还谈了每吉瓦算力的成本、个人 Agent，以及网页表单和应用可能怎样被新的交互方式取代。👤 本期嘉宾Sam Altman 是 OpenAI CEO。本集围绕模型能力扩张展开，他谈到模型发现现实软件漏洞、Agent 团队参与数学研究，以及 OpenAI 如何尝试用更多算力探索新范式；也谈到个人 Agent、算力基础设施和 AI 安全边界。⏱️ 时间戳漏洞与新软件时代00:32 模型检查越多，现实中的严重漏洞越显眼01:23 新一代初创公司想重做互联网技术栈03:06 十分钟就能做出完整 3D 游戏安全边界与数学突破08:34 比安全研究员聪明百万倍的模型11:42 Agent 团队能并行处理一万次16:01 纳维－斯托克斯证明耗资约一千万美元Agent 群体与算力扩张21:21 他更愿让一万亿个略超人类的 AI 加入社会23:02 机器人将参与建造大量数据中心24:54 内存厂商一年可能赚约一千亿美元自由现金流算力成本与个人 Agent33:57 每吉瓦五年成本：700 亿美元36:06 个人 Agent 还没到“离不开”的程度40:05 网页表单被视作假工作🌟 精彩内容💡 Agent 团队让算力投入有了新尺度几年前，给一个问题投入超过 1 美元算力还得不到有效帮助；后来模型学会深入思考，如今可以派出团队并行处理一万次。Sam Altman 说，领先 AI 用户和普通企业用户之间的差距还在扩大。"现在，你可以派出一整个团队，去处理一件事，还可以并行做 1 万次。"💡 他宁愿社会里有许多超人类 AI谈到 AI 是否会走向集中化，Sam Altman 表示，他更愿看到大量 AI 互相制衡，而不是一个超级智能。他把这种多元结构与社会韧性联系起来。"凭直觉，我宁愿让 1 万亿个智能略微超越人类的 AI 加入社会，也不愿让一个智商达到 1 万亿的 AI 加入社会。"💡 一个数学证明花了约一千万美元OpenAI 曾有一周刻意放开数学研究的算力限制，纳维－斯托克斯证明的成本约为一千万到两千万美元。Sam Altman 预计，一年后可能只需百分之一的成本，用更聪明的模型和更好的方法重做。"我敢说，从完成纳维－斯托克斯证明算起，一年后我们可以用百分之一的成本重做一遍。"💡 每吉瓦成本，他希望从 700 亿降到 200 亿美元按五年总持有成本计算，Sam Altman举例说每吉瓦约需 700 亿美元，并认为降到 200 亿美元会好得多。要让成本下降，能源、芯片和供应链都得扩张，层层叠加的毛利也得压缩。"我觉得如果那个数字是 200 亿美元，而不是 700 亿美元，我们应该会高兴得多。"💡 网页表单，在他看来就是假工作Sam Altman 认同，反复填写姓名、地址和家族病史等信息很浪费时间。他期待 Agent 能代表用户操作电脑、使用软件，让人不必一遍遍完成已有信息的录入。"如果再也不用在电脑前做假工作，我会特别开心。"🌐 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在小宇宙查看该单集文稿
• 
  #803.Dario Amodei 兄妹：为什么AI不能只靠规则学会做对的事？ 30.10.2026 38m

  📝 本期播客简介本期我们克隆了：TechStuff · The Builders: Dario & Daniela Amodei原内容更新时间：Wed, 28 Oct 2026如果只教 Claude 一张“不能做什么”的清单，它反而可能应付不了从未遇见的新情况。Dario Amodei 说，教它判断事情的原则，才更能举一反三。主持人 Walter Isaacson 与 Anthropic 联合创始人 Dario、Daniela Amodei 谈 AI 安全、公司原则与技术竞赛：Claude 如何学习诚实而不谄媚，模型为什么会表现出避免关闭的倾向，以及 Anthropic 为什么拒绝让 AI 用于大规模监控或自主武器。他们还谈到，一人指挥百万架无人机对民主意味着什么，以及 AI 变强之后，人类还能从哪里找到意义。👤 本期嘉宾Dario Amodei 是 Anthropic 首席执行官兼联合创始人，曾任 OpenAI 研究负责人，亲历 GPT-2 早期发展；他长期关注 AI 的能力、安全和模型内部机制。Daniela Amodei 是 Anthropic 联合创始人，曾任 OpenAI 安全副总裁，负责公司运营与组织建设。本集围绕他们创办 Anthropic 的原则、训练 Claude 的实践，以及对 AI 军事用途的红线展开。⏱️ 时间戳互补的创始人与 Claude 宪法03:29 公司需要不同技能互补05:35 Dario抓战略研究，Daniela抓运营08:05 Claude学原则，不只背规则GPT-2 与创办 Anthropic11:14 Dario推动更大规模的语言模型实验12:02 “把规模再扩大100万倍”15:52 离开OpenAI，归根结底关乎原则让 Claude 诚实而不谄媚21:31 训练模型时，他们一直担心欺骗23:08 谄媚比明显的坏行为更难消除24:18 用压力测试和“X光”检查模型AI 军事红线与人类意义27:11 自主武器的可靠性还不够27:49 一人可能指挥百万架无人机33:20 深蓝击败卡斯帕罗夫后，人类棋手更受关注🌟 精彩内容💡 AI不该只背一张规则清单Anthropic 曾想教 Claude 一条条规则，后来发现约 170 条规则既不均衡，也难以应对新情况。他们转而教模型原则，让它自己判断陌生情境。"最好是教模型一些基本原则，比如模型应该优先考虑什么，应该怎么判断什么才是正确的做法。"💡 GPT-2让Dario看到百万倍扩张的后果看到 GPT-2 能翻译、总结文档，还能写几行代码，Dario 想到只要把模型再扩大 100 万倍，它可能在所有事情上超过人类。他说当时许多人只盯着模型的短板，没看见它的通用性。"我看着 GPT-2，心想，天哪，只要把这个东西的规模再扩大 100 万倍，在所有事情上都会超过人类。"💡 广告可能让AI更不愿告诉你错了如果聊天机器人靠广告赚钱，用户使用时间越长，公司赚得越多。Dario 认为，这种激励会让产品更容易迎合用户；Anthropic 则承诺不在模型里放广告。"那你还会想告诉用户他们错了吗？不会的。"💡 一个人可能控制百万架无人机即使自主武器足够可靠，一人控制百万个机器人或无人机，也会带来监督与问责问题。Dario 担心士兵可以拒绝违宪或不道德的命令，AI 模型却不是这样。"一个人手指按在按钮上，就能控制 100 万个机器人或 100 万架无人机，这样的前景令人担忧。"💡 信任让团队更能公开反对Dario 每两周向全公司解释战略和内部情况，还强调讲话不等于下达决定。他认为信任不会消除分歧，反而让人能把分歧摆上台面。"其实有了信任，大家反而能有更多坦诚、公开的分歧，也能把分歧摆到台面上。"💡 AI变强，人类的意义不只剩下第一名深蓝击败卡斯帕罗夫后，人们对人类国际象棋的兴趣并未消失，反而重新高涨。Daniela 还设想，AI 可以负责诊断，让医生把更多时间用来理解病人、陪伴病人。"如果我们做对了，就有可能让我们的意义来源比今天更广。"🌐 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在小宇宙查看该单集文稿
• 
  #801. 当智能免费时，什么仍然有价值 29.10.2026 56m

  📝 本期播客简介本期我们克隆了：Invest Like the Best with Patrick O'Shaughnessy · Cliff Sosin - Owning the Complements to Intelligence - [Invest Like the Best, EP.497]原内容更新时间：Tue, 27 Oct 2026智力再强，也不能凭空补出关于现实世界的信息；想知道一群复杂的人会怎么互动，光靠思考仍然有边界。Cliff Sosin认为，智力会越来越便宜，而更值得拥有的，是数据、注意力、实体规模，以及和客户足够近的优势。这集里，CAS Investment Partners创办人Cliff Sosin和Patrick O'Shaughnessy从混沌理论聊到AI投资：为什么他认为Meta可能从廉价智力中受益、AI agent如何把消费者推向更低价的服务商，以及为什么他不愿押注AI基础设施建设。谈到自己的组合，他也解释了为什么80%的仓位放在Carvana；最后还讲了孩子要学会什么，才能真正指挥模型。👤 本期嘉宾Cliff Sosin是CAS Investment Partners的创办人，2012年创立这家投资机构。他的投资组合中约80%放在Carvana。本集围绕AI普及后企业的竞争优势、投资机会与风险展开；他从投资者角度分析公司如何受益于廉价智力，也结合自己的重仓选择，谈什么样的优势不容易被模型取代。⏱️ 时间戳智力的预测边界01:04 复杂动态系统无法靠猜得到闭式解03:36 初始条件少保留一位小数，天气预报就走样智能商品化与实验室05:13 每个人口袋里都有个200智商团队08:40 智力价格或降100倍，Meta的成本可能消失现实实验与资本周期18:59 自动化实验室也绕不开小鼠生长的时间20:30 他连推理需求和成本都无法预测Agent重塑企业与市场28:07 agent替人省下每月50美分，也可能促成换服务商31:51 价格既是信号，也是激励竞争优势、投资与教育52:15 有专业知识，才能更好地指挥模型🌟 精彩内容💡 智力再强，也得先接触现实天气预测会被初始条件的一点点误差带偏；模拟越复杂，误差越会累积。Cliff认为，模型能提出值得验证的想法，但发现答案最终仍受实验条件和时间限制。"所以归根结底，从极限情况来说，如果你想模拟整个宇宙，你真正需要的就是整个宇宙。"💡 Meta卖的不只是软件Cliff把Meta的核心业务称作“个性化电视”。数据中心、算法和代码都涉及智力；如果智力成本大幅下降，创作者和广告主也能用更低成本做出更好的内容与广告，而Meta握有的数据和注意力仍是关键。"如果往前看，未来 5 年智力的价格会下降 100 倍左右，从基本原理来看，他们的成本差不多就消失了。"💡 AI agent会替你换垃圾清运公司很多人懒得比较服务价格，也说不出自己每月付多少垃圾清运费。agent可以替消费者谈价、比较服务；街区里更多人转向同一家低成本公司，又能进一步降低它的成本。"大家都会转向成本最低的服务商，这又会让他的成本变得更低。"💡 建AI基础设施，不等于好投资Cliff认为这项技术重大、基础设施建设规模惊人，但供给、需求、成本和价值链上的竞争都难以预测。他宁愿思考基础设施建成后会带来什么，而不是猜谁会成为“铁路大亨”。"在我看来，要弄清楚在这个过程中该投哪里，以及这么投到底能不能赚到钱，实在是太难了。"💡 80%仓位，押的是Carvana的独特性Cliff解释，自己并非不懂集中持仓的风险；他认为Carvana的基础设施和品牌足够与众不同，糟糕结果出现的可能性很小。高回报与不寻常的风险，是他主动权衡的两端。"如果我不是觉得 Carvana 的基础设施、品牌和其他各方面都如此与众不同，以至于结果非常糟糕的情况很少，我就不会这么放心地持有这么多。"💡 学会用模型，先得懂它在做什么Cliff认为，模型能提供智能，不代表使用者不需要知识。孩子需要掌握乘法、矩阵乘法等基础概念，才能理解模型的工作、提出更好的要求，也要学会利用模型完成更难的任务。"但想法是这样的：没错，模型能做这些事，但你得懂，才能告诉模型该做什么。"🌐 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在小宇宙查看该单集文稿
• 
  #800. 唐·瓦伦丁与红杉资本画像 29.10.2026 1h 58m

  📝 本期播客简介本期我们克隆了：Michael Moritz《DTV》 DTV: A Portrait of Don Valentine and Sequoia “生意上要紧的只有两件事：高毛利和现金流。”唐·瓦伦丁把这句话带进了红杉，也把它用在一笔笔投资和一家家被投公司上。红杉前合伙人、前主席Michael Moritz以作者旁白讲述唐·瓦伦丁的一生，以及红杉早年的第一章：唐如何从仙童半导体学会经营科技公司，如何募集最初几只基金、挑选合伙人与创始人，又如何参与雅达利、苹果、LSI Logic和思科的成长。这也是一段关于投资纪律、团队协作，以及创始人如何把组织交给后来者的亲历回忆。👤 本期嘉宾Michael Moritz是红杉资本前合伙人、前主席，1986年加入红杉，亲历唐·瓦伦丁领导红杉的岁月。他为唐写下私人回忆录《DTV》，对红杉早年的投资、合伙人关系与公司文化有第一手观察；这一集由他本人讲述。⏱️ 时间戳唐的画像与面试02:19 作者拜访六家风投，只有唐愿意要他04:50 散装茶、沉默和一句“So”：唐的面试开场仙童：风险投资的商学院09:10 不懂仙童，就不懂唐怎么看小公司和风投13:29 仙童1961年销售额达到9100万美元红杉基金与搭档21:00 唐加入资本集团，负责风投项目26:24 皮埃尔·拉蒙德加入红杉，成为唐的重要搭档唐的用人与合伙文化43:32 唐回答：风投成功需要什么？53:49 红杉靠培养无名之辈和下一代兴盛投资纪律与管理1:03:27 唐执着于大市场、高毛利和自由现金流1:06:29 “时间只投在不需要蜡烛和祈祷的地方”早期投资：从雅达利到LSI1:14:24 唐说红杉靠投雅达利一举成名1:24:00 凌力尔特税后利润率高达35%思科：250万美元的重注1:29:17 思科展现大比例持股与积极投后的效果1:35:15 思科毛利率从55%升至65%退场、传承与唐的晚年1:43:10 唐退出红杉，没有宏大的接班计划1:52:34 “凭什么要变容易？”：唐晚年的锋芒🌟 精彩内容💡 高毛利，是经营失误的缓冲垫唐认为高毛利既能给管理失误留出空间，也能为经营良好的企业带来自由现金流和更高估值。"高毛利能为管理失误提供大量缓冲"💡 250万美元，换来思科三分之一红杉投了250万美元，取得思科三分之一股份。皮埃尔·拉蒙德下场补强工程团队，特里·埃格迅速组建销售队伍；思科毛利率从55%升到65%。"这笔投资我们至少要赚2500万美元，才对得起这份力气。"💡 红杉没有把合伙人变成对手唐认为薪酬差距会加剧紧张和嫉妒，因此确保自己、皮埃尔和戈登拿到同样回报。他想让合伙人把注意力放在外部竞争，而不是彼此争夺。"敌人在城门外，不在城墙内。"💡 “我不知道”反而是好答案唐不要求候选人有标准的风投履历；他看重观察力、想象力和创造力，也反感对自己不懂的事装懂。"说‘我不知道’没什么不对"💡 Altos不到两年带来2010万美元红杉1980年12月投给Altos 66.3万美元，到1982年底就已在其上市后分配2010万美元。唐时代的早期投资，持有和退出的节奏与今天大不相同。"红杉1980年12月对Altos投资了66.3万美元，1982年底前就在其上市后分配了2010万美元。"🌐 播客信息补充本书中文版由 AI 翻译，用作者本人声音的克隆朗读，可能有个别地方听起来不自然。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在小宇宙查看该单集文稿
• 
  #799.Acquired｜Costco：3800种商品，撑起2300亿美元营收 29.10.2026 2h 39m

  📝 本期播客简介本期我们克隆了：Acquired · Costco原内容更新时间：Fri, 01 May 2026Costco 的营收每年增长约 10%，连续 30 多年；它给员工更高的工资，却把商品加价上限压在 14%。这套看似不合常理的经营方式，为什么反而让它越来越强？Acquired 主持人 Ben Gilbert 和 David Rosenthal 从 Costco 的前身 FedMart、Price Club 讲起，拆解会员费、少 SKU、供应商关系、员工待遇和低利润率如何相互配合。他们还带来一组组令人咋舌的数字：Costco 每平方英尺营收约为沃尔玛的 3 倍，全球有 1.24 亿会员；而它的商业模式，甚至让供应商在标准账期内替库存提供资金。👤 本期嘉宾Ben Gilbert 和 David Rosenthal 是 Acquired 的主持人。Acquired 讲述科技公司及其背后的故事和经营之道；两人从 Costco 的历史、经营细节和财务数据出发，梳理这家公司如何建立会员制仓储零售模式，以及它的每个选择如何彼此支撑。⏱️ 时间戳Sol Price的零售根脉06:56 Sol Price的移民家庭与成长经历FedMart开创折扣零售21:49 会员俱乐部如何绕过零售最低售价规定Price Club从仓库起步42:23 3000种商品，对手约有5万个SKUCostco与Price Club重聚59:18 Jim Sinegal带着Price Club模式创办Costco会员制与极致性价比1:08:22 Costco顾客家庭收入约12.5万美元少选择带来高效率1:26:14 采购团队替会员挑出每类最好的商品规模、文化与经营优势增长空间与电商布局2:23:09 中国首店两年内会员增至40万Costco趣闻与节目推荐2:29:08 一枚10克拉钻戒也能终身退货🌟 精彩内容💡 少赚一点，反而更难被追上Costco 把规模带来的采购优势大部分让给顾客，而不是趁机提高利润率。低价吸引更多会员，规模又让它更容易拿到好价格，竞争对手很难追上这套循环。"他们把规模经济带来的好处分享给顾客，我不知道有谁能追上他们，跨过他们由此建立的护城河。"💡 高工资，换来更低的员工流失Costco 的计时员工，入职第一年后流失率只有 7%，零售业通常是 20%。员工更稳定，培训和招聘成本更低，商品损耗也只有销售额的 0.15%。"现在 Costco 的员工过了第一年，流失率只有 7%。"💡 3800种商品，周转比拼命选品更快沃尔玛有约 10万到15万个 SKU，Costco 只有约 3800 种。选择少，让每种商品卖得更快；Costco 的库存一年周转 12.4 次，沃尔玛约 8 次。"SKU 数量少，直接让库存能够快速周转。"💡 最低价格，配上最富裕的顾客Costco 的典型顾客家庭年收入约 12.5 万美元，高于美国收入中位数约 70%；沃尔玛顾客的收入中位数约为 8 万美元。会员费和大包装购物，筛选出有能力提前付费、储存商品的顾客。"他们的价格最低，但在所有大型零售商里，他们的顾客最有钱。"💡 中国首店两年，会员数达到美国成熟店近六倍美国一家成熟 Costco 门店平均有 6.8 万名会员；中国第一家门店 2019 年开业，两年内会员数就增至 40 万。主持人认为，中国市场仍有很大增长空间。"美国门店平均有 6.8 万名会员。中国的第一家店在 2019 年开业，2 年内会员数就猛增到了 40 万。"🌐 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在小宇宙查看该单集文稿
• 
  #798.Anthropic工程与产品负责人：如何打造Opus5.5 29.10.2026 1h 40m

  📝 本期播客简介本期我们克隆了：Latent Space · How Anthropic ships the #1 LLM in the World — with Katelyn Lesse and Angela Jiang原内容更新时间：2026-10-27Agent的沙箱停了，整个Agent却还能继续工作——Anthropic把“脑”和“手”拆开，连凭证也不让Agent直接碰到。这套设计既关乎可靠性，也把安全做进了架构。Anthropic工程负责人Katelyn Lesse与产品负责人Angela Jiang，和主持人聊模型能力如何变成开发者能用的产品：他们用Claude协助把Messages API从Python重写为Rust，节省了40%到50%的CPU；也谈模型蒸馏防护、Agent评估、多Agent策略，以及如何在团队里使用AI又不把质量责任交出去。👤 本期嘉宾Katelyn Lesse是Anthropic工程负责人，负责平台、API及产品基础设施相关工作；她谈到团队如何扩展Messages API、用Rust重写系统，以及如何在模型发布中落实安全与可靠性。Angela Jiang是Anthropic产品负责人，曾与Katelyn在Stripe共事；她谈到模型发布、产品权衡、Agent平台与开发者体验。⏱️ 时间戳Anthropic效率跃升01:21 人均收入一年从140万美元升至660万美元Opus 5.5与蒸馏防护07:53 API调整兼顾蒸馏防护与开发者体验安全发布与访问授权19:40 授权机制贯穿模型访问与验证项目模型反馈与个性化32:21 “懒惰”和主动行动之间很难两全Managed Agents与评估43:49 用一个托管Agent检查另一个并写入记忆Rust重写与沙箱安全55:35 Rust重写后节省40%到50%的CPU安全路由与新型任务1:06:49 安全要同时看架构、在线与离线防护AI产出与质量责任1:16:40 用Claude生成，也得自己确认质量过关DevRel与多agent实践1:39:16 主Agent拆分任务，子Agent异步并行🌟 精彩内容💡 Agent离开沙箱，工作还在继续Managed Agents把持续运行的harness放在独立服务器上，沙箱只负责执行；沙箱停了，Agent状态仍保存在别处。凭证也单独存放，由代理在请求发出时注入，Agent始终看不到凭证。"agent 永远不会和凭证待在同一个地方。"💡 Claude帮忙写代码，人仍负责设计Anthropic团队没有Rust开发者，仍用Claude协助把整个Messages API从Python重写成Rust。人负责设计分布式系统、计划迁移并验证结果；他们用镜像流量对比新旧系统的输出。"我们节省了，40% 到 50% 的 CPU，非常惊人。"💡 模型发布，安全工作越来越多每次发布模型，都要考虑蒸馏、在线防护、离线防护和访问政策。安全不只是模型本身的事，授权机制还要保证特定模型或项目的权限能可靠贯穿整个系统。"我们团队现在投入的精力，较少是去做个好玩的功能来逐步优化 agent 之类的，更多是考虑怎么把安全融入所有这些东西。"💡 个性化评估，至今很难有人希望Claude主动把任务做完，有人只是在计划，却不想模型立刻写代码；同一模型的默认行为很难满足彼此冲突的偏好。Angela直言，他们还没有把个性化这件事做好。"我们做得不算好。真的，这很难。"💡 AI生成的东西，质量责任还在人团队可以用Claude写代码、文档，但作者必须读过并确认质量；质量不合格的内容应该退回。代码实现可以交给Claude，系统设计与验证仍由人把关。"你作为人，仍然要对质量负责。"💡 多Agent关键是共享状态、并行不阻塞Angela建议让主Agent拆分任务，交给异步运行的子Agent；任务适合并行、各Agent共享统一上下文时，更容易发挥多Agent的价值。"你只需要确保 Claude 能并行处理。"🌐 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在小宇宙查看该单集文稿
• 
  #797.Huberman x 英国超耐力运动员：你得有很多种理由，才能一直游下去 27.10.2026 2h 38m

  🎙️ 📝 本期播客简介本期我们克隆了：Huberman Lab · Unlocking Persistent Motivation & Extreme Resilience | Ross Edgley原内容更新时间：Mon, 26 Oct 2026动力不是一根弦，拉紧了就能一直撑下去。Ross Edgley说，继续下去的理由得比停下来的理由更有分量，而今天管用的，明天可能就不管用。这位英国超耐力运动员曾绕大不列颠岛游了将近 2000 英里，也连续游过 317 英里的育空河。他和斯坦福大学教授 Andrew Huberman从这些极限经历出发，拆解动力的不同来源：承诺、自尊、愤怒、爱、羞耻和感恩；也谈到缺觉和疼痛如何影响判断、团队何时该拦住一个不肯停下的人，以及怎样在专注痛苦和转移注意力之间切换。👤 本期嘉宾Ross Edgley 是英国超耐力运动员和作家，完成过绕大不列颠岛游泳、连续游过育空河 317 英里等极限挑战。他长期亲身面对寒冷、缺觉、疼痛和疲劳，也持续研究这些经历背后的心理机制；本集将他的经验与动力、压力适应和大脑回路的科学研究放在一起讨论。⏱️ 时间戳从背包石头到海洋保护04:43 小时候背包装石头，只为给徒步加难度前中扣带皮层与动力辐条14:50 动力不是一架跷跷板，而像车轮上的辐条冰岛百英里与团队协作19:30 还剩 100 英里，他只想赶回去迎接孩子出生羞耻、质疑与亲人牵引52:47 他读完质疑评论，后来回看时觉得特别爽愤怒、仪式与人类本能1:12:30 有人最爱刺激的脑区，带来挫败感和愤怒赌注、睡眠与忍受痛苦1:21:07 赌注从 10 万升到 200 万，注意力反而可能过载训练身体，也训练注意力1:41:36 力量训练练的不只肌肉，还有结缔组织和肌腱咖啡因、补剂与力量储备1:56:23 400 毫克咖啡因，让难熬的游程突然好受些家庭选择与西西弗斯之石2:25:04 想象西西弗斯是笑着的，抗争本身就有意义🌟 精彩内容💡 动力不是一根弦Ross把动力想成车轮上的辐条：承诺、自尊、愤怒、爱、感恩，都可能支撑一个人继续前进。某一种理由失效时，就换一种；继续下去的理由，得比停下来的理由更有分量。"继续下去的理由，得比停下来的理由更有分量。"💡 最后 100 英里，他想赶回去见儿子冰岛环岛游快结束时，Ross还剩 100 英里，女友的预产期只剩一周，风暴、火山气体和冰川落冰又让团队无法靠岸。他说，那一段拼命游完，靠的就是害怕错过儿子的出生。"在冰岛，我拼了命游完最后 100 英里，完全就是靠这个撑着。"💡 他最需要的不是鼓励，而是有人拦住他在高温下连续游了 37 个小时，Ross已经接近横纹肌溶解的风险，却仍然不肯停。他把决定权交给团队：如果他们判断必须把他拉出水面，他会听。"我知道自己会一直游到把自己送进医院，这可不是好事。"💡 凌晨的念头，未必可信冰岛夏天几乎 24 小时天亮，Ross还得跟着潮汐在凌晨下水。睡不好时，他清楚自己的情绪和动力会变差；Andrew则说，负面感受容易让人误以为会永远持续。"凌晨 2 点到 5 点，我脑子跟我说什么，我都不信。"💡 力量训练，是为了让身体不先散架Ross说，长距离游泳真正限制他的，不一定是摄氧量或技术，而可能是某条韧带或肌腱撑不住。他做力量训练，是为了让身体底盘承受得住超长时间的游泳。"我游泳时，限制我的不是乳酸阈值、摄氧量或者技术，而是某条韧带、某根肌腱之类的撑不住了。"💡 西西弗斯的巨石，也可以笑着推Ross借西西弗斯的故事解释自己为什么一次次游下去：挑战也许荒诞、没有结果，但光是抗争本身，就能充实内心。"但光是这份抗争，就足以充实一个人的内心。"🌐 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在小宇宙查看该单集文稿
• 
  #796.Lex 对话数学家｜AI能组合已知方法，却还没提出新数学问题 27.10.2026 3h 14m

  📝 本期播客简介本期我们克隆了：Lex Fridman · AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory | Lex Fridman Podcast #503原内容更新时间：2026-10-26AI能在几天里拿出数学家原以为还要等数年的成果；费马大定理的形式化证明，竟然写成了1300万行代码。数学家们惊叹之余，也开始追问：如果定理能由机器证明，数学还剩下什么？Lex Fridman与来自麻省理工学院、华盛顿大学和罗格斯大学的三位数学家，谈AI在黎曼假设、纳维-斯托克斯方程、唯一博弈猜想等难题上的进展，也谈这些成果如何改变数学研究。讨论从AI能否创造新数学，延伸到证明如何验证、数学家如何工作，以及学生怎样在不确定的时代学习和选择方向。👤 本期嘉宾Alex Kontorovich是罗格斯大学数学家、数论专家，研究黎曼假设，也参与Lean与机器验证证明相关工作；Ankur Moitra是麻省理工学院数学家、理论计算机科学家，研究复杂性理论、唯一博弈猜想与AI学习背后的数学；Steven Brunton是华盛顿大学数学家、流体力学专家，研究纳维-斯托克斯方程、湍流与机器学习在流体力学中的应用。他们分别从数论、理论计算机科学和流体力学出发，讨论AI数学成果的意义与边界。⏱️ 时间戳数学的危机时刻02:17 数学知识的黄金时代，也带着学生培养和研究方向的焦虑AI会终结数学吗11:26 Alex提出“全解决公理”：AI能做任何人机合作能做的数学AI能创造新数学吗33:57 准黎曼假设的证明组合了许多已知方法，是否算新思路？黎曼假设1:19:55 AI证明了实部在8分之7和1之间没有零点纳维-斯托克斯方程1:37:59 AI构造出有限时间爆破的特殊涡旋自然如何计算1:51:04 果蝇靠翅膀神经元快速应对阵风唯一博弈与复杂性1:59:27 OpenAI公布唯一博弈猜想成立的证明数学家如何思考2:08:36 一项研究想了10年，最后由5位作者共同完成数学是发明还是发现2:19:22 问题由人提出，答案却由上帝决定AI能解P与NP吗2:25:19 连可满足性问题的超线性下界都还不知道大模型为何有效2:40:35 用随机数微调，模型竟学会了“喜欢猫头鹰”AI尚不能解决的问题2:49:41 容易解的问题，可能各自容易得完全不同格里戈里·佩雷尔曼2:50:47 “只要证明是对的，我需要的认可就全有了”给年轻人的建议3:00:25 一类学生用AI检查理解，另一类只让AI代写答案🌟 精彩内容💡 1300万行代码，证明费马大定理Anthropic团队用Lean从公理出发，写出没有待证明占位符的形式化证明。Alex此前估计这项工作还要多年，结果报告后两天，证明就出现了。"我所有的经验都告诉我，它们能做到的，大概就是 X 这个水平，到不了 10 倍，可这次是 100 万倍。"💡 数学不只是定理的数量一行行形式化代码能核查证明是否成立，却未必能讲清楚证明背后的故事。数学家珍视的，还有与问题较量时形成的观念、抽象和理解。"我们想要故事，想要理解。"💡 数学家未必会被“证明定理”取代Alex用门童作比：如果只把工作归结为最显眼的任务，就会漏掉那些难以量化的价值。数学家不只是证明定理，也会建立理论、换角度看问题、发现概念之间的联系。"数学家就是深入思考的人。"💡 纳维-斯托克斯：百万美元问题背后，还有万亿美元工程难题AI证明了一个特殊外力下的有限时间爆破解，但这并未让日常流体工程更容易。设计机翼、人工心脏和涡轮机，仍要靠高成本模拟与实验。"我们解决了那个价值 100 万美元的数学问题。可还有一个价值 1 万亿美元的工程问题。"💡 好奇心比短期履历更重要Ankur建议学生别只追着短期成果跑：如果一个问题只是因为下一代模型可能会解决才让人着急，也许就该去度假，想想什么值得自己长期投入。"如果你做一个问题做得很着急，是因为觉得下一代模型肯定能解决，那也许干脆去度假好了，别解这个问题了。"🌐 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在小宇宙查看该单集文稿
• 
  #795. 2045 年的计算机芯片会是什么样子？ 27.10.2026 1h 4m

  📝 本期播客简介本期我们克隆了：Dwarkesh Patel · What will computer chips look like in 2045?原内容更新时间：2026-10-22AI 算力过去十年每年增长 3 倍，可英特尔首席技术官 Pushkar Ranade 说，靠全球现有的芯片制造设备，先进晶圆产量大约只能提高 2 倍。需求跑得比产能快，问题不只在光刻机：供应链、厂房、良率和晶圆厂高昂的固定成本，处处都在卡住扩产。Dwarkesh Patel 花了两天参观英特尔晶圆厂，与负责工艺开发、先进封装和公司技术战略的管理者深入交流。从英特尔 10 纳米工艺延期学到的教训，到全环绕栅极、背面供电、CFET、混合键合，再到 Terafab 和重新思考晶圆厂的建造方式，这一集带你看懂先进芯片如何从实验室走向量产，以及 AI 热潮下芯片供应的真实瓶颈。👤 本期嘉宾Pushkar Ranade 是英特尔首席技术官，负责从公司技术战略角度思考先进制造与产业扩产；他在这一集中谈到芯片供应链、晶圆厂规模效应、英特尔追赶台积电的路径，以及与马斯克 Terafab 项目的合作。节目还采访了 Chris Auth、Kevin Fischer、Jack Kavalieros 和 Tyler Osborn，分别从工艺开发、良率改善、研发技术与先进封装角度，讲述芯片制造的具体挑战。⏱️ 时间戳工艺爬坡与10纳米教训01:31 14A 已经开发三年多，正在敲定工艺与设备04:10 10 纳米目标过于激进，创新太多拖慢进度晶体管与光刻演进08:03 晶体管越小，关着时也可能漏电13:52 今天工艺使用的材料约是 90 年代的十倍新技术的研发与取舍25:48 数据不可能齐全，等齐了往往就太晚28:14 hot box 1 像高速公路上的专用快车道封装、产能与竞争43:14 晶圆对晶圆键合，良品可能被坏片拖累49:08 全球现有设备最多支持先进晶圆产量翻倍Terafab与晶圆厂新思路59:48 晶圆厂成本约每四到五年翻一倍1:01:54 真正需要的是今天这样精密的洁净室吗？🌟 精彩内容💡 AI 算力跑得比芯片产能快过去十年，AI 算力每年增长 3 倍；但按全球现有设备估算，先进晶圆产量最多只能提高约 2 倍。想继续扩产，必须连设备供应商及其上游供应商一起扩产。"10 倍做不到，但 2 倍左右，应该可以。"💡 晶圆厂八成成本是固定的建好晶圆厂后，约 80% 的成本不会随产量变化。产能利用率提高一点，或把芯片良率从 60% 提高到 65% 或 70%，新增产出带来的收益都可能远超线性增长。"一座晶圆厂建起来以后，成本里大概 80% 都是固定的。"💡 设备今天下单，可能要等到 2028 年先进设备的供给并非花钱就能立刻增加。设备交货周期可能长达 18 个月；拿到设备后还要建厂，新的晶圆产能很可能要到这个十年末才出现。"假设要等 18 个月才能拿到设备，那基本上就已经到 2028 年了。"💡 芯片制造太怕冒险，成本却已高到该重想一台高数值孔径 EUV 光刻机加配套设备约需 4 亿美元，工厂成本还在快速上升。投入几百亿美元的行业不愿冒险，但沿用几十年的做法，也未必仍是最好的做法。"有时候，从零开始，把一切重新想一遍，是件好事。"💡 马斯克建厂，不只是为了多买设备Terafab 想解决的是芯片、算力和内存需求暴涨带来的供应压力。晶圆厂还需要大量电、水、耗材和洁净室空间；与英特尔合作，能帮助更快建厂并投入运营。"我们觉得可以一起合作，帮他更快地把晶圆厂建起来、运转起来。"🌐 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在小宇宙查看该单集文稿
• 
  #794. Rob Snyder：别说服客户，去找已经在尝试改变的人 26.10.2026 1h 20m

  📝 本期播客简介本期我们克隆了：Lenny's Podcast: Product | Career | Growth · An 86-minute guide to finding PMF | Rob Snyder (Author, The Power of Pull)原内容更新时间：Sun, 25 Oct 2026客户夸你的产品“特别有意思”，却不买，问题可能不是你还没说服他们，而是他们根本没有那股“现在就要”的需求拉力。Rob Snyder 曾花两年推销一个市场不想要的产品，后来换了方向，才摸清客户为什么会主动掏钱。Rob Snyder 是《The Power of Pull》的作者，也为 50 多家初创公司提供过从 0 做到 100 万美元 ARR 的建议。这一集，他拆解 PULL 框架：怎么找到一个人现在非做不可、又被现有方案卡住的事；怎么亲自验证点子、约到销售通话、判断客户是否真想买；以及如何把成交后的交付和留存做成一套可重复的客户案例工厂。👤 本期嘉宾Rob Snyder，《The Power of Pull》作者、The Physics of Startups 邮件通讯作者。他曾亲自经历创业产品不被市场接受，之后持续帮助初创公司从 0 到 1，并为 50 多家初创公司提供从 0 做到 100 万美元 ARR 的建议；本集讨论的 PULL 框架，也来自他在早期创业和销售实践中的经验。⏱️ 时间戳从创业挫折到PULL02:34 被市场狠狠教训后，迷上从 0 到 105:17 推了两年，换方向后业务才起来PULL四项与需求拉力06:33 PULL 的 P：客户待办清单上的项目09:14 理财顾问怕做记录，不做可能坐牢亲身寻找并验证点子18:58 跟着潜在客户干几天，找到真正卡点27:01 客户反应不冷不热？问他现在愿花钱做什么约谈与挖掘需求32:29 陌生外联别硬推，用有意思的消息约人40:49 打 5 次电话还没学到东西，就回头复盘成交、交付与留存50:56 用客户价值和替代方案推定价范围1:01:49 别把产品丢给客户：留存得从交付开始客户案例工厂与后续1:07:12 创业不是做 100 个案例，而是重复一个1:12:40 成功点子来自销售通话，白板点子一个没成🌟 精彩内容💡 客户的需求，不是靠你说服出来的Rob 创业时寻找火烧眉毛的痛点、做差异化产品，还找了每天使用产品的合作客户，结果整整两年卖不动。换了方向后他才发现，需求拉力早已存在于客户的待办清单里，不需要创业者把它“创造”出来。"我只要出去找到就行了。"💡 点子不是坐在白板前想出来的Rob 分享一位创业者的经历：他跟着不同的小企业从业者观察、干活，最后在独立执业的物理治疗师身边发现了需求。他接着把假设拿给 5 位物理治疗师验证；Rob 估计，他接触过的公司里，10% 的点子来自已有经历，90% 来自走出去亲身实践。"真正最有可能奏效的，还是亲自动手，从现实中学，而不是从理论中学。"💡 “听起来不错”不等于真想买Rob 建议，销售沟通先挖需求，再谈产品。客户如果真的被现有方案卡住，会追问怎么开始、怎么接入；如果只说“很有意思”“我们考虑考虑”，就别把礼貌当成购买意愿。"如果你有需求拉力，你会直接把东西从我手里抢走。"💡 先做 5 次通话，再判断方向Rob 不主张先埋头把产品做出来，也不建议找一群不付钱的共同打磨产品客户。他的做法是先提出需求拉力假设，约客户通话验证；如果 5 次通话都没兴趣、也没学到东西，就回头检查假设，而不是继续硬推。"我们做销售是为了学习，不是为了硬推什么东西。"💡 留存的关键，是找到客户离不开你的那一刻Rob 曾把软件丢给客户就指望他们自己用，后来才意识到留存不能等产品上线后再管。他建议亲自交付、追问客户是否还会停用，并设计上手流程，让客户走到“离不开”的时刻。"后来我吃了苦头才明白，留存真的特别重要，而这一点并不是一眼就能看出来的。"💡 创业公司不是造软件，是重复客户案例Rob 把创业公司的工作比作打造一座“客户案例工厂”：找到一个客户买前卡在哪、买后如何解决问题，再重复这个案例。他建议用瓶颈来决定眼下的重点，先解决销售线索不足，再处理成交率等下一项限制。"我们这儿不生产软件，我们生产案例。"🌐 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在小宇宙查看该单集文稿
• 
  #793. npm创始人Laurie Voss：如何判断你的 AI 智能体是否足够优秀 26.10.2026 1h 29m

  📝 本期播客简介本期我们克隆了：AI Engineer · How to Know If Your AI Agent Is Any Good: Evals With Phoenix & Claude — Laurie Voss, Arize AI原内容更新时间：2026-10-17一份特斯拉报告把分析师建议的比例加出了 116%，还信心满满地写进结论。怎样才能不靠“看着不错”就把 AI Agent 上线？Laurie Voss 用一个金融分析 Agent 示范：追踪它每一步做了什么，再用代码评估、大模型裁判和人工检查找出问题。这一集从错误分析一路讲到自定义评估、验证裁判、对照实验和 CI。改了 Prompt，结果可操作性评估从 16 份里 5 份通过，升到 48 份全部通过；但忠实度仍然很差。换成 Haiku 5.5 后，忠实度提高了 3 倍多，成本却变成 4 倍，而且模型几乎每次都建议持有。分数变好，真的代表 Agent 变可靠吗？👤 本期嘉宾Laurie Voss 是 Arize AI 的开发者关系负责人，也是 npm 联合创始人。他早年从事 JavaScript，如今主要研究 AI 应用如何可靠运行。本集他用 Claude Agent SDK 和 Phoenix 搭建金融分析 Agent，并以开发者关系负责人的实践经验，演示如何追踪 Agent、设计评估，并把检查接入 CI。⏱️ 时间戳准备环境与评估缘起02:00 从“看着不错”上线，到改 Prompt 后担心回归02:38 这套流程要把评估接进 npm test 和 CI追踪与评估的基本思路03:42 Trace 是日志，eval 是对运行记录做测试05:53 新模型几周就来一次，没评估就难判断能否升级Agent错误与追踪实践09:20 Agent 最棘手的错误之一：错得很自信20:25 一次运行要上网搜索、推理，再生成报告从追踪中发现问题28:33 写评估之前，先从头读十几条追踪记录33:03 特斯拉报告里的分析师建议比例加起来是 116%代码评估与内置裁判38:21 股票代码对不对，几毫秒就能用代码查选择并编写有效评估45:52 16 份报告全被正确性裁判判错，问题出在它无法核实最新数据52:58 选对评估，比调好评估更重要验证裁判并用实验改进1:04:25 裁判也是分类器，得拿人工判断来核对1:20:47 可操作性评估从 5/16 提升到 48/48，忠实度却没跟上模型升级与CI落地1:23:03 Haiku 5.5 忠实度提高 3 倍多，花费却是 4 倍1:25:11 把股票代码和可操作性检查放进 npm test🌟 精彩内容💡 116% 的分析师建议，Agent 也能写得理直气壮特斯拉报告把两次网页搜索中、并非来自同一数据集的比例拼在一起，算出分析师建议比例合计 116%。问题不是搜索结果有误，而是 Agent 没有正确推理；不看追踪记录，很难知道错在哪一步。"有 116% 的分析师持某些观点。"💡 改好一项，不代表整体可靠改进 Prompt 后，可操作性评估从 16 份里 5 份通过，升到 48 份全部通过；但忠实度只从 16 份里 2 份通过变成 48 份里 3 份通过。要求 Agent 给出明确建议，修好了一个问题，却没解决它编造数据的问题。"只改了 prompt 里的 1 行，就解决了我们衡量的那个问题，但没解决 agent 瞎编的问题。"💡 新模型更稳定，也可能只是更保守Haiku 5.5 的忠实度是 Haiku 4.5 的 3 倍多，但成本变成 4 倍。它几乎每次都建议持有：建议一致了，却未必更有用。"做到这一点的办法就是每次都选同一个答案。"💡 全部评估都塞进一个裁判，反而难定位问题一个“上帝评估器”同时检查准确性、语气、完整性、格式和规则，失败时却说不清是哪一项出了问题。Laurie 建议按维度拆开评估，再区分哪些是发布底线、哪些只是改进目标。"你要测试多少个维度，就拆成多少个评估器。"💡 评估标准要能被人核对大模型裁判不是天然可信：Laurie 用人工标注的黄金数据集和裁判对照，还发现自己有时没按亲手写下的标准判断。评估结果要能解释哪里错了，修改也要用相同数据和指标做实验验证。"你要的是一个比另一个人来当裁判表现更好的模型。"🌐 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在小宇宙查看该单集文稿
• 
  #792.SpaceXAI工程师：Agent Harness 已死？ 25.10.2026 14m

  📝 本期播客简介本期我们克隆了：AI Engineer · Is the Agent Harness Dead? — Jediah Katz, SpaceXAI原内容更新时间：2026-10-19模型越来越会写代码，agent harness 是不是就没用了？Jediah Katz 的回答是：那些用来补模型编程短板的功能，确实可能被模型学会；但 harness 还要负责把 agent 带进模型尚未掌握的新任务。这位曾是 Cursor 任职时间最长的 agent-harness 工程师、现加入 SpaceX 的开发者，解释了 harness 如何借助数据飞轮变得“过时”，又如何让 Grokbot 处理邮件、预订行程等知识工作。他还谈到云端运行、信任与安全、效率，以及他的预测：6 个月内，90%的 agent 工作会在笔记本电脑以外运行。👤 本期嘉宾Jediah Katz，曾在 Cursor 长期从事 agent harness 工程，后来随 Cursor 被收购加入 SpaceX。他参与构建 Grokbot 等 agent 产品，对编程 agent 的运行方式、harness 的设计以及模型能力变化带来的工程挑战有一线经验。⏱️ 时间戳Harness从巅峰到质疑00:54 2023年最火的职位头衔是prompt工程师02:38 Cursor用GrindSwarm从零做出浏览器05:45 数据飞轮如何让harness变得过时Harness开拓新任务07:07 Grokbot是一位能自主工作的同事08:06 编程里删掉的防护，在Grokbot里又加回来10:39 报bug后，云端agent自动修复并监控上线Harness仍不可或缺11:46 agent任务从几分钟延长到几天12:54 eval分数相近，任务成本却有显著差别16:37 他预测90%的agent工作会离开笔记本电脑🌟 精彩内容💡 模型学会了harness教过的本领以前要靠 harness 教模型摸清代码库、持续工作、运行测试；现在模型自己会了。更难的任务带来更多编程数据，模型学会后，harness 就能删掉旧功能。"这些本领，模型现在自己就会了。"💡 新任务一来，旧防护又回来了Cursor 因模型进步删掉 prompt 和防护措施；但 Grokbot 要处理邮件、沟通和记住用户工作方式，又得把许多防护加回来。"但有意思的是，在 Grokbot 里，我们发现自己反而把很多这些东西又加了回来，加入新的 prompt，新的防护措施。"💡 agent同事不能只靠一台笔记本agent 的工作已从几分钟延长到几小时、几天，甚至更久；笔记本可能休眠，要让它真正自主工作，就得在云端运行。"agent 必须在云端运行，你才能真正有一个能自主工作的同事。"💡 分数差不多，成本和速度仍能拉开研究发现，不同 harness 的编程评测分数没有显著差异，但每个任务的成本差别明显。优化缓存、token 使用效率和模型搭配后，Grokbot 成本下降、速度加快，质量没有受影响。"你越多地用 agent 来工作，拥有最高效的 harness 对你就越有价值。"💡 agent工作将离开笔记本电脑Jediah Katz 预测，6个月内，90%的 agent 工作会在笔记本电脑以外运行；他认为，真正自主的 agent 必须朝这个方向发展。"6 个月内，90%的 agent 工作都会在笔记本电脑以外的地方运行。"🌐 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在小宇宙查看该单集文稿
• 
  #791.Google前CEO：模型开发要6个月，发布后不到5个月就过时 25.10.2026 36m

  📝 本期播客简介本期我们克隆了：Norges Bank Investment Management · Eric Schmidt: Are We Ready for Superintelligence? | Podcast | In Good Company原内容更新时间：2026-10-21“下一轮会把人逼疯的，因为到时候就按天算了。”AI 模型的竞争已经快到按月计时，而 Eric Schmidt 认为，这一波是迄今为止最大的技术浪潮。主持人 Nicolai Tangen 与 Eric Schmidt 从超级智能和智能体谈起，讲到 AI 如何压缩企业决策、改变就业，以及中美模型竞争和欧洲创新困局。Schmidt 也谈了他最担心的失控风险、AI 对民主的威胁，以及为什么创始人在公司转型时拥有职业经理人难以取代的影响力。👤 本期嘉宾Eric Schmidt 曾于 2001 至 2011 年担任 Google 首席执行官，之后成为 AI 领域的重要声音，并为政府提供建议、撰写相关书籍。他在科技行业工作数十年，亲历多轮平台变革，也参与制定美国 AI 战略；本集围绕 AI 竞速、企业转型与超级智能风险的判断，来自他长期的科技管理经验。⏱️ 时间戳AI浪潮与竞速01:50 AI浪潮来自技术发现与大规模算力02:28 这一波是迄今为止最大的一波03:24 Anthropic营收增长超过Google当年的纪录两倍Agent重塑企业与欧洲10:20 Agent从请求出发，推理、执行再给总结12:01 AI会推动组织扁平化，企业更快也更累16:36 欧洲的AI战略：创新还没开始，监管先来了AI风险与全球竞争18:52 AI可能带来巨大好处，也可能赌出坏结果19:33 一群机器人程序自作主张攻击网站21:52 中国模型看起来落后约6个月，产品却免费领导力、就业与个人选择27:35 创始人拥有职业CEO没有的公司影响力31:02 Schmidt每周工作63小时，会议每天开12小时31:36 他估计万人员工的公司约有2000人不再需要🌟 精彩内容💡 AI模型的生意，时间短得惊人开发一个模型大概要6个月，实际测试约2个月；发布不到5个月，下一代就可能让它过时。Schmidt说，竞争节奏按月计算，下一轮也许会快到按天计算。"这个节奏是按月算的，不是按年算的。"💡 AI不只是答问题，还能把公司推着走他举例，一位高管用 AI 版的自己追踪员工项目进度；员工遇到麻烦，AI 立刻给出下一步。这类助手能增强决策、加快工作，也让他担心工作强度会随之上升。"这听起来挺压榨人的。我也有点担心，但事实是，这位 首席执行官 正在用这些方法，增强自己的决策能力，加快做事的速度。"💡 中国模型落后半年，也可能赢用户Schmidt认为中国模型看起来落后美国约6个月，但中国采用免费产品策略。若以用户数量衡量，许多买不起欧美高价模型的国家会选择免费的中国模型。"所以，如果按用户来衡量输赢，全世界绝大多数人都会用免费的中国模型，而不是更贵的西方模型。"💡 AI可能让万人员工的公司少掉约两千人他认为，会议与协调消耗了大公司大量效率。AI平台可以承担部分协调工作；公司会更需要发明者、销售人员和能与监管机构沟通的人，而不再需要那么多负责衔接的人。"我猜里面有 2000 人左右是你不需要的，你最好想个办法，合法又人性化地帮他们转岗、安排他们退休，或者做其他安置。"💡 AI能让假消息冒充朋友他讲到一位朋友相信数据中心正在害死牛，但查不到警方或兽医报告。Schmidt担心，AI与社交媒体算法会放大耸人听闻的假消息，让人误以为网上的“朋友”都是真人。"社交媒体和 AI 一起不断循环运作，把最耸人听闻的东西推给大家。那真相还有什么立足之地？"🌐 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在小宇宙查看该单集文稿
• 
  #790.Hey Clicky 创始人：别等盛大发布，每天把产品演示发出去 25.10.2026 43m

  📝 本期播客简介本期我们克隆了：Y Combinator · This Is How You Should Actually Make Launch Videos原内容更新时间：2026-10-23一条 YouTube 视频只有 2 万次播放，却有约 20% 的观众下载了产品；另一条 Twitter 视频有 300 万次播放，带来的下载转化却低得多。Farza Majeed 的判断是：播放量好看，不代表真正找到了用户。Hey Clicky 创始人 Farza Majeed 曾创办线上学校 Buildspace，也在 YC 做过项目。他分享如何把产品演示变成日常发布：从第一句话和开头画面，到写出听起来像即兴的脚本，再到根据渠道和转化数据调整内容。视频不用拍得精致，更重要的是持续展示产品、讲清正在做什么，并让真正感兴趣的人看见。👤 本期嘉宾Farza Majeed 是 Hey Clicky 创始人，正在开发一种与 AI 交互的新界面。他 13 岁时就在 eBay 上卖东西，后来创办线上学校 Buildspace，并带项目进入 YC；他做视频超过 10 年，长期用视频介绍产品、接触用户，也亲自经历了从随手发布到建立创作团队的过程。⏱️ 时间戳把发布变成日常00:50 13 岁在 eBay 上创办第一家公司02:22 不再只是发帖，而是在算法平台反复发布03:49 做功能时就倒推帖子文案和视频开头让视频值得看下去13:07 自己嫌弃的脚本，最后在 Twitter 播放 300 万次19:25 写脚本时就知道这条视频会火故事、渠道与节奏28:11 TikTok 找到约 50 家设计公司29:03 YouTube 2 万播放，约 20% 的观众下载搭建持续创作的能力36:02 最想先招拍片的人，再招工程师38:32 视频设备可以简单，音质不能差42:21 连续 30 天，每天花 10 分钟拍一条🌟 精彩内容💡 300 万播放，不等于找到了用户一条 Twitter 视频有约 300 万次播放，带来 7000 次下载；他真正看重的，是下载后还有多少人持续使用。约 100 人连续 5 天每天打开产品，这才让他决定继续做下去。"我完全不在乎流量。"💡 2 万播放的视频，下载转化约 20%另一条视频在 YouTube 只有约 2 万次播放，却有约 20% 的观众下载应用。对比之下，Twitter 上播放量更大的视频，注册转化却低得多；哪个渠道有用，得看它带来多少真实用户。"你算一下就知道，这能带来实实在在的注册量，而且这条视频会一直带来效果。"💡 最糟的视频，也可能是观众最喜欢的他拍完一条产品演示后，觉得糟透了，认为连剪辑都不值得。团队还是把视频发了出去，结果它在 Twitter 上获得 300 万次播放。"不管我们自己觉得多尴尬，都交给观众判断。"💡 设计公司的客户，也会刷 TikTokHey Clicky 直接对着镜头问观众是不是设计公司，靠 TikTok 视频找到约 50 家潜在客户。每条视频平均只有约 4000 次播放，但目标观众就在其中。"我的目标从来都不是爆火。"💡 先尴尬一阵子，才会不尴尬他建议每天抽 10 分钟，拍下自己当天做了什么，然后发布。害怕同学看到、觉得自己说得蠢，正是很多人迟迟不开始的原因。"你其实得先尴尬一阵子，才能学会怎么不尴尬。"💡 创业初期，拍片的人可以排在工程师前面Farza 说自己最早就想招拍片的人，再招工程师。软件越来越容易做，反而是让观众看懂产品、围绕产品聚起社群，越来越难被复制。"真正难复制的，是我围绕自己做的事情聚起来的观众、社群，还有那股热情。"🌐 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在小宇宙查看该单集文稿
• 
  #789.All-in｜AI 网络恐慌、肯·格里芬的泡沫警告、法国的衰落？ 24.10.2026 1h 30m

  📝 本期播客简介本期我们克隆了：All-In with Chamath, Jason, Sacks & Friedberg · AI Cyber Panic, Ken Griffin's Bubble Warning, The Fall of France?原内容更新时间：Fri, 23 Oct 2026PHP安全团队给漏洞打了9.2分，补丁发布前，漏洞信息却泄露了。接下来会发生什么？Palo Alto Networks CEO Nikesh Arora的判断是：“10天都太长了。”这一集从AI支出是否形成泡沫，聊到企业为什么转向开源模型、自己买GPU和建设数据中心；随后深入网络安全：AI如何寻找并串联漏洞、企业如何防御，以及agent未经授权操作账户时该由谁负责。节目后半段转向法国骚乱、财政压力、移民融入和福利制度，也把法国与美国的债务、公共支出和社会压力放在一起比较。👤 本期嘉宾Nikesh Arora，Palo Alto Networks CEO。作为网络安全公司的负责人，他与遭受攻击或正在防御攻击的企业直接打交道；这一集里，他结合PHP漏洞事件，谈AI发现漏洞的速度、企业积累的技术债、开源模型的可审计性，以及agent使用银行账户后责任如何划分。⏱️ 时间戳AI泡沫与循环支出01:51 1%的公司贡献了约90%的AI支出02:41 AI要盈利，必须走出创业公司圈子开源模型与算力自建08:07 企业选开源模型，为的是能检查思维链10:30 有钱也未必买得到算力：芯片要等到2028年PHP漏洞引发网络危机13:34 PHP2Shell漏洞严重性评分9.2分14:03 漏洞信息在补丁发布前泄露AI攻防与责任归属24:22 “假设你的系统一定会被攻破”27:48 Nikesh：agent获授权，用户负责法国骚乱与财政危机40:43 超过50万人参加抗议42:39 法国10年期国债收益率创2002年以来新高福利改革与代际压力49:47 年轻人开始担心父母辈的养老金谁来承担53:00 法国大学每年学费约300欧元移民融入与社会撕裂1:12:20 她在餐馆工作34年，才攒够钱开店政府规模与最低工资1:24:51 加州快餐最低时薪升至20美元，引发岗位之争🌟 精彩内容💡 AI发现漏洞后，攻击窗口也在缩短PHP漏洞严重性评分达9.2分，原计划随补丁更新一并公布的信息提前泄露。Nikesh说，类似事件的间隔不会有10天那么久；补丁公开后，黑客还能从修复代码反推攻击路径。"哎，Jason，我觉得 10 天都太长了。"💡 老系统没补，企业只好把网站关掉一家客户有些网站运行旧版PHP，无法打补丁，只能先下线，再升级、修复后重新上线。AI让漏洞更容易被找到，企业多年没处理的技术债也随之暴露。"他们一直没处理还在用旧版这件事，因为觉得不重要。"💡 开源模型的卖点，是企业能检查它Nikesh说，在金融和医疗等受监管行业，企业需要解释、验证和审计AI系统；开放权重模型能让他们检查思维链，不必把模型的决策过程当成黑箱。"只有用开源、开放权重的模型，我们才能做到这些。"💡 别只想堵漏洞，还要想怎么赶走入侵者企业可以持续测试系统、打补丁，但漏洞太多，不可能一次补完。Nikesh建议把基础设施中的信号和数据汇总起来，尽快发现异常行为、清除入侵者。"重点就不太是我怎么被攻破的、哪个漏洞会让人钻进来。而是我能多快发现入侵者，又能多快把他们赶出去？"💡 把银行登录信息交给agent，Nikesh认为责任在授权的人如果消费者把登录凭证交给agent，agent替他操作银行账户，Nikesh认为授权者应承担责任；但如果agent偏离设计、失控，则可能构成产品责任。"我觉得是你授权，让 agent 代表你做事。如果是你授权的，法律责任就得你来承担。"💡 法国的财政压力，也让美国的账本进入讨论节目提到法国债务约为GDP的120%、财政赤字占GDP的5.4%；美国的对应数字分别约为120%和6.2%。嘉宾争论削减政府支出、改革养老金，以及怎样避免年轻人被高房价和债务挤出机会。"我觉得，法国预示着整个西方的走向。"🌐 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在小宇宙查看该单集文稿
• 
  #788. Top Gear制片人Andy Wilman：三个人的默契，电视节目没法第一天就造出来 23.10.2026 1h 22m

  📝 本期播客简介本期我们克隆了：High Performance · Top Gear Boss On Clarkson's Sacking, Schumacher & BBC Exit原内容更新时间：2025-12-08“整本书讲的都是意外。”《Top Gear》从一个老派汽车节目变成全球大热节目，Andy Wilman说，许多后来成了标志的点子，当初根本不在计划里。作为《Top Gear》和《The Grand Tour》的执行制片人，Andy Wilman回顾了三位主持人的默契如何慢慢长成，节目如何从便宜旧车和拍摄事故里找到新招，也讲到成功带来的压力、团队失控，以及他为何在Jeremy Clarkson离开后拒绝继续做《Top Gear》。👤 本期嘉宾Andy Wilman是《Top Gear》和《The Grand Tour》的执行制片人，也是推动《Top Gear》从老派汽车节目转型的重要创意力量。他长期与Jeremy Clarkson、Richard Hammond和James May合作，亲历了节目从重启、走红到团队离散的过程，对节目的创作方式、团队运作和幕后压力都有直接经验。⏱️ 时间戳克拉克森与新版Top Gear01:41 在酒吧摊开纸张，Jeremy早已想好七成节目内容04:39 等英国右舵版上市，主动退出汽车杂志的首发竞赛意外成就三人组11:16 Richard穿蝙蝠侠服试镜，最后靠讲失败经历赢得角色20:21 三人默契没人设计，给他们时间才慢慢长出来成功背后的压力与失控34:07 收视已有900万，团队仍剪片到凌晨两三点45:16 每周四晚熬夜剪片，周末还得看下周要播的内容事故、冒险与告别49:27 Richard困在翻覆的超跑里，闻到烧焦味才踹窗逃生51:15 团队开始讨论何时结束，决定按自己的意愿收尾Stig与舒马赫57:01 找不到会说话的赛车手，Jeremy提议让他不说话1:03:02 舒马赫承认撞上Villeneuve不对，也说出自己为何那样做丑闻、离开与新旅程1:12:19 Andy怀疑他们心里也想过“让这一切垮掉算了”1:17:33 BBC认定没了Jeremy也能做节目，Andy不这么看🌟 精彩内容💡 Top Gear的成功不是照计划造出来的节目重启时，Jeremy已在酒吧写下许多点子，但三位主持人的化学反应、破车拍摄和特别篇，都是一路做出来才发现的意外。"对，那本书整本讲的都是意外。"💡 一辆破车趴窝，反而成了真正要拍的内容三辆1500英镑买来的保时捷刚开出伦敦不久就全坏了。导演想让摄制组先去吃午饭，Jeremy却说，眼前的混乱才是节目。"车能正常开，已经不是我们要拍的了。要拍的就是这一片混乱。"💡 三个人的默契，没法第一天就复制Jeremy、Richard和James并没有预先设计好各自的荧幕性格；他们花了好几季才慢慢长出只有彼此才有的关系。"我们有好几季的时间，可以让这种关系慢慢发展。"💡 节目大热，团队却被困在工作里收视达到900万，片子从10分钟做到了半小时，制作时间表和剪辑时间却没有跟着变。团队常常熬到凌晨，家庭生活也被压力拖垮。"我们就在那儿剪到凌晨2、3点，我们没搞明白怎么把工作分下去，也没想明白怎么把节目变个样。"💡 BBC以为节目比主持人重要，Andy选择离开Jeremy被开除后，BBC希望Andy继续做《Top Gear》，也试图留下Richard和James。Andy拒绝了：他认为节目不是一套可以换人继续运转的模式，而是他们一起做出来的东西。"我不会去做另一个《Top Gear》，因为这不是随便一档节目，这是我们一起做出来的东西。"🌐 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在小宇宙查看该单集文稿