晚点聊 LateTalk 晚点 LatePost

本期节目汉洋和嘉宾余馆在画廊里聊了聊美术馆这件事。可能你看过很多展，但估计和汉洋一样，不知道这到底是个什么事儿？看不懂怎么办？官方到底烦不烦「打卡」？新艺术家要怎么办展？策展人到底在做什么？


本期节目我们聊到了：
从煤炭码头到美术馆
美术馆「看不懂」到底该怎么看？
做美术馆赚钱么？或者说维持美术馆正常运行的经费来源是什么？
什么人是美术馆的主要客流？
美术馆的运行模式，以及美术馆和艺术家之间的关系，国内外是否有不同。
美术馆除了办展览，还承担了哪些功能？
一个展览是否如看上去那样（以一定的主题展陈一定数量的展品）这么简单？办一个展览，不同参与角色（美术馆、策展人、艺术家、或者其他参与方）的目的是什么？
一个展览大概流程是什么？有什么琐碎的工作要去做？
一个展览闭幕以后，展品哪去了？为什么有的作品需要销毁？
数字艺术流行的时代，为什么还要来美术馆看呢？
如果一个没有名气艺术家想办一场个展，或者说他可以策划一个群展，那么他应该如何去做？
你们会帮新艺术家的项目找赞助吗？
怎么看待在美术馆里打卡这件事？


相关链接：
艺仓美术馆的官方播客是：《艺术范儿》
艺仓美术馆
[微信公众号：艺仓美术馆 MAM]((https://mp.weixin.qq.com/s/1M4rJUhEKgnuXl6FFn_rKQ)
【当前展览】
“繁衍生息”/“行于暗”
【展览信息】
见“外”知“内”，3月23日艺仓两展同开




登场人物：
余光照：艺仓美术馆馆长
汉洋：不会拍照


后期：甜食
封面：艺仓美术馆

*本期音频来自访谈素材，建议大家如有条件可用耳机收听，效果比外放更好。


今年 3 月中旬，《晚点聊》在北京访谈了经济学家朱宁，聊了聊在不确定性的世界，如何做投资，怎样看待中国经济。


朱宁是中国少有的将国内和国际视野、学术研究和业界经历结合得比较好的经济学家，为人亲切、说话坦诚。在访谈中，他慷慨地分享自己的观点和见闻，甚至包括个人投资组合和犯过的投资错误。


其中一个错误是他在 2008 年加入了雷曼兄弟。那时，他刚拿到加州大学戴维斯分校的终身金融教授职位，离博士毕业仅有五年，意气风发。“严重过度自信”的他本来有五个选择，但最后选择了 “最不应该的” 雷曼。


2010 年，在内地 “蓬勃向上” 的氛围吸引下，朱宁重返学术界，参与了上海交通大学上海高级金融学院的创立。2016 年，朱宁怀抱着“经济学要经世济民” 的理想情怀，来到清华大学，更多地参与到政策制定中。现在，他在上交、清华和耶鲁都有学术职位，但在考虑转向业界。


2010 年回国后，朱宁呈现出两种形象。一种是行为金融学在中国的倡导者。他通过研究投资者行为和心理，揭示出人的非理性，称 “投资者最大的敌人就是他们自己”。


另一形象是中国经济金融领域存在泡沫的警示者。对于 “购房是刚需” 的观点，他批驳了十年，提醒投资者房地产行业存在泡沫。他也曾在 2015 年股市震荡发生前多次警示投资者，称 “崩盘总比预期来得早”。他在 2016 年出版的著作《刚性泡沫》（China's Guaranteed Bubble）中，则警示了中国经济由于存在刚性兑付和隐性担保，亟需化解资产泡沫和系统性风险。


今年 1 月，《刚性泡沫》出了增订版。朱宁在书中称，过去几年发生的一些重大事件都在 “本书上一版中有所预见和讨论”。例如 2015 年的股市震荡，2016 年的棚户区改造货币化安置，2018 年的资管新规和科创板的推出，2020 年的三条红线和共同富裕，2021 年的房地产企业爆雷，2022 年的新房交付困难和购房者断供。


看到现实一定程度应验自己的理论，朱宁心情复杂。“我希望我是错的，我一直是这个心态，这两年更是如此。” 他觉得虽然已经有了很多进步，但要真正化解泡沫和风险还有很长的路要走。


本期节目我们聊了：
03：33-这几年，有哪些与投资相关的重要叙事变化？
10：00-很多人觉得自己和巴菲特的差距非常小。
16：35-房地产的黄金时代已过，如果大家有多套房，应该考虑多元化配置。
33：51-看好黄金和美债，仍质疑比特币。
42：00-如果一个市场不能给投资者长期创造价值，投资者一定不会愿意在这个市场投资。
58：33-政府要建立好社会的安全垫，个人努力提高自身人力资本。


相关阅读：
本期《晚点聊》对应的文字报道：《9 年前提醒泡沫风险的经济学家，给普通人的多元化投资建议》
https://mp.weixin.qq.com/s/7RlRST0lYh5TyQVplrXxbQ
朱宁的著作《刚性泡沫》《投资者的朋友》《投资者的敌人》。
乔治·阿克洛夫和罗伯特·席勒合著的《动物精神》《钓愚》。
理查德·塞勒的著作《“错误” 的行为》。


本期出现的人物和简称：
“高金”，上海交通大学上海高级金融学院的简称。
“道口”，清华大学五道口金融学院的简称。
罗伯特·席勒（Robert J. Shiller），诺贝尔经济学奖得主、耶鲁大学教授，也是朱宁的导师。
林毅夫，北京大学新结构经济学研究院院长、教授。
高善文，国投证券首席经济学家。
陆挺，野村证券中国首席经济学家。
孟晓苏，国家房改课题组原

汉洋对于头发的问题可太多了。每次摘下眼镜理发再戴上眼镜简直就是赌博。所以这次索性请了一位美发店的老板来聊聊美发这个行业，从理发师的成长路径再到各种消费者会遇到的常见问题。


本期节目是汉洋染头的时候录制的，所以有一些（故意的）底噪。


本期节目我们聊到了：
一般发型师职业路径是啥样的？
早年南北方造型师的区别是？
当我和发型师说「选个您感觉合适的」时候，发型师是怎判断的？
如何找到自己合适的发型？
该怎么更好的和自己的发型师描述自己的需求？感觉每次理发都是一次赌博。
造型和美发的区别
日常如何打理？
正常理发选择哪一档的价位？我总觉得中间档是给我预备的一个坑，不想剪最便宜的怕万一真剪不好，也不想剪最贵的觉得没必要，理发店是不是也出于消费者的这种心理设定了三档价位，让消费者看似有选择但是正中圈套。
我为什么吹不出理发店里吹出来的发型？
在你眼中什么是一个好的造型师？
开理发店最难的地方是什么？
正月里剪头的人会明显更少吗？
好像理发店这个行业它跟奶茶和餐厅非常不一样，就是到今天你也很少看到那种全国的特别大的连锁，当然有一些连锁了，不过主要是地区性的，为什么会是这样呢？
互联网对你们这个行业有什么改变吗？尤其是有了互联网之后，比如说像小红书、美团对他们是一些什么样的变化了？
你们讨厌被叫 Tony 老师吗？
为什么烫发那么贵？基本上一线城市都一两千起了。
贵的烫发药水/染发原料和便宜的区别到底有多大？
为什么烫发上杠子的时候和染发配颜色和涂颜色不是老师亲自做？
为什么店里洗的头发不容易油，是有专门理发店洗发水嘛？
有什么一般顾客不知道，但发型师都认为是常识的事情吗？
我们作为普通人，应该学习这方面的那些知识呢？各种流行词到底是概念还是真有货？


相关链接：
宝哥的店大象造型
宝哥的小红书
晚点聊之前谈验光的节目


汉洋有个口误，Parsons 在纽约不在伦敦


登场人物：
宝哥：大象造型主理人
汉洋：我不想赌了


剪辑：甜食


题图：正在漂发过程中的汉洋

本期《晚点聊》邀请了在去年底就已造出人形机器人的公司，逐际动力的联合创始人谌骅。


（*节目中涉及的术语可见 Shownotes 末尾的附录解释。）

图：逐际动力人形机器人 CL-1


谌骅于 2012 年获浙江大学控制科学与工程学院自动化专业学士学位及竺可桢学院荣誉学位，在 2018 年获美国俄亥俄州立大学电气与计算机工程博士学位，后在本校进行博士后研究，2019 年 6 月回国。


2022 年，谌骅与他的博士生导师、知名机器人学者张巍一起创办了逐际动力。


今年刚刚过去的三个月，我们已看到了这个领域的诸多新进展： Figure AI 获 OpenAI、微软、英伟达、贝佐斯 6.75 亿美元投资，接入 OpenAI 大模型；英伟达在 GTC 大会上发布机器人基础平台 GR00T，黄仁勋还与科幻动画片主角“机器人瓦力”的实物版同台；特斯拉 Optimus 新释放 demo；做机器人大脑的 PI 获得 OpenAI、红杉等的投资。


与真实物理世界的交互是语言之外的重要学习与智能进化方式，有“身体”的智能也能大大拓展了 AI 的任务范畴。



图：逐际动力四轮足机器人 W1（左），逐际动力点式双足机器人 P1（右）


本期节目，从 GTC 等近期行业热点切入，谌骅分享了他博士以来亲历的技术进展和创业历程、目前人形机器人技术栈的瓶颈；我们也对比了中美人形机器人创业的诸多差异。


他认为，GPT 大大加速了机器人大脑的发展，“小脑部分”也就是勾连大脑决策到最后身体执行的部分仍有很多突破空间，这也是最让人兴奋之处。


内容摘要：
· GTC 与近期进展：看好机器人，但黄仁勋与 Transformer 八子对话又没聊机器人
01:20 小脑能力已经赶不上大脑，更关注小脑
05:12 FigureAI 和 Aloha 背后的新技术：Diffusion Policy，扩散模型用于生成机器人动作
06:44 Diffusion Policy 和 Diffusion 模型之间的关系
09:04 重要提升在于泛化性：机器人可以像人那样洗盘子了，不需要盘子摆放精确
09:47 为何 GTC 黄仁勋与 Transformer 八子论坛完全没聊到机器人？


· 求学与创业：当软件与硬件 meet，机会信号出现
12:56 2016-2017 年读博期间，波士顿动力 demo 表现好，与他们的科学家交流，发现方法很相似
14:29 波士顿动力展现的是「足式运动能力」，它和「操作能力」是两条线
15:00 足式运动能力在控制上为什么难？——一个「欠驱动」系统
18:08 足式运动能力，抽象一下就是谌骅博士研究的课题：混杂系统的最优控制
20:08 MIT 开源硬件方案是对行业的重要推动
21:26 MIT 使用了原本用于其它领域的行星减速器，也从理论上做了解释
24:10 大公司 VS 小公司，一个没有完全 ready 的方向，更看中探索的灵活性
26:30 逐际做了 3 个产品，为什么做这么多？


· 市场观察：人形机器人为什么在中国先火？AGI 信仰充值带来了什么？
27:43 去年中国为什么多了这么多人形机器人？——马斯克效应
29:50 走得像人能体现技术能力，但这也许没那么重要
31:43 逐际的四轮足机器人和点式双足机器人：用在哪儿？干什么？
34:29 点式双足机器人的更强运动和平衡能力——来自这两年强化学习在机器人控制中的运用。
35:00 这和 Transformer 没有直接关系，但整个领域的信仰充值让大家意识到用数据驱动方法做控制是可行的。
36:43 为什么中国做人形机器人的公司看起来比美国公司“更不聚焦”？
40:53 为什么大模型是美国先火，人形机器人是中国先火？
42:45 波士顿动力居然有 30 多岁了！它仍在用液压驱动，几乎不可能产品化
45:19 一个现象：起步太早的科技公司，可能因在老技术栈上积累太深，采纳新技术更

年初至今，很多人可能都刷到过跳洗澡舞的奶牛猫和大金毛，从 B 站、小红书到 TikTok，它们一路从中国火到了海外。





让小猫舞起来的应用是阿里巴巴通义千问 App 中的“全民舞王”功能，其背后的技术是阿里通义实验室 XR 实验室开发的 Animate Anyone。


通义实验室 XR 实验室的多模态成果还有可一键换装的 Outfit Anyone，和今年 2 月底刚发布的肖像视频生成框架 EMO（Emote Potrait Alive），它可以用一段语音作为单一控制条件，驱动任何肖像类照片动起来，比如让蒙娜丽莎诗朗诵，让 Sora 女主角开口说话。



*节目中涉及的术语可见 Shownotes 末尾的附录解释。


（视频链接见 shownotes 末尾）


本期节目我们就邀请到了这一系列多模态成果的研发 leader，阿里通义实验室科学家（XR 实验室负责人）薄列峰，来分享他在人工智能多模态领域的实践与观察。


薄列峰于 2007 年获得西安电子科技大学电气工程博士学位，后在芝加哥大学和华盛顿大学从事博士后研究。


在加入阿里前，他先后担任了英特尔资深研究员，亚马逊无人超市 Amazon Go 首席应用科学家和京东数科 AI 实验室首席科学家。


薄列峰的学术和工业界经历刚好横跨深度学习崛起前后，并涉足多个领域，包括计算机视觉、自然语言和 AI 与硬件的结合。


本期节目我们从 OpenAI Sora 对多模态行业的影响出发，聊到了阿里自己的实践，技术与产品的结合——Animate Anyone 支持的“全民舞王”是一个AIGC（生成式人工智能）应用引发 meme 传播的的例子；还有薄列峰对多模态未来趋势，包括更长期的世界模型的技术设想。


内容摘要：
· Sora 和多模态行业进展
01:50 典型的多模态包括文生图、文生视频等；XR 实验室研究范围：解决数字人等问题。
03:19 多模态有较长的发展脉络，从 GAN 到 Diffusion Model 再到如今的 Sora。
06:35 Sora 的冲击：恐惧无益，视频生成尚未完全解决，世界模型仍有探索空间。
08:04 世界模型的定义和实现方法尚未达成共识。
09:09 Sora 带来了挑战与冲击，创业公司的机会。
10:51 面对 Sora，大厂的数据优势是否仍存在？


· XR 实验室的多模态探索
12:40 多模态模仿人类智能和能力，是自然而重要的发展方向。
14:00 阿里多模态研究脉络：数字资产生产+技能；技能涵盖表情、动作和交互等。
18:26 EMO 通过单一语音控制生成视频，无需动作序列。
20:40 Talking head 之前也有人做，新方法的区别在于使用了大模型。
21:32 大模型带来的变化：EMO 是 zero shot，生成过程简单、轻量；同时效果更生动、复杂，适应性更强。


· 技术与产品的协同进步
24:10 Animate Anyone 用到通义千问 app 中是技术研发和应用的交集。
26:28 用户带来的启发：让宠物跳舞比让人跳舞更受欢迎，因为宠物只能通过技术来跳舞。
27:10 上传狗的人比猫的人更多，因为原初模型更容易识别狗，近期已做了优化，提升了对猫狗的接受率。
27:56 免费提供 AIGC 功能的成本考量？现阶段更重视用户参与和反馈。
29:15 为何分精力做产品优化？——现阶段的产品优化实质是模型能力的优化。


· 过往的跨领域经历和技术观察
32:58 07年前后关于深度学习的玩笑：“深度学习效果比其它方法高了一个点，但多了很多参数。”
33:42 深度学习首先在语音识别任务上取得突破。
34:45 在亚马逊 Amazon Go 解决实际视觉问题的经历。
36:30 跨学科经历的启发？——实践中积累的正确理解至关重要。
38:20 为什么物理世界的 AI 进化更慢？——硬件在过去甚至未来都是大瓶颈。
42:10 多模态大趋势里的变量？——世

汉洋前两天写了一篇关于跳海的文章，作为配套他邀请了跳海的创始人梁二狗和跳海的天使投资人（与璀璨钻石打酒师）Mable 聊了聊跳海，也聊了聊如何做一线城市年轻人的生意。


本期节目我们聊到了：
如果今天有人想在没有跳海的城市复制一个跳海，你会建议他做什么？
这一代一线城市的年轻人有什么特点？
如果跳海是个年轻人的生意，那年轻人还需要什么生意？
运用社交网络（比如小红书）对你们来说是个负担吗？
沟通中的共识建立
你会和那些骂你们贵的人吵架吗？
在你看来传统精酿圈问题出在哪？
跳海的发展理念和商业模式
北京这个城市特殊的地方在哪里？


相关链接：
不是谁都能在跳海当一名打酒师丨晚点周末
牌牌坐：ep.2 跳海酒馆：世界在下沉，我们要建造
Do Things that Don't Scale
探月学院
ARPU: average revenue per user


登场人物：
二狗：跳海酒馆创始人
Mable：一个随波逐流的人
汉洋：爱喝酸啤


剪辑：甜食
封面由汉洋拍摄