卫诗婕｜漫谈Light the Star

卫诗婕
  • 4.8 (12)
  • 商务
  • 一日一更

Explore better Tech aesthetic（探索更美的科技）～✨ 《卫诗婕 漫谈 Light the Star》是一档独立的中文科技访谈播客。我们欢迎「强技术理想主义、全球化视野、以及强精神质感」的全球创新领军人物，将此作为与世界对话的一个阵地。 以高信息密度、高信任感、强生命力的长访谈形式，聚焦全球科创与中国创新。努力做「最懂得创始人精神内核」的访谈。 卫诗婕是中国财经媒体人，曾获全球真实故事奖（TSA）——这是国际顶尖级别的严肃新闻奖项。从调查记者➡️特稿记者➡️科技媒体执行总编，她的作品覆盖 AI、科技巨头、商业人文与知名人物，风格锐利、深度、有温度，获得过 9 项全国性的新闻奖项。 《漫谈 Light the Star》由第四之声工作室出品，包含播客、视频播客、文字专栏等形式： 播客：小宇宙、Apple Podcast、Spotify、QQ 音乐等。 视频播客：小宇宙、哔哩哔哩、小红书、视频号、Youtube、抖音等。 文字版：公众号「卫诗婕 漫谈 Light the Star」 合作洽谈 👉 微信：SJ_Jelyne（添加请备注身份+事由）

  1. 1天前

    84.49 家央企采买进场，史上最热WRC：泡沫被挤压，具身行业进入实战阶段｜14 年从业者的行家鉴别指南

    刚刚过去的这届世界人形机器人大会（WRC），对整个行业来说是一场极具分水岭意义的展会。 如果说去年，大家还在拼命展示后空翻、跳舞和概念 Demo，那么今年最大的变化在于——所有浮躁的泡沫开始被挤压，行业正式进入了算 ROI、看真实出货、拼落地能力的实战阶段。 在纷繁复杂的信息流中，我希望穿透 PR 话术、看到真正的行业水位，所以我邀请了上市公司仙工智能（HKG: 6106）的联合创始人叶杨笙。叶老师深耕机器人行业已经有十四年时间，既懂底层算法与软硬件工程，又对商业化极致务实。 这期内容中，叶老师不仅给出了极高信息密度的行业“深喉观察”，还点出了一些行业不敢讨论的话题，比如： 破除出货量与预训练神话 展台 Demo 的行家鉴别指南 数据与底层的核心痛点 欢迎在评论区留下你对 WRC 和行业的观察，好内容需要你的更多互动。哦对了，有关仙工智能这家公司的具身战略，也欢迎前往漫谈第79 期，在仙工上市之际，我与创始人赵越的独家访谈，非常推荐～ 本期嘉宾：叶杨笙（仙工智能联合创始人 社交平台账号：叶老师玩机器人）本期 Shownotes：03:11 很多展台都要设定时展示，为什么？哪些企业展现了真正的实力？ 07:44 机器人跑太快着火了：运控能力普遍大幅提升 09:31 来 WRC 不寒暄，我们只问一些关键问题： 机器人是遥操，还是真实自主？ 失败之后，能自己恢复吗，还是要人工重启？ 换个光线，换个物体，还认得出吗？ 这个任务，非得用人形吗？ 剪了几条，加速几倍，网络断了还能动吗？ 你们的成功率是挑了多少次场景算出来的？ 14:31 真正的头条不是任何一台机器人，是「采购日」这三个字一组关键市场数据：2026 上半年全球人形机器人出货量突破 2.2 万台，中国厂商占全球约 97% 20:00 大胆开麦：行业落地的真实需求，可能要在订单量上除以 10 「去表演化」：静展比例大幅减少，跳舞翻跟头不被业内埋单 「去差异化」不足：300+公司涌进三个赛道、五个场景 什么赛道是百万级的需求？ 25:55 具身大脑的风向：世界模型最火，但展示很少 为了攻克卡点，全栈自研是头部标配，这很正常 关节模组和嵌入式软件自研，会是趋势 内幕爆料：目前可能真正的在做预训练的具身创业公司，可能不超过 5 家 具身行业的永续公司：融了几十个亿在账上，仅靠利息就能养活研发 大脑能力目前非常同质化 探索什么样的数据真的有用 vs 范式清晰的那一天，有没有那么多机器人布好，目前是矛盾的抉择 37:57 本届 WRC 最大的场外热点：宇树上市 宇树上市，给具身行业做了很好的定价 什么是真实订单量？上市之后的界定严格得多… 王兴兴在开幕演讲中谈，目前的具身大脑为什么难以突破？——「他的定义很本质」 40:11 机器人的大脑、小脑和神经：技术发展到哪了？ 神经，是传感器信号的总线 灵巧手和数据，从机器人配件，走向舞台中心 为什么行业总说，具身数据采集标准不统一？详解数据采集的秘密… 关于采集口径、标注规范、数据格式、时序组织… 仙工打算成立一家专做数据的子公司，正在开启独立融资 55:30 整个行业的技术进展的结果是由什么带来的？ 强化学习、Coding、数据…都在飞跃 Agent 自进化会加速技术进展 明年，Scaling Law 会有初步显现 大部分自定义的限制场景，VLA 完全够用 「大家的起点都还非常低」 整个展会期间，最意味深长的细节… 加入听友群⬇️ 在小宇宙查看该单集文稿

  2. 8月19日

    83.宇树上市：王兴兴的「幸运」，投资人的「教训」｜对谈宇树早期投资人、初心资本田江川

    宇树科技正式敲钟上市了。 我曾在第 65 期节目（《除夕夜，与王兴兴的对谈》），于除夕夜春晚舞台演出之后，专访过宇树的创始人王兴兴。 那次对话的震撼一直持续至今。在我的认知里，宇树绝对不只是又一家把硬件卖到全球的成功企业。 它是一个真正能开启中国硬科技全新创新时代的范本。 宇树证明了：中国创业者能够用极致的工程创新、并将中国硬件的优势发挥到极致，从而做到引领全球；他们不需要光鲜的履历，就能让全球最顶尖的实验室基于中国团队的硬件去定义行业标准。 我们试图回到那个没有聚光灯、甚至充满偏见的起点。 我邀请了宇树的早期投资人、初心资本的管理创始人田江川，一起复盘了宇树这个项目所有的非共识。 如标题所说，早年融资上捉襟见肘，反而成了宇树最大的「幸运」；当年被顶级 VC 视作“短板”的草根背景、手搓 BP、不做视觉算法的王兴兴与宇树，最终却构筑了断代级的壁垒。 某种程度上，宇树和王兴兴实现了一次中国投资人们的集体认知升级——有关反精英主义的傲慢，与什么是真正的创新。 本期嘉宾：田江川（初心资本管理合伙人 、宇树早期投资人）本期 Shownotes：02:25 2015 & 2025 ：投资的 vintage year 乔布斯的「初学者心」：持续对世界保持热爱和好奇 2017 年，3000 万人民币估值的宇树 王兴兴 2019 年的 BP 投资行业正不断回馈胆子大的人 2025 年技术变革中，话语权只掌握在少数人手里 00:07:22 2017，为何在Costa咖啡馆里错过了王兴兴？ 「让机器人走进千家万户」的 passion 打动了我 电机这个路径一定是更好 scale 的，但当时我没有意识到 宇树是Macintosh 级别的创新 人才策略的三星模型—— poor 、smile and desire  target mass market 哪个年份的阿里人含金量最高？ “两真两网”体系：真问题、真专家、认知网络和信任协同网络 00:19:31 宇树不是一家机器人企业，它是一家全球性的生态平台 宇树的高毛利和量产能力从哪来？ 宇树如何站住了生态位？它的壁垒是什么？ 宇树的「幸运」：兴兴的英语是很不好的，但是day1 他就选择做海外 宇树其实是一家生态平台 「他们还会进入科研市场吗？其实很多是不会的了。」 「这么多岗位是谁在做？他当时说：是我。」 00:30:05 孤独的创新者：厚积薄发的六年 在一个无人区创新，即便不好走，但没有那么多竞争 宇树和大疆相似的成长路径 王兴兴给市场的强压迫感：一般都会早于市场 3-6 个月，推出一款别人赶不上的产品 2025 年春晚，中国具身行业的分水岭 00:53:55 人才审美：极客、科技理想主义者，与清醒的野心 所有 10 倍的优势，都是非常了不起的信号 “A user is a player.” 点亮宇宙科技之树 RoboMaster，是培育大疆竞争对手最大的温床 「三非」：扶持非共识、非中庸、非主流创业者 01:15:57 具身智能布局：这个时代的船票只属于少数人 中国具身的红利 ToC 端未形成 PMF 的核心原因：核心技术不到位，目前仅能提供情绪价值 具身领域存在类似 SaaS 的确定性机会 硬件赛道更离散，行业有巨大增量 地缘政治的最大挑战 01:36:59 MIT 的冲击与 VC 行业的残酷法则 管理是一门科学而非艺术 「裸奔做一个 CEO」 理解了文化差异，就能理解中美为什么会脱钩 天赋与勤奋：「今天你因为要出去滑雪，你就错过了字节」 创新的根本，就是顶级人才的流动 加入听友群⬇️： 在小宇宙查看该单集文稿

  3. 8月4日

    82.具身是一场马拉松，VLA 和世界模型都不够本质｜一个华为天才少年的具身启航

    这是一个在 2026 年才正式浮出水面的具身明星项目。 墨奇智能成立于 2025 年底，半年内完成超过 10 亿元天使轮融资。创始人黄青虬是前「华为天才少年」，亲历华为智能驾驶从 0 到 1 、从第一代到第四代的完整建设，离职前，他领导 200 余人团队，时任AI 模型开发部部长，并把端到端方案推向量产。 从去年年底开始，这个项目是具身领域投资人们纷纷约见和抢注的对象。 从本科、博士到华为工作，黄青虬完整经历了机器人的小脑、大脑及系统的学习、探索和实践。其中穿插着清华火神队、汤晓鸥成立的 MMLab 以及华为自动驾驶，这些人工智能的传奇之地。 这是一期信息量很高的访谈。它能解答一个问题：为什么在 2026 年，具身浪潮已经狂飙了三年、全行业有数百家具身企业之后，这个赛道仍然有新选手的机会。 要点概览： • 具身是马拉松，不需要弯道超车。 • 具身量产需要更严格的定义。今年能产出 5000 台靠谱机器人的公司，不会超过三家。 • 数据的质量，远远重要于数量——在一个人人都高喊「1000 万小时」「1 亿小时」数据的时刻，黄青虬认为，今天行业接触到的具身数据「质量是不够高的」，且缺乏统一的标准。 • VLA 和世界模型是一体两面，但它们都「不本质」。 视频版将在 8.4 日中午上线各大平台：b 站、微博、小红书、视频号等，欢迎前往：） 本期嘉宾： 黄青虬 （ 墨奇智能联合创始人兼 CTO ， ex 华为天才少年）本期 Shownotes：05:36 最晚下场的「华为天才少年」，与具身爆发的节点：2026 才出发，晚了吗？ 大模型从 chatbot 发展为 coding 、agent 成熟 智驾领域实现可泛化、可大规模商用的端到端一段式控制技术 批量具身公司出现，具身创业门槛不高？ 「投资人可能默认我能做成」 11:34 具身是一场马拉松，不是百米冲刺：起点差几个身位，没有太大的区别 技术范式未收敛，所以起点不重要 行业热度高，人才分散浮躁——这个领域需要怎样的人才画像？ 太多人谈弯道超车，什么是这个行业真正的基本功？硬件可靠性、算法数据模块的精度效率是「苦活累活」 19:20 路线选择：toC 一定是终点，但可以先把 toB 当跳板 场景选择：可泛化、可分阶段落地、能够回流高价值数据以迭代通用模型 具身行业的数据质量很成问题 好数据的三个条件 「具身的 Scaling Law 会比大语言模型更难 」 具身模型存在模型结构的矛盾，挑战很大 29:28 算法不重要？「算法是这一轮智能的核心」 算法架构是容易抄的，但探索过程中积累的方法、人才、组织氛围无法复刻 成立仅半年，月算力投入达千万级，算力投入可排行业前五 「这个行业的算力投入与行业热度，是不匹配的」 大脑的算力门槛为千卡级别，要出突破性成则果需达万卡级别 36:58 机器人兴趣：从《铁甲小宝》、《黑客帝国》，到清华火神队 赵明国老师的清华 508 实验室 「不要随大流，要有自己相信的研究方向」 运控古典派如何看待宇树：Sim-to-Real 最小背后，硬件一致性与参数整定 细节决定成败：负载系统会放大误差难以溯源 53:24 从机器人「小脑」到「大脑」：传奇 MMLab 带来的一切 初识 CV：恰逢 ImageNet 诞生，多模态理解一定是大势 商汤往事：在文津国际公寓的岁月 汤晓鸥强调的「黑羊文化」 从封闭式走向开放式的命题：重新定义系统 什么是具身大脑的核心？ 通用的「特征提取」 什么是好的系统？ 01:17:11 加入华为：「华为天才少年」、救火、与自动驾驶的四代更迭 「华为天才少年」打破了外界对华为的刻板印象 「银狐」量产救火：从没上手过激光雷达，却完成了算法修复，怎么做到的？ 什么是可迁移的经验？如何迁移？ 从六七人扩张到200人的管理与文化：同理心是关键，找寻一致的人 什么是真正的财富？地狱级的量产有更严苛的标准，刷榜没有意义 01:36:03 「VLA 和世界模型，都不够本质」 为什么会出现各类技术方向：具身模型动作模态稀疏、反馈少、训练慢 VLA 和世界模型是一体两面：都是为了将模态从稀疏推向稠密 AI 仍是一门实验科学，需要大量验证试错 华为自动驾驶 4.0 量产完成，我从华为「毕业」了 如何做技术选择？「美的东西，都是简洁的（Simple but work）」 02:00:07 量产的定义需要更严格：不能做到 7✖️24 小时运转，每一台机器人保持一致，就是原型机！ 中国做硬件、硅谷出软件（大脑）的故事几乎不会重演：具身的数据是要从头来过的 「ChatGPT 的 changing point ，只是刚好出现在 OpenAI」 每次推倒重来，才有机会提升智能的上限 「我对量产的定义可能更严格」「我希望做一家靠谱的公司」 「今年能产 5000 台靠谱机器的公司，不会超过三家」 02:09:32 豪华团队：追求「温柔与坚定」，有趣也很重要！ 具身很复杂，「你永远不知道会出什么幺蛾子，需要非常健康的心态去看待这些状况」 工程很重要，学术 taste 也很重要 做机器人很苦：产品和团队的调性会影响心情，心情又会影响灵感 乐观是一种可被习得和塑造的方法 「看一看表，还有二十几年——是时候开始做了」 加入听友群⬇️ 在小宇宙查看该单集文稿

  4. 7月28日

    81.Agent Infra，巨头都在布局的隐秘赛道｜与百度王雁鹏聊模型、智能体与 AI 基建的新动向

    我们正经历从模型时代到 Agent 时代的过渡。 底层技术正在发生怎样的演变，有哪些硅谷与国内的重要 AI 趋势？为什么这是工程师最好的时代？ 这期播客，我邀请了百度智能云AI 计算首席科学家王雁鹏，深入探讨 Agent Infra 这个重要的「隐秘战场」。 （本期视频版也已上线：欢迎前往 b 站、视频号、小红书等平台观看～） 本期嘉宾：王雁鹏（百度智能云 AI 计算 首席科学家）本期 Shownotes：01:46 模型动向、AI 基建正在发生什么？ 什么是 AI Infra？「Infra 其实就是抽象一个层次，这个层次有足够的通用性。」 AI Infra 为什么从软件走向软硬一体？「前一代的 Infra 基本上全是软件视角，这一代 AI Infra 有一个巨大的区别：它是以 GPU 为核心构建的。」 GPU 极大释放了算力，但是牺牲了通用性 从 AI Infra 到 Agent Infra ，意味着什么？「完成真实任务意味着我得有一个完整的环境，人操作的所有基础设施和软件，都要被 agent、被 AI 去用。」 04:25 Agent 从 demo 走向生产环境，还差什么？ Agent 的三阶段 —— 从 Chat 到「完成岗位」的鸿沟 模型能力边界，决定 Infra 抽象层在哪里 新时代的数据库是什么，memory 系统长什么样，还在变化 模型的智力等于算力，算力等于电力 Agent 可控、可信任：每一次执行结果不变、可重复 基础设施层面，需要构建一套能够快速部署、快速开发、大规模运行的系统，一个更强的推理集群 12:03 OpenClaw、Hermes 与 Agent harness 的范式变化 「Claude 4.5 出来时，程序员圈已经被震撼过一波」 「Openclaw 第一眼没什么特别，再看还是有点东西」 harness 的三件套：loop（主循环） + tools（调用工具） + memory（记忆系统） loop 的通用性极强 ：「让大模型看上一步结果 → 分析问题 → 决定下一步 → check 是否达标」 Memory 从 RAG 演进到文件系统：更通用 Hermes 的更进一步 —— 自动净化 skills（定期反思：这个任务哪里不好、下次怎么做更好、整理成明天可用的 skill） 18:44 模型即 OS ：大家争夺的都是超级入口 为什么 agent 会越来越多：大模型以后会是 OS，是大脑 通用大脑就像天才：可以做任何事，但不会 day1 就能做任何事，中间的学习成本 + knowhow 沉淀 = 应用层的价值 Agent 的三大支柱：长上下文冲击算力、存储、网络与 CPU 消耗 CPU 的消耗，可以窥见 Agent 诞生了多少真实价值 「这仍然是巨头的游戏」 为什么英伟达的生态很难撼动？ 36:42 Agent Infra，巨头都在布局的最吸金、最隐秘的赛道 智能 = 算力 = 生产资料 「所有巨头都会往下做垂直整合」 Anthropic、OpenAI、Google 的 Infra 路线差异： 谷歌，最典型的垂直整合派：TPU 做了近 10 年、JAX 自研、Infra 自研、模型自研 —— 芯 、 云 、 模真正一体化 Nvidia：不再是芯片公司，而是系统公司 Anthropic（轻资产，聚焦入口派）：聚焦模型 + Claude Code 这个高价值入口；算力靠跟 AWS / Google 签协议保障，短期不用自己造芯片 OpenAI（重资产，生态平台派）：「从 GPT Store 那时就想做 App Store 式生态」； 垂直整合的隐藏难点：「软件世界与硬件世界有 gap」 「今天定义的芯片两年半后出来时，还是不是那个模型需求？很大程度上不是」 NV 的缝隙在推理系统 51:19中国 Infra 路径：多芯适配、开源生态 国内 vs 国外 Infra 的两大差异： 芯片环境不一样：国外主要在 NV 生态；国内要考虑国产芯片、要做更多多芯适配 中国的开源远远领先于美国 —— 开源意味着**模型架构透明**，做芯片的能知道往哪里走 百度智能云的两个押注：更高的算力与 Token 效率 + 和未来的新星走在一起 Robin（李彦宏）提出的新指标 DAA（Daily Active Agents） —— 替代 Token 数量作为 Infra 层的牵引指标 「Token 数是一个会被玩坏的指标」：不能做杀鸡取卵的事 提升 DAA 的路径：**让开发更快** + 让运行更稳（可自动恢复、结果可 check） + 分任务价值高低（高价值多花功夫做） 趋势：从 Token 到 DAA ：Agent 时代需要更多衡量真实价值 提升 DAA 的路径：让开发更快 + 让运行更稳（可自动恢复、结果可 check） + 分任务价值高低（高价值多花功夫做） 01:00:22 为什么这是工程师更好的时代 ？ 更大的探索空间：做 Infra 的人在 CPU 时代不会在芯片层面想工作；到 AI 时代能做很多系统层面的事；到 Agent 时代要做更不一样的系统 当下，整个研究范式都在工程化： 「工程化研究范式」是这一代 AI 的隐藏画像 Transformer 架构统一之后，各家拼的其实是工程能力 「算法工程师」的时代结束了，「AI 系统工程师」的时代开始了 「今天你用工程的方法去解决更多、更广泛、更复杂的问题」 加入听友群⬇️： 在小宇宙查看该单集文稿

  5. 7月24日

    80.与梅涛院士的 3 小时访谈：语言、视频、具身终将汇聚，为什么是世界模型？

    从语言大模型，到多模态至全模态模型，再到走向世界模型… 世界正在经历什么？ 本期节目我邀请了加拿大外籍院士、智象未来 Hidream的创始人梅涛，还原视频生成模型的技术发展史。 梅涛院士是全球首篇文生视频论文的作者，也是最早探索文生视频的人。 2026 年 5 月 20 日，Google I/O 大会上，Pichai 发布了 Gemini Omni —— Google 第一个原生「any-to-any」的全模态模型：文本、图像、视频、语音都在同一个 Transformer 里原生流动，不再是几个模型拼接——这与梅涛一直以来的主张不谋而合。 与此同时，OpenAI 悄悄砍掉了 Sora 项目，更多聚焦 Coding——硅谷正在做减法。 但中国一侧的多模态战场却没有收敛，从多模态、全模态到世界模型，多模的架构层面正在发生一轮新的分化：DIT、UIT、Omni 各自赌不同的路。 梅涛，作为最懂视频模型的人之一，正是选择从底层架构下场的创业者，他致力于打造「视频界的 Anthropic」。 我们从他的中科大、微软亚研院岁月，一路聊到这场世界模型的创业之旅。梅涛的模型世界观可以用一句话精炼，那就是： 图片是入口，视频是过程，世界模型是终局。 语言、视频、具身，终将汇聚。 这期的信息量极大，但技术门槛较高，不过，其中穿插着大量生动比喻，跟随下来，也能对当下的AI 趋势进行一场深入的了解。推荐大家收听～ 本期嘉宾：梅涛（加拿大工程院外籍院士、智象未来 HiDream 创始人） 本期 Shownotes：03:35 视频领域的 Anthropic :图片是刀, 视频是过程 学 Anthropic 的三件事: 团队从 OpenAI 出来后极度稳定(智象核心作者从 2017 年起就没走过一个)、坚定做企业服务、通过开源建立自我逼迫的创新节奏 视频领域的刀是图片 : 图片是二维/三维信号的入口，今天客户在平台上创作的时间 50%-60% 花在做一张图上 多模的成长路径:图片模型 → 视频模型 → 全模态模型 → 世界模型 能不能把图片做到全球最好,是视频公司真正的分水岭：Google 的 Veo 3 之所以强，是因为 Google 本身有很好的图片模型 08:25 院士里少有的「躬身入局」：全职 20 年的工业界履历 中科大→微软亚研 10 年→京东探索研究院 5 年→2023 年创立智象;从没拿过第二份薪水，始终全职 导师张宏江的习惯：看汇报从最后一页往前翻，5 分钟就把半小时的 slides 看完 「用 AI 分析理解视频」的任务，跨越 6 年才完成——多模态、全模态、世界模型都是那份实习任务的延长线 好的 mentor 给的 assignment 都不是「当下能做出来」的,而是「你的整条职业生涯都要围绕它推进」的 反人性才能获得长久的正反馈，负反馈也是正反馈 微软亚研院的土壤：这样的 R to D 通道今天几乎绝迹 29:00 微软 R&D 分离 vs OpenAI 融合：今天模型就是产品 微软时代：研究员做 paper → 10 个工程师转化成产品 → 100 个工程师做产品化，大半年才能进产品线 OpenAI 这一代：researcher 和 engineer 完全融合，R&D 之间不再有转化层 研究员今天为什么这么贵——因为他们直接是产品线；研究判断本身就是产品判断 如果你的研究和工程仍是两个团队，你比大厂慢的不是资源，而是决策速度 31:27 AI 不是足球赛而是篮球比赛：第一节快结束了 toC 是 toB 的放大器——C 端最先感知模型能力的溢出、贡献社区反馈、做 branding 中国 AI 创业的三个关键词：全球化、出海、软硬件一体 AI 的四节比赛：大模型比拼、 agent(通用+垂直)、终端流量入口/软硬件、第四节待定 AI 时代，toB 和 toC 的边界越来越模糊：创业公司不必二选一 后面的迭代周期会更短：基模半年一次大迭代，Agent 可能三个月一次，终端和交互还会更快 42:15 Sam vs Dario：一号位视角 vs 单点技术执念 Dario 是理想主义者(读社会学、历史、哲学)；Sam 是投资人出身,更现实 讲宏大叙事等不到爆发那天就会死 中国投资人的三重反射弧——需要沿途下蛋、追共识不追共识外、经历过 toC 时代所以对 toB 天花板有本能的低估——这些都改变了中国创业者能选的叙事结构：你必须在讲远期愿景的同时不断证明近期商业化 「长期看 Anthropic 和 OpenAI 的曲线一定会交织」 47:10 从 TGANs-C 到 UiT：做视频模型，创业公司为什么必须换架构 做出全球第一篇文生视频论文 TGANs-C （2017）：使用 GAN 与卷积神经网络，只能生成约 3—4 秒、48×48 像素的模糊视频，但证明了文本可以反向生成视频 视频生成模型经历了 GAN、Diffusion、DiT 几轮架构变化：主干网络从 CNN 换成 Transformer 后，模型才获得更强的上下文和规模化能力 DiT 需要先把文字、图片和视频压进隐空间，再编码、解码；压缩会损失细节，也让像素级控制变得困难——字节等大厂可以在此基础上大力出奇迹，但始终有些事做不到 智象在探索的UiT： 尝试取消外部 VAE，让原始像素、文本 Token 和任务条件进入统一空间，直接完成跨模态交互 创业公司必须思考如何避开大厂的车辙，如何优化成本曲线，逼近大厂的优势 「架构上的领先只能持续六个月」：开源是一场持续创新考试 为什么视频模型目前仍然是创业公司玩得起的游戏？千卡级训练仍给创业公司留有窗口 01:17:15 像素没有统计意义：多模态还在 GPT-2 阶段语言是经过人类数千年压缩的结构化知识，而视觉信号缺少公认的 Token 定义，「像素没有统计意义」 文本可以用 next-token prediction 自监督训练，图像和视频通常需要成对的内容与高质量描述，监督成本更高 视觉 Scaling Law 会出现，但不一定复刻语言模型的路径；数据、算法和算力都还没有形成统一范式 目前视觉不负责产生智能，而在于复刻 多模态消耗数据的速度仍赶不上人类产生视觉数据的速度 01:27:50 世界模型不是一个模型：三条路还没有交汇杨立昆的 JEPA 路线关注 next state 与世界状态预测；李飞飞更侧重 3D 世界重建；视频生成派则希望从海量真实视频中学习物理规律 视频模型的数据更通用、参数体量更大，可以成为世界模型的基础底座，再向具身或交互式任务迁移 图片、第三人称视频、第一人称视频和具身真机数据各自覆盖不同分布，单靠真机数据很难获得足够泛化 生成与理解目前仍是两套路线，真正的大一统架构尚未出现。 世界模型现阶段更像一组不同目标、数据和训练方式的模型家族。具身、3D 和视频都只是路径，过早把它们压成一个答案，会遮住真正的架构问题 01:41:16 从微软、京东到 HiDream：创业没有标准答案，在迷雾中寻找航向通用视频模型底座的商业化 技术创业选赛道时，「未来足够大」还不够。能否沿途形成收入、数据和产品反馈，决定团队有没有机会等到终局。 判断模型是否真正创新，不能只看公开榜单；模型公司会用自己的测试集和极限 Prompt 检查边界能力。 好的 Leadership ：清晰目标、可执行路径、利他和技术使命感 快速不仅指把正确路线跑快，也包括更早承认路线不对 02:08:53 通往世界模型：下一代架构可能已在萌芽从多模态、全模态走向世界模型是通向 AGI 或 ASI 的必经阶段 当前的 Transformer 未必足以承载所有模态和交互，下一代架构可能已经在萌芽 让博士生和研究员持续筛论文、做小规模试错，再把有潜力的方向放大到产业级训练 发现下一代架构靠的不是一次灵感，而是一套持续感知机制 02:19:34 世界模型不等于具身：图片是扎马步，最大的数据量目前来自视频模型公司自动驾驶、视频、3D 和机器人都有各自的世界模型叙事。 智象的「具身世界模型」路径：先把图片质量做高，再扩展视频长度、实时性和可交互性，最后延伸到高精度的物理世界任务。 「像智象这样的公司，一年都是 100 PB 级年度视频数据」：视频仍是当前最可规模化的物理世界信号 图片不是视频模型的过渡版本，而是最低成本的基本功测试——构图、像素控制和角色一致性做不稳，视频越长，错误只会被继续放大。 02:28:49 多模态商业化：智能未涌现，表现力先变现「多模不会一家独大」 Agent 的价值不只取决于基模，还取决于 Harness、Skills、成本控制和行业 know-how 多模态还没有出现语言模型式的智能涌现，却已经出现表现力涌现。商业化可以早于技术终局。 「Token 将来价值会越来越薄，因为它成为了一种 commodity。」 02:42:06 船票的本质：模型能力与商业化都要过关一张多模态船票首先要求自研模型和公开可验证的能力；只有应用收入，也可能被下一轮模型升级吃掉。 模型层竞争是耐力赛，但资本耐心有限 2024—2025 年，一批视频创业公司批量退出牌桌 一级与二级市场都在寻找模型排名、对标逻辑和增长数字，但对「新型 toB」的共同要求，是不要回到私有化部署和定制研发。 02:54:55 卖铲子给具身：从世界中学习，再重构世界智象与诺亦腾合作： 具身公司缺少高质量、可规模化的数据 把真人遥操和夹爪数据扩增为不同背景、不同手部外观的第一人称视频 合成数据是否「真实」并非重点，重点是它能否提升 VLA 或 World Action Model，并用轻量模

  6. 7月6日

    79.机器人大脑第一股上市，与仙工赵越的4小时访谈:全球第一、机器人金字塔与具身智能的另一条路

    这是一期非常生动、系统的访谈，还原了一家隐形冠军的成长史与思维方式。 作为机器人大脑第一股（仙工智能已于2026年6月24日在香港交易所主板挂牌上市），仙工把机器人的大脑「控制器」卖向全球，成为全球出货量第一。同时，它也正在探索一条反主流叙事的具身大脑道路。 这是仙工成立以来及上市后，创始人首次接受深度深度访谈。此前，这家公司作风低调，鲜有接受媒体报道。 创始人赵越身上有许多有意思的故事：读医三年后退学重考、本科期间睡实验室、曾带领团队获得三届 Robocup 全球冠军、首次创业失败…… 大量成长过程中的趣事（尤其是在世界杯期间，我们聊机器人世界杯 RoboCup 聊了一个多小时），其实也与创业过程中的思考方式互文。 赵越带来一个有趣的暴论：未来所有公司都可以是机器人公司。也带来一些启示：越是纯粹的人，越有机会在专业领域获得成功。AI 时代，足够热爱的人将有更大机会获得成功。 强烈荐听这一期，希望你们喜欢：） （本期访谈的视频版已在 视频号、微博、b 站、小红书等平台登录，欢迎前往观看～） 本期嘉宾：赵越 （仙工智能创始人）本期 Shownotes：Part 1.关于赵越：史莱姆、「卡拉米」和永远想「掀桌」的基因01:23　仙工的吉祥物，是小怪物「史莱姆」「开始都叫老板，新人一周内就会喊我越哥」 史莱姆（仙工吉祥物），最初级但也不容小觑的小怪物！ 从 wrong 到 right，要经历漫长的混沌 创业本质就是不停解决问题的过程 「加速开放多元的智能文明，让智能机器没有门槛」 06:26 湖南邵阳，浙大 8 年医学本科、退学，与夺冠少年 父母都是老师，「他们最大的贡献就是不管我」 浙大竺院的宽口径培养：8 年医学制，读到第五年，我退学了 白天紫金港，晚上玉泉——本科研究生几乎睡在实验室，不认识研究生室友 Part 2. 中国摘得 RoboCup 世界首冠：一个「小胖子」带队夺得三届冠军 15:15 从「小胖子」Picker ，到三届全球冠军 关于 RoboCup：2050 年击败人类世界杯冠军 还没有 Issac 和 Sim2Real 的年代：用 ODE 物理引擎 + CUDA 加速做仿真 8 毫秒决策周期、集中式控制场上 6-7 台机器人、GPU 算所有跑位与形势变化 2009 年开始接触强化学习，「逐条过对手的比赛日志」 代码里的 magic number（阈值数）：引入随机性，是最有效的策略（今天的创业同理） 「那个小胖子，你不要在场地上跑那么快！」 小卡拉米的蜕变规律：脱颖而出，往往不是因为优秀，而是因为热爱 30:14 中国首冠 & 一个「思想钢印」 初赛击败上一届冠军：整个场馆都震惊了 一个思想钢印的诞生：「你觉得是问题的、迟早有一天会找过来」 击败 CMU（卡耐基梅隆大学，机器人领域全球最强的实验室）：把不可预测，转化为可预测 「太精彩了，不像机器人在对抗，像两个教练在对抗！」 与 Malona 在巴黎的会面（RoboCup 发起人之一，执行委员会主席）：RoboCup 播下一片种子 热爱，无法伪装 Part 3. 未来，B 端不会有真正的机器人巨头出现：每一家公司都可以是机器人公司53:21 机器人金字塔：能在底层解决的，不要往上层解决机器人金字塔：机械 → 电子电路 → 底软 → 通讯 → 算法 → 模型 端到端 vs 分层架构的技术路线分歧：未来所有大脑模型，也会是 MoE 架构 自上而下 vs 自下而上的两派大脑 快速分裂 & 快速共识：2022 年大家讲 VLA、2024 年讲世界模型、2026 年讲无本体采集——共识每年重新洗一遍 具身分两维度看：**新技术范式 vs 新产品形态**——可以分别独立验证、没有必要绑在一起 数据如何低成本、可持续地涌现？ 01:06:23 暴论：「所有公司都可以是机器人公司」 渐进式在 B 端赢、颠覆式在 C 端赢 「一吨货的三种解法」 工具是被人创造的——让人形去搬货，就像让自动驾驶去开油车，是退步 数据 ≈ 模型：一个拥有足够多好数据的公司，可以立于不败之地 好数据的三条件：① 真实场景采集的多样性 ② 天然对齐（不用花大量成本转格式） ③ 低成本可持续产出 仙工的独特资产：2000 种机型 × 400 种传感，接在自家传感器上，天然对齐；客户异常时主动把 corner case 给你 为什么不立刻训一个通用大脑，而是训垂类模型？ 产线没有巨头、机器人为什么一定要有标准的巨头？ 构建事实标准，与「反者道之动」 01:22:38 从方法论焦虑，到数据坚定 「现在这些 BP，没有 VLA 的我都不看了」 问题不是方法本身、而是数据 自动驾驶出身的，都会强调真机数据 新方法研究，是一个沿途下蛋的过程 挖角潮有感知，核心员工几乎没走 无为，是不妄为 01:53:16 第一段创业的失败：富士康点醒了我们 第一段创业「仙知」：沿着机器人四大家族一路模仿，发现似乎不对 富士康点醒我们：除了控制器，没什么是我们不能做的 与富士康的交易：交出图纸，买你系统 一台机器人上难以被统一的需求：当你把它升维到软件工具链层面，都能被统一 第一段创业的教训：现金流危急一年多 Part 4. 仙工的具身大脑路线：不立刻去训通用大脑，掌握数据会利于不败之地02:10:00 机器人平台化战略的诞生：脏活累活，是护城河 控制器就是机器人的大脑（硬件承载 + 软件规则或模型） 仙工如何成为机器人控制器全球第一？ 能不做的，都不做 海外市场与中国市场的差异 我们组建了一整套严选和评测体系 我们不做零件的原因：中国公司太厉害了，未来第一名不会有中国以外的公司 脏活苦活，才是一个科技公司真正的壁垒 02:36:19 谨慎做梦：可靠性、泛化性 & 后发优势 战略是长期的、不可撤销的投资 具身的实用主义：一端要可靠性（强化学习把场景打到极致），一端要泛化性——「两端兼具，至今我没看到信服的案例」 每次从 0 到 100，是为下一次从 0 到 1 换筹码 谈具身落地的真相：「大多数应该是不及预期的」 仙工的具身「四象限理论」：把「新旧技术」× 「新旧产品形态」拉出四个象限 新技术 × 旧产品形态（比如叉车具身化）——做落地引领者 旧技术 × 新产品形态（人形机器人的下层运控）——做具身行业的赋能者 新技术 × 新产品形态（比如具身大脑训自己的通用模型）——当下不做，全力积累数据 旧技术 × 旧产品形态——放弃 关于人形：不是没价值、是这套「基于数据训模型」的范式在人形上暂时难落地 Part 5. 道德经、鲁路修与稻盛和夫：「干掉第一」、「成为第一」、「不做第一」《道德经》的「空」，与不妄为 「功成事遂，百姓皆谓我自然」 稻盛和夫和毛泽东：极致唯心 + 具体唯物的辩证 钢炼、鲁路修、高达、进击的巨人：神漫里有着美好的世界观 鲁鲁修震撼了我的世界观：主角让自己变成世界最大反派、被最好的朋友一刀刺死，用自己献祭了正义 消消乐哲学：做到第一就要清空重来，否则容易变成那条恶龙 加入听友群⬇️： 在小宇宙查看该单集文稿

  7. 6月26日

    78.Seedance之后，视频Agent何去何从？｜与 OiiOii 闹闹聊视频模型的秘密：数据、生态与感性的结构化

    Sora 之后，Seedance、可灵等国产视频模型，做出了世界的高度——中国视频模型为何能领先全球？Seedance 的发布（最新已经是 Seedance 2.5 的发布啦），究竟是结束了视频 Agent 的战争，还是开启了它？ 我和 OiiOii 创始人闹闹，一起还原了属于视频战场上的大模型及智能体之战。 （本期内容详细梳理了 Sora 之后，视频模型的发展，及视频模型训练背后的人才体系、训练方法、数据奥秘，非常值得一听，也欢迎前往各大平台-B 站-小红书-视频号等，搜索本期内容的视频版😁） 从腾讯微信、字节剪映到创立 OiiOii，闹闹特别分享了她的产品世界观——感性与理性，是一体两面。而在视频这个领域，感性如何被量化，既是科学，也是艺术。 本期嘉宾：闹闹（视频 Agent OiiOii 创始人，前字节剪映负责人）本期 Shownotes：02:01 Part 1. 闹闹的成长史：观察者、群体之外与"创造环境"当一件事需要你自己去创造一个环境 腾讯和字节是产品观的左右脑 张小龙的 8 小时内部产品演讲，"他用人类外的视角在观察人类——把人性的善和弱点放在放大器里发酵，再像园丁一样修剪” · 在字节学到数据的应用，也看到数据的滥用——明知一个实验数据怎么才能为正，就为了正而去做它，但这不代表它长期是正的 内容型产品的核心，是把感性的好与不好归类量化 18:27 Part 2. 视频模型路径的判断：从 Sora 2，到 Seedance早期视频模型以首尾帧为主——Vidu 第一次把“多参考图"这个概念做出来 Sora 2 验证了多参方向，开拓了模型的想象力 “Seedance 基本是 Sora 2 的升级版” 什么是视频生成的最佳实践？ “描述词要加正向和负向词，要叠加约束” “视频生成交互的下一步不一定是文字” 27:28 Part 3. 为什么最好的视频模型出现在字节快手这样的短视频平台？“视频模型不是创业公司该做的” 大公司的数据护城河：有过去做图形图像算法的积累，可以制定标注标准，执行到八九十分 可灵的前世今生：2021 年，快手 Y-tech 算法团队在视频理解上就不弱于（甚至强于）字节 AI Lab 两条视频模型路径：通用大底座（Seedance） vs 专业领域优先（可灵） 生态是分水岭：同样的算法，能不能用好这些数据，取决于过去推荐系统里有没有相关应用经验 中国为什么能在视频模型方面领先？ OpenAI Sora 的失败不是技术失败，是生态失败 视频模型领域的护城河不是算法，是"数据标注标准 + 组织执行力" 34:15 Part 4. 模型不会被吃掉 Agent 的部分是？harness & 感性 benchmark视频模型目前的不可能三角：效果、生成时间、生成成本 模型会往哪些确定性的方向迭代？ 多模和语言模型有哪些本质不同？——感性可以被结构化但颗粒度更粗 Harness 一定会进入多模和视频领域 42:33 Part 5. AI 时代的「剪映」（or not ）：第二次创业为什么是 OiiOii ？AI native 的产品需要新形态 关于创作者的物质激励 & 精神激励 动画是 Agent 适合进入的绝佳行业 模拟剧组：OiiOii 的 7 个角色、改变生产组织、抽卡降本 内测码 10 万人排队的原因 Seedance 给我的冲击有哪些 MidJourney 没被吃掉的原因 OiiOii 的产品团队，由谁构成 57:02 Part 6. Sora 关停与 Seedance 2.0：视频 agent 战场是终结了，还是开启了？Sora 关停——它做错了什么？ Seedance 2.0 是升级版的 Sora，它的弱点是什么？ 海量视频 agent 涌现是"妄想"？——哪些套壳在骗钱？ 怎样的产品是“纯套壳”？鉴别 Agent 的厚度… 视频领域不会 winners take all … 为什么抖音特效的参考意义极大… ACG （动画、短漫剧、游戏）的 Agent 机会：生产关系的改变才是更值得思考的价值空间 我与字节：「你要相信字节是一家非常精明的公司…」 如何侦查模型厂商动向？ 01:32:18 Part 6.「这个时代最缺的就是谦逊」模型涨价了怎么办？ 国内 agent 调度的视频模型有？ Seedance 最值得学的是什么？ AI 时代顶级产品经理画像长什么样？ AI 时代的自信与盲目 如果喜欢「漫谈」，欢迎加入我的听友群～⬇️ 在小宇宙查看该单集文稿

  8. 6月16日

    77.有关智元、觅蜂的愿景与野心，和具身智能的竞速之旅｜与姚卯青的对谈

    2026 年，具身智能成为了聪明人扎堆、资本热潮近乎疯狂的行业。这条热门赛道中，智元机器人是最早的百亿俱乐部成员之一。 在人形机器人出货量狂奔的路上，智元的野心并不止于“具身本体”的军备竞赛。今年，他们做出了一个让全行业瞩目的反哺举措：将旗下的核心数据资产彻底剥离，独立孵化了全球领先的一站式物理 AI 数据服务平台——“觅蜂”。 本期嘉宾姚卯青，不仅是智元合伙人、具身业务部总裁，也兼任觅蜂的董事长兼CEO。这期播客在五月觅蜂发布会后录制，或许是有关智元战略的，最深入完整的一次访谈。 （本期视频的微博开屏页，欢迎前往微博等平台观看视频版～；也欢迎前往公众号，查看「漫谈Light the Star」访谈的文字版～） 从Waymo到蔚来再到智元，姚院亲历过自动驾驶从概念到量产的全过程，他说“今天的具身智能连GPT1都没到”，而机器人离真正涌现智能，还差一亿小时的数据。 本期嘉宾： 姚卯青（智元合伙人、通用业务部总裁， 觅蜂董事长兼 CEO） 本期 Shownotes：Part 1. 02:40 关于姚卯青：从清华电子系到南加大，从 Waymo到蔚来「人间清醒」与「顺势而为」 清华电子系的系统训练：电路、通信、信号处理、计算机视觉、编程和算法，都是自动驾驶和具身智能的底层能力 Google Display Ads 团队：计算机视觉、NLP 与 Transformer 内部转岗 Waymo：可能是当时全球最难的面试 Waymo 的三年： Robotaxi， 从技术 demo 走向商业化运营 Part 2. 17:28 蔚来的量产课：激光雷达、车规体系和数据飞轮为什么选择蔚来？ 「单平台、全标配」的产品策略，激光雷达、4K 相机和高算力硬件一体的统一底座 蔚来李斌：「被人骂也是被记住的一种方式」——做关键决策需要勇气 多模态融合感知、激光雷达感知、BEV、Occupancy Network、AEB …关于自动驾驶的种种 选择回国：相比 Waymo 的几百辆 Robotaxi，国内乘用车百万级保有量所带来的数据分布和 corner case 密度，是完全不同的飞轮 量产经验到底是什么？「不是把样机多复制几台，而是项目、研发、测试、供应链、质量、版本和数据闭环的组织能力。」 能迁移到机器人的是什么？异常数据回流、模型迭代和现场版本下发 Part 3. 28:31 当自动驾驶派进入具身：优势不是算法，而是底座自动驾驶派进入具身智能，最大的价值是理解强电系统、供应链、质量、量产和底层软件稳定性 机器人和车，在电子电气架构、操作系统、中间件、传感器输入到电机控制等底层工程上高度相通。 车就是最简单的机器人？「有点牵强」 在很多低速场景中，机器人反而更有机会部署 VLA、世界模型等前沿模型 真正稀缺的人才，不只是刷榜或发 paper 的人，而是上手修过 bug、和硬件软件都打过仗、能把复杂系统跑稳定的人 具身创业的三大派，都有不可替代性 机器人终局架构不会只是「快慢系统」两层，可能包含： 1000Hz 底层控制、10 到 20Hz 动作规划、1 到 2Hz 阶段目标规划，以及更高层的 Agent 长程推理。 Part 4. 35:19 讲「基模」太早了，具身连 GPT 1 都没到呢！「2026 年了，具身智能到底到 GPT 几了？其实 1 都没到呢」 「现阶段的真机数据量，和真正支撑基座模型涌现的数据规模，还差四五个数量级」 很多公司强调自己做「具身基模」，是借用了大语言模型时代的资本叙事 今天的具身更像 Transformer 和 BERT 早期，而不是 GPT-3 之后 数据的关键不仅是「量」，还包括信息维度、场景种类、失败样本和真实部署中的边界样本 多模态融合是必然趋势，视觉远远不够 真正的瓶颈不是算法是否足够聪明，而是真实世界数据的量、模态、场景和失败样本远远不够 Part 5. 49:59 有关智元最完整的战略揭秘：一家 AI 公司，而不只是机器人公司神秘的邓泰华其人 智元Day 1 定位成 AI 公司，而非单纯的人形机器人公司 人形机器人是把 AI 带入物理世界的必要载体，但不是终点 「智元确实是这个行业里最有野心的公司之一」 智元的组织架构、融资节奏与股权激励 具身公司的长期价值不只在本体硬件，而在能否把「本体、数据、模型、场景」做成闭环。 精灵 G2 所经历的完整 IPD 流程：接近 9 个月 机器人行业的需求峰谷比汽车更剧烈 工业不相信眼泪，最终都是 ROI：「」工业客户不关心你是人形、猴形还是狗形」 智元的「358 战略」：从量产、商用到部署 具身智能最终不是单点技术竞赛，而是系统工程。 当技术路线逐步收敛、场景开始渗透时，先把 90% 的体系能力构建好，才可能真正承接行业机会。 Part 6. 01:55:26 VLA、世界模型和机器人数据飞轮智元的 AI 研发体系：模仿学习、VLA 预训练、世界模型、强化学习后训练和数据闭环 Google PaLM-E ：VLA 来自语言模型和多模态语言模型向物理世界的迁移 世界模型更像对物理规律和状态转移的数字化、神经网络化描述 「VLA 和世界模型都不是最终形态，未来更可能是分层架构」：前者受限于语言和动作之间的表征鸿沟，后者仍更多来自二维视频和第三人称视角 ：语言推理、物理预测、低层控制、长程规划和数据飞轮共同工作 世界模型的价值在于学习液体流动、玻璃破碎、软体形变等真实物理规律 「后训练和失败数据非常关键」 Part 7. 02:08:49 觅蜂：具身版 Scale AI，机器人数据界的「滴滴」投资人的主意：对标上一轮 AI 时代的 Scale AI ？ 具身数据生意比传统数字世界标注难得多 2026 ：具身数据军备竞赛年 模型的差异化暂时不大，数据会是分水岭 打造一个公共性质的数据服务平台，一个「阳谋」：客户花钱带来数据需求，平台用数据训练模型，模型再反哺采集、预标注和质量管理效率 数据问题都没解决，讲基模预训练、后训练，都是空中楼阁 高质量数据的第一点是真实：场景和任务必须足够丰富，能够覆盖生活和生产中真正会遇到的问题 规范：相机曝光、画质、设备同步、轨迹重建精度、操作流程都要高标准 「脏数据」不是质量差的数据，而是包含失败、偏移、纠错、重新规划和最终成功的多样化数据 仿真数据并不天然低价值 关键不是流派，而是任务、场景、成功率要求和模型使用方式 数据的价格、产能和全球化 Deepmind 和 Genralist：「如果数据是具身智能竞争的唯一决定变量，中国公司现在就可以宣布他们是赢家」 As many as possible, as soon as possible（越多越好，越快越好）. Part 8. 02:43:43 从数据标准，到 G3-G4 中间态好的数据标准会逐步收敛 即使不同机器人硬件不统一，很多数据仍可以被抽象为通用表达，如末端执行器轨迹、二维帧序列、物理状态变化等 机器人行业的安全和质量准入标准，会在两到三年内伴随大规模商用逐步出现。 从 G1 到 G5 ，当前行业大约处在 G3 到 G4 的中间态 预计 2027 到 2028 年行业有希望达到 1 亿小时级数据规模 真正类似语言模型那种涌现能力，还需到 1 亿小时级高质量数据出现 Part 9. 02:54:42 最期待的画面：机器人第一次让人觉得「觉醒了」机器人出现真正的 aha moment：不再只是从画面到动作的肌肉映射，而是能在复杂环境里自主规划、理解指令、做出响应 涌现时刻大概率发生在实验室，而不是工厂 数据会成为这一轮智能化转型关键基础设施，但它比算力更难获取 加入听友群⬇️ 在小宇宙查看该单集文稿

查看全部 84 集

评分及评论

4.8
共 5 分
12 个评分

关于

Explore better Tech aesthetic（探索更美的科技）～✨ 《卫诗婕 漫谈 Light the Star》是一档独立的中文科技访谈播客。我们欢迎「强技术理想主义、全球化视野、以及强精神质感」的全球创新领军人物，将此作为与世界对话的一个阵地。 以高信息密度、高信任感、强生命力的长访谈形式，聚焦全球科创与中国创新。努力做「最懂得创始人精神内核」的访谈。 卫诗婕是中国财经媒体人，曾获全球真实故事奖（TSA）——这是国际顶尖级别的严肃新闻奖项。从调查记者➡️特稿记者➡️科技媒体执行总编，她的作品覆盖 AI、科技巨头、商业人文与知名人物，风格锐利、深度、有温度，获得过 9 项全国性的新闻奖项。 《漫谈 Light the Star》由第四之声工作室出品，包含播客、视频播客、文字专栏等形式： 播客：小宇宙、Apple Podcast、Spotify、QQ 音乐等。 视频播客：小宇宙、哔哩哔哩、小红书、视频号、Youtube、抖音等。 文字版：公众号「卫诗婕 漫谈 Light the Star」 合作洽谈 👉 微信：SJ_Jelyne（添加请备注身份+事由）

信息

  • 创作者
    卫诗婕
  • 活跃年份
    2024年 - 2026年
  • 单集
    84
  • 分级
    儿童适宜
  • 版权
    © 卫诗婕｜商业漫谈@小宇宙App
  • 节目网站
    卫诗婕｜漫谈Light the Star

你可能还喜欢