跨国串门儿计划

yikai

这是一档使用 AI 技术来将英文播客翻译为中文播客的节目～ 在翻译的同时，也能保留原有声线，用中文听懂外语播客！

  1. 9H AGO

    #543. 为何 2026 是 Harness 之年？IBM 专家深度拆解

    📝 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

    22 min

  2. 22H AGO

    #542. 社交连接的幸福科学：为什么我们总低估他人的善意？

    📝 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

    2h 21m

  3. 1D AGO

    #541. 为何人工智能即将吞噬硬件

    📝 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

    1h 28m

  4. 1D AGO

    #542.写作大师Dean Koontz：放弃提纲、信任角色，五亿册背后的珊瑚礁写作法

    📝 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

    1h 32m

  5. 2D AGO

    #540.AI Agent 的达尔文时刻：技术重构、多模型博弈与未来软件三分天下

    📝 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

    1h 16m

  6. 2D AGO

    #539. 手搓AlphaGo：前DeepMind科学家拆解AI围棋核心原理，以及对LLM强化学习的深远启示

    📝 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

    2h 10m

  7. 3D AGO

    #538. Anthropic CFO深度对谈：算力命脉、指数思维与AI前沿的百亿美金赌注

    📝 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

    1h 11m

  8. 4D AGO

    #537. Meta AI负责人揭秘：个人超级智能、10个月构建前沿模型与模型福利哲学

    📝 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

    58 min
See All (548)

Ratings & Reviews

3
out of 5
2 Ratings

About

这是一档使用 AI 技术来将英文播客翻译为中文播客的节目～ 在翻译的同时，也能保留原有声线，用中文听懂外语播客！

Information

  • Creator
    yikai
  • Years Active
    2025 - 2026
  • Episodes
    548
  • Rating
    Clean
  • Copyright
    © yikai@小宇宙App
  • Show Website
    跨国串门儿计划

You Might Also Like