AI Odyssey

AI Odyssey
  • 5.0 (1)
  • Technology
  • Updated Monthly

『AI Odyssey』是一档探讨人工智能科技的播客。在这个节目中，我们会从 AI 技术、产品、资金，以及中美两大互联网市场之间的机遇和挑战展开讨论。 关于我们： Leo Zhao：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 PongPong：连续创业者，AI初创公司产品负责人 在各大音频平台都能搜到我们，欢迎点击订阅。 商务合作：+vx「aiodysseyai」添加注明来意 听众反馈：genaiodyssey@outlook.com 听友群：+vx「aiodysseyai」备注听友群

  1. 5d ago

    机器人基座模型的瓶颈-数据从何而来？｜畅聊物理世界AI数据的生态

    一段坐在会议室里聊天的第一视角视频，完全来自真实世界。它看起来很“真实”，但拿去训练机器人，可能没什么用——镜头里没有发生有效的动作，环境状态也没有改变，模型自然学不到任务是怎么完成的。 这让我意识到，具身智能的数据瓶颈，和大模型时代不太一样。互联网上有大量现成的文字，但物理世界的数据不会自动变成一个干净的数据集。机器人要看见物体、理解状态变化、做出动作，还要承担动作带来的后果。真正难的问题，不只是数据够不够多，而是缺什么、怎么造、怎么验证，以及这些数据能不能回到真实部署里产生价值。 这期我邀请了群核科技北美负责人 Anthony，聊聊机器人基座模型背后的数据生态。他长期与北美的机器人实验室和 AI 团队讨论空间智能、仿真数据与模型训练，也在一线看到不同技术路线对数据需求的变化。 我们从机器人为什么没有自己的“ImageNet 时刻”聊起，聊到 YouTube 视频、第一视角数据、遥操作和 3D 合成数据分别能教会模型什么；也聊到为什么视频生成得再逼真，暂时仍很难稳定提供尺寸、碰撞和关节结构等明确的物理信息。再往后，问题又从技术绕回了商业：机器人没有产生价值，就很难进入真实场景；进不了真实场景，又拿不到下一轮训练需要的数据。 有一点想提前说一下：这期中英文夹杂会比平时多一些，很多行业里的说法本来就是英文在先，硬翻成中文反而绕，所以我们选择保留了不少原话的表达方式，想把当时的思考过程尽量原样留下来。如果听着有点跳，也欢迎多包涵。 听完这期，我更确定的一点是：机器人缺的不是一座更大的数据仓库，而是一套能找到缺口、补上缺口，再把结果带回真实世界验证的方法。 嘉宾介绍Anthony (ManCee) Zhao：Manycore Tech（群核科技）北美增长与合作负责人，负责在北美的战略合作与生态拓展，专注于空间智能（Spatial Intelligence）、世界模型（World Models）、机器人 AI 与合成数据等方向。目前主要与全球领先的 AI 公司、机器人企业及研究机构合作，推动高质量 3D 空间数据在 Physical AI 和 Embodied AI 中的应用。中美双语背景，毕业于 UC Berkeley。 主播介绍Leo：硅谷大厂高级机器学习工程师，GenAI、LLM 发烧友 时间轴00:18 嘉宾介绍：Anthony 负责群核科技北美业务，并与机器人及前沿 AI 实验室开展合作 04:54 机器人能力栈：本体、模型与训练模型的数据，缺一块都很难走向日常使用 06:22 没有“ImageNet 时刻”：通用策略很难由少数任务一次定义，基座模型仍需结合行业数据持续迭代 08:26 物理数据为什么难：机器人不只要看见世界，还要理解互动、状态变化和动作后果 10:44 预训练数据混合：第三人称视频、第一视角视频、仿真轨迹与遥操作数据分别扮演什么角色 13:20 视频的推理边界：看见两次碰撞，不代表模型能理解重量增加后物体可能直接碎裂 17:59 遥操作的含金量：采集成本高、数据量小，却仍是落地任务微调中最直接的动作与视觉配对数据 19:13 3D 合成数据的价值：明确记录尺寸、距离和结构，同时面对“样板房太干净”、真实生活杂物不足的问题 22:57 生成数据的鸡生蛋问题：未来可能由模型生成大部分训练数据，但模型得先靠足够好的数据获得这种能力 26:19 真实视频与 3D 互补：碰撞这类稀缺场景可以靠仿真补上，仿真的物理精度不够时再靠真实视频往回校准——两边互相打补丁，不是谁替代谁 29:22 部署与数据飞轮：机器人不好用就难以进入产线，无法部署又拿不到继续训练的数据 32:09 数据不是一次性交付：客户通常要用 Demo 和训练结果反复验证，合作会随技术路径持续调整 35:30 Eval 怎么做：围绕具体任务搭建仿真场景，在真实机器人测试前先排除明显失败的策略 39:50 数据创业公司的判断标准：技术之外，先回答自己的价值主张、竞品差异和数据优势是什么 43:16 接下来的数据路线：嘉宾判断未来 3-6 个月，会有更多团队重新识别第一视角数据的缺口；再往后，世界模型这块会尝试把真实视频、3D 数据和游戏数据结合起来，去补齐通用物理理解的能力 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai，带你一起看 AI。 在小宇宙查看该单集文稿

  2. Jul 1

    硅谷AI一线体感：从Model first到Problem first，我们用三年想明白了这件事

    三年前，硅谷的每一次模型发布都像一场地震，"世界变了"是那两年最常听到的一句话。今天，它更像是每周准时推送的天气预报——大家看一眼 benchmark，切个 API，能跑就继续搬砖，跑不动再说。 这期是我和 Leo 的对谈，聊了聊在硅谷一线生活工作的她，眼中这种"祛魅"之后的 AI 到底是什么样子。当最初的兴奋褪去，真正决定一个产品、一家公司能不能活下去的，到底是什么？是模型公司天天挂在嘴边的 benchmark，还是那些没那么性感、却实实在在的 cost、workflow 和组织能力？ 我们从硅谷开发者切模型 API 的日常聊起，聊到了 Cursor 和 Anthropic 之间那段有点微妙的往事，也聊到了在硅谷这几年看到的创业风向——从人人都想做一个套壳应用，到现在大家不得不回过头去问自己：我到底懂不懂这个行业。 但这期最戳到我的，其实是聊到"依赖"的那段。Leo 说，人性里有一个挺不好的部分：当你找到一条捷径、并且它总能带来好结果的时候，你会认为那就是你唯一需要的路，直到有一天它被封住，你才发现自己已经不太会走别的路了。这话说的是 AI，其实也是在说我们每一个人正在经历的事情。 如果你也处在这种"AI 已经变成背景音"的状态里，偶尔会怀疑自己是不是也在这个过程中丢掉了点什么，这期或许能帮你把问题想得更清楚一些吧。 主播介绍Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 PongPong：连续创业者，AI初创公司产品负责人 时间线 Highlights00:45 三年冷静期：AI 从颅内高潮变成日常背景音，大家默认它能帮忙做事，"怎么用"取代了"要不要用" 02:41 硅谷公司普遍给员工发 AI 使用 budget；新模型发布后，大家不再逐条看 metrics，而是直接切换体感，benchmark 本身没那么重要了 04:02 三年模型公司简史：从大家都做基础功能，到 DeepMind 做多模态、马斯克的 X 服务自家产品、Anthropic 摸出 coding 的路、OpenAI 全都要，再到最近半年集体收敛回 coding 赛道 06:03 创业者对模型的判断力在变强：做图片/广告选 Gemini，做 workflow 选 Claude；模型能力趋同后，拼的会是 engineering work 的投入比例 08:01 国内开源模型（智源、Kimi 等）通过 Fireworks 这类部署公司被硅谷开发者调用，Openrouter 上国产模型 token 占用已过 50% 09:18 Cursor 与 Anthropic 那段"背刺"往事：Claude Code 上线后 Cursor 转向用 Kimi 的 coding 模型做 post-training，以及后续和马斯克公司合并的传闻 10:46 "Claude一慢，大家就自然而然说今天摸鱼了"——聊 AI 依赖背后那个不太好的人性：捷径一旦打通，就再也不想走别的路 12:15 投资时最大的敌人不是信息太少，而是牛市里信息太多、噪声掩盖了风险 13:58 成熟投资者的判断更多来自对行业的理解和自己的性格，而不是"是不是 AI 概念" 15:55 拆解七巨头的 AI 打法：Google 先做扎实模型再下放全家桶产品，Amazon 靠云和投资吃收益，Meta 押注 Avatar 广告，Apple 死磕 on-device AI 19:12 英伟达信仰：拼的是 GPU 的 scale 能力而非单纯性能，TPU 目前更多卡在"量太少"而非"好不好用"；国内 B300 一个月内从 600 多万涨到 1000 万 20:39 创业叙事的转向：套壳应用已被证伪，模型公司很难覆盖所有 vertical，真正稀缺的是能跑出实际订单的产品，而不是又一个 AI agent 24:18 硅谷 OPC（一人公司）实录，以及给还在攒 domain knowledge 的产研同学的建议：先问自己有没有 strong motivation，没有相关积累就去找靠谱的人合作 28:09 SaaS 没有死，只是要以 AI native 的形态、打破传统组织架构重新长出来；Physical AI 仍处在数据泛化的早期阶段，离规模化还有很长的路 31:01 从 model first 到 problem first 是这三年最大的行业共识；AI native 创业者最怕的不是传统 SaaS 公司，而是自己被模型厂商的下一次升级吃掉 33:14 三年后的认知转变：模型能力不能解决所有问题、AI 的 cost 比想象中重要得多、要敢于做 AI native 的 SaaS，别总指望大厂会替你把活干完 节目中提到的持仓、加仓时点、个股判断等内容，均为主播基于个人经验的分享，仅代表个人观点，不构成任何投资建议。市场有风险，投资决策请结合自身情况独立判断，或咨询专业人士。 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。 在小宇宙查看该单集文稿

  3. Jun 15

    对话资深创业投资人Wade：AI ToC 产品如何有灵魂并留住用户

    主播的话这期节目，我们想聊一个很具体的问题：当AI不再只是工具，它应该长成什么样子？ 我们见过太多的AI产品，能记住你的热量，能帮你规划运动，功能清单写得满满当当。但你用了三天，就再也没有打开过它。 这期我邀请了连续创业者宋航，他正在做一个叫TEA AI的消费级AI健康产品。在他看来，今天的AI产品正在经历一次根本性的转变——不是从"功能弱"到"功能强"，而是从"有用"到"有人"。一个有性格、会主动找你说话、甚至会对你有点小傲娇的虚拟伙伴，是否比一张精准的卡路里表格，更能让你真正动起来？ 他用四个月把自己减了34斤、增了10斤肌肉，去参加了加州的健美比赛，然后把这整件事做成了一个用户案例。他是创始人，也是产品最忠实的第一个用户。 我们聊了很多：为什么to C的AI产品这么难做？游戏化和健康管理之间的裂缝怎么填？什么是"入口深度为零"的产品？毛利率为什么是这个时代最重要的财务指标？以及，创始人为什么必须走到台前，成为产品本身的人格？ 这些问题没有标准答案，但这场对话让我觉得：真正的产品力，或许从来不在功能列表里。 嘉宾：Wade（宋航）MIT 毕业，连续创业者，TEA AI 联合创始人兼 COO，曾获 IDG、a16z 投资，并于多家顶级美元私募股权基金工作，累计投资额近 10 亿美金。目前专注于 AI 与日常健康的结合 (Duolingo for Daily Health)，旗下 AI 产品 Peako (https://www.peako.app/) 共计完成一千万美元融资，将于下月上线。也是一位极致的健身爱好者，曾创下 3 个月减 34 斤并夺得健美比赛第二名的硬核战绩。欢迎来小红书（ID：硅谷李小龙）围观健身与创业日常，LinkedIn 了解更多职业背景：https://www.linkedin.com/in/wadesong1022/ 产品介绍：TEA AI （tea-ai.co；https://www.peako.app/） 打造下一代日常健康管理助手，从情绪切入并引入游戏化机制——成为个人健康版“多邻国”。 主播：Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友。 Show Notes 时间戳00:18 嘉宾介绍 01:57 创始人亲身代言：用4个月减34斤纯脂肪、增10斤肌肉，参加加州健美比赛获得第二名 02:52 产品介绍：PEAKO——"Duolingo for Daily Health"，用游戏化方式管理饮食、运动和情绪 04:55 核心观点：功能层面已经是硬通货，Consumer AI的关键是"共生关系"——AI必须有人格、有生活、有性格，不能"为了AI而AI" 07:48 方法论：Consumer AI产品的三个P——Personality（人格）、Proactive（主动）、Personalize（个性化），AI的到来让每一个P都发生了质变 13:45 多模态输入的价值：不只是节省时间，而是积累更高维度的用户数据，在某个时刻给出真正触动人心的个性化洞察 17:21 行业挑战：当代码和功能成为硬通货，产品的灵魂和taste才是真正的门槛 21:29 如何解决健康管理"反馈慢"的天然缺陷：在虚拟世界制造即时反馈，让用户在现实身体改变之前先在虚拟世界里"爽三个月" 27:03 为什么to C的AI产品这么少、这么慢？三个原因：①to C本就是慢生意，最终爆发的功能往往和最初不同；②AI能力本身还在快速演进，最优解尚未出现；③赔率过高导致优质人才流向to B，竞争格局反而还没成熟 31:11 关键判断：to C的大爆发是后半场现象，需要硬件供应链、用户心智、市场教育共同成熟 43:22 AI时代的产品方法论 vs 移动互联网时代：不再是功能差异化，而是你是否塑造出了一个用户愿意喜欢的"人"——带着世界观、人格化的产品 47:09 最爆裂的商业观点："这个时代所有人都是在卖token"，毛利率是最核心的指标，品牌就是溢价能力，能让用户心甘情愿在你这里消费AI能力 49:45 实战案例：他们如何用TikTok landing page测试四个版本，发现"屌屌的不爽猫"形象比顺从型AI收到更高转化率——"not too nice"是美国用户真实的偏好 53:40 另一个被验证的反直觉发现：短信功能。亚洲团队本能地低估了它，但数据证明AI主动发短信是美国用户打开率最高的触点之一 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI 在小宇宙查看该单集文稿

  4. May 14

    AI 能看见你，不等于能推动你 — 一款失败的手环教我的事

    这期节目，是从一次争吵开始的。 去年我做了一款智能手环，项目亏了20万美金。带着这段经历，我想做一期关于AI穿戴设备的节目，让AI帮我搭了个大纲——很完整，很清晰，很专业。然后队友看了一眼说：你这个东西全是AI味。 那一刻我意识到，这个批评本身，就是这期节目真正想问的问题。 我们从摄影聊起——为什么小红书上的摄影师要价几万还要提前一年预定？聊到婚礼——那种只有一次、出了问题没有第二次机会的现场，服务的价值到底在哪里？最后回到手环——它24小时看见你的身体，但看见不等于推动你改变。 当AI越来越能交付结果，什么东西反而会变得更贵？ 我现在的答案是：情绪安抚、风险兜底，还有监督和推动。AI可以给你一个很好的建议，但你不一定会去做。你需要有人知道你在跟自己谈判，在你想放弃的时候把你拉回来。 未来最贵的可能不是答案，而是有人陪你把答案做完。 主播：PongPong：连续创业者，AI初创公司产品负责人 时间轴 (Timeline)01:00"全是AI味" — AI写的大纲被队友一句话说死 03:30摄影师的价值 — 为什么有人愿意花几万找一个摄影师？买的不是照片，是过程里被看见、被引导的体验 07:30过程浓度 — 从AI生成婚纱照到小众摄影师，用"过程浓度"解释为什么结果越便宜，过程越值钱 09:00婚礼：不可重来的场景 — 婚纱照可以重拍，婚礼当天结束了就是结束了，服务的价值在于帮人穿过高焦虑的过程 12:30冰激凌机的例子 — AI能回答你问出来的问题，但有经验的策划师会发现你根本没意识到的风险 15:20回到手环 — 办婚礼的焦虑和看健康数据的焦虑本质一样：信息到位了，但没人帮你判断下一步 18:00数据≠服务 — 手环告诉你睡得不好，但用户真正想知道的是"我接下来该怎么办" 21:00穿戴设备能改变人吗？ — 对数据敏感的人有用，但普通用户看到分数只是焦虑一下，第二天继续熬夜 23:30AI教练的边界 — AI可以分析数据、给出建议，但你可以把提醒划掉；真人教练站在那里，你很难像关闹钟一样关掉他 31:30AI与真人的分工 — AI负责长期观察和数据翻译，真人负责关系推动、现场反馈和关键时刻的兜底 33:00收尾复盘 — 绕了一圈回到开头：AI替代不了的是过程里的判断、安抚、兜底和推动，未来最贵的不是答案，是陪你把答案做完的人 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。 在小宇宙查看该单集文稿

  5. May 7

    AI Odyssey x 钉钉悟空：一人团队实操评测

    半年里，我在 OpenClaw 的深坑里交了一笔不菲的学费。几百美金的账单至今记忆犹新——AI 跑进死循环，我却在旁边眼睁睁看着 Token 哗哗地烧。 那之后我就一直在想一个问题：AI 到底什么时候才能变成普通人手里真正能干活的工具，而不是极客们的玩具？ 这期节目，我拿到了钉钉"悟空"的内测资格，用一个我认为最硬核、最能暴露 AI 短板的场景去压测它——实体建材采购，一个信息极度不对称、非标到极致的领域。 结论是：它让我真正体会到了什么叫"一句话干翻一万个按钮"，也让我第一次感觉到，OpenClaw 当年开的那扇门，现在终于有人给它装上了把手。 但我也在测评里摸到了它的天花板，以及目前整个 Agent 赛道都还没跨过去的两道坎。 这期没有什么宏大叙事，只有一笔很具体的账，和一次差点翻车、但最后没翻的实测。 如果你也在想"AI 能不能真的帮我打工"——这期可能是目前最接近答案的一次。 产品介绍： 悟空：面向企业的全新 AI 工作平台，定位为Agent办公统一入口 ，具备强大的任务执行与自动化能力。 主播：PongPong：连续创业者，AI初创公司产品负责人 时间轴 (Timeline)01:35 路线分化介绍：大家都在做 Agent，但落脚点完全不同。客观陈述腾讯，字节和钉钉Agent的路线； 04:00 场景与算账：悟空的技术亮点、安全性和解决的痛点 06:52 实测场景：工作室装修，在 1688 上采购吊顶，体验悟空。 12:57 体验结论 在小宇宙查看该单集文稿

  6. May 5

    对话语丝：从模型厂单休到独立接项目，她说创业这条路是被需求逼出来的

    我们这期聊到了一件很具体的事：一个人，一间不让猫进去的房间，里面堆着几十块从拼多多淘来的二手硬盘。这是语丝做大模型多模态数据的日常现场。 从这个细节往外看，你会发现这个行业比你以为的更"物理"——TB级的视频数据，最快的传输方案是"拿着硬盘走过去"；文本模型的预训练已经基本收尾，卡点转移到了人类专家才能回答的那些极限难题上；而模型训练最稀缺的资源，已经不是算力，是认知。 但这期真正想聊的，不只是数据工程。语丝做大模型数据已经五年，从来没有"决定"过要创业——是客户一个一个推着她走到今天。一人公司，不是她想清楚了才做的选择，是生活逼出来的形状。 周均80小时、单休、身体亮红灯、请假要"胆战心惊"……她离开的原因说起来平静，但听着很重。她现在在全球飞，用公司给自己报销差旅——公司是她的。这个感觉，她说"很不一样"。 技术的进步，终究是为了让人活得更像人。 欢迎收听新一期 AI Odyssey。 嘉宾语丝：5年LLM data cooker，一人公司在跑，经手数据订单百万美元以上。欢迎来小红书找我玩～ 主播：PongPong：连续创业者，AI初创公司产品负责人 时间轴 (Timeline)00:32 嘉宾介绍 01:17 数据准备全流程：从线索收集、爬取下载、格式清洗到人工标注的完整链路 01:46 预训练阶段数据核心：通过全量、多样化数据构建模型常识与世界理解 02:48 SFT与RL阶段数据核心：跨越认知差，向模型蒸馏专家级的高认知内容 05:10 数据采购市场现状：文本预训练告一段落，高认知垂域专家数据成核心采购目标 07:07 OPC业务方向选择：聚焦高认知HLE数据项目管理与多模态视频工程 08:22 多模态数据工程挑战：突破网速带宽、本地存储与物理快递交付的限制 10:36 实习生误删数据后的紧急补救：双倍算力、双倍带宽，代价是时间和成本同时翻倍 14:12 OPC隐形资产管理：“硬盘定投”策略与拼多多二手硬盘的通电筛查逻辑 18:30 OPC商业模式起源：打工职级受限，被客户真实交付需求反推注册成立一人公司 21:49 OPC营销与市场杠杆：利用小红书精准筛选受众、合伙人与客户资源 26:51 AI接管执行后，如何从"强迫症J人"解放出来：按季度定节点，其余放手去活 30:26 OPC与模型厂上班压力对比：拥抱高不确定性，规避“不认同目标却需全情投入”的组织内耗 33:35 逃离模型厂上班动因：周均超80小时高压单休导致健康危机，促使转向OPC模式寻找生活平衡 39:01 找到自己的热爱：当执行不再是卡点，驾驭AI的人靠什么定义自己的价值 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。 在小宇宙查看该单集文稿

  7. Apr 23

    聊点儿AI | AI 短剧的残酷真相：不是技术平权，而是一场“审美税”

    想必大家最近时间线都被 SeeDance2.0 以及 GPT image2 生成的视频或图片刷屏了。当所有人都在逐帧放大去惊叹这两个新模型的一致性和逼真度时，我在思考：到底是谁在用这些工具，批量为我们重构现实与梦境？ 这期播客，我们决定跳出模型评测，去深潜 AI 短剧这个新兴赛道。 在这里，你会看到出海巨头如何把算法变成一把“情绪手术刀”，精准收割全球受众的多巴胺；也会看到国内大厂如何在巨大的算力黑洞中，试图建立一整套全新的内容基础设施。在这个技术极度平权的新纪元，所有的光影、置景甚至演员都可以被一键生成，但唯独人类的共情无法被算力替代。剥离了声光电的科技外壳，这终究是一场关于懂不懂人性、有没有审美的终极博弈。 主播：PongPong：连续创业者，AI初创公司产品负责人 Shownotes：00:00 三万人围观的带货直播与马斯克的“朋友圈”——那些毫无破绽的 AI 生成切片 03:10 赛道真相：AI 短剧是捡钱的黄金时代？一分钟承制费从 5000 块暴跌到 300 块 05:10 影视工业的参数化：从“盲盒抽卡”到 Seedance 2.0，技术如何用“通用参考系统”完成降维打击 06:30 行业内幕与“算力陷阱”：盲目入局，最终只是在给巨头当“算力电池” 08:00 AI 时代根本没有“才华平权”，只有越发残酷的“审美税”和情绪洞察 10:30 破局思路一：放弃单品爆款的赌徒心态，用低边际成本跑通“敏捷测试”的数据漏斗 11:58 破局思路二：逃离公域算法的剥削，去做私域的“IP牧羊人”与角色经济 我是PongPong。对我来说，做这档播客最有价值的部分，就是能和像你一样优秀的从业者和思考者产生连接。 所以，如果你对今天的话题——AI 短剧，有任何的想法、补充，甚至是反对意见，我都特别希望能听到你的声音。 欢迎添加我的微信：aiodysseyai，我们私下接着聊～（PS：也希望 AI 视频创作项目找我们评测，剧组也可以找我对接需求） 感谢你的收听，我们下期再见～ 黄立行——《黑夜尽头》 在小宇宙查看该单集文稿

  8. Apr 8

    对话对冲基金创始人王华庚：当技术碰撞二级市场，如何给 AI 估值？

    这段时间，绝对绕不开一个词：AI资产过热 面对这场狂欢，作为一直扎在AI赛道里做产品、甚至筹备新项目的主理人，我也时常感到一种视角的撕裂：这到底是技术革命的真实红利，还是资本催熟的巨大泡沫 ？ 为了寻找答案，本期节目我们请到了一位既懂点科技也懂点金融的跨界者——王华庚(大厨) 。他早年钻研硬核AI技术，亲历了学术界的论文大爆发，如今却转身成了一家小对冲基金的创始人，在最混沌的二级市场里贴身肉搏。 当一个能看穿AI底层代码的人杀进交易场，他眼里的资本局和传统金融老炮完全不同。在这场对谈中，我们剥离了浮于表面的概念，如果你也想在这场AI时代的洪流中找准自己的身位，甚至赚点钱，这场对话或许能帮你拨开很多迷雾 。就像大厨所说，在时代的奇点面前，与其拿为数不多的本金去给量化机器当燃料，不如把最大的杠杆，加在自己的深耕领域上 嘉宾介绍大厨：对冲基金创始人 主播介绍PongPong：连续创业者，AI初创公司产品负责人 核心观点在二级市场，追求每一次交易的确定性是技术误区，核心是玩赢期望最大化游戏。AI是人类最后一次技术革命，核心AI科技公司资产值得普通人分批次定投配置。懂底层技术也容易因过早看破而错失投机暴涨利润 。 散户在A股用传统技术分析与量化机器做短线博弈，胜率绝对为零 。 资金体量小时，投入二级市场难以逆天改命，最佳策略是投资自己的专业技能。 时间轴 (Timeline)00:45 嘉宾介绍 01:31 行为模式冲突：程序员做交易为何极易陷入“追求高胜率”的技术误区 03:43 下注策略：利用凯利公式解决正期望游戏中的仓位优化问题 07:36 论文中的阿尔法：从13年AlexNet与CUDA的井喷式爆发看多英伟达 08:32 第一性原理推演：纯视觉多模态感知将取代高精地图与激光雷达 11:34 技术洁癖的代价：看懂底色反而在泡沫早期踏空10倍行情的实盘教训 13:48 破除大模型马屁精效应：利用GPT与Claude交叉反问对抗信息茧房 16:19 宏观定力：为什么认定AI是人类最后一次技术革命而非普通产业周期 19:30 中美市场温差：A股偏叙事与动量，美股受真实算力消耗支撑 21:40 终端颠覆：AI Agent将如何重塑彭博/万德等传统金融数据聚合平台 23:30 衍生品降维打击：期权如何实现对方向、波动率与时间价值的立体化定价 25:28 交易终局：AI辅助普及将导致资产定价极速化，市场呈“示波器折线”形态 30:23 投资建议：十万本金与一亿本金的投资逻辑差异，为何大多数人更应深耕本业 31:54 行业打假：市面上向散户兜售的“AI全自动量化跑策略神器”是骗局 术语表第一性原理 : 剥离事物表象，回归最基础的物理规律或客观条件进行拆解的思维模型。 反身性 : 市场参与者的交易行为本身会反过来影响市场价格和基本面的现象，资金体量越大，影响越显著 凯利公式 : 在具备正期望的概率博弈中，用于计算每次最优化下注比例的数学公式。节目中指出这是技术人员克服“all in”或规避爆仓归零的核心策略 波动率交易: 期权衍生品交易中的核心概念。不单纯对赌资产涨跌方向，而是针对标的资产价格的变动剧烈程度（买入或卖出波动率）进行交易 相关资源AlexNet: 2012年发表的深度学习里程碑论文，证实了CNN（卷积神经网络）在图像分类上吊打传统手动特征工程的效能 彭博终端 / 万德 (Wind): 现有的机构级金融数据聚合终端，未来其护城河将面临新一代AI Agent数据整合能力的直接冲击 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。 在小宇宙查看该单集文稿

See All (63)

About

『AI Odyssey』是一档探讨人工智能科技的播客。在这个节目中，我们会从 AI 技术、产品、资金，以及中美两大互联网市场之间的机遇和挑战展开讨论。 关于我们： Leo Zhao：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 PongPong：连续创业者，AI初创公司产品负责人 在各大音频平台都能搜到我们，欢迎点击订阅。 商务合作：+vx「aiodysseyai」添加注明来意 听众反馈：genaiodyssey@outlook.com 听友群：+vx「aiodysseyai」备注听友群

Information

  • Creator
    AI Odyssey
  • Years Active
    2023 - 2026
  • Episodes
    63
  • Rating
    Clean
  • Copyright
    © AI Odyssey
  • Show Website
    AI Odyssey

You Might Also Like