跨国串门儿计划

yikai
  • 4.2 (5)
  • Science
  • Updated Daily

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. 18h ago

    #584.Steve Jobs：失败如何重塑领导力，流放十二年后的苹果再造

    📝 本期播客简介 本期我们克隆了：商业人物与创业史读书播客《Founders Podcast》Steve Jobs in Exile 这一期，David Senra 精读 Geoffrey Cain 的新书《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of an American Visionary》，聚焦 Steve Jobs 被 Apple 驱逐后，在 NeXT 度过的十二年流放期。 这段经历很可能是 Steve Jobs 一生中最关键、也最容易被低估的阶段。节目中，你会听到一个远非神话化的 Steve：他刚离开 Apple 时充满复仇心，烧掉巨额资金，沉迷昂贵设计，反复修改产品，拖垮时间表；他对团队喜怒无常，身边没人敢讲真话，甚至多次亲手毁掉本可能拯救公司的重大交易。 但也正是 NeXT 的失败，让他一点点学会现实、学会聚焦、学会尊重人才，也学会把失败变成燃料。最终，NeXT 的软件技术成为 Apple 重生的关键，而 Steve 也带着十二年里被痛苦训练出来的新能力，回到那家曾经把他赶出去的公司。 这不仅是一段商业史，也是一堂关于创始人动机、执行纪律、团队文化、产品执念与个人转变的深刻案例课。 👨‍🏫 本期主讲 David Senra，Founders Podcast 主持人。长期通过精读企业家传记、公司史与商业经典，提炼创始人的决策、性格、信念与命运。他的节目尤其关注伟大创始人如何思考、如何犯错、如何承受压力，以及如何在关键时刻做出改变。 📚 本期书籍 《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of an American Visionary》 作者：Geoffrey Cain 本书聚焦 Steve Jobs 从 1985 年被 Apple 驱逐，到 1997 年重新回归 Apple 之间的十二年，尤其是他创办 NeXT、管理 NeXT、经历硬件失败、转向软件，并最终被 Apple 收购的完整过程。 ⏱️ 时间戳 00:00 开场 & 播客简介 流放的开始 01:36 为什么这是一集关于“失败”的节目 02:00 Steve Jobs 的十二年流放期：从被赶出 Apple 到重新掌舵 03:01 为什么说 Steve 不止一次创办 Apple，而是创办了两次 03:53 1985 年被 Apple 驱逐：巴黎、迷茫与重新选择人生 06:00 无法远离创造：Steve 决定为大学市场打造一台新电脑 06:18 NeXT 的诞生：没有名字、没有商业计划、没有产品，只有模糊愿景 NeXT 的早期理想与性格缺陷 07:27 拍摄团队纪录片：Steve 如何用愿景凝聚团队 07:50 “真正的艺术家会交付”：口号与现实之间的巨大落差 08:18 反思 George Lucas：Steve 想打造一支长期存在的伟大团队 09:30 说要长期团队，最后却换掉几乎所有联合创始人与高管 09:51 Steve 的招聘观：你必须敢反驳他，并像传教一样说服别人 10:36 立方体电脑执念：形式不仅提供功能，还要带来情感满足 12:01 Paul Rand 与十万美元 logo：NeXT 对完美形象的追求 钱太多，纪律太少 13:18 NeXT 的核心问题之一：Steve 钱太多了 13:47 香槟级品味与失控烧钱：顶级公关、广告公司、市场团队与豪华办公室 14:26 “millilogo”笑话：十万美元 logo 如何变成公司花钱基准 14:45 喜怒无常的反馈风格：“英雄到混蛋过山车” 16:29 Paul Rand 的提醒：在有产品之前，Steve 自己就是产品 17:19 错误动机：NeXT 很大一部分动力来自向 Apple 复仇 18:13 Steve 的自我认同：不是商人，而是“打造很酷东西的人” 完美主义如何吞噬执行 19:38 自建制造工厂：为了控制流程，却做出灾难性决策 20:23 Ross Perot 偶然看到纪录片，向 NeXT 投资两千万美元 21:22 秘密协议：Perot 愿意动用政府关系和销售团队帮助 NeXT 22:26 被完美主义困住：每一次修改都推迟发布日期、推高成本 23:18 “最大的竞争对手是自己的执行能力”：Steve 说对了，却做不到 23:45 Linda Wilkin 被开除：Steve 制造问题，却把责任推给别人 24:20 芯片设计反复修改，工程师只能不断说“再一个月” 25:12 Big Dave 和 Little Dave：拿到奖金后离职，芯片最终不能工作 26:47 顾问委员会提醒价格不能超过三千美元，Steve 却展示十八页 logo 手册 27:39 每月烧掉一百万美元，却靠 IBM 授权交易续命 昂贵硬件与残酷现实 28:24 钱越多，花得越多：两千美元椅子、一万美元沙发、四百五十美元电话 29:08 Daniel Lewin 的备忘录：晚了一年、价格翻倍、产品还不能正常工作 30:43 Ross Perot 开始质疑：产品没法出货，销售到底靠什么 31:28 从三千美元目标价到一万多美元售价：NeXT Cube 失去大学市场 31:52 首批只出货 205 台：设计复杂度让工厂几乎无法运转 32:35 镁合金外壳与哑光黑喷漆：Steve 的审美坚持如何拖垮生产 33:16 Canon 投入一亿美元：Steve 的交易能力再次让公司续命 没人敢说真话的组织 33:31 NeXT 最严重的问题：Steve 身边没人敢讲真话 34:13 HR 经理 Phil 的会议：Steve 一进房间，所有高管都闭嘴 35:26 Daniel Lewin 拒绝下两万五千台库存订单 36:03 被降职还要对媒体解释成“升职”：NeXT 管理混乱的荒诞瞬间 36:31 Cube 形状宣传册事故：花几百万投广告，却发现没有信封能装 37:34 IBM 新交易即将签下，Steve 因幻灯片问题直接离开机场 39:12 Perot Systems 政府大单准备签约，Steve 临门一脚拒绝交易 40:13 Ross Perot 终于看清：我给了 Steve 太多该死的钱 40:56 钱太多就没有饥饿感：纯粹压过了生存 被迫面对商业本质 41:17 Andy Grove 追问：你们到底在做什么生意？ 42:01 渠道压货：NeXT 用会计手法掩盖真实销售惨淡 43:09 Canon 再给四千万美元，NeXT 又一次站在破产边缘 43:49 管理层共识：放弃高成本硬件，转向高利润软件 44:18 NeXTSTEP 的真正价值：企业用它构建应用快五到十倍 44:54 NeXT 教会 Steve 的事：如何把失败变成燃料 45:42 新 COO 试图背着 Steve 卖掉 NeXT 45:57 新 CFO 入职后发现：NeXT 实际上已经破产 46:28 Canon 收购硬件部门：Steve 被迫放弃自己最热爱的硬件 Steve 的转变 46:58 最后的失败之后，Steve 开始真正改变 47:31 “先是慢慢地，然后突然之间”：Steve 的转变像破产一样发生 48:00 媒体宣判 NeXT 硬件梦想死亡 48:29 世界变了，你也得跟着变 48:53 从硬件转向企业软件：NeXT 终于盈利 49:10 Larry Ellison 的建议：建立专业服务团队，确保客户项目成功 49:47 WebObjects：Steve 重新兴奋起来的互联网机会 50:18 “互联网会成为未来十五到二十年最重要的技术变革” 50:35 顾问式销售：从卖许可证到深入客户现场解决问题 51:06 Michael Dell 的电商愿景：NeXT 一周做出 IBM 说要两年的网站 51:37 Dell 在线销售爆发，WebObjects 成为下一代互联网商业基础设施 一个新的 Steve Jobs 52:27 Ed Catmull 如何与 Steve 共事：给事实，不升级冲突 53:08 分歧可以持续三个月，但 Steve 最终会承认“你是对的” 53:39 到 1995 年底，Steve 已经成为值得长期追随的领导者 54:00 新 Steve 的领导观：CEO 其实是在最底下，为人才工作 54:39 Apple 危机：产品混乱，操作系统做不出来，必须向外购买 命运转折：NeXT 回到 Apple 55:20 Garrett Rice 的关键问题：为什么不直接给 Apple 打电话？ 56:10 Steve 直接联系 Gil Amelio：BeOS 是错误选择 56:45 演示对决：Steve 用团队和真实代码，展示 NeXT 的未来 57:28 Gil 看到的变化：Steve 不再只是自我中心，而是务实、具体、精准 58:18 面对 Apple 工程师质疑，Steve 不再粗暴推开，而是承认并解决 58:47 BeOS 创始人的失败演示：没有团队、没有电脑、没有准备 59:09 Steve 用真正跑起来的代码赢下机会 重返苹果 59:21 Steve 与 Gil 在厨房里谈判：五分钟定下收购价格 59:54 Apple 内部警告：如果收购 NeXT，Steve 最后会接管公司 01:00:39 NeXT 高管看懂了：十二年流放给了 Steve 更高明的策略 01:01:15 Apple 又属于他了，而这一次，他准备好了 🌟 精彩内容 💡 Steve 不止一次创办 Apple，而是创办了两次 David 引用 Michael Moritz 的观点指出，Steve Jobs 后来的回归几乎没有商业史先例：一个创始人被自己创办的公司赶走，后来又回到这家公司，并完成了彻底翻盘。Apple 的重生并不只是商业逆转，更像是 Steve 第二次创办 Apple。 “说 Steve 不止一次创办了 Apple，而是创办了两次，这并不算夸张。而第二次，他是孤身一人。” 🔥 NeXT 是 Steve Jobs 最重要的失败训练场 NeXT 早期几乎犯下了创业公司能犯的所有错误：没有清晰商业计划、过度追求形象、烧钱失控、产品延期、价格脱离市场、制造复杂度失控、团队没人敢讲真话。但这些失败也逼迫 Steve 学会现实、学会聚焦，并最终理解什么才是真正有价值的东西。 “NeXT 正在教 Steve 一件他在 Apple 从没学过的事：怎么把失败变成燃料。” 🧨 错误动机会毁掉公司优先级 节目反复强调，Steve 创办 NeXT 的早期动机很大程度上是向 Apple 复仇。他甚至在没有产品、没有收入、没有明确方向时，就花钱在《华尔街日报》登广告讽刺 Apple。David 用这一点说明，创始人为什么做一件事，往往会深刻影响公司的资源分配与决策质量。 “我年纪越大，就越相信动机真的会造成很大差别。” 💸 钱太多也可能是灾难 Ross Perot 后来反思自己最大的错误，是给了 Steve 太多钱。因为没有生存压力，NeXT 开始把资源花在十万美元 logo、豪华家具、悬浮楼梯、昂贵办公室和过度设计上，而不是产品、客户和交付。 “钱太多的时候，人就没

    1h 1m

  2. 19h ago

    #583. Bill Gurley：如何建立系统判断力，AI 泡沫与资本狂热下的认知突围

    📝 本期播客简介 本期我们克隆了：Shane Parrish 主持的深度访谈播客《The Knowledge Project》Mental Models That Change How You Think | Bill Gurley 本期嘉宾 Bill Gurley 是硅谷最具影响力的风险投资人之一，曾任 Benchmark 合伙人，并深度参与 Uber 等公司的投资与成长。在这期节目中，他和 Shane Parrish 展开了一场覆盖系统思维、投资方法、AI 竞争、金融基础设施、创业者特质与人生定义的深度对话。 Bill 反复强调：真实世界不是单变量、线性的系统，而是多变量、非线性、充满二阶和三阶影响的复杂系统。无论是做产品、投资，还是判断 AI 浪潮和资本周期，如果只盯着一个指标，很容易被短期结果误导。 你将听到 Bill 如何从 Peter Lynch、Buffett、Ben Graham、Howard Marks 等投资大师那里建立金融底层认知；为什么他认为每个人都应该研究自己所在领域的历史；为什么真正优秀的创始人往往具备痴迷式学习、产品直觉、讲故事能力和“不管怎样都要做下去”的决心。 节目后半段，Bill 还深入讨论了 AI 时代的几大关键冲突：美国监管是否会变成大公司的护城河；中国开源模型生态为什么可能更快进化；AI 投资是否正在进入资本狂热；稳定币为什么可能绕开美国落后的支付系统，并威胁 Visa 和 MasterCard；以及被动投资、代理投票机构和代币化将如何改变金融市场。 这不是一场单纯关于风险投资的访谈，而是一堂关于如何在复杂时代建立判断力、识别系统性变化，并保持长期学习能力的认知课。 👨‍⚕️ 本期嘉宾 Bill Gurley，硅谷知名风险投资人，Benchmark 前合伙人。他曾深度参与 Uber、Grubhub、Zillow、Nextdoor 等公司的投资与成长，是美国科技投资界最具影响力的思想者之一。Bill 长期关注市场平台、网络效应、资本市场、监管结构与科技浪潮，也以深度写作和清晰的行业分析著称。 ⏱️ 时间戳 00:00 开场 & 播客简介 系统思维：为什么不能只看一个变量 01:34 信息碎片化时代，如何理解复杂世界 01:51 系统思维的核心：多变量、非线性与难以预测 02:35 天气、股市与复杂系统：一个变量变化如何层层传导 03:01 系统思维如何帮你少惹麻烦 03:24 约会网站案例：优化互动，却伤害长期转化 03:49 二阶影响：为什么单一指标会误导决策 投资认知的底层训练 04:01 Bill Gurley 如何学习投资：从华尔街到风险投资 04:16 Peter Lynch、Buffett、Ben Graham 与 Howard Marks 的影响 05:00 价值投资如何迁移到风险投资 05:37 Bill Miller、Amazon 与网络效应的价值判断 06:48 为什么 VC 也必须懂金融底层逻辑 07:08 华尔街是创业公司最终流动性的买方 07:24 轨迹比起点更重要：早期公司如何想象终局 行业历史：被忽视的职业护城河 07:31 为什么理解一个行业的底层基础很重要 07:43 Pixar 创意天才 John Lasseter 如何研究动画史 08:27 Magnus Carlsen 与国际象棋历史：高手都懂自己的领域传统 08:54 LLM 时代，学习任何领域历史变得更容易 09:20 Picasso 的例子：突破传统之前，先掌握传统 09:44 面试中的差异化：比别人更懂本行业的大师和历史 10:47 如果你觉得学习行业历史很无聊，可能说明这不是你的热情所在 前沿学习与 AI 使用 11:09 创业者的共同特质：痴迷式学习 11:38 为什么颠覆性创业者必须站在技术前沿 12:20 创新者的窘境：年轻人更容易扎进新变化 12:46 每个人都应该对前沿保持好奇 13:07 Bill 为什么同时使用多个付费 AI 账号 13:20 真正强的人：既懂历史，也懂最新前沿 14:11 AI 使用技巧：把后续分析步骤直接写进 prompt 14:53 ChatGPT、Gemini、Claude、Perplexity 的不同使用场景 AI 竞争格局与监管博弈 15:51 AI 会是一家独大，还是垂直模型并存 16:15 Cursor 与模型可替换性：未来可能进入价格优化阶段 16:34 监管如何制造寡头格局 16:48 为什么有些大玩家主动要求监管 17:01 全球监管不一致：美国、欧盟与中国开源模型的竞争 17:40 中国开源模型生态：竞争越激烈，开源越活跃 18:08 开源系统如何加速创新：农民分享最佳实践的比喻 18:59 硅谷创业公司正在大量使用中国开源模型 AI 投资判断：壳、工作流与数据护城河 19:29 AI 会如何改变投资方式 19:40 什么只是 AI 外壳，什么可能是真正的应用层机会 20:08 工作流、数据护城河与领域理解的重要性 20:29 法律 AI 创业公司的例子：专业数据与流程沉淀 20:39 ChatGPT 是否会吞掉垂直应用：仍未定论 21:00 Microsoft 从操作系统走向应用层的历史参照 超级智能、模型边界与自动驾驶 21:06 训练数据是否快被用完 21:24 专家微调与人类知识边界 22:01 AI 是否会进入自我改进的非线性曲线 22:38 Yann LeCun 的反面观点：下一代 AI 可能在 LLM 之外 23:14 AlphaGo 的启示与局限：封闭系统不等于真实世界 24:28 Tesla FSD 与自动驾驶的约束边界 24:56 真实世界里的边界案例：人类行为仍然难以预测 非共识观点与 AI 资本狂热 25:44 Bill 的非共识观点：反对简单妖魔化中国 26:21 AI 建设是否投入了太多钱 26:48 科技巨头把巨额自由现金流投入资本开支 27:15 幂律与递增收益：为什么投资人越来越愿意押注未来 27:45 从 Amazon 到 Uber，再到 AI 公司：亏损规模不断升级 28:09 AI 是否会经历一次“核冬天” 28:59 循环交易：云厂商给 AI 公司钱，再让钱回流到云服务 30:02 成功公司为什么总是被提前抢投 30:18 烧钱速度从风险指标变成行业常态 30:42 极端资本环境下，很难看清真实单位经济模型 代币化、IPO 与金融市场结构 31:04 散户、代币化与创业公司融资 31:20 资金供给不是瓶颈 31:31 Palantir、GameStop 与散户推动估值 31:50 私有公司股份代币化的风险：投机与操纵 32:07 为什么 Stripe 这样的公司不希望股份被随意交易 32:36 股价波动会如何影响员工与公司运营 33:15 IPO 流程为什么不公平 33:41 为什么上市机制本该像拍卖一样匹配供需 34:06 华尔街为何放不下 IPO 定价权 34:20 直接上市、拍卖机制与 token 化可能带来的冲击 稳定币与支付系统革命 34:27 稳定币如何冲击信用卡网络 34:33 英国 Faster Payments、巴西 Pix 与美国支付系统的落后 35:10 美国监管俘获如何保护信用卡收费模式 35:20 USDC：几秒到账、低成本、还能获得收益 35:48 稳定币是什么：用美国国债一比一储备的加密美元 36:17 加密轨道为什么能实现全球即时转账 36:51 ACH 三天结算与美国支付系统的低效 37:23 为什么稳定币可能比政府更快解决支付问题 37:57 Visa 和 MasterCard 的高利润护城河为何面临威胁 38:35 中国移动支付的案例：二维码、微信支付与支付宝 39:14 稳定币不是唯一解，但可能成为美国的新绕行路径 AI 对金融权威与代理投票的冲击 39:50 AI 会不会挑战 Moody's 这样的评级机构 40:01 Moody's 的真正力量：它是被市场接受的标准 40:27 AI 是否会重塑股东投票建议服务 40:49 指数基金崛起后，代理投票机构的权力变大 41:09 黑箱评分与双边收费：为什么 Bill 认为这像一场劫掠 41:41 Tesla 薪酬方案案例：风险控制与股东利益的冲突 42:31 公司治理机构为何常常只看规则，而不是结果 被动投资的二阶影响 43:01 指数基金持股过高带来的治理问题 43:20 被动基金是否应该不投票 43:48 小股东可能获得过大控制权的二阶影响 44:00 隐性指数化：主动投资人为什么被迫跟随巨头 44:48 大规模指数化是否反而创造了主动投资机会 45:01 跑赢 S&P 为什么越来越难 写作、讲故事与创始人的不公平优势 45:18 为什么讲故事是成功创始人的关键能力 45:49 Bill 如何爱上长篇非虚构写作 46:25 Malcolm Gladwell、Michael Lewis 与新新闻主义的影响 46:44 写作如何帮助投资人形成思想 47:06 Amazon 六页备忘录：写清楚，才是真的想清楚 47:39 写作也是风险投资人的“磁铁”和名片 48:05 创始人的三个不公平优势：讲故事、产品直觉与前沿理解 48:34 产品直觉很难后天训练 48:56 创始人为什么一直都在销售 49:14 Bezos 的天使投资判断：这个人是否无论如何都会做下去 Uber、极端烧钱与没有案例可学的时代 49:27 Uber 带来的现实经验：商学院案例里找不到 49:41 赢家通吃、网络效应与无止境融资 50:05 Lyft 拿十亿，Uber 拿三十亿：资本竞争如何升级 50:22 没有董事会、导师或案例能指导这种局面 50:43 AI 公司今天也处在类似环境里 50:55 从 Amazon 到 Uber，再到 AI：烧钱规模又多了一个零 Benchmark 的组织设计 51:07 Benchmark 如何建立平等合伙制 51:38 为什么传统合伙制容易让资深者拿走过多权力和利益 52:05 没有国王、没有首席合伙人：五个平等合伙人 52:26 平等合伙制的优势：更容易招到优秀人才 52:50 为什么平等会鼓励大家培养新人 53:15 合伙人之间更愿意分享资源和人脉 53:39 没有薪酬政治，但也很难扩张和推动新项目 54:00 Benchmark 单页网站的故事：组织结构如何影响执行 54:49 极简网站背后的自信与取舍 VC 行业为什么偏向年轻人 55:11 创始人为什么选择某个 VC 55:37 风险投资是有网络效应的投资类别 55:55 创始人希望身边的人真正理解自己在做什么 56:23 年轻 VC 的优势：更接近创始人，也更懂新技术 56:50 电子竞技、YouTube 与细分领域认知优

    1 hr

  3. 1d ago

    #582.SpaceX：理解 AI 算力狂潮，万亿 IPO 与超级智能竞赛下的未来押注

    📝 本期播客简介 本期我们克隆了：科技与市场圆桌播客《Bg2 Pod》The SpaceX IPO, Fable 5, AI Capex Update & Market Check w/ Gavin Baker, Andrew Fox & Clark Tang 原内容更新时间：2026-06-11 本期节目是一场信息密度极高的科技与资本市场讨论。主持人 Brad Gerstner 邀请 Atreides 的 Gavin Baker、Andrew Fox，以及 Altimeter 合伙人 Clark Tang，一起拆解 SpaceX IPO、AI 算力供需、前沿模型竞争和当前市场状态。 这期最重要的问题是：SpaceX 还是一家火箭和卫星互联网公司吗？还是已经变成了一个横跨发射、通信、AI 云、轨道算力和前沿模型的超级平台？嘉宾们从 Starship 快速复用、Starlink Direct to Cell、Anthropic 与 Google 算力交易、xAI 收购 Cursor、地面与太空数据中心成本结构，一层层拆解 SpaceX 的潜在收入来源与估值逻辑。 节目后半段转向 AI 模型和资本开支。Anthropic 的 Fable 5、Mythos、ChatGPT 5.5 等模型正在展示更强的长时间运行能力，也让“前沿模型是否会被开源追平”这个问题变得更加复杂。嘉宾们认为，开源模型可能处理大多数 token，但最高价值的收入仍会流向前沿模型。同时，随着推理收入、每吉瓦变现能力和企业采用速度超预期，AI Capex 看似疯狂，却可能仍有经济账可算。 这不仅是一期关于 SpaceX IPO 的节目，更是一场关于 AI 时代资本如何重新定价未来的讨论。 👨‍💼 本期嘉宾 Brad Gerstner，Altimeter Capital 创始人兼 CEO，长期关注科技成长股、AI、云计算和资本市场。 Gavin Baker，Atreides Management 创始人兼投资组合经理，长期投资科技、半导体、AI 和互联网公司，对 AI 算力与前沿模型竞争有深入研究。 Andrew Fox，Atreides 团队成员，关注 SpaceX、AI 基础设施、轨道算力和通信业务的商业模型。 Clark Tang，Altimeter Capital 合伙人，长期研究 AI 算力、半导体、云基础设施和科技公司基本面。 ⏱️ 时间戳 00:00 开场 & 播客简介 SpaceX IPO：一家公司的五重叙事 01:45 为什么 SpaceX 可能是机构投资者“必须持有”的未来资产 02:24 本期议题：SpaceX IPO、Fable 5、AI 算力、GPU 与市场检查 03:29 IPO 核心数字：一百三十五美元股价、一点七七万亿美元估值、一千六百亿美元收入预期 04:17 两大变量：地面 AI 数据中心速度，以及 xAI / Cursor 的模型潜力 05:02 Colossus 一号 IRR 百分之五十五：为什么算力生意的账看起来成立 05:30 Elon 建数据中心为什么快：一百二十二天上线，速度就是成本 05:35 模型前沿变化太快：十天内 Pareto 曲线已经过时两次 06:20 Cursor 的专有编程数据，为什么可能成为 xAI 的关键资产 07:47 从火箭公司到“Elon Web Services”：SpaceX 正在搭建 AI 时代的 AWS 发射、Starlink 与连接业务 07:59 发射业务仍是皇冠明珠：可复用火箭是一切业务的基础 08:25 快速复用为什么关键：从“一次性爆炸飞机”到航空公司式发射频率 09:20 Starship 未来发射频率：从每年几百次到上千次的可能性 10:20 Starlink 移动服务：为什么硅谷信号死区也会成为商业机会 11:05 Starlink 宽带仍在早期：全球家庭渗透率不到百分之一 12:20 Direct to Cell 和连接业务：未来三年是否可能五倍增长 12:57 “更好、更快、更便宜”：Starlink 为什么可能切入全球电信市场 AI 算力：SpaceX 新增的收入引擎 13:26 Elon Web Services：过去六周最意外的新叙事 14:19 Jensen 口中的 “N 等于一”：十九天建成十万 GPU 集群意味着什么 15:09 SpaceX 如何拿电、拿芯片、建站点，并把算力高价变现 16:36 Google 为何愿意支付溢价：地面算力背后的太空算力看涨期权 17:00 AI 算力市场是否会被 SpaceX 整合 18:04 三十天从零到第四大 AI 超大规模云厂商：为什么这很疯狂 18:30 数据中心不是大宗商品：第一性原理设计带来的差异化 19:30 供应商为什么更愿意卖给 xAI：速度、确定性和变现能力 轨道算力：太空数据中心的经济账 20:15 为什么太空数据中心不是 IPO 估值的必要条件，但可能是巨大上行 21:30 编程模型与 AGI：为什么擅长编程可能是通往超级智能的最快路径 22:50 地面 AI 业务已经足够有吸引力：每吉瓦变现率的对比 24:00 轨道算力的关键前提：Starship 两级快速复用 24:50 每次 Starship 发射可送约五兆瓦算力上天 25:20 太空算力资本开支：每吉瓦约五十亿美元发射成本 25:50 地面与太空对比：土地、电力、冷却在太空中接近“免费” 26:35 可靠性与维护：轨道算力真正需要验证的风险点 xAI、Cursor 与前沿模型的隐藏上行 27:20 xAI 收购 Cursor：SpaceX 故事中最被低估的部分 28:50 Grok 4.3 与 Cursor 数据：如果站上 Pareto 前沿，收入可能快速扩张 29:30 为什么模型业务可能是 SpaceX 最大的上行惊喜 30:30 Colossus、Vera Rubin 与算力锁定：Elon 如何从落后变成领先 31:40 类比 AWS：把为自己建设的闲置容量变现 32:40 Brad 的判断：模型业务是 SpaceX IPO 最少被讨论、但最可能超预期的部分 34:30 为什么 Brad 认为 SpaceX 是“买入并持有”的未来押注 35:15 IPO 后波动不可避免：历史上高成长公司常经历超过百分之五十回撤 36:20 如何管理仓位：买了放着，但用“压舱石”动态调整风险 37:20 一个月新增二百九十亿美元收入：为什么这次 IPO 前所未有 38:20 大规模公司仍保持创业化：SpaceX 快速调整业务的能力 39:50 员工和早期投资者流动性：SpaceX 已经像“准上市公司” Fable 5、Mythos 与长时间运行 Agent 40:30 Anthropic 发布 Fable 5：SOTA 之外，真正关键是长时间运行能力 41:30 Noam Brown 的观点：快照式基准测试正在失效 42:00 为什么我们可能永远不知道每一代模型到底有多聪明 42:30 类比永不疲劳的爱因斯坦：长时间思考本身就是智能放大器 43:45 Opus 4.6 打开的门：模型开始真正能跑长任务 44:30 年初的质疑：便宜开源 token 是否会追上前沿模型 45:15 现实证据：前沿模型拿走了大多数 AI 收入 45:55 多 Agent 编排：Fable 5 如何改变投研工作流 46:25 把七个财务模型丢给 AI：让模型推理假设、矛盾和投资判断 47:15 代码库重构、生物学与企业任务：长时间 Agent 解锁新用例 47:40 更多 token、更长运行、更大算力需求：为什么模型能力会反推 Capex 开源模型、前沿模型与收入分配 48:00 两件事可以同时成立：开源处理大量 token，前沿模型拿走主要经济价值 48:30 Harvey 的案例：专有数据 + 开源模型 + 路由器，如何降低成本 49:20 企业调研：即使做模型路由，仍预计使用更多前沿模型 token 50:00 高价值任务不会用二流模型：编程、金融和知识工作仍流向前沿 50:30 “前沿模型不会拿到大部分收入”的判断已经被证明错误 51:00 开源对算力和硬件反而是利好 51:15 亚洲与硅谷的信念差异：闭源云 vs 合适任务用合适模型 52:20 Jensen 的模型路由观点：开源追上长任务后会拿走更多流量 52:50 美国前沿开源模型只是时间问题：Nvidia 可能亲自下场 Nvidia、ASIC 与算力格局 53:10 如果 Nvidia 推开源模型，会如何影响 ASIC 经济账 53:45 Nvidia 为什么可能成为最大的开源 AI 提供商 54:15 如果客户都来竞争，Nvidia 为什么不能反向进入云和模型业务 54:45 台湾观察：下一波 ASIC 让市场兴奋，但格局比“二选一”复杂 55:40 ASIC 会按工作负载定制，Nvidia 仍是最主要的通用算力提供商 56:20 Nvidia 消耗量为何没有下降，反而继续加速 57:00 每瓦 token 产出：为什么功率限制下 Nvidia 仍有优势 57:45 前沿实验室是否应该垂直整合芯片：专注是不是最高价值选择 AI Capex：一点五万亿美元资本开支能算得过来吗？ 58:30 长时间 Agent 推动更多资本开支：二零二七年 Capex 可能接近一点五万亿美元 59:25 三千亿美元推理收入，对应一点五万亿美元 Capex，账算得过来吗 01:00:30 Gavin 的判断：三千亿美元收入预测可能太低 01:01:10 Dario 的“数据中心里的天才之国”：二零三零年前可能出现数万亿美元收入 01:02:00 训练和推理支出的区别：不是所有 Capex 都直接产生收入 01:02:50 年初叙事被打破：token 和算力价格并没有平滑通缩 01:03:30 Agentic AI 用户不到百分之零点二：需求仍在极早期 01:04:00 每吉瓦变现能力上升：从二百亿到三四百亿美元 01:04:50 Anthropic 的“意外盈利”：不是不想花钱，而是算力太难买 01:05:25 AI 质疑三部曲：没收入、没毛利、没 ROI，正在逐个被打破 01:06:00 为什么几百万企业和消费者同时付费，是最强的 ROI 证据 市场检查：AI 交易是否过热 01:06:30 当前市场分化：半导体大涨，互联网和软件下跌 01:07:20 Altimeter 的仓位调整：从大仓位降到中小仓位 01:08:20 Gavin 的跑步者比喻：很多 AI 股票刚冲上悬崖，需要休息 01:09:20 通胀、利率和未知风险：市场可能进入整理期 01:10:00 AI 夏季季节性：大学生使用下降可能影响 token 消耗 01:10:50 年轻一代如何用 Agent 做 SpaceX 模型：AI 使用正在渗透下一代 01:11:20 “总有一颗子弹朝我飞来”：投资人必须不断转头看风险 01:12:00 创造性破坏与规模优势同时变陡：这次技术浪潮速度超出预期 01:12:40 三家公司可能新增一万亿美元收入：SpaceX、Anthropic、OpenAI 的时代机会 01:13:20 AI 可能改变全球 GDP 的百分之五到十五 01:13:50 结尾：开源

    1h 15m

  4. 2d ago

    #581.Palantir创始人Peter Thiel：如何理解 AI、技术停滞与文明风险，混乱时代的未来判断

    📝 本期播客简介 本期我们克隆了：《Joe Rogan Experience》第 2190 期 - Peter Thiel 原内容更新时间：Aug 17, 2024 本期是一场极高密度、跨度极大的长谈。Joe Rogan 与 Peter Thiel 从“是否离开加州”这样一个生活选择聊起，迅速延伸到美国财政赤字、社会保障、加州模式、科技产业网络效应，再进入 AI、技术停滞、核能、古文明、宗教与政治起源、迷幻药、深层政府、Epstein、JFK、UAP、超光速文明、人工智能生命以及全球低生育率等议题。 Peter Thiel 延续了他一贯的核心命题：过去几十年，人类社会在“比特世界”突飞猛进，但在“原子世界”严重停滞；而 ChatGPT 通过图灵测试，可能是与互联网同量级的大事。与此同时，他也反复强调一个危险悖论：当社会习惯于“没有大事发生”，真正的大事出现时，我们反而不知道如何理解它。Joe Rogan 则不断把话题拉向阴谋论、UAP、古文明、迷幻药与人类未来的更大胆想象。 这不是一场给出确定答案的对话，而更像是一张时代焦虑地图：AI 会让人类升维，还是让人类失去位置？文明是单调进步，还是随时可能坍塌？技术停滞是在保护我们，还是在困住我们？我们到底是在准备未来，还是只是在用谈论替代行动？ 👨‍⚕️ 本期嘉宾 Peter Thiel，PayPal 联合创始人、Palantir 联合创始人、硅谷知名投资人和思想型企业家。他也是 Facebook 早期投资人之一，长期关注技术停滞、自由意志主义、政治结构、全球化、AI、金融体系与文明风险等议题。其代表性观点包括“我们想要飞行汽车，得到的却是 140 个字符”，以及对“比特世界进步、原子世界停滞”的长期批判。 ⏱️ 时间戳 00:00 开场 & 播客简介 美国困境与加州悖论 01:36 被困洛杉矶：光说离开，是否正在替代行动？ 03:20 美国问题：别处更糟，是否让我们忽略自身衰退？ 04:24 财政赤字：零利率时代结束后的债务危险 07:00 社会保障：养老金叙事、福利制度与代际庞氏结构 09:45 加州税收：治理低效为什么仍然能维持繁荣？ 10:43 加州像沙特：大型科技公司就是“油田” 12:11 搬去哪里：零税州、城市生活与 Nashville、Miami 的选择 16:30 离开加州为什么越来越难：新冠窗口期、房价与利率 18:30 科技网络效应：为什么金融业能搬去佛州，科技业更难离开湾区 20:25 加密与 AI：一个去中心化，一个天然中心化？ AI、图灵测试与技术停滞 21:33 未来五年的 AI：为什么没人真正知道答案 22:22 AI 的历史愿景：超级智能、监控技术与图灵测试 23:48 ChatGPT 的真正意义：通过图灵测试这件事被低估了 24:51 AGI 反而可能没有图灵测试重要 25:33 AI 像 1999 年互联网：真实的大事，也可能伴随泡沫 26:35 技术停滞时代的悖论：大事发生时，我们反而不知道如何理解 28:10 比特与原子：为什么手机很先进，但城市和交通却停滞 29:28 “技术”一词为何被缩小成了信息技术 30:18 我们移动得更慢了：协和飞机退役、机场安检与拥堵 31:20 工程学科的失落：核工程、航空航天与监管限制 32:00 “科学”这个词：Peter Thiel 对气候科学、社会科学的语言怀疑 34:00 气候、意识形态与电动车政策的现实矛盾 能源、核能与停滞的代价 35:59 环保主义的最强论点：增长极限、资源约束与全球生活水平 37:26 核能本可以缓解能源困境吗？ 38:05 能源密度：从木材、煤、石油到铀 38:49 核能为什么停下：官方事故叙事之外的“军民两用”问题 39:29 印度核弹与全球治理难题 40:21 中国核电为什么也没有真正爆发 41:47 技术停滞的深层原因：风险规避、教育、监管与末日阴影 42:54 停滞是否也在保护我们：没有高超音速与模块化核反应堆的另一面 古文明、宗教与政治起源 43:46 UAP 与古代外星人：Rogan 对冯·丹尼肯与 Graham Hancock 的区分 44:52 失落文明的可能性：灾变、技术失传与新仙女木事件 46:31 文明兴衰：青铜时代崩溃、罗马衰落与进步主义幻觉 48:12 如果历史不是单调进步，我们就不能把文明当成理所当然 49:17 金字塔之谜：工程能力还是文化动机更难解释？ 51:41 金字塔发电厂理论：疯狂假说与工程怀疑 53:21 王权与替罪羊：Frazer、Girard 与暴力的神圣化 55:17 Sed 节：法老献祭、活着的神与王权延续 57:36 宗教先于政治，还是政治发明宗教？ 59:48 人类政治的起源：疯狂、谋杀与内部暴力 01:00:30 语言与联盟：为什么人类社会不同于猿类等级结构 01:02:30 模仿、语言与人类独特性 01:03:43 ChatGPT 与语言：为什么通过图灵测试如此震撼 01:05:11 人类作为“超级模仿机器”：文化、冲突与模仿欲望 迷幻药、行动与内在空间 01:07:53 Stoned Ape Theory：蘑菇、语言与人类演化猜想 01:08:41 古代仪式与迷幻药：是否被过度美化？ 01:10:27 Eleusinian Mysteries：迷幻体验、民主与创新想象 01:11:29 MDMA 治疗 PTSD：FDA、双盲研究与制度阻碍 01:14:18 潘多拉魔盒：迷幻药为何可能威胁建制派 01:15:03 内在空间 vs 外太空：迷幻药是激活行动，还是替代行动？ 01:16:37 六十年代、越战与反文化运动 01:17:29 MKUltra：LSD、精神控制与反文化的复杂起源 深层政府、Epstein 与政治黑料 01:18:46 今天是否还存在精神操控项目？ 01:20:26 CIA 是否已经变弱：从 MKUltra 到 Church Committee 01:21:42 深层国家的正式化：酷刑备忘录、FISA 与机构失灵 01:23:21 Epstein 之谜：为什么仍然没有真正答案？ 01:24:19 情报部门、保护机制与 Acosta 的证词 01:26:14 黑料政治：控制政客的古老策略 01:27:04 秘密俱乐部逻辑：不是被勒索，而是通过把柄获得晋升 01:28:18 Bill Gates、Epstein 与权力网络 01:30:18 另一种 Gates 叙事：慈善基金会、婚姻资产与诺贝尔奖 01:33:09 左翼慈善为何可疑：美德展示、洗白与公众形象 01:35:40 炫耀缺点比炫耀美德更安全 01:36:30 Gates、新冠与离婚时间线的替代解释 01:39:30 Epstein 是什么角色：税务专家、社交俱乐部，还是更糟的东西？ 01:42:43 为什么真相可能要很久之后才会出现 JFK、特朗普枪击事件与阴谋论结构 01:43:16 JFK 遇刺：为什么不同阴谋论本身揭示了美国的疯狂 01:44:29 Oswald、CIA 与“严重失职”的可能性 01:45:00 JFK 弹道争议：草坪小丘、Jack Ruby 与 Jolly West 01:46:54 Trump 枪击事件：Crooks 如何上到屋顶？ 01:48:02 失职还是阴谋：特勤局为什么没有阻止枪手？ 01:49:18 狙击细节：测距仪、背包、屋顶与指挥链 01:50:48 爆头、瞄准镜与 JFK 的“魔术子弹” 01:53:31 Warren Commission 与被改写的叙事 01:55:14 谁想让 Kennedy 死：CIA、古巴、黑手党与多方利益 01:57:20 互联网时代是否让深层行动更难隐藏？ 01:59:33 Epstein 黑料为什么没有泄露：深层容器是否仍然有效？ UAP、外星文明与 AI 未来 02:00:30 UAP 的一种解释：可能是美国自己的秘密推进项目 02:01:28 外星人还是无人机？Rogan 认为可能两者都有 02:02:20 核时代之后的访问：为什么外星文明可能关注人类核能力 02:03:46 为什么 Peter Thiel 对 UFO 提不起劲：77 年仍缺少决定性证据 02:05:01 “等行李”类比：如果真相迟迟不出现，是否该降低期待？ 02:06:18 缓慢披露理论：外星文明是否在渐进进入人类意识？ 02:08:08 ChatGPT 也许就是一种“外星智能” 02:08:46 超光速文明的悖论：曲速武器、极权控制与完美利他 02:10:23 外星人必须是天使或恶魔？ 02:11:14 人类与 AI 融合：摆脱灵长类本能的未来想象 02:12:49 Peter Thiel 的反驳：这套未来路径每一步都太难成功 02:13:29 后稀缺世界仍有地位稀缺：Star Trek、PayPal 与 Galaxy Quest 02:16:25 数字生命是否会取代人类？ 02:18:51 AI 加速主义、全球算力治理与监管风险 02:20:28 中国竞争：为什么 AI 很难被单方面监管 02:22:00 AI 反乌托邦叙事为什么正在赢得辩论 02:23:43 AI 会不会像药品一样被监管到停滞？ 02:24:56 硅谷没有说服普通人：AI 对人类到底有什么好处？ 低生育率、文明收缩与行动困境 02:26:34 AI、塑料、微塑料与生物性衰退 02:29:17 低生育率的模仿机制：别人不生，你也不生 02:30:00 倒金字塔社会：老人福利与儿童投资的政治冲突 02:31:20 人口指数衰减：如果每代减半，千年后只剩一个人 02:32:42 韩国的极端案例：现代性、性别结构与儒家社会压力 02:33:37 第一步是谈论，但谈论可能替代行动 02:34:44 心理治疗、洞察与自我接纳：知道问题为什么不等于改变 02:35:31 谈论、战略与拖延：如何从认知走向行动 02:36:15 结尾：战略常常是拖延的委婉说法 🌟 精彩内容 💡 ChatGPT 通过图灵测试，可能比 AGI 更重要 Peter Thiel 认为，过去人们谈 AI 时，总是在超级智能和监控技术之间摇摆，却忽略了 AI 研究六十年来最核心的“圣杯”：图灵测试。ChatGPT 的真正意义，不只是它更聪明，而是它已经让机器进入了人类最独特的能力领域——语言。 “通过图灵测试，对我们人类来说显然更重要。因为它要么是人类的补充，要么是人类的替代品。” 🧱 比特进步，原子停滞 Thiel 延续了他长期以来的技术停滞论：过去五十年，计算机、互联网、移动互联网和 AI 进展巨大，但交通、能源、核能、航空航天、城市基础设施

    2h 37m

  5. 2d ago

    #580. SpaceX：太空算力，AI 时代的基础设施争夺战

    📝 本期播客简介 本期我们克隆了：科技与商业深度访谈播客《Heller House》Gavin Baker interviews SpaceX CFO Bret Johnsen at Mission Control Jun 9, 2026 本期嘉宾 Bret Johnsen 是 SpaceX 首席财务官，他和科技投资人 Gavin Baker 在 SpaceX 任务控制中心展开了一场关于未来基础设施的高密度对话。节目从 SpaceX 最底层的能力“发射”讲起，解释为什么 Falcon 和 Starship 不只是火箭，而是 Starlink、直连手机、轨道 AI 算力、月球经济甚至火星计划的共同底座。Bret 详细分享了 Starship 快速复用如何将每公斤入轨成本再降低一个数量级，Starlink 如何从一千万用户走向数亿用户，以及为什么 SpaceX 认为“太空里的机架”可能成为 AI 算力的新答案。 这期节目最值得关注的地方，是它把 SpaceX 看似分散的业务串成了一个完整系统：发射能力降低成本，Starlink 创造现金流和通信网络，Starship 扩大发射规模，Orbital Compute 把 AI 算力送入太空，Terra Fab 解决硅供应链瓶颈，Grok、Cursor 和企业 AI 业务则把算力变成产品。对普通听众来说，这不只是一场太空公司 CFO 的访谈，更是一份关于 AI 时代基础设施、能源、通信、芯片和资本效率的未来地图。 👨‍💼 本期嘉宾 Bret Johnsen，SpaceX 首席财务官。他在 SpaceX 工作超过十五年，长期参与公司资本配置、业务扩张和战略执行。在加入 SpaceX 之前，他曾在半导体行业工作，因此在本期节目中也从发射、卫星、AI 算力、芯片供应链和制造成本等多个角度，解释 SpaceX 如何构建高度垂直整合的未来基础设施体系。 ⏱️ 时间戳 00:00 开场 & 播客简介 发射是一切的起点 01:36 为什么一家太空公司必须掌握自己的发射能力 02:13 Elon 对降低入轨成本的长期执念 02:35 Starship 的目标：在 Falcon 基础上再实现十倍成本改善 02:52 快速复用为什么是火箭技术的“圣杯” 03:05 从 Falcon 一级回收，到 Starship 像飞机一样运营 03:28 为什么 Starship 是让航天产业进入 2030 年代新阶段的催化剂 03:59 Starship V3 首飞：新 Raptor 发动机、软溅落与系统验证 04:48 一百公吨入轨能力对未来业务意味着什么 05:12 Starship 如何成为 SpaceX 多条业务线的跳板 Starlink：从连接业务到全球基础设施 05:23 Starlink 的规模：一千万客户、一万颗卫星、一百六十多个国家 06:03 从加拿大原住民社区到巴西学校：连接未联网人群的现实意义 06:36 弥合数字鸿沟：连接地球上另外三十亿人的机会 06:51 为什么 Starlink 未来可能从一千万用户走向数亿用户 07:22 Starlink 如何反过来推动 Falcon 发射规模化 07:35 去年 Falcon 一百六十五次发射背后的运营逻辑 08:00 Starlink、Starship 与未来 AI 算力卫星的连续关系 连接市场的重塑 08:13 一点六万亿美元电信市场：互联网接入与蜂窝连接 08:32 为什么传统电信产品很难真正差异化 09:15 游戏玩家视角：速度、延迟和体验为什么重要 09:32 Direct to Cell：未来两年达到 5G 质量的手机直连服务 09:58 全球漫游、无信号死角与灾害恢复场景 10:38 低延迟、高速度、几乎到处可用的宽带体验 11:02 航空公司接入 Starlink 后，用户如何重新理解卫星网络 11:27 自然灾害中的 Starlink：通信恢复如何直接救命 Starship 打开的新市场 11:46 除了 Starlink，Starship 还能带来哪些业务 12:03 点对点运输、月球经济与未来太空市场 12:17 被低估的现实机会：地球上已有的两万亿美元连接市场 12:31 不用挖沟：卫星网络相对地面网络的成本优势 13:06 AI 算力为什么是 Bret 最看好的新方向 13:30 Starship 发射 Starlink V3：单次能力是 Falcon 的二十倍 13:45 V3 卫星如何推动宽带增长和 5G 级手机直连 14:00 Starship 如何支撑更大的 Starlink 星座与数亿用户 Orbital Compute：太空里的 AI 机架 14:13 为什么“太空数据中心”不是一栋漂浮建筑，而是一颗颗机架卫星 14:44 Orbital Compute 的本质：另一个星座 15:18 计算卫星会长什么样：更大的 Starlink V3、太阳能板、GPU 和散热板 15:48 为什么这不是全新概念，而是 Starlink 技术的自然延伸 16:16 Starlink 现有的星间链路、推进系统和地面连接如何复用 16:29 Nvidia 机架、太阳能翼和散热器的直观想象 17:08 从第一性原理看轨道算力的优势 17:18 监管优势：不用把数据中心建在居民后院 17:39 太空太阳能：每块电池获得约五倍于地面的能量 18:09 冷却优势：从复杂液冷变成直接辐射散热 18:47 成本结构：卫星本体、硅和发射 19:15 为什么太空算力成本曲线可能下降，而地面数据中心成本持续上升 19:38 AI 算力市场规模与轨道算力的早期挑战 20:16 每年把吉瓦级算力送入太空意味着什么 20:39 最早明年展示轨道算力能力 21:03 没有 Starship 的快速复用，轨道算力无法真正发生 吉瓦级算力与发射规模 21:25 什么是一吉瓦级数据中心 21:54 一个 Blackwell 机架的耗电量有多夸张 22:10 每年几吉瓦轨道算力到底意味着什么 22:26 第一代方案：送上一吉瓦算力大约需要两百次 Starship 发射 22:53 SpaceX 正在按每年数千次发射优化 23:06 南得克萨斯、Cape Canaveral 与未来发射塔布局 Elon、工程文化与组织能力 23:21 Colossus 一号一百二十二天上线背后的组织能力 23:56 给 Elon 工作十五年：大胆目标如何一步步变成现实 24:28 从“火星梦被翻白眼”到“哪一年去火星” 25:03 SpaceX 如何围绕终极目标构建每一块关键 IP 25:27 从入轨、复用、重型运载到载人飞船和太空通信 25:50 年发射数千次如何为火星窗口准备飞行器舰队 26:15 月球经济：学习如何在太空中生活 26:45 AI 如何成为使命延伸：把人类意识带到地球之外 27:11 Elon 如何和工程师一起解决关键路径问题 27:49 为什么 SpaceX 像一个顶级工程课堂：小团队、硬问题、通宵迭代 28:36 领导者深入一线技术细节为什么能激励团队 29:09 Raptor 发动机从一代到三代的演进 SpaceX AI：算力、模型与真实数据 29:36 从多行星使命到“扩大意识的光锥” 30:15 为什么 SpaceX 进入 AI 业务不仅是财务机会 30:30 追求真相的 AI：X 的实时内容如何成为差异化 31:04 Grok、企业 API、Grok Build 与地面算力 31:18 AI 业务为何也会像发射和连接业务一样多元化 31:39 托管算力、企业模型和消费者模型的组合 32:04 Anthropic 交易：用地面数据中心验证算力商业模式 32:34 Cursor 交易：补齐企业编程能力 32:48 SpaceX AI 的整合：把 SpaceX DNA 带进 AI 团队 33:30 Anthropic 交易带来的年化收入规模想象 34:04 算力与电力成为 AI 行业瓶颈 34:20 为什么对外出租算力不意味着减少内部模型投入 35:01 SpaceX 是否会加快建设地面数据中心 35:27 Cursor 的 Composer 模型在 Colossus 二号上获得性能跃升 36:14 Cursor 的企业客户基础与 SpaceX 算力结合 36:33 Grok LLM、Cursor 编程引擎和 Grok Build 工具框架 Terra Fab：芯片供应链与制造业回流 36:47 Terra Fab 是什么：SpaceX、Tesla 与 Intel 的合作 37:18 为什么内部锁定客户能降低新晶圆厂风险 37:43 Elon 如何挑战半导体制造流程里的每一个“必须如此” 38:15 SpaceX 为什么担心未来硅供应链约束 38:31 从 Nvidia、AI 芯片、TPU 到 TSMC：供应链瓶颈在哪里 38:47 如果要扩到每年一百吉瓦，为什么必须确保可靠硅供应 39:01 美国本土半导体制造与制造业岗位的意义 资本配置与垂直整合 39:12 从资本高效到大规模投入：SpaceX 正在经历什么转变 39:34 十五年来最难的挑战之一：资本配置 40:08 类似准时制制造的投资方法：按季度规划产能 40:29 Starship 发射塔、燃料空分装置、机库、卫星制造和数据中心 40:53 Starlink V3 如何释放现金流，为轨道算力提供时机 41:28 Starship、地面算力、AI 模型、Starlink、Orbital Compute 与 Terra Fab 如何互相促进 42:01 核心逻辑：所有业务的基础都是发射平台 42:21 太空能力如何让每个垂直业务交付更好的产品 42:44 基础设施被推到业务最前沿 42:59 开放式垂直整合：竞争对手也可以买发射、算力、模型和轨道算力 43:13 每一层既是独立业务，又反过来强化整体规模和成本优势 🌟 精彩内容 🚀 发射不是业务之一，而是所有业务的底座 Bret Johnsen 反复强调，如果要做一家太空公司，第一件事就是掌握进入太空的能力。SpaceX 的核心不是单一火箭产品，而是把发射成本不断压低，并通过可复用能力让更多业务变得可行。Falcon 已经改变了行业，而 Starship 的目标是把这种能力提升到一个全新层级。 “如果你要做一家太空公司，发射就是起点。” 🛰️ Starlink 的真正野心：不只是卫星互联网，而是重塑连接市场 Starlink 已经拥有超过一千万客户、超过一万颗卫星，覆盖一百六十多个国家。Bret 认为，这只是开始。由于太空网络在偏远地区、航空、灾害恢复和全球漫游中具备天然优势，Starlink 未来有机会服务数亿用户。更重要的是，Starlink 还推动了 Falcon 的发射频率，让 SpaceX 有了规模化运营火箭的真实需求。 “把 Starlink 带到全世界，这件事真的很了不起。” 📱 Direct to Cell：让手机没有信号死角 SpaceX 正在推进直连手机服务，目标是在未来两年实现接近 5G 质量的 Direct to Cell。Bret 描述的场景很直接：用户拿着普通手机，无论在

    43 min

  6. 3d ago

    #579.普通人如何看懂 AI 投资机会，泡沫争议下的科技周期突围

    📝 本期播客简介 本期我们克隆了：投资播客《Invest Like The Best》Why the AI Boom Is Just Getting Started 原内容更新时间：2026-06-09 本期节目中，主持人 Patrick O'Shaughnessy 对谈 Whale Rock Capital 创始人 Alex Sacerdote，围绕一个极具争议的问题展开：AI 热潮到底是已经过热，还是才刚刚开始？ Alex 长期专注科技成长股投资，他用一套非常清晰的框架理解过去二十多年的科技周期：先找到技术采用的 S 曲线，再判断谁拥有真正的竞争优势，最后寻找市场尚未充分理解的盈利能力。在他看来，AI 是他职业生涯中见过的最大 S 曲线，甚至可能不再是传统的 S 曲线，而是一条近乎直线上升的“L 曲线”。 这期节目从 Anthropic 这笔高确信度投资切入，讨论基础模型为什么可能形成寡头格局，Claude Code 为什么让编程市场突然爆发，企业 AI 为什么渗透率还不到 1%。随后，Alex 系统讲解了他如何用 S 曲线投资 Apple、Amazon、Tesla、Nvidia，也解释了为什么传统软件公司可能面临预算挤压、席位收费压力和 AI 原生公司的挑战。 更重要的是，他并没有只停留在“AI 很大”的宏大叙事，而是深入拆解了芯片、内存、PCB、光纤、电源、液冷服务器、数据中心网络等基础设施环节，解释为什么 AI 正在让原本商品化的硬件行业重新拥有技术壁垒和定价能力。 如果你关心 AI 投资、科技周期、芯片产业、软件公司命运，或者想理解专业成长股投资人如何研究复杂新趋势，这期节目会是一堂非常完整的 AI 投资框架课。 👨‍⚕️ 本期嘉宾 Alex Sacerdote，Whale Rock Capital 创始人兼投资组合经理。Whale Rock 是一家专注科技、媒体和电信领域的投资机构，长期研究科技成长股、私营科技公司与全球大型科技平台。Alex 曾在 Fidelity 工作，长期用技术采用周期、竞争优势和长期盈利能力来寻找科技投资机会，代表性研究领域包括 Apple、Amazon、Tesla、Nvidia、Stripe、Anthropic、OpenAI 等。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 热潮为什么可能才刚开始 01:35 Anthropic：为什么它是 Alex 最高确信度的投资 02:38 新计算范式：AI 技术栈从电力、芯片到模型和应用 03:52 基础模型层：从 60 家竞争者走向三强寡头格局 05:56 编程爆发：Claude Code 如何成为企业 AI 的第一块大市场 07:00 编程市场测算：两千万程序员背后的五千亿美元机会 08:03 从辅助写代码到 Agentic 编程：AI 编程能力的拐点 09:00 模型不是大宗商品：Anthropic、Google、OpenAI 的差异化 09:52 API 周围的产品生态：为什么 Anthropic 像早期 AWS 10:40 企业 AI 渗透率：真正使用 AI 的知识工作者可能只有十个基点 12:13 L 曲线：为什么企业 AI 可能直线式上升 12:44 算力短缺：大规模采用到来前，全球算力已经不够 公开市场投资人如何进入私营公司 13:08 从公开市场到私募投资：如何拿到 Anthropic 仓位 14:07 尽调 Anthropic：管理团队、代码质量和商业计划兑现 14:52 90 页研究报告：用 Claude Code 反向研究 Claude Code 15:12 独角兽市场：为什么私营科技公司已经无法忽视 16:10 Stripe 案例：为什么研究 Adyen 必须研究 Stripe 17:05 疫情期间买入 Stripe：如何用有限信息推算私营公司价值 18:04 私募投资人的优势：愿意长期持有，并陪伴公司上市之后 S 曲线投资框架 18:36 三件事：S 曲线、竞争优势、被低估的盈利能力 19:26 指数增长的误判：为什么市场太关注下个季度 20:47 技术采用：从早期存在到真正引爆通常需要很久 21:35 iPhone 案例：当所有采用障碍被移除，需求会像火箭一样上升 22:01 Tesla 案例：价格、续航和供应链如何触发电动车拐点 22:41 S 曲线有多高：为什么 TAM 决定你能持有多久 23:32 AWS 案例：隐藏在 Amazon 里的巨大企业 IT S 曲线 24:02 AI 是最大的 S 曲线：互联网、移动、云、电商之后的新周期 24:50 什么时候卖：渗透率到 30% 到 40% 后，指数增长通常减弱 25:14 Apple 的教训：错过后续复利增长，但最大年份在 0 到 50% 渗透率 25:57 什么时候买：战略拐点靠直觉、零散证据和模式识别 26:43 移动游戏信号：一个中国小孩玩手机游戏带来的投资洞察 27:25 企业软件信号：Gartner 会场里站满人的房间 28:01 错过早期也没关系：真正大的 S 曲线会持续很久 28:21 S 曲线斜率：收音机和洗碗机代表两种技术采用速度 29:15 B2B 像洗碗机：需要接入系统，所以采用更慢 30:08 AI 的特殊性：浏览器一打开就能用，因此采用可能更快 护城河、赢家与基础模型格局 30:47 先找 S 曲线，再找真正有竞争优势的公司 31:40 数字世界的护城河：网络效应、行业标准、规模与平台 32:33 关键知识产权：从 Qualcomm、ASML 到基础模型公司 33:22 品牌与获客成本：为什么强品牌本身就是商业模式 33:50 Amazon 和 AWS：战争开始前就已经赢了 34:20 没有护城河也会输：RIM、Palm、Nokia 的反面案例 35:15 AI 的复杂性：高风险，但潜在市场高达三到五万亿美元 35:43 Anthropic 的护城河：企业品牌、关键 IP 和融资能力 36:24 递归式改进：编程领先如何反哺模型能力 37:03 企业市场与消费者市场：谁能更快变现 37:52 领先者复利：互联网公司里“领先者更大更快”的规律 38:21 范式转移风险：AOL 和 Netscape 的历史提醒 AI 对软件公司的冲击 38:43 传统企业软件面临什么：AI 能否重做 ERP 和 CRM 39:40 从看多软件到卖出软件：为什么 Alex 改变判断 40:15 AI 产品无力变现：现有软件公司早期 AI 产品的问题 40:39 软件像马车，AI 像传送器：技术代差带来的颠覆风险 40:45 CIO 预算迁移：钱可能流向 Anthropic token，而不是传统软件 41:18 四重压力：预算、涨价、席位收费和招聘冻结 41:49 销售动作变化：AI 需要前线部署工程师，而不是卖固定系统 42:08 客户自建风险：AI 原生公司可能挑战每一个软件巨头 43:15 新版四十法则：AI 收入占比 + 品类市场份额 44:20 软件公司的 AI 占比太低：离真正改变增长轨迹还很远 44:33 反转可能性：AI 也可能让 Slack 等平台更重要 45:22 无界面软件：Agent 直接进入数据层，软件公司可能被降级成数据库 45:56 CRM 的两种命运：失去界面，或成为 Agent 的工作场所 芯片、硬件与 AI 基础设施 46:13 数据中心四十年：从 X86 到云，硬件长期商品化 47:04 AI 工作负载：每年十倍增长，把硬件推到物理极限 47:31 硬件行业去商品化：AI 带来的芯片复兴 48:15 高带宽内存：从商品内存变成关键技术部件 48:45 Celestica 案例：从合同制造商到 Google TPU 服务器关键供应商 49:35 AI 服务器：一台 20 到 30 万美元，变成关键基础设施 50:12 网络升级：以太网从七年一换变成每年升级 50:40 AI 网络份额：Celestica 在云端以太网交换机的优势 51:00 PCB 和材料：AI 服务器需要 40 层电路板 51:45 从低增长到高增长：供应链公司如何获得收入和利润率双提升 52:04 Corning 光纤：一个数据中心的光纤可绕地球四圈半 52:30 Scale out、scale across、scale up：AI 数据中心三种连接需求 53:10 机架内部连接：从铜缆走向光纤的潜在机会 53:20 电源升级：Nvidia 每代芯片让用电量大幅增加 53:58 供应短缺：DRAM、NAND、PCB 已经出现 30% 左右缺口 市场为什么会错过，以及 AI 风险在哪里 54:20 变化率比绝对值更重要：AI 占比从 10% 到 30% 的加速效应 54:48 为什么别人没看对：这套框架看似简单，但执行很难 55:30 股价涨了也难买：没有全局视角就会被泡沫叙事吓退 56:02 半导体分析师为何错过：只看芯片，没看懂基础模型层 56:39 最大担忧之一：公众和政府对 AI 的负面情绪 57:03 监管风险：数据中心禁令与 AI 悲观情绪 57:20 模型进步放缓：如果前沿模型撞墙，开源可能追上 57:55 对芯片公司反而未必坏：谁赢不重要，只要有人跑模型 58:20 大玩家掉队风险：如果部分模型公司退出，算力需求可能受影响 AI 应用层为什么还没完全清晰 58:48 为什么不是优先投应用层：应用通常会晚一点成熟 59:20 基础模型和应用边界：应用能否挡住模型公司的进攻 59:48 企业软件应用还未真正爆发：生态仍然不清楚 01:00:18 Sierra 案例：Brett Taylor 的 AI 客服应用公司 01:00:45 应用层需要时间：真正成熟可能发生在最初三四年之后 AI 时代的研究方法 01:00:50 Whale Rock 的研究奖项墙：什么样的研究能脱颖而出 01:01:42 AI 是否改变研究：能提升效率，但还不能取代分析师 01:02:05 Scuttlebutt 方法：走出去见公司、客户、供应商和竞争对手 01:02:46 AI 能快速学习复杂领域，但不能替你判断未来 01:03:11 分析师的新价值：不只是记录事实，而是给出洞察 01:03:36 AppLovin 案例：真正的研究来自长期跟踪、行业会议和关系网络 01:04:26 投资人朋友圈：菲利普·费舍式的想法交换 01:04:57 三脚架信心：自己、分析师、尊重的外部投资人同时看好 Whale Rock 的产品与研究机器 01:05:18 从多空基金到只做多基金：产品体系如何演化 01:06:00 私募敞口：为 LP 提供不同参与方式 01:06:26 Mega Cap Tech Fund：为什么大型科技股存在结构性低配 01:07:10 捐赠基金困境：为什么很多机构错过最大科技公司 01:08:27 大盘科技股也有 Alpha：Google 是赢家这件事需要更多人意识到

    1h 14m

  7. 4d ago

    #578.女性如何稳住更年期健康，在医学误解与激素争议中夺回主动权

    📝 本期播客简介 本期我们克隆了：《Huberman Lab Podcast》【Andrew Huberman: How to Navigate Menopause & Perimenopause for Maximum Health & Vitality | Dr. Mary Claire Haver】 原内容更新时间：2024-06-03 本期节目是一次关于围绝经期、绝经期与女性长期健康的系统梳理。主持人 Andrew Huberman 邀请妇产科医生、女性健康专家 Mary Claire Haver，从卵巢功能衰退、雌激素波动、心理健康变化、睡眠问题、潮热、内脏脂肪、肌肉流失、骨密度，到激素替代治疗 HRT 的争议与误解，几乎完整拆解了女性从三四十岁开始就应该了解的一套健康地图。 Haver 医生最核心的观点是：更年期不应该只被理解成“月经停止”或“潮热”，它是影响大脑、心脏、骨骼、肌肉、皮肤、泌尿生殖系统和代谢健康的全身性转变。她也指出，围绝经期往往在最后一次月经前 7-10 年就开始，很多女性在出现焦虑、脑雾、睡眠中断、心悸、关节痛和月经混乱时，并不知道这些可能与激素波动有关。 这一期最重要的现实意义在于：女性并不是只能被动忍受更年期。通过更早识别症状、与医生进行充分知情讨论、合理考虑 HRT、提升蛋白质和纤维摄入、进行抗阻训练、保护骨密度、管理睡眠与酒精摄入，女性可以更主动地穿越围绝经期、绝经期以及之后几十年的人生。 👩‍⚕️ 本期嘉宾 Mary Claire Haver，医学博士，委员会认证妇产科医生，围绝经期、绝经期和女性健康领域专家。她是《The New Menopause: Navigating Your Path Through Hormonal Change With Purpose, Power, and the Facts》的作者，也是 Galveston Diet 的创始人。她长期致力于更年期医学教育、女性代谢健康、激素治疗科普和女性健康研究倡导。 ⏱️ 时间戳 00:00 开场 & 播客简介 重新理解更年期 04:14 更年期不只是“最后一次月经”：为什么传统定义不够用 06:05 围绝经期可能提前 7-10 年开始：激素系统进入“混乱区” 08:04 为什么围绝经期很难靠一次抽血诊断 10:15 女性健康研究为什么长期缺位：围绝经期研究少得惊人 围绝经期：身体和大脑的混乱信号 11:40 “大脑不喜欢这种混乱”：焦虑、抑郁、脑雾与执行功能下降 13:35 五分之一女性可能因绝经相关症状离职：被低估的职业影响 15:02 月经异常、疲劳、关节痛、心悸：为什么很多症状会被误诊 16:44 围绝经期该做什么检查：不是只查激素，也要排除甲状腺、自免和贫血 17:04 哪些因素会让绝经更早：吸烟、手术、炎症、遗传与族群差异 19:30 27岁也可能进入卵巢功能衰退：早发性卵巢功能不全的风险 避孕、生育与女性健康误区 21:23 避孕药、HRT 与剂量差异：抑制排卵还是稳定大脑信号 24:27 “最好的避孕方式是输精管结扎”：避孕责任为何总落在女性身上 25:46 宫内节育器如何工作：停止月经不等于停止排卵 26:32 避孕会推迟绝经吗？答案是可能，但幅度很有限 27:47 冷冻卵子不会提前绝经：为什么取卵不消耗额外卵巢储备 29:27 为什么女性健康话题总被误解：研究不足、沟通不足与互联网噪音 女性健康研究的结构性缺口 30:41 NIH 更年期经费占比极低：女性生命三分之一被忽视 31:03 很多慢性病研究没有真正分析性别差异 32:19 女性健康法案、医学教育与 WHI 之后的一代断层 33:31 普通人如何推动研究经费：给议员打电话也可能有效 营养、肌肉与代谢健康 35:23 如果能告诉35岁的自己：先把饮食和炎症管理做好 36:14 纤维是底层工具：每天至少25克，理想约30克以上 37:08 吃出颜色多样性：植物化学物质与肠道微生物组 37:18 蛋白质摄入不足：女性需要为肌肉和长寿而吃 37:45 内脏脂肪才是关键：绝经后身体组成如何改变 38:50 体重不是全部：肌肉流失与内脏脂肪增加才是风险核心 39:42 女性蛋白质目标：从50克提高到80-120克的现实意义 41:05 问问母亲何时绝经：遗传是重要线索 绝经后的症状与身体指标 41:40 几乎每个女性都会经历身体组成变化 42:08 如何估算内脏脂肪：DEXA、InBody 与腰臀比 44:10 睡眠、疲劳与“我不像自己了”：绝经前后的心理韧性变化 45:14 眩晕、耳鸣、皮肤痒、腹胀：那些不常被归入更年期的症状 45:30 肠道微生物组也会变化：从“女性型”走向更接近“男性型” 46:08 发酵食物、酸奶、味噌与益生菌研究 Galveston Diet 与间歇性禁食 46:54 地中海饮食和 Galveston Diet 有什么不同 47:24 为什么医生也缺营养学教育：从“吃健康点”到烹饪医学 48:34 Galveston Diet 的诞生：抗炎营养、低加工、低糖与禁食 49:18 间歇性禁食的利与弊：如果吃不够蛋白质，窗口太短反而成问题 50:30 每餐都要有蛋白质：不要把蛋白质都堆到晚餐 从“瘦”到“强壮” 51:10 为什么女性长期低估肌肉：以前只为瘦而吃和运动 51:35 抗阻训练的转变：从马拉松、有氧到每周三四次力量训练 52:35 每个人都该做抗阻训练：尤其是围绝经期和绝经后的女性 53:28 如果能回到二十年前：选择强壮，而不是只追求瘦 潮热、睡眠与 HRT 54:00 潮热到底是什么：体温调节中枢被重新设定 54:52 睡眠被打断会放大全部问题 55:14 潮热的金标准治疗：把雌激素还给身体 55:38 HRT 为什么被妖魔化：医学史上一次严重误读 56:05 WHI 研究的关键问题：研究对象平均已经63岁 58:22 相对风险与绝对风险：乳腺癌数据到底该怎么看 59:56 年龄窗口很关键：50-59岁开始 HRT 的心血管数据 01:00:29 “雌激素更擅长预防，而不是治疗” 01:02:42 雌激素不是致癌物：为什么叙事被简化成“雌激素危险” 01:03:35 今天很多女性仍只拿到抗抑郁药，而不是充分的更年期照护 女性不是“小号男性” 01:04:28 为什么更年期不该全丢给妇产科医生 01:04:45 “我们是女性，不是长了乳房和子宫的小号男性” 01:05:38 心血管疾病中的性别差异：女性症状更容易被心理化 01:06:30 更年期后胆固醇变化：LDL 升高、HDL 降低 01:06:58 他汀、HRT 与女性一级预防的复杂性 HRT 怎么用：形式、剂量与个体化 01:07:04 口服 vs 非口服：为什么 Haver 更偏好经皮给药 01:08:18 贴片、凝胶、喷雾、阴道环：不同剂型的选择 01:09:54 Meno Posse：医疗专业人士如何推动更年期照护公平 01:10:48 什么时候开始 HRT：症状明显时，还是更早？ 01:11:44 雌二醇没有统一治疗范围：根据症状而非单一数字调整 01:13:45 女性使用睾酮：为什么没有 FDA 批准选择 01:14:21 睾酮剂量与副作用：性欲、头发、声音、痤疮与毛发生长 01:15:26 睾酮和雌激素都是“人类激素”，不是单纯男女标签 孕酮、睾酮与局部激素治疗 01:16:13 更年期激素补充主要看雌激素、孕酮和雄激素 01:17:20 “生物同质”“雌激素优势”等术语为什么容易误导 01:18:11 睾酮对性欲、骨密度、肌肉和大脑可能有什么作用 01:18:47 DHEA 阴道制剂：局部转化成睾酮和雌二醇 01:20:22 外用雌激素与胶原蛋白：皮肤、弹性蛋白与衰老 01:20:47 阴道雌激素为什么非常重要：泌尿生殖综合征与尿路感染预防 01:21:35 急迫性尿失禁、压力性尿失禁与组织健康 医学教育仍然没跟上 01:22:44 WHI 的旧阴影还在吗？很多医生仍不了解最新更年期医学 01:23:16 妇产科继续教育里为什么几乎没有绝经类别 01:24:09 Haver 的自我反思：系统没有照顾好生育之后的女性 补充剂、负重背心与骨密度 01:25:28 DIM、葡萄籽、月见草等补剂：证据并不强 01:26:31 Haver 推荐的基础补充：维生素 D、纤维、肌酸、特定胶原蛋白 01:27:10 负重背心：为什么它可能是骨质疏松预防“小技巧” 01:28:03 从体重10%开始：穿着负重背心遛狗、洗碗、训练 01:30:39 骨质疏松预防组合：蛋白质、力量训练、负重背心、肌酸、胶原蛋白 01:31:11 胶原蛋白不是完整蛋白，但一些研究显示它可能帮助皮肤和骨密度 01:34:33 髋部骨折的死亡风险：为什么骨密度必须提前保护 感官、禁忌症与其他女性健康问题 01:35:59 干眼、冻结肩、眩晕、耳鸣：HRT 可能影响的其他症状 01:37:03 哪些情况不适合或需谨慎 HRT：异常出血、血栓、肝病、激素敏感癌症 01:38:42 PCOS 为什么越来越常见：肥胖、胰岛素抵抗与诊断意识提升 01:39:49 PCOS 怎么治疗：避孕药、减重、GLP-1 与重新排卵 01:41:13 GLP-1 药物的机会和风险：别只减重，也要保护肌肉 01:42:04 HRT + GLP-1：部分女性减重效果可能更好 01:42:58 GLP-1 可能减少酒精、赌博等奖赏驱动行为 听众问答：HRT、睡眠、伴侣和性欲 01:45:04 60岁后还能开始 HRT 吗？先评估心血管和中风风险 01:46:29 HRT 应该用多久？没有禁忌且愿意继续，可以长期用 01:47:51 围绝经期心理健康：雌激素稳定波动可能比单纯 SSRI 更适合部分人 01:49:00 半夜醒来怎么办：潮热、孕酮、GABA 与睡眠卫生 01:49:52 酒精与睡眠：更年期后可能再也不能像过去那样耐受 01:51:00 男性如何支持伴侣：承认变化、学习知识、陪她就医 01:52:13 性欲消失怎么办：疼痛、唤起、高潮、关系与睾酮都要分别看 01:54:26 雌二醇贴片过敏怎么办：可能是胶水反应，不一定是雌二醇本身 01:55:49 针灸、草药和野山药：可能缓解症状，但不解决根本激素缺失 01:56:04 如何应对脂肪分布变化：营

    2h 1m

  8. 4d ago

    #577.长时运行 Agent：开发者如何让 AI 连续干活不跑偏，模型前沿快速迁移下的工程取舍

    📝 本期播客简介 本期我们克隆了：AI Engineer Conference 的技术分享《Build Agents That Run for Hours (Without Losing the Plot)》— Ash Prabaker & Andrew Wilson, Anthropic 本期节目是一场非常硬核但极具实践价值的 Agent 工程分享。来自 Anthropic 应用 AI 团队的 Ash Prabaker 和 Andrew Wilson，系统拆解了一个关键问题：如果我们希望 AI Agent 不只是完成几分钟的小任务，而是能连续运行数小时、甚至几天，构建完整应用、调试复杂系统、持续自我推进，工程上到底需要做什么？ Andrew 先回顾了 Claude Code 和 Agent SDK 在过去一年中的演进：从早期模型只能跑二十分钟，到如今可以在合适的 harness 下运行数小时甚至更久；从 Computer Use、MCP、skills、检查点、Agent teams，到服务端压缩和百万上下文窗口，模型能力和脚手架设计一直在彼此塑造。 Ash 则进一步分享 Anthropic 内部正在实验的长时运行 harness：将 planner、generator、evaluator 拆成独立角色，用对抗式评估器替代自我评估，让 Agent 真的打开网页、点击、测试、写批评意见，并通过一份具体的 contract 来判断“什么叫完成”。他强调，很多时候提升 Agent 能力的关键不是再加一层复杂架构，而是认真读 traces，理解模型为什么跑偏，再决定 scaffold 里哪些该保留，哪些该删掉。 这期适合所有正在做 Agent、AI 编程工具、Claude Code 工作流、自动化测试、AI 产品原型和长任务自动化的开发者、产品经理和技术创业者收听。 👨‍💻 本期讲者 Ash Prabaker，Anthropic 应用 AI 团队工程师，关注长时间运行 Agent、前端生成、对抗式评估器、Agent harness 和后训练实验。 Andrew Wilson，Anthropic 应用 AI 团队解决方案架构师，常驻伦敦，主要与数字原生客户和行业客户合作，关注 Claude Code、Agent SDK、企业级 AI 工作流和长时运行 Agent 的实际落地。 ⏱️ 时间戳 00:00 开场 & 本期简介 问题的提出：为什么 Agent 跑久了会失控 01:29 分享开始：Anthropic 应用 AI 团队要解决什么问题 02:17 Claude Code 的一年变化：从跑二十分钟到跑好几天 03:20 长时运行 Agent 的三大难题：上下文、规划、自我判断 04:44 两条解决路径：把能力训练进模型，或用 harness 补齐短板 Claude Code 与 Agent SDK 的演进史 05:11 Agent SDK 的核心循环：模型、工具、MCP、subagent 与权限系统 06:10 Claude 早期编程能力：Artifacts、Computer Use 与 MCP 06:56 Claude Code 的研究预览：用真实开发反馈改进模型 07:27 Opus 4 / Sonnet 4：上下文管理和任务完成能力提升 08:00 Ralph loop：在非确定世界里构建“确定性地差”的循环 09:20 Claude Code 2.0：检查点、压缩和更强的上下文意识 10:04 Haiku / Opus 4.5：子 Agent 变便宜，规划与执行可以拆分 10:27 Skills 与程序化工具调用：更高效地使用 context window 第一代长时运行 harness 11:17 从一句模糊 prompt 到持久化产物：feature list、progress、git repo 12:01 每轮只做一个功能：新上下文、冒烟测试、实现、验证、提交 12:53 Opus 4.6 / Sonnet 4.6：更 agentic 的模型与 Agent teams 14:21 模型变强后，harness 不会消失，而是会移动前沿 新的 harness 思路：把角色拆开 15:16 Ash 接棒：前沿不会缩小，只会移动 16:00 借鉴 GAN：generator 负责构建，evaluator 负责批评 16:47 为什么不要让 Agent 自己审查自己 17:30 如何设计“严格的批评者”：把品味变成可评分标准 18:45 设计、原创性、工艺感、功能性：前端质量如何量化 19:40 加入 planner：从好看的页面走向完整可用的应用 20:33 先协商“什么叫完成”：generator 与 evaluator 的 contract 21:13 为什么 contract 是 Ralph loop 缺少的关键创新 案例：同一句 prompt，结果为何天差地别 21:38 复古游戏制作器：没有 harness 时，看起来能用但实际玩不了 23:02 加上 harness 后：Retro Forge、项目对话框、Sprite 编辑器与 AI 关卡助手 24:04 evaluator 真正玩游戏：方向键、碰撞、HUD、物理循环都被测试 24:32 真实测试能抓到什么：路由顺序、删除逻辑、生产环境 bug 25:12 二十七条 contract 标准：标准模糊，批评就会模糊 调试 Agent 的真正手艺 25:44 开箱即用的 Claude 并不是好 QA：宽容偏差与迎合倾向 26:02 如何调 evaluator：读运行轨迹，找模型判断与人类判断的偏差 26:18 用 Agent 读 Agent traces：让另一个 Agent grep 日志、更新 prompt 模型变强后，harness 应该怎么变 26:39 harness 设计不是一劳永逸：要随着模型行为调整 27:05 为什么某些 context reset 可以删掉 27:47 evaluator 运行节奏的变化：从每个 sprint 跑一次，到生成后再跑 28:21 最终简化版：planner、generator、evaluator 仍是核心 28:52 DAW 音乐应用案例：更少轮次、更低成本、更完整应用 给开发者的落地建议 29:17 不必照搬 Anthropic 全套 harness：Claude Code 里的可用原语 29:40 auto mode、custom subagent、Playwright MCP、Claude for Chrome MCP、skills 30:02 五个关键 takeaway：不要自评、压缩不等于连贯、结构化交接、主观质量可评分、读 traces Q&A：可复用性、上下文与工具选择 30:51 这套 evaluator 调优是项目专属，还是可复用 secret sauce？ 31:52 smart zone / dumb zone：Ralph loop 在百万上下文时代还有用吗？ 33:40 Playwright MCP 与 Claude for Chrome MCP：是否应该看着模型操作浏览器？ 35:00 generator-evaluator 能否无限迭代，让应用越来越好？ 37:24 PM 角色是否应该回到循环中，控制范围蔓延？ Q&A：模型比较、长期维护与团队协作 39:37 如何比较不同模型：Opus 4.5、Opus 4.6 与 harness 一起演化 41:06 从一次性 demo 到长期产品：留下 JSON 状态、时间戳日志和文档面包屑 42:51 Agent teams vs generator-critic：两者是竞争关系还是组合关系？ 45:42 critic 应不应该看到 generator 的执行轨迹？ 46:45 可追踪性怎么做：为什么 Anthropic 仍然大量手动读 trace 47:42 如何衡量 harness 质量：用细评分标准做 hill climbing 49:54 团队如何协作：共享 harness、版本控制、worktree 与未解决的可观测性问题 Q&A：human-in-the-loop 与真实生产 51:21 human-in-the-loop 应该像 sprint review 一样存在吗？ 54:01 这套模式更适合 greenfield，还是已有生产项目？ 55:52 读 traces 到底怎么读：为什么要完整读原始输出 57:20 结束：继续在现场交流 🌟 精彩内容 💡 能可预测地失败，比不可预测地成功更好 Andrew 在讲 Ralph loop 时提到，一个简单但重要的工程原则是：在非确定性的模型世界里，尽量构建可预测的失败模式。Ralph loop 的价值不只是“循环调用 Claude Code”，而是把任务拆开、开新上下文、持续推进，并用确定的退出条件控制风险。 “能以可预测的方式失败，比以不可预测的方式成功更好。” 🧠 模型前沿不会缩小，只会移动 Andrew 和 Ash 都强调，随着模型越来越强，harness 不会消失，而是不断演化。过去必须用多个新 context window 解决的问题，可能在新模型上通过单一长会话加压缩就能解决；过去必须拆成 sprint 的任务，新模型可能可以连续构建两小时仍保持连贯。 “前沿并不会真的缩小，它只是会移动。” ⚔️ generator-evaluator：不要让模型自己给自己打分 Ash 认为，长时间运行 Agent 的一个关键改进，是把生成器和评估器拆成独立角色。评估器不只是读 diff，而是用 Playwright 打开真实页面、点击、截图、测试，并把具体批评交回给生成器。这样可以避免模型自我评估时过于宽容、过早宣布完成。 “把一个独立的批评者调得更严格，其实是很可行的；但把一个构建者调成有自我批评能力，就没那么容易。” 📋 标准模糊，批评就会模糊 在 Retro Forge 案例中，generator 和 evaluator 最后形成了二十七条 contract 标准。Ash 强调，只有标准足够细，evaluator 的反馈才会变成可执行的问题，而不是“感觉还不够好”这种泛泛批评。 “标准模糊，批评就会模糊。generator 只会耸耸肩，然后随便改点东西。” 🎨 主观质量也可以评分 很多人认为“品味”无法评估，但 Anthropic 的做法是把它拆成设计、原创性、工艺感、功能性等维度，并用 few-shot 示例校准 evaluator 的审美。这样可以避免典型的 AI slop，比如紫色渐变、模板化布局和缺乏产品感的界面。 “如果你对东西应该长什么样有明确看法，那就逼自己把它写下来。” 🕵️ 做 Agent 的核心手艺：读 traces Ash 多次强调，调试 Agent harness 没有太多神秘秘诀，关键就是读运行轨迹。要一行一行看模型为什么这么判断，哪里和人类预期不一致，然后把这些发现写回 prompt、CLAUDE.md 或 skill。 “只有这样，你才真正知道 scaffold 里哪些部分该删，哪些部分该留。” 🧩 长期应用需要留下“面包屑” 如果一个 Agent 生成的应用未来还要继续维护，Ash 建议让 harness 把状态写入文件系统，例如 JSON 状态文件、时间戳日志、bug 记录、修复记录和文件结构说明。这样下一个 Claude Code 实例或人类开发者就能接手。 “你等于给另一个模型留下了一串面包屑，让它之后能接着往下看。” 🌐 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

    58 min
See All (588)

Ratings & Reviews

4.2
out of 5
5 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
    588
  • Rating
    Clean
  • Copyright
    © yikai@小宇宙App
  • Show Website
    跨国串门儿计划

You Might Also Like