Podcast
硅谷101|中国版
Hosted by 泓君Jane · ZH
失败、背叛、不被理解，硅谷精神领袖一直都不是完美的存在；他们是科学家，创造者，行动派，他们有独立的价值观。《硅谷101》是由驻美媒体人刘泓君Jane发起的访谈节目，与各个领域的实干派聊聊天。这档节目创建的初衷是，听一听这些亲历者与行业一线的人怎么说
37episodes
Episodes
Newest firstAll episodes
E245｜藏在大模型背后的新闻人：GPT们的回复是这样写出来的
3d ago00:46:00Tap to summarize当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。【主播】Faith静远，硅谷101特约研究员【嘉宾】Tony Lin，人工智能实验室模型设计负责人，《行星酒馆》主播Bianca Consunji，NBCUniversal AI战略总监 【你将听到】02:54 内容工程师是什么？05:55 内容工程师如何拆解好内容10:42 如何训练AI理解提问者的言下之意13:42 内容工程师如何“翻译”语言和文化16:45 新闻训练和AI对话训练都需要给到“上下文”18:42 语境破碎：AI和“网络互喷”的相似之处19:59 记者和内容工程师的技能重合点23:44 一篇爆火文章背后，文科生的AI恐慌26:45 基于共识训练出来的AI，不会产生伟大的艺术28:56 媒体影视从业者失业，罪魁祸首是AI吗？31:37 东尼如何在养病期间做出震惊谷歌的voice agent 37:02 AI谄媚是产品设计问题，本质是人想要的太多了39:20 人除了智商情商，还会需要“AI商”43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程”【延伸阅读和相关术语】系统提示词（System Prompt）：写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。少样本示例（Few-shot Example）：在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。语音智能体（Voice Agent）：能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。多轮对话（Multi-turn Conversation）：用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。意图理解（Intent Understanding）：理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。来源归属（Source Attribution）：在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。拟社会关系（Parasocial Relationship）：传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。AI谄媚（Sycophancy）：指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。事实核查（Fact Check）：新闻业的核心技能，即在信息发布前核实其真实性。AI 在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。零工经济（Gig Economy）与AI训练师（AI Trainer）：AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。【硅谷101正在招聘】《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！【监制】泓君【采访 & 制作】Faith【后期】Faith Amei【配音】Yiwen【运营】朱婕【BGM】The Detective - Christoffer Moe DitlevsenReclaim - Megan WoffordPaper wings Hangover by ruiqizhao The light from within—howard harper-bames Overture - dozeoff New car smell—bagel Quiet down—Ryan connors
Transcribe →E244｜机器人走错路了？与苏度韩铮聊聊具身智能的3D数据、路径分野与硅谷竞赛
2w ago01:17:19Tap to summarize机器人已经能在舞台上做到翻跟头、表演武术了，但要让它在开放环境里伸手帮你拧开一个瓶盖，难度陡然跃升2到3个量级——因为那一刻，它需要理解眼前的物理世界。这正是苏度科技想啃下的硬骨头。苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一，师从李飞飞，这家公司走了一条与硅谷主流纯大脑“黑盒”大模型不太一样的道路——软硬件协同设计，上下分层架构，上层负责任务规划与环境理解，下层用仿真（Sim-to-Real），让机器人在虚拟世界里经历几百万年的进化，再迁移到现实。这条路已经跑出了一定成效：面对从未见过的新物体，他们的零样本通用抓取单次成功率接近100%。本期硅谷101，我们邀请苏度科技CEO韩铮，一起聊聊机器人“动手”怎么实现？他预测，接下来会有更多的硅谷公司会重新回到“上下分层”的方向上来。【主播】泓君，硅谷101创始人，播客主理人【嘉宾】韩铮，苏度科技联合创始人&CEO【你将听到】机器人“动手”的数据根基03:17 为什么做全栈（大脑+本体）通用机器人？07:14 苏昊早年经历：从图片标注ImageNet，到3D数据集ShapeNet 11:08 3D数据收集，难在哪里？13:21 仿真需要亚毫米级精度，视频训练无法达到16:33 什么是Sim-to-Real（从仿真到现实）？18:08 创业时机的判断：DALL-E带来的数据拐点Sim2Real技术验证与关键突破21:40 仿真器的技术内核：经典物理法则+强化学习24:17 数据集质量与规模的平衡：自建结构化3D数据集28:05 实际效果如何？零样本通用抓取，一次性成功率98%32:11 回应Demo质疑：去学术会议现场随机环境中演示34:22 基础Zero-Shot泛化能力比长程任务串联更为关键35:45 灵巧手虽好，但不是当下的性价比最高的方法技术路线之争38:16 商业模式思考：硬件+底层模型+API，类比智能手机生态41:23 仿真器与机器人本体，必须软硬件协同设计强绑定44:04 如何教会机器人拧瓶盖？加入真实世界数据更高效44:51 难度对比：操作物体比运动控制难2~3个数量级47:28 白盒与黑盒之争：分层模型，在预训练中融入物理理解51:11 Sapien仿真器，让机器人像幼童第一次拧瓶盖一样操作53:27 数据冷启动困境：无法复刻特斯拉，必须靠仿真做冷启动55:38 嘉宾预言：被硅谷抛弃的“上下分层”即将重回主流全球机器人竞争格局59:08 实现机器人动手，软硬件强结合的公司才能做到01:00:34 硅谷明星公司点评：Skilled AI、Figure、Optimus01:05:40 为什么最看好DeepMind+波士顿动力Atlas的组合？01:09:01 亚马逊机器人，场景多但整合困难01:10:02 为什么多数公司退回垂类？因为不知道通用该怎么走01:12:43 不做垂类押注，而是构建开发者生态，目标是成为机器人时代的“iOS+硬件”节目中提到的Demo：sudo R1评测——60分钟连续无剪辑实测https:...
Transcribe →E243｜特朗普“缓刑”红牌之外，美国资本如何硬控全球足坛
2w ago01:16:28Tap to summarize世界杯发生了闻所未闻的一幕，在特朗普介入后，美国球员巴洛贡吃到的红牌被暂缓1年执行，有人不禁要问了，国际足联为什么要那么听美国人的话。部分原因可能来自于，美国资本已经渗透进了全球足坛的方方面面。比如英超的20家俱乐部中，有11家都被美国资本控股，美资甚至渗透进了欧洲五大联赛的俱乐部、商业权益开发、球员球队买卖资金周转等等方面。没有英式足球积淀的美国人，为什么会那么喜欢投资英式足球？美国资本又在怎么改变世界足坛呢？【主播】麻花，硅谷101特约研究员【嘉宾】张兵，懒熊体育《摸鱼的熊彼得》主理人施骅伦，《翻转体育》主播【你将听到】没有足球文化的美国，资本为什么爱足球03:05 售股两年后，曼联老板为什么又要找下家06:21 20支英超球队11支被美资控股，美国富豪为什么那么上头09:48 英超球队的上市潮与退市潮16:14 两任美国老板，在英国“小队”伊普斯维奇上赚翻了19:47 美国人对体育资产的商业化运作，到底能有多强美国老板们，为什么永远被球迷Diss22:47 曼联往事：格雷泽家族20年的骂名从哪儿来27:35 曼联新老板拉爵，带来的新变化可能喜忧参半30:04 从阿森纳到曼联，豪门为什么都爱捣鼓球场36:56 SoFI球场，美国人商业运作体育场馆的典型案例38:16 阿森纳老板克伦克，与前大股东乌斯曼诺夫的控制权之争45:31 克伦克说拿钱砸冠军不是第一位，那他是个好老板吗48:24 利物浦的两任美国老板，为什么口碑差距那么大52:47 美国资本，如何在切尔西身上玩脱了英超之外，美国资本如何渗透全球足坛57:10 不只英超，欧洲足坛都要被美国资本包圆了01:03:23 控制了众多命脉的美国资本，很可能会打造自己专属的超级联赛01:05:46 版权费增长停滞、球员成本上升，美资从哪儿延续回报率01:10:41 球迷文化抵制足球资本，但商业化的进程一直在所难免【延伸阅读与相关名词】英超Big 6：包括阿森纳、切尔西、利物浦、曼联、曼城和托特纳姆热刺，其中前4支球队又被称为Big 4或者传统四大豪门，Big 4如今都被美资控股阿布卡拉莫维奇：俄罗斯富豪，2003年买下切尔西，斥超过20亿英镑引援，并先后聘请穆里尼奥、希丁克等名帅执教，让切尔西收获21个冠军奖杯。后因俄乌战争被迫出售切尔西，并免除了俱乐部对其个人约15亿英镑的债务。大卫·邓恩：英国商人&前阿森纳副主席，英超联赛创立的核心推手之一，1996年力排众议聘请温格执教，开启阿森纳辉煌时代，2007年因支持外部资本收购俱乐部，与董事会产生分歧而被迫离开。乌斯曼诺夫：乌兹别克裔俄罗斯寡头，通过投资钢铁、电信和Facebook、阿里巴巴等互联网企业积累巨额财富，曾是阿森纳第二大股东，后因俄乌战争被制裁资产遭冻结，也通过DST投资过京东、小米和滴滴。法哈德·莫希里：英籍伊朗裔富商，因结识乌斯曼诺夫而发迹，曾任埃弗顿足球俱乐部大股东。他在埃弗顿投入巨资但管理混乱，球队战绩下滑并屡次违反财务规则，最终于2024年将俱乐部出售。霍斯特·达斯勒：阿迪达斯创始人之子，现代体育营销先驱，不仅帮助阿迪达斯实现了国际化，更参与并主导了世界杯、奥运会等大型国际体育赛事的商业化模式制定。CAA Eleven：是国际顶尖经纪公司CAA在瑞士成立的子公司，主要负责独家管理欧足联旗下国家队赛事的商业版权，包括欧洲杯、欧洲杯预选赛、欧国联及女足欧洲杯等赛事的转播与赞助权。TEAM Marketing：瑞士体育营销公司，是欧冠联赛从1992年改制至今的“幕后缔造者”，为欧足联创造了超过500亿欧元的收入，但双方合作将在2027年结束。Relevent Sports：美国体育传媒与赛事推广公司，由NFL迈阿密海豚队老板斯蒂芬·罗斯创立，以创办国际冠军杯（ICC）闻名，将欧洲豪门季前赛引入北美，还代理西甲、德甲等联赛在美洲的媒体版权。2027年起接替TEAM Marketing，负责欧足联旗下男子俱乐部赛事的全球商业版权。ECA：European Club Association，欧洲俱乐部协会，代表欧洲职业俱乐部利益的官方组织，拥有超过200家会员俱乐部。DAZN：英国全球体育流媒体平台，被誉为“体育界Netflix”，由乌克兰裔美国亿万富翁Len Blavatnik通过其美国投资集团Access Industries拥有。ISL：由霍斯特·达斯勒成立，是上世纪足球商业化的关键推手，曾长期独家代理FIFA世界杯的电视转播权和商业赞助权，后因过度扩张陷入债务危机最终破产，并引发了国际足联历史上最大的腐败丑闻。【硅谷101正在招聘】《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！【硅谷101听友群】终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。<p data-flag="normal" style="color:#333333;font-weight:normal;font-size:16px;line-height...
Transcribe →E242｜最快半年AI跑通自进化？与陈天桥首席科学家聊聊硅谷模型必争之地
3w ago01:10:54Tap to summarize从ChatGPT掀起生成式AI浪潮到现在，不过短短两三年，AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月，Anthropic在一份公开报告中预测，AI未来将进入"递归自我提升"（Recursive Self-Improvement, RSI）阶段，并呼吁人类共同为AI的发展设计出一个减速或暂停机制。AI自我进化会以多快的速度到来？未来的AI，它会在通往真理的道路上与人类并肩作战，稳步破解医学、气候等种种难题，还是会在暗处走向失控？本期播客，泓君邀请到专注做“发现模型”的AI公司Apodex的两位首席科学家，杜少雷和Beibin，一起聊聊AI的自我进化与自我验证。Apodex是一家陈天桥出资创立并亲自主导的公司，这家公司给自己的定位也非常的特别，他们只做一件事——heavy duty solver，意思是专啃那些没有标准答案，人类自己都不知道从哪下手的难题。他们管自己想做的模型叫做 discovery model。不是从已知的信息里面找答案，而是要提出人类还没有想到过的假设，自己想办法去验证它，去解决这个世界上还没有被解决的科学难题。嘉宾预言，最快半年，AI就能跑通一次完整的自我进化闭环。但要实现持续的、可靠的递归提升，模型必须具备“自我验证”能力。这很像人类科学家的基本功：大胆假设，小心求证。而要让AI做到这一点，关键的前提是——教会大模型真正拥有科学家一样的品味和判断力。【主播】泓君，硅谷101创始人，播客主理人【嘉宾】Simon Shaolei Du（杜少雷），Apodex推理模型与训练首席科学家，华盛顿大学计算机科学与工程学院副教授Beibin Li （李辈滨），Apodex自我进化与编程首席科学家【你将听到】自我进化背后的底层能力03:00 AI自我进化不是新概念，两三年前就有了06:48 RSI概念火了，背后是模型能力变强了，长程任务表现更好了09:20 技术上如何训练AI做好长程任务？算法+数据+infra12:45 Coding能力代表了模型自我进化的底层能力14:29 用自我验证规避“递归漂移”，代码领域相对可控16:21 Apodex的验证方法：多个子agent互相验证19:11 自我进化三条路径：预训练、后训练、Harness23:56 另一项关键能力DeepResearch，Apodex如何做到多个榜单第一？29:19 技术范式决定了多个agent组团解决问题效果好于单个31:18 模型自动进化后，会碾压agent团队吗？垂直领域护城河仍在自我进化关键一步——学会提问34:19 Apodex定位：用Discoverative框架解决人类未解难题，不把Token当生意36:18 “发现模型”最难之处：提出超出经验范围的假设，并去验证37:52 让AI像科学家一样提问，需要模型有更好的品味43:31 如何避免大模型拍马屁？远离大众偏好46:30 “AI宪法”定义性格，顶级科学家数据校准品味巩固品味，阻止“跑偏”51:33 AI巨头都在做科研发现模型，判断问题价值是关键55:32 不同于AI for Science，Heavy Duty Solver是通用模型，强调元能力57:25 最快半年能跑通自我进化的第一个闭环，但解决递归漂移还需要2-3年58:43 让科学家睡不着觉的问题：如何防止AI“走火入魔”01:00:04 解决方案仍靠人工手调，“自我蒸馏”也许是个方法01:04:28 人类只是warm start，未来AI将形成自我品味，就像AlphaZero01:06:18 陈天桥与Apodex：制定“宪法”，聚焦Heavy Duty Discovery【硅谷101正在招聘】《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！【硅谷101听友群】终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。请用手机相机扫码；如已安装飞书/Lark，可直接在App内扫码进入申请表单。7天内审核，通过后邮件同步入群方式。期待和你在群里碰面！【监制】泓君【后期】Amei【运营】朱婕【BGM】Light-Footed - Bonnie GraceReclaim - Megan WoffordCharcoal Stream - Curved Mirror
Transcribe →E241｜跑鞋技术迭代史：马拉松跑进2小时，靠人还是靠鞋？
Jun 2601:01:45Tap to summarize本期节目由AI轻办公神器vivo X Fold6赞助播出今年4月的伦敦马拉松，肯尼亚选手萨维以 1小时59分30秒 的成绩夺冠，成为首位在正式马拉松比赛中跑进2小时的运动员，这场比赛的亚军克杰勒恰同样跑进了2小时，创造了历史。事后媒体关注到，萨维和克杰勒恰，包括这场比赛的女子冠军阿塞法，他们穿的鞋，都是阿迪达斯的Adios Pro EVO 3。但在此之前，统治马拉松赛场10年之久的一直是耐克，也是它，发起了一度轰轰烈烈的Breaking 2项目，剑指帮助运动员马拉松“破2”。尽管跑步这项运动自古有之，但直到1960年代，人们才真正拥有专为路跑设计的现代化跑鞋。过去60多年的发展历史里，路跑鞋都发生了哪些技术变革？运动鞋品牌，又是怎么在马拉松赛场内外你追我赶的？【主播】麻花，硅谷101特约研究员【嘉宾】盖德，《迪谈盖论》主播【你将听到】跑鞋技术迭代史，谁是最有突破性创新的那双鞋04:26 划时代跑鞋：阿迪Ultra Boost和耐克Zoom Vaporfly06:58 TPU超临界泡棉，阿迪Ultra Boost的秘密武器07:54 耐克Zoom Vaporfly的必杀技，把碳板和超级泡棉结合到一起10:30 中底的重要性：辅助一个动作重复4万多次仍能保持优秀性能12:11 中底之外，鞋面、鞋楦也有技术之争14:11 产品经理谈跑鞋研发，好跑鞋可能会经历20多个版本的修改16:24 不同品牌的跑鞋，中底材料可能来自同一家公司17:46 裸足感跑鞋的兴起和沉寂21:20 马拉松跑进2小时，靠的到底是鞋还是人阿迪VS耐克，交替主宰21世纪的马拉松赛道25:16 帮助破纪录的Adios Pro EVO 3, 大火背后也有偶然27:48 被各大品牌纷纷采用的碳板，阿迪为什么偏不用30:04 耐克的遗憾，最有可能破2的合作跑者不幸去世31:36 一度大杀四方的耐克，是如何失去马拉松赛场绝对优势的33:50 想要跑鞋卖得好，一定要在竞速跑比赛里有姓名36:27 限量发售，可能会让Adios Pro EVO 3无法统治赛道37:58 品牌研发冠军跑鞋很难，选到冠军“潜力股”更难39:32 四大慢跑鞋品牌，为什么在阿迪耐克的竞争中“隐身”了42:11 新秀昂跑和HOKA，仍在竞速跑的关键之门外技术差距、时尚化和瓶颈期，跑鞋之争的未来45:24 跑鞋品牌的技术优势，很难独领风骚很多年47:13 阿迪能不能统治马拉松赛道，还得看它鞋面的表现48:18 超级大Logo的Adizero EVO SL，成了2025年的大爆款51:13 复古New Balance，很可能成为第四个百亿美元规模运动品牌54:50 本土跑鞋vs国外跑鞋，技术差距到底在哪儿57:42 跑鞋之后，运动品牌开始押注越野跑和Hyrox了59:14 国内的运动品牌，该去国外卷卷了【延伸阅读】重要跑鞋变革史：1960，New Balance Trackster问世，以波纹鞋底取代鞋钉，成为首款无钉跑鞋1974，耐克联创鲍尔曼发明华夫饼鞋底，鞋款大卖，耐克趁势赶上美国慢跑热1977，Brooks推出的Vantage鞋款，成为第一款大规模采用EVA材质中底的鞋款1978，耐克首款 Tailwind 跑鞋上市，首次采用Nike Air 气垫技术<p style="font-size:16px;line-height:30px;font-famil...
Transcribe →E240｜OpenAI联手PE砸下40亿美元，聊聊硅谷最火新职位FDE
Jun 1800:51:24Tap to summarize5月初，OpenAI成立了Deployment Company（部署公司），Anthropic也宣布与包括Blackstone在内的多家金融机构合作成立合资企业。这些顶尖模型公司，都开始押注同一种服务：不只是提供AI工具，而是深入企业内部，在具体业务场景中把AI能力真正部署起来。这也让一个工种迅速走到台前：Forward Deployment Engineer（FDE），前线部署工程师。他们既要懂模型和技术，也要理解客户的数据、流程和业务痛点，核心任务是把AI从demo变成各个职业自己的AI-native工作流。这期播客中，我们请到了两位一线从业者讨论FDE和部署公司。一位是Cresta FDE团队负责人Jove。Cresta为企业呼叫中心提供AI Agent，Jove从去年年初就开始扩招FDE团队。另一位是前麦肯锡咨询师、现任Invisible Technologies企业业务VP的Oliver。他从私募和咨询行业的视角，解释了为什么模型公司选择直接与PE合作，而不是依赖传统咨询公司。我们聊了FDE这份工作的具体形态、它与Palantir早年军方部署模式的渊源，也讨论了在这波AI落地浪潮中，私募基金和咨询行业正在经历怎样的变化。*Oliver的访谈以英文进行，在本期播客中以配音方式呈现。【主播】Yiwen，硅谷101特约研究员【嘉宾】Jove，Cresta FDE团队负责人Oliver，Invisible Technologies企业业务VP、前麦肯锡咨询师【你将听到】模型公司为什么开始做部署01:57 从DeployCo到合资企业，模型公司为什么要提供部署服务？04:30 什么是FDE？让AI应用真正在客户企业跑起来的工程师FDE的具体工作07:58 应用层公司和模型公司的数据优势之争09:18 FDE的工作现场和具体案例12:43 FDE与Palantir的渊源：Echo和Delta团队14:27 FDE和FDPM分工：像CTO和CEO的搭档17:52 什么样的人最适合做FDE？22:47 FDE会不会被AI自己取代？是长期职业还是过渡角色私募与AI部署的重要入口26:10 PE为什么找模型公司合作，而不是传统咨询公司32:32 PE和私募机构选择和模型公司合作的三个核心诉求34:08 LP为什么在推动GP做AI转型36:04 PE工作流自动化的具体案例：AI销售助理、尽调平台、基金运营AI如何改变咨询和企业自身41:37 AI会代替咨询吗？43:02 企业用AI最容易踩的两个坑：数据整合不到位、不该用AI的环节硬上AI44:17 整合企业数据为什么比想象中难46:19 模型能力不断发展，Agent本身会取代FDE吗？48:14 技术专家之外的人的价值【监制】泓君【后期】Amei【运营】朱婕【BGM】Poisson d'Avril - Ludvig Mouli...
Transcribe →E239｜SpaceX要让太空算力从科幻走向现实，但它划算吗？
Jun 1201:29:43Tap to summarizeSpaceX上市进入最后倒计时，在它那份长达280页的招股说明书里，月球基地、点对点地表旅行、在轨制造、火星货物……这些别的公司不敢写的科幻元素，它都写了。但更让人印象深刻的是SpaceX的AI叙事，它预测在28.5万亿美元总潜在市场中，有超过90%来自AI板块，而这部分将受到“地球无法快速扩展发电能力”的严重制约。面对电力紧缺，SpaceX的答案是：把数据中心搬上太空。上周一，马斯克在一段关于AI1卫星设计草图的视频中称，AI卫星不需要多么神奇的技术，这些技术已经在星链V3卫星中做出来了。谈到时间表时，马斯克预估SpaceX将在2027年底前实现每年1GW的太空AI算力的年化部署率，并逐年扩大量级。这个大胆的宣言，究竟是IPO前夜的氛围烘托，还是下一代算力基础设施的真正方向？太空数据中心，技术上能实现吗？即使能做成，它真的比建在地面上更划算吗？本期硅谷101播客，我们就来算算这笔经济账。本期节目不构成投资建议【主播】泓君Jane，硅谷101创始人，播客主理人【嘉宾】Lewis Hong，Aris Fund合伙人，前SpaceX高管刘冰雁，火箭爱好者【你将听到】SpaceX S-1解读03:07 打卡指南：LA SpaceX总部&德州Boca Chica星舰发射中心06:53 SpaceX招股书，1GW太空算力计划和“Elon Time”09:40 1万颗卫星铺满一条晨昏线轨道是什么概念？11:02 打个赌吧：Starship 100次发射时间线预测成本拆解16:52 极度乐观：只算燃料成本，两个月回本，但现实并非如此19:41 保守估算：每公斤200美元，两年回本只能打平22:14 考虑到GPU损耗等因素，成本估算再加40%冗余度26:05 星舰还有改进空间，每公斤10–20美元经济账才成立技术挑战28:48 反常识：太空真空环境，散热为什么这么难？31:02 两个思路：提升温度、增加散热面积33:38 解决方案：热泵与半导体散热技术38:24 太空芯片，谁来造？41:38 太空辐射会让GPU算错，加屏蔽和纠错即可42:13 太空只适合做推理，不适合大模型训练45:05 星链12000颗卫星，99.85%完好——辐射风险可控46:06 凯斯勒效应（碎片连锁撞击）在低轨并不可怕48:36 星链一年进行30万次卫星轨道规避机动，技术已成熟51:09 太空数据中心综合评估：理论可行，经济账还算不过来52:27 另一个角度：地球容纳数据中心散热的能力终将触顶战略价值53:51 太空算力的战略价值：速度、扩展性与数据主权59:01 太空数据中心热潮：放上去不难，经济地放才是真挑战01:01:53 未来10年发射市场将多元化，中国稳步追赶01:02:48 初创公司的机会：上游关键零部件/技术供应商01:07:34 月球派vs火星派：NASA为何重启登月？01:09:33 月球重力更适合发射，是人类开发宇宙的跳板01:14:19 SpaceX的人都认为太空经济数倍于地球，但说出来没人信01:15:40 财富到达一定程度，就开始寻求（或逃避）政治影响力01:18:33 50多万人在问卷中愿意抛弃地球上的一切去火星01:26:54 结尾彩蛋：一个太空火锅梦想，和一个在太空录播客的约定<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-se...
Transcribe →E238｜聊聊Harness时代AI-First的组织架构：从信任人到信任AI
May 2501:05:20Tap to summarize“Harness Engineering”（挽具工程）正在成为硅谷的新共识，Anthropic、OpenAI等公司都在探索这一工程范式。但真正理解Harness的人还不多。前不久，一篇题为《Why Your “AI-First” Strategy Is Probably Wrong》的文章在X上获得百万级阅读和热议，作者是来自硅谷CreaoAI（creao.ai）的Peter Pang。在这篇文章里，Peter展示了Harness Agent系统激发出的极致效率：99%的代码由AI完成，每天平均3到8次生产部署，过去六周的产品流程，现在一天就能跑完。本期播客，主播泓君邀请到Creao的三位创始人，聊聊这家公司对Harness的实践，以及在组织AI-First转型上的深度思考。嘉宾们指出，AI-First不等于“使用AI”，想要把效率提升100倍、1000倍，就不能只把AI当成工具，而要让AI成为所有生产力的主导。组织转型最难跨出的一步在于——是否能让所有员工都能做到信任AI。这场对话中有一些有趣的观察，比如在Creao，市场不用再追着开发提需求，因为开发速度已经远超市场消化能力；当大量对齐工作被AI接管之后，拿掉产品经理，反而让团队效率大幅提升；初级工程师比资深工程师更适应AI时代的转型；尽管过去十年积累的专长正在快速贬值，资深工程师仍然有竞争力，因为未来的核心竞争力不再是写代码，而是“找到AI Planning的缺陷”和“判断什么是有价值的”。【主播】泓君，硅谷101创始人，播客主理人【嘉宾】Kai，Creao联合创始人/CEO Peter，Creao联合创始人/CTOClark，Creao联合创始人/CPO，clark@creao.ai【你将听到】AI 主导的效率革命02:32 什么是Harness（挽具）？03:09 Harness范围远大于prompt/context engineering，榨干大模型能力04:52 Harness成败在于，设计好系统自身的feedback loop07:11 传统软件静态人主导，Harness动态AI主导迭代08:10 一篇X爆文，揭秘CreaoAI的Harness实战09:53 AI-first第一步：重构流程，降低对齐成本13:19 思维转变：AI不是工具，是所有生产力的AI主导者14:01 放弃传统开会讨论，让AI主导对齐，沟通成本大幅降低19:12 Agent主导排查bug，50%以上问题由AutoFixing自动修复23:48 搭建整个Agent系统，只需要1个Architect用一周定框架25:47 Harness观念：AI是动态系统，出错要弥补系统而非简单纠错27:13 你的内容和产品，受众可能是AgentHarness时代的组织转型31:09 组织转型挑战：只要有人觉得“不如人做”，改造就会被拉长32:02 AI能力已达，CreaoAI 2026年1月用两周完成全部架构重构36:00 “2026年我没有写过一行代码”，架构师的价值是找出AI planning的缺陷38:22 产品开发超前于市场，市场尚不了解Harness Agent的工作方式43:05 大企业难转型的原因：合规问题，人员过多Harness时代人的价值47:47 信任从人转向AI需要guardrails，产品经理角色被拿掉，对齐成本反而更低52:00 交流成本＞落地成本，AI环境下复合型人才更重要53:21 “资深悖论”：初级工程师更适应AI，资深专家转变难度大01:00:30 人类未来最核心的能力和价值：定义需求，review结果【延伸阅读和相关术语】CI/CD（持续集成/持续部署），软件开发中的自动化流程。CI（Continuous Integration，持续集成） 指开发者频繁地将代码合并到主干，并自动运行测试，以便尽早发现集成错误。CD（Continuous Delivery/Deployment，持续部署/持续交付） 指通过自动化流水线将通过测试的代码自动发布到生产环境。Agent Behavior（智能体行为），指AI Agent在执行任务时的行为模式，包括它如何理解指令、调用工具、做出决策、处理错误等。【监制】<p style="color:#333333;fon...
Transcribe →E237｜央视和FIFA谈判纷争背后，体育赛事转播权的博弈与生意
May 2101:05:57Tap to summarize离美加墨世界杯开赛还有一个月，央视和国际足联FIFA之间的版权谈判终于是谈妥了，本期我们来聊聊世界杯的定价逻辑与体育赛事版权生意的变化脉络。【主播】麻花，硅谷101特约研究员【嘉宾】朱晓东，力赞体育CEO ，本届世界杯日本转播权销售顾问张宾，《体育产业独立评论》主理人【你将听到】谈判的虚惊一场，赞助商的从中斡旋02:40 价格细节：打包的版权交易里，很少透露单届的价格04:25 FIFA的让步，单独售卖的女子世界杯，也被打包进来了05:28 联想出面协调，背后动力是什么08:31 谈判纷争的惯常套路，最终双方都会让步到促成交易09:47 从18年到26年，世界杯的中国赞助商为什么在变少12:30 赞助世界杯，到底能给中国企业带来多少好处世界杯的定价逻辑14:41 中国被FIFA设定到版权价格第一梯队，定价逻辑是什么？19:00 体育赛事版权谈判的流程、阶段和套路21:51 提前一个月转播权还没谈拢，这种情况经常发生22:36 从02年到26年，FIFA对央视的版权要价涨了20倍25:49 全球体育比赛的版权价格，都被转播方里的新玩家带起来了27:30 2022年世界杯，央视入账了50亿29:54 转播方能赚多少，在FIFA面前并非秘密从中国到全球，体育赛事版权生意的变化脉络33:14 全球范围内，大转播方的变现能力并没有变强35:35 体育版权上亏钱的，可不止乐视体育39:29 世界杯的转播权，为什么总是两届打包卖41:31 赛事版权在中国，坐过速升速落的过山车45:35 十年前中国的版权泡沫，源于不计成本的恶性竞争49:30 对比国外版权市场，中国的同行打得太凶了51:42 健康的版权生意，关键是要“量KPI为出”53:09 中国版权生意难做，稳赚不赔的可能只有世界杯和奥运会55:05 NFL、NBA和F1，为什么顶级赛事的版权都在疯涨59:00 抖音和快手，正在尝试边解说比赛边直播带货01:02:22 赛事版权的长期受益者，可能是优质IP持有方和去中心化的流量平台【延伸阅读和相关术语】咪咕：中国移动旗下的数字内容平台，旗下拥有中超、英超、法甲、WTT、UFC的独家版权，并拥有NBA、亚洲杯、汤尤杯等赛事的转播权。电通：深度介入体育产业的日本广告营销公司，在体育版权中扮演“超级代理商”的角色，拥有世界杯、奥运会等诸多体育赛事在日本和部分亚洲国家的代理资源。DAZN：总部位于英国的体育流媒体巨头，由Access Industries和Perform Group于2016年推出，资本雄厚，业务覆盖超过200个国家和地区，是全球体育版权市场最大的买家之一，被称为“体育界的Netflix”。WTT：世界乒乓球职业大联盟，由国际乒联于2019年创立，旨在推动乒乓球职业化与商业化，由运营大满贯、冠军赛等全新赛事体系。中国体育赛事版权泡沫：2015年前后，资本疯狂涌入体育产业，其中乐视体育花两年27亿购入中超新媒体版权，PP体育花3年7.2亿美元获得英超版权。随着乐视资金链断裂，以及中国付费习惯未养成、盗播泛滥等问题，体育赛事版权价格在中国回归理性。PP体育：前身是视频网站PPTV，2013年被苏宁收购，曾是中国最早的互联网体育直播平台之一，巅峰时期手握英超、欧冠、意甲等50多项赛事的版权，但在20-21年间已因无力支付版权费而被逐一放弃。新英体育：中国最早的体育版权巨头之一，2010-19赛季长期拥有英超在中国内地独家转播权，并于2013年在中国首推付费观赛模式，2018年与爱奇艺成立合资公司新爱体育。League Pass：NBA官方推出的全球性赛事流媒体订阅服务，支持多场比赛同屏观看、比赛中实时叠加球员数据等，除了赛事直播，还提供7x24小时的NBA TV的节目，比如赛事分析和采访等。【监制】泓君【后期】Amei【运营】朱婕【BGM】Kick Off - Earle BeloIn a Minute - John RunefeltRumors About Us - T. MorriAll Parts Equal - AiraeBurn Away - Nyck Caution
Transcribe →E236｜99%的作业都是AI写的：当代名校生眼里，大学还剩下什么？
May 1501:21:35Tap to summarize人类历史上第一批和生成式AI同时长大的学生，正在踏入毕业季。去年我们和大学生聊AI时，讨论还集中在“要不要使用AI”、“教授怎么看”。然而仅一年后，AI真正成为了生产力工具。这届毕业生可能会发现：不管你学的是知识性课程，还是实用性技能，都难逃AI冲击，想要脱颖而出必须成为那个“更善于使用AI的人”。当知识可以被AI调取，技能可以被工具取代，大学还能给你什么独一无二的东西？面对AI冲击，有哪些能力是不会被时代洗牌的“元能力”？本期播客，我们邀请三位刚刚走出校园的名校毕业生——Alfred、Kolento、Jack，一起聊聊他们在教育标准化的大学里，如何用AI实现高度个性化的学习？从哪里汲取思想的养分，最看重的能力又是什么？站在毕业的关口，他们如何评估大学的价值，面对未来又做出了怎样的选择？这也是一份送给所有大学生“自救指南”，那些AI取代不了的能力，才是教育留给我们的真正底气。【主播】泓君，硅谷101创始人，播客主理人【嘉宾】林桐宇 (Alfred)，清华大学法学（国际）2026届侯泰羽 (Kolento)，纽约大学应用心理学2026届饶杰武 (Jack)，哥伦比亚大学管理科学与工程研究生2026届，Emergences Labs 创始人兼CTO【你将听到】Alfred03:28 刚上大学就有了ChatGPT，预感打不过开始辅修AI09:40 AI速通法律专业课：模拟教授出题，拿下4.0满绩12:15 大学老师对AI态度发生转变，评估体系亟待升级13:43 大学两大价值——认识自己 + 获得技能；后者被AI侵蚀15:49 记忆类知识会过时，批判性思维和素养课程更值得投入20:11 清华最重要的财富：同侪的深度交流、老师的解惑Kolento23:05 马斯克说对了，我上大学最重要的目的就是社交26:30 学历不再是知识的证明，但仍是社会信任的重要凭证28:35 追寻美德、向往真理，才能更好地驾驭AI技术29:55 用AI在大学期间大量试错，而不是对中长期目标做死板的预设32:32 AI可以做出决策（deciding），但只有人能做出选择（choosing）36:38 “自顶向下”学习法：先见证最高水平的卓越，再提问、理解、验证Jack39:23 99%作业由AI参与，已经想不到任何没有AI参与的作业了43:14 翻书不会把我变成一个更好学生，只是在浪费我的时间44:44 当大家都用AI做作业，真正PK的还是每个人的理解和判断进化的AI工具46:51 最近常用AI工具盘点52:37 哪些AI工具正在被抛弃？首当其冲：ChatGPT58:46 适当关闭memory，避免模型被记忆污染形成信息茧房元认知积累与AI上瘾01:01:33 设计师的审美，程序员对代码的感觉，仍然不可替代01:04:43 AI比短视频更上瘾，失去AI就失去了执行力和灵感来源01:06:28 完全抽离AI我们还能做什么？还能回到手写代码吗？01:12:53 用AI的资深工程师反而慢了19%，初学者在AI时代可能反成优势01:17:07 2026最迷茫就业季，这一代毕业生就业向何处去01:20:27 硅谷高中生反驳主播：为什么要假设，我们不会离开AI了<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-fl...
Transcribe →