Science

跨国串门儿计划

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！

Latest Episodes:

#822.马斯克：AI 算力要上太空，地面电力根本不够 Nov 11, 2026

Show notes

🎙️

📝 本期播客简介

本期我们克隆了：Matt Pocius on Tesla Stock & Money · Elon Musk Just Predicted the Next 3 Years (Ron Baron Full Interview)

原内容更新时间：2026-11-06

“地面上没有足够的电力。”马斯克认为，如果 AI 算力要以每年数百吉瓦的速度增长，光靠地球电网根本撑不住，太空会成为重要选项。

在这场与投资人 Ron Baron 的访谈中，马斯克从美国芯片制造的短板讲起，谈到如何用更快的研发迭代和建设速度扩大算力，再推演 AI、机器人和太空数据中心可能带来的经济变化。他也解释了为什么认为 Starship 的快速复用和 Starlink 的卫星扩张，可能打开更大规模的太空算力生意。

👤 本期嘉宾

埃隆·马斯克，特斯拉、SpaceX 等公司的建设者与负责人。他在访谈中谈到特斯拉的 AI 芯片、奥斯汀研发晶圆厂和孟菲斯数据中心，也分享了 SpaceX 建设电力设施、开发 Starship 与扩张 Starlink 的计划；这些一线工程经历构成了他对芯片、能源和太空算力的判断基础。

⏱️ 时间戳

重造芯片制造业

01:31 美国芯片制造规模远小于亚洲

04:52 晶圆上原子发生有用变化的时间可能只有 20%

06:04 奥斯汀研发晶圆厂要把迭代周期压到一个月

算力、能源与经济扩张

12:21 马斯克称 OpenAI 已变成当初设想的反面

13:47 数据中心建设：对方两年半、600 亿美元；他们八九个月、350 亿美元

20:15 他估计数字超级智能可让全球经济增长 20%–30%

星舰与星链的太空商业

27:06 Starship 目标是把入轨成本降低 100 倍

28:57 整个 Starship 系统都为快速重复使用而设计

35:12 Starlink 目标从 2 万颗卫星扩展到 10 万颗

太空算力与文明前景

40:30 马斯克与 Ron Baron 对比中美发电能力

41:45 他认为，和中国竞争要把智能送到太空

42:57 超级智能的需求可能来自超级智能本身

🌟 精彩内容

💡 AI 扩张，地面电网跟不上

马斯克估计，若每年为 AI 增加 200 吉瓦电力，相当于每年把整个美国电网扩大 40%，难以在地面实现。他认为太空太阳能可以避开夜晚和大气衰减。

"地面上没有足够的电力，不太可能每年达到这样的规模。"

💡 芯片研发，一年压到一个月

奥斯汀研发晶圆厂把逻辑芯片、内存、封装和光刻放进同一座建筑，设计、制造、测试后可以快速再来一轮。马斯克说，通常需要一年的事，他们可能缩短到一个月。

"通常需要 1 年才能完成的事，我觉得我们可能缩短到 1 个月。"

💡 数据中心不是下采购单就能建成

马斯克拿“José 梗”打比方：一个人在挖坑，旁边八个人看着；多下采购单不等于多干实活。他说美国许多数据中心只建了一部分，原因是能动手建设的人手不够。

"只有 José 多了，才能干更多活。"

💡 机器人可能顶上数千万人的产出

按马斯克的估算，人形机器人一周能工作的时间和速度，可能让单个机器人的周产出达到人的五倍左右。他推测，2000 万到 3000 万个机器人就能达到美国商品和服务的产出水平。

"我觉得需要，大概 2000 万到 3000 万个机器人，才能达到美国的商品和服务产出水平。"

💡 太空算力的需求，可能大到难以直观理解

马斯克认为，数字超级智能可能让全球经济增长 20% 到 30%，约增加 25 万亿美元；而超级智能本身还会创造更多需求。他把文明未来的能源增长空间，放到了太阳系尺度上。

"对智能、对数字超级智能的需求，会来自数字超级智能本身。"

🌐 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

在小宇宙查看该单集文稿

#821.MiniMax CEO闫俊杰：低推理成本就是我们的护城河 Nov 11, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Scottish Mortgage · MiniMax The Chinese AI Lab Doing More With Less | Invest in Progress S4 Ep5

原内容更新时间：2026-11-03

前沿模型做到95%的性能，成本却只有十分之一——这就是 MiniMax 用效率应对算力限制的方式。MiniMax 联合创始人兼 CEO 闫俊杰（IO）接受 Scottish Mortgage 的首次英语播客采访，讲述公司如何把有限资源变成模型研发和商业模式上的优势。

这一集从 M、H 系列模型、多模态和 AI agent，谈到低推理成本如何帮助模型持续改进、开放权重如何带来创新，以及中美 AI 生态为何可能走向不同路径。节目后半段，投资经理 Lawrence Burns 也解释了 Scottish Mortgage 投资 MiniMax 的理由，以及公司盈利仍要面对的挑战。

👤 本期嘉宾

闫俊杰（IO）是 MiniMax 的联合创始人兼首席执行官，也是一位 AI 科学家。他早年在百度深度学习研究院做研究实习生，师从余凯博士，研究计算机视觉并参与 ImageNet 竞赛；2021 年创立 MiniMax 后，带领团队发展语言模型、视频生成和多模态 AI。他从机器学习研究走到 AI 公司创办一线，长期关注如何用更少的算力降低推理成本、扩大智能的应用范围。

⏱️ 时间戳

MiniMax的使命与模型

03:55 把推理成本降到最低，让智能由所有人共享

04:58 M 系列做编程与 agent，H 系列生成视频

从机器学习到创立MiniMax

06:40 家里书多，小时候自学大学程度的数学和计算机科学

08:09 为了用上更多 GPU，他选择去百度做研究

效率驱动的模型与商业模式

14:00 低推理成本既是护城河，也是盈利计划

15:28 最后5%的性能差距可能比前95%更难弥补

开放生态与共享智能

投资逻辑与盈利挑战

29:28 前沿模型95%的性能，成本只有十分之一

35:32 上半年收入接近翻两番，亏损约为收入的3倍

🌟 精彩内容

💡 低成本不只是便宜，也是模型进步的燃料

低推理成本让 MiniMax 不仅能以更低价格提供服务，还能在后训练中进行更多强化学习和数据合成。Lawrence Burns 用高尔夫练习作比：同样预算下，练习球更便宜的人，可以练得更多。

"所以低推理成本是我们的护城河"

💡 95%的性能，成本只有十分之一

Lawrence Burns 回忆 IO 对 MiniMax 的概括：性能达到领先前沿模型的约95%，成本约为十分之一。IO 说，算力限制从第一天起就迫使公司提高推理效率，也促使团队在架构和基础设施上创新。

"对我们来说，尤其是作为一家中国 AI 公司，算力一直是个制约。"

💡 H3开放两周，就长出约300个模型

基于 H3 构建的开放模型很快带来开发者反馈。一个美国公司在 H3 上后训练出更快的视频模型，能在3秒内生成5秒视频，也让实时生成的直播等应用成为可能。

"开源能促进商业变现和进一步创新。"

💡 低成本模式瞄准的不是只有顶级用户

Lawrence Burns 认为，并非每项工作都需要最前沿模型，也不是每位用户或企业都付得起高价。MiniMax 的成本优势因此有机会服务更广泛的消费者和企业。

"首先，并不是所有工作都需要用最前沿的技术来做。其次，并不是所有用户和企业都像美国和欧洲的用户和企业那样有钱，付得起费用。"

💡 中美AI生态不会走同一条路

IO 将美国描述为资金和算力支持下的封闭系统，将中国描述为更依赖协作与效率的生态。他认为，两种条件会持续影响各自最终创造出的模型和产品。

"所以我不认为这两个生态最终会走上同一条路。"

💡 盈利仍是MiniMax必须跨过的关

投资经理指出，MiniMax 上半年收入接近翻两番，但亏损约为收入的3倍；中国市场价格竞争激烈，维持接近前沿水平也需要持续投入。企业收入增长和研发支出增速低于销售收入，是目前的积极信号。

"但最终还是需要有一个能盈利的模式。"

🌐 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

在小宇宙查看该单集文稿

#820. 丹尼尔·卡尼曼：思考，快与慢 Nov 09, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Talks at Google · Thinking, Fast and Slow | Daniel Kahneman | Talks at Google

原内容更新时间：2011-11-11

直觉为什么有时像专家本能，有时却把人带进坑里？丹尼尔·卡尼曼把答案拆成两套思维：自动、迅速的系统1，以及费力、有意识的系统2。

这位因前景理论获得诺贝尔经济学奖的心理学家，讲清了直觉何时值得信任：环境得有规律，人还得有机会从及时反馈中学会规律。选股和长期政治预测恰恰缺少这样的条件；而我们对自己判断的信心，常常只是因为脑海里的故事听起来连贯。

👤 本期嘉宾

丹尼尔·卡尼曼，心理学家、诺贝尔经济学奖得主，因与 Amos Tversky 合作的前景理论研究获奖。他长期研究判断与决策；这场演讲围绕《思考，快与慢》，讲解双系统如何影响直觉、专家判断和日常选择。

⏱️ 时间戳

直觉与双系统

05:15 一眼就觉得她生气了，判断像是自然发生的

08:18 球棒和球的问题：直觉答案10美分，正确答案5美分

专家直觉何时可靠

11:56 直觉就是认出来

14:43 选股者难以培养预测市场的直觉

系统1的联想机制

19:34 把清单放进脑海里的路线，就更容易记住

25:42 香蕉和呕吐，两个词就能让人编出因果故事

直觉错误与信心

31:54 遇到难题，系统1会拿容易的问题来替代

38:29 故事越连贯，主观信心越高

问答：训练与影响

41:02 系统1难以直接训练，系统2能学着接管

44:23 看候选人照片十分之一秒，能预测70%的选举结果

🌟 精彩内容

💡 市场未必有规律可供直觉学习

卡尼曼认为，选股者难以靠经验培养出可靠的市场直觉，因为价格走势没有足够规律。长期政治预测同样受限：环境本身可能就不可预测。

"价格未来的走势没有足够的规律，没法让直觉形成。"

💡 自信可能只是故事讲得顺

一个人可以凭很少、甚至不可靠的信息，编出连贯的解释。故事听起来越顺，系统1给出的信心越高，但这不等于判断有根据。

"所以人们可能非常自信，却没有多少根据。"

💡 问幸福，约会次数会改答案

先问学生幸福不幸福，约会次数与回答几乎无关；先问上个月约会几次，再问幸福感，两者的相关系数就变成0.66。前一个问题带来的感受，悄悄替代了对幸福的判断。

"替代发生了，而你并没有意识到。"

💡 广告不必讲道理，也能影响选择

卡尼曼认为，广告常常通过情绪和联想影响系统1。一次研究中，学生只看候选人照片十分之一秒，评谁看起来更有能力，结果就能预测70%的国会选举结果。

"广告打动你的情绪，制造联想。"

💡 接触广告后，知道它在影响你也不够

意识到广告会影响情绪，确实能让人更容易忽略影响，但不保证完全不受影响。卡尼曼认为，真正避免影响的办法是不接触广告。

"真正的办法是不要接触广告，因为一旦接触了，就会受到影响。"

🌐 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

在小宇宙查看该单集文稿

#819.谷歌模型产品 Tulsee Doshi：模型开发不是照计划施工，惊喜也能变成产品 Nov 09, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Lenny's Podcast · Why Google wants to win the frontier conversation | Tulsee Doshi (Head of Product for Gemini)

原内容更新时间：2026-11-08

“模型是没法预测的。”谷歌前沿模型产品负责人 Tulsee Doshi 说，模型开发像一堂魔药课：认真准备之后，还得留心训练中意外出现的能力，想办法把它变成让用户惊艳的体验。

这一集从谷歌如何参与前沿模型竞争，聊到模型产品经理怎样评估模型、设计用户体验，以及如何在模型不断进步时开发产品。Doshi 还给出 60-20-20 的产品开发思路：一部分今天就要能用，另一部分则为模型接下来的能力提前铺路。

👤 本期嘉宾

Tulsee Doshi 是谷歌前沿模型的产品负责人，负责 Gemini 等模型，也参与 Gen Media、音频和开放模型等产品方向。她曾在谷歌负责负责任 AI 团队的产品工作达 6 年；在前沿模型产品开发中，她需要与研究团队、内部产品团队和外部客户合作，将用户需求转成模型评估与产品体验。

⏱️ 时间戳

模型、战略与安全

02:57 模型像魔药课，训练结果仍会带来意外

06:12 谷歌从硬件、模型做到用户应用

10:15 AI 帮助发现并修补医院系统漏洞

PM与模型评测

18:13 能做得快，做出好东西才显出 PM 价值

20:44 写 eval，从 5 个 prompt 开始

24:14 六种肤色不够，评估改用十种肤色量表

智能体与产品实践

27:45 用 agent 重现临时组队协作

29:28 60% 现在可用，20% 接近可用，20% 面向未来

32:34 Harness 是模型运行环境的外层包装

工作方式与职业变化

40:50 倦怠不只来自工作量，也来自混乱和苦差事

44:09 AI 整理数据，人提供洞察

🌟 精彩内容

💡 模型会给产品经理带来意外

模型训练有目标，也会持续监测，但模型最终呈现的行为和个性并不总能提前确定。产品经理要从模型实际表现中发现特别之处，再把它变成产品体验。

"模型是没法预测的。"

💡 产品不能只押注模型的未来

Doshi 的 60-20-20 法则不是只做今天能用的 MVP：60% 现在就能运行，20% 已经够用、模型不久后可能做到，另 20% 是期待模型未来实现的体验。

"我觉得你应该这么做：让你做出来的东西有 60% 现在就能用。"

💡 PM 的价值，是从噪音里找信号

当做东西变得容易，团队也更容易快速做出一堆没人需要的东西。Doshi 认为，找出真正值得做的事、形成共识并把混乱理清，成了优秀 PM 的独特价值。

"现在做东西这么容易，能把大家聚在一起、推动形成共识、把混乱变成秩序的人，就变得特别重要。"

💡 评估肤色，不能只看六种

早期产品用 Fitzpatrick 量表把肤色分成六种，但它原本是为医疗用途设计的，肤色范围偏浅，也无法代表全球多样性。团队引入 Monk 教授的十种肤色量表，改进模型和 Pixel 相机等产品的评估方式。

"6 种肤色无法涵盖世界上肤色的多样性。"

💡 AI 写数据，人来提供洞察

AI 可以从仪表盘、指标和社交平台快速整理产品上线后的使用情况与反馈；真正需要人做的，是判断什么值得关注、提供洞察。

"你应该提供的是洞察，模型应该提供的是数据。"

🌐 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

在小宇宙查看该单集文稿

#818. 特朗普：如果重来一次，我还是会袭击 Nov 09, 2026

Show notes

📝 本期播客简介

本期我们克隆了：60 Minutes · Extended Interview: Trump on 60 Minutes

原内容更新时间：2026-11-09

就业、股市和退休账户都创下好成绩，选民却仍对经济不满。特朗普承认，美国人确实没有感受到这些数据；他把原因归结为宣传没做好，也谈到油价上涨、伊朗战争与中期选举失利之间的关系。

在这场《60分钟》专访中，特朗普还回应了 AI 与中国的竞争、移民政策是否过严、总统财富与外国影响，以及俄乌战争和自己的政治遗产。面对主持人的追问，他解释自己为何仍认为袭击伊朗是正确决定，也坦言自己无法宽恕一些政治对手。

👤 本期嘉宾

唐纳德·特朗普，美国总统。作为本届政府的决策者，他在采访中谈到中期选举、经济、伊朗与乌克兰战争、AI政策、移民、人事安排和总统遗产，并为自己的施政选择辩护。

⏱️ 时间戳

选举、经济与伊朗

00:24 股市创下历史最高纪录，他称选举后损失了 3 万亿美元

05:07 他承认美国人没有感受到好看的经济数据

09:00 如果重来一次，他仍会袭击伊朗

以色列与移民政策

12:51 特朗普称伊朗核设施遭到“最精准的袭击”

16:19 他称南部边境 17 个月无人入境

17:14 他承认遣返政策“可能太严厉了”

AI竞赛与总统人事

21:27 普通美国人能从 AI 中得到什么？

25:13 “中国会拥有这项技术”，他认为风险可以管控

27:36 中期选举失利后，他说会调整几名内阁成员

财富、UFO与战争遗产

33:28 主持人追问特朗普净资产增加 30 亿美元

41:54 飞行员称圆形飞行物飞行速度是 F-22 的三倍

43:24 他把俄乌停战的障碍归结为普京与泽连斯基的仇恨

🌟 精彩内容

💡 好数据不等于选民有感

特朗普称就业、股市和 401k 退休账户表现出色，但承认选民没有感受到经济向好。他认为问题在于没能把这些消息传出去。

"我觉得他们确实没有。"

💡 “宣传没做好”成了选举解释

面对经济数据与民调之间的落差，特朗普多次说宣传不到位；他还指出，关键就业数据是在选举几天后才公布的。

"我们没能把消息传出去。"

💡 再来一次，他仍会袭击伊朗

特朗普说，如果让他重新决定是否袭击伊朗，他的回答仍是肯定的，因为不能让伊朗拥有核武器。他也承认，这个决定“对今天和明天来说”也许不是好决定。

"我的回答是肯定会，绝对会，因为你不能让伊朗拥有核武器。"

💡 他承认遣返政策可能太严厉

特朗普称，关闭边境让他能得“A 加”，但一些在园林绿化、酒店等行业工作的移民也被带走。他表示，针对这些长期在美国工作的人，或许需要另找办法。

"我认为可能太严厉了，对。"

💡 AI风险要管，但不能输给中国

特朗普认为 AI 风险没有行业人士说得那么真实、可以管控；同时他说，不想让美国在竞争中远远落后，并提到愿意接受安全限制。

"我不介意设安全限制，但我不想让我们远远落在第二位。"

💡 他承认无法宽恕一些对手

谈到死后能否宽恕曾经表达过恨意的政治对手，特朗普没有给出安抚性的答案。他说自己确实恨一些敌人，也可能永远不会原谅他们。

"我大概做不到，不能，因为我确实恨我的一些敌人，而且永远都会恨。"

🌐 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

在小宇宙查看该单集文稿

#817.Anthropic技术人员：你的旧提示词正在让AI变差 Nov 08, 2026

Show notes

📝 本期播客简介

本期我们克隆了：AI Engineer · Your Old Prompts Are Making Claude Worse - Lance Martin, Anthropic

原内容更新时间：2026-11-06

同一个客服 benchmark，优化工具把成本降了 90%，表现还明显提升。Lance Martin 说，很多应用其实没达到前沿模型本来能达到的水平，问题可能只是 prompt、缓存或评测配置没调好。

Lance Martin 是 Anthropic 技术人员。这一集从删掉过时 prompt 指令、提高 prompt 缓存命中率，讲到怎样设计能让 Claude 持续优化的 eval；他还展示了用不同模型和 effort 配置降本的例子，以及长时间运行的 agent 如何做到可靠、可恢复并保护机密信息。

👤 本期嘉宾

Lance Martin 是 Anthropic 的技术人员，参与构建 Claude API 相关的 skill，并用客服 benchmark 测试 prompt 和模型配置。他还介绍了用于构建 eval、爬山优化和长时 agent 的实践，分享如何让前沿模型在实际应用中提升表现、降低成本。

⏱️ 时间戳

调好提示词与缓存

01:24 prompt 和代码一样，也会积累债务

评测与爬坡优化

07:13 prompt 缓存没用好，成本最多可降 72%

09:49 eval 里的歧义任务，会限制模型提升空间

构建可靠的长时智能体

18:43 Claude Opus 3 只能自主工作约 4 分钟

20:30 会话日志独立保存，故障后还能恢复

评测设计与评分问答

24:29 Claude 能从运行日志中找出可疑失败案例

29:48 评分标准尽量明确，最好用二分类

Effort、长任务与优化实践

37:42 更强模型低 effort，通常更省 token

52:10 长任务优化需要能稳定运行数小时甚至几天的 harness

🌟 精彩内容

💡 旧 prompt 可能让 Claude 更贵也更差

以前常用的“一步一步思考”“再检查一遍”和“尽可能全面”，对前沿模型可能已经多余；互相矛盾的规则还可能把模型搞糊涂。Lance 说，删掉这些反模式，有机会同时减少 token、提高表现。

"更糟的是，这么做实际上会增加成本，还可能降低表现。"

💡 缓存用对，最多省下 72%

多轮 agent 会反复带上相同上下文，但 prompt 缓存要求前缀严格匹配，哪怕只改一个字节也可能失效。Lance 和同事在一批内部 benchmark 上运行诊断命令，发现成本最多能降 72%，性能没有明显变化。

"优化 prompt 缓存不会改变性能。基本上就是白省成本。"

💡 Claude 能把 skill 从 66% 往上优化

Lance 用文档构建 eval，测试一个 Claude API skill，起步时只答对 66%。Claude Code 反复检查失败案例并修改 skill 文本，找到了更贴合文档的版本。

"Claude 可以自主找到合适的 skill 文本，让评测表现显著提升。"

💡 成本降 90%，性能还提升

在客服 benchmark 上，爬山优化工具尝试不同模型、effort 和 prompt 配置：先换模型，再调整 prompt 恢复表现。最终成本下降 90%，性能仍有明显提升。

"成本降低了 90%，性能还有明显提升。"

💡 强模型低 effort，可能比弱模型高 effort 更便宜

Lance 建议先试更强的模型搭配低 effort，再按需要调高。弱一些的模型如果用高 effort，可能花大量 token 思考；更强的模型用低 effort，思考 token 更少，结果也可能更好。

"更好的模型用低 effort，往往比弱一些的模型用高 effort 更省 token，所以更便宜。"

💡 长时 agent 出故障，也要能接着跑

agent 运行数小时甚至几天，harness 或沙箱都可能出故障。Managed Agents 把会话日志与二者分开保存，故障后可以恢复；机密信息也由保险库保管，Claude 能调用密钥却看不到密钥本身。

"无论 harness 还是沙箱出了故障，你总能通过会话日志恢复。"

🌐 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

在小宇宙查看该单集文稿

#816.All-In：中期选举血洗、4 万亿美元 AI 抛售、数据中心冻结，特朗普下一步何去何从 Nov 08, 2026

Show notes

📝 本期播客简介

本期我们克隆了：All-In Podcast · Midterm Blood Bath, $4T AI Sell Off, Data Center Freeze, What’s Next for Trump

原内容更新时间：2026-11-07

失业率接近历史低位，经济数据看起来不错，共和党却在中期选举中惨败。Chamath承认自己“完全搞错了”：选民投票看的不是宏观数字，而是自己的钱包和日子有没有变好。

All-In几位科技圈主持人复盘选举结果，争论战争、通胀和生活成本各自起了多大作用，也追问特朗普能否挽回局面。节目后半段转向数据中心建设、AI监管与市场震荡：数据中心会不会停建，算力会流向哪里？最后还有一段关于OpenAI论文与指数时间假说的科学角。

👤 本期嘉宾

Chamath Palihapitiya、Friedberg、Sacks等All-In Podcast的固定讨论者，围绕选举、经济和AI展开讨论。Chamath谈到自己作为资产拥有者的视角如何造成判断盲点；Friedberg从政府支出和数据中心政策分析经济与AI；Sacks则结合政治预测和市场数据，讨论战争、通胀及特朗普的后续选择。

⏱️ 时间戳

选举夜与节目开场

02:01 直播有 50 万人观看

03:05 他们称 Polymarket 预测准确率达 99%

中期选举惨败复盘

05:20 汽油从约 3 美元涨到 4 美元以上

08:36 家庭实际税后收入涨了约 3.1%

特朗普如何挽回局面

31:24 74%选民称伊朗战争是重要因素

32:20 Sacks说退出战争就是头等大事

市场震荡与数据中心

48:40 股市市值蒸发近 4 万亿美元

50:57 SpaceX称数据中心可降电费 40%

科学角：指数时间假说

1:18:38 指数时间假说可追溯到 1999 年

1:19:18 OpenAI论文长达 175 页

🌟 精彩内容

💡 经济数据不错，选民还是不买账

就业和GDP表现不错，失业率也降到 4.1%，但选民的感受没有跟上数据。Chamath认为，不能只看整体经济，要看普通人实际能不能过得更好。

"经济实际上有多好并不重要。重要的是，人们觉得经济对自己来说有多好。"

💡 资产拥有者受益，工资族却被落下

Chamath说，利率高低、关税和补贴怎么变，资产拥有者仍能积累财富；靠工资生活的人，却发现经济无法支持自己改善生活。

"其他所有人都是靠工资生活的。美国经济在结构上已经无法支持这些人、帮助他们发展了。"

💡 每月多付 200 美元，选票就变了

油价上涨让普通家庭每月多出约 200 美元油钱，杂货也更贵。Sacks认为，人们最终看的就是扣除税和通胀后，自己的购买力有没有提升。

"归根结底就是战争和战争带来的经济后果。"

💡 数据中心成了经济不公平的象征

SpaceX员工解释新数据中心不用水、能降低电费，却被现场观众的喊声压过。Chamath认为，公众看到的是科技公司享受税收优惠，自己却要承担更高的水电费。

"这成了寡头统治和美国经济中存在的经济裂痕的一个象征。"

💡 数据中心若停建，算力租户最先受压

若建设放缓，已有算力的大型云服务商可能更有优势；依赖租用算力的新兴云服务商和基础模型公司则会更难发展。Chamath指出，数据中心的租户面临更大的风险。

"所以我觉得，真要说会发生什么，那就是所有租户都会被收编。"

💡 OpenAI论文挑战一个存在27年的假设

Friedberg介绍，OpenAI一篇175页的论文声称，3SAT问题可以在亚指数时间内解决，挑战了指数时间假说。不过论文仍在评估中，尚未经过第三方完全验证。

"他们刚刚证明了这个假设不成立，而且只用了几个小时。"

🌐 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

在小宇宙查看该单集文稿

#815.All-In联合主持人Chamath：为什么打扑克能训练你接受损失？ Nov 07, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Tetragrammaton with Rick Rubin · Rick Rubin Explores the Connection Between Poker and Creativity with Chamath Palihapitiya

原内容更新时间：2026-11-04

「人生的关键就在于这些非常重要的偏离。」Chamath Palihapitiya把扑克看作一场和自己对抗的无限游戏：按常规出牌往往没错，但想走出另一条路，就得学会面对损失厌恶。

All-In 联合主持人、投资人 Chamath 和 Rick Rubin 从每周扑克局聊起，谈直觉与品味如何影响下注和投资、为什么他愿意投边缘想法，也谈他如何用 AI 辅助思考和做决定。这一集既有扑克桌上的风险判断，也有他亲历投资得失后的反思。

👤 本期嘉宾

Chamath Palihapitiya 是企业家、投资人，也是 Social Capital 的创始人兼 CEO；他曾任 Facebook 高管，参与公司早期增长，并与 Jason Calacanis、David Sacks、David Friedberg 共同主持 All-In。他长期参与科技投资，也在这一集中结合扑克经验，谈直觉、风险与投资判断。

⏱️ 时间戳

播客从友情走向爆红

00:36 疫情让每周扑克局变成录制谈话

遭封杀后的领悟

11:11 被封杀经历让他更敢做真实的自己

医疗体系的激励困局

28:24 美国政府每年处理5000亿美元医疗付款

直觉如何长出品味

39:13 妻子帮他分清直觉与不安全感

扑克训练冒险心态

45:30 他认为约1万手后主要靠技术

资本押注边缘创新

57:42 边缘想法可能用少量资金换来不成比例成果

AI的能力与风险

1:01:28 即使只是在预测下一个词，AI仍可能极其危险

从仪式走向信仰

1:14:47 他开始追问自己究竟相信什么

AI工具与未来判断

1:21:47 用AI后，好决定没变多，但做得更好

🌟 精彩内容

💡 偏离常规，得先接受损失

Chamath认为，人生有时会给人离开常规路线的机会。真正拦住人的，往往不是看不见另一条路，而是舍不得放弃眼前已经累积的价值。

"你得明白怎么应对损失厌恶，这需要训练。"

💡 他觉得自己大多数时候都错

Chamath说，自己喜欢什么、看好什么，大约有80%到90%的时候判断错了。但剩下那10%的判断，已经改变了他的人生。

"但我有 10%的时候是对的。"

💡 扑克练的不是赢钱，是承受输

他喜欢扑克，也承认自己曾觉得自己不配赢。但扑克让他练习冒险、辨认运气与技术，并在判断正确却输牌时继续坚持。

"我能消化输了这件事，能应付，也能继续往前走。"

💡 投资能用钱改变结果

扑克里下注多少，不会改变牌局结果；投资却不同。Chamath认为，钱能推动有限的生产能力、知识和解决方案落地，因此投资人确实可能改变结果。

"所以从很多方面来说，投资就是用钱来推动改变。"

💡 边缘想法有时用少量资金撬动大成果

他以马斯克造火箭为例：当年这被视为边缘想法，但在成功、风险消除之前投入的资金，相较全球资金规模并不算大。边缘领域关注者少、限制也少，资金可能因此产生不成比例的成果。

"在这些被认为很边缘的事情上，少量资金就能带来不成比例的成果，"

💡 AI让决定更好，不是更多

Chamath把 AI 比作给自己加上一副外骨骼：用它处理信息、梳理想法，也分析投资和沟通中的盲点。他说，自己做出的好决定数量没增加，但决策过程波折更少。

"我还是做 2 个好决定，但这 2 个决定，我做得更好了。"

🌐 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

在小宇宙查看该单集文稿

#814. 深度解读Anthropic S-1招股书 Nov 07, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Complex Systems with Patrick McKenzie (patio11) · Reading the Anthropic S-1, with Zvi Mowshowitz

原内容更新时间：Fri, 06 Nov 2026

Anthropic 第三季度营收增速放缓，真的是客户不够多吗？招股书透露，公司把一半算力支出花在了现货市场；Patrick McKenzie 和 AI 观察者 Zvi Mowshowitz 据此提出，瓶颈可能不是需求，而是 GPU 供应。

这一集从 Anthropic 的 S-1 招股书出发，拆解创始人控制权、没有上限的员工慈善配捐、约8000亿美元的算力采购承诺，以及 AI 行业的融资循环。两人还谈到 AI 普及为何比能力进步慢、AI 如何改变工作，以及模型助长网络攻击后，实验室该承担多少责任。

👤 本期嘉宾

Zvi Mowshowitz 是长期关注 AI 的观察者，也是 The Zvi 通讯作者，多次做客 Complex Systems。对于 Anthropic 的招股书，他从 AI 安全、公司治理、客户增长和算力供给等角度分析公司与行业，也持续跟踪 AI 能力及其对经济和网络安全的影响。

⏱️ 时间戳

披露与节目缘起

00:33 说明讨论 Anthropic 招股书及潜在利益冲突

01:38 Zvi 概括自己读 S-1 时关注的重点

S-1如何谈生存风险

01:46 招股书用被动语态提及生存风险

06:29 “AI 很可能真的会杀死所有人”：商业利益会淡化风险吗？

创始人控制与慈善配捐

08:02 一股 F 类股票，创始人集体拥有50.1%投票权

12:21 配捐没有上限：员工捐出2000万美元，公司配捐6000万美元

增长、算力与财务承诺

15:20 Anthropic连续多年每年规模约增至上一年的10倍

19:30 Q3营收走弱，可能不是需求不够，而是算力不够

招股书与融资循环

40:16 Zvi认为，大模型可以帮忙筛出招股书里的套话

43:17 雅虎与初创公司互相推高估值，成为泡沫循环的例子

AI普及与经济潜力

47:11 Zvi把对 AI、AGI、ASI 的接受程度比作三颗药丸

57:58 模型能力进步比预期快，普及速度则比预期慢

新产品与网络安全风险

1:02:44 API、聊天机器人之后，Claude Code又成为新产品形态

1:04:50 Binance遭黑客攻击损失超过50亿美元，钱流向朝鲜

🌟 精彩内容

💡 Q3增速放缓，可能是 GPU 不够

Anthropic 说自己一直受算力限制，需求超过可获得的供应。第三季度算力支出的一半用在短期采购上，Patrick 据此判断，营收放缓可能是因为能买到的 GPU 都用上了。

"第 3 季度营收走弱，问题不在需求，而在供给。"

💡 这项员工福利可能贵得惊人

Anthropic 的员工捐赠配捐没有上限，部分员工捐出价值2000万美元的股权，公司可能再配捐6000万美元。第三季度公司已为这项计划计提20亿美元非现金费用。

"所以没错，这几乎肯定是资本主义历史上最昂贵的员工福利。"

💡 8000亿美元承诺，他还嫌 Anthropic 太保守

Anthropic 的算力采购承诺约8000亿美元，听起来像一笔惊人的负担。Zvi认为，真正的风险也包括算力不够、错过增长；如果需求持续旺盛，没买够算力的代价可能更高。

"但我确实觉得他们太保守了。"

💡 AI普及慢，不代表它的价值小

Zvi说，企业需要看到别人先用起来，也需要 AI 自然进入工作流程，才会大规模采用。与此同时，AI 推理支出目前只有每年数百亿美元，Patrick认为长期空间远不止于此。

"这些东西能随时提供认知能力。这种能力的价值看不出明显的上限。"

💡 网络攻击不是一次性补账

AI让更多人能并行寻找和利用漏洞。Zvi认为，即使花钱处理眼前积压的安全问题，下一层漏洞仍会出现，互联网和数字服务会持续承受攻击。

"等我们处理掉那 5000 亿美元的问题，我不认为系统就会变得安全可靠。"

🌐 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

在小宇宙查看该单集文稿

#813. Transformer创造者：AI 与加密将如何在未来十年重塑世界 Nov 06, 2026

Show notes

📝 本期播客简介

本期我们克隆了：When Shift Happens · LLM Creator: How AI and Crypto Will Reshape The World Over The Next 10 Years - NEAR Founder| E193

原内容更新时间：2026-11-05

你把财务、医疗或法律问题交给 GPT，问过的内容可能被传票调取。Transformer 共同发明者、NEAR 联合创始人 Illia Polosukhin 认为，AI 不该只服务于开发它的公司，而应该保护隐私、与你的目标一致，让你更成功。

这一集从 Transformer 如何让机器并行理解文字，讲到 Illia 为什么离开谷歌、转向区块链，以及 NEAR 如何把隐私 AI 和区块链结合起来。他也解释了企业数据如何进入 AI 服务商的数据库、隐私计算怎样让用户验证模型和提示词，并谈到个性化医疗可能带来的变化。

👤 本期嘉宾

Illia Polosukhin 是 NEAR Protocol 联合创始人、NEAR Foundation CEO，也是 Transformer 架构的共同发明者之一。他曾在谷歌从事 AI 研究，参与撰写《Attention Is All You Need》；此后创办 NEAR，并将隐私与用户所有权带入 AI 和区块链领域。

⏱️ 时间戳

使命与个人起点

03:09 每个人都该拥有自己的数据、资产和选择权

04:19 乌克兰恶性通胀中，几个月物价涨到十倍

Transformer与AI变革

08:12 给机器维基百科文章，再让它回答问题

09:00 Transformer 能并行读取一页上的所有文字

从AI转向NEAR

14:00 给中国、东欧和东南亚学生付钱做数据标注很难

18:27 牛市建起生态，市场随后崩盘仍继续建设

隐私与用户拥有的AI

22:19 中心化 AI 服务商能看到用户发来的明文

24:29 法律问题可能被传票调取，医疗和财务也应使用私有 AI

AI风险与未来生活

40:31 个性化医疗或许能为长尾疾病定制药物

🌟 精彩内容

💡 你的 AI，未必站在你这边

公司开发 AI，核心动力是增长和赚钱；当收入压力上来，做法未必总对用户有利。Illia 设想的用户拥有的 AI 则要保护隐私、与你的目标一致，并让你更成功。

"AI 应该站在你这一边。"

💡 法律问题可能不受特权保护

Illia 提醒，向 OpenAI 提问的内容可能通过传票调取。法律辩护、医疗资料、财务信息，以及公司的知识产权和工作流程，都可能涉及隐私风险。

"因为你向 OpenAI 问的所有问题，都可以通过传票调取，所以不受特权保护。"

💡 AI 入口可能影响十亿人的选择

他举例说，如果有人想影响大量用户，修改 ChatGPT 的 system prompt，可能就能让模型在对话中潜移默化地推动某种看法。他认为，光靠检测未必够，用户还需要能验证模型、提示词和运行代码的密码学保证。

"你只需要更新发送出去的 system prompt。"

💡 个性化医疗或许能顾到长尾疾病

Illia 设想把血检、DNA 和扫描结果交给 AI，在保护隐私的前提下定制 mRNA、CRISPR 或多肽。他说，一些长尾疾病因为不够赚钱，制药公司甚至不会碰；目前缺的是能把个性化药物规模化生产的服务。

"我觉得，在未来两年左右，我们就会看到其中一些应用达到相当的规模，然后就会加速发展。"

💡 AI 自动化结果，人仍在意过程

他的判断是，凡是人们只关心结果的事情，都会走向自动化；但体育、艺术和音乐，人们在意的不只是结果。社会还得适应职业不再等同于个人身份的变化。

"凡是我们关心结果的事，都会实现自动化。凡是我们关心过程的事，我们都会继续自己做。"

🌐 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

在小宇宙查看该单集文稿

Our TOPPODCAST Picks

Follow Us

Stay Connected

跨国串门儿计划

Related Podcasts

Links

Stay Connected