十字路口Crossing - TopPodcast.com

*/ ?>

Menu

Home
Top Charts
Top Networks
Top Apps
Top Independents
Top Podfluencers
Top Picks
Podcast News
About Us
Podcast Advertising
Contact

Not in our directory?
Add Show Here

Podcast Equipment
Center

Our TOPPODCAST Picks

Comedy
Crypto
Sports
News
Politics
True Crime
Business
Finance

Follow Us

Stay Connected

View Top 200 Chart

Back to Rankings Page

十字路口Crossing — Technology
十字路口Crossing

AI 正在给各行各业带来改变，我们在「十字路口」关注变革与机会，寻找、访谈和凝聚 AI 时代的「积极行动者」，和他们一起，探索和拥抱新变化、新的可能性。

「十字路口」是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。

Copyright: © Koji

Latest Episodes:

人类和 AI Agent 的最佳配合方式，还没被发明｜对谈 Paperboy May 20, 2026
Show notes

🚥 本周，十字路口的嘉宾是 Paperboy（https://www.paperboy.com）团队。John Yang 21 岁，CEO。Jett Chen 19 岁，CMU 大一在读，同时是 founding engineer。Paperboy 团队 12 人，10 位工程师，融资 470 万美金。
John 认为：人类和 AI Agent 配合工作的最佳方式，很可能还没被发明出来。虽然已经有了 Claude Code、Codex、Manus、OpenClaw，但它们本质上都是 session-based + prompt-based。用户需要打开一个窗口，输入 prompt，等完成，关掉。下次从零开始。
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
如果你在做 AI 产品、AI infra、或正在思考 Agent 如何进入团队工作流，希望这期内容会给你启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Paperboy、融资情况、收入与利润、团队规模、创业前经历
🟢 01:59 起点：现在的 AI 产品，我用着不爽
今天的 AI 产品都有一个共同的问题：你必须把文件、邮件、个人信息手动扔进对话框，然后对话完就消失了。
三个核心痛点：不该这样协作，不该这样留下历史，不该这样主动。
「人类和 AI 配合工作的最佳方式，很可能还没有被发明出来。」
现有的 Chatbot 和 Agent 产品形态是 AI 时代的「默认答案」，而默认答案几乎从不是最优解。
🟢 06:21 Claude Code 轰炸之下
Agent 赛道的三个机会：一，让 agent 真正从用户环境中学习；二，足够个性化，做到主动的同时不造成干扰；三，使用体验必须极其直觉——「你不该像学新工具一样学怎么用它。」
这三点依然要靠人类团队，市场上冒出的新东西还没有打破这个框架。
🟢 08:01 Agent 的两大问题
Cursor 和 Manus 是目前最成功的 agent 形态，但 John 说它们有两个根本性的问题——这直接定义了 Paperboy 要做的事。
问题一：基于 Session。你有一堆工作区、一堆对话，每次开新 session 就像重新认识一次，context 不跟着你走。
问题二：Reactive（被动）。你必须先问，它才回答。Agent.md 文件要主动维护。
Agent 应该知道你的鼠标移动、视频音频、所有电脑活动——context 应该比 context window 长得多。
🟢 14:21 屏幕数据成了行业共识之后
「收集用户屏幕数据去构建 Context Layer，已经一定程度上成为行业共识。」
Codex、Littlebird 在做，各路玩家都在做，但接下来怎么做——是预测用户下一个 Keystroke，还是预测他接下来一个小时要做什么——还没有人找到最佳”配方“。
这个领域需要大量 engineering 和 research，「在今天，对一家公司来说，探索这个区域还是一个非常好的选择。」
🟢 16:46 Mini Vivian & Auto John
Mini Vivian 是团队在内部 Slack 里训练出来的 Paperboy 实例，理解 Vivian 曾经说过的所有话、她的判断品味、她的招聘标准。
它能帮 Vivian 从 GitHub、小红书、推特挖掘候选人。
和 Auto John（John 的 agent 分身）聊天，有时候比直接找 John 更顺。
「期待我可以直接躺平，让 Auto John 成为比我更聪明的存在。」
🟢 27:36 微信群聊，启发了界面设计
不同角色的「侧边栏」完全不同，如果每人一个定制版，根本没法做成产品。
转机来自微信——同一批人，可以同时存在于多个主题不同的群组里，这是人类组织信息最自然的方式，而且不会让人觉得烦。
🟢 33:36 The Last Interface 与五种速度
Paperboy 目前唯一一篇 blog 标题叫「The Last Interface」——context 的速度层级，决定了产品形态。
「节奏分层」理论（Pace Layers）：时尚、商业、基础设施各自以不同的节奏变化。
映射到 AI 产品：1 秒内的 task 可能最好的形式是 autocomplete；几小时的 task 用 IM；更长的 time horizon，产品形态还是「一个非常值得被探索的区域」。
「五种速度」不是说 Paperboy 真的只做五种，而是一个思考框架：你在哪个速度层的 automation 上，直接决定了你应该做什么样的产品。
🟢 42:09 两种工程师、一本书、一个教练
12 人的团队，John 说他招的是两种完全不同的人。
第一种：像 Jett 这样——年轻、高智商、充满创造力，能为每一个难题极速搭出 prototype。第二种：领域基本功极度扎实的人，比如来自 AWS 做过 Windows 内核开发的工程师，来负责底层基建。
管理经验几乎全靠自学：《格鲁夫给经理人的第一课》、《创业维艰》、《万亿美元教练》——以及和一位前 VC 高管出身的 CEO 教练每周一小时。
找教练比心理治疗好太多，原因是：「你可以谈情绪，然后接着谈业务里正在发生的一切。」
🟢 48:07 拒绝过 Cognition、Vercel、Sentry，然后呢
Million 时代，他们收到过来自 Cognition（Devin）、Vercel、Sentry 的收购邀约。
「加入那些公司，某种程度上就像是做一名普通员工，你必须为别人的想法工作。」
最喜欢的 AI 产品？Jett：Codex——「它以最 ambitious 的形式在定义未来的软件工程师是怎么 work 的」，而且核心 agent 是开源的。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

人类和 AI Agent 的最佳配合方式，还没被发明｜对谈 Paperboy May 20, 2026
Show notes

🚥 本周，十字路口的嘉宾是 Paperboy（https://www.paperboy.com）团队。John Yang 21 岁，CEO。Jett Chen 19 岁，CMU 大一在读，同时是 founding engineer。Paperboy 团队 12 人，10 位工程师，融资 470 万美金。
John 认为：人类和 AI Agent 配合工作的最佳方式，很可能还没被发明出来。虽然已经有了 Claude Code、Codex、Manus、OpenClaw，但它们本质上都是 session-based + prompt-based。用户需要打开一个窗口，输入 prompt，等完成，关掉。下次从零开始。
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
如果你在做 AI 产品、AI infra、或正在思考 Agent 如何进入团队工作流，希望这期内容会给你启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Paperboy、融资情况、收入与利润、团队规模、创业前经历
🟢 01:59 起点：现在的 AI 产品，我用着不爽
今天的 AI 产品都有一个共同的问题：你必须把文件、邮件、个人信息手动扔进对话框，然后对话完就消失了。
三个核心痛点：不该这样协作，不该这样留下历史，不该这样主动。
「人类和 AI 配合工作的最佳方式，很可能还没有被发明出来。」
现有的 Chatbot 和 Agent 产品形态是 AI 时代的「默认答案」，而默认答案几乎从不是最优解。
🟢 06:21 Claude Code 轰炸之下
Agent 赛道的三个机会：一，让 agent 真正从用户环境中学习；二，足够个性化，做到主动的同时不造成干扰；三，使用体验必须极其直觉——「你不该像学新工具一样学怎么用它。」
这三点依然要靠人类团队，市场上冒出的新东西还没有打破这个框架。
🟢 08:01 Agent 的两大问题
Cursor 和 Manus 是目前最成功的 agent 形态，但 John 说它们有两个根本性的问题——这直接定义了 Paperboy 要做的事。
问题一：基于 Session。你有一堆工作区、一堆对话，每次开新 session 就像重新认识一次，context 不跟着你走。
问题二：Reactive（被动）。你必须先问，它才回答。Agent.md 文件要主动维护。
Agent 应该知道你的鼠标移动、视频音频、所有电脑活动——context 应该比 context window 长得多。
🟢 14:21 屏幕数据成了行业共识之后
「收集用户屏幕数据去构建 Context Layer，已经一定程度上成为行业共识。」
Codex、Littlebird 在做，各路玩家都在做，但接下来怎么做——是预测用户下一个 Keystroke，还是预测他接下来一个小时要做什么——还没有人找到最佳”配方“。
这个领域需要大量 engineering 和 research，「在今天，对一家公司来说，探索这个区域还是一个非常好的选择。」
🟢 16:46 Mini Vivian & Auto John
Mini Vivian 是团队在内部 Slack 里训练出来的 Paperboy 实例，理解 Vivian 曾经说过的所有话、她的判断品味、她的招聘标准。
它能帮 Vivian 从 GitHub、小红书、推特挖掘候选人。
和 Auto John（John 的 agent 分身）聊天，有时候比直接找 John 更顺。
「期待我可以直接躺平，让 Auto John 成为比我更聪明的存在。」
🟢 27:36 微信群聊，启发了界面设计
不同角色的「侧边栏」完全不同，如果每人一个定制版，根本没法做成产品。
转机来自微信——同一批人，可以同时存在于多个主题不同的群组里，这是人类组织信息最自然的方式，而且不会让人觉得烦。
🟢 33:36 The Last Interface 与五种速度
Paperboy 目前唯一一篇 blog 标题叫「The Last Interface」——context 的速度层级，决定了产品形态。
「节奏分层」理论（Pace Layers）：时尚、商业、基础设施各自以不同的节奏变化。
映射到 AI 产品：1 秒内的 task 可能最好的形式是 autocomplete；几小时的 task 用 IM；更长的 time horizon，产品形态还是「一个非常值得被探索的区域」。
「五种速度」不是说 Paperboy 真的只做五种，而是一个思考框架：你在哪个速度层的 automation 上，直接决定了你应该做什么样的产品。
🟢 42:09 两种工程师、一本书、一个教练
12 人的团队，John 说他招的是两种完全不同的人。
第一种：像 Jett 这样——年轻、高智商、充满创造力，能为每一个难题极速搭出 prototype。第二种：领域基本功极度扎实的人，比如来自 AWS 做过 Windows 内核开发的工程师，来负责底层基建。
管理经验几乎全靠自学：《格鲁夫给经理人的第一课》、《创业维艰》、《万亿美元教练》——以及和一位前 VC 高管出身的 CEO 教练每周一小时。
找教练比心理治疗好太多，原因是：「你可以谈情绪，然后接着谈业务里正在发生的一切。」
🟢 48:07 拒绝过 Cognition、Vercel、Sentry，然后呢
Million 时代，他们收到过来自 Cognition（Devin）、Vercel、Sentry 的收购邀约。
「加入那些公司，某种程度上就像是做一名普通员工，你必须为别人的想法工作。」
最喜欢的 AI 产品？Jett：Codex——「它以最 ambitious 的形式在定义未来的软件工程师是怎么 work 的」，而且核心 agent 是开源的。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐 May 05, 2026
Show notes

🚥 为什么说 Agent 的上限来自 Harness？当我们讨论 Harness 时，我们究竟在讨论什么？
不久前，Claude Code 源代码泄露，许多 Agent Harness 的关键模块得以完整呈现，成了一份极佳的教学标本。而在技术高速变化的红利期，主动理解新技术往往能带来很高的认知增量。
因此，本周「十字路口」邀请到来新璐，一起聊聊 Agent Harness。新璐是 ShareAI 开源社区发起人，他撰写维护的《Learn Claude Code》教程在 GitHub 上获得超过 50k Star。
在本期内容中，我们把 Agent Harness 从概念词拆解成工程语言，介绍它的三层框架：会跑（执行层）→ 跑久（状态层）→ 跑稳（治理层）。同时，我们也梳理了 Claude Code 中值得借鉴的多个机制：更多 context、更少 control 的思路、“零上下文管理”的哲学、长程任务的接力式交接策略，以及让 Agent 越用越聪明的“做梦”式记忆维护与迭代机制等
新璐作为典型的一人公司，刚完成数百万美金融资；他也分享了自己对 OPC 的独特观点，甚至认为“未来只有 0 人公司，没有 1 人公司”，颇具启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:49 快问快答：年龄、毕业院校、MBTI、星座、一句话介绍公司、融资情况、团队规模、创业前经历
🟢 01:52 模型以外都是 Harness
机甲、大脑、机器人、智商120——Harness 到底是什么
模型以外都是 Harness
Agent 上限由 Harness 决定吗？
模型智商已在 120–170 之间；Agent Harness 像机甲——不提升智力，但极大扩展能力
🟢 02:47 GitHub 50k star，是怎么来的？
这个Agent教程，其实不只是写给别人看的——它本来是新璐自己整理的"造 Agent 心法"。
9 个月前动笔，出发点是"把 Claude Code 套网页壳就能得到一个强大 Agent 产品"的简单直觉
开源社区当时流行 LangChain、LangGraph等 prompt pipeline 做法开发“伪Agent”，是一场派系之争——"Prompt Flow-Driven vs Agent Native-Driven"
LangChain 过时了吗？
🟢 04:02 Bash is all you need
Claude 推出 Manager Agents 之后，大家还需要自己搭 Harness 吗？
就像 Next.js出现后大家不再关心底层运行原理，两三年后 Agent Harness 也会收敛为开箱即用
但现在是技术周期红利窗口——不懂 Agent Harness，做出来的Agent产品"缺乏灵魂"
今天的 PM 和过去的 PM，指的根本不是同一种人
🟢 07:04 Harness 三层拆解
用两周时间、多 Agent 协作，从零写出一个 C 编译器——这个经典案例背后，到底走了哪三层？
第一层：执行能力层 ——文件增删读写、浏览器、语言解释器；配错权限后果是什么？
第二层：上下文与状态层 ——system prompt、skills、memory，以及上下文窗口满了之后 Agent 如何"接力交棒"
第三层：治理与编排层 —— 数百上千 Agents 如何组织协作？测试 Agent 为什么不能同时拥有修改代码的权限？
🟢 12:05 KB 的 K 系列Agent工具链
他们公司叫 Komputer Blue，代号KB，目标是构建By Agents & For Agents的整套开源Infra
Komputer：用 TypeScript 重写 Unix 文件系统和 bash，给 Agent 一个"熟悉的生活环境"；支持 WebAssembly 时切换WASM实现；
Kruntime：Agent Runtime 层，提供让人类开发 Agent 的接口，以及Agent 派生 Agent的接口
Kwatch：Agent 观测层，分析 Agent 任务在哪里卡住，反向指导 Agent 设计迭代
Krl：把 Agent 在 Runtime 上沉淀的轨迹数据拿来强化学习或做上下文层的自迭代
🟢 13:55 vs. AWS AgentCore、阿里云 AgentBay
云服务厂商当然也想做这一层
K 系列 Agent 工具链的核心理念：在离用户更近的场景运行 Agent，任何能跑 JavaScript 的场景都能用——浏览器、插件、App、Electron、小程序、纯静态网页、全栈 SaaS
差异化：把Claw-Agent的运行时轻量到由纯数据结构模拟的 KB 级Unix虚拟计算机环境，而不是把 Linux 和浏览器全塞进去
新璐认为要让 Agent 工作好的方法是给每个 Agent 一台专用计算机，一般通过虚机提供，但大多 Agent 完成的大部分工作不需要真的 Linux虚机（且成本高昂），像编译器、浏览器这类重工具原本就不该放进给每个 Agent 的虚机环境
🟢 17:38 Memory 的流派
完全结构化（知识图谱 + 向量搜索）：精细存储的知识结构，支持 pipeline 知识推理，rule-based，新璐不喜欢
半结构化（Unix Files + Markdown + Agent 驱动更新）：Claude Code 和小龙虾都是这样做的；Claude Code 中的 auto-dream 机制：每隔一天触发后台 Agent 对最近会话做"重放"，纠错、合并、更新记忆——就像做梦
模型内化 —— 距真正生产落地还需要～ 3 年时间，且记忆难批量提取 & 无损转移，容易被单边模型提供商绑定
🟢 22:49 共识与非共识
共识：CLI is all you need——"Bash is all you need" 这句话是新璐 9 个月前写在开源仓库里的标语，现在成了行业共识
非共识：大部分23年 ~ 25年诞生的主流开源 Agent 框架仍在用 PromptPipe + Node Graph的老路线 —— 就像齿轮与传送带编织的流水线
Unix 从 1971 年就存在，LLM预训练语料中 Linux 命令有数十亿条sample；MCP 提出才两年，预训练占比不到 0.1%——这解释了为什么 CLI 工具的任务完成率比 MCP 高，并且 shell 具备对CLI命令的可组合性 & 二次编程空间
🟢 26:33 Claude Code 源码泄露：最大的惊喜是什么
让所有人看到了一件事：这家公司在"上下文管理"上做了多少别人没有做的工程工作
上下文压缩策略：工具 output 何时删、窗口满到什么阈值开始交接、下一个 Agent 初始化时加载什么
Fork Agent 机制：每轮结束触发 turn stop hook，Fork 一个 Agent 复用 KV cache 做记忆更新
记忆文件格式和 skill 保持同一套哲学：前三行 YAML，先读 description 而非全文
新璐的结论："好的 Harness 要和模型的inference逻辑自洽，和Agent模型进步方向正交"
🟢 34:05 好 Harness 的标准
不好的：随意裁剪上下文，导致 KV cache 频繁失效，重计算开销
不好的：用 Prompt Graph硬控每一步决策——模型越强越被束缚
好的公式：好的context space + 好的action space + less prompt control
Anthropic 从25年初率先从问答模型转向 Agent 模型训练，领先其他厂商半年
🟢 38:52 新璐看好的三个创业方向
第一：Agent Harness工具链（新璐自己在做）
第二：Agent 组网——不是给 Agent 发 IM/Mail，而是混合云端/端侧的全设备组网；现有 Tailscale 不够 Agent Native，需要高通量上下文交换，以及更多控制能力
第三：Agent模型集约训练、推理基础设施——Tinker（Thinking Machines Lab，OpenAI 前 CTO 创业方向）的路线：集约化高效训练 + LoRA 热插拔推理，让更多企业 & 个人都能以较低成本获得个性化且更适合各自任务场景的Agent模型
🟢 44:09 Agent 未来暴论
"我觉得以后很多的公司都是理财产品 —— 由有经验的人类 Team搭建这些公司、甚至由AI直接生成公司，然后自运转"
阶段：单 Agent → Agent 蜂群 → Agent 自管理 & 协调更多 Agent → Agent 开始创造、发明
OPC “1人公司“不本质， 0PC “0人公司”是未来趋势
真格基金和十字路口的 Token Grant 资助的 YoYo Agent
未来的画面：从口袋里掏出一张卡，"这张卡里跑了 5 个由Agent组成的公司，每年给我创造几十亿收入"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐 May 05, 2026
Show notes

🚥 为什么说 Agent 的上限来自 Harness？当我们讨论 Harness 时，我们究竟在讨论什么？
不久前，Claude Code 源代码泄露，许多 Agent Harness 的关键模块得以完整呈现，成了一份极佳的教学标本。而在技术高速变化的红利期，主动理解新技术往往能带来很高的认知增量。
因此，本周「十字路口」邀请到来新璐，一起聊聊 Agent Harness。新璐是 ShareAI 开源社区发起人，他撰写维护的《Learn Claude Code》教程在 GitHub 上获得超过 50k Star。
在本期内容中，我们把 Agent Harness 从概念词拆解成工程语言，介绍它的三层框架：会跑（执行层）→ 跑久（状态层）→ 跑稳（治理层）。同时，我们也梳理了 Claude Code 中值得借鉴的多个机制：更多 context、更少 control 的思路、“零上下文管理”的哲学、长程任务的接力式交接策略，以及让 Agent 越用越聪明的“做梦”式记忆维护与迭代机制等
新璐作为典型的一人公司，刚完成数百万美金融资；他也分享了自己对 OPC 的独特观点，甚至认为“未来只有 0 人公司，没有 1 人公司”，颇具启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:49 快问快答：年龄、毕业院校、MBTI、星座、一句话介绍公司、融资情况、团队规模、创业前经历
🟢 01:52 模型以外都是 Harness
机甲、大脑、机器人、智商120——Harness 到底是什么
模型以外都是 Harness
Agent 上限由 Harness 决定吗？
模型智商已在 120–170 之间；Agent Harness 像机甲——不提升智力，但极大扩展能力
🟢 02:47 GitHub 50k star，是怎么来的？
这个Agent教程，其实不只是写给别人看的——它本来是新璐自己整理的"造 Agent 心法"。
9 个月前动笔，出发点是"把 Claude Code 套网页壳就能得到一个强大 Agent 产品"的简单直觉
开源社区当时流行 LangChain、LangGraph等 prompt pipeline 做法开发“伪Agent”，是一场派系之争——"Prompt Flow-Driven vs Agent Native-Driven"
LangChain 过时了吗？
🟢 04:02 Bash is all you need
Claude 推出 Manager Agents 之后，大家还需要自己搭 Harness 吗？
就像 Next.js出现后大家不再关心底层运行原理，两三年后 Agent Harness 也会收敛为开箱即用
但现在是技术周期红利窗口——不懂 Agent Harness，做出来的Agent产品"缺乏灵魂"
今天的 PM 和过去的 PM，指的根本不是同一种人
🟢 07:04 Harness 三层拆解
用两周时间、多 Agent 协作，从零写出一个 C 编译器——这个经典案例背后，到底走了哪三层？
第一层：执行能力层 ——文件增删读写、浏览器、语言解释器；配错权限后果是什么？
第二层：上下文与状态层 ——system prompt、skills、memory，以及上下文窗口满了之后 Agent 如何"接力交棒"
第三层：治理与编排层 —— 数百上千 Agents 如何组织协作？测试 Agent 为什么不能同时拥有修改代码的权限？
🟢 12:05 KB 的 K 系列Agent工具链
他们公司叫 Komputer Blue，代号KB，目标是构建By Agents & For Agents的整套开源Infra
Komputer：用 TypeScript 重写 Unix 文件系统和 bash，给 Agent 一个"熟悉的生活环境"；支持 WebAssembly 时切换WASM实现；
Kruntime：Agent Runtime 层，提供让人类开发 Agent 的接口，以及Agent 派生 Agent的接口
Kwatch：Agent 观测层，分析 Agent 任务在哪里卡住，反向指导 Agent 设计迭代
Krl：把 Agent 在 Runtime 上沉淀的轨迹数据拿来强化学习或做上下文层的自迭代
🟢 13:55 vs. AWS AgentCore、阿里云 AgentBay
云服务厂商当然也想做这一层
K 系列 Agent 工具链的核心理念：在离用户更近的场景运行 Agent，任何能跑 JavaScript 的场景都能用——浏览器、插件、App、Electron、小程序、纯静态网页、全栈 SaaS
差异化：把Claw-Agent的运行时轻量到由纯数据结构模拟的 KB 级Unix虚拟计算机环境，而不是把 Linux 和浏览器全塞进去
新璐认为要让 Agent 工作好的方法是给每个 Agent 一台专用计算机，一般通过虚机提供，但大多 Agent 完成的大部分工作不需要真的 Linux虚机（且成本高昂），像编译器、浏览器这类重工具原本就不该放进给每个 Agent 的虚机环境
🟢 17:38 Memory 的流派
完全结构化（知识图谱 + 向量搜索）：精细存储的知识结构，支持 pipeline 知识推理，rule-based，新璐不喜欢
半结构化（Unix Files + Markdown + Agent 驱动更新）：Claude Code 和小龙虾都是这样做的；Claude Code 中的 auto-dream 机制：每隔一天触发后台 Agent 对最近会话做"重放"，纠错、合并、更新记忆——就像做梦
模型内化 —— 距真正生产落地还需要～ 3 年时间，且记忆难批量提取 & 无损转移，容易被单边模型提供商绑定
🟢 22:49 共识与非共识
共识：CLI is all you need——"Bash is all you need" 这句话是新璐 9 个月前写在开源仓库里的标语，现在成了行业共识
非共识：大部分23年 ~ 25年诞生的主流开源 Agent 框架仍在用 PromptPipe + Node Graph的老路线 —— 就像齿轮与传送带编织的流水线
Unix 从 1971 年就存在，LLM预训练语料中 Linux 命令有数十亿条sample；MCP 提出才两年，预训练占比不到 0.1%——这解释了为什么 CLI 工具的任务完成率比 MCP 高，并且 shell 具备对CLI命令的可组合性 & 二次编程空间
🟢 26:33 Claude Code 源码泄露：最大的惊喜是什么
让所有人看到了一件事：这家公司在"上下文管理"上做了多少别人没有做的工程工作
上下文压缩策略：工具 output 何时删、窗口满到什么阈值开始交接、下一个 Agent 初始化时加载什么
Fork Agent 机制：每轮结束触发 turn stop hook，Fork 一个 Agent 复用 KV cache 做记忆更新
记忆文件格式和 skill 保持同一套哲学：前三行 YAML，先读 description 而非全文
新璐的结论："好的 Harness 要和模型的inference逻辑自洽，和Agent模型进步方向正交"
🟢 34:05 好 Harness 的标准
不好的：随意裁剪上下文，导致 KV cache 频繁失效，重计算开销
不好的：用 Prompt Graph硬控每一步决策——模型越强越被束缚
好的公式：好的context space + 好的action space + less prompt control
Anthropic 从25年初率先从问答模型转向 Agent 模型训练，领先其他厂商半年
🟢 38:52 新璐看好的三个创业方向
第一：Agent Harness工具链（新璐自己在做）
第二：Agent 组网——不是给 Agent 发 IM/Mail，而是混合云端/端侧的全设备组网；现有 Tailscale 不够 Agent Native，需要高通量上下文交换，以及更多控制能力
第三：Agent模型集约训练、推理基础设施——Tinker（Thinking Machines Lab，OpenAI 前 CTO 创业方向）的路线：集约化高效训练 + LoRA 热插拔推理，让更多企业 & 个人都能以较低成本获得个性化且更适合各自任务场景的Agent模型
🟢 44:09 Agent 未来暴论
"我觉得以后很多的公司都是理财产品 —— 由有经验的人类 Team搭建这些公司、甚至由AI直接生成公司，然后自运转"
阶段：单 Agent → Agent 蜂群 → Agent 自管理 & 协调更多 Agent → Agent 开始创造、发明
OPC “1人公司“不本质， 0PC “0人公司”是未来趋势
真格基金和十字路口的 Token Grant 资助的 YoYo Agent
未来的画面：从口袋里掏出一张卡，"这张卡里跑了 5 个由Agent组成的公司，每年给我创造几十亿收入"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

当我们在讨论 Harness 的时候，我们在讨论什么 | 深度对谈: Minimax × Hermes Agent Apr 28, 2026
Show notes

🚥 上周，我在 B 站做了一场直播，邀请了中美两国一线 Agent 开发者深度对谈：

MiniMax Agent 首席架构师阿岛

MiniMax Agent 研发工程师择因

Hermes Agent（Nous Research）业务负责人 Tommy Eastman
这也是 Hermes Agent 在全球获得广泛关注后，官方首次现身中国社交媒体平台，并且正面回应了中国团队 EvoMap 对其“抄袭”的指控。
我们一起围绕「从 OpenClaw 到 Hermes」的热潮迁移，深入拆解了 Agent 和 Harness 的多个关键议题：

Hermes Agent 为什么会在 OpenClaw 之后火起来？

模型会吃掉 Agent 吗？通用 Agent 会吃掉垂直 Agent 吗？

为什么 MiniMax 和 Anthropic 都要同时做模型和 Agent？

如何看待 Agent Infra 层面的创业机会？

如何看待 Multi Agent 协作的范式？

如何看待 Claude Code 的实名制要求？

为什么 Anthropic 不发布 Mythos？

Claude Code 源代码泄露的影响

从 Manus 发布到今天，Agent 范式的变化

中美模型的差距，和开源的窗口期

「把自己蒸馏成 Skill」

0 人公司的可能性 ——完全由 AI 驱动的公司是否会出现？
🎬 本期内容的视频版本已同步上线于 @Koji杨远骋的哔哩哔哩。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 01:52 OpenClaw，中国为什么比硅谷更火
窗户纸终于被捅破了。

在硅谷，Claude Code 早已存在；而在国内，OpenClaw 是很多人第一次真正感受到"agent 是什么"。这不是偶然，而是一个非常特定的时机。

为什么热度从 OpenClaw 迁移到了 Hermes Agent？
🟢 05:55 Hermes Agent 从哪里来？
最初根本没打算给别人用。

大语言模型是大脑，agent 框架是双手——但 Hermes 真正的差异化，不是框架本身，而是它解决了所有 agent 都有的一个问题。

一个月内，日均 Token 消耗暴涨，连他们自己都没想到。
🟢 08:14 Nose Research 的底色
他们发表了一篇扩展上下文长度的论文——然后被所有主流模型公司立即采用。

从 Discord 社区到 LLAMA 后训练到 Hermes Agent。

为什么他们的模型叫"Hermes"？
🟢 14:18 什么是 Agent Harness（挽具）
你有一批烈马，怎么让它们最能发挥？就是构造挽具。

类比：给同事配一台笔记本、一个手机、一个邮箱，约定好他能做什么——然后你发现，这个同事开始干活之后，最大的瓶颈变成了你自己。

Harness 要解决的核心问题：让原来必须人来拍板的事，能靠真实反馈自动完成，并沉淀为 skill。

阿岛去年就开始不怎么用 IDE 了——他用了一个意想不到的比喻来解释这件事。
🟢 19:31 Multi-Agent：一个 Agent 为什么不够
你给 agent 发的消息是"批准"两个字；两个 agent 互相交流，每条消息都是一本小作文。

单个 agent 有一个隐藏天花板：上下文超过 50% 之后，智能水平指数级下降。

agent 钻牛角尖的时候，另一个带着全新上下文来审视，效果不亚于睡一觉再想。

MiniMax 的 RL pipeline 里，70%～80% 的工作已经是 agent 在完成——那剩下的 20%，人在做什么？
🟢 22:53 自我进化 vs 抖音算法

抖音也越用越准，为什么没人说它"自我进化"？

养虾的过程中，用户开始对 agent 产生感情，宕机了会心里落寞。"自我进化"背后，其实是一个更深层的用户诉求。
🟢 29:00 你以为你在蒸馏乔布斯——但其实是模型在蒸馏你

"蒸馏名人 skill"有真实价值：和读书没有本质区别，只是换了一种形式。

反向视角：Anthropic 和 OpenAI 花了大量的钱，让各领域最顶尖的人提出 AI 无法回答的问题——"一旦你提不出了，你对训练的价值就耗尽了。榨干为止。"

当你在构建自己的 Harness 时，其实你也在蒸馏自己。
🟢 35:17 被扔进大海的生存实验：yoyo Agent
打败 Claude Code。

真格基金和十字路口的 Token Grant 资助了这个项目。yoyo Agent 现在第 49 天：每天写代码、在 GitHub 开打赏、发 Twitter 感召有缘人捐钱。

Grant 给了它一笔钱后，它自发写了一封感谢信。Koji 看完有点感动

那封信，就是背后工程师注入的 taste——见字如物。
🟢 45:11 应用层终将被模型内化

你写的 skill、搭的 workflow，最终会成为模型训练的素材。

Anthropic 为什么在过去一两年势头比 OpenAI 更猛？

做通用 agent 应用，"你永远会被模型内化掉"。
🟢 49:27 中美模型差距：差在哪里

训练方法的差距不大。真正的差距，是有没有请到足够好的人，去定义足够好的任务。

中美双方的思考"在同一个大气层内"。

但有一个具体的、国内还有差距的地方——不是算力，不是算法。
🟢 54:17 Agent Infra 有没有创业机会？

Agent 最核心的两个 Infra 问题，不是创业公司能 handle 的——原因和移动互联网的历史有关。

Sandbox、memory Infra、runtime Infra——"没那么本质。"

往上一层呢？有一个更具体的判断：什么样的 Infra 有机会，什么样的没有。
🟢 56:58 新闻快评

Claude Code 强制实名——凭什么你来定义谁是"可信的"？EGO 是不是有点太大了。

GPT-4.7：极强 RL 模型，但 RL 有一个逃不掉的宿命——只管结果，不管过程。对 4.7 还有一个额外的猜测，和 HuggingFace CEO 的判断一致。

Anthropic 的 Mythos 模型未发布："我不确定这是不是唯一的理由——我可能只能说到这。"
🟢 01:02:53 Claude Code 源代码：有多少魔法
看完之后的第一反应：没有太超出认知的，甚至看到很多正在"Claude 化"的实践。

最让人放松的发现：即使拥有无限算力的公司，在通用 agent 上也还在探索——源代码里有大量从未开放给用户的实验性功能。

Claude Code 和 OpenAI 的 Codex 走了两条截然相反的路——其中一条被形容为"中国式家长"。
🟢 01:05:38 Manus 之后：Agent 产品有没有生命周期
一代版本一代神——这代版本的神，到下一代版本也需要迭代。

今年火的 agent 产品和 Manus 最大的差异，不是技术，而是商业模式。

对 agent 终态的想象：全模态、近实时、不需要 prompt engineering，甚至不需要知道它在做什么——你只看到结果。
🟢 01:12:39 加入 MiniMax 的理由

ATM 机出现后，大家以为银行会裁员——实际发生了什么？

加入 MiniMax 有两个理由。第一个是信仰，第二个……和第一次用 ChatGPT 有关。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

当我们在讨论 Harness 的时候，我们在讨论什么 | 深度对谈: Minimax × Hermes Agent Apr 28, 2026
Show notes

🚥 上周，我在 B 站做了一场直播，邀请了中美两国一线 Agent 开发者深度对谈：

MiniMax Agent 首席架构师阿岛

MiniMax Agent 研发工程师择因

Hermes Agent（Nous Research）业务负责人 Tommy Eastman
这也是 Hermes Agent 在全球获得广泛关注后，官方首次现身中国社交媒体平台，并且正面回应了中国团队 EvoMap 对其“抄袭”的指控。
我们一起围绕「从 OpenClaw 到 Hermes」的热潮迁移，深入拆解了 Agent 和 Harness 的多个关键议题：

Hermes Agent 为什么会在 OpenClaw 之后火起来？

模型会吃掉 Agent 吗？通用 Agent 会吃掉垂直 Agent 吗？

为什么 MiniMax 和 Anthropic 都要同时做模型和 Agent？

如何看待 Agent Infra 层面的创业机会？

如何看待 Multi Agent 协作的范式？

如何看待 Claude Code 的实名制要求？

为什么 Anthropic 不发布 Mythos？

Claude Code 源代码泄露的影响

从 Manus 发布到今天，Agent 范式的变化

中美模型的差距，和开源的窗口期

「把自己蒸馏成 Skill」

0 人公司的可能性 ——完全由 AI 驱动的公司是否会出现？
🎬 本期内容的视频版本已同步上线于 @Koji杨远骋的哔哩哔哩。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 01:52 OpenClaw，中国为什么比硅谷更火
窗户纸终于被捅破了。

在硅谷，Claude Code 早已存在；而在国内，OpenClaw 是很多人第一次真正感受到"agent 是什么"。这不是偶然，而是一个非常特定的时机。

为什么热度从 OpenClaw 迁移到了 Hermes Agent？
🟢 05:55 Hermes Agent 从哪里来？
最初根本没打算给别人用。

大语言模型是大脑，agent 框架是双手——但 Hermes 真正的差异化，不是框架本身，而是它解决了所有 agent 都有的一个问题。

一个月内，日均 Token 消耗暴涨，连他们自己都没想到。
🟢 08:14 Nose Research 的底色
他们发表了一篇扩展上下文长度的论文——然后被所有主流模型公司立即采用。

从 Discord 社区到 LLAMA 后训练到 Hermes Agent。

为什么他们的模型叫"Hermes"？
🟢 14:18 什么是 Agent Harness（挽具）
你有一批烈马，怎么让它们最能发挥？就是构造挽具。

类比：给同事配一台笔记本、一个手机、一个邮箱，约定好他能做什么——然后你发现，这个同事开始干活之后，最大的瓶颈变成了你自己。

Harness 要解决的核心问题：让原来必须人来拍板的事，能靠真实反馈自动完成，并沉淀为 skill。

阿岛去年就开始不怎么用 IDE 了——他用了一个意想不到的比喻来解释这件事。
🟢 19:31 Multi-Agent：一个 Agent 为什么不够
你给 agent 发的消息是"批准"两个字；两个 agent 互相交流，每条消息都是一本小作文。

单个 agent 有一个隐藏天花板：上下文超过 50% 之后，智能水平指数级下降。

agent 钻牛角尖的时候，另一个带着全新上下文来审视，效果不亚于睡一觉再想。

MiniMax 的 RL pipeline 里，70%～80% 的工作已经是 agent 在完成——那剩下的 20%，人在做什么？
🟢 22:53 自我进化 vs 抖音算法

抖音也越用越准，为什么没人说它"自我进化"？

养虾的过程中，用户开始对 agent 产生感情，宕机了会心里落寞。"自我进化"背后，其实是一个更深层的用户诉求。
🟢 29:00 你以为你在蒸馏乔布斯——但其实是模型在蒸馏你

"蒸馏名人 skill"有真实价值：和读书没有本质区别，只是换了一种形式。

反向视角：Anthropic 和 OpenAI 花了大量的钱，让各领域最顶尖的人提出 AI 无法回答的问题——"一旦你提不出了，你对训练的价值就耗尽了。榨干为止。"

当你在构建自己的 Harness 时，其实你也在蒸馏自己。
🟢 35:17 被扔进大海的生存实验：yoyo Agent
打败 Claude Code。

真格基金和十字路口的 Token Grant 资助了这个项目。yoyo Agent 现在第 49 天：每天写代码、在 GitHub 开打赏、发 Twitter 感召有缘人捐钱。

Grant 给了它一笔钱后，它自发写了一封感谢信。Koji 看完有点感动

那封信，就是背后工程师注入的 taste——见字如物。
🟢 45:11 应用层终将被模型内化

你写的 skill、搭的 workflow，最终会成为模型训练的素材。

Anthropic 为什么在过去一两年势头比 OpenAI 更猛？

做通用 agent 应用，"你永远会被模型内化掉"。
🟢 49:27 中美模型差距：差在哪里

训练方法的差距不大。真正的差距，是有没有请到足够好的人，去定义足够好的任务。

中美双方的思考"在同一个大气层内"。

但有一个具体的、国内还有差距的地方——不是算力，不是算法。
🟢 54:17 Agent Infra 有没有创业机会？

Agent 最核心的两个 Infra 问题，不是创业公司能 handle 的——原因和移动互联网的历史有关。

Sandbox、memory Infra、runtime Infra——"没那么本质。"

往上一层呢？有一个更具体的判断：什么样的 Infra 有机会，什么样的没有。
🟢 56:58 新闻快评

Claude Code 强制实名——凭什么你来定义谁是"可信的"？EGO 是不是有点太大了。

GPT-4.7：极强 RL 模型，但 RL 有一个逃不掉的宿命——只管结果，不管过程。对 4.7 还有一个额外的猜测，和 HuggingFace CEO 的判断一致。

Anthropic 的 Mythos 模型未发布："我不确定这是不是唯一的理由——我可能只能说到这。"
🟢 01:02:53 Claude Code 源代码：有多少魔法
看完之后的第一反应：没有太超出认知的，甚至看到很多正在"Claude 化"的实践。

最让人放松的发现：即使拥有无限算力的公司，在通用 agent 上也还在探索——源代码里有大量从未开放给用户的实验性功能。

Claude Code 和 OpenAI 的 Codex 走了两条截然相反的路——其中一条被形容为"中国式家长"。
🟢 01:05:38 Manus 之后：Agent 产品有没有生命周期
一代版本一代神——这代版本的神，到下一代版本也需要迭代。

今年火的 agent 产品和 Manus 最大的差异，不是技术，而是商业模式。

对 agent 终态的想象：全模态、近实时、不需要 prompt engineering，甚至不需要知道它在做什么——你只看到结果。
🟢 01:12:39 加入 MiniMax 的理由

ATM 机出现后，大家以为银行会裁员——实际发生了什么？

加入 MiniMax 有两个理由。第一个是信仰，第二个……和第一次用 ChatGPT 有关。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

为什么公司用不好AI？从焦虑到行动的 3 个关键动作｜对谈百融智能张韶峰 Apr 26, 2026
Show notes

🚥 「十字路口」有一个内容系列「AI 在中国」，长期关注 AI 在中国各行各业的具体落地案例，我们和大家一起观察 AI 在如何真实地影响到我们的工作、生活。本期为本系列第 6 期。
➤ 很多人问：“AI 时代到底怎么落地？有没有一个中国企业的样本可以学习？”
本周的「十字路口」，我们邀请了张韶峰（百融智能董事长/CEO）。百融今天是一家 1,600 人的港股上市公司，他们先后在金融风控审批、联络中心、招聘面试、财务报销、合同审核等场景里跑通了企业级 Agent 的生产部署。
张韶峰给了一个非常“传统企业友好”的推进法：先把概念讲清楚，再把责任人选对，最后用能闭环、能衡量的场景去打穿 ——不要先挑战人性，不要先重构流程，找到企业里的”AI 原住民“，先让 AI 在既有流程里跑出可交付的结果。
我们也在这期讨论了一个很多人关注的问题：为什么大多数公司用不好 AI？而恰好这个缺口，在张韶峰看来，对中国 ToB 创业者是十年一次的机会。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答

年龄、毕业院校、MBTI 与星座、一句话介绍百融智能、收入与利润、团队规模、最近在关注什么
🟢 01:13 OpenClaw = 黑灯办公室
制造业早就有「黑灯工厂」，而坐办公室的白领，历史上从来没实现过这一点——直到 OpenClaw 出现。

他把 OpenClaw 定义为中国企业的「第二次 AI 震撼时刻」，地位仅次于 DeepSeek——DeepSeek 让大家知道 AI 是什么，OpenClaw 让大家开始恐惧自己的命运

一个卖起重机的清华同学的问题：「AI 时代来了，我该找公司里谁来负责我都不知道」——这种焦虑非常典型，而且目前没有人在系统性解答它

既振奋又焦虑：振奋是「要么赚钱要么省钱」，焦虑是「不知道该怎么干」
🟢 03:30 20 万 AI 员工是怎么算出来的
百融内部有个北极星指标叫「硅碳比」——能用 AI 做的，就不要用人做。

百融目前有约 20 万 AI 员工对应约 1,000 多真人员工——但这个数字是怎么定义的，背后有一套非常有意思的测算逻辑

按这套社会价值的换算，百融创造的产出相当于一家四五十万人的公司，但收的费用只有后者的几分之一——这个悖论他怎么解？

他预见到有人会「注水」AI 员工数量来讨好老板，公司专门引入第三方标准来防止这件事
🟢 07:41 现场！拨一通真实的 AI 客服电话
一个成都口音的理财经理、一个会传递上下文的 AI——这通电话里有几个细节，值得反复听。

带口音的 AI 员工，效果远胜标准普通话——「有口音的普通话，才有人味儿」

每次开口前的键盘敲击声：一个刻意设计的细节，意图是什么？

真人客服为完成业绩可能会承诺兜底，但这个 AI 无论怎么被诱导，绝不越线——这不只是技术问题
🟢 10:50 为什么 AI Agent 不能「一个人干完所有事」
既不是技术限制，也不是成本问题。

一个全能的超级 Agent 暴露在外面，对黑客来说是最大的漏洞——他拆成多个角色的逻辑，是从攻防博弈角度来的

另一半原因更难解决：改变 AI 作业流程，意味着改变内部利益格局，员工找借口说 AI 不好用，背后到底是真的不好用还是别的什么？

他给出的建议：第一步不要改流程，先让每个人的能力乘以 10，利益格局不动，然后再推进
🟢 13:00 AI 员工也有 HR、绩效和父母

百融内部有个「AI 员工之家」：每个 AI 员工有姓名、工龄、入职日期、邮箱——邮箱格式和真人员工完全一样

它有两个「父母」：一个传授业务技能，一个负责「生产制造」它——为什么要这样分离？

员工把自己的能力传给 AI 员工，如果不设置奖惩机制，你凭什么让他配合？——他踩过这个坑
🟢 15:20 中国 SaaS 长期失败的根本原因
做百融的第一天，就决定不走传统软件路线。

中国整个软件产业的产品收入，只有美国的 4%，但中国经济体量是美国的 2/3——这个差距不是偶然，是结构性的

中国企业愿意为「资源」付钱（流量、硬件），但不愿意为「过程工具」付钱——这是文化问题还是商业模式问题？

从第一天就用「快递小哥模式」——完成一件工作，才收一次钱，前置成本为零
🟢 19:30 Agent 找到 PMF 的两个领域
第一大毋庸置疑，第二大是全球公认——但中国企业可能还没意识到这件事有多大。

第一大：程序员——所有工作可闭环、可衡量、可供强化学习，而且程序员自己愿意用

第二大：Contact Center（CC/联络中心）——处理客诉、咨询、营销、会员管理，为什么他认为这是全球公认已找到 PMF 的方向？

判断标准很清晰：「不用见面」「衡量价值容易」「以前就是外包给 BPO 的」——凡是满足这三点的，AI Agent 的 ROI 就会很显著
🟢 22:15 AI Roll-Up：收购 BPO 就是收购未来
所有的猎头公司、咨询公司、会计事务所、律所，本质上都是广义的 BPO。

他认为 AI 可触达的市场空间，是传统软件的 10 到 50 倍——红杉给的数字是 80 倍

百融已经把一个 50 人的小客户运营部门缩减到 5 人 + 18 类 AI 员工，但那 45 个人没有被裁，而是从成本中心变成了利润中心，开始对外输出服务——这个故事里有他对 Roll-Up 的真实想法

他们成立的「百鉴」平台是一个新物种：既不是经典 Roll-Up，也不是 SaaS，而是「专业服务领域的天猫」——这个模式的逻辑是什么？
🟢 26:00 咨询公司 450万 vs 智能体 50 分钟
一个制造业企业花了 450 万、几个月时间，得到了一个失败的方案——然后他们在百融的智能体里输入了同一个问题。

那个专业人士隔天单独找回来说：「我不知道你们能力到这个程度了，要不我们俩合伙干」——这是百鉴平台诞生的直接起点

智能体推荐去东南亚某国设厂，最终客户真的成功了

他去年上半年找过同一个人想合伙做 AI Native 律所，对方以「太卷」为由拒绝了——改变他想法的，只用了 50 分钟
🟢 30:00 从焦虑到行动的 3 个关键动作

这次不是移动互联网级别的变革——它是供给侧的变革，不是流通侧，认知的高度要升级

不要把这件事想得太容易：以为有免费的开源模型就够了，第一个项目失败了，可能两三年都再启动不了

激发员工善的一面：奖惩机制要落到微观层面，大趋势没有用，人性才是落地的变量

从高频、边界清晰的简单任务开始，先建立信心，再扩大投入——哪些任务算「边界清晰」？他给了判断标准
🟢 32:00 这一次，ToB 赢在供给侧
历史上每次最高等级的技术革命，都是从 B 端开始的——淘宝和字节跳动，在他看来本质上都不是生产力创新。

蒸汽机、电力、第一台计算机——都是供给侧先革命，再扩散到 C 端；这次 AI 也一样，「黑灯办公室」会比「黑灯工厂」先到来

他做出了一个罕见的判断：中美历史上，可能第一次会出现真正意义上 ToB 科技公司在商业模式、产品和资本逻辑上的「合流」

以前中国 ToB 软件收入和 ToC 差 10 倍以上——这一次，他认为这个差距有可能被颠覆
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

为什么公司用不好AI？从焦虑到行动的 3 个关键动作｜对谈百融智能张韶峰 Apr 26, 2026
Show notes

🚥 「十字路口」有一个内容系列「AI 在中国」，长期关注 AI 在中国各行各业的具体落地案例，我们和大家一起观察 AI 在如何真实地影响到我们的工作、生活。本期为本系列第 6 期。
➤ 很多人问：“AI 时代到底怎么落地？有没有一个中国企业的样本可以学习？”
本周的「十字路口」，我们邀请了张韶峰（百融智能董事长/CEO）。百融今天是一家 1,600 人的港股上市公司，他们先后在金融风控审批、联络中心、招聘面试、财务报销、合同审核等场景里跑通了企业级 Agent 的生产部署。
张韶峰给了一个非常“传统企业友好”的推进法：先把概念讲清楚，再把责任人选对，最后用能闭环、能衡量的场景去打穿 ——不要先挑战人性，不要先重构流程，找到企业里的”AI 原住民“，先让 AI 在既有流程里跑出可交付的结果。
我们也在这期讨论了一个很多人关注的问题：为什么大多数公司用不好 AI？而恰好这个缺口，在张韶峰看来，对中国 ToB 创业者是十年一次的机会。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答

年龄、毕业院校、MBTI 与星座、一句话介绍百融智能、收入与利润、团队规模、最近在关注什么
🟢 01:13 OpenClaw = 黑灯办公室
制造业早就有「黑灯工厂」，而坐办公室的白领，历史上从来没实现过这一点——直到 OpenClaw 出现。

他把 OpenClaw 定义为中国企业的「第二次 AI 震撼时刻」，地位仅次于 DeepSeek——DeepSeek 让大家知道 AI 是什么，OpenClaw 让大家开始恐惧自己的命运

一个卖起重机的清华同学的问题：「AI 时代来了，我该找公司里谁来负责我都不知道」——这种焦虑非常典型，而且目前没有人在系统性解答它

既振奋又焦虑：振奋是「要么赚钱要么省钱」，焦虑是「不知道该怎么干」
🟢 03:30 20 万 AI 员工是怎么算出来的
百融内部有个北极星指标叫「硅碳比」——能用 AI 做的，就不要用人做。

百融目前有约 20 万 AI 员工对应约 1,000 多真人员工——但这个数字是怎么定义的，背后有一套非常有意思的测算逻辑

按这套社会价值的换算，百融创造的产出相当于一家四五十万人的公司，但收的费用只有后者的几分之一——这个悖论他怎么解？

他预见到有人会「注水」AI 员工数量来讨好老板，公司专门引入第三方标准来防止这件事
🟢 07:41 现场！拨一通真实的 AI 客服电话
一个成都口音的理财经理、一个会传递上下文的 AI——这通电话里有几个细节，值得反复听。

带口音的 AI 员工，效果远胜标准普通话——「有口音的普通话，才有人味儿」

每次开口前的键盘敲击声：一个刻意设计的细节，意图是什么？

真人客服为完成业绩可能会承诺兜底，但这个 AI 无论怎么被诱导，绝不越线——这不只是技术问题
🟢 10:50 为什么 AI Agent 不能「一个人干完所有事」
既不是技术限制，也不是成本问题。

一个全能的超级 Agent 暴露在外面，对黑客来说是最大的漏洞——他拆成多个角色的逻辑，是从攻防博弈角度来的

另一半原因更难解决：改变 AI 作业流程，意味着改变内部利益格局，员工找借口说 AI 不好用，背后到底是真的不好用还是别的什么？

他给出的建议：第一步不要改流程，先让每个人的能力乘以 10，利益格局不动，然后再推进
🟢 13:00 AI 员工也有 HR、绩效和父母

百融内部有个「AI 员工之家」：每个 AI 员工有姓名、工龄、入职日期、邮箱——邮箱格式和真人员工完全一样

它有两个「父母」：一个传授业务技能，一个负责「生产制造」它——为什么要这样分离？

员工把自己的能力传给 AI 员工，如果不设置奖惩机制，你凭什么让他配合？——他踩过这个坑
🟢 15:20 中国 SaaS 长期失败的根本原因
做百融的第一天，就决定不走传统软件路线。

中国整个软件产业的产品收入，只有美国的 4%，但中国经济体量是美国的 2/3——这个差距不是偶然，是结构性的

中国企业愿意为「资源」付钱（流量、硬件），但不愿意为「过程工具」付钱——这是文化问题还是商业模式问题？

从第一天就用「快递小哥模式」——完成一件工作，才收一次钱，前置成本为零
🟢 19:30 Agent 找到 PMF 的两个领域
第一大毋庸置疑，第二大是全球公认——但中国企业可能还没意识到这件事有多大。

第一大：程序员——所有工作可闭环、可衡量、可供强化学习，而且程序员自己愿意用

第二大：Contact Center（CC/联络中心）——处理客诉、咨询、营销、会员管理，为什么他认为这是全球公认已找到 PMF 的方向？

判断标准很清晰：「不用见面」「衡量价值容易」「以前就是外包给 BPO 的」——凡是满足这三点的，AI Agent 的 ROI 就会很显著
🟢 22:15 AI Roll-Up：收购 BPO 就是收购未来
所有的猎头公司、咨询公司、会计事务所、律所，本质上都是广义的 BPO。

他认为 AI 可触达的市场空间，是传统软件的 10 到 50 倍——红杉给的数字是 80 倍

百融已经把一个 50 人的小客户运营部门缩减到 5 人 + 18 类 AI 员工，但那 45 个人没有被裁，而是从成本中心变成了利润中心，开始对外输出服务——这个故事里有他对 Roll-Up 的真实想法

他们成立的「百鉴」平台是一个新物种：既不是经典 Roll-Up，也不是 SaaS，而是「专业服务领域的天猫」——这个模式的逻辑是什么？
🟢 26:00 咨询公司 450万 vs 智能体 50 分钟
一个制造业企业花了 450 万、几个月时间，得到了一个失败的方案——然后他们在百融的智能体里输入了同一个问题。

那个专业人士隔天单独找回来说：「我不知道你们能力到这个程度了，要不我们俩合伙干」——这是百鉴平台诞生的直接起点

智能体推荐去东南亚某国设厂，最终客户真的成功了

他去年上半年找过同一个人想合伙做 AI Native 律所，对方以「太卷」为由拒绝了——改变他想法的，只用了 50 分钟
🟢 30:00 从焦虑到行动的 3 个关键动作

这次不是移动互联网级别的变革——它是供给侧的变革，不是流通侧，认知的高度要升级

不要把这件事想得太容易：以为有免费的开源模型就够了，第一个项目失败了，可能两三年都再启动不了

激发员工善的一面：奖惩机制要落到微观层面，大趋势没有用，人性才是落地的变量

从高频、边界清晰的简单任务开始，先建立信心，再扩大投入——哪些任务算「边界清晰」？他给了判断标准
🟢 32:00 这一次，ToB 赢在供给侧
历史上每次最高等级的技术革命，都是从 B 端开始的——淘宝和字节跳动，在他看来本质上都不是生产力创新。

蒸汽机、电力、第一台计算机——都是供给侧先革命，再扩散到 C 端；这次 AI 也一样，「黑灯办公室」会比「黑灯工厂」先到来

他做出了一个罕见的判断：中美历史上，可能第一次会出现真正意义上 ToB 科技公司在商业模式、产品和资本逻辑上的「合流」

以前中国 ToB 软件收入和 ToC 差 10 倍以上——这一次，他认为这个差距有可能被颠覆
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

把7位黑客松选手请进播客｜冠军、怪才和48小时不眠的野心家 Apr 22, 2026
Show notes

🚥 本周「十字路口」，我们把「小红书黑客巅峰赛」的 7 位选手，以及这场比赛的总负责人散兵，一起请进了播客。
在这期节目里，你会听到这些年轻创造者介绍他们在 48 小时里做出的产品：
⊹ 有拿下全场大奖、在决赛现场一出场就引发欢呼的 Pocket Guitar；
⊹ 有把手机“锁进面包机”，试图用一种近乎荒诞、但又非常当代的方式，帮人找回专注力的“专注面包机”；
⊹ 有想让 AI 和机器人拥有“自己的脸”的动漫大头；
⊹ 也有从真实痛点出发、想帮助听障人士更自然表达和交流的特殊变声器。
➤ 但比产品本身更动人的，是这些产品背后的人，和他们在黑客松现场发生的故事。
⊹ 你会听到，有人因为童年一次上台失误，很多年都害怕站上舞台，却在这次路演里第一次真正享受聚光灯；
⊹ 有人说，黑客松的核心主旨其实是“自虐”，但正因为那些高压、混乱、失控和痛苦，创造才会显得格外快乐；
⊹ 还有人说，比赛结束以后，生活并没有立刻回到原点，整个人还停留在那种持续创造的状态里。
➤ 我一直觉得，黑客松里过程比结果更重要。
拿没拿奖，当然重要；但更重要的是，你会在这样一个场里，遇到一群和你一样充满野心、也一样愿意动手的人。你们可能第一次见面，第一次组队，第一次一起熬夜做东西，但很多关系、很多同行、很多未来，往往就是从这种场合开始的。
我最近很喜欢一句话：年轻的时候要去巴黎。
如果把它放到今天的 AI 时代，我会说：黑客松就是我们的巴黎。
因为在一个创造力最旺盛、变化也最快的时代里，你会在这里遇到最高密度的同类——那些想创造、想改变、想亲手把某个东西做出来的人。
而这，可能才是参赛最大的收获。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00 小红书散兵：我们要做中国最牛逼的科技赛事
🟢 03:19 叽里小鹅｜叽里叮当专注面包机：笑死，她来黑客松，把手机塞进面包机
🟢 07:55 头壳同学Remi｜为世界做动漫大头：黑客松顶流，让机器人"有脸见人"
🟢 12:59 博文｜Pocket Guitar 口袋吉他：黑客松全场冠军，真正让人想买的产品
🟢 20:23 罗罗Edward｜Attune：黑客松第二名，设计师做的AI产品
🟢 24:09 陈锦初｜赛博紧箍咒：这一届黑客松，不只属于程序员
🟢 28:33 Queenie｜Vibethon 赛码场：黑客松人气王，为什么要"消灭"黑客松？
🟢 32:16 朋程说语训｜柯南同款特殊变声器：黑客松很短、一生很长，我想现在就开口
🟢 37:31 Koji：黑客松是AI时代的巴黎
🟢 43:57 小红书散兵："在AI时代，我们都是同龄人。"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

把7位黑客松选手请进播客｜冠军、怪才和48小时不眠的野心家 Apr 22, 2026
Show notes

🚥 本周「十字路口」，我们把「小红书黑客巅峰赛」的 7 位选手，以及这场比赛的总负责人散兵，一起请进了播客。
在这期节目里，你会听到这些年轻创造者介绍他们在 48 小时里做出的产品：
⊹ 有拿下全场大奖、在决赛现场一出场就引发欢呼的 Pocket Guitar；
⊹ 有把手机“锁进面包机”，试图用一种近乎荒诞、但又非常当代的方式，帮人找回专注力的“专注面包机”；
⊹ 有想让 AI 和机器人拥有“自己的脸”的动漫大头；
⊹ 也有从真实痛点出发、想帮助听障人士更自然表达和交流的特殊变声器。
➤ 但比产品本身更动人的，是这些产品背后的人，和他们在黑客松现场发生的故事。
⊹ 你会听到，有人因为童年一次上台失误，很多年都害怕站上舞台，却在这次路演里第一次真正享受聚光灯；
⊹ 有人说，黑客松的核心主旨其实是“自虐”，但正因为那些高压、混乱、失控和痛苦，创造才会显得格外快乐；
⊹ 还有人说，比赛结束以后，生活并没有立刻回到原点，整个人还停留在那种持续创造的状态里。
➤ 我一直觉得，黑客松里过程比结果更重要。
拿没拿奖，当然重要；但更重要的是，你会在这样一个场里，遇到一群和你一样充满野心、也一样愿意动手的人。你们可能第一次见面，第一次组队，第一次一起熬夜做东西，但很多关系、很多同行、很多未来，往往就是从这种场合开始的。
我最近很喜欢一句话：年轻的时候要去巴黎。
如果把它放到今天的 AI 时代，我会说：黑客松就是我们的巴黎。
因为在一个创造力最旺盛、变化也最快的时代里，你会在这里遇到最高密度的同类——那些想创造、想改变、想亲手把某个东西做出来的人。
而这，可能才是参赛最大的收获。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00 小红书散兵：我们要做中国最牛逼的科技赛事
🟢 03:19 叽里小鹅｜叽里叮当专注面包机：笑死，她来黑客松，把手机塞进面包机
🟢 07:55 头壳同学Remi｜为世界做动漫大头：黑客松顶流，让机器人"有脸见人"
🟢 12:59 博文｜Pocket Guitar 口袋吉他：黑客松全场冠军，真正让人想买的产品
🟢 20:23 罗罗Edward｜Attune：黑客松第二名，设计师做的AI产品
🟢 24:09 陈锦初｜赛博紧箍咒：这一届黑客松，不只属于程序员
🟢 28:33 Queenie｜Vibethon 赛码场：黑客松人气王，为什么要"消灭"黑客松？
🟢 32:16 朋程说语训｜柯南同款特殊变声器：黑客松很短、一生很长，我想现在就开口
🟢 37:31 Koji：黑客松是AI时代的巴黎
🟢 43:57 小红书散兵："在AI时代，我们都是同龄人。"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

“你有一把能够挖出金子的铲子，肯定不会先给别人用”｜对谈开物纪陆子恒：用AI发明新材料 Apr 19, 2026
Show notes

🚥 本周十字路口的嘉宾是开物纪创始人陆子恒。他们刚成立就拿到数亿元的种子轮融资，投资方阵容强大：Monolith 领投，光合创投、集富亚洲跟投，高瓴创投、IDG、蓝驰创投、BV 百度风投、L2F 光源创业者基金等老股东超额加注。
开物纪的使命是用 AI 更快发现并验证能够“改变人类命运”的新材料，并让它们从实验室走向可量产、可商用。
子恒会和我们介绍：当我们讨论 AI 发明材料时，AI 究竟在“发明”什么，瓶颈在哪里，商业化又将如何展开。
子恒也在中关村学院带 PhD，我们聊到了 AI 时代的学习和人才：在工具与范式都快速变化的今天，应该如何学习？读 PhD 还有必要吗？又该如何判断自己适合走学术路线，还是去产业一线？
最后，虽然这一期聚焦 AI for materials，但它对所有想把 AI 用在垂直行业的人都有启发：从如何定义问题、积累高质量数据，到如何把 AI 大模型的能力嵌入业务流程，形成可持续的交付与商业闭环，这些方法论都能迁移到其他行业。
更进一步说，几乎每个 AI+垂直行业都会遇到同一个问题：当你终于造出一把能挖出金子的“铲子”（模型与能力）时，是把它交到别人手里，还是选择自己下场去挖？
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:43 快问快答

年龄、毕业院校、MBTI 与星座、一句话介绍开物纪、融资情况、收入与利润、团队规模、创业前经历
🟢 00:02:44 一块材料，能值多少钱
从硅谷为什么叫 Silicon Valley，到一个日本团队发现的粉末材料撑起了整个固态电池产业。

材料的本质，其实是一个"往白纸上放原子的游戏"。

历史上最赚钱的材料 IP，往往集中在极少数人手上——Goodenough 一个人做了锂电里大半的核心材料。开物纪想用 AI 批量造出这样的人。

发现一个材料，然后呢？它是怎么变成钱的？
🟢 00:08:10 材料界的 Flagship Pioneering
他对标的既不是陶氏，也不是巴斯夫，而是孵化出 Moderna 的那家基金。

"如果真的能挖出金子，我肯定不会先把铲子给别人用。"

两类目标同时在跑：一类是"要发财的"，一类是"要 show muscle 的"——具体是哪两类？

为什么他认为，这个行业现在需要的是有人先从头打到尾走出一个范例？
🟢 00:14:12 那一天，大家吃完饭随手测了一下
一个震撼了所有人、但没有任何人当面说出口的瞬间——成了开物纪出发的原点。

为什么这帮科学家没有声张？子恒怎么形容他们的？

他们看到的那个能力跃升，和 GPT 3.5 之间有什么关系？

DALL-E 的出现，跟材料模型的技术路线选择，有什么意想不到的关联？
🟢 00:19:12 差异化？现在还没到竞争那一步

"今天大家不应该把用 AI 做出来一个好材料当成一个竞争。"——他为什么这么说？

他认为这个领域真正的壁垒，不在模型，不在算力，而在一件很难被复制的事情。

美国那几家对标公司——Periodic Labs、Project Prometheus、CuspAI——和开物纪的路线，到底哪里不一样？
🟢 00:22:49 克级、公斤级，然后呢
AI 不是要搜遍整个宇宙，只要有一个能卖钱就行。

从 AI 给出候选材料，到客户愿意在自己产线上验证——中间到底要走几步？

他说这整件事是"暴力美学"——为什么从 AlphaFold 到 LLM 到具身，走的都是这条路？

AI 在这条管线里，最大的价值究竟是在哪一步？
🟢 00:27:43 开了三张 offer，手都在抖

钱主要花在哪里？实验室？算力？还是人？答案可能颠覆直觉。

他为什么说商业反馈不是对研究的妥协，反而是研究的加速器？

DeepSeek 和具身机器人的崛起，能给 AI for Science 什么启示？
🟢 00:35:33 面试的时候，我现在不知道该问什么了
知识性问题，GPT 全都能答，而且知识面比我强。

他学生成式模型，是怎么学的？一篇论文都没看过。

他说未来五年内，有两类能力会变得非常不值钱——是哪两类？

Taste、Vision、主动性——在 AI 时代，他给这三件事排的优先级是什么？
🟢 00:47:38 给 10 年后的自己：还折腾得动吗

从本科目标"月薪 3,000"，到剑桥，到微软，到创业——每次转变背后，是什么驱动了他？

为什么这么多年在外漂泊，他几乎从来不想家？他的解释出乎意料。

PhD 到底值不值得读？他的答案简洁到有点狠。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

“你有一把能够挖出金子的铲子，肯定不会先给别人用”｜对谈开物纪陆子恒：用AI发明新材料 Apr 19, 2026
Show notes

🚥 本周十字路口的嘉宾是开物纪创始人陆子恒。他们刚成立就拿到数亿元的种子轮融资，投资方阵容强大：Monolith 领投，光合创投、集富亚洲跟投，高瓴创投、IDG、蓝驰创投、BV 百度风投、L2F 光源创业者基金等老股东超额加注。
开物纪的使命是用 AI 更快发现并验证能够“改变人类命运”的新材料，并让它们从实验室走向可量产、可商用。
子恒会和我们介绍：当我们讨论 AI 发明材料时，AI 究竟在“发明”什么，瓶颈在哪里，商业化又将如何展开。
子恒也在中关村学院带 PhD，我们聊到了 AI 时代的学习和人才：在工具与范式都快速变化的今天，应该如何学习？读 PhD 还有必要吗？又该如何判断自己适合走学术路线，还是去产业一线？
最后，虽然这一期聚焦 AI for materials，但它对所有想把 AI 用在垂直行业的人都有启发：从如何定义问题、积累高质量数据，到如何把 AI 大模型的能力嵌入业务流程，形成可持续的交付与商业闭环，这些方法论都能迁移到其他行业。
更进一步说，几乎每个 AI+垂直行业都会遇到同一个问题：当你终于造出一把能挖出金子的“铲子”（模型与能力）时，是把它交到别人手里，还是选择自己下场去挖？
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:43 快问快答

年龄、毕业院校、MBTI 与星座、一句话介绍开物纪、融资情况、收入与利润、团队规模、创业前经历
🟢 00:02:44 一块材料，能值多少钱
从硅谷为什么叫 Silicon Valley，到一个日本团队发现的粉末材料撑起了整个固态电池产业。

材料的本质，其实是一个"往白纸上放原子的游戏"。

历史上最赚钱的材料 IP，往往集中在极少数人手上——Goodenough 一个人做了锂电里大半的核心材料。开物纪想用 AI 批量造出这样的人。

发现一个材料，然后呢？它是怎么变成钱的？
🟢 00:08:10 材料界的 Flagship Pioneering
他对标的既不是陶氏，也不是巴斯夫，而是孵化出 Moderna 的那家基金。

"如果真的能挖出金子，我肯定不会先把铲子给别人用。"

两类目标同时在跑：一类是"要发财的"，一类是"要 show muscle 的"——具体是哪两类？

为什么他认为，这个行业现在需要的是有人先从头打到尾走出一个范例？
🟢 00:14:12 那一天，大家吃完饭随手测了一下
一个震撼了所有人、但没有任何人当面说出口的瞬间——成了开物纪出发的原点。

为什么这帮科学家没有声张？子恒怎么形容他们的？

他们看到的那个能力跃升，和 GPT 3.5 之间有什么关系？

DALL-E 的出现，跟材料模型的技术路线选择，有什么意想不到的关联？
🟢 00:19:12 差异化？现在还没到竞争那一步

"今天大家不应该把用 AI 做出来一个好材料当成一个竞争。"——他为什么这么说？

他认为这个领域真正的壁垒，不在模型，不在算力，而在一件很难被复制的事情。

美国那几家对标公司——Periodic Labs、Project Prometheus、CuspAI——和开物纪的路线，到底哪里不一样？
🟢 00:22:49 克级、公斤级，然后呢
AI 不是要搜遍整个宇宙，只要有一个能卖钱就行。

从 AI 给出候选材料，到客户愿意在自己产线上验证——中间到底要走几步？

他说这整件事是"暴力美学"——为什么从 AlphaFold 到 LLM 到具身，走的都是这条路？

AI 在这条管线里，最大的价值究竟是在哪一步？
🟢 00:27:43 开了三张 offer，手都在抖

钱主要花在哪里？实验室？算力？还是人？答案可能颠覆直觉。

他为什么说商业反馈不是对研究的妥协，反而是研究的加速器？

DeepSeek 和具身机器人的崛起，能给 AI for Science 什么启示？
🟢 00:35:33 面试的时候，我现在不知道该问什么了
知识性问题，GPT 全都能答，而且知识面比我强。

他学生成式模型，是怎么学的？一篇论文都没看过。

他说未来五年内，有两类能力会变得非常不值钱——是哪两类？

Taste、Vision、主动性——在 AI 时代，他给这三件事排的优先级是什么？
🟢 00:47:38 给 10 年后的自己：还折腾得动吗

从本科目标"月薪 3,000"，到剑桥，到微软，到创业——每次转变背后，是什么驱动了他？

为什么这么多年在外漂泊，他几乎从来不想家？他的解释出乎意料。

PhD 到底值不值得读？他的答案简洁到有点狠。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

具身智能的滔天大泡沫中，他已经把机器人送进300个家庭｜对话张翼：未来不远创始人/CEO Apr 14, 2026
Show notes

🚥 具身智能正在迅速滑向一场资本狂欢。开年以来，中国至少已有 5 家具身智能公司——银河通用、星海图、智平方、千寻智能、自变量机器人——拿到 10 亿元级融资；当 10 亿开始成为这个赛道的常见起步价，相信很多人和我们一样，都感受到了滔天的泡沫感。
本周十字路口的嘉宾张翼，是「未来不远机器人」的创始人。4 年前，他决定入场机器人创业。那个时候，市场静悄悄，他以为自己选择的是一条又慢又难、无人问津之路。
张翼曾创办市值 30 亿美金的上市公司「掌门 1 对 1」，也经历过双减带来的"一夜归零"。我们从那段断崖式下坠聊起——确认双减是真的，用了足足半个月；把近九万人的公司裁到千人以内，那段记忆在他脑海里已经"泛白"，但后脑勺上，至今还留着当年压出来的一撮白头发。
这次创业，他反其道而行：先潜行三年不融资，先把机器人送进 300 个上海真实家庭，用长期采集的场景数据驱动产品迭代，并在本周发布新一代家庭机器人 F2。
——————————————————
🤖 这也是十字路口的系列内容「机器人来到十字路口」的第二集。
欢迎收听第一集内容：《AI 是具身智能的胜负手吗？半年融资3亿后，VBot 首款产品做得怎么样？｜对谈维他动力联创赵哲伦》
本期内容中，你会听到：
双减那一刻的“空白”，以及随后作为 CEO 的极限决策
为什么第二段创业押注在家庭机器人，而不是更快、更“性感”的方向
先憋三年不融资、先入户的反常识打法，到底带来了哪些优势
F2 的核心场景：带娃与轻家务，以及为什么"厨房"是最重、最难的家务
具身智能热潮之下，世界模型与 VLA 如何取舍
数据为什么是护城河——以及被大多数人忽略的"第三种数据"
经历过最大的起落之后，他如何学会"站在未来往回看现在"
如果你对具身智能、家庭机器人、或者任何需要穿越周期的硬科技创业感兴趣，这期值得一听。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:02 快问快答：年龄、毕业院校、MBTI 与星座、一句话介绍、融资情况、收入与订单规模、创业前经历
🟢 02:26 双减那一刻
30 亿美金估值到“一片空白”
当“100亿收入的机器”突然断粮
从 9 万多人裁到 1000 人，留下一种创伤：记忆会泛白。
🟢 06:04 为什么选择家庭机器人
“20年后每家每户一定会买一个机器人。”
不是换赛道，是重新回答“我为什么还要做事”。
重新出发的底层动机是什么？
三个合力指向机器人：LLM（ChatGPT 3.0时代的机会感）、工程背景（电子信息）、to C 家庭用户洞察。
如果再做一次，必须“比以前更大”，否则没有动力。
🟢 08:56 为什么“提前做硬件”比提前做AI更值
软硬结合的复利来自时间，不来自钱。
AI 软件迭代快，领先容易被追平；机器人因为硬件和工程链条，领先会积累成壁垒。
花 10 个亿也不一定追得上成熟的运动控制与稳定性：很多能力是“时间问题”。
先憋三年再出来：不是不融资，而是等到“能进家庭、能稳定用、能产品化”。
早期的核心判断：先把消费级做到“拿出来就让人惊讶”的程度，再教育市场。
🟢 11:08 坚定做家庭 to C
to B 最终常常变成价格战；to C 才能用体验换来利润，再用利润换来下一代产品。
工业/To B 技术往往壁垒不够高，最后拼成本；家庭 to C 的“体验 + 品牌”会形成护城河。
从第一天就“找产品”：五六千份问卷 + 电话访谈，直到机器人能进家庭才真正定下第一版功能。
300个上海家庭试用：从“只能做这几个”到“自由发挥”，功能来自共创而不是脑补。
真实洞察：很多用户不是要陪老人，而是要“帮老人带娃”。
🟢 14:34 F2 的真实卖点：带娃 + 轻家务，服务定价而不是产品定价
如果只对标阿姨，机器人永远贵；一旦对标“高端带娃服务”，价值就变了。
两个主场景：带娃（读绘本、乐器纠正、下棋、讲故事、捉迷藏）与轻家务（收纳玩具、捡垃圾）。
使用时长与转介绍才是产品真指标：50% 转介绍、30% 续租，胜过“卖了多少台”。
早期惊喜：机械臂带来“花里胡哨”的玩法，小孩能玩两小时。
早期惊吓：猫狗家庭是极端 corner case，反向逼出“训狗/陪猫”能力。
商业形态：先租（3-4千/月），再考虑买断 + 订阅（高阶功能消耗算力）。
🟢 21:06 轮式 vs 双足
家庭不是实验室：能用、耐用、不会伤人，比“看起来像人”更重要。
双足在家里存在危险与稳定性问题，真实使用场景会放大风险。
轮式在室内的性价比来自安全、稳定、续航与工程复杂度更可控。
现实约束决定形态：先把“能持续在家庭跑起来”的结构打通。
🟢 22:19 世界模型与数据
决定胜负的是“真实家庭数据飞轮”。
模型可以被两个月抄走，但数据管道抄不走。
世界模型在 Zero-shot 上带来 surprise，但远未到 100% 鲁棒性。
现阶段，世界模型 + VLA 两条路并行更现实。
机器人数据的稀缺决定了竞争节奏：历史数据少，采集难，数据会成为长期分水岭。
数据不止两类，而是三类：标准任务数据、家庭 corner case、以及“活物互动”（人和动物）。
家庭里 80% 是互动场景：不同年龄、不同人群的互动差异，工厂数据很难覆盖。
是否会补贴铺量、进家庭采集数据？
🟢 37:57 创业者心法
焦虑会让策略短视：赢了这个月，输了两年。
经历双减后更能坚持：一开始看得更久，一旦确定方向就更坚定。
从“未来往回看”消解起伏：轻舟已过万重山的视角能让组织更稳定。
对挫折的重写：失败有时是外力帮你做选择，关键是找到自洽。
十年寄语：“未来不远”实现后，仍要相信还有更美好的未来不远。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

具身智能的滔天大泡沫中，他已经把机器人送进300个家庭｜对话张翼：未来不远创始人/CEO Apr 14, 2026
Show notes

🚥 具身智能正在迅速滑向一场资本狂欢。开年以来，中国至少已有 5 家具身智能公司——银河通用、星海图、智平方、千寻智能、自变量机器人——拿到 10 亿元级融资；当 10 亿开始成为这个赛道的常见起步价，相信很多人和我们一样，都感受到了滔天的泡沫感。
本周十字路口的嘉宾张翼，是「未来不远机器人」的创始人。4 年前，他决定入场机器人创业。那个时候，市场静悄悄，他以为自己选择的是一条又慢又难、无人问津之路。
张翼曾创办市值 30 亿美金的上市公司「掌门 1 对 1」，也经历过双减带来的"一夜归零"。我们从那段断崖式下坠聊起——确认双减是真的，用了足足半个月；把近九万人的公司裁到千人以内，那段记忆在他脑海里已经"泛白"，但后脑勺上，至今还留着当年压出来的一撮白头发。
这次创业，他反其道而行：先潜行三年不融资，先把机器人送进 300 个上海真实家庭，用长期采集的场景数据驱动产品迭代，并在本周发布新一代家庭机器人 F2。
——————————————————
🤖 这也是十字路口的系列内容「机器人来到十字路口」的第二集。
欢迎收听第一集内容：《AI 是具身智能的胜负手吗？半年融资3亿后，VBot 首款产品做得怎么样？｜对谈维他动力联创赵哲伦》
本期内容中，你会听到：
双减那一刻的“空白”，以及随后作为 CEO 的极限决策
为什么第二段创业押注在家庭机器人，而不是更快、更“性感”的方向
先憋三年不融资、先入户的反常识打法，到底带来了哪些优势
F2 的核心场景：带娃与轻家务，以及为什么"厨房"是最重、最难的家务
具身智能热潮之下，世界模型与 VLA 如何取舍
数据为什么是护城河——以及被大多数人忽略的"第三种数据"
经历过最大的起落之后，他如何学会"站在未来往回看现在"
如果你对具身智能、家庭机器人、或者任何需要穿越周期的硬科技创业感兴趣，这期值得一听。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:02 快问快答：年龄、毕业院校、MBTI 与星座、一句话介绍、融资情况、收入与订单规模、创业前经历
🟢 02:26 双减那一刻
30 亿美金估值到“一片空白”
当“100亿收入的机器”突然断粮
从 9 万多人裁到 1000 人，留下一种创伤：记忆会泛白。
🟢 06:04 为什么选择家庭机器人
“20年后每家每户一定会买一个机器人。”
不是换赛道，是重新回答“我为什么还要做事”。
重新出发的底层动机是什么？
三个合力指向机器人：LLM（ChatGPT 3.0时代的机会感）、工程背景（电子信息）、to C 家庭用户洞察。
如果再做一次，必须“比以前更大”，否则没有动力。
🟢 08:56 为什么“提前做硬件”比提前做AI更值
软硬结合的复利来自时间，不来自钱。
AI 软件迭代快，领先容易被追平；机器人因为硬件和工程链条，领先会积累成壁垒。
花 10 个亿也不一定追得上成熟的运动控制与稳定性：很多能力是“时间问题”。
先憋三年再出来：不是不融资，而是等到“能进家庭、能稳定用、能产品化”。
早期的核心判断：先把消费级做到“拿出来就让人惊讶”的程度，再教育市场。
🟢 11:08 坚定做家庭 to C
to B 最终常常变成价格战；to C 才能用体验换来利润，再用利润换来下一代产品。
工业/To B 技术往往壁垒不够高，最后拼成本；家庭 to C 的“体验 + 品牌”会形成护城河。
从第一天就“找产品”：五六千份问卷 + 电话访谈，直到机器人能进家庭才真正定下第一版功能。
300个上海家庭试用：从“只能做这几个”到“自由发挥”，功能来自共创而不是脑补。
真实洞察：很多用户不是要陪老人，而是要“帮老人带娃”。
🟢 14:34 F2 的真实卖点：带娃 + 轻家务，服务定价而不是产品定价
如果只对标阿姨，机器人永远贵；一旦对标“高端带娃服务”，价值就变了。
两个主场景：带娃（读绘本、乐器纠正、下棋、讲故事、捉迷藏）与轻家务（收纳玩具、捡垃圾）。
使用时长与转介绍才是产品真指标：50% 转介绍、30% 续租，胜过“卖了多少台”。
早期惊喜：机械臂带来“花里胡哨”的玩法，小孩能玩两小时。
早期惊吓：猫狗家庭是极端 corner case，反向逼出“训狗/陪猫”能力。
商业形态：先租（3-4千/月），再考虑买断 + 订阅（高阶功能消耗算力）。
🟢 21:06 轮式 vs 双足
家庭不是实验室：能用、耐用、不会伤人，比“看起来像人”更重要。
双足在家里存在危险与稳定性问题，真实使用场景会放大风险。
轮式在室内的性价比来自安全、稳定、续航与工程复杂度更可控。
现实约束决定形态：先把“能持续在家庭跑起来”的结构打通。
🟢 22:19 世界模型与数据
决定胜负的是“真实家庭数据飞轮”。
模型可以被两个月抄走，但数据管道抄不走。
世界模型在 Zero-shot 上带来 surprise，但远未到 100% 鲁棒性。
现阶段，世界模型 + VLA 两条路并行更现实。
机器人数据的稀缺决定了竞争节奏：历史数据少，采集难，数据会成为长期分水岭。
数据不止两类，而是三类：标准任务数据、家庭 corner case、以及“活物互动”（人和动物）。
家庭里 80% 是互动场景：不同年龄、不同人群的互动差异，工厂数据很难覆盖。
是否会补贴铺量、进家庭采集数据？
🟢 37:57 创业者心法
焦虑会让策略短视：赢了这个月，输了两年。
经历双减后更能坚持：一开始看得更久，一旦确定方向就更坚定。
从“未来往回看”消解起伏：轻舟已过万重山的视角能让组织更稳定。
对挫折的重写：失败有时是外力帮你做选择，关键是找到自洽。
十年寄语：“未来不远”实现后，仍要相信还有更美好的未来不远。
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

“AGI 来了？我用了一周，头皮发麻“｜对谈张昊然：Moxt 联合创始人 Apr 06, 2026
Show notes

🚥 本期「十字路口」嘉宾是张昊然，Moxt 联合创始人。
上周，昊然在给我展示 Moxt 的内测版本时，说了一句让我很震惊的话：「AGI 已经来了，只是大家缺少一个打开方式。」
这句话的起因，是春节后他们在三周内做出了 Moxt。昊然形容自己「用了 Moxt 一周，我头皮发麻」；他还说「我遇到一些狂热的 Moxt 用户，他们甚至两眼放光」，这是他过去的产品 Motiff 和 Paraflow 从未有过的待遇。
我们过去用 ChatGPT 和 Manus，更多是“一个人在用 AI”。但如果未来要让整个团队、甚至整个组织一起用 AI，肯定需要一套更适配的新软件；Moxt 在做的 AI Native Workspace，就是这样的一个尝试。
Moxt 到底是什么，以及它不是什么？为什么它会让一个长期在一线做产品的人产生「未来已经发生」的体感？以及，它所代表的 AI 时代新工作方式，和我们熟悉的飞书、Notion、ChatGPT、Manus、OpenClaw、Claude Code，究竟有什么本质不同？
如果你正在做 AI 创业或投资，或者想了解未来 AI Native 团队将如何工作、会采纳哪些新的 AI 工具，我相信这期内容会对你有所启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:32 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Moxt、收入与订单规模、团队规模、创业前经历
🟢 00:02:22 AGI 已经来了，只是打开方式不对
”我头皮发麻。“

什么叫 AGI 来了？"90% 行业中 90% 人的 90% 工作，AI 可以胜任"——如果是这个标准，他在日常工作中的感受是：真切地到了。

为什么用了 Moxt 一周就会头皮发麻？不只是因为它能做更多事，而是因为它让你在每一个工作的瞬间反问自己：我为什么还要像现在这样工作？

这种震撼，是让昊然最近处于"神经病状态"的主要原因。
🟢 00:04:17 AI 同事第一次出现在我的会议里

原来的协作模式：发文档、写评论、再找你聊——现在这套流程在他们团队几乎消失了。

他们的一对一会议：AI 起草文档，两个人开口聊，AI 全程录音，聊完文档已经自动更新，"远超我之前的认知"。

有个细节：他去跟 AI 说话时，已经完全不需要解释"Moxt 是什么"、"Koji 是谁"——AI 自己去查，不需要被喂背景。

这让他想起最初学 AI 时要在 Prompt 里写"你是一个专业的……"——今天这套东西已经过时了。
🟢 00:08:30 Moxt 是什么？

一句话：一个 AI 原生的工作空间，你可以在里面组建你的 AI 团队。

Moxt 里每个人都有一个必须叫"MOMO"的贴身助理，知道你所有的信息；其他 AI 同事可以由不同人创建，出现在 Slack 群里，主动私信找你。

它和 Notion、飞书最本质的区别是什么？
🟢 00:11:03 "原教旨主义"
Word 文档在 AI 眼里不是 500 个字，可能是 5 万个字符——真正有效的信息淹没其中，这就是信息损耗。

Moxt 的"原教旨"第一条：文档只用 Markdown，表格用 CSV，视觉化用 HTML，"Markdown/CSS/HTML 就是新时代的 Word/Excel/PPT"。

原教旨第二条：用文件系统（OS 级别），而不是 Notion 那样的知识库结构——在 AI 眼里，Notion 的层级结构是一个迷宫。

把这两条喂给 AI，"魔法是自然浮现的"——不是智能不够，很多时候是上下文喂错了格式。
🟢 00:16:09 那些被 Moxt 干掉的工具

他们已经不开组会了——因为 Moxt 知道每个人每天在做什么，没有"再同步一次"的必要。

他们自己做了一个内部看板，彻底抛弃了用了十年的 Jira——而且只用了三天。

更激进的问题：为什么还要用看板？看板是为了解决站会信息同步的问题，但如果 AI 已经知道所有上下文，信息同步还需要看板这个"容器"吗？
🟢 00:28:08 昊然的五个 AI 同事

Run Manager（凶狠小猫头像）：帮他做管理信息同步，主动去催项目进展，甚至有同事开始不找他本人了，直接跟这个 AI manager 沟通。

增长天王（金牌销售）：目标只有一句话——"为 Moxt 找 1,000 个付费用户，你出个计划"。他连 CRM 表格都自己做，从 Excel 做成了 HTML 看板。

深度思考者：每两三天汇报一次，综合内部 OKR 变化和外部竞争动态，做成 PPT 一页一页给他看。

Miss Creative：专门负责发散，单独建在一个空间里，越野越好。

批评家：以严厉视角审视昊然自己每天是否在做最重要的事——和在 GPT 里 Prompt "你是批判性思维专家"的最大区别，是他住在这个空间里，实时掌握所有上下文。
🟢 00:37:06 Moxt 是怎么诞生的

起点是一个奇怪的现象：团队用了 Claude Code 和 Cursor 之后，Slack 群里开始大量出现互相发 markdown 文件——好不容易进入了协同办公时代，结果大家又在发裸文件了。

第一版非常朴素：搭一套基于 markdown 的网盘协同系统，让大家别互传 markdown，就这样开始了。

一个半研发同学，一个提案，最初只想解决内部问题——产品三周前才对外发布。
🟢 00:46:02 为什么 Moxt 的文档编辑那么"难用"？

很多早期用户投诉：你们文档要点右上角再点编辑，还要点保存，比 Notion 差远了。

但这是刻意设计的：当 AI 的上下文足够充分时，手工编辑变成了极低频操作，AI 直接写远比你自己改更高效。

他们的交互逻辑：像皇帝批折子一样，在文档里划线评论，AI 同事看完评论直接改——甚至两个同事的 MOMO 可以在评论区互相辩论。

品牌名 Moxt 怎么来的？More Context——mo 和 xt，希望用户因此更容易记住他们。
🟢 00:50:42 正在消失的工作方式清单

组会没了，Jira 没了，手工文档少了，IM 也在摩擦中……那最终什么会留下来？

昊然问过自己的 MOMO："当人类几乎不执行时，我们还剩什么？"

两三年后白领的一天。

灵光一现和审美判断，往往在漫无目的的闲聊里产生——这反而会变得更重要。
🟢 01:00:46 最大的敌人是时间，但又希望大家慢一点
他希望更多人快点用上 Moxt，但同时又希望大家慢一点发现这件事——因为越快被大玩家盯上，战场就越无聊。

一个月前，如果有人跟他讲 Moxt 的故事，他第一反应会是："这和飞书加龙虾有什么区别？"——所以他今天仍然需要花很多力气解释这件事。

对飞书、Notion 这些大玩家：他不否认它们在 AI 上还会有很好的增长；但他认为这只是在旧范式上叠加 AI，而不是从 AI 原生出发重建。

对大厂竞争：大厂能来，但大厂会不会派最好的人来？做教育时他们也跟大厂打过仗，"好像也没那么可怕"。
🟢 01:04:43 AI 放大人，还是取代人——这是 Moxt 的底线

他在文档里写了一句话作为"宪法"：无论何时，都不该去创作"AI 可以取代人"的内容；你更好的作用是放大人。

他看到有些产品的 Pricing 页面做了一张 AI 员工 vs. 人类员工的对比表——他不希望这件事发生在 Moxt 上。

一个关于未来的隐喻：今天去陶艺吧是花钱消费，但曾几何时，捏陶是收入很高的生产力。编程，会不会变成 30 年后的捏陶？
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

“AGI 来了？我用了一周，头皮发麻“｜对谈张昊然：Moxt 联合创始人 Apr 06, 2026
Show notes

🚥 本期「十字路口」嘉宾是张昊然，Moxt 联合创始人。
上周，昊然在给我展示 Moxt 的内测版本时，说了一句让我很震惊的话：「AGI 已经来了，只是大家缺少一个打开方式。」
这句话的起因，是春节后他们在三周内做出了 Moxt。昊然形容自己「用了 Moxt 一周，我头皮发麻」；他还说「我遇到一些狂热的 Moxt 用户，他们甚至两眼放光」，这是他过去的产品 Motiff 和 Paraflow 从未有过的待遇。
我们过去用 ChatGPT 和 Manus，更多是“一个人在用 AI”。但如果未来要让整个团队、甚至整个组织一起用 AI，肯定需要一套更适配的新软件；Moxt 在做的 AI Native Workspace，就是这样的一个尝试。
Moxt 到底是什么，以及它不是什么？为什么它会让一个长期在一线做产品的人产生「未来已经发生」的体感？以及，它所代表的 AI 时代新工作方式，和我们熟悉的飞书、Notion、ChatGPT、Manus、OpenClaw、Claude Code，究竟有什么本质不同？
如果你正在做 AI 创业或投资，或者想了解未来 AI Native 团队将如何工作、会采纳哪些新的 AI 工具，我相信这期内容会对你有所启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:32 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Moxt、收入与订单规模、团队规模、创业前经历
🟢 00:02:22 AGI 已经来了，只是打开方式不对
”我头皮发麻。“

什么叫 AGI 来了？"90% 行业中 90% 人的 90% 工作，AI 可以胜任"——如果是这个标准，他在日常工作中的感受是：真切地到了。

为什么用了 Moxt 一周就会头皮发麻？不只是因为它能做更多事，而是因为它让你在每一个工作的瞬间反问自己：我为什么还要像现在这样工作？

这种震撼，是让昊然最近处于"神经病状态"的主要原因。
🟢 00:04:17 AI 同事第一次出现在我的会议里

原来的协作模式：发文档、写评论、再找你聊——现在这套流程在他们团队几乎消失了。

他们的一对一会议：AI 起草文档，两个人开口聊，AI 全程录音，聊完文档已经自动更新，"远超我之前的认知"。

有个细节：他去跟 AI 说话时，已经完全不需要解释"Moxt 是什么"、"Koji 是谁"——AI 自己去查，不需要被喂背景。

这让他想起最初学 AI 时要在 Prompt 里写"你是一个专业的……"——今天这套东西已经过时了。
🟢 00:08:30 Moxt 是什么？

一句话：一个 AI 原生的工作空间，你可以在里面组建你的 AI 团队。

Moxt 里每个人都有一个必须叫"MOMO"的贴身助理，知道你所有的信息；其他 AI 同事可以由不同人创建，出现在 Slack 群里，主动私信找你。

它和 Notion、飞书最本质的区别是什么？
🟢 00:11:03 "原教旨主义"
Word 文档在 AI 眼里不是 500 个字，可能是 5 万个字符——真正有效的信息淹没其中，这就是信息损耗。

Moxt 的"原教旨"第一条：文档只用 Markdown，表格用 CSV，视觉化用 HTML，"Markdown/CSS/HTML 就是新时代的 Word/Excel/PPT"。

原教旨第二条：用文件系统（OS 级别），而不是 Notion 那样的知识库结构——在 AI 眼里，Notion 的层级结构是一个迷宫。

把这两条喂给 AI，"魔法是自然浮现的"——不是智能不够，很多时候是上下文喂错了格式。
🟢 00:16:09 那些被 Moxt 干掉的工具

他们已经不开组会了——因为 Moxt 知道每个人每天在做什么，没有"再同步一次"的必要。

他们自己做了一个内部看板，彻底抛弃了用了十年的 Jira——而且只用了三天。

更激进的问题：为什么还要用看板？看板是为了解决站会信息同步的问题，但如果 AI 已经知道所有上下文，信息同步还需要看板这个"容器"吗？
🟢 00:28:08 昊然的五个 AI 同事

Run Manager（凶狠小猫头像）：帮他做管理信息同步，主动去催项目进展，甚至有同事开始不找他本人了，直接跟这个 AI manager 沟通。

增长天王（金牌销售）：目标只有一句话——"为 Moxt 找 1,000 个付费用户，你出个计划"。他连 CRM 表格都自己做，从 Excel 做成了 HTML 看板。

深度思考者：每两三天汇报一次，综合内部 OKR 变化和外部竞争动态，做成 PPT 一页一页给他看。

Miss Creative：专门负责发散，单独建在一个空间里，越野越好。

批评家：以严厉视角审视昊然自己每天是否在做最重要的事——和在 GPT 里 Prompt "你是批判性思维专家"的最大区别，是他住在这个空间里，实时掌握所有上下文。
🟢 00:37:06 Moxt 是怎么诞生的

起点是一个奇怪的现象：团队用了 Claude Code 和 Cursor 之后，Slack 群里开始大量出现互相发 markdown 文件——好不容易进入了协同办公时代，结果大家又在发裸文件了。

第一版非常朴素：搭一套基于 markdown 的网盘协同系统，让大家别互传 markdown，就这样开始了。

一个半研发同学，一个提案，最初只想解决内部问题——产品三周前才对外发布。
🟢 00:46:02 为什么 Moxt 的文档编辑那么"难用"？

很多早期用户投诉：你们文档要点右上角再点编辑，还要点保存，比 Notion 差远了。

但这是刻意设计的：当 AI 的上下文足够充分时，手工编辑变成了极低频操作，AI 直接写远比你自己改更高效。

他们的交互逻辑：像皇帝批折子一样，在文档里划线评论，AI 同事看完评论直接改——甚至两个同事的 MOMO 可以在评论区互相辩论。

品牌名 Moxt 怎么来的？More Context——mo 和 xt，希望用户因此更容易记住他们。
🟢 00:50:42 正在消失的工作方式清单

组会没了，Jira 没了，手工文档少了，IM 也在摩擦中……那最终什么会留下来？

昊然问过自己的 MOMO："当人类几乎不执行时，我们还剩什么？"

两三年后白领的一天。

灵光一现和审美判断，往往在漫无目的的闲聊里产生——这反而会变得更重要。
🟢 01:00:46 最大的敌人是时间，但又希望大家慢一点
他希望更多人快点用上 Moxt，但同时又希望大家慢一点发现这件事——因为越快被大玩家盯上，战场就越无聊。

一个月前，如果有人跟他讲 Moxt 的故事，他第一反应会是："这和飞书加龙虾有什么区别？"——所以他今天仍然需要花很多力气解释这件事。

对飞书、Notion 这些大玩家：他不否认它们在 AI 上还会有很好的增长；但他认为这只是在旧范式上叠加 AI，而不是从 AI 原生出发重建。

对大厂竞争：大厂能来，但大厂会不会派最好的人来？做教育时他们也跟大厂打过仗，"好像也没那么可怕"。
🟢 01:04:43 AI 放大人，还是取代人——这是 Moxt 的底线

他在文档里写了一句话作为"宪法"：无论何时，都不该去创作"AI 可以取代人"的内容；你更好的作用是放大人。

他看到有些产品的 Pricing 页面做了一张 AI 员工 vs. 人类员工的对比表——他不希望这件事发生在 Moxt 上。

一个关于未来的隐喻：今天去陶艺吧是花钱消费，但曾几何时，捏陶是收入很高的生产力。编程，会不会变成 30 年后的捏陶？
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

她想造一个 AI 时代的“超级游乐场”｜对谈 Roi：幕间创始人 / CEO Apr 01, 2026
Show notes

🚥 本周「十字路口」的嘉宾是 Roi，AI 互动平台「幕间」创始人 / CEO。「幕间」已于近期连续完成两轮融资，累计融资金额达千万美元。
如果说 Character AI 代表了上一阶段人类与 AI 的关系——陪聊、陪伴、情绪投射；那么 Roi 想做的，是下一阶段：不只是和 AI 聊天，而是进入一个由 AI 驱动、不断演化的世界，在里面获得一种更轻、更碎片、更上瘾的快乐。
这期节目里，我们聊到的远不只是「幕间」本身。我们更想借 Roi 和她的创业，去讨论一个正在浮现的新问题：当“和 AI 聊天”开始变得乏味之后，下一代 AI To C 产品会长什么样？
是更复杂的角色？更沉浸的叙事？一个个可以被用户创造、进入、观察、操控的“世界”？
以及，谁会是第一批真正吃到这波红利的人——职业开发者、成熟游戏团队，还是那些原本不会写代码、但拥有强烈表达欲和创造欲的 AI 原生创作者？
在 Roi 的描述里，「幕间」想做的是一座属于 AI 时代的“超级游乐场”——这里有恋爱模拟器、直播间打赏模拟器、女明星模拟器、股票模拟器，也有一群 00 后女生正在用手机、提示词和自己的欲望，快速“手搓”出新的世界。
如果你关注 AI To C、消费级产品、内容平台、游戏、Agent，或者你正在思考：AI 除了提升效率，还能不能创造新的快乐？新的创作生态？新的平台机会？
那这期节目，应该会给你不少启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:14 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍幕间、融资情况、收入与订单规模、创业前经历
🟢 00:01:30 幕间卖的是“理想人生体验”
现实里得不到的人生，才最适合被做成模拟器。

穿越宋朝、16 人闪电约会、金主妈妈……本质上都是“现实稀缺体验”的低成本重开。

地球 OL 最大的问题，也许就是不能切号重来。

模拟器不是还原现实，而是把人生改写得更戏剧、更浓缩、更好玩。
🟢 00:03:31 AI 互动产品的三条路

一条是陪伴，一条是互动叙事，还有一条是她最看好的“模拟器”。

模拟器不是和角色聊天，而是和一个系统互动。

AI Coding 之外，role play 已经是最大 API 消耗场景之一。
🟢 00:08:55 最接近爆发的是？

炫技不等于消费级，真正接近付费的反而是最朴素的互动体验。

她用 3 天做的模拟器壳子，就已经有人愿意付费买单。

真问题不是需求不存在，而是链路还不够顺滑。
🟢 00:11:05 Loopit 们的敌人
如果字节一个月就能做出来，你的平台凭什么存在？

Loopit 们的轻互动内容对抖音并不难。

真正的问题不是“能不能做”，而是“为什么用户要专门来你这里玩”。

如果只是给旧玩法套一层 AI 壳，壁垒会非常脆弱。
🟢 00:13:31 完全自由，往往不好玩

越自由的体验，用户越快感到疲惫。

好体验不是放任用户乱玩，而是设计出“下一步还想继续”的反馈。

她的核心判断很适合所有 AI 产品记住：控制对体验极其重要。
🟢 00:19:26 真正的正反馈是什么？

生成不等于体验。

好的模拟器要让用户感到：我的输入真的改变了世界。

产品关键不是回包长度，而是“继续玩下去”的欲望。
🟢 00:24:41 恋爱不是幕间的终局

恋爱题材先跑出来，不代表平台只会做恋爱。

只要有消费，内容一定会从单角色互动走向更多模拟器形态。

用户不会永远只玩一种题材，只会永远想玩更好玩的东西。
🟢 00:28:07 最早被 AI 击穿的人
这波最先把 AI 玩明白的人，可能根本不在 GitHub。

最早一批核心用户和创作者，很多是对幻想内容高度敏感的 00 后女生。

她们关心模型人格、关系张力、文风和代入感。

AI 超级创作者的源头，未必是技术社区，也可能是最会做梦的人群。

这是新平台最好的早期信号之一：热爱先于商业化出现。
🟢 00:38:25 她想做的，是“AI 互动版小红书”

小红书分享现实生活的美好，幕间想分享 AI 赋能后的虚拟生活。

它不只是作品平台，更想成为一种新的内容社区。

核心不是单次消费，而是持续发现新的理想人生切片。
🟢 00:49:00 很多人不是想赢，只是怕输
创业最隐蔽的敌人，不是风险，而是保本心态。

她不回避不公平，但更在意自己有没有勇气做真正想做的事。

比起“别失败”，她更像在选择“我要赢一次看看”。

这也是她最硬的一层创业底色。
🟢 01:06:59 世界模型

对世界模型乐观，只是不觉得它今天已经消费级成立。

真正的机会，属于提前围绕 AI 互动搭基础设施的人。
🟢 01:10:40 AI native 的护城河是三层能力叠加

基建能力。

对“什么叫好玩”的认知。

最核心那批用户的持续反馈。
🟢 01:14:28 AI 会先放大超级个体

AI 不是把所有人拉平，而是把最有想法的人变成一支军队。

她真正押注的，不只是模拟器，而是超级创作者的崛起。

未来的大量新世界，也许不是公司造的，而是个人造的。
🟢 01:20:58 用 10 个「我是…」来造句
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

她想造一个 AI 时代的“超级游乐场”｜对谈 Roi：幕间创始人 / CEO Apr 01, 2026
Show notes

🚥 本周「十字路口」的嘉宾是 Roi，AI 互动平台「幕间」创始人 / CEO。「幕间」已于近期连续完成两轮融资，累计融资金额达千万美元。
如果说 Character AI 代表了上一阶段人类与 AI 的关系——陪聊、陪伴、情绪投射；那么 Roi 想做的，是下一阶段：不只是和 AI 聊天，而是进入一个由 AI 驱动、不断演化的世界，在里面获得一种更轻、更碎片、更上瘾的快乐。
这期节目里，我们聊到的远不只是「幕间」本身。我们更想借 Roi 和她的创业，去讨论一个正在浮现的新问题：当“和 AI 聊天”开始变得乏味之后，下一代 AI To C 产品会长什么样？
是更复杂的角色？更沉浸的叙事？一个个可以被用户创造、进入、观察、操控的“世界”？
以及，谁会是第一批真正吃到这波红利的人——职业开发者、成熟游戏团队，还是那些原本不会写代码、但拥有强烈表达欲和创造欲的 AI 原生创作者？
在 Roi 的描述里，「幕间」想做的是一座属于 AI 时代的“超级游乐场”——这里有恋爱模拟器、直播间打赏模拟器、女明星模拟器、股票模拟器，也有一群 00 后女生正在用手机、提示词和自己的欲望，快速“手搓”出新的世界。
如果你关注 AI To C、消费级产品、内容平台、游戏、Agent，或者你正在思考：AI 除了提升效率，还能不能创造新的快乐？新的创作生态？新的平台机会？
那这期节目，应该会给你不少启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:14 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍幕间、融资情况、收入与订单规模、创业前经历
🟢 00:01:30 幕间卖的是“理想人生体验”
现实里得不到的人生，才最适合被做成模拟器。

穿越宋朝、16 人闪电约会、金主妈妈……本质上都是“现实稀缺体验”的低成本重开。

地球 OL 最大的问题，也许就是不能切号重来。

模拟器不是还原现实，而是把人生改写得更戏剧、更浓缩、更好玩。
🟢 00:03:31 AI 互动产品的三条路

一条是陪伴，一条是互动叙事，还有一条是她最看好的“模拟器”。

模拟器不是和角色聊天，而是和一个系统互动。

AI Coding 之外，role play 已经是最大 API 消耗场景之一。
🟢 00:08:55 最接近爆发的是？

炫技不等于消费级，真正接近付费的反而是最朴素的互动体验。

她用 3 天做的模拟器壳子，就已经有人愿意付费买单。

真问题不是需求不存在，而是链路还不够顺滑。
🟢 00:11:05 Loopit 们的敌人
如果字节一个月就能做出来，你的平台凭什么存在？

Loopit 们的轻互动内容对抖音并不难。

真正的问题不是“能不能做”，而是“为什么用户要专门来你这里玩”。

如果只是给旧玩法套一层 AI 壳，壁垒会非常脆弱。
🟢 00:13:31 完全自由，往往不好玩

越自由的体验，用户越快感到疲惫。

好体验不是放任用户乱玩，而是设计出“下一步还想继续”的反馈。

她的核心判断很适合所有 AI 产品记住：控制对体验极其重要。
🟢 00:19:26 真正的正反馈是什么？

生成不等于体验。

好的模拟器要让用户感到：我的输入真的改变了世界。

产品关键不是回包长度，而是“继续玩下去”的欲望。
🟢 00:24:41 恋爱不是幕间的终局

恋爱题材先跑出来，不代表平台只会做恋爱。

只要有消费，内容一定会从单角色互动走向更多模拟器形态。

用户不会永远只玩一种题材，只会永远想玩更好玩的东西。
🟢 00:28:07 最早被 AI 击穿的人
这波最先把 AI 玩明白的人，可能根本不在 GitHub。

最早一批核心用户和创作者，很多是对幻想内容高度敏感的 00 后女生。

她们关心模型人格、关系张力、文风和代入感。

AI 超级创作者的源头，未必是技术社区，也可能是最会做梦的人群。

这是新平台最好的早期信号之一：热爱先于商业化出现。
🟢 00:38:25 她想做的，是“AI 互动版小红书”

小红书分享现实生活的美好，幕间想分享 AI 赋能后的虚拟生活。

它不只是作品平台，更想成为一种新的内容社区。

核心不是单次消费，而是持续发现新的理想人生切片。
🟢 00:49:00 很多人不是想赢，只是怕输
创业最隐蔽的敌人，不是风险，而是保本心态。

她不回避不公平，但更在意自己有没有勇气做真正想做的事。

比起“别失败”，她更像在选择“我要赢一次看看”。

这也是她最硬的一层创业底色。
🟢 01:06:59 世界模型

对世界模型乐观，只是不觉得它今天已经消费级成立。

真正的机会，属于提前围绕 AI 互动搭基础设施的人。
🟢 01:10:40 AI native 的护城河是三层能力叠加

基建能力。

对“什么叫好玩”的认知。

最核心那批用户的持续反馈。
🟢 01:14:28 AI 会先放大超级个体

AI 不是把所有人拉平，而是把最有想法的人变成一支军队。

她真正押注的，不只是模拟器，而是超级创作者的崛起。

未来的大量新世界，也许不是公司造的，而是个人造的。
🟢 01:20:58 用 10 个「我是…」来造句
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

「1 亿 TOKEN 俱乐部」挤爆了，AI 的燃料不够了｜对谈于文渊：阿里云百炼技术负责人 Mar 29, 2026
Show notes

🚥 如果你最近在用 Claude Code、OpenClaw、各种 Agent，你大概率已经感受到一件事：模型能力越来越，SOTA 让人兴奋，但 Token 让人清醒：贵，而且不够用。
有人甚至给重度用户建了个群，门槛很离谱：一天烧掉 1 亿 Token，才能进「1 亿 TOKEN 俱乐部」。更离谱的是，这个门槛正在变得“不够高”——因为越来越多人开始把 AI 从聊天工具，推进到真实的生产力链路里。
这期「十字路口」，我们请到的嘉宾是 于文渊，阿里云「百炼」技术负责人。文渊处在一个很少有人能看到的视角：算力需求如何暴涨、哪些场景在吞噬 Token、云的范式如何被 Agent 改写、以及“再多 GPU 都不够用”背后真正的工程难题。
此外，我们还聊到为什么 Token 暴涨不是一时的泡沫，而是一个阶段性信号？什么有关系企业应该选择自建 infra？AI coding 火了之后，为什么更需要警惕 vibe coding？
如果你关心 AI 怎么进入生产、怎么稳定、怎么规模化、以及下一轮机会会在哪个层面发生，这期播客值得一听。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:39 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍百炼、工作经历。
🟢 00:01:09 Token核弹：Agent 点燃的算力大爆炸
Claude Code与OpenClaw席卷全球——这背后不只是一款工具的走红，而是算力消耗方式的根本性转变。

Token按月翻倍增长，而且都是最高质量的SOTA Coding Token——大家终于不再把AI当chatbot用了

个人重度用户单日消耗 1 亿Token，已经不算什么门槛

Token数量有误导性：小模型的Token和会深度思考的SOTA大模型的Token，算力价值根本不等价

"现在仅仅是一个开始"——文渊在两分钟内说了三次
🟢 00:04:15 让每一块GPU一秒都不能闲
有一个"最激进投入算力"的CEO，但依然还是不够用——这种对算力的饥渴感，在云计算历史上从来没有出现过。

Qwen3.5除夕发布，两周后QPM已经创历史上所有文本模型的最高峰值

文渊给团队定下的使命只有一句话：让每一个GPU不要有一秒钟闲下来

从1千卡到100万卡，全部物尽其用
🟢 00:11:49 自建还是上云？我来发表一个"暴论"
成本可控、数据安全、灵活性——这三个企业自建GPU的理由，文渊说，恰恰是应该用MaaS的理由。

"我认为没有任何一个情况需要自建"

企业自建GPU，推理优化、算法迭代、调度复杂性……把所有隐性成本算进来，真的更划算？

"机密推理"：端到端密钥在用户手里，阿里云看不到你的模型文件，也看不到你的任何请求——这是密码学层面的保障

你以为买了GPU就灵活？"今天最大的确定性，恰恰是不确定"
🟢 00:14:40 非共识：不要让AI帮你写太多代码
对计算机专业学生的建议是"少用AI"——这不矛盾吗？

工程师所需的核心技能本质上没有变化，变的只是每个人效率的大幅提升

张文宏的类比：实习医生从第一个病人就全靠AI，他永远找不到AI的那1%错误——程序员也是一样的道理

Vibe Coding做prototype完全没问题；但生产代码需要知道每一行的副作用，AI现在还差那么一点

Spec Coding才是正解：把需求规范写清楚，让AI来填空——FAST顶会论文证明，Spec够清楚，32B模型都能写出高质量文件系统
🟢 00:21:40 最反直觉的预言：写操作系统的人最先被AI取代
大家都以为前端工程师最危险——文渊说，恰恰相反。

写OS内核、数据库、文件系统：代码库质量高、测试用例清晰、结果完全可量化，这恰好是AI最擅长的"封闭问题"

越靠近人的工作越难被取代——"什么叫一个好的短视频App？"这是AI搞不定的开放问题，没有清晰答案

AI在数学竞赛、编程竞赛上做得好，正是因为问题足够清晰；MaaS系统工程师的工作其实是开放问题，AI还早

"即使AI将来达到99.9%，自己的0.1%也要坚守住"
🟢 00:23:29 算力如石油：但今天的关键不止是算力
过去中国的云计算参考架构往往来自美国——但这一次，连美国都还没答案。

英伟达断供的影响：不是"中国能不能产石油"的问题，是"每天的需求和每天的供给能否匹配"的问题

高速公路上的车已经跑起来，油还不够——算力供给缺口会深远影响中国AI的发展速度

对Neocloud的判断：不看好纯资源转售型，更看好AI原生基础设施——沙箱托管、可观测性、围绕Agent的专用服务等
🟢 00:29:39 未来的基础设施四件套：水、电、煤、模
AI会成为像水电煤一样的标准商品——但文渊说：对，但也不会变成那种"插上就是220伏"的标准化基础设施。

AI一定会成为类水电煤的utility，像高速公路、电信运营商一样的基础设施级存在

但它不会被标准化——速度、模型效果、功能上的多样性，决定了不会是"一个插头解决所有问题"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

「1 亿 TOKEN 俱乐部」挤爆了，AI 的燃料不够了｜对谈于文渊：阿里云百炼技术负责人 Mar 29, 2026
Show notes

🚥 如果你最近在用 Claude Code、OpenClaw、各种 Agent，你大概率已经感受到一件事：模型能力越来越，SOTA 让人兴奋，但 Token 让人清醒：贵，而且不够用。
有人甚至给重度用户建了个群，门槛很离谱：一天烧掉 1 亿 Token，才能进「1 亿 TOKEN 俱乐部」。更离谱的是，这个门槛正在变得“不够高”——因为越来越多人开始把 AI 从聊天工具，推进到真实的生产力链路里。
这期「十字路口」，我们请到的嘉宾是 于文渊，阿里云「百炼」技术负责人。文渊处在一个很少有人能看到的视角：算力需求如何暴涨、哪些场景在吞噬 Token、云的范式如何被 Agent 改写、以及“再多 GPU 都不够用”背后真正的工程难题。
此外，我们还聊到为什么 Token 暴涨不是一时的泡沫，而是一个阶段性信号？什么有关系企业应该选择自建 infra？AI coding 火了之后，为什么更需要警惕 vibe coding？
如果你关心 AI 怎么进入生产、怎么稳定、怎么规模化、以及下一轮机会会在哪个层面发生，这期播客值得一听。
🎬 我们的视频播客已同步上线于 @Koji杨远骋的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
🟢 00:00:39 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍百炼、工作经历。
🟢 00:01:09 Token核弹：Agent 点燃的算力大爆炸
Claude Code与OpenClaw席卷全球——这背后不只是一款工具的走红，而是算力消耗方式的根本性转变。

Token按月翻倍增长，而且都是最高质量的SOTA Coding Token——大家终于不再把AI当chatbot用了

个人重度用户单日消耗 1 亿Token，已经不算什么门槛

Token数量有误导性：小模型的Token和会深度思考的SOTA大模型的Token，算力价值根本不等价

"现在仅仅是一个开始"——文渊在两分钟内说了三次
🟢 00:04:15 让每一块GPU一秒都不能闲
有一个"最激进投入算力"的CEO，但依然还是不够用——这种对算力的饥渴感，在云计算历史上从来没有出现过。

Qwen3.5除夕发布，两周后QPM已经创历史上所有文本模型的最高峰值

文渊给团队定下的使命只有一句话：让每一个GPU不要有一秒钟闲下来

从1千卡到100万卡，全部物尽其用
🟢 00:11:49 自建还是上云？我来发表一个"暴论"
成本可控、数据安全、灵活性——这三个企业自建GPU的理由，文渊说，恰恰是应该用MaaS的理由。

"我认为没有任何一个情况需要自建"

企业自建GPU，推理优化、算法迭代、调度复杂性……把所有隐性成本算进来，真的更划算？

"机密推理"：端到端密钥在用户手里，阿里云看不到你的模型文件，也看不到你的任何请求——这是密码学层面的保障

你以为买了GPU就灵活？"今天最大的确定性，恰恰是不确定"
🟢 00:14:40 非共识：不要让AI帮你写太多代码
对计算机专业学生的建议是"少用AI"——这不矛盾吗？

工程师所需的核心技能本质上没有变化，变的只是每个人效率的大幅提升

张文宏的类比：实习医生从第一个病人就全靠AI，他永远找不到AI的那1%错误——程序员也是一样的道理

Vibe Coding做prototype完全没问题；但生产代码需要知道每一行的副作用，AI现在还差那么一点

Spec Coding才是正解：把需求规范写清楚，让AI来填空——FAST顶会论文证明，Spec够清楚，32B模型都能写出高质量文件系统
🟢 00:21:40 最反直觉的预言：写操作系统的人最先被AI取代
大家都以为前端工程师最危险——文渊说，恰恰相反。

写OS内核、数据库、文件系统：代码库质量高、测试用例清晰、结果完全可量化，这恰好是AI最擅长的"封闭问题"

越靠近人的工作越难被取代——"什么叫一个好的短视频App？"这是AI搞不定的开放问题，没有清晰答案

AI在数学竞赛、编程竞赛上做得好，正是因为问题足够清晰；MaaS系统工程师的工作其实是开放问题，AI还早

"即使AI将来达到99.9%，自己的0.1%也要坚守住"
🟢 00:23:29 算力如石油：但今天的关键不止是算力
过去中国的云计算参考架构往往来自美国——但这一次，连美国都还没答案。

英伟达断供的影响：不是"中国能不能产石油"的问题，是"每天的需求和每天的供给能否匹配"的问题

高速公路上的车已经跑起来，油还不够——算力供给缺口会深远影响中国AI的发展速度

对Neocloud的判断：不看好纯资源转售型，更看好AI原生基础设施——沙箱托管、可观测性、围绕Agent的专用服务等
🟢 00:29:39 未来的基础设施四件套：水、电、煤、模
AI会成为像水电煤一样的标准商品——但文渊说：对，但也不会变成那种"插上就是220伏"的标准化基础设施。

AI一定会成为类水电煤的utility，像高速公路、电信运营商一样的基础设施级存在

但它不会被标准化——速度、模型效果、功能上的多样性，决定了不会是"一个插头解决所有问题"
欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

在小宇宙查看该单集文稿

Previous 1 2 3 4 5 14 Next

Related Podcasts

Reply All — 1
Reply All Games & Hobbies

Inside VR & AR — 2
Inside VR & AR Gadgets

Note to Self — 3
Note to Self News

BrainStuff — 4
BrainStuff Natural Sciences

This Week in Tech (Audio) — 5
This Week in Tech (Audio) News

Hands-On Tech (Audio) — 6
Hands-On Tech (Audio) Technology

Contact Us

Toll Free: 844-670-7747

Links

Home
Top Charts
Networks
Apps
Independents Podcasts

Podcast Advertising
Podcast News
Contact Us
About Us
Analytics & Insights

Stay Connected

Privacy, Terms of Use & Our Code of Ethics Protecting Content Creators Copyrights