TopPodcast.com
Menu
  • Home
  • Top Charts
  • Top Networks
  • Top Apps
  • Top Independents
  • Top Podfluencers
  • Top Picks
    • Top Business Podcasts
    • Top True Crime Podcasts
    • Top Finance Podcasts
    • Top Comedy Podcasts
    • Top Music Podcasts
    • Top Womens Podcasts
    • Top Kids Podcasts
    • Top Sports Podcasts
    • Top News Podcasts
    • Top Tech Podcasts
    • Top Crypto Podcasts
    • Top Entrepreneurial Podcasts
    • Top Fantasy Sports Podcasts
    • Top Political Podcasts
    • Top Science Podcasts
    • Top Self Help Podcasts
    • Top Sports Betting Podcasts
    • Top Stocks Podcasts
  • Podcast News
  • About Us
  • Podcast Advertising
  • Contact
Not in our directory?
Add Show Here
Podcast Equipment
Center

toppodcastlogoOur TOPPODCAST Picks

  • Comedy
  • Crypto
  • Sports
  • News
  • Politics
  • True Crime
  • Business
  • Finance

Follow Us

toppodcastlogoStay Connected

    View Top 200 Chart
    Back to Rankings Page
    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!

    Advertise
    • Apple Podcasts
    • Google Play
    • Spotify

    Latest Episodes:
    #586.All-in:Anthropic 的Fable风波、AI 国有化、通胀升温与加州选举乱象 Jun 16, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:硅谷科技、商业与政治评论播客《All-In Podcast: Anthropic's Fable Backlash, Nationalizing AI, Inflation Heats Up & California’s Broken Elections》

    本期节目是一次典型的 All-In 式高密度圆桌辩论。四位 “Besties” 从 Anthropic 新模型 Fable Five 引发的开发者反弹切入,讨论了一个越来越现实的问题:当企业把知识、工作流和核心研发交给闭源 AI 模型时,是否也把自己的命门交给了少数模型公司?节目里,Chamath 将 Anthropic 的做法概括为企业 AI 治理与单点故障风险,Friedberg 以基因组学和农业生物技术为例,说明过度安全限制如何迫使公司转向开源和本地模型,Sacks 则猛烈批评这可能演变成监管俘获、反竞争和“AI 拥有者 vs 无 AI 者”的新权力结构。

    随后,话题转向 Bernie Sanders 提出的 AI 公司股权征收和主权财富基金方案。几位主持人虽然反对强制没收,但也承认,当 AI 公司一边使用全人类知识训练模型,一边不断宣称 AI 会让普通人失业时,公众要求分享收益几乎是一种必然反应。节目后半段还讨论了通胀升温、伊朗战争对能源价格的冲击,以及加州选举制度在邮寄选票、ballot harvesting 和选民身份验证上的争议。

    这期节目不仅是一场关于 Anthropic 的争论,更是一场关于 AI 时代权力如何分配的讨论:谁能控制模型?谁能使用能力?谁承担风险?谁分享收益?以及,当技术已经无法被关回盒子里时,社会应该监管工具本身,还是监管工具进入现实世界后的结果?

    👥 本期主持

    Jason Calacanis,连续创业者、天使投资人,Launch 创始人,All-In Podcast 主持人之一。

    Chamath Palihapitiya,Social Capital 创始人兼 CEO,前 Facebook 高管,长期关注科技投资、资本市场与国家基础设施。

    David Friedberg,The Production Board 创始人兼 CEO,连续创业者,关注农业、生物技术、能源与科学产业化。

    David Sacks,Craft Ventures 联合创始人,企业软件创业者与投资人,长期参与硅谷科技政策、AI 和政治议题讨论。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    AI 守门人争议:Anthropic Fable Five 风波

    01:37 Anthropic 新模型发布:更强能力、更高价格与更重护栏

    02:51 Prompt 保留 30 天、前沿研究降级:开发者为何愤怒

    03:49 Chamath:企业必须开始思考“我怎样掌握 AI 控制权”

    05:41 Friedberg:科学研发被限制后,公司会被迫转向开源模型

    08:30 中国开源模型崛起:美国限制自己,是否等于把优势让给别人

    10:35 Sacks:从强制监控到模型降级,AI 公司正在制造新的守门机制

    14:03 隐形操控风险:模型公司是否会偏向自己的合作伙伴

    15:41 自由市场能否解决模型偏见与产品体验问题

    16:47 监管俘获:一边削弱产品,一边呼吁政府限制竞争

    17:41 算力与电力护城河:开源模型真正缺的不是实验室,而是基础设施

    19:35 Evo 2 与基因组语言模型:开源科学模型的现实价值

    21:03 替 Dario 做最强辩护:强模型到底该不该被谨慎释放

    23:42 AI 与核技术类比:同一套能力既能治病,也可能被武器化

    25:11 监管应该管工具访问,还是管现实世界输出

    28:03 KYC、护栏与企业使用权:是否存在更精细的安全方案

    31:01 Jason 现场测试被降级:敏感问题如何触发模型切换

    33:11 生物安全的现实护栏:核酸合成筛查与记录保存

    36:07 开源模型已经扩散:AI 不可能被“关掉”

    AI 国有化与公众收益

    38:14 Bernie Sanders 提案:AI 公司 50% 股权进入主权财富基金

    40:39 Sacks:反对没收财产,但理解公众为什么会有这种情绪

    41:59 AI 失业叙事的反噬:AI CEO 自己制造了政治风险

    44:55 Friedberg:把社保基金改造成主权财富基金,而不是没收企业

    46:16 AI 不会摧毁工作:真正机会在收入端和生产率提升

    48:29 AI、就业与叙事差异:Elon、Dario、Sam 的说法并不相同

    50:15 “愚蠢税”:当 AI 公司反复说自己有害,公众自然要求夺回收益

    52:15 Chamath:AI 不是互联网,边际用户成本是真实存在的

    54:17 能源、GPU 与国家基础设施:政府为何可能有谈判筹码

    56:03 哪些 AI 公司可能上市,谁会成为公共收益讨论的对象

    57:43 开源初衷:OpenAI 最初为何叫 OpenAI

    58:58 开源前沿实验室的瓶颈:不是人才,而是电力

    All-In 活动回顾

    59:19 Liquidity 与嘉宾回顾:Sarah Friar、Thomas Laffont 等亮点

    01:01:19 风投概率论:为什么越大的赢家,继续变大的概率反而更高

    01:02:30 “万亿独角兽”与偿还国债的玩笑

    通胀、战争与利率

    01:03:22 CPI、PPI 创多年高位:市场开始重新定价加息风险

    01:04:23 Friedberg:伊朗战争带来能源冲击,但根源仍是政府过度支出

    01:06:25 Chamath:油价、太阳能、中国储备与通胀压力

    01:08:22 Sacks:市场似乎仍押注伊朗局势会有解决方案

    01:09:00 Jason:伊朗战争可能成为巨大且长期的政策错误

    加州选举制度争议

    01:09:39 洛杉矶市长初选:现场投票与邮寄选票差异引发争议

    01:10:42 Friedberg:邮寄选票、ballot harvesting 与“任命式选举”

    01:12:42 加州选举规则变化:选票收集、普遍邮寄与身份验证争议

    01:16:24 Sacks:脏选民名册、签名验证和保管链问题

    01:20:29 Jason:统计异常不等于已经证明舞弊,为什么不调查

    01:22:08 Chamath:加州政治机器与单党治理结构

    01:24:50 选民身份证明与邮寄选票:哪些改革具备常识基础

    01:27:01 Friedberg:国会应建立“一个人一票”的最低制度保障

    01:30:32 Sacks:不要否认自己看到的统计异常

    01:33:15 媒体为何不追问:两极化如何压制选举诚信讨论

    01:36:02 最强解释尝试:地面组织、收票机器与合法但可疑的操作空间

    01:38:23 节目收尾:Besties 互怼与告别

    🌟 精彩内容

    💡 “公司需要开始认真评估 AI 的下一阶段:我怎样掌握控制权?”

    Chamath 认为,Anthropic Fable Five 的争议不只是一个产品策略问题,而是企业 AI 治理的转折点。如果企业使用的模型可以在不透明条件下记录、判断、降级甚至限制输出,那么 AI 就从工具变成了潜在的单点故障。企业需要思考:核心数据给谁看?谁能从这些数据中学习?是否应该把关键能力押在单一闭源模型上?

    🧬 科学创新与安全护栏的冲突

    Friedberg 以基因组学和农业生物技术为例,说明强模型在设计遗传构建体、预测基因变体影响等科学任务中有巨大价值。但如果模型因为理论上的生物武器风险而大范围限制相关能力,实际结果可能不是风险消失,而是企业被迫转向本地开源模型。这样的限制甚至可能让美国企业更多依赖中国开源模型。

    “你不能只是关掉 AI,也不能关掉人们对这些东西的访问。你会做成的事情,是逼着别人获得不公平的优势。”

    🧱 AI 守门人与监管俘获

    Sacks 的核心批评是,Anthropic 一边对用户 prompt 和上下文进行保留与监控,一边根据内部判断决定用户能否使用最强模型能力,同时又呼吁建立更强监管。他认为这可能导向一种“AI 拥有者与无 AI 者”的结构:少数大公司和监管机构共同决定谁配使用强能力,谁只能被降级。

    “这些强大的大型科技公司会决定你配不配。它们会决定你是 AI 拥有者,还是无 AI 者。”

    🔓 开源不是选择题,而是战略安全问题

    节目多次强调,开源模型已经扩散,无法被关回盒子里。Friedberg 认为,与其试图限制模型本身,不如在更靠近现实输出的环节设置护栏,例如核酸合成筛查、危险材料管控、网络攻击执法等。Jason 则表示愿意投资开源前沿模型公司,但 Chamath 提醒,真正的瓶颈是电力和算力基础设施,而不是实验室数量。

    “模型已经被放到世界上了。这就像出版一本书。书一旦印出来,任何人都可以复印。”

    💰 AI 国有化争议:没收,还是让公众参与收益?

    Bernie Sanders 提出向大型 AI 公司征收 50% 股票税,建立公共主权财富基金。几位主持人普遍反对强制没收,但承认这种提案并非凭空出现。AI 公司一方面使用全人类知识训练模型,一方面反复告诉公众 AI 会让大量人失业,自然会引发“那我能得到什么”的政治反弹。Friedberg 提出更温和方案:改革 Social Security Trust Fund,让其像主权财富基金一样投资优秀企业,而不是直接没收股权。

    📈 AI 与就业:不是裁员机器,而是收入增长引擎

    Friedberg 强烈反对“AI 必然导致大规模失业”的叙事。他认为企业有收入端和成本端,AI 的最大机会不是减少人,而是让公司创造过去无法创造的新产品、新服务和新收入。一个工程师可以完成过去几十倍甚至上百倍的工作,公司因此反而需要招聘更多人来抓住机会。

    “认为 AI 会摧毁工作岗位,这是一种卢德主义想法,而且每天都在被证伪。”

    ⚡ AI 的经济学不同于互联网

    Chamath 指出,互联网公司的边际用户成本接近于零,因此 Google、Facebook 等能享受极高利润率。但 AI 不一样,每增加一个用户,都要消耗 GPU、电力和内存。AI 公司深度依赖国家级能源、数据中心和关键基础设施,这也成为政府参与收益分配或谈判股权时可能使用的理由。

    🔥 通胀回归与战争风险

    节目后半段讨论 CPI 和 PPI 升温。Friedberg 认为短期通胀与伊朗战争导致的能源冲击有关,但长期根源仍是政府过度支出。Chamath 则提醒,如果中国重新大规模进入现货市场购买原油,油价可能大幅上行,并通过全球商品和服务传导到 CPI。几位主持人都认为,伊朗局势需要尽快找到下台阶。

    🗳️ 加州选举制度:统计异常、制度漏洞与信任危机

    围绕洛杉矶市长初选,节目最后展开激烈争论。Friedberg 和 Sacks 认为,加州长期放宽邮寄选票、选票收集和身份验证规则,已经制造了严重选举诚信疑虑。Jason 则不断提醒:统计异常值得调查,但需要区分“看起来不对劲”“制度设计有漏洞”和“已经证明存在大规模舞弊”。最终几位都同意,选民身份证明、选民名册清理和更可靠的审计机制,是恢复选举信任的关键。

    🌐 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

    #585.产品人如何烧掉简历,在 AI 时代打造真正有野心的消费产品 Jun 15, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:硅谷顶尖创投播客《Lenny's Podcast》Why most PMs have the right instincts but the wrong ideas | Mark Pincus (Zynga Founder)

    本期嘉宾 Mark Pincus 是 Zynga 创始人,也是 FarmVille、Words With Friends、Zynga Poker 等现象级消费产品背后的关键人物之一。在这期对话里,Mark 系统分享了他多年打造消费级产品的底层方法论:为什么你的本能大多是对的,但你的想法大多是错的;为什么真正有野心的创始人,反而应该从一个更小、更谦卑、甚至有点“不体面”的地方开始;为什么很多伟大产品并不是凭空创造,而是对已有行为的精确复制、微小改进和关键新意。

    节目中,Mark 重点拆解了他在 Zynga 内部形成的 Proven-Better-New 框架:先找到已经被市场验证的体验,做到像素级理解;再做出用户十个里十个都会承认的“更好”;最后只加入一个足以激发尝试欲望的新东西。他还谈到 AI 时代的产品机会与风险:AI 不应该只是帮你更快做出一个错误产品,而应该成为测试机器、失败机器,让团队以极低成本快速验证大量想法。

    这期不仅是一堂消费产品方法论课,也是一场关于野心、判断、分发、组织管理和 AI 时代教育的深度对话。如果你正在做产品、创业,或正在思考 AI 时代普通产品人还能如何创造真正有价值的东西,这期会非常值得反复听。

    👨‍⚕️ 本期嘉宾

    Mark Pincus,Zynga 创始人、Tribe 联合创始人,连续创业者和消费产品专家。他曾打造或推动 FarmVille、Words With Friends、Zynga Poker、Mafia Wars 等现象级产品。Mark 也是新书《Life at the Speed of Play》的作者,书中系统总结了他关于消费产品、创业、管理和互联网创新的经验。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    产品创意的底层框架

    05:10 Proven-Better-New:为什么伟大产品很少从空白开始

    06:10 直觉与想法:你的本能 95% 是对的,但想法 75% 是错的

    07:00 Sid Meier 的失败案例:再好的创新,也会死在糟糕的首次体验里

    08:00 Proven:先成为已有最佳实践的博士,再谈创新

    08:40 Better:真正的“更好”,必须让十个用户里十个都想要

    09:20 New:新东西是下载理由,但大概率会失败

    10:40 时间机器视角:如果当年 Tribe 更懂测试,可能会走向不同结局

    复制、创新与消费者野心

    14:50 “道德套利”:为什么产品人需要跨过复制的心理门槛

    15:40 烧掉简历:把野心定义在消费者眼里,而不是同行眼里

    16:20 好的复制:让用户感受到更好,而不是感受到你在抄

    16:50 Craigslist 加照片:世界级产品人为什么会为一个小功能花两年

    18:30 iPhone、Chrome、水杯:大多数产品都是已有事物的更好版本

    19:30 从别人产品里挖金矿:当一个功能被做对,却被放错位置

    20:50 纯创新 vs Proven-Better-New:Angry Birds 与 Draw Something 的两条路

    越有野心,越要从小处开始

    22:40 少一点野心,反而可能做出更大的产品

    23:00 PMF 的悖论:宏大愿景会让你错过最小的真实信号

    24:20 Tribe 的教训:太想做完整社交网络,反而没有抓住单一场景

    24:50 Zynga 的起点:一个看起来“不够体面”的 Facebook 扑克游戏

    25:40 创业公司的优势:你可以追逐巨头看不上的小线头

    26:40 Bolt.new 与 Slack:伟大产品常常诞生在边缘的小工具里

    28:40 Founder Mode:有勇气告诉团队“现在这个还不是”

    杀死希望,找到真正的 A 产品

    30:40 在希望杀死你之前,先杀死希望

    31:20 信念 vs 希望:希望是没有依据的信心

    31:50 MVP 的危险:不要把“可行”误认为“值得发布”

    32:20 AI 的风险:它让我们更容易快速做出可行但错误的产品

    32:40 AI 的正确用法:一天测试一百个想法,而不是三个月做一个想法

    33:40 先做错,再验证:把产品拆成最低成本的测试

    34:00 FarmVille 扩展包案例:把广告变成产品测试和收入引擎

    35:20 一千九百万美元的提前访问权:测试、热度和商业化如何合一

    36:00 Vibe coding 的方向:做反馈循环最低成本的版本

    Zynga 真正赢在哪里

    36:50 Zynga 的争议:为什么 FarmVille 和 CityVille 让一些产品人反感

    37:30 不是病毒传播,而是长期留存

    38:00 通过游戏连接世界:给旧玩法增加社交维度

    38:40 Invest、Express、Connect:让用户感觉自己有创造力,并通过表达连接他人

    39:30 D365 留存:真正有价值的公司,一年后用户还会回来

    40:50 下沉的快艇:靠病毒增长但留不住用户的产品终会沉没

    41:50 ASN 指标:活跃社交网络如何预测长期留存

    42:40 社交反馈循环:点赞、评论、回礼为何能制造强多巴胺

    AI 时代,社交应用还有机会吗?

    43:20 消费级社交的困境:为什么大家好像放弃了新社交应用

    44:00 潜在需求:不存在的品类,不代表用户不想要

    44:40 Zynga 的游戏直觉:成年人其实想玩,只是门槛太高

    45:50 社交产品失去肾上腺素:Instagram 更像薯片,而不是派对

    46:40 退出社交平台后的 NPS:从正三十五到负三十五

    47:00 AI Agent 时代的新社交:重新创造社交生产力

    47:50 “鸡尾酒会”隐喻:好的社交产品让人庆幸自己来了

    48:40 从 Napster 到 Facebook:社交网络本质上是更好的线索获取

    49:40 今天的鸡尾酒会在哪里:我们都在 Claude 和 GPT 里,但那里还很安静

    50:20 B+ 产品判断:如果你还在问它是不是 A,那它就不是 A

    51:30 真正的强信号:你会爱它、朋友会爱它、指标也会证明它

    52:40 叫停 B+ 的力量:Mark 叫停 dot Earth 后重新找回兴奋感

    分发、平台与消费产品新机会

    53:55 AI 让产品更容易做,但分发更难了

    54:50 AI 还不是新平台:它是重要技术,但还没有成为真正的消费平台

    55:50 发现机制坏掉了:用户几乎不再主动安装新应用

    56:40 消费产品为什么变得“不适合投资”

    57:30 分发必须内嵌进产品,而不是事后补营销

    58:20 Prosumer 路线:先服务愿意主动寻找和付费的重度用户

    58:50 免费 Token 假设:如果 AI 成本趋近于零,会诞生什么消费服务

    59:50 Agent 社交膜:AI 如何作为人与人之间的智能信任中介

    01:02:20 新平台的边缘:LLM 可能会争夺消费者和开发者心智

    01:03:20 Agentic 旅行顾问:为什么旅行服务是 AI 消费应用的完美例子

    01:05:20 平台会开放还是吞掉一切:OpenAI、Claude、Grok 与创业公司的未来关系

    组织、管理与产品型 CEO

    01:06:20 让每个人都成为 CEO:用经营权替代日常管理

    01:07:10 管理的本质:当你不在房间里,别人也能做正确的事

    01:08:20 专家证人:为什么离一线最近的人,常常离决策最远

    01:09:40 贴近一线:产品型 CEO 必须深入像素级细节

    01:10:40 倒金字塔组织:最有经验的人应该参与最关键的用户体验决策

    01:11:30 微观管理是美好的:只要你还是最好的选手,就应该上场

    01:12:40 教学医院:如何把创始人的产品火焰传给团队

    01:13:30 技术助理机制:培养“小号的你”,让产品判断在组织里扩散

    01:14:20 CEO 最重要的工作:判断正确,比执行漂亮更重要

    AI 时代的育儿与人生判断

    01:15:40 AI 时代如何教育孩子:培养好的人,而不是只培养好学生

    01:16:30 在孩子所在的位置接住他们:把每个孩子当作独立的人

    01:17:30 “爸爸数学”:用好奇心和游戏感培养数学脑

    01:18:40 大规模教育的终点:知识工作正在变化,但教育体系还在训练旧能力

    01:19:40 批判性思维:教孩子提出更好的问题,而不是记住更多答案

    01:20:30 创造而非消费:让孩子把新的东西带到世界里

    01:21:40 人生格言 Google Doc:不要把事往自己身上揽,也不要当受害者

    结尾:打造互联网宝藏

    01:23:10 找到自己的为什么:Mark 为什么还在继续做产品

    01:23:50 互联网宝藏:让人无法想象没有它之前的生活

    01:24:50 《Life at the Speed of Play》:一本关于产品打法和理念的书

    01:26:00 收尾:产品手艺是一场持续对话

    🌟 精彩内容

    💡 Proven-Better-New:降低失败概率的产品创意框架

    Mark Pincus 认为,伟大产品并不是凭空出现的。Proven 是已经在当前平台、当前受众、当前体验里被验证过的东西;Better 是现有用户十个里十个都会承认的改进;New 则是让人愿意尝试的新卖点。真正的产品创新,是把创新区域隔离出来,不要让产品因为错误的基础体验而失败。

    “你的本能百分之九十五是对的;你的想法百分之七十五是错的。”

    🔥 如果你真的有野心,就烧掉简历

    Mark 提出一个非常反直觉的观点:真正有野心的产品人,不应该把野心定义在同行、媒体、奖项或简历里,而应该定义在消费者眼里。你要赢得的不是产品圈的尊重,而是那些真实用户的心智。FarmVille 看起来“不酷”,但它赢得了大量普通用户的时间、情感和社交关系。

    “如果你真的有野心,就把简历烧掉。”

    🧩 复制不是耻辱,差的复制才是

    Mark 把复制称为一种“道德套利”。产品人从小被教育不要抄袭,但商业世界里,很多伟大产品都是对已有行为、已有体验的吸收和进化。关键不是照抄,而是像素级理解用户为什么喜欢原来的东西,再做出他们能感受到的更好。

    “你不是为了赢得奖项,也不是为了赢得同行的尊重。你要从消费者的眼里,定义自己的野心。”

    🚀 越有野心,越要谦卑地开始

    Mark 反复强调,很多巨大产品的起点都小到“不好意思”。Facebook 最早只是哈佛校园里的资料浏览工具;Zynga 最早只是一个 Facebook 扑克游戏;Slack 也来自团队内部工具。创业公司的优势恰恰在于可以追逐巨头看不上的小线头。

    “你越有野心,就越应该谦卑,也越应该愿意从一个更小的地方开始。”

    ⚰️ 在希望杀死你之前,先杀死希望

    Mark 区分了信念和希望:信念来自真实体验、用户反馈和数据;希望则只是没有依据的祈祷。很多创始人会抱着“下个版本就会好”的幻想,把一个 B+ 甚至 D 的产品拖很久。他认为,如果你还在问自己的产品是不是 A,那它就不是 A。

    “如果你还在问自己的产品是不是 A,那它就不是 A。”

    🤖 AI 应该是测试机器,而不是造梦机器

    在 Mark 看来,AI 最大的价值不是让团队三个月做出一个“可行产品”,而是让团队一天测试一百个想法。AI 的危险在于,它会让“可行”变得太容易,从而诱惑团队把错误产品做得更完整。真正聪明的团队会用 AI 降低实验成本,快速失败,快速学习。

    “我原本以为,大家会用 AI 去搭建非常厉害的测试机器、失败机器。”

    📈 Zynga 赢在留存,而不是病毒传播

    外界常以为 Zynga 靠病毒传播成功,但 Mark 认为真正原因是留存和社交连接。Zynga 追踪 D365 留存,并设计 ASN(活跃社交网络)指标,衡量用户与朋友之间是否有真实来回互动。一旦用户在产品里建立了社交回路,长期留存会显著提升。

    “我相信,从统计上看,世界上最有价值的公司,第三百六十五天留存都是最高的。”

    🍸 AI 时代的新社交:找到新的鸡尾酒会

    Mark 认为,今天的社交产品失去了肾上腺素感,很多人离开 Instagram 时不是觉得错过派对,而是觉得戒掉了烟。新的机会可能在 AI Agent 时代出现:今天我们都在 Claude 和 GPT 里,但那里还没有“鸡尾酒会”。谁能让这些孤独的 AI 空间变得热闹、有用、有社交生产力,谁就可能挖到金子。

    “今天我们都在 Claude 上、在 GPT 上待着。但那里没有鸡尾酒会。”

    🧭 分发必须成为产品的一部分

    Mark 认为,AI 还不是完整意义上的新平台,消费产品仍处在分发非常困难的阶段。用户不再主动安装新 App,App Store 也很难产生新爆款。因此创业者不能先做产品、再祈祷用户会来;分发必须从第一天就嵌入产品设计和策略中。

    “分发不能是事后才想的东西。分发必须成为产品的一部分。”

    👑 让每个人都成为 CEO

    在组织管理上,Mark 的核心原则是:管理的本质,是当你不在房间里时,别人也能做正确的事。他喜欢给团队成员明确山头、预算和经营权,让他们像 CEO 一样负责结果。这既减少管理成本,也能激发那些“专家证人型”人才的能量。

    “所有管理的本质,就是当我们不在房间里的时候,怎么让别人做正确的事。”

    🔍 产品型 CEO 要贴近一线

    Mark 反对过早抽离细节。他认为,只要创始人仍然是公司里最好的产品人,就应该参与最关键的体验决策。微观管理不是坏事,前提是你管的是最重要的东西,而且你确实是最好的选手。

    “如果你能在房间里,就待在房间里,前提是你确实是最好的那个选手。”

    🌱 AI 时代教育孩子:教他们提问,而不是背答案

    在育儿部分,Mark 认为传统教育体系正在训练孩子成为知识工作者,但 AI 正在改变知识工作的意义。他更关注培养孩子的批判性思维、创造力和对世界有用的能力。他希望孩子不要只消费内容,而是能创造东西,把新的东西带到世界里。

    “我想教他们提出更好的问题,而不是知道更多答案。”

    🏛️ 互联网宝藏:产品人的最高抱负

    Mark 最后谈到自己的“为什么”:他想打造互联网宝藏。所谓互联网宝藏,就是一种服务,让人们想不起没有它之前的生活,也无法想象没有它之后的生活。他认为,这是产品人能给世界提供的最了不起的东西。

    “我需要打造一个互联网宝藏:一种服务,让我们想不起没有它之前的生活,也想象不了没有它之后的生活。”

    🌐 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

    #584.Steve Jobs:失败如何重塑领导力,流放十二年后的苹果再造 Jun 13, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:商业人物与创业史读书播客《Founders Podcast》Steve Jobs in Exile

    这一期,David Senra 精读 Geoffrey Cain 的新书《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of an American Visionary》,聚焦 Steve Jobs 被 Apple 驱逐后,在 NeXT 度过的十二年流放期。

    这段经历很可能是 Steve Jobs 一生中最关键、也最容易被低估的阶段。节目中,你会听到一个远非神话化的 Steve:他刚离开 Apple 时充满复仇心,烧掉巨额资金,沉迷昂贵设计,反复修改产品,拖垮时间表;他对团队喜怒无常,身边没人敢讲真话,甚至多次亲手毁掉本可能拯救公司的重大交易。

    但也正是 NeXT 的失败,让他一点点学会现实、学会聚焦、学会尊重人才,也学会把失败变成燃料。最终,NeXT 的软件技术成为 Apple 重生的关键,而 Steve 也带着十二年里被痛苦训练出来的新能力,回到那家曾经把他赶出去的公司。

    这不仅是一段商业史,也是一堂关于创始人动机、执行纪律、团队文化、产品执念与个人转变的深刻案例课。

    👨‍🏫 本期主讲

    David Senra,Founders Podcast 主持人。长期通过精读企业家传记、公司史与商业经典,提炼创始人的决策、性格、信念与命运。他的节目尤其关注伟大创始人如何思考、如何犯错、如何承受压力,以及如何在关键时刻做出改变。

    📚 本期书籍

    《Steve Jobs in Exile: The Untold Story of NeXT and the Remaking of an American Visionary》

    作者:Geoffrey Cain

    本书聚焦 Steve Jobs 从 1985 年被 Apple 驱逐,到 1997 年重新回归 Apple 之间的十二年,尤其是他创办 NeXT、管理 NeXT、经历硬件失败、转向软件,并最终被 Apple 收购的完整过程。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    流放的开始

    01:36 为什么这是一集关于“失败”的节目

    02:00 Steve Jobs 的十二年流放期:从被赶出 Apple 到重新掌舵

    03:01 为什么说 Steve 不止一次创办 Apple,而是创办了两次

    03:53 1985 年被 Apple 驱逐:巴黎、迷茫与重新选择人生

    06:00 无法远离创造:Steve 决定为大学市场打造一台新电脑

    06:18 NeXT 的诞生:没有名字、没有商业计划、没有产品,只有模糊愿景

    NeXT 的早期理想与性格缺陷

    07:27 拍摄团队纪录片:Steve 如何用愿景凝聚团队

    07:50 “真正的艺术家会交付”:口号与现实之间的巨大落差

    08:18 反思 George Lucas:Steve 想打造一支长期存在的伟大团队

    09:30 说要长期团队,最后却换掉几乎所有联合创始人与高管

    09:51 Steve 的招聘观:你必须敢反驳他,并像传教一样说服别人

    10:36 立方体电脑执念:形式不仅提供功能,还要带来情感满足

    12:01 Paul Rand 与十万美元 logo:NeXT 对完美形象的追求

    钱太多,纪律太少

    13:18 NeXT 的核心问题之一:Steve 钱太多了

    13:47 香槟级品味与失控烧钱:顶级公关、广告公司、市场团队与豪华办公室

    14:26 “millilogo”笑话:十万美元 logo 如何变成公司花钱基准

    14:45 喜怒无常的反馈风格:“英雄到混蛋过山车”

    16:29 Paul Rand 的提醒:在有产品之前,Steve 自己就是产品

    17:19 错误动机:NeXT 很大一部分动力来自向 Apple 复仇

    18:13 Steve 的自我认同:不是商人,而是“打造很酷东西的人”

    完美主义如何吞噬执行

    19:38 自建制造工厂:为了控制流程,却做出灾难性决策

    20:23 Ross Perot 偶然看到纪录片,向 NeXT 投资两千万美元

    21:22 秘密协议:Perot 愿意动用政府关系和销售团队帮助 NeXT

    22:26 被完美主义困住:每一次修改都推迟发布日期、推高成本

    23:18 “最大的竞争对手是自己的执行能力”:Steve 说对了,却做不到

    23:45 Linda Wilkin 被开除:Steve 制造问题,却把责任推给别人

    24:20 芯片设计反复修改,工程师只能不断说“再一个月”

    25:12 Big Dave 和 Little Dave:拿到奖金后离职,芯片最终不能工作

    26:47 顾问委员会提醒价格不能超过三千美元,Steve 却展示十八页 logo 手册

    27:39 每月烧掉一百万美元,却靠 IBM 授权交易续命

    昂贵硬件与残酷现实

    28:24 钱越多,花得越多:两千美元椅子、一万美元沙发、四百五十美元电话

    29:08 Daniel Lewin 的备忘录:晚了一年、价格翻倍、产品还不能正常工作

    30:43 Ross Perot 开始质疑:产品没法出货,销售到底靠什么

    31:28 从三千美元目标价到一万多美元售价:NeXT Cube 失去大学市场

    31:52 首批只出货 205 台:设计复杂度让工厂几乎无法运转

    32:35 镁合金外壳与哑光黑喷漆:Steve 的审美坚持如何拖垮生产

    33:16 Canon 投入一亿美元:Steve 的交易能力再次让公司续命

    没人敢说真话的组织

    33:31 NeXT 最严重的问题:Steve 身边没人敢讲真话

    34:13 HR 经理 Phil 的会议:Steve 一进房间,所有高管都闭嘴

    35:26 Daniel Lewin 拒绝下两万五千台库存订单

    36:03 被降职还要对媒体解释成“升职”:NeXT 管理混乱的荒诞瞬间

    36:31 Cube 形状宣传册事故:花几百万投广告,却发现没有信封能装

    37:34 IBM 新交易即将签下,Steve 因幻灯片问题直接离开机场

    39:12 Perot Systems 政府大单准备签约,Steve 临门一脚拒绝交易

    40:13 Ross Perot 终于看清:我给了 Steve 太多该死的钱

    40:56 钱太多就没有饥饿感:纯粹压过了生存

    被迫面对商业本质

    41:17 Andy Grove 追问:你们到底在做什么生意?

    42:01 渠道压货:NeXT 用会计手法掩盖真实销售惨淡

    43:09 Canon 再给四千万美元,NeXT 又一次站在破产边缘

    43:49 管理层共识:放弃高成本硬件,转向高利润软件

    44:18 NeXTSTEP 的真正价值:企业用它构建应用快五到十倍

    44:54 NeXT 教会 Steve 的事:如何把失败变成燃料

    45:42 新 COO 试图背着 Steve 卖掉 NeXT

    45:57 新 CFO 入职后发现:NeXT 实际上已经破产

    46:28 Canon 收购硬件部门:Steve 被迫放弃自己最热爱的硬件

    Steve 的转变

    46:58 最后的失败之后,Steve 开始真正改变

    47:31 “先是慢慢地,然后突然之间”:Steve 的转变像破产一样发生

    48:00 媒体宣判 NeXT 硬件梦想死亡

    48:29 世界变了,你也得跟着变

    48:53 从硬件转向企业软件:NeXT 终于盈利

    49:10 Larry Ellison 的建议:建立专业服务团队,确保客户项目成功

    49:47 WebObjects:Steve 重新兴奋起来的互联网机会

    50:18 “互联网会成为未来十五到二十年最重要的技术变革”

    50:35 顾问式销售:从卖许可证到深入客户现场解决问题

    51:06 Michael Dell 的电商愿景:NeXT 一周做出 IBM 说要两年的网站

    51:37 Dell 在线销售爆发,WebObjects 成为下一代互联网商业基础设施

    一个新的 Steve Jobs

    52:27 Ed Catmull 如何与 Steve 共事:给事实,不升级冲突

    53:08 分歧可以持续三个月,但 Steve 最终会承认“你是对的”

    53:39 到 1995 年底,Steve 已经成为值得长期追随的领导者

    54:00 新 Steve 的领导观:CEO 其实是在最底下,为人才工作

    54:39 Apple 危机:产品混乱,操作系统做不出来,必须向外购买

    命运转折:NeXT 回到 Apple

    55:20 Garrett Rice 的关键问题:为什么不直接给 Apple 打电话?

    56:10 Steve 直接联系 Gil Amelio:BeOS 是错误选择

    56:45 演示对决:Steve 用团队和真实代码,展示 NeXT 的未来

    57:28 Gil 看到的变化:Steve 不再只是自我中心,而是务实、具体、精准

    58:18 面对 Apple 工程师质疑,Steve 不再粗暴推开,而是承认并解决

    58:47 BeOS 创始人的失败演示:没有团队、没有电脑、没有准备

    59:09 Steve 用真正跑起来的代码赢下机会

    重返苹果

    59:21 Steve 与 Gil 在厨房里谈判:五分钟定下收购价格

    59:54 Apple 内部警告:如果收购 NeXT,Steve 最后会接管公司

    01:00:39 NeXT 高管看懂了:十二年流放给了 Steve 更高明的策略

    01:01:15 Apple 又属于他了,而这一次,他准备好了

    🌟 精彩内容

    💡 Steve 不止一次创办 Apple,而是创办了两次

    David 引用 Michael Moritz 的观点指出,Steve Jobs 后来的回归几乎没有商业史先例:一个创始人被自己创办的公司赶走,后来又回到这家公司,并完成了彻底翻盘。Apple 的重生并不只是商业逆转,更像是 Steve 第二次创办 Apple。

    “说 Steve 不止一次创办了 Apple,而是创办了两次,这并不算夸张。而第二次,他是孤身一人。”

    🔥 NeXT 是 Steve Jobs 最重要的失败训练场

    NeXT 早期几乎犯下了创业公司能犯的所有错误:没有清晰商业计划、过度追求形象、烧钱失控、产品延期、价格脱离市场、制造复杂度失控、团队没人敢讲真话。但这些失败也逼迫 Steve 学会现实、学会聚焦,并最终理解什么才是真正有价值的东西。

    “NeXT 正在教 Steve 一件他在 Apple 从没学过的事:怎么把失败变成燃料。”

    🧨 错误动机会毁掉公司优先级

    节目反复强调,Steve 创办 NeXT 的早期动机很大程度上是向 Apple 复仇。他甚至在没有产品、没有收入、没有明确方向时,就花钱在《华尔街日报》登广告讽刺 Apple。David 用这一点说明,创始人为什么做一件事,往往会深刻影响公司的资源分配与决策质量。

    “我年纪越大,就越相信动机真的会造成很大差别。”

    💸 钱太多也可能是灾难

    Ross Perot 后来反思自己最大的错误,是给了 Steve 太多钱。因为没有生存压力,NeXT 开始把资源花在十万美元 logo、豪华家具、悬浮楼梯、昂贵办公室和过度设计上,而不是产品、客户和交付。

    “钱太多的时候,人就没有那种饥饿感了。”

    ⚙️ 最大的竞争对手不是别人,而是执行能力

    Steve 曾告诉团队,真正的竞争对手不是其他公司,而是自己的执行能力。但讽刺的是,NeXT 当时最大的问题正是执行崩坏:完美主义不断推迟发布日期,设计执念让生产无法规模化,价格也从目标的三千美元一路涨到一万多美元。

    “你们最重要的竞争对手不是别的公司,而是你们自己的执行能力。”

    🧱 从硬件失败到软件重生

    Steve 起初无法接受放弃硬件,因为他热爱那些漂亮、可触摸的物件。但 NeXT 真正有价值的资产,其实是 NeXTSTEP 操作系统。企业客户发现,用它构建关键任务应用的速度比其他系统快五到十倍。最终,Steve 被迫转向软件,这成为 NeXT 活下来的关键,也成为 Apple 后来重生的技术基础。

    “你们根本没意识到自己手里有什么。你们手里可能有过去十年里,计算机行业最大的突破。”

    🌐 WebObjects 与互联网机会

    NeXT 后期开发的 WebObjects,让 Steve 再次兴奋起来。它解决了早期网页必须手工编写、难以动态更新的问题,帮助企业构建复杂的在线系统。Michael Dell 用 WebObjects 搭建在线配置和购买 PC 的网站,一年内在线销售额增长到每天三百万美元。

    “互联网会成为未来十五到二十年里最重要的技术变革。”

    🧠 Ed Catmull 眼中的新 Steve

    Pixar 联合创始人 Ed Catmull 长期与 Steve 共事。他发现,成熟后的 Steve 并不是不能被说服,而是不喜欢别人替他思考。最好的方式是把事实摆出来,让他自己判断。更重要的是,到 1995 年,Steve 已经变成一个更谦逊、更能尊重人才的领导者。

    “CEO 其实是在最底下。所以某种程度上,我觉得我是为这些人大多数人工作的。”

    🎯 Steve 与 BeOS 的演示对决

    Apple 准备购买外部操作系统时,NeXT 与 BeOS 进入竞争。Steve 带着团队,用真正运行的代码展示 NeXTSTEP 的能力;BeOS 创始人却没有带团队、没有带电脑,也没有准备演示。三天后,Apple 开始谈判收购 NeXT。

    “Steve 用真正跑起来的代码,展示了自己产品的优越性。Be 的创始人只拿出了理所当然的假设。”

    👑 十二年流放的真正成果

    Apple 收购 NeXT 时,很多人警告 Gil Amelio:Steve 最终会接管 Apple。NeXT 高管理解得更清楚:Steve 带回来的不只是技术,还有十二年失败训练出来的策略、耐心、现实感和领导力。

    “Apple 又属于他了。而这一次,他准备好了。”

    🌐 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

    #583. Bill Gurley:如何建立系统判断力,AI 泡沫与资本狂热下的认知突围 Jun 13, 2026
    Show notes

    📝 本期播客简介本期我们克隆了:Shane Parrish 主持的深度访谈播客《The Knowledge Project》Mental Models That Change How You Think | Bill Gurley本期嘉宾 Bill Gurley 是硅谷最具影响力的风险投资人之一,曾任 Benchmark 合伙人,并深度参与 Uber 等公司的投资与成长。在这期节目中,他和 Shane Parrish 展开了一场覆盖系统思维、投资方法、AI 竞争、金融基础设施、创业者特质与人生定义的深度对话。Bill 反复强调:真实世界不是单变量、线性的系统,而是多变量、非线性、充满二阶和三阶影响的复杂系统。无论是做产品、投资,还是判断 AI 浪潮和资本周期,如果只盯着一个指标,很容易被短期结果误导。你将听到 Bill 如何从 Peter Lynch、Buffett、Ben Graham、Howard Marks 等投资大师那里建立金融底层认知;为什么他认为每个人都应该研究自己所在领域的历史;为什么真正优秀的创始人往往具备痴迷式学习、产品直觉、讲故事能力和“不管怎样都要做下去”的决心。节目后半段,Bill 还深入讨论了 AI 时代的几大关键冲突:美国监管是否会变成大公司的护城河;中国开源模型生态为什么可能更快进化;AI 投资是否正在进入资本狂热;稳定币为什么可能绕开美国落后的支付系统,并威胁 Visa 和 MasterCard;以及被动投资、代理投票机构和代币化将如何改变金融市场。这不是一场单纯关于风险投资的访谈,而是一堂关于如何在复杂时代建立判断力、识别系统性变化,并保持长期学习能力的认知课。👨‍⚕️ 本期嘉宾Bill Gurley,硅谷知名风险投资人,Benchmark 前合伙人。他曾深度参与 Uber、Grubhub、Zillow、Nextdoor 等公司的投资与成长,是美国科技投资界最具影响力的思想者之一。Bill 长期关注市场平台、网络效应、资本市场、监管结构与科技浪潮,也以深度写作和清晰的行业分析著称。⏱️ 时间戳00:00 开场 & 播客简介系统思维:为什么不能只看一个变量01:34 信息碎片化时代,如何理解复杂世界01:51 系统思维的核心:多变量、非线性与难以预测02:35 天气、股市与复杂系统:一个变量变化如何层层传导03:01 系统思维如何帮你少惹麻烦03:24 约会网站案例:优化互动,却伤害长期转化03:49 二阶影响:为什么单一指标会误导决策投资认知的底层训练04:01 Bill Gurley 如何学习投资:从华尔街到风险投资04:16 Peter Lynch、Buffett、Ben Graham 与 Howard Marks 的影响05:00 价值投资如何迁移到风险投资05:37 Bill Miller、Amazon 与网络效应的价值判断06:48 为什么 VC 也必须懂金融底层逻辑07:08 华尔街是创业公司最终流动性的买方07:24 轨迹比起点更重要:早期公司如何想象终局行业历史:被忽视的职业护城河07:31 为什么理解一个行业的底层基础很重要07:43 Pixar 创意天才 John Lasseter 如何研究动画史08:27 Magnus Carlsen 与国际象棋历史:高手都懂自己的领域传统08:54 LLM 时代,学习任何领域历史变得更容易09:20 Picasso 的例子:突破传统之前,先掌握传统09:44 面试中的差异化:比别人更懂本行业的大师和历史10:47 如果你觉得学习行业历史很无聊,可能说明这不是你的热情所在前沿学习与 AI 使用11:09 创业者的共同特质:痴迷式学习11:38 为什么颠覆性创业者必须站在技术前沿12:20 创新者的窘境:年轻人更容易扎进新变化12:46 每个人都应该对前沿保持好奇13:07 Bill 为什么同时使用多个付费 AI 账号13:20 真正强的人:既懂历史,也懂最新前沿14:11 AI 使用技巧:把后续分析步骤直接写进 prompt14:53 ChatGPT、Gemini、Claude、Perplexity 的不同使用场景AI 竞争格局与监管博弈15:51 AI 会是一家独大,还是垂直模型并存16:15 Cursor 与模型可替换性:未来可能进入价格优化阶段16:34 监管如何制造寡头格局16:48 为什么有些大玩家主动要求监管17:01 全球监管不一致:美国、欧盟与中国开源模型的竞争17:40 中国开源模型生态:竞争越激烈,开源越活跃18:08 开源系统如何加速创新:农民分享最佳实践的比喻18:59 硅谷创业公司正在大量使用中国开源模型AI 投资判断:壳、工作流与数据护城河19:29 AI 会如何改变投资方式19:40 什么只是 AI 外壳,什么可能是真正的应用层机会20:08 工作流、数据护城河与领域理解的重要性20:29 法律 AI 创业公司的例子:专业数据与流程沉淀20:39 ChatGPT 是否会吞掉垂直应用:仍未定论21:00 Microsoft 从操作系统走向应用层的历史参照超级智能、模型边界与自动驾驶21:06 训练数据是否快被用完21:24 专家微调与人类知识边界22:01 AI 是否会进入自我改进的非线性曲线22:38 Yann LeCun 的反面观点:下一代 AI 可能在 LLM 之外23:14 AlphaGo 的启示与局限:封闭系统不等于真实世界24:28 Tesla FSD 与自动驾驶的约束边界24:56 真实世界里的边界案例:人类行为仍然难以预测非共识观点与 AI 资本狂热25:44 Bill 的非共识观点:反对简单妖魔化中国26:21 AI 建设是否投入了太多钱26:48 科技巨头把巨额自由现金流投入资本开支27:15 幂律与递增收益:为什么投资人越来越愿意押注未来27:45 从 Amazon 到 Uber,再到 AI 公司:亏损规模不断升级28:09 AI 是否会经历一次“核冬天”28:59 循环交易:云厂商给 AI 公司钱,再让钱回流到云服务30:02 成功公司为什么总是被提前抢投30:18 烧钱速度从风险指标变成行业常态30:42 极端资本环境下,很难看清真实单位经济模型代币化、IPO 与金融市场结构31:04 散户、代币化与创业公司融资31:20 资金供给不是瓶颈31:31 Palantir、GameStop 与散户推动估值31:50 私有公司股份代币化的风险:投机与操纵32:07 为什么 Stripe 这样的公司不希望股份被随意交易32:36 股价波动会如何影响员工与公司运营33:15 IPO 流程为什么不公平33:41 为什么上市机制本该像拍卖一样匹配供需34:06 华尔街为何放不下 IPO 定价权34:20 直接上市、拍卖机制与 token 化可能带来的冲击稳定币与支付系统革命34:27 稳定币如何冲击信用卡网络34:33 英国 Faster Payments、巴西 Pix 与美国支付系统的落后35:10 美国监管俘获如何保护信用卡收费模式35:20 USDC:几秒到账、低成本、还能获得收益35:48 稳定币是什么:用美国国债一比一储备的加密美元36:17 加密轨道为什么能实现全球即时转账36:51 ACH 三天结算与美国支付系统的低效37:23 为什么稳定币可能比政府更快解决支付问题37:57 Visa 和 MasterCard 的高利润护城河为何面临威胁38:35 中国移动支付的案例:二维码、微信支付与支付宝39:14 稳定币不是唯一解,但可能成为美国的新绕行路径AI 对金融权威与代理投票的冲击39:50 AI 会不会挑战 Moody's 这样的评级机构40:01 Moody's 的真正力量:它是被市场接受的标准40:27 AI 是否会重塑股东投票建议服务40:49 指数基金崛起后,代理投票机构的权力变大41:09 黑箱评分与双边收费:为什么 Bill 认为这像一场劫掠41:41 Tesla 薪酬方案案例:风险控制与股东利益的冲突42:31 公司治理机构为何常常只看规则,而不是结果被动投资的二阶影响43:01 指数基金持股过高带来的治理问题43:20 被动基金是否应该不投票43:48 小股东可能获得过大控制权的二阶影响44:00 隐性指数化:主动投资人为什么被迫跟随巨头44:48 大规模指数化是否反而创造了主动投资机会45:01 跑赢 S&P 为什么越来越难写作、讲故事与创始人的不公平优势45:18 为什么讲故事是成功创始人的关键能力45:49 Bill 如何爱上长篇非虚构写作46:25 Malcolm Gladwell、Michael Lewis 与新新闻主义的影响46:44 写作如何帮助投资人形成思想47:06 Amazon 六页备忘录:写清楚,才是真的想清楚47:39 写作也是风险投资人的“磁铁”和名片48:05 创始人的三个不公平优势:讲故事、产品直觉与前沿理解48:34 产品直觉很难后天训练48:56 创始人为什么一直都在销售49:14 Bezos 的天使投资判断:这个人是否无论如何都会做下去Uber、极端烧钱与没有案例可学的时代49:27 Uber 带来的现实经验:商学院案例里找不到49:41 赢家通吃、网络效应与无止境融资50:05 Lyft 拿十亿,Uber 拿三十亿:资本竞争如何升级50:22 没有董事会、导师或案例能指导这种局面50:43 AI 公司今天也处在类似环境里50:55 从 Amazon 到 Uber,再到 AI:烧钱规模又多了一个零Benchmark 的组织设计51:07 Benchmark 如何建立平等合伙制51:38 为什么传统合伙制容易让资深者拿走过多权力和利益52:05 没有国王、没有首席合伙人:五个平等合伙人52:26 平等合伙制的优势:更容易招到优秀人才52:50 为什么平等会鼓励大家培养新人53:15 合伙人之间更愿意分享资源和人脉53:39 没有薪酬政治,但也很难扩张和推动新项目54:00 Benchmark 单页网站的故事:组织结构如何影响执行54:49 极简网站背后的自信与取舍VC 行业为什么偏向年轻人55:11 创始人为什么选择某个 VC55:37 风险投资是有网络效应的投资类别55:55 创始人希望身边的人真正理解自己在做什么56:23 年轻 VC 的优势:更接近创始人,也更懂新技术56:50 电子竞技、YouTube 与细分领域认知优势57:38 VC 像体育吗:年龄、精力与竞争压力58:03 年轻人为什么仍有机会闯入风险投资成功的定义58:10 Bill Gurley 如何定义成功58:31 风险投资曾是他的理想工作58:42 即使没有额外回报,他也会选择做那份工作59:02 人生下一章:把写作、理解问题和综合信息的能力用于更大的社会议题59:29 给世界留下一点痕迹🌟 精彩内容💡 系统思维:不要只盯着一个指标Bill Gurley 认为,很多现实问题都不是线性的,而是多变量、非线性系统。一个看似正确的局部优化,可能会在更远处造成负面结果。他用约会网站的例子说明:把用户资料做得更长,短期提高互动,但几个月后才发现它伤害了转化率。“你不能只用线性模型来想,也不能只盯着一个变量。”📚 研究行业历史,是被低估的职业护城河Bill 强烈建议每个人都去研究自己所在领域的历史。他举了 Pixar 的 John Lasseter、国际象棋冠军 Magnus Carlsen、Picasso 等例子,说明真正的高手往往对本领域的传统和大师有深刻理解。对于年轻人来说,这甚至能成为面试和职业竞争中的差异化优势。“我觉得更多人应该去研究自己所在领域的历史,这会对他们有帮助。”🤖 AI 时代的学习方式:同时理解旧历史与新前沿Bill 一方面强调历史,另一方面也强调必须站在技术前沿。他自己同时使用多个付费 AI 工具,并认为人们常常低估 AI 能做多少事。很多本来需要后续完成的分析、排序、比较和计算,都可以直接写进 prompt 里,让 AI 更早承担更多工作。“它能更早替你完成更多工作。”🌐 中国开源 AI 生态可能带来更快创新在谈到 AI 监管和全球竞争时,Bill 提到,中国有大量开源模型,竞争动态更激烈,也更倾向于分享技术和最佳实践。他用两个农业社会的比喻说明:如果一个系统要求参与者分享最佳实践,那么这个系统可能会进化得更快。“你觉得哪一个社会会进化得更快?”💸 AI 投资狂热与循环交易Bill 对当前 AI 投资规模感到震惊。他指出,大型科技公司和云服务商正在把巨额资金投入 AI 基础设施,而一些“循环交易”会放大眼前的增长:云厂商投资 AI 公司,AI 公司再把钱花回云服务上。这会推迟调整,但也可能增加未来调整的概率。“你是在把眼前发生的事吹大。”🪙 稳定币可能绕开美国落后的支付系统Bill 认为,美国支付系统因为监管俘获而长期落后,ACH 需要三天结算,信用卡仍收取 2% 到 2.5% 的费用。而稳定币运行在成熟的加密轨道上,可以低成本、即时、全球转账,可能比政府更快解决支付效率问题,并威胁 Visa 和 MasterCard 的高利润护城河。“支付为什么要收百分之二到百分之三?没有任何理由,真的没有。”✍️ 写作和讲故事,是创始人的核心能力Bill 把讲故事列为成功创始人的关键特质。因为创始人永远在销售:招员工、招高管、融资、赢客户、谈合作,都需要讲清楚愿景。他也强调写作能帮助人把想法真正想透,这也是 Bezos 推行 Amazon 六页备忘录的原因。“如果你必须把东西写出来,让它能独立阅读,而且逻辑清楚,你就会想透更多问题。”🔥 伟大创始人的底层特质:无论如何都会做下去Bill 分享了 Bezos 的天使投资判断标准:他只问自己一个问题,这个创业者是不是无论如何都会做这件事?不管遇到什么困难,都不会停下来。Bill 认为,所有伟大创始人身上都有这种程度的决心。“这个人是不是无论如何都会做这件事?”🏛️ Benchmark 的平等合伙制Bill 解释了 Benchmark 为什么采用平等合伙制:没有首席合伙人,没有国王,没有总裁,只有平等合伙人。这种结构减少了内部政治,鼓励合伙人互相支持和培养新人。但它也有缺点,比如很难扩张、很难推动新项目。“我的公司成功,和他的公司成功,没有区别。”🌱 成功的定义:做你即使没有额外回报也愿意做的事在节目最后,Bill 回顾自己的风险投资生涯,认为那曾是他的理想工作。即使在一个所有人薪酬都一样的社会里,他仍然会选择做那份工作。现在他希望把自己过去用来研究问题、写作和综合信息的能力,用到更大的社会议题上。“如果我们生活在一个社会主义社会里,每个人都必须免费工作,我还是会选那份工作。”🌐 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

    Full show notes at the publisher

    #582.SpaceX:理解 AI 算力狂潮,万亿 IPO 与超级智能竞赛下的未来押注 Jun 12, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:科技与市场圆桌播客《Bg2 Pod》The SpaceX IPO, Fable 5, AI Capex Update & Market Check w/ Gavin Baker, Andrew Fox & Clark Tang

    原内容更新时间:2026-06-11

    本期节目是一场信息密度极高的科技与资本市场讨论。主持人 Brad Gerstner 邀请 Atreides 的 Gavin Baker、Andrew Fox,以及 Altimeter 合伙人 Clark Tang,一起拆解 SpaceX IPO、AI 算力供需、前沿模型竞争和当前市场状态。

    这期最重要的问题是:SpaceX 还是一家火箭和卫星互联网公司吗?还是已经变成了一个横跨发射、通信、AI 云、轨道算力和前沿模型的超级平台?嘉宾们从 Starship 快速复用、Starlink Direct to Cell、Anthropic 与 Google 算力交易、xAI 收购 Cursor、地面与太空数据中心成本结构,一层层拆解 SpaceX 的潜在收入来源与估值逻辑。

    节目后半段转向 AI 模型和资本开支。Anthropic 的 Fable 5、Mythos、ChatGPT 5.5 等模型正在展示更强的长时间运行能力,也让“前沿模型是否会被开源追平”这个问题变得更加复杂。嘉宾们认为,开源模型可能处理大多数 token,但最高价值的收入仍会流向前沿模型。同时,随着推理收入、每吉瓦变现能力和企业采用速度超预期,AI Capex 看似疯狂,却可能仍有经济账可算。

    这不仅是一期关于 SpaceX IPO 的节目,更是一场关于 AI 时代资本如何重新定价未来的讨论。

    👨‍💼 本期嘉宾

    Brad Gerstner,Altimeter Capital 创始人兼 CEO,长期关注科技成长股、AI、云计算和资本市场。

    Gavin Baker,Atreides Management 创始人兼投资组合经理,长期投资科技、半导体、AI 和互联网公司,对 AI 算力与前沿模型竞争有深入研究。

    Andrew Fox,Atreides 团队成员,关注 SpaceX、AI 基础设施、轨道算力和通信业务的商业模型。

    Clark Tang,Altimeter Capital 合伙人,长期研究 AI 算力、半导体、云基础设施和科技公司基本面。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    SpaceX IPO:一家公司的五重叙事

    01:45 为什么 SpaceX 可能是机构投资者“必须持有”的未来资产

    02:24 本期议题:SpaceX IPO、Fable 5、AI 算力、GPU 与市场检查

    03:29 IPO 核心数字:一百三十五美元股价、一点七七万亿美元估值、一千六百亿美元收入预期

    04:17 两大变量:地面 AI 数据中心速度,以及 xAI / Cursor 的模型潜力

    05:02 Colossus 一号 IRR 百分之五十五:为什么算力生意的账看起来成立

    05:30 Elon 建数据中心为什么快:一百二十二天上线,速度就是成本

    05:35 模型前沿变化太快:十天内 Pareto 曲线已经过时两次

    06:20 Cursor 的专有编程数据,为什么可能成为 xAI 的关键资产

    07:47 从火箭公司到“Elon Web Services”:SpaceX 正在搭建 AI 时代的 AWS

    发射、Starlink 与连接业务

    07:59 发射业务仍是皇冠明珠:可复用火箭是一切业务的基础

    08:25 快速复用为什么关键:从“一次性爆炸飞机”到航空公司式发射频率

    09:20 Starship 未来发射频率:从每年几百次到上千次的可能性

    10:20 Starlink 移动服务:为什么硅谷信号死区也会成为商业机会

    11:05 Starlink 宽带仍在早期:全球家庭渗透率不到百分之一

    12:20 Direct to Cell 和连接业务:未来三年是否可能五倍增长

    12:57 “更好、更快、更便宜”:Starlink 为什么可能切入全球电信市场

    AI 算力:SpaceX 新增的收入引擎

    13:26 Elon Web Services:过去六周最意外的新叙事

    14:19 Jensen 口中的 “N 等于一”:十九天建成十万 GPU 集群意味着什么

    15:09 SpaceX 如何拿电、拿芯片、建站点,并把算力高价变现

    16:36 Google 为何愿意支付溢价:地面算力背后的太空算力看涨期权

    17:00 AI 算力市场是否会被 SpaceX 整合

    18:04 三十天从零到第四大 AI 超大规模云厂商:为什么这很疯狂

    18:30 数据中心不是大宗商品:第一性原理设计带来的差异化

    19:30 供应商为什么更愿意卖给 xAI:速度、确定性和变现能力

    轨道算力:太空数据中心的经济账

    20:15 为什么太空数据中心不是 IPO 估值的必要条件,但可能是巨大上行

    21:30 编程模型与 AGI:为什么擅长编程可能是通往超级智能的最快路径

    22:50 地面 AI 业务已经足够有吸引力:每吉瓦变现率的对比

    24:00 轨道算力的关键前提:Starship 两级快速复用

    24:50 每次 Starship 发射可送约五兆瓦算力上天

    25:20 太空算力资本开支:每吉瓦约五十亿美元发射成本

    25:50 地面与太空对比:土地、电力、冷却在太空中接近“免费”

    26:35 可靠性与维护:轨道算力真正需要验证的风险点

    xAI、Cursor 与前沿模型的隐藏上行

    27:20 xAI 收购 Cursor:SpaceX 故事中最被低估的部分

    28:50 Grok 4.3 与 Cursor 数据:如果站上 Pareto 前沿,收入可能快速扩张

    29:30 为什么模型业务可能是 SpaceX 最大的上行惊喜

    30:30 Colossus、Vera Rubin 与算力锁定:Elon 如何从落后变成领先

    31:40 类比 AWS:把为自己建设的闲置容量变现

    32:40 Brad 的判断:模型业务是 SpaceX IPO 最少被讨论、但最可能超预期的部分

    34:30 为什么 Brad 认为 SpaceX 是“买入并持有”的未来押注

    35:15 IPO 后波动不可避免:历史上高成长公司常经历超过百分之五十回撤

    36:20 如何管理仓位:买了放着,但用“压舱石”动态调整风险

    37:20 一个月新增二百九十亿美元收入:为什么这次 IPO 前所未有

    38:20 大规模公司仍保持创业化:SpaceX 快速调整业务的能力

    39:50 员工和早期投资者流动性:SpaceX 已经像“准上市公司”

    Fable 5、Mythos 与长时间运行 Agent

    40:30 Anthropic 发布 Fable 5:SOTA 之外,真正关键是长时间运行能力

    41:30 Noam Brown 的观点:快照式基准测试正在失效

    42:00 为什么我们可能永远不知道每一代模型到底有多聪明

    42:30 类比永不疲劳的爱因斯坦:长时间思考本身就是智能放大器

    43:45 Opus 4.6 打开的门:模型开始真正能跑长任务

    44:30 年初的质疑:便宜开源 token 是否会追上前沿模型

    45:15 现实证据:前沿模型拿走了大多数 AI 收入

    45:55 多 Agent 编排:Fable 5 如何改变投研工作流

    46:25 把七个财务模型丢给 AI:让模型推理假设、矛盾和投资判断

    47:15 代码库重构、生物学与企业任务:长时间 Agent 解锁新用例

    47:40 更多 token、更长运行、更大算力需求:为什么模型能力会反推 Capex

    开源模型、前沿模型与收入分配

    48:00 两件事可以同时成立:开源处理大量 token,前沿模型拿走主要经济价值

    48:30 Harvey 的案例:专有数据 + 开源模型 + 路由器,如何降低成本

    49:20 企业调研:即使做模型路由,仍预计使用更多前沿模型 token

    50:00 高价值任务不会用二流模型:编程、金融和知识工作仍流向前沿

    50:30 “前沿模型不会拿到大部分收入”的判断已经被证明错误

    51:00 开源对算力和硬件反而是利好

    51:15 亚洲与硅谷的信念差异:闭源云 vs 合适任务用合适模型

    52:20 Jensen 的模型路由观点:开源追上长任务后会拿走更多流量

    52:50 美国前沿开源模型只是时间问题:Nvidia 可能亲自下场

    Nvidia、ASIC 与算力格局

    53:10 如果 Nvidia 推开源模型,会如何影响 ASIC 经济账

    53:45 Nvidia 为什么可能成为最大的开源 AI 提供商

    54:15 如果客户都来竞争,Nvidia 为什么不能反向进入云和模型业务

    54:45 台湾观察:下一波 ASIC 让市场兴奋,但格局比“二选一”复杂

    55:40 ASIC 会按工作负载定制,Nvidia 仍是最主要的通用算力提供商

    56:20 Nvidia 消耗量为何没有下降,反而继续加速

    57:00 每瓦 token 产出:为什么功率限制下 Nvidia 仍有优势

    57:45 前沿实验室是否应该垂直整合芯片:专注是不是最高价值选择

    AI Capex:一点五万亿美元资本开支能算得过来吗?

    58:30 长时间 Agent 推动更多资本开支:二零二七年 Capex 可能接近一点五万亿美元

    59:25 三千亿美元推理收入,对应一点五万亿美元 Capex,账算得过来吗

    01:00:30 Gavin 的判断:三千亿美元收入预测可能太低

    01:01:10 Dario 的“数据中心里的天才之国”:二零三零年前可能出现数万亿美元收入

    01:02:00 训练和推理支出的区别:不是所有 Capex 都直接产生收入

    01:02:50 年初叙事被打破:token 和算力价格并没有平滑通缩

    01:03:30 Agentic AI 用户不到百分之零点二:需求仍在极早期

    01:04:00 每吉瓦变现能力上升:从二百亿到三四百亿美元

    01:04:50 Anthropic 的“意外盈利”:不是不想花钱,而是算力太难买

    01:05:25 AI 质疑三部曲:没收入、没毛利、没 ROI,正在逐个被打破

    01:06:00 为什么几百万企业和消费者同时付费,是最强的 ROI 证据

    市场检查:AI 交易是否过热

    01:06:30 当前市场分化:半导体大涨,互联网和软件下跌

    01:07:20 Altimeter 的仓位调整:从大仓位降到中小仓位

    01:08:20 Gavin 的跑步者比喻:很多 AI 股票刚冲上悬崖,需要休息

    01:09:20 通胀、利率和未知风险:市场可能进入整理期

    01:10:00 AI 夏季季节性:大学生使用下降可能影响 token 消耗

    01:10:50 年轻一代如何用 Agent 做 SpaceX 模型:AI 使用正在渗透下一代

    01:11:20 “总有一颗子弹朝我飞来”:投资人必须不断转头看风险

    01:12:00 创造性破坏与规模优势同时变陡:这次技术浪潮速度超出预期

    01:12:40 三家公司可能新增一万亿美元收入:SpaceX、Anthropic、OpenAI 的时代机会

    01:13:20 AI 可能改变全球 GDP 的百分之五到十五

    01:13:50 结尾:开源研究、同业交流,以及对未来的长期乐观

    🌟 精彩内容

    💡 SpaceX 已经不只是火箭公司

    节目最重要的判断之一是:SpaceX 的投资叙事已经从“发射 + Starlink”变成“发射 + 通信 + AI 算力 + 轨道数据中心 + 前沿模型”。特别是过去几周,Anthropic、Google 等算力交易让市场开始重新理解 SpaceX 的 AI 云能力。

    “很明显,他其实是在我们眼皮底下搭一个 AWS。”

    🚀 快速复用是一切的基础

    无论是 Starlink 规模扩张、Direct to Cell,还是轨道算力,关键前提都是 Starship 的快速、双级复用。嘉宾用一个形象比喻解释传统火箭行业:就像你坐飞机飞到加州,下飞机后飞机马上爆炸。而 SpaceX 要做的是把火箭变成接近航空公司的运营模式。

    “降低发射成本,才是所有其他业务能够成立的前提。”

    🧠 xAI + Cursor 可能是最大隐藏上行

    Brad 认为,SpaceX IPO 中最被低估的不是 Starlink,也不是地面算力,而是模型业务。Cursor 带来的编程数据、团队和产品收入,加上 xAI 的算力,有机会让 SpaceX / xAI 在前沿模型竞争中占据更重要位置。

    “如果会出现超预期的上行空间,我怀疑就在这里。”

    🛰️ 太空数据中心是一个巨大看涨期权

    嘉宾们认为,轨道算力不是支撑 SpaceX IPO 估值的必要条件,但如果 Starship 快速复用成功,太空数据中心的经济账会非常惊人。地面数据中心需要土地、电力、冷却和外壳,而在太空里,空间、电力和冷却接近免费,真正的变量变成发射成本、可靠性和维护。

    “在太空里,空间、电力和冷却实际上是免费的。”

    🤖 长时间运行 Agent 改变模型竞争

    Fable 5、Mythos 和 ChatGPT 5.5 代表的新趋势,不只是基准测试分数更高,而是模型能够长时间运行、保持上下文、完成复杂任务。Gavin 用“永不疲劳的爱因斯坦”来形容这种能力:如果一个顶级智能可以一年二十四小时不间断思考,很多问题都会被重新定义。

    “在下一代模型出来之前,我们没有时间充分评估它们的智能。”

    ⚖️ 开源模型会吃 token,但前沿模型吃收入

    节目提出一个重要区分:开源模型可能处理全球大部分 token,尤其是低价值、后台、标准化任务;但前沿模型仍可能拿走大部分经济价值,因为最高价值的编程、金融、科研和复杂知识工作,需要最强模型完成。

    “前沿模型可能拿到百分之九十的经济价值,开源模型可能处理百分之八十的 token。”

    💰 AI Capex 的账可能仍然算得过来

    面对市场对一点五万亿美元 AI 资本开支的担忧,嘉宾们认为,关键在于推理收入增长速度和每吉瓦变现能力。过去一年,AI 实验室不仅证明了收入存在,也开始证明毛利和 ROI 可能成立。Anthropic 的收入兑现,成为市场重新定价 AI 基础设施的重要证据。

    “反对前沿实验室的论点,从‘没有收入’,变成‘没有毛利’,再变成‘没有 ROI’,这些说法正在逐个被打破。”

    📉 短期谨慎,长期乐观

    嘉宾们并不否认市场短期风险。半导体和 AI 算力相关股票涨幅巨大,通胀、利率、地缘政治和季节性都可能带来整理。但长期看,如果 AI 真的改变全球 GDP 的 5% 到 15%,当前仍可能只是一个更大周期的早期。

    “真正打中你的,往往是你没看见的那颗子弹。”

    🌐 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

    #581.Palantir创始人Peter Thiel:如何理解 AI、技术停滞与文明风险,混乱时代的未来判断 Jun 11, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:《Joe Rogan Experience》第 2190 期 - Peter Thiel

    原内容更新时间:Aug 17, 2024

    本期是一场极高密度、跨度极大的长谈。Joe Rogan 与 Peter Thiel 从“是否离开加州”这样一个生活选择聊起,迅速延伸到美国财政赤字、社会保障、加州模式、科技产业网络效应,再进入 AI、技术停滞、核能、古文明、宗教与政治起源、迷幻药、深层政府、Epstein、JFK、UAP、超光速文明、人工智能生命以及全球低生育率等议题。

    Peter Thiel 延续了他一贯的核心命题:过去几十年,人类社会在“比特世界”突飞猛进,但在“原子世界”严重停滞;而 ChatGPT 通过图灵测试,可能是与互联网同量级的大事。与此同时,他也反复强调一个危险悖论:当社会习惯于“没有大事发生”,真正的大事出现时,我们反而不知道如何理解它。Joe Rogan 则不断把话题拉向阴谋论、UAP、古文明、迷幻药与人类未来的更大胆想象。

    这不是一场给出确定答案的对话,而更像是一张时代焦虑地图:AI 会让人类升维,还是让人类失去位置?文明是单调进步,还是随时可能坍塌?技术停滞是在保护我们,还是在困住我们?我们到底是在准备未来,还是只是在用谈论替代行动?

    👨‍⚕️ 本期嘉宾

    Peter Thiel,PayPal 联合创始人、Palantir 联合创始人、硅谷知名投资人和思想型企业家。他也是 Facebook 早期投资人之一,长期关注技术停滞、自由意志主义、政治结构、全球化、AI、金融体系与文明风险等议题。其代表性观点包括“我们想要飞行汽车,得到的却是 140 个字符”,以及对“比特世界进步、原子世界停滞”的长期批判。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    美国困境与加州悖论

    01:36 被困洛杉矶:光说离开,是否正在替代行动?

    03:20 美国问题:别处更糟,是否让我们忽略自身衰退?

    04:24 财政赤字:零利率时代结束后的债务危险

    07:00 社会保障:养老金叙事、福利制度与代际庞氏结构

    09:45 加州税收:治理低效为什么仍然能维持繁荣?

    10:43 加州像沙特:大型科技公司就是“油田”

    12:11 搬去哪里:零税州、城市生活与 Nashville、Miami 的选择

    16:30 离开加州为什么越来越难:新冠窗口期、房价与利率

    18:30 科技网络效应:为什么金融业能搬去佛州,科技业更难离开湾区

    20:25 加密与 AI:一个去中心化,一个天然中心化?

    AI、图灵测试与技术停滞

    21:33 未来五年的 AI:为什么没人真正知道答案

    22:22 AI 的历史愿景:超级智能、监控技术与图灵测试

    23:48 ChatGPT 的真正意义:通过图灵测试这件事被低估了

    24:51 AGI 反而可能没有图灵测试重要

    25:33 AI 像 1999 年互联网:真实的大事,也可能伴随泡沫

    26:35 技术停滞时代的悖论:大事发生时,我们反而不知道如何理解

    28:10 比特与原子:为什么手机很先进,但城市和交通却停滞

    29:28 “技术”一词为何被缩小成了信息技术

    30:18 我们移动得更慢了:协和飞机退役、机场安检与拥堵

    31:20 工程学科的失落:核工程、航空航天与监管限制

    32:00 “科学”这个词:Peter Thiel 对气候科学、社会科学的语言怀疑

    34:00 气候、意识形态与电动车政策的现实矛盾

    能源、核能与停滞的代价

    35:59 环保主义的最强论点:增长极限、资源约束与全球生活水平

    37:26 核能本可以缓解能源困境吗?

    38:05 能源密度:从木材、煤、石油到铀

    38:49 核能为什么停下:官方事故叙事之外的“军民两用”问题

    39:29 印度核弹与全球治理难题

    40:21 中国核电为什么也没有真正爆发

    41:47 技术停滞的深层原因:风险规避、教育、监管与末日阴影

    42:54 停滞是否也在保护我们:没有高超音速与模块化核反应堆的另一面

    古文明、宗教与政治起源

    43:46 UAP 与古代外星人:Rogan 对冯·丹尼肯与 Graham Hancock 的区分

    44:52 失落文明的可能性:灾变、技术失传与新仙女木事件

    46:31 文明兴衰:青铜时代崩溃、罗马衰落与进步主义幻觉

    48:12 如果历史不是单调进步,我们就不能把文明当成理所当然

    49:17 金字塔之谜:工程能力还是文化动机更难解释?

    51:41 金字塔发电厂理论:疯狂假说与工程怀疑

    53:21 王权与替罪羊:Frazer、Girard 与暴力的神圣化

    55:17 Sed 节:法老献祭、活着的神与王权延续

    57:36 宗教先于政治,还是政治发明宗教?

    59:48 人类政治的起源:疯狂、谋杀与内部暴力

    01:00:30 语言与联盟:为什么人类社会不同于猿类等级结构

    01:02:30 模仿、语言与人类独特性

    01:03:43 ChatGPT 与语言:为什么通过图灵测试如此震撼

    01:05:11 人类作为“超级模仿机器”:文化、冲突与模仿欲望

    迷幻药、行动与内在空间

    01:07:53 Stoned Ape Theory:蘑菇、语言与人类演化猜想

    01:08:41 古代仪式与迷幻药:是否被过度美化?

    01:10:27 Eleusinian Mysteries:迷幻体验、民主与创新想象

    01:11:29 MDMA 治疗 PTSD:FDA、双盲研究与制度阻碍

    01:14:18 潘多拉魔盒:迷幻药为何可能威胁建制派

    01:15:03 内在空间 vs 外太空:迷幻药是激活行动,还是替代行动?

    01:16:37 六十年代、越战与反文化运动

    01:17:29 MKUltra:LSD、精神控制与反文化的复杂起源

    深层政府、Epstein 与政治黑料

    01:18:46 今天是否还存在精神操控项目?

    01:20:26 CIA 是否已经变弱:从 MKUltra 到 Church Committee

    01:21:42 深层国家的正式化:酷刑备忘录、FISA 与机构失灵

    01:23:21 Epstein 之谜:为什么仍然没有真正答案?

    01:24:19 情报部门、保护机制与 Acosta 的证词

    01:26:14 黑料政治:控制政客的古老策略

    01:27:04 秘密俱乐部逻辑:不是被勒索,而是通过把柄获得晋升

    01:28:18 Bill Gates、Epstein 与权力网络

    01:30:18 另一种 Gates 叙事:慈善基金会、婚姻资产与诺贝尔奖

    01:33:09 左翼慈善为何可疑:美德展示、洗白与公众形象

    01:35:40 炫耀缺点比炫耀美德更安全

    01:36:30 Gates、新冠与离婚时间线的替代解释

    01:39:30 Epstein 是什么角色:税务专家、社交俱乐部,还是更糟的东西?

    01:42:43 为什么真相可能要很久之后才会出现

    JFK、特朗普枪击事件与阴谋论结构

    01:43:16 JFK 遇刺:为什么不同阴谋论本身揭示了美国的疯狂

    01:44:29 Oswald、CIA 与“严重失职”的可能性

    01:45:00 JFK 弹道争议:草坪小丘、Jack Ruby 与 Jolly West

    01:46:54 Trump 枪击事件:Crooks 如何上到屋顶?

    01:48:02 失职还是阴谋:特勤局为什么没有阻止枪手?

    01:49:18 狙击细节:测距仪、背包、屋顶与指挥链

    01:50:48 爆头、瞄准镜与 JFK 的“魔术子弹”

    01:53:31 Warren Commission 与被改写的叙事

    01:55:14 谁想让 Kennedy 死:CIA、古巴、黑手党与多方利益

    01:57:20 互联网时代是否让深层行动更难隐藏?

    01:59:33 Epstein 黑料为什么没有泄露:深层容器是否仍然有效?

    UAP、外星文明与 AI 未来

    02:00:30 UAP 的一种解释:可能是美国自己的秘密推进项目

    02:01:28 外星人还是无人机?Rogan 认为可能两者都有

    02:02:20 核时代之后的访问:为什么外星文明可能关注人类核能力

    02:03:46 为什么 Peter Thiel 对 UFO 提不起劲:77 年仍缺少决定性证据

    02:05:01 “等行李”类比:如果真相迟迟不出现,是否该降低期待?

    02:06:18 缓慢披露理论:外星文明是否在渐进进入人类意识?

    02:08:08 ChatGPT 也许就是一种“外星智能”

    02:08:46 超光速文明的悖论:曲速武器、极权控制与完美利他

    02:10:23 外星人必须是天使或恶魔?

    02:11:14 人类与 AI 融合:摆脱灵长类本能的未来想象

    02:12:49 Peter Thiel 的反驳:这套未来路径每一步都太难成功

    02:13:29 后稀缺世界仍有地位稀缺:Star Trek、PayPal 与 Galaxy Quest

    02:16:25 数字生命是否会取代人类?

    02:18:51 AI 加速主义、全球算力治理与监管风险

    02:20:28 中国竞争:为什么 AI 很难被单方面监管

    02:22:00 AI 反乌托邦叙事为什么正在赢得辩论

    02:23:43 AI 会不会像药品一样被监管到停滞?

    02:24:56 硅谷没有说服普通人:AI 对人类到底有什么好处?

    低生育率、文明收缩与行动困境

    02:26:34 AI、塑料、微塑料与生物性衰退

    02:29:17 低生育率的模仿机制:别人不生,你也不生

    02:30:00 倒金字塔社会:老人福利与儿童投资的政治冲突

    02:31:20 人口指数衰减:如果每代减半,千年后只剩一个人

    02:32:42 韩国的极端案例:现代性、性别结构与儒家社会压力

    02:33:37 第一步是谈论,但谈论可能替代行动

    02:34:44 心理治疗、洞察与自我接纳:知道问题为什么不等于改变

    02:35:31 谈论、战略与拖延:如何从认知走向行动

    02:36:15 结尾:战略常常是拖延的委婉说法

    🌟 精彩内容

    💡 ChatGPT 通过图灵测试,可能比 AGI 更重要

    Peter Thiel 认为,过去人们谈 AI 时,总是在超级智能和监控技术之间摇摆,却忽略了 AI 研究六十年来最核心的“圣杯”:图灵测试。ChatGPT 的真正意义,不只是它更聪明,而是它已经让机器进入了人类最独特的能力领域——语言。

    “通过图灵测试,对我们人类来说显然更重要。因为它要么是人类的补充,要么是人类的替代品。”

    🧱 比特进步,原子停滞

    Thiel 延续了他长期以来的技术停滞论:过去五十年,计算机、互联网、移动互联网和 AI 进展巨大,但交通、能源、核能、航空航天、城市基础设施等“原子世界”进展有限,甚至倒退。我们坐在百年地铁里看 iPhone,会误以为整个世界都在进步。

    “你实际生活的环境,一百年来并没有改变。”

    ⚛️ 核能停滞的另一种解释

    相比三哩岛、切尔诺贝利和福岛这些常见解释,Thiel 提出一个更地缘政治的版本:核能真正停下来的原因,是它与核武器之间难以切割的军民两用属性。印度获得核弹之后,世界意识到民用核技术扩散可能带来核武扩散,于是监管把核能推向高成本。

    “真正的故事,是印度拿到了核弹。”

    🏛️ 文明不是单调进步的

    从青铜时代崩溃、罗马帝国衰落到古文明遗迹,两人讨论了一个核心问题:如果历史不是持续向上的直线,而是存在巨大兴衰周期,那现代文明也不能被视为理所当然。Thiel 认为,这正是古文明讨论在今天的重要性。

    “如果历史一直是单调进步,那我们就没什么需要担心的。”

    🧠 语言、模仿与人类的危险性

    Thiel 认为,人类区别于其他灵长类的重要特征不是单纯智力,而是语言和模仿能力。模仿让文化传承成为可能,也让欲望、竞争和暴力更强烈。人类既是学习机器,也是冲突机器。

    “我们和猿的区别在于,我们比猿更像猿。”

    🕳️ 深层政府与阴谋论的现代困境

    在 JFK、Epstein、MKUltra、FISA、特朗普枪击事件等话题中,Thiel 的一个重要判断是:美国历史上确实存在过很多疯狂的秘密项目,但当代机构也许比过去更无能、更容易被记录、更难真正执行复杂阴谋。Rogan 则更怀疑:如果过去能做,为什么今天不会继续做?

    “我更倾向于解释成,这是严重无能。但我不知道这样是不是更好,也可能更糟。”

    👽 UAP 与 AI 的交汇

    Rogan 提出一种大胆想象:所谓外星访客也许并非生物生命,而是其他文明创造出的后生物 AI 生命;人类未来也可能走上同样道路。Thiel 则认为,如果真有超光速文明,它必须解决“无限毁灭能力”带来的政治问题,因此外星文明要么极权到近乎恶魔,要么利他到近乎天使。

    “只要有超光速旅行,他们就必须是恶魔或者天使。”

    🤖 AI 未来:升维、失控,还是被监管扼杀?

    Rogan 倾向于认为,人类会创造出超越自身的数字生命;Thiel 则更担心,硅谷的 AI 叙事无法说服普通人,反而会让“反 AI”“全球治理”“算力监管”力量变强。AI 的未来不一定是无限加速,也可能像核能、药物、航空一样被恐惧和监管压制。

    “如果最后的故事变成某种版本:人类会像马一样被送进胶水厂,那我可能也会想变成卢德派。”

    👶 低生育率可能比想象中更难逆转

    Thiel 对全球低生育率非常悲观。他认为,一旦人口结构倒转,老人多于年轻人,政治激励就会系统性偏向老人福利,而不是儿童和未来投资;生孩子的社会成本会越来越高,人口衰减可能变成自我强化循环。

    “一旦翻转,就不会再翻回来。”

    🗣️ 谈论不是行动

    整期对话最后回到开头:谈论问题是第一步,但谈论也可能成为行动的替代品。Thiel 用饮食、心理治疗和战略来说明,人类常常把“理解自己”误认为“改变自己”。

    “战略常常是拖延的委婉说法。”

    🌐 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

    #580. SpaceX:太空算力,AI 时代的基础设施争夺战 Jun 11, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:科技与商业深度访谈播客《Heller House》Gavin Baker interviews SpaceX CFO Bret Johnsen at Mission Control

    Jun 9, 2026

    本期嘉宾 Bret Johnsen 是 SpaceX 首席财务官,他和科技投资人 Gavin Baker 在 SpaceX 任务控制中心展开了一场关于未来基础设施的高密度对话。节目从 SpaceX 最底层的能力“发射”讲起,解释为什么 Falcon 和 Starship 不只是火箭,而是 Starlink、直连手机、轨道 AI 算力、月球经济甚至火星计划的共同底座。Bret 详细分享了 Starship 快速复用如何将每公斤入轨成本再降低一个数量级,Starlink 如何从一千万用户走向数亿用户,以及为什么 SpaceX 认为“太空里的机架”可能成为 AI 算力的新答案。

    这期节目最值得关注的地方,是它把 SpaceX 看似分散的业务串成了一个完整系统:发射能力降低成本,Starlink 创造现金流和通信网络,Starship 扩大发射规模,Orbital Compute 把 AI 算力送入太空,Terra Fab 解决硅供应链瓶颈,Grok、Cursor 和企业 AI 业务则把算力变成产品。对普通听众来说,这不只是一场太空公司 CFO 的访谈,更是一份关于 AI 时代基础设施、能源、通信、芯片和资本效率的未来地图。

    👨‍💼 本期嘉宾

    Bret Johnsen,SpaceX 首席财务官。他在 SpaceX 工作超过十五年,长期参与公司资本配置、业务扩张和战略执行。在加入 SpaceX 之前,他曾在半导体行业工作,因此在本期节目中也从发射、卫星、AI 算力、芯片供应链和制造成本等多个角度,解释 SpaceX 如何构建高度垂直整合的未来基础设施体系。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    发射是一切的起点

    01:36 为什么一家太空公司必须掌握自己的发射能力

    02:13 Elon 对降低入轨成本的长期执念

    02:35 Starship 的目标:在 Falcon 基础上再实现十倍成本改善

    02:52 快速复用为什么是火箭技术的“圣杯”

    03:05 从 Falcon 一级回收,到 Starship 像飞机一样运营

    03:28 为什么 Starship 是让航天产业进入 2030 年代新阶段的催化剂

    03:59 Starship V3 首飞:新 Raptor 发动机、软溅落与系统验证

    04:48 一百公吨入轨能力对未来业务意味着什么

    05:12 Starship 如何成为 SpaceX 多条业务线的跳板

    Starlink:从连接业务到全球基础设施

    05:23 Starlink 的规模:一千万客户、一万颗卫星、一百六十多个国家

    06:03 从加拿大原住民社区到巴西学校:连接未联网人群的现实意义

    06:36 弥合数字鸿沟:连接地球上另外三十亿人的机会

    06:51 为什么 Starlink 未来可能从一千万用户走向数亿用户

    07:22 Starlink 如何反过来推动 Falcon 发射规模化

    07:35 去年 Falcon 一百六十五次发射背后的运营逻辑

    08:00 Starlink、Starship 与未来 AI 算力卫星的连续关系

    连接市场的重塑

    08:13 一点六万亿美元电信市场:互联网接入与蜂窝连接

    08:32 为什么传统电信产品很难真正差异化

    09:15 游戏玩家视角:速度、延迟和体验为什么重要

    09:32 Direct to Cell:未来两年达到 5G 质量的手机直连服务

    09:58 全球漫游、无信号死角与灾害恢复场景

    10:38 低延迟、高速度、几乎到处可用的宽带体验

    11:02 航空公司接入 Starlink 后,用户如何重新理解卫星网络

    11:27 自然灾害中的 Starlink:通信恢复如何直接救命

    Starship 打开的新市场

    11:46 除了 Starlink,Starship 还能带来哪些业务

    12:03 点对点运输、月球经济与未来太空市场

    12:17 被低估的现实机会:地球上已有的两万亿美元连接市场

    12:31 不用挖沟:卫星网络相对地面网络的成本优势

    13:06 AI 算力为什么是 Bret 最看好的新方向

    13:30 Starship 发射 Starlink V3:单次能力是 Falcon 的二十倍

    13:45 V3 卫星如何推动宽带增长和 5G 级手机直连

    14:00 Starship 如何支撑更大的 Starlink 星座与数亿用户

    Orbital Compute:太空里的 AI 机架

    14:13 为什么“太空数据中心”不是一栋漂浮建筑,而是一颗颗机架卫星

    14:44 Orbital Compute 的本质:另一个星座

    15:18 计算卫星会长什么样:更大的 Starlink V3、太阳能板、GPU 和散热板

    15:48 为什么这不是全新概念,而是 Starlink 技术的自然延伸

    16:16 Starlink 现有的星间链路、推进系统和地面连接如何复用

    16:29 Nvidia 机架、太阳能翼和散热器的直观想象

    17:08 从第一性原理看轨道算力的优势

    17:18 监管优势:不用把数据中心建在居民后院

    17:39 太空太阳能:每块电池获得约五倍于地面的能量

    18:09 冷却优势:从复杂液冷变成直接辐射散热

    18:47 成本结构:卫星本体、硅和发射

    19:15 为什么太空算力成本曲线可能下降,而地面数据中心成本持续上升

    19:38 AI 算力市场规模与轨道算力的早期挑战

    20:16 每年把吉瓦级算力送入太空意味着什么

    20:39 最早明年展示轨道算力能力

    21:03 没有 Starship 的快速复用,轨道算力无法真正发生

    吉瓦级算力与发射规模

    21:25 什么是一吉瓦级数据中心

    21:54 一个 Blackwell 机架的耗电量有多夸张

    22:10 每年几吉瓦轨道算力到底意味着什么

    22:26 第一代方案:送上一吉瓦算力大约需要两百次 Starship 发射

    22:53 SpaceX 正在按每年数千次发射优化

    23:06 南得克萨斯、Cape Canaveral 与未来发射塔布局

    Elon、工程文化与组织能力

    23:21 Colossus 一号一百二十二天上线背后的组织能力

    23:56 给 Elon 工作十五年:大胆目标如何一步步变成现实

    24:28 从“火星梦被翻白眼”到“哪一年去火星”

    25:03 SpaceX 如何围绕终极目标构建每一块关键 IP

    25:27 从入轨、复用、重型运载到载人飞船和太空通信

    25:50 年发射数千次如何为火星窗口准备飞行器舰队

    26:15 月球经济:学习如何在太空中生活

    26:45 AI 如何成为使命延伸:把人类意识带到地球之外

    27:11 Elon 如何和工程师一起解决关键路径问题

    27:49 为什么 SpaceX 像一个顶级工程课堂:小团队、硬问题、通宵迭代

    28:36 领导者深入一线技术细节为什么能激励团队

    29:09 Raptor 发动机从一代到三代的演进

    SpaceX AI:算力、模型与真实数据

    29:36 从多行星使命到“扩大意识的光锥”

    30:15 为什么 SpaceX 进入 AI 业务不仅是财务机会

    30:30 追求真相的 AI:X 的实时内容如何成为差异化

    31:04 Grok、企业 API、Grok Build 与地面算力

    31:18 AI 业务为何也会像发射和连接业务一样多元化

    31:39 托管算力、企业模型和消费者模型的组合

    32:04 Anthropic 交易:用地面数据中心验证算力商业模式

    32:34 Cursor 交易:补齐企业编程能力

    32:48 SpaceX AI 的整合:把 SpaceX DNA 带进 AI 团队

    33:30 Anthropic 交易带来的年化收入规模想象

    34:04 算力与电力成为 AI 行业瓶颈

    34:20 为什么对外出租算力不意味着减少内部模型投入

    35:01 SpaceX 是否会加快建设地面数据中心

    35:27 Cursor 的 Composer 模型在 Colossus 二号上获得性能跃升

    36:14 Cursor 的企业客户基础与 SpaceX 算力结合

    36:33 Grok LLM、Cursor 编程引擎和 Grok Build 工具框架

    Terra Fab:芯片供应链与制造业回流

    36:47 Terra Fab 是什么:SpaceX、Tesla 与 Intel 的合作

    37:18 为什么内部锁定客户能降低新晶圆厂风险

    37:43 Elon 如何挑战半导体制造流程里的每一个“必须如此”

    38:15 SpaceX 为什么担心未来硅供应链约束

    38:31 从 Nvidia、AI 芯片、TPU 到 TSMC:供应链瓶颈在哪里

    38:47 如果要扩到每年一百吉瓦,为什么必须确保可靠硅供应

    39:01 美国本土半导体制造与制造业岗位的意义

    资本配置与垂直整合

    39:12 从资本高效到大规模投入:SpaceX 正在经历什么转变

    39:34 十五年来最难的挑战之一:资本配置

    40:08 类似准时制制造的投资方法:按季度规划产能

    40:29 Starship 发射塔、燃料空分装置、机库、卫星制造和数据中心

    40:53 Starlink V3 如何释放现金流,为轨道算力提供时机

    41:28 Starship、地面算力、AI 模型、Starlink、Orbital Compute 与 Terra Fab 如何互相促进

    42:01 核心逻辑:所有业务的基础都是发射平台

    42:21 太空能力如何让每个垂直业务交付更好的产品

    42:44 基础设施被推到业务最前沿

    42:59 开放式垂直整合:竞争对手也可以买发射、算力、模型和轨道算力

    43:13 每一层既是独立业务,又反过来强化整体规模和成本优势

    🌟 精彩内容

    🚀 发射不是业务之一,而是所有业务的底座

    Bret Johnsen 反复强调,如果要做一家太空公司,第一件事就是掌握进入太空的能力。SpaceX 的核心不是单一火箭产品,而是把发射成本不断压低,并通过可复用能力让更多业务变得可行。Falcon 已经改变了行业,而 Starship 的目标是把这种能力提升到一个全新层级。

    “如果你要做一家太空公司,发射就是起点。”

    🛰️ Starlink 的真正野心:不只是卫星互联网,而是重塑连接市场

    Starlink 已经拥有超过一千万客户、超过一万颗卫星,覆盖一百六十多个国家。Bret 认为,这只是开始。由于太空网络在偏远地区、航空、灾害恢复和全球漫游中具备天然优势,Starlink 未来有机会服务数亿用户。更重要的是,Starlink 还推动了 Falcon 的发射频率,让 SpaceX 有了规模化运营火箭的真实需求。

    “把 Starlink 带到全世界,这件事真的很了不起。”

    📱 Direct to Cell:让手机没有信号死角

    SpaceX 正在推进直连手机服务,目标是在未来两年实现接近 5G 质量的 Direct to Cell。Bret 描述的场景很直接:用户拿着普通手机,无论在沙漠、山顶还是灾害现场,都能保持连接。这不仅是商业机会,也可能成为紧急救援和灾害恢复中的关键基础设施。

    “你拿着手机去任何地方,都能全球漫游。”

    🧠 Orbital Compute:AI 算力为什么可能上太空

    本期最有想象力的部分,是关于轨道算力的讨论。Bret 解释,所谓太空数据中心并不是一个巨大建筑,而是一组组装有 GPU、太阳能板和散热系统的卫星。它们像“太空里的机架”,通过星间链路和虚拟网络组合成算力星座。太空中太阳能更强、冷却更直接、没有土地和监管压力,这些都可能让轨道算力形成长期成本优势。

    “这其实就是另一个星座。”

    ⚡ 吉瓦级算力背后的现实难度

    轨道算力听起来浪漫,但规模极其惊人。按第一代卫星和 Starship V3 的估算,把一吉瓦算力送入太空大约需要两百次发射。也正因如此,SpaceX 正在围绕每年数千次发射优化 Starship 的运营体系。没有快速复用,就没有真正意义上的轨道算力。

    “没有 Starship 将要提供的快速、可复用发射能力,就做不了。”

    🧩 SpaceX AI:从 Grok 到 Anthropic,再到 Cursor

    节目后半段展示了 SpaceX AI 的业务拼图:Grok 面向消费者与企业,X 的实时内容提供差异化数据,地面数据中心可以对外出租高端算力,Anthropic 交易验证了算力商业模式,Cursor 则补齐了企业编程能力。Bret 强调,SpaceX 不只是自己训练模型,也会把算力作为基础设施提供给其他 AI 公司。

    “我们能给 AI 行业带来一个迫切需要的方案。”

    🏭 Terra Fab:AI 时代的硅供应焦虑

    当算力扩张到很多吉瓦甚至每年一百吉瓦,芯片供应就会成为瓶颈。Bret 解释,Terra Fab 的意义在于通过 SpaceX、Tesla 与 Intel 的合作,降低半导体制造风险,并确保未来 AI、卫星和汽车业务拥有可靠硅供应。对 SpaceX 来说,这不是进入半导体行业的兴趣项目,而是为长期基础设施扩张准备关键供应链。

    “如果没有 Terra Fab,我们就必须确保自己有可靠的硅供应。”

    🔗 开放式垂直整合:SpaceX 的真正护城河

    Gavin 和 Bret 最后把所有业务串在一起:Starship 降低发射成本,Starlink 创造需求和现金流,轨道算力消耗发射能力,AI 模型消耗算力,Terra Fab 保障芯片供应。这是高度垂直整合,但每一层又都可以对外开放,成为独立业务。竞争对手可以买 SpaceX 的发射、用 Starlink、租算力、用模型,甚至未来接入 Orbital Compute。

    “核心在于,我们有一个发射平台。过去是 Falcon,现在马上会是 Falcon 加 Starship。”

    🌐 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

    #579.普通人如何看懂 AI 投资机会,泡沫争议下的科技周期突围 Jun 10, 2026
    Show notes

    📝 本期播客简介本期我们克隆了:投资播客《Invest Like The Best》Why the AI Boom Is Just Getting Started原内容更新时间:2026-06-09本期节目中,主持人 Patrick O'Shaughnessy 对谈 Whale Rock Capital 创始人 Alex Sacerdote,围绕一个极具争议的问题展开:AI 热潮到底是已经过热,还是才刚刚开始?Alex 长期专注科技成长股投资,他用一套非常清晰的框架理解过去二十多年的科技周期:先找到技术采用的 S 曲线,再判断谁拥有真正的竞争优势,最后寻找市场尚未充分理解的盈利能力。在他看来,AI 是他职业生涯中见过的最大 S 曲线,甚至可能不再是传统的 S 曲线,而是一条近乎直线上升的“L 曲线”。这期节目从 Anthropic 这笔高确信度投资切入,讨论基础模型为什么可能形成寡头格局,Claude Code 为什么让编程市场突然爆发,企业 AI 为什么渗透率还不到 1%。随后,Alex 系统讲解了他如何用 S 曲线投资 Apple、Amazon、Tesla、Nvidia,也解释了为什么传统软件公司可能面临预算挤压、席位收费压力和 AI 原生公司的挑战。更重要的是,他并没有只停留在“AI 很大”的宏大叙事,而是深入拆解了芯片、内存、PCB、光纤、电源、液冷服务器、数据中心网络等基础设施环节,解释为什么 AI 正在让原本商品化的硬件行业重新拥有技术壁垒和定价能力。如果你关心 AI 投资、科技周期、芯片产业、软件公司命运,或者想理解专业成长股投资人如何研究复杂新趋势,这期节目会是一堂非常完整的 AI 投资框架课。👨‍⚕️ 本期嘉宾Alex Sacerdote,Whale Rock Capital 创始人兼投资组合经理。Whale Rock 是一家专注科技、媒体和电信领域的投资机构,长期研究科技成长股、私营科技公司与全球大型科技平台。Alex 曾在 Fidelity 工作,长期用技术采用周期、竞争优势和长期盈利能力来寻找科技投资机会,代表性研究领域包括 Apple、Amazon、Tesla、Nvidia、Stripe、Anthropic、OpenAI 等。⏱️ 时间戳00:00 开场 & 播客简介AI 热潮为什么可能才刚开始01:35 Anthropic:为什么它是 Alex 最高确信度的投资02:38 新计算范式:AI 技术栈从电力、芯片到模型和应用03:52 基础模型层:从 60 家竞争者走向三强寡头格局05:56 编程爆发:Claude Code 如何成为企业 AI 的第一块大市场07:00 编程市场测算:两千万程序员背后的五千亿美元机会08:03 从辅助写代码到 Agentic 编程:AI 编程能力的拐点09:00 模型不是大宗商品:Anthropic、Google、OpenAI 的差异化09:52 API 周围的产品生态:为什么 Anthropic 像早期 AWS10:40 企业 AI 渗透率:真正使用 AI 的知识工作者可能只有十个基点12:13 L 曲线:为什么企业 AI 可能直线式上升12:44 算力短缺:大规模采用到来前,全球算力已经不够公开市场投资人如何进入私营公司13:08 从公开市场到私募投资:如何拿到 Anthropic 仓位14:07 尽调 Anthropic:管理团队、代码质量和商业计划兑现14:52 90 页研究报告:用 Claude Code 反向研究 Claude Code15:12 独角兽市场:为什么私营科技公司已经无法忽视16:10 Stripe 案例:为什么研究 Adyen 必须研究 Stripe17:05 疫情期间买入 Stripe:如何用有限信息推算私营公司价值18:04 私募投资人的优势:愿意长期持有,并陪伴公司上市之后S 曲线投资框架18:36 三件事:S 曲线、竞争优势、被低估的盈利能力19:26 指数增长的误判:为什么市场太关注下个季度20:47 技术采用:从早期存在到真正引爆通常需要很久21:35 iPhone 案例:当所有采用障碍被移除,需求会像火箭一样上升22:01 Tesla 案例:价格、续航和供应链如何触发电动车拐点22:41 S 曲线有多高:为什么 TAM 决定你能持有多久23:32 AWS 案例:隐藏在 Amazon 里的巨大企业 IT S 曲线24:02 AI 是最大的 S 曲线:互联网、移动、云、电商之后的新周期24:50 什么时候卖:渗透率到 30% 到 40% 后,指数增长通常减弱25:14 Apple 的教训:错过后续复利增长,但最大年份在 0 到 50% 渗透率25:57 什么时候买:战略拐点靠直觉、零散证据和模式识别26:43 移动游戏信号:一个中国小孩玩手机游戏带来的投资洞察27:25 企业软件信号:Gartner 会场里站满人的房间28:01 错过早期也没关系:真正大的 S 曲线会持续很久28:21 S 曲线斜率:收音机和洗碗机代表两种技术采用速度29:15 B2B 像洗碗机:需要接入系统,所以采用更慢30:08 AI 的特殊性:浏览器一打开就能用,因此采用可能更快护城河、赢家与基础模型格局30:47 先找 S 曲线,再找真正有竞争优势的公司31:40 数字世界的护城河:网络效应、行业标准、规模与平台32:33 关键知识产权:从 Qualcomm、ASML 到基础模型公司33:22 品牌与获客成本:为什么强品牌本身就是商业模式33:50 Amazon 和 AWS:战争开始前就已经赢了34:20 没有护城河也会输:RIM、Palm、Nokia 的反面案例35:15 AI 的复杂性:高风险,但潜在市场高达三到五万亿美元35:43 Anthropic 的护城河:企业品牌、关键 IP 和融资能力36:24 递归式改进:编程领先如何反哺模型能力37:03 企业市场与消费者市场:谁能更快变现37:52 领先者复利:互联网公司里“领先者更大更快”的规律38:21 范式转移风险:AOL 和 Netscape 的历史提醒AI 对软件公司的冲击38:43 传统企业软件面临什么:AI 能否重做 ERP 和 CRM39:40 从看多软件到卖出软件:为什么 Alex 改变判断40:15 AI 产品无力变现:现有软件公司早期 AI 产品的问题40:39 软件像马车,AI 像传送器:技术代差带来的颠覆风险40:45 CIO 预算迁移:钱可能流向 Anthropic token,而不是传统软件41:18 四重压力:预算、涨价、席位收费和招聘冻结41:49 销售动作变化:AI 需要前线部署工程师,而不是卖固定系统42:08 客户自建风险:AI 原生公司可能挑战每一个软件巨头43:15 新版四十法则:AI 收入占比 + 品类市场份额44:20 软件公司的 AI 占比太低:离真正改变增长轨迹还很远44:33 反转可能性:AI 也可能让 Slack 等平台更重要45:22 无界面软件:Agent 直接进入数据层,软件公司可能被降级成数据库45:56 CRM 的两种命运:失去界面,或成为 Agent 的工作场所芯片、硬件与 AI 基础设施46:13 数据中心四十年:从 X86 到云,硬件长期商品化47:04 AI 工作负载:每年十倍增长,把硬件推到物理极限47:31 硬件行业去商品化:AI 带来的芯片复兴48:15 高带宽内存:从商品内存变成关键技术部件48:45 Celestica 案例:从合同制造商到 Google TPU 服务器关键供应商49:35 AI 服务器:一台 20 到 30 万美元,变成关键基础设施50:12 网络升级:以太网从七年一换变成每年升级50:40 AI 网络份额:Celestica 在云端以太网交换机的优势51:00 PCB 和材料:AI 服务器需要 40 层电路板51:45 从低增长到高增长:供应链公司如何获得收入和利润率双提升52:04 Corning 光纤:一个数据中心的光纤可绕地球四圈半52:30 Scale out、scale across、scale up:AI 数据中心三种连接需求53:10 机架内部连接:从铜缆走向光纤的潜在机会53:20 电源升级:Nvidia 每代芯片让用电量大幅增加53:58 供应短缺:DRAM、NAND、PCB 已经出现 30% 左右缺口市场为什么会错过,以及 AI 风险在哪里54:20 变化率比绝对值更重要:AI 占比从 10% 到 30% 的加速效应54:48 为什么别人没看对:这套框架看似简单,但执行很难55:30 股价涨了也难买:没有全局视角就会被泡沫叙事吓退56:02 半导体分析师为何错过:只看芯片,没看懂基础模型层56:39 最大担忧之一:公众和政府对 AI 的负面情绪57:03 监管风险:数据中心禁令与 AI 悲观情绪57:20 模型进步放缓:如果前沿模型撞墙,开源可能追上57:55 对芯片公司反而未必坏:谁赢不重要,只要有人跑模型58:20 大玩家掉队风险:如果部分模型公司退出,算力需求可能受影响AI 应用层为什么还没完全清晰58:48 为什么不是优先投应用层:应用通常会晚一点成熟59:20 基础模型和应用边界:应用能否挡住模型公司的进攻59:48 企业软件应用还未真正爆发:生态仍然不清楚01:00:18 Sierra 案例:Brett Taylor 的 AI 客服应用公司01:00:45 应用层需要时间:真正成熟可能发生在最初三四年之后AI 时代的研究方法01:00:50 Whale Rock 的研究奖项墙:什么样的研究能脱颖而出01:01:42 AI 是否改变研究:能提升效率,但还不能取代分析师01:02:05 Scuttlebutt 方法:走出去见公司、客户、供应商和竞争对手01:02:46 AI 能快速学习复杂领域,但不能替你判断未来01:03:11 分析师的新价值:不只是记录事实,而是给出洞察01:03:36 AppLovin 案例:真正的研究来自长期跟踪、行业会议和关系网络01:04:26 投资人朋友圈:菲利普·费舍式的想法交换01:04:57 三脚架信心:自己、分析师、尊重的外部投资人同时看好Whale Rock 的产品与研究机器01:05:18 从多空基金到只做多基金:产品体系如何演化01:06:00 私募敞口:为 LP 提供不同参与方式01:06:26 Mega Cap Tech Fund:为什么大型科技股存在结构性低配01:07:10 捐赠基金困境:为什么很多机构错过最大科技公司01:08:27 大盘科技股也有 Alpha:Google 是赢家这件事需要更多人意识到01:09:20 全球市值前三十:从最大公司里挑出最好的十二三家01:10:08 Whale Rock Learning Machine:研究机器才是公司的核心资产01:10:44 知识复利:每年两千五百到三千场管理层会议01:11:03 同一套研究引擎:同时支撑公开市场和私募投资人生影响与结尾01:11:14 最善良的一件事:父亲加入 Whale Rock 帮他创业01:12:00 父子共事六年:父亲负责监督、募资和支持01:12:31 一位真正的绅士:父亲作为导师影响了许多人01:13:00 谦逊、智慧与温暖:Alex 对父亲的回忆01:13:32 结尾致谢🌟 精彩内容💡 AI 不是 S 曲线,可能是 L 曲线Alex 认为,AI 的真正企业级采用还处在极早期。虽然现在已经有大量用户体验过 AI,但真正把 AI 接入工作流、构建技能、让 Agent 执行任务的人,可能只占全球知识工作者的十个基点左右。企业 AI 或企业应用 AI 的渗透率还不到 1%,但算力已经不够,这意味着大规模采用还没来,基础设施已经被需求压满。“企业 AI,或者说企业应用 AI 市场,渗透率还不到百分之一。我们以前总讲 S 曲线,但这一次我们叫它 L 曲线,就是一路直着往上。”🚀 Anthropic 与编程市场的爆发Alex 解释了为什么 Anthropic 成为他的最高确信度投资。关键不只是 Claude 模型本身,而是 Claude Code 让编程进入接近 Agentic 的阶段。过去 AI 可能只是帮程序员写一小段代码、找一个 bug,而现在越来越多开发者可以用自然语言指挥 AI 完成大量编程工作。Alex 甚至估算,全球约两千万程序员,如果高强度使用 AI 编程工具,单这一块就可能是一个五千亿美元市场。“Karpathy 去年说,编程工具大概能写百分之二十,剩下百分之八十还是要手写。最新模型出来以后,这个比例反过来了。”📈 S 曲线:科技投资的核心地图Alex 的投资框架可以概括为三件事:S 曲线、竞争优势、被低估的盈利能力。当技术采用进入正确位置,销量会指数级增长;如果商业模式足够好,利润也会指数级增长。但市场通常只看下一个季度,很难相信两三年后的盈利会发生巨大变化。因此,理解 S 曲线的人,可能以极低的真实长期市盈率买到最好的公司。“这个世界不会按指数级去思考。大家太关注下一年,或者下一个季度。”🏰 没有护城河,踩中大趋势也会输Alex 强调,S 曲线只是第一步,真正重要的是找到其中拥有竞争优势的赢家。智能手机是巨大的 S 曲线,但 RIM、Palm、Nokia、HTC、LG、Motorola 都没有成为最终赢家。科技公司也可以拥有非常强的护城河,包括网络效应、行业标准、规模优势、平台地位、关键知识产权和品牌。“如果你没有竞争优势,哪怕你处在史上最好的 S 曲线里,也可能会输。”🧨 AI 对软件公司的冲击Alex 曾经大量持有软件公司,但在 AI 周期里,他几乎卖掉了大部分应用软件。他认为,传统软件公司面临几重压力:AI 产品暂时没能真正收费,CIO 预算转向基础模型和 token,按席位收费可能受招聘冻结影响,AI 原生公司也可能重做很多企业软件。传统软件不会立刻消失,但它们的增长逻辑已经被挑战。“旧的软件方式,就像用笔和纸,或者像马车。新的软件方式,像喷气发动机,甚至像《星际迷航》里的传送器。”🔌 AI 让硬件行业重新拥有壁垒过去几十年,数据中心硬件高度商品化。但 AI 工作负载每年十倍增长,把芯片、内存、网络、PCB、电源、液冷、光纤等每个环节都推到物理极限。结果是,原本低增长、低利润率的供应链公司,突然变成必须提前多年和云厂商、芯片公司共同设计路线图的关键基础设施。“我们把这叫作硬件行业的去商品化。”🧠 AI 不能替代真正的投资判断在研究方法上,Alex 认为 AI 可以帮助写纪要、快速学习复杂领域、整理季度业绩,但还不能替代分析师的核心工作。真正的投资研究仍然需要见公司、见客户、见供应商、见竞争对手,建立关系,理解管理层,判断未来会怎样变化。AI 可以成为很好的记者,但还不能成为真正的投资判断者。“不要只是当一个记者。AI 可以是很好的记者,但它还不能真正判断未来。”❤️ 父亲给予的创业支持节目最后,Alex 回忆了父亲对他的帮助。父亲曾在 Goldman Sachs 工作四十一年,本可以退休,却选择加入刚成立的 Whale Rock,帮助他募资、监督和搭建公司。两人共事六年,从未提高过嗓门。Alex 说,如果自己能成为父亲一半那样的人,就已经彻底赢了。“如果我能成为他一半那样的人,我就已经彻底赢了。”🌐 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

    Full show notes at the publisher

    #578.女性如何稳住更年期健康,在医学误解与激素争议中夺回主动权 Jun 09, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:《Huberman Lab Podcast》【Andrew Huberman: How to Navigate Menopause & Perimenopause for Maximum Health & Vitality | Dr. Mary Claire Haver】

    原内容更新时间:2024-06-03

    本期节目是一次关于围绝经期、绝经期与女性长期健康的系统梳理。主持人 Andrew Huberman 邀请妇产科医生、女性健康专家 Mary Claire Haver,从卵巢功能衰退、雌激素波动、心理健康变化、睡眠问题、潮热、内脏脂肪、肌肉流失、骨密度,到激素替代治疗 HRT 的争议与误解,几乎完整拆解了女性从三四十岁开始就应该了解的一套健康地图。

    Haver 医生最核心的观点是:更年期不应该只被理解成“月经停止”或“潮热”,它是影响大脑、心脏、骨骼、肌肉、皮肤、泌尿生殖系统和代谢健康的全身性转变。她也指出,围绝经期往往在最后一次月经前 7-10 年就开始,很多女性在出现焦虑、脑雾、睡眠中断、心悸、关节痛和月经混乱时,并不知道这些可能与激素波动有关。

    这一期最重要的现实意义在于:女性并不是只能被动忍受更年期。通过更早识别症状、与医生进行充分知情讨论、合理考虑 HRT、提升蛋白质和纤维摄入、进行抗阻训练、保护骨密度、管理睡眠与酒精摄入,女性可以更主动地穿越围绝经期、绝经期以及之后几十年的人生。

    👩‍⚕️ 本期嘉宾

    Mary Claire Haver,医学博士,委员会认证妇产科医生,围绝经期、绝经期和女性健康领域专家。她是《The New Menopause: Navigating Your Path Through Hormonal Change With Purpose, Power, and the Facts》的作者,也是 Galveston Diet 的创始人。她长期致力于更年期医学教育、女性代谢健康、激素治疗科普和女性健康研究倡导。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    重新理解更年期

    04:14 更年期不只是“最后一次月经”:为什么传统定义不够用

    06:05 围绝经期可能提前 7-10 年开始:激素系统进入“混乱区”

    08:04 为什么围绝经期很难靠一次抽血诊断

    10:15 女性健康研究为什么长期缺位:围绝经期研究少得惊人

    围绝经期:身体和大脑的混乱信号

    11:40 “大脑不喜欢这种混乱”:焦虑、抑郁、脑雾与执行功能下降

    13:35 五分之一女性可能因绝经相关症状离职:被低估的职业影响

    15:02 月经异常、疲劳、关节痛、心悸:为什么很多症状会被误诊

    16:44 围绝经期该做什么检查:不是只查激素,也要排除甲状腺、自免和贫血

    17:04 哪些因素会让绝经更早:吸烟、手术、炎症、遗传与族群差异

    19:30 27岁也可能进入卵巢功能衰退:早发性卵巢功能不全的风险

    避孕、生育与女性健康误区

    21:23 避孕药、HRT 与剂量差异:抑制排卵还是稳定大脑信号

    24:27 “最好的避孕方式是输精管结扎”:避孕责任为何总落在女性身上

    25:46 宫内节育器如何工作:停止月经不等于停止排卵

    26:32 避孕会推迟绝经吗?答案是可能,但幅度很有限

    27:47 冷冻卵子不会提前绝经:为什么取卵不消耗额外卵巢储备

    29:27 为什么女性健康话题总被误解:研究不足、沟通不足与互联网噪音

    女性健康研究的结构性缺口

    30:41 NIH 更年期经费占比极低:女性生命三分之一被忽视

    31:03 很多慢性病研究没有真正分析性别差异

    32:19 女性健康法案、医学教育与 WHI 之后的一代断层

    33:31 普通人如何推动研究经费:给议员打电话也可能有效

    营养、肌肉与代谢健康

    35:23 如果能告诉35岁的自己:先把饮食和炎症管理做好

    36:14 纤维是底层工具:每天至少25克,理想约30克以上

    37:08 吃出颜色多样性:植物化学物质与肠道微生物组

    37:18 蛋白质摄入不足:女性需要为肌肉和长寿而吃

    37:45 内脏脂肪才是关键:绝经后身体组成如何改变

    38:50 体重不是全部:肌肉流失与内脏脂肪增加才是风险核心

    39:42 女性蛋白质目标:从50克提高到80-120克的现实意义

    41:05 问问母亲何时绝经:遗传是重要线索

    绝经后的症状与身体指标

    41:40 几乎每个女性都会经历身体组成变化

    42:08 如何估算内脏脂肪:DEXA、InBody 与腰臀比

    44:10 睡眠、疲劳与“我不像自己了”:绝经前后的心理韧性变化

    45:14 眩晕、耳鸣、皮肤痒、腹胀:那些不常被归入更年期的症状

    45:30 肠道微生物组也会变化:从“女性型”走向更接近“男性型”

    46:08 发酵食物、酸奶、味噌与益生菌研究

    Galveston Diet 与间歇性禁食

    46:54 地中海饮食和 Galveston Diet 有什么不同

    47:24 为什么医生也缺营养学教育:从“吃健康点”到烹饪医学

    48:34 Galveston Diet 的诞生:抗炎营养、低加工、低糖与禁食

    49:18 间歇性禁食的利与弊:如果吃不够蛋白质,窗口太短反而成问题

    50:30 每餐都要有蛋白质:不要把蛋白质都堆到晚餐

    从“瘦”到“强壮”

    51:10 为什么女性长期低估肌肉:以前只为瘦而吃和运动

    51:35 抗阻训练的转变:从马拉松、有氧到每周三四次力量训练

    52:35 每个人都该做抗阻训练:尤其是围绝经期和绝经后的女性

    53:28 如果能回到二十年前:选择强壮,而不是只追求瘦

    潮热、睡眠与 HRT

    54:00 潮热到底是什么:体温调节中枢被重新设定

    54:52 睡眠被打断会放大全部问题

    55:14 潮热的金标准治疗:把雌激素还给身体

    55:38 HRT 为什么被妖魔化:医学史上一次严重误读

    56:05 WHI 研究的关键问题:研究对象平均已经63岁

    58:22 相对风险与绝对风险:乳腺癌数据到底该怎么看

    59:56 年龄窗口很关键:50-59岁开始 HRT 的心血管数据

    01:00:29 “雌激素更擅长预防,而不是治疗”

    01:02:42 雌激素不是致癌物:为什么叙事被简化成“雌激素危险”

    01:03:35 今天很多女性仍只拿到抗抑郁药,而不是充分的更年期照护

    女性不是“小号男性”

    01:04:28 为什么更年期不该全丢给妇产科医生

    01:04:45 “我们是女性,不是长了乳房和子宫的小号男性”

    01:05:38 心血管疾病中的性别差异:女性症状更容易被心理化

    01:06:30 更年期后胆固醇变化:LDL 升高、HDL 降低

    01:06:58 他汀、HRT 与女性一级预防的复杂性

    HRT 怎么用:形式、剂量与个体化

    01:07:04 口服 vs 非口服:为什么 Haver 更偏好经皮给药

    01:08:18 贴片、凝胶、喷雾、阴道环:不同剂型的选择

    01:09:54 Meno Posse:医疗专业人士如何推动更年期照护公平

    01:10:48 什么时候开始 HRT:症状明显时,还是更早?

    01:11:44 雌二醇没有统一治疗范围:根据症状而非单一数字调整

    01:13:45 女性使用睾酮:为什么没有 FDA 批准选择

    01:14:21 睾酮剂量与副作用:性欲、头发、声音、痤疮与毛发生长

    01:15:26 睾酮和雌激素都是“人类激素”,不是单纯男女标签

    孕酮、睾酮与局部激素治疗

    01:16:13 更年期激素补充主要看雌激素、孕酮和雄激素

    01:17:20 “生物同质”“雌激素优势”等术语为什么容易误导

    01:18:11 睾酮对性欲、骨密度、肌肉和大脑可能有什么作用

    01:18:47 DHEA 阴道制剂:局部转化成睾酮和雌二醇

    01:20:22 外用雌激素与胶原蛋白:皮肤、弹性蛋白与衰老

    01:20:47 阴道雌激素为什么非常重要:泌尿生殖综合征与尿路感染预防

    01:21:35 急迫性尿失禁、压力性尿失禁与组织健康

    医学教育仍然没跟上

    01:22:44 WHI 的旧阴影还在吗?很多医生仍不了解最新更年期医学

    01:23:16 妇产科继续教育里为什么几乎没有绝经类别

    01:24:09 Haver 的自我反思:系统没有照顾好生育之后的女性

    补充剂、负重背心与骨密度

    01:25:28 DIM、葡萄籽、月见草等补剂:证据并不强

    01:26:31 Haver 推荐的基础补充:维生素 D、纤维、肌酸、特定胶原蛋白

    01:27:10 负重背心:为什么它可能是骨质疏松预防“小技巧”

    01:28:03 从体重10%开始:穿着负重背心遛狗、洗碗、训练

    01:30:39 骨质疏松预防组合:蛋白质、力量训练、负重背心、肌酸、胶原蛋白

    01:31:11 胶原蛋白不是完整蛋白,但一些研究显示它可能帮助皮肤和骨密度

    01:34:33 髋部骨折的死亡风险:为什么骨密度必须提前保护

    感官、禁忌症与其他女性健康问题

    01:35:59 干眼、冻结肩、眩晕、耳鸣:HRT 可能影响的其他症状

    01:37:03 哪些情况不适合或需谨慎 HRT:异常出血、血栓、肝病、激素敏感癌症

    01:38:42 PCOS 为什么越来越常见:肥胖、胰岛素抵抗与诊断意识提升

    01:39:49 PCOS 怎么治疗:避孕药、减重、GLP-1 与重新排卵

    01:41:13 GLP-1 药物的机会和风险:别只减重,也要保护肌肉

    01:42:04 HRT + GLP-1:部分女性减重效果可能更好

    01:42:58 GLP-1 可能减少酒精、赌博等奖赏驱动行为

    听众问答:HRT、睡眠、伴侣和性欲

    01:45:04 60岁后还能开始 HRT 吗?先评估心血管和中风风险

    01:46:29 HRT 应该用多久?没有禁忌且愿意继续,可以长期用

    01:47:51 围绝经期心理健康:雌激素稳定波动可能比单纯 SSRI 更适合部分人

    01:49:00 半夜醒来怎么办:潮热、孕酮、GABA 与睡眠卫生

    01:49:52 酒精与睡眠:更年期后可能再也不能像过去那样耐受

    01:51:00 男性如何支持伴侣:承认变化、学习知识、陪她就医

    01:52:13 性欲消失怎么办:疼痛、唤起、高潮、关系与睾酮都要分别看

    01:54:26 雌二醇贴片过敏怎么办:可能是胶水反应,不一定是雌二醇本身

    01:55:49 针灸、草药和野山药:可能缓解症状,但不解决根本激素缺失

    01:56:04 如何应对脂肪分布变化:营养、运动、减压、HRT 多因素一起做

    结语

    01:56:17 更年期不是被动承受:女性仍然拥有健康主动权

    01:57:26 嘉宾作品、社交媒体与节目结尾

    🌟 精彩内容

    💡 更年期不只是月经停止,而是卵巢功能的系统性变化

    Haver 医生指出,医学上把更年期定义为“最后一次月经后满一年”,但这对很多女性并不适用。真正关键的是卵巢功能衰退,雌二醇、孕酮和睾酮等激素下降,进而影响大脑、心血管、骨骼、肌肉、皮肤和泌尿生殖系统。

    “我觉得用有没有月经来定义,这是个错误。”

    🧠 围绝经期是“激素混乱区”,不是单纯情绪问题

    围绝经期可在绝经前 7-10 年开始,激素水平出现剧烈、不可预测的波动。Haver 解释,这种混乱会影响血清素、多巴胺、去甲肾上腺素和 GABA 等神经递质,因此女性可能出现焦虑、抑郁、脑雾、执行功能下降和睡眠问题。

    “大脑不喜欢这种混乱。”

    🔥 HRT 的争议,很大程度来自 WHI 研究的误读

    Haver 详细解释了 2002 年 WHI 研究如何被媒体简化成“雌激素会导致乳腺癌”。她强调,研究对象平均年龄约 63 岁,很多人已经离开雌激素十多年,这与刚进入绝经期就开始治疗完全不同。后续分析显示,开始治疗的时间窗口非常关键。

    “雌激素更擅长预防,而不是治疗。”

    💪 女性要从追求“瘦”转向追求“强壮”

    绝经后真正需要警惕的,不只是体重增加,而是身体组成改变:肌肉流失、内脏脂肪增加、骨密度下降。Haver 强调,蛋白质摄入、抗阻训练、负重背心、肌酸和足够纤维,是女性长期健康的基础工具。

    “如果我的终极目标是尽量久地不进养老院,那我就得拿起重量,而且是比较重的重量。”

    🦴 骨质疏松不是老了才处理,而是三四十岁就要预防

    Haver 特别强调骨密度的重要性。髋部骨折后,一年死亡率可能非常高,因此女性应尽早通过力量训练、负重刺激、蛋白质、维生素 D、肌酸、必要时 HRT 等方式保护骨骼。

    “为什么我们要等到已经骨质疏松了,才开始下这个诊断?”

    ❤️ 女性健康不等于乳房和子宫健康

    Haver 对医学系统提出批评:女性不是“长了乳房和子宫的小号男性”。女性对药物、心血管疾病、代谢疾病、激素变化的反应都可能不同,但过去的研究和医学教育长期没有充分纳入这些差异。

    “我们是女性,不是长了乳房和子宫的小号男性。”

    🌙 睡眠、酒精和孕酮:很多女性更年期后耐受力会改变

    Haver 提到,许多绝经后女性发现自己再也不能像过去那样喝酒而不影响睡眠。孕酮则可能通过 GABA 相关机制帮助入睡和稳定大脑,但仍需在医生指导下使用。

    “如果我选择喝超过一杯葡萄酒,那我就是在选择那天晚上不睡。”

    🤝 伴侣支持也是真正的健康工具

    当被问到男性如何支持正在经历围绝经期或绝经期的伴侣时,Haver 的建议很直接:承认这件事真实存在,主动学习,陪她看医生,理解她的大脑、身体和亲密关系都可能正在经历巨大变化。

    “陪她一起面对。陪她去看医生,站在她身边替她争取。”

    🌐 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

    #577.长时运行 Agent:开发者如何让 AI 连续干活不跑偏,模型前沿快速迁移下的工程取舍 Jun 09, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:AI Engineer Conference 的技术分享《Build Agents That Run for Hours (Without Losing the Plot)》— Ash Prabaker & Andrew Wilson, Anthropic

    本期节目是一场非常硬核但极具实践价值的 Agent 工程分享。来自 Anthropic 应用 AI 团队的 Ash Prabaker 和 Andrew Wilson,系统拆解了一个关键问题:如果我们希望 AI Agent 不只是完成几分钟的小任务,而是能连续运行数小时、甚至几天,构建完整应用、调试复杂系统、持续自我推进,工程上到底需要做什么?

    Andrew 先回顾了 Claude Code 和 Agent SDK 在过去一年中的演进:从早期模型只能跑二十分钟,到如今可以在合适的 harness 下运行数小时甚至更久;从 Computer Use、MCP、skills、检查点、Agent teams,到服务端压缩和百万上下文窗口,模型能力和脚手架设计一直在彼此塑造。

    Ash 则进一步分享 Anthropic 内部正在实验的长时运行 harness:将 planner、generator、evaluator 拆成独立角色,用对抗式评估器替代自我评估,让 Agent 真的打开网页、点击、测试、写批评意见,并通过一份具体的 contract 来判断“什么叫完成”。他强调,很多时候提升 Agent 能力的关键不是再加一层复杂架构,而是认真读 traces,理解模型为什么跑偏,再决定 scaffold 里哪些该保留,哪些该删掉。

    这期适合所有正在做 Agent、AI 编程工具、Claude Code 工作流、自动化测试、AI 产品原型和长任务自动化的开发者、产品经理和技术创业者收听。

    👨‍💻 本期讲者

    Ash Prabaker,Anthropic 应用 AI 团队工程师,关注长时间运行 Agent、前端生成、对抗式评估器、Agent harness 和后训练实验。

    Andrew Wilson,Anthropic 应用 AI 团队解决方案架构师,常驻伦敦,主要与数字原生客户和行业客户合作,关注 Claude Code、Agent SDK、企业级 AI 工作流和长时运行 Agent 的实际落地。

    ⏱️ 时间戳

    00:00 开场 & 本期简介

    问题的提出:为什么 Agent 跑久了会失控

    01:29 分享开始:Anthropic 应用 AI 团队要解决什么问题

    02:17 Claude Code 的一年变化:从跑二十分钟到跑好几天

    03:20 长时运行 Agent 的三大难题:上下文、规划、自我判断

    04:44 两条解决路径:把能力训练进模型,或用 harness 补齐短板

    Claude Code 与 Agent SDK 的演进史

    05:11 Agent SDK 的核心循环:模型、工具、MCP、subagent 与权限系统

    06:10 Claude 早期编程能力:Artifacts、Computer Use 与 MCP

    06:56 Claude Code 的研究预览:用真实开发反馈改进模型

    07:27 Opus 4 / Sonnet 4:上下文管理和任务完成能力提升

    08:00 Ralph loop:在非确定世界里构建“确定性地差”的循环

    09:20 Claude Code 2.0:检查点、压缩和更强的上下文意识

    10:04 Haiku / Opus 4.5:子 Agent 变便宜,规划与执行可以拆分

    10:27 Skills 与程序化工具调用:更高效地使用 context window

    第一代长时运行 harness

    11:17 从一句模糊 prompt 到持久化产物:feature list、progress、git repo

    12:01 每轮只做一个功能:新上下文、冒烟测试、实现、验证、提交

    12:53 Opus 4.6 / Sonnet 4.6:更 agentic 的模型与 Agent teams

    14:21 模型变强后,harness 不会消失,而是会移动前沿

    新的 harness 思路:把角色拆开

    15:16 Ash 接棒:前沿不会缩小,只会移动

    16:00 借鉴 GAN:generator 负责构建,evaluator 负责批评

    16:47 为什么不要让 Agent 自己审查自己

    17:30 如何设计“严格的批评者”:把品味变成可评分标准

    18:45 设计、原创性、工艺感、功能性:前端质量如何量化

    19:40 加入 planner:从好看的页面走向完整可用的应用

    20:33 先协商“什么叫完成”:generator 与 evaluator 的 contract

    21:13 为什么 contract 是 Ralph loop 缺少的关键创新

    案例:同一句 prompt,结果为何天差地别

    21:38 复古游戏制作器:没有 harness 时,看起来能用但实际玩不了

    23:02 加上 harness 后:Retro Forge、项目对话框、Sprite 编辑器与 AI 关卡助手

    24:04 evaluator 真正玩游戏:方向键、碰撞、HUD、物理循环都被测试

    24:32 真实测试能抓到什么:路由顺序、删除逻辑、生产环境 bug

    25:12 二十七条 contract 标准:标准模糊,批评就会模糊

    调试 Agent 的真正手艺

    25:44 开箱即用的 Claude 并不是好 QA:宽容偏差与迎合倾向

    26:02 如何调 evaluator:读运行轨迹,找模型判断与人类判断的偏差

    26:18 用 Agent 读 Agent traces:让另一个 Agent grep 日志、更新 prompt

    模型变强后,harness 应该怎么变

    26:39 harness 设计不是一劳永逸:要随着模型行为调整

    27:05 为什么某些 context reset 可以删掉

    27:47 evaluator 运行节奏的变化:从每个 sprint 跑一次,到生成后再跑

    28:21 最终简化版:planner、generator、evaluator 仍是核心

    28:52 DAW 音乐应用案例:更少轮次、更低成本、更完整应用

    给开发者的落地建议

    29:17 不必照搬 Anthropic 全套 harness:Claude Code 里的可用原语

    29:40 auto mode、custom subagent、Playwright MCP、Claude for Chrome MCP、skills

    30:02 五个关键 takeaway:不要自评、压缩不等于连贯、结构化交接、主观质量可评分、读 traces

    Q&A:可复用性、上下文与工具选择

    30:51 这套 evaluator 调优是项目专属,还是可复用 secret sauce?

    31:52 smart zone / dumb zone:Ralph loop 在百万上下文时代还有用吗?

    33:40 Playwright MCP 与 Claude for Chrome MCP:是否应该看着模型操作浏览器?

    35:00 generator-evaluator 能否无限迭代,让应用越来越好?

    37:24 PM 角色是否应该回到循环中,控制范围蔓延?

    Q&A:模型比较、长期维护与团队协作

    39:37 如何比较不同模型:Opus 4.5、Opus 4.6 与 harness 一起演化

    41:06 从一次性 demo 到长期产品:留下 JSON 状态、时间戳日志和文档面包屑

    42:51 Agent teams vs generator-critic:两者是竞争关系还是组合关系?

    45:42 critic 应不应该看到 generator 的执行轨迹?

    46:45 可追踪性怎么做:为什么 Anthropic 仍然大量手动读 trace

    47:42 如何衡量 harness 质量:用细评分标准做 hill climbing

    49:54 团队如何协作:共享 harness、版本控制、worktree 与未解决的可观测性问题

    Q&A:human-in-the-loop 与真实生产

    51:21 human-in-the-loop 应该像 sprint review 一样存在吗?

    54:01 这套模式更适合 greenfield,还是已有生产项目?

    55:52 读 traces 到底怎么读:为什么要完整读原始输出

    57:20 结束:继续在现场交流

    🌟 精彩内容

    💡 能可预测地失败,比不可预测地成功更好

    Andrew 在讲 Ralph loop 时提到,一个简单但重要的工程原则是:在非确定性的模型世界里,尽量构建可预测的失败模式。Ralph loop 的价值不只是“循环调用 Claude Code”,而是把任务拆开、开新上下文、持续推进,并用确定的退出条件控制风险。

    “能以可预测的方式失败,比以不可预测的方式成功更好。”

    🧠 模型前沿不会缩小,只会移动

    Andrew 和 Ash 都强调,随着模型越来越强,harness 不会消失,而是不断演化。过去必须用多个新 context window 解决的问题,可能在新模型上通过单一长会话加压缩就能解决;过去必须拆成 sprint 的任务,新模型可能可以连续构建两小时仍保持连贯。

    “前沿并不会真的缩小,它只是会移动。”

    ⚔️ generator-evaluator:不要让模型自己给自己打分

    Ash 认为,长时间运行 Agent 的一个关键改进,是把生成器和评估器拆成独立角色。评估器不只是读 diff,而是用 Playwright 打开真实页面、点击、截图、测试,并把具体批评交回给生成器。这样可以避免模型自我评估时过于宽容、过早宣布完成。

    “把一个独立的批评者调得更严格,其实是很可行的;但把一个构建者调成有自我批评能力,就没那么容易。”

    📋 标准模糊,批评就会模糊

    在 Retro Forge 案例中,generator 和 evaluator 最后形成了二十七条 contract 标准。Ash 强调,只有标准足够细,evaluator 的反馈才会变成可执行的问题,而不是“感觉还不够好”这种泛泛批评。

    “标准模糊,批评就会模糊。generator 只会耸耸肩,然后随便改点东西。”

    🎨 主观质量也可以评分

    很多人认为“品味”无法评估,但 Anthropic 的做法是把它拆成设计、原创性、工艺感、功能性等维度,并用 few-shot 示例校准 evaluator 的审美。这样可以避免典型的 AI slop,比如紫色渐变、模板化布局和缺乏产品感的界面。

    “如果你对东西应该长什么样有明确看法,那就逼自己把它写下来。”

    🕵️ 做 Agent 的核心手艺:读 traces

    Ash 多次强调,调试 Agent harness 没有太多神秘秘诀,关键就是读运行轨迹。要一行一行看模型为什么这么判断,哪里和人类预期不一致,然后把这些发现写回 prompt、CLAUDE.md 或 skill。

    “只有这样,你才真正知道 scaffold 里哪些部分该删,哪些部分该留。”

    🧩 长期应用需要留下“面包屑”

    如果一个 Agent 生成的应用未来还要继续维护,Ash 建议让 harness 把状态写入文件系统,例如 JSON 状态文件、时间戳日志、bug 记录、修复记录和文件结构说明。这样下一个 Claude Code 实例或人类开发者就能接手。

    “你等于给另一个模型留下了一串面包屑,让它之后能接着往下看。”

    🌐 播客信息补充

    本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的

    使用 AI 进行翻译,因此可能会有一些地方不通顺;

    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

    Previous 1 19 20 21 22 23 27 Next

    Related Podcasts

    Invisibilia

    1

    Invisibilia Personal Journals
    Hidden Brain – Hidden Brain, Shankar Vedantam

    2

    Hidden Brain – Hidden Brain, Shankar Vedantam Science
    How To Do Everything

    3

    How To Do Everything Science
    Hidden Brain

    4

    Hidden Brain Games & Hobbies
    Something You Should Know

    5

    Something You Should Know Education
    Sword and Scale – Sword and Scale

    6

    Sword and Scale – Sword and Scale Alternative Health
    footer-logo

    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