跨国串门儿计划

#555. FCC 主席谈无人机主导权、无线安全与卫星竞赛 May 26, 2026

Show notes

📝 本期播客简介

本期我们克隆了：政策类播客《The Center Edge》FCC Chair Brendan Carr on Drone Dominance, Wireless Security, and the Satellite Race

本期节目中，主持人 Evan Swarztrauber 对话美国联邦通信委员会 FCC 主席 Brendan Carr，深入讨论 FCC 在全球科技竞争、国家安全、通信产业政策和市场监管中的新角色。很多人对 FCC 的印象还停留在广播电视、媒体争议或电信规则上，但 Carr 主席认为，今天的 FCC 已经站在美国经济安全与国家安全政策的前沿：从限制外国制造无人机和 WiFi 路由器，到清理不可信设备认证实验室；从要求电商平台下架被禁通信设备，到批准数百亿美元频谱交易，推动卫星直连手机和下一代无线网络发展。

这期节目不仅是一场关于通信政策的访谈，也呈现了美国监管思路的一次重要转变：一方面，Carr 强调 FCC 正在通过 Delete, Delete, Delete 大幅削减监管；另一方面，在国家安全、公共安全、劳动保护和产业能力建设等领域，他也认为政府必须发挥更主动的作用。节目核心问题是：在无人机战争、网络安全威胁、卫星通信竞赛和美中科技竞争全面加速的时代，FCC 应该只是一个“减少干预”的监管者，还是必须成为塑造市场和保护国家安全的重要机构？

👨‍⚕️ 本期嘉宾

Brendan Carr，美国联邦通信委员会 FCC 主席。Carr 长期参与美国通信监管、频谱政策、国家安全与基础设施建设相关议题。在特朗普第一任政府期间，他曾担任 FCC 委员；此后作为 FCC 主席，推动无人机、路由器、通信设备认证、卫星通信、频谱拍卖、去监管和美国通信产业回流等一系列政策议程。

⏱️ 时间戳

00:00 开场 & 播客简介

FCC 站上国家安全前线

01:25 美中科技竞争背景下的 FCC：从广播电视监管到国家安全机构

03:05 Carr 任内的关键行动：无人机、路由器、中国电信公司与电商平台清理

04:34 嘉宾登场：主持人与 Carr 主席的开场寒暄

无人机：不要一个“长了翅膀的 Huawei”

04:49 外国制造无人机进入 Covered List：FCC 为什么能禁止无线设备进入美国

07:03 无人机的国家安全风险：数据、情报与大型集会安全

09:28 DJI、Autel 的反对意见：企业如何回应间谍风险指控

10:43 Carr 的底线：国家安全不妥协，但执行上保持经济平衡

11:35 美国无人机主导力：从乌克兰战场到 Anduril 与本土制造

14:02 加速测试流程：为什么反无人机技术不能再等 6 到 9 个月

17:06 无人机需要什么频谱：免许可频段、专用频段与蜂窝网络

18:14 无人机创新区：在低干扰区域放开实验

19:44 美国能否扩大无人机产能：小型新兴公司与竞争体系的优势

路由器、实验室与设备安全

21:27 路由器被纳入国家安全审查：为什么家用 WiFi 也成了风险入口

23:05 禁止外国制造路由器后的现实问题：美国并没有大规模本土产能

24:21 豁免机制如何运作：友岸外包、生产地点与敏感组件

26:07 设备认证实验室问题：为什么 75% 的测试实验室曾在中国

28:06 清理不可信实验室：FCC 如何把国家安全纳入设备上市前流程

30:30 US Cyber Trust Mark：让消费者不用成为网络安全专家

32:47 Operation Clean Carts：Amazon、eBay 等平台下架数百万条被禁设备

卫星直连手机与无线市场重塑

33:54 EchoStar、AT&T、SpaceX 的 420 亿美元频谱交易

35:44 Direct to Device：手机直接连接低轨卫星的下一代通信想象

37:59 卫星直连手机是补盲工具，还是新的全国性运营商？

39:31 Carr 的原则：让消费者、市场和技术决定成败，而不是 FCC 设障

41:12 小公司还能参与卫星通信竞赛吗？规模、资本与火箭科学的现实

43:11 农村信号盲区：卫星直连是否会改变传统宽带补贴逻辑

44:23 普遍服务基金与 BEAD：政府补贴如何与新技术共同演进

工人保护、去监管与共和党监管思路变化

45:39 爬塔工人与电信工人：Carr 为什么重视通信基础设施一线劳动者

47:15 并购审查中的劳动保护：工资、安全与防止低价外国施工队冲击

48:44 一个共和党 FCC 的新路径：不只是削减监管，也关注国家安全和工人

50:41 Delete, Delete, Delete：大规模去监管与少量关键监管并行

52:08 FCC 内部两党合作：媒体报道之外的共识议题

未来议程与结尾

53:41 Build America 议程：恢复美国无线领导力

53:55 频谱拍卖重启：四年来首次拍卖、Upper C-Band 与 2028 年规划

54:35 太空经济与 FCC 太空局现代化：让低轨卫星审批像流水线一样更快

55:15 轻松结尾：Carr 最近在看什么节目

🌟 精彩内容

🛡️ “我们不会在国家安全问题上妥协”

Carr 反复强调，FCC 在无人机、路由器、通信设备和认证实验室上的行动，并不是普通的产业监管，而是国家安全防线的一部分。FCC 的 Covered List 一旦覆盖某类设备，就意味着这些设备将无法获得美国市场准入。

“我们不会在国家安全问题上妥协。”

🚁 不要一个“长了翅膀的 Huawei”

谈到外国制造无人机时，Carr 用一句非常直接的话概括了他的担忧：无人机不仅是飞行设备，也可能是数据收集、情报回传和公共安全威胁的载体。尤其在大型集会、奥运会、世界杯等场景下，无人机安全已经成为美国政策部门严肃对待的问题。

“说到底，你不想要一个长了翅膀的 Huawei。”

🏭 从禁止到重建：美国无人机主导力

节目并不只讨论“禁用外国无人机”，更重要的是 Carr 如何看待美国本土无人机产业能力建设。他认为，FCC 可以通过更快开放测试频谱、缩短反无人机设备测试审批、建立创新区等方式，让美国公司更快迭代产品，与国家支持型外国企业竞争。

📡 卫星直连手机：无线市场的潜在 Game Changer

FCC 最近批准的 EchoStar 向 AT&T 和 SpaceX 出售频谱的交易，被 Carr 视为无线通信未来的重要节点。Direct to Device 技术可能让普通智能手机直接连接低轨卫星，在偏远地区、乡村道路、国家公园甚至全球范围内获得连接能力。

“最后，成功应该由消费者、市场和技术来决定，而不是让 FCC 成为人为的障碍。”

🧪 不可信实验室与设备认证安全

过去大量电子设备在进入美国市场前，需要通过 FCC 认证实验室测试。但 Carr 指出，如果这些实验室本身位于不可信司法辖区，甚至可能与外国军方或政府存在关联，设备认证流程就会成为国家安全漏洞。因此 FCC 正在把国家安全审查加入设备上市前流程，并推动测试能力回流美国。

🛒 从规则到执行：清理电商平台上的被禁设备

即便 Huawei、ZTE 等设备被列入禁售清单，消费者仍可能在大型电商平台搜索并购买到相关产品。Carr 表示，FCC 与 Amazon、eBay 等公司合作，推动平台建立自动和人工审核机制，目前已经下架数百万条 Covered List 设备商品。

“每次你大范围禁止某种设备或服务，总会冒出一些漏洞。接下来可能好几年，你都得有点像打地鼠一样。”

👷 通信基础设施背后的人：爬塔工人与劳动保护

Carr 长期走访无线通信塔工人、光纤施工人员和电信基础设施团队。他认为，这些经历影响了他在并购审查中的政策判断。因此，在 Verizon、Frontier、T-Mobile、US Cellular 等交易中，他推动加入工资、安全和劳动保护相关条件。

“如果我没有花那么多时间和他们在一起，我们可能不会这么做。”

⚖️ 少量监管，大量去监管

面对外界对共和党 FCC 角色变化的讨论，Carr 的回答是：FCC 既在大规模去监管，也会在国家安全、公共安全、劳动保护和媒体政策等关键领域采取必要监管行动。他提到 Delete, Delete, Delete 项目已经从联邦法规中删除约十三万个单词，并让 FCC 员工规模降到几十年来低位。

“我们有少量监管行动，也有大量去监管行动。”

🌐 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

#554. AI悖论：自动化越多，人越重要，Dan Shipper 预测未来一年工作方式巨变 May 25, 2026

Show notes

📝 本期播客简介

本期我们克隆了：硅谷顶尖产品与创业播客《Lenny's Podcast》The AI paradox: More automation, more humans, more work | Dan Shipper

本期嘉宾 Dan Shipper 是 Every 的 CEO 和创始人，也是少数真正把 AI 深度融入公司日常运转的创业者之一。一年前，他曾在 Lenny 的节目里预测 Claude Code 会被低估，尤其是在非工程场景中的使用。如今这个判断已经被证明非常准确。因此，Lenny 再次邀请 Dan 回到节目，系统聊聊他对未来一年 AI 工作方式的大胆预测。

这期节目最核心的观点，是一个反直觉的“AI 悖论”：AI 自动化越强，人类的工作不一定越少，反而会出现更多需要人来判断、管理、整合和创造的工作。Dan 认为，未来知识工作会主要发生在两类界面中：一类是公司内部的超级 Agent，可能通过 Slack 被所有人调用；另一类是 Codex、Claude Code、Cowork 这样的 AI 工作操作系统，用户会把浏览器、文档、邮件、SaaS 工具都放进这些环境里使用。

Dan 还提出了很多反共识判断：SaaS 不会死亡，反而可能因为 Agent 的使用而更强；每一个 Agent 都需要一个人；PM 和全栈设计师会在 AI 时代变得更有价值；AI 不会简单制造就业末日，但不会“跟着模型走”的人会被甩在后面。这是一集关于 AI 工作未来、组织设计、SaaS 商业模式和个人职业策略的高密度对谈。

👨‍⚕️ 本期嘉宾

Dan Shipper，Every 的 CEO 和创始人。Every 是一家专注于 AI、生产力、写作和未来工作方式的媒体与产品公司，也是最早系统性将 Claude Code、Codex、AI Agent 等工具融入日常工作的 AI-native 团队之一。Dan 长期写作和研究 AI 如何改变知识工作，并以极强的一线实践经验，对 AI 工具、组织协作和未来岗位变化提出了许多前瞻判断。

⏱️ 时间戳

00:00 开场 & 播客简介

为什么 Dan 能预测 AI 未来

00:00 中文播客开场：跨国串门计划与 AI 声纹克隆说明

00:37 本期克隆节目介绍：Lenny’s Podcast 与嘉宾 Dan Shipper

01:22 核心观点预告：AI 不会带来简单的就业末日

03:01 Lenny 正式介绍：Every 如何提前活在未来工作方式里

04:24 回顾神预测：Dan 一年前如何看准 Claude Code 的非工程潜力

05:59 Every 的工作方式：让整个团队成为 AI 早期使用者

08:35 三类预测框架：工作方式、工作形态，以及谁会成功

09:14 一年后复盘：给这些 AI 预测打分

未来工作方式的两条主线

09:57 AI 悖论：模型越强，人类要做的工作反而可能越多

10:55 第一条主线：公司会先出现一个“超级 Agent”

14:09 为什么 Agent 需要像花园一样被持续打理

14:55 Slack 会成为工作 Agent 的重要入口

16:00 第二条主线：Codex / Claude Code 变成知识工作的操作系统

20:05 重大转变：不是 AI 进入 SaaS，而是 SaaS 运行在 Agent 里

21:30 Cursor、Claude、OpenAI 与 Agent harness 的竞争

23:11 SaaS 公司如何为“人类 + Agent 协作”重新设计产品

26:12 CLI 时代被快速跑完：GUI + Agent 会重新成为主流

27:49 两个 Agent 比一个更好：个人 Agent 与应用 Agent 的协作

30:22 反共识判断：SaaS 不会死，Agent 会增加 SaaS 的用户数量

AI 自动化为什么让人更重要

32:09 Every 团队人数翻倍：AI-native 公司为什么还在招人

33:00 “自动化是个谎言”：每个 Agent 都需要一个人

33:45 Senior Engineer Benchmark：AI 编程和高级工程师之间的差距

37:27 真正的比较不是 AI vs 人，而是用 AI 的人 vs 用 AI 的人

38:50 第一组行动建议：多用 Codex，让产品可被 Agent 使用，尝试公司级 Agent

工作形态正在发生什么变化

40:09 PR 数量暴涨：非技术人员也开始提交代码和改产品

42:11 通才变强：市场、运营、编辑都能做以前技术岗位做的事

44:10 新岗位出现：forward deployed engineer 与 Agent operator

45:14 数据科学家的新痛点：审核别人用 AI 做出的粗糙分析

47:05 哪些岗位变化最小：CEO、管理者与销售

49:31 不是照看 Agent，而是构建让组织能力外溢的系统

50:36 AI 生成文档和邮件会被越来越多地接受

53:34 内容的新用途：既写给人读，也写给 Agent 读

谁会在 AI 未来里成功

54:21 Dan 非常看好 PM：产品判断力会被 AI 放大

56:20 “PM 回来了，SaaS 也回来了”

57:40 全栈设计师的机会：从设计想法到直接提交 PR

58:24 创造力更值钱：在 AI slop 泛滥中脱颖而出

58:24 就业末日不会简单发生：模型让“昨天的人类能力”变便宜

01:01:13 最重要的职业建议：ride the models，跟着模型走

01:01:56 如何跟着模型走：保持玩心，反复测试新能力边界

01:04:40 未来的真实样子：既是一切都变了，也是什么都没变

01:07:06 最后的实践清单：把你的工作流搬进 Codex 或 Claude Code

快问快答

01:08:37 进入快问快答：一年后让 AI 给预测打分

01:08:50 推荐书单：《The Writing Life》、丘吉尔二战史、《The Rigor of Angels》

01:10:53 最近喜欢的影视：尼克斯篮球、《The Dark Wizard》、《100 Foot Wave》

01:11:30 最近最喜欢的产品：Codex

01:11:42 人生格言：做值得被写下来的事，写值得被阅读的东西

01:12:45 被低估的 AI 工具：仍然是 Codex

01:14:27 如何找到 Dan 和 Every，以及给听众的最后建议

🌟 精彩内容

💡 AI 悖论：自动化越多，人类越重要

Dan Shipper 提出本期最核心的反直觉判断：模型越强，工作并不会自动减少。相反，人类会承担更多判断、管理、审核、协调和创造的任务。Agent 可以完成越来越多执行工作，但它需要人来定义问题、维护系统、判断结果是否正确。

“我一方面极度相信 AI，另一方面也非常看好人。自动化有很多，但每一个 Agent 都需要一个人。”

🤖 未来工作会分成两类 Agent 体验

Dan 预测，未来一年知识工作的 AI 使用方式会主要分成两类。第一类是公司内部的超级 Agent，可能出现在 Slack 里，处理数据请求、业务流程、内部知识等任务。第二类是 Codex、Claude Code、Cowork 这类运行在个人电脑上的 AI 工作环境，它们会逐渐变成新的工作操作系统。

“你做的大部分工作，其实都会发生在你的电脑上，在 Codex 或 Claude Code 这样的环境里完成。”

📈 SaaS 不会死，Agent 会让 SaaS 更强

面对“SaaS 末日论”，Dan 给出了非常反共识的判断：SaaS 不会被 Agent 消灭，反而会因为 Agent 的使用而迎来更多需求。未来不仅人类会使用 SaaS，Agent 也会成为 SaaS 的高频用户。SaaS 公司真正需要做的，不是盲目把 AI 塞进产品，而是让自己的产品适合人类和 Agent 一起协作。

“我觉得所谓 SaaS 末日这种说法很蠢。如果是现在，我会买 SaaS 股票。Agent 做的事情，是增加 SaaS 的用户数量，而不是消灭 SaaS。”

🧑‍💻 为什么 Every 这样 AI-native 的公司还在招人

Every 过去一年人数翻了一倍，这和很多人对 AI 公司的想象相反。Dan 解释说，自动化并不会让人完全退出系统，反而会产生新的管理和维护需求。每个 Agent 都需要有人关心它、观察它、调试它，并确保它真正对组织有用。

“每当你把某件事自动化之后，为了确保自动化运转得好，你上面还需要一个人盯着。”

🛠️ 从“做事”到“审核、整合与判断”

AI 让更多非技术人员可以写代码、提交 PR、做分析、生成文档，但这也制造了大量需要被审核和整合的输出。未来很多专业岗位的重点，会从亲手完成任务，转向判断哪些东西值得保留、如何进入系统、哪些东西应该删除，以及如何保持整体连贯性。

“过去，构建东西非常难。现在变得很容易。所以重点不再是，我们能不能把它做出来，而是它跟我们已经做出来的其他东西放在一起，是否合理。”

🚀 PM 和全栈设计师会被 AI 放大

Dan 非常看好真正会使用 AI 的产品经理和全栈设计师。构建门槛降低后，PM 的用户理解、产品判断、故事能力会变得更关键；设计师则可以把创意直接做成可运行的产品，不再完全依赖工程交接。创造力在 AI 生成内容泛滥的时代会更稀缺。

“PM、设计师，会过得很好。”

🌊 最重要的个人建议：Ride the Models

Dan 给所有人的最终建议是：跟着模型走。不要因为害怕而远离新模型，而是要把它们用到真实工作和生活里，不断试探它们的新能力边界。他认为 AI 的前沿不只在旧金山，而是在任何一个真实的人用 AI 解决真实问题的地方。

“你唯一需要做的，就是 ride the models，也就是跟着模型走。”

🌐 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

#553. Google CEO谈谷歌在人工智能领域是否落后 May 25, 2026

Show notes

📝 本期播客简介

本期我们克隆了：科技播客《Hard Fork》Sundar Pichai on Whether Google Is Falling Behind in A.I.

本期嘉宾是 Google CEO Sundar Pichai。在 Google I/O 之后，他与 Kevin Roose、Casey Newton 展开了一场关于 AI 前沿的直接对话：Google 是否在 AI 竞赛中落后？Gemini 在 coding 和 Agent 上还差在哪里？传统搜索会不会被 AI mode 取代？AI 会如何影响毕业生、医生、程序员和普通人的工作？政府该如何监管 AI？以及，当 AGI 和“奇点”越来越近时，Google 这样的公司应该如何承担责任？

这期节目里，Sundar 既展现了 Google 对 AI 未来的信心，也坦率承认了在 coding、长周期任务和 Agent 能力上的差距。他强调，coding 最终会成为一切工作的基础；搜索会继续演进，但来源和链接仍然重要；公众对 AI 的焦虑完全合理，因为人类并不是为处理如此剧烈的变化而进化出来的。而在 AGI 问题上，他也给出了少见的明确判断：过去一两年的进展速度，让 AGI 看起来更可能偏近，而不是偏远。

👨‍💼 本期嘉宾

Sundar Pichai，Google 及 Alphabet CEO。自 2015 年起担任 Google CEO，后出任 Alphabet CEO。他长期推动 Google 向 AI-first 转型，主导 Google 在搜索、云计算、Android、Chrome、TPU、Gemini 与 Google DeepMind 等关键业务和技术方向上的战略布局。

⏱️ 时间戳

00:00 开场 & 播客简介

Google 在 AI 竞赛中的位置

01:27 从 Bard 到 Gemini：Google 还在追赶吗？

04:09 Coding 成为主战场：为什么它会是一切工作的基础

04:56 Gemini 2.5 Flash 的发布反馈：质量、定价与使用限制

06:11 大公司能否保持聚焦：Google 如何同时推进多个 AI 前沿

搜索的 AI 化

07:11 二十五年来最大变化：Google 搜索会被 AI mode 取代吗？

08:47 AI 搜索时代的商业模式：广告、订阅与用户价值

公众焦虑与工作未来

09:41 AI 反弹：为什么只有少数人认为 AI 总体是好事

11:52 面对毕业生：下一代如何迎接 AI 冲击

13:12 工作会消失吗：AI 如何改变程序员、医生与放射科医生

Agent 的真实落地

15:51 普通人用的 Agent：Spark 与个人工作流

16:14 Sundar 如何用 Agent 准备会议、整理日历

18:09 Agent 的信任问题：透明、可控与安全边界

监管、安全与递归式自我改进

18:35 政府应该如何监管 AI：创新与监督之间的平衡

19:56 递归式自我改进：AI 能否安全地改进自己

21:05 接近 AGI 时怎么办：为什么必须避免实验室竞赛状态

算力、TPU 与平台战略

21:35 为什么 Google 还把 TPU 卖给竞争对手

22:20 云业务、平台生态与下一代 AI 硬件

AGI 与奇点

23:25 Sundar 如何看待 AGI 这个词

24:29 AGI 是更近还是更远：过去两年的进展改变了判断

25:11 “奇点的山脚下”：Google 如何理解 2030 前后的 AI 未来

26:16 结尾：Sundar Pichai 告别 Hard Fork

🌟 精彩内容

💡 Google 承认：Coding 是必须追上的前沿

Sundar 坦率表示，Google 在文本、多模态、语音、推理和整体智能方面很强，但在带工具使用的 Agent coding、指令遵循和长周期任务上仍有差距。他认为 coding 不只是一个功能，而会成为未来所有工作的底层能力。

“我觉得 coding 最终会成为我们所做一切的基础。”

🔍 搜索不会一夜之间被 AI mode 替代

面对“十个蓝色链接”是否会消失的问题，Sundar 没有给出激进答案。他强调，Google 会带着用户一步步演进搜索体验，而不是跑在用户前面太远。AI mode 会变得越来越重要，但来源、链接和与网页内容的连接仍会是搜索的一部分。

“我会尽量不跑在用户前面太远。”

😟 AI 焦虑是合理的

当主持人提到民调显示只有约 16% 的人认为 AI 总体是好事时，Sundar 表示完全理解公众的担忧。他认为 AI 是人类将参与打造的最深远技术之一，而变化速度太快，人类并不是为了处理如此剧烈、密集的变化而进化出来的。

“人类并不是为了处理这么多变化而进化出来的。”

🧑‍⚕️ 工作不会只是消失，也会被重新定义

Sundar 并不否认 AI 会带来冲击，但他反对过度悲观的决定论。他用电子表格、写代码、医生和放射科医生举例：AI 会改变很多人的起点，让更多人具备过去难以获得的能力，也会把专业人士从低价值事务中解放出来。

“世界上会有多得多的人能够写代码。”

🤖 Agent 的关键不是炫技，而是信任

Sundar 分享了自己使用 Agent 的例子：让它查看日历，并按私人、健康、工作等类别自动上色。他认为这已经有点像科幻，但 Agent 真正普及的前提，是让用户感到安全、透明、可控。否则一旦发生意外，用户就会退回去。

“你必须让用户有一种感觉。就像当年我们要让一个人坐进自动驾驶汽车的后座一样。”

🛡️ 接近 AGI 时，不能让公司陷入竞赛状态

在谈到递归式自我改进和 AGI 安全时，Sundar 表示，如果负责任的实验室接近那样的时刻，就不应该只在公司内部讨论，而必须让更多社会力量参与进来。他特别强调，在 AGI 的关键阶段，行业必须避免竞赛状态。

“在 AGI 的那些阶段，我们都必须避免出现竞赛状态。”

⚙️ 为什么 Google 仍向竞争对手开放 TPU

面对“为什么不把算力都留给自己”的问题，Sundar 解释说，Google Cloud 本身就是一门平台业务。向外部提供 TPU，不仅带来收入和规模经济，也能让外部研究者的使用反馈反过来帮助 Google 改进下一代硬件。

“你在运营平台的时候，业务里有平台这一面。”

⛰️ AGI 可能更近，而不是更远

Sundar 认为，AI 正不可避免地朝 AGI 取得基础性进展。虽然他不会像一些创业者那样使用激进语言，但过去一两年的进展速度，让他觉得 AGI 的到来更可能偏近。他也解释了 Demis Hassabis 所说“奇点的山脚下”：在 Google 的语境里，奇点指的就是 AGI 的到来。

“过去一两年的进展速度，让我觉得它更可能偏近，而不是偏远。”

🌐 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

#552. AI进展为何突然变得真实：详解 GPT 5.5、强化学习与模型最后一公里 May 25, 2026

Show notes

📝 本期播客简介

本期我们克隆了：科技深度访谈播客《The MAD Podcast with Matt Turck》OpenAI's Yann Dubois: Why AI Progress Suddenly Feels Real

本期嘉宾 Yann Dubois 是 OpenAI PostTraining Frontiers 团队的共同负责人，参与过 GPT 5.5、o3、GPT5 Thinking 等前沿模型的打造。在这期对话中，Yann 从 OpenAI 内部研究者的视角，解释了为什么最近几个月 AI 能力突然让人感觉“真正可用”了：并不是能力凭空跳跃，而是模型可靠性终于跨过了一个关键阈值。

节目深入拆解了 GPT 5.5 的进展、reasoning 模型的演化、强化学习如何从数学和编程竞赛走向真实世界任务，以及 pretraining、mid training、posttraining 各自扮演的角色。Yann 还讨论了为什么评估模型越来越难，model as a judge 为什么重要，continual learning 为什么仍是未解难题，以及创业公司在“最后一公里”仍然拥有巨大空间。

这是一集非常适合 AI 从业者、创业者、投资人和技术产品经理收听的前沿对话：它不仅解释了大模型能力如何被训练出来，也回答了一个更现实的问题——当模型越来越强，应用层和垂直领域还剩下什么机会。

👤 本期嘉宾

Yann Dubois，OpenAI PostTraining Frontiers 团队共同负责人。他参与打造了 GPT 5.5、o3 和 GPT5 Thinking 等前沿模型。在加入 OpenAI 之前，他曾在斯坦福参与 Stanford Alpaca 项目，该项目对现代 posttraining 与开源指令微调研究产生了重要影响。Yann 的研究经历横跨自然语言处理、低资源语言、多模态表示学习、强化学习与前沿大模型训练。

⏱️ 时间戳

00:00 开场 & 播客简介

AI 进展为何突然“体感变强”

02:15 MAD Podcast 开场：Yann Dubois 与 GPT 5.5 的背景

03:25 最近几个月发生了什么：可靠性跨过关键阈值

05:56 什么叫模型可靠性：Agent 运行越久，错误概率越需要下降

07:10 GPT 5.5 发布背后：全公司协同与情绪起伏

08:45 GPT 5.5 的优势：agentic coding、computer use 与知识工作

10:47 效率优化：从 token 数到 latency，再到用户真正感受到的性能

PostTraining Frontiers 与 Yann 的研究路径

11:52 OpenAI PostTraining Frontiers 团队到底做什么

13:13 从 word2vec 到低资源语言 NLP：Yann 如何进入 AI 领域

14:41 为什么拒绝量化基金：技术工作与正向影响

15:21 GPT5 发布演示：现场搭建法语学习 App 的紧张时刻

Reasoning 从竞赛题走向真实世界

15:49 2026 年的 reasoning 与 o1/o3 时代有什么不同

17:12 从可验证 reward 到真实用户价值

18:07 5.5 Thinking 与 5.5 Pro：更多 test-time compute 是否值得

19:37 效率与思考时间：把性能-延迟曲线向左移动

20:45 模型如何更会推理：像专家一样少走弯路，也更早发现错误

训练流水线：Pretraining、Mid Training 与 Posttraining

21:49 Pretraining 是否撞墙：为什么更大模型仍然有效

24:43 数据前沿：synthetic data、multimodal data 与 embodied AI

26:45 World Models：模拟有用，但不能过度优化不真实目标

28:02 Mid Training 是什么：给高质量数据更高权重

29:28 Posttraining 的本质：把“懂知识的模型”变成“对人有用的模型”

强化学习如何塑造前沿模型

30:39 SFT 与 RL 的区别：从模仿人类到优化 reward

33:28 RL 会创造新能力吗：推理、检查答案与更长思考

35:00 为什么 RL 难扩展：昂贵采样、长 rollout 与 attribution 难题

37:32 GRPO 与简单方法的胜利：能随 compute 扩展的技术最有生命力

38:13 AI 系统是“建造”还是“种出来”：从手艺到科学的研究过程

40:26 为什么大家先从 posttraining 改起：迭代速度更快

41:57 垂直能力与横向能力：模型为什么有时参差不齐

43:21 从数学、代码走向经济领域：主动选择优先级与数据收集

44:43 泛化的边界：竞赛聪明不等于真实世界聪明

47:31 幻觉问题：为什么 SFT 可能反而奖励幻觉

49:00 Negative Transfer：显式指令遵循与隐式意图理解的冲突

50:36 法律、医疗、金融也能追上 coding 吗：关键在领域专家与 reward 可验证性

评估、模型裁判与能力飞轮

52:23 为什么 evals 越来越难：任务开放、答案多样、专家稀缺

54:35 Model as a Judge：为什么让模型评估模型会越来越重要

55:20 评估与训练的边界消失：每个 eval 都可能变成训练数据生成器

未来 12-24 个月：连续进步与局部断点

56:07 未来 AI 进展会是连续还是断点式

57:26 Continual Learning：为什么模型应该越用越懂你

59:16 为什么 continual learning 还没真正解决

59:59 Harness 会被模型吃掉吗：通用框架与垂直场景的不同命运

01:01:58 应用层还有机会吗：真正的护城河在最后一公里

01:03:36 结尾：Matt 感谢 Yann，节目收尾

🌟 精彩内容

💡 AI 进展不是突然发生，而是可靠性跨过了阈值

Yann 认为，模型能力本身大多是连续进步的，但用户感知并不是线性的。当模型每隔几分钟出错的概率足够低，AI 工具就会从“有趣但不可靠”，变成“真的能承担工作”。这也是为什么最近 coding 和 agentic work 的体验像突然跃迁。

“你需要达到这样的可靠性水平，才能真正让这些 AI 工具有用起来。”

🧠 Reasoning 的关键转变：从竞赛题到真实世界

早期 reasoning 模型主要优化数学和编程竞赛，因为这些任务有明确答案，reward 容易验证。现在，OpenAI 正在把这些强化学习工具迁移到更混乱、更开放的真实世界任务中，例如软件工程、知识工作、企业流程和复杂数据处理。

“所以我们从竞赛场景，走到了真正对用户有用的场景，这就是我们现在正在感受到的变化。”

⚙️ GPT 5.5 的效率：不只是更聪明，也要更快

Yann 特别强调 GPT 5.5 的效率提升。效率不是单纯减少 token，也不是单纯降低延迟，而是要在用户真正关心的坐标系里优化：用更少等待时间获得更高质量答案。AI research 负责让模型用更少 token 达到同等性能，engineering 和 inference 团队则负责把这些 token 更快地服务出来。

“最后大家真正关心的是，X 轴是 latency，Y 轴是性能。”

📚 Posttraining 的本质：让模型从“图书馆”变成“专家”

Yann 用一个很清晰的比喻解释 posttraining：pretraining 像是让模型读完整座图书馆，掌握世界上的大量知识；但用户真正需要的不是图书馆，而是一位读过这些书、能理解问题并给出帮助的专家。Posttraining 的目标，就是把知识转化为可交互、可执行、对人有用的能力。

“它的核心，就是把一个了解世界上各种知识的东西，变成一个对人有用的东西。”

🧪 强化学习为什么难：你往往只在最后才知道对错

在 Agent 任务里，模型可能经历很长的操作流程，最后才知道结果是否正确。这会带来 attribution 难题：到底是哪一步导致成功或失败？这也是 RL 在复杂真实世界任务中难以扩展的重要原因之一。不过 Yann 认为，当基础模型已经足够了解世界，RL 的效果会显著变好。

“你只有到最后才知道哪一部分好、哪一部分不好。”

👻 幻觉可能来自 SFT，而 RL 有机会压低它

Yann 提到 John Schulman 的观点：如果一个模型本来不知道某件事，但 SFT 的标准答案要求它说出那件事，训练过程可能会迫使模型学会“编造”。而在 RL 中，如果模型不知道某事，它几乎不可能随机采样出正确答案，因此正确的 RL 流程更可能压掉这种不知道却乱答的行为。

“SFT 会迫使模型产生幻觉。”

📏 Evals 是模型进步的关键瓶颈

随着模型任务越来越开放，评估变得越来越难。以前只需要判断代码里有没有 bug，现在可能要判断一个完整网站做得好不好，而“好”的答案有很多种。Yann 认为，发现问题、构建评估、量化改进，至少和训练模型一样重要，甚至可能更重要。

“发现问题，并且确保我们能量化改进，至少同样重要，甚至可能更重要。”

🔁 Continual Learning 仍是巨大未解难题

Yann 对 continual learning 非常兴奋。他认为今天的模型在进入一家公司的第一天可能比新员工更有用，但它们不会像人一样随着时间积累内部知识、理解工作习惯、持续变强。真正理想的 AI 应该是在环境中工作越久，对用户越有用。

“让模型在某个环境里工作得越久，就变得越有用。”

🚀 创业机会仍在最后一公里

对于应用层和创业公司，Yann 给出了非常明确的判断：模型的原始智能不一定是最终护城河，真正的护城河往往在最后一公里，包括权限、数据连接、工作流、领域知识和用户场景理解。OpenAI 会更专注通用能力，而垂直领域仍然有大量空间。

“我觉得大多数时候，真正的护城河在最后一公里。”

🌐 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

#551. 写作、命运与美：Dana Gioia 谈灵感、修改、悲伤、诗歌与一种作家的生活 May 24, 2026

Show notes

📝 本期播客简介

本期我们克隆了：David Perell 主持的写作访谈播客《How I Write》The Deepest Conversation You'll Ever Hear About Writing — Dana Gioia

这是一期关于写作的深度长谈，也是一堂关于如何成为作家的精神训练课。David Perell 邀请美国诗人、评论家、歌剧脚本作者 Dana Gioia，深入讨论写作背后的灵感、纪律、阅读、修改、生活选择、悲伤、信仰与美。Dana 不只谈技巧，他谈的是一个作家如何安排自己的一生：如何在商业工作和家庭责任中坚持写作，如何用阅读和沉思滋养作品，如何在初稿的疯狂与修改的清醒之间切换，如何让诗歌重新回到声音、身体和记忆之中。

这期节目最动人的地方，是 Dana 把写作放回生命本身。他认为，作品不是凭空出现的，而是从生活选择里长出来的；时间就是生命，浪费时间就是浪费生命；真正强大的写作往往来自意识与潜意识的双人舞，也来自痛苦、喜悦、失去和感激被长期淬炼后的形式。无论你写诗、散文、小说、剧本，还是只是想更好地表达自己，这期对话都提供了一套极其深刻的写作观。

👨‍⚕️ 本期嘉宾

Dana Gioia，美国诗人、评论家、歌剧脚本作者，曾任美国国家艺术基金会主席。他出版过多部诗集、评论集和歌剧相关作品，也是当代英语世界中重要的诗歌公共传播者之一。Dana 长期关注诗歌、声音、表演、宗教想象力与文学共同体建设，代表文章包括《诗还重要吗》等。

⏱️ 时间戳

00:00 开场 & 播客简介

写作的神秘起点

01:31 初稿的神秘性：灵感如何从身体、意象和一句话开始

02:52 如果灵感来时不能写下，就会失去它

03:20 意识与潜意识的双人舞：新闻写作与文学写作的区别

04:23 文学的核心作用：惊奇、敬畏与喜悦

05:06 “转折”的力量：让相反的情感同时成立

作品如何留下来

08:21 作家的固执与完整性：为什么有时必须拒绝大平台

09:50 《诗还重要吗》：一篇文章如何通过延迟发表变得更好

11:31 如何客观看待自己的作品：从自恋到判断力

13:49 为当下写，也为未来写：什么能抵抗文化潮流

16:59 好书怎么多读都不算多：阅读与判断力的训练

作家的一生与时间纪律

17:07 从 Eliot 和 Wallace Stevens 学会：诗人也可以有白天工作

19:48 一天只有二十四小时：婚姻、工作与写作的取舍

21:20 商业工作之外的写作纪律：把人生当成装满一小时钞票的钱包

22:47 体力劳动如何帮助潜意识解决写作难题

24:00 身体的智能：诗为什么需要节奏、声音和动作

26:05 创作与吸收的平衡：抄诗、标注格律与声音

写作技艺：留白、风格与声音

27:44 你的时间就是你的生命：不要习惯浪费时间

29:03 作品何时完成：当它开始释放比投入更多的能量

30:03 留白的艺术：把脚手架拆掉，让读者进入作品

33:51 只放诗真正需要的东西，不多放

34:17 简单不等于无味：写作应该有自己的味道

37:05 找到自己的声音：真实生活并不无聊

39:53 不要把生活变成艺术品：健康秩序与内在戏剧

使命、命运与作家的代价

42:15 在维也纳意识到使命：不是选择诗，而是被诗选择

43:00 顺着命运走，还是被命运拖着走

44:09 规律生活，猛烈写作：为什么作家需要秩序

45:31 客观镜子：如何培养批评自己的能力

46:19 发明的疯狂与批评的清醒

48:19 黑暗情绪不是培养出来的，而是需要被引导

悲伤、美与诗的身体性

50:42 失去儿子如何改变写作：更简单、更直接、更有音乐性

54:20 情感直接，但更神秘：诗不是解释，而是体验

55:34 诗是身体性的，也是完整语言

56:20 在伟大的诗里，你先感受，然后才理解

57:18 为什么《诗篇》需要读出声

58:22 教诗的核心：先体验、表演、背诵，再分析

教学、阅读与沉思

58:22 语言的力量：听懂被说出的，也听懂没被说出的

01:01:53 为什么学校把诗教得无聊

01:03:41 诗的正确反应像听歌：跳舞、打拍子、跟着唱

01:05:12 写诗时必须动起来：身体如何判断一句话是否正确

01:06:13 如何选择输入：书房、图像、冲动与好东西

01:08:20 写作之前的沉思：去缪斯可能出现的地方

01:10:17 每天写一行：Nulla dies sine linea

散文、人物与长期主义

01:11:31 散文的两种类型：知道终点的写作与不知道终点的写作

01:13:42 如何写好一个人：把人物放进具体场景

01:15:09 描写人物的常见错误：抽象清单不是叙事

01:17:02 把自己放在论证边缘，让读者知道站在哪里看

01:18:24 拆解 Orwell、Jarrell、Clive James：学习段落如何运作

01:22:34 作家走错路的三种方式：大学职位、自由撰稿、过早出书

01:23:39 第一本书的赌注：为什么要与短期市场保持距离

01:26:30 年轻作者如何判断自己是否准备好写书

修改的艺术

01:29:36 修改也是创造：带着开放态度进入重写

01:30:19 如何请求反馈：不要夸我，告诉我哪里不对

01:31:25 好合作者需要坦率，也需要诚实的交换

01:33:33 重抄旧稿：重新进入灵感和语调

01:35:09 如何结束一天写作：管理作家的情绪波动

01:37:13 一首诗的诞生：从月形天蚕蛾到《请原谅我，朝圣者》

01:40:03 押韵不是强加形式，而是听诗想成为什么

印刷文化之后的作家

01:41:43 在日常事物里看见奇迹

01:43:58 商业世界教会作家的事：听普通人怎样说话

01:46:40 诗应该被听见：印刷文化的终结与声音的回归

01:50:37 数字时代的作家：必须成为多平台的文艺复兴人

01:52:47 修辞的回归：清晰、有说服力地讲话成为必备能力

01:54:59 练习，练习，再练习：从邮件开始训练句子

爱情、信仰与共同体

01:56:58 爱情诗是一道咒语：让对方感到你所感到的

01:58:29 John Donne、Tennyson 与爱情诗里的幽默和忧郁

02:01:07 天主教写作：痛苦如何在接受中成为祝福

02:03:30 建立共同体：为什么文化修复需要会议、出版社、学校和杂志

02:07:13 《钦定版圣经》如何塑造英语的庄严感

02:09:03 Commonplace book：保存那些让人不该忘记的句子

02:12:41 激光与辐射：散文和诗歌的两种意义传达方式

作家、艺术家与黑暗知识

02:13:16 Baudelaire：伟大的失败之歌

02:13:52 McLuhan：媒介的精神维度

02:14:36 Bob Dylan 与 The Beatles：歌词、合作与流行音乐的诗性

02:15:31 Martin Luther King：圣经语言与伟大政治修辞

02:16:13 Steinbeck、Cheever 与穷人的尊严、细节的力量

02:19:22 Tarantino、Tolkien 与道德视野

02:20:29 Dostoevsky：下降到黑暗里才能知道的知识

02:24:17 善恶知识之树、塞壬、冥界与神话中的禁忌

歌剧、人物与体裁本质

02:26:05 歌剧教会写作者什么：压缩、情感高峰与留空间

02:28:14 歌剧人物和小说人物有什么不同

02:29:37 《安娜·卡列尼娜》与《茶花女》：小说和歌剧如何进入人物内心

02:33:32 最后的收束：理解体裁本质，而不只是学习规则

🌟 精彩内容

💡 初稿是一种神秘过程

Dana Gioia 认为，文学写作的初稿并不是完全靠意志完成的。当一首诗或一篇文章真正要来时，它往往先以身体感受、意象、一行文字的方式出现。真正好的写作，是意识与潜意识彼此配合的结果。

“一个好的作家，能让意识和潜意识像跳双人舞一样配合起来。”

🕰️ 时间就是生命

Dana 把人生比作一个装满“一小时钞票”的钱包。每个人每天只有二十四小时，写作者必须非常清楚自己要把时间花在哪里。他年轻时同时承担工作、婚姻、家庭和写作，因此学会了极端专注。

“你的时间就是你的生命。没有任何生命是存在于时间之外的。”

✍️ 修改才是真正的写作

在 Dana 看来，修改不是修补，而是创造。他会在“发明的疯狂”和“批评的清醒”之间来回切换：先让灵感涌出，再用极其冷静的眼光寻找作品里最弱的一行、最死的段落，然后一遍遍重写。

“任何真正的作家，都必须带着写初稿时那种对经验开放的态度，走进修改。”

🕯️ 悲伤如何改变写作

Dana 讲述了失去四个月大儿子的经历。这场悲痛让他学会谦卑、同情，也让他的写作变得更简单、更直接、更有音乐性。他没有否认悲痛，而是让悲痛把自己带向更深的人性中心。

“你受过的所有苦，你经历过的一切，都不会被浪费。只要它们形成了一种看世界的方式，并进入你的作品里。”

🎵 诗要先被感受，再被理解

Dana 反复强调，诗不是一种只给眼睛看的印刷品，而是一种声音在时间中移动的艺术。诗调动的是完整的人：思考、感受、记忆、身体、直觉和想象力。真正伟大的诗，首先击中身体和直觉。

“在伟大的诗里，你先感受，然后才理解。”

📚 好作家必须大量阅读，也必须判断

Dana 不赞成只“泛泛地读”。作家当然要读很多东西，但更要判断什么是真正好的作品，并拆解它为什么有效。他会仔细研究 Orwell、Cheever、Jarrell、Clive James 等作家的段落，看一句话如何释放能量。

“你不读书，就不可能成为作家。你不大量阅读，也不可能成为作家。而且你必须做判断。”

🌌 留白让作品拥有自己的生命

Dana 认为，很多作者会把“脚手架”留在作品里，解释太多背景和动机，反而堵住读者进入作品的空间。好作品应该只放必要的东西，让读者能够把自己的生命经验带进去。

“只把诗真正需要的东西放进去，不多放。”

🎙️ 数字时代，作家要重新学会说话

Dana 出生于印刷文化的巅峰，但他认为印刷文化已经结束。现代作家必须能写，也能讲，能在音频、视频、现场表达中承载自己的作品。修辞、朗诵和公共表达会重新成为作家的核心能力。

“二十一世纪的作家，必须成为文艺复兴式的男人或女人。”

❤️ 写作是一种感谢自己活着的方式

在关于月形天蚕蛾的诗歌创作过程中，Dana 谈到自己如何被日常世界中短暂出现的美定住。他认为，真正的作家应该努力让自己被感激浸透，而不是只从愤怒、嫉妒和理所当然中写作。

“你在写作中应该努力做到的，是感谢自己活着。”

🌐 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

#550. AI资本市场狂热：Anthropic 9000亿估值、SpaceX超级IPO与SaaS旧王的生死转型 May 23, 2026

Show notes

📝 本期播客简介

本期我们克隆了：硅谷顶级创投播客《20VC with Harry Stebbings》Andrej Karpathy Joins Anthropic | SpaceX Files S1: How Does it Trade | Cerebras Smashes Day 1

本期是一场关于 AI、SaaS、IPO 与公开市场情绪的高密度圆桌讨论。主持人 Harry Stebbings 与两位常驻嘉宾 Rory O'Driscoll、Jason Lemkin，从 Andrej Karpathy 加入 Anthropic 和 Anthropic 9000 亿美元估值融资聊起，拆解为什么 AI 模型公司正在进入一场“资产负债表战争”。他们进一步讨论 Salesforce 每年花 3 亿美元购买 Anthropic token 到底贵不贵，AI token 支出最终会吃掉多少研发工资，以及这些数字能否支撑 OpenAI 和 Anthropic 的万亿美元级收入预期。

节目中段，话题转向公开市场上的 SaaS 公司：Datadog、Figma、Atlassian、Klaviyo、Wix、Squarespace 等公司，究竟还有没有时间完成 AI 转型？Rory 提出一个极具冲击力的判断：SaaS 公司已经失去了 2021 年那层“未来光环”，从此以后只能被收入、增长和现金流重新定价。后半段则进入 Cerebras、Nebius、CoreWeave 和 SpaceX 等 AI 基础设施与超级 IPO 话题，讨论市场是否正在追逐“地球上最令人兴奋的公司”。最后，三人也没有回避 AI 行业的政治风险：OpenAI 与 Elon Musk 的诉讼、Sam Altman 的利益结构、公众对 AI 的反感、科技裁员与可能到来的社会反噬。

这是一集信息量极大、观点尖锐、节奏很快的科技资本市场圆桌。它不仅讨论哪些公司正在涨、哪些公司正在跌，更重要的是，它试图回答一个更大的问题：当 AI 成为资本市场最兴奋的叙事时，谁在真正创造价值，谁只是被泡沫带上了天？

👨‍⚕️ 本期嘉宾

Rory O'Driscoll，Scale Venture Partners 合伙人，长期关注云软件、SaaS 与 AI 投资。他以对公开市场、估值周期和企业软件商业模式的深入分析著称，在节目中多次从投资回报、资本配置和历史 base rate 的角度拆解 AI 资本市场。

Jason Lemkin，SaaStr 创始人、SaaS 投资人和评论者。他长期活跃在企业软件生态，擅长从创始人、运营和产品落地角度判断 SaaS 公司是否真的能穿越 AI 冲击。本期他对 Figma、Klaviyo、Wix、SpaceX 和 OpenAI 的观点都非常直接。

Harry Stebbings，《20VC》主持人，也是 20VC 基金创始人。他在本期不断抛出资本市场最热问题，包括 Anthropic 融资、Cerebras IPO、SpaceX S1、YC 与 OpenAI token 交易，以及科技公司裁员潮。

⏱️ 时间戳

00:00 开场 & 播客简介

AI巨头的资产负债表战争

01:35 Anthropic 开场：Karpathy 加入与 9000 亿美元估值融资

03:10 为什么 Anthropic 可能是私有市场里“最划算”的交易

06:49 为什么 Dario 愿意在看似便宜的价格上融资

07:49 AI 模型公司的本质：算力、CapEx 与资产负债表战争

08:39 Anthropic 与 OpenAI 融资风格对比：七十分交易 vs 极限定价

10:37 现金到账、融资条款与 OpenAI 复杂融资结构的差异

AI token 经济学

11:45 Salesforce 每年花 3 亿美元买 Anthropic token，贵吗？

12:11 每个工程师每年 1.5 到 2 万美元：AI coding 成本只是入场费

12:56 为什么 token 正在成为软件公司最大的单项外部供应商支出

15:21 一万亿美元 token 收入需要什么条件：吃掉研发工资的 20%

18:17 Jason 的看空逻辑：模型更高效后，token 成本可能没想象中高

22:11 当 token 支出从噪声变成裁员变量

22:34 Klaviyo 的 AI 执行力：每个产品相关员工都必须提交代码

24:00 SaaS 公司还有时间吗：创始人领导的公司可能仍能翻盘

SaaS旧王的估值重定价

25:59 Datadog、Figma 与 SaaS 从底部反弹

26:20 Rory 的“二十一岁”比喻：SaaS 再也回不到 2021 年光环

28:18 Datadog 单季度十亿美元收入：从亢奋估值回到现实估值

29:11 Figma 连续加速：为什么 Jason 承认自己看漏了一点

29:46 Figma Make 不够好，但 Figma 仍受益于软件构建爆发

32:23 Lovable、Replit 与 Figma 工作流被绕开的风险

33:14 Figma 真正错过的机会：一键从设计推到生产级 prototype

Wix、Squarespace 与AI冲击下的网站业务

34:14 Wix 暴跌与 Base44 达到 1.5 亿 ARR

34:35 AI 业务是增量，还是对核心业务的替代？

35:17 Wix 和 Squarespace 被两头夹击：vibe coding 与 Shopify

37:13 电商增长被 Shopify 吃掉，信息展示网站被 AI 工具冲击

37:41 Base44 能否拉动 Wix 重新增长？

40:03 股票回购争议：为什么“抵消稀释”不是好理由

41:19 回购、激进股东与管理层的防守剧本

43:55 Wix 一倍收入估值：终局状态还是反弹机会？

46:43 哪家老牌软件公司会靠 AI 重新变得乐观？

算力基础设施与CapEx周期

48:37 Nebius 增长 684%：算力短缺还是泡沫狂热？

49:00 CoreWeave、Nebius 与算力商品化风险

50:52 除了传统软件，几乎所有科技基础设施都在火

52:41 Nvidia、电力、网络与 AI CapEx 的传导链条

53:58 为什么现在还看不到短期崩盘迹象

55:40 作为 VC，还会不会在 seed 投下一家新 CoreWeave？

57:22 投资人如何给创始人真实反馈

59:36 什么情况下应该解释拒投理由，什么情况下不该解释

IPO窗口重新打开？

01:00:25 Cerebras IPO 大获成功：Snowflake 之后最大美国科技 IPO

01:01:06 “Better Than Figma”：新 IPO 标准是否被抬高？

01:02:06 Cerebras 的独特位置：半导体、inference 与 OpenAI 客户叙事

01:03:44 IPO 首日暴涨后还能买吗？Rory 提醒 base rate 很重要

SpaceX超级IPO与公开市场赌场

01:04:41 SpaceX 计划史上最大 IPO：1.75 万亿美元估值、750 亿美元融资

01:05:00 S1 可能讲不清真正的 SpaceX：AI 化之后公司已完全不同

01:06:20 xAI、Cursor、Anthropic 交易可能不会完整体现在 S1 中

01:07:30 市场想要兴奋感，而 SpaceX 是地球上最令人兴奋的公司

01:08:25 散户会不会像 GameStop 一样冲进 SpaceX？

01:10:28 机构目标价、流通盘与 IPO 首日交易博弈

01:12:31 Jason 下注 SpaceX 可能交易到 5 万亿美元

01:14:26 Rory 的冷静提醒：Facebook IPO 当年也是全民期待

01:15:50 三人打赌：3 万亿、5 万亿，还是低于 3 万亿？

OpenAI给YC公司发token

01:16:44 Sam Altman 给每家 YC 公司提供 200 万美元 OpenAI tokens

01:17:13 这是争夺开发者心智的聪明动作

01:18:38 Jason 判断：这一定会推高 YC startup 估值

01:19:58 token 额度可能成为新融资锚点

01:20:37 这会不会让 VC 更难拿到 YC 公司股份？

01:21:31 对 Replit、Legora 这类公司，token 可能一年就烧完

01:22:34 token spend 就是 marketing spend：免费额度会改变早期增长策略

01:24:01 如果 OpenAI 有闲置算力，这就是非常聪明的资本配置

01:25:30 一个推论：OpenAI 可能有富余 token，而 Anthropic 没有

AI诉讼、Sam Altman与政治风险

01:27:10 OpenAI 与 Musk 诉讼结果：Rory 认为判断基本命中

01:28:25 为什么陪审团快速驳回可能是按法律而非情绪判断

01:31:19 Elon 诉讼带来的连锁效应：Sam Altman 财务关系被更多审视

01:31:32 Rory 对 Sam 的复杂同情：善意结构反过来咬了他

01:33:52 Jason 反驳：Sam 并非完全没有从 AI 中获得经济利益

01:35:03 复杂利益安排的代价：当你把世界首富变成敌人

AI行业的公众反噬

01:36:37 为什么美国公众可能越来越不喜欢 AI

01:37:00 Rory 的警告：聪明科学家在政治上可能非常笨

01:38:02 Jason 为什么仍然站 Team Sam 和 Team OpenAI

01:39:00 从学生为 ChatGPT 鼓掌，到毕业典礼嘘 Eric Schmidt

01:39:48 “不是裁员，是为了机器减少岗位”：企业话术的危险

01:40:27 Cisco、LinkedIn、Meta、Intuit 裁员与政治后果

01:41:00 Jason 的激进建议：科技行业需要重新扩张招聘以避免社会动荡

01:41:59 AI 到底替代了多少岗位：5%、20%，还是被夸大了？

01:43:38 被裁员工会如何看待财富税和科技富豪？

01:44:44 Jason 判断：这可能是我们这辈子见过最严重的科技裁员潮

01:45:09 突发传闻：OpenAI 可能最快周五提交 IPO 文件

01:45:45 OpenAI 如果启动保密提交，意味着钱站最后几班车正在开走

🌟 精彩内容

💰 Anthropic 是一场资产负债表战争

Rory 认为，Anthropic 融资不是为了“缺钱”，而是为了给未来巨大的算力承诺降风险。AI 模型公司的竞争，已经不只是模型能力，而是能否拥有足够强的资产负债表去说服 hyperscaler 为你投入上千亿美元级别的基础设施。

“这是一场非常大的资产负债表战争。”

📊 AI token 支出可能决定 Anthropic 和 OpenAI 的估值成败

节目中最核心的模型之一是：如果 OpenAI 和 Anthropic 想支撑万亿美元级 token 收入，它们必须吃掉企业研发工资中的一大块。Rory 粗略估算，要达到这些收入预测，可能需要拿走每个工程师工资成本的 20%。如果企业的实际 token 支出停留在 1% 或 5%，那么今天的估值可能就过于乐观。

“你真的必须开始思考，在软件开发市场里，工程团队总工资账单中，到底有多少比例会被它们拿走。”

🧊 SaaS 失去了 2021 年的“未来光环”

Rory 用“二十一岁”来形容 SaaS 在 2021 年的估值状态：市场愿意相信你拥有无限可能。但一旦这层光环消失，市场就会回到收入、增长和现金流的组合来定价。Figma、Datadog、Atlassian 依然可以是好公司，但很难再回到五十倍 ARR 的时代。

“一旦你失去了那层光环，接下来一辈子，市场都会用某种收入、收入增长和现金流的组合来给你估值。”

🧩 Figma 的错失与机会

Jason 承认自己低估了 Figma，因为即便 Figma Make 不是好的 vibe coding 产品，Figma 仍然站在“软件构建爆发”的中心。但他也尖锐指出，Figma 真正错过的是把设计一键推到可运行 production prototype 的能力，而 Replit 和 Lovable 已经把“上传 Figma 设计”做成了原生入口。

“Figma 做的是软件构建这件事。所以所有真正帮助别人做软件的公司，都会受益。”

🔥 SpaceX 是市场最想要的兴奋剂

关于 SpaceX 史上最大 IPO，Rory 的判断非常直接：S1 可能无法完整呈现 AI 化之后的 SpaceX，但这不一定会阻止市场追捧。因为在当下，公开市场想要的不是现金流，而是兴奋感。SpaceX 恰好是全球最具兴奋感的公司之一。

“我们是在市场想要兴奋感的时候，卖地球上最令人兴奋的公司。”

🧨 OpenAI 给 YC 公司发 token，可能改变早期融资

Sam Altman 给每家 YC startup 提供 200 万美元 OpenAI tokens，被三位嘉宾认为是争夺开发者心智的重要动作。Jason 认为这会推高 YC 公司估值，因为它相当于降低了早期风险，还能让 startup 把 token 当作营销预算，推出更激进的 freemium 产品。

“很多 startup，token 就是营销。”

⚖️ AI 行业正在走向政治反噬

节目最后，Rory 提出本期最尖锐的社会判断：AI 行业过去几年不断告诉公众，AI 会毁掉工作、推高电费、改变世界，却没有给出足够透明和成熟的政治叙事。现在，当大公司开始裁员，公众的反感可能会迅速转化为政治压力。

“我们这边有一些非常聪明的科学家，但在政治上完全是笨蛋；而那些完全不懂 AI、但很懂政治的人，会把我们吃得死死的。”

🏭 科技公司可能不得不重新雇人

Jason 提出一个非常反直觉的观点：科技行业也许需要在 AI 提高效率之后，重新扩张招聘，甚至建立某种新的社会契约。否则，大规模白领岗位消失可能引发强烈政治反噬，最终伤害整个科技行业。

“科技公司最后不得不重新扩张，雇成千上万的人，来避免社会动荡。”

🌐 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

#549. AI 芯片究竟如何工作？GPU/TPU 的底层设计 May 23, 2026

Show notes

📝 本期播客简介

本期我们克隆了：科技深度访谈播客《Dwarkesh Podcast》How do AI chips actually work? – Reiner Pope

本期节目是一场从芯片最底层一路搭到 AI 加速器架构的硬核技术对谈。主持人 Dwarkesh Patel 再次邀请 MatX CEO Reiner Pope，从最基础的 AND、OR、NOT 逻辑门开始，解释 AI 芯片究竟如何把矩阵乘法变成真实的电路结构。你将听到 multiply-accumulate 为什么是 AI 芯片的核心原语，full adder、mux、register file、systolic array、clock cycle、FPGA、ASIC、cache、scratch pad、GPU 与 TPU 这些概念之间到底如何相互连接。

这期节目最核心的问题是：在 AI 芯片里，真正昂贵的往往不是计算本身，而是数据移动、同步和通信。Reiner 用极其底层但清晰的方式解释，为什么低精度计算会带来平方级优势，为什么 tensor core / systolic array 能显著提升计算与通信的比例，为什么过快的 clock speed 反而可能伤害吞吐量，以及 GPU 和 TPU 的架构差异本质上是如何围绕矩阵乘法和数据搬运展开的。对于想理解 AI 算力底层逻辑的人来说，这是一堂从电路到架构的芯片设计入门课。

👨‍⚕️ 本期嘉宾

Reiner Pope，MatX 的 CEO。MatX 是一家专注 AI 芯片的新公司。Reiner 长期关注 AI 计算基础设施和芯片架构设计，擅长用从底层电路到系统架构的方式，解释 AI 芯片如何服务于大规模模型训练与推理。

⏱️ 时间戳

00:00 开场 & 播客简介

从逻辑门开始理解 AI 芯片

01:39 芯片内部到底有什么：从逻辑门、导线到矩阵乘法

02:43 为什么 multiply-accumulate 是 AI 芯片的核心原语

04:01 用 4-bit 乘法手算 AI 芯片里的基础计算

05:57 Full Adder：三个 bit 如何被压缩成两个 bit

06:32 Dadda Multiplier：用 full adder 高效完成乘法与累加

08:28 为什么 multiply-accumulate 在电路上有漂亮的 p×q 结构

低精度、数据移动与隐藏成本

09:19 FP4 和 FP8 能不能互换：芯片设计里的精度选择

10:37 Bit width 的平方缩放：低精度为什么如此有利

11:12 从 CUDA Core 看传统处理器的数据路径

13:00 Mux 是什么：一次“选择”背后的真实电路成本

14:19 数据移动比计算更贵：register file 到 ALU 的代价

15:35 Tensor Core 的动机：把更多面积花在真正的计算上

Systolic Array：把矩阵乘法固化进硬件

16:44 从单次乘加到矩阵-向量乘法：为什么要往外层 loop 走

17:30 Systolic Array 如何让计算按平方增长、通信按线性增长

18:52 权重本地保存：把矩阵放在计算发生的地方

19:20 如何慢速灌入权重，避免 X×Y 级别的外部布线

21:12 计算与通信的比例：从 gate 层到数据中心都反复出现的问题

22:12 TPU 里的大规模 systolic array：矩阵乘法最有效的电路机制

芯片设计的关键取舍

22:32 真正让芯片设计者纠结的问题：尺寸怎么定

23:29 Clock Cycle 是什么：芯片为什么需要全局同步

25:06 速度与可靠性：为什么必须保证计算赶上下一个 clock

26:19 Pipeline Register：用更多寄存器换更高频率

27:50 有反馈回路时，为什么插入 pipeline 会变难

29:38 过快的 clock speed 也会伤害吞吐量

30:43 吞吐量公式：每个周期能做多少事 × 每秒多少个周期

FPGA、ASIC 与可编程硬件

31:09 为什么高频交易会用 FPGA：确定性延迟与商业取舍

31:37 FPGA 如何模拟 ASIC：register、LUT 与大量 mux

33:08 “Field Programmable”到底是什么意思

33:59 Lookup Table：把 truth table 变成可编程 gate

35:17 为什么 FPGA 比 ASIC 贵一个数量级

37:32 慢十倍的原因：LUT 和 mux 带来的巨大开销

CPU、缓存与现代硬件架构

38:27 为什么 CPU 很难保证确定性 clock cycles

38:27 Cache 的不确定性：CPU 延迟为什么会受环境影响

40:56 Scratch Pad vs Cache：把内存控制权交给软件

41:31 现代硬件还算冯·诺依曼架构吗？

42:53 Branch Predictor：CPU 为什么要预测分支

44:00 大脑与芯片的高层比较：稀疏、共址内存与慢速时钟

GPU、TPU 与 AI 加速器架构

46:16 GPU 和 TPU 的高层差异：很多小 SM vs 少量大矩阵单元

47:10 Tensor Core 和 TPU MXU 为什么非常相似

47:36 大 Systolic Array 的优势与数据搬运瓶颈

48:32 MatX 的公开方向：Splittable Systolic Array

48:56 收尾与感谢

🌟 精彩内容

💡 AI 芯片最想做的事：矩阵乘法

Reiner 从最底层解释，AI 芯片的核心不是某种神秘操作，而是把大量矩阵乘法高效地映射到硬件上。而矩阵乘法最基本的计算单元，就是 multiply-accumulate：把两个数相乘，再把结果累加到已有结果上。

“AI 芯片最想计算的主要功能，是矩阵乘法。”

🧮 低精度为什么能带来巨大收益

节目中最重要的硬件直觉之一，是 bit width 的成本并不是线性增长，而是近似平方增长。也就是说，从 FP8 降到 FP4，不只是数字变短，而是乘法电路面积、功耗和吞吐量都会发生非常大的变化。这也是低精度计算能成为 AI 芯片核心优化方向的根本原因。

“bit width 存在这种平方 scaling。这非常有效，也是 low precision arithmetic 在 neural net 里这么好用的唯一原因。”

🔌 真正昂贵的不是计算，而是数据移动

Reiner 用 register file、ALU 和 mux 的例子说明，软件里看似简单的“选择一个寄存器”，在硬件里其实需要大量 AND、OR 和布线。对于小精度乘加来说，把数据从 register file 搬到 logic unit 的成本，可能比真正做乘法和加法还高很多。

“光是把数据从 register file 移到 logic unit，这部分工作就比 logic unit 本身贵很多很多倍。”

🏗️ Systolic Array 的核心思想：让计算多于通信

Tensor Core 和 TPU 中的 systolic array，本质上是把矩阵乘法的更大一层循环固化进硬件。它让权重矩阵尽量留在计算发生的地方，只把输入向量和输出结果搬进搬出，从而让计算量按平方增长，而通信量尽量保持在线性规模。

“这个问题在整个技术栈从上到下都会出现。”

⏱️ Clock Speed 不是越快越好

节目里对 clock cycle 的解释非常精彩：芯片通过全局时钟让大量并行电路同步，但如果为了提高频率插入太多 pipeline register，就会把大量面积花在同步和存储上，反而减少每个周期真正完成的计算量。因此芯片吞吐量不是只看频率，而是频率和每周期工作量的乘积。

“你可以把芯片的吞吐量理解成两个东西的乘积：每个 clock cycle 能做多少事，再乘以每秒有多少个 clock。”

🧩 FPGA 为什么灵活但昂贵

FPGA 能在部署后重新编程，是因为它用 LUT 和大量 mux 来模拟可配置的逻辑门和连线。但这种灵活性代价很高：一个在 ASIC 里只需要几个 gate 的逻辑，在 FPGA 里可能要通过几十个 gate 的 lookup table 和 mux 来实现。这解释了为什么 FPGA 通常比 ASIC 更贵、更慢、更耗能。

“所谓 programming，就是配置这些 mux 里的每一个。”

🧠 GPU 和 TPU 的根本差异

Reiner 用一个很直观的类比解释 GPU 与 TPU：GPU 像是在整颗芯片上铺了很多个很小的 TPU，每个 SM 里都有较小的 matrix unit 和 vector unit；而 TPU 则更像是少量但更大的矩阵单元。前者更灵活，后者更能摊薄矩阵乘法中的通信和控制成本。

“从非常高层的角度看，GPU 就像是在整颗芯片上铺了很多个很小很小的 TPU。”

🌐 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

#548. GTA背后的商业大师：从“无钱敌意收购”到400亿美金娱乐帝国 May 23, 2026

Show notes

📝 本期播客简介

本期我们克隆了：David Senra 主持的商业人物深度访谈节目 Strauss Zelnick, Take-Two: The Man Behind A $45B Media Empire (GTA & More)

本期嘉宾 Strauss Zelnick，是 Take-Two Interactive 的董事长兼 CEO，也是投资公司 ZMC 的创始人。他长期深耕娱乐、媒体、音乐和电子游戏行业，职业生涯横跨 Columbia Pictures、Vestron、20th Century Fox、BMG、ZMC 与 Take-Two。最传奇的是，他和团队曾在几乎没有资本的情况下，通过公司章程和股东投票机制，完成了一次近乎不可能的“无钱敌意收购”，接管了当时濒临崩溃的 Take-Two Interactive。

在这期节目中，Strauss 详细讲述了他如何从研究爱迪生时代的电子娱乐史开始，形成“永远拥抱新技术”的底层判断；如何从家庭录像带、电影、音乐一路走到电子游戏；又如何识别出电子游戏行业更像二十世纪二十年代的电影制片厂，是一个可以长期创造巨大价值的娱乐形态。他还分享了 Take-Two 的扭转过程：如何削减成本、稳定组织、支持创意人才、打造理性公司，并最终把一家问题缠身的游戏公司，发展成拥有 GTA、NBA 2K、Red Dead Redemption、Borderlands 等重要 IP 的全球娱乐巨头。

这不仅是一段关于 Grand Theft Auto 背后商业操盘手的故事，更是一堂关于技术浪潮、资本结构、创意产业、人才管理、专注力和长期主义的深度课程。

👨‍💼 本期嘉宾

Strauss Zelnick，Take-Two Interactive 董事长兼 CEO，ZMC 创始人。他曾担任 20th Century Fox 总裁、BMG Entertainment CEO，并长期活跃于娱乐、媒体、音乐和电子游戏行业。2007 年，他带领团队通过一次极为罕见的股东行动接管 Take-Two，并将其从混乱、亏损和多重调查中扭转为全球最重要的互动娱乐公司之一。

⏱️ 时间戳

00:00 开场 & 播客简介

技术、媒体与早期判断

01:28 无钱敌意收购：Take-Two 传奇故事的开端

02:36 娱乐行业二十年：为什么技术与媒体的交汇如此重要

03:41 1983年的“新媒体”：录像带、付费电视与家庭娱乐

05:37 从历史看未来：爱迪生、电子娱乐与技术变迁

06:00 核心信念：永远拥抱新技术，别相信当下会永远不变

从电影到电子游戏

07:20 家庭娱乐的崛起：录像带、DVD 与数字发行

07:46 Vestron 时代：29岁成为上市娱乐公司总裁

09:43 好莱坞为什么曾经害怕电子游戏：Atari 与 E.T. 灾难

11:43 32岁进入 Fox：从票房垫底到行业第一的扭转经历

17:00 Barry Diller 的影响：激烈辩论、承受压力与追求正确答案

20:21 Rupert Murdoch 的一课：危机中保持冷静和专注

21:21 电影行业的结构性问题：boutique system 与 studio system

23:49 洞察电子游戏：今天什么行业最像1920年代的电影制片厂？

创业、错失GTA与创办ZMC

24:51 向 Rupert Murdoch 提议进入游戏行业，却因股权诉求被拒

26:11 降薪95%去硅谷：加入 Crystal Dynamics 的冒险

26:54 创业时机：什么时候适合承担真正的风险

28:05 BMG内部孵化游戏业务：用唱片全球发行体系做游戏

31:00 被迫卖掉游戏部门：Take-Two 接手并推出 Grand Theft Auto

32:19 错失GTA：最成功媒体IP背后的戏剧性一幕

33:16 创办 ZMC：想打造被技术增强的媒体娱乐资产组合

34:49 没有资本怎么收购公司：空箱子式募资与第一笔艰难交易

37:01 拯救日本唱片公司：ZMC 第一笔交易的生死考验

接管Take-Two

42:17 与 Carl Icahn 的关系：免费研究、长期铺垫与意外机会

42:58 当时的 Take-Two：调查、亏损、混乱和濒临破产

44:18 读公司章程：发现接管公司的法律缝隙

46:00 百分之五十点一的投票权：用股东同意书挑战董事会

48:00 从48%到22%：借股、投票权和关键会议的惊险转折

49:30 年度股东大会现场：从不确定到88%支持率

50:21 2007年接管 Take-Two：成为董事长，后来兼任 CEO

扭转一家混乱公司

50:38 接管后的计划：围绕 GTA，削成本，重建理性组织

51:19 如何一年削掉四千万美元：先砍第三方开支，而不是先裁人

53:14 GTA 的周期性问题：爆款发售年赚钱，其他年份亏损

53:30 核心战略：做出更多爆款，打造真正的娱乐公司

54:28 从7亿到300多亿美金：Take-Two 的长期价值创造

55:35 早期错误与底层原则：在地板上时，合理决策反而变简单

创意人才与理性组织

56:01 谁最重要：能做出爆款的人，而不是管理者本人

56:46 理性组织：不大喊大叫，不制造混乱，不让自我阻碍创作

57:33 如何管理难搞的天才：真正在乎他们，同时坚守尊重底线

58:33 删除键哲学：不把事情个人化，也不被情绪牵着走

60:28 娱乐行业里的理性优势：拒绝魔法思维

62:01 文化的真正考验：顺境不算数，逆境才见品格

62:50 Borderlands 案例：游戏做完后仍追加五千万美元重做

63:15 相信人才直觉：支持创意热情，而不是只看短期排期

GTA、游戏与长期专注

63:32 GTA 6 的时间表：为什么伟大作品需要等待

64:19 GTA 的长期生命力：更新、社交与持续参与

64:39 在线游戏的社交本质：从年轻玩家到90岁桥牌玩家

65:10 游戏为什么会持久存在：它是人类文明最古老的娱乐形式之一

65:32 具体目标的力量：宇宙奖励具体请求，惩罚模糊愿望

66:13 可视化不是魔法：它是反复专注于自己真正想要的东西

68:00 从二百亿目标到四百亿规模：长期使命如何驱动选择

68:50 Take-Two 的使命：成为地球上第一的娱乐公司

导师、行动力与服务型领导

69:55 给年轻员工的建议：知道自己想要什么，并创造超过成本的价值

71:12 为什么很多人不跟进：成功没有魔法棒，必须自己行动

72:40 创办ZMC的现实：别人可以善意支持，但没人能替你完成工作

73:22 做好眼前机会：一个机会做好，才可能带来更多机会

74:46 时间承担大部分重量：理性、好行业、优秀人才与复利

75:01 CEO 是服务团队的人：办公室本身不会产生实际工作

75:39 根据人才调整风格：忠于自己，但服务不同的人

76:18 《人性的弱点》：对他人保持真诚兴趣的领导力核心

77:00 真正在乎人：让对方觉得自己是房间里唯一的人

78:08 做播客的出发点：不是显得厉害，而是服务听众

领导风格、财富与自我转变

78:24 财富来自服务：资本主义中值得庆祝的创造价值

80:04 从不安全感到服务心态：《人性的弱点》如何改变人生

80:52 Fox时期的自我意识：从“按我的方式来”到“我如何帮你”

81:23 成功没有唯一模板：不同领导者有不同风格

82:03 Elon Musk、Barry Diller 与不同的成功路径

83:18 找到自己的方式：不是所有方法都适合所有人

84:41 电子游戏、媒体和娱乐：Take-Two 其实提供的是娱乐体验

互动娱乐与AI时代

85:23 电子游戏体验的多样性：七分钟手游与数百小时 GTA 完全不同

85:37 媒体日竞争：任何占据用户13小时媒体时间的东西都在竞争

86:06 互动娱乐的优势：最有价值的新媒体不是被动的，而是互动的

86:50 Take-Two 如何使用 AI：企业工具与数百个生产力项目

87:29 AI 组织结构：不是单独设“AI负责人”，而是融入技术体系

88:07 对 AI 的总体态度：拥抱一切提升效率的技术

88:18 AI 与创造力：数据回看过去，创造力面向未来

89:34 为什么 AI 不会自动制造爆款：克隆品不是原创，爆款必须出人意料

90:44 结尾：所有爆款，本质上都是出人意料的

🌟 精彩内容

💡 “无钱敌意收购”Take-Two

Strauss Zelnick 讲述了他和团队如何在几乎没有资本的情况下，通过阅读公司章程、争取关键股东支持，并利用年度股东大会的特殊条款，接管了当时陷入严重危机的 Take-Two。这是一场罕见到几乎不可复制的资本市场行动。

“本质上，我们是在没钱的情况下做了一次敌意收购。”

🧠 永远拥抱新技术

Strauss 的职业生涯核心，是不断站在传统娱乐与新技术的交汇点上。从录像带、DVD、电子游戏，到今天的 AI，他反复强调：不要和新技术对抗，因为眼下正在发生的一切都会改变。

“你永远要拥抱新技术。你要是跟它对抗，就会被甩在后面。”

🎮 为什么电子游戏像1920年代的电影行业

他曾经的梦想是经营电影公司，但后来意识到，现代电影行业的经济结构已经很糟糕；真正像早期电影制片厂、可以把创意人才、生产体系和长期 IP 结合起来的，是电子游戏行业。这一洞察最终引导他走向 Take-Two。

“我应该想经营的是一九二七年的电影制片厂，而不是一九九一年左右的制片厂。”

🚀 错失 GTA 的戏剧性往事

在 BMG 任职期间，Strauss 曾孵化过一批游戏项目，后来被迫卖给一家小上市公司 Take-Two。一个月后，Take-Two 推出的第一款游戏就是 Grand Theft Auto。这个故事既荒诞又传奇，也让他与 Take-Two 之间埋下了长期的命运伏笔。

“这家上市公司的名字叫 TakeTwo Interactive，第一款发行的游戏就是 Grand Theft Auto。”

🏢 理性组织的长期优势

接手 Take-Two 后，Strauss 的核心不是“疯狂冲刺”，而是建立一家理性、成熟、尊重人才的公司：不吼人，不乱决策，不让自我阻碍创作，保持稳健资产负债表，并在失败时仍能活下来。

“我们不会干预创意。我们希望你做出世界上最好的电子游戏。”

🎨 服务创意人才，而不是控制他们

Strauss 认为，娱乐公司的真正核心是那些能做出爆款的人，而不是 CEO。他的职责是提供资源、保护环境、支持人才的热情，并在关键时刻承担风险。Borderlands 在几乎做完后被推倒重做，就是这种文化的经典案例。

“我雇了最有创造力的人。我对他们说，你们必须追随自己的热情。我们会支持你们。”

🎯 专注不是玄学，而是反复具体化目标

节目后半段，Strauss 深入解释了“可视化”的真正意义：不是魔法式许愿，而是极其具体地知道自己想要什么，并长期围绕它做选择。他从2001年就想打造被技术增强的媒体娱乐资产组合，这个目标最终通过 ZMC 和 Take-Two 一步步实现。

“最常见的那个因素到底是什么？他们知道自己想要什么。”

🤝 领导力的核心：真正在乎别人

Strauss 将《人性的弱点》视为改变自己人生的重要书籍。他从早年的不安全感和自我关注，转向服务他人、理解他人、真诚关心他人。他认为 CEO 的工作，本质上是服务团队，让优秀的人能创造出最好的成果。

“要想成为有效的领导者，你必须真心在乎别人。”

🤖 AI会提升效率，但不会自动制造爆款

面对 AI，Strauss 的态度是积极拥抱，但不盲目迷信。他认为 AI 很擅长资产制作，可以提高效率，但爆款的本质是出人意料；完全由历史数据推导出的东西，很难真正创造未来。

“所有爆款，本质上都是出人意料的。”

🌐 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

#547. 纳瓦尔：销售的本质不是说服，而是把真相讲清楚 May 21, 2026

Show notes

📝 本期播客简介

本期我们克隆了：思想类播客《Naval Podcast》Sell the Truth

这期节目来自 Naval Ravikant 与长期联合主持人 Babak Nivi 的一段对谈，主题是“销售”。但 Naval 一开场就提出了一个反直觉观点：他并不相信传统意义上的销售。如果一个人感觉自己正在被推销，天然就会产生抵触。真正能打动顶尖人才、投资人、合作者和客户的，不是销售话术，而是可信度、诚实、清晰表达和长期主义。

在这期对话里，Naval 拆解了他所谓“销售能力”的底层逻辑：如何通过理性共情理解对方，如何做到既真实又积极，如何把领导力变成一种激发动机的能力，如何只销售自己真正相信的东西，以及如何在交易中拒绝坏妥协、关注未来的巨大上行空间。这不是一堂传统销售课，而是一套关于信任、判断力、动机、合作与人生选择的思考框架。

👨‍⚕️ 本期嘉宾

Naval Ravikant，投资人、创业者、AngelList 联合创始人。他以关于财富创造、判断力、创业、幸福和人生哲学的表达广为人知，是硅谷最具影响力的思想者之一。

Babak Nivi，Naval 的长期联合主持人，也是创业者与投资人。他在本期节目中以观察者视角，试图拆解 Naval 被外界称为“极具销售能力”背后的真实方法。

⏱️ 时间戳

00:00 开场 & 播客简介

销售不是销售

01:28 人生只需要懂两件事：创造与销售

01:42 Naval 的反直觉观点：我其实不相信销售

02:31 可信度比销售重要：顶尖的人会看穿套路

03:25 真正的销售：理解对方想要什么，然后诚实表达

04:05 不执着于结果：找那个真正产生共鸣的人

理性共情与客观判断

04:25 “Yes, and”：先接住对方，再表达自己的立场

04:44 理性共情：用推理走到对方的位置上

05:45 客观的意思：把自我拿掉

06:10 好建议像是“对方在跟自己说话”

真实、积极与魅力

06:42 为什么同时做到真实和积极很难

06:55 魅力的定义：同时传递力量与善意

07:35 诚实是根基，但不友善会让对方听不进去

08:10 同理心的代价：为什么 Naval 不擅长解雇人

领导力的本质

09:02 管理是告诉别人该做什么，领导力是让别人想去做

09:45 不要只让人砍木头，要让人向往大海

10:26 创业公司是一种更自由的生活方式

11:12 尝过自由的滋味，会让你不再适合被雇用

12:00 小团队、高信任与人类深层的协作本能

12:55 从囚徒困境到猎鹿博弈：真正的社会合作模型

13:45 招聘技巧：让候选人随便面试团队里的任何人

只卖你真心相信的东西

14:18 “传教式销售”？Naval 认为那只是诚实

14:55 如果你自己都不兴奋，就不该卖它

15:45 框架和技巧都是次要的，动机才是核心

16:35 真正有用的学习来自亲自去做

17:05 喂养你的智力痴迷，而不是追求表面平衡

17:42 如果你觉得自己在销售，可能说明你卖错了东西

融资、故事与真实兴奋

18:02 外界眼中的“布道式销售”：先讲大图景

18:35 不要把销售想得太复杂

18:55 Naval 如何融资：等自己真正兴奋，再去讲清楚

19:28 不夸大、不包装，只传达已经看到的真实东西

交易、妥协与选择权

20:05 不要让自己陷入背靠墙的交易处境

20:42 坏交易比想象中更难摆脱

21:10 合同的本质：用未来选择权换取共同合作

21:52 妥协是打造伟大公司的敌人

上行空间与长期主义

22:14 关注把蛋糕做大，而不是眼前怎么切

22:39 幂律时代：真正的回报在未来

23:32 最重要的是保护时间与选择权

24:15 小利益不值得争，但原则和心理平静值得保护

25:05 不要只为了钱，在同一件事上苦熬一生

25:45 在一生里塞进几种不同的人生，追随真正的兴趣

🌟 精彩内容

💡 可信度比销售重要

Naval 认为，真正厉害的人往往能一眼看穿销售套路。你越想“推销”他们，他们越会本能抵抗。真正有价值的做法，是变得可信：懂自己在讲什么，说真话，理解对方的处境，并且愿意在不适合时主动劝对方不要买。

“如果你感觉有人在向你推销，如果你感觉自己正在被卖东西，这会让人反感。可信度比销售重要得多。”

🧠 “Yes, and” 不是技巧，而是理性共情

Nivi 观察到 Naval 经常先接住对方观点，再继续推进。Naval 解释说，这不是表演出来的销售技巧，而是一种理性共情：聪明人提出一个观点，背后通常有他们的理由。你要先理解那个理由，再说明自己的立场为什么也成立。

“它更像是一种理性的共情。你用推理走到对方的位置上，看看对方的立场是否成立。”

❤️ 魅力是力量与善意的结合

Naval 将魅力定义为同时传递自信和爱，或者说同时传递力量与善意。他强调，诚实是根基，但如果诚实表达得过于粗暴，对方就不会听进去。真正有效的人，不只是证明自己正确，而是让真话能够被听见。

“你是想证明自己正确，还是想真正有效？如果你真的想有效，那你就得想办法把善意也放进去。”

🚀 领导力不是下命令，而是点燃向往

在 Naval 看来，管理是告诉别人该做什么，领导力是让别人想去做。真正的领导者不是分配任务，而是理解对方的目标、能力和动机，再把这些与组织要完成的事情连接起来。创业公司、小团队和高信任协作之所以迷人，是因为它让人重新进入一种深层的人类协作状态。

“管理是告诉别人该做什么，领导力是让别人想去做。”

🔥 只卖你真正相信的东西

Naval 不接受“传教式销售”这个说法。他认为，如果你真心相信一个东西、真心为它兴奋，你自然会想把它讲给别人听。技巧、框架、商业书都只是次要的，真正驱动你把事情做成的，是动机、热情和痴迷。

“如果你自己都不兴奋，那你还卖它干什么？如果你觉得你是在销售，那你可能卖错东西了。”

🤝 坏交易会困住你的未来

Naval 提醒，交易不是一次性的，它会长期限制你的未来选择。尤其是融资、股权、董事会、长期合同这类关系，一旦选错，很难摆脱。他认为，创始人内心其实知道什么是坏妥协，那种“轻微下沉”的感觉就是信号。

“妥协是打造伟大公司的敌人。”

📈 关注巨大的上行空间，而不是眼前的小利益

在科技和投资领域，回报是幂律分布。Naval 强调，真正重要的不是眼前为一小块蛋糕争夺，而是未来有没有可能创造出大一百倍、一千倍的上行空间。同时，他也提醒人们保护时间、声誉、心理健康和平静，因为这些才决定你能否继续创造。

“人们花太多时间在小利益上斤斤计较，却没有花足够多时间去关注真正大的上行空间。”

🌐 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

#546. 电力、晶圆与 AI 基础设施的未来 May 20, 2026

Show notes

📝 本期播客简介

本期我们克隆了：Patrick O'Shaughnessy 主持的投资访谈播客《Invest Like the Best》Watts, Wafers, and the Future of AI Infra | Gavin Baker

这是一场关于 AI、资本市场、基础设施和未来秩序的高密度对话。Atreides Management 创始人 Gavin Baker 再次做客节目，用投资人、科技观察者和历史研究者的视角，解释为什么他认为当下 AI 正处在“资本主义史上从未发生过”的特殊时刻。

Gavin 从 Anthropic 单月 ARR 增长、DeepSeek 引发的市场误判、AI 资产估值错配讲起，进一步延伸到电力、晶圆、数据中心、轨道算力、TSMC、Terra Fab、前沿模型、开源模型和 AI 应用层的价值分配。他提出，AI 不只是一个技术周期，而是一场涉及资本开支、能源体系、半导体供给、地缘政治和人类工作方式的系统性重构。

本期你将听到 Gavin 对“AI 会不会泡沫化”的细致判断，对 Anthropic、OpenAI、Nvidia、TSMC、Google、Meta、Amazon、Microsoft 等关键公司的拆解，也会听到他对 AI 时代个人安全、网络安全、投资工作流和社会稳定的担忧与乐观。

👨‍💼 本期嘉宾

Gavin Baker，Atreides Management 创始人兼投资人，长期专注科技、半导体、AI 基础设施和资本市场周期研究。他曾多次做客《Invest Like the Best》，以对科技公司、市场历史和投资周期的深度理解著称。

🎙️ 主持人

Patrick O'Shaughnessy，投资访谈播客《Invest Like the Best》主持人，长期与全球顶尖投资人、企业家和思想者对话，关注商业、科技、资本配置与长期复利。

⏱️ 时间戳

00:00 开场 & 播客简介

AI资本主义的异常时刻

01:37 资本主义史上从未发生过：Anthropic 单月新增 110 亿美元 ARR

02:10 三四月市场错配：股价下跌，但 AI 基本面正在爆炸

04:20 DeepSeek Monday 的误判：为什么算力需求反而更强了

06:10 霍尔木兹海峡、能源价格与美国制造业相对优势

前沿模型的估值与融资逻辑

07:42 Anthropic 与 OpenAI：同样是前沿模型，资本效率却很不同

08:40 无约束收入 URR：如果 compute 不受限，Anthropic 可能有多大

09:44 为什么不一次性融到天价：不确定世界里的融资纪律

11:23 Elon 的“融资超能力”：长期让投资人赚钱的重要性

Watts & Wafers：AI基础设施的核心瓶颈

11:59 电力与晶圆：AI 基础设施建设最关键的两种投入

12:27 电力短缺会如何被资本主义解决

13:35 轨道算力的重新定义：不是太空数据中心，而是太空中的 rack

15:00 散热、维修、激光互联与 SpaceX 的工程能力

17:29 轨道算力会不会冲击地面数据中心

18:30 TSMC、硅盾与晶圆短缺如何影响 AI 泡沫

20:15 历史不会重复，但会押韵：铁路、运河、互联网与 AI 泡沫

22:48 Intel、Samsung 与 TSMC 的产能博弈

23:51 Terra Fab：Elon、Intel 与美国最大晶圆厂的可能性

26:23 Elon 的速度：为什么传统建设周期可能被打破

前沿模型、开源模型与Bitter Lesson

26:49 DeepSeek 之后：为什么前沿模型仍然拿走大部分经济价值

27:23 Frontier token 的溢价：模型层回报为何集中在最前沿

29:10 Pareto frontier 的变化：Google、Anthropic、OpenAI 与 xAI 的位置

30:05 Bitter Lesson 的风险：更多算力是否永远胜过人类巧思

31:18 Memory、harness 与模型 runtime 的重要性

32:03 为什么普通订阅套餐已经无法代表真正的前沿 AI

34:13 Continual learning：模型何时能像人类一样实时学习

35:00 三个关键问题：Bitter Lesson、frontier token 溢价与持续学习

芯片创业、GPU寿命与AI融资

35:35 新芯片公司的机会：竞争对世界和 Nvidia 都是好事

36:01 芯片设计的“铁三角”：攻击、防御、机动性的取舍类比

37:20 不要只做“更好的 GPU”：必须足够不同、也足够难

38:14 Prefill 与 decode：AI 推理拆分打开新芯片空间

39:50 Cerebras 的案例：waferscale computing 为什么不同且困难

42:10 GPU 寿命被延长：为什么 inference 拆分可能拯救 private credit

43:30 卖稀缺 vs 买稀缺：hyperscaler 的存量资产价值

AI Native创业与应用层困境

44:06 “不同而且很难”：AI 创业公司真正需要回答的问题

44:33 为什么显而易见又不难的创业点很危险

45:45 Cursor、Cognition 与 coding 的战略位置

46:56 Token path：软件公司必须站在 token 流经之处

48:01 Nvidia 会不会做自己的前沿模型

48:20 开源模型、蒸馏与新的囚徒困境

49:35 前沿模型是否应该通过 API 开放：AI 实验室的新博弈论

AI时代的安全、工作流与投资

50:28 Mythos 级模型世界：为什么每个人都需要一个“安全词”

51:14 防守之外的进攻：人类还能做什么

51:40 《最后的武士》与机关枪：不会掌握 AI 的人会被 AI 支配

52:45 投资人的 Agent 工作流：从播客、财报到管理层激励分析

53:50 为什么这是投资史上最令人兴奋的时代

AI交易的分化与市场错配

54:14 AI 内部估值正在变得极不合理

55:00 DRAM、半导体设备与横截面估值矛盾

56:10 短缺周期里，低质量公司为什么反而涨得最多

57:20 AI 泡沫、核能泡沫、量子泡沫与投机蔓延

58:30 AI 交易不再同涨同跌：必须研究更细的子行业差异

59:10 被错误分类的机会：Astera 与 copper loser basket

巨头公司的AI位置

59:41 Google：失去 TPU 成本优势，但仍拥有最大 compute 装机基础

01:01:00 Meta：Zuckerberg 如何把公司推向 AI first

01:02:10 Amazon：Trainium、robotics 与零售业务效率提升

01:03:00 Microsoft：Satya 从“让 Google 跳舞”到 Copilot 产品经理

01:04:05 为什么微软把 compute 留给自己用，是一个有勇气的决定

01:05:00 谁最接近 startup：Nvidia、Amazon、Google 的外部互动优势

AI的社会外溢与未来秩序

01:05:46 应用层价值：AI 到目前为止已经摧毁了大量传统软件价值

01:06:40 人身安全与政治暴力：AI 领袖面临的新风险

01:07:30 战场 AI 与地缘政治：乌克兰、美国优势与全球稳定

01:08:40 Pax Americana 与 AI 主导权：技术优势会带来和平还是不稳定

01:09:20 AI 医疗奇迹：罕见病、Agent 与药物发现

01:09:55 谦逊面对事件视界：乐观主义与对卢德主义担忧的认真对待

01:10:19 收尾：Patrick 对 Gavin 热爱市场、公司和历史的致敬

🌟 精彩内容

💡 “资本主义史上从未发生过”的 AI 增长

Gavin Baker 认为，Anthropic 单月新增 110 亿美元 ARR，是商业史上极其罕见甚至没有先例的现象。他把这与 Palantir、Snowflake、Databricks 等顶级 SaaS 公司十年积累的规模对比，指出 AI 前沿模型公司的增长速度已经突破传统商业周期的想象力。

“资本主义史上从来没有发生过这种事。别说我的职业生涯了，就是整个资本主义史、整个商业史，都没有过。”

🛰️ 轨道算力：AI基础设施的下一种形态

Gavin 重新定义了 orbital compute：它不是漂浮在太空里的巨型数据中心，而是一个个在太空中的 AI rack，通过激光连接成虚拟数据中心。由于 SpaceX 已经拥有卫星星座、可重复使用火箭、激光通信和太空工程能力，他认为轨道算力有可能成为解决电力和冷却瓶颈的重要路径。

“它是在太空里的 rack，而不是在太空里漂着的、五角大楼那么大的巨型数据中心。”

🏭 TSMC 可能是阻止 AI 泡沫的关键

Gavin 认为，AI 基础设施最终是否泡沫化，很大程度取决于晶圆供给。与电力不同，晶圆扩产受制于 TSMC 的技术、人才与产能纪律。如果 TSMC 保持足够紧的供给，可能会避免 GPU 产能过度建设，从而延缓甚至阻止典型基础技术周期里的泡沫破裂。

“如果我们最后没有泡沫，那真的应该给 TSMC 开个庆功会。因为他们将会是单凭一己之力阻止泡沫的人。”

🤖 Frontier token 的溢价与 AI 应用层困境

DeepSeek 之后，很多人以为开源和蒸馏模型会快速压低前沿模型价值。但 Gavin 观察到，模型层绝大部分经济回报仍然被 frontier token 拿走。他认为这对应用层创业非常关键：如果前沿 token 继续保持高溢价，应用层会很难捕获价值；但如果这种溢价下降，应用层可能迎来爆发。

“在模型层，AI 的经济回报不是全部，但绝大部分都发生在前沿模型上。”

🔐 每个人都需要一个安全词

面对越来越逼真的语音、视频和人格模拟，Gavin 提出一个非常具体的建议：每个人都应该和家人、公司设置一个无法被社工套出来的“安全词”。未来诈骗可能会伪装成亲人视频通话，知道你的背景、模仿对方语气，并要求转账。

“每个人都需要一个安全词。”

⚔️ AI 是新的机关枪

Gavin 用电影《最后的武士》比喻 AI 对专业人士的冲击：如果传统高手不能掌握新技术，就会被新技术支配。对于投资人而言，AI Agent 已经可以帮助处理播客、财报、proxy statement、管理层激励分析等大量信息筛选工作，让人类把时间用于更创造性的判断。

“如果我们不能都成为机关枪的大师，我们就会被机关枪支配。”

📉 AI交易内部正在剧烈分化

Gavin 指出，AI 市场不再是简单的“AI 资产一起涨”。不同子行业之间的相关性正在下降，DRAM、NAND、光模块、scaleup networking、scaleout networking、半导体设备、电力等领域都在出现独立的价格逻辑。未来的机会可能来自被错误分类的公司，而不是简单买入一个 AI basket。

“今年一月，这一切都散了。AI 内部这些横截面的相关性真的崩了，你必须看得非常细。”

🏢 巨头公司的不同命运

Gavin 分别点评了 Google、Meta、Amazon 和 Microsoft。Google 虽然失去 TPU 成本优势，但仍拥有最大 compute 装机基础和数据资产；Meta 在 Zuckerberg 推动下真正转向 AI first；Amazon 有 Trainium 和机器人自动化潜力；Microsoft 则在 Satya 带领下做出艰难选择，把 compute 用于自有产品，而非单纯转售给 OpenAI。

“他确实在三年时间里，从‘我们要让 Google 跳舞’，变成了 Copilot 的产品经理。”

🌍 AI乐观主义与谦逊

尽管 Gavin 是 AI 乐观派，甚至称自己接近 AI 最大化主义者，但他也强调必须认真对待失业、可及性、安全、政治暴力和地缘政治风险。他认为 AI 像一个事件视界，人类社会必须想办法穿越过去，并确保这项技术最终对每个人都有好处。

“我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考。”

🌐 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