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:
    #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

    #545.先锋集团:为投资者省下万亿美金的共产主义资本家 May 20, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:商业史播客《Acquired》Vanguard: The communist capitalist who saved investors a trillion dollars (Audio)

    本期节目是一场关于 Vanguard 的超长篇商业史深度拆解。Ben Gilbert 和 David Rosenthal 从 Jack Bogle 的人生讲起:他出生在 1929 年大萧条前夜,童年家道中落,却靠奖学金进入 Princeton,并用一篇关于共同基金的本科论文,开启了自己改变金融行业的一生。

    这期节目不仅讲述了 Vanguard 如何创造面向个人投资者的第一只指数基金,更深入拆解了它真正革命性的地方:不是“指数基金”本身,而是公司结构。Vanguard 由旗下基金的投资者共同拥有,没有外部股东,也不以利润最大化为目标。Jack Bogle 坚信低费用会长期复利,而高费用会侵蚀普通人的财富。正是这种“共产主义式的资本主义”结构,让 Vanguard 能持续降低费用,并迫使整个资产管理行业跟随降费,最终把原本会流向华尔街的一万亿美元,留在了普通投资者口袋里。

    节目后半段也讨论了 Vanguard 成功之后的新问题:ETF 的兴起、Fidelity 和 BlackRock 的反击、客服和技术短板、客户关系被券商平台掌握、私人资产与投顾业务的新方向,以及被动投资规模过大是否会带来系统性风险。这不仅是一家金融公司的故事,更是一堂关于结构、激励、复利、低成本、信任与长期主义的商业课。

    👥 本期主持人

    Ben Gilbert 与 David Rosenthal,商业史播客《Acquired》的两位主持人。他们长期研究伟大公司、资本结构、商业模式与行业演化。本期他们以 Vanguard 为主线,讲述 Jack Bogle 如何通过公司结构和低费用理念,重塑全球资产管理行业。

    ⏱️ 时间戳

    00:00 开场 & 播客简介

    Vanguard 为什么重要

    01:27 从一句玩笑开始:这不就是 index fund 吗?

    01:53 Vanguard 的规模:十万亿美元级 passive index fund 巨头

    03:27 “共产主义式的资本主义”:客户拥有公司的独特结构

    04:27 Jack Bogle 与一万亿美元财富转移

    05:31 “卧底慈善家”:没有拿走本可以属于自己的财富

    Jack Bogle 的早年人生

    06:51 大萧条前夜出生:一个金融英雄的起点

    08:25 家道中落、父亲离家、兄弟们靠打工求生

    10:59 Blair Academy 与兄弟之间的大学机会抉择

    13:08 Princeton、经济学与一门只拿 C- 的课程

    15:48 一篇 Fortune 文章改变人生:共同基金行业的发现

    16:49 open-end fund 的诞生与共同基金的早期结构

    18:21 broker-dealer 分销、销售佣金与高费用体系

    20:01 管理公司如何从基金规模中赚钱

    24:19 Bogle 本科论文的核心洞察:费用会吞噬回报

    27:53 加入 Wellington:从助理到 35 岁成为总裁

    Wellington 危机与第一次被赶下台

    29:28 保守的 Wellington 遇上疯狂的 GoGo 年代

    30:51 Fidelity、Jerry Tsai 与高换手成长型基金的崛起

    35:15 Jack 接到任务:做任何必要的事来拯救 Wellington

    39:04 与 Ivest 合并:用 40% 股权换 GoGo 新血液

    42:18 泡沫破裂、石油危机与 Wellington 资产大缩水

    45:11 Jack 的 Jerry Maguire 时刻:我们到底在干什么?

    46:22 mutualize 的激进想法:把公司还给基金持有人

    48:47 合伙人反击:Jack 被解除 Wellington Management CEO 职务

    51:01 法律缝隙:他仍然是基金董事会主席

    52:52 第二天反击:用基金董事会推动共同所有制

    Vanguard 的诞生

    55:49 250 页报告:基金应该掌控自己的命运吗?

    57:43 微弱胜利:先只接管后台行政管理

    59:53 行业震动:同行担心他会毁掉整个基金行业

    01:03:01 “Vanguard”这个名字的由来:英国海军旗舰与彻底胜利

    01:04:32 现实很冷淡:只做后台业务,没人真正害怕

    01:05:17 第二场革命的伏笔:如果不提供投资建议,就能做指数基金

    第一只散户指数基金

    01:05:49 指数基金革命:不做投资判断,反而绕开限制

    01:07:24 Paul Samuelson 的文章:复制市场、无销售费、低换手

    01:09:15 为什么“平均水平”很难卖

    01:10:10 早期指数基金的技术难题:软件、自动化与五百只股票

    01:11:18 Jack 找到漏洞:跟踪 S&P 500 不算主动投资建议

    01:12:12 成本重要假说:低费用让平均回报变成优秀结果

    01:13:29 1% 费用的恐怖复利:退休时可能少掉 50% 财富

    01:16:47 写代码、谈授权:Vanguard 500 Index Fund 的技术与授权起点

    01:19:39 第一只指数投资信托基金诞生

    01:20:33 失败的 IPO:目标 1.5 亿,只募到 1130 万

    01:23:06 不够买 500 只股票:被迫用 280 只股票模拟指数

    01:24:52 Fidelity 的嘲笑:投资者怎么会满足于平均回报?

    低成本飞轮开始转动

    01:26:05 共享规模经济:Vanguard 是金融业的 Costco

    01:28:01 指数基金差点死掉:靠 Exeter Fund 并入续命

    01:30:41 no-load 模式:取消外部销售佣金,改为内部直销

    01:31:51 六年才到一亿美元,十二年才到十亿美元

    01:32:15 固定收益与货币市场:低成本策略更容易获胜的地方

    01:33:58 主动基金 Windsor Fund:支撑早期 Vanguard 的现金流

    01:35:33 行为优势:指数投资让人更容易长期不动

    01:37:11 费率下降,资产加速:指数基金终于开始起飞

    01:38:08 Total Stock Market Index Fund:不只买 500 只,买下整个市场

    Jack 的心脏、接班与 ETF 冲突

    01:39:07 Jack 的遗传性心脏病与“继续工作”的人生哲学

    01:41:02 心脏移植前仍在医院当 CEO

    01:43:19 奇迹康复:本以为结束,却又活了 23 年

    01:43:58 Vanguard 进入收获期:长期取舍开始回报

    01:46:32 创始人与接班团队的分歧:使命不变,但打法要变

    01:49:50 ETF 出现:更容易交易的共同基金

    01:50:46 为什么 Bogle 本该喜欢 ETF,却极度反对

    01:52:55 交易诱惑、券商佣金与做空:Jack 反对 ETF 的原因

    01:54:37 State Street 推出 SPDR,Vanguard 错过先机

    01:56:27 董事会摊牌:Jack 因年龄条款离任

    01:58:43 Bogleheads 兴起:Jack 成为普通投资者的精神领袖

    02:00:12 妥协方案:离开董事会,但保留研究中心与精神象征地位

    指数投资的时代顺风

    02:00:27 市场专业化:主动管理越来越难跑赢

    02:03:24 财务顾问兴起:从交易佣金转向资产增长

    02:04:37 dotcom 与互联网券商:投资者终于看清费用与表现

    02:06:16 401k 时代:普通美国人开始大规模进入股市

    02:07:17 Buffett 背书:低费用指数基金是持有股票的最佳方式

    02:08:23 Berkshire 的例外:为什么 Buffett 仍建议普通人买指数

    02:11:11 金融危机:被动投资和 Vanguard 的高光时刻

    02:13:04 华尔街光环破裂,Vanguard 成为普通人的英雄

    02:15:53 “我们不会从你身上赚钱”:危机后的信任红利

    02:17:16 Buffett 与对冲基金十年赌局:Vanguard 500 大胜

    Jack 之后的 Vanguard

    02:21:50 金融危机后资金涌入:Vanguard 超过 Fidelity

    02:23:24 低价真人投顾:Vanguard 进入财富建议业务

    02:24:39 Jack 去世:五万亿美元 AUM 与两千万客户

    02:26:59 他没有拿走的财富:与 Fidelity、BlackRock 创始财富对照

    02:27:43 Fidelity 与 BlackRock 回归:ETF 时代的新竞争

    02:29:16 Fidelity 的两大平台:401k 与券商账户

    02:30:32 Vanguard 的弱点:客户可能在别人的平台上买 Vanguard

    02:32:50 客服与技术短板:低利润结构的代价

    02:33:52 BlackRock 收购 iShares:ETF 市场的巨大胜利

    02:36:50 Vanguard 模式会不会反过来限制它?

    02:37:42 第一位外部 CEO:来自 BlackRock iShares 的 Salim Ramji

    02:39:46 私人资产、投顾、固定收益与退休业务的新方向

    02:43:37 进入 private equity:Vanguard 能否把低费用带入私人市场?

    02:45:33 增长的悖论:共同所有制公司为什么还要增长?

    今天的 Vanguard 与 Wellington 的后续

    02:47:26 今天的 Vanguard:12 万亿美元 AUM、5000 万投资者

    02:48:50 平均费用率 0.07%,行业仍是其 6.5 倍

    02:50:24 Wellington 后来怎样了:主动管理巨头的重生

    02:52:25 兜回原点:Wellington 至今仍为 Vanguard 管理部分基金

    分析:结构、激励与护城河

    02:53:22 为什么共同所有制没有更流行?

    02:55:59 金融行业的特殊性:产品本身就是资本

    02:57:39 为什么需要一个 Jack Bogle 这样的人

    02:59:02 Vanguard、Costco 与 Visa:共同体结构的相似性

    03:01:24 战略跟随结构:低费用来自所有权结构

    03:02:20 成本也会复利:时间是费用的敌人

    03:03:29 被动投资危机:成功之后的新担忧

    03:04:31 “被动”并不完全被动:S&P 500 也有人为选择

    03:05:23 被动投资会不会最终拥有一切?

    03:06:38 价格发现、共同持股与投票权的争议

    03:11:22 Seven Powers:用市场份额而非利润分析 Vanguard

    03:12:58 规模经济与极端反定位

    03:14:46 转换成本、品牌与 Bogleheads

    03:16:55 流程能力:使命驱动的人才与文化

    03:17:07 Quintessence:Bogle 把公开股票投资商品化

    03:19:56 一个人真的可以改变世界

    冷知识、推荐与收尾

    03:21:36 Vanguard 与 Microsoft:同月诞生的两场革命

    03:22:29 百倍股的残酷事实:平均 65% 回撤,8 年回本

    03:24:27 Jack 的书籍收入与慈善遗产

    03:25:08 推荐:Acquired 的《华尔街日报》专栏

    03:26:29 Ben 推荐:M5 Max MacBook Pro

    03:27:32 David 推荐:Michael McKelvy、亲子观影与 Brooks Vanguard 鞋

    03:29:55 致谢:研究顾问、作者、前 CEO 与资料来源

    03:32:12 延伸收听:Rentech、Berkshire、Costco、Visa

    03:33:03 结尾

    🌟 精彩内容

    💡 一万亿美元财富转移

    节目开头就点出 Vanguard 和 Jack Bogle 的历史意义:通过长期降低费用、倒逼整个基金行业降价,他们让原本会流向华尔街的费用,留在了普通投资者口袋里。主持人引用《The Bogle Effect》的估算,认为 Vanguard 自身节省了超过五千亿美元费用,而它对行业的降费压力又额外节省了五千亿美元。

    “Jack Bogle 和 Vanguard 促成了一万亿美元的财富转移。”

    🏛️ “共产主义式的资本主义”

    Vanguard 最独特的地方,不只是指数基金,而是公司结构。它没有上市,没有外部股东,也没有一群要求利润最大化的资本所有者。它由旗下基金的投资者共同拥有,因此公司降低费用,本质上就是把规模经济返还给客户。

    “这家公司,它的产品只服务客户的利益,不服务任何其他股东的利益。”

    📉 成本也会复利

    Bogle 真正狂热相信的不是“指数基金一定比主动管理好”,而是“低费用几乎一定更好”。节目用一个简单计算说明:如果 25 岁投资 10 万美元,市场年化 7%,40 年后约为 150 万美元;但如果每年支付 1% 管理费,年化变 6%,最后只有约 100 万美元。费用看似只有 1%,长期却可能吞掉退休财富的三分之一。

    “在回报这件事上,时间是你的朋友;但在成本这件事上,时间是你的敌人。”

    🚢 Vanguard 的诞生:理想主义与复仇心各占一半

    Jack Bogle 被 Wellington Management 赶下 CEO 位置后,并没有安静离开。他利用自己仍是基金董事会主席这一法律结构缝隙,推动基金与管理公司分离,建立一个由基金持有人共同拥有的新组织。这个组织最初只能做后台行政事务,却成为日后 Vanguard 的起点。

    “战略跟随结构。”

    📊 第一只指数基金差点失败

    今天 Vanguard 500 Index Fund 是全球最大的基金之一,但它刚推出时几乎无人问津。原本希望募集 1.5 亿美元,最后只募到 1130 万美元,甚至不够买下 S&P 500 每只股票的基本交易单位。它只能先买约 280 只股票,并靠并入另一只 Wellington 遗留基金续命。

    “我不敢相信广大投资者会满足于只拿到平均回报。这个游戏的目标是成为最好的。”

    🧠 指数投资的行为优势

    除了低费用,指数投资还有一个重要但常被低估的优势:它让投资者更容易什么都不做。主动投资者和主动基金经理往往不断交易、试图反应市场变化,而指数投资者更容易接受“我买的是市场”这个事实,从而长期持有。

    “别光想着做点什么,站着别动。”

    ⚔️ ETF:Jack Bogle 也会犯大错

    Bogle 极度反对 ETF,因为他认为 ETF 可以盘中交易,会诱导投资者投机、频繁交易、承担交易成本,甚至做空市场。因此 Vanguard 错过了最早推出 ETF 的机会,让 State Street 和后来的 BlackRock 抢占先机。节目认为,这件事清楚说明创始人的纯粹性很重要,但公司要继续扩张,也需要新一代管理者的灵活性。

    🧑‍🤝‍🧑 Bogleheads:金融世界的草根信仰

    Jack 被第二次请出董事会后,Vanguard 并没有与他彻底切割,而是保留他的研究中心和精神领袖地位。与此同时,投资者社区自发形成了 Bogleheads 运动,把低成本、长期持有、简单资产配置变成一种近乎信仰的投资文化。

    “Saint Jack。”

    🔥 金融危机成了 Vanguard 最好的营销

    2008 年金融危机中,被动指数基金当然也跟着市场下跌,但主动管理人并没有像承诺中那样保护投资者。华尔街“聪明钱”的光环破灭,而 Vanguard 因为低费率、不以盈利为目标、站在普通投资者一边,获得巨大信任红利。

    “Vanguard 明确给你的一个承诺是:我们不会从你身上赚钱。”

    🧩 今天的新挑战:Vanguard 模式是否开始限制 Vanguard?

    Vanguard 的低利润、共同所有制结构让它能极致降费,但也带来技术、客服和客户关系上的短板。许多用户在 Fidelity 等券商平台上持有 Vanguard ETF,客户关系并不在 Vanguard 手里。BlackRock 则借 iShares 在 ETF 市场大幅领先。节目最后提出一个反直觉问题:过去让 Vanguard 成功的结构,今天会不会也成为它扩展新业务的限制?

    🏦 私人资产与下一个 Vanguard Effect

    Vanguard 正在尝试进入 private equity 等私人资产领域。主持人讨论,公开市场基金的费用已经被 Vanguard Effect 大幅压低,但 VC 和 PE 仍然普遍是“2 + 20”的高收费结构。问题是,私人市场是 access 生意,资产会选择投资人,最优秀的管理人未必愿意放弃高费用。因此 Vanguard 能否把低费用革命带入私人市场,仍是一个巨大悬念。

    🌐 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 26 27 28 29 30 31 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