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:
    #755. Lauren & Matt Pocock:如何把 2000 个PR上到生产环境 Oct 06, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:Matt Pocock · LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX

    原内容更新时间:2026-10-03

    当你睡着时,Agent 能不能自己验证、修好并合并代码?Lauren Tan 在 SpaceX AI 的工作中,已经把这件事做成了日常流程。

    Matt Pocock 和 Lauren Tan 从她如何把 Agent 的工作量扩大到每月数千个 PR 聊起,拆解建立信任的关键:让 Agent 看见并验证自己的工作,把重复、确定的操作写成工具,再用代码库规则减少出错空间。他们也聊到如何从 bug 报告中获取上下文、协调多个 Agent,以及为什么领域专业知识反而更重要。

    👤 本期嘉宾

    Lauren Tan(Poteto),pstack 的创作者。她曾在 Meta 的 React 团队工作,之后加入 Cursor(现为 SpaceX AI),参与 Agent 窗口开发。她围绕 Agent 的验证、技能和工作环境持续实践,并分享过自己如何把大量 PR 交付到生产环境。

    ⏱️ 时间戳

    00:34 信任阶梯与专业经验

    08:29 米其林厨房与验证

    23:07 用环境约束 Agent

    39:33 抽查与自动合并

    48:00 把对话变成个人流程

    🌟 精彩内容

    💡 专业知识,反而更值钱

    模型越强,瓶颈越不在 Agent,而在于人能不能把意图和目标讲清楚。医生、律师等领域专家,只要懂得使用 Agent,就有机会把专业构想做成产品。

    "领域专业知识比以往任何时候都重要。"

    💡 验证让 Agent 摆脱人肉中转

    Agent 能运行代码、像用户一样操作应用,还能调试和记录信息;看得到结果,才能自己迭代。Lauren 把验证称为自己开始攀上信任阶梯的关键技能。

    "如果 Agent 实际上看不到自己的工作结果,它就根本没法迭代。"

    💡 规则把错误挡在代码库之外

    在 Grok Bot 项目中,早期版本有大约 8 个包揽一切的大文件,每个至少 1 万行。她把功能拆进各自目录,再用严格的 lint 规则和固定模式,让糟糕的写法更难出现。

    "好的代码库,是容易修改的代码库。"

    💡 外循环把 bug 报告变成工作

    Grok Bot 收集 Slack、X、邮件和 Linear 上的外部信息,再把上下文交给 Cursor Projects,由协调 Agent 分派子 Agent。多份相关 bug 报告放在一起,还能帮助 Agent 找到共同根因,而不是重复修补。

    "把这两个循环接起来以后,效果就非常非常强。"

    💡 她让 Agent 合并代码,早上再抽查

    她搭起严格的验证循环,为 PR 启动验证 Agent 和模糊测试;Agent 会运行应用、尝试找问题并修复。代码合并后,她再看提交记录;如果发现共性问题,就调整规则和环境。

    "现在我已经做到,PR 合并之后我才去审查。"

    💡 过去的聊天记录,是流程宝库

    Lauren 会从旧对话里找出自己纠正 Agent 的地方,把反复介入的经验整理成 skill、lint 规则或工具。pstack 的 recall skill,就是从她需要把旧聊天里的上下文带进新对话这一问题中长出来的。

    "过去的聊天记录就像一个上下文宝库。"

    🌐 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


    在小宇宙查看该单集文稿

    #754. 如何思考科学 Oct 05, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:CBC Ideas · How to Think About Science — Complete 24-part Series

    科学家到底是超凡脱俗的天才,还是把常识打磨得更精巧的工匠?这一整套 24 集节目从这个问题出发,把科学放到自己的显微镜下,追问事实如何确立、专家为何值得信任,以及科学知识怎样影响社会。

    由 David Cayley 制作并主持,保罗·肯尼迪担任节目主持。系列访谈科学家、哲学家、历史学家、社会学家和诗人:从波义耳与霍布斯的实验之争,到更年期、基因、气候风险和鳕鱼渔业,节目不断回到一个与每个人有关的问题——科学如何形成,又该由谁来判断它的边界?

    👤 本期嘉宾

    这是一套由 CBC Ideas 制作的 24 集系列节目,不是一场单一嘉宾访谈。节目由 David Cayley 制作并主持,保罗·肯尼迪担任主持;受访者来自科学、哲学、历史、社会学等领域。Simon Schaffer 与 Steven Shapin 合著《利维坦与空气泵:霍布斯、波义耳与实验生活》,Margaret Lock 研究医学与文化,Ian Hacking 研究科学实践与概率,众多受访者则从各自的专业经验出发,探讨科学知识如何产生、传播并影响公共生活。

    ⏱️ 时间戳

    04:02 科学如何成为事实

    50:49 科学史拒绝既定结局

    1:38:52 身体与文化交织

    2:26:06 实验改变科学图景

    3:16:26 现代性陷入风险

    4:03:55 盖亚调节地球

    5:01:01 观照与量子挑战

    5:54:24 科学须受自然评判

    6:40:10 形态场与科学异端

    7:33:30 科学知识进入政治

    8:24:30 常识制衡科学

    9:13:07 重新信任感官

    9:56:55 鳕鱼渔业管理失灵

    10:41:50 性别塑造科学语言

    11:33:11 基因话语管理希望

    12:20:49 科学依赖信任

    13:11:42 科学由多种风格交织

    14:01:12 反对基因决定论

    14:55:01 科学选择谁受益

    15:40:16 科学转向社会协作

    16:31:57 实在论与科学神话

    17:24:28 创伤记忆如何成形

    18:12:32 物理学追问根基

    🌟 精彩内容

    💡 科学运作靠信任,不只是怀疑

    你知道的大多数事并非亲身经历,而是从别人那里听来、读来。实验室依赖设备制造者、观察者和软件设计者等许多人的劳动,科学知识因此建立在复杂的信任网络上。

    "西方自然科学之所以运作得很好,部分原因是它们非常有效地组织了信任,而不是非常有效地组织了怀疑和质疑。"

    💡 事实不是天然摆在那里的

    波义耳用气泵做实验,邀请见证人到场、签署记录,再把实验写成读者仿佛亲眼所见的叙述。事实不仅要被观察,还要通过见证、书写和传播获得公信力。

    "如果这一切都做到位,就能得到波义耳所说的一个事实。它既权威又可信,让人无法否认它确实发生过。"

    💡 专家太多,难题是该信谁

    从吃什么、怎么投资,到气候变化,专家意见充斥日常生活。问题不只是公众是否相信专家,而是人们如何判断谁值得相信,以及专业知识如何进入公共讨论。

    "问题不在于我们谁都不信,而在于我们不知道该信谁。"

    💡 身体经验不总能装进统计数字

    遗传咨询会把家族病史转成风险画像,再用概率帮助孕妇决定是否继续检查。但“二十分之一”的风险描述的是统计人群,并不能告诉某一个人自己的孩子会怎样。

    "统计学的第一步,就是看不见具体的人。"

    💡 科学结论也要接受社会检验

    切尔诺贝利放射性沉降影响坎布里亚养羊业时,科学家依据的土壤模型不适用于当地的酸性泥炭土,预测接连落空。早已有研究指出不同土壤中的差异,却没有进入实际决策。

    "知道自己不知道什么很重要。"

    🌐 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


    在小宇宙查看该单集文稿

    #753.Apps, Agents和聚合:AI Agent 会成为你办事的唯一界面 Oct 03, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:The Stratechery Podcast · Apps, Agents, and Aggregation

    原内容更新时间:2026-09-28

    “这不是 3 个彼此独立的预测。这就是 2026 年此时此刻的现实。”AI 会替人操作电脑,也会按需生成界面;但要让普通人用上 Agent,光有 AI 还不够。

    Ben Thompson 从自己用 Muse 整理 Instagram 收藏的食谱讲起:遛狗时花五分钟,就做出了一个专属 app。他进一步谈到,为什么 Agent 需要自己的电脑、为什么未来的稀缺不再是发现内容而是启发用户,以及 Meta 和微软如何争夺人们与 Agent 交谈的入口。

    👤 本期嘉宾

    Ben Thompson 是 Stratechery 的主持人和作者。本集里,他结合自己搭建 Claude Agent、使用 Muse 处理食谱收藏和观察微软 Copilot 的经历,分析 Agent 如何操作电脑、生成专属界面,以及这会怎样改变 app、工作软件和平台之间的关系。

    🌟 精彩内容

    💡 Agent 不只是 AI,还得有电脑

    要让普通人用上 Agent,不能只给他们一个 Agent,还得给它一台电脑。Muse 发布时,最让 Ben Thompson 关注的不是模型,而是 Meta 为用户配置虚拟机。

    "它们是能够访问电脑的 AI。"

    💡 五分钟做出专属食谱 app

    Ben Thompson 让 Muse 整理自己在 Instagram 保存的食谱。它先生成了不太实用的 PDF;他接着要求换成更方便访问的格式,五分钟后,一个食谱管理 app 就有了。

    "这只花了 5 分钟,而且整个对话都是我遛狗时进行的。"

    💡 办事不该先学会用 app

    他手机里有 689 个 app,但有些只在偶尔需要时才打开。Agent 能替人使用不想亲自操作的 app 或网站,人只需说出想做什么。

    "我只是想把事情办成,而 AI 能帮我办成。"

    💡 稀缺的从发现变成启发

    当 Agent 让做事的能力越来越普遍,关键就不再是帮人找到内容,而是谁能让人产生行动意愿。掌握这个入口的 Agent,也会把用户需求和欲望握在手里。

    "稀缺的是意愿。要解决的问题不是发现,而是启发。"

    💡 Agent 正争夺工作的操作系统

    微软把聊天、编程、Office 和企业 Agent 整合进 Copilot;Muse 和 Copilot 则在争取成为处理各种事情时都要用的界面。

    "Muse 和 Copilot 正在争取同时成为这两者:你处理任何事情都只需要用到的那个界面。"

    💡 个人和公司大多只会有一个 Agent

    Agent 能接触的背景信息、登录权限和文件越多,就越能把事情办好,也越难被替换。Meta 的分发渠道覆盖个人生活,微软则覆盖职场,两家公司因此占据先机。

    "大多数人和公司都只会有一个 Agent,而不是多个。"

    🌐 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


    在小宇宙查看该单集文稿

    #752.Vercel CEO 揭秘其智能体工程工作流程:AI 软件工厂瓶颈不在代码,而在人 Oct 03, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:David Ondrej · Vercel CEO reveals his Agentic Engineering Workflow

    原内容更新时间:2026-10-02

    按钮失灵、支付失败,客户提了反馈之后,多久能看到修复上线?Guillermo Rauch 认为,这个响应时间可以用来衡量一家公司有多 Agent 化。

    David Ondrej 与 Vercel CEO Guillermo Rauch 从客户反馈聊到软件工厂:哪些问题可以交给 Agents 自主解决,哪些仍需要人的判断?他们还谈到 Agentic Engineering 的工作流、代码安全、云端沙箱,以及工程师如何靠系统设计和品味为 AI 指明方向。

    👤 本期嘉宾

    Guillermo Rauch 是 Vercel CEO,也是 Next.js 的开发者。他长期参与开发者工具与软件基础设施建设;在本集中,他介绍了自己围绕 CLI 和 fx 的工作流,也分享了 Vercel 如何探索 AI Gateway、沙箱和软件工厂,因此对 Agents 如何参与软件开发、测试和交付有直接经验。

    ⏱️ 时间戳

    00:32 人类创作与品味

    03:59 模型带来的新机会

    07:18 交付速度与正确方向

    17:51 fx 的极简 CLI 工作流

    26:49 把 Agent 能力嵌入产品

    31:23 Agent 协作与系统设计

    47:10 软件工厂的债务与保障

    53:38 DeepSec 与云端安全

    1:05:47 创业押注与 AI 的边界

    1:21:04 基础设施与创业起点

    🌟 精彩内容

    💡 客户反馈也能成为软件工厂的触发器

    按钮失灵、支付失败等明确问题,可以直接变成修复任务。Guillermo 用响应时间衡量一家公司有多 Agent 化:收到反馈后,能不能尽快把解决方案交付上线?

    "除非你的目标市场特别小,否则能在 30 分钟内把所有问题都修好的企业,会打败那些要花 2 天才能解决问题的企业。"

    💡 快不等于走在正确方向上

    合并更多 PR、消耗更多 token,都不代表产品正在进步。Guillermo 区分了迭代速率和速度:除了做得快,还得知道要解决什么问题。

    "所以,关键不只是合并了多少个 PR,而是你要往哪里走,实际上有没有朝着目标取得进展?"

    💡 AI 写代码,工程师更要懂系统

    不必逐行读完所有代码,但要理解系统边界、性能要求和关键取舍。否则模型不知道什么重要,就可能把项目带向错误方向。

    "如果模型不知道你想要什么,它就会把你带到它自己想去的任何方向。"

    💡 安全债务正在变得难以估量

    模型能大规模扫描代码、发现漏洞,攻击面也随之扩大。Guillermo 认为,开发流程放进沙箱,有机会隔离供应链攻击,并控制系统被攻破后的损失。

    "我觉得很多组织如今面临的挑战是,这些人类编写的代码里潜藏着多少漏洞,几乎无法估量。"

    💡 Agents 上云,电脑本地也要留着

    大型代码库和并行任务会吃掉本地电脑的内存与 CPU,云端沙箱更适合扩展,也更容易隔离风险。但有时工程师仍要把程序拉回本地,观察文件系统、进程和设备上的实际表现。

    "所以,这个选项应该保留。"

    🌐 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


    在小宇宙查看该单集文稿

    #751.汉斯·季默:从导演的故事找到电影配乐 Oct 02, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:Rick Beato · The Hans Zimmer Interview

    原内容更新时间:2025-03-14

    《盗梦空间》还在拍摄时,汉斯·季默已经开始写配乐;等克里斯托弗·诺兰把画面交给他,音乐甚至精准落在了鞋子掉下楼沿的那一刻。

    在 Rick Beato 位于洛杉矶的工作室里,汉斯·季默讲述自己如何从导演的故事里找到电影的基调,为什么有时要在看见画面前动笔,以及他如何让采样音源、真实乐团和一群才华横溢的音乐家共同完成配乐。他也谈到电影工业越来越保守、年轻作曲家如何入行,以及现场演出带给他的怯场与惊喜。

    👤 本期嘉宾

    汉斯·季默是电影作曲家,作品包括《狮子王》《角斗士》《盗梦空间》《星际穿越》和《沙丘》。他从早期使用采样器、合成器开始,创作电影配乐多年,也为现场演出组建乐队、与管弦乐团合作;他谈创作时既有亲身经验,也熟悉从写主题、做采样音源到录制乐团的整个过程。

    ⏱️ 时间戳

    00:35 让灵感流动的录音室

    02:14 做减法,专注音乐

    06:03 音乐人要能自己动手

    07:21 先听导演讲故事

    12:20 让音乐家带来新声音

    21:52 采样与临时配乐的拉锯

    25:57 新东西需要时间适应

    30:17 从怯场到巡演

    33:47 电影行业越来越保守

    48:01 工作室里的合作与成长

    56:34 旋律与走出舒适区

    1:00:11 配乐也能独立成立

    1:05:53 Fairlight 改变创作方式

    1:09:28 现场交流与演奏乐趣

    1:14:41 录音空间与好莱坞之声

    1:21:29 音乐来自一生所听

    🌟 精彩内容

    💡 先听导演讲故事,再写音乐

    汉斯通常不先读剧本,而是让导演讲述故事里对自己最重要的部分,再从讲述中感受电影的基调。《盗梦空间》时,他在没有画面的情况下动笔,还用无标题的音乐片段测试导演能否感受到对应场景。

    "我的工作,是听他讲故事,然后做出连他都想象不到的东西。"

    💡 《盗梦空间》的音乐卡准了鞋子落下

    汉斯熟悉剧本,特意写了一段音乐,让它落在玛丽昂·歌迪亚饰演的角色走到楼沿、鞋子掉下去的瞬间。诺兰第一次给他看电影时,那个音乐点已经和画面安排在一起。

    "我写了一个音乐点,要正好落在鞋子掉下去的那一刻。"

    💡 采样音源是安全网,乐团让音乐活起来

    汉斯早期用采样音源向导演展示管弦乐效果,也让它在正式录音时成为复杂段落的安全网。但他认为真实乐手带来的细微差异,能让音乐从精确的个人表达变成更丰富的集体演奏。

    "但其他乐手各自细微不同的态度和情绪,会让它产生合唱般的丰富效果。"

    💡 新音乐会让人害怕

    泰伦斯·马力克第一次听到《细细的红线》的一段旋律时,说它不像电影配乐、也记不住。几周后,他却打电话来唱起那段旋律,说想把它用进电影。

    "大家想要新东西,但新东西又让人害怕。"

    💡 写旋律,先别急着碰键盘

    汉斯会先在脑子里听到一点东西,再开始动手;如果一上来就弹,他担心自己只会反复弹熟悉的和弦。他从斯坦利·迈尔斯那里学到,旋律是音乐继续往前走的路。

    "我脑子里听到点东西之前,不会碰键盘,不然我就会一遍又一遍地弹那几组该死的和弦。"

    💡 怯场不是拒绝上台的理由

    约翰尼·马尔和法瑞尔·威廉姆斯劝汉斯走到观众面前演奏。他最初坚称自己会怯场,后来接受邀请登台,才慢慢学会把紧张当作现场演出的一部分。

    "基本上每个人都会怯场;如果你不怯场,那你什么感觉都没有。"

    🌐 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


    在小宇宙查看该单集文稿

    #750.理查德·费曼 - 物理定律的本质 (1964) - 完整版 Oct 01, 2026
    Show notes

    🎙️ 费曼:理解物理定律,先学会接受它的反直觉

    📝 本期播客简介

    本期我们克隆了:Richard Feynman's Lectures · Richard Feynman - The Character of Physical Law (1964) - Complete - Better Audio

    原内容更新时间:1964年

    “猜想是谁提出的、他叫什么名字,都无关紧要。如果它和实验结果不符,那它就是错的。”费曼从万有引力定律讲起,追问自然规律究竟是什么、科学又怎样一步步逼近它。

    这套康奈尔大学讲座从引力、数学与物理的关系,讲到守恒、对称、过去与未来、量子力学,以及寻找新定律的方法。费曼既讲开普勒如何从精确观测中找出行星轨道,也讲双孔实验为何让电子的行为无法用日常经验解释。

    👤 本期嘉宾

    理查德·费曼,理论物理学家。这套讲座录制于1964年康奈尔大学,他以万有引力定律为例,讲解物理定律的特征、历史和检验方式,并进一步谈到量子力学与科学发现。

    ⏱️ 时间戳

    00:18 物理定律与引力

    04:46 第谷与开普勒

    13:49 牛顿引力的检验

    42:08 数学如何连接物理

    1:29:47 守恒定律的意义

    2:15:54 物理定律的对称性

    3:08:01 不可逆与时间方向

    3:48:32 量子力学的双孔实验

    4:38:18 猜测并检验新定律

    5:19:03 理论等价与探索未来

    🌟 精彩内容

    💡 精确观测,才能让理论改道

    第谷·布拉赫一夜接一夜记录行星位置,开普勒则用这些数据反复试错。火星的位置偏了8角分,开普勒没有把偏差归咎于观测,而是放弃圆轨道,最终找到了椭圆轨道。

    "正因为观测足够精确,他才能继续尝试别的方案,最后终于找到了答案。"

    💡 能量守恒,连看不见的能量也得算

    费曼用孩子玩积木打比方:妈妈发现积木少了,就去盒子和水槽里找看不见的积木。能量守恒也一样,运动、热、光、化学反应里的能量形式各异,总量却始终相同。

    "存在一个可以算出来、而且始终不变的数。我也只能这样解释了。"

    💡 过去与未来的区别,不在基本定律里

    分子碰撞遵循的定律可以倒放;蓝水和白水混合后却不会自行分开。表面上的不可逆,来自随机变化让混合更可能发生,而要解释我们为什么从有序走向无序,还得追问宇宙过去为何更有序。

    "这些过程所谓不可逆,只是说沿一个方向发展很可能发生;反过来虽然也可能,而且符合物理定律,却一百万年里都不会发生。"

    💡 电子像粒子,却会产生干涉

    双孔实验中,电子一个个到达探测器;两个孔都打开时,它们的到达概率却不能由分别通过两个孔的结果相加得到。想知道电子经过哪个孔,就得用光观察,而观察会改变干涉图样。

    "电子像粒子一样,一个个地到达;但这些粒子的到达概率,是按波的强度那样的规律决定的。"

    💡 科学只能排除错误,不能证明正确

    一个理论即使经得起几百年检验,也可能在新实验里露出偏差;牛顿的万有引力定律就是例子。科学要做的不是只在已知范围内验证理论,而是尽可能去那些可能出错的地方找证据。

    "所以我们永远不能证明自己是对的,只能确定自己错了。"

    🌐 播客信息补充

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

    使用 AI 进行翻译,因此可能会有一些地方不通顺


    在小宇宙查看该单集文稿

    #749.雷·达里奥 2019 课堂实录:投资原则 Oct 01, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:Liwa Capital Advisors · Ray Dalio Explaining Principles of Investing

    原内容更新时间:2019 年

    “投资的圣杯,就是找到 15 条或更多优质的不相关收益流。”Ray Dalio 从经济如何运转讲起,试着用一套原则解释市场周期,以及投资组合该怎么搭建。

    他把经济拆成生产率、债务周期、政治与市场之间的相互作用,再谈资产价格、风险溢价和分散投资。重点不只是押中表现最好的资产,而是理解不同资产为什么涨跌,并用彼此不相关的收益流控制组合风险。

    👤 本期嘉宾

    Ray Dalio 是投资者,也是《原则》的作者。他把自己关于人生、工作、经济和投资的原则记录下来,并用历史数据检验投资标准;他还提到,自己的成功和桥水的成功都离不开对无知的认识与分散投资。

    ⏱️ 时间戳

    00:00 原则与经济周期

    09:25 周期后段与政治变局

    21:46 分散投资与收益流

    🌟 精彩内容

    💡 分散投资,降风险不必降收益

    Ray Dalio 认为,组合不同的收益流,降低风险的幅度可以大于收益减少的幅度。找到彼此不相关的投资,比把钱押在单一“最好”的投资上更能改善风险收益比。

    "分散投资降低风险的幅度可以大于它降低收益的幅度,从而改善回报与风险的比例。"

    💡 好投资也可能只是变贵了

    股票、大宗商品等资产类别会轮流表现好或表现差。投资者容易把近期表现好的资产当成好投资,却忽略它可能只是价格变高了;关键是让组合保持平衡。

    "大多数投资者犯的最大错误,就是觉得表现好的投资就是好投资,而不是意识到它只是变得更贵了。"

    💡 债务带来购买力,也带来偿还周期

    信贷让人能花得比挣得多,偿还债务时则必须花得比挣得少。短期周期反复出现,刺激与偿还交替;长期债务累积到一定阶段,央行降息的空间也会逐渐耗尽。

    "获得信贷时,你可以花得比挣得多;还债时,你就得花得比挣得少,这就是这个周期的本质。"

    💡 利润增长背后,是收入差距扩大

    自 2000 年以来,利润率已经翻了一倍多;技术替代人力、全球化等因素都参与其中。企业受益的同时,美国底层 60%人口的实际收入自 1980 年以来没有增长。

    "这对公司来说很好,但对一部分人来说并不好。"

    💡 中国将成为世界的重要力量

    Ray Dalio 把技术、教育、竞争力等因素纳入国家实力的观察框架,并将中国与美国放进同一张长期变化的图景中。他认为,中国市场和经济在贸易、地缘政治与科技方面的影响力都会扩大。

    "中国市场将在我们所处的环境中发挥重要作用,中国经济也一样。"

    💡 十五条不相关收益流,可大幅降低风险

    他用投资组合举例:加入五条不相关收益流,风险已经降低一半以上;增加到十五条,风险降低将近八成。他将这种组合思路视为提升风险收益比的关键。

    "如果增加到 15 条,风险会降低将近 80%。"

    🌐 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


    在小宇宙查看该单集文稿

    #748.比尔·阿克曼:投资前先想清楚十年后还愿意持有吗 Oct 01, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:The Knowledge Project Podcast · Bill Ackman: People are Going to Lose a Lot of Money 原内容更新时间:2026-09-29

    “总有一天会出事,可能会出现某种崩盘,让很多人赔掉一大笔钱。”Bill Ackman 谈到 AI、风险投资和泡沫时,给出了这个警告。

    作为 Pershing Square 的创始人兼 CEO,Ackman 讲了他如何判断企业的颠覆风险、为什么卖掉 Netflix 后又买回来,以及普通人投资时该怎么做。他也讲到女儿露西突发脑出血后的漫长康复,以及他和妻子筹建脑研究所、希望让更多患者受益的计划。

    👤 本期嘉宾

    Bill Ackman 是 Pershing Square Capital Management 的创始人兼 CEO,长期从事投资,也参与公司的治理与战略决策。他分享了 Pershing Square 的研究和投资流程,包括如何评估企业、避免颠覆风险,以及如何从投资失误中修订原则;女儿露西脑出血后,他还把办公室搬进医院,并推动筹建以脑部康复和长寿为重点的研究所。

    ⏱️ 时间戳

    00:53 女儿重伤与脑康复

    14:05 团队、泡沫与资金纪律

    23:19 投资判断与AI颠覆

    37:35 股东积极主义与投资选择

    42:51 从弃置资产到永久资本

    59:59 识人、领导与人生意义

    🌟 精彩内容

    💡 AI让投资判断更难

    AI可能改变企业的生存条件,投资者得判断一家公司的护城河还能不能守住。连巴菲特当年也没看出互联网会如何冲击 World Book;AI的颠覆风险更难预测。

    "我们所有人都注定会在某家公司上显得判断失误,因为没能预见 AI 带来的颠覆风险。"

    💡 资金充裕,也可能加速公司出局

    一家创业公司两周内估值从 4 亿美元升到 10 亿美元,另一家公司 A 轮投前估值达到 50 亿美元。Ackman 认为,融资容易会让公司花钱失去纪律;市场爆雷后,资金只能支撑几个月的公司可能消失。

    "把每一美元都当成自己的钱,仔细花,不要以为这种资金充裕、随时都能融资的局面会一直持续下去。"

    💡 Netflix变了,投资逻辑就不成立了

    Netflix管理层刚说不会推出广告套餐,几周后却表示要做广告模式。Ackman认为,这一变化打破了原有投资逻辑,于是卖出;等Netflix证明广告模式可行、股价回到合理水平后,Pershing Square 又买了回来。

    "如果你得知了和原先投资逻辑不一致的新信息,你要么因为股价变便宜了而大幅加仓……要么就得离场。"

    💡 普通人别等市场便宜再开始

    想自己挑股票,就得投入时间学习和研究;如果只是想投资股市,指数基金是个很好的选择。越早开始长期投资,越能发挥复利的力量。

    "别因为觉得市场太贵,就一直拿着现金不投资。"

    💡 脑出血后的康复,保险只管一段时间 露西脑部受压 19 个小时后接受手术,醒来时不会走路、不会说话,也看不见了。她的行走、语言和视力逐渐出现进展;Ackman指出,保险可能只支付 6 周护理费用,但康复可能持续很多年。 "人们在很多年后仍然可能继续康复。"

    🌐 播客信息补充

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

    使用 AI 进行翻译,因此可能会有一些地方不通顺


    在小宇宙查看该单集文稿

    #747. 扎克伯格的优势:不领先,也不肯停下来 Sep 30, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:Colossus Magazine · Mark Zuckerberg

    原内容更新时间:Mon, 14 Sep 2026

    一个人落后于 AI 前沿,真的就输定了吗?马克·扎克伯格押上的,可能不只是更强的模型,还有 Meta 的用户、广告收入、数据中心和分发渠道。

    Colossus 的 Jeremy Stern 走访扎克伯格的家人与同事,也采访了他本人。从 Meta 如何重组 AI 团队、押注 AI 眼镜,到扎克伯格为何始终不肯停下,这篇人物特写呈现了一个既被权力困住、又不断寻找新出口的创始人。

    👤 本期嘉宾

    Jeremy Stern,Colossus 撰稿人,本文作者。他为这篇特写采访了 36 位相关人士,走访扎克伯格的家人与团队,并多次与扎克伯格交谈;从其早年的创造经历,写到 Meta 的平台困境、AI 战略与个人权力。

    ⏱️ 时间戳

    00:21 天才如何长大

    08:29 父母眼中的马克

    13:19 格斗与独裁者困境

    30:34 泄密风波与眼镜发布会

    47:37 眼镜与平台之争

    59:37 Meta重押AI

    1:12:20 扎克伯格成了替罪羊

    1:30:41 创造者不会停下

    🌟 精彩内容

    💡 Meta不必拥有最强模型

    Meta 可以用广告业务的现金、数据中心和芯片降低服务成本,也能把 AI 推给数十亿现有用户。若 AI 变成同质化商品,价值可能落在 Meta 已经占优的分发、注意力和商业化环节。

    "如果 AI 变成同质化的商品,Anthropic 和 OpenAI 的价值就会归零,价值反而会落到 Meta 已经占据主导地位的配套环节上。"

    💡 AI是扎克伯格不能错过的门槛

    Llama 4 发布后,扎克伯格迅速重组团队,成立 Meta Superintelligence Labs,挖来新领导与研究人员,并大幅增加投入。对他来说,错过 AI 的风险,像当年差点错过移动互联网一样。

    "AI 是一道关键门槛;如果他像当年差点错过转向移动互联网、又差点错判 TikTok 威胁那样错过 AI,他的帝国就可能慢慢地,哪怕慢得很,也走向消亡。"

    💡 AI眼镜想把手机留在口袋

    扎克伯格认为,眼镜能让 AI 看见、听见佩戴者周围的世界,还能提供导航和实时翻译;技术融入日常,也可能让人不必一直盯着手机屏幕。

    "眼镜让你能和技术互动,同时仍然能专注于身边的人。"

    💡 权力越大,越难听见真话

    权力者越来越依赖身边人提供信息,但下属可能因恐惧、敬畏或自保而不敢说出坏消息。扎克伯格试着越级接触员工、邀请外部人士当面争论,却也未必能摆脱这种隔绝。

    "一个人权力越大,帝国扩张得越大,就越依赖别人提供各种信息。"

    💡 他不是为掌声创造东西

    扎克伯格说,自己更在意团队凝聚力,而不是陌生人的认可。他把长期组建团队、把产品一点点做好的过程,当成自己最主要的做事方式。

    "我在这个世界上最主要的做事方式,就是坐下来组建团队,然后花很长时间,有条不紊地把一件事越做越好。"

    💡 “我永远不会停下来”

    普莉希拉·陈曾问扎克伯格,能不能结束这段艰难的旅程;他的回答是,自己就是喜欢创造东西。陈后来看到,女儿也会自发地写故事、做应用,这让她理解了扎克伯格为何停不下来。

    "他要是停下来,就不是他了。"

    🌐 播客信息补充

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

    使用 AI 进行翻译,因此可能会有一些地方不通顺


    在小宇宙查看该单集文稿

    #745.AI自我加速:能力进步快,不等于研究全面提速,中美 AI 差距 Sep 29, 2026
    Show notes

    📝 本期播客简介

    本期我们克隆了:Interconnects AI

    原内容更新时间:2026-09-22

    两人还把问题落到具体处:AI 研究提速的瓶颈在哪里,机器人能否推动工业爆发,中国顶尖实验室与美国前沿实验室差多远,蒸馏能解释多少差距?谈到模型安全时,他们也没有给出简单结论,而是拆解开放模型、封闭模型和安全防护各自带来的风险。

    👤 本期嘉宾

    JS Denain 是 Epoch AI 高级研究员,负责 Insights Team。他参与追踪和分析 AI 能力进展、中美实验室差距等问题

    ⏱️ 时间戳

    00:16 RSI与能力加速

    14:40 机器人与现实扩张

    19:22 中国模型与追赶路径

    38:32 模型安全与滥用风险

    46:46 Epoch方法与训练配方

    🌟 精彩内容

    💡 Codex 用得更多,不等于爆发将至

    OpenAI 公布的数据显示,研究人员在 Codex 上的支出每月翻倍,但过去他们也大量使用 ChatGPT,单看 Codex 很难判断实际增量。这个趋势说明研究人员可能从中获益,却不足以证明几个月后就会出现软件智能爆发。

    "我不觉得这能有力证明 6 个月后就会出现软件智能爆发。"

    💡 个人提效不等于公司提速

    AI 可能让研究人员完成实验的周期缩短到原来的十分之一,但整体科研产出还受算力、团队协作和战略决策限制。一个研究员效率提高十倍,不代表 Anthropic 就能把研究进度也提高十倍。

    "个人效率的提升未必能转化成 Anthropic 整体效率提高 10 倍。"

    💡 机器人工业化,可能还要几十年

    机器人在受限、重复的制造环境里更有希望,但视觉和动作模型仍不够成熟;建造工厂、扩大机器人产能也需要时间。JS Denain 不认为大规模机器人工业化会在未来两到五年内实现。

    "我觉得这可能要几十年,但我不认为这是未来两到五年内就会出现的问题。"

    💡 中国模型与前沿模型差几个月

    按公开模型的 ECI 表现估算,JS Denain 认为中国顶尖实验室与 OpenAI、Anthropic 的差距大约在六到八个月;Kimi K3 和 GLM-5.2 则显得更接近。他认为算力差异更可能解释大部分差距,蒸馏的作用仍不确定。

    "我的感觉是,它们得出的差距大概在 6 到 8 个月左右。"

    💡 开放模型的风险不能只看安全限制

    开放模型安全防护较弱,但能力也较弱;封闭模型能力更强,却也可能被越狱或从服务中提取能力。判断哪一种风险更大,得看具体的滥用者、能力和使用方式,不能只凭“开放”或“封闭”下结论。

    "所以从滥用风险来看,问题似乎是,安全防护不太充分但能力很强的模型,和完全没有安全防护但能力较弱的模型,哪种影响更大?"

    🌐 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


    在小宇宙查看该单集文稿

    Previous 1 2 3 4 5 6 27 Next

    Related Podcasts

    Invisibilia

    1

    Invisibilia Personal Journals
    Hidden Brain – Hidden Brain, Shankar Vedantam

    2

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

    3

    How To Do Everything Science
    Hidden Brain

    4

    Hidden Brain Games & Hobbies
    Something You Should Know

    5

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

    6

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

    Contact Us

    Toll Free: 844-670-7747

    Links

    • Home
    • Top Charts
    • Networks
    • Apps
    • Independents Podcasts
    • Podcast Advertising
    • Podcast News
    • Contact Us
    • About Us
    • Analytics & Insights

    Stay Connected

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