42章经

这期的嘉宾淏楠非常「折腾」。他读过五个大学，读着觉得没意思就换，也是少有的同时做过 Agent、多模态、RL 和具身的人，而且总是做一些逆势而为（非主流）的选择：

他曾在陈天桥和代季峰两位老师的 MiroMind 工作，是最早一批做 Agent 的人，却在 Agent 最热的时候放弃更丰厚的 package，转向多模态。在混元负责多模态 RL infra、主导推出开源多模态强化学习框架 UniRL 之后，他最近又换了方向，去了一家具身公司负责模型训练。其实，Astra 的出现给具身行业带来了不小的震动，也似乎抹平了各家此前在「大脑」上积累的优势。淏楠在此时入局，总有那么一丝「49 年加入国军」的意味。

不过，这些选择看似很跳，但背后的思考一脉相承，既关乎个人志趣，也有对技术发展和未来空间的判断。所以从 Agent 到多模态再到具身，一路做下来，淏楠收获了什么？这几个方向的实际进展，与外界的感知又有哪些不同？前段时间很火的 Minimax H3、GPT Astra，到底会带来哪些改变？这期播客，我们就沿着他的经历聊了下来。

聊到最后，淏楠谈起具身很兴奋。现在入局具身，可能不但不是 49 年入国军，反而恰好赶上了具身的 GPT-3 时刻？

【人类博物馆】

导游：曲凯，42章经创始人

54 号珍藏：王淏楠，前腾讯混元多模态 RL infra 负责人、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。

【时光机】

Part 1 从 Agent 到多模态

• 02:03 为什么会从在 MiroMind 做 Agent，转去在混元做多模态 RL infra？

• 06:13 国内外 RL 的差距到底在哪？

• 07:45 Agent 和多模态的关系其实可以很紧密

• 08:56 做 Agent 和做多模态，其实都是围城

• 11:32 大厂不太能做具身？

• 12:37 多模态最后只有两条变现途径

Part 2 聊聊视频生成

• 14:11 Seedance 到底为啥这么好？

• 15:14 多模态的竞争可能没那么激烈？

• 16:26 视频生成现在发展到什么程度了？

• 19:20 「抽卡」依然会存在，但概念可能会发生变化

• 21:37 视频生成继续发展下去，可能会解锁什么样的机会？

• 22:22 MiniMax H3 到底什么水平？

• 23:54 实时互动的技术真的成熟了吗？

Part 3 从多模态到具身

• 27:45 好多人做世界模型都做迷茫了…

• 30:55 做具身的两种正确路线

• 32:22 为什么 Astra 给具身圈子带来了比较大的震动？

• 37:27 聊聊具身训练的 reward 和数据

• 40:12 具身的「大脑」，最后会变成大模型厂商的竞争吗？

• 41:59 在现在这个时间节点去做具身，是不是 49 年入国军？

• 45:24 Agent 开发的场景还是不够多

• 46:42 多模态还有创业公司的机会吗？

• 47:38 具身里可能迎来了 GPT-3 时刻？

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：二琳、陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Alpine Decline - I Got Up (Just Like John Sinclair Told Us To)

这一年，说起 AI 应用创业，相信很多人的共同感受就是：难。

融资难，找 PMF 难，养活团队难，不被模型吃掉难，更难的是，身处绝境时，到底怎样才能坚持下去。

这期节目的嘉宾 Jason，也经历了这样的过程。他是 Articuler.ai 的创始人，此前做过 5 年投资，后来去了美国，埋头创业。去年最难的时候，他拿到的融资 TS 被撤回，睡朋友家的沙发，卖掉了自己的股票垫给公司，却仍一度面临现金流即将断裂、发不出工资的窘境。

那段时间，他经常睡不着，在朋友家楼下转圈，一遍遍问自己：「我到底要不要放弃？」

而他给自己的答案始终是：「这件事我必须得做，而且就得我来做。」

穷让人绝望，却也让他们摸索出了新的 PMF 场景，撑了过来。如今，Articuler.ai 已有 7 万多注册用户、超百万美金 ARR，付费、留存和增长逐渐有了起色，与外部伙伴的合作也越来越顺，co-host 了 OpenAI Codex Meetup、AGI Summit、SF Tech Week 中的各种活动等等。

这期播客，我们就请 Jason 重点讲了讲他是怎么撑过最难的那段日子、在绝境中找到 PMF 的，以及这个华人团队，凭什么能在美国跑通 GTM、赢得本地客户的信任。

坦白讲，Jason 并不是我们播客最常邀请的那类嘉宾，也不是美元 VC 通常青睐的 Founder。但用他自己的话说，从学生时代到创业，他一直把自己看作一个 Underdog，也一直相信：

Underdog 能赢。而且很多事情就该由这样的人去改变。

【人类博物馆】

导游：曲凯，42章经创始人

53 号珍藏：Jason，Articuler.ai 创始人

【时光机】

• 01:52 找到新的 PMF 场景，可能恰恰是因为穷

• 03:41 用 Articuler.ai 发邀约邮件的打开率约 80%、转化率约 15%–20%

• 07:21 一个中国团队来到湾区，凭什么让本地人愿意合作？

• 11:02 Articuler.ai 的壁垒

• 15:01 一些 GTM 的经验

• 17:32 会议这个场景能延伸的点太多了

• 19:46 世界不需要第二家领英，Articuler.ai 能杀出来只有一个原因

• 22:20 「我们其实还有个疯狂的想法」

• 25:06 典型创业者心态之，早上觉得公司快完了，睡前又觉得自己快上市了

• 25:40 最惨的时候 TS 被撤、睡朋友家沙发、卖股票给公司续命，想了无数次要不要放弃

• 29:05 觉得这件事一定能成的瞬间

• 32:06 都说国内应用创业惨，其实在美国也没好到哪去，而且大家对美国市场的理解有失偏颇

• 35:04 最难的时候，坚持下去的那股劲儿来自哪里？

• 37:15 「我已经习惯了做一个 Underdog，并且相信 Underdog 会赢」

• 38:53 既担心跑得太快，又担心跑得太慢？

• 40:30 钱有时候是诅咒？

• 42:06 如果没找到现在这个场景，可能在干什么？

• 44:16 一度快发不出工资时，发生了一件很令人动容的事

• 48:00 「永远记着穷的时候，永远要有一张保命的牌」

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Linkin Park - Waiting For The End

最近 Personal Agent 非常火。而早在这波概念火起来之前，子皓就已经在做这个方向的软硬件结合产品 Ambi 了。所以国庆前，我们约他录了这期播客，请他分享几个月做下来对这个赛道的思考和实践经验，比如这件事的成本到底有多高、人们有多大需求、如何看待不同的产品路线、面对大厂该怎么竞争等等。

子皓一直是我心中很擅长 deliver 结果、或者说总能赚到钱的 founder，所以我也请他分享了为什么这么会经营。过程中，还第一次听他讲高三暑假发现商机、成为溜冰场独家代理的故事。不得不说，他在赚钱这件事上真是有天赋，而天赋之外，也有很多可被习得的经验。

其实这波 Personal Agent 的火是有迹可循的，从 Openclaw、Hermes，到 Muse、Instinct，背后的主线都是「如何让智能被更多人更好地用起来」。但奇怪的是，这个赛道上跑出来的国内产品并不多。事实上这几年，跑出来的国内 AI 产品都不多。所以节目最后，我和子皓也探讨了下这到底是为什么。我们没能得出答案，也真的希望这个局面能很快发生变化，因为我们或许已经等到了能跑出亿万级用户体量产品的 timing。

（Ambi 最近已经开放下载，42章经拿到了五个邀请码，欢迎感兴趣的朋友填写表格申请：https://my.feishu.cn/share/base/form/shrcnoeenyPxPRgTUEq3G0tWX8P

【人类博物馆】

导游：曲凯，42章经创始人

54 号珍藏：莫子皓，Ambi 创始人，曾任 Plaud 合伙人兼中国区 CEO。他还曾创办「米公益」，公司后被轻松筹收购。此后，他先后担任暖哇科技合伙人兼首席产品官、百川智能医疗方向产品及运营负责人

【时光机】

Part 1 对 Personal Agent 的思考

• 01:49 为什么最近 Personal Agent 这么火？

• 05:58 去年本以为「智能已经足够了」，但现在看来可能想错了

• 10:07 Personal Agent 的成本不是什么大问题？

• 11:39 人们对 Personal Agent 这件事到底有多大需求？

  • 14:45 涉及名和利的需求就可做，因为算得清 ROI

• 17:06 为什么 AI Coworker 的发展没大家想象中那么快？

• 18:34 大家做 To B 可能是看硅谷看多了，有点魔怔了

• 19:18 Personal Agent 会不会还是大厂的机会？

• 21:10 Personal Agent 天然不带网络效应？

• 24:16 简评 Town、Grok Bot、Muse、Instinct

• 28:23 唏嘘之，国内大厂好像失去了成为世界第一的雄心

• 32:31 Ambi 要怎么和 Muse 这样的对手 PK？

• 35:16 很多 AI 产品的交互都特别难受

• 40:25 怎么看应用公司自己训模型这件事？

Part 2 个人经验和认知

• 42:49 从大营收业务到模型厂再到消费硬件公司，这一路收获的核心认知是什么？

• 47:28 是怎么做到做再「垃圾」的业务都能赚到钱的？

  • 48:11 竟然早在高三暑假就成了「资本家」！

  • 50:31 商业的本质

• 57:01 招人能力强，靠的是什么？

• 1:00:34 最近在思考的问题

• 1:03:04 最担心的还是速度，但好不容易等到一个能「有意义地卷」的时代

• 1:04:56 硬件的优势来自哪里？

• 1:08:57 这波 Personal Agent 最大的机会可能来自什么？

• 1:11:51 很多产品的 Proactive 都做错了？

• 1:14:26 Personal Agent 有必要区分工作和生活场景吗？

• 1:18:36 现在已经到了能跑出亿万级用户体量产品的 timing？

• 1:21:08 一个没有答案的问题：为什么国内跑出来的 AI 产品这么少？

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Paul McCartney,Wings - Mull Of Kintyre

这几年，很多人都在用 AI 炒股。最近，模型厂和大厂也在主推 AI 在金融场景中的应用。

但 AI 到底怎样才能更好地辅助交易？会给市场带来什么变化？用上 AI，人人就都能像巴菲特一样了吗？

这期播客，我们请到了很火的开源项目 Vibe-Trading 的作者和维护者吴浩哲，聊了聊 AI Trading 相关的各种问题。

浩哲本科毕业于武汉大学数学系，目前是香港大学在读博士生、HKUDS 成员，一直在探索 AI 与金融的结合。Vibe-Trading 开源半年，已有 3.4w 个 Star。

节目里，我们就从这个项目讲起，拆解了 AI Trading 到底是什么、由哪些部分组成、哪个环节最关键，以及它和传统量化有什么区别、人又该在交易流程中扮演什么角色。此外，我们也聊了聊最近很火的 Jev 到底能不能在 AI Trading 中发挥作用。

贯穿整期节目，还有浩哲的一个观察：

在金融里，决策很便宜，行动很贵。

你可以轻易获得成百上千个判断和信号，但真要付诸交易，「可解释性」就变得非常重要。你得知道判断是怎么来的、为什么值得相信，才能决定自己是否愿意为它付出真金白银。

节目最后，我们还聊到了一个颇有哲学意味的问题：随着 AI 越来越强，「Human in the loop」或许不是因为 AI 需要人来判断，而是人需要通过参与，来确认自己的意义感和价值…？

【人类博物馆】

导游：曲凯，42章经创始人

53 号珍藏：吴浩哲，Vibe-Trading 作者及维护者，武汉大学数学系本科，香港大学在读博士生、HKUDS 成员，长期探索 AI for Finance 的研究与实践

【时光机】

• 01:26 介绍下 Vibe-Trading：为什么开源不到半年，就能有 3 万多 Star？

• 02:20 在金融里，决策很便宜，行动很贵

• 04:35 AI Trading 就是在几乎免费的决策和代价昂贵的行动之间，建立可验证、可审计的通道

• 07:25 AI Trading 和量化的区别

• 09:59 用 AI 抓市场情绪，对 Trading 有帮助吗？

• 11:33 AI Trading 里，行业 know-how 都可以由 AI 来判断？

• 13:43 存储行情中，用 AI Trading 的一次操作实例

• 15:42 用 AI Trading 的人多起来后，会给市场带来什么变化？

  • 15:19 「安息吧，财报后漂移！」

• 19:57 AI Trading 系统的四大组成部分，和其中最重要的一件事

• 23:53 数据多，其实真的不等于有 Alpha

• 27:23 Jev 对 Trading 的帮助，可能约等于零？

• 30:26 交易的本质

• 32:34 Kimi、Workbuddy 等在推的 AI for Finance，和 AI Trading 是两件事

• 34:00 AI 会给人的投资能力带来怎样的变化？

• 35:40 不是 AI 需要人做判断，而是人需要 AI 来体现价值？

• 37:42 上手 AI Trading 的建议

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Carsick Cars - 松

活动预告🥳：9 月 12 日，我们会请到雨鑫做一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！

最近硅谷有了新热点：主权 AI 和 Personal Intelligence。简单来说，就是很多人开始相信，未来会有越来越多的应用公司和个人，训练自己的模型。

对绝大多数人来说，训练模型仍然是一件听起来遥不可及、门槛很高的事，但我们这期节目的嘉宾逯雨鑫却认为，它非常简单，简单到他此前没有 AI Lab 的经历，也不是 AI PhD，只用了 2 周和数百美元，就后训练出了两个登顶 Hugging Face Model Trending 榜首的小模型。

他具体是怎么做到的、摸索出了怎样的 Pipeline？过程中踩过哪些坑？以及无论对个人还是公司来说，训练模型最大的卡点都是数据，那么他是怎么攻克这个难题的？在蒸馏路线、数据来源上，又有哪些 secret sauce？

节目后半段，我们还进一步讨论了主权 AI、Personal Intelligence 和 Local AI 相关的各种问题，比如这些事情普及开来的门槛在哪里、未来 AI Lab 和应用公司的分工与价值会有什么变化等等。

就在一个月前，我们还在讲 AI 应用遭受的冷遇；但录完这期，我们好像又看到了应用的曙光。也许在不久的将来，越来越多的应用公司都会成为 Neo Lab，Local AI 也可能成为一个 PC 级别的机会。而拥抱模型训练和 Local AI，最好的时间可能就是现在。

希望雨鑫摸索出的实践路径，能给应用公司和个人带来一些启发。如果你还想了解更多，也欢迎报名 shownote 末尾的线上活动，来和雨鑫直接交流（尤其欢迎应用创业者！）

【人类博物馆】

导游：曲凯，42章经创始人

52 号珍藏：逯雨鑫，Mind Lab 研究员；以个人开发者身份、数百美元成本微调的模型两次登顶 Hugging Face 热度榜；focus 在 post-training（蒸馏、SFT）与数据工程，近期方向为 continued pre-training

【时光机】

Part 1 训模型的实操经验

• 01:33 非 PhD / AI Lab 背景，凭什么能训出榜一模型？

• 03:23 训这两个模型的成本具体有多少？

• 06:08 个人训模型的完整 Pipeline 和避坑经验

• 11:33 最大的难点和卡点：数据

  • 11:48 合成数据效果并不好？

  • 12:16 数据从哪来、具体要用多少、如何配比？

• 15:34 数据难以提前预估效果的原因：Capacity Gap

• 17:18 简评蒸馏的各种路线，以及到底什么叫「聪明地蒸」？

• 20:01 自己训、自己用，性价比真的更高吗？

• 22:10 坑最少的开源模型是？

Part 2 对主权 AI 的思考

• 23:44 自己训模型会成为应用公司的标配吗？

• 25:25 训模型可能会成为一件商品化的事情？

• 27:01 应用公司反而可能会成为 Neo Lab?

• 32:07 AI Lab 和应用公司之间的分工可能会有什么变化？

• 33:39 现在 AI Lab 砸钱买数据，就有点像移动互联网早期字节砸钱买用户

• 35:31 如果主权 AI 真的兴起，AI Lab 的价值会有什么变化？

• 36:59 Local AI 会不会成为 PC 级别的机会？

• 40:17 用户最终会不会还是希望用上 SOTA 级别的智能，而不是 Local AI？
  

【活动预告🥳】

9 月 12 日，我们会请到雨鑫做一场线上活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Spacemen 3 - Set Me Free (Reprise)

活动预告🥳：8 月 22 日，我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，大家记得翻到 shownotes 末尾查看报名信息！

近几个月，我们找了很多做模型、算法的人交流，聊下来的感受之一是：数据的重要性再次凸显出来。

市场也有很明确的对应反馈，比如一批合成数据公司在很短时间内做出了可观的收入；无论是模型厂还是互联网大厂，都在数据上更为投入。

这期节目，我们请来了较早抓住这波合成数据机会的 Evolvent AI 联合创始人孟繁青。繁青是 01 年出生的 NUS PhD，曾在 Kimi 做过一年多的 Agent 和 RL Infra。

节目里，我们从他在模型厂做 Post-training 与出来创业的不同感受聊起，也相继把有关后训练、数据、RSI/Self-Evolving/AI for AI、国内模型竞争格局，甚至蒸馏这个相对敏感的话题，都比较完整地梳理了一遍，聊出的一个最大非共识，是繁青对国内外模型差异的判断：

原本我们以为，国内更有优势的会是偏工程的 Post-training；但在他看来，国内模型真正有特色的地方，反而是 Pre-training 阶段被资源限制倒逼出来的架构创新。

基于这个认知，我们也得出了一个让人乐观的结论：

很多人会说国模很依赖蒸馏，但繁青认为，蒸馏只是一个加速手段，并不是国内模型变强的决定性因素。就算有一天海外把所有蒸馏通道都封掉，国模依然可以靠预训练的创新能力，构建起自己的竞争力。

最后，Evolvent AI 最近发布了新的研究成果 RSIBench-Data。如果有朋友想在数据、RSI 方面进行交流，也欢迎联系繁青。

【人类博物馆】

导游：曲凯，42章经创始人

51 号珍藏：孟繁青，Evolvent AI 联合创始人；前 Kimi RL 实习生，foucs 在 RL Infra，参与 Kimi K2.5、Kimi Linear 等重要模型发版

【时光机】

Part 1 后训练与模型竞争

• 01:15 在 Kimi 和出来创业的感受有什么不同？

• 02:36 为什么 Post-training 背景的人更容易出来创业？有哪些可能性？

• 04:37 今天的 Bench 和 Eval，与过去相比有什么变化？

• 07:12 Post-training = 做数据、训模型的门槛在变低？

• 10:35 同样是做数据，拉开质量差距的是什么？

• 12:48 国内模型 vs 海外模型，优势其实在 Pre-training？

• 17:09 国模的竞争格局会怎样发展？最后大家要拼的是什么？

Part 2 RSI

• 21:50 RSI、Self-Evolving、AI for AI、Auto-Research……该怎么理解这些词？

• 24:35 如果 RSI 真的能转起来，模型是不是真的就要吃掉一切了？

• 29:09 假设模型真能自我迭代，创业公司为什么不直接做一个更好的基模？

• 30:39 要做好 RSI，本质上要解决什么问题？

• 33:48 RSI 继续发展下去，会引发怎样的变化？

Part 3 数据

• 35:29 模型对数据的需求经历了哪几波变化？

• 39:07 模型厂自己也能造数据，为什么还要外采？

• 40:36 数据的下一波机会可能是什么？

• 43:00 现在是「算法就是数据，数据就是 Infra，Infra 就是算法」？

• 46:11 怎么理解合成数据和蒸馏之间的关系？蒸馏技法的区别在哪？

Part 4 展望

• 48:18 模型现有的技术路线还有多大空间？

• 49:33 为什么最近 AI4S 火了起来？

• 51:39 相比于大厂，长期更看好初创模型公司？

• 53:58 蒸馏对国内模型追赶的意义到底有多大？

• 56:18 从合成数据到 RSIBench-Data，Evolvent AI 最终想做成什么？

【活动预告🥳】

8 月 22 日，我们会请到我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：GeGeGe - 光のサイン

这是一期单口复盘。

这一波 AI 已经进入第四年。一级市场里，模型势能达到几年来最强，应用市场的冷度却跌到了谷底；二级市场里，智谱和 MiniMax 接连上市，而股价的陡峭变化，也多少折射了当下市场的疯狂。

身处其中，最近我一直在想几个问题：

1）过去四年，市场水温经历了哪些关键变化？最值得关注的是哪些公司？

2）模型与应用的关系是怎么演变成今天这样的？为什么国内跑出来的应用这么少？少数跑出来的公司做对了什么？

3）模型越来越强，那下游的应用创始人到底该怎么办？

4）在高速变化里，有哪些不变的常识，仍能帮助我们理解 AI？

这 20 多分钟，就是我现阶段的一些思考，也是对过去四年的一次复盘。

当然，和大家一样，很多问题我仍然没有答案。比如，故事已经讲到世界模型了，那之后还能讲什么？模型交替领先的局面还会怎么变？Token 成本什么时候才能足够低、真的实现智能平权？

无论如何，可以肯定的是，我们仍处于 AI 剧烈动荡、快速变化的中早期。那如果 GPT 3.5 代表了爆发期的开始，今天我们是否已经站在了狂热期？转折点距离我们到底还会远吗？

【时光机】

Part 1 复盘 AI 四年

• 01:03 快速回顾：过去四年市场变化非常剧烈，且趋势跟喜好非常明显

  • 02:10 投资人可能一度比张一鸣更清楚字节里谁最有能力

• 03:18 从业十多年，我还是第一次听到「应用已死」的论断…

• 05:39 现在市场确实不大投应用，但这次不能只怪投资人？

  • 06:50 国内为数不多跑出来的应用公司，做对了什么？

  • 09:07 不管 Manus、Liblib 承受了多少争议跟骂名，我都真心希望它们好

• 09:34 模型公司里，我觉得最值得研究的不是 Anthropic / OpenAI / DeepSeek

Part 2 模型交替领先，那应用创始人该怎么办？

• 14:37 一句题外话：为什么红杉投得好？

• 15:05 我反而觉得，现在是应用创始人历史上最好的时候

• 17:13 创始人应该默认要「随波逐流」：随模型的波，逐资本的流

• 17:59 建议是不要纯粹为了融资讲故事

  • 18:22 Ambi 创始人莫子皓给我的一个启发

• 20:25 「今天所有的产品和创始人，都是模型的期权」

Part 3 在疯狂中，守住常识

• 21:24 一二级市场的疯狂，是 AI 走到阶段性尾声的信号吗？

• 22:33 我不相信一家公司会长期独大，也不相信模型会吃掉一切

  • 23:16 IBM 收 CPU 钱，恰如今天英伟达和模型公司收 Token 钱

• 24:33 「历史上几波大的科技革命都经历过导入期、转折点和展开期」

【AI 复盘系列】

• 2025.1.4 为什么我们对 25 年 AI 极度乐观｜AI 年终复盘

• 2024.1.13 24、25 年会是下一代浪潮最关键的两年 | AI 年终复盘

【Reference】

• 这个男人帮 5 万个 AI 应用接上了大模型 | 对谈 Dify 创始人路宇

• Dify 从被低估到成为明星项目，到底做对了什么｜对谈 Dify 创始人路宇

• TikTok 商业化增长从 0 到 1 的幕后经验：关于投放、出海与组织管理等 | 对谈前 TT Ads 首席增长立东

• 信念感与硅谷顶尖孵化器的奇遇：赴美三月，实现千万刀 ARR｜对谈 ACE Studio 创始人 Joe

• 从图形学到 AI 生成 3D：我们离 3D 版 Midjourney 还有多远？ | 对谈 Meshy.AI 创始人渊鸣

• 莫子皓团队的新产品 Ambi：https://mp.weixin.qq.com/s/B94bSY7aai4CM8zZ8iR3Gg

• 卡萝塔·佩蕾丝《技术革命与金融资本》：https://www.douban.com/doubanapp/dispatch/book/2326852?dt_dapp=1

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：太阳光明照我心 - 文兆杰

活动预告🥳：7 月 4 日，我们会请到魏小康做一场线下活动，大家记得翻到 shownotes 末尾查看报名信息！

魏小康可能是国内最懂组织建设和招聘的人之一，也是一个先后深度参与过字节和美团组织建设的稀缺样本：

2017—2020 年，他在字节担任招聘负责人，经历了抖音的高速增长与国际化；2020—2026 年，他又在美团担任招聘负责人及 AI 产品经理。

节目一开始，我们就从小康在这两家公司的经历聊起。字节和美团分别有着怎样的组织思路？像张一鸣和王兴这样的优秀创业者，有哪些共同特质？

随后，他展开讲了讲这些年对组织建设的诸多思考。组织建设其实可以拆成两大课题：

1）怎么让人运转起来。包括人的「选、用、育、励、汰」，以及传统 HR 领域的文化、薪酬、职级体系等；

2）怎么让人和业务一起运转。包括目标制定和拆解、团队分工与协作等。

在给出这套框架之后，小康也建议，很多创业者其实搞错了轻重缓急，把大量时间花在了错误的地方、用错了功。但在他看来，创业公司组织建设中，80% - 90% 的时间都应该花在招聘上。而招聘中最重要的并不是面试，谈 offer 时最重要的也不是钱。那真正重要的究竟是什么呢？

节目中，小康讲了很多一手经验和认知，也提出了不少非共识观点（比如，他认为 OPC 是对时代的浪费，00 后创始人在这一波是吃亏的）。

虽然小康已经分享了很多，但其实还有不少话题没来得及讲细、讲透。所以下周六，我们会邀请他在北京做一场线下分享，欢迎大家报名参加！

（btw，这期播客我们对小康的声音经过了变声处理，倒没什么特别的原因，主要是他担心声音被拿去训 AI 哈哈

【人类博物馆】

导游：曲凯，42章经创始人

50 号珍藏：魏小康，互联网行业资深人力资源专家及 AI 产品经理，曾创办互联网猎头公司 Offercome，2017 年公司被字节收购。随后他加入字节，担任招聘负责人；2020 年加入美团，担任招聘负责人和 AI 产品经理。目前正在创业，开发一款 AI 招聘产品

【时光机】

Part 1 从字节到美团

• 02:01 简单对比两家公司组织方式的异同

• 02:44 张一鸣和王兴这样的优秀创业者，有哪些共同特征？

  • 06:32 怎样区分 ego 大和自信？

• 09:55 当我们聊组织建设的时候，到底要聊什么？

Part 2 怎么让人运转起来？

• 13:59 创业公司不需要花很多时间搞文化，但要做到一件事

• 17:04 我认为创业公司不需要搞绩效体系，纯粹是浪费时间

• 17:54 培养人固然重要，但人是培养不出来的？

• 18:39 创业公司组织建设工作的 80%—90%，都应该花在招聘上

  • 19:13 很多创业者都搞错了招聘的轻重缓急

• 20:38 到底该怎样定义优质的人才供给？

• 21:23 怎么判断该招熟手还是新人？能打赢仗的人有哪些共性？

• 27:08 扩大人才供给是招聘中最难的事，那有哪些可行的方法？

• 29:58 面试并不是人才评估中最重要的一环？

• 30:23 谈 offer 的重点不是谈钱

• 33:14 字节和拼多多溢价招人，算的究竟是一笔什么账？

Part 3 怎么让人和业务一起运转？

• 34:13 Google 至今仍有数千人的招聘团队

• 35:24 创业早期，有必要先招一个 HR 吗？

  • 35:41 这个时代，HR 的角色有一大变化

• 36:49 展开讲讲两类组织形式：Google、字节类公司 vs. 亚马逊、美团类公司

• 39:40 OPC 不太靠谱，甚至是对这个时代和自己的浪费？

• 40:22 AI 时代组织建设的两个变化

• 42:08 怎样找到最适合自己的组织方式？

• 43:38 很多 VC 都非常爱投 00 后，但我有一些不太一样的看法

• 47:15 我认为招聘工作肯定会 AI 化
  

【活动预告🥳】

7 月 4 日，我们会请到魏小康在北京做一场线下活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：叫醒我 - Carsick Cars

AI 股票还能买吗？

这波到底是不是泡沫、和过往有什么不一样、什么时候会见顶？

我们有没有办法预测泡沫破裂、规避风险，甚至赚到钱？

相信这些都是很多朋友一直在想的问题。

这期节目，我们请到了上海交通大学上海高级金融学院金融学教授朱宁。他长期研究行为经济学、宏观市场和泡沫，对以上问题都有很多深入的见解。

先说一个可能会让大家有些失望的结论：泡沫可能永远无法被事先证明。（如果它能被准确预测，大家就会提前撤退，泡沫也就根本起不来了。

但这不意味着我们什么都做不了。

因为无论市场如何变化，也无论当下是否存在泡沫，总有一些类似于「近大远小」的常识和方法论，能帮助我们尽可能顶着泡沫赚到钱。

比如，每次泡沫的出现，都离不开人类行为的三个特征，而我们要做的，就是与这些人性的弱点对抗；再比如，泡沫虽然无法被准确预测，但它的出现往往伴随着四个必要但不充分条件，也有一些反复出现的见顶信号。

节目中，朱宁教授分享了他多年研究得出的一些结论，以及他与诺奖得主交流中获得的洞察。此外，我们还聊到了价值投资的变化、投资到底更看运气还是能力，以及该如何理解财富、如何决策等更普世的话题。

最后，落到大家更关心的具体投资上，朱宁教授这期反复强调了一件事：

「AI 股票还能不能买」本身就是一个错误的问题。真正重要的，是去想如果它涨了或跌了，对你的人生到底意味着什么。因为归根结底，我们「赚钱是为了生活，但生活不是为了赚钱」。向内求，或许才能找到财富、幸福以及很多问题的答案。

P.S. 朱宁教授刚刚翻译了回顾 1929 年美国股灾与大萧条的《1929》一书（《大而不倒》作者新书）。我们会在三日后联系届时评论区留言获赞最高的 5 位朋友，把这本书送给大家～

【人类博物馆】

导游：曲凯，42章经创始人

49 号珍藏：朱宁，上海交通大学上海高级金融学院金融学教授，研究领域包括行为金融学、中国宏观经济与金融市场，泡沫等，著有《刚性泡沫》《投资者的敌人》和《投资者的朋友》，即将出版新书《非线性思考》

【时光机】

• 01:27 其实每次泡沫都可以追溯到人的三个弱点

• 04:14 泡沫能预测吗？怎样事先规避风险？

• 07:42 「AI 股票还能不能买」就是个错误的问题

• 10:26 投资到底多大程度靠 β、多大程度靠 α？

• 14:24 时运固然重要，但为什么波谷入场的人反而可能走得很远？

• 20:04 大家总会想「这次不一样」，但怎么判断这次是不是真的不一样？

• 22:19 道理都懂，但如果我就是想多赚钱，那能不能冒更大的风险去搏一搏？

  • 24:17 两种赚钱模型：财务投资 vs 人力资本投资

• 25:12 到底有没有办法提前识别泡沫？分享一个可以关注的指标

  • 28:58 泡沫可能要见顶的信号

• 30:50 你所在的圈层，可能真的会决定你会不会成为「接盘侠」

• 35:51 指数基金、ETF 和机构，可能会更快地垄断市场？

• 37:39 AI 会让价值投资失效吗？

• 40:27 AI 会怎样影响就业？分享一些看法和建议

• 46:25 市场总是在用一个新泡沫给上一个泡沫买单

  • 49:06 AI 已经集齐了泡沫的所有条件

• 50:23 价值和叙事之间，到底是谁成就谁？

• 54:45 泡沫产生的四个必要不充分条件

• 59:40 多年研究和看人后，对财富、决策和人生的体悟

• 01:08:07 幸福的两个不同定义

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：美丽新世界（电影版） - 伍佰

梦琪是过去几年里最受欢迎的一类创始人的典型代表：字节背景、组了一个华丽的团队、借 Agent 势能讲一个不错的故事、连续拿钱融资，然后跟着技术和热点 pivot。

当然，在 AI Coding 指数级进步之后，她也和很多创始人一样，因为模型太强而一度陷入低谷。

但难得的是，在经历了大量反思、复盘和学习之后，梦琪又从「绝望之谷」里爬了出来，重新变得乐观，并再次相信：软件依然大有可为。

节目里，梦琪非常坦诚地分享了这一年里的思考与心态变化。她复盘了自己的几次 pivot：为什么那些一开始听起来非常自洽的决策，最后大多都错了？为什么她后来意识到，to B 对自己来说并不是一个值得创业的方向？以及在转向 C 端之后，她又是如何重新找回对软件的信心的？

她还进行了很多尖锐的自我批评：刚开始创业时，人很容易被虚荣心和性感叙事牵着走，而忽略业务和用户真正需要的东西；而刚拿到融资的时候，往往也是创始人最接近「愚昧之巅」的时刻。

在这样毫不遮掩的表达里，梦琪也贡献了不少金句和暴论。比如，行业里有很多「诈骗公司」；很多垂直 Agent，本质上只是给投资人看的景观；某类很流行的表达是 AI 圈的番茄小说。

听的时候，一边觉得很真实很爽，一边也真的替她捏把汗。她坦诚到让我甚至怀疑：这个行业里是不是已经没有她在乎的人了（笑）。

但在一个普遍焦虑、普遍迷茫的时刻，这种既有活人感、又有希望感的声音，可能恰恰是我们最需要的吧。

【人类博物馆】

导游：曲凯，42章经创始人

48 号珍藏：梦琪，invoko.ai 创始人

【时光机】

• 02:54 去年融到大钱的软件创始人，都该给 Manus 磕一个？

• 03:45 2、3 月的时候，我觉得自己做软件真是脑子进水了

• 05:17 AI Coding 已经这么强了，为什么真正跑出来的产品还是很少？

• 08:26 Pivot 路上的错误决策：

  • 08:45 ① 做垂直 Agent

  • 11:40 ② 过度服务专业用户

  • 12:28 ③ 选择错了场景

• 17:08 垂直 Agent 的两个结构性困局

  • 17:30 很多 AI 产品，其实就是给投资人看的一个景？

• 18:45 AI 软件的两种生意：大 R 运营 & 健身房模式

• 21:18 效率工具也能提供情绪价值？Steam 给了我很大启发

• 22:48 对我来说，to B 是一个不值得创业的方向

• 24:44 锐评创始人的虚荣心、装，和愚昧之巅

• 28:36 见过美国 to B 的骚操作后，我对美国创业生态祛魅了

• 30:21 AI Coding 越强，反而越让我对软件有敬畏之心

• 35:58 C 端产品只要能做到这一件事，就有价值

• 39:07 分享一个粗暴但好用的用研方式

• 44:00 AI 可能会彻底颠覆「拿着锤子找钉子」的思维模式

• 51:02 扩散乐观：软件依然大有可为！

• 55:38 抗拒「全球首款 xxx」，抵制 AI 圈番茄小说式表达

• 57:41 上一个产品是在迎合市场做证明题，现在我想做一道真的想答的简答题

• 01:01:37 灵魂拷问：后悔过离开字节来创业吗？

• 01:05:00 创业不能用太多左脑

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：Sunday Morning - The Velvet Underground,Nico