AI 明白人｜全球 AI 播客中文精选

这一期，我们听的是 The Twenty Minute VC（20VC） 对 Sameer Dholakia 的访谈。

【这期讲什么】
Sameer Dholakia是Bessemer的合伙人。Bessemer刚刚完成募资，旗下1.75亿美元种子基金和40亿美元成长基金合计募资57.5亿美元。Sameer曾主导Anthropic、Fireworks和Legora等公司的投资。投身风险投资前，Sameer曾任SendGrid CEO，将公司的年度经常性收入从3000万美元提升至超过2亿美元。
议程:

【时间轴】
02:44 为什么这是前所未有的超级周期
05:37 为什么我们支持Anthropic与超大规模云服务商竞争
06:01 为什么Anthropic是Bessemer最具争议的交易之一
08:52 为什么开放模型不会摧毁封闭模型的市场
13:02 价格在AI领域重要吗——究竟哪个指标真正决定价值？
16:49 消费类企业的收入质量应获得多大折价？
17:09 为什么今天的毛利率没有你想象的那么重要
19:00 竞争并没有改变——但竞争背后的资本变了
20:43 为什么如今资本就是护城河
22:28 “Triple, Triple, Double, Double”已经过时了吗？
24:18 小型种子基金还能成功吗？
25:54 未来风险投资领域的赢家与输家是谁？
28:06 为什么创始人不该讨厌成为“Option Bet”
30:31 为什么我不担心信号风险
47:31 为什么企业会更长时间保持私有——以及IPO窗口为何可能在2028年前后重新开启
51:13 散户投资者应如何参与风险投资？
52:49 Fireworks如何可能成长为一家2500亿美元的企业
57:39 为什么Bessemer相信自己能在57.5亿美元上实现5倍回报

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 Big Technology Podcast 的一期节目。

【这期讲什么】
Sundar Pichai 是 Google 和 Alphabet 的首席执行官。Pichai 做客 Big Technology Podcast，讨论 Google 重返 AI 前沿、与 OpenAI 竞争的战略，以及构建下一代模型所需的海量计算资源。欢迎收听，了解 Google 为支持 AI 研究为何牺牲短期 Cloud 收入、计算资源需求为何延伸至 2027 年，以及其全新的 Gemini 4 Argon 模型为何正在获得爆发式采用。我们还将讨论递归式自我改进、AI agents、Google 产品的未来、AI 泡沫的可能性、太空数据中心，以及 Google 与 Apple 和 Anthropic 的合作。点击播放，收听这场关于 Google AI 战略、塑造行业的激烈竞争，以及 Pichai 为何相信我们正进入一个无限可能时代的深度对谈。

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 How I AI 对 Brooke Lacey 的访谈。

【这期讲什么】
Brooke Lacey早在Facebook推出视频功能之前就开始制作视频了。她通过自学剪辑短视频，积累了超过29万名TikTok粉丝。拥有超过25年的科技行业经验，如今她还会开发自己的应用，包括一款用于学习AI的免费移动应用Zosha。在本期节目中，Brooke带我了解了她使用Claude Code、FFmpeg和Whisper的工作流程：大约15秒就能剪好她的TikTok视频；她如何从评论中挖掘新的脚本；以及她如何在没有剪辑师的情况下，每周运营短视频内容。

【你会听到】

• Claude Code如何在她的电脑上用大约15秒剪辑一段手机原始视频
• 她如何教会Claude掌握自己的跳剪节奏
• 为什么她的TikTok评论成了她的内容简报
• 她如何在每周只发布一次的情况下持续增长粉丝，以及接下来会做什么
• 超过25年的科技行业经历让她如何看待当下的AI时刻

【时间轴】
00:00 开场与嘉宾欢迎
02:08 Brooke的视频经历
05:08 她第一次用Claude Code剪视频
07:33 现场演示：Claude实时剪辑视频
09:37 逐步了解剪辑链路
13:33 她如何教会Claude掌握自己的节奏、开场钩子，以及什么才算好笑
20:32 快速回顾
20:37 发布频率、直播计划和TikTok广告
22:33 闪电问答：Gen X、历练后的智慧与YOLO能量
26:30 Claude让人失望时：lane OS、状态文件，以及她如何重新提示它
27:49 在哪里找到Brooke和Zosha应用

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 Lenny's Podcast 对 Emmanuel Ameisen 的访谈。

【这期讲什么】
Emmanuel Ameisen 是 Anthropic 的可解释性研究员，他深入研究 Claude 等 LLM，试图理解它们如何思考。在加入 Anthropic 之前，他曾在 Stripe 和 Insight 从事多年应用机器学习研究，也是《Building Machine Learning Powered Applications》一书的作者。他的研究带来了该领域一些最令人瞩目的发现：模型会形成关于概念的通用表征，会提前规划许多 token，却不会明确表达这些计划，而且可能展现出某种在结构上类似于人类有意识与无意识加工之区别的特征。

【你会听到】

• 为什么“下一个 token 预测器”的框架低估了模型实际进行规划和思考的能力
• 为什么拟人化 AI 其实可能是正确的方法
• 为什么模型是“培育”出来的，而不是被构建出来的
• “J 空间”揭示了模型自我意识的哪些信息
• 那些看似突然的能力跃迁背后平滑的扩展曲线
• 可解释性如何与 AI 对齐和安全建立联系

【时间轴】
00:00 Emmanuel Ameisen 介绍
02:37 为什么 AI 模型是培育出来的，而不是被构建出来的
05:17 为什么下一个 token 预测比听起来更难
09:45 模型如何表征概念并理解世界
10:36 LLM 如何提前规划
19:40 AI 可能具有意识吗？
20:01 扩展定律与文本的力量
23:24 为什么平滑的进步会带来突然的突破
26:53 为什么观察 AI 不足以解决对齐问题
28:39 Golden Gate Claude 实验
33:17 为什么 Anthropic 严肃看待 AI 安全
35:11 什么时候拟人化 AI 是有用的
41:17 AI 能教会我们哪些关于智能的知识
44:28 对 AI 对齐保持乐观的理由
47:33 我们是否生活在一个模拟中？
51:02 Jev、决策模型与 AI 的直觉
53:19 关于模型如何思考的另外两个令人惊讶的发现
55:03 如何进入可解释性研究领域
56:20 闪电问答与最后的思考

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。Lenny 可能是节目中讨论的相关公司的投资者。

这一期，我们听的是 Latent Space 的一期节目。

【这期讲什么】
几年前，我偶然发现了 Leash Bio 的 Substack，一下就被吸引住了。无论是他们举办的 Kaggle 竞赛——证明了不，我们确实还没有解决蛋白质—配体结合问题——还是他们那个疯狂的发现：知道一枚分子的作者，或许就足以预测它的好坏。他们的 Substack——或者至少是 Owl Posting 对他们的深度解析——应该成为任何试图用 AI 做化学的科学家的必读材料。
所以，我特别兴奋，终于有机会和 Leash Bio 的 Ian Quigley 坐下来聊聊，听听他的想法。Leash 专注于 DNA Encoded Libraries（也称“DELs”），这是一种收集蛋白质与小分子之间超高通量相互作用数据的方法。在发现 Leash 之前，我从 DEL 用户那里听到的全都是恐怖故事。然而，Ian 和他的朋友们不知怎么找到了驯服这头猛兽的方法，提取出了干净、可复现的数据，简直完美适合大规模建模。不剧透太多的话，答案归根结底在于认识论上的严谨，以及一种不可思议的信念：你就是必须把这件事做成。
更精彩的是！在本期接近尾声时，Ian 透露了一些录制时他们团队刚刚开始尝试的东西：一个让智能体进行可验证科学推理的 AI 试验场。他们发现，过去几年收集的数据可以提供数以万计的“实验室闭环”模拟，这正是智能体进行科学强化学习所需要的。两个月后，它已经发展成了 Minos，而今天他们将发布完整的预印本、博客文章和开放数据集。几天后我们也会发布一期闪电播客，带来最新进展。敬请期待！
我们和 Ian 聊得非常尽兴，这可能是我们迄今最有趣的几期之一。无论你是完全不懂化学的新手，还是 AI x Bio 领域的专家，我们都觉得你会从中有所收获。
祝你收听愉快！
本期我们聊了：
为什么 DELs 会让所有接触过它们的人留下心理阴影，以及 Leash 如何在每个分子上加上几十个条形码，从而识别出那些与 DNA 而不是药物结合的蛋白质。
Ian 的一条准则：生物学只有两种扩展方式——拍照和测序 DNA。
Kaggle 竞赛：一个地下室里完成的约 40 亿次测量，以及约 2,000 支参赛队伍，却没有任何队伍能在未见过的化学库上超过随机猜测。还有为什么 Leash 曾悄悄担心 co-folding 会让他们变得过时。
ChEMBL 中的 Clever Hans：模型可以根据分子结构猜出它的化学家，而“是谁做的”对活性的预测能力，和结构本身差不多。
Hermes 仅用 Leash 自己的数据训练，却在公开基准测试中紧跟 Boltz。还有 Boltz 早已在 PDB 中见过的 BRD4 分子。
突破口袋：在发现 Hermes 记住的是蛋白质的“昵称”而不是结合位点之后，大规模设计蛋白质突变体。
Lumacaftor 类命中物：意外成为检测错误折叠蛋白质的工具。
智能体沙盒：让 LLMs 用通俗英语推理 SAR，在 100 的预算下，从 650 万个分子中寻找最佳结合物。
Recursion 黑帮，以及为什么它的校友公司名称听起来都押韵。
Kosuri 悖论：如果你能收集数据，那为什么还需要模型？
在一个炎症项目中，从 DEL 命中物到良好的小鼠 PKPD 只用了六个月，以及针对细胞因子靶点，选择药片而不是抗体的理由。
是什么阻止资金更充足的实验室在规模上超过他们，以及 Ian 凭空许下的愿望：实现大规模并行纯化。

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 The Product Podcast（Product School） 对 Aaron Goldsmid 的访谈。

【这期讲什么】
Deel 通过 AI 优化实现了超过 1.4 亿美元的 ARR，相当于 600 名员工的工作如今由代理完成。在本期 The Product Podcast 中，Product School CEO Carlos 与 Deel 产品高级副总裁 Aaron Goldsmid 对谈，深入解析这在实践中究竟是什么样子，以及一家公司如何在覆盖 150+ 个国家的同时，从约 2.5 亿美元增长到 15 亿美元 ARR，并保持近三年的盈利。
你将了解到：
这项数据背后的故事：如今，AI agents 所承担的工作量相当于 1.4 亿美元 ARR 和 600 个人的工作
为什么软件曾是“最后一种手工艺”，以及当构建软件变得廉价后会发生什么
为什么构建容易、维护困难，以及为什么重写如今已成为真正的技术债务策略
Deel 如何将 ARR 从约 2.5 亿美元扩大到 15 亿美元，并保持近三年盈利
为什么增长和盈利并非钟摆的两端，以及“永远算清楚账”的纪律
为什么领导者接收到的信号在规模扩大后会经过更多过滤，以及如何对抗这种现象
每两周一次的业务复盘如何扼杀一对一交流，并改善决策
Aaron 如何借助 chief of staff、内部机器人和语义层实现自我扩展
为什么 Deel 真正的 AI 护城河是合规专业知识和全球工作语料库，而不是模型
为什么没有哪家公司像过去那样具有黏性，以及为什么判断力是终极差异化因素
联系 Aaron Goldsmid，Deel 产品高级副总裁
LinkedIn：linkedin.com/in/aarongoldsmid
主持人：Carlos，Product School CEO
关于 Deel：Deel 是一个全球工作平台，帮助企业在任何地方招聘、支付薪酬和管理团队，业务覆盖 150+ 个国家的薪资发放、名义雇主（EOR）、合规和承包商管理。
关于 The Product Podcast：Product School 的播客为你带来与塑造科技行业的创始人和产品领导者之间的坦诚对话。
社交链接：
在这里了解更多关于 Product School 的信息
在 TikTok 上关注我们的播客
在 LinkedIn 上关注 Product School

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 Newcomer Pod 对 Alex Kantrowitz 的访谈。

【这期讲什么】
OpenAI 的营收混乱、Apple 在 AI 方面的失误，以及 Nvidia 的投资，都引出了一个更大的问题：AI 热潮的延续究竟有多重要？Big Technology 创始人 Alex Kantrowitz 做客节目，与 Eric Newcomer 一起分析 OpenAI 和 Anthropic 的业务、市场对它们增长的敏感度，以及正在重塑 Big Tech 的竞争格局。他们讨论了 Apple 的孤岛式文化及其在 Apple Intelligence 上面临的困境、Meta 进军个人 AI 助手领域的努力，以及 Amazon 对外部购物代理的抵触。对话还涉及 Google 在 AI 竞赛中的地位、Microsoft 错失的机会，以及 Nvidia 投资那些购买其芯片的公司的相关问题。Alex 和 Eric 还就 AI 安全、强大模型的使用权限，以及让助手获取更多个人信息所涉及的权衡展开讨论。他们也探讨了 Google 的 AI Overviews 如何影响出版商、硅谷对媒体的敌意，以及建立一家独立媒体企业需要什么。

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 Cheeky Pint 的一期节目。

【这期讲什么】
Ulysses创始人兼CEO Will O'Brien与John和Chris Sacca一起喝啤酒，讨论水下自主机器人如何实现规模化，以应对海洋面临的关键挑战。
他们聊到了Guinness的技术史（包括创造学生t检验的数学突破）、为什么海草是被忽视的超级固碳者，以及让机器人在水下数千米运行所需的工程技术。Will还解析了Ulysses的垂直整合战略、生态实用主义与“绿色官僚主义”的现实，以及向国防和海上能源行业销售硬科技需要具备什么条件。

【时间轴】
00:38 Guinness的研发
06:06 用机器人种植海草
16:26 降低在海洋中做事的成本
18:06 落入中国监狱
26:12 打造能够承受盐水的机器人
29:42 水下机器人的实际应用案例
44:18 海底电缆的脆弱性

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 Training Data（Sequoia） 的一期节目。

【这期讲什么】
David Silver 花了两年时间利用人类数据构建 AlphaGo。当他在构建 AlphaGo Zero 时完全移除人类数据后，这个 AI 在不到两天内就超越了 AlphaGo。他离开 DeepMind，投身于同一场押注，追求超级智能。Ineffable Intelligence 联合创始人 David 和 Lasse Espeholt 介绍了他们构建“超级学习者”的计划——一种起初一无所知、通过直接体验而非预训练，自行发现科学、数学和语言的智能体。Silver 认为，人类语言推理是一道天花板，而不是基础；通过思维链监控实现的对齐已经开始触及极限；关于超级智能如何共存的科学，应当在任何事物接触现实世界之前，先在模拟中研究清楚。Espeholt 介绍了让这一实验成为可能的 GPU 集群，以及其源自 IMPALA 和 SEED RL 的技术脉络。Silver 的预测是：一年内会有强有力的证据，三年内实现超级智能。
主持人：Sonya Huang，Sequoia Capital

【时间轴】
00:00 引言
01:13 从围棋到今天，哪些规律依然成立，以及 LLM 时代改变了什么
02:29 为什么离开 DeepMind 创办新实验室
05:28 为什么叫“Ineffable”（以及秘密的第二个原因）
05:37 Lasse 的道路：在 DeepMind 和 Google Brain 扩展强化学习
07:56 定义超级学习者，以及第一次接触
10:55 超级学习者与能够做出发现的 LLM
12:12 日常工作：强化学习技术栈、熔炉与人类旅程式里程碑
13:42 不要为目标铺设面包屑：简单奖励与涌现的复杂性
19:23 熔炉是什么样的
21:43 围棋：一个智能体很无聊，两个就是无限可能
22:26 智能体会重新发现语言吗？
23:47 移除人类先验：从 AlphaGo 到 AlphaZero
25:16 让人类偏见远离熔炉
29:26 信心、时机与超级预测
31:49 算力是驱动力吗？
33:45 模拟的天花板与 Rich Sutton 的异议
35:46 对齐与超级智能科学
39:12 监控不以英语思考的智能体
44:20 掌控前沿发展节奏
45:37 算力配置：GCP 上的 Vera Rubin
46:25 训练、推理、模拟与强化学习扩展规律
50:04 IMPALA 与 SEED RL
52:39 20 个人与人均算力比
55:53 研究驱动的文化
56:16 预测

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

这一期，我们听的是 GTMnow 对 George Kurdin 的访谈。

【这期讲什么】
George 曾是一名职业扑克选手，后来担任一家以约 1 亿美元的价格出售给 Logitech 的公司 CEO，如今则是 Monk 的 CEO。Monk 是一家自动化应收账款流程的 AI 公司。
Monk 是一家 API 公司，解决的是 Ramp 账本的另一端：让 B2B 发票收回款项。George 坦诚分享了他在市场进入方面犯下的错误（“比我预期多了 50 个”）、为什么垂直领域公司能凭借线下工作坊取胜、他所称的应用型 AI 真正护城河——专有的“harness”，以及他如何与 16 个人一起、几乎不开会地贯彻极致负责的文化，还有他在融资、网站和联合创始人关系方面最犀利的实战建议。
George 是 Monk 的联合创始人兼 CEO。Monk 是一家 API 公司，利用 AI 为 B2B 企业自动化应收账款流程（催收和现金核销）。此前，他曾担任 Streamlabs 的 CEO；该公司于 2019 年出售给 Logitech（据报道价格约为 1 亿美元）。在进入企业经营领域之前，他曾做了约五年的职业扑克选手。Monk 总部位于纽约，已筹集约 2800 万美元，其中包括一轮 A 轮融资。他的联合创始人是 Joe。

【你会听到】

• 为什么销售和营销是“零级优先”，以及他过去为何相信恰恰相反的观点（“只要你把它做出来，他们就会来”是错的）
• 职业扑克带给构建公司的两条经验：在波动中保持纪律，以及要么适应，要么被彻底摧毁
• 为什么市场进入从未如此复杂，以及为什么垂直领域公司正凭借线下工作坊和午餐分享会取代冷邮件而获胜
• 种子前阶段的网站押注：为什么尽早在统一的视觉识别上投入重金，让一家公司的成交率提升了约 50%
• “harness”论点：为什么拥有自己的评估、护栏和测试（而不只是调用模型）才是应用型 AI 的护城河
• 如何贯彻极致负责：一切都在 Slack 中完成，进行无责复盘，几乎不开会，团队只有 16 个人
• 为什么他们有意反向进入一个超大 TAM 的问题领域（招聘），并避免被前沿实验室颠覆
• 为什么硬 ROI（真正进入你口袋的钱）如今胜过“节省时间”，成为 AI 的价值主张
• 融资：压缩流程以制造 FOMO，以及你如何进行融资，为什么能传递出你如何经营公司的信号
• 为什么联合创始人关系比创意更重要，以及如何像经营婚姻一样投入其中

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。