AI 明白人｜全球 AI 播客中文精选

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

【时间轴】
00:00 Monk 用 AI 加快企业应收账款回收
01:40 扑克与经营经历教会他的适应和坚持
05:13 Monk 的业务定位与早期 GTM 教训
10:40 用公开沟通和无责复盘建立团队文化
17:01 应收账款为何卡住以及 Monk 如何解决
25:47 金融 AI 的回报、风险与团队扩张
29:02 融资流程与联合创始人关系的经营

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 Lenny's Podcast 对 Josh Woodward 的访谈。

【这期讲什么】
Josh Woodward 是 Google Labs、Gemini app 和 AI Studio 的负责人。他在 Google 工作了 17 年多，负责 Google 运营时间最长、规模最大的实验室团队，其产品包括 NotebookLM（现为 Gemini Notebook）、Project Genie 和 Flow。他的工作是寻找、实验并扩大新 AI 产品的规模；他也打造了业内最具特色的产品文化之一，用于激发创意、开展实验，以及更重要的——知道什么时候该放弃。

【你会听到】

• 为什么现在每家公司都需要像实验室团队一样思考和运作
• 最好的创意究竟来自哪里
• “几乎可行”框架
• 如何尽早识别真正的产品市场契合度
• 什么时候该放弃一个创意
• AI 时代哪些技能的价值正在上升
• 为什么不同角色并没有真正模糊成一种通用构建者角色
• 如何组建你的内部实验室团队

【时间轴】
00:00 引言
03:02 为什么现在每家公司都需要像实验室团队一样思考
04:39 优秀的创意来自哪里
06:18 “几乎可行”框架
09:38 寻找产品市场契合度
12:58 爱上问题，而不是解决方案
15:00 什么时候该放弃一个创意
15:31 负责 Google Labs 和 Gemini app
18:49 下一波消费级 AI 突破
20:30 Google 对个人助理的构想
22:49 当前 AI 领域有哪些被过度炒作、又有哪些被低估
25:56 价值不断上升的技能：遗忘速度、爆发式耐力、信任
28:14 为什么不同角色并没有模糊成一种通用构建者角色
32:01 爆发式耐力的节奏
34:08 规划如何发生变化：滚动窗口与 100 天里程碑
35:35 实验室生命周期阶段
38:44 组建内部实验室的建议
44:07 AI 世界中的产品未来
47:17 Google Labs 的文化、仪式与结语

【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 可能投资了本期讨论的公司。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 How I AI 对 Alex Cornell 的访谈。

【这期讲什么】
Alex Cornell 是 Meta 的设计总监，负责 Meta 面向消费者的 AI 智能体 Muse 的设计。他拥有深厚的软件产品设计背景，曾担任创始人，并在过去一年里打造了消费级 AI 领域最具思考性的智能体界面之一。Muse 配备了定制头像、三层状态显示、个性化灵感界面和生成式信息流。Alex 一直在 Threads 上公开分享这些设计决策背后的思考。

【你会听到】

• 为什么 Alex 打造 Muse 时，希望它感觉像聊天，而不是一个 AI 应用
• Muse 的三层状态系统如何适应不同技术水平的用户
• 在一个已经发布的消费级产品中，生成式 UI 到底意味着什么
• Alex 如何把多年被遗忘的 Instagram 收藏变成每日购物目录
• 为什么他妈妈向自己的 Muse 道歉，以及这对 AI 设计意味着什么
• 他如何用 Muse 逐杆追踪自己的高尔夫比赛，同时朝着个位数差点努力
• 当输出永远无法做到像素级完美时，设计师需要怎样转变思维
• 什么时候该使用主聊天，什么时候该使用侧边聊天，以及这种架构仍有哪些不足

【时间轴】
00:00 欢迎与嘉宾介绍
02:02 设计 Muse
02:46 选择哪些基础元素呈现出来：角色、灵感、信息流
04:52 模型速度与响应时间
07:15 生成式 UI 与个性化
08:45 SkyMall 演示：把 Instagram 收藏变成购物目录
12:34 用 Muse 购物、监测和设置价格提醒
13:42 用于视觉数据的 Instagram 和 Pinterest 连接器
14:50 高尔夫使用场景：一轮比赛回顾、击球数据、练习分析
18:14 主聊天与侧边聊天
20:07 从旧博客到晨间播客：通过 Wayback Machine 回顾 20 年的文章
20:14 国际象棋仪表盘：由一位毒舌教练进行棋局分析
22:19 设计师需要为 AI 学习什么，以及哪些东西仍然有效
24:40 Muse 闹别扭时的提示策略
26:16 在哪里找到 Alex

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 The MAD Podcast（Matt Turck） 的一期节目。

【这期讲什么】
AI agents 正在成为数据库最大的用户：创建数据库、查询数据库，有时还会删除数据库。Carnegie Mellon 的数据库教授、现任 ClickHouse 数据库研究副总裁 Andy Pavlo，解释了当数十亿个 agents 接入数据层时会发生哪些变化，以及为什么 AI 世界对数据库的思维模型，大多停留在向量数据库和 RAG。
Andy 在 CMU 开设的课程培养了整整一代工程师（结果也培养了 AI 模型）；他撰写的数据库年度回顾，是整个行业都会阅读的文章；今年夏天，他加入 ClickHouse，创办了 ClickHouse Labs。我们讨论了为什么向量数据库“只是一个索引”，agent 创建数据库意味着什么，为什么 agents 可能带来多出 10 到 100 倍的查询，agent 的记忆应该存放在文件还是数据库中，text-to-SQL 如何从 60% 的准确率提升到 99.5%，为什么如今 60% 的开源数据库都有 coding agents 提交的代码，以及十年的自动驾驶数据库研究教会了他什么。另外还聊到 ClickHouse、Postgres、向量/图/GPU 数据库的结论、Larry Ellison，以及 Wu-Tang Clan。
披露：Matt 担任 General Partner 的 FirstMark 是 ClickHouse 的投资者。

【时间轴】
00:00 开场片段与导言
02:14 从向量数据库和 RAG 到 agents 时代
02:50 Neon 的统计：agents 创建了 80% 的数据库？
06:54 为什么 agents 总是在删除生产数据库
07:50 护栏：幼儿与楼梯规则
10:03 数据库规模的四个时代：多出 10–100 倍的查询
13:51 Agent 的记忆：文件还是数据库（“一切都是数据库”）
16:27 AI 模型推荐哪个数据库？新的 SEO
17:16 “它引用回了我自己”
20:45 数据库的 MCP，以及从 60% 到 99.5% 的 text-to-SQL
23:17 像信任初级开发者那样信任 agent
23:54 AI 能构建完整的数据库吗？Opus 4 与 CMU 项目
26:10 如今 60% 的开源数据库都有 AI 提交的代码
26:10 十年的自动驾驶数据库：从 Peloton 到今天
28:56 LLMs 改变了什么：15 分钟完成 85% 的调优
30:36 现在还有人应该学习数据库吗？
33:04 免费的 CMU 课程、DJ，以及 Wu-Tang 期末考试
36:15 为什么要在 ClickHouse 内部创办研究实验室？
36:54 为什么 ClickHouse 在 2016 年看起来像是虚无缥缈的项目
40:52 是什么让 ClickHouse 如此快速：列、向量，以及 Snowflake 的血统
44:26 为什么 Databricks、Snowflake 和 ClickHouse 都增加了 Postgres
48:47 向量、图和 GPU 数据库：点赞还是踩？
56:40 数据库市场停滞了吗？“一只吸了可卡因、坐在法拉利里的猎豹”
57:17 关系模型就是算术；SQL 是新的汇编语言
59:28 Larry Ellison、Linux，以及数据库为什么依然重要

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 Unsupervised Learning（Redpoint） 的一期节目。

【这期讲什么】
Yash Patil 曾是 OpenAI 研究员，参与过 Codex，如今负责 Applied Compute。他认为，后训练是 AI 技术栈中最容易被忽视的部分，也是掌握自身智能的关键。
他解释了企业什么时候应该先优化自己的 harness 和上下文，以及什么时候值得更新权重：最大的推理工作负载，以及会随时间变化或依赖判断的任务。这正是他认为后训练胜过推理的核心原因。最大的工作负载既最值得训练，也最值得提供服务，而模型的训练方式决定了它应该如何被提供服务。让生产环境中的服务运行起来是较容易的一半；他呼应 Dylan Patel 的说法，认为 GPU 加上 vLLM 再加上 OpenRouter “某种程度上”就能做到这一点。
Yash 坦率地谈到了 RL 的局限。RL 是一台沿山爬升的机器，而最困难的部分是定义这座山，这使得一家公司的私有评测和员工一样值得保护。它的泛化能力远不如预训练。而持续学习仍然受阻于一个尚未解决的问题：如何从稀疏奖励中实现极高数据效率的训练。
他阐述了自己对新型 AI 超大规模云服务商的押注：它将像 AWS、GCP 和 Azure 当年建立在 CPU 之上一样，建立在 GPU 之上。他将其描绘成一个倒金字塔，底部是训练，只有少数参与者能够竞争；其上依次是推理、路由和 harness。对话还涉及：是否每家公司都需要自己的模型；为什么 Jevons 悖论让成本的重要性超出了他的预期；模型如何“像水一样”进行 reward hacking；以及为什么美国需要 American open-weight models，尽管“全面禁令不是答案”。

【时间轴】
00:00 简介
02:24 掌握自身智能的理由
03:23 OpenAI x Baseten 与多模型未来
07:26 后训练能击败前沿模型吗？
09:25 哪些数据会留在分布外
11:44 数据效率与持续学习
14:00 什么时候更新模型权重才有意义
15:13 实践中的在线训练
15:23 降低后训练成本
17:17 每家公司都需要自己的模型吗？
20:55 不可验证领域中的 RL
24:04 Applied Compute 如何挑选客户
24:35 构建推理业务
29:43 押注新型 AI 超大规模云服务商的理由
34:05 构建 RL 环境
37:20 快速问答

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

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

【这期讲什么】
Venky Ganesan 是 Menlo Ventures 的合伙人，该公司的投资组合包括 Anthropic、Lovable、Legora 和 Higgsfield，以及更早期的成功项目 Uber 和 Roku。Venky 个人的投资战绩包括 Palo Alto Networks、Upwork、Poshmark 和 Rover。他曾三次入选 Forbes Midas List，是一位投资人，也是 National Venture Capital Association 的前任主席。
议程：

【时间轴】
04:18 没有10亿美元基金，你还做得了种子投资吗？
08:44 AI 的收入增长有多少是真实的？
16:23 什么时候“支付过高价格”反而是你能做出的最明智投资？
23:15 在可能产生万亿美元级结果的世界里，持股比例还重要吗？
29:52 “Big Tech 会收购我们”是一个危险的投资逻辑吗？
34:20 既然可以买入 Magnificent Seven，为什么还要投资风险资本？
44:15 什么时候应该卖出一只40倍回报的赢家，什么时候又该加倍下注？
53:21 一只5000万美元的基金还能与风险投资巨头竞争吗？
58:02 快速问答：Benchmark 比 Sequoia 更难击败吗？

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 The Twenty Minute VC（20VC） 对 Mike Cannon-Brookes 的访谈。

【这期讲什么】
Mike Cannon-Brookes是Atlassian的联合创始人兼CEO，Atlassian旗下拥有Jira、Confluence、Trello和Loom。
Atlassian在2026年实现了65亿美元的ARR，服务超过35万家客户，其中包括超过85%的《财富》500强企业。如今，Mike正通过Rovo和Teamwork Graph推动Atlassian进军企业级AI，将企业知识与AI智能体连接起来。
议程：

【时间轴】
01:05 AI智能体会把传统软件变成数据库吗？
13:07 企业终有一天会信任中国AI模型吗？
16:42 自己构建AI模型是一场注定失败的赌注吗？
19:41 当AI初创公司终于必须关注成本时，它们还能生存吗？
25:23 当AI变得比任何人预期的都更便宜时，会发生什么？
29:45 企业级AI真正的护城河是企业上下文吗？
35:31 当OpenAI和Anthropic来争夺你的客户时，会发生什么？
38:25 为什么年轻创始人比以往任何时候都更频繁地套现？
43:17 关于变得富有，没有人告诉你什么？

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 The Startup Ideas Podcast 的一期节目。

【这期讲什么】
在这一期单人节目中，我会带大家了解 8 个 GitHub 仓库和 AI 技能，这些都是我在晚上和周末测试过的。内容涵盖发布视频、社交媒体调研、本地语音和配音、可编辑演示文稿、智能体团队、获客工具、想法压力测试，以及设计指导。我会逐一介绍它们的功能、我的设置方式，以及一种利用它赚钱或更轻松地经营业务的具体方法。大多数都可以免费下载，但你需要为运行它们所使用的模型付费。

【时间轴】
00:00 开场
01:41 Brag：从一个链接生成发布视频
03:47 Agent Reach：开展客户调研
05:37 Voice Studio：本地 AI 语音和配音
08:17 PPT Master：从笔记生成可编辑演示文稿
10:06 OpenRig：让编码智能体组队协作
11:38 Corey Haynes 的 Free Tools Skill
12:58 Matt Pocock 的 Grill Me Skill
12:58 Impeccable：为智能体提供设计指导
17:14 我的首选：Brag 和 Agent Reach
18:20 结语

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 The Growth Podcast 对 Ankit Shukla 的访谈。

【这期讲什么】
LinkedIn 关闭了 Associate Product Manager 项目，并将其替换为 Associate Product Builder 项目。
如果你是常规读者，就知道我已经写了很久这一转变。新变化是，市场刚刚赋予了它一个完整的名称。
而招聘信息中的一个职位名称会带来 3 样东西：JD、面试和薪酬范围。
所以我请回了我知道一定能带来最佳数据的那位嘉宾。HelloPM 创始人 Ankit Shukla 用 Claude 和 GPT 分析了 12,500 份 PM 职位描述，看看顶尖公司招聘时看重什么。他的 AI PM 路线图仍然是我有史以来最受欢迎的一期。他关于评估的那期排名 #2。
这一期比那两期都更进一步。
10 个关键要点

【时间轴】
00:00 Product Builder岗位真实存在且薪酬更高
01:03 从产品探索到交付与分发的变化
06:27 美国和印度的AI岗位薪酬数据
08:04 用POW框架从可能性找到工作流机会
16:17 从提示词到生产级应用的五个实现层级
23:14 用Claude Code打造邮件营销平台Postbox
33:15 AI如何提升团队效率与客户体验
35:38 从技能积累到主动联系公司的求职路线
41:18 准备匹配度产品感与AI项目面试

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料

这一期，我们听的是 The Growth Podcast 的一期节目。

【这期讲什么】
去年，n8n 是这份 newsletter 中被报道最多的 AI 工具。我报道了它 25 次，并将其评为 A 级，高于 Zapier 和 Make。
后来 Claude Code 和 Cowork 出现了，Google Trends 的曲线开始下行，还有一条推文流传开来，宣称 n8n 已经无关紧要。
所以今天，我找上了那个损失最大的人。
Jan Oberhauser 是 n8n 的创始人兼 CEO。在 SAP 进行战略投资后，n8n 最近的估值达到 $5.2 billion。他说，n8n 大约被宣布“死亡”过一千次，其中包括 OpenAI 发布自家 agent builder 的那一周，而那一周最终成了他有史以来增长最好的一周之一。
他的观点并不是 Claude Code 不好。他自己也在用。他的观点是，它们是不同的产品，而你需要两者。Claude Code 是你用十分钟做原型的地方。n8n 则是当这个东西必须每天晚上运行、在模型宕机时继续工作、通过审计，并交给一个没有参与构建它的人时，它最终要去的地方。
于是他打开产品给我看：一次实时的 agent 构建、一次运行八分钟的 AI 助手、一个能在 agent 执行到一半时将其拦下的审批关卡，以及一份展示 agent 所做每个决定的执行日志。
然后我们聊到了增长故事。一年收入增长 10x。不设 lead gen 目标。不按席位定价。目标是在员工人数少于一千人的情况下，拥有十亿用户。
10 个关键要点

【时间轴】
00:00 认识n8n与它面临的质疑
01:24 n8n和Claude Code各自适合什么
07:25 企业客户增长与实际业务回报
09:39 演示智能助手如何构建和运行
18:54 从业务场景和模板找到自动化方向
26:04 增长策略与组织规模的取舍
35:11 产品团队建设与AI人才招聘

【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。

————————————
我是 Felix，在中美经营一家 AI 技术公司。
想共同探索 AI 机会，或者想加入我的团队做有意思的事，欢迎来找我：

• 小红书 / 公众号：康康你的AI
• X：@hereFelixK
• 博客：https://felixk.me
• 播客：AI 边角料