本利行间

本利行间

By Tingting & JosefinaEducation
Download on the App Store

本利行间 episodes

  • 《空间可以更美》:好看的家,为什么不一定住得舒服?

    为什么有些家在照片里很好看,真正住进去却处处不方便?问题往往不在某一件家具,而在家具、身体、视线、动线、颜色和光线之间的关系。

    这一期从 Frida Ramstedt 的《空间可以更美》出发,拆解设计师所谓的“感觉”到底包含什么,再把这些方法放进一栋匿名的狭长、多层、中间带庭院的住宅。我们不讨论购物清单,而是讨论怎样判断比例、焦点、视觉重量、动线、材料和照明,以及为什么设计应该先回应生活,再决定风格。

    时间戳:

    00:00 好看的照片,为什么未必适合生活

    01:49 从漂亮图片回到真实生活

    05:34 设计师所谓的“感觉”是什么

    14:58 把方法放进一栋真实住宅

    22:58 做决定前可以先问的五个问题

    参考资料:

    Frida Ramstedt, The Interior Design Handbook

    https://penguinrandomhousehighereducation.com/book/?isbn=9780593139318

    https://www.penguinrandomhouse.com/books/635834/the-interior-design-handbook-by-frida-ramstedt/

    https://books.google.com/books/about/The_Interior_Design_Handbook.html?id=F8DNDwAAQBAJ

    https://nordicnotes.co.uk/interior-design-handbook-frida-ramstedt/

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    25 min
  • 从聊天到做事:模型说“我来处理”以后,谁真的动了手?

    当模型说“我来订票”或“我已经发出邮件”,真正执行动作的通常不是模型本身。模型负责提出结构化意图,宿主程序检查参数和权限,外部工具才真正改变世界。

    这一期从 prompt、structured outputs、function calling 讲到 MCP 的 host、client 与 server,并把最后的问题落在权限、审计和验证上:连接越方便,边界越要具体;模型说“完成了”,不等于事情真的完成了。

    时间戳:

    - 00:00 开场:谁真的动了手

    - 01:18 prompt 决定这次模型看见什么

    - 02:50 structured outputs 给回答加一份契约

    - 04:35 function calling 中,模型通常没有亲自调用

    - 06:22 每个工具都接专线,会发生什么

    - 07:50 host、client 和 server 分别是谁

    - 09:34 连接越方便,权限越要具体

    - 11:21 “完成了”应该怎样验证

    - 12:27 这一季真正讲的不是 GPU

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    15 min
  • 从 Demo 到真正的产品,中间隔着什么?

    Demo 能跑,只证明最顺利的那条路径走通了。真正的产品还要回答:数据放在哪里,系统由谁维护,容量不够时怎样扩展,出现故障时怎样观察、恢复和追责。

    这一期从云服务与自建的边界讲到扩容、可观测性、冷启动和持续维护,解释为什么上线不是终点,而是一份长期维护合同的开始。

    时间戳:

    - 00:00 开场:Demo 与产品之间的鸿沟

    - 01:25 先决定哪些麻烦由谁承担

    - 03:16 数据在谁的云里,系统由谁来管

    - 04:52 一张卡装不下,或一张卡忙不过来

    - 06:24 没有仪表盘,优化和救火都靠猜

    - 08:03 流量来了再开机,可能已经晚了

    - 09:30 上线是维护合同的开始

    - 10:50 该自建什么,不该自建什么

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    13 min
  • 一台 GPU 怎样接待一千个人?

    一台 GPU 不会真的同时替一千个人各自完整跑一遍模型。服务系统会不断拼批、挪动显存、复用共同前缀、安排长短请求,还可能让小模型先猜、大模型再验证。

    这一期用餐厅接待系统解释 continuous batching、paged attention、prefix caching、speculative decoding、调度和路由,看看“模型服务”为什么是一个系统工程问题。

    时间戳:

    - 00:00 开场:一张卡怎样服务许多人

    - 01:26 从凑一桌,到随时换座

    - 03:06 座位有了,行李却把过道堵死

    - 04:46 同一份菜单为什么要重复读

    - 06:20 实习生先写草稿,专家负责验收

    - 07:47 别让十页订单卡住全场

    - 09:20 新客人该送去哪间厨房

    - 10:22 别把优化技术装进同一个抽屉

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    13 min
  • 让大模型减肥:量化、蒸馏与微调不是一回事

    量化、蒸馏和微调经常被塞进同一个“模型优化”抽屉,但它们动的根本不是同一件东西:量化改变数字的表示方式,蒸馏训练一个更小的学生模型,微调则改变模型在特定任务上的行为。

    这一期把三者逐一拆开,解释它们怎样组合、为什么不能互相替代,以及为什么模型质量从来不是一个总分。

    时间戳:

    - 00:00 开场:三种“减肥法”动的不是同一层

    - 01:24 量化改变数字怎样被表示

    - 03:45 蒸馏是训练另一个模型

    - 05:54 微调改变模型的稳定行为

    - 07:43 三种技术可以叠加,但不能互相代替

    - 09:21 模型质量不是一个总分

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    12 min
  • AI 为什么这么贵?钱究竟烧在了哪里?

    大模型推理的账单,不只是“每个 token 多少钱”。参数要被搬运,计算要在 GPU 上执行,对话越长,KV cache 占用的显存越多;同时还要为并发、延迟目标和空闲容量付费。

    这一期从参数、GPU、内存带宽讲到 KV cache 与长上下文,把“AI 为什么贵”还原成一张由计算、内存、并发和服务质量共同决定的账单。

    时间戳:

    - 00:00 开场:AI 的钱烧在哪里

    - 01:19 参数不是知识卡片

    - 02:53 为什么偏偏是 GPU

    - 04:20 厨师算得快,资料也得送得上

    - 05:55 固定行李之外,还有越聊越大的随身包

    - 07:20 为什么长上下文不是免费午餐

    - 08:24 AI 成本不是单价乘 token 那么简单

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    11 min
  • 为什么 AI 有时半天不开口,一开口却说得很快?

    “这个模型很快”到底是什么意思?它可能是第一句话来得快,也可能是开口以后说得快;还可能只是平均速度漂亮,却经常让少数用户等得很久。

    这一期用餐厅作比喻,拆开首 token 延迟、输出速度、端到端延迟、吞吐量和尾延迟,并解释为什么任何模型榜单都必须先问:测的是什么负载、上下文和服务条件?

    时间戳:

    - 00:00 开场:快,其实有好几种

    - 01:23 第一口菜等多久:首 token 延迟

    - 02:43 开口以后有多快:输出 token 速度

    - 04:24 整顿饭吃多久:端到端延迟

    - 05:43 一晚接多少桌:吞吐量

    - 07:03 做完不算,按时做完才算:尾延迟

    - 08:23 模型榜到底应该怎么看

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    11 min
  • AI 不是在“想”:你按下发送后,机器里发生了什么?

    当你按下“发送”,大模型并不是先在脑中想好一句话,再把它完整说出来。文字会先被切成 token,经过 attention 等计算,形成下一枚 token 的候选概率,然后一个接一个地生成答案。

    这一期从训练与推理的区别讲起,解释 token、attention、logits、采样、prefill 和 decode,并说明:知道机器怎样计算,和回答它是否“理解”,其实是两个不同层次的问题。

    时间戳:

    - 00:00 开场:按下发送后发生了什么

    - 01:46 训练是把模型定下来,推理是把它用起来

    - 03:26 模型先把文字切成自己的积木

    - 05:21 attention 是一套信息混合规则

    - 07:39 模型给出的是候选表,不是一整句话

    - 09:28 prefill 是读题,decode 是逐步作答

    - 11:54 计算机制与“理解”不是同一个问题

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    15 min
  • 《One Up on Wall Street》终章:今天怎样使用彼得林奇,而不是模仿彼得林奇?

    一九八九年,消费者在超市看见渠道变化,可能比研究报告更早。今天,一个新应用几小时就能传遍世界。如果人人都能迅速看见产品变热,“买你熟悉的”还剩下什么优势?

    终章把林奇框架带到软件、平台、人工智能基础设施和全球供应链。真正需要更新的,是观察之后的翻译字典:使用如何变成付费,网络效应会不会被过度变现,需求增长能否覆盖资本成本,价值最后又留在产业链的哪一端。

    时间戳:

    - 00:00 开场:信息传播变快以后,优势去哪了

    - 01:22 林奇框架里仍然有效的部分

    - 02:18 软件、平台与 AI 的新翻译字典

    - 05:23 优势从“先看见”移动到“翻译得更准确”

    - 07:57 结尾:让错误越来越难藏的六步判断系统

    使用彼得林奇最好的方式,不是模仿他看见了什么,而是学习他怎样把看见的东西送进审问。

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    9 min
  • 《One Up on Wall Street》第七集:卖出不是对股价表态,是更新判断

    “已经赚了一倍”“跌这么多了”“等回本再卖”,这些话都在描述投资者的账户,却没有描述公司发生了什么。

    这一集讨论卖出纪律:故事断了、价格过满、公司类别变化和机会成本,分别意味着什么;哪些理由来自公司和估值,哪些只是持仓盈亏在控制我们。卖出不是宣判过去的自己失败,而是根据今天的事实更新判断。

    时间戳:

    - 00:00 开场:成本价是你的历史,不是公司的事实

    - 01:08 把盈亏语言和公司语言分开

    - 01:53 四类真正的卖出理由

    - 04:27 为什么涨了、跌了都不是充分理由

    - 06:56 结尾:如果今天从零开始,你还会买吗

    本节目只做阅读、思考和教育分享,不构成投资、医疗或其他专业建议。

    8 min

About 本利行间

From the publisher's feed

《本利行间》是一个关于阅读、投资、旅行和生活判断的播客。我们从书本、市场和路上经过的细节里,寻找那些会慢慢复利的理解:什么值得投入,什么值得放下,什么藏在字里行间。