硅谷101

硅谷101

Download on the App Store
  • Favorites

    120

    Followers

  • Typical duration

    65 min

    per episode

Based on Podcast App listening data

硅谷101 episodes

  • E249|Token经济转点:OpenClaw、Hermes到本地自研的Agent进化之路

    去年年底,硅谷掀起了一股风潮——“Token Maxing”(最大化token使用量),科技公司创始人和工程师们争相晒出账单,比谁家Token消耗更吓人,以此彰显对AI的全力押注。但到了今年年中,成本失控和虚假生产力让这场烧钱竞赛到达了转折点。Uber在四个月里烧穿了全年的AI预算,Meta被迫给员工设定token使用上限,一些公司会提醒员工使用AI的时候注意成本。大家开始认真思考:如何更经济地使用Token?

    这期节目的嘉宾黄东旭,就是Token Maxing热潮的亲历者。他曾经每天烧掉三四百美元,只用最前沿的模型。让他逐渐转变的,是中国开源模型们的崛起,大量的日常任务都可以做到“只烧电费,不烧Token”。他的结论是:不是前沿模型用不起,而是本地开源模型底座+前沿模型的搭配,成本可控,更具性价比。
    我们聊了这半年Agent产品的进化史——从OpenClaw,到Hermes,到Agent蜂群的智能涌现潜力,Agent消耗Token的趋势不会停止,未来还会有更复杂的A2A网络。亲历了互联网、移动互联网、AI三波浪潮的张宏江认为,Token Maxing折射出的是所有人在面临AI浪潮时的不知所措,AGI奇点已经到来,现在做Agent是好时机,但关键是:别做容易被大模型碾压的应用。

    【主播】

    泓君,硅谷101创始人,播客主理人

    【嘉宾】

    张宏江,Llama Ventures高级技术合伙人,美国国家工程院外籍院士,北京智源人工智能研究院(BAAI)理事长,源码资本合伙人,曾任微软亚洲工程院院长、微软亚太研发集团首席技术官、北京金山软件有限公司首席执行官
    黄东旭,Llama Ventures合伙人,PingCAP CTO&co-founder

    【你将听到】

    04:55 Token maxing,是泡沫吗?
    09:52 亲身体验:只选最强最贵,日烧四五百美元
    14:15 OpenClaw:从研究到工程的转折点
    20:31 龙虾退潮:“普罗米修斯”完成了使命
    23:09 Hermes:把成功经验沉淀成Skill
    30:09 “Agent动力学”:七嘴八舌烧Token换深度
    35:12 智商碾压:Fable 5一次搞定复杂任务
    37:20 本地开源模型经济账:每天电费1美元
    43:42 Token消耗不会停,更复杂的网络还在后面
    52:36 现在做Agent创业是好时机吗?看好toB和infra
    01:03:24 彩蛋:“办公室政治”和超预期行为
    01:15:30 IQ测试已超人类,AGI奇点已来
    01:18:19 新问题:当新岗位也不再需要人,人类如何自处?

    【9月6日·成都 泓君线下开麦】

    华夏基金携手小红书小红点计划,共同推出「红火开麦日2.0」线下活动,以「发现身边的ETF经济学」为主题,从身边小事发现经济趋势,捕捉藏在日常里的投资灵感。9月6日,成都·蔚蓝湖滨艺术中心,泓君将与华夏基金数量投资部总监荣膺一起,聊聊普通人如何被卷入全球AI定价战。
    活动免费,名额有限,扫码即可报名,期待与你线下相见!

    【硅谷101听友群】

    在这里,和同好一起深聊科技、商业与未来,期待你的声音,也期待更多有趣的讨论。
    扫码加入,即刻相遇!

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Impossible Theory - Rachel Sandy
    Mindscape - Lennon Hutton

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guests: 张宏江 and 黄东旭.

    1 hr 28 min
  • E248|一个“催发货”AI要跑通260步,和阿里瓴羊朋新宇聊聊中国式FDE

    不久前,我们聊了硅谷最火的新职位FDE(前线部署工程师)。硅谷的逻辑是,AI要进企业,就要开行业最高的薪资,派一批最聪明的人驻扎进去。但这件事在中国,还是同一个剧本吗?

    我们邀请到阿里巴巴集团副总裁、瓴羊CEO朋新宇。他是阿里数据中台方法论的创立者,他的团队做这件事已经5年,比“FDE”这个词流行起来还要早。在AI浪潮到来之后,他们发布企业级Agent平台:AgentOne。
    他们的做法很不“硅谷”,不接定制化的大单,不做1000人天的驻场开发。他们找的是企业里最耗人、最耗钱、最耗时的环节,把预设好的agent接入企业私有数据,去解决真实的业务难题。
    举例来说:一个催发货流程,客服agent需要跑通260步流程;一个顶级人类投手,90天内调价10000次,AI要学会这10000次调价背后的决策逻辑,这背后靠的是团队配合和工程化的推进。
    在朋新宇讲述中,没有全能型的个人英雄,也没有对SOTA模型的迷信。“企业算得过来账,背后用什么token,老板不会在乎”。务实,算账,打地基,这就是FDE在中国的故事。

    【主播】

    泓君,硅谷101创始人,播客主理人
    【嘉宾】
    朋新宇(花名小芃),阿里巴巴集团副总裁,阿里瓴羊CEO

    【你将听到】

    01:48 硅谷的风向变了:AI战场从C端回到B端
    06:33 一个“催发货”背后藏着260步流程
    12:30 90天调价一万次,AI向最优秀的投手偷师
    19:39 为什么顺利的部署都是“自上而下”
    25:07 做标准化增长agent,跟Palantir反着走?
    31:14 销售Agent实战:从最落后区域到销冠
    36:06 部署周期:1/3熟悉岗位,1/3做建模,1/3调教AI
    42:36 FDE团队画像:BA定方向、AI架构师选模型、业务首席当教练
    47:00 Token成本,模型策略,“账算得过来”最重要
    53:28 中美FDE对比:信息化地基、付费习惯、工作方向
    58:03 人才观:懂AI、懂业务、懂数据

    【延伸阅读】

    E240|OpenAI联手PE砸下40亿美元,聊聊硅谷最火新职位FDE

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    What We Discovered - Philip Ayers
    Signal Containment - Out To The World

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guest: 朋新宇.

    1 hr 4 min
  • E247|对话盛颖:xAI,Infra的浪漫,SGLang,开源,平权与“甄嬛传”

    这期播客的嘉宾是盛颖,xAI前推理团队负责人、开源推理引擎SGLang发起人及RadixArk联合创始人/CEO。

    在开源模型集中爆发之际,盛颖在AI Infra(基础设施)领域的研究和贡献非常核心。她将AI Infra描述为“浪漫的关系”,是产品本身,需要有“美感”。
    由此,我们走进盛颖的世界。
    她曾经想成为一个数学家,沉浸在一个确定、纯粹、仿佛“与世界无关”的世界里。
    但从哥大到斯坦福,从形式化验证到 AI Infra,盛颖一路经历的并不是外界看到的连续发顶刊的高光,背后是不为人知的寻找方向、迷茫、停滞、低谷和重新出发。她逐渐意识到,自己无法勉强去做一件不感兴趣的事;只有真正被一个问题吸引,她才能进入高度专注的状态,并把它做到极致。
    SGLang,是这条研究路径的集大成者。它从一个学术项目成长为面向真实生产环境的开源推理引擎,也把盛颖从研究者带进了更复杂的工程、组织与产业世界。
    在早期的xAI,她获得了难得同时存在的“support”和“freedom”,参与搭建生产级推理系统。但随着SGLang社区迅速扩张,仅靠开发者在业余时间维护,已经无法支撑项目继续向前。为了让这件事真正走下去,她选择离开xAI,创立RadixArk。
    这期节目,我们从盛颖眼中的数学之美、论文和低谷聊到SGLang、xAI与RadixArk,也聊一个人如何逐渐理解自己的天性,并决定不再与之对抗。
    盛颖说,她在乎的不是“making impact”,而是那些她认为正确的事情,最终有没有发生。从“世界与我无关”,到“想要构建那个跟强力AI共存、且人类不会输的未来”,这,是盛颖的故事。

    【主播】

    陈茜,硅谷101联合创始人
    【嘉宾】
    盛颖,RadixArk联合创始人&CEO,xAI前推理团队负责人、开源推理引擎SGLang发起人

    【你将听到】

    02:16 违约金、纽约与数学之美:“世界与我无关”
    16:06 顶刊、低谷期与甄嬛传:“世界又与我有关了”
    26:01 谷歌实习:最早的“AI for code”
    31:54 Databricks:人生导师Ion Stoica与“making impact”价值观
    34:37 xAI:拥有“support”和“freedom”的美好v1.0时代
    44:07 RadixArk:“两个月也等不了”
    48:07 Two Sigma:“有组织的公司”应该有的样子
    51:10 SGLang:“AI Infra是浪漫的”
    01:15:29 SandHill Road的套路与规则
    01:19:33 “养大我”的开源生态
    01:27:03 LMSYS:平等、平权,以及“她赢了,不需要被解释”
    01:37:42 “世间的美好是存在的”

    【延伸阅读】

    本期节目视频版已上线,附精校字幕及术语注解,适合想逐句细听的听友
    “榨”出硅的极限:怎么让GPU不“闲着”?|与SGLang、RadixArk深聊AI Infra技术与千亿美元市场-硅谷101视频 及文字版

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【采访】
    陈茜
    【后期】
    Frentee Jacob Amei
    【运营】
    朱婕
    【BGM】
    The Hoover Dam - Bonnie Grace
    Spring Dance - Forever Sunset
    Curiosity Cabinet - Mike Franklyn

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guest: 盛颖.

    1 hr 47 min
  • E246|何谓蒸馏?聊聊硅谷如何看中国开放模型逼近前沿

    7月27日,月之暗面正式发布Kimi K3的完整模型权重。自7月16日API上线以来,K3就在在多项测试中展现出接近前沿模型的能力。因此,它成为了硅谷最近讨论开源时的重要案例之一。从2025年初的DeepSeek时刻,到当下的Kimi K3,中国开源模型正在从成本更低、能力稍弱的替代品,逐渐逼近甚至超过最强的闭源前沿模型。

    随之而来的,是一场越来越激烈的蒸馏争论。什么是蒸馏?通过闭源模型的输出进行训练,和未经授权的大规模能力提取,有什么区别?即使中国实验室使用过美国模型生成的数据,它又究竟能解释多少最终能力?

    本期播客,我们邀请到两位嘉宾来分别从开源生态和企业的视角,讨论这一波中国开源模型的影响:前Hugging Face亚太开源生态负责人王铁震,和TinyFish联合创始人Keith Zhai。

    我们从K3带给硅谷的挑战聊起,讨论了为什么把中国模型的进步全部归因于蒸馏,实际上忽略了架构、强化学习、数据工程和推理基础设施上的创新。而当蒸馏从一种中性的训练技术,变成商业竞争和政策讨论中的指控时,争议的核心又变成了什么?
    在此之外,我们也讨论了K3针对大型推理服务商设计的商业授权:当开源权重模型持续压低成本,它会如何冲击OpenAI、Anthropic等闭源实验室的商业模式?当模型能力逐渐商品化,未来AI行业的价值会流向模型本身、推理基础设施,还是Agent与企业工作流?

    注:本期播客中提到的“开源”,更准确地说是开放权重(open weights)。K3官方称自己为开放模型,它使用的是Kimi K3 License,不是标准 MIT/Apache 这类完全开放的OSI license。

    【主播】

    Yiwen,硅谷101特约研究员

    【嘉宾】

    王铁震,Hugging Face前亚太生态负责人
    Keith Zhai,TinyFish联合创始人

    【你将听到】

    中国开放模型,硅谷怎么看?
    01:45 Kimi K3为什么突然成为硅谷关注的焦点?
    03:33 从DeepSeek、GLM到K3:硅谷对中国模型的判断如何变化
    06:51 企业为什么开始转向中国模型
    10:23 中国开放模型推理成本

    蒸馏争端始末

    13:24 蒸馏争议:到底什么是蒸馏?
    17:22 K3是否可能在短时间内蒸馏最强闭源模型?
    19:48 蒸馏能解释模型的核心能力吗?

    开放模型对闭源商业模式的影响

    23:54 K3 License与开放模型商业化
    34:27 开放模型会怎样冲击OpenAI和Anthropic的收入与估值?
    37:39 英伟达为什么支持开放权重
    43:41 中国公司为什么选择开放

    强大的开放能力下,Agent生态如何变化?

    45:04 Thinking Machines为什么开放权重?
    48:39 开放模型催生的新生态
    48:43 OpenRouter等多模型平台为什么开始受益?
    49:56 对Agent产品和基础设施的影响

    开放模型的安全之争

    55:40 接近前沿的模型,到底应不应该开放权重?
    01:04:01 开源和闭源模型,谁更容易被滥用?

    【延伸阅读和相关术】

    Kimi K3官方技术报告与模型权重
    Kimi K3授权协议
    Anthropic对蒸馏攻击的指控
    《开放权重与美国AI领导力》

    【相关术语】

    开放权重(Open Weights):指模型开发者公开模型训练完成后的参数文件,允许用户下载模型,并在自己的设备或云端进行部署、推理、微调或进一步开发。开放权重并不意味着训练数据、训练代码和完整训练流程也同时公开,具体使用方式还会受到模型授权协议的限制。
    开源模型(Open-Source Models):通常指不仅公开模型权重,还公开足以让外部开发者研究、修改和复现模型的更多组成部分,例如训练代码、模型架构、数据处理方法、训练流程,以及在部分情况下使用的训练数据。由于大模型很少完整披露所有训练材料,目前业界对什么样的模型可以被严格称为“开源”仍存在争议。
    思维链(Chain of Thought):指模型在生成最终答案之前,用一系列中间步骤拆解问题、组织信息和进行推理的过程。
    规模扩展效率(Scaling Effiency):指模型将计算资源转化为能力提升的效率,也就是在使用相同或更少的算力、数据或训练成本时,能否获得更好的模型表现。
    键值缓存(KV Cache):指模型在处理上下文和生成内容时,保存此前token在注意力计算中产生的Key和Value数据。这样,模型在生成下一个token时不必重新计算全部历史内容,可以显著降低重复计算,提高生成速度;但上下文越长,KV Cache占用的内存通常也越大。

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Kablaam - Ealot
    Flickering Torches - Christian Andersen
    Radar Focus - Blue Saga
    Pulse Runner - Helmut Schenker

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guests: Keith Zhai and 王铁震.

    1 hr 8 min
  • E245|藏在大模型背后的新闻人:GPT们的回复是这样写出来的

    当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪,问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码,但真相是,那些问进你心坎里的问题、让你会心一笑的遣词造句,背后站着一群人:他们曾是记者、编辑和纪录片导演,如今藏在大语言模型之后,有一个鲜为人知的名字——内容工程师(Content Engineer)。

    当模型能力日益趋同,真正决定用户去留的,已不再是参数,而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情,正被一群文字工作者拆解成一套可以装进AI的规则。
    本期《硅谷101》播客,我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼,与NBCUniversal AI战略总监Bianca,深入探讨:什么才算“好”的对话,以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起,看看当模型能力逐渐拉平,内容与品味如何成为产品竞争力的关键,而懂人文、懂社科的判断力,又该如何翻译成工程能用的语言。

    【主播】

    Faith静远,硅谷101特约研究员

    【嘉宾】

    Tony Lin,人工智能实验室模型设计负责人,《行星酒馆》主播
    Bianca Consunji,NBCUniversal AI战略总监

    【你将听到】

    02:54 内容工程师是什么?
    05:55 内容工程师如何拆解好内容
    10:42 如何训练AI理解提问者的言下之意
    13:42 内容工程师如何“翻译”语言和文化
    16:45 新闻训练和AI对话训练都需要给到“上下文”
    18:42 语境破碎:AI对话和“网络互喷”的相似之处
    19:59 记者和内容工程师的技能重合点
    23:44 一篇爆火文章背后,文科生的AI恐慌
    26:45 基于共识训练出来的AI,不会产生伟大的艺术
    28:56 媒体影视从业者失业,罪魁祸首是AI吗?
    31:37 东尼如何在养病期间做出震惊谷歌的voice agent
    37:02 AI谄媚是产品设计问题,本质是人想要的太多了
    39:20 人除了智商情商,还会需要“AI商”
    43:33 职业价值迁移:“曾经我出卖成果,现在我展示过程”

    【延伸阅读和相关术语】

    系统提示词(System Prompt):写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作,是内容工程师的核心工作之一。
    少样本示例(Few-shot Example):在与模型交互时,随机提供几条相关案例作为参考,让模型据此理解"什么是好问题、好内容、好语气"的方法。
    语音智能体(Voice Agent):能够以语音方式进行多轮对话的AI智能体,相比文本交互更强调对话的流动感与自然度。
    多轮对话(Multi-turn Conversation):用户与AI连续来回交互的对话形式,通常是AI的弱项。当缺乏足够上下文时,AI会不断"脑补",答案越来越臃肿,中途出错则如滚雪球般放大。
    意图理解(Intent Understanding):理解提问者的“言下之意”,而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求,而不止于表面的信息拼接。
    来源归属(Source Attribution):在回答中注明信息出处、并承认现有信息不确定性的做法,是判断一则回答质量高低的重要维度之一。
    拟社会关系(Parasocial Relationship):传播学经典概念,指人对一个遥远实体(书中人物、电视形象,乃至AI)单向建立的情感关系。人在这种关系里依然拥有agency(能动性),可自行决定与对方的关系、并在互动中创造意义。
    AI谄媚(Sycophancy):指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement,产品往往会做出迁就。
    事实核查(Fact Check):新闻业的核心技能,即在信息发布前核实其真实性。AI在事实核查上效率极高,能快速交叉验证信息、呈现不同立场,帮助人跳出单一信息流。
    零工经济(Gig Economy)与AI训练师(AI Trainer):AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在,而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【采访 & 制作】
    Faith
    【配音】
    Yiwen
    【后期】
    Faith Amei
    【运营】
    朱婕
    【BGM】
    The Detective - Christoffer Moe Ditlevsen
    Reclaim - Megan Wofford
    Paper wings
    Hangover by ruiqizhao
    The light from within—howard harper-bames
    Overture - dozeoff
    New car smell—bagel
    Quiet down—Ryan connors

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guests: Bianca Consunji and Tony Lin.

    46 min
  • E244|机器人走错路了?与苏度韩铮聊聊具身智能的3D数据、路径分野与硅谷竞赛

    机器人已经能在舞台上做到翻跟头、表演武术了,但要让它在开放环境里伸手帮你拧开一个瓶盖,难度陡然跃升2到3个量级——因为那一刻,它需要理解眼前的物理世界。

    这正是苏度科技想啃下的硬骨头。苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一,师从李飞飞。这家公司走了一条与硅谷主流"纯大脑黑盒大模型"不太一样的路:软硬件协同设计,上下分层架构,上层负责任务规划与环境理解,下层负责具体物体操作;Sim-to-Real作为核心训练范式,让机器人在虚拟世界里经历几百万年的进化,再迁移到现实。
    这条路已经跑出了一定成效:面对从未见过的新物体,他们的零样本通用抓取单次成功率接近100%。
    本期硅谷101,我们邀请苏度科技CEO韩铮,一起聊聊机器人“动手”怎么实现?他预测,接下来会有更多的硅谷公司重新回到“上下分层”的方向上来。

    【主播】

    泓君,硅谷101创始人,播客主理人
    【嘉宾】
    韩铮,苏度科技联合创始人&CEO

    【你将听到】

    机器人“动手”的数据根基
    03:17 为什么做全栈(大脑+本体)通用机器人?
    07:14 苏昊早年经历:从图片标注ImageNet,到3D数据集ShapeNet
    11:08 3D数据收集,难在哪里?
    13:21 仿真需要亚毫米级精度,视频训练无法达到
    16:33 什么是Sim-to-Real(从仿真到现实)?
    18:08 创业时机的判断:DALL-E带来的数据拐点

    Sim2Real技术验证与关键突破

    21:40 仿真器的技术内核:经典物理法则+强化学习
    24:17 数据集质量与规模的平衡:自建结构化3D数据集
    28:05 实际效果如何?零样本通用抓取,一次性成功率98%
    32:11 回应Demo质疑:去学术会议现场随机环境中演示
    34:22 基础Zero-Shot泛化能力比长程任务串联更为关键
    35:45 灵巧手虽好,但不是当下的性价比最高的方法

    技术路线之争

    38:16 商业模式思考:硬件+底层模型+API,类比智能手机生态
    41:23 仿真器与机器人本体,必须软硬件协同设计强绑定
    44:04 如何教会机器人拧瓶盖?加入真实世界数据更高效
    44:51 难度对比:操作物体比运动控制难2~3个数量级
    47:28 白盒与黑盒之争:分层模型,在预训练中融入物理理解
    51:11 Sapien仿真器,让机器人像幼童第一次拧瓶盖一样操作
    53:27 数据冷启动困境:无法复刻特斯拉,必须靠仿真做冷启动
    55:38 嘉宾预言:被硅谷抛弃的“上下分层”即将重回主流

    全球机器人竞争格局

    59:08 实现机器人动手,软硬件强结合的公司才能做到
    01:00:34 硅谷明星公司点评:Skild、Figure、Optimus
    01:05:40 为什么最看好DeepMind+波士顿动力Atlas的组合?
    01:09:01 亚马逊机器人,场景多但整合困难
    01:10:02 为什么多数公司退回垂类?因为不知道通用该怎么走
    01:12:43 不做垂类押注,而是构建开发者生态,目标是成为机器人时代的“iOS+硬件”

    【延伸阅读】

    节目中提到的Demo:sudo R1评测——60分钟连续无剪辑实测

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Particle Emission - Silver Maple
    My Moon and Your Sun - Hampus Naeselius
    On the March - Brendon Moeller
    Quietly Tense - Marten Moses

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guest: 韩铮.

    1 hr 18 min
  • E243|特朗普“缓刑”红牌之外,美国资本如何硬控全球足坛

    世界杯发生了闻所未闻的一幕,在特朗普介入后,美国球员巴洛贡吃到的红牌被暂缓1年执行,有人不禁要问了,国际足联为什么要那么听美国人的话。

    部分原因可能来自于,美国资本已经渗透进了全球足坛的方方面面。比如英超的20家俱乐部中,有11家都被美国资本控股,美资甚至渗透进了欧洲五大联赛的俱乐部、商业权益开发、球员球队买卖资金周转等等方面。
    没有英式足球积淀的美国人,为什么会那么喜欢投资英式足球?美国资本又在怎么改变世界足坛呢?

    【主播】

    麻花,硅谷101特约研究员
    【嘉宾】
    张兵,懒熊体育《摸鱼的熊彼得》主理人
    施骅伦,《翻转体育》主播

    【你将听到】

    没有足球文化的美国,资本为什么爱足球
    03:05 售股两年后,曼联老板为什么又要找下家
    06:21 20支英超球队11支被美资控股,美国富豪为什么那么上头
    09:48 英超球队的上市潮与退市潮
    16:14 两任美国老板,在英国“小队”伊普斯维奇上赚翻了
    19:47 美国人对体育资产的商业化运作,到底能有多强

    美国老板们,为什么永远被球迷Diss

    22:47 曼联往事:格雷泽家族20年的骂名从哪儿来
    27:35 曼联新老板拉爵,带来的新变化可能喜忧参半
    30:04 从阿森纳到曼联,豪门为什么都爱捣鼓球场
    36:56 SoFI球场,美国人商业运作体育场馆的典型案例
    38:16 阿森纳老板克伦克,与前大股东乌斯曼诺夫的控制权之争
    45:31 克伦克说拿钱砸冠军不是第一位,那他是个好老板吗
    48:24 利物浦的两任美国老板,为什么口碑差距那么大
    52:47 美国资本,如何在切尔西身上玩脱了

    英超之外,美国资本如何渗透全球足坛

    57:10 不只英超,欧洲足坛都要被美国资本包圆了
    01:03:23 控制了众多命脉的美国资本,很可能会打造自己专属的超级联赛
    01:05:46 版权费增长停滞、球员成本上升,美资从哪儿延续回报率
    01:10:41 球迷文化抵制足球资本,但商业化的进程一直在所难免

    【延伸阅读与相关名词】


    英超Big 6:包括阿森纳、切尔西、利物浦、曼联、曼城和托特纳姆热刺,其中前4支球队又被称为Big 4或者传统四大豪门,Big 4如今都被美资控股
    阿布卡拉莫维奇:俄罗斯富豪,2003年买下切尔西,斥超过20亿英镑引援,并先后聘请穆里尼奥、希丁克等名帅执教,让切尔西收获21个冠军奖杯。后因俄乌战争被迫出售切尔西,并免除了俱乐部对其个人约15亿英镑的债务。
    大卫·邓恩:英国商人&前阿森纳副主席,英超联赛创立的核心推手之一,1996年力排众议聘请温格执教,开启阿森纳辉煌时代,2007年因支持外部资本收购俱乐部,与董事会产生分歧而被迫离开。
    乌斯曼诺夫:乌兹别克裔俄罗斯寡头,通过投资钢铁、电信和Facebook、阿里巴巴等互联网企业积累巨额财富,曾是阿森纳第二大股东,后因俄乌战争被制裁资产遭冻结,也通过DST投资过京东、小米和滴滴。
    法哈德·莫希里:英籍伊朗裔富商,因结识乌斯曼诺夫而发迹,曾任埃弗顿足球俱乐部大股东。他在埃弗顿投入巨资但管理混乱,球队战绩下滑并屡次违反财务规则,最终于2024年将俱乐部出售。
    霍斯特·达斯勒:阿迪达斯创始人之子,现代体育营销先驱,不仅帮助阿迪达斯实现了国际化,更参与并主导了世界杯、奥运会等大型国际体育赛事的商业化模式制定。
    CAA Eleven:是国际顶尖经纪公司CAA在瑞士成立的子公司,主要负责独家管理欧足联旗下国家队赛事的商业版权,包括欧洲杯、欧洲杯预选赛、欧国联及女足欧洲杯等赛事的转播与赞助权。
    TEAM Marketing:瑞士体育营销公司,是欧冠联赛从1992年改制至今的“幕后缔造者”,为欧足联创造了超过500亿欧元的收入,但双方合作将在2027年结束。
    Relevent Sports:美国体育传媒与赛事推广公司,由NFL迈阿密海豚队老板斯蒂芬·罗斯创立,以创办国际冠军杯(ICC)闻名,将欧洲豪门季前赛引入北美,还代理西甲、德甲等联赛在美洲的媒体版权。2027年起接替TEAM Marketing,负责欧足联旗下男子俱乐部赛事的全球商业版权。
    ECA:European Club Association,欧洲俱乐部协会,代表欧洲职业俱乐部利益的官方组织,拥有超过200家会员俱乐部。
    DAZN:英国全球体育流媒体平台,被誉为“体育界Netflix”,由乌克兰裔美国亿万富翁Len Blavatnik通过其美国投资集团Access Industries拥有。
    ISL:由霍斯特·达斯勒成立,是上世纪足球商业化的关键推手,曾长期独家代理FIFA世界杯的电视转播权和商业赞助权,后因过度扩张陷入债务危机最终破产,并引发了国际足联历史上最大的腐败丑闻。

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Kick Off - Earle Belo
    Don't You Think I Know They're Faster STEMS DRUMS - Eden Avery
    Kablaam - Ealot
    Bocosaurus - Arc De Soleil
    Light-Footed - Bonnie Grace

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guests: 张兵 and 施骅伦.

    1 hr 17 min
  • E242|最快半年AI跑通自进化?与陈天桥首席科学家聊聊硅谷模型必争之地

    从ChatGPT掀起生成式AI浪潮到现在,不过短短两三年,AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月,Anthropic在一份公开报告中预测,AI未来将进入"递归自我提升"(Recursive Self-Improvement, RSI)阶段,并呼吁人类共同为AI的发展设计出一个减速或暂停机制。

    AI自我进化会以多快的速度到来?未来的AI,它会在通往真理的道路上与人类并肩作战,稳步破解医学、气候等种种难题,还是会在暗处走向失控?
    本期播客,泓君邀请到专注做“发现模型”的AI公司Apodex的两位首席科学家,杜少雷和Beibin,一起聊聊AI的自我进化与自我验证。
    Apodex是一家陈天桥出资创立并亲自主导的公司,这家公司给自己的定位也非常的特别,他们只做一件事—— heavy duty solver,意思是专啃那些没有标准答案,人类自己都不知道从哪下手的难题。他们管自己想做的模型叫做 discovery model。不是从已知的信息里面找答案,而是要提出人类还没有想到过的假设,自己想办法去验证它,去解决这个世界上还没有被解决的科学难题。
    嘉宾预言,最快半年,AI就能跑通一次完整的自我进化闭环。但要实现持续的、可靠的递归提升,模型必须具备“自我验证”能力。这很像人类科学家的基本功:大胆假设,小心求证。而要让AI做到这一点,关键的前提是——教会大模型真正拥有科学家一样的品味和判断力。

    【主播】

    泓君,硅谷101创始人,播客主理人

    【嘉宾】

    Simon Shaolei Du(杜少雷),Apodex推理模型与训练首席科学家,华盛顿大学计算机科学与工程学院副教授
    Beibin Li (李辈滨),Apodex自我进化与编程首席科学家

    【你将听到】

    自我进化背后的底层能力
    03:00 AI自我进化不是新概念,两三年前就有了
    06:48 RSI概念火了,背后是模型能力变强了,长程任务表现更好了
    09:20 技术上如何训练AI做好长程任务?算法+数据+infra
    12:45 Coding能力代表了模型自我进化的底层能力
    14:29 用自我验证规避“递归漂移”,代码领域相对可控
    16:21 Apodex的验证方法:多个子agent互相验证
    19:11 自我进化三条路径:预训练、后训练、Harness
    23:56 另一项关键能力DeepResearch,Apodex如何做到多个榜单第一?
    29:19 技术范式决定了多个agent组团解决问题效果好于单个
    31:18 模型自动进化后,会碾压agent团队吗?垂直领域护城河仍在

    自我进化关键一步——学会提问

    34:19 Apodex定位:用Discoverative框架解决人类未解难题,不把Token当生意
    36:18 “发现模型”最难之处:提出超出经验范围的假设,并去验证
    37:52 让AI像科学家一样提问,需要模型有更好的品味
    43:31 如何避免大模型拍马屁?远离大众偏好
    46:30 “AI宪法”定义性格,顶级科学家数据校准品味

    巩固品味,阻止“跑偏”

    51:33 AI巨头都在做科研发现模型,判断问题价值是关键
    55:32 不同于AI for Science,Heavy Duty Solver是通用模型,强调元能力
    57:25 最快半年能跑通自我进化的第一个闭环,但解决递归漂移还需要2-3年
    58:43 让科学家睡不着觉的问题:如何防止AI“走火入魔”
    01:00:04 解决方案仍靠人工手调,“自我蒸馏”也许是个方法
    01:04:28 人类只是warm start,未来AI将形成自我品味,就像AlphaZero
    01:06:18 陈天桥与Apodex:制定“宪法”,聚焦Heavy Duty Discovery

    【硅谷101正在招聘】

    《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
    👉🏻点击查看招聘详情

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Light-Footed - Bonnie Grace
    Reclaim - Megan Wofford
    Charcoal Stream - Curved Mirror

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guests: 李辈滨 and 杜少雷.

    1 hr 11 min
  • E241|跑鞋技术迭代史:马拉松跑进2小时,靠人还是靠鞋?

    本期节目由AI轻办公神器vivo X Fold6赞助播出

    今年4月的伦敦马拉松,肯尼亚选手萨维以 1小时59分30秒 的成绩夺冠,成为首位在正式马拉松比赛中跑进2小时的运动员,这场比赛的亚军克杰勒恰同样跑进了2小时,创造了历史。

    事后媒体关注到,萨维和克杰勒恰,包括这场比赛的女子冠军阿塞法,他们穿的鞋,都是阿迪达斯的Adios Pro EVO 3。但在此之前,统治马拉松赛场10年之久的一直是耐克,也是它,发起了一度轰轰烈烈的Breaking 2项目,剑指帮助运动员马拉松“破2”。
    尽管跑步这项运动自古有之,但直到1960年代,人们才真正拥有专为路跑设计的现代化跑鞋。过去60多年的发展历史里,路跑鞋都发生了哪些技术变革?运动鞋品牌,又是怎么在马拉松赛场内外你追我赶的?

    【主播】

    麻花,硅谷101特约研究员
    【嘉宾】
    盖德,《迪谈盖论》主播

    【你将听到】

    跑鞋技术迭代史,谁是最有突破性创新的那双鞋
    04:26 划时代跑鞋:阿迪Ultra Boost和耐克Zoom Vaporfly
    06:58 TPU超临界泡棉,阿迪Ultra Boost的秘密武器
    07:54 耐克Zoom Vaporfly的必杀技,把碳板和超级泡棉结合到一起
    10:30 中底的重要性:辅助一个动作重复4万多次仍能保持优秀性能
    12:11 中底之外,鞋面、鞋楦也有技术之争
    14:11 产品经理谈跑鞋研发,好跑鞋可能会经历20多个版本的修改
    16:24 不同品牌的跑鞋,中底材料可能来自同一家公司
    17:46 裸足感跑鞋的兴起和沉寂
    21:20 马拉松跑进2小时,靠的到底是鞋还是人

    阿迪VS耐克,交替主宰21世纪的马拉松赛道

    25:16 帮助破纪录的Adios Pro EVO 3, 大火背后也有偶然
    27:48 被各大品牌纷纷采用的碳板,阿迪为什么偏不用
    30:04 耐克的遗憾,最有可能破2的合作跑者不幸去世
    31:36 一度大杀四方的耐克,是如何失去马拉松赛场绝对优势的
    33:50 想要跑鞋卖得好,一定要在竞速跑比赛里有姓名
    36:27 限量发售,可能会让Adios Pro EVO 3无法统治赛道
    37:58 品牌研发冠军跑鞋很难,选到冠军“潜力股”更难
    39:32 四大慢跑鞋品牌,为什么在阿迪耐克的竞争中“隐身”了
    42:11 新秀昂跑和HOKA,仍在竞速跑的关键之门外

    技术差距、时尚化和瓶颈期,跑鞋之争的未来

    45:24 跑鞋品牌的技术优势,很难独领风骚很多年
    47:13 阿迪能不能统治马拉松赛道,还得看它鞋面的表现
    48:18 超级大Logo的Adizero EVO SL,成了2025年的大爆款
    51:13 复古New Balance,很可能成为第四个百亿美元规模运动品牌
    54:50 本土跑鞋vs国外跑鞋,技术差距到底在哪儿
    57:42 跑鞋之后,运动品牌开始押注越野跑和Hyrox了
    59:14 国内的运动品牌,该去国外卷卷了

    【延伸阅读】

    重要跑鞋变革史:
    1960,New Balance Trackster问世,以波纹鞋底取代鞋钉,成为首款无钉跑鞋
    1974,耐克联创鲍尔曼发明华夫饼鞋底,鞋款大卖,耐克趁势赶上美国慢跑热
    1977,Brooks推出的Vantage鞋款,成为第一款大规模采用EVA材质中底的鞋款
    1978,耐克首款 Tailwind 跑鞋上市,首次采用Nike Air 气垫技术
    1986,亚瑟士推出首款应用GEL缓震胶技术的跑鞋Freak,GEL此后一直是亚瑟士的王牌技术
    1991,索康尼推出GRID网格缓震系统,将纤维嵌入EVA中底,兼顾缓震和支撑稳定
    2004,Nike Free 面世,开启赤足感跑鞋风潮
    2015,Adidas Ultra Boost 面世,采用TPU材料及超临界发泡技术,提供“踩屎感”,成为阿迪最受欢迎的缓震技术
    2016,耐克推出Zoom Vaporfly 4%,首次将超级泡棉PEBA和碳板结合,Vaporfly 和Alphafly 系列随后高频亮相马拉松
    2026,两位运动员穿着阿迪的Adio Pro EVO 3跑马“破2”,该款鞋为全球第一双实现量产的、单只重量不超过100g的跑鞋

    两类中底技术:

    机械结构:通过中底的物理形态设计来影响性能,比如碳板、碳环、镂空等,相当于中底的“骨架”
    发泡材料:通过中底本身材质来影响性能,代表材料包括EVA、TPU、TPEE、PEBA等,相当于中底的“肌肉”

    四大发泡材料:

    EVA:最传统、最普及的发泡基底,轻质柔软成本低,但回弹和耐久性一般,多为入门级跑鞋中底材料
    TPU:回弹性、抗撕裂性和耐久性优于EVA,但密度较大,鞋偏重,为阿迪Boost中底所用材料
    TPEE:TPU升级版,回弹率更高、更轻、更耐疲劳,但加工难度高、成本高,为阿迪Adios Pro 系列Lightstrike Pro中底的材料
    PEBA:超级泡棉,回弹率极高、极度轻量,但成本昂贵、耐用性一般,为耐克ZoomX中底所用材料

    耐克Breaking 2项目:2017年推出,旨在挑战人类马拉松“破2”极限,项目中跑者基普乔格在意大利蒙扎赛道达成了2小时00分25秒的优异成绩,耐克借势推出Zoom Vaporfly Elite

    耐克目前的慢跑鞋三大系列:飞马(Pegasus)、迈柔(Vomero)和稳程(Structure)
    格布雷西拉西耶:长跑传奇选手,蝉联1996、2000年奥运会10000米冠军,并曾打破25次世界纪录,也是首位将马拉松跑进2小时04分的运动员
    基普乔格:2016、2020年两届奥运会马拉松冠军,保持着多项赛道纪录,2019年在维也纳以1小时59分40秒完成“破2”壮举,但因为非正式比赛,成绩没有纳入马拉松世界纪录
    基普图姆:肯尼亚马拉松跑者,首位在正式马拉松中跑进2小时01分的运动员,2024年2月不幸因车祸去世
    大迫杰:日本顶尖马拉松运动员,职业生涯三次刷新日本马拉松国家纪录,首位跑进2小时05分的黄种人。

    vivo X Fold6

    全新升级的原子工作台,支持串行、并行双模式,一屏多用,告别反复切应用的碎片化体验

    【监制】

    泓君
    【后期】
    Amei
    【运营】
    朱婕
    【BGM】
    Burn Away (Instrumental Version) - Nyck Caution
    Rumors About Us - T. Morri
    Melting Glass - Eden Avery
    What We Stand For - Francis Wells

    【在这里找到我们】

    公众号:硅谷101
    收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
    其他平台:YouTube|Bilibili 搜索「硅谷101播客」
    联系我们:[email protected]

    Special Guest: 盖德.

    1 hr 2 min
  • E240|OpenAI联手PE砸下40亿美元,聊聊硅谷最火新职位FDE

    5月初,OpenAI成立了Deployment Company(部署公司),Anthropic也宣布与包括Blackstone在内的多家金融机构合作成立合资企业。这些顶尖模型公司,都开始押注同一种服务:不只是提供AI工具,而是深入企业内部,在具体业务场景中把AI能力真正部署起来。

    这也让一个工种迅速走到台前:Forward Deployment Engineer(FDE),前线部署工程师。他们既要懂模型和技术,也要理解客户的数据、流程和业务痛点,核心任务是把AI从demo变成各个职业自己的AI-native工作流。
    这期播客中,我们请到了两位一线从业者讨论FDE和部署公司。一位是Cresta FDE团队负责人Jove。Cresta为企业呼叫中心提供AI Agent,Jove从去年年初就开始扩招FDE团队。另一位是前麦肯锡咨询师、现任Invisible Technologies企业业务VP的Oliver。他从私募和咨询行业的视角,解释了为什么模型公司选择直接与PE合作,而不是依赖传统咨询公司。
    我们聊了FDE这份工作的具体形态、它与Palantir早年军方部署模式的渊源,也讨论了在这波AI落地浪潮中,私募基金和咨询行业正在经历怎样的变化。

    • Oliver的访谈以英文进行,在本期播客中以配音方式呈现。
    • 【主播】

      Yiwen,硅谷101特约研究员

      【嘉宾】

      Jove,Cresta FDE团队负责人
      Oliver,Invisible Technologies企业业务VP、前麦肯锡咨询师

      【你将听到】

      模型公司为什么开始做部署
      01:57 从DeployCo到合资企业,模型公司为什么要提供部署服务?
      04:30 什么是FDE?让AI应用真正在客户企业跑起来的工程师

      FDE的具体工作

      07:58 应用层公司和模型公司的数据优势之争
      09:18 FDE的工作现场和具体案例
      12:43 FDE与Palantir的渊源:Echo和Delta团队
      14:27 FDE和FDPM分工:像CTO和CEO的搭档
      17:52 什么样的人最适合做FDE?
      22:47 FDE会不会被AI自己取代?是长期职业还是过渡角色

      私募与AI部署的重要入口

      26:10 PE为什么找模型公司合作,而不是传统咨询公司
      32:32 PE和私募机构选择和模型公司合作的三个核心诉求
      34:08 LP为什么在推动GP做AI转型
      36:04 PE工作流自动化的具体案例:AI销售助理、尽调平台、基金运营

      AI如何改变咨询和企业自身

      41:37 AI会代替咨询吗?
      43:02 企业用AI最容易踩的两个坑:数据整合不到位、不该用AI的环节硬上AI
      44:17 整合企业数据为什么比想象中难
      46:19 模型能力不断发展,Agent本身会取代FDE吗?
      48:14 技术专家之外的人的价值

      【硅谷101正在招聘】

      《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
      👉🏻点击查看招聘详情

      【监制】

      泓君
      【后期】
      Amei
      【运营】
      朱婕
      【BGM】
      Poisson d'Avril - Ludvig Moulin
      Rumors About Us - T. Morri
      Radar Focus - Blue Saga
      Unfinished Stories - Lennon Hutton

      【在这里找到我们】

      公众号:硅谷101
      收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
      其他平台:YouTube|Bilibili 搜索「硅谷101播客」
      联系我们:[email protected]

      Special Guests: Jove and Oliver Søe.

      52 min

    About 硅谷101

    From the publisher's feed

    失败、背叛、不被理解,硅谷精神领袖一直都不是完美的存在;他们是科学家,创造者,行动派,他们有独立的价值观。《硅谷101》是由媒体人泓君发起的深度访谈节目,是一档分享当下最新鲜的技术、知识与思想的科技播客。 公众账号:硅谷101 联系邮箱:[email protected]

    Best of 硅谷101

    Ranked by our users in the last 21 days

    More shows like 硅谷101

    雪球·财经有深度 by 雪球

    雪球·财经有深度

    23 Listeners

    疯投圈 by 黄海、Rio

    疯投圈

    113 Listeners

    声东击西 by ETW Studio

    声东击西

    325 Listeners

    忽左忽右 by JustPod

    忽左忽右

    467 Listeners

    硅谷101|中国版 by 泓君Jane

    硅谷101|中国版

    57 Listeners

    商业就是这样 by 商业就是这样

    商业就是这样

    293 Listeners

    知行小酒馆 by 有知有行

    知行小酒馆

    421 Listeners

    声动早咖啡 by 声动活泼

    声动早咖啡

    307 Listeners

    大小马聊科技 by 大小马聊科技

    大小马聊科技

    5 Listeners

    Web3 101 by Web3 101

    Web3 101

    24 Listeners

    42章经 by KaiQu

    42章经

    12 Listeners

    起朱楼宴宾客 by 大卫翁

    起朱楼宴宾客

    53 Listeners

    厚雪长波 by 雪球官方账号

    厚雪长波

    14 Listeners

    高能量 by 李翔李翔

    高能量

    32 Listeners

    小Lin说 by 小Lin说

    小Lin说

    50 Listeners