张小珺Jùn｜商业访谈录

今天的嘉宾是战略学家曾鸣教授。曾教授曾经是阿里巴巴集团总参谋长，也参与过两所商学院创建（长江商学院和湖畔），但他更令人熟悉的身份是：一名对企业战略有许多深度思考的研究者。不少创业者和企业家都受到过他的启发。 作为观察过互联网完整周期的研究者，今天我们聊了聊他对AI新时代、新范式的完整思考，并和历史上关键转折时期做了对照——聊完让我有了更全局的视角。 对AI的产业发展， 曾教授提出了许多非共识判断，甚至是一些“暴论”。 这里我先摘录15条： AI产业化会有三个阶段：1）第一个阶段，技术逐渐被社会接受，成为社会基础设施；2）第二个阶段，基于基础设施产生海量新应用，进入百花齐放的时代；3）第三个阶段，当这些海量应用出现，大家发现需要一些更底层的方法运行新的世界，我把它叫作“原生应用阶段”。 我只是研究商业世界的动力学规律，我能看到的理论框架告诉我：第一阶段的企业，很难活到第二阶段；第二阶段的企业，很难活到第三阶段。 对比互联网时代，我们现在刚刚走到浏览器阶段，甚至比Yahoo还要早。 模型公司怎么类比？它有点像另外一个已经消失了的公司——美国在线AOL，它是互联网基础接入服务商，让所有人都能够接到互联网上，这本身是个巨大的工程。今天，大模型则是让所有人都可以轻易接入智能的入口，它也是一个基础设施服务商。 直白一点说，模型公司就是未来的AI云公司。 公共基础设施的行业，只有一种商业模式是成立的，叫寡头垄断加政府强监管——我知道这个现实对很多现在创业的人很残酷。 Anthropic、OpenAI，大概率不是原生应用阶段的大玩家、大赢家。 因为经济学基本规律，只要有同质化的供给，你就不可能获取高额利润，你就是一家不怎么值钱的公司。 下个阶段就是看谁是Netscape、谁是Yahoo，谁把Agent的标准建立起来，谁抢住Agent的用户入口。未来三年是有可能开始出现Agent入口的。 新的平台大概率不诞生自旧的平台。因为旧平台做的是简单信息匹配，新平台要做的是能力跟需求的匹配，复杂度高了很多。 作为工业化革命的产物，科层制管理的公司制度会衰亡——就是说，“公司”会消亡。这没有什么可以遗憾的呀，将来有更好玩的——你说多少人现在去公司上班是开心的？ 我从来觉得在巨浪面前没有人是安全的。谁觉得安全，谁就是最不安全的。 CEO不能有老板心态。谁还认你啊？——现在说我都不陪老登玩了，我还陪你老板玩？ 张：这个时代的企业过渡到下一个时代的企业，还能做得非常好的，多不多？曾：不是多不多的问题，是有没有的问题。张：有没有？曾：基本没有。 这一点都不让人绝望啊，人有生老病死，公司也有生老病死，没有比这更正常的了。这样，新公司才有机会，年轻人才有梦想，这多好的一件事情啊！ 好了，更多内容还是收看我们的播客吧:) 接下来，就是我对曾教授的访谈。 OUTLINE: 00:03:08 来自商业规律的残酷真相 00:39:53 新平台不来自旧平台 01:06:15 “公司”要被淘汰 01:31:10 优秀≠卓越 01:38:17 战略生成系统 02:02:48 没有巨头是安全的 02:18:01 创造就是“无中生有” LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 小宇宙 、 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天的节目是一集 学习播客 ，学习Kimi K3技术报告，希望和大家一起领略“技术之美”。 K3是有效扩展到2.8T总参数并全量开源的MoE模型。大家可能注意到，这集技术报告的领读距离模型发布已经过去一段时间。期间，我们试图寻找一位合适的嘉宾，我们希望这位嘉宾的学术和工作背景非常适合讲K3。最后找到孙宇涛。 宇涛目前是清华大学计算机系博士候选人，上海创智学院璞锐学者。他从博士开始的研究方向是LLM架构、预训练，架构创新一直是他的兴趣点，这正好是K3亮点之一。 宇涛透过领读K3技术报告也串联讲解了十多篇相关论文。 他的语速非常快——前方语速预警。 OUTLINE: 02:00 宇涛的自我介绍和研究经历，为什么对架构创新最感兴趣？ 16:05 从Kimi K3论文出发，论文讲解的框架与脉络 19:02 宇涛开始领读论文： 1 导读 Kimi K3将设计概括为沿sequence、depth和width三个维度扩展信息流；其中depth与width本质上仍是模型容量扩展的两种组织⽅式，这⼀“三维 scaling”更多是贯穿论⽂的叙事框架。 2 Model Architecture 2.1 线性注意⼒的前世今⽣ [Microsoft Research] RetNet ：最初的 data-independent decay 与 chunk-recurrent 递归形式 [NVIDIA] Gated DeltaNet ：引⼊ gated delta rule [Moonshot AI] Kimi Linear ：fine-grained decay及其带来的infra变化 2.2 Gated MLA [Alibaba Qwen] Gated Attention for Large Language Models ：attention gating与训练稳定性 2.3 Attention Residuals [Microsoft Research] On Layer Normalization in the Transformer Architecture ：Pre-LN、Post-LN与训练稳定性 [ByteDance Seed] Hyper-Connections：残差连接的新维度 [Moonshot AI] Attention Residuals ：以跨深度attention取代固定残差累积，使各层选择性聚合此前表⽰ 2.4 Stable LatentMoE与SiTU-GLU [NVIDIA] LatentMoE ：通过latent expert space降低MoE通信与权重访问成本 [OpenAI] GPT-OSS ：以clamped SwiGLU控制激活值 2.5 Muon [Moonshot AI] Moonlight / Muon is Scalable for LLM Training ：更好的优化表现及随之突出的 activation outlier问题 2.6 Quantile Balancing [科学空间] 《MoE环游记：6、最优分配促均衡》 ：从最优分配推导Quantile Balancing 2.7 Native Vision 3 Pre-Training 3.1 Scaling Law [OpenBMB] MiniCPM ：WSD的训练预算扩展、稳定阶段复⽤、继续训练与提前停⽌ 3.2 Long-Context Extension [Cohere] RNoPE ：交替使⽤RoPE与NoPE，兼顾位置建模与长上下⽂检索 4 Post-Training 4.1 Post-Training Pipeline 4.2 Reinforcement Learning [Moonshot AI] Kimi K1.5 ：提出partial rollout，通过复⽤未完成轨迹降低长CoT rollout开销 [Moonshot AI] Kimi K2.5 ：reasoning-effort budget control 与 Agentic Generative Reward Model 4.3 Multi-Teacher On-Policy Distillation [Microsoft Research] MiniLLM ：基于student-generated samples的on-policy distillation 4.4 Deployment-Aware Post-Training 4.5 Draft Model Fine-Tuning 5 Infrastructure 5.1 Pre-Training 5.1.1 KDA Kernel [FLA] Flash Linear Attention ：KDA kernel与线性注意⼒⾼效实现 5.1.2 Distributed Training [DeepSeek-AI] DeepSeek-V3 Technical Report ：DualPipe与细粒度MoE communication–computation overlap MoE overlap的资源trade-off与cross-PP activation transfer 5.1.3 Perfectly Balanced Expert-Parallel MoE Training 5.1.4 Memory-Efficient Training [Moonshot AI] Mooncake ：Mooncake Transfer Engine与cross-PP activation remote offload 5.1.5 Multimodal Encoder Optimization 5.2 RL 5.2.1 Long-Context RL Infrastructure 5.2.2 Sandbox Infrastructure 5.3 Inference 5.3.1 KDA-Aware Prefix Cache Management 5.3.2 High-Performance Kernels 5.3.3 Fleet-Level Scheduling LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 小宇宙 、 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天是一集很可爱的播客，嘉宾是出生于2009年，现今17岁的高二学生苏庭灏 （Jonathan）。他高中阶段独立做预训练研究，发表的一篇关于Attention机制的论文刚刚被ICML 2026 Main Track接收。 我们的节目访谈过许许多多成熟的AI研究者， 但这是第一次，我打开了一个高中生的AI世界。 他的表达时常有些令我新鲜和奇妙。 我们聊了聊，过去2年他充满惊喜、趣味，还有哭鼻子的AI旅程，也聊了聊高中生视角下的模型、商业、教育与人类未来。 他说，AI让他和同学们有时会感到失去了一些人生的意义感，因为不管你做什么AI都可能比你做得更好，他为此难过了一段时间。 但后来他调试好了心情。 他想好了，他就是想让自己开心，让自己喜欢的人开心，让所有人都开心！——开心是人之根本——既然AI不可控，就不要杞人忧天，要多和喜欢的人聊聊天呀：） 参加完韩国ICML，中途在城市停顿几天，他就要去农村支教了。那是全然的另一个世界。他提醒自己，要离开AI，沉浸到另一个抓昆虫、玩狼人杀、慢吞吞的人类世界。 接下来，就是我和苏庭灏的聊天。 OUTLINE: 00:03:04 我想做一个全世界最好的大语言模型！ 00:08:12 喜欢自由探索，喜欢下象棋，象棋如游戏 00:11:15 我如何独自做预训练，预训练有点magical 00:13:07 我白白丢了1500，我特别特别伤心，我都哭了 00:13:55 被2026年ICML收录的论文《Attention Projection Mixing with Exogenous Anchors》 00:17:48 高中自学AI之路和那些灵光乍现的时刻 00:21:44 我一生中前20最开心的时刻 ，遇到每个人我都会问：AI会灭绝人类吗？ 00:28:22 我眼中的模型公司、应用公司、机器人公司、AGI与商业世界 00:31:46 作为AI原住民的05后，我会教我父母用AI，我观察AI让好学生成绩更好了 00:36:47 一位高中生视角下，AI降临后的教育突变：人失去了意义感 00:40:05 我希望AI发展别那么快，给人类一个缓冲的时间 00:41:32 我同学说，我现在从读书到当医生还要10年，但没人知道10年后是不是AI做的比人好 00:47:09 AI降临前后的两个世界和两种生活 00:51:44 我从韩国ICML回来马上穿梭进另一个世界：在农村支教 00:57:21 开心是人之根本，开心的总量是有限的 00:59:12 狂想未来，我希望所有人都开心！！！ PHOTOS: (第一次参加ICML的Jonathon) （象棋比赛中的Jonathon） （在支教的Jonathon） LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 小宇宙 、 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

每次见到刘洺堉，他都穿一件黑色夹克，背着一个有点旧的斜挎包。 现任英伟达研究副总裁的刘洺堉，是英伟达第一位从研究员擢升至副总裁之位的管理者，他领导英伟达最重要的模型项目之一——世界基座模型Cosmos。 刘出生于中国台湾，是金庸小说爱好者。18岁起，刘洺堉就师从著名的武术家徐纪（神枪李书文一脉传人），练习中国功夫，一直至今。最近他又有了一个ice plunge（冰水浴）的新嗜好。凌晨4点多，刘洺堉起床后会依惯例进行武术训练：一个人蹲桩、打拳。做完全套后，再只身跳进冰桶，帮助身体修复。 这种锻炼习惯与我对刘洺堉的印象截然不同——他看起来谦和，说话音量也不大。 “中国武术最重要的是控制自己。”刘洺堉说，“我并不是为了展现强大的破坏能力。” 某种程度上，这反映了他以及他所代表的英伟达这样巨型的基础设施型企业的竞争观。 访谈中，他反复强调，他没有任何竞争对手，他没有和任何人竞争，所有人都可以是合作伙伴。 “什么叫战争呢？我没有打算把别人杀死。”刘洺堉说，“我们的心态不是说想把别人给杀死，我们的心态是我们要怎么去造市场。你懂我意思吗？” “Jensen（英伟达创始人兼CEO黄仁勋）经常说，要造市场，而不是存量竞争。他讲我们就要做zero-billion-dollar business（从零到十亿美元的业务）——你可以不赚钱，但当这个生意成功的时候，必须是很influential（有影响力）的。不能说满足每年赚100个million（1个亿）——这种scale（规模）对很多公司都很大，但对英伟达而言，这是一个distraction（分心）。”刘接着说，“你要去解最重要的问题，产生最大的贡献。” 英伟达正在“造”的市场，即面向物理世界的人工智能（Physical AI），世界基座模型Cosmos被寄予厚望。这个项目从2024年立项，经过两年多已发布至Cosmos 3。Cosmos直属团队不到100人，虚线汇报规模是200至300人。黄仁勋对刘洺堉表达战略决心，称：“你就做到Cosmos 97。” 如今，刘洺堉已在美国生活20年，在英伟达工作10年，他仍然用一些朴素的东方智慧进行技术表达——比如，他把大模型比作中医，时常援引《孙子兵法》“备多则力寡”来思考世界模型的技术趋势。 本次访谈，我们详细地聊了聊Cosmos系列（尤其是前不久发布的Cosmos 3）、世界模型、物理世界的人工智能、英伟达的竞争观、组织哲学，当然还有绕不开的黄仁勋。 接下来，就是我对刘洺堉的访谈。 OUTLINE: 00:02:35 英伟达的赌注与边界 00:29:57 意外、顿悟、转变 01:02:46 如何在英伟达拿到GPU 01:21:57 从研究员到英伟达VP：“我可能是第一个吧” 01:37:00 Cosmos的诞生 01:51:39 从Cosmos 1到Cosmos 3的演变 02:36:33 “黑客帝国” 02:44:20 下一个CUDA? 02:47:04 关于黄仁勋：Mission is the boss 03:12:20 模型竞争不是鱿鱼游戏 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 小宇宙 、 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

我们此前访谈过谢赛宁（AMI）、洪乐潼（Axiom），他（她）们分别来自在欧洲和美国的neo lab。但今天，这个现象已不止于海外——2026年，中国也涌现了一批新型实验室。 这些有研究背景的老师或学生，正在成为一级市场的新宠儿。他们普遍年轻、有名校科研背景、第一次创业。在还没有产品的时候，就能以估值数亿美金融资。 当下资本涌入最活跃的方向是，世界模型和AutoResearch（又称AI for AI）。 我很好奇这个现象的现实与成因。这集节目，我邀请了清华大学人工智能学院助理教授、上海期智研究院PI刘子鸣。他毕业于北大和MIT，是KAN网络的一作，于3月刚刚回国到清华任教，同时参与创建公司元环智能。 他用“太疯狂了”来形容这股新的资本潮。 我们聊了聊中美neo labs的兴起与成因，以及他所探索的一条非典型AI for AI叙事。 接下来，就是我对刘子鸣的访谈。 OUTLINE: 00:02:00 刘子鸣的自我介绍（从物理转型AI） 00:08:24 研究者的类型：“鸟人”vs“蛙人” 00:10:24 2024年研究KAN网络，刚开始Max Tegmark不同意 00:16:18 思考，怎么让设计模型也变成一门科学，变得scalable？ 00:18:21 我同意谢赛宁说，“大语言模型是反bitter lesson的” 00:20:20 在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型 00:21:16 我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界 00:28:00 从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur 00:37:11 26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？ 心理层面，一部分研究员不想做“大头兵”；现实层面，neo labs的方向是Coding Agent的missing part 00:42:41 当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch 00:44:16 作为neo labs参与融资的实际体感：“就是，太疯狂了！” 00:46:51 做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？ 00:54:53 meta model（原模型）是预测下一个curve，这件事怎么做呢？ 设定的目标是什么？ 01:04:20 如何理解AI这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验） 01:09:09 为什么做AI for AI需要Physics of AI？为什么做AutoResearch需要理解AI的原理？ 01:12:49 Anthropic的机制可解释性能做到什么程度？ 01:18:16 如果AI for AI在AGI主线上，neo labs和现有frontier labs的竞争 01:21:57 倘若人人都能训模型，能干啥？ 01:26:25 梳理今年中美做AI for AI的创业团队和路线 01:34:50 截至2026年AI发展阶段和创业新体验 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天我们的嘉宾是游凯超，他是创业公司Inferact联合创始人兼首席科学家—— 这个公司很特殊，是从伯克利一个校园开源项目vLLM演化而来。 这个社区的维护者用了将近3年时间，把它从一篇算法论文变成了一个开源社区，又变成了一个公司的正常运营。 这些维护者们放弃了大量的个人诱惑，坚持着他们所相信的开源精神。 今年初，Inferact获得了1.5亿美元种子轮融资。我们讨论了当一个寄托着社区情怀的开源项目，变成一个商业化的组织运营之后，它所面临的抉择、转变与思考。 另外一方面，我们也非常希望在AI Infra技术前沿上，给大家带来一些新的思路。所以我也和游凯超聊了聊，在AI Infra、模型结构，甚至Harness Engineering都要联合设计的时代背景下，多方的联合设计应该怎么做？ 接下来，就是我对游凯超的访谈。 OUTLINE: 00:02:18 从算法到机器学习系统 00:37:56 开源项目vLLM的诞生 01:07:25 “如果vLLM失败了，我们会后悔一辈子” 01:20:11 “仁慈的独裁者” 01:37:16 从社区到创业 01:52:56 模型与Infra的Co-design 02:15:10 Token VS 电力 02:35:41 技术预测 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

进入2026年，中国科技业萌生了一个新现象：出现一批从机器人大脑出发的公司，现阶段重心不在本体上。这个现象是反直觉的——过去，大家认为，硅谷机器人团队更专注大脑研究，中国机器人团队更专注硬件和本体。 在我们上集节目中，我访谈了Physical Intelligence(Pi)研究科学家柯丽一鸣。Pi是一家在硅谷做机器人大脑的备受瞩目的实验室。业内人士把它们比作机器人的OpenAI。 今天我邀请的是一位在本土探索原生具身基模的公司，是由蚂蚁集团孵化的子公司蚂蚁灵波，目前刚发布第二代具身基础模型。 我与首席科学家沈宇军聊了聊， 如何从预训练开始训一个机器人模型？瓶颈是什么？机器人的GPT-1 moment在哪里？——大家也能从中感受一些中美思路的融合与差异。 接下来，就是我对沈宇军的访谈。 OUTLINE: 00:02:03 蚂蚁灵波的缘起 人工智能学生的一段迷茫与辗转 从字节跳动到蚂蚁研究院 蚂蚁成立子公司蚂蚁灵波做具身智能始末 00:16:03 做机器人的原生大脑 为什么决定从大脑开始？ 通用意味着跨本体、跨场景、跨任务 24年底成立以后，25年、26年bet了什么？ 25年：从真实传感器出发解决问题 26年：既然没办法push数字世界修改模型，基于物理世界的需求重做一遍 预训练准备数据核心是：1、你要下发什么样的任务，2、拿到数据以后怎么处理更干净 这次发布的6个模型和他们的关系（Depth、Vision、VLA、Video、World、VA 2.0） 但更本质的智能我们还没解决：把和人的交互考虑进去 做具身大脑之后，处理位置随机问题的能力强了很多 机器人泛化性的迹象到底出现了吗？ 01:07:29 数据没有scale up是最大卡点 具身智能还没有到GPT-1时刻，因为没有看到比较好的做数据scale up的方式 当具身数据和互联网数据能达到相同量级，可能才到GPT-1时刻，我预计明年中 发完第一代模型我们就意识到，强行在数字模型上魔改不work 硅谷两家机器人大脑公司 ：Physical Intelligence强调zero shot，Generalist强调后训练 随着灵巧手的成熟，真机遥操作和UMI（Universal Manipulation Interface，通用操作接口） 两条数据采集路线可能变化 细数2024-2026年具身智能全行业的发展与速度 行业发展不及预期的仍是数据，需要百万小时起步的数据量 01:23:10 机器人大脑与本体的关系 为什么不做本体？本体很难通用，如果场景选不准，本体设计有问题 现在大脑的开发落后于本体，未来大脑和本体一定交替上升 这一代的硬件不一定能够迭代去适应下一代的模型，尤其是传感器 接下来的几代机器人基座模型会如何迭代？ 01:31:48 创业是赌出来的、与蚂蚁的关系、汤晓鸥 下过的“赌注”？ 蚂蚁如何管理蚂蚁灵波？ 最好的预期和最坏的预期？ 最终的产业格局？也许贴近大语言模型的格局 你对人形机器人有执念吗？ 没有！ 当下的核心任务只有一个：智能不够！ 我的老师汤晓鸥 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天的嘉宾是硅谷机器人公司Physical Intelligence（Pi）的研究员柯丽一鸣（Kay Ke）。 Pi是一家专注于研究机器人“大脑”的明星创业公司——成立仅两年，投后估值已超50亿美元，是这个赛道最受瞩目的独角兽之一。部分业界人士对它的期望是，成为机器人领域的OpenAI。 柯丽一鸣在Pi主要负责强化学习方向的研究，也是Pi核心论文的作者之一。 在科研之余，她追求在工作和人文表达之间找到平衡，所以业余时间她也会写写小说。这让今天的聊天更有意思了。 节目中，我们详细聊了聊机器人的江湖、谱系、门派与主角们。 全球的机器人团队都非常关注Pi在机器人大脑上的开源工作。柯丽一鸣详细阐述了他们的研究思路与技术细节（从π0到π0.5再到π*0.6）。 但由于我们这集节目的录制时间比较早，尚且没有囊括他们的最新模型π0.7。嘉宾关于π0.7的技术讲解，我会补充在shownotes里。 接下来，就是我对柯丽一鸣的访谈。 OUTLINE: 00:02:11 机器人与小说家 00:17:26 武侠、板寸、背包客 00:36:33 草蛇灰线 00:53:56 机器人江湖、族谱、主角 01:27:18 硅谷创业图谱 01:54:43 PI的研究：π0、π0.5、π*0.6 *嘉宾补充：π0.7强调统一模型，不需要后训练，就能媲美以往后训练的通用能力。有架构和数据（有不少之前自主rollout数据）的设计。 02:26:01 PI的组织与文化 02:34:52 放弃剑桥教职 02:46:49 巴甫洛夫的狗 03:04:53 前沿展望 03:16:14 中国 03:25:02 机器人“种族” 03:31:19 没有写完的故事 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

站在今天这个SpaceX IPO的历史性时刻，我们决定加更一集节目。 我邀请了SpaceX前火箭首席制造工程师洪力德（Lewis Hong），一起来聊聊， 随着SpaceX收购整合x.AI并完成截至目前史上的最大一起IPO，在太空与AI加速融合的背景之下，这会不会是人类文明扩张的前奏？ OUTLINE: 00:01:24 SpaceX的IPO与对x.AI的收购 00:31:30 极端内向的马斯克和用人观 01:03:42 SpaceX内部的真实情况 01:30:51 “那我接受你的辞呈” 01:56:35 SpaceX开发史、Falcon 9成与败 02:11:19 航天产业的地图与权力 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

前面几集节目，我和大家一起遇见了许多年轻的面孔——他们是AI时代原生的创业者和技术领袖。但是AI对社会的渗透是全方位的，不止于新技术与新产品。 今天我们的嘉宾是安克创新的创始人兼CEO阳萌。他是1982年生人，2011年开始创业，如今掌舵一家市值超过600亿人民币的科技企业。 面对新的范式变化，阳萌会怎么做？尤其在消费电子这个无限战争、速生速死的赛场之上。 他有很多对产品与组织方法论的思考。 接下来，就是我对阳萌的访谈。 OUTLINE: 00:01:13 不叛逆中的叛逆 00:14:34 这世界特别公平 00:31:13 打游戏，我开始选了easy模式 01:02:27 现在我想去打hard难度 01:48:29 我不是集权的人 02:04:17 高利润的公司要融资和IPO么？ 02:14:34 消费电子的死与生 02:28:59 AI的组织革命 02:58:42 你永远还是要相信人性 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

本集是小鹏汽车董事长兼CEO何小鹏的返场。 在 我们之前那次访谈（70集） 中，何小鹏形容， 造车就像在“在血海里游泳”。 在过去1年中，除了汽车这场血海战役， 小鹏汽车也要面临AI和机器人这场未来之战——后者的战线更漫长，造人形机器人的胜率也要比造车低得多。 对此，何小鹏在2025年下了更大的赌注。 我们这次从“赌”开始聊起。他也聊了聊人形机器人Iron的诞生与意外、技术变革下CEO的心路、新车GX等话题。不过，对于正在发生的事，他有一些顾忌，也有一些尚且不能说的秘密。 接下来，就是我对何小鹏的访谈。 OUTLINE: 00:02:00 CEO使用AI小调研 00:11:24 不能做缝合怪 00:18:23 2025年下的赌注 00:41:15 IRON机器人的诞生故事 00:49:51 去年那场意外 00:57:43 我们有两成胜率 01:09:20 新车GX 01:17:17 没有一家游出血海 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DETAILS: 本集节目由语言即世界工作室与微博、新浪财经联合呈现。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天是我们的系列节目 《雨森的创投观察》 第2集。 在 《雨森的创投观察》第1集（我们节目124集） 中，真格基金管理合伙人戴雨森预言称，2026年的关键词是“The Year of R”，他彼时较为谨慎，觉得2026年将是一个现实与回调之年。并在过年前清空了所有二级市场股票。 现在过去了小半年，很多人说他的一部分观点有点打脸。 雨森经过了短暂的内心挣扎，决定还是继续录制我们的系列节目。他将持续分享自己的投资思考。 OUTLINE: Strong Opinions, Weakly Held 00:02:00 雨森回应第一集“被打脸”往事：“Strong Opinions, Weakly Held” 00:06:50 我的二级市场投资偶像是Stanley Freeman Druckenmiller 00:09:07 在《雨森的创投观察》第1集，我说对了什么？说错了什么？ 00:13:06 理解Anthropic的选择、组织和价值观（Dario的memo和对齐） 00:18:57 Harness由模型公司第一方地来做，更有优势吗？ 00:20:07 Anthropic vs OpenAI，Claude Code vs Codex 00:23:17 “Year of Return”，到今天return的问题并没有真正被解答 好的Harness是很有生命力的，Harness本身更像OS，模型更像处理器 00:34:05 重新总结2026年的大叙事、大变化 00:37:14 在模型外面包了越来越多的层次，“壳”早已不是简单的壳：model - harness - context - runtime 00:41:30 通过Harness带来的数据也能够反哺模型的训练，形成数据飞轮。Chatbot没有数据飞轮，是因为普通人的聊天很难给模型带来新的知识。但Agentic模型要的就是帮用户解决真实问题，用户真实使用产品的轨迹是很好的训练资料 00:44:45 之前节目中罗福莉和姚顺宇的观点差异（关于Harness重要性），其实不矛盾 00:46:26 一个好的Harness是很有生命力的。按照出现顺序，像Manus、Claude Code、OpenClaw、Codex、Hermes是用户喜欢的Coding Agent Harness，甚至说ChatGPT可以认为是GPT API的第一个 Harness 00:52:25 我认为Harness本身更像是OS：之前广密有一个比方说，模型公司是新生代的OS，但我感觉，模型更像是驱动OS的处理器，我们看到有越来越多的应用是跟用户的Harness对接，而并非直接跟用户使用的底层模型去进行耦合 00:55:24 一个反直觉的现象是，勇敢地去做创新，勇敢地去做通用的，是有大机会的 00:57:33 我的第一个暴论：“AGI是在缩水的” 00:59:20 模型能力提升会不会向下吞并Harness的空间？有可能出现Agent的网络效应 字节系创始人，要把在字节学的东西，自己颠覆自己 01:04:03 2026年各个基金投的创业公司变多了，估值也变高了 01:04:07 创业者要做大厂看不上的事情，比如曾经的“套壳”、“开源” 01:10:50 好的创始人和好的方向有时候是共振的 01:21:26 “你原来的护城河可能会变成你的软肋” 01:26:24 对于AI产品，大DAU应该成为目标吗？ 大DAU vs 高质量任务，优化哪个指标？ 01:28:51 “AI有点像外星人，来到了人类的世界”，这里面的机会 01:34:35 AI时代的组织与组织变革 01:38:51 “下一个字节跳动级的公司可能长得不像字节” 01:41:42 我的第二个暴论：“字节系创始人，要把在字节学的东西，自己颠覆自己” 01:42:37 我眼中的AI创业框架和大机会 01:48:01 美国vs中国创业端对比 02:01:30 思考需要刻意练习，创新需要刻意练习 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天是我们的系列节目 《Freda的投资札记》 第2集。 可能有听众是第一次听我们的节目，那还是先介绍一下——Freda Duan在湾区做投资，是Altimeter Capital的合伙人。Altimeter是一个硅谷科技基金，横跨一二级。在一级市场投资案例有OpenAI、Anthropic、字节跳动等，在二级市场投资案例有英伟达、存储芯片、Snowflake、Robinhood等。 在 《Freda的投资札记》第1集，也就是我们的125集节目 中，Freda深入分析了当下美国的明星公司，给他们的巨额投入算了算账；也探讨了美国资本新秩序，以及当时大家很关心的泡沫。 可以预告一下的是，在本集， 我们除了一如既往聊AI和投资这些很干的内容——如，Tokenmaxxing、AI时代的组织架构；还会聊一些感性的东西，尤其在这个充满不确定、每个人都很焦虑和孤独的时代，人和人的关系剩下什么？ OUTLINE: 02:13 Token的世界 Token是一个非常容易误导人的单位 同样一个task，不同模型消耗的token可能差几十倍，甚至上百倍 Token消耗是越多越好吗？肯定不是越多越好，而且是反过来的 Tokenmaxxing 现在有大量浪费 - 是的；Token用量未来还会继续上升 - 也对 行业会逐渐从按token收费，转向按效果收费 11:44 模型公司的赛点与竞争 Coding Agent成熟之后，出现了一个很重要的loop：better AI makes better AI 现在到了无法追赶的地步了吗？用一个不太恰当的类比 - 马车换汽车 最早的汽车经常抛锚，跑在前面的几匹快马还能跟一跟、追一追，那时候两者差距没有那么清楚；但一旦汽车可以稳定跑起来，没有汽车引擎的马，再快也追不上 OpenAI按GPT和Coding两条主线重组，把Coding放到非常高的位置；Google是Sergey直接管Coding；Meta内部也开始推自己的Coding model，目标是年底前做出SOTA；xAI公开收购Cursor 27:41 投资人是在抛弃软件公司吗？ Anthropic Cowork这么成功的产品，是两个人做出来的，AI来了以后，值得重新思考“一个公司到底应该需要多少人” 投资人是在抛弃软件公司吗？对，是。最简单的投资逻辑是discount rate 哪些软件更脆弱？AI时代新的软件机会在哪里？软件是不是要为Agent重新设计？ 36:32 组织架构变革 Dario提过两个概念：technology diffusion和economic diffusion AI现在在曲线的哪个位置？在“把电机塞进蒸汽机位置”这一阶段——每个人都在把AI加进自己的工作流，但很少有人退一步问：这个流程本身、这家公司本身，为什么长成现在这样？为什么需要这么多层级？ 接力赛变篮球赛——过去是接力赛，一棒接一棒，每一棒都是一次翻译、一次等待；未来更像篮球赛，3到5个人的小分队，必要技能都在队里，同步推进，自己拍板，只有重大方向才往上升级 44:21 AI对投资行业的影响 投资行业是一个非常低效的行业，大量时间花在找信息、清洗数据、比较预期、判断positioning 我这几个月想的问题是：如果给Agent足够干净的数据和足够清晰的交易目标，它有没有可能做的比我好？ AI时代会让更多人参与股市，散户行为会更复杂，也更值得tracking 投资本质上会越来越像一个解构市场玩家的游戏 50:08 应用创业公司还剩什么？ AI这波创业公司，哪些方向已经跑出收入？一波快问快答 这几年经历了一个过程 - 23年大家特别担心模型公司吃一切，wrapper大家都不敢碰；过去两年大家不担心了，因为应用或者叫wrappers收入增长很快；但到了今年我现在又重新开始担心了 Anthropic先吃编程这一块，现在第二大业务吃金融领域；OpenAI马上自己推出音频模型，对ElevenLabs会是什么影响？OpenAI和Anthropic都和大的私募基金合作，把自己模型推到私募基金的被投企业里面，这个决心是很大的，真的adoption还没有开始 2026年了，你还投应用创业公司吗？ 硅谷最火的是Neo Labs，另一个很重要方向是给Agent用的基础设施 01:00:42 大票和资本市场 01:08:33 AI会带来裁员和通缩吗？ 01:14:17 焦虑、孤独与人的连接 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

姚顺宇戴了一副茶色眼镜走过来，这副眼镜会随光线变化而改变颜色。 硅谷AI业界有两位Yao Shunyu，他们曾是清华同一届毕业生，这让姚顺雨与姚顺宇时常成为话题人物。 前一位姚顺雨2025年从OpenAI跳槽到腾讯，他去年来过我们节目（ 第115集 ）；后一位姚顺宇也于同年跳槽，从Anthropic来到Google DeepMind。 今天的嘉宾姚顺宇，毕业于清华和斯坦福大学，曾经的研究方向是理论物理——非厄米系统、量子物理与高能物理。他的人生奋斗姿态是——“总想挑战一些自己不太会的事”。 他人生最大的一次跨步是博士毕业，毅然决然离开深造9年的物理，来到崭新的AI行业。过去两年， 他先后在Anthropic和Google DeepMind出任研究科学家，参与了Claude 3.7、4.5、Gemini 3等关键模型的开发过程。 姚顺宇一点也不nerd。有时，他会令你猝不及防，突然发表一点“小疯”言论。 第一次见面，他就对我说：“我在这个行业又没有什么导师，又没有什么旧友，我当然想喷谁喷谁。” 转行AI的两年，他变得越来越直接，越来越不害怕得罪人。访谈中，他也说了一些直白言论 ： “AI个人英雄主义时代已经过去了，所以也没有什么英雄，有时候甚至觉得旧时代英雄有点蠢。” “没有哪个老登是你的亲属，所以你觉得他傻，他就是傻，就可以直接说他傻。无所谓的啊。（笑）” “现在大家都是冲浪的人，本质上是那个浪，而不是你那个冲浪的人。” “AI这个事，本来也不太需要脑子——真的不太需要脑子。这个行业最重要的特质，就是靠谱，就是做事细，对自己做的事情负责任。” “你不用太担心因为自己的观点而惹到什么人。只要你的观点是自洽的，不是说随便喷人，你是有一套自己的理解。最终你在这个领域做的怎样，是有客观评价标准的——大家是会尊重你的。” 不过，在描述自己的研究时，姚顺宇又显得异常审慎。 他对于这些工作的描述是：“我自己对那个事没那么重要，更多的是，我很幸运，有机会在那个时候加入了一个重要的项目，做了一些事。” 他反复强调，AI个人英雄主义的时代已经过去了，现在都是集体主义的故事，要对神话个体的一切叙事充满警惕。 我们的节目录制于2026年3月，距离我们这次节目录制完，世界又发生了许多意想不到的变化：Meta对Manus的收购被撤销、Cursor可能被SpaceX收购、xAI将终止独立运营并入SpaceX，并更名为SpaceXAI等等。如果我们的谈话内容有一定滞后性，请大家多包涵——AI的世界实在变化太快、太出乎意料了。 可能还要特别说明的一点是，技术细节会涉及企业机密，有一些嘉宾是不方便分享的，也请大家能够包容。 在访谈中，我们尽最大可能和大家一起学习AI。你会收获姚顺宇在Anthroic和Google Gemini的技术探索历程与思考洞察。 而对于那些离经叛道的微小片刻，还请允许我们小疯一下。 接下来，就是我对顺宇的访谈。 OUTLINE: 00:02:41 两个Shunyu Yao 00:06:50 竞争与逃逸 00:26:37 “Pre-train没有到头” 00:36:23 Coding的爆发 00:51:25 字节和豆包 00:54:45 "硬蒸"和"聪明的蒸" 01:05:22 机器人 01:10:00 在Underdog之地赌一把 01:20:59 非厄米系统与量子物理 01:37:42 高能物理 01:44:24 物理与AI 01:53:47 在Anthropic训练Claude 3.7、4.5 02:36:18 "AI本质是简单的" 02:42:25 在Google DeepMind训练Gemini 3 03:02:43 "Pre-train也是一种RL" 03:08:04 技术预测 03:14:06 组织搭建 03:24:48 集体主义胜利 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 本集的文字版： 《独家对话姚顺宇：请允许我小疯一下》 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

前面在福莉和广密的节目中，我们深入揭示了AI的进化从第一幕Chat走向第二幕Agent。可以说，Agent是2026年的高频词。 关于Agent，我一直非常希望深入技术原理层，给大家做一次技术讲解，能够让我们一起非常清晰地了解技术的脉络。 今天我邀请的是俄亥俄州立大学计算机系教授、也是创业公司NeoCognition创始人，苏煜。苏煜是少数见证过Agent演化史的学者，研究方向是Language Agent。 我们从更长周期复盘了Agent的技术演进史，尤其是最近三年Language Agent的快速进化。 此外，苏煜也是2025年“斯隆研究奖”得主。 接下来，是我们对Agent的技术综述。 祝大家五一假期学习快乐啦^。^ OUTLINE: 00:02:00 苏煜是谁 00:03:30 Agent的技术演进史：从Logical Agent（1960-90s） → Neural Agent（2000年以后，神经代理） → Semantic Parsing（另一边的故事，语义解析） → Language Agent（语言代理） 00:27:21 人类的进化史来说，语言非常晚发生，但对人类文明有了指数型发展 00:29:28 过去三年发展速度比过去几十年都要快，复盘Language Agent上的关键工作 00:40:56 At the end of the day，大家想要的就是universal digital agent；边界的消弭和coding有关 00:45:18 我是最早从Semantic Parsing转型做Language Agent的学者之一 00:48:56 OpenClaw Moment和ChatGPT Moment有非常多相似的地方 00:55:10 中美科技辐射的pattern不同，中国更全民化，在应用层的动作更快 01:02:05 创业新公司NeoCognition，最近融完了一轮$40M的seed round 01:20:30 聊聊Continual Learning、世界模型、交互（GUI vs. CLI） 01:44:34 Agent现在最大的瓶颈是什么？对2026年Agent进展的预期？ 01:47:09 各个大厂都在Agent上bet什么，有什么有意思的bets？ 01:52:47 我们这一代人经历了Agent的完整周期，我喜欢搭建conceptional framework 02:10:13 最后的快问快答 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

2026年，大模型战争全面升级，掀开了第二幕—— 从Pre-train（预训练）主导的Chat时代，转向Post-train（后训练）主导的Agent时代。 在AI范式巨变之际，我访谈了人工智能研究员罗福莉。 罗福莉曾供职阿里达摩院、DeepSeek，目前是小米大模型团队负责人，主导研发了MiMo-V2系列模型。她在网络空间有很多标签，例如“AI天才少女”，但她不喜欢这个称呼。 这次是她的第一次访谈，也是她第一次进行长时间的技术访谈。 我们系统性地谈论了，2026年由Claude Opus 4.6、OpenClaw等技术变量所触发的AI巨震，以及后续结构性影响。 在这个生产力大爆炸的时代，人人都有危机感。 哪怕是对于亲手训练模型的研究者来说。 “我之前认为我们自己做的工作已经足够有创造力、足够不会被Skill化、不会被Workflow化。但我现在发现，它竟然也能！那它可不可以训出更强的模型？自己左脚踩右脚就提升了？——这是这一两年会发生的事情。” 当人类的知识与智慧内化为模型能力，未来的人类去做什么？我们的社会如何消化这次剧烈的技术变革？——这些宏大的时代命题我们不得而知。 但无论如何，这仍然是一次信息密度极大的访谈——你能从中看见，当面临一次巨大技术范式转折时，一家AI Lab内部，在技术押注、资源调配、组织与人员等诸多方面的系列举措。而它应对巨变的根基是，文化与价值观的成型。 罗福莉对当下有一些关键的技术判断： Anthropic的路径是正确的，这是当下共识。 在路径更清晰的情况下，国内大模型团队进入加速追赶的状态。现在大家在Pre-train上的代差是基本没有的，或者说非常接近。 现在至少跟23年要去追平Pre-train的差距一样，大家很all in，要去做好Agent的Post-train。更具体说，是在Agent上怎么做好RL的scaling。 系统从“以Rollout推理引擎为核心”，转变为“以Agent为核心”的一个更复杂系统。这对团队提出了更高的要求：必须具备足够敏捷性，能够快速开发出适配当前时代的RL Infra系统。 接下来两三个月，大家怎么发生变化，是考验团队整体研究水平、技术敏捷程度，以及怎么拥抱新的范式来做研究的关键。 一个for更长期的事情：我们不会在1T水平上走太久。如果要拿到下一个阶段的领先，就要寻求更大规模scaling。到底是去scaling模型的参数量，还是去scaling什么东西？以及要在什么样的芯片上去scaling？——这是当下立即需要去决策和判断的，这才决定了大半年过后谁更领先。 在卡的调配上： 至少在Chat时代，for研究、for Pre-train和for Post-train的用卡比例非常夸张，比如3比5比1，现在一个非常合理的用卡比例可能是3比1比1。 预训练跟后训练一个比例，这是今年可能发生的很大变化。顶尖团队应该都是1比1了。 在组织的重组上： 做后训练现在一个重要的范式变化是，需要具备diversity（多样性），让预训练的人做后训练是个很好的补充。 “接下来两三个月会非常精彩。” 罗福莉称。 接下来，就是我对罗福莉的访谈。 OUTLINE: 00:02:16 OpenClaw引发巨变 00:24:17 群体智能提升Agent框架 00:41:31 2026是生产力变革之年 01:01:45 Agent的自进化与自迭代 01:19:39 MiMo-V2：觉醒和伏击 01:45:24 1T模型是入场券 01:52:33 组织平权 02:02:56 训练细节和成本 02:09:03 另类架构 02:22:32 AI没有生存危机 02:39:12 每天在否认昨天的自己 02:48:34 过去3年的AI进化史 03:05:54 当下共识与竞争 03:19:45 环境比经验更重要 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 本集文字版： 《独家对话罗福莉：AI范式已然巨变！》 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

2026年，美国诞生了一系列的Neo Labs（新型研究室）。Neo Labs是近年兴起的一个新概念，专指由顶级AI研究者创立、以基础模型或新一代智能体系为目标、融资规模巨大、研究导向很强的一类新型AI实验室。我们133集的嘉宾，来自AMI Labs的谢赛宁是，今天我们邀请的是另外一位。 她是《商业访谈录》至今最年轻的一位嘉宾，是一位00后华人女孩，网络空间有人会叫她“数学少女”——她的名字是洪乐潼Carina，这是她第一次接受中文访谈。 她探索的方向是AI for Math，所创办的公司Axiom（公理）刚完成2亿美元的A轮融资，估值16亿美金。 而她引起很多人的关注，来自于这样一条新闻：57岁美国终身教授小野肯（Ken Ono）突然辞职，去给24岁的华人女孩打工。 我们谈论了许多数学与美、被创造的与被发现的数学、数学天书中的证明与公理、最不可能的创业者的创业旅途，当然还有AI for Math。 接下来，是我对洪乐潼的访谈。 OUTLINE: 00:02:14 被创造的与被发现的 00:14:38 bounded vs free attention 00:32:14 对苦难上瘾 00:50:21 数论多美啊! 01:02:26 Verve Coffee 01:16:23 最不可能创业的创业者 01:38:33 没有人喜欢融资 02:07:17 小野肯的邮件 02:19:51 数学天书中的证明 02:24:38 Al for Math 03:03:50 把数学变成Lean 03:09:59 数学家的直觉 03:26:18 登月要么成功，要么失败 03:54:17 与数学家共进晚餐 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉

今天给大家带来的是全球大模型季报第9集，这一集的情绪十分复杂。 一方面，你会看到正在急速进化的AI革命。 Coding把AI从聊天机器人Chatbot第一幕，推向了能够干活的Agent第二幕。 研究员们已经不再亲自写代码。广密带来的核心判断是，Coding是新的”AI加速器"，正在加速AGI实现，领先的Coding模型就像领先的GPU。 另一方面，社会层面随之进入白领通缩与失业的窗口。 整个社会准备好了应对这么剧烈变化的AI革命吗？ OUTLINE: 00:02:00 第9集季报的概览 00:03:28 硅谷体感与洞察 过去一个Q，智能水平进步幅度赶上2025全年，推背感非常强，AI奇点时刻应该很快就到 最关键转折点就是Opus 4.5 → Opus 4.6模型，算是GPT-3 → GPT-4跨代际提升的模型 今年6月之前可能还会再有一个从GPT-3→4水平幅度的跨越，OpenAI/Anthropic新模型都很强，Mythos/Spud下一代也开始训练了，继续加速 Coding会是头部的放大器，最顶尖1的人才能放大10-50倍的生产力 你是否相信Code可以表达数字世界的绝大多数任务？ “语言即世界，代码即方案” 如果领先的模型公司不重视Coding，大概率会掉出第一梯队 Coding就像Amazon最早卖书一样，借助卖完书把所有仓储物流用户全都拉通了 Coding在整个AGI的历史进程中处在什么位置？ 做好Coding的难点到底在哪里？不只是技术knowhow，更是战略组织和文化问题 00:22:10 硅谷御三家内部真实情况 00:22:10 Anthropic All in Coding不是day1这个团队就想清楚的 创始人特别hands-on亲自看训练数据，重视数据和重视技术细节刻在基因里 偏好“underdog”而非大人物，文化面试非常严格，尤其是看重一个人的文化特质 00:33:35 OpenAI 在这个时代的过去胜利秘诀，可能是下个时代的毒药 过去OpenAI在ChatGPT的成功，让他们专注ToC忽视了Coding 重点说下OpenAI做的不好的地方，可以在构建组织的时候借鉴一下 OpenAI即将要发布的新模型，是真正意义上的GPT-5吧 00:47:13 Gemini Gemini 3被高估 Coding严重落后，Google最大的战略失误 Google是最领先的追随者，资源和布局上没啥绝对短板，但战略跟随OpenAI/Anthropic，掉队可能性很低 00:54:16 Meta TBD 最有机会的挑战者，已经取代xAI，成为硅谷4号种子 00:58:07 xAI xAI短期基本上掉队了，最大问题感觉也是战略摇摆 崩溃始于founding team逐渐离开 01:02:00 Harness Engineering 01:03:57 中国御三家 01:05:42 模型是新一代操作系统 01:07:01 潜在的社会影响，失业、通缩 01:14:36 硅谷新趋势和投资新思考 《全球大模型季报》系列追踪： 2023: 54. 口述全球大模型这一年：人类千亿科学豪赌与参差的中美景观 2024Q1: 64. 和广密聊AGI大基建时代：电+芯片=产出智能 2024Q2: 69. 口述全球大模型这半年：Perplexity突然火爆和尚未爆发的AI应用生态 2024Q3: 73. AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL｜全球大模型季报4 2024Q4: 86. 大模型季报年终特辑：和广密预言LLM产品超越Google之路 2025Q1: 97. 25年Q1大模型季报：和广密聊当下最大非共识、AGI的主线与主峰 2025Q2-Q3: 112. 和广密聊大模型季报：分化与收敛、全家桶与垂直整合、L4体验与挖矿窗口 2025Q4: 127. 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

春节节后，一款AI native产品Elys引起了小圈层人的关注，这是一款还在测试，尚且没有全面上线的AI社交产品。某种程度上，它展现了 AI时代社交产品的一些雏形 ：打造赛博分身、分身替你去主动社交、为你转化成真实世界的连接。 今天我邀请了自然选择创始人Tristan（张筱帆）来聊聊。他们公司目前有两款产品，分别是AI游戏Eve和AI社交Elys， 它们背后的精神内核都是：“人类太孤独了。” 接下来，就是我对Tristan的访谈。 OUTLINE： 02:00 做过陌生人社交、恋爱游戏 10:53 毫不犹豫地成立了新公司自然选择，毫不犹豫地做Eve 13:23 陪你一起面对世界的Agent 16:23 Elys想法雏形，我终于想清楚了AI社交网络应该怎么做：Context的流动 20:32 最大的范式转移：传统互联网是低维标签化信息，新的互联网第一次有了Context 23:05 Elys产品设计的关键、难点、双重冷却 36:56 接下来AI时代唯一重要的事情是，构建主体性 45:17 交出Context与用户隐私的博弈 48:20 Elys是不是AI版的Tinder？ 54:35 中国拥有最多Context的公司是谁？（微信？小红书？即刻？） 56:20 定义什么是好的Context？ 01:00:02 AI时代社交 vs 互联网时代社交 01:15:15 未来的社交网络 01:21:48 ChatGPT可能拓展的社交网络 01:28:10 和模型公司的竞争（“我觉得完全不用自己训模型”） 01:33:42 北极星指标：真人的连接率 01:34:05 你担心Elys是昙花一现的产品吗？ 01:41:15 我们现在处于终极忙碌“前进4”状态 01:46:02 做AI产品和做互联网产品的本质区别（Proactive！） 01:49:16 人类太孤独了 *对了，我们提到的小实验会在Elys上线时来做:) LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

2026年，除了嘉宾访谈，我们也很希望推出一些 内部人士的产业单集 。今天就是这样的一次尝试。 我们知道数据、算力、算法，是驱动人工智能的三驾马车。今天这集节目我们邀请我们的返场嘉宾、光轮智能创始人兼CEO谢晨，试图通过一集节目完整聊聊这其中一架马车——数据。我们尝试来做一个 “数据的产业综述” 。 大语言模型的数据遇到撞墙的难题，机器人的数据则处于一片荒漠中。数据产业是如何运转的？一些人正在探索的仿真数据、数据金字塔等将如何改变产业格局？ OUTLINE： 00:01:07 寻觅 00:20:09 综述 00:41:39 共生 00:48:30 势力 01:06:56 历程 01:14:45 迹象 01:32:00 对照 01:42:40 金字塔 01:55:31 定价 02:02:50 Recipe 02:17:06 版图 02:28:52 终点 LINKS： 我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出； 我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us! 😉