张小珺Jùn｜商业访谈录

今天这集，《商业访谈录》第一次迎来一位co-host，是大家熟悉的李广密。广密邀请了大模型公司阶跃星辰的首席科学家张祥雨，来聊聊，多模态的前世今生和未来技术的前沿走向。张祥雨在这集节目详细阐述了：他参与的多模态的10年历史，对多模态的全新思考，以及所预见的下一个“GPT-4时刻”。他提到一个细节：在训练过程中他曾经发现一件百思不得其解的现象——模型的通用对话能力、情商和知识量都是随着模型变大变得更强，但模型的推理能力（尤其是数学）表现却是先上升后平缓，再扩大反而是下降——这点在业界还未引发广泛讨论。关于这个怪现象，他也给出了自己的解答。下面是广密和祥雨的聊天。2025，我们和AI共同进步！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）多模态研究的10年史：迷茫和转机02:00 张祥雨的学术经历和个人研究主线12:25 CV（计算机视觉）向NLP（自然语言处理）的学习历史17:14 2022年我开始对单纯靠视觉学出“CV领域的GPT时刻”比较悲观18:22 纯视觉这个domain有什么问题？GPT这样的生成模型你可以同时拥有生成、理解和人类对齐，而静态图像这三者是割裂的24:23 我停止了对静态图像表征的研究，构思新的研究主题：短期内利用视觉和语言的对齐关系29:10 经过尝试还是没做到图像的理解、生成和对齐一体化，我得到一个越来越强的生成模型，和一个越来越强的理解模型，没有起到叠加效果——为什么如此难以融合？38:45 做了大半年十分迷茫，但在此刻出现了转机训练大模型发现的怪事、蛛丝马迹与办法41:11 训练过程中发现了一件百思不得其解的怪事：模型的通用对话能力、情商、知识量确实模型越大越强，但模型的推理能力（尤其是数学）表现是先上升后平缓，再扩大反而是下降43:10 一些蛛丝马迹：更大的模型做数学题倾向于跳步，不老实44:33 经过分析，这是next token prediction的本质缺陷45:42 更大的压缩率未必对应更高的计算精度，我们来做一个思想实验47:27 生成模型的“特征坍缩现象”50:48 解决方案就是引入RL（强化学习）53:28 o1的核心是思维链的pattern——“做思考模型，pattern is all you need”01:01:52 当模型走到某一步，摆在面前有两个分支——走左边？还是走右边？——一个token之内到底能不能解决？（critical decision）——不能，所以引入反思pattern01:10:16 o1范式的本质是一种Meta-CoT ，是CoT的CoT对多模态研究的新思考和新进展01:10:57 研究完o1，返回研究为什么视觉生成可控性这么差，就有了眉目01:15:13 简单把生成和理解做到一起，难度非常大，缺失了重要一环CoT01:15:54 去年中开启新的project：视觉理解（视觉空间的Long CoT）01:19:06 尝试了半年，结果给大家透露一下吧！01:21:30 o系列不仅泛化了domain，更吸引人的是泛化了pattern01:22:16 博弈类问题是难以泛化的领域，有很多无效思考和低级错误01:24:07 o1激发的反思pattern，在预训练语料中都有分布了01:31:31 关于预训练加多模态数据有两种说法：影响了text智商？还是增强了scaling law？01:36:43 往后两条腿走：扩充预训练语料和扩展动作空间01:45:42 多模态的“GPT-4时刻”还有多久预见下一个“GPT-4时刻”01:46:56 long context和多模型协作02:07:09 架构不重要，架构是服务算法和系统的（为什么我说Linear Transformer不本质）02:08:30 下一个“GPT-4时刻”？模型的在线学习/自主学习02:21:22 澄清一些有关Agent的观点02:25:00 人虽然没有生成器官，但人有世界模型02:26:34 我们的智能水平还在为视觉挣扎，机器人领域在抢跑【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是明超平（小明/Leon），一名AI应用创业者。2024年的AI叙事还是大模型，《商业访谈录》访谈了杨植麟、王小川、李开复等大模型公司创始人；稍一转眼，2025年的AI叙事已然变成应用公司和Agent——新的主角登场了。这集节目和往期《对Manus创始人肖弘的3小时访谈：世界不是线性外推，做博弈中的重要变量》一样，也是来自一线“AI应用爆发”、“Agent爆发”的前沿声音。在中国创投圈，明超平是一位创业伊始就受到资本相对共识的创业者。他出生于95年，曾先后在OnePlus、ByteDance、Moonshot做产品。这是他第一次做CEO，发的第一个产品叫YouWare。他和我们此前的两位嘉宾有一些渊源：一个是杨植麟，2023年他和杨植麟深谈了10个小时，从白天到黑夜，聊完决定加入Moonshot；另一个是肖宏，有时候我会听到创投业人士将小明与小红对比来聊，说他们都属于“Hands-on型、产品型创业者”。是不是这样呢？今天的3小时访谈希望能呈现小明的真实状态，是不是大家说了算。不过，虽然老被关联，小红与小明至今没见过。期待2025，我们和AI共同进步：）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）03:16 开始的快问快答那些散漫的叛逆的挫败的少年成长04:36 童年和少年片段06:52 我在武大打辩论，尤其擅长四辩13:00 辩论让我学会的最重要的：“永远具有第三方视角，辩论不是说服你的对手”，“1秒钟把自己变成傻子”（by张小龙）14:40 大学后两年基本睡在实验室里，沉浸式打“智能汽车竞赛”，拿了国奖19:43 哎，好惨，惨痛的经历——我是输掉比赛最多的队员，也是拿最佳辩手最多的队员23:06 那是学长的退役比赛，我到今天还很愧疚产品经理之路的前三站：OnePlus、ByteDance、Moonshot26:37 产品经理之路第一站：OnePlus导师带我们去坐地铁、逛商场30:18 “体验不是数据”：续航数据和续航体验不划等号，95-100%和0-5%电量是用户对体验最敏感焦虑的时候33:58 产品经理之路第二站：刚去字节极不适应，觉得自己很菜37:42 字节产品方法论劣势是什么？“它会磨灭掉很多灵光一现的创意”39:35 “数据是‘开车的后视镜’，但它不能指引你前进”41:03 字节没有乔布斯，字节没有张小龙，但字节有一鸣啊——有一些很小很小的创业团队，一鸣都聊过了42:08 怎么看字节过去这些年出来了许多创业者，但无人大成？43:28 23年和杨植麟聊了10个小时，聊音乐、艺术、爱好、产品、过去的经历，实在是到晚上8点我们要去吃pizza，我说“要不给我讲讲技术吧”50:14 海外产品Noisee的走红与骤停01:03:03 字节能成为字节，契合了时代几个重要变量（移动设备普及、带宽速度、推荐引擎）跳下大船创业啦！01:05:05 立马就遇到the bitter lesson（苦涩的教训）01:11:59 想雕花的本能，情不自禁给它更多脚手架，你会和这个时代的最大变量背道而驰01:12:45 突然意识到，这个东西不对劲——产品没上线就停掉了01:13:18 失眠的顿悟：AI时代关键指标之一是“token消耗速度”，要追求“per token valuation”01:16:33 “壳”被低估了，应该叫“容器”和“环境”（环境是人的反应器）01:17:52 只给用户一个Chatbot输入框，是蛮不负责任的01:21:18 今天Coding发展和当年Camera类似，早期聊相机说的是“拿着单反的人”，巨大变化是出现了新的人群——“手机摄影师”01:23:50 早期趋势变量是出现新的人群，增速快，今天的新人群是“Vibe Coder（氛围编程师）”01:25:23 今天Anthropic是不是承担索尼的角色？其他创业公司把时间花在Camera/基座模型上，还是花在——随着Camera迭代出现了Snapchat、Instagram、TikTok、TikTok Live今天的Agent就像大猩猩刚拿起一根烧火棍01:37:12 Agent未来可能的两种生态：类比新加坡vs美国01:40:44 Page rank变成Agent rank01:42:07 如果你把所有to C公司都变成to B公司，会受到大家的反抗01:44:02 Agent的网络效应01:46:02 我们也想成为OS Agent呀！——路径不告诉你：）01:46:30 我对团队说：“咱们99.9%是要死掉的”01:46:57 今天的Agent像一个大猩猩拿起石头开始砸东西01:47:58 “永远相信Model会变好，永远相信Model和你无关”01:49:50 基础模型在造更聪明的人，应用公司在通过环境/经验适用我们的生产需求01:53:54 我设想的OS Agent：它是活的01:58:26 Agent接下来会像人类社会出现部落，遇到信任问题，需要身份证、密码锁02:03:33 过去2年对AI技术和产品的观察（以更高效的方式消耗token、压榨智能）第一次做CEO02:14:50 给你的员工提供情绪价值02:19:53 90后founders更自信、更洒脱、更叛逆02:21:17 融资风生水起，我却感觉如履薄冰02:23:35 有意识地对抗Ego02:33:45 棋手和对弈的人02:36:57 最后的快问快答相关单集：和杨植麟聊大模型创业这一年：人类理想的增量、有概率的非共识和Sora和王小川聊再创业这一年：回应朱啸虎与中国AGI第三种可能和李开复聊聊：如果美国形成AGI霸权，我们应该怎么办？对Manus创始人肖弘的3小时访谈：世界不是线性外推，做博弈中的重要变量【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

2025年3月底，奔驰汽车全球CEO康林松先生（Ola Källenius）来华9天，期间我对他做了一次访谈。奔驰是世界上第一个发明了燃油车的公司，现在正处于奔驰139年历史上最重大变革时期，可以说康林松是主导这场关键变革的“一名转型期CEO”。他1969年出生于瑞典，1993年加入了奔驰，绝大多数职业生涯都在奔驰；6年前，他在2019年担任了奔驰全球CEO。值得一提的是，他是奔驰历史上第一位在上任时非德裔的CEO。我和康林松先生聊了聊他上任6年的重要战略决策（包括豪华车战略、电动化战略）、中国市场的成与败、科技平权与豪华车是否有悖论，以及在他领导之下的这场奔驰有史以来最重大的关键变革。我想给大家呈现的是一个，转折之中的139岁巨人。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 04:12 第一部分：谈中国市场 过去6年，你对中国市场最重要的观点是什么？ 你们在中国的市场份额过去3年一直下降，什么原因导致的? 这是否意味你们在中国的电动车之战中，输了？ 你们更强调豪华车战略，而不是电动化转型，是这样吗？ 你喜欢中国汽车里的彩电、冰箱、大沙发吗？ 你们在中国市场的成败会决定全球转型的成败吗? 计划采用哪些创新策略来扭转在中国市场的局面? 18:24 第二部分：谈AI和新技术 外界说特斯拉在电动车上比你们领先10年，你如何回应? 但如果你们无法控制所有技术，你们能控制自己的豪华车吗？ 随着汽车行业转向电动化和智能驾驶，奔驰没有完全引领这些新技术，奔驰还能主导豪华吗？ 你们正在测试固态电池，能否分享更多进展？ 人工智能将如何改变全球汽车行业的游戏规则？ 中国DeepSeek正在全球范围内崛起，你会考虑合作吗？ 随着“技术民主化”，技术不再是超级排他性，消费者还需要豪华车吗？ 如果必须在豪华和科技之间选择，你会选择哪一个？ 如果卡尔本茨先生还在世，你觉得他会选哪一个？ 40:17 第三部分：谈转型期CEO和转型之中的奔驰 拥有139年历史的奔驰巨头，如今正处于其历史上前所未有的转折点上？ 回到2019年5月22日，你接任首席执行官的那一天，那天都发生了什么？ 作为变革时期掌舵者，请说出你至今面临过的最大困境 特斯拉和中国车企仍然是创始人驱动，而德国汽车制造商经历了几代职业经理人，这是否会让德国汽车制造商更加保守？ 你有没有感觉过，这位139岁的巨人转型缓慢？ 当你做出每一个重大决定时，有没有觉得本茨先生在关注着你？这会让你有很大压力吗？ 如果能问卡尔本茨先生一个问题，你想问什么？

2021年，Sam Altman以个人名义向美国核聚变初创公司Helion Energy注资3.75亿美金，这是他迄今最大的一笔个人下注。Helion豪言称，将在2028年前建成全球首座50兆瓦聚变电厂。马斯克持不同看法。他曾说：“我们的头顶一直就有一个取之不尽、用之不竭的核聚变反应堆——太阳”。他相信太阳能才是人类能源问题的根本路径。不过，在许多人眼中，可控核聚变仍然是“能源界的圣杯”。随着今天我们向AGI迈进，能源将是文明演进的最大瓶颈——毕竟，AGI或许不惧怕人类，但一定害怕断电。这集节目，我邀请了中国可控核聚变创业公司、能量奇点创始人杨钊来聊聊。相比AI，可控核聚变是一条更漫长、更人迹罕至的创业之路。它几乎是面对人类有史以来最复杂的物理难题之一，站在科技与人类文明的边界上，做技术摸索。节目中，杨钊帮我们做了一次关于可控核聚变的前沿技术科普；作为中国可控核聚变事业的参与者，他也相对清晰地计算出了，人类驯服可控核聚变还需要多少资金要消耗？还有多少路程要走？我们也聊了聊，在更远处的未来，当能源成为无限，我们的世界、我们的文明又将怎样？我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）03:00 开始的快问快答高频专业名词解释04:10 核聚变、核裂变、可控核聚变、托卡马克、高温超导托卡马克，全世界只有3台全低温超导装置13:22 多国联合推出的“国际热核聚变实验堆计划”（ITER）， 一个超大型托卡马克装置，已投入资金250亿欧元，建设周期30年14:47 高温超导材料和低温超导材料都是低温（高温超导在的能量增益的条件下，可以将装置体积缩小两个数量级，也意味建造成本大约缩小两个数量级）19:17 一个关键指标：Q值/能量增益由三乘积（等离子体的密度×温度×约束时间）决定，Q值全球最高刚过1，目前追求Q>10可控核聚变的历史21:55 从爱因斯坦质能方程E=MC²开始说起，非常小质量损失会产生巨大能量27:09 从氢弹到惯性约束到磁约束，不同磁场形状对应不同磁约束分叉技术路线27:50 上个世纪60年代，苏联想到用甜甜圈一样的磁场位形托卡马克路线28:50 全世界大概有100台以上托卡马克装置29:11 从用铜做托卡马克的时代过渡到用超导做托卡马克30:17 2024年，我们建成全世界第一台全高温超导托卡马克（“洪荒70”装置）核聚变创业这4年34:01 2021年想法：也许高温超导显著缩小装置体积，将成本两个数量级降低39:43 想清楚以后搭团队，最开始4个人41:05 杨钊的个人背景：斯坦福博士方向是比较底层的物理，量子引力、弦论、量子引力和量子信息的交叉，离这个世界比较远的基础物理46:36 人类科学的“明珠”和“有生之年”系列51:05 从博士毕业到核聚变创业之间？在金沙江创投美国做EIR（驻场准创业者）、第一段人工智能和音乐教育结合的创业55:36 2021年初，针对核聚变科研院所和供应商的市场调研“洪荒70”、“洪荒170”和经天磁体59:37 “洪荒70”是怎么建造的？做一台全高温超导托卡马克需要几步？01:07:33 每个环节都在不断出问题，你越接近实物状态，你的问题越大、问题越多，改动修补成本越高01:15:43 “洪荒70”的意义01:18:49 通往第一个可控核聚变商品的“三步走”01:21:10 经天磁体（大孔径磁体）和“洪荒170”的意义01:35:18 点评世界上3台全低温超导装置（中国合肥的EAST、韩国的KSTAR、日本的JT-60SA）01:38:40 “洪荒380”，按照完整能长时间运行的示范电站的要求做人类驯服可控核聚变还有多少路程？01:41:40 Sam Altman迄今为止最大的一笔个人投资是Helion Energy：“磁场位形是直线性的，不像我们是甜甜圈”01:45:06 核聚变和AI的关系是什么？01:52:13 中美核聚变市场格局的分割与差异01:54:10 我们和CFS（Commonwealth Fusion Systems，美国麻省理工学院分拆出来的联邦核聚变系统公司）技术路线是相似的01:56:40 真正聚变商业化的原料需要用氘氘去发电，而不是氘氚02:03:16 当能源无限，世界会怎么样？02:04:57 聊聊自我与组织、登山与跌落02:30:57 最后的快问快答位于上海临港的能量奇点现场及装置图：（上图：公司外）（上图：厂房内）（上图：“洪荒70”建设中）（上图：“洪荒70”等离子体）（上图：“洪荒70”建成时刻）（上图：“经天磁体”）（上图：“经天磁体”的测试系统，“经天磁体”躺在大罐子里）【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是清华大学交叉信息研究院助理教授、星动纪元创始人陈建宇。他的研究和创业方向都是人形机器人。大语言模型浪潮爆发后，学界和工业界看见了机器人从专用走向通用的可能迹象，机器人革命随之而来。其中，本轮革命最重要的是，对机器人底层架构，也就是机器人“大脑”的探索。但通用机器人还在科学研究阶段，处于产业发展早期。这集节目，陈老师将带领大家，概览式阅读机器人基座模型和当下最前沿的架构VLA架构（Vision-Language-Action Model，视觉语言动作模型）的经典论文。希望我们的节目能直观地帮助更多人靠近科学前线，感受技术之美，并且能直观感知当前技术拐点。还是那句话：期待2025，我们和AI共同进步！（因为因为，陈老师真的分享了很多很多的动图和视频，本集结合视频服用效果更佳噢！可以前往：含投屏的视频版本。嘿嘿！预祝你学得开心！学得顺利啦！）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:30 陈建宇的研究和创业方向04:11 讲解开始前，先提问几个小问题17:36 当下最大变量：从专用模型到通用模型（robot foundation model）的可能性21:12 大模型浪潮爆发后，机器人领域经历了两个阶段：从利用基础模型进行机器人研究（leveraging foundation models in robotics）到为机器人预训练基础模型（pretraining foundation models for robotics）第一阶段：利用基础模型进行机器人研究（leveraging foundation models in robotics）21:59 机器人传统三板块：Planning+Perception+Actuation（规划+感知+执行）——第一步，用LLM（Large Language Model，大语言模型）替代Planning23:54 由Google Robotics团队提出的具身智能开创性论文Say Can《Do As I Can, Not As I Say: Grounding Language in Robotic Affordances》（中文名：我能做到，而不是我说到：将语言与机器人的可供性相结合）27:03 第二步，用VLM（Vision-Language Models，视觉语言模型）替代Perception27:52 来自Google的论文《Inner Monologue: Embodied Reasoning through Planning with Language Models》（中文名：内心独白：通过语言模型规划进行具身推理）29:51 由清华和上海姚期智研究院提出的《DoReMi: Grounding Language Model by Detecting and Recovering from Plan-Execution Misalignment》（中文名：DoReMi：通过检测和恢复规划-执行不一致来落地语言模型）32:47 第三步，想把Actuation进一步自动化，用Code LM（专门用于代码相关任务的大型语言模型）来替代Actuation32:24 由李飞飞团队提出的《VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models》（中文名：VoxPoser：使用语言模型进行机器人操作的可组合3D价值地图）第二阶段：为机器人预训练基础模型（pretraining foundation models for robotics）38:36 VLA端到端模型（Vision-Language-Action Model，视觉语言动作模型）——“人是很智能的VLA Agent”39:53 关于VLA的经典论文及分类：40:17 Aloha论文《Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware》（中文名：学习用低成本硬件进行精细双手操作）47:36 Mobile Aloha论文《Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation》（中文名：移动ALOHA：使用低成本全身远程操作学习双手移动操作）50:15 论文《A Generalist Agent》介绍了一个名为Gato的通用型人工智能代理（中文名：通用型代理）52:45 RT-1论文《RT-1: Robotics Transformer for Real-World Control at Scale》（中文名：RT-1：机器人Transformer用于大规模现实世界控制）59:02 Octo论文《Octo: An Open-Source Generalist Robot Policy》（中文名：Octo：一个开源的通用机器人策略）01:02:20 CrossFormer论文《Scaling Cross-Embodied Learning: One Policy for Manipulation, Navigation, Locomotion and Aviation》（中文名：扩展跨具身学习：操控、导航、运动和飞行的统一策略）01:06:58 字节跳动AI Lab的两个工作GR-1和GR-2：《Unleashing Large-Scale Video Generative Pre-Training For Visual Robot Manipulation》（为视觉机器人操控释放大规模视频生成预训练模型）《A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation》（用于机器人操作的网络规模知识生成视频-语言-动作模型》）01:15:02 Palm-E论文《PaLM-E: An Embodied Multimodal Language Model》（中文名：PaLM-E：具身多模态语言模型）01:20:02 当前VLA最有名的开山工作：Google推出的RT-2论文《RT-2：Vision-Language-Action Models Transfer Web Knowledge to Robotic Control》（中文名：RT-2：视觉-语言-动作模型将网络知识迁移到机器人控制中）01:26:05 RT-X论文《Open X-Embodiment: Robotic Learning Datasets and RT-X Models》（中文名：开放X具身：机器人学习数据集与RT-X模型）01:31:16 《OpenVLA: An Open-Source Vision-Language-Action Model》（约等于开源版RT-2）（中文名：OpenVLA：一个开源的视觉-语言-动作模型）01:32:56 陈建宇课题组《HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers》（中文名：HiRT：利用分层机器人Transformer增强机器人控制）01:38:40 Figure AI Helix，没发论文，但是今年Figure最新架构01:39:28 Pi0论文《π₀: A Vision-Language-Action Flow Model for General Robot Control》（中文名：π₀：一个视觉-语言-动作的流模型用于通用机器人控制）01:41:36 英伟达最近发布的GROOT N1模型《GR00T N1: An Open Foundation Model for Generalist Humanoid Robots》（中文名：GR00T N1：通用人形机器人的开放基础模型）01:42:32 《Diffusion Policy: Visuomotor Policy Learning via Action Diffusion》（中文名：扩散策略：通过动作扩散进行视觉运动策略学习）01:47:39 清华发布的《RDT-1B: A Diffusion Foundation Model for Bimanual Manipulation》（中文名：RDT-1B：双手操作机器人的扩散基础模型）01:51:04 《Prediction with Action: Visual Policy Learning via Joint Denoising Process》（动作预测：通过联合去噪过程进行视觉策略学习）和续作《Video Prediction Policy: A Generalist Robot Policy with Predictive Visual Representations》（视频预测策略：一个预测视觉表征的通才机器人策略）02:03:06 两个未来方向：《UP-VLA: A Unified Understanding and Prediction Model for Embodied Agent》（UP-VLA：具身智能体的统一理解与预测模型）《Improving Vision-Language-Action Model with Online Reinforcement Learning》（通过在线强化学习改进视觉-语言-动作模型）02:09:22 最后的提问【技术之美】系列：逐句讲解DeepSeek-R1、Kimi K1.5、OpenAI o1技术报告——“最优美的算法最干净”逐篇讲解DeepSeek关键9篇论文及创新点——“勇敢者的游戏”逐篇讲解DeepSeek、Kimi、MiniMax注意力机制新论文——“硬件上的暴力美学”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

很多人在催更《全球大模型季报》的2025年第一集，在Q1的最后一天，终于和大家见面了！这一集广密依然带来了信息满满的有关于全球大模型最新的的前沿认知。经历了最近几个月的全球AI格局巨变，他最大的变化是，重新坚信了Pre-training（预训练）——认为只有Pre-training才能决定模型内在的上限，涌现新能力，而Post-training+RL（后训练+强化学习）是加强。在这一集季报中，我们对于Q1的全球明星DeepSeek、作为模型“盗火者”的Manus、OpenAI的烟雾弹、硅谷的认知分歧与价值观、未来的范式级新路线，都进行了一一讨论。更重要的是，他更新了在一位AGI原教旨主义者的眼中，AGI的主线、珠峰与路途。希望《全球大模型季报》能持续陪伴你，2025，我们和AI共同进步！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）04:22 Pre-training叙事卷土重来今天最大非共识是Pre-training空间还非常大，Pre-training决定了模型内在的上限还是要再喊一下，大家还是要重视Pre-training了，这个最本质OpenAI现在不那么重视Pre-training，为什么？OpenAI的Pre-train核心团队一直挺动荡11:56 Coding是最通用赛博世界的环境，是模型的手我对两年内实现AGI有前所未有的信心Coding意义不在于编程本身，而在于Coding是数字经济GDP活动最重要的环境，是最通用的赛博世界的环境Coding是比搜索引擎和推荐引擎重要的东西19:55 OpenAI vs Anthropic：战略是不同组织能力的表达OpenAI和Anthropic同宗同源，最开始路线一样，但走着走着，核心战略bet或路线已经发生了分化OpenAI是frontier team做出了O系列，frontier team的老大Mark Chen现在成为了仅次于Sam/Greg的三号人物硅谷的认知分歧？这个问题本质是：智能重要，还是流量重要？我有点担心OpenAI过早的走向一家消费互联网公司30:18 一位AGI原教旨主义眼中的AGI roadmap（路线图）智能提升是唯一主线，智能本身就是最大应用今天回头看，ChatGPT只是这座高山山脚的第一站，后面还有很多个山头：Coding、Coding Agent、General Agent、AI for Science、RoboticsChatGPT只是前菜，接下来Agent才是正餐今天还是围绕智能主线，最重要的是push智能能力往上走，做应用的要构建一个环境或容器，承接研究溢出的智能红利文生图有可能是OpenAI烟雾弹今天做Robotics Foundation model/Research的做法不够本质26/27年可能是AI for Science爆发的时间点43:00 智能的本质是什么？这是个极好的问题——大家有想法可以打在评论区：）人类进化就3个关键词：1. 生存，2. 探索，3. 自动化智能进步的衡量标志是什么？一个Chatbot对话可能消耗几千个Token，一个Perplexity搜索大概几十K Token，但一个Manus平均可能要70-80万个Token48:03 Agent是新物种“智能水平离AGI越近，可能就越像宇宙大爆炸”Agent落地最关键的3个能力：1. Long Context reasoning, 2. Tool use, 3. Instruction following指令遵循AGI接下来的milestone是long-term memory，这个会取代long context55:49 未来范式级的路线，可能Online Learning是一个如果说未来还有范式级的路线，可能Online Learning是一个，让模型可以在线自主探索并学习对GPU或者英伟达叙事影响有多大？怎么看待贾扬清的公司（Lepton AI）被卖掉？英伟达在下一盘什么大棋？01:02:45 模型与产品的关系、壁垒和商业模式今天定价为什么20美元，是copy SaaS的定价吗？但SaaS不会消耗大量token裸模型发布的时代即将结束？形成壁垒主要是两个：一是成为Cloud，OpenAI自己变成微软的Azure Cloud；二是成为OS，要有生态，后面打造新的Operating System投资人怎么投AI应用？模型长期会把产品吃掉吗？本质是，feature system vs Learning system哪个更快Perplexity/Cursor/Manus都是“模型的盗火者”01:15:11 全球大模型公司竞争格局和全球AI产品公司GPT-4.5算不算领先？GPT-5为什么一直在跳票？OpenAI有没有失败的风险？怎么看待OpenAI支持了Anthropic的MCP协议？OpenAI和微软为什么会有裂痕？分家对微软影响多大？Manus vs Perplexity，都是执行力很强的团队，被称作“套壳之王”理想的投资组合：25% Anthropic, 25% Bytedance, 10% OpenAI, 10% Mira Thinking Machine Lab, 5% SSI, 5% Cursor, 5% Manus, 另外15%还没想好如果DeepSeek融资，我会放基金的25%01:54:32中美格局：如何跨越地缘封锁科技投资不是靠“混”能混出结果的，很多VC investor到处混圈子，其实没意义，还是得靠“创造”【全球大模型季报】系列2023年：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2024年Q1：和广密聊AGI大基建时代：电+芯片=产出智能2024年Q2：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2024年Q3：AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL2024年Q4：大模型季报年终特辑：和广密预言LLM产品超越Google之路【免责声明】单纯内容分享，不作为投资建议。【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

今天发布的是和理想汽车自动驾驶研发副总裁郎咸朋的聊天。本次访谈发生在2024年12月，和我们之前发布的《对李想的3小时访谈》在同一时期进行。郎咸朋13-18年在百度做自动驾驶，18年加入理想，过去10年都在中国的自动驾驶领域。他以亲历者的视角聊了自动驾驶10年演进史，详解了其中的关键节点和技术细节。这次谈话更像是对自动驾驶的一次技术科普。我觉得我们聊的还不错，所以决定分享给大家。（因为访谈发生在去年，如果大家听到今年，指的是24年；如果听到去年，指的是23年。）期待2025，我们和AI共同进步！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）01:32 10年前的自动驾驶当成有轨电车研发，现在看起来很可笑04:30 2018年，从高精地图+激光雷达到BEV+Transformer，Tesla是标杆12:07 当年激光雷达50-60万/台，早期百度/Cruise一辆车7-8个激光雷达，传感器成本远高于这辆车（当时我们在百度，一辆车500万人民币）13:09 为什么特斯拉要用视觉解决问题？为什么自己造芯片？15:16 特斯拉一辆车的传感器+芯片成本？一辆车有几个芯片？20:06 特斯拉总在用“升维”方式解决问题25:06 激光雷达和camera解决方案区别28:46 端到端、“我们以前做自动驾驶都做错了”41:14 我的工作经历：13-18年在百度，18年开始在理想50:50 “L3不是L2的延长，而是L4的先导”01:15:15 端到端是最典型的强化学习，端到端+VLM+世界模型是RL架构01:26:40 2024年3月李想对智驾团队发火01:32:23 “卫城”项目：“他就觉得你一定要跪下来求他”“老子就算死也要站着死”01:35:51 想过职业生涯栽在这儿吗？李想脾气不太好？【从蒸汽机到无人驾驶】系列对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”从蒸汽机到无人驾驶3｜和孟醒聊特斯拉FSD进化史从蒸汽机到无人驾驶4｜Waymo和它的对手们：我暗中考察了四个月【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

今天的嘉宾是肖弘（小红/小宏），一名AI应用创业者。我们从去年在不同时期进行谈话，可以算是展开了一场“接力式访谈”。大模型的模型能力还在迅速变化，身处其中的创业者要不断根据外部环境身段柔软地时时调整姿势。《商业访谈录》希望记录一名AI应用创业者，在技术变革之中、当一切都处于不稳定状态下的持续思考历程。而这个历程富有魅力之处就在于，它是变化的，而且还会继续变化。我们正在开启的2025可能会是AI应用爆发的元年、Agent爆发的元年，这集节目正是来自一线“AI应用爆发”、“Agent爆发”的前沿声音。肖弘提供了一种身处浪花中创业者的心态：“世界不是线性外推的，要让自己成为博弈中的重要变量。”期待2025，我们和AI共同进步！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）第一次访谈发生在2024年秋天，彼时小红刚完成一轮融资。（提醒大家注意的是，第一次访谈中，当我们说到今年、去年这些词语的时候，可能脑海里需要转化一下——“去年”指的是2023年，“今年”指的是2024年）03:03 开始的快问快答05:15 连续创业者、第一段创业、沮丧时刻、不同年龄段毕业生的最优选17:04 已经把大学赚的钱花完了，山穷水尽33:16 “VC是很贵的集资手段”，它的贵不体现在你不好的时候，而是体现在好的时候42:10 最重要的转折点：预判大厂的预判、《大空头》、等待、诱惑52:27 每次觉得自己技能点还可以的时候，就会冒出一个新维度——这次是资本56:19 嗅到泡沫的味道58:15 卖过公司founder的生活和心态、“让你的生活状态变得昂贵是更昂贵的”01:05:55 第二段创业的第一款产品：浏览器插件、Monica.im、ChatGPT for Google01:28:04 从2022年底创业开始每年重要的决策01:48:38 有模型 vs 没模型，“贸工技”vs“技工贸”，“模型是技术平权”02:02:14 我脑海中大模型应用的分类和方法论：主场景补充、模型能力带来的变化、模型能力在特定领域的外溢第二次访谈发生在2025年春节后，此时DeepSeek一时间改写了中国AI应用底层生态，我们坐下来又聊了一次。这次话题主要围绕他即将要发布的Agent产品（Manus，但当时还没上线），他讲述了对新产品的完整思考过程。02:09:32 2025年春节真是梦回2023年呐！02:10:09 我尝试把火过的AI应用作为少量数据点，总结规律做预测02:20:00 开源一个AI创业idea：预判大模型的下一个能力是什么，先做好应用，在那里等着02:21:01 大模型原厂做什么 vs 应用公司做什么02:23:51 DeepSeek最佛却取得最好结果，精神上给了大家鼓励：BE YOURSELF！！02:26:27 从产品角度解析为什么DeepSeek全球爆火，而OpenAI o1遗憾错过（02:29:00-02:29:44 注：这里有几处口误，不是Perplexity而是DeepSeek）02:31:12 对即将要发布的新产品的完整思考：国内Agent的第一枪！02:47:49 这几天正在经历“A-ha moment”，真的觉得在制造生命一样的东西02:49:27 在一切都不稳固的状态下，AI应用创业者应该保持什么心态？02:51:36 大厂能理解你的创新的时候就是很危险的时候02:58:24 用时代的年龄思考，而不是用生理的年龄思考03:01:02 我让DeepSeek解释“贪、嗔、痴”03:01:53 为什么不做底层模型？03:04:39 Peak Ji（Manus首席科学家）问黄仁勋：接下来几年什么事情发生会让你觉得很惊讶？黄仁勋的回答：Basically nothing。03:09:08 Founder是没得选的03:12:20 Founder应该用“博弈的方式”思考，而不是用“逻辑推理的方式”思考03:15:00 一位founder的生活和对世界的认知03:17:50 最后的快问快答【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

今天这集节目延续我们的论文系列。我邀请MIT计算机科学与人工智能实验室的在读博士松琳，来给大家解读上个星期DeepSeek和Kimi发布的全新技术报告。DeepSeek和Kimi又一次技术对垒。在同一天发布论文，两篇集中在改进注意力机制以处理长文本任务上。而春节前，MiniMax也发布了一篇注意力机制相关的论文。松琳将带领大家阅读这3篇注意力机制有关的文章，解析不同模型公司的技术哲学和路线选择。我们希望能让更多人领略AI科技平权，体验技术之美。2025，我们和AI共同进步！（如果如果，你觉得光听还不够刺激，觉得一定要坐在电脑前看着投屏、拿起纸笔学习更有沉浸感…如果你实在是真心想要找虐的话…请前往：含投屏的视频版本。预祝你学习顺利啦！）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:30 讲解开始前，先提问几个小问题15:36 DeepSeek最新论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》讲解论文中文名：《原生稀疏注意力：硬件对齐且原生可训练的稀疏注意力》路线：稀疏注意力机制本篇工作最大亮点：Native Sparse Attention 全线压制 Full Attention01:19:14 Kimi最新论文《MoBA: Mixture of Block Attention for Long-Context LLMs》讲解论文中文名：《MoBA：面向长文本上下文的块注意力混合架构》路线：稀疏注意力机制01:44:42 MiniMax春节前的论文《MiniMax-01: Scaling Foundation Models with Lightning Attention》讲解论文中文名：《MiniMax-01：利用闪电注意力扩展基础模型》路线：线性注意力机制02:30:07 最后强化学习一下【技术之美】系列：逐句讲解DeepSeek-R1、Kimi K1.5、OpenAI o1技术报告——“最优美的算法最干净”逐篇讲解DeepSeek关键9篇论文及创新点——“勇敢者的游戏”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

今天这集节目是春节前，我和前今日头条用户产品负责人、前MiniMax产品负责人张前川的一次聊天。张前川从2005年开始入行成为产品经理，经历过百度、360、字节、知乎等公司，最后一次出现在新闻是他从大模型公司MiniMax离职。这次聊天分成两个部分：第一部分是他作为一位20年的产品经理的思考，特别是他观察到的中国内容产品演变史。第二部分是他最近半年的所思所想。和上一集节目张亚勤对AGI勾勒的乐观前景不同，关于AGI，张前川发出了对人类威胁的预警，并分析人类灭绝的n种可能性。他告诉我，他接下来会考虑成立一家pro-human的非营利组织。（本集节目录制于春节前）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）内容产品的20年演变史 02:00 张前川自我介绍：一位产品经理的20年 （曾供职过的企业：百度、360、字节、新浪微博、知乎、MiniMax） 03:39 搜索引擎、拉里·佩奇和俞军 17:35 2005-2025，过去20年，内容分发产品的演化历史和内生逻辑 24:28 推荐引擎、今日头条和张一鸣 28:28 小红书在推荐引擎范式的延长线上吗？为什么小红书不是字节做的？ 39:29 微信送礼物的功能maybe对于小红书更有意义 42:50 泛化如水流有方向：女生向男生，年轻向年长用户的泛化更容易 52:00 面试时张一鸣问我的问题离开大模型公司的张前川，发出AGI预警这里对AGI推演和92集张亚勤的观点截然不同 54:10 AI是人类的最后一个发明，加速度无限大 57:00 把AI当目的 vs 把人当目的（更多公司是在for AI的目的？） 01:09:08 Agent就是“baby阶段的AGI” 01:19:56 人类灭绝的n种可能性（人利用AI灭绝人类/AI有意识的灭绝人类/AI无意识的灭绝人类） 01:24:30 人类如何幸福生存下去？ 01:26:03 如果AI产品收费模式是付费制，大部分人类会逐渐失去和AI的连接 01:40:21 AGI公司的承诺和制度安排 01:58:48 人类不要逃避危险本身而逃避思考【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

人人都谈论AGI，但在可见的未来，AGI到底是一幅什么样的画面？针对这个话题，我邀请了清华大学智能产业研究院（AIR）院长、前百度公司总裁张亚勤院士，来聊聊。在他的脑海中，人工智能会按照信息智能〉物理智能〉生物智能的图谱逐步实现AGI。这种构想和信仰之下，AGI呈现的是一个乐观的前景画面。但这不是人们预感AI进化的全部图景，在之后的节目中，我也会推出对AGI的另一种思考与隐忧。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:45 在AI冬眠期，微软亚洲研究院成立了 03:57 微软怎么管理亚洲研究院？目标如何设置？ 05:53 清华智能产业研究院（AIR）的目标和路径，不做基层通用大模型 10:45 我脑海中的AGI地图：信息智能〉物理智能〉生物智能 12:40 信息智能是大脑的智商，5年内达到AGI水平 14:25 物理智能首先落地是自动驾驶，人形机器人需要10年 15:51 机器人分三类：家庭机器人、工厂机器人、社会机器人 21:05 人形机器人：未来可能每个人有一个你的copy、你的“分身” 22:25 为什么大模型大幅加速了自动驾驶和具身智能的开发速度？ 39:38 生物智能：20年实现，人的寿命更长，诞生新物种 45:56 构想10年后的世界 51:27 最后推荐两本书【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

2025年这个春节，DeepSeek一举改写了全球AGI大叙事。在万般热闹之际，我们特别想沉下来做一些基础科普工作。在《商业访谈录》89集节目中，我邀请了加州大学伯克利分校人工智能实验室在读博士生潘家怡，为大家对照解读了春节前的DeepSeek-R1-Zero、R1、Kimi发布的K1.5，以及OpenAI更早发布的o1技术报告。这些模型聚焦的都是大模型最新技术范式，RL强化学习，简单来说就是o1路线。今天这集，我邀请的是香港科技大学计算机系助理教授何俊贤。他的研究方向是大模型推理，从很早就开始关注DeepSeek的系列研究。我们会focus在最近引发全球AI届关注的DeepSeek上。何老师将带领大家从DeepSeek的第1篇论文开始，阅读经过挑选的这家公司历史上发布的9篇论文。我们希望帮助大家从一个更延续、更长期、也更技术底层的视角来理解DeepSeek，以及它所做的复现与创新工作；与此同时也希望能让更多人感受到技术之美。（如果如果，你觉得光听还不够刺激，觉得一定要坐在电脑前看着投屏、拿起纸笔学习更有沉浸感…如果你实在是真心想要找虐的话…请前往：含投屏的视频版本。嘿嘿！预祝你学习顺利啦！2025我们和AI共同进步！）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）03:01 讲解开始前，先提问几个小问题整体风格：Open、Honest、低调、严谨的科学态度DeepSeek基座模型21:00 《DeepSeek LLMScaling Open-Source Language Models with Longtermism》技术讲解45:48 《DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models》技术讲解01:06:40 《DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model》技术讲解01:40:17 《DeepSeek-V3 Technical Report》技术讲解DeepSeek推理模型02:05:03 《DeepSeek-Coder: When the Large Language Model Meets Programming - The Rise of Code Intelligence》技术讲解02:12:16 《DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence》技术讲解02:47:18 《DeepSeek-Prover: Advancing Theorem Proving in LLMs through Large-Scale Synthetic Data》和《DeepSeek-Prover-V1.5: Harnessing Proof Assistant Feedback for Reinforcement Learning and Monte-Carlo Tree Search》技术讲解02:52:40 《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》技术讲解03:01:41 9篇论文到这里都讲完啦！最后我们一起强化学习一下！关于强化学习往期节目：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和OpenAI前研究员吴翼解读o1：吹响了开挖第二座金矿的号角王小川返场谈o1与强化学习：摸到了一条从快思考走向慢思考的路逐句讲解DeepSeek-R1、Kimi K1.5、OpenAI o1技术报告——“最优美的算法最干净”开源一场关于DeepSeek的高质量闭门会：一场关于DeepSeek的高质量闭门会：“比技术更重要的是愿景”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

1年前，在我的报道《朱啸虎讲了一个中国现实主义AIGC故事》中，他的观点淋漓尽致地展现了一个现实版中国AI故事。他用“我们一看就知道，这个肯定没戏”，“我们一开始就说了，我就不看好大模型”，“ 我都不愿意去聊，你知道吗？这没有意义”，表态绝不会投资6家中国大模型创业公司中的任何一家。然而，时隔1年，Allen Zhu对待通用人工智能的态度出现了惊奇的逆转。这是朱啸虎现实主义故事的1周年连载。希望《商业访谈录》能持续为大家呈现中国AI市场的风云变幻与市场中人的心态起伏。2025，期待我们和AI共同进步！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:30 DeepSeek快让我相信AGI了 03:08 这是对领先者的curse、诅咒 05:21 闭源模型还有没有价值？是很严峻的灵魂拷问 06:00 20天做到2000万DAU：DeepSeek是全球App增速历史第一，不需要任何限定语 07:00 梁文锋觉得，意识不一定是一个非常高技能、高门槛的事情 11:19 不用担心在别人的地基上盖房子，对AI应用公司是极大的解放 14:40 初始语料需要博士级别、各个领域专家级别的人来打标签 15:53 DeepSeek这次唯一没有公开的可能就是预训练语料 17:40 OpenAI成本很高，如果不能持续保持领先，挑战会挺大 18:09 中国大模型公司都需要重新思考 20:05 今天的DeepSeek是追赶者还是创新者角色？ 21:02 怎么看梁文锋？梁文锋是你的反面吗？ 21:40 我肯定会投啊！我肯定会投！——这个价格已经不太重要了，关键是参与在这里面 22:59 我今天上午和梁文锋说，R1可能会被认为是机器AI意识的元年 24:00 至少搜索肯定是被彻底取代了——这是毫无疑问的！ 26:14 AI产品的数据飞轮价值不大，这是我这两年最大一个教训 27:51 如果你是DeepSeek CEO，你当下最关切、最紧要需要解决的问题是什么？ 31:32 怎么看特朗普上任第二天宣布的Stargate（星际之门）项目？怎么看英伟达？ 33:29 “朱啸虎们”怎么看待“梁文锋们”？ 34:07 复盘1年前《朱啸虎讲了一个中国现实主义AIGC故事》里的观点，哪些被打脸？哪些更坚定？ 36:16 尤其在中国，你可以假设底层模型是免费的！ 37:07 回顾2024年的大模型行业，你会把哪些时刻当作关键节点？ 40:45 字节今天如果马上改开源追赶，那也不太容易 41:30 今年会不会看到通义千问把自己的生态向DeepSeek兼容，这样一个标志性事件？ 42:08 点评新出现的AI产品（包括但不限于Perplexity、Cursor、Devin） 47:39 聊小红书、具身智能、杭州和理想汽车 52:26 现在全世界就只有中美有AI能力，出海都是Low-Hanging Fruits（低垂的果实） 52:57 我今天看到在新加坡的泡泡玛特，买盲盒还要配货，你想到吗？！买盲盒都要配货！！ 55:30 答DeepSeek问 59:50 最后的快问快答朱啸虎往期节目：你们要的朱啸虎，来了1年前的报道：《朱啸虎讲了一个中国现实主义AIGC故事》【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

2025年这个春节，DeepSeek一举改写了全球AGI大叙事。在万般热闹之际，我们特别想沉下来做一些基础科普工作，一起来研读这几篇关键的技术报道。今天这集节目，我邀请加州大学伯克利分校人工智能实验室在读博士生潘家怡，来做技术解读。他的研究方向是语言模型的后训练。这期播客中，家怡将带着大家一起来读，春节前DeepSeek发布的关键技术报告，他在报告中发布了两个模型DeepSeek-R1-Zero和DeepSeek-R1；并对照讲解Kimi发布的K1.5技术报告，以及OpenAI更早之前发布的o1的技术博客，当然也会聊到它春节紧急发布的o3-mini。这几个模型聚焦的都是大模型最新技术范式，RL强化学习。希望我们的节目能帮更多人一起读懂这几篇论文，感受算法之美，并且准确理解目前的技术拐点。（以下每篇技术报告都附了链接，欢迎大家打开paper收听✌️）期待2025，我们和AI共同进步！【嘉宾小记】加州大学伯克利分校人工智能实验室在读博士生，上海交通大学本科毕业。他的研究方向主要集中在语言模型的后训练领域，通过强化学习等方法提升AI在智能体行为决策与推理方面的能力。这是他做的有关R1-Zero小规模复现工作：github.com我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）03:46 讲解开始前，先提问几个小问题16:06 OpenAI o1技术报告《Learning to reason with LLMs》讲解报告链接：openai.com中文标题翻译：《让大语言模型学会推理》OpenAI在报告中有几个重点: Reinforcement Learning — 强化学习 It learns to recognize and correct its mistakes. It learns to break down tricky steps into simpler ones. It learns to try a different approach when the current one isn’t working. （它学会识别并纠正自己的错误，学会将复杂的步骤分解为更简单的步骤，学会在当前方法行不通时尝试不同的解决途径。）这些是模型自己学的，不是人教的。 我们还在技术早期，他们认为这个技术可拓展，后续性能会很快攀升。33:03 DeepSeek-R1-Zero and DeepSeek-R1技术报告《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》讲解报告链接：github.com中文标题翻译：《DeepSeek-R1：通过强化学习激励大语言模型的推理能力》35:24 摘要（Abstract）37:39 导论（Introduction）44:35 发布的两个模型中，R1-Zero更重要还是R1更重要？47:14 研究方法（Approach）48:13 GRPO（Group Relative Policy Optimization，一种与强化学习相关的优化算法）57:22 奖励建模（Reward Modeling）01:05:01 训练模版（Training Template）01:06:43 R1-Zero的性能、自我进化过程和顿悟时刻（Performance, Self-evolution Process and Aha Moment）值得注意的是，“Aha Moment”（顿悟时刻）是本篇论文的高潮：报告称，在训练DeepSeek-R1-Zero的过程中，观察到一个特别引人入胜的现象，即“顿悟时刻”。这一时刻出现在模型的中间版本中。在这个阶段，DeepSeek-R1-Zero通过重新评估其最初的方法，学会了为一个问题分配更多的思考时间。这种行为不仅是模型推理能力不断增长的有力证明，也是强化学习可能带来意想不到且复杂结果的一个迷人例证。这一时刻不仅是模型的“顿悟时刻”，也是观察其行为的研究人员的“顿悟时刻”。它凸显了强化学习的力量与美感：我们并没有明确地教导模型如何解决问题，而是仅仅为其提供了正确的激励，它便自主地发展出高级的问题解决策略。这种“顿悟时刻”有力地提醒我们，强化学习有潜力在人工智能系统中解锁新的智能水平，为未来更具自主性和适应性的模型铺平了道路。01:14:52 模型能涌现意识吗？01:16:18 DeepSeek-R1：冷启动强化学习（ Reinforcement Learning with Cold Start）01:24:48 为什么同时发布两个模型？取名“Zero”的渊源故事？01:28:51 蒸馏：赋予小模型推理能力（Distillation: Empower Small Models with Reasoning Capability）01:35:27 失败的尝试：过程奖励模型（PRM）与蒙特卡罗树搜索（MCTS）01:42:33 DeepSeek-R1技术报告是一片优美精妙的算法论文，有很多“发现”，这是它成为爆款报告的原因01:43:50 对DeepSeek-R1训练成本的估算：往高里估，一万步GRPO更新, 每步就算1000的batch size（试一千次），一次算一万个token；模型更新用的 $2.2 / 1M tokens, 总共是100B tokens — 0.22M 算上效率损失，模型训练也有一定开销，说破天也就1M；如果优化的话很有可能只有10万美金左右的成本 相比之下，预训练用了600万美金，相当便宜01:49:05 KIMI K1.5技术报告《KIMI K1.5:SCALING REINFORCEMENT LEARNING WITH LLMS》讲解中文标题翻译：《KIMI K1.5：利用大语言模型扩展强化学习》报告链接：arxiv.org该报告公开了许多技术技巧细节，对于想要复现的人，两篇paper一起使用更佳。如，数据构造、长度惩罚、数学奖励建模、思维链奖励模型、异步测试、Long2short、消融实验等。02:20:07 DeepSeek论文的结尾谈未来往哪里发展？02:24:35 以上是三篇报告所有内容，接下来是提问时间，我们继续强化学习一下！“数据标注”在几篇论文中藏得都比较深，小道消息OpenAI一直以100-200美元/小时找博士生标数据“DeepSeek的论文隐藏了技术细节，但把算法的精妙之处和美展现给你，让你感受技术之美，给你震撼。”它解密了后训练范式革命可以何处去，让你发现原来算法这么简单！再一次验证——“最优美的算法永远是最干净的。”关于强化学习往期节目：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和OpenAI前研究员吴翼解读o1：吹响了开挖第二座金矿的号角王小川返场谈o1与强化学习：摸到了一条从快思考走向慢思考的路开源一场关于DeepSeek的高质量闭门会：一场关于DeepSeek的高质量闭门会：“比技术更重要的是愿景”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

2025刚开年，全球AI届就已高度共识，将2025年定义为“智能体元年”。北京时间1月24日凌晨，OpenAI率先抢跑，发布智能体产品Operator（操作员），打响了全球智能体竞赛的第一枪。在Operator发布前，广密在我们的节目中预言，25年核心关键词是Agent、Agent、Agent，这些AI产品最终会演变成一个任务容器，朝着“下一个Google”方向进发。本集节目，在Operator发布后，我邀请前OpenAI研究员、清华叉院信息研究院助理教授吴翼，从技术视角解读Operator和Agent之年。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:55 对Operator的感官感受 04:19 Operator在AGI路线图上的地标：多模态、连续交互、闭环控制系统 06:34 OpenAI内部还有更好的模型，智力会刷得很高，Operator带有泛化性 08:17 Operator是多模态、闭环的o1，一个Agent o1的版本 08:57 为什么Operator是单独入口？ 11:13 Operator包含的技术要点：基座模型、高质量数据集、高效大规模支持Agent的强化学习系统 14:10 有关Operator底层用的新模型：Computer-Using-Agent（CUA） 19:02 2025是Agent之年：多模态模型+强化学习 20:49 回溯到2016年，OpenAI成立后第一个大项目就是Web Agent，但失败了 22:40 OpenAI的5级分类：聊天机器人Chatbots〉推理者Reasoners〉智能主体Agents〉创新者Innovators〉组织Organizations，技术演进轨迹，人类参与越来越少 31:26 Operator在与人类协作时，如何平衡自主决策和人类指令的优先级？ 32:30 Operator怎么整合语言、视觉和动作等不同模态的信息？ 34:11 Operator能否支持与其他Agent的协作？这种协作的机制是什么？ 38:45 广密说Chatbot不是提取智能最有效的交互方式，Operator能有效提取智能吗？ 42:14 OpenAI智能提升与更多产品的关系 49:48 Agent这个词从博弈论进入人工智能，现在指大语言模型调用外部世界 54:29 Agent中有创业公司的机会吗？ 58:57 Operator释放了信号：逻辑推理从抽象世界走向视觉物理世界的开端 01:02:27 如果Agent在未来成为主流，人类与AI的协作方式会发生哪些变化？ 01:06:46 大公司全部开着重装坦克往前走，其他人怎么办？预言单集：大模型季报年终特辑：和广密预言LLM产品超越Google之路吴翼往期：和OpenAI前研究员吴翼解读o1：吹响了开挖第二座金矿的号角【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺更多信息欢迎关注公众号：张小珺

这里是《张小珺商业访谈录》2025年与大家见面的第1集节目，我邀请的嘉宾是理想汽车创始人兼CEO李想。2024年12月，理想将车机助手理想同学作为手机版App推出，并于此前做了基座大模型。这相当于，这家人们认知中的新能源车企，要跨界参与到与字节豆包、Kimi等个人助手的红海之战。这场对话涵盖了这名非技术背景、被认为在产品上有天赋的创始人，过去两年对人工智能完整的技术与产品观的思考。他也首度谈了谈，MEGA失利、苹果放弃造车、雷军造车成功、如果他当了OpenAI CEO、理想会做机器人吗、怎么管理00后等各种话题。此外，播客还放出了一部分加长版聊天。这部分和此前两小时会稍微有一些重复，保留的都是一些觉得李想有增量表达，也许能给大家一些启发的地方（如果不想听，可以直接跳过）。同时，这部分偏后的篇幅会更加个人，聊了聊一名宅男的日常生活，他长达几十年的玩游戏史，改变过他的游戏，以及从游戏中获得的世界观。祝大家2025年，正直勇敢有阅读量：）我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:55 第一节：谈人工智能 1. 我绝对不止做一棵树了 2. 你都不能让你雇的人相信，你怎么让大众相信？ 3. 我做OpenAI CEO会比Sam Altman更好吗？ 4. 理想同学+Mind GPT要去和豆包、Kimi竞争了？ 5. 基座模型是操作系统+编程语言 6. L4就是智能体 7. 终极产品想象是硅基家人 8. 人工智能表达的是能力，不是功能 9. 李想有理想吗？56:12 第二节：谈智能驾驶 1. 三年我们能推出把方向盘摘掉的产品 2. 我们相比特斯拉又不缺胳膊少腿 3. L4实现，买车的人会更多 4. 我们100%会做机器人，但不是现在01:17:50 第三节：谈汽车之战 1. 买法拉利 2. 复盘MEGA失利 3. 今天做的所有事是为了拿L4门票 4. 对雷军说，小米车要想成功，你必须all in 5. 2030年，我们有概率做一辆超级跑车 6. 我从来没有司机01:42:47 第四节：消失的李想 1. 典型的李想的一天 2. AI是知识、认知和能力平权 3. 我人生最大改变是，对自己好 4. 从对事不对人，到先对人再做事 5. 只要所有的中国企业不放弃02:08:42 以上是对李想的正式访谈内容，以下是播客的加长内容。 02:08:42 补充内容（可跳过） 02:31:49 宅男、家庭、孩子、《再见爱人》、游戏和天梯 02:49:24 最后的快问快答嘉宾推荐的书：《高效能人士的七个习惯》苹果三部曲：《史蒂夫·乔布斯传》《蒂姆·库克传》《乔纳森传》【更多信息】本集文字版本：腾讯新闻原文 & 作者的收藏夹联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

今天这集是我和广密【全球大模型季报】第5集，是2024年Q4季报，也是我们录制的第二次跨年特辑。提前和大家见面啦：）这次你会发现，我们的聊天篇幅开始从大模型技术转向对大模型产品的探讨。很大概率来说，产品会是2025年AI的最大趋势之一。AI产品会如何落地？产品形态又会如何演变？广密带来了最新猜想。他提出，过去半年他最强烈的认知变化是，不管国外的ChatGPT、Anthropic、xAI、Perplexity，还是国内的豆包、Kimi，甚至是做Coding相关的Cursor、Devin……虽然各个产品的产品形态不一，从不同路径发散，但最后会殊途同归。他们最终很可能收敛到同一个叙事之下，争夺同一片领地。很开心转眼之间，【全球大模型季报】已经陪伴大家1年，明年仍然希望这个系列能持续地帮大家了解最前沿的AGI动态并带来认知进化。本集是《张小珺Jùn｜商业访谈录》和《海外独角兽》的串台节目。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯。02:33 Part 1: OpenAI ChatGPT本质是奔着“下一个Google”方向去了，如何beat Google是最大的牌 一定要逛计算机历史博物馆，理解“计算架构+信息分发”演变的主线逻辑 Google也是从Yahoo边缘市场撑大做起来，伟大公司是从边缘市场起来 小红书非常有意思，融合了搜索+推荐+问答+做任务一体化 这些产品最终的最终会变成任务引擎、任务容器，是下一个Google 电商过去最核心的是GMV，订单转化率，AI时代我感觉是任务完成率 Chatbot对话形态大概率不是提取智能最有效的交互方式，模型如何更主动？ 可能的一个产品形态是个人助理或者超级助理 Context非常核心，绝大多数人都还没意识到，是一条关键的暗线 如果AI的生成能力增强了，未来会生成的是什么？Mobile最大增量是内容，LLM最大增量新型软件 既然这些LLM产品想成为Google已经变成了一张明牌，你觉得Google有能力阻止这件事发生吗？ “下一个Google”的产品，会是一家垄断吗？ 微软和OpenAI同床异梦，微软可能会投资Anthropic51:04 Part 2: 硅谷其他AI公司和产品 Anthropic：得Coding，得开发者，得API消耗，有机会得生态，做OS Anthropic比较专注Agent，怎么让Agent更快落地是更高优先级 Killer App长期要有竞争力，要端到端垂直整合能力，向下优化，优化成本、模型架构、模型大小、调整模型数据分布、甚至向下优化推理芯片 xAI：还是注定要成功，但是upside还有多少不太确定 Perplexity：更像是一个信息处理的Agent Cursor：Coding产品形态要快速迭代，之前补全下一个代码，Cursor补全下一个Action，明年可能端到端生成软件 Devin：第一个真正意义上做长距离复杂任务的Agent，明年最具有商业价值的是long horizon Agent（长期规划智能体） Mistral：已经不用再关注了，他们内部也正式放弃预训练了01:02:24 Part 3: 对2025/2026关键预言性判断 1/ Long horizon task 是下个重点，重要核心圈子几个大佬级人物都在重点做 2/ 产品形态的探索，全新的交互界面 3/ AI商业模式的探索，今天商业模式还是移动梦网时代 4/ 高质量+scalable的数据，尤其是各个垂直行业里面，有没有几千条甚至上万条，任务+Reward数据，要高水平专家标注 5/ GPT-5/4.5 Orion：提升能有多大 6/ O1后面天花板走到哪：大规模scale RL/o1之后会怎么样，会不会很快遇到瓶颈 7/ 假设Coding能力明年提升10倍，软件开发范式怎么改变 8/ Context很重要，大家都还不够重视 创业公司没法同时做好这么多，得找锋利的切入点，一根针捅破天01:11:11 Part 4: 再谈Scaling Law Ilya最近提的pretrain data wall（预训练数据壁垒）是什么？ 后训练中有一个关键问题是奖励模型（reward model），整个地球上没有一个reward model衡量所有人，你相信会未来有吗？ O1系列天花板会卡在哪？这条路通往AGI吗？ Scaling Law关键阻碍不是算力，不是算法，是data问题 ChatGPT有数据飞轮吗？未来会出现吗？哪些产品里有高价值数据？01:22:19 Part 5: 复盘2024 回顾一下，能定义2024年全球大模型产业的关键时刻？ 全球大模型又狂卷一年，卷出了什么？ 今天想要进入决赛圈，条件是什么？ 哪些去年的判断你今天更坚信了，哪些去年的判断你今天认知有改变？ Mega7巨头里面最看好哪个？ 硅谷人才在流向哪几家公司？ 明年如果只投一个方向，投什么？ 这一轮大的机会，我总结是这3个…… 2024关键词？2025关键词？【全球大模型季报】系列2023年：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2024年Q1：和广密聊AGI大基建时代：电+芯片=产出智能2024年Q2：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2024年Q3：AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

Kevin Xu曾经参加奥巴马总统竞选，并在美国商务部和白宫都工作过。今天，我邀请他来聊聊美国总统大选的幕后故事。由于Kevin在科技业从业多年，他提供了一种有意思的视角来看美国政治与大选活动——总统候选人作为一个产品，它在走向市场的过程中，如何与国家叙事实现PMF（Product Market Fit，产品市场匹配度）？我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:30 自我介绍 02:23 22岁参与奥巴马竞选团队，后担任他在白宫的新闻助理 03:13 美国大选的框架：scale up、地推、集资、媒体… 06:46 大选就是把产品（候选人）和市场（国家环境）做Product Market Fit 08:25 总统竞选成员每天具体在干嘛？ 14:31 大选输赢对于竞选团队成员的职业生涯有多大影响？ 15:30 大选怎么获胜？“首先你的产品要好” 19:25 从商务部（骆家辉任上）到白宫新闻部，给奥巴马写新闻稿 22:08 特朗普的胜选在预期内，有些与08年雷同 25:09 特朗普是个好产品吗？共和党缘何胜利？民主党缘何惨败？ 30:12 奥巴马这个产品如果放在现在，还能fit今天的美国吗？ 31:35 哈里斯是一个仓促的、还没有准备好的产品？ 32:19 我在大选框架中亲历4次，大选当天都是枯燥的一天 33:36 是共和党跟着特朗普走，不是特朗普跟着共和党走，特朗普就是特朗普 34:50 特朗普如何争取硅谷精英选票？他对美国科技业的后续影响？【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

做这集节目是因为，我想看看那些融了很多钱的AI创业者在干嘛？他们似乎已经很久不出来发声了，把整个舆论场留给几家基础大模型公司和巨头们。本集嘉宾是深言科技创始人岂凡超。他公司的融资规模没有大模型公司那么大，但相比一般的创业者，也已经属于账上有非常多钱的了。在去年融资中，估值12亿元人民币。拿了这么多钱找方向，做了1年，他们现在怎么样了？这是岂凡超第一次接受访谈。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:48 自我介绍 02:45 94年，博士还没毕业开始创业 12:49 清华AI创业的脉络和门派 14:34 ChatGPT之前，见了100个投资人 22:18 ChatGPT之后，资本环境发生过山车式的变化 25:39 23年下半年开始发现差异化训模型变难，于是战略转型 29:30不认可模型即产品，未来没有模型公司 33:50 我们产品有5个模型组合，试图解决模型输出不确定性 40:11 产品构想：新闻阅读？信息助手？ 42:40 内容生产消费分发变迁史 44:52 内容是信息的载体，从以内容为颗粒度到以信息为颗粒度 53:36 内容生产消费链路变化，重心一直从内容创作者往消费者移 56:49 新一代创作者会是什么样？ 60:06 刚上线的产品：语鲸 70:30 聊聊好产品：Cursor、NotebookLM、Perplexity 73:55 创业像航海，没有航海图 81:18 我干的一件很蠢的事 83:18 90后CEO幼稚吗？大发雷霆吗？两面三刀吗？画饼吗？喜欢管理者做信息差管理吗？ 88:28 大模型输出的不确定性很大程度影响AI组织 102:15 最后的快问快答嘉宾推荐的书：《自私的基因》《学会提问：批判性思维指南》【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

最近关于英伟达战略和组织的新书《英伟达之道》上线，这本书的作者Tae Kim专访了黄仁勋。我邀请本书译者和上过我们节目的王亚军来聊聊：黄仁勋和3万亿美元英伟达是如何炼成的？我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:45 黄仁勋的危机感来源：移民家庭、在“问题少年学校”受霸凌 09:54 服务员黄仁勋特别不喜欢顾客点奶昔 16:16 英伟达的三位创始人和创办（黄仁勋、普里姆和马拉科夫斯基） 22:05 Nvidia为什么叫Nvidia：要成为让所有人嫉妒的公司？ 23:52 英伟达发展的三个阶段：从NV1、NV2的败笔开始 36:22 细数英伟达发展史上的重大战略决策，成功的和再次失败的 48:57 黄仁勋怎么治理公司？白板文化、Top 5、机长、“战略不是文字，是行动”、“运送一整头牛”… 01:30:16 联合创始人普里姆的离开，黄仁勋没有二号位 01:33:11 3万亿美元英伟达是如何炼成的？往期英伟达节目：谈谈黄仁勋搭建的组织系统：分布式操作系统，“就像一台GPU”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

最近，我访谈了以太坊联合创始人Vitalik Buterin，他站在加密技术（Crypto）的彼岸远眺人工智能技术。Vitalik是俄裔加拿大人，出生于1994年，19岁大学辍学创立以太坊，20多岁成了最年轻的加密亿万富翁。在中国，人们称他“V神”。他试图阐述一种技术哲学观。在他的认知中，AI和Crypto代表的是两种底层哲学。AI更中心化、富有权力，它可能正在构建史无前例的强大权力中枢；而Crypto相反，倡导的是一种去中心、平等的生存主义哲学。技术革命或将推动关乎人类命运的“权力游戏”。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:00 我会6门语言 05:00 站在Crypto技术浪潮那一端看人工智能革命，在想什么？ 10:03 AI是非常有权力的，ChatGPT是非常中心化的应用 13:35 OpenAI第一步为了安全牺牲了开源，第二步为了利益牺牲了安全 28:21 如果人工智能的终极势力抑或是“老大哥”要毁灭人类… 35:18 比人类更聪明的东西一定会出现，有两种选择 37:56 Crypto和AI可以如何结合？ 41:13 如果我们行业就是发个币、做个交易所，这个行业是失败的 44:44 为什么以太坊生态或Web3生态依然没有实际应用？ 46:40 中心化的应用 vs 去中心化的应用（提到的产品名：Farcaster、Twitter、Warpcast、Firefly） 53:30 如何看待Crypto行业中的投机分子？ 56:19 谈自己：生活、思考、恐惧【更多信息】本集文字版本：腾讯新闻原文 & 作者版本联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

最近美国大选尘埃落定，今天我们的话题不是美国政治，而是讨论一个地缘相关的科技话题：如果美国形成AGI霸权，我们应该怎么办？这集嘉宾是李开复（零一万物创始人和CEO、创新工场董事长和CEO）。由于他有40年人工智能从业经历，曾经在苹果、微软和Google等科技巨头中担任高管，和中美各界联络广泛；这次，我们把话题推向了更为宏大的议题：AGI霸权与垄断、海外科技巨头的卡位与现状、AI超级应用的隐形崛起。访谈中，他提供了一个如果美国有望形成AGI霸权，中国可以走的第二条道路的可能性视角。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:03 从2024诺奖开始聊起：聊聊我熟悉的Geoffrey Hinton09:19 Hinton的功劳不只是机器学习，还有识别GPU对机器学习的价值10:20 23年开始的第一次也是最后一次创业：顶着“教父”、“偶像”这样的帽子创业，有包袱吗？15:17 24年零一最重要决策是做成本更低的推理，如何实施？27:36 做世界最牛的模型和做应用，是不能衔接的（Character.AI的两难）35:39 要追求第一个做到AGI且完全碾压别人，这个梦想我们没有，也不能有41:25 第一个做出AGI碾压对手的，必然是商业霸权垄断者，会有成为终极垄断者的野心43:03 中国可以走的第二条道路的可能性视角49:43 我认可说AGI会7年以后会发生54:11 谈零一最近的战略选择：2C先走海外，国内聚焦2B01:02:22 2C应用预计会在明年上半年爆发01:04:45 智能助手可能走向委托式用户界面，变成Super App01:14:18 OpenAI还藏了很多牌，我们千万不要低估它01:17:50 《Generative AI's Act o1: The Agentic Reasoning Era Begins》是标准硅谷共识01:20:11 大模型公司为什么还要继续做预训练？01:23:40 为什么创业穿西装？“穿西装比较遮我的肚子”01:26:55 锐评海外巨头的卡位与挑战：英伟达、Meta、微软、OpenAI、xAI、Google（这里有很多增量：）访谈中提到的文章：《Generative AI's Act o1: The Agentic Reasoning Era Begins》(生成式AI的o1行动：代理推理时代的开启)《Can AI Scaling Continue Through 2030?》（《人工智能的规模定律能否持续到2030年？》）李开复推荐了三本书：A Brief History of Time（《时间简史》）, by Stephen HawkingLeonardo da Vinci（《列奥纳多·达·芬奇》）, by Walter IsaacsonMan's Search for Meaning（《活出生命的意义》）,  by Viktor Frankl【更多信息】本集文字版本：腾讯新闻原文 & 作者版本联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

今天的嘉宾是知乎创始人和CEO周源。可以说，大模型技术浪潮的崛起正冲击着现存内容社区的既有秩序。拿知乎来说，有了大模型之后，当我们都可以向机器提问了，为什么还需要一个“向人提问”的产品？“向人提问”与“向AI提问”能在一个社区中共存吗？更有甚者，倘若人类不再需要与另一个人类连接识别意义，这种人与人交流的平台，会不会最终被机器吞噬，成为机器理解人类的语料？这不仅是知乎需要思考的，而是在AI技术变革面前，所有内容社区所面临共同的时代命题。这集我和周源就聊了聊内容社区与AI。今年知乎上线了自己的AI搜索产品，知乎直答。周源对AI搜索、搜索引擎市场和Perplexity发表了一些特别的看法。此外，我们也聊了聊一家内容社区14年的生存故事，以及它上市后的挣扎。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）AI、内容社区与Perplexity 02:27 见到ChatGPT，第一感受是一股强烈的脱节感 05:29 我说要拿出1亿美元推动大模型，现在想来还是格局小了 06:50 早期几个判断：牌照制、开源、“人是AI的目的” 11:38 针对大模型，知乎的投资决策（面壁智能）、产品决策 21:16 Perplexity更像一个内容产品 26:41 搜索引擎该被“颠覆”的地方都被“颠覆”好几轮了记者周源和社区的核 38:09 站在报刊亭，觉得自己突然被慧星击中了 43:01 在媒体的面霸经历、撰文《桌面神话终结》基本被录用 45:20 “它可能是一个可以无限扩展的编辑部” 49:04 第一段失败的创业（Meta搜索） 49:50 30岁创办知乎的心情？你是谁？你想成为谁？ 54:24 知乎的内核是社区，社区的内核是什么？与字节那场仗 56:01 字节当年做悟空问答？“我们做的可能不是一款产品” 57:24 和字节那场仗结束的时候，你觉得知乎已经无敌了吗？ 47:58 “从搜索引擎进入到推荐引擎时代，推荐引擎的横向兼容性变得更大” 58:38 在面对综合平台竞争的时候，有感觉到压力很大的时刻吗？挣扎的本质 01:01:59 挣扎来自“评判标准的一致性” 01:02:55 上市后知乎快速摇摆，战略上大起大落、大开大合，为什么？ 01:08:11 有评论说知乎水化，老用户声称要离开知乎，这是你不能接受的吗？ 01:09:00 知乎的股价就像坐上了跳楼机，你的心情是怎样的？ 01:12:32 知乎会认命吗？你会认命吗？ 01:15:51 海盗文化和“船长” 01:16:31 孤独的悖论：“这个CEO还会在他该孤独的时候依然很孤独”【更多信息】本集文字版本：腾讯新闻原文 & 作者的收藏夹联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

受到万众期待又迟到2个月特斯拉Robotaxi大会，终于来了。但却以该公司股价下挫告终。这集节目我和孟醒在第一时间，逐字逐句点评了这场行业盛事。本集是《张小珺Jùn｜商业访谈录》和《技术不无聊》的串台节目。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:30 一场莫名其妙的会议？发布会时间还没延迟长 02:50 更像Party、年会，粗糙是特斯拉的常态 05:54 给特斯拉Robotaxi大会划重点 08:40 偷巧的用词：有监督版本FSD和无监督版本FSD （FSD：Full-Self Driving，完全自动驾驶） 13:30 马斯克说2025在得州和加州实现无人监督FSD？ 14:28 一周168小时，每台车一周使用10小时，如果车辆自动驾驶，使用率提升5-10倍——这更像共享经济的老故事 17:45 点评赛博出租车Cybercab：是Model2改造的？ 20:50 Model3的BOM成本12-13万出头，Model2的BOM成本10万以内 22:52 测试难度？封闭测试->固定路线开放场景->开放路线开放场景 25:20 算算账？马斯克预计，Cybercab运营成本降到20美分/英里，在美国包含税和其他费用的成本30-40美分 28:19 “牧羊人”、Car Partner、资金杠杆 38:54 特斯拉股价跌了、Uber股价涨了 39:41 到底为什么特斯拉要讲Robotaxi的故事？ 41:30 1亿量车、100吉瓦、分布式计算资源 43:05 点评无人驾驶多功能车Robovan 47:45 点评整场唯一超预期的人形机器人：是摇操作？【从蒸汽机到无人驾驶】系列和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”从蒸汽机到无人驾驶3｜和孟醒聊特斯拉FSD进化史从蒸汽机到无人驾驶4｜Waymo和它的对手们：我暗中考察了四个月从蒸汽机到无人驾驶5｜谈谈自动驾驶创投过山车这8年【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

我们的节目正在推出新系列【从蒸汽机到无人驾驶】，今天是第5集。因为，在我自己学习自动驾驶的过程中觉得，这个行业的知识壁垒很高、信息不对称也很严重，所以邀请五源资本合伙人、前滴滴自动驾驶COO孟醒来做一个自动驾驶的深度科普。在之前的两集中，他分别以L2和L4自动驾驶为线索，分别聊了聊特斯拉FSD进化史和低调的Waymo及它的对手们。大家可以在《商业访谈录》的72集和74集收听。今天这集更偏孟醒个人。这次聊天发生在他刚离开滴滴、即将加入五源资本的短暂间隔期之中。我们聊了聊为什么那么多人都在逃离风投，而他却选择在此刻回归？以及他所亲历的自动驾驶创投这8年。建议大家把72、74和78这三期节目连起来收听。本集是《张小珺Jùn｜商业访谈录》和《技术不无聊》的串台节目。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）【嘉宾小传】孟醒，五源资本合伙人、卡尔动力董事长，曾担任滴滴自动驾驶COO、顺为资本科技组负责人；在顺为期间，孟醒投资了小鹏汽车、Momenta等明星公司；加入顺为前，孟醒曾经作为创始人和CEO创办两家人工智能领域的明星创业公司，分别是美国的Orbeus和中国的知图科技，两家公司都被并购；孟醒还曾在摩根大通投资银行部门任职，负责亚太区科技领域的投资并购以及IPO项目，参与项目金额超过600亿美金。孟醒拥有加州大学伯克利分校应用数学和经济学学士，以及麻省理工大学斯隆商学院MBA学位。创业和投资是一个旋转门那么多人离开VC，我为什么在这时回来了？中美的孵化器对比投资小鹏汽车、Momenta的经历天使轮估值1亿美元以上的前沿科技公司还没有成功案例16年通用汽车10亿美元并购Cruise带来了自动驾驶创投热潮在创投端，亲历过去8年自动驾驶的起起伏伏16年创立的自动驾驶相关公司到今天还活着的，大概一半细说自动驾驶的产业版图和分工L2和L4领域今天已经高度头部化经历多轮周期的自动驾驶能给今天的大模型哪些借鉴？【从蒸汽机到无人驾驶】系列和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”从蒸汽机到无人驾驶3｜和孟醒聊特斯拉FSD进化史从蒸汽机到无人驾驶4｜Waymo和它的对手们：我暗中考察了四个月【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

2024年，不少海外大型PE纷纷募集了巨额的并购基金，中国也出台了针对并购多项鼓励政策。就在前不久，9月24日，证监会发布《关于深化上市公司并购重组市场改革的意见》（即“并购六条”）。并购重组市场会变活跃吗？本集我们的主题正是并购。我邀请霞飞资本创始人、百度前VP陆复斌来聊聊。陆复斌离开百度以后，从2017年就开始在全球并购市场上寻找机会。到今天他总计完成5笔交易，投出21亿美金。这些交易来自美国、以色列和东南亚，大多完成得隐蔽，在网络上你能找到的只有只言片语。我很好奇，他为什么要保持一种刻意营造的低调。插一句口播：除了小宇宙，大家还可以在Apple Podcast、Spotify、YouTube、腾讯新闻、喜马拉雅等多个平台关注《张小珺Jùn｜商业访谈录》。特别是Apple Podcast。希望大家能够在Apple Podcast上多多给予积极的评分和留言。谢谢大家！大家国庆节快乐！我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 03:00 嘉宾经历：美国NASA-创业-亚马逊-百度VP 06:27 贝索斯管理方法：Two-Pizza Teams 20:51 过去5年在全球市场做并购，投出21亿美金 26:06 当互联网越来越像传统行业，退出方式会变得多元 30:13 并购、时代与案例 36:46 已并购deal的幕后故事： 全球同性恋社交网络Grindr（三年两次转手、从昆仑万维买过来） 以色列公司英为财情（Investing.com） 加密货币交易所Coins 01:00:48 常见并购步骤 01:05:22 怎么判断好资产？什么是便宜？ 01:12:39 我竞价试图收购Yahoo的故事 01:16:45 最难的是收购完的经营 01:18:50 美国、以色列、东南亚做生意差异性 01:25:21 未来几年并购重组趋势【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

在过去两集节目中，关于OpenAI o1和AGI范式转移，我们先是推出了一集预言，之后推出了一集解析。在一个新范式来临的临界点上，我们希望听到更多来自业界不同视角的声音。哪怕这些声音是切片的、冲突的，我们都希望当做一种记忆和留存收集起来。今天这期是王小川的返场。王小川在创业开始就关注到强化学习并且很早开始公开谈论。他曾说，大模型代表快思考，它叫“学”；强化学习是慢思考，它叫“思”。“学”和“思”两个系统最终会走向融合。除了o1，王小川也聊了聊强化学习在一个特定场景——医疗——中的应用。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:30 大模型是“学而不思则罔”，强化学习是“思而不学则殆” 03:45 Sam Altman被宫斗下课与强化学习大神Noam Brown的动态 05:45 OpenAI o1是范式升级，摸到了一条从快思考走向慢思考的道路 （DIKW模型：Data – Information – Knowledge – Wisdom） 08:18 怎么看o1隐藏思维过程，有人破解o1思维链会被警告要封号？ 09:04 从以语言为核心走向思维链，分两阶段运行增加泛化性 11:38 强化学习 vs 监督学习 16:39 除了数学和代码以外，医疗是可以用强化学习提升的领域 19:55 之前做强化学习实验没有CoT（思维链），今天更强调CoT了 22:16 复现o1 vs 复现GPT-4 26:30 未来几年将从强化学习范式走向写代码解决问题新范式 28:35 做“水涨船高的应用”，不只是“沿途下蛋的应用” 31:35 创业公司要走出大厂射程，在射程内你是没什么好活的【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

上集节目，广密在OpenAI o1问世之前，准确地预言了代号为“Strawberry”（草莓）的项目走向，以及它背后暗示的AGI范式已经转移，强化学习开启了新赛道。这集节目录制在o1问世之后，我第一时间和边塞科技创始人、清华叉院信息研究院助理教授，同时也是前OpenAI研究员的吴翼聊了聊。他的研究方向正是强化学习。吴翼从技术视角全方位地解读了o1模型，并且分享了只有内部视角才能看见的真实的OpenAI。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:50 2019年在OpenAI做研究员 03:04 那个年代所有PHD都希望去Google Brain和DeepMind 03:46 OpenAI o1-preview初体验，很意外在用户使用端做这么大规模的推理 07:20 pre-training（预训练）能挖的金矿越来越少，以强化学习为基础的post-training（后训练）是另一个大金矿，使迈向AGI的梯子多了几节 09:00 o1-preview版本是GPT-3时刻，到没到ChatGPT时刻要看正式版本 10:33 o1应该核心关注两个要点和背后的技术原理 13:54 强化学习能否探索出Scaling Law有希望，但很复杂 15:06 强化学习三要素：reward model+搜索和探索+prompt，每一块都很难 16:42 2014年开始，UC Berkeley集体转向，押注强化学习 19:36 RL算法的演进：从DQN（Deep Q-Network）到PPO（Proximal Policy Optimization） 23:45 相信会带来通用能力而不是垂类能力提升 24:47 长文本是实现AGI的第一步，推理能力是第二步 29:57 通过o1-preview能反向复原哪些技术细节？ 34:00 reward model不太可能有一个单独的小组闭着眼睛训练，是耦合的 38:30 思维链、安全、幻觉和算力 41:25 为什么这么项目叫“Q*”？后来又叫“草莓”？梗都很有意思 49:49 o1不代表垂直模型，依然相信会出现全能的大统一模型 57:57 关于Scaling Law，2019年OpenAI内部讨论的细节 01:00:26 2019年的OpenAI处于“闭着眼睛挖矿的状态” 01:03:20 OpenAI当年如何做管理：搞大新闻、发博客，KPI是博客关注量 01:10:28 2020年离开OpenAI后悔吗？o1发布前的预言单集：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【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

我们的节目正在推出新系列【从蒸汽机到无人驾驶】，今天是第4集。因为，在我自己学习自动驾驶的过程中觉得，这个行业的知识壁垒很高、信息不对称也很严重。所以邀请孟醒来做一个自动驾驶的深度科普。之前的节目介绍过，自动驾驶分成两条线索：1、以特斯拉为代表的辅助驾驶路线；2、以Waymo为代表的全无人驾驶路线。围绕路线之争，这个行业吵了10年。在上集，孟醒着重聊了第一条线索：特斯拉FSD进化史。本集，我们的重心则是另一条：低调的Waymo和它的对手们。很有意思的是，孟醒曾带队在凤凰城调研Waymo，还暗中探访了它的“老巢”。本集是《张小珺Jùn｜商业访谈录》和《技术不无聊》的串台节目。《技术不无聊》是孟醒制作的一档新播客。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）【嘉宾小传】孟醒，五源资本合伙人、卡尔动力董事长，曾担任滴滴自动驾驶COO、顺为资本科技组负责人；在顺为期间，孟醒投资了小鹏汽车、Momenta等明星公司；加入顺为前，孟醒曾经作为创始人和CEO创办两家人工智能领域的明星创业公司，分别是美国的Orbeus和中国的知图科技，两家公司都被并购；孟醒还曾在摩根大通投资银行部门任职，负责亚太区科技领域的投资并购以及IPO项目，参与项目金额超过600亿美金。孟醒拥有加州大学伯克利分校应用数学和经济学学士，以及麻省理工大学斯隆商学院MBA学位。 02:00 Waymo始于2009年，是Google X实验室一个项目 04:32 我访谈Google无人车创始人Sebastian Thrun，结果被人骂了，很惭愧 07:13 DARPA Grand Challenge（美国DARPA出资赞助的无人驾驶赛）被埋没的故事 13:24 Waymo负责人连连换届： 1. Sebastian Thrun（2009-2013）：Sebastian Thrun是斯坦福大学教授，也是谷歌自动驾驶汽车项目创始人之一 2. Chris Urmson（2013-2016）：Chris Urmson是卡内基梅隆大学机器人专家，参与了多次DARPA自动驾驶挑战赛 3. John Krafcik（2015-2021）：John Krafcik是汽车行业资深人士，曾任现代汽车北美公司总裁兼首席执行官 4. Tekedra Mawakana和Dmitri Dolgov（2021-2023）：Tekedra Mawakana是Waymo首席运营官，法律和公共政策背景出身；Dmitri Dolgov是Waymo首席技术官，参与自动驾驶技术开发多年 5. Dmitri Dolgov和Saswat Panigrahi（2023年至今）: Dmitri Dolgov继续担任CEO之一，Saswat Panigrahi是Waymo首席产品官，负责产品管理和战略规划 18:05 Waymo技术关键变化，对最简洁漂亮的架构端到端抱有理想 21:55 我带队在凤凰城调研Waymo四个月，还暗中探访了Waymo“老巢” 38:30 无人驾驶第二名Cruise（创始人Kyle Vogt），两年、40人团队，10亿美元卖给通用汽车 43:24 一起安全事故，使Cruise从顶峰极速坠落 48:00 为什么Waymo和Cruise同样作为大企业分支，风格差异这么大？ 57:40 Uber也曾是无人驾驶一个有竞争力的对手，怎么退出了比赛？ 59:17 另外两位竞争对手现况：Zoox、Aurora【从蒸汽机到无人驾驶】系列和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”从蒸汽机到无人驾驶3｜和孟醒聊特斯拉FSD进化史【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

今天这集是我和广密【全球大模型季报】第4集。这期2024年Q3季报，提前和大家见面。我们正进入的9月会是AGI的一个大月，OpenAI造势已久且绝密的项目“草莓（Strawberry）”将在不久后揭开它神秘的面纱。此外，Anthropic也会推出Claude 3.5 Opus，这两个模型将是AGI进程是否顺利的关键风向标。这些项目很可能暗示了硅谷AGI范式已经静悄悄地发生剧烈转移。本集节目带来了对AGI发展路径的最大猜想——硅谷AGI范式正在发生转移，self-play RL（强化学习）开启了新赛道。大部分人还没意识到，在纯靠语言模型预训练的Scaling Law这个经典物理规律遇到瓶颈后，多家硅谷明星公司已经把它们的资源重心押宝在一条新路径上：self-play RL（自博弈强化学习）。只不过，这个范式转移还未形成共识。Self-play RL到底是什么？它如何有别于传统路径？它能成为继续Scaling Law的一把神奇钥匙吗？这集节目是关于self-play RL的一篇高质量科普，也希望为大模型从业者带来方向性的启发。除了self-play RL，我们着重探讨了硅谷一级市场的明星赛道（Coding、视频生成、通用机器人），以及OpenAI与科技巨头近况。希望我们【全球大模型季报】能帮大家了解最前沿的AGI动态，并且能持续给大家带来启示。本集是《张小珺Jùn｜商业访谈录》和《海外独角兽》的串台节目。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）坏的推演猜测，GPT-5不乐观；好的推演猜测，RL开启新赛道 02:30 语言模型预训练的范式或许遇瓶颈，模型scaling边际效益开始递减 05:21 为什么不一定能支持模型在GPT-4o基础上大幅跃升？现在处于“真空死亡地带”？ 06:43 我最担心的是，纯靠语言模型的经典Scaling Law /Pre train这个物理规律遇到瓶颈，或者在更大参数比如2-3T以上的情况下开始失效了 09:37 如果scaling law在模型变大的过程中不work，现在有三条潜在路径：1、多模态尤其是视觉（但还没有证据说能从视觉模态训练涌现智能能力）； 2、10万卡集群（但10万卡集群充分互联的难度比预期难，可能是全人类最难的项目之一）； 3、强化学习self-play RL（这是范式级别的大转变！） 12:53 如果我是AI公司CEO，我会200%资源all in RL这条路 13:40 概念解释：Reinforcement Learning，简称RL，中文强化学习（Ilya用一句话概括强化学习：让AI用随机路径去尝试一个新任务，如果效果超出预期，就更新神经网络的权重让AI记得多使用成功的实践，再开始下一次尝试） 19:05 代码和数学可以变得很强，能不能泛化到更多领域没有证据 22:39你也可以把语言和预训练比作人类基因组，携带着人类几千年进化的基因，强化学习RL就是人类成长的一生 24:55 必须很聪明的模型才能有能力做self-play RL的探索 27:07 Anthropic Claude 3.5是这一波标志性的产品，他们不搞Sora/搜索，主线是RL；业内少数人意识到RL的重要性是最近两个月 28:35 硅谷明星公司现阶段的资源投入？1-2家公司把RL当作最高优先级 28:56 2024年9月OpenAI和Anthropic即将要发布的，什么值得期待？ 29:42 AGI范式大转移之下，还会有GPT-6和GPT-7吗？（可能明年会看到很小的模型比今天GPT-4o要聪明非常多，一个期待是实现AGI不一定需要巨量参数的模型） 30:33 新范式的困境和卡点 32:52 Character.AI出售给Google预示AGI竞赛上半场结束，下半场开始，创始人Noam从Google进入self-play RL下半场 34:36 新范式下，还需要那么多GPU吗？很多人关心英伟达股价 37:06 AGI范式转移只在最核心的researcher中有共识，几百人，还没扩散 38:55 Claude 3.5 Sonnet显著提升，带动了编程工具Cursor的火爆出圈 40:08 OpenAI在造势的草莓、Q*，猜测背后都是强化学习RL 41:55 国内公司应该应该all in 200%跟进RL 42:44 语言模型和RL是乘级关系硅谷AI一级市场的四个明星赛道 45:12 硅谷的AI赛道：围绕LLM周边有3-4个圈，搜索、代码Coding、视频、机器人 1、Coding：在硅谷出现了4-5家独角兽（Devin、Augment 、Magic、Poolside，都已经20-30亿美元估值），最近编程工具Cursor出圈 2、  视频：这个赛道诱人，但格局不稳定、决胜窗口长 3、通用机器人：想赌具身领域也有个OpenAI，现在是基础科学突破的问题，没看到在机器人领域的“通用泛化能力”出现 57:00 美国通用机器人的明星项目（Pi、The Bot是业界公认最头部的项目，除此之外融资金额很大、声量也比较高的是Skild AI、Figure AI） 58:31 国内vs硅谷机器人：硅谷投robot foundation model一个大脑，像Andorid；在国内投整机，OV和小米 01:01:56 LLM->多模态->具身智能->世界模型，这是AI发展路径 01:05:54 LLM vs 移动互联网，叙事逻辑是什么？哪些明线与暗线？ 01:07:04 有没有可能，今天不做强化学习的公司未来都跑不出来 01:08:05 站在现在，重新评论一下中国LLM？“月亮和六便士”OpenAI和科技巨头 01:12:37 OpenAI 1、有点浪费技术领先的红利，产品没接住 2、联合创始人Greg Brockman、John Schumann离职 3、Ilya离开应该是bet on两个路线（多模态/强化学习，大概率是RL） 01:17:10 Q*和草莓和RL应该是一件事，草莓是代号，RL是方法 01:18:07 回答红杉美国合伙人 David Cahn发布最新文章《AI’s $600B Question》 01:20:00 在2024年Q3，AI叙事还有哪些非共识？ 01:22:45 Character.AI之后，哪些AI公司还会被收购？做个预测 01:23:38 2000年互联网hype破灭后只留下Amazon一家公司，今天AI hype如果破灭了，谁是下一个Amazon? 01:24:24 AGI第一幕是科技巨头受益，第二幕还没完全展开【全球大模型季报】系列2023年：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2024年Q1：和广密聊AGI大基建时代：电+芯片=产出智能2024年Q2：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【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

去年下半年以来，特斯拉V12版本和端到端架构为自动驾驶掀起了一波全新的热潮。这波总是在“5年之后”又“5年之后”屡屡迟到、屡屡爽约的技术革命，到今天，到底发展成什么样了？它距离我们真实的生活还有多远？我们的节目正在推出新系列【从蒸汽机到无人驾驶】，今天是第3集。我们的前两集节目里，已经推出了与何小鹏和楼天城的访谈，他们分别代表自动驾驶领域最有代表性的两类公司：一个是做L2（辅助驾驶）的汽车公司、一个是做L4（无人驾驶）的技术服务公司。这次，我邀请了在自动驾驶行业很资深且背景多元的一位人士。孟醒在过去8年从各个维度深入参与过这个行业。他曾是连续创业者，先后在美国和中国创办了两家人工智能初创公司；他也是投资人，投资过小鹏汽车、Momenta等自动驾驶相关公司；2019年起，他出任滴滴自动驾驶COO。就在最近，孟醒刚刚更换了新身份，再次回到风投行业做一名前沿科技投资人。我和孟醒从他亲身试驾特斯拉FSD各个版本的真实感受开始聊起，深入探讨了端到端架构和FSD进化史。不过这集只是开篇，接下来我们还会推出更多的精彩续集。本集是《张小珺Jùn｜商业访谈录》和《技术不无聊》的串台节目。《技术不无聊》是孟醒制作的一档新播客。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）【嘉宾小传】孟醒，五源资本合伙人、卡尔动力董事长，曾担任滴滴自动驾驶COO、顺为资本科技组负责人；在顺为期间，孟醒投资了小鹏汽车、Momenta等明星公司；加入顺为前，孟醒曾经作为创始人和CEO创办两家人工智能领域的明星创业公司，分别是美国的Orbeus和中国的知图科技，两家公司都被并购；孟醒还曾在摩根大通投资银行部门任职，负责亚太区科技领域的投资并购以及IPO项目，参与项目金额超过600亿美金。孟醒拥有加州大学伯克利分校应用数学和经济学学士，以及麻省理工大学斯隆商学院MBA学位。 01:30 孟醒的学习和创业经历，从幼儿园就开始在中美两边穿梭 08:33 为什么自动驾驶行业和公众之间充斥着信息不对称？ 11:17 自动驾驶分两条线：辅助驾驶已经到产品中期，无人驾驶产品还处在Pre-A阶段 18:18 辅助驾驶和自动驾驶各自迈过几道坎？还有哪几道坎要过？ 21:18 亲身试驾特斯拉FSD不同版本的感受（从非端到端的最后一个版本V11.3.6到端到端版本V12.3、V12.4，技术提升斜率如何？） 27:37 为什么L4公司看特斯拉FSD像小学生？优化目标和L4公司不一样 29:09 L2直到实现极高驾驶能力之前，应该有最优接管率，不能过高也不能过低 33:12 L2和L4截然不同的产品体系：L2提供更好的人机共驾体验，L4提供成本更低的出行服务能力 33:36 L1-L5的命名体系和它带来的歧义 43:06 特斯拉V12版本和端到端架构为什么重新点燃自动驾驶的热情 52:20 V12更像是辅助驾驶里的GPT-3时刻 54:11 关于特斯拉端到端架构，哪些是已知信息？哪些是黑盒？ 56:43 特斯拉自动驾驶的技术演进史（both硬件和软件） 01:02:54 特斯拉是端到端且不用任何规则兜底，国内公司很难做到 01:04:07 特斯拉的纯视觉路线vs大部分公司的激光雷达路线 01:11:52 端到端是自动驾驶的终极大杀器吗？分别探讨L2和L4 01:17:32 复刻特斯拉FSD需要多少花销？大致的估算 01:19:18 几乎所有中国的竞争者都在跟进端到端架构【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

我们的节目正在推出新系列【从蒸汽机到无人驾驶】，今天是第2集。最近萝卜快跑在武汉引发广泛关注，许多人开始讨论Robotaxi是不是迎来拐点？我邀请了楼天城来聊聊。楼天城是清华首届姚班毕业生，因在编程竞赛的优异战绩又被称作“楼教主”。他毕业后进入Google工作，在这里最早接触了无人驾驶，而后又加入百度从事无人车研发。2016年，楼天城与百度前首席架构师彭军，创立无人驾驶公司小马智行（Pony.AI），他出任联合创始人兼CTO。该公司估值达85亿美元，正寻求在纳斯达克或纽交所上市。节目中，我们探讨了关于Robotaxi的新闻、无人驾驶的简史、自动驾驶常见的路线之争。楼天城说了一些颇为尖锐的观点：比如，“L2做得越厉害，它离L4越远，反之亦然”，又比如“当自动驾驶超越人类，数据就变成干扰项，并不是越多越好”。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:11 先谈两条新闻：1、萝卜快跑火了，2、Tesla推迟Robotaxi发布时间 04:39 用时间概念来表达“无人驾驶小史”：1小时/10小时/100小时/1000小时/10000小时，自动开不用人接管（跨越每一步中的关键点） 10:10 我主要精力花在“Contest based metric system”（“基于竞赛的度量系统”，旨在根据不同的场景分别评估系统的能力。） 16:45 “端到端”根本变化是，让整个模型的能力加强了，避免模块之间传输信息丢失 17:18 “端到端”只能做到100小时，从100到1000小时是超越资源和能力的 17:50 自动驾驶的路线之争：先有目标不同，才有路线不同 1、激光雷达/纯视觉？“纯视觉只能做好学生，但激光雷达能作弊” 2、车路协同/单车智能？“互相加成，但单车智能是priority” 3、渐进式自动驾驶/跨越式自动驾驶？“一个是足球、一个是篮球” 4、辅助驾驶/自动驾驶？“L2做得越厉害，它离L4越远” 26:57 无人驾驶创业这8年：高潮与低谷，落地得快与慢 35:54 “当你真的超越人类，数据不是越多越好，数据是干扰项” 44:06 关于个人：姚期智先生令我印象深刻的、ACRush、“只有冠军才知道冠军和亚军的差距” 49:10 坚持20年编程竞赛的人告诉你一个竞赛技巧：“Hold cold card”【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

我们的节目正在推出新系列【从蒸汽机到无人驾驶】，记录这段承载人类出行终极梦想的技术浪潮，今天是第1集。很多人说大模型会改造自动驾驶，加速拐点的到来，但它究竟是如何发生的？本集我邀请了小鹏汽车董事长兼CEO何小鹏。过去1年半，作为一名汽车CEO，何小鹏倒是为大模型做了挺多事——他让团队读论文，自己到访美国三趟，试驾特斯拉FSD和Waymo，还拜访了黄仁勋。在他看来，中国需要通用大模型公司，但中国也需要自己能读懂大模型，把大模型放到应用做工程落地的公司。站在小鹏汽车创办10年的节点，我也和他探讨了友谊、商战、高峰与滑铁卢。他形容，造车就像在“在血海里游泳”。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）友谊与股价 02:11 雷军怎么邀请你、李想和李斌同时出席小米SU7发布会？ 03:12 他们说“估计你气晕了，在厕所哭啊”，把我笑坏了 03:25 那场发布会上，李想、何小鹏、李斌、魏建军的座次问题 04:17 我们坐在下面讨论什么？我为什么在笑？ 05:50 什么时候发现小鹏汽车的股价跌了？什么心情？ 06:05 我对雷军和他第一台车的看法基因与局限 06:27 小鹏汽车做智驾的源头和基因 10:30 我从之前创业做UC浏览器积累的认知 14:14 蔚小理都是从互联网入局造车的创业者，但基因和思考完全不同 15:56 我的反思：如果我有汽车品牌逻辑，我会切得再高一点；如果我更懂汽车体系，我会先从P7入手，再到maybe G7的体系 17:25 论“小鹏汽车”的命名和从投资人到加入小鹏汽车 20:18 UC创业那十年心理上的高点、低点和忐忑大模型改造自动驾驶 21:32 一个现实问题：自动驾驶能帮你卖车吗？ 23:33 大模型公司没人挣到钱，它在另一个纬度可以挣到钱的，就是自动驾驶 24:33 自动驾驶做了大模型，还需要有“刹车”加“守门员” 25:28 在ChatGPT问世以后，我做了哪些动作？读论文、到美国、拜访黄仁勋 26:00 大模型不是人的思考逻辑，是machine的思考逻辑或者推理逻辑 27:25 软件从科研到规模使用很快，硬件极其难 29:58 大模型怎么在车上落地？按照它的逻辑重写我们的数据流逻辑，增加数据的收集，做预训练，最开始写出来的东西完全不能用，需要巨大的训练量 32:58 你和车企CEO、李想、李斌、雷军会聊大模型吗？ 33:20 中国需要通用大模型公司，但中国也需要自己能读懂大模型，把大模型放到应用做工程落地的公司——小鹏是其中一家 35:10 怎么看马斯克同时做Tesla和xAI 36:54 吴新宙离职和拜访黄仁勋的启发敌人和护城河 40:32 今天随着华为入局，它的智驾能力也被认为是第一梯队，而它的风格又那么凶悍，你感受到了冲击吗？ 41:32 有人说，小鹏要不干脆别卖车了，学华为做智能化提供商 42:45 大模型对于小型公司不利：大AI越强所以越多数据，越多数据所以越多费用，越多费用所以要卖越多车支持这个体系，这是一个网络效应 46:32 复刻特斯拉端到端FSD（完全自动驾驶）要花多少钱、多少时间、哪些基础要素？ 47:40 未来多模态的大模型、自动驾驶模型和机器人大脑会统一吗？乱世快出现了 48:59 “兄弟们想害谁，就让他来造车” 51:40 “我只是觉得在血海里面游泳” 53:31 切忌在人的方面“一脚油门、一脚刹车” 55:49 G9事故反思、变革之难 57:00 和总裁王凤英的分工，我们没有汇报关系 01:00:28 不是壮士断腕，是“壮士把头都断了” 01:01:35 淘汰赛、全明星赛，我的目标是第一 01:03:01 合纵连横频发，乱世快出现了 01:05:44 车企发车好比“出牌”，小鹏为什么今年出MONA M03这张牌？ 01:10:33 变革中的我：最近发的小脾气，从民主到集权，关注2+3问题01:14:00 何小鹏最近在美国试驾完特斯拉FSD和Waymo之后，新鲜的体验与判断【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

今天这集是【全球大模型季报】第3集，我与广密从AI应用端出发，复盘全球大模型这半年的进展。AI搜索是大模型在应用端达成的第一个共识。这次，我们详细聊了聊AI搜索企业Perplexity，关于它的创业、数据、竞争与护城河。Perplexity最新一轮估值已达30亿美元。此外，我们聊了一些业界关心的重要话题：AI应用为什么还没有大爆发？GPT-5为什么那么慢？大模型的商业模式和壁垒究竟是什么？我们也对美国科技巨头过去半年的状况一一作了点评。我们在这集节目增加了一个互动环节，大家可以就播客中提出的问题在评论区留言，也许嘉宾会现身回复哦：）本集是《张小珺Jùn｜商业访谈录》和《海外独角兽》的串台节目。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:16 突然走红的Perplexity 过去1年，应用端比较无聊，Perplexity是唯一跑出来的（2000多万月活用户，2000多万美元ARR，年底可能到1亿月活，1亿美元ARR，月度环比增长20%以上） Perplexity的创始人和创立过程，硅谷核心圈都投了 Perplexity的豪华投资人天团、已完成四轮融资与估值爬升过程 （投资人包括：Google SVP Jeff Dean，Meta首席科学家Yann LeCun，OpenAI早期投资人Peter Thiel、OpenAI创始成员Andrej Karpathy、知名Solo GP Elad Gil，GitHub之前的CEO Nat Friedman，Databricks联合创始人Reynold Xin，Hugging Face CEO Clément Delangue，亚马逊创始人Bezos） 为什么硅谷的个人投资者参与这么多？ 06:16 信息检索是匹配模型能力最合适的PMF 对于知识工作者有积累创造性任务：组合型创造-探索性创造-变革型创造（信息检索就是组合型创造） Perplexity CEO是先思考产品再思考模型，而不是先做模型再找落地场景 如果Perplexity能向下改模型，Anthropic收购Perplexity，这是很好的组合 11:12 Perplexity最新估值达30亿美元，为什么它值这么多钱？ Perplexity这种产品形态和小红书长期是什么关系？都在抢传统搜索的生意 Perplexity A轮融资的时候，我们拿它和头条早期数据做对比，很有意思（留存、用户心智） 英伟达投资了Perplexity，黄仁勋公开说他用做多的一个AI产品是Perplexity Perplexity怎么和Google、OpenAI竞争？错位竞争！ 面对Perplexity，Google、百度这类传统搜索公司有哪些应对？ 秘塔AI是中国的Perplexity吗？国内一个问题是：内容有割裂性 17:50 Perplexity的护城河是什么？会独立长大还是被并购？ “今天的创业公司似乎都在巨头的辐射之下” 18:25 同样是30亿美元估值的月之暗面和Perplexity，本质区别是什么？19:16 无聊的AI应用生态 首先画一张AI创业公司脑图（大模型公司估值显著高于AI应用公司） 21:10 海外版“大模型的资本扑克牌”，很清晰、巨头主导，关注Meta和Apple接下来会怎么落子 红杉美国只投了OpenAI和xAI 22:50 AI原生应用系统性大爆发了吗？没有！ 为什么说现在模型能力和产品能力不够？ 应用大爆发的关键条件有哪些？（模型能力、调用成本、速度latency） 26:55 未来6-12个月，哪些是高确定性问题？哪些高赔率问题？ 大家远远低估了模型变小的速度——过去一年我们卷云端和数据中心的基建，未来一两年会卷端侧基建 模型变小的挑战是什么？ Apple和OpenAI合作并不稳固，Apple和Anthropic也谈了一个合作，随时热插拔ChatGPT 接下来最重要的能力跃升是：逻辑推理reasoning+多模态 34:10 一个听众互动（大家可以留言）：如果OpenAI GPT-4o给开发者的API成本大幅下降，成本可忽略，哪些应用能爆发？ 回顾一下GPT降价幅度，过去一年降低10倍；我好奇OpenAI为什么不更激进降价？摧毁其他人 AI应用型的人才画像是怎样的？ 给AI新物种大爆发的时间一个预测？ 36:33 过去半年美国AI应用生态有多无聊？（沙滩上建房子）36:58 GPT-5为什么那么慢？ OpenAI模型能力跃升停滞了吗？为什么GPT-5出来比较慢？ GPT-5预计什么时候来？GPT-5会长什么样？ 为什么GPT-4和GPT-5中间插了一个GPT-4o？（为了降成本） 硅谷和中国大模型公司牌桌发生了哪些变化？ 拿到“最后一张船票”的马斯克xAI，有什么差异化？ 41:47 “OpenAI内部状态就像是从东向西开拓美洲大陆，科学家让火车高速奔跑，infra工程师在火车前面修铁路，铁路铺设和火车齐头并进” 过去半年在大模型上，中美差距是拉大了还是缩小了？45:35 大模型的商业模式和壁垒 大模型是好的商业模式吗？壁垒在哪？ Scaling Law之外，会有不一样的路线走向AGI吗？ 怎么看通用机器人？怎么看无人驾驶？ 通用机器人和无人驾驶，哪个来得更快？ 今天通用机器人的目标还没有定义清晰55:25 最后，我们点评了硅谷科技巨头这半年的状态 OpenAI（离职风波对OpenAI有影响吗？） 苹果（AI的feature能不能带来换机潮） Google（模型上不乐观，流量优势明显） 英伟达（从股价角度超出了可分析性） Amazon Meta 微软 特斯拉 61:43 “创业公司和大公司不是颠覆关系，是依赖关系” 63:32 RAG、检索增强是阶段性需求，做得好不好是工程问题 64:18 中美创新生态的差异（创新的温室） 65:23 2024下半年展望：你会把时间和精力重点分配在哪些问题上？【全球大模型季报】：2023年：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2024年Q1：和广密聊AGI大基建时代：24 Q1全球大模型前沿手记播客中提到的文章：Perplexity CEO：AI 创业公司要先做产品，后做模型【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是MiniMax天使投资人、云启资本合伙人陈昱。MiniMax是中国6家大模型创业公司中，除月之暗面之外，另一家估值比较高的独角兽企业。这集我们聊了聊MiniMax的创业、融资和团队故事。此外，最近很多投资人都去美国参加了GenAI大会，陈昱在现场聊了聊他的观察。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）GenAI大会 01:00 陈昱的自我介绍 01:55 聊聊最近在美国举办的“GenAI Summit SF 2024”大会 03:36 中美博弈下，美国基金怎么看有华人参与的AI项目？美国公司怎么看中国资本？ 10:18 美国的AI创业方向和中国总体差距不大，以软件为主 11:00 GenAI大会在组织中，出了许多问题AI在过去10年的演进 11:40 过去10年，AI在技术和投资两个层面的演进路径 13:05 三波AI应用浪潮：计算机视觉（诞生了AI四小龙）、自动驾驶（L4落地的艰难）、大模型 15:05 我这次再次体验了Waymo 18:22 2022年底all in大模型以后，也分了若干阶段MiniMax的幕后故事 24:25 作为第一个投资人，投MiniMax背后的故事（和联合创始人贠烨祎是校友） 29:34 创始人闫俊杰的代号叫“IO”（Input/Output），见过一次后我对他有好感 31:46 MiniMax是从商汤出来的创业公司，商汤的局限性 33:57 MiniMax是一把手亲自参与、高度保密的项目 36:22 MiniMax的技术、应用、产品迭代（数字人-Glow-海螺AI、星野等） 39:30 原今日头条产品负责人张前川在高瓴的牵线下加入 40:39 关于闫俊杰、贠烨祎和团队？ 43:38 怎么看巨头引发的大模型降价潮，特别是对创业公司的影响《大模型的扑克牌》 47:12 玩家：巨头是筹码最多的大户，其次是融资领先的创业公司 49:24 后面几家创业公司的首要课题是融资 50:15 Club Deal（俱乐部交易）现象为何在大模型浪潮里如此突出？ 51:00 “看看牌”，今天仍然不敢说一定有创业公司的机会 52:18 一共5轮，我们基本每一轮都在加码 52:52 6家大模型创业公司今年的入围线 55:00 巨头推出的大模型产品PK创业公司的产品 56:56 你能接受MiniMax被巨头并购吗？【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

很多企业家在过去一两年纷纷去英伟达“朝圣”，令他们最为吃惊的是黄仁勋的管理方法论。每一条都很反直觉，反共识——比如，老黄不裁员。今天我邀请前龙湖集团CSO、专注战略与组织研究的王亚军，来系统性梳理老黄搭建组织系统。先透露两条让我听完觉得非常激动的观点：1、一个组织的沟通结构会决定它的产品架构，英伟达组织就像它的产品一样，是分布式操作系统，“就像一台GPU”；2、如果一个企业没有爱，是不会有创新的；恐惧永远是创新的敌人。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:34 英伟达的组织系统是少数存在，看起来奇怪 04:05 老黄管理第一条：60个高管直接向老黄汇报，再往下不是 07:53 老黄管理第二条：这60个人薪酬一样，精确到1美分的一样 09:43 老黄管理第三条：我不做1v1的谈话 11:30 老黄管理第四条：“Let’s reason together”（我们一起推理吧！） 12:27 Sounds kind of like a GPU. 14:26 著名的“康威定律”：一个组织的沟通结构会决定它的产品架构 18:36 学习英伟达管理的常见误区（context, not control） 28:04 拼凑式管理，以及管理的本质是什么？ 31:17 “分布式决策能力”适用于什么样的企业？ 35:27 老黄管理第五条：不鼓励写文档，鼓励员工给他发邮件（最重要的5件事） 38:12 老黄管理第六条：不裁员（I torture you to greatness） 42:48 老黄管理第七条：只做别人做不了的东西，不看市场份额（Market share is for the losers） 44:37 “战略不是文字，战略是行动” 45:10 老黄管理第八条：不做计划 47:47 英伟达的价值观之一是爱与关爱 48:52 如果一个企业没有爱，是不会有创新的；恐惧是创新的敌人 54:20 也聊聊黄仁勋这个人：从服务员到CEO；叫醒小狗让他感到内疚【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是李志飞，前不久他的公司出门问问刚作为“AIGC第一股”在港交所完成上市。（股票代码：2438.HK）他在节目里很坦诚地聊了聊，作为一家AI公司、一家前沿科技公司，在熬过12个年头终于站在交易所敲钟的那一刻，他到底想了些什么。还有那些你不知道的前沿科技创业中的狂妄与痛苦——他称，自己是一个看见过“创业死亡”的人。他的故事或许能给今天在大模型浪潮中冲浪的选手，一点启发。此外，我们也点评了最近的GPT-4o、Google AI助手和字节模型大降价等一系列AI最新进展。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）02:00 “AIGC第一股”幕后 06:37 为什么“前沿科技”总和“项目制”挂钩？ 08:36 熬了12年，敲钟那一刻的真实想法 10:17 “漏斗模型”，大部分前沿科技会消失 12:38 没有路径和节奏规划的vision是耍流氓15:15 点评GPT-4o：多模态、大统一模型 23:20 有声音生成但没有视频生成，Sora不是自回归架构 24:30 我的信仰是，大一统模型应该基于自回归 29:45 OpenAI技术迭代曲线放缓了吗？ 31:50 怎么看一天后Google的反击？ 41:51 多模态下一步是把具身智能结合进来，推理能力提高，才有Agent 46:46 字节模型大降价早在意料之中，对以API为商业模式的公司不是好事 48:51 模型公司要思考3-5年充分竞争后，还有你的生态位吗？ 51:31 我对前沿科技创业很悲观，都是熟悉的套路55:35 我的前沿科技创业12年 55:35 我做错过的战略是？它让我在巨头碾压时没有生态位 60:51 曾鸣说：模型公司在一块浮冰上，保持敏捷，一旦有坚冰纵身一跃跳上去 01:05:51 回望12年创业中的狂妄、无效勤奋和回归 01:11:06 看见了“创业死亡”的时刻，我抑郁了 01:16:21 谷底的时候在做什么？裁员、战略性躺平、算P&L 01:23:12 我写公众号释放我对技术的冲动，不折腾公司了 01:25:16 前沿科技公司融资后可能进入“负循环” 01:27:06 上市那一刻我在想：今天这个结果对得起我12年受的磨难吗？——对不起。《大模型下半场，关于Agent的几个疑问》《关于 Google Gemini 的八点启示》《从机器人模型 RT-2 看多模态、Agent、3D视频生成以及自动驾驶》【更多信息】联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

这集是梦秋的返场。梦秋是清流资本创始合伙人、百度原技术VP。过去两年，风险投资在中国的游戏规则骤变，梦秋从各个维度呈现了洗礼之后的新业态与新规则。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:25 美元VC重新定位 04:37 以朱啸虎为代表施行分红策略，但明股实债这种deal也不好做 05:47 VC目前主流策略是蛰伏 08:57 美元基金击鼓传花式的投资方式被打破 09:42 看好机器人本体的机会 12:51 从第一天就不看大模型，投了两家AI企业（深势科技、aiXcoder） 15:13 越早期的股东想退出越难，没什么bargain power（议价能力） 17:06 大厂留给创业公司的“傻瓜窗口”没有了 18:10 大模型的垂直场景 23:08 过去一年，中国AI创业公司图谱 28:15 一个事情push到极致都有可能成功，中间地带是最难的 32:57 新的游戏规则：VC现在不靠非共识而靠共识挣钱；我们不是Venture，我们希望No Venture，不要冒险 33:30 人民币 VS 美元，看现在学 VS 看未来学 35:57 VC成了更少数人的游戏，谁应该配置VC？ 38:53 这个行业至少缩水了1/3，我为什么不下牌桌？ 41:28 我们就做侏罗纪时代的啮齿类动物——活着——“你都做老鼠了，你还能怎么更差呢？” 47:30 今年继续谷底爬行 49:37 通用大模型对无人驾驶公司有多大冲击 59:00 清流资本是谁？ 62:05 新时代VC的整个逻辑都变了 63:50 新时代的founder 66:40 消费洞察 70:05 投国家鼓励的方向：新能源、新材料、硬科技；消费值得看，但要投挣钱的 73:50 经济下行的人世百态梦秋此前的节目：《1. 和投资人梦秋聊聊加州、投资寒潮和林黛玉》《21. 投资人视角下的大模型和市场真实水温｜和梦秋聊ChatGPT》【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

3月，我们连续从多个角度关注了中国AGI进展，这集让我们把目光投向海外，对刚过去的 2024 Q1全球大模型的赛局做一个场上的复盘和点评。嘉宾是《商业访谈录》的老朋友、拾象CEO广密。他提出，我们正处于一场宏大的“AGI大基建”时期。正如上世时期纪90 年代克林顿推出美国信息高速公路建设，这才有了后面的美国互联网泡沫破裂和互联网黄金20年——如果没有基建，就不可能有应用大爆发。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:45 盘点2024 Q1 03:40 开源 & 闭源 06:32 AGI 是马拉松 06:45 物理硬件成阻碍AGI最大因素 08:05 失败案例Inflection 08:41 黄仁勋的主权 AI、T5T、不鼓励996 10:34 渐进式解锁 12:29 改变软件生产方式+信息检索的变革 16:50 能源 + 芯片=产出智能 19:46 南坡是模型，北坡是产品 23:41 突然给经济社会加了两道税 25:30 AGI大基建：造价与玩家 26:34 训练GPT-3.5和GPT-4，消耗多少算力和能源？ 39:37 电+芯片=产出智能 40:38 Scaling Law 47:26 AGI登山路线图和路标 57:40 OpenAI 01:04:02 集团军作战，如何结盟？ 01:05:12 Apple、英伟达、阿里 01:07:20 Killer App、硅谷投资三大件 01:09:25 自动驾驶和机器人 01:15:47 我们作为碳基智能，为什么在追求硅基智能上这么热衷？ 01:17:00 Sam、黄仁勋、马斯克广密的上一集：《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》【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

2009年，中国资金开启了一段到海外买买买的波澜豪情的大时代。联想并购IBM的PC业务、吉利并购沃尔沃汽车，这两起在当时并不被看好的蛇吞象案例，昭示了整个时代的先驱和开端。不止如此。2016年，中化集团更是以430亿美元的天价，收购了农产品行业有“皇冠上明珠”之称的瑞士先正达集团。此次收购标志了这个疯狂时代已经涌向最高潮，也是尾声。本集我邀请亲历该时期全程、彼时正在中化集团做投资并购和资本运营的王威先生，聊聊这个时代的起承转合。随着全球化低头，中国式出海将去往何方？最新消息是，先正达已撤回主板首发上市的申请。这集播客我们的录制时间是去年夏天，我们的商业口述不涉及对最新新闻的评述，也不构成任何投资建议。我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）【嘉宾小记】王威，职业生涯起步于四大；2009-2017年先后在中化集团负责投资并购和资本运营，参与并主导多起大型海外投资并购案，完整经历了中国资金到海外收并购热情高涨的大时代；而后出任A股上市公司梅花生物CFO；现在是某世界500强企业副总裁和董事会秘书。 02:06 自我介绍 03:01 同时在央企/民企/外企/混合所有制企业待过，几种企业文化差 06:01 “我们都是围着老板转的”和拎包文化 10:56 界定企业并购与VC、PE的区别 15:06 买买买大时代揭开帷幕的标志性事件 18:02 为什么国家倡导的是跨国并购而不是出海做业务 20:04 欧美国家并购结果惨烈，东亚儒家思潮对被并购企业较和善 20:45 联想鲸吞IBM PC业务和吉利并购沃尔沃汽车是标杆案例 22:00 这两起并购的四个共同点，其中之一是交易时都不被看好 31:40 欧美企业并购完立马裁员、干掉管理层，中国企业恰恰相反 32:48 将并购类比成从谈恋爱到结婚再到过日子 37:50 “没有不好的交易，只有不好的价格” 39:00 中国买买买大时代出现的底层动因（日本90年代是参照系） 42:38 在时代的窗口期，进入中化集团做投资并购 43:24 先正达从被誉为“皇冠上的明珠”、不可触碰，到中国企业染指 50:26 海外企业对中国买家的态度变化 51:11 亲身参与430亿美元中国有史以来海外最大并购案 52:13 并购四阶段：战略-筛选目标-执行-整合 01:09:15 旷日持久的谈判、以年为计的整合 01:12:40 大时代的高潮与落幕 01:17:10 其他收并购代表案例，成与败 01:22:45 海外收并购热情高涨，为什么反观国内收并购文化贫瘠？ 01:26:48 几个词形容这个特定的大时代 01:29:15 海外并购中好玩的：两套体系、白衣骑士、大忽悠 01:39:00 最后的建议【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

很多听众在后台留言，希望我们的播客也放出对金沙江主管合伙人朱啸虎的访谈，他在对于大模型的观点讲了一个中国现实主义的 AIGC 故事。那么今天你们要的 Allen Zhu 终于来了。访谈一共有两次，播客收录的是其中一次访谈。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 01:31 说实话，卷出200多个大模型有什么意义呢？ 03:00 马上能变现！马上能变现！ 08:02 AIGC PMF，你十个人找不到，投一百个人同样找不到 08:37 我都不愿意去聊，你知道吗？这没有意义——这些公司，要场景没场景，要数据没数据，你说它有什么价值？而且一上来估值这么贵 12:35 王慧文，我这么熟，我都不愿意去找他和他谈这个事 14:45 技术的人，都是不相信我比别人差的，你说这个怎么合并？ 16:42 我跟王小川说过，如果没有反垄断，我愿意投王小川的 19:23 那个时候，大家就FOMO情绪比较高涨的时候 25:12 美国公司就：卧槽你们怎么做出来的？感觉很惊讶 31:40 短期内肯定做to B，起来快，to C要见到iPhone 3时刻 37:42 我跟张旭豪谈了三次：33这个数字对我不好，37是我的幸运数字 41:48 哎……就是……说实话一鸣确实很难判断 47:15 别烧钱，别烧钱，听我们话的都还可以《2024 AI 三部曲》合集：《对话月之暗面杨植麟：向延绵而未知的雪山前进》《朱啸虎讲了一个中国现实主义AIGC故事》《王小川想提出中国AGI第三种可能性》【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是百川智能创始人兼CEO王小川。大家可能注意到，我在3月写了三篇关于中国AI的报道，合称《2024 AI 三部曲》。在前两篇发布后，以杨植麟为代表的理想主义“技术信仰派”和以朱啸虎为代表的现实主义“市场信仰派”，双方观点引发广泛关注。而且，朱啸虎在报道中三次点名王小川和百川智能。几天以后，王小川接受了访谈。他试图阐释在技术和市场、理想和现实之外，中国AGI还有第三种可能性。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:00 对《朱啸虎讲了一个中国现实主义AIGC故事》的读后感 04:15 我代表中国AGI的第三种声音：“理想上慢一步，落地上快三步” 07:52 朱啸虎谈应用、应用，杨植麟谈技术、技术，我要谈的是TPF（Technology-Problem Fit，技术与行业现存问题相契合） 10:01 我认为AGI的应用是在造人，是一种类人的新物种 11:02 从2023年4月再创业百川智能的前因与思考（我想对生命做建模） 19:00 我有洁癖，不想在淘宝买账号，要用自己的账号和IP去访问ChatGPT 26:40 怎么看朱啸虎说：“你说这些创业公司有啥优势，有啥条件去做大模型？百川发布了给游戏的NPC，你有啥数据去训练游戏的NPC。大厂有大把、大把数据。我让一个公司去体验了一下，没看出任何区别。” 27:56 我想构建的三座模型大楼、三个世界（娱乐、医疗、创造） 32:21 我和朱啸虎在深创投活动上的见面聊天，他挺真实的 35:13 发完第一版模型后去了一趟美国，提升了语言体系 38:56 你怎么看之前外界总把你和王慧文（光年之外创始人）放在一起比较？ 43:19 过去一年多少次遇到过朱啸虎这样的投资人，他们可能拍着你的肩说，不是我跟你的关系不好，但是我就是不能投你？ 44:05 要投入成本追赶GPT-4吗？医生是一个“顶天立地”的场景 46:53 百川智能的团队建设（240人+，为什么搜狗在浏览器、搜索不是第一，在大模型能干到第一？） 47:49 蔚来创始人兼CEO李斌四五年前就预言，苹果造不出来车 51:40 百川为什么既做to C又做to B？什么to B是做的、什么是不做的？ 53:05 什么是百川能做OpenAI不能做的？什么是百川能做的国内巨头不能做的？ 56:12 搜狗的经验对大模型创业的帮助、和它的不同，搜索是包袱吗？ 58:18 曾经在百度的阴影下、搜狗的绝境中如何突围（我们2011年遗憾错过了推荐） 01:00:55 被边缘化的经历与对个人的影响 01:03:18 低估技术和仰望技术都是不好的状态 01:04:15 对2024年、2025年的预期：技术和瓶颈 01:06:15 集中回应朱啸虎的n条质疑 01:16:16 技术同事想做Sora，被我摁死在这了 01:19:56 今年过完年，我放下了焦虑、摆脱了一味跟随GPT的惯性《2024 AI 三部曲》合集：《对话月之暗面杨植麟：向延绵而未知的雪山前进》《朱啸虎讲了一个中国现实主义AIGC故事》《王小川想提出中国AGI第三种可能性》【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是真格基金的戴雨森和季逸超。我们从开年AI届两件大事开始聊起：OpenAI发布Sora和Google推出开源模型Gemma。作为投资人和创业者，他们尽最大可能收集了各方的声音，试图搞清楚Sora在人才、算力和数据等各方面究竟是如何实现的。那么，这一期也是关于Sora的一幅信息拼图。同时，雨森是月之暗面和之前光年之外的天使投资人，所以我们也聊了聊国内的大模型生态及进展。关于中美大模型，在过去几个月里，我访谈了杨植麟、李广密、朱啸虎，你会发现我们对每一个人提出一些相似的问题，但从中得出了很多截然不同的答案。这正是大模型今天发展中有意思的地方，我接下来会持续关注通用人工智能，欢迎订阅我。如果大家有更多想要讨论的话题，可以在评论区告诉我。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 03:25 从开年两件大事聊起：OpenAI发布Sora和Google推出开源模型Gemma 08:03 我们试图通过找很多人聊拼凑一幅信息拼图 08:25 Sora背后的人：Tim和Bill是伯克利师兄弟，Bill在Meta是谢赛宁的实习生，通用人工智能行业有很多渊源和师承 12:24 为什么OpenAI能让一个95后Bill去担纲做这个事？体现出年轻组织的活力 13:02 作为天使投资人如何绘制AI方向的人才地图？（北美AI四大名校） 16:35 关注近期AI届一些人才流动：谢赛宁、何恺明回到学术界；OpenAI创始成员之一Andrej Karpathy离开OpenAI；蒋路从Google去了TikTok 23:45 采样了很多人的观点以后，关于如何实现Sora，我们目前了解到的信息（模型规模/数据/实现路径） 28:54 资金规模、算力规模等绝对数量级都不是遥不可及，所有头部大模型公司和大厂都能做，但1年赶上Sora也过于乐观 34:37 Sora发布对当前大模型战局的影响（“把战争推到一个新的高度”） 37:06 我们距离“世界模拟器”的真实距离 46:22 AGI一大瓶颈：大一统模型尚且没有找到可行路径 56:19 泡沫不可怕，泡沫会带来基建，为未来的应用打下基础，99%的公司死去、留下1%公司 58:24 关于投资的思考：为什么投资月之暗面和光年之外？ 01:03:36 记得有一次和杨植麟吃饭，他说不希望以后大家提到他觉得是一个技术大牛，他希望是一个做出了很好产品的企业家 01:06:05 大模型公司的出路问题 01:14:27 AI应用出现的时间点可能比移动互联网要慢，因为它需要模型到达一定能力程度，才能从没用涌现成有用，但是当它一旦变得有用，扩散速度可能远快于移动互联网应用 01:20:41 每一次OpenAI升级会带来VC投资的结构性调整吗？ 01:25:29 Google推出了开源模型，对于整个市场会有什么样的影响？ 01:28:06 AI越来越强悍，给人类一点建议吧 01:31:43 雨森，你为什么喜欢发即刻？ 01:34:53 对于Sora至今不了解但是很想了解的地方【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

今天的嘉宾是大模型公司月之暗面的创始人兼CEO杨植麟。杨植麟是去年成立的这批国产大模型公司创始人中，最年轻的一位，也是学术、工作履历和通用AI有最直接相关的一位。他毕业于清华和CMU，总计论文引用次数超过22000次。在人人喊PMF（产品/市场契合）、人人喊商业化的中国AI生态里，这位AI研究员出身的创始人倒不那么着急。国产大模型中，月之暗面是最坚定做to C、且只做to C的一家公司（于去年10月推出了智能助手Kimi），也是目前估值最高的一家中国大模型独角兽（投后估值超过25亿美元）。就在他们第三笔融资进行的过程中，我和杨植麟聊了聊他过去一年创业故事。这期节目由两次访谈组成。我们主要的访谈是在2024年1月完成，不过过年期间，OpenAI重磅发布Sora，所以我们又在2月补充了一次访谈。由于杨植麟有大模型创业者和AI科学家的两重身份，所以节目中包含了许多他对于AGI技术演进的关键技术判断。我的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：） 02:51 站在巨大技术变革的开端：前面是延绵而未知的雪山 03:35 11年本科、17年收敛到大语言模型、和图灵得主合作论文：杨植麟的学术之路 06:36 为什么AGI需要新组织？为什么科研机构、巨头的AI lab无法产生伟大系统？ 10:24 全球化+AGI+很大用户量的产品，最终可能是AGI的必要条件 11:07 我们不想做“中国的OpenAI”，但应该学习OpenAI的技术理想主义 13:15 我在Google学习到的最重要一课：从无限的雕花中把自己释放出来 16:25 作为博士怎么与图灵奖得主合作？和学术大佬合作与和资本大佬合作，哪个更难？ 19:37 创业这一年时间轴：ChatGPT激活资本、人才变量，我在硅谷做了一笔精确计算 22:28 Timing很重要，第一笔融资的窗口很短，只有一个月 27:54 怎么搭建AGI团队？现在有80人 30:21 卡的问题有很多back and forth，接下来一两年不会成为很大瓶颈 32:13 为什么月之暗面做to C且只做to C？（long context与Kimi智能助手背后的技术产品思考） 37:39 你认可说“国产大模型公司去年追赶GPT-3.5，今年追赶GPT-4，没有本质差异”这种说法吗？——这句话是对的，但也是片面的 39:17 追赶GPT-4是国产大模型的必经之路，但也要做非共识的新维度 40:53 不认同2023年下半年大模型市场转冷的判断，我们下半年确实也完成了融资 42:57 登月第一步是长文本，第二步呢？接下来会有两个最重大的技术milestone 44:21 只有一个颠覆性的东西，才配得上AGI这三个字，否则我们今天说的都没意义 45:34 我对PMF、落地场景和应用的看法（“应用”不是个准确的词，听起来更像目的——应该既是手段、也是目的） 46:54 User的scaling和Model的scaling这两件事应该同时做，降维打击发生过太多次 48:54 为什么开源追不上闭源？现在开源的方式和以前不一样了，它本身还是中心化 49:48 AI不是这一两年找到什么PMF，而是未来十年二十年能做什么改变世界 51:48 怎么对抗国内的焦虑情绪？大模型创业中的长短期平衡——如果没有长期，你会错过整个时代 57:41 回顾2023年的曲折、变量和预料之外 60:30 怎么看几个市场上的几个观点（包括Yann LeCun、Geoffrey Hinton、陆奇） 62:25 现在的大模型公司配比：一半实验室，一半商业公司 64:20 怎么看大模型创业公司和巨头的关系68:05 以上是对杨植麟的第一次访谈，接下来是过完年后的第二次。这次我们重点聊了OpenAI重磅发布Sora的技术观点和对2024年的全球大模型产业预测 68:24 Sora有多少在你的意料之中，多少在你的意料之外？ 69:17 Sora解决掉的技术问题：能在一个比较长的时间窗口保持生成的一致性 69:40 Sora对于全球产业格局意义是什么？2024年大模型会有哪些新叙事？ 71:57 视频生成之前的关键技术瓶颈，更unified architecture（统一的架构）仍然没有被解决 73:04 解读OpenAI关于Sora报告：《Video generation models as world simulators》 74:30 怎么看Yann LeCun对生成式AI的新观点（“通过生成像素对世界进行建模是一种浪费，并且注定会失败”） 77:45 Sora是视频生成的GPT-3.5时刻 78:37 为什么不同模态放在同一个模型里那么难？Sora + GPT会出现什么？ 80:40 两个世界差得越来越远了吗？ 83:41 2024年的全球大模型产业预测【更多信息】联络我们：微博@张小珺-Benita更多信息欢迎关注公众号：张小珺

趁着吴晓波老师出版《茅台传》，和他聊了聊中国企业家近百年小史。他曾将中国企业家群体描述为是“一个下落不明的阶层”，“被长期漠视甚至妖魔化的阶层”。随着改革开放，这个群体从被遮蔽的历史中转折，跨越农民、城市边缘人士、知识分子下海的一波又一波浪潮，直到PC和移动互联网两波巨浪，把中国企业家推至世界舞台中央。如今，中国企业家来到改革开放以后第六代。这集节目，我们梳理了中国过去五波商业浪潮、推动者及其特征，吴老师也聊到他对当下这波创业者的观察。他称，第六波“是最奇怪的一波”。我们似乎一脚迈入保守年代。如果果真像他所说，未来可能没有大生意，我们的商业文明如何延续？年轻人又该怎么过好一生？这波年轻人恰好是吴晓波的女儿及其同代人的命运，他心有戚戚。 03:09 说真的，我已经算不清楚我见过多少企业家了 04:38 茅台是中国企业史一家特殊的公司，季克良（原董事长）是“匠人型企业家” 10:08 未来中国创业者就是两条路，如果能结合在一起，你就牛了 13:22 纵观100年中国现代商业史，细数中国企业家的代际和关键年份 16:21 今天是第六波创业者，是最奇怪的一波（高速发展结束了、市场充分饱和、这一世代是有产阶级的孩子） 17:22 过去五个代际的企业家的不同特征：最容易出大家伙的？最血腥的？ 20:01 在革命叙事年代，企业家是保守力量，曾经是“被遗忘的群体” 23:42 美国企业家的群体性人格 vs 中国企业家的群体型人格 27:15 互联网企业家是革命性一代，财富创造和资源获取不再从政府获得 29:20 我们进入到保守主义时期，未来中国做企业学腾讯挺难，学茅台相对容易一点 29:51 如果企业家精神没了，国家就不进步了 30:50 采访了那么多不同代际的企业家，最有心灵共鸣的是哪一代？ 31:57 对当下的看法：AI是工具，有很强平台性、通吃性，不会带来所有人的创业机会 33:54 未来可能没有大生意了，大量人就满足做一个小生意 34:17 关于《你吃你的苦，我吃我的苦》这篇文章：“我有可能就是我女儿的苦” 37:57 怎么看新闻一则：章泽天净资产600亿冲上热搜第一，排在清华优秀校友第三（口误：张一鸣出生于83年） 38:38 给我女儿和她的同代人一些建议：不要再去幻想，不要再去讨好人家了【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

前段时间身边人很多人追完了王家卫的电视剧《繁花》，讨论热烈。我邀请上海财经大学副教授梁捷老师来聊聊。他是上海人，又是经济学者，我们从local和财经的双重视角，看真实版上世纪90年代上海的时代风貌与股市风云。这集节目，不仅有经济学者对剧中角色与交易的专业解析，复盘历史上第一场兼并收购案“宝延风波”，还延展了中国股市在同时代更多惊心动魄的故事。 01:39 《繁花》：王家卫的电视剧和金宇澄的小说是两部作品 04:16 作为上海人，我关于上世纪90年代与黄河路的记忆：鱼龙混杂、高深莫测 07:55 黄河路特殊的地理位置，让它“进可攻、退可守” 11:56 恢复上海证券交易所的真实故事，最开始只有八只股票，一切处于混沌中 17:35 上世纪90年代中国股市的特征与局限性 19:39 剧中人物宝总的身世与入股市动机，真实性如何？ 30:50 专业解析：阿宝抄底A先生、强总收购与反收购（历史上第一场兼并收购案，剧中叫“宝瀛大战”，原型是“宝延风波”） 37:50 90年代，中国股市中几起惊心动魄的故事 42:25 “宝总们”体现的90年代关于炒股与财富的时代风貌 50:10 剧中大大小小的人物：A先生、强总、爷叔、邮票李 53:40 《繁花》开拍前，我受邀去剧组，对方希望还原90年代K线图 01:01:25 时代逝去，繁花落尽，令人唏嘘 01:09:25 《繁花》意外地让不同代际的上海人开始重新对话【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

本集话题是近期很火的中国消费品牌全球化的案例：名创优品（MNSO）。嘉宾是我的朋友、财经作家沈帅波。我得知他正在写一本关于名创的书，所以把他拉过来先跟大家聊聊。拼多多、名创优品崛起，是消费降级的胜利吗？名创这家在美国开了100家店的中国公司，是如何迈出国门的？ 01:31 沈帅波自我介绍 02:00 爆文《藏在县城的万亿生意》的创作与调研方法 27:47 为什么开始深入调研名创优品？零售业没有虹吸效益，靠的是吃苦耐劳 36:16 中国企业出海的三阶段，各有千秋 43:30 创始人叶国富其人 50:51 消费品打造超级IP背后的零售业趋势 54:10 名创优品从单店店型跑通到全球化扩张的阶段总结 01:07:06 中国公司全球化要告别一夜暴富的心态 01:09:33 全球各地不同人群的消费习惯洞察（不爱挣钱地方的人爱买娃娃） 01:18:28 怎么看 Manner咖啡/RELX悦刻/元气森林/完美日记等中国新消费品牌？怎么看完美日记的衰落 01:21:00 消费理性化、分层分级化是趋势 01:25:17 欧美奢侈品本质是皇室东西的平民化，而不是高端化的产物【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

这集更新的是前段时间与小Lin的一场线下活动。起因是小Lin最近发布了她的新书《时势：周期波动下的国家、社会与人》，借着这个时机聊了聊小Lin从投行到创业再到内容创作者的个人成长史，以及她做爆款内容的方法。因为现场来了很多年轻的朋友们，我们也展开聊了聊：在不可控周期中，如何提高微小个体的生命质量？【人物小记】小Lin（Lindsay），知名财经科普UP主，2022年、2023年B站百大UP主，用轻松幽默的风格和专业的视角分享商业财经内容。本科毕业于北京大学经济学院金融系，硕士在哥伦比亚大学主修金融数学，曾就职于纽约摩根大通投行，目前是Offer帮创始人。 01:37 普通人为什么要学金融？ 07:22 一个地区的周期史也是几方势力的博弈史（以日本为例） 09:20 小Lin从投行到创业再到内容创作者的故事 11:00 纽约投行内部：暴躁同事、金字塔里“爬格子”、游戏规则 14:15 投行里，人人都是理财高手吗？ 14:35 辞职创业前纠结了半年，我的mentor鼓励了我 15:38 创业做咨询平台中遇到的波折 18:45 做了CEO的小Lin发现了哪些打工时不知道的职场真相？ 19:26 从2019年底开始发布第一条视频到爆发 21:46 每个人都是时代的个体，怎么看待处于周期中的自己？ 23:25 工作方法和爆款方法论 27:06 做UP主挣得多还是投行挣得多？:) 28:48 个人怎么做到更高质量地生活在不可控的周期中？ 30:25 现场观众提问环节（由于录音质量的原因，只放出了一部分）【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

这是《商业访谈录》的跨年特辑。我邀请拾象创始人李广密口述全球大模型这一年——当顶级商业领袖、顶尖科学家这些人类最聪明的大脑，手握数以千万计的资本狂卷一年，2023年全球大模型卷出了什么？人类这场以大模型为名的豪赌实验，能否将世界带到新的摩尔时代？简单说，模型产业的发展规律会不会极类似半导体行业：未来，模型能力每1-2年提升一代，模型训练成本每18个月是原来的1/4、推理成本每18个月是原来的1/10。广密今年一整年全身心泡在大模型，一大半时间肉身在硅谷，参与相关投资。这期信息量非常密集。我会在show notes里尽可能详细地标注播客中的专业词汇。 02:03 过去一年，大模型的核心secret藏在这三家公司：OpenAI、Anthropic、Google 04:22 回顾全球大模型这一年，我脑海里闪现的关键产品与瞬间 07:56 从OpenAI分裂出去的Anthropic，它的前世今生（OpenAI正以1000亿美元融资，Anthropic正以200亿-250亿美元融资） 10:26 硅谷大模型的融资是巨头在定价和主导了，硅谷VC几乎全体错过 12:13 卷了这一年，全球大模型到底卷出了什么？ 14:03 如果复刻GPT-4是进入决赛圈，目前的3名入围选手和3名高潜黑马 15:20 提升模型capability的北极星指标与关键变量？ 16:51 这次是极少数科学家推动的“登月时刻”，天才科学家的聚集效应与分布图 23:05 模型竞赛很残酷，我们对于终局的推演、猜想 23:53 中国模型公司现状：技术辨识度/资源集中度/领军人物 25:53 人类烧尽千亿美金做一场AI实验，赌的是什么？AI能推动未来15年全球GDP翻倍？ 26:26 硅谷巨头和它们分裂的大模型阵营：微软和它支持的OpenAI/Google、Amazon和它们支持的Anthropic/Google自成一派/Tesla和它支持的X.AI/Apple——明年Apple支持谁值得关注 30:29 2024年会决定大模型格局，窗⼝可能就在未来12个⽉ 33:39 大模型公司一定要追求GPT-4吗？不做怎么样？晚做到又怎么样？（壁垒） 37:35 大模型有可能开启了“新摩尔时代”：明线是智能capability提升，隐线是成本下降 46:16 硅谷模型公司更像research lab，八成以上可能性会被收购 49:15 学习硅谷经验，“国内公司也可以提前抱大腿” 50:34 大模型时代与互联网时代的不同特征（还没看到网络效应和数据飞轮） 54:53 回头看，今年初我们低估了GPT-4的难度，高估了应用爆发的速度 55:14 开源和闭源/大模型和小模型/通用模型和垂直模型的格局问题 57:47 多模态和Agent的下一步？ 01:07:14 硅谷VC最大的竞争压力来自微软和OpenAI，GitHub前CEO Nat Friedman在这波AI里标的质量高，position比很多传统硅谷VC要好 01:11:33 对2024年的预测和猜想：应用大爆发？ 01:20:04 美国“模型即应用”，国内产品和场景定义可能做得更好 01:26:00 说三条今年行业的最大噪音 01:27:05 OpenAI政变进展：Sam Altaman像政客，Ilya Sutskever不怎么去公司了 01:29:09 接下来，我最想知道的4个问题提到的公司/产品/人： 全球前三的模型公司：OpenAI (ChatGPT)、Anthropic (Claude-2)、Google (Gemini)(Gemini Ultra) 另外可能的黑马：马斯克支持的X.AI、Transformer核心贡献者Noam Shazeer创办的Character.AI、字节 做开源模型的公司：Meta (Llama)、Mistral (一家欧洲做开源大模型的公司) 多模态：Midjourney (图像生成)、Runway/Pika (视频生成) DAU稳定在200w以上的产品：ChatGPT、Character.AI 企业级业务探索大模型的公司：微软copilot、Adobe 贡献很大的科学家：Noam Shazeer (Character.AI CEO)、Dario Amodei (Anthropic CEO)、Ilya Sutskever (OpenAI首席科学家) 在AI投资领域最欣赏的一个人：Nat Friedman (GitHub的联合创始人之一)专业或英文词汇： ARR："Annual Recurring Revenue"，即年度经常性收入，是一种衡量公司在一年内通过订阅、合同或其他定期收费服务获得的收入的指标。它特别适用于那些提供订阅型服务的公司，如软件即服务（SaaS）公司。 RLHF：基于人类反馈的强化学习，Reinforcement Learning from Human Feedback。 Transformer：是一种用于自然语言处理（NLP）和其他序列到序列（seq2seq）任务的深度学习模型架构。它由Google在2017年的一篇论文中首次提出，并在提出后的几年中成为了许多NLP任务中的标准模型架构。Transformer架构抛弃了传统的循环神经网络（RNN）和长短时记忆网络（LSTM），而采用了自注意力机制（Self-Attention）来实现序列建模。 inference cost：推理成本 pre-train：预训练 scaling law：在大模型领域，"scaling law"（规模定律）是指模型规模的增加与性能、能力或其他相关指标之间的关系。当在深度学习中讨论模型规模时，通常指的是模型参数的数量、训练数据的大小，或者计算资源的使用情况。规模定律通常涉及到增加模型规模会如何影响模型的性能和训练效果。 diffusion model：扩散模型延展阅读：本集文字精华版 & 拾象完整版【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺

就在前不久，嘉程资本李黎女士带队赴中东考察。16天走过中东三国四城，访谈百余人。这集播客我们通过声音，记录那些他们在途中遇到的赴中东掘金的华人面孔，试图把这个鱼龙混杂世界中的每类人真实的生存状态刻画出来。片尾曲是 It's Beginning to Look a Lot like Christmas，祝大家圣诞快乐🎅🎅🎁：）【嘉宾小记】李黎是嘉程资本创始合伙人。她曾在科技财经媒体10年，曾担任《IT经理世界》副总编，独家专访过亚马逊创始人贝索斯，著有商业财经畅销书《轻公司》。2011年她投身科技早期投资领域，在某知名机构担任管理合伙人。她也是知名创投服务平台《小饭桌》创始人。2017年，李黎创立科技早期投资机构嘉程资本（Next Capital）。她是乐信(NAS:LX)、老虎国际(NAS:TIGR)、PingCAP、元气森林、核桃编程等公司的早期投资人。 01:31 16天走过中东三国四城，密集访谈百余人 06:25 赴中东掘金的中国人有这几波浪潮：央企/国企做基建、移动互联网（Yalla /TikTok）、中国优势供应链/科技的输出 09:21 我们大概访谈了这5个群体，第一类：在巨头公司的华人肖像（举例前华为VP史耀宏、Yalla创始人） 14:08 中东各地区迥异的市场样貌 17:18 要知道，中东是高度看重商务礼仪的 18:57 从政府话事人看中东宏大的叙事风格 22:17 中、西方公司在中东微妙的竞争关系 26:42 第二类：华人做的创业公司肖像（举例最大的华人超市温超、文远知行/Pony.AI、95后创办的空气提水公司） 29:10 tips：不要随便miss偶然的中东小订单！ 31:40 在中东看到的创业机会（提到的公司：跨境电商物流公司iMile） 35:55 第三类：在中东读书的年轻人肖像（“他们都好有钱啊”） 39:39 第四类：在中东工作的年轻人肖像（“非常happy”） 41:52 在中东，如何与巨头角力？ 43:23 第五类：那些鱼龙混杂的面孔 50:55 地缘如何影响中东科技与创新？ 55:08 扩展一些中东的政经知识 59:27 女性地位与日渐提升的离婚率 01:01:30 最后五个快问快答往期有关中东的节目：200位GP赶去中东募资？聊聊沙漠上的白袍、主权基金和金钱王国【更多信息】本集首发于腾讯新闻，点击前往音频版联络我们：微博@张小珺-Benita，小红书@张小珺jùn更多信息欢迎关注公众号：张小珺