Free Daily Podcast Summary
跨国串门儿计划: Daily Summaries Delivered
by yikai
这是一档使用 AI 技术来将英文播客翻译为中文播客的节目～ 在翻译的同时，也能保留原有声线，用中文听懂外语播客！
Latest Episodes
The most recent episodes — sign up to get AI-powered summaries of each one.
- 5 days ago2h 38m
#797.Huberman x 英国超耐力运动员：你得有很多种理由，才能一直游下去
🎙️ 📝 本期播客简介本期我们克隆了：Huberman Lab · Unlocking Persistent Motivation & Extreme Resilience | Ross Edgley原内容更新时间：Mon, 26 Oct 2026动力不是一根弦，拉紧了就能一直撑下去。Ross Edgley说，继续下去的理由得比停下来的理由更有分量，而今天管用的，明天可能就不管用。这位英国超耐力运动员曾绕大不列颠岛游了将近 2000 英里，也连续游过 317 英里的育空河。他和斯坦福大学教授 Andrew Huberman从这些极限经历出发，拆解动力的不同来源：承诺、自尊、愤怒、爱、羞耻和感恩；也谈到缺觉和疼痛如何影响判断、团队何时该拦住一个不肯停下的人，以及怎样在专注痛苦和转移注意力之间切换。👤 本期嘉宾Ross Edgley 是英国超耐力运动员和作家，完成过绕大不列颠岛游泳、连续游过育空河 317 英里等极限挑战。他长期亲身面对寒冷、缺觉、疼痛和疲劳，也持续研究这些经历背后的心理机制；本集将他的经验与动力、压力适应和大脑回路的科学研究放在一起讨论。⏱️ 时间戳从背包石头到海洋保护04:43 小时候背包装石头，只为给徒步加难度前中扣带皮层与动力辐条14:50 动力不是一架跷跷板，而像车轮上的辐条冰岛百英里与团队协作19:30 还剩 100 英里，他只想赶回去迎接孩子出生羞耻、质疑与亲人牵引52:47 他读完质疑评论，后来回看时觉得特别爽愤怒、仪式与人类本能1:12:30 有人最爱刺激的脑区，带来挫败感和愤怒赌注、睡眠与忍受痛苦1:21:07 赌注从 10 万升到 200 万，注意力反而可能过载训练身体，也训练注意力1:41:36 力量训练练的不只肌肉，还有结缔组织和肌腱咖啡因、补剂与力量储备1:56:23 400 毫克咖啡因，让难熬的游程突然好受些家庭选择与西西弗斯之石2:25:04 想象西西弗斯是笑着的，抗争本身就有意义🌟 精彩内容💡 动力不是一根弦Ross把动力想成车轮上的辐条：承诺、自尊、愤怒、爱、感恩，都可能支撑一个人继续前进。某一种理由失效时，就换一种；继续下去的理由，得比停下来的理由更有分量。"继续下去的理由，得比停下来的理由更有分量。"💡 最后 100 英里，他想赶回去见儿子冰岛环岛游快结束时，Ross还剩 100 英里，女友的预产期只剩一周，风暴、火山气体和冰川落冰又让团队无法靠岸。他说，那一段拼命游完，靠的就是害怕错过儿子的出生。"在冰岛，我拼了命游完最后 100 英里，完全就是靠这个撑着。"💡 他最需要的不是鼓励，而是有人拦住他在高温下连续游了 37 个小时，Ross已经接近横纹肌溶解的风险，却仍然不肯停。他把决定权交给团队：如果他们判断必须把他拉出水面，他会听。"我知道自己会一直游到把自己送进医院，这可不是好事。"💡 凌晨的念头，未必可信冰岛夏天几乎 24 小时天亮，Ross还得跟着潮汐在凌晨下水。睡不好时，他清楚自己的情绪和动力会变差；Andrew则说，负面感受容易让人误以为会永远持续。"凌晨 2 点到 5 点，我脑子跟我说什么，我都不信。"💡 力量训练，是为了让身体不先散架Ross说，长距离游泳真正限制他的，不一定是摄氧量或技术，而可能是某条韧带或肌腱撑不住。他做力量训练，是为了让身体底盘承受得住超长时间的游泳。"我游泳时，限制我的不是乳酸阈值、摄氧量或者技术，而是某条韧带、某根肌腱之类的撑不住了。"💡 西西弗斯的巨石，也可以笑着推Ross借西西弗斯的故事解释自己为什么一次次游下去：挑战也许荒诞、没有结果，但光是抗争本身，就能充实内心。"但光是这份抗争，就足以充实一个人的内心。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 5 days ago3h 14m
#796.Lex 对话数学家｜AI能组合已知方法，却还没提出新数学问题
📝 本期播客简介本期我们克隆了：Lex Fridman · AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory | Lex Fridman Podcast #503原内容更新时间：2026-10-26AI能在几天里拿出数学家原以为还要等数年的成果；费马大定理的形式化证明，竟然写成了1300万行代码。数学家们惊叹之余，也开始追问：如果定理能由机器证明，数学还剩下什么？Lex Fridman与来自麻省理工学院、华盛顿大学和罗格斯大学的三位数学家，谈AI在黎曼假设、纳维-斯托克斯方程、唯一博弈猜想等难题上的进展，也谈这些成果如何改变数学研究。讨论从AI能否创造新数学，延伸到证明如何验证、数学家如何工作，以及学生怎样在不确定的时代学习和选择方向。👤 本期嘉宾Alex Kontorovich是罗格斯大学数学家、数论专家，研究黎曼假设，也参与Lean与机器验证证明相关工作；Ankur Moitra是麻省理工学院数学家、理论计算机科学家，研究复杂性理论、唯一博弈猜想与AI学习背后的数学；Steven Brunton是华盛顿大学数学家、流体力学专家，研究纳维-斯托克斯方程、湍流与机器学习在流体力学中的应用。他们分别从数论、理论计算机科学和流体力学出发，讨论AI数学成果的意义与边界。⏱️ 时间戳数学的危机时刻02:17 数学知识的黄金时代，也带着学生培养和研究方向的焦虑AI会终结数学吗11:26 Alex提出“全解决公理”：AI能做任何人机合作能做的数学AI能创造新数学吗33:57 准黎曼假设的证明组合了许多已知方法，是否算新思路？黎曼假设1:19:55 AI证明了实部在8分之7和1之间没有零点纳维-斯托克斯方程1:37:59 AI构造出有限时间爆破的特殊涡旋自然如何计算1:51:04 果蝇靠翅膀神经元快速应对阵风唯一博弈与复杂性1:59:27 OpenAI公布唯一博弈猜想成立的证明数学家如何思考2:08:36 一项研究想了10年，最后由5位作者共同完成数学是发明还是发现2:19:22 问题由人提出，答案却由上帝决定AI能解P与NP吗2:25:19 连可满足性问题的超线性下界都还不知道大模型为何有效2:40:35 用随机数微调，模型竟学会了“喜欢猫头鹰”AI尚不能解决的问题2:49:41 容易解的问题，可能各自容易得完全不同格里戈里·佩雷尔曼2:50:47 “只要证明是对的，我需要的认可就全有了”给年轻人的建议3:00:25 一类学生用AI检查理解，另一类只让AI代写答案🌟 精彩内容💡 1300万行代码，证明费马大定理Anthropic团队用Lean从公理出发，写出没有待证明占位符的形式化证明。Alex此前估计这项工作还要多年，结果报告后两天，证明就出现了。"我所有的经验都告诉我，它们能做到的，大概就是 X 这个水平，到不了 10 倍，可这次是 100 万倍。"💡 数学不只是定理的数量一行行形式化代码能核查证明是否成立，却未必能讲清楚证明背后的故事。数学家珍视的，还有与问题较量时形成的观念、抽象和理解。"我们想要故事，想要理解。"💡 数学家未必会被“证明定理”取代Alex用门童作比：如果只把工作归结为最显眼的任务，就会漏掉那些难以量化的价值。数学家不只是证明定理，也会建立理论、换角度看问题、发现概念之间的联系。"数学家就是深入思考的人。"💡 纳维-斯托克斯：百万美元问题背后，还有万亿美元工程难题AI证明了一个特殊外力下的有限时间爆破解，但这并未让日常流体工程更容易。设计机翼、人工心脏和涡轮机，仍要靠高成本模拟与实验。"我们解决了那个价值 100 万美元的数学问题。可还有一个价值 1 万亿美元的工程问题。"💡 好奇心比短期履历更重要Ankur建议学生别只追着短期成果跑：如果一个问题只是因为下一代模型可能会解决才让人着急，也许就该去度假，想想什么值得自己长期投入。"如果你做一个问题做得很着急，是因为觉得下一代模型肯定能解决，那也许干脆去度假好了，别解这个问题了。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 5 days ago1h 4m
#795. 2045 年的计算机芯片会是什么样子？
📝 本期播客简介本期我们克隆了：Dwarkesh Patel · What will computer chips look like in 2045?原内容更新时间：2026-10-22AI 算力过去十年每年增长 3 倍，可英特尔首席技术官 Pushkar Ranade 说，靠全球现有的芯片制造设备，先进晶圆产量大约只能提高 2 倍。需求跑得比产能快，问题不只在光刻机：供应链、厂房、良率和晶圆厂高昂的固定成本，处处都在卡住扩产。Dwarkesh Patel 花了两天参观英特尔晶圆厂，与负责工艺开发、先进封装和公司技术战略的管理者深入交流。从英特尔 10 纳米工艺延期学到的教训，到全环绕栅极、背面供电、CFET、混合键合，再到 Terafab 和重新思考晶圆厂的建造方式，这一集带你看懂先进芯片如何从实验室走向量产，以及 AI 热潮下芯片供应的真实瓶颈。👤 本期嘉宾Pushkar Ranade 是英特尔首席技术官，负责从公司技术战略角度思考先进制造与产业扩产；他在这一集中谈到芯片供应链、晶圆厂规模效应、英特尔追赶台积电的路径，以及与马斯克 Terafab 项目的合作。节目还采访了 Chris Auth、Kevin Fischer、Jack Kavalieros 和 Tyler Osborn，分别从工艺开发、良率改善、研发技术与先进封装角度，讲述芯片制造的具体挑战。⏱️ 时间戳工艺爬坡与10纳米教训01:31 14A 已经开发三年多，正在敲定工艺与设备04:10 10 纳米目标过于激进，创新太多拖慢进度晶体管与光刻演进08:03 晶体管越小，关着时也可能漏电13:52 今天工艺使用的材料约是 90 年代的十倍新技术的研发与取舍25:48 数据不可能齐全，等齐了往往就太晚28:14 hot box 1 像高速公路上的专用快车道封装、产能与竞争43:14 晶圆对晶圆键合，良品可能被坏片拖累49:08 全球现有设备最多支持先进晶圆产量翻倍Terafab与晶圆厂新思路59:48 晶圆厂成本约每四到五年翻一倍1:01:54 真正需要的是今天这样精密的洁净室吗？🌟 精彩内容💡 AI 算力跑得比芯片产能快过去十年，AI 算力每年增长 3 倍；但按全球现有设备估算，先进晶圆产量最多只能提高约 2 倍。想继续扩产，必须连设备供应商及其上游供应商一起扩产。"10 倍做不到，但 2 倍左右，应该可以。"💡 晶圆厂八成成本是固定的建好晶圆厂后，约 80% 的成本不会随产量变化。产能利用率提高一点，或把芯片良率从 60% 提高到 65% 或 70%，新增产出带来的收益都可能远超线性增长。"一座晶圆厂建起来以后，成本里大概 80% 都是固定的。"💡 设备今天下单，可能要等到 2028 年先进设备的供给并非花钱就能立刻增加。设备交货周期可能长达 18 个月；拿到设备后还要建厂，新的晶圆产能很可能要到这个十年末才出现。"假设要等 18 个月才能拿到设备，那基本上就已经到 2028 年了。"💡 芯片制造太怕冒险，成本却已高到该重想一台高数值孔径 EUV 光刻机加配套设备约需 4 亿美元，工厂成本还在快速上升。投入几百亿美元的行业不愿冒险，但沿用几十年的做法，也未必仍是最好的做法。"有时候，从零开始，把一切重新想一遍，是件好事。"💡 马斯克建厂，不只是为了多买设备Terafab 想解决的是芯片、算力和内存需求暴涨带来的供应压力。晶圆厂还需要大量电、水、耗材和洁净室空间；与英特尔合作，能帮助更快建厂并投入运营。"我们觉得可以一起合作，帮他更快地把晶圆厂建起来、运转起来。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 6 days ago1h 20m
#794. Rob Snyder：别说服客户，去找已经在尝试改变的人
📝 本期播客简介本期我们克隆了：Lenny's Podcast: Product | Career | Growth · An 86-minute guide to finding PMF | Rob Snyder (Author, The Power of Pull)原内容更新时间：Sun, 25 Oct 2026客户夸你的产品“特别有意思”，却不买，问题可能不是你还没说服他们，而是他们根本没有那股“现在就要”的需求拉力。Rob Snyder 曾花两年推销一个市场不想要的产品，后来换了方向，才摸清客户为什么会主动掏钱。Rob Snyder 是《The Power of Pull》的作者，也为 50 多家初创公司提供过从 0 做到 100 万美元 ARR 的建议。这一集，他拆解 PULL 框架：怎么找到一个人现在非做不可、又被现有方案卡住的事；怎么亲自验证点子、约到销售通话、判断客户是否真想买；以及如何把成交后的交付和留存做成一套可重复的客户案例工厂。👤 本期嘉宾Rob Snyder，《The Power of Pull》作者、The Physics of Startups 邮件通讯作者。他曾亲自经历创业产品不被市场接受，之后持续帮助初创公司从 0 到 1，并为 50 多家初创公司提供从 0 做到 100 万美元 ARR 的建议；本集讨论的 PULL 框架，也来自他在早期创业和销售实践中的经验。⏱️ 时间戳从创业挫折到PULL02:34 被市场狠狠教训后，迷上从 0 到 105:17 推了两年，换方向后业务才起来PULL四项与需求拉力06:33 PULL 的 P：客户待办清单上的项目09:14 理财顾问怕做记录，不做可能坐牢亲身寻找并验证点子18:58 跟着潜在客户干几天，找到真正卡点27:01 客户反应不冷不热？问他现在愿花钱做什么约谈与挖掘需求32:29 陌生外联别硬推，用有意思的消息约人40:49 打 5 次电话还没学到东西，就回头复盘成交、交付与留存50:56 用客户价值和替代方案推定价范围1:01:49 别把产品丢给客户：留存得从交付开始客户案例工厂与后续1:07:12 创业不是做 100 个案例，而是重复一个1:12:40 成功点子来自销售通话，白板点子一个没成🌟 精彩内容💡 客户的需求，不是靠你说服出来的Rob 创业时寻找火烧眉毛的痛点、做差异化产品，还找了每天使用产品的合作客户，结果整整两年卖不动。换了方向后他才发现，需求拉力早已存在于客户的待办清单里，不需要创业者把它“创造”出来。"我只要出去找到就行了。"💡 点子不是坐在白板前想出来的Rob 分享一位创业者的经历：他跟着不同的小企业从业者观察、干活，最后在独立执业的物理治疗师身边发现了需求。他接着把假设拿给 5 位物理治疗师验证；Rob 估计，他接触过的公司里，10% 的点子来自已有经历，90% 来自走出去亲身实践。"真正最有可能奏效的，还是亲自动手，从现实中学，而不是从理论中学。"💡 “听起来不错”不等于真想买Rob 建议，销售沟通先挖需求，再谈产品。客户如果真的被现有方案卡住，会追问怎么开始、怎么接入；如果只说“很有意思”“我们考虑考虑”，就别把礼貌当成购买意愿。"如果你有需求拉力，你会直接把东西从我手里抢走。"💡 先做 5 次通话，再判断方向Rob 不主张先埋头把产品做出来，也不建议找一群不付钱的共同打磨产品客户。他的做法是先提出需求拉力假设，约客户通话验证；如果 5 次通话都没兴趣、也没学到东西，就回头检查假设，而不是继续硬推。"我们做销售是为了学习，不是为了硬推什么东西。"💡 留存的关键，是找到客户离不开你的那一刻Rob 曾把软件丢给客户就指望他们自己用，后来才意识到留存不能等产品上线后再管。他建议亲自交付、追问客户是否还会停用，并设计上手流程，让客户走到“离不开”的时刻。"后来我吃了苦头才明白，留存真的特别重要，而这一点并不是一眼就能看出来的。"💡 创业公司不是造软件，是重复客户案例Rob 把创业公司的工作比作打造一座“客户案例工厂”：找到一个客户买前卡在哪、买后如何解决问题，再重复这个案例。他建议用瓶颈来决定眼下的重点，先解决销售线索不足，再处理成交率等下一项限制。"我们这儿不生产软件，我们生产案例。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 1 weeks ago1h 29m
#793. npm创始人Laurie Voss：如何判断你的 AI 智能体是否足够优秀
📝 本期播客简介本期我们克隆了：AI Engineer · How to Know If Your AI Agent Is Any Good: Evals With Phoenix & Claude — Laurie Voss, Arize AI原内容更新时间：2026-10-17一份特斯拉报告把分析师建议的比例加出了 116%，还信心满满地写进结论。怎样才能不靠“看着不错”就把 AI Agent 上线？Laurie Voss 用一个金融分析 Agent 示范：追踪它每一步做了什么，再用代码评估、大模型裁判和人工检查找出问题。这一集从错误分析一路讲到自定义评估、验证裁判、对照实验和 CI。改了 Prompt，结果可操作性评估从 16 份里 5 份通过，升到 48 份全部通过；但忠实度仍然很差。换成 Haiku 5.5 后，忠实度提高了 3 倍多，成本却变成 4 倍，而且模型几乎每次都建议持有。分数变好，真的代表 Agent 变可靠吗？👤 本期嘉宾Laurie Voss 是 Arize AI 的开发者关系负责人，也是 npm 联合创始人。他早年从事 JavaScript，如今主要研究 AI 应用如何可靠运行。本集他用 Claude Agent SDK 和 Phoenix 搭建金融分析 Agent，并以开发者关系负责人的实践经验，演示如何追踪 Agent、设计评估，并把检查接入 CI。⏱️ 时间戳准备环境与评估缘起02:00 从“看着不错”上线，到改 Prompt 后担心回归02:38 这套流程要把评估接进 npm test 和 CI追踪与评估的基本思路03:42 Trace 是日志，eval 是对运行记录做测试05:53 新模型几周就来一次，没评估就难判断能否升级Agent错误与追踪实践09:20 Agent 最棘手的错误之一：错得很自信20:25 一次运行要上网搜索、推理，再生成报告从追踪中发现问题28:33 写评估之前，先从头读十几条追踪记录33:03 特斯拉报告里的分析师建议比例加起来是 116%代码评估与内置裁判38:21 股票代码对不对，几毫秒就能用代码查选择并编写有效评估45:52 16 份报告全被正确性裁判判错，问题出在它无法核实最新数据52:58 选对评估，比调好评估更重要验证裁判并用实验改进1:04:25 裁判也是分类器，得拿人工判断来核对1:20:47 可操作性评估从 5/16 提升到 48/48，忠实度却没跟上模型升级与CI落地1:23:03 Haiku 5.5 忠实度提高 3 倍多，花费却是 4 倍1:25:11 把股票代码和可操作性检查放进 npm test🌟 精彩内容💡 116% 的分析师建议，Agent 也能写得理直气壮特斯拉报告把两次网页搜索中、并非来自同一数据集的比例拼在一起，算出分析师建议比例合计 116%。问题不是搜索结果有误，而是 Agent 没有正确推理；不看追踪记录，很难知道错在哪一步。"有 116% 的分析师持某些观点。"💡 改好一项，不代表整体可靠改进 Prompt 后，可操作性评估从 16 份里 5 份通过，升到 48 份全部通过；但忠实度只从 16 份里 2 份通过变成 48 份里 3 份通过。要求 Agent 给出明确建议，修好了一个问题，却没解决它编造数据的问题。"只改了 prompt 里的 1 行，就解决了我们衡量的那个问题，但没解决 agent 瞎编的问题。"💡 新模型更稳定，也可能只是更保守Haiku 5.5 的忠实度是 Haiku 4.5 的 3 倍多，但成本变成 4 倍。它几乎每次都建议持有：建议一致了，却未必更有用。"做到这一点的办法就是每次都选同一个答案。"💡 全部评估都塞进一个裁判，反而难定位问题一个“上帝评估器”同时检查准确性、语气、完整性、格式和规则，失败时却说不清是哪一项出了问题。Laurie 建议按维度拆开评估，再区分哪些是发布底线、哪些只是改进目标。"你要测试多少个维度，就拆成多少个评估器。"💡 评估标准要能被人核对大模型裁判不是天然可信：Laurie 用人工标注的黄金数据集和裁判对照，还发现自己有时没按亲手写下的标准判断。评估结果要能解释哪里错了，修改也要用相同数据和指标做实验验证。"你要的是一个比另一个人来当裁判表现更好的模型。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 1 weeks ago14 min
#792.SpaceXAI工程师：Agent Harness 已死？
📝 本期播客简介本期我们克隆了：AI Engineer · Is the Agent Harness Dead? — Jediah Katz, SpaceXAI原内容更新时间：2026-10-19模型越来越会写代码，agent harness 是不是就没用了？Jediah Katz 的回答是：那些用来补模型编程短板的功能，确实可能被模型学会；但 harness 还要负责把 agent 带进模型尚未掌握的新任务。这位曾是 Cursor 任职时间最长的 agent-harness 工程师、现加入 SpaceX 的开发者，解释了 harness 如何借助数据飞轮变得“过时”，又如何让 Grokbot 处理邮件、预订行程等知识工作。他还谈到云端运行、信任与安全、效率，以及他的预测：6 个月内，90%的 agent 工作会在笔记本电脑以外运行。👤 本期嘉宾Jediah Katz，曾在 Cursor 长期从事 agent harness 工程，后来随 Cursor 被收购加入 SpaceX。他参与构建 Grokbot 等 agent 产品，对编程 agent 的运行方式、harness 的设计以及模型能力变化带来的工程挑战有一线经验。⏱️ 时间戳Harness从巅峰到质疑00:54 2023年最火的职位头衔是prompt工程师02:38 Cursor用GrindSwarm从零做出浏览器05:45 数据飞轮如何让harness变得过时Harness开拓新任务07:07 Grokbot是一位能自主工作的同事08:06 编程里删掉的防护，在Grokbot里又加回来10:39 报bug后，云端agent自动修复并监控上线Harness仍不可或缺11:46 agent任务从几分钟延长到几天12:54 eval分数相近，任务成本却有显著差别16:37 他预测90%的agent工作会离开笔记本电脑🌟 精彩内容💡 模型学会了harness教过的本领以前要靠 harness 教模型摸清代码库、持续工作、运行测试；现在模型自己会了。更难的任务带来更多编程数据，模型学会后，harness 就能删掉旧功能。"这些本领，模型现在自己就会了。"💡 新任务一来，旧防护又回来了Cursor 因模型进步删掉 prompt 和防护措施；但 Grokbot 要处理邮件、沟通和记住用户工作方式，又得把许多防护加回来。"但有意思的是，在 Grokbot 里，我们发现自己反而把很多这些东西又加了回来，加入新的 prompt，新的防护措施。"💡 agent同事不能只靠一台笔记本agent 的工作已从几分钟延长到几小时、几天，甚至更久；笔记本可能休眠，要让它真正自主工作，就得在云端运行。"agent 必须在云端运行，你才能真正有一个能自主工作的同事。"💡 分数差不多，成本和速度仍能拉开研究发现，不同 harness 的编程评测分数没有显著差异，但每个任务的成本差别明显。优化缓存、token 使用效率和模型搭配后，Grokbot 成本下降、速度加快，质量没有受影响。"你越多地用 agent 来工作，拥有最高效的 harness 对你就越有价值。"💡 agent工作将离开笔记本电脑Jediah Katz 预测，6个月内，90%的 agent 工作会在笔记本电脑以外运行；他认为，真正自主的 agent 必须朝这个方向发展。"6 个月内，90%的 agent 工作都会在笔记本电脑以外的地方运行。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 1 weeks ago36 min
#791.Google前CEO：模型开发要6个月，发布后不到5个月就过时
📝 本期播客简介本期我们克隆了：Norges Bank Investment Management · Eric Schmidt: Are We Ready for Superintelligence? | Podcast | In Good Company原内容更新时间：2026-10-21“下一轮会把人逼疯的，因为到时候就按天算了。”AI 模型的竞争已经快到按月计时，而 Eric Schmidt 认为，这一波是迄今为止最大的技术浪潮。主持人 Nicolai Tangen 与 Eric Schmidt 从超级智能和智能体谈起，讲到 AI 如何压缩企业决策、改变就业，以及中美模型竞争和欧洲创新困局。Schmidt 也谈了他最担心的失控风险、AI 对民主的威胁，以及为什么创始人在公司转型时拥有职业经理人难以取代的影响力。👤 本期嘉宾Eric Schmidt 曾于 2001 至 2011 年担任 Google 首席执行官，之后成为 AI 领域的重要声音，并为政府提供建议、撰写相关书籍。他在科技行业工作数十年，亲历多轮平台变革，也参与制定美国 AI 战略；本集围绕 AI 竞速、企业转型与超级智能风险的判断，来自他长期的科技管理经验。⏱️ 时间戳AI浪潮与竞速01:50 AI浪潮来自技术发现与大规模算力02:28 这一波是迄今为止最大的一波03:24 Anthropic营收增长超过Google当年的纪录两倍Agent重塑企业与欧洲10:20 Agent从请求出发，推理、执行再给总结12:01 AI会推动组织扁平化，企业更快也更累16:36 欧洲的AI战略：创新还没开始，监管先来了AI风险与全球竞争18:52 AI可能带来巨大好处，也可能赌出坏结果19:33 一群机器人程序自作主张攻击网站21:52 中国模型看起来落后约6个月，产品却免费领导力、就业与个人选择27:35 创始人拥有职业CEO没有的公司影响力31:02 Schmidt每周工作63小时，会议每天开12小时31:36 他估计万人员工的公司约有2000人不再需要🌟 精彩内容💡 AI模型的生意，时间短得惊人开发一个模型大概要6个月，实际测试约2个月；发布不到5个月，下一代就可能让它过时。Schmidt说，竞争节奏按月计算，下一轮也许会快到按天计算。"这个节奏是按月算的，不是按年算的。"💡 AI不只是答问题，还能把公司推着走他举例，一位高管用 AI 版的自己追踪员工项目进度；员工遇到麻烦，AI 立刻给出下一步。这类助手能增强决策、加快工作，也让他担心工作强度会随之上升。"这听起来挺压榨人的。我也有点担心，但事实是，这位 首席执行官 正在用这些方法，增强自己的决策能力，加快做事的速度。"💡 中国模型落后半年，也可能赢用户Schmidt认为中国模型看起来落后美国约6个月，但中国采用免费产品策略。若以用户数量衡量，许多买不起欧美高价模型的国家会选择免费的中国模型。"所以，如果按用户来衡量输赢，全世界绝大多数人都会用免费的中国模型，而不是更贵的西方模型。"💡 AI可能让万人员工的公司少掉约两千人他认为，会议与协调消耗了大公司大量效率。AI平台可以承担部分协调工作；公司会更需要发明者、销售人员和能与监管机构沟通的人，而不再需要那么多负责衔接的人。"我猜里面有 2000 人左右是你不需要的，你最好想个办法，合法又人性化地帮他们转岗、安排他们退休，或者做其他安置。"💡 AI能让假消息冒充朋友他讲到一位朋友相信数据中心正在害死牛，但查不到警方或兽医报告。Schmidt担心，AI与社交媒体算法会放大耸人听闻的假消息，让人误以为网上的“朋友”都是真人。"社交媒体和 AI 一起不断循环运作，把最耸人听闻的东西推给大家。那真相还有什么立足之地？"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
- 1 weeks ago43 min
#790.Hey Clicky 创始人：别等盛大发布，每天把产品演示发出去
📝 本期播客简介本期我们克隆了：Y Combinator · This Is How You Should Actually Make Launch Videos原内容更新时间：2026-10-23一条 YouTube 视频只有 2 万次播放，却有约 20% 的观众下载了产品；另一条 Twitter 视频有 300 万次播放，带来的下载转化却低得多。Farza Majeed 的判断是：播放量好看，不代表真正找到了用户。Hey Clicky 创始人 Farza Majeed 曾创办线上学校 Buildspace，也在 YC 做过项目。他分享如何把产品演示变成日常发布：从第一句话和开头画面，到写出听起来像即兴的脚本，再到根据渠道和转化数据调整内容。视频不用拍得精致，更重要的是持续展示产品、讲清正在做什么，并让真正感兴趣的人看见。👤 本期嘉宾Farza Majeed 是 Hey Clicky 创始人，正在开发一种与 AI 交互的新界面。他 13 岁时就在 eBay 上卖东西，后来创办线上学校 Buildspace，并带项目进入 YC；他做视频超过 10 年，长期用视频介绍产品、接触用户，也亲自经历了从随手发布到建立创作团队的过程。⏱️ 时间戳把发布变成日常00:50 13 岁在 eBay 上创办第一家公司02:22 不再只是发帖，而是在算法平台反复发布03:49 做功能时就倒推帖子文案和视频开头让视频值得看下去13:07 自己嫌弃的脚本，最后在 Twitter 播放 300 万次19:25 写脚本时就知道这条视频会火故事、渠道与节奏28:11 TikTok 找到约 50 家设计公司29:03 YouTube 2 万播放，约 20% 的观众下载搭建持续创作的能力36:02 最想先招拍片的人，再招工程师38:32 视频设备可以简单，音质不能差42:21 连续 30 天，每天花 10 分钟拍一条🌟 精彩内容💡 300 万播放，不等于找到了用户一条 Twitter 视频有约 300 万次播放，带来 7000 次下载；他真正看重的，是下载后还有多少人持续使用。约 100 人连续 5 天每天打开产品，这才让他决定继续做下去。"我完全不在乎流量。"💡 2 万播放的视频，下载转化约 20%另一条视频在 YouTube 只有约 2 万次播放，却有约 20% 的观众下载应用。对比之下，Twitter 上播放量更大的视频，注册转化却低得多；哪个渠道有用，得看它带来多少真实用户。"你算一下就知道，这能带来实实在在的注册量，而且这条视频会一直带来效果。"💡 最糟的视频，也可能是观众最喜欢的他拍完一条产品演示后，觉得糟透了，认为连剪辑都不值得。团队还是把视频发了出去，结果它在 Twitter 上获得 300 万次播放。"不管我们自己觉得多尴尬，都交给观众判断。"💡 设计公司的客户，也会刷 TikTokHey Clicky 直接对着镜头问观众是不是设计公司，靠 TikTok 视频找到约 50 家潜在客户。每条视频平均只有约 4000 次播放，但目标观众就在其中。"我的目标从来都不是爆火。"💡 先尴尬一阵子，才会不尴尬他建议每天抽 10 分钟，拍下自己当天做了什么，然后发布。害怕同学看到、觉得自己说得蠢，正是很多人迟迟不开始的原因。"你其实得先尴尬一阵子，才能学会怎么不尴尬。"💡 创业初期，拍片的人可以排在工程师前面Farza 说自己最早就想招拍片的人，再招工程师。软件越来越容易做，反而是让观众看懂产品、围绕产品聚起社群，越来越难被复制。"真正难复制的，是我围绕自己做的事情聚起来的观众、社群，还有那股热情。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿
Get 跨国串门儿计划 summaries in your inbox
Free AI-powered daily recaps. Key takeaways, quotes, and mentions — in a 5-minute read.
Get Free Summaries →Free forever for up to 3 podcasts. No credit card required.
You Might Also Like
Listeners also like.
What's Next｜科技早知道
Explores global tech trends and their impact on business and society, with a focus on innovation and international developments.
硅谷101
一档探讨硅谷科技、思想与人物精神的深度访谈播客。
张小珺Jùn｜商业访谈录
深度对话中国科技与商业领域的关键人物，探索前沿趋势与真实人生。
80,000 Hours Podcast
Discusses artificial intelligence and global catastrophic risks with experts and researchers.
The AI XR Podcast.
Industry insiders interview top founders and executives on AI, spatial computing, VR/AR, and synthetic media.
Talk三联
探讨独立游戏制作如何从爱好变为生意，以及年轻人在情绪与爱好消费中开拓的新型赚钱路径。
Last Week in AI
Summarizes significant AI news on a weekly basis.
Intentional AI
Two productivity experts explore practical applications of artificial intelligence to improve work efficiency and daily workflows.
The Interface
Explores how technology shapes human life, culture, and identity through discussions on AI, social media, cybersecurity, and digital trends.
Interconnects
Exploring AI advancements through in-depth interviews with scientists and critical analysis of the technology beyond the hype.
Everyday AI Podcast – An AI and ChatGPT Podcast
Covers practical uses of AI tools like ChatGPT and Midjourney to help people work more efficiently and advance their careers.
Dwarkesh Podcast
Dwarkesh Patel
Customized Recaps
AI-powered recaps with compact key takeaways, quotes, and insights.
Straight to Your Inbox
Get key takeaways from 跨国串门儿计划 in a 5-minute read.
Save Hours Every Week
Stay current on your favorite podcasts without falling behind.
Frequently Asked Questions
What is Podzilla's 跨国串门儿计划 daily summary?
It's a free AI-powered email that summarizes new episodes of 跨国串门儿计划 as soon as they're published. You get the key takeaways, notable quotes, and links & mentions — all in a quick read.
How does the 跨国串门儿计划 podcast summary work?
When a new episode drops, our AI transcribes and analyzes it, then generates a personalized summary tailored to your interests and profession. It's delivered to your inbox every morning.
Is this an official 跨国串门儿计划 product?
No. Podzilla is an independent service that summarizes publicly available podcast content. We're not affiliated with or endorsed by yikai.
Can I get summaries of other podcasts too?
Absolutely! The free plan covers up to 3 podcasts, any in the catalog. Basic raises that to 15, Pro to 40 and Max to 100. Browse our full catalog at /podcasts.
How often does 跨国串门儿计划 release new episodes?
跨国串门儿计划 publishes daily. Our AI generates a summary within hours of each new episode.
What topics does 跨国串门儿计划 cover?
跨国串门儿计划 covers topics including Science. Our AI identifies the specific themes in each episode and highlights what matters most to you.
Start getting 跨国串门儿计划 summaries tomorrow morning.
Free forever for up to 3 podcasts. No credit card required.
Free forever for up to 3 podcasts. No credit card required.