十字路口目录 · 公路对谈

汪天凡:AI 投资、个人上下文与“让人更快乐”

当模型能力更容易获得,产品和投资人如何判断什么值得做?从个人记忆、信息获取到长期愿景,重新看效率与生活。

先把对话讲清楚

快问快答:开着 MX-5 聊 15 年风险投资生涯

这是一期公路播客:Koji 开着一辆马自达 MX-5,载着 BAI Capital(贝塔斯曼亚洲投资基金)高级合伙人汪天凡(Will)一路边开边聊,后半程开到上海青浦一家郊野咖啡馆坐下续谈。整场对话围绕一个贯穿始终的问题展开——当 AI 把效率推向极致、市场上又弥漫着泡沫与焦虑时,一个干了 15 年的风险投资人究竟还在热爱什么、该如何选出值得下注的创始人与产品?需要留意的是,对话中谈及的 Looki、Meshy、VITURE、Table for Six 等均与 BAI 的投资关系相关,既体现投资人的判断逻辑,也包含对被投企业的视角。

个人画像37 岁,双鱼座;MBTI 前阵子是 ENTP,后来一度偏 INFJ。
教育与入行前经历本科毕业于上海外国语大学,硕士毕业于伦敦商学院(LBS)。大学期间极度“内卷”,做过咨询、投行、快消实习,还在当时全球市值第一的公司埃克森美孚(ExxonMobil)做过市场营销实习。
投资资历2011 年进入 BAI 实习、2012 年正式加入,在一级市场深耕整整 15 年,完整经历三四个行业周期,自称至今保持“学徒心态”。

1. 从微博捞项目到自上而下先立判断:投资人打法的彻底换代

回顾 15 年入行史,汪天凡说自己刚起步时和所有年轻投资人一样,还没建立投资审美,急着出手,基本在市面上乱撞——每天泡在微博上私信找创始人,36 氪报道谁就紧盯谁,同行说谁不错就赶紧约,满脑子只想把项目覆盖率(coverage)做全、生怕漏掉好案子。

但在 AI 时代,这种纯 bottom-up(自下而上)扫项目的老路行不通了:等你顺着报道和同行口碑找过去,项目多半已经是半共识甚至全共识的 market deal(公开竞价的抢手案子),估值早已被推满,根本赚不到信息差与认知差。他总结当下对投资人的最高要求是同时具备两只手:

2. “智能通胀,智慧稀缺”:押注 Context Machine 与“华强北 80 块平替”之争

聊到录制前几个月市场风向突变——许多投资人声称不再投 AI 应用——汪天凡坦言自己一开始也有过相同想法:如果最重要的应用最终都被基础模型公司吃掉,那干脆直接去投底层模型好了(原转写误作“火星”)。

但进一步思考后,他得出一个核心判断:智能是通胀的,智慧是稀缺的。未来一两百家实验室和应用公司将交付海量且趋同的通用智能,届时什么才稀缺?他把“智能与智慧的区别”同时抛给 3 个 AI 追问,得到两条关键启发:其一(原转写录作 GPT-3 回答),智慧 = 智能 + 反馈 + 经验 + 反思,最终落脚于“你为什么要做一件事、什么对你真正重要、以及你决定不做什么”的综合价值排序;其二(后文他补充道),智能不会利他,但智慧包含利他性。即便你让 AI 帮忙排序任务,只要它不掌握你的个人 Context(上下文,即经历、偏好、目标与处境),它就无法替你做价值判断。

由此他抛出一句带点“暴论”色彩的观察(原转写录作“暴露”):从智能迈向智慧的桥梁,很可能由新型硬件来定义。BAI 在投资 AI 硬件时最看重它是不是一台 Context Machine(个人上下文采集机)——你说过的话、听到的对话、看到的画面,乃至你随之作出的行为反馈,它能不能持续记录下来?围绕这一方向,BAI 已经布局四五家公司:

Koji 随即抛出最犀利的质疑:这些采集 Context 的设备拆到底不就是录音和录像吗?华强北花 80 块钱就能做出平替,差异化究竟在哪里?汪天凡回应,录音录像只是最浅的一层,真正难以复制的是注入了“人性的光辉”的交互层与产品定义——如何通过精妙的交互结合 AI,让用户觉得“不戴不行”,戴上之后真的能反思自己、更懂自己、获得某种关照?这是 PC、手机或打字聊天永远给不了的深度结果。他顺带呼应此前向 Koji 的吐槽:过去两三年 AI 圈里极度稀缺真正顶级的产品经理,现在到了必须由顶级产品经理定义软硬件一体体验的时刻。

3. AI 如何重构 VC 工作流,以及取代网络效应的“三合一增长飞轮”

谈及 AI 对自己日常投资工作的实际改造,汪天凡拆出三个环节:一是会前准备极其充分,他为学术型、产品型以及海内外不同背景创始人准备了多套固定提示词(Prompt)抓取公开资料并拟定行业与技术追问;二是尽调深度跃升,将访谈录音交给 AI 挖掘总结,曾有一个项目看完 AI 整理后感觉“多出了一整层理解”;三是投后追踪,几百家跟踪公司的公开动态与蛛丝马迹都可交给 AI 持续巡检。这些信息未必直接替代最高层的拍板判断,但对投资产品型公司提供了极高的敏感度。

他还重申了自己此前在即刻发过的一条重磅观点:在 AI 时代,固执追捧传统互联网的“网络效应”可能已经过时,新一代顶尖企业的增长引擎(growth driver)正在变成三股力量的合体:

  1. 数据飞轮:例如编程(Coding)场景中真实使用数据持续反哺模型进步。
  2. AI for AI:用模型自身去递归研发和改进下一代模型。
  3. AI-native Organization(AI 原生组织):把组织内部流转的上下文彻底打通,极大削减团队协作的沟通摩擦与低效。

在他看来,人类过去从未见过这三者合一的威力;别说模型公司,哪怕开一家餐厅,只要对数据飞轮、内部研发递归与组织 AI 化有极强执行力,也能脱颖而出进入行业前 5%——同样的范式甚至可能迭代出新一代 VC 机构。

4. 热爱 VC 15 年的理由、把“未知的未知”工程化,与 2026 年的取舍

做了 15 年风险投资还热爱吗?汪天凡毫不犹豫地回答非常喜欢,称 VC 对从业者而言既是一种奖励,也是一种奢侈:

不少人离开一级市场,是因为觉得这个行业太大程度靠运气、充满焦虑。汪天凡指出,如果总想“搏一个大的”,确实容易把成败全归咎于运气;但问题在于,如果那个大机会压根就不在你的视野范围内,再怎么搏也没用。人们常把视野之外的“未知的未知(unknown unknowns)”归咎为运气,而投资人真正能工程化发力的地方,就是不断拓宽触角,尽可能把“未知的未知”转化成“已知的未知(known unknowns)”。

被问“卓越投资人最重要的能力是什么”,他给了四个字:知行合一。圈内人大多一眼就能认出泡沫信号——比如被要求两轮估值打包一起投、一家公司融了远超实际需要的钱、股权严重稀释或治理结构(governance)缺位、产品明显毫无 PMF 却被市场按巨头定价——真正考验人的,是在泡沫当头时能不能真的按自己的理性判断冷静收手。

聚焦到录制当下的 2026 年 7 月,他认为这是一个必须有所取、有所舍的时点:当全市场挤在最热赛道时,一定仍有真正有长期价值的方向和创始人没被关注。他透露去年 AI 硬件爆火时,自己内心反而极度焦虑——怕的不是抢不到案子,而是市场过早给了自家被投创始人错误的奖励信号,让他们误以为自己已经做到了远超真实水平的高度;因此今年 AI 应用遇冷,他反而更乐意静下心来,和依然坚守的创始人深度交流。

5. 从 WHOOP 到 Table for Six:反抗注意力剥削,把人带回当下

车开进上海青浦一家风景惬意的郊野咖啡馆,两人落座后把话题从赛博世界拉回了物理身体与线下生活。汪天凡举了一个极有说服力的交叉案例:智能运动手环 WHOOP 竟然排进了 OpenAI 前 20 大 Token 消耗客户(恰好第 20 名)——因为用户把大量日常体能与睡眠 Context 喂给 ChatGPT,比如告诉 App 自己两周后要参加 HYROX 健身跑赛事,就能拿到高度个性化的训练方案,对他本人帮助极大。同样,BAI 也在关注被市场低估的线下与消费资产:除了此前投过线下娱乐综合体,近期还投资了线下 AI 社交产品 Table for Six——系统根据同桌 6 位陌生人预先回答的问题,为每一桌个性化生成破冰题卡,让大家在线下饭局和酒局上聊满 3 小时都不腻;虽处早期,已在 6 座城市铺开,复购极高,且女性用户比例特别高,因为这个线下场域足够安全。

由此展开了整期最动人的一段讨论:为什么 AI 不该只追求效率,而应该让人“活在当下”?Koji 痛陈过去十几年移动互联网“注意力经济”的剥削——人们平均一天打开手机 97 次,刷两三个小时短视频却越刷越空虚焦虑;看演唱会时眼睛死盯手机镜头而不看现场,出门旅行只顾摆拍自拍而忽略身边人与风景,面对面聊天还要频繁瞟手机推送。

汪天凡深以为然,指出 AI 硬件的终极意义不是形态多轻便,而是把人从手机和电脑屏幕里解放出来,带来不同于移动互联网“奶头乐”的真正的快乐:

同样,他反对把一切思考外包给 AI,因为人类大脑遵循“用进废退”:把能力全交出去,无形中反倒成了被机器剥削;正确的姿态是把 AI 当教练和健身房,靠高烈度过招去锻炼思维,就像他靠练 HYROX 维持肌肉量与心肺功能以决定中晚年生活质量一样。好产品应该像这样交付关照、反思、反馈链路与智慧,而不是冰冷的工具效率。

聊到人性终极命题时,Koji 提起 BAI 在英国通过一只 Side Pocket(侧袋基金)投资过的神经科学项目——mind uploading(意识上传):团队目前从神经科学切入,在小白鼠身上结合脑电信号与运动视频建模,探索预测乃至控制小白鼠行动的模型。汪天凡顺势提出一个极有诗意的“数字永生”视角:在最浅层意义上,如果你在世时创造出别人没做过的新思想、新作品,最终被前沿基础模型预训练(pre-train)吸收进去,那么随着模型不断迭代并被全人类使用,你的存在与贡献就在某种程度上实现了永生——这也正说明了创造性工作在 AI 时代的不可替代性。

6. AI Infra 像三四年前的 Crypto 泡沫?以及“30 年 vs 3000 年”的文明尺度

聊回资本市场,Koji 追问汪天凡此前的一个尖锐比喻:如今资本蜂拥押注 AI 上游基础设施(AI Infra)却冷落应用,很像三四年前的 Crypto Infra 泡沫。汪天凡拆解了两者的同构性:当市场面对短期内既无法证实也无法证伪的上游技术时,往往会给出极大的估值想象弹性,并宣称“只有上游重要”(正如当年狂追各种公链和分布式存储)。其正面价值在于把社会资源导入基础研究和基建,危险在于释放错误激励——诱导创始人只顾着攒 new lab、训新模型,却完全不在乎做出来后究竟有没有人用;几年后退潮时,绝大多数没有真实需求的实验室仍要直面生死大考。

顺带回望 BAI 投 Crypto 的历程,他澄清团队投的不是空气概念,而是基于区块链的金融创新(稳定币、链上美债、美股与美元资产发行)。五年前尚处萌芽,如今已渐成既定事实。他判断这场变革在社会运行层面不亚于 AI:它让全球任何手握手机电脑的人获得自由选择货币的权利,推动美元资产更深渗透全球,并与当下庞大的 AI CapEx(资本开支)、美债发行及货币升降值高度交织,甚至成为一种对冲。

紧接着,他分享了近期上课时获得的一个时间尺度框架,用来理解 AI 究竟处于哪一层级:

三种历史尺度:把 3000 年压缩进 30 年

用 30 年尺度看,AI 像一场中型技术革命;用 300 年尺度看,是工业革命级别;若用 3000 年尺度看,则是诞生新物种的文明级革命(如同智人与尼安德特人之争、资本主义与前资本主义国家之争)。AI 最令人震撼也最残酷的地方,在于它把一场 3000 年级别的文明巨变压缩进了二三十年(约 100 倍速)。

他说,如果“温水煮青蛙”能煮上五百年、一千年,大家安稳活完一生,完全不必焦虑;但压缩到二三十年内,我们在有生之年就可能亲历组织与个人的剧烈分化——真正能凭极强主动性把自身和组织改造成 AI-native 的,恐怕只有 1% 到 5% 的少数派。如果只能给尚未跨过门槛的人送一本书,他会选《高效能人士的 7 个习惯》,核心就在第一条——Proactivity(积极主动):一方面用高频次、高烈度与 AI 过招练脑,另一方面绝不滑向唯效率论,主动放大 AI 尚不具备的利他性、创造力、自我反思与对身边人的真切关照。

7. 私房实战法:为什么逼自己把每条 Prompt 写到 300 字以上

聊到具体怎么“把 AI 当健身房练”,汪天凡亮出了自己的微信输入法——里面常备着十几条超长 Prompt 模板。他向新人 VC 乃至所有人给出一条极接地气的建议:逼自己每次输入的 Prompt 至少超过 300 字,不要在意遣词造句显不显得高级或“很傻”,关键是不厌其烦、直白坦诚地把你担心什么、害怕什么、想看什么结构全盘托出。他当场念出三条自己高频在用的完整模板:

8. Looki 投资复盘:别问早期公司“壁垒”,以及“三非理论”

录制前一周,BAI 被投的 Looki 和 Meshy 先后官宣新融资。Koji 请汪天凡复盘两家的投资故事。先说 Looki:

大约一年半到两年前,市场因 Meta Ray-Ban(原转写误作“Manna Ribbon”)热销,掀起一股狂追 AI 眼镜的热潮。汪天凡冷静拆解后却泼了冷水,看出两大隐患:一是许多消费者买 Meta Ray-Ban 其实是冲着太阳镜买单,成功归因被误读了;二是当时 SoC 芯片、通信模块乃至电池供应链都远未就绪,导致多数 AI 眼镜沦为“用用停停”的半成品。(BAI 此前确实投过 AR 眼镜 VITURE,但那是更早时代、做减法专注游戏观影需求的产品,并非追这波 AI 眼镜风口。)

转机来自一家让他深受启发的海外公司 Limitless 推出的随身录音挂件(Pendant)。他灵机一动:眼镜戴不住、电量撑不了一整天录像,但如果做一个挂在脖子上的 Pendant,加上摄像头,单靠录音或低功耗记录就能撑足一整天,Context 容量远大于眼镜!于是 BAI 主动向市场发出自上而下的需求信号——不找 AI 眼镜,想投一家做 Pendant 的团队。凑巧一位在别家基金的朋友把 Looki 拿去投委会上会没过,想起汪天凡喊话要看的方向,顺手牵线引荐——这绝不是市场热捧的 market deal。和创始人孙阳(原转写录作“孙杨”)一聊即合,根本无需互相说服“为什么做挂件”,直接进入探讨一代到二代如何越做越小、越少干扰用户、越让人放心隐私。更打动他的是团队被严重低估的履历:两位联合创始人出身自动驾驶公司 Pony.ai 与 Momenta,极擅长软硬件融合,在市场上却未获得公允估值。汪天凡也客观承认,Looki 一代受众相当具体——有孩子或宠物、需要解放双手(hands-free)、对画质宽容、但偏爱 AI 自动记录与叙事的用户;而 Looki 之所以破圈,正是靠无需用户手动干预、自动把一天经历绘成一幅漫画的惊喜设计。即便交互形式可以被模仿,过去两年 AI 硬件里能把录音录像真正转化成“效率之外的快乐”的产品凤毛麟角,这种对人性的理解力本身就是极稀缺的。

由此他展开了对早期投资经典话术的纠偏——别再问早期创业公司“壁垒是什么”:

那么,BAI 心中最完美的早期投资长什么样?汪天凡系统阐述了自己的“三非理论”:

1. 非共识市场尚未扎堆、估值便宜,定价上留有充足赔率空间。
2. 非连续现有大厂和既得利益者不愿意、不能够或者不敢轻易切入的新赛道或新象限,让早期公司享有较长安全期、更少竞争、更低稀释与更低死亡率。
3. 非线性风险投资基金受限于 7 到 10 年的存续期,必须在有限时间内实现指数级放大;而指数是“乘”出来的——至少叠加多重增长引擎(例如数据飞轮 × AI for AI × 组织 AI 化 × 既有互联网分发渠道),这正是 OpenAI 与 Anthropic 营收陡峭起飞的原因。

9. 2026 是不是好年份?Meshy 五年长跑,以及“AI 来了你更快乐了吗”

按照一级市场用红酒年份(Vintage)评价投资窗口的习惯,Koji 问:2026 算不算一个好 Vintage?汪天凡先干脆答道:“一定不是最好的 Vintage。”如果站在 10 年周期来看,OpenAI 诞生于十年前,当年押注的人如今正在摘果子;而且中短期存在清晰的资金面波动风险——大型科技公司的 AI CapEx 在未来几年(无论年底明年初还是到 2028 年底)终将边际放缓,上游算力与模型产出阶段性过剩,叠加模型公司上市后老股东解禁套现(take profit)引发二级市场基准下移,势必传导回一级市场。

但如果再次把镜头拉远到“3000 年文明压缩进 30 年”的大尺度,一切又都才刚刚开始——中间的技术路线与具体产品形态变数太大,投资决策不得不彻底收敛到一个本质问题上:你是投在一件随时会变的事上,还是投在一个能应对剧变的人与他的初心、愿景和野心上?AI 只是加速器,起点决定终点;哪怕做新材料或延寿药物,关键在于创始人为什么出发、野心有多大,而不是纸面上贴了多少 AI 标签。

他随即用另一家刚刚融资的被投企业 Meshy 及其创始人胡渊鸣(原转写录作“渊明”)作例:五六年前国产替代和科学家回国热潮正盛时,BAI 支持了胡渊鸣极具声望的开源项目 Taichi(太极语言/引擎)。他也实打实走过一段“拿着锤子找钉子”的弯路,整整用了 5 年时间,才从纯实验室图形学研发彻底蜕变为直面游戏开发者与 3D 打印用户、从模型到工作流全线打通的产品公司。BAI 在最近一次基金年会上,特意安排胡渊鸣与这批年轻的 Lab、世界模型创业者同台对话,因为后者大概率都要再走一遍这段从 Lab 到真实用户的蜕变之路。但最令汪天凡着迷的,是胡渊鸣最近在博客里阐明的初心——他的愿景从来不是“AI for 3D”,而是 “AI for fun”:如果 300 天后 AGI 把一切效率问题全都解决了,人活着还能干什么?如果不能让人玩得更开心、活得更快乐,极致效率又有什么意义?

话音落在这里,Koji 把问题轻轻推回到汪天凡自己身上:“AI 来了之后,你自己变得更快乐了吗?”汪天凡笑着给出两个极具体的日常瞬间:一个是经常和 AI 聊到进入心流状态,那一刻觉得很快乐;另一个是戴着 Looki 把一天生活自动生成漫画、发到小红书上,自己翻看时觉得很快乐。他也偶尔会一闪而过“AI 要替代很多东西”的忧虑,但转念拉回当下,发现身边绝大多数人(包括双方父母)其实才刚刚浅浅地和豆包聊聊天,AI 渗透到真实生活还远未充分。在原声片尾的最后一段里,Koji 顺势收束:希望彼此都能活在当下,也能继续投资那些让使用者感受到真正快乐的公司,随后两人在轻松的告别声中结束了这场公路对谈。

机制:个人上下文怎样帮助决策,又怎样悄悄引入误差

1. 从“通用智能”到“个人 Context”的最小可检查例子(本文自拟):假设一名研究者让 AI 比较两个工作机会 A 和 B。如果只输入两份公开岗位描述,任何前沿模型都能给出流畅的通用分析(“智能通胀”);若进一步把本人过去三年的研究笔记、最看重的成长维度(如独立主导权高于短期现金)、不可接受的工作节奏、以及家庭城市约束全部喂入系统,AI 就能给出极具针对性的取舍建议(逼近汪天凡口中的“个人化智慧”)。但系统必须严格区分三类状态:“曾经随口考虑过的念头”、“反复确认的稳定原则”以及“外部岗位中未经证实的传闻”——一旦把过时的抱怨当成永久偏好,高上下文反而会给出貌似贴心实则偏执的误导建议。

2. 把“未知的未知”工程化压缩为“已知的未知”:汪天凡的长 Prompt 尽调方法本质上拆成两步:第一步是明确问题结构与恐惧清单(把至少 300 字的意图、反例维度和输出格式写死,避免模型泛泛而谈);第二步是证据来源与核验边界(模型究竟有没有真的访问完整原声、真实复购率和未公开财报)。长 Prompt 能显著拉高第一环的提问质量,却不能凭空变出模型抓取不到的私有数据——对于小红书口碑、公开论文和播客文本这类公开语料,AI 汇总极强;但一旦涉及“真实复购率、NPS、未公开估值与人才联系方式”,必须明确校验外部工具检索结果,防止模型靠平滑补全制造“2 万字精美幻觉”。

3. 全天候 Context Machine 的隐形代价:把录音与视觉采集交给随身穿戴设备,确实省去了手动掏手机的摩擦,但也同步引入了四项系统工程约束:环境噪音下的误转写与语义断章、未经同意录及旁人的法律与社交隐私边界、海量低价值流水账引发的记忆检索污染与衰减管理,以及用户对历史记录的查看、修正与彻底遗忘权。能否把“全量记录”安全无痛地提炼成“恰到好处的关照与反思”,比把硬件做小更难。

独立判断:愿景、反馈节奏与“三非”框架的真实边界

1. “效率 vs 快乐”与“硬件解放当下”不是单向因果

汪天凡对移动互联网“一天打开手机 97 次”的反思极具共鸣,但技术工具究竟解放注意力还是制造新焦虑,高度取决于组织激励与社会规范。会议交给 AI 纪要可能让人更专注沟通,也可能让公司据此把会议密度再塞满一倍;随身记录设备在家庭或旅行场景能减少举手机,却也可能让同行的朋友、同事因时刻处在镜头和麦克风下而变得拘谨。因此评价一款 AI 硬件能否带来“真正的快乐”,不能停留在“自动出漫画”的新奇首月体验,而要观察半年后用户在真实社交场合的持续佩戴率、他人接受度、隐私可控性以及是否真的减少了无效屏幕时长。

2. VC 反馈快不快?中间过程信号不等于最终回报证明

有意思的是,在《十字路口》的另一期访谈中,于红曾强调 VC 最终结果周期极长、需要极度诚实的长期复盘;而汪天凡在此强调“投完即开始有反馈,每季度董事会都能看到 CEO 是否掌控业务”。这两种说法并不矛盾,恰恰指出了风险投资中两种不同层级的信号:季度董事会提供的是组织执行与经营节奏的过程反馈,来得确实很快;但它依然容易受牛市融资热度、短期补贴或阶段性故事干扰,未必能提前证明当初的赛道判断是否正确或基金能否真正 DPI(现金回流)兑现。两者结合看才更完整。

3. “三非理论”很优雅,但三项条件在实操中经常彼此打架

非共识(便宜)、非连续(安全期长)、非线性(多引擎相乘爆发)构成了一套极具美感的早期筛选标尺,但现实中同时严丝合缝满足三者极难:很多真正的“非共识”之所以便宜,是因为商业模式或技术路径确实存在硬伤(并非每次都是市场看错了);很多看起来“非线性”的多引擎组合(例如数据飞轮 × AI for AI × 组织 AI 化),在实际经营中往往是加法甚至互相抢占资源,而非数学意义上自动相乘的指数曲线;而“非连续”的安全期在巨头资本和算力高度集中的 AI 时代也常常比预想更短。因此“三非”更适合作为发问清单来检验自己是否只是在为热门共识买单,而不宜当作保证高回报的公式。

4. 把 AI 当“大脑健身房”,核心是守住自己的独立证伪环节

汪天凡借健身房与“用进废退”提醒大家不要把思考外包,这一点在所有知识工作中都极其受用。可落地的日常操练不是单纯增加与 AI 的对话时长,而是保留一个不可外包的“三步闭环”:先写下自己的初步判断、核心假设和最担心的盲区,再把长 Prompt 抛给模型要求它专门寻找反例、竞品差评与结构性漏洞,最后回到一手材料(原论文、原始访谈、真实用户与财务底稿)亲手核验并修正自己的结论。只要判断权与核验环节留在自己手里,AI 就能放大思考深度;一旦省略头尾只抄中间的“2 万字长报告”,高强度使用反而会加速认知萎缩。

证据边界与资料索引

本文对话重建部分依据官方简介与全文第三方机器转写整理,其中文字稿止于嘉宾关于“AI 渗透还不充分”的最后一次回答,原声从 49 分 38 秒至片尾的补充转写另保留了 50 分 55 秒后主持人的总结祝愿与双方道别。全期未经逐字听审,文字稿中部分主持人说话标签缺失,且几处明显由语音识别引发的专名与口语误差已结合上下文核正或注明(如“Manna Ribbon”核正为 Meta Ray-Ban,“photo context”对照紧邻原文核正为 full context,“新海图”核正为星海图,“孙杨”“渊明”分别对照公开人名标注孙阳、胡渊鸣,“投资于火星”“暴露”据语境注明可能系“模型”“暴论”之误识,“GPT-3”保留转写原录)。嘉宾对 BAI 被投企业(Looki、Meshy、VITURE、Table for Six、英国意识上传项目等)的正面评价包含投资人利益关联视角,个人经历、市场判断与长期文明尺度比喻均按 2026 年 7 月录制时口述理解;文末岗位决策上下文算例为本文自拟。

返回十字路口目录