沿着对话理解问题
预训练、后训练与Agent:不同嘉宾在判断什么增量
罗福莉谈到OpenClaw时,把自己的使用体验解释为从Chat走向Agent的变化。聊天主要交付一次回答;Agent还要看文件、调用工具、接收环境返回,再决定下一步。她认为,这使后训练和框架设计更重要:前者把希望的行为学进模型参数,后者安排模型当下看见什么、调用什么、何时检查结果。她所说的效率提升与资源分配变化,是对所谈项目和阶段的判断。
姚顺宇在另一场长访谈中强调系统工程:数据、基建、算法和评测要一起工作,排查研究流程的错误也很重要。他同时反对“预训练已经到头”的简单判断,认为自己仍然看得到模型学习新事物的潜力。把这两段话并读,会发现他们并没有回答完全相同的问题:Agent如何更好完成任务,与基座还能否继续学习,分别需要证据。
黄东旭、广密和戴雨森则从日常使用与行业观察谈到Coding Agent。他们描述了很大的Token消耗、代码产出和迭代速度,并由此判断工作方式正在改变。这些数字表达使用强度与个人体验,不能单独换算成交付质量或替代多少人。更值得追问的是,哪些环节变快,哪些错误仍由人发现,以及换一个任务后增量是否还在。
张小珺Jùn|商业访谈录 #138张小珺Jùn|商业访谈录 #14042章经 · 从 Clawdbot 到 26 年 AI Coding 主题大爆发张小珺Jùn|商业访谈录 #136张小珺Jùn|商业访谈录 #124
数据怎样成为反馈:成功示范、纠错经历与任务定义
谢晨把数据讨论从静态样本扩展到“因材施教”:模型已经会什么,在哪种环境中失败,下一批数据应该补什么。他以机器人先失败、再纠正并完成任务的轨迹说明,干净的成功示范与包含恢复过程的经历,教给模型的东西不同。谭捷则强调多样化数据的可扩展性,讨论仿真、人类活动视频和生成数据怎样补足昂贵的真实采集。 理想的成功轨迹主要呈现正常状态下的动作;恢复轨迹额外出现偏离状态、纠正动作与结果,因而提供了学习如何恢复的监督机会。是否真能提高鲁棒性,仍要在可比较的扰动和任务中检验。
逯雨鑫的个人训练案例把这个问题落到了具体行为上。他发现模型有时尚未完成任务就宣告成功,于是围绕这类失败准备有针对性的数据,再通过训练和评测查看行为是否改变。他口头报告,所选Agent评测的分数从约15提高到55至60,同时明确说其他评测可能下降。局部改进、迁移和保持是不同对象;节目简介中的Hugging Face热度榜,也不能替代能力评测。
吴浩哲遇到的错误甚至发生在模型推理之前:同一个“m”被理解为月或分钟,分析的时间尺度就变了。Dyna的Lindon Gao则比较不同机器人数据的广度、质量与成本。这些案例让“高质量数据”有了具体含义:它需要让输入、动作和结果对应真正要完成的任务。更多数据、更多轨迹或更像成功答案,都不能省掉这一对应关系的检验。
张小珺Jùn|商业访谈录 #134张小珺Jùn|商业访谈录 #12142章经 · 一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型42章经 · AI Trading —— 决策便宜,行动很贵张小珺Jùn|商业访谈录 #154
模型与系统一起设计:效率怎样改变实验的可能性
游凯超谈vLLM与开源基础设施时,把模型设计、实现方式和硬件约束放在一起。一个数学上看似便宜的算子,可能受访存、跨卡通信或调度限制;系统做得更高效,又会改变模型架构和应用能够采用的选择。联合设计的对象,是这些相互影响的具体环节,而不只是给一个现成模型加速。
孙宇涛解读Kimi K3报告时,也用注意力状态和专家通信的例子讨论这种关系。对研究者而言,这使“方法有什么新意”多了一层问题:它在目标硬件和完整任务里怎样运行,节省的资源是否转化为更长任务、更多验证或更可承担的部署。访谈中的解释可以帮助定位问题,具体实现与性能数字仍应回到相应论文和代码核对。
研究自动化的几个台阶:执行、选择实验与发现问题
田渊栋回忆与模型合作研究Grokking的经历:人提出方向,AI将想法转成代码和实验,研究循环明显加快。主持人继续追问,Coding之外还需要什么。他把熟练执行已有步骤,与从少量、新出现的现象中抽取概念分开;也承认优化算法、训练和算子这些第一层任务已经有实际价值,不需要等到AI能提出全新理论才开始。
刘子鸣给出了另一组具体对象。远期的“元模型”以候选模型为输入,预测其训练曲线;为取得监督,需要训练许多小而多样的模型,将模型与实测曲线配对。他希望这能在完整试验之前帮助判断哪些想法值得做,但原声在这一处没有给出候选模型的完整编码实现。这种预测与实验排序,还不能独自代表发现原先没有进入候选集的问题。
他也把近期工作与远期目标分开:先构建研究过程的记录环境,要求在下一实验前写清此前做了什么、得到什么结论,再记录后续动作,用于模仿研究者下一步动作。他在约一小时处明确说系统仍在构建,还没有开始按估计规模采集数据。因此,拟采集多少条记录、将来训练怎样的模型,属于计划与设想,不能写成已经完成的成果。
马骁腾从个人经验谈到research taste:读过几百篇论文后,细节不一定全记得,却留下了理解新工作、发现可能贡献的压缩判断。他提出可能需要轻量、可迭代的载体来保存它。把三场对话放在一起,可以分别追问:记录是否保存了判断,模型能否据此选择下一实验,它又能否提出一个新的、有价值的问题。
晚点聊 LateTalk #178张小珺Jùn|商业访谈录 #14942章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS
进入物理世界:信息表示、动作接口与硬件约束
刘先明用“Language is a drug”表达自己对自动驾驶中语言中间表示的批评。他担心,把复杂交互过早归纳成语言,会丢失任务相关的信息,并增加标注和规模化的限制,因而选择减少对显式语言表示的依赖。谭捷等嘉宾则讨论利用多模态模型已有能力的机器人路径。两者应放回具体输入、控制接口和任务检验,不能只按“用不用语言”判定谁更通用。
柯丽一鸣用筷子机器人等研究谈到智能与硬件的配合;Lindon Gao则以“大脑决定下限,身体决定上限”描述自己的长期判断:任务能不能做,与能多快、多稳、多精确地做,可能受不同环节限制。何小鹏、沈宇军和刘洺堉也从产品、本体、基础模型与数据说明各自选择。这里的分歧提供了可比较的变量,而非一个已收敛的答案。
陈哲与王淏楠讨论GPT-6 Astra时,将重点放到通用模型输出动作或位姿信息后,具身公司怎样分工。王淏楠描述过一种设想:小模型负责部署中的动作,在失败处借助更强模型纠正,再收集轨迹改进小模型。这条链需要分别验证判断、控制、纠错与学习;一次可用的演示,并不自动确认持续执行、时延、成本和新任务泛化都已解决。
张小珺Jùn|商业访谈录 #120张小珺Jùn|商业访谈录 #121张小珺Jùn|商业访谈录 #146张小珺Jùn|商业访谈录 #154张小珺Jùn|商业访谈录 #143张小珺Jùn|商业访谈录 #147张小珺Jùn|商业访谈录 #150晚点聊 LateTalk #18442章经 · 少有的同时做过 Agent、多模态和具身的人
产品与企业:怎样把模型接到已有的生活和业务里
张月光复盘妙鸭时,将流程设计与上下文设计作了区分:先限定输入输出可以让结果稳定,但下一类产品还需要理解,哪些信息能让模型真正帮助用户,再反向安排交互。Tristan谈Elys时也把注意力放在上下文如何流动;Ambi的莫子皓则强调交互成本,以及由环境变化触发的“AI在场”。三者的对象不同,共同提出的是信息怎样进入系统、何时值得行动的问题。
SAP的原欣把讨论带回已有业务知识。她用关务案例说明,Agent要理解的不只是文字,还有国家规则、流程、例外与人工核对方式;这些数据和流程不会因接入模型自动消失。吴明辉则用“SaaS已死”表达自己的软件与商业模式判断。两种立场都值得保留:前者强调已有组织知识怎样进入执行,后者强调软件怎样交付和收费,并非同一个问题的简单正反答案。
资本讨论中,莫傑麟与曲凯谈“ROI算账”,朱啸虎则基于当时的算力供需表达过“三年内无泡沫”的判断。它们有不同的对象和时间尺度:行业是否需要更多算力、一项业务是否产生价值、某项投入或价格是否合理,需要分别给出证据。本文保留这些观点的语境,不把它们变成当前市场结论或统一的创业路线。
张小珺Jùn|商业访谈录 #130张小珺Jùn|商业访谈录 #13542章经 · 一个 Personal Agent 创业者的思考晚点聊 LateTalk #174晚点聊 LateTalk #16442章经 · 「你觉得 AI 有泡沫吗?」——有!张小珺Jùn|商业访谈录 #122
组织与个人:不同经历怎样塑造了选择
曾鸣提出以任务替代岗位、发展AI原生组织的激进判断;阳萌谈到把组织能力沉淀为可调用的系统;RC介绍了多人、多Agent协作中的相互提醒与竞争行为。这些材料让组织设计有了可观察的对象:谁拥有上下文,谁能调用工具,出了错谁发现,怎样把一次纠正留给下一项任务。共享消息中的纠错,与形成可保持、可迁移的学习,仍然需要分别检验。
姚顺宇强调“靠谱”、做事细和系统排错,印奇回顾“聪明人的诱惑”,谢赛宁与刘子鸣则反复谈到问题意识和对机制的兴趣。他们的评价针对不同日常任务,不能拼成“想法不再重要”或“只有提出大问题才有价值”的人才层级。严谨执行、协作、问题发现与解释结果,都可能在一项长期工作中积累,也都有各自需要的条件。
Albert谈优化胜率,马骁腾重视探索,张津剑强调自己相信什么,苏庭灏把愿望落回“开心”。这些是具体人的判断,不宜合成成功学。理解它们,需要恢复当时可进入的选项、资源与合作者,以及他们愿意长期承担什么日常工作。技术、平台、成果、关系和生活分别怎样改变下一次选择,仍要由具体条件来回答。
张小珺Jùn|商业访谈录 #153张小珺Jùn|商业访谈录 #14442章经 · 用 Agent 动力学,和 40 个 Agents 一起为「人 + AI」做产品张小珺Jùn|商业访谈录 #140张小珺Jùn|商业访谈录 #131张小珺Jùn|商业访谈录 #133张小珺Jùn|商业访谈录 #14942章经 · 优化胜率而非赔率,把一件事做到理论上该有的样子42章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS42章经 · All in AI 的第一个三年张小珺Jùn|商业访谈录 #151
把这些对话放在一起:本文的判断
本文判断:先辨认限制发生在哪一环,再讨论该增加什么能力
这些对话中的失败,可以发生在目标理解、信息保存、局部动作、验收或后续学习的不同位置。如果单位和时间口径错了,生成更漂亮的解释不会恢复原来的任务;如果工具接口丢了关键状态,增加同样的轨迹也未必有效。模型能力、数据、框架和参数更新,应与具体失败位置连接起来比较。
这给出一个可检验的预测:若替换更强模型后,系统仍反复发生同样的单位、状态或权限交接错误,而修正接口便稳定改善,增量主要来自工作流定义。若错误来自模型无法保留相关条件或在新实例中作出正确局部判断,则训练和表示可能更值得投入。对照需固定任务、预算与验收,不能只看一次展示或总产量。
还可以看一个本文自拟的工程算例:假设计算与通信不能重叠,其他开销相同,旧实现每步计算80毫秒、等待显卡间交换结果40毫秒,总计120毫秒;新实现把计算降到60毫秒,却让通信等待增到80毫秒,总计140毫秒,反而慢了20毫秒。只报告某个计算部分更快,会漏掉完整任务的成本。真实系统可以重叠计算与通信,因而更要按实际执行路径测量,而不直接套用这个简化加法。
最终任务完成也不能由局部判断直接代替。一个模型能发现另一个输出的错,不等于能把它改对;改对一次,不等于能学会并保持;在旧任务上保持,又不等于能发现新的重要问题。这些关系都可以研究,但需要逐步建立。
42章经 · AI Trading —— 决策便宜,行动很贵42章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS晚点聊 LateTalk #174张小珺Jùn|商业访谈录 #134
本文研究启发:用能够区分解释的实验检验research taste
先看一个本文自拟的小例子。某模型在旧测试上得80分,我们有两种解释:A认为它依赖答案线索,B认为它学会了任务约束。于是只移除线索,保持任务目标与评分方法不变,并事先写下预期——A预期约40分,B预期约75分,相对旧测试分别下降40分和5分。这个对照让竞争解释给出不同预测;实际差异仍需结合样本和噪声判断。再多跑一次旧测试,通常不能增加同样的信息。这里的分数只是示意,并非某项论文或访谈实验。
这个例子仍然由人给了候选解释。更强的研究判断,还应包括模型能否自己发现值得检查的异常、提出原先没有进入列表的问题、设计有区分力的对照,并在失败后改变解释。记录实验前判断、竞争解释与停止理由,可能为学习提供有用信息;只保存结果或把轨迹放入某个记忆模块,并不足以证明这些能力已经形成。
一个小规模检验可以固定底模、材料、工具和实验预算,对比原文检索、可编辑经验笔记与某种参数更新;在未见方向中,同时测问题发现、假设选择、实验设计和旧能力保持。让独立评审不知道系统来源,再用后续实验检验判断是否有用。若只提高旧任务排序效率,就只支持局部结论;若新问题与解释带来可重复增量,才有更强理由讨论taste的积累。
晚点聊 LateTalk #178张小珺Jùn|商业访谈录 #14942章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS42章经 · 一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型
本文判断:长期路线要同时说明近期反馈和可带走的积累
“沿途下蛋”在多期节目中出现,但近端任务能产生收入,与它能让远期问题更容易,是两种联系。一个产品可能带来现金流,却不产生目标研究所需的数据;一个研究项目可能暂时不盈利,却留下方法、工程经验与合作网络。评估路线时,应分别说明会留下什么,而不是只用方向名称或融资规模代替。
对组织也一样。小团队可能少一层沟通,却仍会被资源、权限与验收反馈阻塞;大平台有资源,也要看研究者能否实际使用、亲手试验并得到解释。不同嘉宾选择大厂、创业或学术工作的理由,提供了这些维度,并不保证某一种身份天然带来完整研究能力。
可以把一个长期判断具体化为范围清楚的小行动:要补哪项尚未核实的信息,几周或几个月后会留下什么结果,什么反馈会使自己改判。尝试有成本,继续原路也会形成专长与约束。把这些条件写清楚,才能在认可过去积累的同时,为下一阶段保留可以使用的选择。
晚点聊 LateTalk #141晚点聊 LateTalk #172张小珺Jùn|商业访谈录 #140张小珺Jùn|商业访谈录 #13142章经 · 优化胜率而非赔率,把一件事做到理论上该有的样子42章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS
按问题继续读
研究taste与自主研究:记录、预测、选实验与发现问题
先看刘子鸣怎样区分研究过程记录、下一动作模仿与训练曲线预测,再看田渊栋如何区分执行熟练与新抽象;马骁腾提出经验压缩与载体问题,逯雨鑫的训练案例则把讨论落到具体行为、数据与保持的验收。
- 张小珺Jùn|商业访谈录 · 149. 亲历中美neo labs资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和Max Tegmark · 站内详解
- 晚点聊 LateTalk · 178: 与田渊栋聊 RSI:模型自进化如何到来?
- 42章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS | 对谈 Mind Lab 首席科学家骁腾
- 42章经 · 一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫
Agent进入工作流:能力、上下文与协作怎样接起来
苏煜与罗福莉分别提供技术史和一线使用的观察,Henry的季报讨论产品与风险;再进入RC的协作案例和原欣的企业案例,比较工具可用与完整任务交付之间还要接上哪些环节。
- 张小珺Jùn|商业访谈录 · 139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射 · 站内详解
- 张小珺Jùn|商业访谈录 · 138. 对罗福莉3.5小时访谈:AI范式已然巨变!OpenClaw、Agent范式很吃后训练、卡的分配、组织平权 · 站内详解
- 晚点聊 LateTalk · 156: 与 Henry 的「AI季报 26Q1」:OpenClaw、OpenAI vs Anthropic的三重对阵、自进化
- 42章经 · 用 Agent 动力学,和 40 个 Agents 一起为「人 + AI」做产品|对谈 Slock.ai 创始人 RC
- 晚点聊 LateTalk · 174: AI冲击企业软件巨头?与SAP原欣聊大模型to B的颠覆与边界
物理任务:语言、模型、本体与纠错数据
把不同表示选择与真实动作约束放在一起,再比较通用模型、本体和小模型如何分工。各期的任务、硬件和时间不同,不将分歧简化为同一榜单上的高低。
- 张小珺Jùn|商业访谈录 · 120. 小鹏新上任的刘先明首次访谈:Language是毒药、拆掉L、简单即美、换帅、小鹏的AI转型 · 站内详解
- 张小珺Jùn|商业访谈录 · 121. 对DeepMind谭捷的访谈:机器人、跨本体、世界模型、Gemini Robotics 1.5和Google · 站内详解
- 张小珺Jùn|商业访谈录 · 146. 对Physical Intelligence柯丽一鸣4小时访谈:Pi的开源模型研究,机器人的江湖、族谱与主角 · 站内详解
- 晚点聊 LateTalk · 184: 与陈哲的「具身季报26Q3」:Astra冲击后,通用模型会吃掉Robotics吗?
- 42章经 · 少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠
- 张小珺Jùn|商业访谈录 · 154. 对Dyna创始人Lindon的3小时访谈:机器人世界的迷雾、分歧与抉择,修心、《沉思录》与王阳明 · 站内详解
组织与个人:恢复各自的处境再比较选择
曾鸣提出组织愿景,印奇与记者对团队事件的讨论呈现现实约束,梦琪和Albert回顾转型,苏庭灏则表达自己的价值取向。把愿景、经历、结果和愿意承担的日常工作分别理解。
- 张小珺Jùn|商业访谈录 · 153. 和曾鸣聊产业史观:残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth大概率不是原生时代大赢家” · 站内详解
- 张小珺Jùn|商业访谈录 · 131. 印奇出任阶跃星辰董事长的访谈:聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程 · 站内详解
- 晚点聊 LateTalk · 153: 阿里Qwen人事变动:误读、近况、伏笔和未来|solo
- 42章经 · 一个 AI 创始人的虚荣心、装,和愚昧之巅|对谈 invoko.ai 创始人梦琪
- 42章经 · 优化胜率而非赔率,把一件事做到理论上该有的样子|对谈连续创业者 Albert
- 张小珺Jùn|商业访谈录 · 151. 17岁被2026年ICML收录论文的小少年:我bet开心!开心!开心! · 站内详解
几个需要分清的概念
这些材料能支持多大的判断
范围按上海时间、单集发布日期确定为2025年11月11日至2026年11月11日。录制时间、发布时间及节目后续补充可能不同,应依相应来源理解。
嘉宾的观点与自述经历不自动等于机构正式立场。记者转述、直接受访和本文推断分别处理,未将访谈中的实验、内部信息或经营数字当作已独立核验的事实。
不同访谈可能引用同一演示、论文或行业消息,重复出现不自动构成多份独立证据。正文中的研究检验属于本文设想,不是嘉宾已完成的实验。
全文保留节目入口;机器转录可能存在专名、数字、说话人及句级时间误差。本文不保证人工逐字听审,回听时优先使用原章节与明确音频区间。
证据边界与资料索引
阅读范围为2025年11月11日至2026年11月11日,按上海时间判断单集发布日期。节目清单对照当前官方RSS与小宇宙公开节目页;不推定已删除或不可访问内容的历史全量。
正文依据访谈原声、机器转录和对应节目介绍展开;说话人、专名与数字仍可能存在转录误差。部分逐句时码存在估计偏差,回听以原节目章节或明确音频区间为准。访谈中的实验、营收、估值与组织信息按发言人归属保留,未据此声称独立复现、财报审计或预测验证。
张小珺既有个案继续沿用原站内链接。其完整主题入口见下方资料索引,不为同一期另起重复全文。
张小珺Jùn|商业访谈录 · 36期
- 2026-10-21 · 155. 和科沃斯钱程聊,父与子、企二代接班的样本与肌理、机器人,和我内心的追寻 · 站内详解
- 2026-10-15 · 154. 对Dyna创始人Lindon的3小时访谈:机器人世界的迷雾、分歧与抉择,修心、《沉思录》与王阳明 · 站内详解
- 2026-09-03 · 153. 和曾鸣聊产业史观:残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth大概率不是原生时代大赢家” · 站内详解
- 2026-08-26 · 152. 领读Kimi K3技术报告:从架构创新聊起,注意力美学、多教师蒸馏和开源MoE · 站内详解
- 2026-08-19 · 151. 17岁被2026年ICML收录论文的小少年:我bet开心!开心!开心! · 站内详解
- 2026-08-13 · 150. 对英伟达研究副总裁刘洺堉的4小时访谈:功夫、Cosmos 3、开源世界模型、黄仁勋、你不需要击败所有对手 · 站内详解
- 2026-07-31 · 149. 亲历中美neo labs资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和Max Tegmark · 站内详解
- 2026-07-28 · 148. 对游凯超3小时访谈:开源Infra、和模型Co-design 、“如果vLLM失败,我们会后悔一辈子” · 站内详解
- 2026-07-22 · 147. 和蚂蚁灵波沈宇军聊:机器人原生基础模型、大脑和本体的关系、预训练与数据scale up、老师汤晓鸥 · 站内详解
- 2026-07-16 · 146. 对Physical Intelligence柯丽一鸣4小时访谈:Pi的开源模型研究,机器人的江湖、族谱与主角 · 站内详解
- 2026-06-12 · 145. 口述SpaceX开发史:和前高管洪力德聊,马斯克用人观、最大IPO、太空与AI、人类文明扩张前奏? · 站内详解
- 2026-06-08 · 144. 对阳萌的4小时访谈:消费电子死与生、第三类公司、端侧模型、产品方法、游戏模式 · 站内详解
- 2026-05-28 · 143. 对何小鹏的第二次访谈:更大赌注、人形机器人Iron诞生、那场意外、技术剧变下CEO、GX和缝合怪 · 站内详解
- 2026-05-27 · 142. 雨森的创投观察第2集:Harness、下一个字节、2026大机会和Stanley Druckenmiller · 站内详解
- 2026-05-18 · 141. Freda的投资札记第2集:Tokenmaxxing、把电机塞进蒸汽机、接力赛变篮球赛、孤独、人的连接 · 站内详解
- 2026-05-11 · 140. 对姚顺宇的4小时访谈:请允许我小疯一下!在Anthropic和Gemini训模型、技术预测、英雄主义已过去 · 站内详解
- 2026-05-01 · 139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射 · 站内详解
- 2026-04-24 · 138. 对罗福莉3.5小时访谈:AI范式已然巨变!OpenClaw、Agent范式很吃后训练、卡的分配、组织平权 · 站内详解
- 2026-04-20 · 137. 对洪乐潼的4小时访谈:AI for Math、把数学变成Lean、数学天书中的证明、直觉、被创造与被发现的 · 站内详解
- 2026-04-15 · 136. 全球大模型季报第9集:和广密聊,Coding是AGI第二幕、硅谷御三家真相、模型正成为新一代OS · 站内详解
- 2026-04-10 · 135. 和自然选择创始人Tristan聊,Elys、赛博分身、灵魂、Context的获取与流动和AI社交网络 · 站内详解
- 2026-03-30 · 134. 【数据的综述】和谢晨聊,新时代的石油、历史、版图、数据金字塔、定价与Recipe · 站内详解
- 2026-03-16 · 133. 对谢赛宁的7小时马拉松访谈:世界模型、逃出硅谷、AMI Labs、两次拒绝Ilya、杨立昆、李飞飞和42 · 站内详解
- 2026-02-13 · 132. 对星海图创始人高继扬的3小时访谈:鲶鱼、曾国藩、Waymo与Momenta的两面、一只狼与许华哲的离开 · 站内详解
- 2026-01-26 · 131. 印奇出任阶跃星辰董事长的访谈:聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程 · 站内详解
- 2026-01-22 · 130. 张月光创业两年首次访谈:妙鸭不是AI Native产品、流程到上下文设计、One Way Door和乙女游戏 · 站内详解
- 2026-01-08 · 129. 全球大模型第一股的上市访谈,和智谱CEO张鹏聊:敢问路在何方? · 站内详解
- 2025-12-30 · 128. Manus决定出售前最后的访谈:啊,这奇幻的2025年漂流啊… · 站内详解
- 2025-12-25 · 127. 大模型季报跨年对谈:和广密预言一场AI War、两大联盟和第三个范式Online Learning · 站内详解
- 2025-12-22 · 126. 和红杉郑庆生聊:经济史的流量革命、人类行为模式的不可预期,与创始人性格 · 站内详解
- 2025-12-17 · 125. Freda的投资札记第1集:下注OpenAI、Robinhood往事,美国资本坏小孩、算盘与泡沫 · 站内详解
- 2025-12-14 · 124. 雨森的创投观察第1集:2026年预期、The Year of R、回调、我们如何下注 · 站内详解
- 2025-12-12 · 123. 对ONE2X创始人王冠3小时访谈:生成系统、没有中间商赚差价、内容平台的权力分配 · 站内详解
- 2025-12-09 · 122. 朱啸虎现实主义故事的第三次连载:人工智能的盛筵与泡泡 · 站内详解
- 2025-11-28 · 121. 对DeepMind谭捷的访谈:机器人、跨本体、世界模型、Gemini Robotics 1.5和Google · 站内详解
- 2025-11-18 · 120. 小鹏新上任的刘先明首次访谈:Language是毒药、拆掉L、简单即美、换帅、小鹏的AI转型 · 站内详解
晚点聊 LateTalk · 46期
- 2026-11-06 · 185: Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险
- 2026-11-06 · 186: Anthropic招股书丨“银行也有百亿预算”,与Fusion Fund张璐聊大企业在想什么
- 2026-10-15 · 184: 与陈哲的「具身季报26Q3」:Astra冲击后,通用模型会吃掉Robotics吗?
- 2026-10-02 · 183: 与Henry的「AI季报26Q3」:Muse引爆个人助理、Astra进入机器人、OpenAI收入猛增
- 2026-09-24 · 182: 对话梁琛奇:抖音、猫箱、创业,「他们都搞生产力,我想用 AI 创造开心」
- 2026-09-02 · 180: 具身智能的金钱游戏:进展难测、收入催熟与 IPO 竞速
- 2026-08-17 · 179: 蒸馏风暴:一场无人公开谈论的技术竞赛
- 2026-08-07 · 178: 与田渊栋聊 RSI:模型自进化如何到来?
- 2026-08-04 · 177: 详解Kimi K3:强到冲击Anthropic估值的模型什么样?
- 2026-08-01 · 176: 姚顺雨,来到腾讯300天
- 2026-07-30 · 175: 对话Liblib陈冕:关于活下来,以及所有接近死亡的时刻
- 2026-07-28 · 174: AI冲击企业软件巨头?与SAP原欣聊大模型to B的颠覆与边界
- 2026-07-22 · 173: 对话姚颂:深鉴、东方空间、再出发,「天才少年」十年后
- 2026-07-15 · 172: Momenta IPO后再访曹旭东:就是想做没有尽头的AI
- 2026-07-02 · 171: 与Henry的「AI季报 26Q2」:从 coding 到 RSI,强者愈强的未来?
- 2026-06-29 · 170: 与陈哲的「具身季报 26Q2」:世界模型大风不停,和不想被贴标签的人
- 2026-06-16 · 169: 访谈Cerebras早期投资人周楠:英伟达挑战者?Scaling Law的萌芽、被遗忘的百度美研
- 2026-06-11 · 168: 对话王新宇:美团龙珠怎么投科技?
- 2026-05-28 · 167: 洋葱学园杨临风:用AI制造捷径,是在杀死真学习
- 2026-05-26 · 166: 许华哲再次具身创业:不想错过最大的西瓜
- 2026-05-18 · 165: GEAR 高深远:世界模型、自进化循环、DreamDojo
- 2026-05-14 · 164: 当AI“杀死”SaaS,与明略吴明辉聊多Agent网络、软件业转型和 AI 新组织
- 2026-04-30 · 163: 详解DeepSeekV4:Infra巨鲸、百万上下文走进现实、极致效率优化
- 2026-04-27 · 162: 批量生素材、模型筛网红|与飞书深诺Meetsocial沈晨岗聊AI时代的出海营销
- 2026-04-24 · 161: 原力灵机唐文斌:中国最早的 AI 创业者和他的具身新旅程
- 2026-04-17 · 160: 群核IPO后与黄晓煌聊这15年:被嫌弃的GPU、冠军酷家乐、空间智能、六小龙
- 2026-04-08 · 159: 马斯克Terafab太空算力、英伟达重拾CPU|与Fusion Fund张璐聊AI算力新趋势
- 2026-04-06 · 158: V4发布前的DeepSeek:人才竞争、组织特点和独特的AGI目标|Solo
- 2026-04-02 · 157: 与陈哲的「具身季报 26Q1」:宇树招股书、人形再思考、英伟达世界模型、高自由度灵巧手
- 2026-03-31 · 156: 与 Henry 的「AI季报 26Q1」:OpenClaw、OpenAI vs Anthropic的三重对阵、自进化
- 2026-03-23 · 155: 至简动力贾鹏:从英伟达到理想,具身智能的六边形战士
- 2026-03-12 · 154: 从千问变动到「AI 英雄传」|与 DINQ 高岱恒聊传奇 AI 研究员们
- 2026-03-05 · 153: 阿里Qwen人事变动:误读、近况、伏笔和未来|solo
- 2026-02-27 · 152: 千寻智能韩峰涛:具身模型淘汰赛和落地的非共识
- 2026-02-12 · 151: MuleRun 陈宇森:Claude Code带来Agent创作新范式,未来的软件是日抛式的
- 2026-02-10 · 150: 【年末AI回顾】从模型到应用、从技术到商战,拽住洪流中的意义之线|Solo
- 2026-01-26 · 149: 具身模型哪家强?|与范浩强、高阳聊具身模型的测评、RoboChallenge,26 年具身展望
- 2026-01-16 · 148: 它石智航陈亦伦:具身的三道曙光和第一道关卡
- 2026-01-07 · 147: OiiOii闹闹:“先抖音后剪映” 不再成立,AI 时代怎么做创作工具和内容社区
- 2025-12-26 · 146: Gemini 3翻盘背后、Agent需要什么大模型、RL创业机会|与前 Google 创业者、硅谷投资人聊湾区动向
- 2025-12-17 · 145: 极壳孙宽:首个「消费级外骨骼」的诞生
- 2025-12-12 · 144: “大而强”到“小而强”|与刘知远、肖朝军聊密度法则、RL 的 Scaling Law 和智能的分布式未来
- 2025-12-01 · 143: 阿里、Kimi都在用的DeltaNet是什么?|与杨松琳聊线性注意力新改进
- 2025-11-25 · 142: 斑马CPO修佳明:一款能主动教学的 AI 产品是如何出现的
- 2025-11-24 · 141: Strutt 洪小平:大疆激光雷达前负责人做了台“电动轮椅”?不做人形也能通向具身
- 2026-09-17 · 181:对话刘江宏:Shopee 十年跨境往事,从新加坡到全球
42章经 · 22期
- 2026-11-07 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS | 对谈 Mind Lab 首席科学家骁腾
- 2026-10-24 · 少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠
- 2026-10-17 · 这个破业非创不可吗?|对谈 Articuler.ai 创始人 Jason
- 2026-10-13 · 一个 Personal Agent 创业者的思考|对谈 Ambi 创始人子皓
- 2026-09-27 · AI Trading —— 决策便宜,行动很贵|对谈超 3w Star Vibe-Trading 作者浩哲
- 2026-08-29 · 一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫
- 2026-08-08 · 从蒸馏到合成数据到 RSI,模型竞争的下一个焦点是什么?|对谈 Evolvent AI 联创孟繁青
- 2026-07-19 · AI 发展了 4 年,把应用发展没了?|AI 年中复盘
- 2026-06-27 · 少有的深度参与过字节、美团组织建设的人|对谈 AI 创业者魏小康
- 2026-06-13 · 泡沫的四个必要不充分条件 | 对谈经济学者朱宁教授
- 2026-05-23 · 一个 AI 创始人的虚荣心、装,和愚昧之巅|对谈 invoko.ai 创始人梦琪
- 2026-05-16 · 当软件容易被创作,新时代的产品长什么样? | 对谈 Albert
- 2026-04-23 · 用 Agent 动力学,和 40 个 Agents 一起为「人 + AI」做产品|对谈 Slock.ai 创始人 RC
- 2026-03-19 · 我们是如何定义 OpenClaw for Teams 新产品形态的|对谈 Kuse&Junior 联创兼 CTO 宇豪
- 2026-03-14 · OpenClaw 之后,我只想未来 3-6 个月的事情|对谈 Sheet0 创始人王文锋
- 2026-03-07 · 优化胜率而非赔率,把一件事做到理论上该有的样子|对谈连续创业者 Albert
- 2026-02-28 · AI + 游戏 + 社交的新演绎 | 对谈 Wanaka 创始人张阳
- 2026-02-07 · 从 Clawdbot 到 26 年 AI Coding 主题大爆发|对谈 PingCAP CTO 东旭
- 2026-01-10 · All in AI 的第一个三年|对谈绿洲资本合伙人张津剑
- 2025-12-27 · 中美 AI 创投的真实差异|对谈 Leonis Capital 合伙人 Jenny
- 2025-12-06 · Dify 从被低估到成为明星项目,到底做对了什么|对谈 Dify 创始人路宇
- 2025-11-22 · 「你觉得 AI 有泡沫吗?」——有!|对谈莫傑麟