张小珺 YouTube 播客全频道目录与路线图

先给结论：这不是一个“AI 播客”，而是一部产业问题意识的迁移史

如果只看最近几期，容易把频道理解成连续追逐热点的科技访谈；把 148 期放回时间轴后，主线更清楚：主持人反复追问的对象，从“谁在做什么生意”，移动到“能力如何形成”，再移动到“能力如何在环境中持续运行”，最后进入“谁能把研究、数据、组织和物理世界接成闭环”。节目主题变了，但问题没有变——如何在不确定性中识别真正的增量，并把它变成可重复的行动。

全量范围与去重规则

节目目录以官方 YouTube 频道的公开视频为主索引。148 个编号正片覆盖 #1–#149，但 #35 当前没有对应编号上传；另有 30 个英文标题重发、投屏版、纯享版、字幕版和特别节目。非编号上传不另算一期正片，但在验证音频、章节和说话人时可以作为辅助来源。

六个阶段：频道的问题对象如何迁移

阶段按节目编号组织，时长来自频道公开视频元数据；它是分析分段，不把上传日期或标题顺序解释成严格的思想断代。

深读方法：目录是入口，证据链才是正文

每期补齐时不只做摘要，而是依次回答五个问题：节目在解决什么现实问题；主持人和嘉宾如何定义概念；论证从哪一步走到下一步；哪些数字和案例只是嘉宾口述、哪些能回到论文/代码/公司披露；什么新证据会推翻当前判断。这样做的原因是长访谈很容易产生“信息密度高所以可信”的错觉，尤其是融资、内部组织、训练规模和未来预测。

148 期编号正片完整目录

“已深读”只表示已有独立个案页面，不表示其他节目没有价值；“待深读”是明确的工作队列。主题是为了检索和批次规划，不把多主题访谈强行压成单一标签。

初步综合分析：这 148 期真正反复出现的四个问题

1. “智能”从人的判断，逐步变成反馈结构

早期节目讨论投资人、创始人和企业家时，能力常常以判断力、性格、关系和逆周期选择呈现。随着大模型、Agent 和机器人进入节目，判断力被拆成更可观察的结构：训练数据是否带来有效反馈，工具调用能否被验证，失败能否回滚，任务规格是否足够清晰，本体和环境是否持续提供梯度。这个迁移解释了为什么后期节目越来越长——要讲清“能力”，必须同时讲模型、数据、评价、运行时和组织。

2. 模型不是孤立主角，真正的竞争单位是闭环

从 #75 以后，节目标题看似在追逐 o1、DeepSeek、Kimi、Manus、VLA 或 Agent，但深层问题一直是：模型输出能否进入环境，环境反馈能否改变下一次行动。后期的 Harness、Context、工具、机器人传感器和制造交付，其实都在回答同一个问题——如何把一次性的聪明变成可重复的系统性能。只比较参数、榜单或单次 demo，会漏掉决定产品生死的慢变量。

3. “规模化”在不同世界里不是同一个词

语言模型可以用互联网语料、算力和自动评价扩大训练；机器人面对的是稀缺、昂贵、带本体偏差的真实行为数据；公司面对的是人才、资本、客户和监管的组织规模；研究室面对的是可复用实验、工具和知识积累。频道后期把这些问题放在一起，反而暴露出一个重要差异：不能把 token、小时、轨迹、用户、收入和实验次数简单放进同一条 scaling law。每一种规模都必须先定义反馈是否有效。

4. 访谈的高价值不在预测命中，而在暴露决策语境

访谈能捕捉论文和公告通常不会写出的信息：为什么换方向，什么失败让团队改写问题，组织如何分配研究与交付，创始人如何理解风险。但这类信息也最容易受记忆、身份、融资和招聘动机影响。因此深读的目标不是给嘉宾打分，而是把口述放进可验证的外部时间线、代码、模型卡、公司披露和后续结果中，观察哪些判断穿过现实，哪些只是当时有效的叙事。

证据边界与资料索引

节目数量、编号、标题、时长和章节来自官方公开视频目录及其公开元数据；英文重发、投屏版、纯享版和特别节目与编号正片分开处理。Scripod 频道提供 152 个音频条目，其中 68 个目前有句级 ASR；已有“已深读”状态只按仓库中已经发布的个案页面计算，不等于对其他节目内容做过完整阅读。后续个案会根据字幕、公开转录、音频和外部一手资料的可得性分别标注证据层级。

• Zhang Xiaojun Podcast 官方 YouTube 频道：编号正片与非编号上传的目录入口。
• 张小珺商业访谈录 Scripod 频道：部分节目提供公开章节和文字材料，页面内容可能更新。
• 精选深读系列总览：43 期已完成个案的主题综合与证据索引。

本页是全频道目录和研究队列，不复刻任何一期完整逐字稿；标题、时长、章节和可得性会随平台版本变化，个案笔记在文末单独说明材料边界。