42章经

我一直认为，在 AI 时代，组织形式的重要性被大大低估了，但长远来看，它很可能成为创业公司最核心的竞争壁垒。因此，我最近一直在和各种人探讨 AI 时代的组织形式。在上期和 Mercor 首位中国员工虞快的对谈中，我们也曾聊到过这个话题，但没来得及深入展开。于是，我又请来了一位在湾区创业的朋友——Palona AI 的联创任川，和虞快一起做了一场活动，继续探究硅谷最先进的组织形式。Palona AI 是少数在思考、真的在实践 AI Native 组织形式的公司，而且成立后不久，他们就把 AI 全面嵌入了研发流程中（比如他们 90% 的代码都是 AI 写的），运转效率很高。在这次的活动中，任川毫无保留地分享了他们打造 AI Native 工程团队的核心经验，对国内创业者极具参考价值，所以我们决定把他的分享剪出来，尽快分享给大家。在本期节目的上半段，任川从工作流、人才、组织三个维度，总结了一套可复制的实操经验。下半段则是现场交流，其中不乏很多好问题，比如怎么筛选真正会用 AI 的人、如何招到并留住顶尖人才等等，也很精彩。刚听完任川的分享时，我有点感慨也有点兴奋：这场分享的听众，或许正在见证新时代组织形式的诞生与变革。虽然这句话听起来有点大哈哈，但这确实是我当时最真实的感受。所以，也希望这期节目能给大家带来一些启发。【人类博物馆】导游：曲凯，42章经创始人41 号珍藏：任川，Palona AI 联合创始人，前 Google、LinkedIn 工程师【时光机】Part 1 用 AI 重构研发工作流的经验 3:51 一个例子：AI 如何远不止十倍地提效？ 5:55 ① 默认由 AI 承担所有研发工作 7:00 分享几个亲测好用的工具 8:18 ② 只要有 SOP，就没有 Claude Code 无法完成的任务 9:36 ③ 反直觉经验之减少人与人之间的交互Part 2 AI 时代最需要什么样的人才？ 10:51 ① 人是 Context Provider 11:00 一个重要的观念转变：应该是人为 AI 提效，而不是反过来 12:33 ② 做 Fast Learner，快速掌握「最少必要知识」 13:27 ③ 每个人都是为最终结果负责的 BuilderPart 3 AI Native 的组织与分工 14:37 怎么分工更高效？ 15:34 为什么工程师也应该去跑客户？ 16:16 工程团队和其他团队怎么配合？ 17:56 未来的组织结构可能什么样？怎么留住核心人才？Part 4 Q&A 精选 19:49 我们 20 人的团队，没有一个全职的 PM 20:47 未来可能没有 Engineer，大家都是 Builder 24:22 硅谷对 AI Native 的组织形式形成共识了吗？ 26:09 大厂很难转型成 AI Native 的组织形式？ 28:59 AI 有能力处理复杂的历史代码吗？ 30:51 AI 还可以重塑什么工作流？ 31:55 该如何打造 AI Native 的组织形式？ 33:07 如何筛选出真正会用 AI 的人？分享两个方法 36:27 怎么衡量 AI Code Review 的效果？ 39:54 不同阶段的公司分别需要设立什么样的岗位？ 43:57 怎样招到并激励 AI 人才？【任川在节目中提到的工具&文章】CodeRabbit：AI Code Review 工具，可以把一次代码审查的时间从 1-2 天缩短到 10 分钟Linear：AI 项目管理工具，在其中创建任务后，可自动分配给 AI 生成代码Devin：华人团队开发的 AI 编程工具incident.io：日志分析与告警工具，可覆盖近一半的运维工作刘小排公众号 @刘小排r：大家可以去其中学习下他使用 Claude Code 的方法文章《「全职员工」的消逝与「合伙人」及「小时工」的崛起》：zhuanlan.zhihu.com【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：9 月 13 日，我们会请到虞快和 Palona AI 联创任川办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！这次硅谷之行，我的一大收获就是认识了 Mercor 的首位中国工程师（节目录制时也是全司唯一的中国员工）虞快。Mercor 是上半年硅谷最热的创业公司之一。它最初在大众印象中是一家 AI 招聘平台，但很快转型为直接与 Scale AI 等竞争的数据标注公司。这次转型，使得 Mercor 在短短 11 个月内就实现了年收入 1 亿美金，估值也迅速攀升至 20 亿美金。也正是这次转型，再次激起了我对 Mercor 的好奇：它究竟是一家怎样的公司？它相比于 Scale AI、Surge 等玩家的核心竞争力又是什么？在这期节目里，前半段我请虞快从内部人的视角，带我深入了解了 Mercor 的定位、业务流程、商业模式以及高速增长的原因等。后半段，我们则聊到了如何做出聪明的职业选择、硅谷创业公司的真实氛围、以及对识人用人的思考等等。节目的最后，虞快还现场出了两道 IQ 思考题，也欢迎大家和我一起挑战 ；）【人类博物馆】导游：曲凯，42章经创始人40 号珍藏：虞快，Mercor 首位中国工程师（节目录制时也是全司唯一一位中国员工），前金融科技独角兽工程总监，Google、Two Sigma、Citadel 工程师【时光机】Part 1 Mercor 的业务 1:57 AI 招聘？数据标注？Mercor 到底是做什么的？ 03:05 为什么 AI Labs 不用 Scale AI、Surge，而选择 Mercor？ 05:37 Mercor ToB 的商业模式是怎么跑通的？ 09:01 拆解 Mercor 的产品和业务流程 09:06 ① 获客 10:00 ② AI Interview 10:52 ③ 匹配和验证 13:05 在 Mercor，你甚至能看到时薪 400 刀、推荐费 5000 刀的岗位（疯狂心动… 15:48 为什么 Mercor 的客户都很愿意花钱？ 16:49 Meta 收购 Scale AI 的意图是什么？一些个人猜测 19:50 从 AI 招聘到数据标注，接下来 Mercor 的故事还能往哪走？ 21:33 国内有可能复制出一个 Mercor 吗？ 22:40 数据标注市场还有多大的增长空间？Part2 职场智慧与识人之道 24:22 什么样的创业公司才值得加入？ 27:07 Mercor 招 PM 最看重什么？ 27:48 国外更容易出现年轻有为的创业者？为什么？ 30:21 美国人的 sales 和 marketing 能力是怎么训练出来的？ 30:47 Mercor 高速增长的秘诀：快 31:38 决策要快，但决策的对错不重要？ 32:25 执行要快，增长是驱动团队的第一要素 33:03 美国创业公司其实比国内的更卷？ 35:20 分享一些招人的标准 36:42 怎么判断一个人是否聪明？ 37:21 示例：如何一秒钟学会一个新概念？ 39:58 欢迎大家一起来挑战两道 IQ 题！ 46:23 我从 Google 学到了什么？ 47:23 到底该去什么样的公司？一个选工作的 tip 47:58 未来 AI 公司的组织形态会是什么样子？【活动预告🥳】9 月 13 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

这又是一期录制于硅谷的节目。差不多半年前，我来美国和莫傑麟聊了一期「东升西落」的市场叙事。彼时，DeepSeek 和 Manus 刚刚点燃了国内市场的信心和热度，也一度让美股跌入深坑。半年过去，市场再次风云变幻：美股落了又升、GPT-5 发布、Agent 热潮冷却、以 Meta 为代表的大厂开启抢人大战……于是我又拉上莫傑麟，复盘过去半年硅谷和市场的新变化。节目中我们聊出了一个核心结论：AI 正在进入一个全新的提速周期，但叙事的核心指标已从「Scaling Law」转向了「Token 消耗」。这意味着行业竞争正在从比「谁的模型更聪明」，转向拼「谁能把已有智能用得更好、更快、更省」。在这个趋势下，Infra 将成为下一个主战场，整合将成为关键词。除此之外，我们还聊到许多值得反复咀嚼的话题，比如：英伟达还能涨吗？散户在这轮波动中扮演了怎样的角色？当前这波 A 股到底算不算牛市？国内外一二级市场的热点有什么不同等等。最后，莫傑麟团队最近在做一个叫 WhatIf 的项目，希望把更多投研经验与 AI 实践结合起来。他们定期组织商业和投资的 Panel 讨论，如果你对中国和美国 AI 基础设施和应用公司研究有持续稳定的视角，且对宏观/二级市场策略感兴趣，可以在公众号「WhatIf Ideas」中提交注册信息，通过后加入讨论日历名单。【人类博物馆】导游：曲凯，42章经创始人九号珍藏：莫傑麟，家族办公室资深从业者【时光机】Part 1 AI 发展的新共识 00:59 硅谷 AI 大转弯，Token 消耗成第一指标？ 4:17 模型并没有更聪明，但为啥 GPT 的日活和使用时长还在涨？ 6:21 不讲 Scaling Law，是不是意味着大家不再预期 AGI 了？ 07:31 GPT-5 就没想和其他模型拼智商 9:28 模型和应用的分工发生了什么变化？ 12:33 为什么我们不希望大模型也来做应用？ 18:56 今年有哪些亮点的应用方向？ 22:14 我们已经没有太多工具可以去评估模型的好与坏了 23:42 GPT-5 标志着 AI 竞争将进入国内创业者的舒适区？ 26:26 Infra 优化可以拆分为 4 层 27:05 简评两家推理加速公司：Together AI & Fireworks 28:53 应用层 Infra 的核心竞争力是什么？ Part 2 硅谷市场趋势复盘 33:13 英伟达还能涨多久？ 38:09 该出现的 Infra 软件已经出现得差不多了？ 39:08 Google 和 Meta 最值得研究的点分别是什么？ 40:31 2025 的 FOMO 情绪不减反增，且已经从「抢卡」延伸到了「抢人」 44:00 为什么说 AI 是美国市场上唯一的「泡沫」？ 46:57 支撑英伟达估值的逻辑发生了变化 48:52 接下来值得关注的两件事： 48:59 ① Meta 砸钱招人有用吗？ 49:20 ② AI 应用的真需求在哪？ 54:48 这波 A 股到底是不是真牛市？怎么判断？ 56:38 散户是这轮波动中非常值得研究的变量 59:59 A 股很难建立正反馈的闭环 1:03:31 美股三家值得持续关注的公司：Reddit、ServiceNow、Figma 1:08:41 哪类 AI 公司能在一级市场拿到最夸张的估值？ 1:12:20 国内一级市场的两大趋势 1:13:38 42章经接触的创业者普遍会遇到什么问题？ 1:15:51 Vibe Coding 会带来「一人公司」的繁荣吗？ 1:18:13 我们年初关于 AI 发展的预测，正在逐步被验证：为什么我们对 25 年 AI 极度乐观｜AI 年终复盘【Reference】 Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋 从 E2B 到 Browserbase，Agent Infra 新热点中有哪些大机会？ | 对谈 Grasp 创始人雷磊 关于 AI Infra 的一切 | 对谈阶跃星辰联创朱亦博莫傑麟 @42章经 播客回顾： 世界怎么就「东升西落」了？聊聊二级市场与 DeepSeek+Manus 的热潮｜对谈莫傑麟 2025.3.22 上半年 AI 市场有多差？别刚起跑就想冲刺 | 我答莫傑麟 2024.7.14 英伟达、Sora 与 AI 的三种核心叙事逻辑 | 对谈莫傑麟 2024.3.2 为什么我们开始乐观？关于经济发展的明线暗线、AI 与最佳实践 | 对谈莫傑麟 2023.12.3【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：8 月 16 日，我们会办一场线上活动，嘉宾是 Luma AI 模型产品 Lead 戴高乐、爱诗科技联创谢旭璋、前 OpusClip 增长产品负责人谢君陶，大家记得翻到 shownotes 末尾查看报名信息！本期嘉宾朱亦博可以说是国内最懂 AI Infra 的人之一。从微软、字节 AI Infra 负责人到谷歌、再到阶跃联创，他的职业经历几乎和 AI Infra 的发展并行，如他所说，贾扬清、李沐等人可能是 AI Infra 的开路者，而他则是紧随其后的第二批从业者。在这期播客中，亦博不仅分享了 AI Infra 的底层认知，也讲了很多行业的内幕故事与实战细节。我们从最基础的 AI Infra 定义聊起，解答了其在模型表现中的作用、重要性，也揭示了“优化指标”的意义与评判标准，并讨论了行业现状和未来发展等等内容。听完这期，你可能会意识到：在大模型时代，AI Infra 不只是「降本」的后台支持，也是决定一家 AI 公司能走多远的核心战斗力。BTW：阶跃最近刚刚开源了推理效率更高的基模 Step 3（github.com），亦博自己的团队也在招人中，感兴趣的可以联系邮箱：recruiting@step.ai【人类博物馆】导游：曲凯，42章经创始人39 号珍藏：朱亦博，阶跃星辰联合创始人，前字节 AI Infra 负责人，也曾在微软、Google 任职 1:07 AI Infra 的定义 2:49 贾扬清、李沐是 AI Infra 的第一批人，我属于第二批 4:13 为什么说 Infra 迎来了一个新的 Google 级别的机会？ 6:21 移动互联网 vs 大模型时代：两代 Infra 有什么异同？ 7:38 算法人可能「只有 2 年的保质期」，Infra 更吃经验 8:40 怎么衡量 AI Infra 的好坏？几个关键指标 10:09 该不该、该怎么投入 Infra？一笔很好量化的 ROI 账 11:20 面对云厂商和模型公司的挤压，第三方公司的突破口是什么？ 14:17 对 Infra 人的一句忠告：要么深入模型、要么深入硬件 16:15 AI Infra 对模型效果到底有多大的影响？ 17:45 DeepSeek 能冲出来，一大原因是选对了优化目标 20:04 阶跃现在最重视的优化目标是什么？ 22:06 Infra、算法、数据团队之间该怎么配合？有关组织架构的心得体会 28:41 做 AI Infra 最大的阻碍是什么？ 30:16 模型范式不会那么快革新，但多模态可能是一个突破口 32:29 简评几家硅谷当红 AI Infra 公司 34:15 第三方 AI Infra 的创业机会在哪里？ 36:35 我们想提升国产卡的竞争力，哪怕只有一点点 39:28 介绍一下阶跃新发布的视觉推理模型 46:30 DeepSeek 做得好，就是因为梁文锋懂 Infra？ 47:54 一些业内真实的踩坑案例 55:13 给 Infra 从业者的一些建议 55:43 《The Bitter Lesson》的含金量还在上升【活动预告🥳】8 月 16 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

最近，AI 创投圈接连出现了两起引人关注的收并购事件：智元机器人买入上市公司控股权、Windsurf 宣布被收购。收并购，似乎正越来越频繁地出现在创业者的视野中。相信大家对收并购这个词并不陌生，但未必了解其背后的资本逻辑，我们也一直对并购的运作方式有很多好奇之处。因此，本期节目我们请到了一位有十多年经验的资深并购投资人来一起聊聊收并购这件事。本期节目中我们聊到了智元近期的资本动作、并购基金与 VC/PE 的核心差异、一名优秀的并购投资人需要具备哪些关键能力，以及一桩复杂交易如何真正落地等。节目的最后，我们也请立阳从他的视角，给 AI 创业者分享了一些关于收并购的实用建议。【人类博物馆】导游：曲凯，42章经创始人38 号珍藏：张立阳，云磬投资创始人，有十五年的并购经验。此前，他曾先后任麦肯锡公司的战略分析师、中信资本的执行董事，及 TPG 亚洲基金的董事总经理。【时光机】 1:27 当我们说并购的时候，到底在说什么？ 6:54 为什么很多一级市场的人开始做二级市场？ 7:59 智元到底是不是在「借壳」？ 10:11 做并购和做 VC/PE 的核心区别是什么？ 12:14 并购是一件概率高、赔率低的事情？ 15:04 并购投资人就像工程师，要通过财务模型拧紧每一颗螺丝 17:55 为什么很多并购基金喜欢把上市公司私有化？ 19:27 并购的最大价值：通过改变生产关系解放生产力 20:59 并购通常都会管理层大换血吗？ 28:25 找项目的两个流派：行业覆盖 V.S. 抓结构性机会 29:56 做 VC 是投梦想，做并购是盘生意 32:12 怎么协调各方复杂的利益关系？ 36:13 一个案例：一场极限施压的伦敦闪电战 37:58 在顶尖 MBA 项目中学到的谈判技巧 44:51 做并购最关键的两件事 45:53 追 Alpha 就像气宗，追 Beta 则像剑宗 48:00 未来，并购在中国可能会怎么发展？ 49:19 给 AI 创业者的几点收并购建议【Reference】 《门口的野蛮人》 单伟建《金钱博弈》（Money Games：The Inside Story of How American Dealmakers Saved Korea's Most Iconic Bank）【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

本期节目录制于一次内部分享活动。因为我们每天都在找人、聊人，于是请来了在 BD 方面颇有经验的 Angie，分享她的一些方法和心得。坦白讲，起初我们有点犹豫到底要不要发布这期播客，因为担心内容听起来比较“功利”，但最后还是决定放出来——因为只要你需要与人打交道，无论是找合作方、组建团队，还是建立一个更高效的社交网络，这些方法都非常实用。在这次分享中，Angie 提供了一整套 BD 框架：从如何确认线索、获取转介绍、建联，到如何增信、促成转化和实现长期经营，她一一拆解了每个关键环节背后的策略与思路，我也在一些问题上有所补充。其实，所有行业最后的本质都是 BD，世界本身也是一场大的 Sales。当我们掌握了 BD 的核心方法，也就拥有了与人建立连接、达成合作、共同前行的能力。当然，技巧只是起点。希望我们都可以在日常实践中不断积累势能，慢慢从一个自下而上的链接者，变成一个拥有影响力的构建者。【人类博物馆】导游：曲凯，42章经创始人37 号珍藏：戴安琪，某科技家办副总裁，前36氪出海创始团队，科技&跨境出海 super nodePart 1 线索确认和转介绍 00:49 明确客户画像和渠道画像，是一切的起点 1:04 目标客户可以从哪找？ 5:21 思考题：你能脱口说出自己最牛的 1-3 点吗？ 5:55 BD 分两种：① 专业型 ② 人格魅力型 6:47 要善用平台的杠杆、精准提炼你的机构价值 8:15 怎么筛选出一个靠谱的转介绍人？Part 2 怎么成功建联？ 9:30 「你是不是一个 likeable person」这件事很重要 11:19 找人不仅靠努力和运气，也需要运营 sense 11:54 把废话说好是一项非常牛的技能 12:41 沟通中最消极的反应是不说话，任何其他反应都能给你带来机会 13:58 想在线下约到重要客户？装熟 + 积极主动 + 坚持不要脸 15:24 怎么才能把废话说好？ 17:46 对于有好奇心、爱学的人来说，任何事情都是素材和课堂 18:55 一个让对方舒服的聊天框架：5 分钟闲天 + 45 分钟对方关心的事 + 10 分钟自己的需求 19:31 关于聊天的节奏感 Part 3 增信 20:26 任何细节都可以为你增信，包括你的微信头像 21:04 真诚是必杀技，不要在拿过更大结果的人面前耍小聪明 23:24 比较厉害的人都是理性判断、感性决策 24:34 做 BD 也需要动线设计，要在关键节点释放情绪价值Part 4 转化 25:29 成功转化的核心：需求匹配 + 关系到位 27:46 把长期主义纳入每一次 BD 的微决策 29:39 只有当你知道自己想要什么时，别人才知道该怎么帮你 30:22 世界本身就是一场巨大的 Sales【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：6 月 21 日，我们会请到雷磊和 Gus (Memobase & nano-graphrag 作者，solo 项目 GitHub 获 5000+ Star) 办一场线下活动，大家记得翻到 shownotes 末尾查看报名信息！Agent 赛道自今年年初被 Manus 引爆以来，热度持续了好几个月。有非常多各种方向和概念的 Agent 项目已经拿到融资，而很多人也已经开始思考：下一波机会，会出现在哪里？我们看到的可能性之一，就是 Agent Infra。原因在于，如果未来真的会有万亿个 Agent，它们将不再只是「工具本身」，而会反过来成为无数软件的「终端用户」。而由于 Agent 和人类的行动模式存在本质区别，我们很可能需要重新设计整个 AI-Native 的软件体系，从代码环境、浏览器，到各种工具，全部为 Agent 重写一遍。于是本期节目，我们请来了 Grasp（一款给 Agent 用的浏览器） 创始人雷磊，一起聊聊他对 Agent Infra 的观察与思考。我们讨论了「给 Agent 做产品」与「给人做产品」在底层逻辑上的差异、Agent Infra 的两大明星项目 E2B 和 Browserbase，以及这个领域未来可能出现的创业机会等等。Grasp 现已开放 waiting list 申请：https://getgrasp.ai，即将内测。【人类博物馆】导游：曲凯，42章经创始人36 号珍藏：雷磊，Grasp、AirCode 创始人，连续创业者，前字节开发者平台轻服务产品负责人，超过十年开发者领域经验【时光机】 1:03 Agent 热潮之后，下一波机会可能是 Agent Infra 3:55 未来应该是「人为 Agent 服务」，而不是「Agent 为人服务」？ 6:17 人与 Agent 的核心区别 6:22 ① 工作范式：人是单线程，而 AI 是多线程 7:23 ② 责任与安全边界：人可以对自己的行为负责，但 AI… 10:49 Agent Infra 产品最关键的是什么？ 13:03 被 Manus 带火的 E2B 到底是个啥？ 15:02 虚拟机、云、沙盒、E2B 的关系是什么？ 15:54 Agent 产品一定是在云端运行 18:35 云厂商就像「地产商」，而 E2B 类产品是「装修商」 21:02 什么团队适合做 E2B 这样的产品？ 26:49 Agent Infra 产品 = 给 Agent 用的 SaaS 28:32 海外当红的 Browserbase 又是做啥的？ 31:48 给 AI 用的浏览器 V.S. 给人用的浏览器有哪些区别？ 35:55 Agent Browser 的三层架构：Runtime + Agentic + Knowledge 42:40 为什么说今天的 Browser Use 很像 23 年的 AI Coding？ 44:35 二者都还有上千亿美金的市场增长空间 47:46 Agent Infra 还有哪些值得重做一遍的机会？ 49:04 一个迷思：有没有可能 AI 根本就不需要人类的反馈？【活动预告🥳】6 月 21 日，我们会办一场线下活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

在去年那期播放量超 10w 的节目《这个世界变难了，我们该如何应对？》中，津剑从信号学的角度拆解了这两年世界变化的本质，给很多人带来了一个全新的思考万事万物的视角。而针对世界的新变化，津剑也在一年后为我们带来了他升级后的思考。这期节目的前半小时，你会听到津剑在我们线下活动中的个人分享。他从「频率与频谱」的角度出发，解释了这个世界为什么在加速分化？注意力机制为什么人类最重要的特质之一？ 为什么说 Agent 其实是一场感知革命？人类在 AI 时代的核心价值又是什么？节目的后半段，则是我和津剑的双人对谈。我们讨论了一些更具体的问题，比如怎么判断一个方向值不值得坚持？未来 5 年 AI 可能会发展成什么样等等。希望这期听完之后，我们都能更好地重建自己的注意力系统。After all. Attention Is All We Need.绿洲也在制作自己的播客节目《信号与噪声》(链接：www.xiaoyuzhoufm.com)，诉说更多关于生命力的故事，欢迎大家订阅关注！【人类博物馆】导游：曲凯，42章经创始人1 号珍藏：张津剑，绿洲资本合伙人【时光机】Part 1 单人演讲《投资中的频率与频谱》 1:15 2025 年，世界在加速分化 1:20 分化的背后是注意力的失控 2:43 注意力是大脑进化出的主动滤波器 6:20 顶级企业家有一个共同特点——专注 9:12 拉尔森效应与世界的啸叫 11:33 这个时代的机会在变多，而不是变少 11:59 如何重建注意力机制？ 15:26 作为一个多模态大模型，人类能感知到的世界是真实世界的 1/10^9 21:48 Agent 是一场感知革命，AI 能处理的模态和频谱理论上是无限的 25:27 从以「人」为中心组织工作，到以「AI」为中心组织工作 28:49 Wishful thinking 是一种懒惰 30:03 人类因为自身的有限性而进化出了审美 ，这也是 AI 时代人最核心的价值Part 2  双人对谈《人的有限与无限》 33:58 怎么找到真正值得注意的事，并坚持下去？ 40:17 绝症面前，人会改变自己，还是接纳自己？ 42:39 分享两个提高决策力的方法 43:48 区块链与 AR&VR 被低估了 47:06 未来 5 年，人 和 AI 之间的关系可能会发展成什么样？ 49:01 工业革命：体力→智力，AI 时代：智力→心力 50:53 未来的智能会像今天的电一样 51:54 什么是新时代的「家电三件套」？ 53:10 分化世界下，普通人还有机会吗？【Reference】张津剑 @42章经 系列回顾播客世界好像变难了，我们该如何应对？ 2024.5.26投 AI 最猛的人  2023.7.30文章投资中的节奏与结构 2023.6.18投资中的周期与载波 2021.3.14投资决策中的信噪比 2020.2.23投资中的信号与噪声 2018.12.2（谢谢到场的每一位朋友！）【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：5 月 31 日，我们会请到东旭办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！PingCAP 在前些年最被大家熟知的可能就是其非常高的估值，经常被 challenge 的则是其商业化的收入。而这两年很多人不知道的是 PingCAP 的国际化业务发展得异常好，且已经有了非常高的海外年收入。23 年我曾经请云启资本的陈昱分享过他投资 PingCAP 等知名公司背后的逻辑。在那期播客中，陈昱说他投资 PingCAP 的重要原因之一是发现他们团队有野心（选择了分布式数据库这个难度极高的方向）、且有实现野心的潜力（三个联创都是技术背景，代码写得很扎实）。两年过去，很开心今天终于能和 PingCAP 的联合创始人兼 CTO 黄东旭面对面聊天，听他亲口讲述这家估值 30 亿美金的数据库创业公司从 0 到 1 的实践和思考。在这期播客中，东旭坦诚分享了他们踩过的非常多的坑。我们聊到了 PingCAP 在发展过程中的关键决策、开源项目的运作逻辑与商业化策略，以及中国团队在海外市场的落地经验和商业化探索过程。此外，他也从他的视角聊到了很多关于 AI 的观察和思考。和他聊的时候，还意外得知原来他是一个弹吉他和贝斯、玩合成器的音乐爱好者，这个爱好，也是他创业十年来保持身心轻盈的重要原因之一 ；）【人类博物馆】导游：曲凯，42章经创始人35 号珍藏：PingCAP 联合创始人、CTO，PingCAP 最新公开估值已达 30 亿美元【时光机】Part1 PingCAP 从 0 到 1 的发展历程 1:21 PingCAP 到底是做什么的？—— 一个装数据的魔法杯子 6:55 PingCAP 十年来最关键的四个决策 7:10 ① 开源 7:30 ② 选择了关系型数据库这个难度最大、但期望最高的方向 8:37 ③ 做全球化 9:09 ④ 转型云服务 9:52 为什么 15 年还能长出一个数据库巨头？ 12:58 为什么在商业化没做起来时，公司就能有 30 亿美金的估值？ 18:47 商业化的摸索过程Part2 关于国际化的经验和思考 24:32 一个真·国际化的公司应该具备什么样的心态？ 27:51 怎么判断自己的公司是不是真的做到了国际化？ 32:33 在国际化的过程中，我们可踩过太多坑了… 34:03 先做美国市场是一个事半功倍的选择 34:49 这波 AI 创业者中我最看好 Day 1 就搬去美国的那一批 36:51 想融入当地环境？先招个本地销售，然后跟着 ta 一起跑客户 40:34 出海没有捷径，我过去十年尝试的所有花活基本上都失败了 43:57 出海华人创业者，第一容易高估语言障碍，第二容易高估商业化难度 45:23 一些关于 AI 的观察和思考 45:53 营销被大大低估了！不存在什么「酒香不怕巷子深」 46:42 AI 还缺一个通用的 sharing memory layer 49:26 我个人很看好企业服务端的机会 【Reference】 Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋 揭秘 Minimax、Zilliz、PingCAP 背后的投资逻辑 | 对谈云启合伙人陈昱【活动预告🥳】5 月 31 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：5 月 24 日，我们会请到丁丁和 Fellou 创始人谢扬办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！像 RL 这个概念一样，Benchmark 和 Evaluation 也是做 AI 的人经常挂在嘴边的词，但到底该怎么理解这个概念，该如何正确的设定这些问题和数值呢？正巧前不久 OpenAI 研究员姚顺雨的那篇《AI 即将进入下半场》特别火，他核心讲的就是「我们当下已经进入了 AI 的第二阶段——从解决问题转向定义问题，评估的意义会超过训练本身。而这其中，评估最关键的不是设置更难的基准测试，而是要在实际落地的场景中重新设计一套实用的评估标准」。所以这期我们请到了前 Kimi 产品经理丁丁，从她在大模型公司一年多的实践经验出发，请她分享些对于 Benchmark 和 Evaluation 的思考，相信大多数人听完这期都会对这些概念有更深的理解，也可以开始自己设定一些评估问题和标准了。P.S. 丁丁之前曾在微信做过 5 年的搜索产品，也在美团做过策略产品，所以在节目最后她也分享了一些从古典产品转型 AI 产品经理的心得。【人类博物馆】导游：曲凯，42章经创始人34 号珍藏：丁丁，前微信、美团、Moonshot 产品（负责 Kimi App）【时光机】 1:27 进入 AI 下半场，「重新定义 Benchmark」比「刷榜提分」更关键 3:23 回顾 AI 上半场，国内大模型公司的发展重心历经了哪些变化？ 5:51 一味追求 DAU 是一种偷懒的经验主义 7:07 数据固然重要，但更多的用户数据 ≠ 更好的模型智能 9:28 如果你是梁文锋，你要不要承接这波泼天的用户？ 9:59 Evaluation 和 Benchmark 是拉开模型差距的一大关键 14:40 对于没有标准答案的问题，该怎么制定 Benchmark？ 17:55 怎么衡量 Benchmark 的好坏？ 22:14 创业公司的 Benchmark 有多少道题比较合理？ 22:38 能通过高频的用户 Prompt 反推出一套 Benchmark 吗？ 24:23 让模型「突出长板」好，还是「全面均衡」好？ 25:42 以 C.AI 类产品为例，示范一下该怎么设计 Benchmark 29:28 Benchmark 是团队的核心机密，算法同学都不应该告诉 30:07 AI 产品经理和古典产品经理有什么异同？ 31:49 怎么更好地理解模型边界？ 33:38 未来每个人都要具备全栈能力 35:38 做微信产品积累下来的 knowhow 39:52 分享一些招 AI 产品经理的标准【Reference】 OpenAI Agent Researcher 姚顺雨的最新博客内容，探讨了 AI 发展的「下半场」：ysymyth.github.io 一个顶级 AI 产品经理的自我修养 | 对谈光年之外产品负责人 Hidecloud【活动预告🥳】5 月 24 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：4 月 26 日，我们会请到 sheet0.com 创始人文锋做一场线下活动，大家记得翻到 shownotes 末尾查看报名信息！关于 Agent 这个话题，我自己有一些核心在思考的问题，相信这些也是很多人同样会有疑问的地方，这期播客中我们就这些问题展开了讨论，并基本得到了一些答案：1）怎么定义 Agent，Agent 最重要的是什么2）今天的 Agent 和两年前的 Agent 的区别是什么3）如何简单快速理解 Function Call，Coding Agent，MCP，A2A，Computer Use，Browser Use 等概念4）不同方式的区别是什么，有什么优劣之分吗5）怎么看通用 Agent 和垂直 Agent 的区别，终局是什么6）AI Coding 和 Agent 最终会是一件事吗，或者二者会有什么关联7）Workflow 和 Agent 的区别和终局8）RL 这件事在 Agent 里的重要程度是什么，一家公司（尤其是做 Agent 的创业公司）到底该如何使用 RL9）大模型自身的 Agent 比如 OpenAI Operator 和其他应用产品的区别是什么，最终市场形态会怎样10）如何快速判断一家 Agent 公司做得好不好另外，在整段讨论中，本期嘉宾文锋基于长时间对 Agent 的研究和实操，还提出了很多理解和分析 Agent 的框架和关键要素，以及在接近结尾部分留下了让我非常有启发的一句话：AI Coding 是大模型的灵巧手。【人类博物馆】导游：曲凯，42章经创始人33 号珍藏：王文锋，Agent builder，sheet0.com Founder & CEO，连续创业者，有近十年 AI、Data Infra 产品设计和 Coding 经验。sheet0.com 已开放 waiting list 申请，即将内测。【时光机】 00:47 Agent 三要素：LLM、Context、Tool Use 1:17 这波 Agent 和过去两年的区别是什么？ 2:30 怎么理解 Agent 中的 Context？ 4:21 快速理解 Tool Use 的不同方案 4:40 代码调用支线：Function Call、MCP、A2A 之间的区别是什么？ 6:35 模拟人类支线：浏览器是大模型能调用的最重要的工具 7:07 两条支线各有优缺点，也可以混合起来 10:27 Manus、Devin、Genspark 各用的什么方案？ 12:25 Browser Use 的核心价值是给用户提供「安全感」 14:19 AI Coding 和 Agent 最终会殊途同归吗？ 16:15 Agent 的终局会走向通用还是垂直？ 17:17 脱离了 RL，Agent 就不成立了 19:15 所以 Agent 创业公司该如何使用 RL？ 22:54 一个非共识理解：聊天框 + 场景推荐 UI 界面就是最好的交互形态 31:54 Sheet0 是一个怎样的 Agent 产品？ 34:15 怎么把任务执行的准确率做到了 100%？ 35:39 Workflow 会被 Agent 颠覆掉吗？ 36:49 不同 Agent 的核心区别是什么？ 39:05 AI Coding 是大模型的「灵巧手」 41:41 Agent 有两大「信任」命题 44:22 分享一个预测 Agent 未来发展的思考框架 47:33 如何快速判断一家 Agent 公司做得好不好？【Reference】文锋推荐大家都读一读强化学习之父 Richard Sutton 的《Reinforcement Learning：An Introduction》【活动预告🥳】4 月 26 日，我们会请到文锋做一场线下活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

当 AI 预训练的 scaling law 开始放缓，强化学习 (RL) 接过接力棒，拉出了一条漂亮的第二曲线。在当下的 Agent 热里，有 RL 能力的团队，也是最被看好和押注的。但很多人对 RL 都没有一个足够清晰的理解，包括我自己。所以这期我们请到了国内 RL 领域的专家、清华大学交叉信息研究院助理教授吴翼，来讲讲 RL 的原理到底是啥、RL+LLM 的路径是怎么发展起来的、目前存在哪些非共识、未来还会怎么演变等等（聊完感觉像上了一堂免费大师课）。而且聊着聊着，我们发现，人生就是一个 RL 的过程，区别是 RL 有明确的奖励函数，但是人生没有。可能如吴翼教授所说，我们首先都要以一种「最大熵」的方式去主动和不确定的世界交互，才能找到自己的奖励函数，优化自己的人生曲线。最后，吴翼教授的团队最近开源了一个 RL 框架 AReaL-boba，在 SOTA 7B 上跑出了 AIME24 61.9 的分数，也欢迎大家去 GitHub 关注。【人类博物馆】导游：曲凯，42章经创始人32 号珍藏：吴翼，清华大学交叉信息研究院助理教授，前 OpenAI 研究员。【时光机】 1:51 到底什么是 RL？ 4:25 人生就是一个强化学习的过程 6:22 RL 和 LLM 是怎么结合起来的？ 7:01 强强联手第一步：InstructGPT，实现指令遵从 10:07 过程中衍生出了 RLHF 11:41「慢思考」的需求催生了 RL 的应用 16:10 为什么说 Anthropic RL 做得特别好？ 21:17 行业对 RL+LLM 的最优路径形成共识了吗？ 25:11 RL 起来之后，对 Agent 的影响是什么？ 32:11 Intelligence = LLM (理解) × RL (决策)，二者缺一不可 34:14 Scaling law 的未来 34:33 Pretraining 的两个发展方向 36:43 RL 还处于早期，进入深水区后可能会走向分化 40:02 大模型团队的组织架构要如何设计？ 43:21 一个反常识：对 AI 来说，理解比生成更难，token 消耗更大 47:38 现在做 Agent 一定需要一个懂 RL 的人吗？ 49:32 为什么 RL 人才这么稀缺？ 56:10 RL 目前三大分支：泛化 (DeepSeek)、代码 (Anthropic)、Agent (OpenAI) 58:55 框架对 RL 意味着什么？ 1:02:51  RL 在海内外进展还有明显差距 1:04:42 想做好 RL，基建≫数据＞算法 1:06:05 研究 RL 收获的一些人生启发【Reference】 吴翼的 PhD 毕业论文：On Building Generalizable Learning Agents 吴翼获机器学习顶级会议 NIPS2016 最佳论文奖的论文： Value Iteration Network 吴翼提到的他非常喜欢的有关 Diversity-Driven RL 的两篇论文：Iteratively Learn Diverse Strategies with State Distance Information、Discovering Diverse Multi-Agent Strategic Behavior via Reward Randomization 吴翼团队和蚂蚁研究院开源的强化学习训练框架：AReaL-boba【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

我又来美国了。这次来，我发现市场真的变化太快，这边很多人都开始相信一个所谓「东升西落」的叙事。于是我再次请来了莫傑麟，和他聊聊二级市场自 DeepSeek 发布以来有哪些新变化、新趋势。在这期播客里，我们推演了「东升西落」的演绎过程和底层逻辑，谈了我们各自对 DeepSeek 和 Manus 这两个热门产品的感受，也聊了宏观的市场环境和股市的未来。最近两年很多人都在说，这波 AI 中的最赚钱的方式是炒股。但真的是这样吗？二级市场真的才是大家最终的归宿吗？【人类博物馆】导游：曲凯，42章经创始人九号珍藏：莫傑麟，家族办公室资深从业者【时光机】Part1 「东升西落」的叙事 00:30 为什么二级市场突然流行「东升西落」的叙事？ 1:00 推演一下演绎过程和底层逻辑 5:19 之前大家过于低估国内 AI 了 6:47 中美对 AI 的叙事重点完全不同 7:27 简评 DeepSeek 9:48 简评 Manus 10:15 Manus 是最典型的中国式 AI 产品 11:58 Manus 爆火背后的两个核心原因 14:35 为什么后来风评急转直下？ 16:01 未来的 AI 产品可能要先在海外宣发，再杀回国内 Part2 二级市场的宏观环境 22:04 二级市场 = 预期 + 趋势 23:12 关于预期——大家对中国的预期是什么？ 24:39 为什么阿里加大对 AI 的 Capex 投入后，股价大涨？ 26:17 腾讯是 DeepSeek 这波的最大受益者 31:11 25 年的中国在重演 23-24 年的美国 33:48 芯片「卡脖子」还会是问题吗？ 35:42 关于趋势 35:52 暗线 (宏观环境)：稳中向好 37:30 明线 (产业趋势)：AI+专精特新+消费多点开花 Part3 股市的未来 38:44 今年 A 股会不会继续涨，美股会不会继续跌？ 41:13 二级市场在变得越来越卷，共识的达成和演绎速度越来越快 43:57 这波 AI 最赚钱的方式真的是炒股吗？ 46:44「大起大落的高频波动」可能是未来股市的常态 48:14「做时间的朋友」还行得通吗？ 49:54 分享一些 25 年的个人观察 50:18 AI 领域我会重点关注三个问题 52:53 很多非 AI 公司也很值得研究 54:56 二级市场是所有人的最终归宿吗？【Reference】为什么我们开始乐观？关于经济发展的明线暗线、AI 与最佳实践 | 对谈莫傑麟【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

如果有人问你，给你三个月的时间，你能把目前手上负责的业务数据翻十倍吗？相信大多数人都会觉得这是痴人说梦，但这件事 ACE Studio 做到了。而他们做到的原因不是他们本来就能，而是有人让他们相信了这件事。这就是我们今天要讲的故事，这就是信念感这三个字的力量。去年 5 月份我们做过一期 PMF 主题的节目，ACE Studio 的创始人 Joe 聊了很多他们的产品是如何在美国市场找到 PMF 的。当时他们刚刚开启付费半年，就已经做到了很不错的月收入。这次我们又把他请来，是因为才刚过去了大半年，他们的收入竟然就增长了 10 倍，已经成功跻身千万美金 ARR 第一梯队。能做到这点，是因为他们去了硅谷一家很有名的孵化器 HF0，并在那边搞了 3 个月的封闭式开发。这期播客中，Joe 就毫无保留地分享了 HF0 到底是怎么奏效的、他们在 HF0 的实际体验与收获，和实现 10 倍增长的具体经验（比如他们是怎么一招就让公司一夜之间收入翻倍的？）。如果你对 Joe 的参加孵化器的经验，或者对去美国参加类似的组织感兴趣，可以添加我的微信 qukai42，42章经今年也会组织更多中美连接的活动和事情，欢迎你用各种方式加入进来。【人类博物馆】导游：曲凯，42章经创始人20 号珍藏：Joe，ACE Studio 创始人。ACE Studio 是一款面向专业音乐制作人和创作者的 AI 音乐工作站，致力于用 AI 重新定义音乐创作，自 2023 年 10 月上线以来发展迅猛，月收入已达 80 万美金。【时光机】Part1 HF0 为什么有效 01:23 先回顾下入选这家美国知名孵化器的过程 03:48 英语不好会是阻力吗？ 05:34 3000 进 10 的概率下，HF0 为什么选中了你们？ 07:19 HF0 和其它孵化器不太一样 08:46 HF0 没教我们怎么做业务，这事也不该别人来教 10:35 最关键的第一步：HF0 给我们注入了「一定能猛涨」的信念感 12:23 这种信念感很难自我激发 14:23 开营后，HF0 营造了一个专注于增长的氛围 16:25 最大的压力和最深的恐惧就是「别丢脸」… 17:44 这种氛围本质上改变了我想问题的方式 19:17 也让我们涌起了「别让大家觉得华人不行」的责任感 21:38 一直 build「憋大招」可能并不成立 22:40 从 HF0 出来后，还能保持在其中的状态吗？ 23:55 我们马上要复刻 HF0 的体验 Part2 3 个月涨 10 倍的具体实践 26:50 五周过去都没怎么增长的时候，信念感崩塌了吗？ 27:43 绝境逢生的戏剧化转折：我们试了一招，第二天日收入直接 double 28:51 Quora 创始人教会了我们一种思考方法 30:00 之前没想到这么干，是因为我们没悟到一件事 31:18 要问这招是啥？——答案乍一听可能有点搞笑哈 31:29 但搞笑背后是一种硅谷的方法论 32:57 在硅谷的几个经历也启发了我们 33:53 后面我们还试了很多招数，最终达成了 10 倍的增长 34:01 我们在价格模型上做了很多文章 34:24 Blake Anderson（千万美金 ARR 产品 Cal AI 的创始人）让我意识到，我们之前联系 influencer 的方式都不对 36:33 我们把付费广告的 ROI 提高到了 2 倍 36:59 产品功能升级和老用户也没落下 37:30 但前六周的苦工是省不掉的Part3 一些观察 39:02 美国投资人的工作方式和提的问题有什么不同？ 40:31 美国机构真的很不喜欢中国团队吗？ 42:51 肉身到硅谷去很重要 43:12 我越来越坚信，AI 产品化大有可为 44:44 Perplexity 的 pitch deck 上有两句话，合起来看很妙 45:13 我的壁垒就是我的「人日」 46:47 硅谷的做事风格越来越回归本质了【Reference】 ACE Studio 产品界面 关于 HF0：HF0 是由 Dave Fontenot（世界上最大的黑客松 MHacks 创始人）、Evan Stites- Clayton 和 Emily Liu 共同创立的常驻创业孵化器，有着严苛的筛选标准，由包括 Marc Andreessen、Chris Dixon 在内的多位知名投资者支持，创办第一年就孵化出了 3 家独角兽公司，也孵化过包括 ComfyUI、Story.com 等在内的多家优秀的 AI 公司。【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

Binson literally 进了 ICU，一场严重的车祸让他对这个世界和创业这件事有了不同的认识。这期播客中我们先聊了他的这场车祸，和他是如何度过在 ICU 的六个日夜的，相信这种经历是绝大多数人没有机会尝试甚至是听说的，而 Binson 恢复了四个月后已经可以比较正常地坐在我的对面回顾这段经历，他讲了在这个过程中他心态的一些变化，以及在事故之后他是如何改变他对待人生和经营公司的方式的。Binson 在此之前是知名的大厂高管，他从百度副总监、360 助理总裁，一路做到了 bilibili 副总裁，所以我们也聊了他打工和换工作的很多经验，以及就是他为什么创业，现在又是如何看待 AI 和自己的心影随形（逗逗游戏伙伴）这个公司和产品的。最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）【人类博物馆】导游：曲凯，42章经创始人31 号珍藏：Binson，心影随形 CEO。心影随形成立至今已获得多轮融资。逗逗游戏伙伴是其推出的一款陪用户玩游戏的 AI 桌宠软件，已有 600 万的用户规模。此前，Binson 曾先后担任百度副总监、360 助理总裁、bilibili 副总裁等职位。【时光机】Part1 车祸后的感悟 1:52 我是怎么差点挂了的？ 2:19 死里逃生的过程 7:56 更痛苦的是躺进 ICU 后的精神煎熬 12:01 我们活着的意义到底是啥？ 13:58 这件事教会了我「停下来」和「放手」的重要性 17:35 我创业的心态和行动有些具体的变化Part2 大厂打工 V.S. 创业的体悟 22:38 如果真的只为了赚钱，不要创业 23:04 复盘三段大厂经历 23:20 我应该更早离开百度  25:09 为什么不应该为了两三倍工资而跳槽？ 27:15 为什么 20 年我选择去 B 站，而不是字节、快手、拼多多或者小红书？ 29:43 原本没想去 360，但周鸿祎给了我一个新的视角 35:12 作为一个如此有创业精神的人，为什么没有更早出来？ 37:33 创业首先要摒弃大厂思维 42:46 创业总是焦虑？多半是因为事先思考得不够充分 44:42 不要回避大厂竞争的问题 45:25 创业最难的是招人和统一大家的思路 46:22 成长最快的是工作两三年的 47:31「有爱」可以后天培养吗？ 47:57 一个残酷的现实是，大厂已经不育人了 49:13 分享一个有效训练决策能力的方法Part3 聊聊 AI 51:12 桌宠形态产品的留存高是一个值得炫耀的事么？ 52:06 为什么逗逗游戏伙伴很难被 copy？ 53:46 一些 AI 观察 54:10 今年会陆续有一批 AI 公司被淘汰 55:08 LLM 的进展超出预期，多模态则不及预期 55:53 Chatbot 这种模式可能就不对 56:17 我们不看对话轮数、不看留存、不看时长 58:49 一个值得思考的未来方向【Reference】 Binson 交通事故的完整经历和更多感悟，可以看他之前写的公众号mp.weixin.qq.com 逗逗游戏伙伴桌宠形态的示意图： 逗逗游戏伙伴陪玩《黑神话：悟空》的示意视频【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescalero

新年正式第一期，来点新东西。大家都说 Agent 热，那 Agent 到底是啥、到底为啥热、到底咋做、到底长啥样？大家都说 RL 是新方向，那 RL 到底是啥，和 LLM 的关系是什么，又能怎么和 Agent 结合？这期我们就请到了在 Meta 工作了七年的应用强化学习组负责人朱哲清 Bill，讲一讲他是怎么用一种很新的技术路线来做一种很新的 Agent，并且在电商等领域是如何落地的。最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）【人类博物馆】导游：曲凯，42章经创始人30 号珍藏：朱哲清 Bill，Pokee AI 创始人兼 CEO，此前 7 年在 Meta AI 做应用强化学习组负责人，并攻读了斯坦福大学强化学习专业博士学位【时光机】Part1 强化学习 3:06 我们思考方式已经全面 RL 化 —— from OpenAI 研究员 4:36 Transformer 和 RL 到底是什么关系？又要如何结合？ 10:15 RL 解答的是平行宇宙问题 12:35 RL+LLM，就是公认最好的技术路线吗？ 14:02 RL 的算法原理类似于「多巴胺刺激」 14:42 在无法清晰定义 Reward 的场景下，RL 还好用吗？ 15:12 RL 最强的三个能力Part2 给 Agent 用上强化学习 18:42 为什么直接用 LLM 做不出规划型 Agent？ 20:17 一个有效的 Agent 架构：RL 做核心，LLM 做翻译 23:35 我们做出了一个电商领域的通用型 Agent 24:39 体验相当于一个资深的网站负责人 26:05 原理是让 Agent 通过 self-play 学会使用上千个底层 API 29:43 Agent 当前市场格局: 29:52 Coding Agent 是皇冠上的明珠 30:26 Vertical Agent 遍地开花，但准确性仍是大难题 30:46 通用型 Agent 尚不存在，但 RL 或可迎战 31:17 万物皆可 call API 34:07 一个具体的应用示例：Agent 是怎么帮商家省钱提效的？ 39:08 训练成本和推理成本都低得令人发指... 40:33 先定一个小目标：做各行各业的 API 杀手 42:57 对 25 年硅谷 AI 市场的观察和预判 43:11 垂类 Agent 是绝对的热点赛道，融资并不困难 45:29 25 年是 Agent 真正落地的一年 【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescalero

去年我们做了一期年终总结，叫《24、25 年会是下一代浪潮最关键的两年》，今天我仍然坚定的站在这个结论背后，24 年看似悲观实则蕴藏了很多机会，而 25 年就是爆发的一年。而还没有进场的人，可能 25 年就是最好的机会。在这期播客中，我帮大家快速理解：1）23 年 24 年市场发生了什么，核心重点是什么，原因是什么。2）为什么市场普遍悲观，而我们却极其乐观。3）当下市场中最流行的 Prosumer 概念是什么，为什么会有这个概念。4）市场都说 Agent 是重点，我从传统软件到 SaaS 再从 SaaS 到 Agent 解释了这里的机会和做法到底是什么。5）为什么多模态 2C 产品，反而是我们最看好的机会？这个可能就是 AI Native 的答案。这期播客一共 30 分钟，23 到 25 年 AI 市场的精华都在其中。最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）【时光机】Part1 复盘过去两年的 AI 发展 00:50 市场从盲目乐观走向过度悲观（不过最近有新风向 02:26 24 年 1-9 月，一级市场是过去十年 (大概率也是未来十年) 之最差 04:19 模型侧符合我们 23 年初的 4 个判断 05:17 应用侧不及预期，但也有人赚到钱 06:35 为什么我们开始乐观？ 06:48 ① 9 月后，融资市场明显复苏 07:05 ② 多模态的能力在持续加强 09:04 ③ 大多数人忽略的一点是，AI 创始人的画像发生了明显变化 10:07 无论外部因素如何，最终起决定性作用的是资产价值本身 Part2 展望 2025 10:41 市场大环境会进一步变好，但会越来越两极分化 11:59 当下最好的选择不是创业，而是先加入一家 AI 公司积累经验 12:30 市场关键词演变：23 年「大模型」，24 年「具身智能」，25 年「应用落地 13:06 目前最具共识的是 Prosumer 赛道，可能会率先跑出千万美金 ARR 15:03 此外我们最看好 Agent 和多模态 Part3 详谈 Agent 和多模态 15:30 Agent 会是 SaaS 的十倍？ 16:02 Agent 更可能是新公司的机会，而不是现有 SaaS 公司的机会 22:57 Perplexity 未来其实是一家 Agent 公司 26:25 AI Native 的答案是什么？ 30:28 早入场的人、乐观的人，往往都获得了回报【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

这期是我自己一直感兴趣的话题。我一直觉得像德扑、狼人杀这样的游戏设置非常有意思，里面的各种理性策略、感性判断和说服人的能力，都能体现在现实世界的角角落落。相信绝大多数人都大抵接触过这些游戏，哪怕不是相关领域的专家，所以我们这次就请来了一位德扑世界冠军来一起讨论他视角下的德扑，以及其中很多“技巧”对这个世界的映射。在整个聊天过程中，嘉宾说了无数次的“绝对理性”，也谈论了在游戏中是如何对“人”进行判断（比如行为基准线的概念），另外在结尾部分，他还说了一句点破社会经济运转规律的话，即“通胀是人生的大小盲”。这期很多内容比较偏向于德扑本身，希望大家听完能够从中收获些对现实世界中博弈、决策和投资等的参照，也祝所有人都能跑赢通胀。【人类博物馆】导游：曲凯，42章经创始人29 号珍藏：Ricky Mao，毕业于复旦、 MIT，前投资人、企业 CFO，现是全球 Global Poker Index 排名 200 左右、中国前 10 的扑克选手。曾获 WSOP（世界扑克系列赛，代表着竞技扑克的最高水平）金手链、两次 APT（亚洲扑克巡回赛）冠军。【时光机】Part 1 一个顶级牌手的核心素养 4:15 要素一：绝对理性 5:53 but how? 8:34 那还能 all in 吗？ 10:26 要素二：识人 11:34 核心是知道基准线在哪里，然后分析每个人动作上的偏移 12:07 线下接触一个人，可以先通过外在形象给 ta 建模（日常生活不鼓励这么做哈- 示例：金表大哥 v.s. 沙滩白男的行事风格模型- 所以要怎么又快又准地给人建模？ 14:55 见不到面时，能通过什么信息来判断对方是什么样的人？ 15:28 国人更喜欢刺激、赌性更强 19:47 大家最常犯的错误是什么？ 21:16 行业 top，最后真正拼的是什么？ 22:29 要素三：掌握概率Part 2 心态篇 23:41 为什么说「一场比赛毁一个冠军」？ 26:51 是人都会经历大的下风期 27:53 拿到金手链的精彩故事 28:20 我曾经想过：如果拿到金手链，我愿意第二天去死 29:04 肾上腺素飙升…反败为胜前的尖峰十小时Part 3 策略篇 31:03 大部分人对 Bluff 的认知都不对 35:26 更激进的打法，能引向更好的结果吗？ 36:00 怎么打满价值？ 40:02 位置这件事，到底有多重要？Part 4 人生思考 41:01 绝对理性和保持感性并不矛盾 42:28 「再坚持一下」可能是一种有毒的心态 43:36 通胀是人生的大小盲，环境不好的时候你完全可以空仓 48:03 顶尖高手的风格都是万法归宗【Notes】 Tom Dwan：一位著名的德州扑克选手，以其非常激进和高风险的打法著称。节目中还提到了几位顶尖高手，包括  Eric Seidel、Phil Ivey、Daniel Negreanu、Dan Cates (Jungleman)、Adrian Mateos、Steven Chidwick。 GTO（博弈论最优）：GTO 策略是一种防守性策略，目的是让你不容易被对手剥削。在 GTO 策略下，玩家通过混合不同的行动（例如：下注、加注、弃牌等）来保持平衡，使得对手即使知道你的策略，也无法从中找到漏洞。 大小盲：德扑中使用的强制性下注结构中的两种盲注。小盲注（Small Blind）是由庄家左手边的玩家支付的强制性下注金额，通常为最小的注额。大盲注（Big Blind）：是由小盲注左边的玩家支付的强制性下注金额，通常是小盲注的两倍。这些盲注的设置目的在于推动游戏进行，确保每一局牌都有一定的筹码池。游戏中的其他玩家可以选择跟注、加注或者弃牌，而支付盲注的玩家则已经支付了入池的初始金额。【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

活动预告🥳：12 月 7 日，我们会请到 Ted 做一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！在我 9 月份的硅谷行程里，我见过的印象最深、让我最有收获的人之一就是 Ted。那个时候他正要离开 Character.ai，作为第四十多号加入的员工，他对于 C.AI 的产品、模型、训练等等的熟悉程度都非常高，这次很开心能把他请来，跟大家一起分享下美国最著名的 AI 公司内部是如何运作的，Post Training 的最佳实践是怎么做的，以及硅谷一众 AI 从业者的现状和认知等。这期播客的内容基本代表了美国最一线的 AI 从业者的实践和认知，非常有代表性，希望对大家有帮助！最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）【人类博物馆】导游：曲凯，42章经创始人28 号珍藏：Ted，前 C.AI 模型应用算法专家Part 1 从内部视角看 C.AI 01:06 为什么商业化一直没做起来？ 04:40 如果 C.AI 当时往 AGI 赌把大的，或者把产品交给字节系，能改写自己的结局吗？ 06:51 我们很认可 Talkie，但不想学 Talkie 09:36 被收购后，你还相信 C.AI 类产品的未来吗？ 11:35 有人说「C.AI 不是真正的 AI 陪伴」，那它到底是啥？ 12:19 C.AI 为什么做得比别人好？Part 2 我在 C.AI 做 Post Training 的这一年 14:56 工作状态是 996（主动的哈，passion！ 17:15 Post Training 的核心是设计高效的迭代路径 18:42 四种迭代路径，都有很多低垂的果实可以摘 21:40 怎么评估和改善「模型变蠢」的问题？ 22:54 迭代中一个有趣的 EQ 涌现 24:19 Post Training 到底是怎么个流程？ 25:37 介绍 Post Training 三大件：SFT（监督微调) 、RLHF（人类反馈强化学习）、DPO （直接偏好对齐） 32:07 以上天花板极高，RAG 和 Prompt Engineering 我们几乎没做 32:53 帮你拉开和同行差距的 2 道数据思考题： 33:18 你微调用的数据，质量真的不能更高了吗？ 36:00 收集来的用户偏好数据，只能是点赞点踩吗？ 39:32 大家现在关注的几个技术难题，C.AI 是怎么做的？ 39:49 怎么做好评估？ 41:10 怎么做好意图识别？ 43:22 C.AI 的语音延迟基本是业界做得最好的，是怎么做到的？ Part 3 硅谷观察 46:17 一个不被公开的秘密：ChatGPT 内部也是多模型混用？ 47:28 硅谷整体还是很乐观，推理侧仍然大有可为 50:45 硅谷现状： 51:01 做产品的想靠多模态赚钱 51:06 搞算法的想复制 o1 51:16 两边都在期待自动交互 Agent 解锁的想象空间 53:48 复盘最近的硅谷求职记 53:54 Post-train 人才极其抢手 54:27 印象最深的是，面 Cursor 的时候，我甚至被允许用 Cursor 现场解题 56:03 最喜欢被问到「你觉得我们的 idea 有多不靠谱？」 56:45 如果我是面试官，我会考察面试者的这项直觉能力 57:28 我很喜欢现在硅谷的氛围！当下可能是华人扬眉吐气的最好时机【活动预告🥳】12 月 7 日，我们会请到 Ted 做一场线上活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

几周前，EVE 的产品宣传片一上线就在 B 站获得了超百万播放，且刷屏了朋友圈。几天前正好和一个投资人聊天，大家在讨论未来的 AI 巨头和入口型的公司/产品到底有什么可能性，我当时就说 AI 陪伴类产品肯定是有大机会的，过去两年里，真正验证了 PMF 的赛道就是 Character.ai 类的产品形态，不管从用户量级还是时长等数据来看，这类产品都一骑绝尘。当然，如 EVE 的创始人所说，在他眼中，C.AI 根本就还不算真的陪伴，这可能也是类似产品没有获得更大突破和成功的原因。作为最早的恋爱游戏类公司创始人，他有自己一套清晰的关于陪伴的定义，这不仅让他做出了最成功的乙男向游戏《奇点时代》，也让他能做出现在的这款万众期待的 EVE。在这期播客中，我们具体聊了他是如何定义陪伴的、他是如何用各种复杂工程手段解决长期记忆等模型问题的、以及他是如何把游戏和 AI 产品结合起来的等等话题，作为最早期的内测用户之一，我非常相信 EVE 能在明年成为一款现象级的产品。最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）【人类博物馆】导游：曲凯，42章经创始人27 号珍藏：Tristan，EVE 创始人，《奇点时代》创始人【时光机】Part 1 背景介绍 00:54 为什么我说 C.AI 类产品根本不是陪伴 2:38 陪伴的第一性原理Part 2 工程设计 4:22 所有人都解决不了的长期记忆问题，你们是怎么实现的？ 4:55 被动记忆与主动记忆的区别 6:24 情侣实验与 128 个记忆槽位 8:03 给 AI 女友设计脑回路：我们用十几个模型搭建了一套工程管线 10:08 举个例子，一个最复杂的话题处理流程是什么样子的？ 12:44 交代一下成本与商业模式Part 3 游戏设计 14:07 一个迷思：为什么只有你们把 AI 产品做到了这个程度？ 15:42 从游戏转做 AI 陪伴的明显优势 17:07 那些产品中的游戏化设计 (及用意) 23:51《奇点时代》一年 2 亿流水，其实远低于我们对男性恋爱游戏的市场预期 25:00 我相信世界 50% 人都会需要一个 AI 伴侣 27:14 聊聊角色设计Part 4 AI 设计 29:27 怎么做到 10 个月的时间就快速搞懂、搭建起这样一套 AI 架构？ 31:13 如何训练出市面上最好的情感聊天效果？ 32:39 我们找了一个天资卓绝的真人陪聊，试图复刻她的大脑 37:51 AI 陪伴的四个核心要素38:10 超级对齐38:26 真实时空感知39:17 独立人格43:20 荷尔蒙钩子 43:45 模型的情商和智商到底是怎样一个关系？【Reference】 EVE 预告 PV (内含产品内测申请链接)  EVE 模型系统工作机制：【The gang that made this happen】 制作人：Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros