跨国串门儿计划

🎙️ 📝 本期播客简介本期我们克隆了：Matt Pocius on Tesla Stock & Money · Elon Musk Just Predicted the Next 3 Years (Ron Baron Full Interview)原内容更新时间：2026-11-06“地面上没有足够的电力。”马斯克认为，如果 AI 算力要以每年数百吉瓦的速度增长，光靠地球电网根本撑不住，太空会成为重要选项。在这场与投资人 Ron Baron 的访谈中，马斯克从美国芯片制造的短板讲起，谈到如何用更快的研发迭代和建设速度扩大算力，再推演 AI、机器人和太空数据中心可能带来的经济变化。他也解释了为什么认为 Starship 的快速复用和 Starlink 的卫星扩张，可能打开更大规模的太空算力生意。👤 本期嘉宾埃隆·马斯克，特斯拉、SpaceX 等公司的建设者与负责人。他在访谈中谈到特斯拉的 AI 芯片、奥斯汀研发晶圆厂和孟菲斯数据中心，也分享了 SpaceX 建设电力设施、开发 Starship 与扩张 Starlink 的计划；这些一线工程经历构成了他对芯片、能源和太空算力的判断基础。⏱️ 时间戳重造芯片制造业01:31 美国芯片制造规模远小于亚洲04:52 晶圆上原子发生有用变化的时间可能只有 20%06:04 奥斯汀研发晶圆厂要把迭代周期压到一个月算力、能源与经济扩张12:21 马斯克称 OpenAI 已变成当初设想的反面13:47 数据中心建设：对方两年半、600 亿美元；他们八九个月、350 亿美元20:15 他估计数字超级智能可让全球经济增长 20%–30%星舰与星链的太空商业27:06 Starship 目标是把入轨成本降低 100 倍28:57 整个 Starship 系统都为快速重复使用而设计35:12 Starlink 目标从 2 万颗卫星扩展到 10 万颗太空算力与文明前景40:30 马斯克与 Ron Baron 对比中美发电能力41:45 他认为，和中国竞争要把智能送到太空42:57 超级智能的需求可能来自超级智能本身🌟 精彩内容💡 AI 扩张，地面电网跟不上马斯克估计，若每年为 AI 增加 200 吉瓦电力，相当于每年把整个美国电网扩大 40%，难以在地面实现。他认为太空太阳能可以避开夜晚和大气衰减。"地面上没有足够的电力，不太可能每年达到这样的规模。"💡 芯片研发，一年压到一个月奥斯汀研发晶圆厂把逻辑芯片、内存、封装和光刻放进同一座建筑，设计、制造、测试后可以快速再来一轮。马斯克说，通常需要一年的事，他们可能缩短到一个月。"通常需要 1 年才能完成的事，我觉得我们可能缩短到 1 个月。"💡 数据中心不是下采购单就能建成马斯克拿“José 梗”打比方：一个人在挖坑，旁边八个人看着；多下采购单不等于多干实活。他说美国许多数据中心只建了一部分，原因是能动手建设的人手不够。"只有 José 多了，才能干更多活。"💡 机器人可能顶上数千万人的产出按马斯克的估算，人形机器人一周能工作的时间和速度，可能让单个机器人的周产出达到人的五倍左右。他推测，2000 万到 3000 万个机器人就能达到美国商品和服务的产出水平。"我觉得需要，大概 2000 万到 3000 万个机器人，才能达到美国的商品和服务产出水平。"💡 太空算力的需求，可能大到难以直观理解马斯克认为，数字超级智能可能让全球经济增长 20% 到 30%，约增加 25 万亿美元；而超级智能本身还会创造更多需求。他把文明未来的能源增长空间，放到了太阳系尺度上。"对智能、对数字超级智能的需求，会来自数字超级智能本身。"🌐 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

📝 本期播客简介本期我们克隆了：Scottish Mortgage · MiniMax The Chinese AI Lab Doing More With Less | Invest in Progress S4 Ep5原内容更新时间：2026-11-03前沿模型做到95%的性能，成本却只有十分之一——这就是 MiniMax 用效率应对算力限制的方式。MiniMax 联合创始人兼 CEO 闫俊杰（IO）接受 Scottish Mortgage 的首次英语播客采访，讲述公司如何把有限资源变成模型研发和商业模式上的优势。这一集从 M、H 系列模型、多模态和 AI agent，谈到低推理成本如何帮助模型持续改进、开放权重如何带来创新，以及中美 AI 生态为何可能走向不同路径。节目后半段，投资经理 Lawrence Burns 也解释了 Scottish Mortgage 投资 MiniMax 的理由，以及公司盈利仍要面对的挑战。👤 本期嘉宾闫俊杰（IO）是 MiniMax 的联合创始人兼首席执行官，也是一位 AI 科学家。他早年在百度深度学习研究院做研究实习生，师从余凯博士，研究计算机视觉并参与 ImageNet 竞赛；2021 年创立 MiniMax 后，带领团队发展语言模型、视频生成和多模态 AI。他从机器学习研究走到 AI 公司创办一线，长期关注如何用更少的算力降低推理成本、扩大智能的应用范围。⏱️ 时间戳MiniMax的使命与模型03:55 把推理成本降到最低，让智能由所有人共享04:58 M 系列做编程与 agent，H 系列生成视频从机器学习到创立MiniMax06:40 家里书多，小时候自学大学程度的数学和计算机科学08:09 为了用上更多 GPU，他选择去百度做研究效率驱动的模型与商业模式14:00 低推理成本既是护城河，也是盈利计划15:28 最后5%的性能差距可能比前95%更难弥补开放生态与共享智能投资逻辑与盈利挑战29:28 前沿模型95%的性能，成本只有十分之一35:32 上半年收入接近翻两番，亏损约为收入的3倍🌟 精彩内容💡 低成本不只是便宜，也是模型进步的燃料低推理成本让 MiniMax 不仅能以更低价格提供服务，还能在后训练中进行更多强化学习和数据合成。Lawrence Burns 用高尔夫练习作比：同样预算下，练习球更便宜的人，可以练得更多。"所以低推理成本是我们的护城河"💡 95%的性能，成本只有十分之一Lawrence Burns 回忆 IO 对 MiniMax 的概括：性能达到领先前沿模型的约95%，成本约为十分之一。IO 说，算力限制从第一天起就迫使公司提高推理效率，也促使团队在架构和基础设施上创新。"对我们来说，尤其是作为一家中国 AI 公司，算力一直是个制约。"💡 H3开放两周，就长出约300个模型基于 H3 构建的开放模型很快带来开发者反馈。一个美国公司在 H3 上后训练出更快的视频模型，能在3秒内生成5秒视频，也让实时生成的直播等应用成为可能。"开源能促进商业变现和进一步创新。"💡 低成本模式瞄准的不是只有顶级用户Lawrence Burns 认为，并非每项工作都需要最前沿模型，也不是每位用户或企业都付得起高价。MiniMax 的成本优势因此有机会服务更广泛的消费者和企业。"首先，并不是所有工作都需要用最前沿的技术来做。其次，并不是所有用户和企业都像美国和欧洲的用户和企业那样有钱，付得起费用。"💡 中美AI生态不会走同一条路IO 将美国描述为资金和算力支持下的封闭系统，将中国描述为更依赖协作与效率的生态。他认为，两种条件会持续影响各自最终创造出的模型和产品。"所以我不认为这两个生态最终会走上同一条路。"💡 盈利仍是MiniMax必须跨过的关投资经理指出，MiniMax 上半年收入接近翻两番，但亏损约为收入的3倍；中国市场价格竞争激烈，维持接近前沿水平也需要持续投入。企业收入增长和研发支出增速低于销售收入，是目前的积极信号。"但最终还是需要有一个能盈利的模式。"🌐 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

📝 本期播客简介本期我们克隆了：Talks at Google · Thinking, Fast and Slow | Daniel Kahneman | Talks at Google原内容更新时间：2011-11-11直觉为什么有时像专家本能，有时却把人带进坑里？丹尼尔·卡尼曼把答案拆成两套思维：自动、迅速的系统1，以及费力、有意识的系统2。这位因前景理论获得诺贝尔经济学奖的心理学家，讲清了直觉何时值得信任：环境得有规律，人还得有机会从及时反馈中学会规律。选股和长期政治预测恰恰缺少这样的条件；而我们对自己判断的信心，常常只是因为脑海里的故事听起来连贯。👤 本期嘉宾丹尼尔·卡尼曼，心理学家、诺贝尔经济学奖得主，因与 Amos Tversky 合作的前景理论研究获奖。他长期研究判断与决策；这场演讲围绕《思考，快与慢》，讲解双系统如何影响直觉、专家判断和日常选择。⏱️ 时间戳直觉与双系统05:15 一眼就觉得她生气了，判断像是自然发生的08:18 球棒和球的问题：直觉答案10美分，正确答案5美分专家直觉何时可靠11:56 直觉就是认出来14:43 选股者难以培养预测市场的直觉系统1的联想机制19:34 把清单放进脑海里的路线，就更容易记住25:42 香蕉和呕吐，两个词就能让人编出因果故事直觉错误与信心31:54 遇到难题，系统1会拿容易的问题来替代38:29 故事越连贯，主观信心越高问答：训练与影响41:02 系统1难以直接训练，系统2能学着接管44:23 看候选人照片十分之一秒，能预测70%的选举结果🌟 精彩内容💡 市场未必有规律可供直觉学习卡尼曼认为，选股者难以靠经验培养出可靠的市场直觉，因为价格走势没有足够规律。长期政治预测同样受限：环境本身可能就不可预测。"价格未来的走势没有足够的规律，没法让直觉形成。"💡 自信可能只是故事讲得顺一个人可以凭很少、甚至不可靠的信息，编出连贯的解释。故事听起来越顺，系统1给出的信心越高，但这不等于判断有根据。"所以人们可能非常自信，却没有多少根据。"💡 问幸福，约会次数会改答案先问学生幸福不幸福，约会次数与回答几乎无关；先问上个月约会几次，再问幸福感，两者的相关系数就变成0.66。前一个问题带来的感受，悄悄替代了对幸福的判断。"替代发生了，而你并没有意识到。"💡 广告不必讲道理，也能影响选择卡尼曼认为，广告常常通过情绪和联想影响系统1。一次研究中，学生只看候选人照片十分之一秒，评谁看起来更有能力，结果就能预测70%的国会选举结果。"广告打动你的情绪，制造联想。"💡 接触广告后，知道它在影响你也不够意识到广告会影响情绪，确实能让人更容易忽略影响，但不保证完全不受影响。卡尼曼认为，真正避免影响的办法是不接触广告。"真正的办法是不要接触广告，因为一旦接触了，就会受到影响。"🌐 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

📝 本期播客简介本期我们克隆了：Lenny's Podcast · Why Google wants to win the frontier conversation | Tulsee Doshi (Head of Product for Gemini)原内容更新时间：2026-11-08“模型是没法预测的。”谷歌前沿模型产品负责人 Tulsee Doshi 说，模型开发像一堂魔药课：认真准备之后，还得留心训练中意外出现的能力，想办法把它变成让用户惊艳的体验。这一集从谷歌如何参与前沿模型竞争，聊到模型产品经理怎样评估模型、设计用户体验，以及如何在模型不断进步时开发产品。Doshi 还给出 60-20-20 的产品开发思路：一部分今天就要能用，另一部分则为模型接下来的能力提前铺路。👤 本期嘉宾Tulsee Doshi 是谷歌前沿模型的产品负责人，负责 Gemini 等模型，也参与 Gen Media、音频和开放模型等产品方向。她曾在谷歌负责负责任 AI 团队的产品工作达 6 年；在前沿模型产品开发中，她需要与研究团队、内部产品团队和外部客户合作，将用户需求转成模型评估与产品体验。⏱️ 时间戳模型、战略与安全02:57 模型像魔药课，训练结果仍会带来意外06:12 谷歌从硬件、模型做到用户应用10:15 AI 帮助发现并修补医院系统漏洞PM与模型评测18:13 能做得快，做出好东西才显出 PM 价值20:44 写 eval，从 5 个 prompt 开始24:14 六种肤色不够，评估改用十种肤色量表智能体与产品实践27:45 用 agent 重现临时组队协作29:28 60% 现在可用，20% 接近可用，20% 面向未来32:34 Harness 是模型运行环境的外层包装工作方式与职业变化40:50 倦怠不只来自工作量，也来自混乱和苦差事44:09 AI 整理数据，人提供洞察🌟 精彩内容💡 模型会给产品经理带来意外模型训练有目标，也会持续监测，但模型最终呈现的行为和个性并不总能提前确定。产品经理要从模型实际表现中发现特别之处，再把它变成产品体验。"模型是没法预测的。"💡 产品不能只押注模型的未来Doshi 的 60-20-20 法则不是只做今天能用的 MVP：60% 现在就能运行，20% 已经够用、模型不久后可能做到，另 20% 是期待模型未来实现的体验。"我觉得你应该这么做：让你做出来的东西有 60% 现在就能用。"💡 PM 的价值，是从噪音里找信号当做东西变得容易，团队也更容易快速做出一堆没人需要的东西。Doshi 认为，找出真正值得做的事、形成共识并把混乱理清，成了优秀 PM 的独特价值。"现在做东西这么容易，能把大家聚在一起、推动形成共识、把混乱变成秩序的人，就变得特别重要。"💡 评估肤色，不能只看六种早期产品用 Fitzpatrick 量表把肤色分成六种，但它原本是为医疗用途设计的，肤色范围偏浅，也无法代表全球多样性。团队引入 Monk 教授的十种肤色量表，改进模型和 Pixel 相机等产品的评估方式。"6 种肤色无法涵盖世界上肤色的多样性。"💡 AI 写数据，人来提供洞察AI 可以从仪表盘、指标和社交平台快速整理产品上线后的使用情况与反馈；真正需要人做的，是判断什么值得关注、提供洞察。"你应该提供的是洞察，模型应该提供的是数据。"🌐 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

📝 本期播客简介本期我们克隆了：60 Minutes · Extended Interview: Trump on 60 Minutes原内容更新时间：2026-11-09就业、股市和退休账户都创下好成绩，选民却仍对经济不满。特朗普承认，美国人确实没有感受到这些数据；他把原因归结为宣传没做好，也谈到油价上涨、伊朗战争与中期选举失利之间的关系。在这场《60分钟》专访中，特朗普还回应了 AI 与中国的竞争、移民政策是否过严、总统财富与外国影响，以及俄乌战争和自己的政治遗产。面对主持人的追问，他解释自己为何仍认为袭击伊朗是正确决定，也坦言自己无法宽恕一些政治对手。👤 本期嘉宾唐纳德·特朗普，美国总统。作为本届政府的决策者，他在采访中谈到中期选举、经济、伊朗与乌克兰战争、AI政策、移民、人事安排和总统遗产，并为自己的施政选择辩护。⏱️ 时间戳选举、经济与伊朗00:24 股市创下历史最高纪录，他称选举后损失了 3 万亿美元05:07 他承认美国人没有感受到好看的经济数据09:00 如果重来一次，他仍会袭击伊朗以色列与移民政策12:51 特朗普称伊朗核设施遭到“最精准的袭击”16:19 他称南部边境 17 个月无人入境17:14 他承认遣返政策“可能太严厉了”AI竞赛与总统人事21:27 普通美国人能从 AI 中得到什么？25:13 “中国会拥有这项技术”，他认为风险可以管控27:36 中期选举失利后，他说会调整几名内阁成员财富、UFO与战争遗产33:28 主持人追问特朗普净资产增加 30 亿美元41:54 飞行员称圆形飞行物飞行速度是 F-22 的三倍43:24 他把俄乌停战的障碍归结为普京与泽连斯基的仇恨🌟 精彩内容💡 好数据不等于选民有感特朗普称就业、股市和 401k 退休账户表现出色，但承认选民没有感受到经济向好。他认为问题在于没能把这些消息传出去。"我觉得他们确实没有。"💡 “宣传没做好”成了选举解释面对经济数据与民调之间的落差，特朗普多次说宣传不到位；他还指出，关键就业数据是在选举几天后才公布的。"我们没能把消息传出去。"💡 再来一次，他仍会袭击伊朗特朗普说，如果让他重新决定是否袭击伊朗，他的回答仍是肯定的，因为不能让伊朗拥有核武器。他也承认，这个决定“对今天和明天来说”也许不是好决定。"我的回答是肯定会，绝对会，因为你不能让伊朗拥有核武器。"💡 他承认遣返政策可能太严厉特朗普称，关闭边境让他能得“A 加”，但一些在园林绿化、酒店等行业工作的移民也被带走。他表示，针对这些长期在美国工作的人，或许需要另找办法。"我认为可能太严厉了，对。"💡 AI风险要管，但不能输给中国特朗普认为 AI 风险没有行业人士说得那么真实、可以管控；同时他说，不想让美国在竞争中远远落后，并提到愿意接受安全限制。"我不介意设安全限制，但我不想让我们远远落在第二位。"💡 他承认无法宽恕一些对手谈到死后能否宽恕曾经表达过恨意的政治对手，特朗普没有给出安抚性的答案。他说自己确实恨一些敌人，也可能永远不会原谅他们。"我大概做不到，不能，因为我确实恨我的一些敌人，而且永远都会恨。"🌐 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