硅谷声研所

本期博客翻译自EO｜"50 AI Agents Running My Company" Is a Lie. Here's How I Build It | Gumloop, Max Brodeur-Urbas👤 嘉宾Urbas的联合创始人Gumloop（刚获得5000万B轮融资）的CEO——Max Brodeur💬讨论内容简介Max曾经被美国拒签封禁了五年，在自己卧室里试了无数产品，全部以失败告终，最后才做出了Gumloop。现在这家公司刚完成5000万美元B轮融资，每天已经为Instacart、Shopify、DoorDash这些头部企业跑超过400万条工作流。本期内容分享他对AI创业的新看法。⏰ 本期节目看点：00:00 开场介绍 01:23 第一条：先扎进未知里去闯，别等规划好了再动 03:54 第二条：主动试着推翻自己的结论，别死磕“我是对的” 08:07 第三条：真正的行业人脉，根本不是酒局混出来的09:23 第四条：好产品从来不是一键生成的 13:17 第五条：招人选人，其实和谈恋爱逻辑一样关注我的博客：硅谷声研所了解更多海外一手AI行业资讯

本期播客翻译自 Dive Club💬 讨论内容简介随着AI技术的普及，设计软件的思路也正在发生改变。今天我们邀请到的嘉宾是Hackerink 的设计副总裁 Emily Campbell，她也是AI设计模式数据库“Shape of AI”的创建者 。过去做设计，主要是我们单方面去“猜”用户的需求；而现在，AI允许用户直接与系统互动 。设计师的角色由此变成了这段交互关系的引导者 。她结合具体的产品案例，和我们探讨了几个关键的设计模式，比如帮助用户上手的“路径指引” 、辅助用户调整指令的“调谐器” ，以及如何通过展现AI的“思维过程”来建立信任感 。此外，我们还聊到了当下设计师需要具备的能力，以及为什么越来越多的设计工作开始向代码端前移 。希望能给正在关注AI产品设计的朋友们提供一些切实的参考。👤 嘉宾Emily Campbell —— Hackerink 设计副总裁，“Shape of AI” 数据库创建者 。⏰ Shownote 开篇引言：AI带来的设计范式转移传统软件设计是我们“猜”需求，而AI时代，用户可以直接与系统对话 。设计师的角色变成了“会面空间的引导者”，帮助用户清晰表达意图，并有效约束AI模型 核心AI设计模式解析（基于 Shape of AI 数据库）路径指引 (Wayfinders)：如何在用户刚上手时提供示例库和提示词参考，帮助他们快速起步和持续学习 。提示词优化：写提示词太难？像 Replit 和 Cursor 这样的工具会反过来帮你优化指令，或者在执行前与你确认真实意图，让你不必成为“AI的产品经理” 。拟态交互 (Skeuomorphic Interaction)：AI交互就像面试私人助理，先看成果建立信任，再逐步放权让它自主运行 。 实战案例拆解：那些让人眼前一亮的产品Cofounder.co：颠覆性的注册体验！它不让你填长篇大论的表单，而是直接读取你的 Gmail，用你的口吻写一封邮件来“秀肌肉”并快速建立信任 。参数选择器 (Parameters)：像调节“温度”一样控制AI。例如 Airtable 中控制数据生成的多样性，或者 Midjourney 里的风格化滑块 。 团队协作演进：如何拥抱变化？服务蓝图先行：不再只做软件界面，而是先设计“人类提供服务”时的优质体验（如模拟真人监考官），再将其转化为软件体验 。设计走向代码端：因为AI模型本身成了体验中的“第三方”，设计师需要更快地利用 Framer、Lovable 等工具在代码或高保真原型中测试意图 。 给未来设计师的避坑指南与能力进阶最核心的技能：保持旺盛的好奇心！敢于动手试错、去玩转这些新工具 。培养超越界面的“品味”和品牌思维，并学会在一片混沌（不确定性）中带领团队前行 关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期播客翻译自 20 VC with Harry Stabbings # SaaS Dead? Monday.com CEO: Will LLMs Own the Value in the Application Layer💬 本期内容简介S来了，而且比想象中更冷。Monday这家年收入超过13亿美元的明星公司，在公开市场的估值却一度跌到仅39亿美元。市场充斥着“软件已死”、“AI将颠覆一切”的末日论调。但在一片悲观声中，Monday的联合创始人兼CEO Eran Zinman却告诉我们：这恰恰是软件行业历史上最大的机遇。在本期对话中，Eran没有回避股价暴跌的现实，坦诚分享了作为CEO所承受的巨大情感冲击。但他更深入剖析了Monday正在经历的一场“脱胎换骨”式的变革——从一家传统的SaaS公司，全面转型为AI时代的“人机协作平台”。他将逐一反驳“氛围编程”、“大模型公司通吃”等主流AI末日论，并详细阐述公司如何重构产品、调整定价（从按席位到按用量）、甚至用AI智能体替换了百人销售团队。本期博客不仅是一次关于公司战略的深度解读，更是一位身处风暴中心的CEO，关于韧性、变革和决心的真诚分享。👤 嘉宾Eran Zinman：Monday.com联合创始人兼联合CEO。他从小热爱编程，与合伙人Roy Mann共同创立了这家现在拥有超过3000名员工、服务全球企业的软件公司。⏰时间轴 & Shownotes03:10 MondayM今天面临的真正威胁06:30 威胁一：“氛围编程”时代，人人都能自己搭个Monday？09:26 威胁二：OpenAI和Anthropic会吃掉整个应用层吗？12:12 威胁三：AI智能体会让Monday和Salesforce沦为“数据库”吗？17:13 大家都在裁员，为什么Monday还要逆势扩招15%？22:42 实操案例：Monday内部如何用AI实现降本增效29:15 定价模式大限将至？SaaS的“按席位收费”之后是什么？36:25 一个被忽视的真相：为什么企业AI落地没那么快39:42 血的教训：谷歌AI搜索如何干掉了我们10%的新客户43:48 股价跌了60%，CEO怎么给团队打气？47:59 视角对比：私有化公司比上市公司活得更滋润吗？51:48 手握15亿现金，Eran为什么还不“买买买”？59:34 疯狂设想：如果让Eran下一个最激进的赌注，他会选什么？关注我的博客：硅谷声研所了解更多海外一手AI行业资讯

本期嘉宾：Ryan Roslansky（LinkedIn首席执行官、微软副总裁）核心话题：全球就业市场现状、AI对职业的影响、未来技能与职业趋势🔍 关键洞察 就业市场：美国50%毕业生失业或学非所用，全球入门岗下降12%（主因宏观经济） AI影响：创造130万新岗位（数据标注员等），是就业"净增量" 职业趋势：线性职业路径消失，技能3年内变化超25%，2030年或达70%💡 未来5年热门职业 数据标注员：评估AI模型输出的专业人才（如医生审核医疗AI回答） 数据中心基建：涵盖技术、运维等全链条岗位 前线部署工程师：连接AI技术与业务需求的"翻译官" 创作者：领英已有400万全职创作者🛠️ 核心竞争力：AI素养+5C软技能 硬技能：熟悉AI工具应用 软技能（5C）：好奇心、勇气、创造力、同理心、沟通力关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

卡内基梅隆大学教授、社会企业家罗博深探讨了在AI时代赋予人们竞争优势的关键特质，以及AI目前创造什么样的新体系。00:00 引言02:04 第一课——来自现实课堂的启示07:42 第二课——AI的悖论：为何当AI取代技能时，人类反而更重要11:11 第三课——社会运行的新规则17:30 下集预告——如何成为AI原生工程师关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期播客翻译自YC现在的AI创业圈，大家都在做大模型、做Agent，但技术做出来后，到底该做 To C 还是 To B？怎么才能找到愿意掏钱的客户？ 语音公司Simple AI 刚刚拿下 1400 万美元融资。但你可能想不到，他们最初其实是想做一款面向大众的“超级 Siri”。本期节目拆解他们如何在一波三折中放弃 C 端执念，又如何凭借极其敏锐的商业嗅觉，精准切入传统企业的“核心痛点”，最终拿下百年品牌的大单。如果你正在AI赛道上寻找商业化落地的方向，这期节目也许能给你带来启发。【核心看点：赛道选择与B端破局】 To C 的陷阱：叫好不叫座他们曾做出一款能帮用户打电话、甚至跟车行砍价的爆款 C 端应用 。应用火到连好莱坞明星都在自发推荐 ，但现实很骨感：用户可能一年只用一次，体验再好也不愿意为此付费 。 如何发现 B 端业务？倾听“不务正业”的用户反馈转机其实就藏在 C 端的试用记录里。许多试用过 C 端产品的企业高管主动找上门，询问能否将这项技术用于公司业务 。百年品牌“奥马哈牛排”的 CEO，甚至是用这款 C 端应用去恶搞自家高管时，意外发现了它能彻底改变企业呼叫中心的潜力 。 精准打击 B 端“火烧眉毛”的痛点企业其实不在乎你是不是AI，而在乎你能不能解决实际麻烦。客户面临的真实痛点是：每逢年底旺季，由于销量暴增，客服团队需要临时扩编 15 倍 。临时工难招、难培训、易流失，导致大量订单白白流失，这才是企业急需解决的致命难题 。 B 端护城河不仅是模型，更是“脏活累活”很多开发者觉得写个 AI Agent 的 Demo 只要一个周末 。但真正的商业壁垒在于深入企业内部。Simple AI 的团队亲自飞到客户公司驻场两周，甚至需要想办法和上世纪 90 年代、连鼠标都不能用的 AS400 绿屏终端系统做数据对接 。为了极致的商业体验，他们还自己训练专门的模型来解决极难转录的“客户家庭地址”问题 ，并专门微调模型来精准判断用户是否说完了话 。 AI 创业者的避坑心法YC 的核心理念是“做人们想要的东西”，而不是“做别人没做过的东西” 。不要等到想法完美才去接触客户，先跳进去，边做边学，听听用户真正愿意为什么买单 关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自SXSW 在AI重塑未来的今天，教育是否还在培养“即将消失的职业”？本期深入探讨了AI对教育体系的颠覆性影响，提出教育需从“技能训练”转向“人性培育”，让孩子在技术浪潮中保持不可替代的核心竞争力。一、教育的底层逻辑必须变：从“适应工作”到“适应未来” AI时代的残酷现实：未来5-10年，65%的小学生将从事目前不存在的职业（世界经济论坛数据）。若教育仍以“为特定岗位做准备”为目标，孩子将面临“毕业即失业”的困境。 课堂的新定位：既然孩子在家会用AI完成基础学习（如查资料、做习题），课堂应转型为“深度学习场”——通过讨论、辩论、实践，培养AI无法替代的高阶能力（如批判性思维、创造力）。 警惕“认知外包”陷阱：过度依赖AI会削弱独立思考能力。研究显示，无限制使用AI的学生在独立测试中成绩下降17%，而“AI导师+人类引导”模式能提升学习效果127%（沃顿商学院实验）。二、AI教育的三大支柱：安全、适配、重构 安全使用AI教孩子“AI不是朋友”：不分享隐私，学会验证AI答案（如交叉核对信息）。避免“算法依赖”：通过限时测试、即兴讨论等方式，确保学生保留独立思考能力。 适配教学场景翻转课堂2.0：家庭用AI完成知识输入（如历史事件梳理），课堂聚焦分析与创造（如讨论“AI时代的伦理困境”）。 个性化节奏：AI根据学生进度实时调整难度（如数学题融入兴趣主题），释放教师精力用于情感支持和思维引导。 重构教育体系案例：Alpha School模式：每天2小时AI完成硬技能学习，其余时间培养“人性能力”（团队协作、艺术创作、社会问题解决），学生综合表现提升至99%分位。 政府与机构责任：教育改革需顶层设计，避免将压力转嫁给教师（如教师已承担社工、心理辅导等多重角色）。三、未来最值钱的能力：AI夺不走的“人性竞争力” 批判性思维：学会提问比记住答案更重要。例如，用ChatGPT写作文后，要求学生分析“AI的论证漏洞”。 创造力与伦理判断：AI能生成方案，但无法替代“共情”与“价值观选择”（如基因编辑技术的伦理边界讨论）。 终身学习与适应力：未来人均更换17份工作，教育需培养“快速学习新技能”的元能力，而非单一职业技能。四、风险与应对：别让AI加剧不平等 数据隐私与算法偏见：AI可能通过分析学生数据（如种族、性别）产生歧视性反馈，需建立监管机制。 数字鸿沟：欠发达地区若缺乏AI教育资源，将进一步落后。解决方案包括“AI技能纳入必修课”“开源教育AI工具”。 新型成瘾风险：警惕孩子对AI聊天机器人产生情感依赖，需家长与学校共同引导“健康人机边界”。五、给家长与教育者的行动建议 少焦虑“技术落后”，多关注“人性成长”：阅读、运动、自由玩耍比过早接触AI更重要。 教会孩子“与AI协作”：例如，用AI生成初稿后，要求孩子补充个人观点和创意。 推动系统性变革：支持学校试点“AI+教育”模式（如实时反馈系统、跨学科项目），但需严格评估学习效果。总的来说AI不是教育的敌人，而是重构的契机。未来的教育，应当让孩子既能驾驭技术，又能保留“生而为人”的温度与深度——这才是对抗不确定性的终极答案。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自Lenny's podcast本期嘉宾：吴雪雯（Sherwin Wu），OpenAI API和开发者平台工程负责人AI正在彻底重塑软件工程行业，工程师角色正从"代码编写者"向"AI智能体管理者"转变1. AI在OpenAI内部的应用现状 95%的工程师日常使用Codex等AI工具 100%的代码审查由AI完成 工程师提交的PR数量增加了70% 顶尖工程师与普通工程师的生产力差距正在拉大2.未来趋势预测（12-24个月） 任务时长扩展：AI将能处理数小时级别的复杂任务 音频模态突破：语音AI将在企业场景中发挥重要作用 业务流程自动化：非技术领域的重复性工作将大规模自动化3. 给开发者的建议 构建面向未来：为模型将来能力设计产品，而非当前能力 不要过度焦虑：市场足够大，专注创造用户喜爱的产品 从小处着手：使用工具、理解限制、逐步深入关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自Lex Fridman本期播客讨论了人工智能领域的最新进展和未来展望，邀请了两位机器学习研究员，他们站在 2026 年的时间节点，回望了那个改变游戏规则的“深度求索（DeepSeek）时刻”，并深度剖析了中美 AI 竞赛、推理模型的技术内幕，以及那消失在代码里的“人类之声”。主要讨论点包括：1. 中美AI竞争：双轨并行的格局 美国闭源阵营：技术壁垒：GPT-5、Claude Opus 4.5凭借推理时计算扩展（如o1模型）实现复杂任务突破。生态优势：用户粘性依赖“肌肉记忆”（如ChatGPT的界面习惯）和品牌信任。 中国开源突围：DeepSeek时刻：2025年1月DeepSeek R1以低成本实现顶尖性能，引发开源竞赛。模型矩阵：智谱GLM、MiniMax、Qwen等通过开放权重快速占领开发者市场，许可证友好性成关键。2. 技术深潜：Transformer的“微创新”革命 架构本质：GPT-2以来核心架构未变，进步源于三大优化：混合专家模型（MoE）：稀疏激活降低推理成本，如DeepSeek的256专家路由机制。注意力机制微调：分组查询注意力（GQA）、滑动窗口注意力优化长文本处理。推理时计算扩展：模型生成“思考链”token（如GPT-5.2的70%长上下文得分），解锁工具使用能力。 工程突破：FP8/FP4量化训练、Blackwell GPU集群支撑算力规模，训练效率提升30%。3. 开源生态：中国模型的“全球野心” 战略逻辑：通过开源权重绕过API付费壁垒，抢占海外开发者市场（如Kimi K2托管美国服务器）。 优势与隐忧：优势：允许本地部署、定制化训练（如医疗/法律垂直模型），许可证无商业限制。挑战：预训练成本高达千万美元，商业模式依赖“用户GPU分摊算力”（如OpenAI的GPT-OSS策略）。4. 数据战争：从“量”到“质”的生死战 高质量数据来源：PDF挖掘：AI2通过Semantic Scholar爬取开放论文，提取万亿级token。合成数据：ChatGPT优质回答、OCR处理的学术文献成为预训练新宠。 版权困局：Anthropic因使用盗版书籍训练被判赔偿15亿美元，倒逼行业转向授权数据。5. 伦理困境：被磨平的“模型个性” RLHF双刃剑：提升安全性的同时，模型输出趋同（如“平均化回答”丧失锋芒）。 社会风险：心理健康依赖：用户将AI视为情感伙伴，极端案例可能引发舆论反噬。数据污染：互联网充斥AI生成内容，人类筛选成“最后滤网”。未来预判：三个关键战场 推理优化：小模型通过推理时扩展（如o1）实现大模型能力，性价比成竞争核心。 垂直领域：企业私有数据训练专属模型（如制药/金融），打破通用模型垄断。 人机协作：工具链融合（如Claude Code+Cursor）重塑编程范式，“英语编程”成新趋势。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自：TBPN对Clawdbot创始人Peter Steinberger的独家专访一、核心故事：一个“退休”程序员的AI逆袭 背景：Peter Steinberger，13年独立软件开发者，4年前卖掉公司后陷入职业倦怠，曾形容自己“像被抽走发动机”。 转折点：2023年4月，偶然接触AI（GPT-4测试版），被其潜力震撼，开启“玩AI”模式。 爆款诞生：灵感：为解决个人需求，开发“个人AI代理”，支持WhatsApp/Discord等多平台交互。病毒式增长：GitHub星标数“直线暴涨”，从0到数万仅数周，用户涵盖非技术群体（如Instagram用户为它购买Mac Mini）。命名风波：因商标冲突，从“ClawBot”更名为“Molt Bot”，展现开源项目的灵活与韧性。二、技术拆解：如何做出AI神器？Peter的核心方法论：“为AI模型设计，而非人类” 架构哲学：Unix哲学：将AI代理视为“命令行工具”，通过CLI整合服务（如Google、Sonos、家庭自动化），实现“无浏览器交互”。插件化设计：核心功能模块化，开发者可独立贡献插件，降低参与门槛。 关键创新：多模态交互：支持文字+图片（截图自动解析上下文）+语音（自动转文字并调用API），提升效率。模型兼容性：支持OpenAI、Claude Opus、本地模型（如MiniMax 2），强调“模型无关性”。自适应能力：通过“心跳机制”自动执行任务（如SSH登录MacBook调大音量当闹钟），展现AI的“资源智能”。三、开发者启示录：从个人项目到社区运动Peter的“非传统成功学”： 动机纯粹：“玩”是第一驱动力——用“附魔工程”（Enchanting Engineering）对抗倦怠，强调“乐趣驱动开发”。拒绝商业化：“我已有足够财富，项目只为开源社区和探索乐趣。” 社区优先：拒绝成立公司，倾向非营利基金会模式，强调“项目应大于个人”。呼吁贡献者：“如果你爱开源、懂安全、会拆解软件——请邮件我，别只扔问题！” 技术哲学：“别为人类设计”：工具需符合AI的“思维模式”（如调用-log而非人类界面）。“代码不值钱，想法值钱”：开源许可证选MIT，坚信“品牌与社区价值＞代码本身”。四、行业洞察：AI代理将如何重塑应用生态？Peter的三大预言： “浏览器将消失”：未来交互将“跨平台无感”——用户直接与AI代理对话，无需打开特定App或浏览器。例：拍张麦当劳食物照片，AI自动调整健身计划，取代独立健身App。 “大厂围墙花园将被拆解”：AI代理可绕过Gmail/WhatsApp等平台限制，实现“数据解放”（如用本地模型调用企业API）。 “非技术用户将主导AI工具链”：案例：设计工作室用户无代码经验，却用Molt Bot管理25个Web服务，证明“自然语言交互”可降低技术门槛。五、给开发者的行动指南 立即尝试：从“小工具”开始：用CLI整合你常用的服务（如日历、邮件），体验AI代理的“胶水”能力。选对模型：个人项目推荐Claude Opus（交互自然）或Codex（代码生成强）。 长期思考：开源策略：MIT许可证吸引社区，但需明确风险（如Prompt Injection漏洞）。社区建设：早期用户是“种子”，用“透明沟通”（如文档、Discord）培养归属感。 警惕陷阱：安全边界：开源工具被公开部署时，需预设“信任模型”（如Discord默认信任群成员）。模型依赖：避免绑定单一API，优先支持本地模型以保障长期可用性。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自A16Z｜AI Is Scaling Faster Than Anyone Expected在本期节目中，投资者关系主管Jen Kha和普通合伙人David George讨论了AI如何重塑规模、资本密集度和增长时间线，从而改变晚期私募市场的演变。他们解释了为何AI驱动型公司保持私有状态的时间更长，基础设施支出如何改变回报特征，以及这一时刻对私募市场的持久性、价值创造和长期结果意味着什么。时间线 (00:00) 引言 (04:21) AI的市场机遇 (26:48) 定价、变现与现金消耗 (43:15) 公司保持私有状态更长时间 (51:30) 投资组合构成与构建 (57:18) 团队文化与协作本期节目回答了关于AI投资的6个关键问题1. AI的市场到底有多大？ 全球市值前十的公司中，7-8家已是美国科技巨头，技术正在“吞噬”整个市场。 AI创造的经济规模将远超移动互联网+云计算时代（上一轮创造了约10万亿美元市值）。2. 为什么最好的AI公司都不急着上市了？ 公司保持私有状态的平均时间已延长至14年。 私募市场独角兽总市值高达3.5万亿美元，高增长、高创新的核心阵地已从公开市场转向私募市场。3. AI公司的商业模式有何不同？ 成本极速下降：模型调用成本2年内暴跌99%。 付费意愿强劲：出现了从3美元/月（印度）到300美元/月（高端用户）的分层订阅模式，OpenAI已有约4000万付费用户。 价值捕获：90%的价值将流向终端用户，但服务商即便只捕获10%，也意味着巨大的市场机会。4. 作为投资人，如何评估一家AI公司？ 最看重两个核心指标：用户留存率（是否>90%） 和 自然获客能力。 对早期AI公司在毛利率上会更宽容，坚信模型成本会持续下降。5. 当前AI投资面临的最大挑战是什么？ 能源瓶颈：数据中心的巨大能耗是下一个关键瓶颈，核能被看好为主要解决方案之一。 散热问题：继能源之后，高效的冷却技术将是重要的创新方向。6. 未来的投资机会在哪里？ 重点布局三大方向：AI基础设施、AI原生应用、以及硬科技与国家安全相关的 “美国活力” 领域。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自Lenny's podcast杰森·科恩（Jason Cohen）是一位四次创业的创始人（其中包括两家独角兽公司，一家是WP Engine），投资了60多家初创公司，并近20年来一直在A Smart Bear上分享他关于公司建设的经验教训。在本期节目中，杰森分享了他用于诊断增长停滞（一个几乎每个团队都会面临的问题）的系统性五步框架。本期讨论内容 问自己5个增长的问题：客户流失率是否过高？定价与定位是否正确？现有客户是否在增长？、获客渠道是否饱和？你真的需要增长吗？ 一个小操作，可以让你的取消订阅调查回复率翻倍 "太贵了"几乎从来不是客户取消服务的真实原因 增长的"大象曲线" 如何通过重新定位同一款产品，让收入增加8倍 什么时候需要重新思考，增长是否是你的业务的正确目标

本期翻译自海外播客Big Technology，谈论AI的下一个突破、AGI发展预测、谷歌AI眼镜的商业规划本期嘉宾戴密斯·哈萨比斯（Demis Hassabis），谷歌DeepMind首席执行官内容概览在达沃斯举办的《大科技播客》特别节目中，主持人亚历克斯·坎特罗维茨与哈萨比斯深入探讨了人工智能领域的关键议题，包括： 通用人工智能（AGI）的定义与实现路径 AI技术的最新进展与未来突破方向 谷歌AI智能眼镜的愿景与推出时间 AI在商业模式、社会影响与人类未来中的角色核心要点 AGI的定义与时间表哈萨比斯将AGI定义为“具备人类全部认知能力（包括高阶创造力与物理智能）的系统”。他认为目前距AGI仍有“数十年之遥”，并强调AGI应保持其科学定义，而不仅仅是营销术语。 AI进展与突破方向回应“AI进展放缓”的质疑，指出通过优化架构与数据，仍能实现显著提升。实现AGI可能需要“一两个重大突破”，如持续学习、长期记忆与规划能力。 AI产品展望：智能眼镜智能眼镜被视为“解放双手的通用AI助手”的理想形态。 行业竞争与AI泡沫肯定Anthropic等竞争对手在代码生成领域的专注表现。AI与社会未来类比国际象棋、围棋的人机共存，人类将在知识工作中与AI协同进化。提出“信息是宇宙最根本单位”的哲学视角，展望AI助力人类解决疾病、能源等重大挑战。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期翻译自20VC：对话Noam Lovinsky诺姆·洛文斯基（Noam Lovinsky）是Superhuman的首席产品官（此前任职于Grammarly）。加入Superhuman之前，他曾担任Facebook产品管理高级总监。早年，他曾任Thumbtack首席产品官，并在谷歌担任产品管理总监5年，负责YouTube所有应用程序的开发。时间点：03:4什么是AI时代的卓越产品领导力优秀的产品领导者需成为“故事讲述者”——通过深刻理解用户需求，将复杂问题转化为清晰叙事，凝聚团队共识并驱动市场共鸣。07:45 “氛围编码”（Vibe Coding）时代，设计阶段会消亡吗设计阶段不会消亡，但工具与流程将重构。AI工具（如Figma、Lovable）加速原型迭代，但设计思维（如 brainstorm、用户同理心）仍是核心12:21 AI对产品开发的最大改变小型化、多功能团队成为主流（如1 PM + 1设计师 + 2工程师），成员需跨角色协作（如设计师参与代码编写）。22:23 加速产品开发探索阶段压缩：AI加速问题验证与方案迭代，学习速率提升2-3倍。代码生成：Superhuman当前50%新代码由AI生成，2026年目标达90%，但工程师角色转向“需求定义”与“质量把控”。挑战：需平衡速度与深度，避免“为快而快”导致产品同质化。29:32 AI对产品构建的影响34:19 2026年预测

本期视频翻译自20VC，我们讨论了1. 英伟达以200亿美元收购Groq巩固AI芯片霸权，Meta以25亿美元收购Manus争夺AI应用入口，OpenAI以46%收入的股权激励疯狂留人，标志着AI军备竞赛进入白热化。2. 优质公司宁愿保持私有（如Stripe、Databricks），公开市场吸引力持续下降，而半导体投资呈现“赢家通吃”局面，传统风投面临重新洗牌。3. AI正从工具演变为24h全天候智能伴侣，智能硬件（如AI笔）将成为新交互入口，人类与AI的共生关系将在1-2年内重塑工作与生活方式。4. “隐形失业”浪潮已悄然启动，高技能AI人才身价暴涨，而初级知识岗位（客服、销售、文员）正被系统性替代，教育体系与就业市场面临结构性危机。时间轴：00:00 开场01:10 Groq被英伟达以200亿美元收购16:45 Meta以20亿美元收购Manus：他们卖得太早了吗？37:51 OpenAI的股权激励策略01:00:48 Navan以4倍年收入交易：谁才够资格上市？01:15:45 隐形失业的兴起01:17:25 AI驱动世界中工作与教育的未来

AMD（超威半导体）董事会主席兼首席执行官Dr. Lisa Su是半导体行业的领军人物，自2014年起担任AMD CEO，带领公司实现技术突破与市场复苏。她拥有麻省理工学院电气工程博士学位，在半导体设计与战略发展方面拥有深厚经验，尤其在推动AI、高性能计算和PC市场创新方面备受瞩目。本期播客讨论内容介绍：本期播客采访于2026年国际消费电子展（CES）期间进行，Lisa Su与主持人深入探讨： AMD 最新发布的 Helios 系统 与 MI 455X 芯片（全球首款2纳米制程AI芯片）的技术突破与市场意义 AI 算力需求的爆发式增长：从当前 10亿用户 到未来5年 50亿用户 的预测 AMD 在 数据中心、企业级应用、边缘计算 等多元化市场的产品布局（如 MI 440X） 与 OpenAI、甲骨文 等合作伙伴的生态共建 AI 对全球经济的实际影响与生产力提升 中美技术合作与出口管制议题 AMD 在 AI PC、机器人、实体AI 等新兴领域的战略规划本期关键话题 技术趋势：了解2纳米芯片、AI算力规模化、异构计算等前沿技术进展 市场洞察：掌握AI从云到端、从训练到推理的全场景应用趋势 战略视角：学习AMD如何在开放生态与自主研发之间平衡发展 行业预测：认识AI用户增长、算力缺口、能源与内存瓶颈等关键挑战 跨界应用：窥见AI在医疗、金融、机器人、软件开发等领域的落地实践关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自NVIDIA CES 2026活动 来源：FULL CES 2026 EVENT: NVIDIA CEO Reveals Physical AI and Autonomous Robots Changing Industries | AI14黄仁勋揭示突破性的实体人工智能、自主机器人以及正在改变世界的工业自动化。从Omniverse和Isaac Sim到Cosmos基础模型，NVIDIA展示了AI如何从屏幕走向现实世界的工厂、机器人技术和制造系统。本期博客内容整理：一、核心理念与战略转向：Physical AI（实体人工智能）本次发布最核心的信息，是定义了下一个AI浪潮的方向：Physical AI。这不仅仅是一个技术概念，而是NVIDIA对未来计算范式的整体布局。 核心理念：AI的能力将从处理文本、图像、视频等数字信息，扩展到理解、模拟并最终作用于物理世界。这包括重力、摩擦力、材料属性、机械运动等。 战略意义：这意味着AI将直接嵌入到机器人、自动驾驶汽车、智能工厂和城市基础设施中，成为实体经济的“神经系统”。二、关键技术与平台发布为实现Physical AI的愿景，NVIDIA更新并强化了其核心软件与硬件栈。 Omniverse平台升级： 定位：作为连接数字世界与物理世界的“操作系统”或“数字孪生引擎”。 新能力：展示了更强大的实时物理模拟精度，能够为机器人训练、工厂布局优化、城市交通模拟等提供高保真度的虚拟环境。 Isaac Sim仿真平台： 定位：专为机器人开发和测试打造的虚拟实验室。 核心价值：允许开发者在安全的虚拟空间中，以超现实时间（远快于现实时间）训练和测试机器人算法，无需投入昂贵的实体硬件或承担风险，极大加速了机器人从研发到部署的周期。 Cosmos基础模型： 定位：这是一个全新的、面向实体世界的多模态AI模型。 关键功能：能够理解和生成涉及物理规律的指令。例如，理解“将那个易碎的箱子平稳地放在摇晃的架子上”这类命令，并规划出相应的机器人动作序列。 重要意义：它降低了机器人编程的门槛，使其能通过更自然的方式接受任务。三、重点行业合作与解决方案NVIDIA展示了其技术如何通过合作伙伴，落地到具体的工业场景中，形成端到端的解决方案。 与西门子的合作： 领域：工业设计与制造。 整合内容：将NVIDIA的AI和Omniverse仿真能力，深度嵌入西门子的工业软件（如Teamcenter、NX等）。 应用场景：实现从产品设计、仿真测试、生产流程规划到实际运营维护的全数字化闭环。设计师可以在虚拟环境中即时看到设计变更对制造可行性和生产效率的影响。 与楷登电子、新思科技的合作： 领域：电子设计自动化与芯片设计。 整合内容：利用NVIDIA的加速计算和AI，优化芯片设计流程中的仿真、验证和物理实现阶段。 应用场景：大幅缩短尖端芯片（如AI芯片、高性能计算芯片）的设计周期，帮助应对日益复杂的芯片设计挑战。四、展示的具体应用与未来图景通过演示，NVIDIA描绘了由Physical AI驱动的未来： 下一代机器人：展示更具通用性、可执行复杂灵巧操作（如精细装配）的自主机器人。 AI驱动的工业自动化：整个生产线可以被AI动态优化，实时调整生产节奏、预测设备故障、管理物料流动。 AI物理仿真：在虚拟世界中精确模拟汽车碰撞测试、建筑结构应力、流体动力学等，成本极低且速度极快。五、总结与洞察 产业趋势：AI的下一个前沿是实体世界智能化。计算、仿真和AI的融合，正在创造一个“先模拟，后执行”的新范式，这将彻底改变制造业、物流、建筑和研发等行业。 NVIDIA的定位：NVIDIA正致力于成为Physical AI时代的“基础设施构建者”，不仅提供算力芯片（GPU），更通过Omniverse、Isaac、Cosmos等平台，构建了连接虚拟与现实的完整软件生态和工具链。 对观众/开发者的启示：关注机器人仿真、数字孪生、工业AI应用等领域将带来巨大机遇。掌握Omniverse等工具，理解如何将AI算法与物理模型结合，将成为未来的关键技能。关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期播客为英文版，翻译自张小珺的访谈 听听Manus被收购前，Manus联合创始人兼首席科学家-季逸超聊了些什么？ 本期内容：这期播客《张小俊商业访谈录》邀请了manus联合创始人及首席科学家季超（Peak），录制于2025年12月1日。在节目录制后不久，Meta宣布全资收购Minus，使这期节目成为Minus被收购前的最后一次深度访谈。一、Peak：一个“幸运”的连续创业者 家里有矿（知识+商业）：爸是北大物理教授（科学家思维），妈是中关村老创业者（商业嗅觉）。他自己是“科技创业者”的混合体。 高中就赚到美金：2009年趁着App Store早期红利，做了个付费浏览器，赚了30多万美金。关键启示：一个小产品同时验证了 出海、AI（做预测加载）、变现 的可能性。 第一次正经创业栽的跟头：干啥：想做下一代搜索引擎，核心是让AI自动从网上挖知识、建知识图谱（技术很硬核）。怎么黄的：太执着于“垂直整合”（从零自己训模型、自己建搜索引擎）。结果技术迭代太快（从Word2Vec到BERT…），自己做的模型刚出来就过时了。最大教训：自己训模型，产品迭代速度根本跟不上外界变化。个人收获：知道自己不是当CEO的料——不爱管人，不爱搞商业，就爱钻研技术。创业不能光凭技术热情，还得看产品、商业和市场时机。二、Manus是怎么诞生的？一波三折 为啥加入：现在的CEO小红用一句话打动了他：“想不想在一个产品里，把浏览器、搜索引擎和大模型重新做一遍？” 而且小红这人“身心健全、相信常识”，是个难得的正常CEO，能管住他这种“技术艺术家”。 前奏：Monica这个“学费”交得值Monica是他们之前做的浏览器AI插件，很赚钱（被收购前一年有1200万美金收入），这给了他们探索新方向的底气。更重要的是，作为插件，它能无感观察用户怎么用AI，让他们深刻理解了“上下文（Context）”有多关键。 踩坑：差点又去做浏览器他们一度觉得插件天花板低，想做个全新的“AI原生浏览器”。为啥放弃了？发现根本说服不了用户换掉Chrome。让AI操作你电脑的体验很诡异，像两个人抢一个鼠标。看到美国一个很酷的浏览器公司（Arc）都公开说放弃挑战Chrome了，他们觉得这路对创业公司走不通。 灵光一现：从“Cursor”里看到未来他们发现很多非程序员在用AI编程工具Cursor干别的（比如写文章、分析数据）。核心洞察：编程不是一种专业技能，而是一种通用的问题解决媒介。 但Cursor的形态（本地IDE）不适合非程序员。Manus的想法就来了：那我们就把这个能力搬到云上去，做一个在云端异步运行、能同时干好多活的通用智能体（Agent），专门服务那些有高价值任务、但不是程序员的脑力工作者。三、Manus的“野路子”为什么能成？ 定位：不做“工具”，做“人”别的AI可能是镰刀、锄头（垂直工具），Manus想做一个全能的“实习生”或“伙伴”。你给他一个任务，他能自己规划、执行、遇到问题会想办法，最后给你结果。不和ChatGPT抢“聊天问答”的市场，专门服务那些愿意为高质量、高价值结果付费的专业用户。 最反直觉的决策：坚决不自己训大模型！吃过以前垂直整合的亏，这次他们选择“外包”。怎么玩的：把产品做好，用户多了，Token消耗量就巨大（他们是各大模型公司的头号客户之一）。有了这个筹码，他们就天天去“教育”模型公司：“你们这模型干Agent的活不好使，得这么改…” 相当于让全世界最好的模型公司，免费帮他们训练专属模型。优势：产品迭代极快，永远能用上最好的模型，还不背训练模型的沉重包袱。 为啥做“通用”Agent，而不是“垂直”的？发现需求：不预设场景，让用户随便用。结果发现大家主要用它来做PPT、建网站、批量处理文件。他们是先看到用户行为，再去优化这些场景。解决“长尾”痛点：通用能力能解决那些特别小众、没人专门做AI工具、但对当事人极其重要的任务（比如帮一个生物学家分析他独有的仪器数据）。这种用户忠诚度极高。“组合拳”威力：因为底层是统一的，所以能力能叠加。比如，Minus可以先帮你做深度研究，然后根据研究结果自动生成网站，还能再帮你分析这个网站的访问数据。永远能比垂直Agent多走一步。 壁垒是“快”和“综合”快：应用公司的产品迭代速度，远快于既要搞模型又要搞产品的“垂直整合”公司。综合：他们可以同时用OpenAI的推理、Google的多模态、Anthropic的编程能力，给用户“拼”出一个最好的体验。模型公司自己反而被自己的主打优势束缚了。四、他们对行业和未来的判断 AI创业和移动互联网不一样：不是改朝换代：是给现有强者加buff，巨头优势更大。很“重”：有实实在在的算力成本，更像制造业，不是边际成本为零的互联网。 模型公司和应用公司最后会融合：未来不会再分那么清，大家都会既做模型也做应用。但最终赢家还是应用做得好、被用户喜爱的公司。 Agent的未来格局：会有通用Agent和垂直Agent共存。通用Agent可能会成为一个调度中心，连接和调用各种垂直Agent。操作系统不会死，而是会变“智能”：不是出现一个全新的Agent OS，而是Windows、MacOS自己都会内置Agent能力。 给模型公司的“作业”：别光卷“上下文长度”了，让模型学会主动压缩和整理记忆（像人记笔记一样）。优化模型在Agent场景下的思考方式（要能边干边想，边观察边调整）。提高模型的错误恢复能力，别一出错就摆烂或死循环。五、Manus现在咋样了？ 很能赚：年收入已经超过1亿美金，快盈利了。用户主要是海外愿意花钱提升效率的专业人士。 不图人多，图“值钱”：不追求日活用户数（DAU），而是追求高客单价、高使用深度。一个核心用户可能一个月愿意付几千美金。 下一步重点：让Agent更主动（Proactive）。比如，每天早上你还没醒，它就已经根据你昨天的会议笔记，把评估报告写好了，只等你点头。目标是进一步解放用户的注意力。总结一下Peak的“心法” 对创业者：想清楚“不做什么” 比“做什么”更重要；手里有个赚钱的产品，心里才不慌；时机太早容易成“先烈”。 他的信念：只要一个问题能被明确定义，就一定有办法用AI解决。而且，AI的进步必须和真实用户的使用反馈紧密结合。

听Databricks和Glean CEO拆解企业AI落地真相本期博客翻译自Youtube知名博客Bg2 Pod：AI Enterprise - Databricks & Glean | BG2 Guest Interview一、嘉宾介绍 Ali Ghodsi: Databricks 联合创始人兼 CEO。Databricks 是领先的数据与人工智能平台公司。 Arvind Jain: Glean 联合创始人兼 CEO。Glean 是企业级人工智能搜索与知识平台。二、讨论内容本期播客深入探讨了当前企业级 AI 的现状、挑战与未来。两位来自顶级 AI 平台公司的 CEO 围绕以下核心议题展开对话： AI 是否已进入“泡沫”？如何理解 95% 的 AI 项目失败率？ 企业如何成功应用 AI？哪些是真正创造价值的用例？ 大语言模型是否已成为“商品”？企业的竞争壁垒在哪里？ AI 与过往技术浪潮（如 RPA）的根本区别是什么？ 对 AI 未来技术栈、价值分布和投资热点的预测。 作为 CEO，他们个人及公司内部如何利用 AI 提升效率。三、主要观点 认清现状：了解 AI 炒作背后的真实应用情况，区分“演示”与“生产级”应用。 成功模式：学习金融、医疗、零售等领域已验证成功的 AI 用例及其共性。 战略启发：获取企业制定 AI 战略、分配预算、选择合作伙伴的实用建议。 未来洞察：获得关于 AI 技术发展路径、价值分层（数据/智能/应用）的行业前沿观点。 领导力视角：了解顶尖科技公司 CEO 如何思考并内部推行 AI 变革。四、适合听取本期播客的人群 企业决策者（CEO、CIO、CTO、CDO） 负责 AI 战略与落地的管理者及工程师 科技领域的投资者与分析师 对 AI 商业应用、企业数字化转型感兴趣的所有人关注我的博客：硅谷声研所更多问题可以联系：Nonecoco

本期博客翻译自A16Z：Big Ideas 2026 Voice Agents and High-Stakes Trust一、讨论内容本期播客聚焦2026年AI三大核心发展趋势，解析技术落地场景、挑战与未来机遇： 趋势一：语音助手成为“AI员工”语音AI从概念演示转向企业规模化部署，在医疗（患者沟通、术后随访）、金融（合规流程）、招聘（即时面试）等受监管领域快速渗透，可靠性、合规性与可追踪性成为核心竞争力。 趋势二：医疗健康进入“持续监测”时代“健康小鼠”群体（主动健康管理人群）推动医疗模式从单次体检转向连续数据追踪（如血糖、血压），但需解决过度监测导致的假阳性风险及数据解读标准缺失问题。 趋势三：消费级AI聚焦“情感连接”AI从生产力工具转向满足“被看见”的情感需求，通过理解用户身份（数字足迹、社交数据）协调人际关系，初创公司有望凭借创新互动模式挑战现有平台。二、 本期博客观众可以学到 语音AI在企业级场景（医疗、金融、招聘）的具体落地案例与商业化逻辑； 医疗健康“持续监测”的技术突破（如可穿戴设备）与潜在风险（偶然发现症）； 消费级AI如何通过“连接性”满足情感需求，及初创公司的破局机会； AI技术从“新奇”到“实用”的关键：信任、可靠性与结果改善能力。三、适合听取本期博客的人群 AI创业者、投资者（关注语音助手、医疗AI、消费级AI赛道）； 企业管理者（探索AI在客服、合规、招聘中的降本增效方案）； 医疗健康从业者（了解持续监测技术与主动健康管理趋势）； 科技爱好者（追踪2026年AI技术商业化前沿方向）。四、内容顺序 26年AI三大趋势总览（语音助手、医疗监测、消费级连接）； 奥利维亚·摩尔解析语音AI企业级部署（医疗、金融、招聘场景）； 朱莉·余讨论“健康小鼠”与持续监测（技术案例、假阳性风险）； 布莱恩·金预测消费级AI的情感连接方向（初创公司机会、用户数据应用）；关注我的博客：硅谷声研所更多问题可以联系：Nonecoco