Advertise on podcast: 跨国串门儿计划

📝 本期播客简介 本期我们克隆了：Latent Space · Designing for Agents — Zeno Rocha, Resend 原内容更新时间：2026-11-10 Claude Code 为什么会推荐一个刚起步的邮件服务？Resend 联合创始人兼 CEO Zeno Rocha 说，他们早早把文档写成长尾问答，还让网站页面都能直接读 Markdown；当模型算错定价时，他发现问题是 Agent 根本不会拖动网页上的计算器。 这一集从邮件送达、反垃圾邮件和 DNS 配置讲起，聊到 Resend 如何让 API、MCP、CLI 覆盖不同用法，以及 MCP 工具从不到 20 个扩展到 80 多个。Zeno 也谈到，模型给用户一个推荐答案时，产品怎样才能被看见、被读懂，甚至被 Agent 直接使用。 👤 本期嘉宾 Zeno Rocha 是 Resend 联合创始人兼 CEO，曾以 Dracula 和开源项目为人熟知，也做过 React Email。他从前端开发者转向邮件基础设施创业，带领 Resend 服务数百万用户；这段经历让他既要处理邮件投递、滥用和 DNS 等底层难题，也要亲自思考如何为开发者和 Agent 设计产品。 ⏱️ 时间戳 从前端起步，赢得新一代选择 01:47 用邮件领域的 Stripe 做产品，起步时却对邮件一无所知 05:40 从一开始就想让 Resend 成为这一代产品的首选 把邮件送达做成基础能力 08:01 Gmail 会先看首批邮件的互动，再决定后续处理方式 11:25 自动生成纯文本邮件，送达率因此提高 从模板切入，逐步掌控邮件栈 21:27 React Email 是 Resend 的 Next.js：先解决模板，再提供发送平台 24:38 竞争对手曾说，90% 的研发都在对付滥用者 让API、MCP与CLI覆盖更多用法 34:28 “产品没有固定形态”：用户想怎么用，都应该能做到 35:54 远程 MCP 要先解决 OAuth 和权限模型 面向Agent优化邮件与增长 55:09 Agent 不会拖动 JavaScript 控件，定价页另做 Markdown 版 55:32 改完页面，模型终于把价格算对了 在家庭、抱负与品类间作选择 1:09:49 YC 没有赢家，创业更像一场无限游戏 1:12:07 他宁愿 ARR 一千万、女儿愿意陪他，也不要一亿美元却疏远女儿 🌟 精彩内容 💡 Agent 想怎么用，产品就该怎么提供 Zeno 不想押注某种流行的交互方式：API、MCP、CLI 都做，让用户按自己的工作流选择。Resend 的 CLI 甚至能用来申请职位。 "我希望我的产品没有固定形态。用户想用产品做什么，都应该能做到。" 💡 Agent 不会拖动网页上的计算器 Zeno让模型比较邮件服务的价格，发现它把 Resend 的价格算错，还说定价不透明。原因是 Agent 不会操作 JavaScript 计算器；他给定价页面加上 Markdown 版本后，模型的计算结果就对了。 "问题是，agent 其实不会去拖动 JavaScript 控件。" 💡 MCP 工具从不到 20 个做到 80 多个 团队一开始做的 MCP 工具不到 20 个，如今已经超过 80 个，还在补齐不常用功能。Zeno 认为，MCP 不该只覆盖仪表盘里的大部分操作，账单、邀请团队成员、开通和删除账号也得考虑。 "现在我们有 80 多个工具。我还在不断增加，把那些不太常用的功能，也覆盖到。" 💡 打开率已经不再可靠 邮件里的透明像素图片曾被用来判断打开率，但苹果的隐私改动和邮件过滤器会提前读取内容，让这个指标失真。点击追踪也有风险：一个客户发钓鱼邮件，可能连累共用的追踪域名进黑名单。 "所以打开率这个指标整体上已经不像以前那么可靠了。" 💡 默认信任用户，但发现滥用就快速处理 Resend 不想让所有用户先被层层审核、等待批准；团队会根据退信率、投诉率和邮箱服务商反馈识别异常，再封禁并沟通。很多问题其实不是恶意，而是用户不会配置。 "我们会默认信任你，而不是因为那些坏人，让整个平台对所有人都变得更难用。" 💡 创业不能只拿公司规模衡量 Zeno 有很大的抱负，但他也明确把陪伴女儿放在重要位置。他宁愿公司规模小一些，仍和女儿亲近，也不愿只追求更高估值和收入。 "我宁愿过这样的生活，也不愿意公司规模达到 1 亿美元，女儿却不想跟我玩，对我没兴趣，跟我也不亲近。" 🌐 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：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MiniMax 06:40 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

📝 本期播客简介 本期我们克隆了：AI Engineer · Your Old Prompts Are Making Claude Worse - Lance Martin, Anthropic 原内容更新时间：2026-11-06 同一个客服 benchmark，优化工具把成本降了 90%，表现还明显提升。Lance Martin 说，很多应用其实没达到前沿模型本来能达到的水平，问题可能只是 prompt、缓存或评测配置没调好。 Lance Martin 是 Anthropic 技术人员。这一集从删掉过时 prompt 指令、提高 prompt 缓存命中率，讲到怎样设计能让 Claude 持续优化的 eval；他还展示了用不同模型和 effort 配置降本的例子，以及长时间运行的 agent 如何做到可靠、可恢复并保护机密信息。 👤 本期嘉宾 Lance Martin 是 Anthropic 的技术人员，参与构建 Claude API 相关的 skill，并用客服 benchmark 测试 prompt 和模型配置。他还介绍了用于构建 eval、爬山优化和长时 agent 的实践，分享如何让前沿模型在实际应用中提升表现、降低成本。 ⏱️ 时间戳 调好提示词与缓存 01:24 prompt 和代码一样，也会积累债务 评测与爬坡优化 07:13 prompt 缓存没用好，成本最多可降 72% 09:49 eval 里的歧义任务，会限制模型提升空间 构建可靠的长时智能体 18:43 Claude Opus 3 只能自主工作约 4 分钟 20:30 会话日志独立保存，故障后还能恢复 评测设计与评分问答 24:29 Claude 能从运行日志中找出可疑失败案例 29:48 评分标准尽量明确，最好用二分类 Effort、长任务与优化实践 37:42 更强模型低 effort，通常更省 token 52:10 长任务优化需要能稳定运行数小时甚至几天的 harness 🌟 精彩内容 💡 旧 prompt 可能让 Claude 更贵也更差 以前常用的“一步一步思考”“再检查一遍”和“尽可能全面”，对前沿模型可能已经多余；互相矛盾的规则还可能把模型搞糊涂。Lance 说，删掉这些反模式，有机会同时减少 token、提高表现。 "更糟的是，这么做实际上会增加成本，还可能降低表现。" 💡 缓存用对，最多省下 72% 多轮 agent 会反复带上相同上下文，但 prompt 缓存要求前缀严格匹配，哪怕只改一个字节也可能失效。Lance 和同事在一批内部 benchmark 上运行诊断命令，发现成本最多能降 72%，性能没有明显变化。 "优化 prompt 缓存不会改变性能。基本上就是白省成本。" 💡 Claude 能把 skill 从 66% 往上优化 Lance 用文档构建 eval，测试一个 Claude API skill，起步时只答对 66%。Claude Code 反复检查失败案例并修改 skill 文本，找到了更贴合文档的版本。 "Claude 可以自主找到合适的 skill 文本，让评测表现显著提升。" 💡 成本降 90%，性能还提升 在客服 benchmark 上，爬山优化工具尝试不同模型、effort 和 prompt 配置：先换模型，再调整 prompt 恢复表现。最终成本下降 90%，性能仍有明显提升。 "成本降低了 90%，性能还有明显提升。" 💡 强模型低 effort，可能比弱模型高 effort 更便宜 Lance 建议先试更强的模型搭配低 effort，再按需要调高。弱一些的模型如果用高 effort，可能花大量 token 思考；更强的模型用低 effort，思考 token 更少，结果也可能更好。 "更好的模型用低 effort，往往比弱一些的模型用高 effort 更省 token，所以更便宜。" 💡 长时 agent 出故障，也要能接着跑 agent 运行数小时甚至几天，harness 或沙箱都可能出故障。Managed Agents 把会话日志与二者分开保存，故障后可以恢复；机密信息也由保险库保管，Claude 能调用密钥却看不到密钥本身。 "无论 harness 还是沙箱出了故障，你总能通过会话日志恢复。" 🌐 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：All-In Podcast · Midterm Blood Bath, $4T AI Sell Off, Data Center Freeze, What’s Next for Trump 原内容更新时间：2026-11-07 失业率接近历史低位，经济数据看起来不错，共和党却在中期选举中惨败。Chamath承认自己“完全搞错了”：选民投票看的不是宏观数字，而是自己的钱包和日子有没有变好。 All-In几位科技圈主持人复盘选举结果，争论战争、通胀和生活成本各自起了多大作用，也追问特朗普能否挽回局面。节目后半段转向数据中心建设、AI监管与市场震荡：数据中心会不会停建，算力会流向哪里？最后还有一段关于OpenAI论文与指数时间假说的科学角。 👤 本期嘉宾 Chamath Palihapitiya、Friedberg、Sacks等All-In Podcast的固定讨论者，围绕选举、经济和AI展开讨论。Chamath谈到自己作为资产拥有者的视角如何造成判断盲点；Friedberg从政府支出和数据中心政策分析经济与AI；Sacks则结合政治预测和市场数据，讨论战争、通胀及特朗普的后续选择。 ⏱️ 时间戳 选举夜与节目开场 02:01 直播有 50 万人观看 03:05 他们称 Polymarket 预测准确率达 99% 中期选举惨败复盘 05:20 汽油从约 3 美元涨到 4 美元以上 08:36 家庭实际税后收入涨了约 3.1% 特朗普如何挽回局面 31:24 74%选民称伊朗战争是重要因素 32:20 Sacks说退出战争就是头等大事 市场震荡与数据中心 48:40 股市市值蒸发近 4 万亿美元 50:57 SpaceX称数据中心可降电费 40% 科学角：指数时间假说 1:18:38 指数时间假说可追溯到 1999 年 1:19:18 OpenAI论文长达 175 页 🌟 精彩内容 💡 经济数据不错，选民还是不买账 就业和GDP表现不错，失业率也降到 4.1%，但选民的感受没有跟上数据。Chamath认为，不能只看整体经济，要看普通人实际能不能过得更好。 "经济实际上有多好并不重要。重要的是，人们觉得经济对自己来说有多好。" 💡 资产拥有者受益，工资族却被落下 Chamath说，利率高低、关税和补贴怎么变，资产拥有者仍能积累财富；靠工资生活的人，却发现经济无法支持自己改善生活。 "其他所有人都是靠工资生活的。美国经济在结构上已经无法支持这些人、帮助他们发展了。" 💡 每月多付 200 美元，选票就变了 油价上涨让普通家庭每月多出约 200 美元油钱，杂货也更贵。Sacks认为，人们最终看的就是扣除税和通胀后，自己的购买力有没有提升。 "归根结底就是战争和战争带来的经济后果。" 💡 数据中心成了经济不公平的象征 SpaceX员工解释新数据中心不用水、能降低电费，却被现场观众的喊声压过。Chamath认为，公众看到的是科技公司享受税收优惠，自己却要承担更高的水电费。 "这成了寡头统治和美国经济中存在的经济裂痕的一个象征。" 💡 数据中心若停建，算力租户最先受压 若建设放缓，已有算力的大型云服务商可能更有优势；依赖租用算力的新兴云服务商和基础模型公司则会更难发展。Chamath指出，数据中心的租户面临更大的风险。 "所以我觉得，真要说会发生什么，那就是所有租户都会被收编。" 💡 OpenAI论文挑战一个存在27年的假设 Friedberg介绍，OpenAI一篇175页的论文声称，3SAT问题可以在亚指数时间内解决，挑战了指数时间假说。不过论文仍在评估中，尚未经过第三方完全验证。 "他们刚刚证明了这个假设不成立，而且只用了几个小时。" 🌐 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：Tetragrammaton with Rick Rubin · Rick Rubin Explores the Connection Between Poker and Creativity with Chamath Palihapitiya 原内容更新时间：2026-11-04 「人生的关键就在于这些非常重要的偏离。」Chamath Palihapitiya把扑克看作一场和自己对抗的无限游戏：按常规出牌往往没错，但想走出另一条路，就得学会面对损失厌恶。 All-In 联合主持人、投资人 Chamath 和 Rick Rubin 从每周扑克局聊起，谈直觉与品味如何影响下注和投资、为什么他愿意投边缘想法，也谈他如何用 AI 辅助思考和做决定。这一集既有扑克桌上的风险判断，也有他亲历投资得失后的反思。 👤 本期嘉宾 Chamath Palihapitiya 是企业家、投资人，也是 Social Capital 的创始人兼 CEO；他曾任 Facebook 高管，参与公司早期增长，并与 Jason Calacanis、David Sacks、David Friedberg 共同主持 All-In。他长期参与科技投资，也在这一集中结合扑克经验，谈直觉、风险与投资判断。 ⏱️ 时间戳 播客从友情走向爆红 00:36 疫情让每周扑克局变成录制谈话 遭封杀后的领悟 11:11 被封杀经历让他更敢做真实的自己 医疗体系的激励困局 28:24 美国政府每年处理5000亿美元医疗付款 直觉如何长出品味 39:13 妻子帮他分清直觉与不安全感 扑克训练冒险心态 45:30 他认为约1万手后主要靠技术 资本押注边缘创新 57:42 边缘想法可能用少量资金换来不成比例成果 AI的能力与风险 1:01:28 即使只是在预测下一个词，AI仍可能极其危险 从仪式走向信仰 1:14:47 他开始追问自己究竟相信什么 AI工具与未来判断 1:21:47 用AI后，好决定没变多，但做得更好 🌟 精彩内容 💡 偏离常规，得先接受损失 Chamath认为，人生有时会给人离开常规路线的机会。真正拦住人的，往往不是看不见另一条路，而是舍不得放弃眼前已经累积的价值。 "你得明白怎么应对损失厌恶，这需要训练。" 💡 他觉得自己大多数时候都错 Chamath说，自己喜欢什么、看好什么，大约有80%到90%的时候判断错了。但剩下那10%的判断，已经改变了他的人生。 "但我有 10%的时候是对的。" 💡 扑克练的不是赢钱，是承受输 他喜欢扑克，也承认自己曾觉得自己不配赢。但扑克让他练习冒险、辨认运气与技术，并在判断正确却输牌时继续坚持。 "我能消化输了这件事，能应付，也能继续往前走。" 💡 投资能用钱改变结果 扑克里下注多少，不会改变牌局结果；投资却不同。Chamath认为，钱能推动有限的生产能力、知识和解决方案落地，因此投资人确实可能改变结果。 "所以从很多方面来说，投资就是用钱来推动改变。" 💡 边缘想法有时用少量资金撬动大成果 他以马斯克造火箭为例：当年这被视为边缘想法，但在成功、风险消除之前投入的资金，相较全球资金规模并不算大。边缘领域关注者少、限制也少，资金可能因此产生不成比例的成果。 "在这些被认为很边缘的事情上，少量资金就能带来不成比例的成果，" 💡 AI让决定更好，不是更多 Chamath把 AI 比作给自己加上一副外骨骼：用它处理信息、梳理想法，也分析投资和沟通中的盲点。他说，自己做出的好决定数量没增加，但决策过程波折更少。 "我还是做 2 个好决定，但这 2 个决定，我做得更好了。" 🌐 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：Complex Systems with Patrick McKenzie (patio11) · Reading the Anthropic S-1, with Zvi Mowshowitz 原内容更新时间：Fri, 06 Nov 2026 Anthropic 第三季度营收增速放缓，真的是客户不够多吗？招股书透露，公司把一半算力支出花在了现货市场；Patrick McKenzie 和 AI 观察者 Zvi Mowshowitz 据此提出，瓶颈可能不是需求，而是 GPU 供应。 这一集从 Anthropic 的 S-1 招股书出发，拆解创始人控制权、没有上限的员工慈善配捐、约8000亿美元的算力采购承诺，以及 AI 行业的融资循环。两人还谈到 AI 普及为何比能力进步慢、AI 如何改变工作，以及模型助长网络攻击后，实验室该承担多少责任。 👤 本期嘉宾 Zvi Mowshowitz 是长期关注 AI 的观察者，也是 The Zvi 通讯作者，多次做客 Complex Systems。对于 Anthropic 的招股书，他从 AI 安全、公司治理、客户增长和算力供给等角度分析公司与行业，也持续跟踪 AI 能力及其对经济和网络安全的影响。 ⏱️ 时间戳 披露与节目缘起 00:33 说明讨论 Anthropic 招股书及潜在利益冲突 01:38 Zvi 概括自己读 S-1 时关注的重点 S-1如何谈生存风险 01:46 招股书用被动语态提及生存风险 06:29 “AI 很可能真的会杀死所有人”：商业利益会淡化风险吗？ 创始人控制与慈善配捐 08:02 一股 F 类股票，创始人集体拥有50.1%投票权 12:21 配捐没有上限：员工捐出2000万美元，公司配捐6000万美元 增长、算力与财务承诺 15:20 Anthropic连续多年每年规模约增至上一年的10倍 19:30 Q3营收走弱，可能不是需求不够，而是算力不够 招股书与融资循环 40:16 Zvi认为，大模型可以帮忙筛出招股书里的套话 43:17 雅虎与初创公司互相推高估值，成为泡沫循环的例子 AI普及与经济潜力 47:11 Zvi把对 AI、AGI、ASI 的接受程度比作三颗药丸 57:58 模型能力进步比预期快，普及速度则比预期慢 新产品与网络安全风险 1:02:44 API、聊天机器人之后，Claude Code又成为新产品形态 1:04:50 Binance遭黑客攻击损失超过50亿美元，钱流向朝鲜 🌟 精彩内容 💡 Q3增速放缓，可能是 GPU 不够 Anthropic 说自己一直受算力限制，需求超过可获得的供应。第三季度算力支出的一半用在短期采购上，Patrick 据此判断，营收放缓可能是因为能买到的 GPU 都用上了。 "第 3 季度营收走弱，问题不在需求，而在供给。" 💡 这项员工福利可能贵得惊人 Anthropic 的员工捐赠配捐没有上限，部分员工捐出价值2000万美元的股权，公司可能再配捐6000万美元。第三季度公司已为这项计划计提20亿美元非现金费用。 "所以没错，这几乎肯定是资本主义历史上最昂贵的员工福利。" 💡 8000亿美元承诺，他还嫌 Anthropic 太保守 Anthropic 的算力采购承诺约8000亿美元，听起来像一笔惊人的负担。Zvi认为，真正的风险也包括算力不够、错过增长；如果需求持续旺盛，没买够算力的代价可能更高。 "但我确实觉得他们太保守了。" 💡 AI普及慢，不代表它的价值小 Zvi说，企业需要看到别人先用起来，也需要 AI 自然进入工作流程，才会大规模采用。与此同时，AI 推理支出目前只有每年数百亿美元，Patrick认为长期空间远不止于此。 "这些东西能随时提供认知能力。这种能力的价值看不出明显的上限。" 💡 网络攻击不是一次性补账 AI让更多人能并行寻找和利用漏洞。Zvi认为，即使花钱处理眼前积压的安全问题，下一层漏洞仍会出现，互联网和数字服务会持续承受攻击。 "等我们处理掉那 5000 亿美元的问题，我不认为系统就会变得安全可靠。" 🌐 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：When Shift Happens · LLM Creator: How AI and Crypto Will Reshape The World Over The Next 10 Years - NEAR Founder| E193 原内容更新时间：2026-11-05 你把财务、医疗或法律问题交给 GPT，问过的内容可能被传票调取。Transformer 共同发明者、NEAR 联合创始人 Illia Polosukhin 认为，AI 不该只服务于开发它的公司，而应该保护隐私、与你的目标一致，让你更成功。 这一集从 Transformer 如何让机器并行理解文字，讲到 Illia 为什么离开谷歌、转向区块链，以及 NEAR 如何把隐私 AI 和区块链结合起来。他也解释了企业数据如何进入 AI 服务商的数据库、隐私计算怎样让用户验证模型和提示词，并谈到个性化医疗可能带来的变化。 👤 本期嘉宾 Illia Polosukhin 是 NEAR Protocol 联合创始人、NEAR Foundation CEO，也是 Transformer 架构的共同发明者之一。他曾在谷歌从事 AI 研究，参与撰写《Attention Is All You Need》；此后创办 NEAR，并将隐私与用户所有权带入 AI 和区块链领域。 ⏱️ 时间戳 使命与个人起点 03:09 每个人都该拥有自己的数据、资产和选择权 04:19 乌克兰恶性通胀中，几个月物价涨到十倍 Transformer与AI变革 08:12 给机器维基百科文章，再让它回答问题 09:00 Transformer 能并行读取一页上的所有文字 从AI转向NEAR 14:00 给中国、东欧和东南亚学生付钱做数据标注很难 18:27 牛市建起生态，市场随后崩盘仍继续建设 隐私与用户拥有的AI 22:19 中心化 AI 服务商能看到用户发来的明文 24:29 法律问题可能被传票调取，医疗和财务也应使用私有 AI AI风险与未来生活 40:31 个性化医疗或许能为长尾疾病定制药物 🌟 精彩内容 💡 你的 AI，未必站在你这边 公司开发 AI，核心动力是增长和赚钱；当收入压力上来，做法未必总对用户有利。Illia 设想的用户拥有的 AI 则要保护隐私、与你的目标一致，并让你更成功。 "AI 应该站在你这一边。" 💡 法律问题可能不受特权保护 Illia 提醒，向 OpenAI 提问的内容可能通过传票调取。法律辩护、医疗资料、财务信息，以及公司的知识产权和工作流程，都可能涉及隐私风险。 "因为你向 OpenAI 问的所有问题，都可以通过传票调取，所以不受特权保护。" 💡 AI 入口可能影响十亿人的选择 他举例说，如果有人想影响大量用户，修改 ChatGPT 的 system prompt，可能就能让模型在对话中潜移默化地推动某种看法。他认为，光靠检测未必够，用户还需要能验证模型、提示词和运行代码的密码学保证。 "你只需要更新发送出去的 system prompt。" 💡 个性化医疗或许能顾到长尾疾病 Illia 设想把血检、DNA 和扫描结果交给 AI，在保护隐私的前提下定制 mRNA、CRISPR 或多肽。他说，一些长尾疾病因为不够赚钱，制药公司甚至不会碰；目前缺的是能把个性化药物规模化生产的服务。 "我觉得，在未来两年左右，我们就会看到其中一些应用达到相当的规模，然后就会加速发展。" 💡 AI 自动化结果，人仍在意过程 他的判断是，凡是人们只关心结果的事情，都会走向自动化；但体育、艺术和音乐，人们在意的不只是结果。社会还得适应职业不再等同于个人身份的变化。 "凡是我们关心结果的事，都会实现自动化。凡是我们关心过程的事，我们都会继续自己做。" 🌐 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：Lex Fridman Podcast · #395 – Walter Isaacson: Elon Musk, Steve Jobs, Einstein, Da Vinci & Ben Franklin 原内容更新时间：Sun, 10 Sep 2023 “如果你不知道怎么制造自己设计的东西，就不可能成为一个优秀的创新者。”沃尔特·艾萨克森从马斯克的工厂、火箭和自动驾驶讲起，拆解他如何用第一性原理追问每个零件、把设计和制造连在一起，也讲到这种高强度工作方式的代价。 这位写过马斯克、乔布斯、爱因斯坦等人传记的作者，还谈到童年心魔如何成为驱动力、为什么有些人善于管理而有些人更适合观察与写作，以及他如何通过采访和按时间顺序讲故事理解人物。节目也追问：马斯克究竟是如何专注于多家公司、招揽人才并推动团队全力投入的？ 👤 本期嘉宾 沃尔特·艾萨克森是传记作家，写过埃隆·马斯克、史蒂夫·乔布斯、爱因斯坦、本杰明·富兰克林、列奥纳多·达·芬奇和 Jennifer Doudna 等人的传记。他在写马斯克传记时近距离观察马斯克超过 100 小时，也采访了 140 到 150 位相关人士；对特斯拉、SpaceX、Twitter 的团队与工作方式有长期观察。 ⏱️ 时间戳 童年心魔与冒险 02:56 童年留下的心魔，成了马斯克冒险的驱动力 03:53 被欺负住院，回家还要听父亲责骂 驾驭心魔认识长处 10:13 人生第一条法则：驾驭自己的心魔 12:40 艾萨克森发现自己不适合高强度管理 局外人如何成就非凡 21:24 爱因斯坦做三级专利审查员时写出三篇论文 24:12 别人放弃电动车，马斯克仍想改变世界 第一性原理与制造 26:47 马斯克判断碰撞测试用四个螺栓就够 28:32 特斯拉曾把电池、底盘和组装分散在多国 虚拟世界与疯狂天才 40:45 电子游戏成了马斯克的减压阀 45:02 沃兹说：没有乔布斯，可能就没有 iPhone 收购推特与硬核团队 1:00:19 马斯克的删减法：删完还要加回 20% 传记写作与采访之道 1:28:24 写马斯克时，观察素材超过其他大多数传主 1:32:15 马斯克沉默几分钟，采访者别急着打破 审视人生与回馈家乡 1:46:03 未经审视的人生不值得过 1:49:38 艾萨克森搬回新奥尔良，参与家乡事务 🌟 精彩内容 💡 创新者得懂制造 特斯拉早期的电池、底盘和组装分散在日本、泰国和英国，制造过程难以掌控。马斯克后来把软件、喷漆和电池生产逐步放回公司内部，并把设计师的办公桌放到装配线旁。 "如果你不知道怎么制造自己设计的东西，就不可能成为一个优秀的创新者。" 💡 第一性原理敢删掉零件 马斯克在特斯拉生产线上质疑一个固定零件的六个螺栓，认为四个就够；团队测试后发现他说得对。他也坚持自动驾驶可以只靠视觉，但艾萨克森指出，马斯克没能很好地按自己设定的期限实现自动驾驶。 "他从第一性原理出发。" 💡 马斯克的专注不是多线程 他会在植入 Neuralink 芯片、猛禽发动机和自动驾驶之间切换，但不是一边处理所有事情。他会高度专注地做一件事，再换到下一件；这种工作方式依赖能替他处理其他事务的团队。 "他是依次做一件件事，专注的程度非常狠。" 💡 推特裁员大约做过头 20% 马斯克让团队检查推特代码，并分三轮裁员 85%。服务质量确实下降；艾萨克森说，马斯克的做法是先删减，再看是否有必要把一部分加回来。 "他大概是做过头了 20%，这就是他的公式。" 💡 马斯克的心魔也连着他的驱动力 艾萨克森讲到马斯克童年遭受欺凌、回家后被父亲责骂，也讲到这些经历如何让他更愿意冒险。马斯克的阴暗模式、冲动和使命感，在艾萨克森看来并不容易彼此拆开。 "我不知道你能不能把那根线从布里抽出来，而布还能保持完整。" 💡 留意自己真正擅长什么 艾萨克森经营 CNN 后发现，自己不适合高强度管理，更擅长观察人物、把故事写出来。他把认识自己的心魔与超能力，视为工作和人生选择的重要起点。 "人生第一条法则就是驾驭自己的心魔。" 🌐 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：SOTA Wives · Shutting down a startup, joining an AI lab, and leaving it | SOTA EP2 原内容更新时间：2026-11-05 融了大约 1500 万美元，团队却只有七八个人；五年后，创始人决定关掉公司，把剩下的钱退回去。Thariq 说，融得太多，可能让自己误以为已经做成了什么，实际上却没有。 刚离开 Anthropic 的 Thariq，和 YC 合伙人 Vivian、Cerebras 开发者体验负责人 Sarah，聊创业为何走到尽头、加入 AI 实验室的选择，以及实验室光环之外还有多少创业机会。他认为，创业公司仍然可以做出成绩；很多人不是缺天赋，而是缺少试一试的勇气。 👤 本期嘉宾 Thariq 曾创办一家在线玩《龙与地下城》等游戏的平台，创业五年后关闭公司并退回剩余资金。此后他做过 AI 研究和电子表格 agent，在 Anthropic 工作约一年半，接触 Claude Code 等工具；他的创业经历和实验室工作，让他能从两边谈创业与 AI 实验室的机会。 ⏱️ 时间戳 创业、融资与转身 04:54 融下约 1500 万美元，团队却只有七八个人 06:34 对 AI 感兴趣，创业公司却融得太多 07:01 融资过量让人误以为自己已经做成了事 湾区生活与内容创作 09:14 湾区高中磨炼孩子，是不是值得？ 11:22 远程创业者眼里的旧金山有许多面 16:09 他最擅长的是创造性地用 AI 编程 实验室、创业与竞争 17:33 他认为 Anthropic 从 Sonnet 3.5 起编程最强 19:07 新模型发布，创业公司就会被杀光吗？ 20:49 「勇气比天才更稀缺」 间谍传闻与末日想象 29:48 「我就是写 TypeScript 的」，不值得被色诱 30:22 间谍传闻大体被夸大，也可能确有其事 31:32 没有 Twitter 和 TypeScript，末日里能干什么？ 🌟 精彩内容 💡 融得太多，可能让创业更难收场 Thariq 的公司做在线玩《龙与地下城》等游戏的平台，疫情期间拿到约 1500 万美元 A 轮融资时，团队只有七八个人。融资规模远超已证明的业务进展，也让公司更难被收购；最后他把剩下的钱退了回去。 "我们融的钱太多了，而我对 AI 特别感兴趣。" 💡 实验室不会把你变成天才 Thariq 加入 Anthropic 前已经摸索出一套使用 AI 的方法，在职期间确实又变得更擅长。他也看到新加入的人带来新点子，但不认为实验室有本事把人变成天才。 "所以我不觉得这些实验室有什么特别之处，能把你变成天才。" 💡 创业公司还有机会，关键是持续往前推 实验室发布新产品时，外界常担心初创公司会被淘汰。但 Thariq 认为，创业者要不断找产品与市场的契合点；过度理性地比较双方实力，反而可能让人提前退出。 "创业是一场靠势头推进的游戏。" 💡 有天赋的人很多，敢试的人更少 Thariq 认为，创业者只要专注解决问题、有能力，也有一点勇气，就能做出有意思的东西。他看到旧金山有很多天赋出众的人，却未必愿意冒险尝试。 "勇气比天才更稀缺。" 💡 先做有意思的工作，才有东西可写 Thariq 用 Claude Code 做视频时，过程麻烦又费时间，但越投入，效果越好。他认为内容创作不能只剩下当名人；要先去做那些有意思、也免不了枯燥的工作，之后才有内容可讲。 "所以你得先去做，然后再讲出来。" 🌐 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：All-In Podcast · All-In Podcast REACTS to Democrat Sweep! 原内容更新时间：2026-11-04 柴油和化肥都贵了一倍，农场普遍亏损；而当选举结果指向民主党大胜，AI股票也跟着承压。选举夜的这场讨论，把投票、生活成本和科技投资放在了一张桌上。 All-In Podcast主持人与多位嘉宾从提前投票、两党策略聊到医疗费用和农业困境，也谈到蓝色海啸可能如何影响数据中心建设、AI投资和GDP。节目最后，Chamath回头检视自己的判断：选民在意的，或许不是GDP数字，而是工资有没有增长。 👤 本期嘉宾 All-In Podcast选举夜直播邀请了Ted Cruz、Rahm Emanuel、Polymarket创始人Shayne Coplan、喜剧演员Tim Dillon、记者Taylor Lorenz、投资人Brad Gerstner和Ben Shapiro参与讨论。他们分别从提前投票与国会局势、立法和医疗改革、预测市场机制、生活成本、言论自由、AI基础设施投资及2028年选举等角度发言；Brad Gerstner也谈到自己对AI算力建设和市场走势的判断。 ⏱️ 时间戳 加州税案与选情开场 00:40 加州税制会让人越来越不愿意在这里建设事业 Ted Cruz谈提前投票 04:35 得州提前投票：约四分之三的4D、3D选民已投票 民主党胜选的后果与警讯 11:10 Ted Cruz称蓝色海啸对AI和数据中心尤其不利 Rahm主张用立法重建信任 23:11 道德规范提案包括禁股票交易、设盲目信托 民主党该走合作还是焦土路线 39:09 Chamath追问：民主党究竟想达成什么？ Shayne解释预测市场机制 44:45 一份25美分的预测份额，对应25%的胜率 生活成本推动政治极化 言论自由与财富集中之争 1:15:35 Taylor Lorenz警告：监管可能带来全国身份识别制度 蓝色海啸冲击AI投资 1:25:05 Brad Gerstner估计至少10到15吉瓦算力可能无法投用 选举反思与2028布局 1:45:59 Chamath承认：自己可能太容易忽略工资增长 🌟 精彩内容 💡 选民在意的不是GDP Chamath回头检视自己的判断：他过去太纠结于GDP，也太容易把工资增长轻轻带过。选举结果让他重新思考，普通人真正能感受到的经济指标是什么。 "归根结底总是经济问题。具体来说，不是 GDP……而是最基本的 W-2 工资增长。" 💡 农场成本翻倍，农场普遍亏损 Friedberg说，97%到98%的农场在亏钱；化肥和燃油价格都翻了一倍，而美国失去了最大的农产品买家中国。他认为，农业困境也反映在农村州的选举结果里。 "现在有 98% 或者 97% 的农场都在亏钱。" 💡 医疗费用是通胀压力的大头 Rahm Emanuel指出，医疗费用是许多美国人感受到的首要负担：4000万人用信用卡支付医疗费用，保险费涨幅达到两位数，而收入停滞。他还提出，医院总成本的四分之一花在处理保险理赔的行政事务上。 "让美国人感受到通胀压力的头号问题是医疗费用。" 💡 AI算力建设可能慢下来 Brad Gerstner提到，市场原本预计2027年有43吉瓦算力投入使用，但他担心最终可能只有一半上线，并估计至少10到15吉瓦可能无法投用。他判断，如果AI基础设施增长速度放慢一半，明年GDP增速可能减少50个基点。 "如果我们把 AI 基础设施的增长速度放慢 50%，明年的 GDP 增长可能会因此减少 50 个基点。" 💡 生活负担会把人推向极端 Tim Dillon把政治极化和住房、债务及生活成本联系起来：一些受过大学教育的年轻白领觉得自己越来越落后、永远不会拥有资产，于是愿意支持更激进的政治选项。 "如果人们没法拥有自己的房子，结不了婚、生不了孩子，没法生活，他们就会被激进化。" 🌐 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：Enrico Mayor · What I Learned After 20+ Startups | Enrico Mayor Podcast #6 原内容更新时间：2025-08-12 做了 24 家公司，只有 2 家成功；创业的压力大到被送上救护车。Serafim Korablev 经历过关停公司、解散团队，也在失败后重新开始。 作为 21st.dev 创始人，他从产品经理一路做过二十多家公司，后来又自学编程、用 AI 工具做产品。这一集里，他讲快速迭代为什么有时有效、什么时候该关掉公司，以及为什么他认为 AI 能辅助开发者，却还不能替人构建真正有用的产品。 👤 本期嘉宾 Serafim Korablev 是 21st.dev 创始人和连续创业者。他说自己创办过 24 家公司，其中只有 2 家成功；曾创办 Via Exchange，团队有 17 人、25 位投资人，关停公司后经历了抑郁和健康问题。他后来开始自学编程，做出 AI 视频编辑器 Cutly、Gaspam 和 21st.dev，也从 2023 年起用 ChatGPT 辅助编程。 ⏱️ 时间戳 创业路径与迭代 01:30 他说这是自己的第 24 家公司，做过很多项目，只有 2 个成功 10:28 他也怀疑频繁转型让自己没那么成功 失败、关停与重启 15:01 关掉第一家拿了风投的公司，让他最痛苦 19:01 在巴厘岛的救护车上，他意识到身体已经撑不住 新项目与快速上线 23:26 回到俄罗斯后，4 周推出 AI 视频编辑器 Cutly 27:05 Gaspam 上线前 1 分钟发现严重 bug，第二天才发布 卖公司与衡量增长 32:15 买家说“我今天就想买下这家公司” 37:53 Gaspam 有约 25 万用户，21st.dev 每月约 10 万访客 热爱驱动创造与编程 47:43 3 天做出 21st.dev 的第一个版本 融资、团队与AI边界 54:38 8 天融到 150 万美元 1:02:32 他说 AI 还不能替你做出真正有用的完整应用 财富、使命与终身学习 1:08:33 他想在俄罗斯创办私立大学，支持科学家 1:17:02 给年轻创始人的建议：从真正有意义的事里找动力 🌟 精彩内容 💡 24 家公司，只有 2 家成功 Serafim 说自己经历了许多失败，直到第 20 家、第 30 家公司，成功的机会才逐渐增加。他把创业看成低概率的尝试，但也承认，自己频繁转型未必是最佳做法。 "我创办的可不止两家公司，这是我的第 21 家公司。" 💡 创业失败，身体先替他喊停 Via Exchange 融了钱、招了团队，后来没能融到下一轮，资金也不够支付团队工资。经历抑郁、压力和健康问题后，他在巴厘岛的救护车上意识到必须停下来。 "身体先对我说，停下来。" 💡 7 天上线，差点卡在最后一分钟 团队决定 7 天做出 Gaspam，却直到原定上线前才发现一个严重 bug，只好推迟一天。Serafim 认为，自己的创业经历让他敢于先做出来、快速上线，而竞争对手花了几个月准备。 "因为我们 7 天就能做出来。为什么要花更长时间做呢？" 💡 一个人做产品，不等于 AI 能独立造产品 他用 AI 辅助写代码，3 天做出 21st.dev 的第一个版本；但他认为，要做出真正可用的产品，开发者仍得懂架构、知道要解决什么问题。 "AI 没法替你做出来，但可以帮你做。" 💡 只为赚钱，创业失败后容易不再尝试 Serafim 认为，若动力只是赚钱、地位或变富，没达成目标时，人很容易失望；喜欢正在做的事，失败后才更可能愿意再试一次。 "找到动力特别重要，找到对你有意义的事，做有意思的东西，让自己感到快乐。" 🌐 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