张小珺 Jùn｜商业访谈录

今天的嘉宾是战略学家曾鸣教授。曾教授曾经是阿里巴巴集团总参谋长，也参与过两所商学院创建（长江商学院和湖畔），但他更令人熟悉的身份是：一名对企业战略有许多深度思考的研究者。不少创业者和企业家都受到过他的启发。 作为观察过互联网完整周期的研究者，今天我们聊了聊他对 AI 新时代、新范式的完整思考，并和历史上关键转折时期做了对照——聊完让我有了更全局的视角。 对 AI 的产业发展，曾教授提出了许多非共识判断，甚至是一些“暴论”。 这里我先摘录 15 条： AI 产业化会有三个阶段：1）第一个阶段，技术逐渐被社会接受，成为社会基础设施；2）第二个阶段，基于基础设施产生海量新应用，进入百花齐放的时代；3）第三个阶段，当这些海量应用出现，大家发现需要一些更底层的方法运行新的世界，我把它叫作“原生应用阶段”。 我只是研究商业世界的动力学规律，我能看到的理论框架告诉我：第一阶段的企业，很难活到第二阶段；第二阶段的企业，很难活到第三阶段。 对比互联网时代，我们现在刚刚走到浏览器阶段，甚至比 Yahoo 还要早。 模型公司怎么类比？它有点像另外一个已经消失了的公司——美国在线 AOL，它是互联网基础接入服务商，让所有人都能够接到互联网上，这本身是个巨大的工程。今天，大模型则是让所有人都可以轻易接入智能的入口，它也是一个基础设施服务商。 直白一点说，模型公司就是未来的 AI 云公司。 公共基础设施的行业，只有一种商业模式是成立的，叫寡头垄断加政府强监管——我知道这个现实对很多现在创业的人很残酷。 Anthropic、OpenAI，大概率不是原生应用阶段的大玩家、大赢家。 因为经济学基本规律，只要有同质化的供给，你就不可能获取高额利润，你就是一家不怎么值钱的公司。 下个阶段就是看谁是 Netscape、谁是 Yahoo，谁把 Agent 的标准建立起来，谁抢住 Agent 的用户入口。未来三年是有可能开始出现 Agent 入口的。 新的平台大概率不诞生自旧的平台。因为旧平台做的是简单信息匹配，新平台要做的是能力跟需求的匹配，复杂度高了很多。 作为工业化革命的产物，科层制管理的公司制度会衰亡——就是说，“公司”会消亡。这没有什么可以遗憾的呀，将来有更好玩的——你说多少人现在去公司上班是开心的？ 我从来觉得在巨浪面前没有人是安全的。谁觉得安全，谁就是最不安全的。 CEO 不能有老板心态。谁还认你啊？——现在说我都不陪老登玩了，我还陪你老板玩？ 张：这个时代的企业过渡到下一个时代的企业，还能做得非常好的，多不多？曾：不是多不多的问题，是有没有的问题。张：有没有？曾：基本没有。 这一点都不让人绝望啊，人有生老病死，公司也有生老病死，没有比这更正常的了。这样，新公司才有机会，年轻人才有梦想，这多好的一件事情啊！ 好了，更多内容还是收看我们的播客吧:) 接下来，就是我对曾教授的访谈。 OUTLINE: 00:03:08 来自商业规律的残酷真相 00:39:53 新平台不来自旧平台 01:06:15 “公司”要被淘汰 01:31:10 优秀≠卓越 01:38:17 战略生成系统 02:02:48 没有巨头是安全的 02:18:01 创造就是“无中生有” LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在小宇宙、Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

今天的节目是一集学习播客，学习 Kimi K3 技术报告，希望和大家一起领略“技术之美”。 K3 是有效扩展到 2.8T 总参数并全量开源的 MoE 模型。大家可能注意到，这集技术报告的领读距离模型发布已经过去一段时间。期间，我们试图寻找一位合适的嘉宾，我们希望这位嘉宾的学术和工作背景非常适合讲 K3。最后找到孙宇涛。 宇涛目前是清华大学计算机系博士候选人，上海创智学院璞锐学者。他从博士开始的研究方向是 LLM 架构、预训练，架构创新一直是他的兴趣点，这正好是 K3 亮点之一。 宇涛透过领读 K3 技术报告也串联讲解了十多篇相关论文。他的语速非常快——前方语速预警。 OUTLINE: 02:00 宇涛的自我介绍和研究经历，为什么对架构创新最感兴趣？ 16:05 从 Kimi K3 论文出发，论文讲解的框架与脉络 19:02 宇涛开始领读论文： 1 导读 Kimi K3 将设计概括为沿 sequence、depth 和 width 三个维度扩展信息流；其中 depth 与 width 本质上仍是模型容量扩展的两种组织⽅式，这⼀“三维 scaling”更多是贯穿论⽂的叙事框架。 2 Model Architecture 2.1 线性注意⼒的前世今⽣ [Microsoft Research] RetNet：最初的 data-independent decay 与 chunk-recurrent 递归形式 [NVIDIA] Gated DeltaNet：引⼊ gated delta rule [Moonshot AI] Kimi Linear：fine-grained decay 及其带来的 infra 变化 2.2 Gated MLA [Alibaba Qwen] Gated Attention for Large Language Models：attention gating 与训练稳定性 2.3 Attention Residuals [Microsoft Research] On Layer Normalization in the Transformer Architecture：Pre-LN、Post-LN 与训练稳定性 [ByteDance Seed] Hyper-Connections：残差连接的新维度 [Moonshot AI] Attention Residuals：以跨深度 attention 取代固定残差累积，使各层选择性聚合此前表⽰ 2.4 Stable LatentMoE 与 SiTU-GLU [NVIDIA] LatentMoE：通过 latent expert space 降低 MoE 通信与权重访问成本 [OpenAI] GPT-OSS：以 clamped SwiGLU 控制激活值 2.5 Muon [Moonshot AI] Moonlight / Muon is Scalable for LLM Training：更好的优化表现及随之突出的 activation outlier 问题 2.6 Quantile Balancing [科学空间] 《MoE 环游记：6、最优分配促均衡》：从最优分配推导 Quantile Balancing 2.7 Native Vision 3 Pre-Training 3.1 Scaling Law [OpenBMB] MiniCPM：WSD 的训练预算扩展、稳定阶段复⽤、继续训练与提前停⽌ 3.2 Long-Context Extension [Cohere] RNoPE：交替使⽤RoPE 与 NoPE，兼顾位置建模与长上下⽂检索 4 Post-Training 4.1 Post-Training Pipeline 4.2 Reinforcement Learning [Moonshot AI] Kimi K1.5：提出 partial rollout，通过复⽤未完成轨迹降低长 CoT rollout 开销 [Moonshot AI] Kimi K2.5：reasoning-effort budget control 与 Agentic Generative Reward Model 4.3 Multi-Teacher On-Policy Distillation [Microsoft Research] MiniLLM：基于 student-generated samples 的 on-policy distillation 4.4 Deployment-Aware Post-Training 4.5 Draft Model Fine-Tuning 5 Infrastructure 5.1 Pre-Training 5.1.1 KDA Kernel [FLA] Flash Linear Attention：KDA kernel 与线性注意⼒⾼效实现 5.1.2 Distributed Training [DeepSeek-AI] DeepSeek-V3 Technical Report：DualPipe 与细粒度 MoE communication–computation overlap MoE overlap 的资源 trade-off 与 cross-PP activation transfer 5.1.3 Perfectly Balanced Expert-Parallel MoE Training 5.1.4 Memory-Efficient Training [Moonshot AI] Mooncake：Mooncake Transfer Engine 与 cross-PP activation remote offload 5.1.5 Multimodal Encoder Optimization 5.2 RL 5.2.1 Long-Context RL Infrastructure 5.2.2 Sandbox Infrastructure 5.3 Inference 5.3.1 KDA-Aware Prefix Cache Management 5.3.2 High-Performance Kernels 5.3.3 Fleet-Level Scheduling LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在小宇宙、Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

今天是一集很可爱的播客，嘉宾是出生于 2009 年，现今 17 岁的高二学生苏庭灏 （Jonathan）。他高中阶段独立做预训练研究，发表的一篇关于 Attention 机制的论文刚刚被 ICML 2026 Main Track 接收。 我们的节目访谈过许许多多成熟的 AI 研究者，但这是第一次，我打开了一个高中生的 AI 世界。他的表达时常有些令我新鲜和奇妙。 我们聊了聊，过去 2 年他充满惊喜、趣味，还有哭鼻子的 AI 旅程，也聊了聊高中生视角下的模型、商业、教育与人类未来。他说，AI 让他和同学们有时会感到失去了一些人生的意义感，因为不管你做什么 AI 都可能比你做得更好，他为此难过了一段时间。 但后来他调试好了心情。他想好了，他就是想让自己开心，让自己喜欢的人开心，让所有人都开心！——开心是人之根本——既然 AI 不可控，就不要杞人忧天，要多和喜欢的人聊聊天呀：） 参加完韩国 ICML，中途在城市停顿几天，他就要去农村支教了。那是全然的另一个世界。他提醒自己，要离开 AI，沉浸到另一个抓昆虫、玩狼人杀、慢吞吞的人类世界。 接下来，就是我和苏庭灏的聊天。 OUTLINE: 00:03:04 我想做一个全世界最好的大语言模型！ 00:08:12 喜欢自由探索，喜欢下象棋，象棋如游戏 00:11:15 我如何独自做预训练，预训练有点 magical 00:13:07 我白白丢了 1500，我特别特别伤心，我都哭了 00:13:55 被 2026 年 ICML 收录的论文《Attention Projection Mixing with Exogenous Anchors》 00:17:48 高中自学 AI 之路和那些灵光乍现的时刻 00:21:44 我一生中前 20 最开心的时刻 ，遇到每个人我都会问：AI 会灭绝人类吗？ 00:28:22 我眼中的模型公司、应用公司、机器人公司、AGI 与商业世界 00:31:46 作为 AI 原住民的 05 后，我会教我父母用 AI，我观察 AI 让好学生成绩更好了 00:36:47 一位高中生视角下，AI 降临后的教育突变：人失去了意义感 00:40:05 我希望 AI 发展别那么快，给人类一个缓冲的时间 00:41:32 我同学说，我现在从读书到当医生还要 10 年，但没人知道 10 年后是不是 AI 做的比人好 00:47:09 AI 降临前后的两个世界和两种生活 00:51:44 我从韩国 ICML 回来马上穿梭进另一个世界：在农村支教 00:57:21 开心是人之根本，开心的总量是有限的 00:59:12 狂想未来，我希望所有人都开心！！！ PHOTOS: (第一次参加 ICML 的 Jonathon) （象棋比赛中的 Jonathon） （在支教的 Jonathon） LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在小宇宙、Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

每次见到刘洺堉，他都穿一件黑色夹克，背着一个有点旧的斜挎包。 现任英伟达研究副总裁的刘洺堉，是英伟达第一位从研究员擢升至副总裁之位的管理者，他领导英伟达最重要的模型项目之一——世界基座模型 Cosmos。 刘出生于中国台湾，是金庸小说爱好者。18 岁起，刘洺堉就师从著名的武术家徐纪（神枪李书文一脉传人），练习中国功夫，一直至今。最近他又有了一个 ice plunge（冰水浴）的新嗜好。凌晨 4 点多，刘洺堉起床后会依惯例进行武术训练：一个人蹲桩、打拳。做完全套后，再只身跳进冰桶，帮助身体修复。 这种锻炼习惯与我对刘洺堉的印象截然不同——他看起来谦和，说话音量也不大。“中国武术最重要的是控制自己。”刘洺堉说，“我并不是为了展现强大的破坏能力。” 某种程度上，这反映了他以及他所代表的英伟达这样巨型的基础设施型企业的竞争观。 访谈中，他反复强调，他没有任何竞争对手，他没有和任何人竞争，所有人都可以是合作伙伴。 “什么叫战争呢？我没有打算把别人杀死。”刘洺堉说，“我们的心态不是说想把别人给杀死，我们的心态是我们要怎么去造市场。你懂我意思吗？” “Jensen（英伟达创始人兼 CEO 黄仁勋）经常说，要造市场，而不是存量竞争。他讲我们就要做 zero-billion-dollar business（从零到十亿美元的业务）——你可以不赚钱，但当这个生意成功的时候，必须是很 influential（有影响力）的。不能说满足每年赚 100 个 million（1 个亿）——这种 scale（规模）对很多公司都很大，但对英伟达而言，这是一个 distraction（分心）。”刘接着说，“你要去解最重要的问题，产生最大的贡献。” 英伟达正在“造”的市场，即面向物理世界的人工智能（Physical AI），世界基座模型 Cosmos 被寄予厚望。这个项目从 2024 年立项，经过两年多已发布至 Cosmos 3。Cosmos 直属团队不到 100 人，虚线汇报规模是 200 至 300 人。黄仁勋对刘洺堉表达战略决心，称：“你就做到 Cosmos 97。” 如今，刘洺堉已在美国生活 20 年，在英伟达工作 10 年，他仍然用一些朴素的东方智慧进行技术表达——比如，他把大模型比作中医，时常援引《孙子兵法》“备多则力寡”来思考世界模型的技术趋势。 本次访谈，我们详细地聊了聊 Cosmos 系列（尤其是前不久发布的 Cosmos 3）、世界模型、物理世界的人工智能、英伟达的竞争观、组织哲学，当然还有绕不开的黄仁勋。 接下来，就是我对刘洺堉的访谈。 OUTLINE: 00:02:35 英伟达的赌注与边界 00:29:57 意外、顿悟、转变 01:02:46 如何在英伟达拿到 GPU 01:21:57 从研究员到英伟达 VP：“我可能是第一个吧” 01:37:00 Cosmos 的诞生 01:51:39 从 Cosmos 1 到 Cosmos 3 的演变 02:36:33 “黑客帝国” 02:44:20 下一个 CUDA? 02:47:04 关于黄仁勋：Mission is the boss 03:12:20 模型竞争不是鱿鱼游戏 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在小宇宙、Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

我们此前访谈过谢赛宁（AMI）、洪乐潼（Axiom），他（她）们分别来自在欧洲和美国的 neo lab。但今天，这个现象已不止于海外——2026 年，中国也涌现了一批新型实验室。 这些有研究背景的老师或学生，正在成为一级市场的新宠儿。他们普遍年轻、有名校科研背景、第一次创业。在还没有产品的时候，就能以估值数亿美金融资。当下资本涌入最活跃的方向是，世界模型和 AutoResearch（又称 AI for AI）。 我很好奇这个现象的现实与成因。这集节目，我邀请了清华大学人工智能学院助理教授、上海期智研究院 PI 刘子鸣。他毕业于北大和 MIT，是 KAN 网络的一作，于 3 月刚刚回国到清华任教，同时参与创建公司元环智能。他用“太疯狂了”来形容这股新的资本潮。 我们聊了聊中美 neo labs 的兴起与成因，以及他所探索的一条非典型 AI for AI 叙事。 接下来，就是我对刘子鸣的访谈。 OUTLINE: 00:02:00 刘子鸣的自我介绍（从物理转型 AI） 00:08:24 研究者的类型：“鸟人”vs“蛙人” 00:10:24 2024 年研究 KAN 网络，刚开始 Max Tegmark 不同意 00:16:18 思考，怎么让设计模型也变成一门科学，变得 scalable？ 00:18:21 我同意谢赛宁说，“大语言模型是反 bitter lesson 的” 00:20:20 在我看来，在后 LLM 的时代，模型设计会变得更重要，因为 LLM 的成功不是因为模型 00:21:16 我的研究：嫁接神经和符号两个世界，嫁接 AI 和自然科学两个世界 00:28:00 从 MIT 到斯坦福，信仰变了，身边很多人都从 scientist 转化成 entrepreneur 00:37:11 26 年，亲历了硅谷和中国两边 neo labs 创业潮，neo labs 大量涌现的本质是什么？ 心理层面，一部分研究员不想做“大头兵”；现实层面，neo labs 的方向是 Coding Agent 的 missing part 00:42:41 当下 neo labs 资本涌入最活跃的两个方向：世界模型和 AutoResearch 00:44:16 作为 neo labs 参与融资的实际体感：“就是，太疯狂了！” 00:46:51 做 AI for AI 技术路线和田渊栋的 Recursive Superintelligence（RSI）区别是什么？ 00:54:53 meta model（原模型）是预测下一个 curve，这件事怎么做呢？ 设定的目标是什么？ 01:04:20 如何理解 AI 这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验） 01:09:09 为什么做 AI for AI 需要 Physics of AI？为什么做 AutoResearch 需要理解 AI 的原理？ 01:12:49 Anthropic 的机制可解释性能做到什么程度？ 01:18:16 如果 AI for AI 在 AGI 主线上，neo labs 和现有 frontier labs 的竞争 01:21:57 倘若人人都能训模型，能干啥？ 01:26:25 梳理今年中美做 AI for AI 的创业团队和路线 01:34:50 截至 2026 年 AI 发展阶段和创业新体验 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

今天我们的嘉宾是游凯超，他是创业公司 Inferact 联合创始人兼首席科学家——这个公司很特殊，是从伯克利一个校园开源项目 vLLM 演化而来。这个社区的维护者用了将近 3 年时间，把它从一篇算法论文变成了一个开源社区，又变成了一个公司的正常运营。 这些维护者们放弃了大量的个人诱惑，坚持着他们所相信的开源精神。 今年初，Inferact 获得了 1.5 亿美元种子轮融资。我们讨论了当一个寄托着社区情怀的开源项目，变成一个商业化的组织运营之后，它所面临的抉择、转变与思考。 另外一方面，我们也非常希望在 AI Infra 技术前沿上，给大家带来一些新的思路。所以我也和游凯超聊了聊，在 AI Infra、模型结构，甚至 Harness Engineering 都要联合设计的时代背景下，多方的联合设计应该怎么做？ 接下来，就是我对游凯超的访谈。 OUTLINE: 00:02:18 从算法到机器学习系统 00:37:56 开源项目 vLLM 的诞生 01:07:25 “如果 vLLM 失败了，我们会后悔一辈子” 01:20:11 “仁慈的独裁者” 01:37:16 从社区到创业 01:52:56 模型与 Infra 的 Co-design 02:15:10 Token VS 电力 02:35:41 技术预测 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

进入 2026 年，中国科技业萌生了一个新现象：出现一批从机器人大脑出发的公司，现阶段重心不在本体上。这个现象是反直觉的——过去，大家认为，硅谷机器人团队更专注大脑研究，中国机器人团队更专注硬件和本体。 在我们上集节目中，我访谈了 Physical Intelligence(Pi)研究科学家柯丽一鸣。Pi 是一家在硅谷做机器人大脑的备受瞩目的实验室。业内人士把它们比作机器人的 OpenAI。 今天我邀请的是一位在本土探索原生具身基模的公司，是由蚂蚁集团孵化的子公司蚂蚁灵波，目前刚发布第二代具身基础模型。 我与首席科学家沈宇军聊了聊，如何从预训练开始训一个机器人模型？瓶颈是什么？机器人的 GPT-1 moment 在哪里？——大家也能从中感受一些中美思路的融合与差异。 接下来，就是我对沈宇军的访谈。 OUTLINE: 00:02:03 蚂蚁灵波的缘起 人工智能学生的一段迷茫与辗转 从字节跳动到蚂蚁研究院 蚂蚁成立子公司蚂蚁灵波做具身智能始末 00:16:03 做机器人的原生大脑 为什么决定从大脑开始？ 通用意味着跨本体、跨场景、跨任务 24 年底成立以后，25 年、26 年 bet 了什么？ 25 年：从真实传感器出发解决问题 26 年：既然没办法 push 数字世界修改模型，基于物理世界的需求重做一遍 预训练准备数据核心是：1、你要下发什么样的任务，2、拿到数据以后怎么处理更干净 这次发布的 6 个模型和他们的关系（Depth、Vision、VLA、Video、World、VA 2.0） 但更本质的智能我们还没解决：把和人的交互考虑进去 做具身大脑之后，处理位置随机问题的能力强了很多 机器人泛化性的迹象到底出现了吗？ 01:07:29 数据没有 scale up 是最大卡点 具身智能还没有到 GPT-1 时刻，因为没有看到比较好的做数据 scale up 的方式 当具身数据和互联网数据能达到相同量级，可能才到 GPT-1 时刻，我预计明年中 发完第一代模型我们就意识到，强行在数字模型上魔改不 work 硅谷两家机器人大脑公司 ：Physical Intelligence 强调 zero shot，Generalist 强调后训练 随着灵巧手的成熟，真机遥操作和 UMI（Universal Manipulation Interface，通用操作接口） 两条数据采集路线可能变化 细数 2024-2026 年具身智能全行业的发展与速度 行业发展不及预期的仍是数据，需要百万小时起步的数据量 01:23:10 机器人大脑与本体的关系 为什么不做本体？本体很难通用，如果场景选不准，本体设计有问题 现在大脑的开发落后于本体，未来大脑和本体一定交替上升 这一代的硬件不一定能够迭代去适应下一代的模型，尤其是传感器 接下来的几代机器人基座模型会如何迭代？ 01:31:48 创业是赌出来的、与蚂蚁的关系、汤晓鸥 下过的“赌注”？ 蚂蚁如何管理蚂蚁灵波？ 最好的预期和最坏的预期？ 最终的产业格局？也许贴近大语言模型的格局 你对人形机器人有执念吗？ 没有！ 当下的核心任务只有一个：智能不够！ 我的老师汤晓鸥 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

今天的嘉宾是硅谷机器人公司 Physical Intelligence（Pi）的研究员柯丽一鸣（Kay Ke）。 Pi 是一家专注于研究机器人“大脑”的明星创业公司——成立仅两年，投后估值已超 50 亿美元，是这个赛道最受瞩目的独角兽之一。部分业界人士对它的期望是，成为机器人领域的 OpenAI。 柯丽一鸣在 Pi 主要负责强化学习方向的研究，也是 Pi 核心论文的作者之一。 在科研之余，她追求在工作和人文表达之间找到平衡，所以业余时间她也会写写小说。这让今天的聊天更有意思了。 节目中，我们详细聊了聊机器人的江湖、谱系、门派与主角们。 全球的机器人团队都非常关注 Pi 在机器人大脑上的开源工作。柯丽一鸣详细阐述了他们的研究思路与技术细节（从π0 到π0.5 再到π*0.6）。 但由于我们这集节目的录制时间比较早，尚且没有囊括他们的最新模型π0.7。嘉宾关于π0.7 的技术讲解，我会补充在 shownotes 里。 接下来，就是我对柯丽一鸣的访谈。 OUTLINE: 00:02:11 机器人与小说家 00:17:26 武侠、板寸、背包客 00:36:33 草蛇灰线 00:53:56 机器人江湖、族谱、主角 01:27:18 硅谷创业图谱 01:54:43 PI 的研究：π0、π0.5、π*0.6 *嘉宾补充：π0.7 强调统一模型，不需要后训练，就能媲美以往后训练的通用能力。有架构和数据（有不少之前自主 rollout 数据）的设计。 02:26:01 PI 的组织与文化 02:34:52 放弃剑桥教职 02:46:49 巴甫洛夫的狗 03:04:53 前沿展望 03:16:14 中国 03:25:02 机器人“种族” 03:31:19 没有写完的故事 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

站在今天这个 SpaceX IPO 的历史性时刻，我们决定加更一集节目。 我邀请了 SpaceX 前火箭首席制造工程师洪力德（Lewis Hong），一起来聊聊，随着 SpaceX 收购整合 x.AI 并完成截至目前史上的最大一起 IPO，在太空与 AI 加速融合的背景之下，这会不会是人类文明扩张的前奏？ OUTLINE: 00:01:24 SpaceX 的 IPO 与对 x.AI 的收购 00:31:30 极端内向的马斯克和用人观 01:03:42 SpaceX 内部的真实情况 01:30:51 “那我接受你的辞呈” 01:56:35 SpaceX 开发史、Falcon 9 成与败 02:11:19 航天产业的地图与权力 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉

前面几集节目，我和大家一起遇见了许多年轻的面孔——他们是 AI 时代原生的创业者和技术领袖。但是 AI 对社会的渗透是全方位的，不止于新技术与新产品。 今天我们的嘉宾是安克创新的创始人兼 CEO 阳萌。他是 1982 年生人，2011 年开始创业，如今掌舵一家市值超过 600 亿人民币的科技企业。 面对新的范式变化，阳萌会怎么做？尤其在消费电子这个无限战争、速生速死的赛场之上。 他有很多对产品与组织方法论的思考。 接下来，就是我对阳萌的访谈。 OUTLINE: 00:01:13 不叛逆中的叛逆 00:14:34 这世界特别公平 00:31:13 打游戏，我开始选了 easy 模式 01:02:27 现在我想去打 hard 难度 01:48:29 我不是集权的人 02:04:17 高利润的公司要融资和 IPO 么？ 02:14:34 消费电子的死与生 02:28:59 AI 的组织革命 02:58:42 你永远还是要相信人性 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify 等全音频平台播出； 我们的视频播客在 Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界 language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉