Free Daily Podcast Summary
42章经: Daily Summaries Delivered
by KaiQu
你好，我是曲凯，42章经的创始人。小的时候我不太舍得花钱，记得当年一毛钱一袋的牛肉干真的很好吃，但如果偶尔遇到一个很有趣的人，我会欣然花几十、上百块请他吃个饭，还觉得自己赚到了。后来长大了一些，开始刷人人网、豆瓣、知乎、再到现在的即刻……你有没有偶尔在这些平台刷到过一个很有缘的人，然后在一个夏日的午后，把他的发言、转载和收藏全都看了一遍，并觉得心有戚戚焉。再后来工作和创业以后，每天就是聊各种各样的投资人、创业者。如果能聊到一个优秀的人，真的会有一种如沐春风的感觉，并真心觉得很幸福。而同行们见面经常会聊到的问题也是：最近有没有遇到什么有意思的人？所以，这个播客就是要努力把这些人带到你的身边。我们只专注和有趣、有独到认知、又愿意坦诚分享的聪明人聊天。希望你听完每一期都能回到小时候，回到那个因为认识了有趣的人、收获了新知，而感到单纯美好幸福的时刻。如果听完以后，你还能暗自感慨一句，“我也好想认识这个人啊。”或者，“哇靠，有被启发到。”那这个播客也就值了。
Latest Episodes
The most recent episodes — sign up to get AI-powered summaries of each one.
- 2 days ago1h 2m
锐评国模与 Neo Lab，畅谈 RL 人生与 RLaaS | 对谈 Mind Lab 首席科学家骁腾
这期播客中，我们和骁腾探讨了不少颇为尖锐的话题，比如国模到底哪家强，各家又有什么问题？到底该怎么定义 Neo Lab？从 Macaron 到 Neo Lab，再到 RLaaS，Mind Lab 这一路的转型背后有哪些思考，现在又做得怎么样？坦白说，这期对我们来说，是一个打破不少固有认知的过程。骁腾的回答都很实在，也很 solid，而且他可能是我们最近聊过的最「快乐」的 Researcher 哈哈。听他聊下来，我们不仅对 Mind Lab 在做的事有了更全面的了解，也对 RL、模型发展和 RLaaS 的实际运作有了新的理解。节目中，他还分享了很多从 RL 研究中获得的生活哲学。在他看来，创业可能才是最符合 RL loop 的事情。【人类博物馆】导游：曲凯，42章经创始人55 号珍藏：马骁腾（Pony），Mind Lab 联合创始人、首席科学家，清华大学自动化系博士、博士后，长期从事强化学习与模型后训练研究，关注 AI 如何从真实交互中持续学习【时光机】Part 1 一个 RL Researcher 的人生选择00:54 如何看待 Mind Lab 的争议，在 Mind Lab 工作是种什么体验？03:02 为什么首选不是去 AI Lab？03:46 做 RL 学到的三件事04:28 「我一直都是一个 90 分主义者」08:32 创业是最符合 RL Loop 的事？10:06 没在模型厂待过，凭什么能训好模型？13:24 在叉院的时候一度非常绝望，觉得 research 做不过别人16:20 国内 RL 的困境可能是「立山头」现象比较多？Part 2 模型的发展与 Neo Lab 的叙事18:10 对国模的态度：短期悲观，长期乐观20:18 Anthropic 的一个让人担忧的做法22:21 大厂确实资源多，但真不一定是最后赢家，甚至可能会集体失败？28:28 国模接下来要拼的是什么？30:42 锐评一下海外和国内的模型35:32 啥是 Neo Lab？38:20 Researcher 都在犯一个致命错误39:26 到底该先做模型，还是先做产品？41:53 RSI 现在完全就是个宣传口号？Part 3 聊聊 Mind Lab44:21 从 Macaron 到 Neo Lab 再到 RLaaS，Mind Lab 到底在做啥？45:55 为什么美国各种中间层的公司都在做自己的模型？48:40 RLaaS 的客户画像是怎样的？50:52 自己训模型的意义是什么？账算得过来吗？53:45 为什么头部公司不自己训模型，而要采买外部服务？54:58 做 LoRA 的心路历程：scale up、scale down 与 scale out57:21 最近最关注的问题：continual learning59:01 「我并不担心被模型吃掉，甚至觉得我们一直在从中受益」【The gang that made this happen】制作人：陈皮剪辑：二琳，陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Sparklehorse - Hundreds Of Sparrows在小宇宙查看该单集文稿
- 2 weeks ago54 min
少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠
这期的嘉宾淏楠非常「折腾」。他读过五个大学，读着觉得没意思就换，也是少有的同时做过 Agent、多模态、RL 和具身的人，而且总是做一些逆势而为（非主流）的选择：他曾在陈天桥和代季峰两位老师的 MiroMind 工作，是最早一批做 Agent 的人，却在 Agent 最热的时候放弃更丰厚的 package，转向多模态。在混元负责多模态 RL infra、主导推出开源多模态强化学习框架 UniRL 之后，他最近又换了方向，去了一家具身公司负责模型训练。其实，Astra 的出现给具身行业带来了不小的震动，也似乎抹平了各家此前在「大脑」上积累的优势。淏楠在此时入局，总有那么一丝「49 年加入国军」的意味。不过，这些选择看似很跳，但背后的思考一脉相承，既关乎个人志趣，也有对技术发展和未来空间的判断。所以从 Agent 到多模态再到具身，一路做下来，淏楠收获了什么？这几个方向的实际进展，与外界的感知又有哪些不同？前段时间很火的 Minimax H3、GPT Astra，到底会带来哪些改变？这期播客，我们就沿着他的经历聊了下来。聊到最后，淏楠谈起具身很兴奋。现在入局具身，可能不但不是 49 年入国军，反而恰好赶上了具身的 GPT-3 时刻？【人类博物馆】导游：曲凯，42章经创始人54 号珍藏：王淏楠，前腾讯混元多模态 RL infra 负责人、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。【时光机】Part 1 从 Agent 到多模态02:03 为什么会从在 MiroMind 做 Agent，转去在混元做多模态 RL infra？06:13 国内外 RL 的差距到底在哪？07:45 Agent 和多模态的关系其实可以很紧密08:56 做 Agent 和做多模态，其实都是围城11:32 大厂不太能做具身？12:37 多模态最后只有两条变现途径Part 2 聊聊视频生成14:11 Seedance 到底为啥这么好？15:14 多模态的竞争可能没那么激烈？16:26 视频生成现在发展到什么程度了？19:20 「抽卡」依然会存在，但概念可能会发生变化21:37 视频生成继续发展下去，可能会解锁什么样的机会？22:22 MiniMax H3 到底什么水平？23:54 实时互动的技术真的成熟了吗？Part 3 从多模态到具身27:45 好多人做世界模型都做迷茫了…30:55 做具身的两种正确路线32:22 为什么 Astra 给具身圈子带来了比较大的震动？37:27 聊聊具身训练的 reward 和数据40:12 具身的「大脑」，最后会变成大模型厂商的竞争吗？41:59 在现在这个时间节点去做具身，是不是 49 年入国军？45:24 Agent 开发的场景还是不够多46:42 多模态还有创业公司的机会吗？47:38 具身里可能迎来了 GPT-3 时刻？【The gang that made this happen】制作人：陈皮剪辑：二琳、陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Alpine Decline - I Got Up (Just Like John Sinclair Told Us To)在小宇宙查看该单集文稿
- 3 weeks ago54 min
这个破业非创不可吗？｜对谈 Articuler.ai 创始人 Jason
这一年，说起 AI 应用创业，相信很多人的共同感受就是：难。融资难，找 PMF 难，养活团队难，不被模型吃掉难，更难的是，身处绝境时，到底怎样才能坚持下去。这期节目的嘉宾 Jason，也经历了这样的过程。他是 Articuler.ai 的创始人，此前做过 5 年投资，后来去了美国，埋头创业。去年最难的时候，他拿到的融资 TS 被撤回，睡朋友家的沙发，卖掉了自己的股票垫给公司，却仍一度面临现金流即将断裂、发不出工资的窘境。那段时间，他经常睡不着，在朋友家楼下转圈，一遍遍问自己：「我到底要不要放弃？」而他给自己的答案始终是：「这件事我必须得做，而且就得我来做。」穷让人绝望，却也让他们摸索出了新的 PMF 场景，撑了过来。如今，Articuler.ai 已有 7 万多注册用户、超百万美金 ARR，付费、留存和增长逐渐有了起色，与外部伙伴的合作也越来越顺，co-host 了 OpenAI Codex Meetup、AGI Summit、SF Tech Week 中的各种活动等等。这期播客，我们就请 Jason 重点讲了讲他是怎么撑过最难的那段日子、在绝境中找到 PMF 的，以及这个华人团队，凭什么能在美国跑通 GTM、赢得本地客户的信任。坦白讲，Jason 并不是我们播客最常邀请的那类嘉宾，也不是美元 VC 通常青睐的 Founder。但用他自己的话说，从学生时代到创业，他一直把自己看作一个 Underdog，也一直相信：Underdog 能赢。而且很多事情就该由这样的人去改变。【人类博物馆】导游：曲凯，42章经创始人53 号珍藏：Jason，Articuler.ai 创始人【时光机】01:52 找到新的 PMF 场景，可能恰恰是因为穷03:41 用 Articuler.ai 发邀约邮件的打开率约 80%、转化率约 15%–20%07:21 一个中国团队来到湾区，凭什么让本地人愿意合作？11:02 Articuler.ai 的壁垒15:01 一些 GTM 的经验17:32 会议这个场景能延伸的点太多了19:46 世界不需要第二家领英，Articuler.ai 能杀出来只有一个原因22:20 「我们其实还有个疯狂的想法」25:06 典型创业者心态之，早上觉得公司快完了，睡前又觉得自己快上市了25:40 最惨的时候 TS 被撤、睡朋友家沙发、卖股票给公司续命，想了无数次要不要放弃29:05 觉得这件事一定能成的瞬间32:06 都说国内应用创业惨，其实在美国也没好到哪去，而且大家对美国市场的理解有失偏颇35:04 最难的时候，坚持下去的那股劲儿来自哪里？37:15 「我已经习惯了做一个 Underdog，并且相信 Underdog 会赢」38:53 既担心跑得太快，又担心跑得太慢？40:30 钱有时候是诅咒？42:06 如果没找到现在这个场景，可能在干什么？44:16 一度快发不出工资时，发生了一件很令人动容的事48:00 「永远记着穷的时候，永远要有一张保命的牌」【The gang that made this happen】制作人：陈皮剪辑：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Linkin Park - Waiting For The End在小宇宙查看该单集文稿
- 4 weeks ago1h 26m
一个 Personal Agent 创业者的思考｜对谈 Ambi 创始人子皓
最近 Personal Agent 非常火。而早在这波概念火起来之前，子皓就已经在做这个方向的软硬件结合产品 Ambi 了。所以国庆前，我们约他录了这期播客，请他分享几个月做下来对这个赛道的思考和实践经验，比如这件事的成本到底有多高、人们有多大需求、如何看待不同的产品路线、面对大厂该怎么竞争等等。子皓一直是我心中很擅长 deliver 结果、或者说总能赚到钱的 founder，所以我也请他分享了为什么这么会经营。过程中，还第一次听他讲高三暑假发现商机、成为溜冰场独家代理的故事。不得不说，他在赚钱这件事上真是有天赋，而天赋之外，也有很多可被习得的经验。其实这波 Personal Agent 的火是有迹可循的，从 Openclaw、Hermes，到 Muse、Instinct，背后的主线都是「如何让智能被更多人更好地用起来」。但奇怪的是，这个赛道上跑出来的国内产品并不多。事实上这几年，跑出来的国内 AI 产品都不多。所以节目最后，我和子皓也探讨了下这到底是为什么。我们没能得出答案，也真的希望这个局面能很快发生变化，因为我们或许已经等到了能跑出亿万级用户体量产品的 timing。（Ambi 最近已经开放下载，42章经拿到了五个邀请码，欢迎感兴趣的朋友填写表格申请：https://my.feishu.cn/share/base/form/shrcnoeenyPxPRgTUEq3G0tWX8P【人类博物馆】导游：曲凯，42章经创始人54 号珍藏：莫子皓，Ambi 创始人，曾任 Plaud 合伙人兼中国区 CEO。他还曾创办「米公益」，公司后被轻松筹收购。此后，他先后担任暖哇科技合伙人兼首席产品官、百川智能医疗方向产品及运营负责人【时光机】Part 1 对 Personal Agent 的思考01:49 为什么最近 Personal Agent 这么火？05:58 去年本以为「智能已经足够了」，但现在看来可能想错了10:07 Personal Agent 的成本不是什么大问题？11:39 人们对 Personal Agent 这件事到底有多大需求？14:45 涉及名和利的需求就可做，因为算得清 ROI17:06 为什么 AI Coworker 的发展没大家想象中那么快？18:34 大家做 To B 可能是看硅谷看多了，有点魔怔了19:18 Personal Agent 会不会还是大厂的机会？21:10 Personal Agent 天然不带网络效应？24:16 简评 Town、Grok Bot、Muse、Instinct28:23 唏嘘之，国内大厂好像失去了成为世界第一的雄心32:31 Ambi 要怎么和 Muse 这样的对手 PK？35:16 很多 AI 产品的交互都特别难受40:25 怎么看应用公司自己训模型这件事？Part 2 个人经验和认知42:49 从大营收业务到模型厂再到消费硬件公司，这一路收获的核心认知是什么？47:28 是怎么做到做再「垃圾」的业务都能赚到钱的？48:11 竟然早在高三暑假就成了「资本家」！50:31 商业的本质57:01 招人能力强，靠的是什么？1:00:34 最近在思考的问题1:03:04 最担心的还是速度，但好不容易等到一个能「有意义地卷」的时代1:04:56 硬件的优势来自哪里？1:08:57 这波 Personal Agent 最大的机会可能来自什么？1:11:51 很多产品的 Proactive 都做错了？1:14:26 Personal Agent 有必要区分工作和生活场景吗？1:18:36 现在已经到了能跑出亿万级用户体量产品的 timing？1:21:08 一个没有答案的问题：为什么国内跑出来的 AI 产品这么少？【The gang that made this happen】制作人：陈皮剪辑：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Paul McCartney,Wings - Mull Of Kintyre在小宇宙查看该单集文稿
- Sep 27, 202640 min
AI Trading —— 决策便宜，行动很贵｜对谈超 3w Star Vibe-Trading 作者浩哲
这几年，很多人都在用 AI 炒股。最近，模型厂和大厂也在主推 AI 在金融场景中的应用。但 AI 到底怎样才能更好地辅助交易？会给市场带来什么变化？用上 AI，人人就都能像巴菲特一样了吗？这期播客，我们请到了很火的开源项目 Vibe-Trading 的作者和维护者吴浩哲，聊了聊 AI Trading 相关的各种问题。浩哲本科毕业于武汉大学数学系，目前是香港大学在读博士生、HKUDS 成员，一直在探索 AI 与金融的结合。Vibe-Trading 开源半年，已有 3.4w 个 Star。节目里，我们就从这个项目讲起，拆解了 AI Trading 到底是什么、由哪些部分组成、哪个环节最关键，以及它和传统量化有什么区别、人又该在交易流程中扮演什么角色。此外，我们也聊了聊最近很火的 Jev 到底能不能在 AI Trading 中发挥作用。贯穿整期节目，还有浩哲的一个观察：在金融里，决策很便宜，行动很贵。你可以轻易获得成百上千个判断和信号，但真要付诸交易，「可解释性」就变得非常重要。你得知道判断是怎么来的、为什么值得相信，才能决定自己是否愿意为它付出真金白银。节目最后，我们还聊到了一个颇有哲学意味的问题：随着 AI 越来越强，「Human in the loop」或许不是因为 AI 需要人来判断，而是人需要通过参与，来确认自己的意义感和价值…？【人类博物馆】导游：曲凯，42章经创始人53 号珍藏：吴浩哲，Vibe-Trading 作者及维护者，武汉大学数学系本科，香港大学在读博士生、HKUDS 成员，长期探索 AI for Finance 的研究与实践【时光机】01:26 介绍下 Vibe-Trading：为什么开源不到半年，就能有 3 万多 Star？02:20 在金融里，决策很便宜，行动很贵04:35 AI Trading 就是在几乎免费的决策和代价昂贵的行动之间，建立可验证、可审计的通道07:25 AI Trading 和量化的区别09:59 用 AI 抓市场情绪，对 Trading 有帮助吗？11:33 AI Trading 里，行业 know-how 都可以由 AI 来判断？13:43 存储行情中，用 AI Trading 的一次操作实例15:42 用 AI Trading 的人多起来后，会给市场带来什么变化？15:19 「安息吧，财报后漂移！」19:57 AI Trading 系统的四大组成部分，和其中最重要的一件事23:53 数据多，其实真的不等于有 Alpha27:23 Jev 对 Trading 的帮助，可能约等于零？30:26 交易的本质32:34 Kimi、Workbuddy 等在推的 AI for Finance，和 AI Trading 是两件事34:00 AI 会给人的投资能力带来怎样的变化？35:40 不是 AI 需要人做判断，而是人需要 AI 来体现价值？37:42 上手 AI Trading 的建议【The gang that made this happen】制作人：陈皮剪辑：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Carsick Cars - 松在小宇宙查看该单集文稿
- Aug 29, 202647 min
一个人、两周、数百美元，如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫
活动预告🥳：9 月 12 日，我们会请到雨鑫做一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！最近硅谷有了新热点：主权 AI 和 Personal Intelligence。简单来说，就是很多人开始相信，未来会有越来越多的应用公司和个人，训练自己的模型。对绝大多数人来说，训练模型仍然是一件听起来遥不可及、门槛很高的事，但我们这期节目的嘉宾逯雨鑫却认为，它非常简单，简单到他此前没有 AI Lab 的经历，也不是 AI PhD，只用了 2 周和数百美元，就后训练出了两个登顶 Hugging Face Model Trending 榜首的小模型。他具体是怎么做到的、摸索出了怎样的 Pipeline？过程中踩过哪些坑？以及无论对个人还是公司来说，训练模型最大的卡点都是数据，那么他是怎么攻克这个难题的？在蒸馏路线、数据来源上，又有哪些 secret sauce？节目后半段，我们还进一步讨论了主权 AI、Personal Intelligence 和 Local AI 相关的各种问题，比如这些事情普及开来的门槛在哪里、未来 AI Lab 和应用公司的分工与价值会有什么变化等等。就在一个月前，我们还在讲 AI 应用遭受的冷遇；但录完这期，我们好像又看到了应用的曙光。也许在不久的将来，越来越多的应用公司都会成为 Neo Lab，Local AI 也可能成为一个 PC 级别的机会。而拥抱模型训练和 Local AI，最好的时间可能就是现在。希望雨鑫摸索出的实践路径，能给应用公司和个人带来一些启发。如果你还想了解更多，也欢迎报名 shownote 末尾的线上活动，来和雨鑫直接交流（尤其欢迎应用创业者！）【人类博物馆】导游：曲凯，42章经创始人52 号珍藏：逯雨鑫，Mind Lab 研究员；以个人开发者身份、数百美元成本微调的模型两次登顶 Hugging Face 热度榜；focus 在 post-training（蒸馏、SFT）与数据工程，近期方向为 continued pre-training【时光机】Part 1 训模型的实操经验01:33 非 PhD / AI Lab 背景，凭什么能训出榜一模型？03:23 训这两个模型的成本具体有多少？06:08 个人训模型的完整 Pipeline 和避坑经验11:33 最大的难点和卡点：数据11:48 合成数据效果并不好？12:16 数据从哪来、具体要用多少、如何配比？15:34 数据难以提前预估效果的原因：Capacity Gap17:18 简评蒸馏的各种路线，以及到底什么叫「聪明地蒸」？20:01 自己训、自己用，性价比真的更高吗？22:10 坑最少的开源模型是？Part 2 对主权 AI 的思考23:44 自己训模型会成为应用公司的标配吗？25:25 训模型可能会成为一件商品化的事情？27:01 应用公司反而可能会成为 Neo Lab?32:07 AI Lab 和应用公司之间的分工可能会有什么变化？33:39 现在 AI Lab 砸钱买数据，就有点像移动互联网早期字节砸钱买用户35:31 如果主权 AI 真的兴起，AI Lab 的价值会有什么变化？36:59 Local AI 会不会成为 PC 级别的机会？40:17 用户最终会不会还是希望用上 SOTA 级别的智能，而不是 Local AI？【活动预告🥳】9 月 12 日，我们会请到雨鑫做一场线上活动，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：陈皮剪辑：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：Spacemen 3 - Set Me Free (Reprise)在小宇宙查看该单集文稿
- Aug 8, 202659 min
从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜对谈 Evolvent AI 联创孟繁青
活动预告🥳：8 月 22 日，我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，大家记得翻到 shownotes 末尾查看报名信息！近几个月，我们找了很多做模型、算法的人交流，聊下来的感受之一是：数据的重要性再次凸显出来。市场也有很明确的对应反馈，比如一批合成数据公司在很短时间内做出了可观的收入；无论是模型厂还是互联网大厂，都在数据上更为投入。这期节目，我们请来了较早抓住这波合成数据机会的 Evolvent AI 联合创始人孟繁青。繁青是 01 年出生的 NUS PhD，曾在 Kimi 做过一年多的 Agent 和 RL Infra。节目里，我们从他在模型厂做 Post-training 与出来创业的不同感受聊起，也相继把有关后训练、数据、RSI/Self-Evolving/AI for AI、国内模型竞争格局，甚至蒸馏这个相对敏感的话题，都比较完整地梳理了一遍，聊出的一个最大非共识，是繁青对国内外模型差异的判断：原本我们以为，国内更有优势的会是偏工程的 Post-training；但在他看来，国内模型真正有特色的地方，反而是 Pre-training 阶段被资源限制倒逼出来的架构创新。基于这个认知，我们也得出了一个让人乐观的结论：很多人会说国模很依赖蒸馏，但繁青认为，蒸馏只是一个加速手段，并不是国内模型变强的决定性因素。就算有一天海外把所有蒸馏通道都封掉，国模依然可以靠预训练的创新能力，构建起自己的竞争力。最后，Evolvent AI 最近发布了新的研究成果 RSIBench-Data。如果有朋友想在数据、RSI 方面进行交流，也欢迎联系繁青。【人类博物馆】导游：曲凯，42章经创始人51 号珍藏：孟繁青，Evolvent AI 联合创始人；前 Kimi RL 实习生，foucs 在 RL Infra，参与 Kimi K2.5、Kimi Linear 等重要模型发版【时光机】Part 1 后训练与模型竞争01:15 在 Kimi 和出来创业的感受有什么不同？02:36 为什么 Post-training 背景的人更容易出来创业？有哪些可能性？04:37 今天的 Bench 和 Eval，与过去相比有什么变化？07:12 Post-training = 做数据、训模型的门槛在变低？10:35 同样是做数据，拉开质量差距的是什么？12:48 国内模型 vs 海外模型，优势其实在 Pre-training？17:09 国模的竞争格局会怎样发展？最后大家要拼的是什么？Part 2 RSI21:50 RSI、Self-Evolving、AI for AI、Auto-Research……该怎么理解这些词？24:35 如果 RSI 真的能转起来，模型是不是真的就要吃掉一切了？29:09 假设模型真能自我迭代，创业公司为什么不直接做一个更好的基模？30:39 要做好 RSI，本质上要解决什么问题？33:48 RSI 继续发展下去，会引发怎样的变化？Part 3 数据35:29 模型对数据的需求经历了哪几波变化？39:07 模型厂自己也能造数据，为什么还要外采？40:36 数据的下一波机会可能是什么？43:00 现在是「算法就是数据，数据就是 Infra，Infra 就是算法」？46:11 怎么理解合成数据和蒸馏之间的关系？蒸馏技法的区别在哪？Part 4 展望48:18 模型现有的技术路线还有多大空间？49:33 为什么最近 AI4S 火了起来？51:39 相比于大厂，长期更看好初创模型公司？53:58 蒸馏对国内模型追赶的意义到底有多大？56:18 从合成数据到 RSIBench-Data，Evolvent AI 最终想做成什么？【活动预告🥳】8 月 22 日，我们会请到我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，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：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：GeGeGe - 光のサイン在小宇宙查看该单集文稿
- Jul 19, 202626 min
AI 发展了 4 年，把应用发展没了？｜AI 年中复盘
这是一期单口复盘。这一波 AI 已经进入第四年。一级市场里，模型势能达到几年来最强，应用市场的冷度却跌到了谷底；二级市场里，智谱和 MiniMax 接连上市，而股价的陡峭变化，也多少折射了当下市场的疯狂。身处其中，最近我一直在想几个问题：1）过去四年，市场水温经历了哪些关键变化？最值得关注的是哪些公司？2）模型与应用的关系是怎么演变成今天这样的？为什么国内跑出来的应用这么少？少数跑出来的公司做对了什么？3）模型越来越强，那下游的应用创始人到底该怎么办？4）在高速变化里，有哪些不变的常识，仍能帮助我们理解 AI？这 20 多分钟，就是我现阶段的一些思考，也是对过去四年的一次复盘。当然，和大家一样，很多问题我仍然没有答案。比如，故事已经讲到世界模型了，那之后还能讲什么？模型交替领先的局面还会怎么变？Token 成本什么时候才能足够低、真的实现智能平权？无论如何，可以肯定的是，我们仍处于 AI 剧烈动荡、快速变化的中早期。那如果 GPT 3.5 代表了爆发期的开始，今天我们是否已经站在了狂热期？转折点距离我们到底还会远吗？【时光机】Part 1 复盘 AI 四年01:03 快速回顾：过去四年市场变化非常剧烈，且趋势跟喜好非常明显02:10 投资人可能一度比张一鸣更清楚字节里谁最有能力03:18 从业十多年，我还是第一次听到「应用已死」的论断…05:39 现在市场确实不大投应用，但这次不能只怪投资人？06:50 国内为数不多跑出来的应用公司，做对了什么？09:07 不管 Manus、Liblib 承受了多少争议跟骂名，我都真心希望它们好09:34 模型公司里，我觉得最值得研究的不是 Anthropic / OpenAI / DeepSeekPart 2 模型交替领先，那应用创始人该怎么办？14:37 一句题外话：为什么红杉投得好？15:05 我反而觉得，现在是应用创始人历史上最好的时候17:13 创始人应该默认要「随波逐流」：随模型的波，逐资本的流17:59 建议是不要纯粹为了融资讲故事18:22 Ambi 创始人莫子皓给我的一个启发20:25 「今天所有的产品和创始人，都是模型的期权」Part 3 在疯狂中，守住常识21:24 一二级市场的疯狂，是 AI 走到阶段性尾声的信号吗？22:33 我不相信一家公司会长期独大，也不相信模型会吃掉一切23:16 IBM 收 CPU 钱，恰如今天英伟达和模型公司收 Token 钱24:33 「历史上几波大的科技革命都经历过导入期、转折点和展开期」【AI 复盘系列】2025.1.4 为什么我们对 25 年 AI 极度乐观｜AI 年终复盘2024.1.13 24、25 年会是下一代浪潮最关键的两年 | AI 年终复盘【Reference】这个男人帮 5 万个 AI 应用接上了大模型 | 对谈 Dify 创始人路宇Dify 从被低估到成为明星项目，到底做对了什么｜对谈 Dify 创始人路宇TikTok 商业化增长从 0 到 1 的幕后经验：关于投放、出海与组织管理等 | 对谈前 TT Ads 首席增长立东信念感与硅谷顶尖孵化器的奇遇：赴美三月，实现千万刀 ARR｜对谈 ACE Studio 创始人 Joe从图形学到 AI 生成 3D：我们离 3D 版 Midjourney 还有多远？ | 对谈 Meshy.AI 创始人渊鸣莫子皓团队的新产品 Ambi：https://mp.weixin.qq.com/s/B94bSY7aai4CM8zZ8iR3Gg卡萝塔·佩蕾丝《技术革命与金融资本》：https://www.douban.com/doubanapp/dispatch/book/2326852?dt_dapp=1【The gang that made this happen】制作人：陈皮剪辑：陈皮片头：Mondo Bongo - Joe Strummer & The Mescaleros片尾：太阳光明照我心 - 文兆杰在小宇宙查看该单集文稿
Get 42章经 summaries in your inbox
Free AI-powered daily recaps. Key takeaways, quotes, and mentions — in a 5-minute read.
Get Free Summaries →Free forever for up to 3 podcasts. No credit card required.
You Might Also Like
Listeners also like.
张小珺Jùn｜商业访谈录
深度对话中国科技与商业领域的关键人物，探索前沿趋势与真实人生。
硅谷101
一档探讨硅谷科技、思想与人物精神的深度访谈播客。
科技乱炖
多名IT从业者以业内视角评述科技热点，结合经验与洞察提供犀利独到的分析。
知行小酒馆｜关注投资理财，更关注怎样更好地生活
探讨投资理财与个人成长，关注如何通过自我提升实现更好的生活。
What's Next｜科技早知道
Explores global tech trends and their impact on business and society, with a focus on innovation and international developments.
Talk三联
演员与作家对谈电影《飞行家》，探讨东北背景下个体在现实重压中追寻理想的挣扎与坚持。
嗨咻
探讨现代女性在多重身份中如何平衡事业、生活与自我成长，分享关于婚姻、育儿、金钱与人际关系的真实经验与思考。
小Lin说
商业财经话题解析，由北大经济学院毕业、前摩根大通分析师主理。
博音
A comedic exploration of random thoughts and social observations tied to the stand-up comedy scene.
The AI XR Podcast
Insightful interviews with tech founders and executives on AI, virtual reality, augmented reality, and the future of spatial computing.
你，静不下来
一档为思绪不停的人准备的对话类播客，用真诚交流缓解焦虑，在喧嚣中寻找共处的宁静。
保持偏见
用通俗语言拆解复杂现象，揭示社会规则与认知背后的偏见和逻辑。
About 42章经
你好，我是曲凯，42章经的创始人。小的时候我不太舍得花钱，记得当年一毛钱一袋的牛肉干真的很好吃，但如果偶尔遇到一个很有趣的人，我会欣然花几十、上百块请他吃个饭，还觉得自己赚到了。后来长大了一些，开始刷人人网、豆瓣、知乎、再到现在的即刻……你有没有偶尔在这些平台刷到过一个很有缘的人，然后在一个夏日的午后，把他的发言、转载和收藏全都看了一遍，并觉得心有戚戚焉。再后来工作和创业以后，每天就是聊各种各样的投资人、创业者。如果能聊到一个优秀的人，真的会有一种如沐春风的感觉，并真心觉得很幸福。而同行们见面经常会聊到的问题也是：最近有没有遇到什么有意思的人？所以，这个播客就是要努力把这些人带到你的身边。我们只专注和有趣、有独到认知、又愿意坦诚分享的聪明人聊天。希望你听完每一期都能回到小时候，回到那个因为认识了有趣的人、收获了新知，而感到单纯美好幸福的时刻。如果听完以后，你还能暗自感慨一句，“我也好想认识这个人啊。”或者，“哇靠，有被启发到。”那这个播客也就值了。
Customized Recaps
AI-powered recaps with compact key takeaways, quotes, and insights.
Straight to Your Inbox
Get key takeaways from 42章经 in a 5-minute read.
Save Hours Every Week
Stay current on your favorite podcasts without falling behind.
Frequently Asked Questions
What is Podzilla's 42章经 daily summary?
It's a free AI-powered email that summarizes new episodes of 42章经 as soon as they're published. You get the key takeaways, notable quotes, and links & mentions — all in a quick read.
How does the 42章经 podcast summary work?
When a new episode drops, our AI transcribes and analyzes it, then generates a personalized summary tailored to your interests and profession. It's delivered to your inbox every morning.
Is this an official 42章经 product?
No. Podzilla is an independent service that summarizes publicly available podcast content. We're not affiliated with or endorsed by KaiQu.
Can I get summaries of other podcasts too?
Absolutely! The free plan covers up to 3 podcasts, any in the catalog. Basic raises that to 15, Pro to 40 and Max to 100. Browse our full catalog at /podcasts.
How often does 42章经 release new episodes?
42章经 publishes biweekly. Our AI generates a summary within hours of each new episode.
What topics does 42章经 cover?
42章经 covers topics including Technology. Our AI identifies the specific themes in each episode and highlights what matters most to you.
Start getting 42章经 summaries tomorrow morning.
Free forever for up to 3 podcasts. No credit card required.
Free forever for up to 3 podcasts. No credit card required.