用白話但不失深度的方式跟你聊科技，著重在AI 每周一中午更新！ 合作請來信：[email protected] -- Hosting provided by SoundOn Powered by Firstory Hosting
本集科技浪訪談耐能智慧創辦人暨執行長劉峻誠博士，深入探討 AI 晶片的發展與 NVIDIA 的市場地位。劉峻誠指出，NVIDIA 在 AI 訓練領域的優勢主要來自 CUDA 軟體層，但 GPU 並非專為 AI 而生。他將 AI 硬體的演進比喻為從 CPU 到 GPU 再到 NPU 的過程，強調 NPU 在單位功耗上的效率優勢。劉峻誠解釋了 ASIC 與 NPU 的不同，ASIC 針對特定應用優化，而 NPU 更具通用性。他預測，隨著 AI 模型的不斷演進，NPU 將在邊緣計算和主權 AI 等領域扮演更重要的角色，並打破目前消費者對於 AI 應用只能依賴雲端服務的認知。
本期科技浪主要探討了近期科技圈的三大熱點：馬斯克帝國的潛在合併、中國 AI 公司 MoonShot AI 的 Kimi K2.5 模型，以及 MoltBook 引發的 AI 倫理討論。首先，節目分析了 SpaceX 可能與 xAI 合併，最終與特斯拉三方整合的可能性，指出此舉旨在打造垂直整合的 AGI 公司，並探討了太空資料中心在未來 AI 算力擴張中的作用。接著，深入介紹了 Kimi K2.5 模型及其 Agent Swarm 功能，強調其在開源社群中的領先地位及多 Agent 協作的潛力。最後，探討 MoltBook 上 MoltBot 的互動，引發關於 AI 意識、安全及潛在威脅的哲學辯論，並分享了對 AI 發展斜率的獨特見解...
本集科技浪主要探討近期在 AI 科技圈爆紅的 MoltBot (原名 ClaudeBot)。主持人哈利指出，儘管 MoltBot 被部分 AI 科技愛好者吹捧為能徹底改變生活，但對一般消費者而言，其資安風險和使用成本遠超過其價值。MoltBot 的特點在於它能直接讀寫使用者電腦中的檔案、控制瀏覽器，甚至編寫和執行程式，實現許多 ChatGPT 等雲端 AI 無法做到的功能。哈利提到，MoltBot 能夠協助使用者下載檔案、在社群媒體上發文，甚至創建軟體來管理自身的工作流程。儘管如此，哈利仍建議技術人員或 AI 從業者可以嘗試 MoltBot，以提早體驗 AI 助理的未來，但並不推薦一般大眾使用。
本期科技浪主要探討了 AI 領域的幾個熱點新聞及對未來科技發展的展望。首先，主持人哈利強調 Anthropic 的 Opus 4.5 模型在編碼能力上領先，並分享了其軟體公司 Vibe Tech 利用該模型開發逐字寶的經驗。接著，討論了蘋果公司在 Siri 中採用 Google Gemini 模型的決策，以及 OpenAI 在 ChatGPT 中推出廣告的計畫。最後，哈利分享了馬斯克在 Moonshot Podcast 中對 AI 及人形機器人如何影響未來工作與經濟的樂觀預測，並對醫學教育及退休儲蓄提出了顛覆性觀點，同時也對科技進步可能帶來的社會變革表達了審慎的思考。
本期科技浪主要探討了 CES 2024 上 NVIDIA 的最新技術發表，聚焦於 Vera Rubin 架構的 GPU 以及自駕車平台 Alpamayo。主持人哈利深入分析了 Vera Rubin 在 AI 運算效能提升的技術細節，包括 NVFP4 資料格式的優化、Inference Context Memory Storage 的應用，以及 Extreme co-design 的概念。他同時也對 NVIDIA 在自駕車領域的策略，以及 Alpamayo-1 模型與特斯拉 FSD 的比較提出了獨到見解，強調兩者在技術層面和商業模式上的差異。此外，哈利也對 GPU 未來的發展趨勢提出警示，並分享了他對 NVIDIA 長期發展的看法。
本集科技浪由主持人哈利深入剖析 DeepSeek 最新論文 Manifold Constrained Hyper-Connections (mHC)，探討其如何優化 AI 模型。節目從神經網路的發展歷史談起，解釋殘差連接（Residual Connection）的重要性及其表徵崩潰問題。哈利詳細說明字節跳動提出的 Hyper-Connections 如何解決此問題，以及 DeepSeek 的 mHC 如何透過雙隨機矩陣進一步提升訓練穩定性和模型效能。實驗結果顯示，mHC 不僅在訓練過程中更穩定，且模型在多項基準測試中表現更佳，同時訓練成本增加有限，顯示其在經濟和學術上均具備巨大價值，預示著 AI 研究的未來方向。
本集科技浪 Podcast 由主持人哈利回顧 2025 年科技圈的發展與年初的預測。節目分為兩部分：首先檢討年初對 AI 模型智能、AI Agents 和 Embodied AI 的預測，其中 AI 模型智能的預測較為準確，AI 成功解決了一些科學問題，且模型成本大幅下降；AI Agents 的預測則未實現，企業採用率不如預期。接著，哈利以科技奧斯卡的形式頒發年度最雞肋獎給 OpenAI 的 Sora App，年度最大翻車獎頒給 Meta 的 AI 發展，年度最屌技術獎頒給 RLVR，年度最佳橫空出世獎頒給 AI 生圖模型，年度最佳翻盤獎頒給 Google，年度關鍵字獎頒給 AI 泡沫，總結了過去一年的科技亮點與遺憾。
哈利主持的科技浪 Podcast 本期主要介紹 SpaceX 公司及其未來的 IPO。節目首先回顧了 SpaceX 的創立故事和發展歷程，包括馬斯克如何從 PayPal 的收益開始，到建立 SpaceX 並克服多次失敗，最終成功與 NASA 簽訂合約。接著，詳細分析了 SpaceX 在火箭發射和 Starlink 衛星網路方面的業務，特別是 Starlink 的 Direct-to-Sell 服務及其潛力。節目還探討了太空資料中心的概念，以及 SpaceX 在該領域的願景。最後，哈利討論了 SpaceX 的 IPO，儘管存在估值不確定性，但他堅信 SpaceX 的潛在價值巨大，值得投資者關注，並預計 SpaceX 的上市估值將遠超傳...
本期科技浪 Podcast 由主持人哈利分享兩個主題，首先探討 OpenAI 最新模型 GPT 5.2，儘管外界關注度不高，但哈利認為其在模型經濟價值提升方面有重大突破，特別是在 GDP Val 基準測試中獲得超高分，顯示其在長時間任務處理和工具使用能力上的優勢，可能為知識工作帶來 Vibe Coding Moment。其次，哈利原計劃討論 SpaceX 即將 IPO 上市，以及太空資料中心與上市的關係，但因時間關係將留待下一集分享，並鼓勵聽眾訂閱節目以獲取最新資訊。
本集科技浪由哈利主持，首先介紹了贊助商國際大事收藏版 Podcast，接著分享了他對一拳超人第三季動畫的失望，以及觀看 Google DeepMind 紀錄片 The Thinking Game 後的感動。節目深入探討了 OpenAI 面臨 Google 競爭的紅色警戒，並預測了 AI 競賽的短期和中長期發展，包括 OpenAI、XAI 和 Meta 的動向。最後，哈利引用紐約時報的一篇文章，強調了自駕車的安全性遠超人類駕駛，呼籲各國政府加速測試和開放自駕技術，以減少因人為疏失造成的交通事故。
哈利在科技浪 Podcast 中首先感謝 NordVPN 的贊助，並分享了自己使用 NordVPN 的經驗。接著，他深入探討了 Google 的 TPU 與 NVIDIA 的 GPU 在 AI 運算領域的競爭，從底層運作原理、規格差異到市場格局進行了詳細分析，糾正了市場上對 TPU 的一些錯誤認知。他提到 TPU 在特定 AI 運算上效率更高，但在彈性方面不如 GPU，並分析了 Google 推廣 TPU 的策略及其對 NVIDIA 的潛在威脅，最後鼓勵聽眾分享節目並給予五星評分。
科技浪邀請艾卡拉共同創辦人暨執行長程世嘉（Sega）探討 AI 泡沫論、AI 技術發展、企業 AI 應用、中美 AI 競賽等熱門話題。Sega 分享了他對 AGI（通用人工智慧）實現時間的看法，認為擴展定律已遇到瓶頸，資料、演算法和能源是三大限制。他還提到企業導入 AI 的現況，指出企業規模越大，導入 AI 的成效越明顯，並分享了客戶服務領域的成功案例。Sega 強調，AI 對企業來說是一個加值服務，能提升生產力，但也可能導致人力縮減。在談到中美 AI 競賽時，他認為美國在創新方面領先，而中國在優化和應用方面更具優勢，並分析了中國採取開源策略的原因。最後，Sega 對 Google、OpenAI、Anthropic 等西方 AI 實...
本期科技浪 Podcast 由主持人哈利分享了三個科技新聞話題：OpenAI 的 AI 瀏覽器 Atlas，他認為該產品缺乏創新，但可藉此探討 AI 瀏覽器的發展；Google 量子電腦的突破，首次實現可驗證的量子優勢，雖僅一小步，但意義重大；以及特斯拉 AI 團隊負責人 Ashok 在 ICCV 的技術分享，深入解析特斯拉自動駕駛技術路線，強調端到端神經網路的重要性及面臨的挑戰，並提及影片生成模型在機器人技術中的應用潛力，最後呼籲股東支持馬斯克的薪酬計畫。
主持人哈利在節目《科技浪》中，討論 DeepSeek OCR 論文及其對大型語言模型（LLM）的潛在影響。他指出，DeepSeek OCR 雖然名稱為 OCR 模型，但其核心重點在於探討文字壓縮，特別是如何利用圖像 token 來更有效地壓縮文字。哈利解釋了 OCR 技術的背景及其在日常生活的應用，並強調 DeepSeek OCR 的獨特之處使其在業界引起廣泛關注。他將節目內容分為三部分：運作原理、模型成效以及這項技術可能帶來的典範轉移。節目試聽部分詳細介紹了 DeepSeek OCR 模型的 Encoder 和 Decoder 架構，以及它們如何將圖像轉換為 Vision Token 並由 LLM 進行辨識。
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
