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。
本期播客是曲凯对理想汽车高级副总裁范皓宇的访谈。他们主要探讨了产品方法论、个人成长以及对社会现象的哲学思考，而非理想汽车或具体汽车问题。范皓宇分享了自己 25 年的产品和设计经验，从早期功能手机到游戏、自媒体，再到阿里操作系统和汽车用户体验设计。他们讨论了北京的多元文化和理想主义氛围，以及近年来人们离开北京的现象和背后的焦虑。范皓宇还分享了他对用户、品味、设计以及 AI 时代产品理念的独特见解，强调了在实用性基础上追求趣味性和惊喜感，以及对用户需求的深刻理解和尊重。最后，他们还探讨了在 AI 时代组织形式的变革和对未来发展方向的看法。
本期播客是关于在 AI 时代如何打造 AI Native 的工程团队的问答。任川分享了 Palona AI 公司在利用 AI 工具进行研发工作、AI 时代所需人才以及 AI Native 组织形式方面的经验，包括 AI 承担研发工作、使用 Cloud Code 和减少人际互动等原则。讨论了 context provider、快速学习者和 builder 等 AI 工程师所需技能，以及按结果分工和以工程团队为核心的组织形式。同时，还探讨了未来组织可能演变为少量合伙人与大量合同工结合的模式。在问答环节，嘉宾们还讨论了 PM 的角色、AI coding 的可行性、AI 在工作中的应用场景以及如何找到和培养 AI 人才等问题。
本次播客是曲凯对 Mercor 的中国工程师虞快进行的访谈。虞快介绍了 Mercor 公司从最初的 AI 招聘平台到专注于为 AI 公司寻找数据标注专家的业务转型，强调了这些专家在定义数据标准中的重要作用。访谈深入探讨了 Mercor 如何通过 AI 面试和评估来匹配专家与项目，以及公司如何管理这些兼职专家以确保项目质量。虞快还分享了自己加入 Mercor 的原因，包括其快速增长、独特的公司文化和有远见的创始人团队。此外，还讨论了 AI 数据标注市场的现状、竞争格局以及未来 AI 公司组织形态和人才需求的变化。
本次播客由曲凯主持，嘉宾莫杰麟分享了对硅谷 AI 市场趋势的观察，重点讨论了 Token 消耗量作为衡量 AI 发展速度的新指标，以及 AGI 概念的转变。莫杰麟认为，行业正从追求模型智能转向产业化和工业化，Token 消耗量快速增长，类似移动互联网早期。讨论还涉及开源与闭源模型、基础设施建设、中美应用差异，以及英伟达等公司的市场表现。此外，还探讨了模型与应用的分工、AI Coding 市场的竞争、GPT-5 的整合策略，以及 AI 在 2B 和 2C 领域的应用。最后，对美股和 A 股市场进行了分析，认为 AI 是美股的重要驱动力，并探讨了散户在市场中的作用。
本次播客是曲凯对阶跃星辰联合创始人兼 AI Infra 负责人的朱亦博的采访。朱亦博分享了他对 AI Infra 的理解，将其分为硬件和软件三个层次，并类比语音计算的 IaaS, PaaS, SaaS 三层结构。他回顾了 AI Infra 的发展历程，认为数据是驱动因素，并区分了移动互联网和 AI Infra 的异同。朱亦博还谈到了不同阶段公司对 Infra 的投入策略，以及第三方 AI Infra 公司的价值所在，强调与硬件或模型深度垂直的重要性。此外，他还分享了阶跃星辰在多模态方面的优势和未来发展重点，以及对 AI Infra 从业者的建议，即靠近模型和硬件，并对技术发展保持敏感。最后，朱亦博介绍了阶跃星辰即将开源的视觉推理模型...
本期播客是曲凯对云青投资创始人立阳的访谈，主要探讨了并购的相关话题。立阳首先介绍了并购的本质是企业控制权的变更，并区分了企业并购和财务并购。随后，他们以智元案例为例，讨论了借壳上市等问题，并分析了一级市场和二级市场的差异。立阳还分享了并购与 VC/PE 的区别，强调并购基金的主人公精神和对企业现金流的重视。此外，他们还深入探讨了并购的核心环节，如寻找项目、评估执行、投后管理和退出，以及交易结构设计、利益协调等关键问题。最后，立阳还为 AI 创业者提供了关于并购的建议，并介绍了云青投资的业务方向，希望能帮助企业在并购过程中更加稳健。
戴安琪分享了 BD 策略的几个大类，包括线索确认、建联、增信、转化和持续经营，强调明确客户画像和渠道合作伙伴的重要性，以及在建联过程中如何通过默拜和转介绍建立联系。曲凯补充了个人品牌和机构品牌在建联中的作用，强调价值呈现和选择合适的转介绍人。双方讨论了线上和线下沟通的技巧，包括如何说 “废话” 以及如何提供情绪价值。在增信和转化方面，真诚和了解对方需求至关重要。最后，回归到个人层面，强调知道自己想要什么，并为之付出代价，才能实现长期主义和可持续发展。曲凯总结说，所有行业做到最后都是 BD，成熟的标志是既知道自己想要什么，也知道别人想要什么，从而实现价值匹配。
本期播客是曲凯对 Grasp 创始人蕾蕾的访谈，主要探讨了为 Agent 打造产品的机会和挑战。蕾蕾认为，Agent 与 SaaS 有本质区别，Agent 应该被视为一个独立的主体，未来会有千亿甚至万亿个 Agent。她强调了 Agent 与人类在工作模式和责任承担上的差异，并指出为 Agent 设计产品需要关注反馈循环和安全边界。访谈中，蕾蕾还介绍了 E2B 和 Browserbase 等相关产品，并分享了 Grasp 如何为 Agent 提供浏览器环境的实践，以及对 Agent 未来发展趋势的看法，即 AI 将通过与世界的真实互动来获取数据并不断增强自身能力。
张津剑在播客中分享了关于投资中频率与频谱的思考，他认为在信息过载的时代，注意力是最重要的资源。他强调人类的感知和处理能力有限，因此需要建立有效的注意力机制，专注于自身需求和目的，避免盲目追随市场热点。他还提到 AI 时代，Agent 将通过全频谱处理能力重塑世界，创业者应以 AI 为中心构建工作流，并重视人类独特的审美和心力。对话中，张津剑还就如何找到市场未关注的领域、坚持自我、以及应对分化时代等问题提出了建议，强调专注、接纳自我和重建心力的重要性。
本期节目探讨了 PingCAP 及其开源分布式数据库 Tidybee 的发展历程。PingCAP 联合创始人兼 CTO 东旭介绍了公司如何从一个程序员的挑战，成长为支撑美团外卖、微信支付等应用的 IT 基础设施。他们选择开源模式，将软件开发全生命周期透明化，以此获取客户信任，并撬动外部人才。与传统软件公司不同，PingCAP 通过云服务实现商业化，避免了与开源社区的冲突。东旭分享了 PingCAP 全球化的战略，强调了本地化的重要性，以及早期进入美国市场建立影响力的必要性。他还建议 AI 初创公司尽早进行商业化，提升讲故事的能力，并克服语言障碍。最后，东旭分享了他在创业过程中的成长，以及对未来 AI 发展中企业服务端机会的看法。
本期节目探讨了 AI 模型发展的上下半场问题，嘉宾丁丁分享了她从 Kimi 早期产品经验出发，对 OpenAI 文章 “AI 的下半场” 的理解。丁丁认为，当前阶段定义问题比单纯追求 Benchmark 刷分更重要，因为现有 Benchmark 与实际业务场景和用户需求存在差距。回顾 AI 发展的上半场，大家主要致力于提升基础模型能力和挖掘 pre-train 潜力，提示词工程曾被高度重视，但随着模型能力的提升，对提示词的要求逐渐简化。节目中，嘉宾还讨论了数据对模型进展的重要性，强调高质量用户数据与模型能力提升需保持一致，并分析了 DAU 作为衡量指标的局限性。最后，嘉宾总结了在模型公司工作的收获，强调了模型评估和 Benchmar...
本期节目探讨了 AI Agent 领域的最新进展和未来发展趋势。在 AI Agent 浪潮席卷全球的背景下，两位嘉宾深入分析了 Agent 的定义、技术演进以及不同 Agent 类型（例如基于代码的和基于浏览器模拟的）的优缺点。更重要的是，他们讨论了 Context 在 Agent 中的关键作用，以及如何通过自动化方式获取和处理信息来提高 Agent 的效率和准确性，例如通过构建更完善的 context，利用 API 以及改进 UI 设计来提升用户体验。 举例来说，嘉宾们比较了 FunctionCall、MCP 和 A2A 等不同工具的使用方法，并指出虽然视觉化操作（例如 Browser Use）在某些情况下成本更低，但基于代码的...
本期节目探讨了强化学习（RL）及其在大型语言模型（LLM）中的应用，特别是 RIO 算法的兴起。主持人首先请嘉宾吴翼教授介绍了强化学习的概念，将其与传统的机器学习方法区分开来，指出强化学习更关注于一系列决策过程，而非简单的分类或预测，并以游戏和人生为例进行了说明。接着，讨论转向了 RLHF（从人类反馈中强化学习）和 RIO 算法的区别，吴教授解释了 RLHF 主要用于提升 LLM 的易用性，而 RIO 则更侧重于提升模型的智力水平，例如通过 “思考标记”（thinking tokens）机制让模型进行更深入的思考。 更重要的是，讨论深入到 RIO 算法的训练方法，以及如何克服训练过程中奖励函数定义模糊的问题。例如，DeepSeek...
本期访谈的核心议题是 “东升西落” 趋势下中美 AI 市场及二级市场资产配置的分析。访谈首先探讨了 “东升西落” 的成因，认为其源于美国去杠杆化和中国经济好转的预期差异。随后，深入分析了 DeepSeek 和 Manus 两款产品的成功与争议，指出中美 AI 发展模式的差异，以及中国市场对 AI 应用的关注度更高。最后，嘉宾对中美二级市场趋势进行了预测，认为中国市场将呈现板块轮动，并建议投资者关注 AI 产业链中的不同环节以及其他具有增长潜力的行业，例如生物医药和工业领域。
本期播客采访了 ACE Studio 创始人 Joe，主要探讨了 ACE Studio 如何在半年内将月收入从 8 万美元提升到 80 万美元。Joe 分享了其参与美国知名孵化器 HF0 的经历，并详细描述了 HF0 如何通过营造高压、沉浸式的氛围，以及每周的 Demo Dinner 和 Check-in 等机制，驱动团队快速增长，最终实现了 10 倍的收入增长。Joe 总结了 HF0 的成功关键在于其营造的信念感和对结果的极致关注，而非具体的业务指导，并分享了他们通过价格调整和优化 Influencer 营销等策略实现快速增长的经验。
本期访谈的核心是 Binson 刘冰鑫先生的创业经历以及他对人生和职业发展的独特见解。访谈首先介绍了 Binson 的职业背景，随后重点讲述了他经历的一次严重车祸，以及这次事故如何改变了他的思维方式和对人生意义的理解。 他分享了在 ICU 的经历以及后续的心理恢复过程，并探讨了如何在压力下做出更明智的决策。最后，Binson 分享了他对创业的看法，以及对 AI 行业发展趋势的预测，例如他认为 AI 时代没有 MVP 的概念，以及对多模态 AI 的未来发展持乐观态度。 Binson 在百度、360 和 B 站都担任过高管职位，他的经验为听众提供了宝贵的职业发展和创业启示。
本期访谈节目邀请了 Pokee AI 创始人 Bill，主要探讨了强化学习 (RL) 与大型语言模型 (LLM) 结合在 AI Agent 领域的应用。访谈首先回顾了强化学习近年来的发展历程，以及 LLM 的兴起对其的影响，并深入分析了 RL 和 LLM 各自的优势和局限性，特别是 RL 在处理多步决策和探索未知领域方面的独特能力。Bill 详细介绍了 Pokee AI 的技术架构，如何利用 RL 和 LLM 协同工作，以实现更强大的 AI Agent，并以电商场景为例，阐述了其 Agent 如何通过调用 Shopify API，优化电商运营，最终提升商家效率。最后，Bill 展望了未来 AI Agent 的发展趋势，认为其将在各个...
本播客回顾了 2023 和 2024 年 AI 市场的发展，并展望了 2025 年。首先，播客指出 2023 年 AI 投资热潮主要集中在大模型公司，而应用层却相对缺乏资金支持。2024 年上半年，一级市场表现低迷，投资重点转向 “巨型智能” 和 AI 硬件；而下半年市场回暖，多模态模型的能力大幅提升，尤其在视频和 3D 模型方面进展超出预期。播客预测到 2025 年，AI 投资将进一步分化，更加关注应用落地，特别是生产力工具和多模态应用。同时，对尚未进入 AI 领域的人才提出建议，强调积累经验后再考虑创业。关键结论是：优秀的产品始终优于一切，技术的最终目的在于解决实际问题。
在本期播客中，我们邀请了职业德州扑克选手 Ricky，深入探讨了德州扑克与投资、职场等领域之间的共通之处。Ricky 分享了他十年来的德扑经历，强调了几个关键点：要保持情绪稳定，无论胜负，都不骄傲也不气馁；善于观察对手，洞悉他们的行为模式和心理弱点；具备扎实的数学概率知识；不断学习、复盘和自我反思。他指出，顶级德扑选手并不是依赖运气，而是通过理性分析、精准判断和持续的训练，最终达到一种几近完美的博弈状态。此外，Ricky 也分享了如何将德扑思维应用于投资和人生决策，强调理性决策、审慎出手以及诚实面对自己的认知。
在本期播客中，我们邀请了前 Character.AI 员工 Ted，深入探讨了 Character.AI 面临的商业化挑战、美国与中国产品经理的不同之处、Character.AI 的技术优势以及 Post-training 的经验，同时也分析了硅谷 AI 行业的现状。Ted 指出，Character.AI 的失败主要源于在追求通用人工智能（AGI）与产品化之间的资源分散，最终导致公司解散。他比较了美中两国产品经理的特点，认为美国产品经理更注重数据分析，而中国产品经理则更强调方法论。在技术方面，Ted 分享了 Character.AI 在 Post-training 中的经验，包括 SFT、RLHF 和 DPO 等方法，并强调了高质量...
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
