驶向未来。 一档深度科技与商业视频栏目，旗下有同名播客。通过对前沿科技及商业的一手视角和深度挖掘，我们希望带来深度有趣的前沿选题。Solid journalism still matters. 联系我们：[email protected]
本期播客主要探讨了 2025 年机器人基础模型的发展现状与未来趋势。节目首先回顾了机器人技术发展的四大范式，并解释了机器人基础模型是 “会动手的大脑”，类比于 GPT 是 “会说话的大脑”。随后，节目分析了 2025 年成为机器人基础模型元年的三大关键因素：大语言模型趋于成熟、算力价格大幅下降以及硬件供应链的成熟。节目还深入探讨了闭源模型机器人的三个主要流派：全栈整合派、垂直突破派和生态平台派，并分析了各派的优劣势与代表公司，例如特斯拉、Figure AI 和 Dyna Robotics。最后，播客总结了当前机器人技术展示精彩但落地未知的现状，并展望了家用机器人领域的未来。
该播客主要探讨了脑机接口技术的发展现状与未来潜力。从脑机接口的原理、技术路线（非侵入式、半侵入式和侵入式）到关键技术如 AI 的应用，详细介绍了这项可能改变人类未来的技术。播客中分析了 Neuralink、Synchron、Paradromics 和 Blackrock 等公司的技术特点和市场策略，Neuralink 以其高通道密度和无线化程度引领行业，Synchron 则通过血管植入实现安全使用，Paradromics 追求极致性能，Blackrock 则凭借长期积累占据优势。同时也探讨了脑机接口技术面临的伦理挑战，包括数据隐私、自主意志和技术公平性等问题。
本期播客主要探讨了布莱恩·约翰逊（Bryan Johnson）的抗衰老实践及其商业模式 Blueprint。约翰逊通过严格的健康管理和数据追踪，挑战传统衰老观念，并分享了他对炎症、血压和胆固醇等关键生物标志物的看法，以及改善这些指标的生活方式建议。节目还讨论了桑拿疗法在降低体内微塑料水平方面的意外发现，以及 Blueprint 公司如何利用 AI 技术进行健康数据分析。约翰逊的医生团队成员分享了他们如何利用 AI 和细胞培养技术来个性化治疗方案，旨在降低衰老速度并提高生活质量，最终目标是实现 “长寿逃逸速度”。
本次播客是由三场小组讨论组成，讨论了人工智能、自动驾驶和美股投资等主题。第一场讨论由硅谷资深人士 Howie Xu 和 Fusion Fund 的创始合伙人张璐共同主持，回顾了 2025 年人工智能的发展，讨论了 Meta 的衰落以及企业人工智能应用的转变。第二场讨论由惠尔智能 CEO 大卫和前特斯拉 AI 工程师于振华主导，重点介绍了特斯拉在自动驾驶技术方面的进展，并分析了 Waymo 和特斯拉之间的竞争。第三场讨论由美国金融投资首席执行官 Bruce 和金融投资联合创始人任杨主持，分析了美股投资策略，讨论了宏观经济因素的影响，并分享了对特定公司（如谷歌、苹果和 SpaceX）的看法。
这期《硅谷 101》的播客，陈茜对 2025 年具身智能的发展现状进行了分析。她指出，尽管人形机器人领域在 2025 年取得了显著进展，例如宇树公司发布低价机器人和 Figure AI 估值飙升，但特斯拉 Optimus 项目受阻也反映了行业面临的挑战。陈茜认为，具身智能正从 demo 展示阶段转向务实探索，技术突破如 VLA 模型、算力成本降低和硬件供应链成熟推动了行业发展，但数据稀缺、虚拟与现实差距、硬件限制、可靠性和成本等难题依然存在。播客还探讨了特斯拉、Figure、Physical Intelligence 和 Skilled AI 等主要玩家的不同发展路线，并总结说，具身智能虽面临诸多挑战，但行业正朝着理性、可验证的方向...
本期《硅谷 101》由特约演奏员 Yiwen 主讲，深入探讨了传媒巨头派拉蒙的重组与并购，以及 Netflix 收购华纳兄弟对好莱坞格局的潜在颠覆。节目分析了 David Ellison 收购派拉蒙后的改革措施，包括重组部门、更换高层、裁员等，并探讨了派拉蒙在流媒体时代的挑战，如基因限制、内容困境和战略迷失。同时，节目还回顾了派拉蒙有线电视业务的兴衰，以及电影业务衰落的原因，并分析了好莱坞全球影响力下滑的趋势。最后，节目提到了 David Ellison 家族可能通过甲骨文收购 TikTok 美国业务来重新定义媒体权力版图，并预告了下一期关于华纳兄弟收购案的内容。
本期节目主要讨论了在人工智能时代，互联网入口的重构以及阿里如何应对这场变革。节目分析了互联网交互方式的演变历史，从鼠标点击到手指触控再到自然语言意图，指出 AI 正在试图消灭图形界面。节目详细阐述了阿里在 AI 领域的布局，包括算力基础设施建设、全站生态链的构建以及千问 APP 的功能矩阵，并探讨了 AI 介入电商领域引发的关于推荐与搜索的博弈。最后，节目还提到了商家在 AI 时代面临的挑战，以及伦理与信任问题的重要性。
这期硅谷 101 的播客节目中，陈茜带领听众回顾了亚马逊云科技（AWS）在拉斯维加斯举行的 re:Invent 大会，重点关注了其在 AI 领域的最新进展和战略布局。节目详细解读了 AWS 在算力、模型、开放训练模型平台和 Agent 四大支柱上的更新，强调了 AWS 与英伟达的深度合作以及自研芯片 Trainium 的性能提升。此外，还介绍了 AWS 的 Nova 系列模型，以及 NovaForge 和 NovaAct 等创新服务。通过 Adobe、康泰纳什、蓝色起源等客户案例，展示了 AI 技术在各行各业的应用，并分享了在体育赛事领域的 AI 体验。陈茜总结道，AWS 正通过全生态的支持，推动 AI 的务实落地，并对 AI 在 ...
Swatch 集团正陷入经营困境，其中端市场遭智能手表蚕食，高端业务亦未能充分捕捉奢侈品增长红利。海耶克家族坚持大众化与可及性的品牌信念，导致其与追求高效率的资本市场产生剧烈冲突。激进投资者 Steven Wood 试图推动变革以提升奢侈品定位及治理透明度，但受限于双重股权结构而受阻。尽管 MoonSwatch 联名款曾凭借高性价比引发全球抢购，但这一爆款策略未能从根本上解决集团的结构性增长瓶颈，凸显了这家老牌瑞士企业在传统制表信念与现代商业效率之间的艰难博弈。
本次硅谷 101 年度科技会议以人工智能与教育为主题，邀请了 Minerva 大学创始人 Ben Nelson、知名教育家 Esther Wojcicki 和斯坦福大学学习加速器执行董事 Isabel Howe，由 Joy Chen 主持。讨论了 AI 对教育的潜在影响，包括 AI 作为学生的辅导工具，以及对批判性思维和伦理道德的挑战。嘉宾们还探讨了大学教育的未来，强调了终身学习、技能培养、社交能力的重要性，并对传统学位证书的价值提出了质疑，认为实践项目和团队合作在未来的教育中至关重要。此外，嘉宾们还讨论了教师的角色，强调了人际关系在学习中的重要性，并认为 AI 可以辅助教师，但不能完全取代他们。
本期硅谷 101 播客深入探讨了 AI 数据中心建设背后的资本支出问题。陈茜首先介绍了 AI 数据中心的主要构成部分，包括 IT 设备、供电设备、冷却设备和工程建设，并详细分析了各项成本，如服务器、网络、存储、柴油发电机、UPS 等的花费，以及主要供应商。节目引用了美国银行、Bernstein、摩根士丹利等机构对 AI 数据中心成本的不同预算，解释了数据差异的原因，并指出电力短缺已成为数据中心建设的核心瓶颈，促使科技巨头们不得不投资建厂，甚至探索太空数据中心。最后，探讨了在市场质疑 AI 泡沫的背景下，资本依然涌入的原因，以及万亿美元需求背后的资金来源，认为这是一场科技巨头们关于未来主导权的博弈。
这期硅谷 101 的播客节目由陈茜和特约研究员刘一鸣共同主持，探讨了人造肉行业从资本宠儿到濒临破产的崩塌过程。节目分析了 Beyond Meat 和 Impossible Foods 这两家明星公司的现状，指出人造肉在口味、价格和健康卖点上均未能满足消费者需求，导致市场崩盘。节目还探讨了人造肉公司在战略定位上的失误，以及科技精英主义在这一领域的局限性，最后讨论了人造肉行业未来是否可能重生的可能性。
本次播客由陈茜主持，邀请了多位 AI 科学家，包括 Nathan Wang, 田渊栋， Gavin 和羽北，共同探讨了谷歌最新发布的 Gemini 3 模型以及大型语言模型之外的前沿 AI 研究方向。嘉宾们分享了他们对 Gemini 3 的使用感受，包括其在编程能力、小说续写、多模态推理和全模态应用等方面的表现，并讨论了谷歌在模型上的优势、Scaling Law 的执行以及未来 AI 的发展趋势，如可解释性模型、白盒模型和机器人技术。此外，还涉及了对新型架构、长短期记忆、以及开源模型等问题的探讨，并回答了观众关于深层式 UI 和视频模型的问题。
本播客是由陈茜主持，邀请了来自 OpenAI 的郑文、亚马逊的 Lihong Li 和 LinkedIn 的 Alborz Geramifard，以及主持人 Bill Zhu，围绕强化学习（RL）的最新进展和未来方向展开讨论。内容涵盖了从可验证奖励到人类反馈的强化学习训练方法，探讨了在缺乏监督数据的情况下如何训练语言模型，以及如何平衡预训练和后训练以实现更强的探索行为。嘉宾们还深入探讨了分层强化学习和抽象的重要性，并对强化学习在知识创新和生成方面的潜力进行了展望，同时也讨论了过程奖励在训练大型语言模型中的应用，以及未来强化学习在个性化、扩展和人工智能系统进步方面的潜力。
硅谷 101 的联合创始人陈茜与特约研究员一鸣主持了一场关于 “AI 泡沫” 的直播讨论，邀请了前微软能源战略经理 Ethan Xu 以及金融投资的 Bruce Liu 和 Yang Ren。嘉宾们讨论了美国市场近期的震荡，分析了宏观因素、联储政策及资金面对 AI 板块的影响，并探讨了 Michael Burry 做空 AI 概念股的信号。他们深入分析了 AI 资本内循环的现象，探讨了英伟达、OpenAI、Oracle 等巨头间的合作模式，以及这种循环是否会催大估值泡沫。此外，嘉宾们还讨论了 AI 基建和算力行业的投资回报率，以及 AI 收入何时能赶上投资规模的问题，并对太空数据中心等解决方案进行了展望，最后对 AI 是否存在泡沫，...
本次硅谷 101 采访了前 Meta 的 AI 科学家田渊栋，讨论了 Meta 裁员风波以及他对 AI 发展路线的思考。田渊栋认为，AI 行业的自动化趋势将导致相关岗位减少，未来 AI 更多会作为工具赋能其他领域。他分析了开源与闭源模型的优劣，强调应根据公司策略和应用目的选择。对于 LLM 路线，他持保留态度，认为 Scaling Law 存在局限性，并对强化学习的价值表示认可。他还分享了自己在 Fair 的经历和对 AI 人才的看法， 认为在快速变化的市场中， 找到自己真正想做的事情比追逐热点更重要。最后，田渊栋表达了对 AI 赋能科研的期待，希望找到结合前沿研究和工程应用的新方向。
这期硅谷 101 的播客分析了 Meta 在 AI 开源路线上的挑战和失误，重点探讨了 Llama 模型的发展历程，从 Llama 1 到 Llama 4，揭示了 Meta 内部 AI 架构的天平失衡。通过采访 Meta 前员工田渊栋和 Gavin Wang，以及其他匿名人士，节目剖析了 Llama 4 失败的原因，指出 Meta 高层在产品化和多模态上的过度关注，忽略了 reasoning 和前沿技术研究，导致了技术研发和产品工程的失衡。此外，节目还讨论了扎克伯格如何通过重组 AI 架构，成立由 Alex Wang 领导的特权小组来试图修复这种失衡，以及这种做法在 Meta 内部引发的争议和挑战。最终，节目反思了前沿实验室在商业化...
本期硅谷 101 节目中，陈茜与魔法科技创始人柴金祥教授深入探讨了 3D 数字人的发展历程、技术挑战与未来应用。节目回顾了数字人从电影特效到虚拟偶像的演变，并着重分析了 AI 技术，特别是大语言模型，如何推动数字人从被动执行脚本到具备理解和表达能力的转变。讨论了 2D 与 3D 数字人的技术路径差异，强调了 3D 数字人在具身表达方面的优势。柴教授分享了魔法科技在构建 3D 数字人开放平台 “星云” 上的创新，包括多模态 3D 大模型和云端拆分架构，旨在解决高质量、低延时、低成本的不可能三角。节目还分析了行业面临的挑战，如初始建模成本、数据稀缺性和泛化性问题，并展望了 3D 数字人在屏幕交互、虚拟 IP 升级以及与人形机器人结合等方...
本次 Alignment 2025 的机器人专题讨论小组，由 Jun Wu 主持，邀请了 Anand Lalwani, Evan Tao, Jan 三位嘉宾。讨论内容围绕机器人技术在实际应用中面临的挑战与机遇展开，涵盖了从特定任务机器人与通用人形机器人的选择、机器人硬件与软件的开源性、到机器人大规模部署的可靠性、商业模式以及安全与信任问题。嘉宾们分享了各自在机器人领域的经验和观点，强调了在追求技术创新的同时，需要关注实际应用中的可靠性、安全性和商业可行性，以及如何解决机器人部署过程中遇到的保险、数据安全等现实问题。
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
