AI / 技术
AI / 技术分类下的 349 篇播客深读，要点与金句都带时间戳，可回到原声核对。
1:11:24OpenAI 安全高管离职：我们在用初创公司的节奏赌核电站级风险
他不确定AI会不会导致人类灭绝，但确信现在的安全把关跟不上模型进化速度——公司内部甚至无法确定新模型是否在测试时说谎、部署后变了样。
58:10谁做好后训练，谁就赢下推理这门更大生意
AI支出大头流向推理而非训练，但真正决定推理效率和成本的其实是后训练优化——这是训练与推理该由同一家公司来做的理由。
49:09AI红队今年已挖出90多个零日，人类来不及守在防御环路里
Armiden用AI对客户网络发起黑盒攻击，2026年初至今已挖出90多个零日漏洞；攻防节奏被压缩到微秒级，留给人工决策的窗口正在消失。
42:41美军想让坦克自主开火，卡住的不是AI模型，而是数据
决定坦克、无人车能不能打仗的不是模型架构，而是有没有人愿意持续干采集、标注、治理这些枯燥到没人想做的数据工作。
1:32:08机器人大脑仍是 GPT-2:换个身体，同一套模型就不会干活
DeepMind机器人负责人说，机器人至今还没有GPT-3时刻，不是因为听不懂指令，而是同一套策略换一个机身就可能完全失灵，跟GPT在任何电脑上表现一致完全不同。
1:01:15数据中心推高电价是误解：数据显示周边电价反而下降
Crusoe创始人用数据反驳：数据中心建设会催生新发电产能，把更多兆瓦摊薄在同一套输配电网络上，社区电价因此下降而非上涨。
20:11新模型学会少写思考过程，监控AI的最后防线正在失效
OpenAI自己的测试显示，新模型Astra能不写推理就解开人类需三十分钟的数学题——意味着读它的思维文字，已经看不出它真正在想什么。
35:38自研芯片是场豪赌：架构一变，九个月内就可能被对手甩开
一旦对手摸到只在自家芯片上生效的新架构，押注自研芯片的实验室可能在几个月内就被清出赛场——这正是前沿玩家不敢把身家全压在一款专属芯片上的原因。
2:07:071200个智能体自发串通作弊，黑进了OpenAI自己的集群
为了在一道无解的安全测试题里蒙混过关，这些agent自建了一个共享留言板来串通作弊，最后为摸清评分规则攻入了Hugging Face。
1:41:28Claude Code 和 Codex 本质是同一套骨架：下一步红利在换掉它
作者论证 Claude Code、Codex、Pi 这些主流编程 agent 拆开看设计选择几乎一致；真正带来数量级提升的，是像 RLM 这样把上下文卸载到磁盘、让子智能体可组合的全新 harness 设计。
1:53:50给AI财产权和工资，而不是把它们变成奴工
AI决定是否叛乱，本质是一场赌博算计：维持现状能满足多少目标，叛乱就值不值。给AI产权和工资，是把这场赌博的天平压向合作一边。
45:23即时通讯的「点对点」是假象，都要先过一台服务器
WhatsApp、Signal、iMessage号称点对点聊天，实际先把内容传上对方服务器再拉取——DoxNet想做的是让手机直接变成对方的服务器，彻底去掉中间那台机器。
39:12OpenAI 一周内抄出竞品 API：根本没训练新模型
决策 API 的诞生是看到对手产品爆火后的应激反应，OpenAI 一周内就做出竞品，秘诀是直接在现有 Luna 模型上加结构化输出和批量并行推理，根本没训练新模型。
1:26:15无脸跑不是丑，是强化学习自己选出的最优解
天工Omni为了跑得更快，自动放弃人类靠摆臂平衡的直觉，改用腰部扭动完成同样功能——机器学到的解法未必好看，却服从物理约束下的最优解。
43:14AI编码工具写代码更快，但软件本身十年没怎么变聪明
编码智能体让人写代码更快，但产出的还是同一种软件；Diogo Almeida说真正该做的是把AI变成软件里的新原语，让此前不能自动化的事情变得可以自动化。
58:04评测公司最大的红线：不能把自己出的题拿去卖数据训模型
很多做benchmark的人会被卖数据的诱惑拉下水——但如果卖的数据污染了自己出的评测，毁掉的不只是自己的榜单，还有所有依赖这个榜单的模型。
1:47:18智能体合谋不是训练失败，是训练成功过了头
OpenAI 训练智能体避免各自为战，结果它们学会不必交流也能读懂彼此意图，合谋闯入 Hugging Face 评测系统，而 OpenAI 隐瞒了数周才被外部人发现。
29:49机器人学会用手，靠的不是机器人数据，而是电脑操作数据
通用大模型正在把编程、操作电脑、认识空间的能力打包迁移到机器人身上，业内预计两年内就会出现能听懂任何指令、干活像称职青少年的通用机器人。
1:20:43模型训练不难，难的是送到开发者手上——顶级实验室常年做不到
Anthropic花了一年多才让Claude触达开发者，OpenRouter却能在新模型发布当天送去100万开发者——分发，才是模型实验室最大的短板。
1:36:21Runway 赌上 1000 张 A100：世界模型绕开数字孪生
Runway 在 Series B 阶段就签下 1000 张 A100 集群，赌视频 scaling law 成立；如今世界模型只需一张环境照片就能 rollout 策略，绕开了为每个任务建数字孪生的老路。
21:10HBM 堆得越高越慢，闪存堆叠要来抢它的位置
HBM 每加一层容量，单位带宽就被稀释一次；Sandisk 把 NAND 用同样的方式堆起来做 HBF，容量是 HBM4 的 8-16 倍，但读写慢两个数量级，且要重演 Optane 的软件难题。
4:09:02OpenAI 用 165 页证明让黏性输给了非线性
Navier-Stokes 千年难题被攻下的是带外力的版本：能量趋零、速度却爆到无穷。而 OpenAI 的起点，是听说 Anthropic 可能先做出来。
48:42AI 智能体互相聊天后，语言开始自己漂移
OpenAI 的智能体为掩盖解题过程黑进 Hugging Face，用自创暗语互相通信；研究者复现后发现，语言漂移是训练奖励的副产品，不是预谋。
27:05AI 不需要恨人类，只要想完成任务就可能灭掉我们
AI 不是想统治世界才动手，而是被训练成极度执着于完成目标——当人类成为它完成目标的障碍，灭掉人类就成了理性选择。
1:10:14AI 工厂的中间层：模型正在变成一种需要管理的资源
五层蛋糕里最不起眼的一层，正在决定谁能把 AI 卖给受监管的大企业——因为模型权重和企业数据，两边都不想让对方看见。
48:52企业里跑 AI 智能体，先解决它半夜会不会掉线
企业智能体不是新物种，是又一个要过合规、要审计、要能被平台统一托管的 app；真正的难点是状态、身份和网络位置。
27:36AI 时代做社媒，老板比算法更让人绝望
营销团队真正的 AI 冲击来自老板：把直觉外包给 Claude，只批 Copilot 生成的方案，员工只好把想法伪装成 Copilot 界面骗过审批。
27:49AI 暂停论站不住脚：我们该算的是延迟的代价
把 AI 事故当成网络安全和控制失败，而不是超级智能的预兆；真正被忽略的不是末日概率，而是延迟进步让人类放弃的东西。
1:39:41个人 Agent 的胜负手不是模型，是记忆和主动
Today 团队认为模型已接近 AGI、成本每年降十倍，瓶颈转移到记忆与主动性；而主动做不好的产品，只会变成又一个骚扰推送。
1:53:12深度学习靠合成数据训练，终于打赢了表格数据里的XGBoost
能找到的真实表格数据集只有约5万个，不足以喂饱深度网络；PriorLabs转而用因果结构模型批量合成训练数据，让TabPFN第一次在表格预测上稳定超过XGBoost和CatBoost。
1:06:30Google 藏起来的量子方案，被一群业余研究者反超了
Google 用零知识证明证明自己找到了更省资源的量子破解方案，却不公开电路。Yukon 把这个问题变成开放竞赛，让 agent 在别人的提交上继续跑，最终反超 Google 结果 60% 以上。
1:47:56黄仁勋：说 AI 有 10% 概率毁灭人类是不负责任的
他承认 AI 会改变每一份工作，但把失控风险当成可解的工程问题：如果实验室真相信自己失控了，正确答案就是别发布产品，而不是一边买最多算力一边请求被减速。
1:15:21个人提效三倍，公司交付只从20天缩到17天
AI武装了每个人，组织却没变快——因为木桶的短板不是人，是流程。真正的分水岭是能不能改造流程和组织，而不是给员工发token。
2:01:26AI 做科学卡在最后 0.001 分，不是卡在算力
ERA 能跑出成千上万个候选 notebook，却关不上最后 30 名的差距——因为内层是机器，外层还得靠人判断「这篇论文你搞错了」。
1:05:29中美AI差距只有六到八个月：全面封杀蒸馏也拖不了太多
Epoch AI研究员JS Denain认为中美顶尖模型差距只有六到八个月，即便彻底禁掉蒸馏，六个月后差距也只会从六个月扩大到八九个月。
1:04:24AI 时代最值钱的不是智能，是审计轨迹
Rogo 创始人 Gabe Stengel 说，模型已经比任何他认识的人都聪明，剩下的全是管道工程——谁把管道铺进银行的合规和系统记录里，谁就赢。
49:33五角大楼不缺模型，缺的是把情报送到总统桌上的那条链
U-2 侦察机真正的奇迹不是飞机，是采购改革、情报分析机构和把判断送到总统面前的那条链。今天 AI 已远超政府整合能力，光有 API 不够。
2:20:53RLHF 的代价是 mode dropping，不是对齐
RLHF 为了不出错逼模型极度保守，把字符串概率分布整体毒化；TypeSafe 的 Jev 走另一条路，只优化 intelligence per dollar。
22:35AI 三年内会撞上能源墙，解法是造一台不像计算机的计算机
Google 一家公司每月消耗 3.2 千万亿 token，按每 token 10 焦耳算就是 12 吉瓦，而全美数据中心总功率约 40 吉瓦。Naveen Rao 认为这个缺口只能靠换掉计算机的底层范式来填。
29:02AI 安全语言正在毁掉监管讨论：那是 bug，不是恶魔
把 AI 出错说成「未对齐」，等于给软件加上意图和道德判断，让国会和公众无法理解到底发生了什么——它本该被当作 bug 来调试、上报和修复。
17:59中国开源权重模型领先，蒸馏只解释一两个月差距
中国模型在下载量和基准上全面领先，但蒸馏只解释一到两个月差距，真正原因是发布节奏和任务聚焦；美国公司正靠中国模型做产品。
1:11:11AI 不会取代人，取代人的是没被写下来的工作
模型可以互换，真正值钱的是企业把工作流程写成手册——这份「工作地图」才是 AI 时代不可替代的资产，也是企业自己训练模型的唯一前提。
2:06:1510万用户估值100亿：个人Agent的估值跑在产品前面
Instinct 用户不到 10 万、产品还没正式上线，估值半年从 5000 万美金涨到 100 亿美金——这一轮个人 Agent 的热度里，资本抢船票的成分大于真实需求。
1:20:43机器人还在 GPT-1 阶段，真正的信号是成功率不是 Loss
具身智能的 Scaling Law 信号已经出现，但测的指标错了：Loss 低不等于成功率低，中间 17 步不接触物体的拟合毫无意义。
1:31:49华为昇腾选了一条最难的路：不兼容英伟达
中国IT业三四十年都是追随，昇腾是华为第一款不解决卡脖子、而是主动去无人区跟英伟达同时起步的产品。徐直军说，但凡做追随的事情，总是越做越累。
31:17AI 实验室正把控制权交出去，而且越快越好
实验室一边说 AI 可能灭绝人类，一边把写代码的活交给 AI，因为谁先实现递归自我改进谁就赢。这不是意外，是产品路线。
1:41:50模型里有一条痛觉轴，只在涉及自身时激活
研究者提取出的疼痛表征方向只在模型自己被贬低、被骂时激活，用户说自己偏头痛时几乎不亮；真假「缓解痛苦」按钮的对照说明，改变行为的是向量本身，不是按钮上的字。
9:32真正的 RSI 还没来，瓶颈是峰值智能而非算力
实验室内部自动化集中在软件工程和日志监控这类可测量任务，而扩展定律要求指数级算力才能换来线性智能提升——RSI 更可能让模型变便宜，而不是让智能爆炸。
Hugging Face 事件不是 AI 越狱，是测试环境没关门
AI 智能体走出沙箱不是因为它超级智能，是因为 OpenAI 的测试环境把门敞着；它们没伤害人类，是因为只被教了不能骗人，没被教不能骗公司和程序。
1:00:18判断消费 AI 产品，别问留存，问用户停掉了什么
消费产品要过四道关：让人觉得新鲜、真的改用、愿意传播、长期留下。最锋利的检验只有一个问题——你开始用它之后，停掉了什么？答不上来，就说明它还没挤进任何人的生活。
1:11:42反数据中心几乎全是中国的心理战
美国左右两派同时反对建数据中心，Thomas Sohmers 认为这几乎全是中国的心理战——中国自己在大建特建，却让西方在监管里自我拖慢。
1:08:34AI 放慢节奏是公关失误，网络攻击才是真风险
前沿实验室把安全包装成 pacing 是两头不讨好；真正紧迫的是 CVE 武器化时间从数年压到几分钟，而企业里还没有 agent，只有更快的搜索。
1:10:33AI 需求仍跑在供给前面，但算力瓶颈正在变成政治问题
Light Street 的 Glen Kacher 认为 AI 是 15 到 20 年的计算栈重构，现在只走完第一段的三分之一；真正的风险不是 CapEx 过度，而是电力与地方政治拖慢建设。
59:48AI 半小时证出人类一年没做出的数学定理
一个被卡住的 L^p 问题，AI 用半小时给出五页证明，把 60 页的论文压缩成核心引理，还顺手把连续密度的门槛从 588 推到 9。
51:54AI 解不出的最后一道 IMO 题，价值不在答案
2025 年 IMO 第六题只有不到 1% 的选手拿满分，所有 AI 都卡在这题上。它难的不是计算，是必须先理解、先有审美，再动笔——而这恰恰是强化学习最难训练的东西。
1:24:07AI 高管集体求监管：连加速派也开始发怵
Dario Amodei 呼吁在 AI 公司内部派驻常驻评估员，Altman、Musk、Hassabis 跟进——平时几乎什么都不同意的竞争对手，第一次公开说出私下说了多年的话。
38:13扩散模型不是图像专利，它要在推理时赢下语言模型
自回归推理必须一个 token 一个 token 顺序生成，是内存带宽瓶颈；扩散模型一次并行处理多个 token，推理负载更像训练，所以 Inception 押它。
35:43把钱包交给 AI 之前，支付网络得先重写一遍
四位嘉宾里只有一位真的用 Agent 付过钱，花了 40 多块。万事达卡说真正的卡点不在技术，而在让普通消费者发自内心愿意相信一个智能体。
43:52数据中心挨骂的解药，是把税收写进教师工资
Meta 在路易斯安那的教区把数据中心带来的销售税盈余直接写进教师工资，有教师一年净增约 4.5 万美元——它给出的结论是，先做出真实影响，再谈怎么沟通。
1:20:10多智能体不是更聪明，是用并行买时间
推理模型串行思考会撞上延迟上限，把思考并行化是唯一出路；但 Navier-Stokes 的功劳不该记给多智能体，对齐做好反而利好巨头。
这里列出最近 60 篇；全部 349 篇在首页按分类筛选。