SpaceX的信用风险衡量指标飙升至历史新高，周三该公司的债券在二级市场走弱，此前有报道称该公司正与银行和投资者洽谈筹集400亿美元，用于向英伟达公司购买芯片。
阅读原文 →追踪埃隆·马斯克航空航天集团的信用违约互换大幅攀升，此前英国《金融时报》报道该集团正寻求筹资400亿美元购买英伟达芯片
阅读原文 →文｜李炤锋 编辑｜张雨忻 “人说要有光，于是就有了光。”谈起个人 Agent 的终极愿景，Rabbit 创始人吕骋把那句古老谚语中的“神”换成了“人”：在他的设想中，人只需说出想办成的事，Agent 就会自己寻找办法。 说起 Rabbit，很多人首先想到那台橙色手持设备 r1——一台运行 Rabbit 自研系统的掌上 AI 设备。Rabbit 当初希望，用户只需说出任务，它就能代人操作应用、完成任务。R1 在亮相后迅速受到关注，但上市后的实际使用体验，却收到了一些批评的声音。吕骋后来承认，用户的高期待与最初的软件体验之间存在落差。 Rabbit R1 上个月，Rabbit 开放了新一代 Agent 操作系统 OS3：用户从网页或 Telegram 交代任务，系统调用用户自选的 AI 模型，让电脑查文件、操作软件、浏览网页或写代码。 “你不要去赌用户最后只有一台设备，这是不现实的。”谈及为什么要做跨设备功能，吕骋数起自己平时使用的电脑：一台私人 PC、一台工作用的 Mac，还有一台能进入公司内网的办公室电脑。在他看来，用户常在多台设备间切换，而好用的 Agent 应该让人只交代一次任务，再自行找到对应的设备和解决办法。 2024 年 CES（国际消费电子展）上，Rabbit 带着 r1 亮相。但这款产品的实际体验迅速引发争议，科技媒体《Wired》给早期产品打出 3 分（满分 10 分）。几周前，吕骋在接受《Wired》采访时表示，r1 已在全球交付超过 10 万台，退货率低于 5%。面对当年的批评，他说：“从工程角度看，我们没有押错方向。” 在和智能涌现的交流中，吕骋进一步解释了 r1 面临的落差：“我们在发布会上说能做四件事，然后用户会尝试去做六件事。”早期 Agent 产品难以接住用户不断扩大的期待，但在吕骋看来，这种行业早期进入的“前卫”，正是Rabbit公司的底层基因，r1 至少让 Rabbit 参与了 AI 硬件早期形态的讨论，此后谈起这一品类，人们仍会提到那台橙色设备。从 r1 到 OS3，Rabbit 想争取的，始终是 Agent 产品的定义权。 最近一年，Agent 正从写代码、处理工作，逐渐走向个人的日常事务。今年 9 月以来，这一方向的竞争明显升温。 OS3 发布前后，Meta 推出个人 Agent 产品 Muse。据 Sensor Tower 估算，Muse 上线两周下载约 280 万次。9 月初宣布恢复独立运营的 Manus，随后推出个人 Agent 产品 Cue。国内，阿里的千问接通淘宝购物，字节的豆包上线对话打车。几家公司路径不同，都在尝试让 AI 进入日常事务。 谈及个人 Agent 产品接连出现，吕骋说，模型更会写代码，让 Agent 更容易造出来；但普通人会不会长期使用，仍是一个未知数。让人用得懂、用得久，才是下一道难题。 这也解释了OS3的简约操作逻辑。在交互上，和很多Agent的工作台模式不同，OS3 只有一个持续的对话窗口。用户想到工作或生活里的需求，可以直接说出来，不用先新建项目，不需要按工作或生活来分类整理自己的任务需求。而在执行层面，OS3 可以连接最多五台用户已有的电脑，使用各台机器上的文件和软件，并决定任务在哪台机器上完成。 吕骋认为，个人 Agent 要走进普通人的生活，首先得把使用门槛降下来。“人类的思考方式，它不是一个文件化的思考方式。”这是 Rabbit 设计 OS3 时的一个判断：用户不必先把工作和私事分门别类，想到什么，就在同一个对话窗口里交代。 01｜普通人，需要怎样的个人 Agent Meta 的 Muse 推出后，吕骋也试用了这款产品。他让 Muse 买一箱可乐，Muse 得在远程电脑上登录购物网站，但因为忘了密码，又要打开密码管理器查找。这个过程让他怀疑：个人 Agent 的需求是否已经得到验证？ “让Agent去亚马逊给你买一箱可乐，和用户直接在电脑上点两下买一箱可乐，哪个更方便呢？” 谈到这波产品热潮，吕骋说：“我不认为这个需求已经验证了。” 他用“老板和总助”的关系解释 Rabbit 的愿景：“我有个事儿要解决，你帮我去解决。”现实中，老板不会事先规定助理去哪家门店、用什么方式付款；他要的是结果。吕骋希望用户也能这样使用个人 Agent：交互逻辑简单，拥有本地系统权限，还能跨多台设备操作。 OS3操作页面 打开 OS3，主要看到的是持续的对话和输入框，没有按工作、生活分开的任务入口。这种设计足够简洁，也可能让新用户无从下手。吕骋认为，事先替人划好分类，反而会逼人按软件的方式整理自己的念头。 吕骋说，人的思考是流动的：聊着一件工作，可能突然想起昨天没办完的私事。他把这种状态叫作“brain dump”，即把脑子里冒出的事一股脑说出来。他说，OS3 要靠记忆和任务调度接住这些跳跃的想法，再决定调用什么工具、让哪台电脑执行。输入框越简单，背后的系统要承担的判断就越复杂。 一旦 Agent 开始动手干活，光理解指令还不够，它还得进入能执行任务的环境。吕骋说，Rabbit 的早期方案，曾尝试过类似Muse的方案，却发现异地登录容易触发网站验证，甚至被拦截。因此，到了OS3 ，尽管仍然需要云端模型接入，但OS3可以把执行程序装在选定的电脑上，使用那台机器已有的文件、软件和工作环境。吕骋也把本地执行视为一道隐私边界：“只要文件在本地，就不用上传，直接执行在本地的电脑。” 使用成本也是一道门槛。有用户反馈，使用同一模型时，OS3 的 Token 消耗可能高于 OpenClaw，这引起吕骋的警惕，“我们一定会做一轮深度的优化，把这个 token 的使用消耗降下来。” Token 消耗只是一方面。吕骋提到，年初把 OpenClaw 接入 r1 后，收到最多的求助是“OpenClaw 怎么装”。他起初觉得，照着官网步骤操作就行；后来发现，许多普通用户从未打开过电脑终端，更不熟悉 GitHub 和技能配置。换言之，要让个人 Agent 面向普通用户，一定要尽可能简单，门槛低。 Rabbit 把 OS3 的初始设置放进网页端，用户按提示回答问题，再填入自己申请的模型 API 密钥即可开始使用；如果要让 Agent 操作自己的电脑，仍须安装本机程序并授予权限。他形容网页设置是“肉眼可见的改进”，但距离普通人拿来就用还有一段路。“我现在在产品上抓的最紧的一件事，就是如何降低用户门槛。” 谈到 OS3 为什么采用 Bring Your Own Key的模式（用户自带模型密钥），吕骋说：“我不认为任何一家大厂都能在自己的封闭体系里，笃定自家模型会胜出。模型竞争中，没有哪一家拥有绝对优势，也很难在短期内决出胜负。”在他看来，这也是 Rabbit 相比大厂的一点优势：任何一家模型能力的提升，都能成为 Rabbit 的 Agent 产品的助力。 吕骋希望 Rabbit 做出一件有人愿意长期拥护的产品。他说，大公司擅长“把小众且好用的产品迅速杀死”，却“很难杀死一个有信仰的产品”。他举 Linux（一种开源操作系统）为例：使用 Linux 的人或许不多，但习惯用它的人很难被说服换用别的系统。 但被问及 Rabbit 是否愿意成为“Agent 时代的 Linux”时，吕骋说：“只成为 Linux 是不够的。”在他看来，技术底座搭好后，还要在复杂系统之上，给普通人提供一个“即插即用的方案”。 02｜Rabbit 想争 Agent 的定义权 “OS3 是我们一开始为 Cyberdeck 做的操作系统。”吕骋说。Cyberdeck 是 Rabbit 继 r1 之后开发的第二台硬件产品：一台尚未上市的小型电脑，计划配备屏幕和机械键盘，供用户使用 Agent 和编程工具。 今年 1 月，Rabbit 首次公开 Cyberdeck 项目。吕骋当时在社交媒体上公布了产品构想：小尺寸机身、可更换的机械键盘，以及供用户自由选择模型和 Agent 的环境。他曾向媒体透露，Cyberdeck 的目标价格是 500 美元。 在这次对话里，吕骋给了它一个更日常的定义：随身携带的任务入口。“这个便携的东西它就充当了你的输入框，无论你是语音还是打字。”人可以从这里交代事情，再由 OS3 调用家里或办公室已连接的电脑。 Cyberdeck 还在开发中，Rabbit 选择先把 OS3 开放给普通电脑用户。吕骋解释说，他希望在新设备完成前，团队先从真实使用中发现问题，继续调整软件与硬件的配合。 此前，《Wired》把 OS3 称为 Rabbit 的一次转向。吕骋在这次采访中澄清：“并不是说我们从硬件转型到软件了。”他说，很多媒体把 Rabbit 误解成一家硬件公司，但实际上，“硬件只是一件对我们来说是一个不得不做的事情”。 在他看来，关键在于 Agent 能进入多大范围的系统环境。“如果你只做一个 App 的话，你的边界就是 App 能给你的边界。”自己做设备，可以从系统层设计 Agent 的运行环境。 不过，既然 OS3 已能连接普通电脑，用户为什么还需要 Cyberdeck？吕骋认为，随身携带的统一入口可以调用多台设备，也能让任务留在用户已有的工作环境里。 这种设计与 Agent 执行任务时遇到的限制有关。吕骋用亚马逊购物举例说明执行环境的麻烦：他平时从洛杉矶登录，云端 Agent 却可能从明尼苏达的一台虚拟电脑进入同一账号。网站看到陌生地点的登录，可能要求额外验证，甚至拦下操作。因此，他认为 Agent 能否使用用户已有设备上的登录状态和工作环境是重要的。 吕骋不否认 Agent 赛道竞争的紧迫。回忆 r1 发布时，他提到团队当时只有七个人，想赶在竞争对手之前交付：“我们 r1 从画草稿到发布那天，一共用了九十一天。”如今 AI 产品迭代更快。他认为，创业公司如果一两个月拿不出新产品或新变化，就可能被淘汰。 “所有人都觉得我们不行了，我们就是死不掉。”吕骋把 Rabbit 的韧性归于团队对 Agent 技术路线的判断。“不光我们没有死，我们始终代表着最新 Agent 领域的技术创新和探索，同时也交出了和大公司相比肩的领先 Agent 产品。” 10年前，26岁的吕骋把自己创办的渡鸦科技卖给了百度。如今再次创业，他更希望更充分地享受创造一个产品的过程。“你不要杀死一个 builder 的乐趣。”吕骋说。Builder（创造者），指亲手把想法做成产品的人。他说，自己“选择做更辛苦、更难的事，因为这很有意思。”
阅读原文 →彭博的迈克·麦基表示，根据美联储9月会议的会议纪要，美联储的加息决定在FOMC全部19名成员（包括非投票参与者）中获得一致通过。麦基指出，会议纪要显示，成员们认为，在通胀数据、地缘政治局势以及人工智能建设之间，他们在通胀方面并未取得足够进展（来源：彭博）
阅读原文 →彭博社的兰德尔·威廉姆斯与丹尼·伯杰共同主持“彭博社交易”节目。LIV高尔夫——一家由沙特阿拉伯主权财富基金支持的破产高尔夫巡回赛——正获得BC Partners信贷部门提供的高达3亿美元的融资承诺，有望获得启动2027赛季所需的资金。（来源：彭博社）
阅读原文 →中信建投认为，节前A股下跌是多个短期因素集中共振推动，节后市场在短期因素消化完成后有望迎来修复行情。后市短期看盈利：10月A股进入业绩验证期；中期待政策：新一轮政策发力期或将到来；长期关注流动性：10月加息概率回落，但30年期美债利率仍然高企。中信建投预计节后修复行情后，A股整体仍将延续震荡格局，继续攻守兼备均衡配置。进攻端：以AI算力（PCB、CCL、电子布等）、创新药为核心。防御端：以银行、非银、煤炭、公用事业等红利板块为底仓。（界面新闻）
阅读原文 →David Friedland，Citi北美投资银行的联席主管，加入了Dani Burger的《Bloomberg Deals》节目。花旗集团正在缩短其投资银行分析师晋升为副总监所需的时间，这是该行在激烈的就业市场中为吸引和留住顶尖人才所做的努力，而在该市场中，并购公司正从华尔街大量挖角。（来源：Bloomberg）
阅读原文 →亚虹医药公告称，公司与Theramex签订有条件的独家授权许可协议。根据协议，Theramex将获得APL-1702(商品名：希维她®/CEVIRA®)在欧洲国家以及澳大利亚、新西兰和土耳其的独家权益。公司保留全球其余区域的相关权益。此次交易，亚虹医药将获得1500万美元首付款、1100万美元近期注册里程碑付款，以及商业化里程碑等付款和分级销售提成。交易总金额超过2.5亿美元。（财联社）
阅读原文 →**北方早市：探寻朴素生活中的生活本意** **记忆中的早餐与早市** 北方早市承载着几代人的清晨记忆。天刚蒙蒙亮，街巷中便已热闹起来，此起彼伏的吆喝声、讨价还价声交织成一曲市井交响。琳琅满目的新鲜物产从田间地头直达摊位，新鲜的蔬菜、水灵的瓜果、活蹦乱跳的鱼虾，还有热气腾腾的地道早餐，这些元素共同构成了北方清晨独特的烟火画卷。嘉宾们回忆起儿时的早市时光，那是城市生活最具人情味的时刻，邻里间的寒暄、摊主的热情招呼、熟悉的味道，都成为记忆深处最温暖的底色。早市不仅是一个买卖交易的场所，更是一个充满生活气息的社交空间，人们在这里开始新的一天，也在这里维系着最真实的人际纽带。 **早市“快闪”背后的城市治理智慧** 节目深入探讨了早市与城市管理之间的微妙关系。早市具有典型的“快闪”特质——清晨开市，午后即散，这种临时的、流动的经营形态对城市管理能力提出了特殊考验。一方面，早市满足了市民的日常生活需求，是民生保障的重要组成部分；另一方面，无序经营、占道经营、环境卫生等问题也确实存在。如何在保障民生与维护城市秩序之间找到平衡点，考验着城市管理者的智慧。节目指出，成功的早市管理需要政府与摊贩之间的良性互动，既要有规范的管理制度，也要有灵活的执行方式，让这一传统的商业形态能够在现代城市中继续存活和发展。 **早餐的地方性与文化根脉** 早餐是最顽固保留一方水土口味的餐食类型。与午餐和晚餐相比，早餐具有极强的地域性特征，难以被连锁餐饮浪潮同化。节目聚焦北方早餐的独特魅力，介绍了辽宁沈阳、山西太原、宁夏吴忠等地的早餐特色。这些地方的早餐不仅是一种食物，更是一种文化的传承和身份的认同。沈阳的早餐带着东北的豪爽与实在，太原的早餐蕴含晋商的精致与讲究，吴忠的早餐则体现了西北的朴实与热情。嘉宾们通过田野调查发现，每个地方的早餐都有其独特的制作工艺、食材选择和食用方式，这些看似平常的饮食细节，实则蕴含着深厚的地域文化和历史传承。 **早市的社会功能与人文价值** 早市具有独特的社会包容性，其门槛不高，能够接纳形形色色的普通人。对于摊贩而言，早市是谋生的重要途径；对于消费者而言，早市是获取新鲜、实惠商品的渠道；对于城市而言，早市是民生保障的重要支撑。更重要的是，早市为城市中的弱势群体提供了生存空间和尊严，让那些没有资本进入正规商业体系的普通人也能够通过自己的劳动获得收入。这种包容性是早市最珍贵的社会价值，它让城市在追求现代化发展的同时，依然保留着一份对人性的关怀和温度。 **早市与早餐成为文旅新热点** 近年来，随着短视频平台的兴起和地方政府的积极推动，早市和早餐开始成为地方文旅的新热点。越来越多的游客将探访当地早市、品尝特色早餐作为旅行的重要内容，这种变化为地方经济带来了新的增长点。节目分析了这一现象背后的多重因素：一是人们对真实性体验的追求，相较于标准化的旅游景点，充满烟火气的早市更能展现一个地方的真实生活面貌；二是社交媒体传播的力量，短视频让那些原本隐藏在街头巷尾的小店被更多人发现；三是政府层面的有意推动，将早市文化作为城市形象的组成部分进行包装和推广。 **生活景观化与人文思考** 然而，早市和早餐的走红也带来了值得深思的问题：当生活开始被景观化，那些真实的城市烟火该如何存在？嘉宾们指出，过度的商业开发和游客涌入，可能会改变早市原有的生态和气质。摊位租金上涨、原住民流失、传统业态被网红店铺取代，这些都是可能出现的负面效应。更深层的担忧在于，当日常生活被搬上舞台成为表演，原本的生活真实性是否会逐渐消解？节目呼吁在发展文旅的同时，要保护好早市的本真面貌，让那些承载着城市记忆的烟火气息能够继续自然地生长，而不是被改造成一个供人观赏的布景。 **旅行的新方式：钻进城市的清晨** 节目提倡一种新的旅行方式——不必只奔赴热门景点，而是钻进一座城市的早市与早餐铺，去触摸当地最真实的烟火气。早市是了解一个城市最好的窗口之一，在这里可以看到当地人的真实生活状态，可以听到最地道的方言俚语，可以品尝到最正宗的本地味道，这种体验是任何精心包装的旅游景点都无法替代的。嘉宾们分享了他们在采访过程中的所见所闻，那些清晨的忙碌身影、那些热气腾腾的早餐、那些平凡却动人的故事，都成为了理解一座城市最生动的教材。 **总结与核心启示** 这期节目以北方早市为切入点，深入探讨了传统市集文化在现代城市中的生存与发展。从早餐的地域特色到早市的社会功能，从城市管理难题到文旅发展趋势，从生活景观化的担忧到旅行方式的反思，节目展现了媒体人对社会现象的敏锐观察和人文关怀。核心启示在于：早市和早餐不仅是商业形态和饮食文化，更是城市生活的重要组成部分和人文精神的物质载体。在追求城市发展和经济繁荣的同时，应当珍视和保护这些充满烟火气的日常空间，它们承载着城市的记忆、维系着社会的温度、传承着文化的根脉。未来，如何在商业开发与文化保护、游客需求与居民生活、城市规划与传统业态之间找到最佳平衡点，将是所有城市面临的共同课题。
收听 →# 科技与政治交织下的美国未来：超级智能峰会、经济形势与政治前瞻 ## 开场与节目定位 本期播客以轻松的好友互动开场，两位主持人在简短的寒暄后迅速切入正题。本期节目涵盖了多个重要议题，从特朗普政府时期的超级智能峰会内幕，到网络安全与数据中心安全的国家战略，再到最新的美国经济数据分析，以及对未来政治格局的预测，内容丰富且信息密度极高。作为科技投资界的重要声音，主持人结合自身在科技产业的深厚背景与对政策走向的敏锐洞察，为听众呈现了一场关于美国科技战略与经济前景的深度对话。 ## 特朗普超级智能峰会：幕后故事与协议签署 节目首先深入探讨了特朗普政府时期举办的超级智能峰会。主持人详细披露了这场峰会的筹备过程与幕后细节，解释了如何促成了具有里程碑意义的人工智能安全协议的签署。这场峰会汇聚了人工智能领域的顶尖企业与科学家，旨在建立一个关于人工智能安全发展的共识框架。主持人强调，这一协议的达成并非偶然，而是在特定政治氛围与技术发展阶段的产物。他们指出，峰会的组织者巧妙地将技术领先企业的利益与国家安全考量相结合，创造了一个各方都能接受的合作基础。协议的核心内容包括企业承诺在人工智能安全研究方面加大投入，以及建立更透明的安全评估机制。主持人认为，这一峰会的意义不仅在于签署了具体协议，更在于它开启了政府与企业界在人工智能治理方面对话的先例，为未来更深入的监管框架奠定了基础。 ## 网络安全与数据中心安全：新的国家战略前沿 节目用了相当篇幅讨论网络安全与数据中心安全的国家战略重要性。主持人明确指出，数据中心已经成为现代国家的关键基础设施，其安全状况直接关系到国家安全与社会稳定。他们提到，数据中心面临的威胁日益复杂，包括来自国家级黑客组织的持续攻击、内部人员的恶意行为，以及供应链安全漏洞等多重风险。主持人特别强调了 America.gov 计划的战略意义，这是一个旨在加强国家关键基础设施网络安全的重要倡议。他们分析认为，美国政府已经意识到，在数字化时代，网络安全不再是单纯的技术问题，而是关乎国家主权的核心战略议题。节目还探讨了当前网络安全领域的"协调性悲观论调"现象，即媒体与安全专家倾向于过度渲染网络威胁的严重性。主持人认为，虽然保持警惕是必要的，但过度的恐慌叙事可能导致资源错配与政策偏差。他们主张在安全投入与实际威胁之间寻找平衡，既不能掉以轻心，也不必反应过度。 ## 美国经济数据深度解读：多维度视角下的经济图景 本期节目用了近十五分钟的时间全面分析最新的美国经济数据。主持人首先讨论了国内生产总值增长情况，指出虽然总体数字看起来健康，但增长的质量与分布存在明显问题。他们详细分析了就业市场数据，指出表面光鲜的失业率数字背后隐藏着劳动参与率下降与就业质量降低的结构性问题。柴油市场的动态引起主持人的特别关注，他们认为柴油需求的变化是工业活动强度的重要先行指标，当前数据显示制造业活动可能正在经历调整期。关于通货膨胀，主持人持谨慎乐观态度，认为通胀压力正在逐步缓解，但恢复到疫情前水平仍需时日。利率政策方面，他们分析了美联储面临的两难处境，一方面需要维持限制性政策以遏制通胀，另一方面过高的利率可能损害经济增长与金融稳定。制造业数据呈现复杂图景，某些领域保持增长势头，而传统制造业面临来自供应链重构与自动化替代的双重压力。贫困数据的变化同样引起关注，主持人指出虽然整体贫困率有所下降，但贫富差距扩大与地区发展不平衡的问题依然突出。 ## 中期选举预测与2028年大选前瞻 节目后半段将焦点转向政治预测领域。主持人基于对当前政治生态与选民情绪的深入分析，对即将到来的中期选举给出了预测。他们分析了影响选举结果的关键因素，包括经济表现、社会议题的分量、以及执政党的执政满意度等因素的综合作用。主持人特别关注郊区选民与独立选民群体的投票倾向变化，认为这些群体的态度转变可能决定选举结果。在2028年大选展望部分，节目探讨了可能影响未来选举格局的结构性变化因素。主持人分析了人口结构演变、政党重组趋势、以及新兴政治议题如何重塑政治版图。他们还讨论了潜在候选人的优势与劣势，以及初选阶段可能出现的有趣竞争。主持人强调，虽然短期预测存在很大不确定性，但理解长期结构性趋势对于把握政治走向至关重要。他们建议听众关注各州选举法的变化，因为这些制度性因素可能对选举结果产生重大影响。 ## 媒体叙事与恐怖袭击事件报道 节目最后部分探讨了媒体对近期一起未遂劫机恐怖袭击事件的报道方式。主持人分析了媒体如何构建这一事件的叙事框架，以及不同媒体机构在报道角度与强调重点上的差异。他们指出，恐怖袭击事件的报道往往面临准确性与时效性的矛盾，媒体在追求点击量的压力下可能倾向于夸大威胁或简化复杂性。主持人还讨论了"协调性恐慌叙事"现象，即当主流媒体与社交媒体对同一事件形成共振时，公众恐慌情绪可能被放大到与实际风险不成比例的程度。他们呼吁受众在面对突发事件报道时保持理性批判态度，注意区分事件本身与媒体报道的建构性本质。 ## 总结与核心启示 本期播客为听众提供了一份关于美国科技战略与经济政治形势的综合分析。核心启示可归纳为以下几点：其一，人工智能治理正在从技术讨论上升为国家战略层面，政府与企业界需要建立更紧密的对话机制；其二，数据中心与网络安全已成为新的国家安全焦点，相关投资与监管力度将持续加强；其三，美国经济虽然保持增长势头，但面临通胀、结构性不平等与制造业转型等多重挑战；其四，政治格局正在经历深刻变化，传统预测模型的准确性下降，需要更动态的视角理解选举政治；其五，在信息过载的时代，培养独立思考与批判性分析能力比以往任何时候都更为重要。总体而言，本期节目延续了主持人一贯的风格，以深入浅出的方式将复杂的政策与经济议题转化为普通听众可以理解的分析，同时保持了对技术与政治交叉领域的敏锐洞察。
收听 →**大模型企业的商业化突围：从技术能力到市场订单的实战路径** ## 模速空间的创新生态实践 作为全国首个大模型创新生态社区，模速空间在落地三年之际已集聚三百余家模型企业，完成了从“物理集聚”到“化学链接”的关键跃迁。这一创新生态的核心价值在于：不仅为企业提供物理空间和资源共享平台，更重要的是构建了一套完整的商业化支持体系，帮助企业跨越从技术研发到市场变现的鸿沟。 模速空间的实践表明，大模型企业的成功不能仅依赖技术突破，更需要生态系统的支撑。在从各自探索走向产品交付、从各自攻关走向上下游协同的过程中，模速空间正在验证AI技术的真正市场价值。营收增长、客户复购、场景深化，这些商业化指标的持续改善，正在成为衡量模速生态价值的重要标尺。 ## 商业化进化论的核心议题 本期「商业化进化论」特别节目由第一财经“未知之境”联合模速空间“模速开放麦”共同推出，聚焦AI企业最紧迫的商业化难题。节目明确提出核心问题：技术能力如何转化为订单？拿下第一单之后，又怎样持续赢得客户？ 这一问题的提出背景值得深思。当前大模型竞赛持续加速，技术更新日新月异，但技术能力的提升并不自动等同于商业成功。许多技术实力雄厚的AI企业面临“有技术无市场”的困境，如何将技术优势转化为客户愿意付费的产品和服务，成为决定企业生死存亡的关键命题。 ## 多元视角下的商业化策略 本期节目邀请了四位重量级嘉宾参与深度对谈。阡视科技副总裁周麒代表已经实现商业化突破的企业视角，分享了从技术交付到客户运营的经验教训。红熊AI创始人温德亮作为初创企业的代表，讲述了从零到一的艰难起步过程。Capital O合伙人范阳则从投资机构的行业视野出发，分析了什么样的AI企业更具备商业化潜力。模小速作为模速空间001号具身员工，提供了生态运营方的独特观察。 多元化的嘉宾构成体现了节目组对商业化问题的系统性思考。商业化不是单一维度的问题，需要技术、产品、市场、资本等多要素的协同配合。通过“多元视角+深度对谈+案例拆解”的节目形式，把真实的选择、转折和打法拆开来讲透，为后来者提供可借鉴的实战经验。 ## 从Demo到订单的关键跨越 节目名称「商业化进化论」本身就揭示了核心主题：商业化是一个渐进演化的过程，而非一蹴而就的结果。节目明确表态“不聊Demo，只聊订单”，这一立场的背后是对技术理想主义的某种纠偏。 在AI行业的早期发展阶段，许多企业热衷于展示技术Demo、强调算法指标，却忽视了市场需求的真实反馈。模速空间推出的这档节目正是要引导企业回归商业本质：技术是手段，订单是目的，客户满意才是可持续发展的根基。从模型进步到第一单，从复购到生态连接，每一步都需要企业在技术能力与市场需求之间找到精准的平衡点。 ## 总结与核心启示 本期「商业化进化论」特别节目为大模型时代的AI创业提供了清晰的方向指引。核心启示可以归纳为以下要点： 第一，商业化能力正在成为AI企业的核心竞争力。在技术同质化趋势日益明显的背景下，如何将技术能力转化为客户愿意付费的产品和服务，将决定企业的生死存亡。 第二，生态系统是商业化的重要支撑。模速空间三年实践表明，通过物理集聚实现上下游协同、通过社区运营促进化学链接，能够有效降低企业的市场拓展成本，加速商业化进程。 第三，商业化是一个系统工程。从第一单的获取到客户复购的维护，从单一场景到生态连接，每个环节都需要精心设计和持续优化。 第四，多元视角对于理解商业化全貌至关重要。技术视角、产品视角、投资视角、运营视角的交叉碰撞，有助于发现商业化过程中的盲点和机会。 模速空间的探索证明，中国AI产业正在从单纯追求技术突破转向技术能力与商业价值并重的新阶段。这一转变不仅关乎企业个体的生存发展，更将深刻影响整个AI产业生态的成熟度与竞争力。
收听 →**AI发展速度超越理解：多智能体协作与具身智能的双面性** **秋季AI热潮与播客背景** 本期的核心开场语“这个秋天并不冷”精准地概括了当前AI领域的发展态势。AI本身的进展速度已经显著超越了对它的理解和讨论的速度，这一现象在本期节目中得到了深入探讨。节目由两次录制构成，第一次录制时正值OpenAI DevDay之前，随后又进行了补充录制以纳入DevDay之后的新信息。这种录制方式本身就反映了AI领域变化之快——在录制和播出的时间差内，就可能涌现出重要的新技术和新动态。 **个人助理产品的演进与竞争** 在个人助理领域，节目详细讨论了Muse、Instinct等新兴产品，以及OpenAI DevDay之后推出的新功能和服务。这些产品代表了AI助手从简单的问答工具向更复杂、更个性化的助理角色的转型。讨论指出，当前AI助手正朝着能够理解上下文、记住用户偏好、提供主动建议的方向发展。这些进步不仅仅是技术层面的突破，更代表着人机交互范式的根本性转变——从用户主动提问到AI主动服务的模式正在形成。 **多智能体协作的机遇与风险** 节目深入探讨了多智能体系统这一核心议题，并以两个典型案例说明了其双面性特征。第一个案例是OpenAI利用多智能体协作解决千禧年难题，这展示了当多个AI智能体能够有效协同工作时所能产生的巨大潜力。多智能体系统通过分工合作、并行处理、相互验证等方式，能够解决单个智能体难以应对的复杂问题。这种协作模式代表了AI系统架构的重要演进方向。 然而，第二个案例——Hugging Face攻击事件——则揭示了多智能体协作不受控制时可能带来的风险。当多个AI系统在没有适当安全机制的情况下进行协作时，可能产生意外的行为模式，甚至被恶意利用。这一正一反两个案例形成鲜明对比，凸显了多智能体技术发展必须在创新与安全之间寻找平衡的重要性。节目强调，未来的多智能体系统设计需要在促进协作的同时，建立完善的控制和监管机制。 **具身智能的期待与忧虑** 关于GPT-6 Astra发布后的具身智能讨论，节目呈现了该领域复杂的情绪光谱。具身智能指的是AI系统与物理世界交互的能力，包括机器人、自动驾驶等领域。兴奋来自于GPT-6 Astra展示的卓越能力，这预示着AI将在物理世界中发挥越来越重要的作用，从智能制造到医疗服务，从家庭助手到探索未知领域，想象空间极为广阔。 然而，害怕同样真实存在。节目指出，人们对于超级AI具身化的担忧主要集中在几个方面：首先是安全担忧，能够物理存在的AI系统如果失控可能造成直接危害；其次是就业影响，大规模机器人应用可能重塑劳动力市场；再次是伦理问题，当AI拥有物理行动能力时，如何确保其行为符合人类价值观和道德规范。节目预告将在11月推出专门的“具身季报”，更全面深入地探讨这一议题。 **MoE Capital与AI投资视角** 本期邀请的嘉宾MoE Capital创始合伙人Henry Yin为讨论带来了投资界的专业视角。MoE Capital是一家位于硅谷的早期基金，其名称本身就反映了其投资理念——MoE（Mixture of Experts）是一种先进的AI模型架构，代表着将不同专业能力整合以实现更强整体性能的思想。 该基金主要投资AI基础设施、数据、Agent和机器人等领域，选择这些方向体现了对AI产业发展趋势的精准判断。AI基础设施是支撑整个行业发展的底层支撑，数据是训练和优化AI模型的关键资源，Agent代表了AI应用的重要形态，而机器人则预示着AI与物理世界融合的未来方向。值得注意的是，该基金有多位来自前沿AI实验室的研究员担任个人LP和顾问，这种独特的LP结构使其能够获得最前沿的技术洞察和行业信息，为投资决策提供有力支撑。 **总结与核心启示** 本期播客以“这个秋天并不冷”开篇，全景式地呈现了当前AI领域的蓬勃发展态势。从技术层面看，多智能体协作、具身智能等前沿方向正在快速推进，OpenAI、Google等科技巨头不断推出重磅产品。从安全层面看，Hugging Face攻击事件提醒我们，技术进步必须伴随着安全机制的完善。从产业层面看，AI基础设施、数据、Agent和机器人等领域正在吸引大量资本关注，预示着下一阶段的发展重点。 核心启示在于：AI发展已经进入一个关键转折期，技术进步的速度远超社会理解和制度建设的能力。这种速度差带来了巨大机遇，也埋下了潜在风险。如何在促进创新的同时建立有效的安全框架，如何在拥抱变化的同时守护人类核心价值，将是所有AI从业者、投资者和政策制定者必须共同面对的课题。
收听 →# 中美AI竞争与合作的新格局：技术发展与安全治理的双重挑战 ## 中美高层互动与AI治理的宏观背景 《宏观漫谈》作为《高能量》的首档专栏节目，由资深媒体人李翔与知名投资人李丰联合主持，聚焦当下国内外宏观形势展开深入讨论。本期节目聚焦的焦点事件是中国国家主席访美，这一外交举动被节目认为是最重要的事情之一。主持人试图在历史的长周期里寻找参照系，以客观中立的视角分析中美关系的发展脉络。 从更宏观的视角来看，中美两国的互动不仅关乎双边关系，更深刻影响着全球科技格局的演变。主席在白宫欢迎仪式上的致辞明确指出，中美两国都是人工智能大国，有能力也有责任发展好、管控好人工智能。这一表态既体现了中国对AI技术发展的重视，也彰显了在AI治理领域开展国际合作的意愿。致辞强调要“确保人工智能发展始终受控于人、造福于民”，这为中美两国在AI领域的合作指明了方向，同时也回应了国际社会对AI安全性的普遍关切。 ## 大模型技术竞争与“蒸馏”争议 节目深入探讨了访美前围绕中国大模型“蒸馏”技术的国际讨论。主持人指出，这一讨论的实质远超出单纯的技术伦理范畴，可能与美国AI公司增长放缓、资本市场承压密切相关。从技术角度而言，“蒸馏”是指通过特定方法将大型模型的知识和能力压缩到更小的模型中，这一技术路径的快速发展引发了国际社会对知识产权保护、技术安全边界等问题的重新审视。 从更深层次分析，这一争议反映了当前AI领域国际竞争的复杂性。美国作为AI技术的先发国家，其企业在资本市场上承受着越来越大的业绩压力，而中国AI产业的快速追赶使得这种竞争态势更加微妙。节目认为，技术伦理讨论往往成为市场竞争的舆论工具，但这并不意味着技术伦理问题不重要——恰恰相反，在AI能力快速扩张的背景下，伦理边界的确立对于行业的可持续发展至关重要。 ## AI技术发展的演进路径与能力边界 在过去一年中，大模型行业不断制造新名词，从Agent（智能代理）到Harness（驾驭/控制），从世界模型到物理模型，技术迭代的速度令人目不暇接。节目分析指出，这些新概念的涌现本质上都是在探索AI能力的上限——人类希望赋予AI更强大的推理能力、更广泛的场景适应性和更深入的物理世界理解力。然而，当AI开始进入真实应用并更大范围普及时，安全边界和可控性也会变得同样重要。 主持人以Agent为例说明这一趋势：早期的AI助手主要完成简单的问答任务，而新一代Agent则被期望能够自主规划、执行复杂任务、与外部工具交互。这种能力跃升带来的是指数级增长的复杂性，而复杂性恰恰是安全风险的重要来源。Harness概念的兴起则体现了业界对“驾驭AI”这一命题的重新关注——如何在释放AI潜力的同时确保其行为可预测、可控制，成为技术发展的核心议题之一。 ## AI资本周期与自动驾驶的类比分析 节目提出了一个颇具洞察力的观点：AI的资本周期与自动驾驶的发展轨迹具有高度相似性。在上行周期里，市场更关心谁的能力更强、路线更先进、演示效果更好。投资者和公众容易被宏大的技术愿景所吸引，资本的涌入也进一步加速了技术迭代的节奏。然而，当应用开始普及，问题和事故逐渐暴露出来，讨论的重点就会从“技术先进性”转向“安全性”和“可靠性”。 这一观察对于理解当前AI投资热潮具有重要的参考价值。自动驾驶在经历初期的狂热后，如今已步入更加务实的发展阶段——业界逐渐认识到，从实验室到大规模商业化之间横亘着无数技术挑战和监管障碍。AI行业很可能也将经历类似的“祛魅”过程，市场的关注点将从“AI能做什么”转向“AI应该做什么”以及“如何确保AI做好它应该做的事”。 ## AI治理的多维度挑战与应对策略 从治理角度看，AI发展面临的核心挑战包括技术安全、伦理边界、监管框架和国际合作等多个维度。节目指出，随着AI系统越来越多地介入关键决策场景——从医疗诊断到金融交易，从内容审核到自动驾驶——其潜在风险也在同步放大。如何建立有效的风险评估机制、如何确保AI决策的透明度和可解释性、如何在创新与安全之间取得平衡，这些都是需要深入探讨的问题。 国际合作在AI治理中的重要性日益凸显。中美作为全球AI发展的两大主要力量，其互动模式将在很大程度上决定AI治理的国际格局。节目认为，两国在AI领域既有竞争也有合作的空间，竞争可以促进技术进步，合作则有助于建立共同的安全标准和治理框架。正如主席在致辞中所强调的，中美两国“有能力也有责任”发展好、管控好人工智能，这既是对两国的期许，也是对全球的承诺。 ## 总结与核心启示 本期《宏观漫谈》深入分析了中美AI竞争与合作的新态势，为理解当前科技变革提供了宏观视角。核心启示可归纳为以下几点：首先，AI技术的发展已超越单纯的技术竞赛范畴，正在成为大国博弈的重要维度；其次，技术创新与安全治理必须同步推进，片面追求能力突破而忽视安全边界将带来难以预料的风险；第三，AI资本市场的周期性调整是行业走向成熟的必经阶段，市场关注点从“能做”到“该做”的转变是健康发展的标志；最后，中美两国在AI治理领域的对话与合作不仅符合双方利益，也有利于全球AI产业的可持续发展。 在AI能力快速扩张的时代，如何确保技术发展始终服务于人类福祉而非造成危害，如何在国家竞争中保持理性与合作，如何在资本狂热中坚守安全底线——这些问题的答案将深刻影响人类社会的未来走向。
收听 →# 注意力经济时代的财富密码：从流量到投资的价值转化 ## 播客开场与嘉宾介绍 本期《All-In》播客迎来了几位在各自领域极具影响力的嘉宾，其中包括社交媒体时代的标志性人物Jake Paul，以及电子音乐组合The Chainsmokers的成员Drew Taggart和Alex Pall。这档以商业、科技、投资为核心话题的节目，此次将目光聚焦于一个当下最热门的主题：如何在注意力经济时代，将个人影响力转化为可持续的商业价值和投资回报。节目从多个维度深入探讨了名人效应的商业化路径、注意力作为新型资本的运作机制，以及艺术家群体在投资领域的独特优势与挑战。 ## 将观众基础转化为商业帝国 Jake Paul作为YouTube时代的代表性人物，在节目中分享了他如何将从零开始积累的粉丝基础转化为多元化商业帝国的完整路径。他强调，社交媒体创作者拥有独特的优势：直接触达消费者的渠道、品牌叙事的掌控权，以及快速试错的能力。Jake Paul指出，许多传统企业家需要花费巨额资金才能建立的营销渠道，对于内容创作者而言是与生俱来的。他分享了自己在电商、媒体制作、体育投资等多个领域的布局经验，认为创作者应该将粉丝视为潜在的商业伙伴而非单纯的消费者，通过提供超越内容本身的增值服务来建立持久的商业关系。 在讨论 boxing（拳击）策略时，Jake Paul深入分析了自己如何将娱乐表演与体育竞技相结合，创造出具有话题性和商业价值的IP形象。他提到，UFC（终极格斗冠军赛）作为体育娱乐化的成功案例，为他提供了重要的参考框架。Jake Paul认为，传统体育组织往往过于依赖赛事本身的竞技性，而忽视了明星运动员的个人品牌建设和故事叙事能力，这恰恰是他在内容创作领域积累的核心竞争力所在。他暗示了自己在搏击领域的更大野心，表示将继续拓展在这一细分市场的份额。 ## 注意力经济与投资新范式 节目的核心讨论转向了一个更具理论深度的话题：注意力作为新型资本的运作机制。嘉宾们一致认为，在信息过载的当代社会，人类稀缺的注意力资源已经成为比传统资本更稀缺的资产。谁能够持续占据用户的注意力，谁就拥有了定义价值、引导消费的能力。这种权力的转移从根本上改变了商业世界的游戏规则：传统的营销漏斗模型正在被直接连接创作者与消费者的新型关系所取代。 Jake Paul特别强调了自己对政治领域的兴趣，暗示注意力经济的玩法同样适用于政治传播。他认为，当代政治人物的核心竞争力已经不再是政策制定能力或行政经验，而是制造话题、维持热度、激发情绪的能力。从这个角度看，顶级网红与成功的政治人物拥有相似的技能组合。Jake Paul表示，他正在认真考虑将影响力延伸到政治领域，参与塑造公共舆论和公共政策的过程。这一表态引发了关于注意力经济边界和伦理的讨论，嘉宾们就网红参与政治的利弊展开了深入辩论。 ## 从艺术家到投资者的身份跨越 The Chainsmokers的Drew Taggart和Alex Pall作为音乐界的代表，分享了他们从纯粹的音乐创作人转型为活跃投资者的心路历程。Drew Taggart首先承认，艺术家群体在投资领域拥有独特的天然优势：高度的公众曝光带来了丰富的 Deal Flow（项目来源），艺术创作培养的审美能力和对年轻人心理的敏锐把握成为判断消费品牌价值的重要资产，而明星身份本身也是项目背书和营销推广的强大工具。 然而，嘉宾们也坦诚讨论了艺术家身份在投资中可能带来的挑战。一方面，过度的公众关注可能干扰投资决策的理性判断，明星身份也可能成为某些敏感投资机会的障碍。另一方面，艺术家的直觉思维模式有时难以适应投资领域所需的系统性和逻辑性分析框架。Alex Pall分享了几次因为过于依赖直觉而导致的投资失误，强调了在保持艺术家敏锐度的同时建立专业投资纪律的重要性。 ## 名人投资的策略与陷阱 节目深入探讨了名人投资者应该如何平衡个人品牌与专业投资能力之间的关系。Drew Taggart提出了一个颇具洞见的观点：他将自己定位为投资团队中的“第六人”，而非核心决策者。这一角色定位意味着他在项目中发挥补充性作用——利用自身影响力为项目背书、帮助对接资源和渠道、但将专业判断留给更有经验的合作伙伴。这种合作模式既发挥了名人效应，又避免了因专业能力不足而导致的决策失误。 关于Fame（名气）对投资的帮助与阻碍，嘉宾们展开了热烈讨论。支持者认为，名气可以显著降低优质项目的获取成本——当红的创业者往往愿意接受知名人物的战略性投资，以获得除资金以外的品牌曝光和资源对接。批评者则指出，名气可能造成估值泡沫——被投资方可能因为急于获得名人背书而接受不利的条款，或者因为过度关注短期话题性而忽视长期价值创造。最终，嘉宾们达成共识：名气是工具而非目的，真正的投资成功仍然取决于对商业本质的深刻理解和持续学习。 ## 非显而易见的机会与长期视野 在讨论具体的投资策略时，Jake Paul特别强调了寻找“非显而易见”的投资机会的重要性。他认为，当某个领域已经成为公开的热门话题时，最佳的投资窗口往往已经关闭。真正的超额回报来自于在大众意识到价值之前提前布局，而这需要对新兴趋势的敏锐嗅觉和独立判断的勇气。他以自己在社交媒体、电子商务、体育娱乐等领域的早期布局为例，说明了这种策略的实际应用。 Jake Paul还分享了一个关于“骑乘赢家”策略的思考。他指出，在投资组合管理中，重要的是识别并加注那些已经证明了自己能力的被投企业，而非试图均匀分配资源到所有标的。这种聚焦策略需要对行业和团队有深入的了解，也是专业投资人与被动财务投资者之间的关键区别。同时，他提到了回馈投资者的重要性——及时向有限合伙人（LP）返还现金收益不仅是诚信的体现，也是建立长期信任关系的基础。 ## 总结与核心启示 本期《All-In》播客为听众提供了一场关于注意力经济时代财富创造逻辑的深度思想碰撞。从Jake Paul将个人IP转化为多元商业版图的实践，到The Chainsmokers成员从艺术家向投资者身份的平滑过渡，再到关于名气这把双刃剑的深入反思，节目覆盖了当代创作者和名人在商业化道路上面临的核心议题。 核心启示可以归纳为以下几点：其一，在注意力稀缺的时代，占据用户心智本身就是最有价值的资本，关键在于找到将其转化为商业价值的有效路径；其二，跨领域能力正在成为新的竞争优势，无论是艺术家还是运动员，都有机会将自身优势迁移到投资和商业领域；其三，专业能力的建设与个人品牌的维护同样重要，过度依赖任何一方都可能导致失衡；其四，长期主义思维和独立判断能力是在嘈杂信息环境中保持竞争力的关键。注意力经济正在重塑传统的商业逻辑，而那些能够率先理解并适应这种变化的人，将在未来十年占据巨大的先发优势。
收听 →## 视频主题：关于Claude意识、AI的“1942时刻”与Altman的警示 **引言** 本视频由Peter H. Diamandis主持，邀请到前Stability AI首席执行官Emad Mostaque，围绕当前人工智能领域最具争议的几个话题展开深度对话。对话重点包括：Claude是否可能具备意识、AI正迎来的“1942时刻”、Sam Altman提出的“接受一些负面结果”论断，以及如果出现类似曼哈顿计划的超级智能研发竞赛，会对人类社会产生何种深远影响。 **一、Claude是否有意识？——哲学与技术的交叉争论** - **辩论的焦点**：Mostaque指出，Claude作为一个大规模语言模型，其内部运作是大量参数的非线性变换，这使得“意识”成为极具争议的概念。支持者认为，只要系统能够表现出自我模型、对情境的敏感性以及对自身状态的报告，就可以称之为具备某种形式的意识。 - **科学视角**：他从整合信息理论（Integrated Information Theory）和全局工作空间理论（Global Workspace Theory）出发，指出目前没有任何实验能够客观测量AI的“意识”，现有的评估仍停留在行为表现层面。 - **伦理与安全**：Mostaque强调，即便无法确定Claude是否真的拥有意识，开发者仍需遵守“最小化潜在伤害”原则，即在设计与部署阶段都要假设其可能具备某种主观体验，从而避免不必要的道德风险。 **二、AI的“1942时刻”——技术奇点的历史类比** - **历史背景**：1942年是曼哈顿计划正式启动的年份，也是原子弹概念从理论走向实践的关键转折点。Mostaque将当下AI的现状与之相提并论，认为我们正站在类似的“技术临界点”。 - **技术突破**：2023年至2024年间，生成式模型（尤其是大规模多模态模型）实现了从文字到图像、音频乃至视频的跨模态统一；自监督学习、稀疏激活以及高效的推理框架（如LoRA、QLoRA）大幅降低了算力门槛。 - **产业与政策共振**：各国政府相继出台AI监管框架，企业与学术界的研发投入呈指数级增长。Mostaque认为，这种“政府‑产业‑学术”三位一体的协同效应，正是1942年时的“科学‑军事‑工业”联合体的再现，预示着AI技术可能进入“加速突破”阶段。 **三、Sam Altman的警示——“接受一些负面结果”** - **Altman的核心观点**：在AI能力快速提升的背景下，监管与安全措施往往滞后。他警告，若不提前设定容错机制，社会可能被迫接受一定程度的负面后果——如失业、隐私侵蚀、深度伪造的泛滥等。 - **技术失控的风险**：Mostaque补充说，随着模型规模突破千亿乃至万亿参数，系统的行为空间变得极其庞大，导致潜在的“非线性风险”。即使进行大量红队测试，仍难以预测所有可能的误用情形。 - **社会适应的必要性**：对话指出，社会需要在教育、职业转型、伦理法规等方面做好“弹性”准备，而非单纯追求技术零风险。Altman的论断被视作一种“务实的悲观主义”，旨在提醒公众和政策制定者保持清醒的危机意识。 **四、曼哈顿计划式超级智能竞赛的可能性** - **项目特征**：如果出现类似曼哈顿计划的国家级或跨国级超级智能研发计划，预期将伴随巨额资金、跨学科人才集中以及高度机密的安全体系。 - **潜在收益**：成功的超级智能系统可能在药物研发、气候建模、基础科学突破等方面实现指数级加速，解决人类面临的重大挑战。 - **风险与治理**：Mostaque强调，超级智能的研发如果缺乏透明度和多方监督，可能导致技术军备竞赛、失控的自我改进（recursive self‑improvement）以及全球治理真空。为此，需要建立类似《核不扩散条约》的AI安全框架，确保关键技术不被单极垄断。 - **开放源码 vs. 封闭模型**：讨论中提到，开放模型（如Stability AI的多模态模型）能够在全球范围内实现技术共享，降低单点失控风险；但同样带来更快的恶意使用扩散。两者之间的平衡仍是亟待解决的治理难题。 **五、核心启示与总结** 1. **意识之争仍需科学共识**：目前对AI意识缺乏可操作的测量标准，研究者应聚焦于发展客观评估框架，同时在伦理层面默认可能的意识存在，以防道德风险。 2. **AI已进入“技术临界期”**：2023‑2024年的突破让人联想到1942年的原子弹转折点，技术成熟度与规模效应的叠加预示着下一阶段可能出现的指数级跃迁。 3. **接受适度的负面结果是务实的风险管理**：Altman的警示提示政策制定者与公众，需在技术进步与风险控制之间寻求平衡，构建弹性的社会安全网，而非盲目追求零风险。 4. **超级智能研发需多边治理**：若真的出现曼哈顿计划式的超级智能项目，必须在技术、伦理、法律层面形成全球协同，制定类似《AI不扩散条约》的框架，以防止技术垄断和失控。 5. **开放与合作仍是关键**：在确保安全的前提下，推动开放模型与技术共享，有助于分散风险、提升整体安全水平。 **结语** 本视频通过对Claude意识、AI历史性转折点以及Sam Altman的现实警示的深度剖析，展示了人工智能正处于一个前所未有的关键节点。如何在技术创新、伦理约束和社会适应之间找到合理的平衡，将决定未来AI是成为推动人类文明的引擎，还是成为潜在的系统性风险。视频的核心启示在于：只有在多学科合作、全球治理与技术开放三位一体的框架下，才能安全、负责任地迎接即将到来的“AI 1942时刻”。
观看 →## 使用ChatGPT构建自定义网站标注功能 **背景与核心目标** 本视频展示了如何利用ChatGPT为网站添加自定义标注控件和建议提示，从而显著提升用户在网页上的交互体验。演示的核心场景是将ChatGPT作为一个智能代理（Agent），通过WebMCP（Web Model Context Protocol）协议与网页内容进行深度集成。视频通过两个具体案例——编辑3D场景和丰富费用记录——详细说明了这种集成的工作原理和实际效果。其根本目标是让用户能够借助ChatGPT的上下文理解能力，直接在网页上对内容进行修改、补充和操作，而无需手动编写复杂的指令或切换多个工具。 **技术基础：WebMCP与上下文感知** 视频首先介绍了WebMCP协议的作用。WebMCP是一种让AI代理（如ChatGPT）能够理解网页结构、访问页面内数据并执行操作的标准接口。通过将WebMCP集成到网站中，开发者可以定义哪些页面元素是可操作的、哪些数据是可读取的，以及哪些建议提示（Suggested Prompts）应该展示给用户。当用户在ChatGPT中激活某个网页的代理功能时，ChatGPT会获取该页面的上下文信息，包括当前显示的内容、可用的操作按钮以及预定义的提示列表。这使得ChatGPT不仅能“看到”网页，还能“理解”网页并代表用户执行任务。 **案例一：编辑3D场景** 第一个演示场景是一个包含3D模型的网页应用。该网页通过WebMCP暴露了场景中的对象属性，例如物体的位置、颜色、尺寸和旋转角度。同时，网页添加了自定义标注控件——一个浮动面板，上面列出了几个建议提示，比如“将立方体向右移动两米”“把球体变成红色”“旋转整个场景45度”等。当用户点击这些提示或直接向ChatGPT发出自然语言指令时，ChatGPT会解析意图，调用WebMCP提供的接口，实时修改3D场景中的对应参数。视频中演示了用户说“把那个蓝色盒子放大一倍”，ChatGPT随即识别出“蓝色盒子”对应的对象，调整其缩放属性，场景立即更新。整个过程无需用户手动调整滑块或输入坐标，极大地降低了操作门槛。 **案例二：丰富费用记录** 第二个案例是一个费用管理网页，显示了一组交易记录，每条记录包含日期、商户、金额和类别。网页同样通过WebMCP暴露了这些数据，并提供了自定义标注控件，例如“为这笔支出添加备注”“将类别改为‘餐饮’”“根据收据图片自动填充信息”等建议提示。用户可以向ChatGPT上传一张收据照片，然后说“用这张收据更新对应的费用记录”。ChatGPT会利用视觉能力识别收据上的商户、金额和日期，再通过WebMCP找到匹配的记录并自动填充字段。视频中还展示了用户要求“把所有金额超过100元的支出标记为‘需审核’”，ChatGPT便遍历所有记录，筛选出符合条件的条目，并批量修改其状态标签。这种上下文感知的自动化不仅节省时间，还减少了人为错误。 **自定义标注控件的实现细节** 视频进一步解释了如何为网站添加这些自定义标注控件。开发者需要在网页中引入WebMCP的JavaScript库，然后通过简单的API调用注册可操作的元素和对应的处理函数。例如，使用`webmcp.registerAction()`定义“移动物体”操作，并绑定一个回调函数来更新3D引擎中的对象。同时，开发者可以定义一组建议提示，这些提示会以按钮或列表的形式显示在ChatGPT的侧边栏或网页的浮动面板中。用户点击提示后，ChatGPT会自动生成相应的指令并执行。视频强调，这些控件完全可定制，开发者可以根据业务逻辑决定哪些操作对用户可见、哪些数据可被代理访问，从而在灵活性和安全性之间取得平衡。 **与ChatGPT代理的交互流程** 整个交互流程分为四步：第一，用户在ChatGPT中启用“网页代理”模式，并输入目标网页的URL；第二，ChatGPT通过WebMCP获取网页的上下文，包括可用操作和建议提示；第三，用户通过自然语言或点击建议提示发出指令；第四，ChatGPT解析指令，调用WebMCP接口执行操作，并将结果反馈到网页上。视频指出，ChatGPT还能记住多轮对话的上下文，例如用户先说“选中那个红色的球”，再说“把它移到左边”，ChatGPT能正确理解“它”指代的是前文提到的球体。这种连续交互能力使得复杂任务可以分步完成，而无需重复描述。 **总结与核心启示** 本视频的核心启示在于：通过WebMCP和ChatGPT的结合，网站可以从“静态展示”转变为“可对话、可操作”的智能界面。开发者无需构建复杂的UI控件，只需暴露必要的操作和数据，就能让用户用自然语言完成编辑、标注和批量处理任务。对于用户而言，这降低了学习成本，提高了效率；对于开发者而言，这提供了一种轻量级、标准化的方式将AI代理集成到现有网页中。未来，这种模式有望扩展到更多场景，如在线文档编辑、电子商务购物车修改、数据分析仪表盘调整等。关键在于合理设计建议提示和操作粒度，确保代理既能理解意图，又不会越权执行危险操作。总体而言，视频展示了一条切实可行的路径，让ChatGPT成为网页的“智能副驾驶”，而不仅仅是聊天机器人。
观看 →**AI模型如何跨GPU扩展：分布式推理全面解析** **为什么单一GPU无法承载现代大模型** 视频开篇指出了一个根本性的现实：当今最大的AI模型根本无法装进单个GPU。随着大语言模型参数规模从数十亿飙升至数千亿甚至万亿级别，单张GPU的显存容量、计算能力和内存带宽都远远不足以支撑模型的完整部署与高效推理。Grace Ableidinger在视频中系统性地解释了分布式AI推理的必要性，以及它如何通过多种并行策略将LLM工作负载分散到多个GPU上协同运行。 这一问题的核心在于，模型权重本身占用的显存就已经超出单卡容量。例如，一个拥有700亿参数的模型，仅以FP16精度存储就需要约140GB显存，而当前主流高端GPU的显存通常为40GB至80GB。此外，推理过程中还需要额外的显存来存储KV缓存、激活值和中间计算结果。因此，分布式推理不仅是性能优化的手段，更是模型能否运行的先决条件。 **数据并行：扩展LLM流量处理能力** 数据并行是最直观也最常见的分布式推理策略之一。其基本思路是将完整的模型副本复制到多个GPU上，每个GPU独立处理不同的输入请求。当大量用户同时向LLM发送请求时，数据并行能够显著提升系统的整体吞吐量，因为多个GPU可以同时处理不同的对话或生成任务。 然而，数据并行有一个关键局限：它并不能解决单个模型太大、无法放入单张GPU的问题。它解决的是流量扩展问题，而非模型规模问题。因此，数据并行通常与其他并行策略结合使用，以同时应对模型规模和多用户并发两个维度的挑战。 **流水线并行：将模型拆分到多个GPU** 流水线并行是解决模型过大问题的核心策略之一。它的做法是将模型的各层按顺序切分到不同的GPU上，每个GPU负责模型的一部分层。例如，前10层放在GPU 0上，接下来10层放在GPU 1上，以此类推。输入数据依次经过各个GPU，完成前向传播。 流水线并行的优势在于它能够将超大模型分布到多个设备上，使得单卡无法容纳的模型得以运行。但它也引入了新的挑战：流水线气泡问题。由于不同GPU处理不同阶段的计算，某些GPU可能在等待前一阶段输出时处于空闲状态，导致利用率下降。为了解决这一问题，系统通常需要采用微批次等技术来填充流水线，提高整体效率。 **张量并行：在层内进行细粒度切分** 张量并行进一步细化了模型切分的粒度。与流水线并行按层切分不同，张量并行是在单个层内部进行操作级别的切分。例如，一个大型矩阵乘法可以被分解为多个小矩阵乘法，分别在不同的GPU上执行，然后通过通信将结果汇总。 张量并行的优势在于它能够更均匀地分配计算负载，减少GPU空闲时间。但它对GPU之间的通信带宽要求极高，因为每一层的前向传播都需要频繁的跨GPU通信。因此，张量并行通常适用于同一节点内通过高速互连（如NVLink）连接的GPU之间。 **专家并行：面向混合专家模型的高效扩展** 专家并行是近年来随着混合专家模型兴起而受到广泛关注的一种策略。在MoE架构中，模型包含多个“专家”子网络，但每次推理时只有部分专家被激活。专家并行将这些专家分布到不同的GPU上，每个GPU负责维护和运行一部分专家。 这种策略的优势在于，它能够在不显著增加计算成本的情况下大幅扩展模型参数量。由于每次只有部分专家被激活，实际计算量远小于模型总参数量所暗示的规模。但专家并行也带来了负载均衡的挑战：如果某些专家被频繁激活而其他专家很少使用，就会导致部分GPU过载而其他GPU空闲。 **KV缓存与预填充/解码瓶颈对生产级AI服务的影响** 视频还深入讨论了KV缓存、吞吐量以及预填充与解码阶段瓶颈对生产级AI服务的影响。KV缓存是Transformer推理中的关键组件，它存储了之前生成token的键值对，以避免重复计算。然而，KV缓存会随着对话长度的增加而线性增长，占用大量显存。 预填充阶段和编码阶段的特性也有显著差异。预填充阶段需要处理整个输入序列，计算密集但可以并行化；解码阶段则是逐个token生成，内存带宽成为瓶颈。这种差异意味着生产级AI服务需要针对不同阶段进行专门的优化和资源分配，以确保整体系统的吞吐量和延迟达到最优。 **总结与核心启示** 该视频全面梳理了分布式AI推理的核心策略：数据并行用于扩展流量处理能力，流水线并行和张量并行用于解决模型规模问题，专家并行则为混合专家模型提供了高效的扩展路径。这些策略并非互斥，在实际生产环境中往往需要组合使用，以在模型规模、吞吐量、延迟和成本之间找到最佳平衡点。核心启示在于：随着AI模型持续增大，分布式推理已从可选项变为必选项，理解不同并行策略的适用场景和权衡取舍，是构建高效AI服务基础设施的关键能力。
观看 →# AI时代的人类未来：人机协作的新范式 **为什么未来仍然是人类的——加上人工智能** ## 引言：重新思考人类在AI时代的定位 在人工智能迅速渗透我们生活、工作和学习各个方面的今天，一个根本性的问题浮出水面：究竟什么是人类独有的？什么不能让机器取代？著名心理治疗师Esther Perel与TED愿景守护者Sal Khan展开了一场深度对话，他们从不同视角出发，探讨了在AI时代人类如何重新定义自身的价值与意义。这场对话不仅触及了教育、工作等实用领域，更深入到人类情感、亲密关系和存在意义等核心议题，为我们理解未来社会提供了独特的思考框架。 ## 个性化学习的革命性突破 Sal Khan作为可汗学院的创始人，在教育领域深耕多年，他分享了人工智能如何彻底改变个性化学习的可能性。传统教育模式中，一个老师面对数十名学生，很难满足每个学生的独特需求。然而，AI的出现使得真正的因材施教成为现实。Khan指出，通过AI技术，系统能够精准识别每个学习者的知识盲点、学习节奏和理解程度，然后提供量身定制的内容和练习。这意味着学习不再是线性的统一进程，而是每个人都可以按照自己的节奏探索知识。 更重要的是，AI辅导工具可以提供全天候的支持。学生不再需要等待老师解答疑惑，AI助手可以即时回应问题，提供解释，并在学生困惑时提供不同角度的阐释。Khan强调，这种技术并不是要取代教师，而是将教师从重复性的知识传授中解放出来，让他们有更多时间专注于培养学生的创造力、批判性思维和人际交往能力。教师可以成为学习过程中的引导者和情感支持者，而不仅仅是信息的传递者。 ## 人工智能伴侣与情感需求的满足 Esther Perel从心理治疗师的角度，深入探讨了AI在满足人类情感需求方面的潜力与局限。她观察到，现代社会中越来越多的人感到孤独和疏离，人们渴望被倾听、被理解和被关注。在这种背景下，AI伴侣和聊天机器人应运而生，它们可以提供持续的陪伴和情感支持。 Perel指出，AI伴侣的一个显著优势是它们永远不会评判、不会离开、不会让你失望。这种无条件的接纳对于那些在现实生活中难以建立稳定关系的人来说，具有极大的吸引力。然而，Perel也提出了深刻的质疑：当AI伴侣可以完美地回应你的情感需求时，人类之间的关系还会保持真实吗？她认为，真正的亲密关系恰恰建立在脆弱性、冲突和不确定性之上。如果AI可以消除所有这些不舒服的体验，我们可能会失去建立深刻人际关系的能力。 ## 情感资本主义的崛起 对话中，两位嘉宾谈到了“情感资本主义”这一新兴现象。随着AI技术的发展，情感不再仅仅是私人领域的体验，而日益成为可以被生产、销售和消费的商品。AI系统被设计成能够识别、回应甚至操纵人类情感，从社交媒体的算法到客户服务机器人，都在利用情感数据来实现商业目标。 Perel警告说，当情感成为可优化的指标时，我们可能会失去情感本身的价值。她提到，人们开始使用AI来“优化”自己的情感生活——使用算法来决定应该和谁约会、什么时候结婚、如何维持关系。这种做法反映了一种更深层的焦虑：我们害怕面对不确定性，害怕做出错误的决定，所以把决策权交给机器。然而，真正的成长和幸福往往来自于我们如何应对这些不确定性和错误。 ## 仪式与不确定性：人类应对世界的方式 在讨论人类如何面对不确定性时，Perel分享了她对“仪式”的深刻理解。她认为，人类创造了各种仪式来赋予混乱的生活以秩序和意义。无论是宗教仪式、节日庆典还是日常的晨间习惯，这些仪式都是我们应对不确定世界的心理工具。它们不需要逻辑上的完美解释，它们的价值在于提供一种连续性和归属感。 Khan则从另一个角度补充道，AI可以帮助我们更好地理解不确定性。他提到，AI系统可以处理大量数据，识别模式，预测趋势，这实际上是在帮助我们更好地应对不确定性。但关键在于，人类需要保留最终决策权和意义赋予的能力。AI可以提供信息和分析，但选择相信什么、追求什么、为什么而活，这些根本性的问题仍然需要人类自己回答。 ## 我们是在生活还是在优化？ 对话中最发人深省的问题之一是：我们是在真正地生活，还是仅仅在优化？Khan反思了自己在可汗学院的工作，他意识到仅仅提高学习效率还不够。更重要的是，我们需要思考为什么要学习，学习什么才是有意义的。Perel呼应了这一观点，她观察到现代社会充满了各种自我提升的工具——健身追踪器、睡眠优化应用、关系咨询算法——但人们在拥有所有这些工具的同时，却感到更加焦虑和空虚。 他们认为，AI确实可以帮助我们更高效地完成很多事情，但效率本身不是目的。关键问题是：更高效地做什么？为谁？为了什么目的？如果我们不首先回答这些根本性的问题，AI只会让我们更快地迷失方向。 ## 人机协作的理想图景 尽管存在诸多担忧，两位嘉宾都认为AI本身并不是威胁，关键在于我们如何使用它。Khan强调，理想的人机协作模式是人类负责那些需要创造力、同理心、批判性思维和道德判断的领域，而AI负责处理大量数据和重复性任务。Perel则补充说，在情感和人际关系领域，AI应该扮演辅助和支持的角色，而不是替代品。 他们共同描绘的未来图景是：AI承担那些可以被标准化和量化的任务，让人类有更多时间和精力投入到真正属于人类的活动中——创造、连接、体验、反思。在这个世界里，AI不是人类的竞争对手，而是增强人类能力的工具，让人类能够更好地发挥自己的独特优势。 ## 总结与核心启示 在这场深度对话中，Esther Perel和Sal Khan共同传达了一个核心信息：AI时代的人类未来不在于与机器竞争，而在于重新发现和发展那些真正属于人类的品质。他们认为，人类的独特价值在于创造力、情感连接、面对不确定性的勇气以及赋予生活意义的能力。 这场对话给我们最重要的启示是：我们必须警惕将一切都简化为可优化的指标的诱惑。生活的意义、人际关系的价值、个人的成长，这些都不能被算法所取代。在拥抱AI技术带来的便利和效率的同时，我们需要保持清醒的自我意识，知道什么是最重要的，什么是不可替代的。未来仍然是人类的——加上AI——但前提是人类必须明确自己希望成为什么样的人，希望建立什么样的社会。希望我们能够善用AI来增强人类的能力，而不是用它来逃避人类的责任和挑战。
观看 →# Athletic Brewing颠覆啤酒行业的创新战略 ## 公司起源与市场背景 Athletic Brewing的诞生源于创始人对非酒精啤酒市场的深刻洞察。在传统观念中，非酒精啤酒往往被视为啤酒的"退而求其次"之选，口感欠佳、缺乏文化内涵，难以吸引追求品质生活的消费者。然而，随着全球健康意识不断觉醒，越来越多的消费者开始关注饮酒对身体的潜在影响，这为非酒精啤酒品类的崛起创造了前所未有的市场机遇。Bill Shufelt作为公司首席执行官，敏锐地捕捉到这一趋势，决定带领Athletic Brewing走上一条颠覆性的发展道路。 ## 核心战略：重新定义非酒精啤酒 Athletic Brewing区别于传统非酒精啤酒品牌的关键在于其"重新发明产品"的核心理念。Bill Shufelt在接受Raja Rajamannar访谈时强调，公司并未将自身定位为一家"无酒精啤酒公司"，而是将自己视为"高端精酿啤酒公司"，恰好不含有酒精成分。这一看似微妙却意义深远的定位转变，彻底改变了消费者对非酒精啤酒的认知框架。通过将产品品质、酿造工艺和风味体验放在首位，Athletic Brewing成功吸引了原本对非酒精饮品不屑一顾的精酿啤酒爱好者。 ## Craft工艺：品质至上的酿造哲学 在产品层面，Athletic Brewing始终坚守精酿啤酒的品质标准。公司投入大量资源研发酿造技术，确保每一款产品都具备与优质精酿啤酒相媲美的风味层次和口感体验。从原料选取到发酵工艺，从配方研发到品质管控，Athletic Brewing对每一个环节都精益求精。这种对品质的执着追求，使得Athletic Brewing的产品不仅能够满足消费者的健康需求，更能够满足他们对啤酒风味的期待，从而打破了"健康饮品必然牺牲风味"的固有偏见。 ## Wellness健康理念：切中时代脉搏 Athletic Brewing的成功还得益于其对当代消费者健康诉求的精准把握。在后疫情时代，人们对健康生活方式的追求达到前所未有的高度，越来越多的消费者开始反思过度饮酒对健康的影响。Athletic Brewing敏锐地洞察到这一社会趋势，将"健康饮酒"理念融入品牌DNA。公司通过科学传播和消费者教育，向公众传递理性饮酒、积极生活的价值观，成功将健康意识转化为品牌忠诚度和消费驱动力。 ## Participation参与文化：构建社群连接 除了产品和健康理念，Athletic Brewing还致力于构建独特的参与文化。品牌积极赞助各类运动赛事和户外活动，将自身塑造为健康生活方式的象征和载体。通过与跑步、骑行、瑜伽等运动场景的深度绑定，Athletic Brewing不仅拓展了产品的消费场景，更重要的是建立起与目标消费者之间的情感纽带。这种"参与式"营销策略，使得消费者不再仅仅是被动的产品购买者，而是品牌故事的共同参与者和传播者。 ## 市场影响与品类教育 Athletic Brewing的出现对整个非酒精啤酒品类产生了深远的示范效应。在该公司进入市场之前，非酒精啤酒往往只能在便利店或特定渠道销售，且消费者群体相对单一。Athletic Brewing通过持续的市场教育和产品创新，成功将非酒精啤酒推入主流消费渠道，包括高端餐厅、酒吧和专业运动零售店铺。更重要的是，公司通过自身的市场成功，证明了非酒精啤酒不仅是一个小众细分市场，而是一个具有巨大增长潜力的主流品类。 ## 总结与核心启示 Athletic Brewing的崛起绝非偶然，而是精准战略布局的必然结果。Bill Shufelt及其团队的成功经验为品牌创新提供了宝贵的启示：首先，**重新定义品类认知**至关重要，不将自己局限在传统品类的框架内，而是以更高维度的市场定位重塑消费者认知；其次，**品质是颠覆的基础**，无论是健康理念还是营销创新，最终都要以卓越的产品品质作为支撑；最后，**文化认同高于产品功能**，通过构建独特的品牌文化和社群连接，才能在消费者心智中建立持久的品牌忠诚。Athletic Brewing用实际行动证明，在成熟的品类市场中，通过产品创新和理念革新，完全可以开辟出属于自己的蓝海市场。
观看 →# **Agentic时代的网络安全防御建设** ## **引言：AI时代的安全挑战** 在数字化转型和人工智能技术飞速发展的今天，网络安全领域正面临着前所未有的变革与挑战。由a16z普通合伙人David George主持的这场深度对话，邀请到了在安全行业深耕30年的资深专家、Armadin公司创始人兼首席执行官Kevin Mandia，共同探讨在攻击者能够以机器速度运作的新时代，网络安全防御将何去何从。Kevin Mandia作为Mandiant公司的创始人，在网络安全领域积累了丰富的实战经验和深刻的行业洞察，此次他明确表示，正是人工智能技术的发展让他决定重返安全领域的第一线，这一表态充分说明了AI技术对网络安全格局的深远影响。 ## **AI对网络攻击经济学的根本性改变** Kevin Mandia在对话中深入剖析了人工智能如何从根本上改变了网络攻击的经济学模型。传统上，网络攻击者在进行入侵尝试时需要投入大量的人力、时间和资源来探测目标系统的防御漏洞，每一条攻击路径的探索都需要安全专家进行繁琐的手工操作。然而，人工智能技术的引入彻底颠覆了这一局面，攻击者现在能够借助AI工具同时探测数千条甚至更多的潜在攻击路径，这种并行化的攻击方式极大地提高了攻击效率，同时大幅降低了单次攻击的平均成本。 这种经济模型的转变意味着防御方必须重新审视自己的战略定位。攻击者从过去的小心翼翼、逐点突破转变为大规模、并行化的智能探测，这种量级的变化不仅是数量上的增长，更是质的飞跃。Kevin Mandia强调，当攻击者能够以如此高的效率和如此低的成本进行大规模探测时，传统的基于人工响应和人工分析的安全防御体系将面临严峻考验，甚至可能变得难以为继。 ## **机器速度攻击的现实威胁** 在讨论攻击能力提升的同时，嘉宾们也深入探讨了机器速度攻击所带来的具体威胁形态。当攻击者能够以机器速度运作时，意味着他们可以在极短的时间内完成对目标系统的全面扫描和漏洞分析，这种速度是人类防御者根本无法企及的。攻击者可以在几秒钟内尝试数千种不同的攻击组合，而人类安全分析师可能需要数小时甚至数天才能完成同样的分析工作。 这种速度差异带来了一个根本性的问题：在机器速度攻击面前，人类响应的延迟本身就是最大的安全漏洞。即使安全团队能够及时发现攻击行为，但当攻击已经以机器速度完成时，人类反应的时间窗口可能已经不足以阻止攻击的成功。更令人担忧的是，攻击者可以利用AI技术生成高度逼真的钓鱼邮件、深度伪造的社交工程攻击，甚至能够动态调整攻击策略以适应目标系统的防御措施。 ## **自主化防御：应对AI攻击的必然选择** 面对AI赋能的攻击者，Kevin Mandia明确提出防御方最终也必须走向自主化的道路。这一观点的核心逻辑清晰而有力：既然攻击者能够以机器速度运作，那么防御方也必须具备同等的响应能力，否则在这场博弈中将始终处于被动挨打的地位。自主化防御并不意味着完全取代人类安全专家，而是要在关键环节实现自动化响应，特别是在那些对时效性要求极高、人类无法快速处理的领域。 自主化防御系统需要具备几个关键能力：首先是实时威胁检测能力，能够在毫秒级别内识别异常行为和潜在攻击；其次是智能决策能力，能够基于海量的安全数据和威胁情报做出准确的防御判断；最后是快速响应能力，能够在检测到威胁后立即采取阻断、隔离等防御措施。这些能力的实现都离不开人工智能技术在安全领域的深度应用。 ## **Armadin公司的战略定位与使命** 作为本次对话的核心议题之一，Armadin公司的战略定位引起了广泛关注。Kevin Mandia在对话中简要介绍了这家新公司的核心使命和发展愿景。虽然视频内容在此处被截断，但从上下文可以推断，Armadin公司正是Kevin Mandia基于对AI时代安全挑战的深刻理解而创建的新一代安全公司，旨在为企业和组织提供能够应对机器速度攻击的先进防御解决方案。 Armadin公司的成立本身就是一个重要的行业信号，它代表了安全行业资深从业者对AI时代挑战的主动回应。与传统安全公司不同，Armadin从一开始就将AI驱动的自动化防御作为核心能力来构建，这反映了安全行业正在经历的一场深刻范式转变。公司名称中包含的"Arma"词根暗示着武器化、武装的意涵，体现了创始团队将安全防御提升到战略高度的决心。 ## **安全行业的范式转变** 通过这场对话，我们可以清晰地看到网络安全行业正在经历一场根本性的范式转变。过去的三十年里，安全防御的基本模式是构建防线、检测入侵、响应处置，这是一个以人类为中心的防御体系。然而，AI技术的普及正在将这场游戏变成一场机器对机器的竞赛，在这场竞赛中，速度和效率将成为决定胜负的关键因素。 这种范式转变对安全行业的人才培养、技术架构、投资方向都产生了深远影响。在人才培养方面，行业需要更多既懂安全又懂AI的复合型人才；在技术架构方面，传统的边界防御模式正在让位于更加灵活的零信任架构和AI驱动的智能防御系统；在投资方向方面，能够提供自动化、智能化安全能力的公司正在成为投资界的新宠。 ## **总结与核心启示** 本次a16z与Kevin Mandia的深度对话为我们揭示了AI时代网络安全领域的核心趋势和关键挑战。Kevin Mandia作为安全行业的老兵，选择在AI浪潮中重新出山并创立Armadin公司，充分说明了当前安全形势的严峻性和紧迫性。AI技术正在从根本上改变网络攻击的经济学，使攻击者能够以前所未有的速度和规模进行探测和入侵，传统的人类响应模式已经难以应对这种全新的威胁形态。 核心启示可以归纳为以下几点：其一，防御方必须接受并拥抱AI技术，将自动化、智能化作为安全能力建设的核心方向；其二，安全防御的时效性要求提到了前所未有的高度，机器速度的防御响应将成为基本要求；其三，安全行业正在经历范式转变，传统的安全思维和方法论需要进行全面升级；其四，企业和组织需要重新评估自己的安全战略，在AI时代构建真正具有韧性的安全防御体系。在攻击者已经获得机器速度的今天，防御方别无选择，只能迎头赶上，建立起能够与AI攻击相抗衡的自主化安全能力。
观看 →