11-031小时8分
[公司与投资]Alex Davis拟筹百亿美元基金押注算力与国防科技精选深度新
Disruptive创始人认为，前沿AI的资金需求已接近上市公司量级，成长后期投资者有机会填补融资缺口。他也指出，算力项目能否按时交付，以及出资方能否可靠交割，将决定大额投资的成败。
原节目：Sources with Alex Heath · A quiet investor’s $10 billion bet on AI, chips, and defense
Aftercasting：硅谷 AI 与科技播客中文深度笔记
11月3日 星期二
11月2日 星期一
11-021小时7分
[产品与创业]Legora CTO：客户保密约束重塑法律AI智能体评测精选深度
Jacob Lauritzen 说，法律 AI 智能体（Agent）需要把检索、审阅、起草与人工核查接入同一工作流程。由于无法直接查看客户数据，团队依靠模拟项目、专家审查等方法评测；他举例称，新模型曾将某项引用表现从约 70% 提升至约 99%。
原节目：Latent Space · Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora
11月1日 星期日
11-011小时2分
[芯片与算力]Modal汇集约25家NeoCloud算力，按GPU秒计费精选深度
Modal CEO Erik Bernhardsson认为，推理需求远未见顶，但只卖低价算力或 token 难以形成持久差异。Modal将调度、沙箱和训练能力组合成平台；弹性计费方便客户，也让公司承担提前采购和需求预测的风险。
原节目：The Twenty Minute VC (20VC) · 20VC: Who Wins the Inference Market | Has Open-Source LLM Inference Peaked? | What Happens to the Cost of Compute | The Real Limits of Post-Training and RL with Erik Bernhardsson, Modal CEO
10月26日 星期一
10-2626分钟
[安全与治理]纳德拉：模型变强不等于更安全，企业需设零信任精选
纳德拉说，他不再认为模型能力增长会自然带来安全对齐。企业应以身份管理、工具调用审计等措施限制智能体失常时的损害，同时保留私有评测，以便按任务比较和替换模型。
原节目：The Twenty Minute VC (20VC) · 20VC: Satya Nadella on Open vs Closed Models: Who Wins | Whether to Trust Frontier Model Providers | Why Companies Need to Own Their Own Intelligence | The Importance of Verticalisation: From Chips to Models and More
10月24日 星期六
10-241小时9分
[芯片与算力]Naveen Rao预测十年内AI推理市场达10万亿美元精选深度
Rao认为，能源供应和每份智能的能耗将决定AI扩张，模型与硬件需要协同优化。他还预测机器人市场可达编程智能体市场的百倍，但强调产品仍须从特定任务原型走向可靠交付。
原节目：The Twenty Minute VC (20VC) · 20VC: Why Robotics Will be 100x Bigger than Coding Agents | Inference Will Be a $10TRN Market: What No One Sees | Why Software Investors are F***** Today with Naveen Rao, Unconventional
10月23日 星期五
10-231小时1分
10月22日 星期四
10-221小时26分
[芯片与算力]Modal CEO：将长期GPU合同转为弹性算力精选深度
Erik Bernhardsson 说，固定数量、固定期限的 GPU 采购合同，与波动的推理和AI 智能体（Agent）负载并不匹配。Modal 通过汇聚客户需求、快速调度来提高容量利用率，但若价格和利用率同时下跌，长期采购承诺也会放大风险。
原节目：Latent Space · Why AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEO
10月20日 星期二
10-201小时5分
[模型与研究]Biohub科学负责人：虚拟细胞瓶颈在测量与数据精选深度
Biohub科学负责人Alex Rives认为，关键生物状态若无法被观察，增加训练算力也难以让模型学到所需机制。在Biohub宣布18亿美元扩展计划之际，他主张采集带有组织位置和时间背景的数据，并用实验检验细胞状态预测。
原节目：The Cognitive Revolution · A World Model of Life: Biohub's Alex Rives on Virtual Cells, Measurement, & the $1.8B Data Push
10月14日 星期三
10-142小时19分
[安全与治理]GovAI的Alan Chan：智能体治理要能监控和暂停精选深度
Chan认为，监控不能止于发现异常，还须能在智能体行动时拦截；防篡改日志的难点则是留存、权限和隐私政策。他主张先建立可核验的智能体身份与服务提供方联络路径，并在AI加速自身研发时，用可审计的失控预警触发暂停。
原节目：The Cognitive Revolution · Governing AI Agents: Alan Chan of GovAI on Monitoring, Agent IDs, Rogue Agents & Preparing for RSI
10-141小时50分
[产品与创业]Leash Bio：跨库测试中参赛模型未胜随机精选深度
Ian Quigley 介绍，Leash Bio 用多条形码、重复实验和数百个靶点检验小分子结合数据的可信度。其 Kaggle 比赛显示，模型换到不同骨架的化合物库后难以泛化，预测分数不能直接等同于化学理解。
原节目：Latent Space · Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio
10月13日 星期二
10-131小时12分
[模型与研究]Dyna Robotics称洗衣流程可自主运行约一小时精选深度
Jason Ma介绍，Dyna让模型同时预测动作如何改变环境、控制机器人行动，并用人类视频建立广泛先验、用机器人实采数据适配硬件。他认为，长时工作还取决于传感器、本地推理和任务调度，不能只靠扩大模型。
原节目：Latent Space · Dyna-2: General Purpose Physical Agents with Hour-Long Autonomy — Jason Ma, Dyna Robotics
10月10日 星期六
10-102小时2分
[模型与研究]Eric Bigelow：关键 token 可改变模型答案走向精选深度
Goodfire 的 Bigelow 介绍逐位置重采样实验：答案概率有时会在一个词、甚至左括号处骤变。他认为，定位行为分叉不等于解释内部机制，理解模型决策还需结合内部表征与干预实验。
原节目：The Cognitive Revolution · How Agents Decide: Goodfire's Eric Bigelow on Critical Tokens, Phase Shifts, & In-Context Learning
10月9日 星期五
10-091小时10分
10月8日 星期四
10-0856分钟
10-081小时24分
[模型与研究]Periodic Labs称AI材料发现的瓶颈在自动表征精选深度
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 认为，模拟能筛选候选材料，但真实合成与测量才能检验假设。团队希望记录实验过程与失败结果，让模型学会调整合成条件；若无法快速识别产物，提高实验通量也难以带来有效反馈。
原节目：Latent Space · Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk
10月6日 星期二
10-0649分钟
10月3日 星期六
10-031小时32分
[模型与研究]DeepMind研究员：机器人跨机身泛化仍是难关精选深度
Keerthana介绍，Gemini Robotics 2由ER负责场景理解与规划，VLA负责将意图转成动作；前者可通过API使用，后者主要面向受信任测试者。她指出，少量示范学会动作不等于换个机身后仍能稳定执行，长任务还面临延迟、记忆和安全挑战。
原节目：The Cognitive Revolution · One Brain, Any Body: Google DeepMind's Keerthana on Gemini Robotics 2, Cross-Embodiment & Humanoids
10月1日 星期四
10-011小时41分
[模型与研究]MIT 的 Alex Zhang：学术研究应重设计模型与工具精选深度
Alex Zhang 认为，学术界不必沿着大公司的算力路线追逐指标，更应重新思考模型形态和研究问题。他以递归语言模型为例，讨论任务拆分与上下文设计如何影响策略迁移，同时提醒：榜单速度不等于真实系统价值。
原节目：Latent Space · Academia is for Ambition — Alex Zhang, MIT
9月28日 星期一
09-281小时32分
[产品与创业]Anthropic详解Claude Code的Mod定制架构精选深度
Thariq Shihipar称，Mod允许用户定制智能体行为与界面，Artifacts则支持数据持久化和多智能体共享。随着智能体进入团队工作流，权限管理与数据隔离成为关键挑战。
原节目：Latent Space · Claude Code’s Next Era — Thariq Shihipar, Anthropic
9月25日 星期五
09-251小时50分
[安全与治理]Halcyon创始人：AI安全更缺能建立机构的人精选深度
Mike McCormick主张先寻找有执行力的创始人，再决定成立非营利机构还是公司，Goodfire和AIUC体现了不同路径。他认为，未来一至四年仍须加快建设监督与验证能力，否则减速承诺和国际协议难以执行。
原节目：The Cognitive Revolution · Zero to One in AI Safety: Halcyon's Mike McCormick on Launching 30 New Orgs & the Founder Bottleneck
9月24日 星期四
09-241小时36分
[模型与研究]Runway 联合创始人：实时世界模型须能模拟失败精选深度
Runway 联合创始人回顾公司从艺术家工具走向实时世界模型的过程，认为可控性和对行动后果的预测比画面逼真更关键。团队正尝试让视频生成持续响应动作，但模型能否可靠呈现失败场景，仍需干预式测试验证。
原节目：Latent Space · Runway’s WorldPrompt and the Engineering of Real-Time Worlds
9月22日 星期二
09-222小时1分
[模型与研究]John Platt：AI加快科研建模，实验验证仍靠人精选深度
Google Fellow John Platt 介绍了 ERA 如何通过评分函数搜索和修改科研代码，并讨论凝结尾迹与野火项目。他强调，系统可能利用评分漏洞；高预测分数也不能替代独立数据和实验检验。
原节目：Latent Space · 🔬 An Oscar, Two Asteroids, and the Algorithm in Your sklearn: John Platt on AI for Science
9月21日 星期一
09-212小时21分
[模型与研究]TypeSafe AI CEO：Jev要做供代码调用的可靠模型精选深度
Diogo Almeida认为，AI的主要消费者最终将是代码，而非人类。Jev面向分类、提取和路由等高频任务，强调结构化输出、置信度校准与单位成本；但其训练方法和可靠性指标仍待公开验证。
原节目：Latent Space · Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI
9月18日 星期五
09-181小时9分
[安全与治理]Databricks CEO：AI使漏洞武器化从年缩至分钟精选深度
Ali Ghodsi认为当前AI存在风险接近于零，反对用灭绝叙事制造恐慌，更担忧AI驱动的网络攻击。他还指出，企业落地的瓶颈是缺少组织本体，并介绍了用智能路由和调整harness控制成本的做法。
原节目：a16z · Databricks CEO on AI Pacing, Cyber Risk, and the Enterprise
09-1838分钟
[芯片与算力]Inception CEO称Mercury推理速度快约5至10倍精选
联合创始人Stefano Ermon认为，下一轮AI竞争更看重每瓦、每美元的推理效率。其扩散式LLM可并行生成多个token；他称，语音智能体客户OpenCall因此能从Cerebras定制芯片切回普通Nvidia GPU。
原节目：No Priors · Why Diffusion Will Win AI Inference with Inception Co-Founder and CEO Stefano Ermon
9月17日 星期四
09-171小时20分
[安全与治理]Noam Brown：启动递归自我改进前须让AI对齐可度量精选深度
OpenAI 研究员 Noam Brown 谈到约1万个智能体、1300亿 token 和88小时的数学攻关，认为关键仍是模型能力，而非群体规模。他指出实验与 GPU 的串行瓶颈限制研发提速；思维链可监察性退化，则让对齐度量更加紧迫。
原节目：Dwarkesh · Noam Brown – Agent swarms, alignment, & recursive self-improvement
09-1740分钟
[模型与研究]fal称实时AI视频竞争转向运镜与角色控制精选
fal 联合创始人和工程负责人介绍，H3 Max 通过开源权重后训练及系统、硬件优化降低时延，Turbo 约 1.5 秒可生成 5 秒视频。Director 模式利用约两分钟细粒度记忆支持中途改指令，让连续导播成为可能。
原节目：a16z · The Next Frontier of AI Video Is Control
9月16日 星期三
09-1653分钟
[产品与创业]Lightfield以活动日志重做CRM，先争取新客户精选
CEO Keith Peiris 说，Tome 达到约2500万用户后转向CRM，症结不是模型速度，而是缺少演讲者与听众的关系语境。Lightfield 试图整合邮箱、通话、CRM 和数仓中相互冲突的信息，并以免费全员席位推动采用。
原节目：a16z · The AI-Native CRM
9月14日 星期一
09-1451分钟
[安全与治理]OpenAI总裁称Astra可称AGI，安全成关键精选
Greg Brockman称，Astra能连贯执行约24小时的任务，但算力尚不足以服务所有人。他说前沿能力带来攻防窗口期，OpenAI在“code red”期间抽调约25%的工程力量投入防守。
原节目：a16z · Greg Brockman on Why OpenAI Says We’re Entering the AGI Era
09-1447分钟
1 / 2下一页 ›
