42章经

• 世界加速分化下，我们的机会在哪里？ | 对谈绿洲资本合伙人张津剑

  在去年那期播放量超 10w 的节目《这个世界变难了，我们该如何应对？》中，津剑从信号学的角度拆解了这两年世界变化的本质，给很多人带来了一个全新的思考万事万物的视角。而针对世界的新变化，津剑也在一年后为我们带来了他升级后的思考。这期节目的前半小时，你会听到津剑在我们线下活动中的个人分享。他从「频率与频谱」的角度出发，解释了这个世界为什么在加速分化？注意力机制为什么人类最重要的特质之一？ 为什么说 Agent 其实是一场感知革命？人类在 AI 时代的核心价值又是什么？节目的后半段，则是我和津剑的双人对谈。我们讨论了一些更具体的问题，比如怎么判断一个方向值不值得坚持？未来 5 年 AI 可能会发展成什么样等等。希望这期听完之后，我们都能更好地重建自己的注意力系统。After all. Attention Is All We Need.绿洲也在制作自己的播客节目《信号与噪声》(链接：www.xiaoyuzhoufm.com)，诉说更多关于生命力的故事，欢迎大家订阅关注！【人类博物馆】导游：曲凯，42章经创始人1 号珍藏：张津剑，绿洲资本合伙人【时光机】Part 1 单人演讲《投资中的频率与频谱》 1:15 2025 年，世界在加速分化 1:20 分化的背后是注意力的失控 2:43 注意力是大脑进化出的主动滤波器 6:20 顶级企业家有一个共同特点——专注 9:12 拉尔森效应与世界的啸叫 11:33 这个时代的机会在变多，而不是变少 11:59 如何重建注意力机制？ 15:26 作为一个多模态大模型，人类能感知到的世界是真实世界的 1/10^9 21:48 Agent 是一场感知革命，AI 能处理的模态和频谱理论上是无限的 25:27 从以「人」为中心组织工作，到以「AI」为中心组织工作 28:49 Wishful thinking 是一种懒惰 30:03 人类因为自身的有限性而进化出了审美 ，这也是 AI 时代人最核心的价值Part 2 双人对谈《人的有限与无限》 33:58 怎么找到真正值得注意的事，并坚持下去？ 40:17 绝症面前，人会改变自己，还是接纳自己？ 42:39 分享两个提高决策力的方法 43:48 区块链与 AR&VR 被低估了 47:06 未来 5 年，人 和 AI 之间的关系可能会发展成什么样？ 49:01 工业革命：体力→智力，AI 时代：智力→心力 50:53 未来的智能会像今天的电一样 51:54 什么是新时代的「家电三件套」？ 53:10 分化世界下，普通人还有机会吗？【Reference】张津剑 @42章经 系列回顾播客世界好像变难了，我们该如何应对？ 2024.5.26投 AI 最猛的人 2023.7.30文章投资中的节奏与结构 2023.6.18投资中的周期与载波 2021.3.14投资决策中的信噪比 2020.2.23投资中的信号与噪声 2018.12.2（谢谢到场的每一位朋友！）【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

  --------  

  55:22
• 关于 AI、开源、商业化与全球化的经验、教训和方法论 | 对谈 PingCAP CTO 东旭

  活动预告🥳：5 月 31 日，我们会请到东旭办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！PingCAP 在前些年最被大家熟知的可能就是其非常高的估值，经常被 challenge 的则是其商业化的收入。而这两年很多人不知道的是 PingCAP 的国际化业务发展得异常好，且已经有了非常高的海外年收入。23 年我曾经请云启资本的陈昱分享过他投资 PingCAP 等知名公司背后的逻辑。在那期播客中，陈昱说他投资 PingCAP 的重要原因之一是发现他们团队有野心（选择了分布式数据库这个难度极高的方向）、且有实现野心的潜力（三个联创都是技术背景，代码写得很扎实）。两年过去，很开心今天终于能和 PingCAP 的联合创始人兼 CTO 黄东旭面对面聊天，听他亲口讲述这家估值 30 亿美金的数据库创业公司从 0 到 1 的实践和思考。在这期播客中，东旭坦诚分享了他们踩过的非常多的坑。我们聊到了 PingCAP 在发展过程中的关键决策、开源项目的运作逻辑与商业化策略，以及中国团队在海外市场的落地经验和商业化探索过程。此外，他也从他的视角聊到了很多关于 AI 的观察和思考。和他聊的时候，还意外得知原来他是一个弹吉他和贝斯、玩合成器的音乐爱好者，这个爱好，也是他创业十年来保持身心轻盈的重要原因之一 ；）【人类博物馆】导游：曲凯，42章经创始人35 号珍藏：PingCAP 联合创始人、CTO，PingCAP 最新公开估值已达 30 亿美元【时光机】Part1 PingCAP 从 0 到 1 的发展历程 1:21 PingCAP 到底是做什么的？—— 一个装数据的魔法杯子 6:55 PingCAP 十年来最关键的四个决策 7:10 ① 开源 7:30 ② 选择了关系型数据库这个难度最大、但期望最高的方向 8:37 ③ 做全球化 9:09 ④ 转型云服务 9:52 为什么 15 年还能长出一个数据库巨头？ 12:58 为什么在商业化没做起来时，公司就能有 30 亿美金的估值？ 18:47 商业化的摸索过程Part2 关于国际化的经验和思考 24:32 一个真·国际化的公司应该具备什么样的心态？ 27:51 怎么判断自己的公司是不是真的做到了国际化？ 32:33 在国际化的过程中，我们可踩过太多坑了… 34:03 先做美国市场是一个事半功倍的选择 34:49 这波 AI 创业者中我最看好 Day 1 就搬去美国的那一批 36:51 想融入当地环境？先招个本地销售，然后跟着 ta 一起跑客户 40:34 出海没有捷径，我过去十年尝试的所有花活基本上都失败了 43:57 出海华人创业者，第一容易高估语言障碍，第二容易高估商业化难度 45:23 一些关于 AI 的观察和思考 45:53 营销被大大低估了！不存在什么「酒香不怕巷子深」 46:42 AI 还缺一个通用的 sharing memory layer 49:26 我个人很看好企业服务端的机会 【Reference】 Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋 揭秘 Minimax、Zilliz、PingCAP 背后的投资逻辑 | 对谈云启合伙人陈昱【活动预告🥳】5 月 31 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

  --------  

  53:56
• AI 下半场：聊透 Benchmark 与 Evaluation | 对谈前 Kimi 产品经理丁丁

  活动预告🥳：5 月 24 日，我们会请到丁丁和 Fellou 创始人谢扬办一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！像 RL 这个概念一样，Benchmark 和 Evaluation 也是做 AI 的人经常挂在嘴边的词，但到底该怎么理解这个概念，该如何正确的设定这些问题和数值呢？正巧前不久 OpenAI 研究员姚顺雨的那篇《AI 即将进入下半场》特别火，他核心讲的就是「我们当下已经进入了 AI 的第二阶段——从解决问题转向定义问题，评估的意义会超过训练本身。而这其中，评估最关键的不是设置更难的基准测试，而是要在实际落地的场景中重新设计一套实用的评估标准」。所以这期我们请到了前 Kimi 产品经理丁丁，从她在大模型公司一年多的实践经验出发，请她分享些对于 Benchmark 和 Evaluation 的思考，相信大多数人听完这期都会对这些概念有更深的理解，也可以开始自己设定一些评估问题和标准了。P.S. 丁丁之前曾在微信做过 5 年的搜索产品，也在美团做过策略产品，所以在节目最后她也分享了一些从古典产品转型 AI 产品经理的心得。【人类博物馆】导游：曲凯，42章经创始人34 号珍藏：丁丁，前微信、美团、Moonshot 产品（负责 Kimi App）【时光机】 1:27 进入 AI 下半场，「重新定义 Benchmark」比「刷榜提分」更关键 3:23 回顾 AI 上半场，国内大模型公司的发展重心历经了哪些变化？ 5:51 一味追求 DAU 是一种偷懒的经验主义 7:07 数据固然重要，但更多的用户数据 ≠ 更好的模型智能 9:28 如果你是梁文锋，你要不要承接这波泼天的用户？ 9:59 Evaluation 和 Benchmark 是拉开模型差距的一大关键 14:40 对于没有标准答案的问题，该怎么制定 Benchmark？ 17:55 怎么衡量 Benchmark 的好坏？ 22:14 创业公司的 Benchmark 有多少道题比较合理？ 22:38 能通过高频的用户 Prompt 反推出一套 Benchmark 吗？ 24:23 让模型「突出长板」好，还是「全面均衡」好？ 25:42 以 C.AI 类产品为例，示范一下该怎么设计 Benchmark 29:28 Benchmark 是团队的核心机密，算法同学都不应该告诉 30:07 AI 产品经理和古典产品经理有什么异同？ 31:49 怎么更好地理解模型边界？ 33:38 未来每个人都要具备全栈能力 35:38 做微信产品积累下来的 knowhow 39:52 分享一些招 AI 产品经理的标准【Reference】 OpenAI Agent Researcher 姚顺雨的最新博客内容，探讨了 AI 发展的「下半场」：ysymyth.github.io 一个顶级 AI 产品经理的自我修养 | 对谈光年之外产品负责人 Hidecloud【活动预告🥳】5 月 24 日，我们会办一场线上活动。感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

  --------  

  41:12
• Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋

  活动预告🥳：4 月 26 日，我们会请到 sheet0.com 创始人文锋做一场线下活动，大家记得翻到 shownotes 末尾查看报名信息！关于 Agent 这个话题，我自己有一些核心在思考的问题，相信这些也是很多人同样会有疑问的地方，这期播客中我们就这些问题展开了讨论，并基本得到了一些答案：1）怎么定义 Agent，Agent 最重要的是什么2）今天的 Agent 和两年前的 Agent 的区别是什么3）如何简单快速理解 Function Call，Coding Agent，MCP，A2A，Computer Use，Browser Use 等概念4）不同方式的区别是什么，有什么优劣之分吗5）怎么看通用 Agent 和垂直 Agent 的区别，终局是什么6）AI Coding 和 Agent 最终会是一件事吗，或者二者会有什么关联7）Workflow 和 Agent 的区别和终局8）RL 这件事在 Agent 里的重要程度是什么，一家公司（尤其是做 Agent 的创业公司）到底该如何使用 RL9）大模型自身的 Agent 比如 OpenAI Operator 和其他应用产品的区别是什么，最终市场形态会怎样10）如何快速判断一家 Agent 公司做得好不好另外，在整段讨论中，本期嘉宾文锋基于长时间对 Agent 的研究和实操，还提出了很多理解和分析 Agent 的框架和关键要素，以及在接近结尾部分留下了让我非常有启发的一句话：AI Coding 是大模型的灵巧手。【人类博物馆】导游：曲凯，42章经创始人33 号珍藏：王文锋，Agent builder，sheet0.com Founder & CEO，连续创业者，有近十年 AI、Data Infra 产品设计和 Coding 经验。sheet0.com 已开放 waiting list 申请，即将内测。【时光机】 00:47 Agent 三要素：LLM、Context、Tool Use 1:17 这波 Agent 和过去两年的区别是什么？ 2:30 怎么理解 Agent 中的 Context？ 4:21 快速理解 Tool Use 的不同方案 4:40 代码调用支线：Function Call、MCP、A2A 之间的区别是什么？ 6:35 模拟人类支线：浏览器是大模型能调用的最重要的工具 7:07 两条支线各有优缺点，也可以混合起来 10:27 Manus、Devin、Genspark 各用的什么方案？ 12:25 Browser Use 的核心价值是给用户提供「安全感」 14:19 AI Coding 和 Agent 最终会殊途同归吗？ 16:15 Agent 的终局会走向通用还是垂直？ 17:17 脱离了 RL，Agent 就不成立了 19:15 所以 Agent 创业公司该如何使用 RL？ 22:54 一个非共识理解：聊天框 + 场景推荐 UI 界面就是最好的交互形态 31:54 Sheet0 是一个怎样的 Agent 产品？ 34:15 怎么把任务执行的准确率做到了 100%？ 35:39 Workflow 会被 Agent 颠覆掉吗？ 36:49 不同 Agent 的核心区别是什么？ 39:05 AI Coding 是大模型的「灵巧手」 41:41 Agent 有两大「信任」命题 44:22 分享一个预测 Agent 未来发展的思考框架 47:33 如何快速判断一家 Agent 公司做得好不好？【Reference】文锋推荐大家都读一读强化学习之父 Richard Sutton 的《Reinforcement Learning：An Introduction》【活动预告🥳】4 月 26 日，我们会请到文锋做一场线下活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

  --------  

  52:38
• 一堂「强化学习」大师课｜对谈清华叉院助理教授吴翼

  当 AI 预训练的 scaling law 开始放缓，强化学习 (RL) 接过接力棒，拉出了一条漂亮的第二曲线。在当下的 Agent 热里，有 RL 能力的团队，也是最被看好和押注的。但很多人对 RL 都没有一个足够清晰的理解，包括我自己。所以这期我们请到了国内 RL 领域的专家、清华大学交叉信息研究院助理教授吴翼，来讲讲 RL 的原理到底是啥、RL+LLM 的路径是怎么发展起来的、目前存在哪些非共识、未来还会怎么演变等等（聊完感觉像上了一堂免费大师课）。而且聊着聊着，我们发现，人生就是一个 RL 的过程，区别是 RL 有明确的奖励函数，但是人生没有。可能如吴翼教授所说，我们首先都要以一种「最大熵」的方式去主动和不确定的世界交互，才能找到自己的奖励函数，优化自己的人生曲线。最后，吴翼教授的团队最近开源了一个 RL 框架 AReaL-boba，在 SOTA 7B 上跑出了 AIME24 61.9 的分数，也欢迎大家去 GitHub 关注。【人类博物馆】导游：曲凯，42章经创始人32 号珍藏：吴翼，清华大学交叉信息研究院助理教授，前 OpenAI 研究员。【时光机】 1:51 到底什么是 RL？ 4:25 人生就是一个强化学习的过程 6:22 RL 和 LLM 是怎么结合起来的？ 7:01 强强联手第一步：InstructGPT，实现指令遵从 10:07 过程中衍生出了 RLHF 11:41「慢思考」的需求催生了 RL 的应用 16:10 为什么说 Anthropic RL 做得特别好？ 21:17 行业对 RL+LLM 的最优路径形成共识了吗？ 25:11 RL 起来之后，对 Agent 的影响是什么？ 32:11 Intelligence = LLM (理解) × RL (决策)，二者缺一不可 34:14 Scaling law 的未来 34:33 Pretraining 的两个发展方向 36:43 RL 还处于早期，进入深水区后可能会走向分化 40:02 大模型团队的组织架构要如何设计？ 43:21 一个反常识：对 AI 来说，理解比生成更难，token 消耗更大 47:38 现在做 Agent 一定需要一个懂 RL 的人吗？ 49:32 为什么 RL 人才这么稀缺？ 56:10 RL 目前三大分支：泛化 (DeepSeek)、代码 (Anthropic)、Agent (OpenAI) 58:55 框架对 RL 意味着什么？ 1:02:51 RL 在海内外进展还有明显差距 1:04:42 想做好 RL，基建≫数据＞算法 1:06:05 研究 RL 收获的一些人生启发【Reference】 吴翼的 PhD 毕业论文：On Building Generalizable Learning Agents 吴翼获机器学习顶级会议 NIPS2016 最佳论文奖的论文： Value Iteration Network 吴翼提到的他非常喜欢的有关 Diversity-Driven RL 的两篇论文：Iteratively Learn Diverse Strategies with State Distance Information、Discovering Diverse Multi-Agent Strategic Behavior via Reward Randomization 吴翼团队和蚂蚁研究院开源的强化学习训练框架：AReaL-boba【The gang that made this happen】 制作人：陈皮、Celia 剪辑：陈皮 Bgm：Mondo Bongo - Joe Strummer & The Mescaleros

  --------  

  1:12:49

More Technology podcasts

Trending Technology podcasts

About 42章经