晚点聊 LateTalk

“为什么要太空旅行?” “因为很酷呀！” 由马斯克创立的 SpaceX 在前 10 月 13 日完成了星舰（Starship）的第五次试验发射。马上又会在 11 月 18 日进行第六飞。 我们邀请了中国某家商业航天公司的前总体设计师陈亮，来与我们一起聊一聊取得重大进展的“星舰第五飞”。陈亮是北京航空航天大学航空宇航推进理论与工程博士，主要研究液体火箭动力系统的流动传热问题，曾参与多项新型飞行器热防护技术攻关和相关国家级预研项目，曾任可重复使用商业运载火箭总体副总师。 （图片来源：BBC） 我们也会就此展开 SpaceX 的研发逻辑，它作为商业公司给航天领域带来的变化，以及中国近年来商业航天领域的一些实践。 陈亮提到，他和很多同行其实没有预料到，星舰这次正式回收 Super heavy ，能如此完美地成功，如此干脆利落，好比在 100 公里时速下，精准倒车入库。Super heavy 就是星舰的推进器部分，星舰第五次实验发射的最大进展，就是成功地用像筷子一样的发射架塔臂稳稳夹住了掉头回到地面的 Super heavy 推进器。 星舰的全部模块可回收，意味着将进一步大幅降低发射成本，包括制造成本和发射时间成本。 低成本，也是 SpaceX 高频发射、快速迭代的前提。低成本和高频次相辅相成，打破了航天业过去奉行的“像飞行那样去测试，像测试那样去飞行的原则”。 SpaceX 的逻辑不一定谁都合适模仿，但这个搅局者已带来实实在在的改变。 时间线传送： ·星舰第五次发射： “即便成功，也没想到是如此完美的成功” 03:02 星舰的整体任务要求：一子级（推进器 Superheavy）回收到发射场，二子级（Starship）部分海上溅落 04:14 一般火箭的组成；星舰其实已超出传统火箭的范畴：介于火箭和航天飞机之间 06:32 火箭从准备到点火、发射、着落的几道关卡 09:06 看直播：超出预料；“即便成功，也没想到是以这种方式成功” 12:08 Starship 的软着陆：第四次跌宕起伏，第五次热防护做得更好 15:18 SpaceX 的逻辑：低成本+高频次发射=快速迭代；传统航天业则是：像飞行一样测试，像测试一样飞行 17:42 不建议初创公司模仿 SpaceX，猎鹰的失败当年也差点拖垮公司 19:56 蓝色起源的标志是乌龟，它相信快就是慢 21:40 NASA 新火箭项目 SLS，从项目上不成功，但它是满足美国载人登月时间表的唯一火箭 24:15 马斯克也许很疯狂，但 Space Age 时更疯狂：二战末期人类还开着螺旋桨飞机开战，69 年就登上了月球 27:58 科学狂人的激进：FAA（联邦航空管理局）一度推迟星舰发射，马斯克试图在特朗普上台后主持技术发展提效部门 32:07 在 SpaceX 做研发，得文武双全、不恐高 ·SpaceX 的航天矩阵：猎鹰、星舰、龙飞船、星链 33:00 猎鹰+龙飞船的组合：为空间站送货、送人 34:20 美国一度不能送人到空间站，要靠俄罗斯 35:08 美国两位宇航员仍滞留空间站；SpaceX 没去接，因为 NASA 没钱接 36:30 星舰和猎鹰的区别：星舰是为了去火星；目前方案需要在近地轨道 5 次加注燃料 38:20 火星不一定有经济价值，但太空旅行很酷 39:33 人类去火星，马斯克说 5 年，悲观看 10 年，NASA 的设想是 2050 年 41:46 星舰降成本的法宝：回收+使用民用部件+培养多面手 45:40 SpaceX 一个结构工程师，可以既做火箭结构也做卫星结构 47:51 全球火箭发射竞争格局：中美最强，欧洲最近扶持力度增大 ·中国的商业航天实践 50:51 2010 年到 2020 年，中国航天陆续启动重要项目 51:52 北航的“宇航学院”每年招生在 150-160 左右，近年 60%-70% 毕业生进入航天业 53:03 中国空间站发射、嫦娥五号探月工程、天问火星探测器，近年中国航天成果密集 55:18 商业航天公司能让个人更快速、全面成长，但整体人力资源有限 58:30 中国商业航天和 SpaceX 的差距——中国公司取得 Milestone 的时间更短；政策支持+航天基础+人才储备是只能怪过的优势 01:00:54 但 SpaceX 也在指数级发展，星舰出世开启新一轮追赶 01:01:41 从 SpaceX 身上学到的：回收模式+工程实现的启发 01:02:02 SpaceX 并未公开任何图纸，它的开放在于不会追究学他的人 01:03:09 从 SpaceX 获得启发的例子--猎鹰回收时的辅助支撑腿 01:05:12 中国商业航天发展需要的更多支持——资金+更多容忍失败；国内管理部门现在已经有很多支持 01:07:40 平民进入太空会成为趋势 相关链接： 星舰成功发射，SpaceX 如何在美国打败航天旧体系 登场人物： 陈亮，中国商业航天公司前总体设计师 程曼祺，晚点 LatePost 科技报道负责人（即刻：曼祺_火柴Q） 剪辑：甜食

扫帚、吸尘器、扫地机器人，为什么还不够？ 近年来，消费电子市场不断出现一些新品类，骨传导耳机、洗地机、vlog 相机、智能眼镜等等，这些新品开始在市场上找到了自己的位置，也带动消费电子市场复苏。 每年都会有新品出现，但最终能被市场接受的不多。一个新的消费电子产品品类是如何出现的？它要满足哪些条件才能在市场上立足？ 本期《晚点聊 LateTalk》由云鲸智能赞助，我们邀请了云鲸洗地机产品线负责人庄彬来分享一款新消费电子品从 0 到 1 的诞生过程。 庄彬是消费电子行业资深从业者，曾领导扫地机器人、智能洗地机、消费无人机、云台、激光雷达等多款、多品类的产品研发工作。2021 年加入云鲸，孵化了云鲸洗地机品类线。2023 年 5 月，云鲸正式发布第一代洗地机 S1，今年 9 月又正式发布第二代洗地机 S2 Island 光辉版。在整个中国洗地机市场，云鲸今年 9 月的市占率首次跻身前三。 洗地机在吸尘器、传统清洁工具和扫地机器人的夹缝里生长，它的市场规模从 2019 年的 0.9 亿快速增长到了 2022 年的 100 亿。 我们与庄彬聊了他近几年印象最深的消费电子新品，为什么行业不断有新的消费电子产品出现，他们满足了怎样的需求，一家消费电子公司是如何调研需求、拆解需求、立项并把产品做出来，以及云鲸的产品理念是如何在洗地机这款产品上落地的。 消费电子行业一直以来最核心的理念就是 PMF 产品与市场的匹配，云鲸作为一家年轻的公司，成立几年时间就就切入扫地机器人主流市场。他们的经历与思考对于行业可能是一个参考。 时间线传送： ·新的消费电子品类如何产生 01:48 印象最深的几款新的消费电子品类 03:58 消费级无人机为什么能成功 07:01 成功的消费电子品类满足什么条件 07:49 不成功的案例，创新没有匹配需求 ·调研→立项→研发全流程 09:45 立项前最重要的几个问题 11:32 产品经理如何分辨真伪需求，如何给需求的重要性排序 13:12 要去挖掘用户表面需求背后真正的底层需求是什么 15:23 云鲸怎么解决洗地机毛发缠绕的问题 ·洗地机为什么会出现，解决了什么需求 18:17 洗地机是一个舶来品，最早是清洁海外用户的毛毯地面 20:56 疫情期间智能清洁产品火爆 23:44 洗地机是取代吸尘器，和扫地机器人不冲突 29:00 云鲸为什么做洗地机比较晚 ·个人经历与转型，从研发转型产品的经历与思考 32:51 为什么从研发转型为产品经理 35:52 最初怎样规划这款新的洗地机产品 ·清洁产品的未来 45:27 智能清洁产品共同面对的问题 47:43 最终会有一个终极的清洁产品出现，类似通用机器人 51:59 给产品新人的三点建议 相关链接： 新新访谈｜云鲸张峻彬：只有创始人走出低谷，公司才能走出来 本期人物： 庄彬，云鲸洗地机产品线负责人 张家豪，晚点科技报道作者，即刻：Erlade 剪辑： 甜食

“人类最大的科学幻想之一，怎么一点点变得现实。” 今天的节目还是和特斯拉近期的 We,Robot 发布会有关，主角从与侯晓迪那期（见《晚点聊》ep84）聊的自动驾驶来到另一个全场焦点：特斯拉人形机器人 Optimus。 我们邀请了清华大学交叉信息研究院助理教授、同时是清华叉院具身智能实验室负责人许华哲来与我们分享他的观察和实践。去年开始，许华哲也参与创立了一家具身通用机器人公司——星海图。 许华哲本科毕业于清华大学电子工程系，在伯克利 AI Research Lab（BAIR）获得博士学位，后在斯坦福做博士后，2022 年回国加入清华大学交叉信息学院。博一做过自动驾驶后，他在博二开始关注机器人领域，伯克利也是较早尝试把强化学习和机器人结合的重镇之一。 这期节目里，我们从 We,Robot 发布会出发，解释了有争议的“遥操”到底是什么，现在有什么用；许华哲也详细介绍了这次具身智能变革的一些关键技术推动因素，如强化学习、模仿学习、多模态大模型、世界模型等等；他还分享了 BAIR 的教授与博士生的工作方式。 通用智能机器人是一个交叉学科，也是人类最大的科学幻想之一。AI 知名学者 Marvin Minskey（马文·明斯基）曾预测， 3-8 年后，我们就会看到通用智能体，不过他说这话时是 1970 年。新一轮 AI 热潮为何会不同？最前线的人提供了他们看到的可能。 时间线传送： ·许华哲的求学经历 01:04 从清华电子系到伯克利 AI Research 博士，再到斯坦福博后 02:10 三在多伦多大学交换，机缘巧合下开始接触 AI 研究。 ·WeRobot 上的 Optimus，到底怎么理解遥操？ 04:50 很马斯克风格的发布会 05:40 丝滑遥操作也有实用价值：远程劳动力转移；同时能帮助获得更多数据，使系统进化。 06:46 判断机器人好不好的两个小 trick：机器人走路时，周围人越少越好；机器人操作使，周围人离机器人越近越好 07:51 遥操目前有三种常见方式：从视频映射、人带着 VR 设备遥操、用与机器人同构的专用遥操设备遥操，斯坦福 Aloha 就使用了第三种 10:01 从遥操到机器人自己动需要：更多的数据，更好的模型 12:47 马斯克拉高大众对机器人的期待，整体是好事，但专业人士也许有时生气——2017 年的一个活动中，马斯克大谈明年实现自动驾驶，Andrej Karpathy（特斯拉自动驾驶前负责人，后回到 OpenAI，今年自己创业了）“脸都绿了” ·通用具身机器人照进现实，变化并不始于 Optimus -强化学习、模仿学习和多模态大模型 14:56 伯克利 AI Research：较早关注强化学习；这里鼓励一起合作，不同老师和博士间自由组合，很适合机器人交叉领域 20:28 斯坦福、伯克利、MIT 机器人谁最强？美国高校的人才的轮动机制 21:41 一个标志性工作：ETH（苏黎世联邦理工）让机器狗在仿真环境里学会爬山，这是是强化学习在机器人中的应用 23:37 许华哲自己的项目：机器狗学会在软垫上走，通过改进一个强化学习算法，让机器人不是在仿真里学，是在真实环境里学 25:20 算法和模型架构是两个概念，同一个算法可用不同架构的神经网络实现；强化学习两个最典型的算法范式：基于值的学习（Q学习）和基于策略的学习。 28:51 接下来谁能做出非常有效果的“具身大模型”，会是一个进展 29:23 除了强化学习，其它重要进展：模仿学习、多模态大模型 & 三者的不同作用 32:54 目前具身智能公司，自己做强化学习、模仿学习多，多模态大模型一般使用外部的，如 GPT 等。 -世界模型 34:11 目前是个笼统概念——根据目前状态能推断未来状态，都可以是世界模型 35:24 为什么 Sora 不是世界模型，而 YX （也是一个视频模型）是一个世界模型？ 36:52 机器人包饺子的例子：当时用到的“世界模型”就是一个神经网络，不过是一个很局限的版本。 38:04 实现通用机器人，世界模型一定是组成部分，但其实现在大家并不完全知道怎么做世界模型；目前 AI 界提出的几种主要思路 -触觉（感知里被忽略的一个部分） 39:14 触觉是个被忽略的模态，而人最大的器官是皮肤；触觉缺失的患者很难抓东西 41:00 触觉和力控传感的区别 -本体 42:29 机器人本体形态目前五花八门，为什么星海图觉得当前操作（双臂）更重要 45:28 关于灵巧手：在清华有各种尝试，但并不适合现在就放在公司里做，要做好灵巧手，难度不亚于做好一个完整人形机器人 47:53 目前星海图“力出一孔”要做好的事：移动操作的本体、遥操作和智能。 ·从机器人的现在到未来 48:19 明斯基 1970 年的乐观，3-8 年后就会有通用智能体 49:26 清华姚班本科生关于 AGI 的预期小调查：今年比去年悲观 52:03 从现在到未来的瓶颈：数据；目前行业里还没有清晰的数据采集成本，因为采集方法也没有定型；星海图自己获得数据的 3 种方式 55:30 未来机器人上的模型，是一个端到端大模型，还是在不同层次用不同模型来组合？——许华哲相信类似 VLA 的端到端模型是未来趋势，但不一定最适合现在来落地。 58:14 目前大模型范式有缺陷，但可以一边先用，一边改进 59:07 UBI（无条件免费发钱）计划不一定能解决未来的社会危机 59:51 要警惕人类不经意间丧失权利，你有可能失去“在健康日吃炸鸡的权利” 01:02:17 一致性与对齐：机器以会实现我们设定的目标，但可能以我们想不到的方式，使我们付出想不到的代价 相关链接： 特斯拉 Optimus 机器人进展：已经生产数百台、还拧不好螺丝 到底什么时候AI才能帮我把麻烦事都做了啊啊啊啊？｜许华哲 一席第1037位讲者 晚点聊 LateTalk-84：与侯晓迪聊特斯拉 We,Robot：烟雾与现实 附录：播客中提及的一些 AI 领域人物（按提及顺序） Andrej Karpathy，AI 研究者，曾任特斯拉自动驾驶负责人，今年创立了人工智能教育公司 Eureka Labs。 Trevor Darrell，Berkely AI Research Lab（以下简称 BAIR）教授，Caffee 的搭建者之一，许华哲的博导。 Sergey Levine，BAIR 副教授兼谷歌 DeepMind 研究员，今年参与创立研发机器人大脑的 PI。 Pieter Abbeel，BAIR 教授，智能协作机器人 Covariant 的创始人之一，2021 年 ACM 计算奖获得者，Amazon 后收购了 Covariant 的部分团队。 Anca Dragan，BAIR 副教授，运营 Interact 实验室。 Jitendra Malik，BAIR 教授，其团队在机器人视觉触觉结合等方面有突破。 Alexei Efros，BAIR 教授，计算机视觉专家，在图像合成、风格迁移等方面成果突出。 Chelsea Finn，斯坦福助理教授，研究智能体学习交互能力，曾在谷歌大脑工作。 Yann LeCun，图灵奖获得者，Meta FAIR（the Foudamental AI Research）负责人。 David Ha，AI 研究者，2018 年 3 月曾发布论文“World Models” Marvin Minskey，麻省理工教授，“人工智能之父”，推动 AI 早期发展的重要学者。 Dieter Fox，华盛顿大学教授，研究机器人感知规划学习等，对复杂环境应用有贡献。 登场人物： 许华哲，星海图联创、清华交叉信息学院助理教授 程曼祺，晚点科技报道负责人。即刻：程曼祺_火柴Q 剪辑：甜食 封面：Screenshot from Robert Scoble on X

丰泽汉洋空口从零模拟国家工业化：泽洋波利斯的崛起之路！开局 5000 万人口、资源有限、生育率极高，该如何夺取天下？ 建议点赞收藏转发，以后你和朋友穿越到异世界建国的时候能用的上。 晚点聊新系列，工业化之路第一期节目。 相关资料： 想要发电，要先有电：一个总工在中国和非洲修水电站的故事 国在水电站方面基本上处于天顶星级别存在：和非洲回来的曹工唠唠 人民币上的水电站，为啥炸了重建？清北打灰佬，探访「水电站之母」【吉林·丰满大坝】 【番外】没人能在钢铁厂想小事儿：伯利恒 登场人物： 丰泽：在非洲打了三年灰的博士 汉洋：万古长风，一朝风月 制作：甜食 封面：汉洋拍摄于七台河

「一切以 CPM（每英里综合运营成本）为纲。」 本期《晚点聊 LateTalk》，我们邀请无人驾驶资深从业者侯晓迪探讨刚刚结束的特斯拉无人出租车（Robotaxi）发布会 We,Robot。 侯晓迪本科毕业于上海交通大学，后在加州理工大学获博士学位。他曾是自动驾驶第一股，图森未来的联合创始人，历任 CTO、CEO 和董事长。去年他开始了新创业，成立 Bot Auto，继续做自动驾驶。 马斯克式爽文的惯常叙事是：提出一个不切实际的想法→给出一个激进时间表→苦苦挣扎、多次延迟、陷入绝望→最后绝地反击。 无人驾驶也不例外，2016 年至今，特斯拉已数次跳票承诺。但今年初开始，特斯拉的一系列进展让外界期待大增，尤其是 FSDv12 的惊艳表现。 但 10 月 10 日的这场发布会，信息过于模糊，它短期带来的更多是失望：发布会第二天，特斯拉股价下跌约 9%，Uber 则大涨 10%。 侯晓迪说，这次发布会使他略感意外之处是，在全无人驾驶领域，部分人对马斯克的宗教式狂热正在减弱。 侯晓迪分享的核心观点是：L4 自动驾驶现在更多是一个多个问题组合而成的复杂系统工程，目前到了以 CPM（Cost Per Mile），即“每英里综合运营成本”为指引的阶段。 各公司的关键赛点，是怎么在保证安全的情况下降低 CPM，从而能比现有运力网络更有优势。马斯克在发布会中也提到了 CPM 这一指标，不过侯晓迪非常不同意马斯克说的具体数字。 我们也与侯晓迪聊了他对自动驾驶行业近年的一些热点技术，如「端到端」和「世界模型」的理解和看法；以及他在离开图森之后，再次创业做 L4 自动驾驶的新认知和选择。 时间线跳转： ·We,Robot 发布，马斯克的现实扭曲力在减弱 04:07 人们对 Musk 的宗教式狂热在消退 07:10 高科技发展中始终有两面，技术客观规律 VS 公众意志与期待，特斯拉擅长拉满期待 10:29 0.2 美元每英里运营成本为何是胡说，一个简单的计算题 12:13 CPM（每英里成本）应该是一个统一标准，就像会计准则 16:31 运营的魔鬼在细节，一个例子：胎压检测 19:26 Cruise CEO 发布会前给出 15 条要点，马斯克则都没讲 22:40 技术发展和 CPM 下降并不矛盾 26:14 机器人的遥操：从大众到业内人士的 3 层观点 29:07 Robotaxi 领域闯入新玩家的影响——也许没那么大影响 ·认可端到端大方向，不认可技术被宗教化 30:55 FSD 休斯顿体验，运气好 10 分钟接管一次 31:10 端到端，是一种技术的“意识形态化” 34:50 Scaling Laws 原初论文里有诸多限定条件，愚者的问题是无节制地外推 38:31 端到端的新网络架构有优点，也增加了限制因素，如不可解释→难以合规 41:41 车主的车撞死了人，算谁的？——Cybercab 量产前，用 Model 3、Y 接单的“Airbnb”模式也难以实现 42:29 ”世界模型“，学术上的更早源头是内蕴表征 47:48 世界模型要解决的问题：包含各种物理规律，因而是一个做具体任务的宝箱 49:56 L5 是永远达不到的地平线，L4 是产品，产品就谈挣钱，不寒颤。 51:50 赚钱路上的眼见瓶颈：远程遥控 1:3 怎么走到 1:10 ·从硅谷到休斯顿，远离 Breaking News Overflow，靠近产品和运营 53:21 Bot Auto 的 2000 万美元融资，什么人还愿意投入自动驾驶？ 57:17 回顾上段创业：不要过早扩张，重要的不是收入，而是利润 01:01:32 休斯顿 VS 硅谷，离投资人和喧嚣远了，离产品近了 01:06:46 Bot Auto 年内小计划 相关链接： 《马斯克 19 分钟发布会，PPT 是一回事，现实是另一回事》 15 key things to look for from new robotaxi players（Kyle Vogt） （Robotaxi 新玩家需要注意的 15 个关键点——Cruise CEO Kyle Vogt） 登场人物： 侯晓迪，Bot Auto 创始人 & CEO。 程曼祺，晚点科技报道负责人。即刻：程曼祺_火柴Q 剪辑：甜食

与人类学者袁长庚聊“文科生”赫拉利的技术观察。大历史下，也可寻找小空间。 封面：一战中的英雄军鸽谢尔·阿米（Cher Ami）。赫拉利用阿米的例子说明了故事和人造符号如何深入人心，甚至改变了当事人的记忆。 这是一期串台节目，感谢中信出版旗下中信书院的播客《知本论》的邀请，我和知本论主播孙冰洁，一起与人类学家袁长庚聊了尤瓦尔·赫拉利的新书《智人之上》。 袁长庚是香港中文大学人类学博士，先后任教于南方科技大学和云南大学。他从自己的角度简单总结了这本书和赫拉利的写作与论证思路。赫拉利擅长“大历史”写作，甚至被批评立论先行，这被学院派的研究者警惕，但他的洞察和担忧常常直击要害。 在《智人之上》这本新书中，赫拉利提出的问题是：人类要如何应对信息网络里人工智能这个空前强大的新变量？我们如何避免人工智能的失控？ 在这次对谈的开端，赫拉利抛出的问题仿佛是无解的，他在《智人之上》的结尾提出了一个设想：提前构建一个有制衡机制的信息网络；这有些书生意气，缺少执行路径。 而随着对话深入，我们更多聊了个人可以做什么，袁老师对身边学生、年轻一代的观察，他从深圳到云南的新生活和感受，都给了我们书之外的更多联想和启发。 其中最重要的一点可能是——哪怕没有新的 AI 技术，寻找意义也是每个现代人都要解的一道题。这与我们的上期播客《人活着有啥意思》形成了有趣的互文。 研究近代军事史出身的赫拉利是一个“文科生”，人文学者的技术评论会不着边际吗？也许恰恰是跳出学科分类抽屉的赫拉利，会有更锋利的目光。归根结底，技术总与人相关。 《知本论》已上线《智人之上》的电子有声书，可点击链接：https://www.xiaoyuzhoufm.com/podcast/66de6cffee04007d8826f53e 此次串台中，《知本论》的节目直接从延展讨论部分开始，《晚点聊》这期也放了更多有关《智人之上》书籍本身的介绍和讨论。 时间线传送： ·《智人之上》，一部信息简史 02:47 《智人之上》的三段论：赫拉利对人类信息网络的观察+当 AI 新变量进入信息网络+警示与提醒 12:45 人文学科出身，但赫拉利有立场谈技术和 AI 17:23 赫拉利是一个“跳出抽屉”（学科分工）的人 21:02 科学家的天真：可能过于简单地理解了技术和社会的关系 ·身边的信息观：天真的 VS 民粹的 23:36 身边的“天真信息观”：更多的信息，反而带来了更低的信息素养 28:26 “不反思”也许才是自在状态，信息里存在错误、盲目是人性使然 31:10 “民粹信息观”和“天真信息观”的一体两面 36:41 赫拉利也许夸大了 AI 的能力，但即使没有 AI 进化，新技术对信息网络的影响已是一个真实命题 40:42 韩国换脸事件、东欧小镇女孩的遭遇，事情为何难办 ·哪怕没有人工智能，找到意义也是一个挑战 44:58 担忧“被取代”，本质是现代性之后难寻意义感 47:51 用工作来建构意义和“我是谁”的认同，这不是历史常态 51:56 种咖啡、种大米，重新建立身体与世界的连接？ 55:31 一场“假葬礼”，如何让学生选定了工作 offer 58:23 不要轻易让渡权利，妙鸭的风波 59:47 沉溺“社交网络”，这也许是阶段性现象 01:05:29 从云南到深圳，云南人身体里有另一个闹钟 01:12:27 技术快速变化，我们可以做什么“日课” 相关链接： 《知本论》此前已经与人大新闻系教授刘海龙，和复旦国际关系学者包刚升，从信息和大国竞争等角度聊了《智人之上》。大家如果对这本书和它讨论的议题有更多兴趣，可听相关节目，补充更多视角： 关于“意义感”的更多讨论： 晚点聊 LateTalk-e82：人活着有啥意思 关于 “AI 威胁论”的更多讨论： 晚点聊 LateTalk-e71：对谈港大计算机系主任马毅：如果相信只靠 Scailing Laws 就能实现 AGI，你该改行了 登场人物： 袁长庚，人类学者。 孙冰洁，知本论主播。 程曼祺，晚点科技报道负责人。即刻：程曼祺_火柴Q 剪辑：甜食

「大家都是牛马，凭啥你加夜草」——轶轩 和节目的老朋友丰泽聊聊人活着有啥意思，可以算是和王小伟老师那期《每个人活着都难受》那期的另一个版本。大部分问题想清楚很简单，想开了很难。意义的神圣感和吃饭喝水一样，是人的刚需。人活着有啥意思不是个虚无缥缈的问题；尤其是当代社会充斥着各种各样的「以工代赈」，工作意义早已被掏空。但人的价值不（光）是靠工作体现的。评价指标出了问题，不是人出了问题。 相关链接： 每个人活着都不舒服 圣山与山 没有签证怎么去非洲干活：和丰泽聊聊在非洲不同国家打灰的体验 是理想也是现实：一个清华博士的非洲选择｜文化纵横 登场人物： 丰泽：海洋于他们而言如同河流 汉洋：现前一段西来意，一片西飞一片东 后期：甜食 封面：烟火，汉洋拍摄于日本

汉洋和重轻借着聊小红书，谈了谈游戏社区这件事。但这期节目的内容可能和你想的不一样——他俩没有聊游戏社区是什么，而是就着游戏社区谈了一个更大的问题：游戏是如何从一项简单的娱乐活动，变成了生活本身？并且接着游戏社区这个话题，分析了一下到底什么是社区。不过因为这期节目录制的比较早，所以没聊到黑神话。 这期的 shownotes 里没有时间节点，是因为这期节目整体上就是一场逻辑推演。每个环节之间都有上下文语境之间的关系。 本期节目聊到了： 这期节目是怎么来的 作为一种出版物的电子游戏 游戏的消费方式 早期只有资讯，没有社区的游戏 关键问题，游戏如何演化成了⽣活的⼀部分？ 关键线索一：从买断制到持续运营 关键线索二：更多的消费方式 UGC 基础设施的普及 社会生活的底层逻辑 ⼀转眼，社区远⼤于游戏游玩 到底什么是社区？ 名词解释： UGC：用户生成内容 相关链接： 汉洋关于小红书的文章《小红书的造梦都市》 为了写文章弄的美妆号（不咋更新） 小红书账号：汉洋在拍照 如何获得快乐：与重轻唠唠游戏产业的科普 按下快门，记录镜头下的沉玉谷绝美景色！ 风男们跳magnetic😱🙌🏻！！！ 【原神无UI】无缝转场，极致丝滑 痛耳机：全网首个魈宝痛耳机 自制散兵联名特饮：买不到？无所谓，姐教你自己做！ Has Genshin Impact Ruined Conventions? 恋与深空与猫 绝区零模仿小红书的桥段 登场人物： 重轻：播客《不在场》主理人 汉洋：朋友你关注我小红书了吗？ 后期：甜食 题图：汉洋的猫在看游戏

GPU 算力总消耗会提升，但暂时有冗余；AI 应用开发热情未冷却，只是不被 VC 关注。 今天的节目是一期加更，我们在 OpenAI 最新模型 o1 发布后的第二天，邀请了硅基流动创始人袁进辉与我们讨论了 o1 这一新进展，也分享了今年 1 月至今，袁进辉观察到的 AI 开发者社区的变化。 上次袁进辉做客《晚点聊》是今年 1 月，那时他刚开始新一次创业没多久，选择做服务 AI 开发者的推理（inference，即大模型的使用）加速和优化。 OpenAI o1 的一个重要新特性，正是从扩大 train-time compute 的规模到扩大 test-time compute（见下图，来自 OpenAI 官方博客），即通过在推理阶段分配更多计算资源提升模型效果——也有人称之为从 train scaling laws 到 inference scaling laws。 英伟达 AI 科学家 Jim Fan 说，这可能是自 2022 年 DeepMind 提出 Chinchill Scaling Laws（原版 Scaling Laws 上的一个优化）以来，大模型研究中最重要的一张图。 总结而言，o1 打破了一个预期：过去在大语言模型范式下，模型在解决推理逻辑问题时遇到了瓶颈。而 o1 通过强化学习（Reinforcement Learing，也被简称为 RL）、思维链（chain of thought）和测试时间计算（test-time compute）显著提高了模型的逻辑推理能力，所以在科学、数学和编程等需要更多逻辑能力的任务上表现大幅提升。 这期播客里，袁进辉比较通俗地解释了强化学习、思维链，还有 test-time compute 是怎么发挥作用的。我们也讨论了 o1 的这些新技术特性对算力消耗量，行业应用还有其它 AI 公司的动作可能有什么影响。 节目后半部分，我们进一步讨论了 AI 开发者生态这一年的变化。与很多人的观点不同，袁进辉说，在应用开发端，他没有感到 AI 热潮的冷却，只是现在涌现出的很多开发者是小微企业甚至是个人开发者，他们不在传统 VC 的视野里。所以一方面，创投市场会觉得 AI 应用的爆发不如预期，另一方面，实际调用量也在快速增长。 他还分享了一些一手数据：比如硅基流动自己的客户，调用最多的开源模型，国外是 Meta 的 Llama，中国则有阿里巴巴的通义千问和幻方的 DeepSeek，千问的优势是不同规模的模型版本齐全，而 DeepSeek 则在编程能力上突出。 时间线传送： ·o1 的“Wow”在于突破了大模型方法下的推理能力瓶颈 02:56 o1 发布，兑现了之前已被逐步释放的高预期 03:57 模型三重能力：语言、常识、推理，前两者之前已做得比较好，o1 提升了第三点 05:25 “弱智吧”是大模型试金石？ 06:35 同样使用强化学习，AlphaGeometry 关注度为何没有 o1 高？——强化学习本身不新了，Alpha 家族的 Wow 时刻已经发生，o1 的进展是打破了大语言模型推理弱的预期 10:28 o1 新方法：强化学习、思维链、test-time compute 11:06 强化学习和思维链，都是在解决数据问题 11:34 强化学习可以补充专业数据，它更适合规则清晰、反馈清晰的领域 16:50 思维链（chain of thought）是在补充抽象层次较高的宏观数据 23:09 强化学习和思维链可以正交，比如可以通过强化学习也生成一系诶思维链分步骤数据 25:07 列出思维链：最初是人写，现在可能是用规则，更优雅是靠模型 29:19 test-time compute，这不是直接补充数据缺陷，而是原本做一次的推理（inference）变成做 N 次，就像人的“深思琢磨” 31:18 强化学习、思维链、放更多资源给推理，每一个单独看都不是石破天惊的 idea，但 OpenAI 做了很好的组合 34:36 “2022 年以来大模型领域最重要的一张图”，揭示 inference scaling law ·总算力需求会提升，短期有冗余，o1 不改变训基础模型公司减少的趋势 36:49 o1 新范式意味着需要更多 GPU 吗？对英伟达的影响？ 38:51 猜想，预训练和强化学习的具体结合方式 40:56 算力需求也和参数规模相关，推理核心本身的参数可能不会特别大 43:32 从 API 收费看，目前 o1 推理成本可能是 4o 的几十倍 47:05 o1 最适合用在哪儿？Agent 可能能跑通了 48:45 程序员是最适合的 Agent 吗？辅助程序员在 o1 前就在发生 50:13 脑洞：o1 这类模型继续发展，能解决黎曼猜想吗？ 54:28 目前 o1 很慢，但有优化空间，一个技术应用的规律是：效果在早期更重要，之后缩短计算时间、降低计算成本几乎是确定性的 58:15 为什么目前 API 调用对速率有限制，且不支持一些功能？ 01:00:14 当前可做的推理优化：并行部分思维链计算，减少不必要的思维链过程 01:04:20 新变化也让一些工作可能没必要了，比如复杂的 prompt 工程 01:06:06 o1 对中国的影响：总体不改变训基础模型的公司变少的趋势 01:10:48 去年至今，GPU 算力价格已在下降，训练需求减少，推理需求增长暂时不会弥补，短时间 GPU 有冗余 ·AI 应用开发需求未冷却，只是更分散、更小微、个人化 01:13:13 供给端有调整，但在技术应用端，“我没有感到变冷” 01:15:13 更多个人开发者和小微企业做探索，更多其他行业来尝试，因为不需要完整 AI 班子了 01:18:33 应用未冷却和 VC 市场觉得应用没爆发不矛盾，因为对 VC 还太小 01:19:52 硅基流动推出云服务后增长很快。“如果每天和开发者打交道，不会觉得行业停滞或在变冷” 01:20:31 一些增长快的产品例子，捏他 01:21:38 云服务带来便捷的例子：Koji 十分钟写完 emoji AI 翻译器 01:24:20 继续坚定出海，目前硅流海外客户更多 01:26:32 硅流平台被调用最多的开源模型：通义、DeepSeek、Llama 01:27:39 “需求在这边时，谁都来帮你的忙” 01:29:27 硅流平台上的客户，每天调用数亿到 10 亿 token 的是有的 01:30:22 叶军分享的钉钉 AI 付费的启发：用户现在为小功能付费，而不是复杂大应用 01:32:46 从苹果手机可能是入口，到“巨头递减” 01:38:02 我们看到大模型的“瓦特蒸汽机”了吗？ 相关链接： 本期播客文字整理版 袁进辉上次做客晚点聊：《58：光年之外联创再出发，与袁进辉聊 AI Infra 到底做什么？》 硅基流动云平台 SiliconCloud https://siliconflow.cn/zh-cn/siliconcloud 《OpenAI 再次给大模型 “泡沫” 续命》（《晚点 LatePost》关于 OpenAI o1 的文章） “蹭下热度谈谈 OpenAI 的价值”（播客中提到的中科院张俊林微博） 登场人物： 袁进辉，硅基流动创始人。联系可加微信：SiliconFlow01 程曼祺，晚点科技报道负责人。即刻：程曼祺_火柴Q 贺乾明，晚点科技报道作者。即刻：我是 chiming 剪辑：甜食

经过去年的技术猛进，今年下半年，市场对 AI 的关注焦点逐渐变成大模型到底怎么落地，怎么创造价值？ 在诸多大模型落地的潜在方向中，SaaS，即面向企业和专业工作者的软件服务被认为可能是最快、最确定的一个。 今天的嘉宾是有十年 AI SaaS 经验的科大讯飞副总裁王玮。她是语音技术研发出身，2015 年主导负责和开发了中国最早的 AI SaaS 产品“讯飞听见”，这是一款语音转写 SaaS。去年，讯飞又将旗下的讯飞听见、讯飞会议、讯飞同传、讯飞写作等办公产品整合为智能办公 SaaS 平台。 我们与王玮聊了过去一年大模型对讯飞的 SaaS 业务带来的冲击与机会，过去十年她做 AI SaaS 的经验和教训，以及更久之前，她作为语音技术研发人员的职业成长故事。 在讯飞成立的 1999 年，中国还没有成熟的风投、融资创业不是主流，这是一家第一天就要平衡赚钱生存与研发投入的公司。在现在的创新、创业环境下，这种平衡也是很多想做大模型的公司要面临的情形。讯飞听见的故事可能是一个参考。 时间线传送： ·大模型给 AI SaaS 带来的冲击与变化 02:34 去年讲技术节点，精确到几月几号；今年全行业重点变成讲落地 05:53 AIGC 的价值是把人从机械工作中解放出来 07:17 讯飞也在侧重消费者业务板块，但投放上不是烧钱拉新逻辑 13:21 一批新公司主打免费，讯飞为何继续收费？ 14:28 语音转写的体验差异要看困难场景的表现：多语种混杂，多人对话 16:14 从方言保护到语音技术的演变：过去需要语言学家，现在是技术驱动，未来可能需要对语言重新深入了解 20:10 大模型本身不足以解决“鸡尾酒会场景”等语音难点，还要配合工程能力积累 20:57 讯飞也在探索端到端语音技术 ·讯飞做 AI SaaS 的十年经验：软件+硬件+服务一起做 24:18 2010 年，讯飞第一次尝试消费者业务，做语音输入法 26:23 讯飞听见的诞生：语音输入法使用短语音技术，想做投入更大的长语音，需要一边研发，一边赚钱 26:48 AI 会带来失业吗？速记行业的“反讯飞联盟”的消失 29:11 讯飞听见一开始就同时做 to B 和 to C 30:07 to B 要适配国产操作系统，且要自己设计硬件工作站，方便企业私有化部署 32:50 产品经验：软件+硬件+服务 34:08 做 SaaS 一直要面临的抉择：更通用 or 更垂直（定制）？ 36:43 具体场景案例：讯飞怎么做深会展场景？ 41:25 为什么做 SaaS 也应该做硬件？ 43:57 离线版的升级需要派人去做本地服务，需要做好交付团队和生态 46:05 AI SaaS 要追求 3 个成功：产品成功、市场成功、财务成功 ·聊未来：出海与行业悬念 52:39 AI SaaS 出海数据法规最严的欧洲，合规经验 57:08 未来一年，AI SaaS 的行业悬念——会不会有新商业模式 本期人物： 王玮，科大讯飞副总裁、听见科技总经理 程曼祺，晚点科技报道负责人，即刻/小红书：曼祺_火柴Q 剪辑：甜食