42章经

这期播客中，我们和骁腾探讨了不少颇为尖锐的话题，比如国模到底哪家强，各家又有什么问题？到底该怎么定义 Neo Lab？从 Macaron 到 Neo Lab，再到 RLaaS，Mind Lab 这一路的转型背后有哪些思考，现在又做得怎么样？
坦白说，这期对我们来说，是一个打破不少固有认知的过程。骁腾的回答都很实在，也很 solid，而且他可能是我们最近聊过的最「快乐」的 Researcher 哈哈。听他聊下来，我们不仅对 Mind Lab 在做的事有了更全面的了解，也对 RL、模型发展和 RLaaS 的实际运作有了新的理解。节目中，他还分享了很多从 RL 研究中获得的生活哲学。在他看来，创业可能才是最符合 RL loop 的事情。
【人类博物馆】
导游：曲凯，42章经创始人
55 号珍藏：马骁腾（Pony），Mind Lab 联合创始人、首席科学家，清华大学自动化系博士、博士后，长期从事强化学习与模型后训练研究，关注 AI 如何从真实交互中持续学习
【时光机】
Part 1 一个 RL Researcher 的人生选择
00:54 如何看待 Mind Lab 的争议，在 Mind Lab 工作是种什么体验？

03:02 为什么首选不是去 AI Lab？

03:46 做 RL 学到的三件事

04:28 「我一直都是一个 90 分主义者」

08:32 创业是最符合 RL Loop 的事？

10:06 没在模型厂待过，凭什么能训好模型？

13:24 在叉院的时候一度非常绝望，觉得 research 做不过别人

16:20 国内 RL 的困境可能是「立山头」现象比较多？

Part 2 模型的发展与 Neo Lab 的叙事
18:10 对国模的态度：短期悲观，长期乐观
20:18 Anthropic 的一个让人担忧的做法

22:21 大厂确实资源多，但真不一定是最后赢家，甚至可能会集体失败？

28:28 国模接下来要拼的是什么？

30:42 锐评一下海外和国内的模型

35:32 啥是 Neo Lab？

38:20 Researcher 都在犯一个致命错误

39:26 到底该先做模型，还是先做产品？

41:53 RSI 现在完全就是个宣传口号？

Part 3 聊聊 Mind Lab
44:21 从 Macaron 到 Neo Lab 再到 RLaaS，Mind Lab 到底在做啥？

45:55 为什么美国各种中间层的公司都在做自己的模型？

48:40 RLaaS 的客户画像是怎样的？

50:52 自己训模型的意义是什么？账算得过来吗？

53:45 为什么头部公司不自己训模型，而要采买外部服务？

54:58 做 LoRA 的心路历程：scale up、scale down 与 scale out

57:21 最近最关注的问题：continual learning

59:01 「我并不担心被模型吃掉，甚至觉得我们一直在从中受益」

【The gang that made this happen】
制作人：陈皮

剪辑：二琳，陈皮

片头：Mondo Bongo - Joe Strummer & The Mescaleros

片尾：Sparklehorse - Hundreds Of Sparrows

在小宇宙查看该单集文稿

这期的嘉宾淏楠非常「折腾」。他读过五个大学，读着觉得没意思就换，也是少有的同时做过 Agent、多模态、RL 和具身的人，而且总是做一些逆势而为（非主流）的选择：
他曾在陈天桥和代季峰两位老师的 MiroMind 工作，是最早一批做 Agent 的人，却在 Agent 最热的时候放弃更丰厚的 package，转向多模态。在混元负责多模态 RL infra、主导推出开源多模态强化学习框架 UniRL 之后，他最近又换了方向，去了一家具身公司负责模型训练。其实，Astra 的出现给具身行业带来了不小的震动，也似乎抹平了各家此前在「大脑」上积累的优势。淏楠在此时入局，总有那么一丝「49 年加入国军」的意味。
不过，这些选择看似很跳，但背后的思考一脉相承，既关乎个人志趣，也有对技术发展和未来空间的判断。所以从 Agent 到多模态再到具身，一路做下来，淏楠收获了什么？这几个方向的实际进展，与外界的感知又有哪些不同？前段时间很火的 Minimax H3、GPT Astra，到底会带来哪些改变？这期播客，我们就沿着他的经历聊了下来。
聊到最后，淏楠谈起具身很兴奋。现在入局具身，可能不但不是 49 年入国军，反而恰好赶上了具身的 GPT-3 时刻？
【人类博物馆】
导游：曲凯，42章经创始人
54 号珍藏：王淏楠，前腾讯混元多模态 RL infra 负责人、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。
【时光机】
Part 1 从 Agent 到多模态
02:03 为什么会从在 MiroMind 做 Agent，转去在混元做多模态 RL infra？

06:13 国内外 RL 的差距到底在哪？

07:45 Agent 和多模态的关系其实可以很紧密

08:56 做 Agent 和做多模态，其实都是围城

11:32 大厂不太能做具身？

12:37 多模态最后只有两条变现途径

Part 2 聊聊视频生成
14:11 Seedance 到底为啥这么好？

15:14 多模态的竞争可能没那么激烈？

16:26 视频生成现在发展到什么程度了？

19:20 「抽卡」依然会存在，但概念可能会发生变化

21:37 视频生成继续发展下去，可能会解锁什么样的机会？

22:22 MiniMax H3 到底什么水平？

23:54 实时互动的技术真的成熟了吗？

Part 3 从多模态到具身
27:45 好多人做世界模型都做迷茫了…

30:55 做具身的两种正确路线

32:22 为什么 Astra 给具身圈子带来了比较大的震动？

37:27 聊聊具身训练的 reward 和数据

40:12 具身的「大脑」，最后会变成大模型厂商的竞争吗？

41:59 在现在这个时间节点去做具身，是不是 49 年入国军？

45:24 Agent 开发的场景还是不够多

46:42 多模态还有创业公司的机会吗？

47:38 具身里可能迎来了 GPT-3 时刻？

【The gang that made this happen】
制作人：陈皮

剪辑：二琳、陈皮

片头：Mondo Bongo - Joe Strummer & The Mescaleros

片尾：Alpine Decline - I Got Up (Just Like John Sinclair Told Us To)

在小宇宙查看该单集文稿

这一年，说起 AI 应用创业，相信很多人的共同感受就是：难。
融资难，找 PMF 难，养活团队难，不被模型吃掉难，更难的是，身处绝境时，到底怎样才能坚持下去。
这期节目的嘉宾 Jason，也经历了这样的过程。他是 Articuler.ai 的创始人，此前做过 5 年投资，后来去了美国，埋头创业。去年最难的时候，他拿到的融资 TS 被撤回，睡朋友家的沙发，卖掉了自己的股票垫给公司，却仍一度面临现金流即将断裂、发不出工资的窘境。
那段时间，他经常睡不着，在朋友家楼下转圈，一遍遍问自己：「我到底要不要放弃？」
而他给自己的答案始终是：「这件事我必须得做，而且就得我来做。」
穷让人绝望，却也让他们摸索出了新的 PMF 场景，撑了过来。如今，Articuler.ai 已有 7 万多注册用户、超百万美金 ARR，付费、留存和增长逐渐有了起色，与外部伙伴的合作也越来越顺，co-host 了 OpenAI Codex Meetup、AGI Summit、SF Tech Week 中的各种活动等等。
这期播客，我们就请 Jason 重点讲了讲他是怎么撑过最难的那段日子、在绝境中找到 PMF 的，以及这个华人团队，凭什么能在美国跑通 GTM、赢得本地客户的信任。
坦白讲，Jason 并不是我们播客最常邀请的那类嘉宾，也不是美元 VC 通常青睐的 Founder。但用他自己的话说，从学生时代到创业，他一直把自己看作一个 Underdog，也一直相信：
Underdog 能赢。而且很多事情就该由这样的人去改变。
【人类博物馆】
导游：曲凯，42章经创始人
53 号珍藏：Jason，Articuler.ai 创始人
【时光机】
01:52 找到新的 PMF 场景，可能恰恰是因为穷

03:41 用 Articuler.ai 发邀约邮件的打开率约 80%、转化率约 15%–20%

07:21 一个中国团队来到湾区，凭什么让本地人愿意合作？

11:02 Articuler.ai 的壁垒

15:01 一些 GTM 的经验

17:32 会议这个场景能延伸的点太多了

19:46 世界不需要第二家领英，Articuler.ai 能杀出来只有一个原因

22:20 「我们其实还有个疯狂的想法」

25:06 典型创业者心态之，早上觉得公司快完了，睡前又觉得自己快上市了

25:40 最惨的时候 TS 被撤、睡朋友家沙发、卖股票给公司续命，想了无数次要不要放弃

29:05 觉得这件事一定能成的瞬间

32:06 都说国内应用创业惨，其实在美国也没好到哪去，而且大家对美国市场的理解有失偏颇

35:04 最难的时候，坚持下去的那股劲儿来自哪里？

37:15 「我已经习惯了做一个 Underdog，并且相信 Underdog 会赢」

38:53 既担心跑得太快，又担心跑得太慢？

40:30 钱有时候是诅咒？

42:06 如果没找到现在这个场景，可能在干什么？

44:16 一度快发不出工资时，发生了一件很令人动容的事

48:00 「永远记着穷的时候，永远要有一张保命的牌」

【The gang that made this happen】
制作人：陈皮

剪辑：陈皮

片头：Mondo Bongo - Joe Strummer & The Mescaleros

片尾：Linkin Park - Waiting For The End

在小宇宙查看该单集文稿

最近 Personal Agent 非常火。而早在这波概念火起来之前，子皓就已经在做这个方向的软硬件结合产品 Ambi 了。所以国庆前，我们约他录了这期播客，请他分享几个月做下来对这个赛道的思考和实践经验，比如这件事的成本到底有多高、人们有多大需求、如何看待不同的产品路线、面对大厂该怎么竞争等等。
子皓一直是我心中很擅长 deliver 结果、或者说总能赚到钱的 founder，所以我也请他分享了为什么这么会经营。过程中，还第一次听他讲高三暑假发现商机、成为溜冰场独家代理的故事。不得不说，他在赚钱这件事上真是有天赋，而天赋之外，也有很多可被习得的经验。
其实这波 Personal Agent 的火是有迹可循的，从 Openclaw、Hermes，到 Muse、Instinct，背后的主线都是「如何让智能被更多人更好地用起来」。但奇怪的是，这个赛道上跑出来的国内产品并不多。事实上这几年，跑出来的国内 AI 产品都不多。所以节目最后，我和子皓也探讨了下这到底是为什么。我们没能得出答案，也真的希望这个局面能很快发生变化，因为我们或许已经等到了能跑出亿万级用户体量产品的 timing。
（Ambi 最近已经开放下载，42章经拿到了五个邀请码，欢迎感兴趣的朋友填写表格申请：https://my.feishu.cn/share/base/form/shrcnoeenyPxPRgTUEq3G0tWX8P
【人类博物馆】
导游：曲凯，42章经创始人
54 号珍藏：莫子皓，Ambi 创始人，曾任 Plaud 合伙人兼中国区 CEO。他还曾创办「米公益」，公司后被轻松筹收购。此后，他先后担任暖哇科技合伙人兼首席产品官、百川智能医疗方向产品及运营负责人
【时光机】
Part 1 对 Personal Agent 的思考
01:49 为什么最近 Personal Agent 这么火？

05:58 去年本以为「智能已经足够了」，但现在看来可能想错了

10:07 Personal Agent 的成本不是什么大问题？

11:39 人们对 Personal Agent 这件事到底有多大需求？
14:45 涉及名和利的需求就可做，因为算得清 ROI

17:06 为什么 AI Coworker 的发展没大家想象中那么快？

18:34 大家做 To B 可能是看硅谷看多了，有点魔怔了

19:18 Personal Agent 会不会还是大厂的机会？

21:10 Personal Agent 天然不带网络效应？

24:16 简评 Town、Grok Bot、Muse、Instinct

28:23 唏嘘之，国内大厂好像失去了成为世界第一的雄心

32:31 Ambi 要怎么和 Muse 这样的对手 PK？

35:16 很多 AI 产品的交互都特别难受

40:25 怎么看应用公司自己训模型这件事？

Part 2 个人经验和认知
42:49 从大营收业务到模型厂再到消费硬件公司，这一路收获的核心认知是什么？

47:28 是怎么做到做再「垃圾」的业务都能赚到钱的？
48:11 竟然早在高三暑假就成了「资本家」！

50:31 商业的本质

57:01 招人能力强，靠的是什么？

1:00:34 最近在思考的问题

1:03:04 最担心的还是速度，但好不容易等到一个能「有意义地卷」的时代

1:04:56 硬件的优势来自哪里？

1:08:57 这波 Personal Agent 最大的机会可能来自什么？

1:11:51 很多产品的 Proactive 都做错了？

1:14:26 Personal Agent 有必要区分工作和生活场景吗？

1:18:36 现在已经到了能跑出亿万级用户体量产品的 timing？

1:21:08 一个没有答案的问题：为什么国内跑出来的 AI 产品这么少？

【The gang that made this happen】
制作人：陈皮

剪辑：陈皮

片头：Mondo Bongo - Joe Strummer & The Mescaleros

片尾：Paul McCartney,Wings - Mull Of Kintyre

在小宇宙查看该单集文稿

这几年，很多人都在用 AI 炒股。最近，模型厂和大厂也在主推 AI 在金融场景中的应用。
但 AI 到底怎样才能更好地辅助交易？会给市场带来什么变化？用上 AI，人人就都能像巴菲特一样了吗？
这期播客，我们请到了很火的开源项目 Vibe-Trading 的作者和维护者吴浩哲，聊了聊 AI Trading 相关的各种问题。
浩哲本科毕业于武汉大学数学系，目前是香港大学在读博士生、HKUDS 成员，一直在探索 AI 与金融的结合。Vibe-Trading 开源半年，已有 3.4w 个 Star。
节目里，我们就从这个项目讲起，拆解了 AI Trading 到底是什么、由哪些部分组成、哪个环节最关键，以及它和传统量化有什么区别、人又该在交易流程中扮演什么角色。此外，我们也聊了聊最近很火的 Jev 到底能不能在 AI Trading 中发挥作用。
贯穿整期节目，还有浩哲的一个观察：
在金融里，决策很便宜，行动很贵。
你可以轻易获得成百上千个判断和信号，但真要付诸交易，「可解释性」就变得非常重要。你得知道判断是怎么来的、为什么值得相信，才能决定自己是否愿意为它付出真金白银。
节目最后，我们还聊到了一个颇有哲学意味的问题：随着 AI 越来越强，「Human in the loop」或许不是因为 AI 需要人来判断，而是人需要通过参与，来确认自己的意义感和价值…？
【人类博物馆】
导游：曲凯，42章经创始人
53 号珍藏：吴浩哲，Vibe-Trading 作者及维护者，武汉大学数学系本科，香港大学在读博士生、HKUDS 成员，长期探索 AI for Finance 的研究与实践
【时光机】
01:26 介绍下 Vibe-Trading：为什么开源不到半年，就能有 3 万多 Star？

02:20 在金融里，决策很便宜，行动很贵

04:35 AI Trading 就是在几乎免费的决策和代价昂贵的行动之间，建立可验证、可审计的通道

07:25 AI Trading 和量化的区别

09:59 用 AI 抓市场情绪，对 Trading 有帮助吗？

11:33 AI Trading 里，行业 know-how 都可以由 AI 来判断？

13:43 存储行情中，用 AI Trading 的一次操作实例

15:42 用 AI Trading 的人多起来后，会给市场带来什么变化？
15:19 「安息吧，财报后漂移！」

19:57 AI Trading 系统的四大组成部分，和其中最重要的一件事

23:53 数据多，其实真的不等于有 Alpha

27:23 Jev 对 Trading 的帮助，可能约等于零？

30:26 交易的本质

32:34 Kimi、Workbuddy 等在推的 AI for Finance，和 AI Trading 是两件事

34:00 AI 会给人的投资能力带来怎样的变化？

35:40 不是 AI 需要人做判断，而是人需要 AI 来体现价值？

37:42 上手 AI Trading 的建议

【The gang that made this happen】
制作人：陈皮

剪辑：陈皮

片头：Mondo Bongo - Joe Strummer & The Mescaleros

片尾：Carsick Cars - 松

在小宇宙查看该单集文稿