跨国串门儿计划

📝 本期播客简介
本期我们克隆了：知名播客 All-In Podcast Google’s AI Brain Drain, SpaceX's Huge Quarter, Airtable’s 90% Collapse, US Data Fuels China AI
原内容更新时间：2026-08-08
本期节目录制于2026年8月，由All-In Podcast的四位核心主持人——大卫·弗里德伯格、布拉德·格斯特纳、杰森·卡拉卡尼斯和大卫·萨克斯——围绕四个重磅话题展开深度对谈：谷歌AI团队的重大人事变动、SpaceX上市后的首份财报、SaaS公司Airtable以峰值估值10%的价格被收购，以及美国数据标注公司向中国AI实验室出售训练数据引发的争议。
这期节目信息密度极高，四位主持人从资本配置、市场结构、地缘政治等多个维度切入，对AI时代的投资逻辑进行了犀利拆解。弗里德伯格提出了"算力基础设施是高阿尔法低贝塔、模型开发是高阿尔法高贝塔"的资本配置框架；萨克斯则断言前沿智能市场已形成Anthropic和OpenAI的双寡头格局。无论你是关注AI产业趋势、科技投资，还是中美科技竞争，这期节目都能提供大量一手判断和思考框架。
👨‍⚕️ 本期嘉宾
本期节目由All-In Podcast的四位常驻主持人共同参与。大卫·弗里德伯格是科技投资人、前谷歌高管，以数据驱动的分析风格著称；布拉德·格斯特纳是Altimeter Capital创始人，本期顶替查马斯·帕里哈皮蒂亚出席；杰森·卡拉卡尼斯是知名科技投资人，以犀利的观点和幽默感闻名；大卫·萨克斯是PayPal黑帮成员、前白宫AI顾问，对政策和地缘政治有独到见解。四位主持人的组合保证了节目在科技、投资、政策等多个维度的深度覆盖。
⏱️ 时间戳
开场 & 节目介绍
01:06 开场寒暄，四位主持人齐聚
02:53 谷歌AI团队重大调整：德米斯转任主席，杰夫·迪恩离职创业
谷歌AI人才变动与资本配置逻辑
04:27 弗里德伯格：算力基础设施是高阿尔法低贝塔，模型开发是高贝塔
07:31 格斯特纳：谷歌存在渠道冲突，模型团队与云业务争夺算力
09:23 萨克斯：前沿智能市场已成Anthropic和OpenAI双寡头
12:13 卡拉卡尼斯：谷歌仍将是第一AI公司，开源模型差距已可忽略
SpaceX上市后首份财报深度拆解
19:44 SpaceX股价跌13%，但Q2收入同比增长92%
20:48 格斯特纳：估值回落正常，Grok和Cursor是低估亮点
23:43 萨克斯：Starship成功为V3卫星铺路，算力现货价格支撑千亿收入
25:12 弗里德伯格：Starlink是不可思议的现金牛，18个月内可能成为万亿市值公司
33:03 弗里德伯格：埃隆的核心优势是造实体，软件层需要硬件支撑
SaaS末日：Airtable以峰值估值10%被收购
41:42 Airtable被Bending Spoons以12.8亿美元收购，峰值估值117亿
43:01 萨克斯：创始人分拆AI业务，把PE型业务卖给Bending Spoons
47:22 格斯特纳：收入倍数缩得很快，增长放缓后公司士气崩了
50:13 萨克斯：零利率时代SaaS被高估，但AI时代是完全不同的范式
美国数据如何助力中国AI追赶
58:50 福布斯调查：美国数据标注公司向中国AI实验室出售训练数据
01:00:16 萨克斯：数据大体是商品，中国不缺劳动力做数据标注
01:02:18 格斯特纳：美国在赢，但如果输了对华立场就会改变
01:03:30 卡拉卡尼斯：过去60天用Kimi、Qwen，这些模型真不错
🌟 精彩内容
💡 资本配置的框架：算力是低贝塔，模型是高贝塔
弗里德伯格提出了一个清晰的资本配置框架：投资数据中心基础设施是高阿尔法、低贝塔的决策，因为算力需求旺盛、回报可预测；而模型开发虽然潜在回报高，但风险极大，因为开源模型追赶太快、前沿实验室互相竞争激烈。这解释了为什么谷歌管理层选择把更多资本投向算力而非模型。
"资本支出在数据中心基础设施上是高阿尔法、低贝塔的。而模型开发理论上可能是高阿尔法，但它是非常高的贝塔，是一种风险很高的资本配置方式。"
💡 前沿智能已成双寡头，但市场分化在加速
萨克斯断言，一年前还有五家大公司在争夺前沿模型领先地位，现在只剩Anthropic和OpenAI。市场正在演变成两级结构：前沿智能能收溢价，商品化智能只能收算力的钱。他以苹果和安卓的类比说明，即使开源模型用户更多，利润仍会流向愿意为优质体验付费的前沿玩家。
"前沿智能的市场已经变成了双寡头，而且是非常强大的双寡头。我不觉得它被商品化了。"
💡 Starlink是不可思议的现金牛，18个月内可能成为万亿市值公司
弗里德伯格拆解了SpaceX的财报数据：Starlink本季度收入43亿美元，调整后EBITDA 26亿美元，1200万订阅用户同比翻倍，ARPU 66美元且环比增长20%。按此趋势外推，光Starlink一项业务在18个月内就可能成为万亿美元市值的公司，而SpaceX的其他业务——AI算力、Starship、Terafab——都成了"科学项目和潜在收益"。
"光Starlink一项，两年内、甚至说18个月内，就可能成为万亿美元市值的公司。"
💡 埃隆的核心优势：造实体，不是写代码
弗里德伯格指出，在人人都在抢数据中心和晶圆厂的世界里，埃隆·马斯克的核心优势是造东西——工厂、实体、实体场地。软件层需要物理世界里的硬件才能交付服务，而没有人比SpaceX更擅长把硬件造出来。萨克斯补充说，马斯克在电话会上说过："建数据中心跟造火箭比起来根本不算什么。"
"在这个人人都抢数据中心和晶圆厂的世界里，这是一个核心优势。软件层需要物理世界里的硬件才能交付它的软件服务。"
💡 Airtable的教训：激励机制坏了，董事会和创始人不是干这个的料
萨克斯拆解了Airtable被低价收购的深层原因：销售团队只有30%的人完成业绩指标，董事会施压创始人采用传统销售驱动模式，结果推不动增长。而Bending Spoons可以砍掉85%-90%的成本结构，回到产品驱动增长的根源，把这家公司变成每年产生4亿美元EBITDA的赚钱机器。问题在于，创始人和VC董事会做不到这种事——他们不是干这个的料。
"创始人想做的事，和董事会成员追求的结果，是风险投资式的回报。我觉得他们本来可以做到的。他们可以做Bending Spoons做的事。"
💡 AI让维护模式变得容易，机构记忆不再是护城河
萨克斯提出了一个深刻观点：过去你没法裁掉所有人才和基础设施，是因为你需要机构记忆——需要懂代码库的人。现在AI可以瞬间学会代码库，重新构建那些历史知识。这让Bending Spoons这样的收购方可以用更小的团队维护大量产品，也让"凭感觉编码"替代现成SaaS工具成为可能。
"过去你没法裁掉所有人才和基础设施，是因为你需要机构记忆。你需要懂代码库的人。现在AI可以瞬间学会代码库。"
💡 数据标注是商品，但博士级训练数据可能是秘密配方
围绕美国数据公司向中国AI实验室出售训练数据，四位主持人产生了分歧。卡拉卡尼斯认为这些由博士创建、经过双重验证的数据集是"秘密配方"，是中国模型快速追赶的关键；萨克斯则认为数据大体是商品，中国每年毕业的数学和理科毕业生比全世界加起来还多，不缺聪明人做这事。格斯特纳的总结最务实：这些事今天能过关，唯一原因就是美国还在领跑。
"我觉得它们今天能过关，唯一原因就是我们还在领跑。但如果哪天，六个月之后，总统问他的顾问：我们对中国的仗赢了吗？然后突然得到的回答是：不，我们不再赢了——那这些事受到的审视就会比今天多得多。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：知名播客 Founders Podcast Li Lu and Charlie Munger and Warren Buffett
原内容更新时间：2024-09-25
本期节目由Founders Podcast主持人David Senra主讲，深入拆解了喜马拉雅资本创始人李录的投资生涯与思想体系。李录是查理·芒格亲自托付家族资产的投资人，被誉为"中国的巴菲特"。这期节目以李录的演讲和访谈为素材，围绕他如何从巴菲特和芒格身上学到投资真谛、如何用极致的研究和耐心寻找罕见机会展开。
David Senra用一种独特的方式呈现李录的思想——他把能找到的所有李录演讲和访谈视频转成文字稿，按年份排序，打印出来装订成一本手工"自传"，然后像读一本书一样反复研读。这期节目就是他从这本自制书中提炼出的精华，涵盖了李录2006年哥伦比亚商学院演讲、2012年旧金山州立大学演讲、格雷厄姆与多兹维尔采访等多场重要内容。
如果你正在思考如何建立真正的投资能力、如何找到属于自己的投资风格、如何理解"机会成本"这个核心概念，这期节目会给你极其高密度的判断和启发。李录的故事本身就是最好的证明：从你能想象的最可怕的童年中活下来，到成为亿万富翁，靠的不是运气，而是极致的努力和正确的心态。
👨‍⚕️ 本期嘉宾
李录，喜马拉雅资本创始人兼CEO，查理·芒格亲自托付家族资产的投资人。他出生于中国，早年经历极其坎坷，后赴美留学，在哥伦比亚大学偶然听到巴菲特的一场演讲后改变了一生。他创办的喜马拉雅资本在12年内资本增长了20多倍，是价值投资在亚洲最成功的实践者之一。芒格曾评价他是"中国的沃伦·巴菲特"，并在95年里唯一一次将芒格家族的钱交给外人打理，那个人就是李录。
⏱️ 时间戳
开场 & 节目背景
00:00 节目开场：跨国串门计划介绍
00:34 本期克隆节目：Founders Podcast李录特辑
01:05 李录自述：20年前初到美国，遇到查理·芒格
查理·芒格的独特思维
03:06 芒格的逆向思维：研究失败而非成功
04:11 芒格的决策检查清单与普世智慧
05:59 芒格的"两分钟效应"与比亚迪投资
07:29 与芒格共进早餐的趣事
李录的哥伦比亚演讲：投资哲学核心
12:47 2006年哥伦比亚商学院演讲开场
13:29 巴菲特演讲如何改变李录一生
17:07 你是5%还是95%：认清自己的投资性格
19:49 真正了解自己：价值投资者的自我审视
Timberland投资案例分析
24:53 李录如何发现Timberland的投资机会
27:22 用Value Line做百科全书式研究
28:31 为什么没人覆盖Timberland
29:43 把每一起诉讼文件都读一遍
极致的研究与努力
30:35 李录的"努力"：整架整架地吞书
32:53 把自己当成调查记者
33:58 进入董事会：深入了解管理层
35:12 安全边际与重注下注
机会成本与决策框架
44:58 巴菲特20次出手的打孔卡理念
46:22 芒格90秒视频：李录有什么不同
47:46 机会成本：所有决策的衡量标准
49:28 建立真正属于你自己的东西
彭博分析：识别卓越企业
52:15 用彭博案例教学：如何识别不该卖的企业
52:47 护城河与转换成本
53:34 彭博的天才营销：免费给商学院学生
54:37 虚拟垄断的生意
持续学习与比亚迪
01:00:34 山姆·沃尔顿的"慢然后快"节奏
01:02:57 选一家企业彻底搞懂它
01:06:05 比亚迪分析：卓越企业带来正面惊喜
01:07:14 "我花了10年了解比亚迪，还在继续"
李录的自我反思与总结
01:24:34 五十岁反思：我的人生旅程
01:26:12 苏格拉底与孔子：审视人生与做减法
01:27:12 选一份契合性格的职业
01:28:43 结语：愿我们永远保持年轻的心
🌟 精彩内容
💡 "研究巴菲特和芒格，然后照做了"
这是李录投资生涯最精炼的概括。David Senra在准备这期节目时给朋友发短信说："我在做另一期李录的节目，但这期是关于他非凡的投资生涯。可以用两句话概括：第一，研究巴菲特和芒格。第二，照做了。"这看似简单，但真正做到的人极少。
"可以用两句话概括：第一，研究巴菲特和芒格。第二，照做了。"
💡 "我想知道我会死在哪里，所以我永远不去那里"
这是查理·芒格最著名的思维方式，也是李录反复强调的核心。芒格思考问题时总是从逆向开始：想弄明白人生怎么才能幸福，他会去研究怎么把生活过得痛苦；想考察企业怎么做大做强，他会先研究企业是怎么衰败的。这种逆向思维帮助他在人生和职业生涯的决策中避免了大错。
"他的思维方式是：'我想知道我会死在哪里，所以我永远不去那里。'"
💡 你是那5%还是95%？
李录在哥伦比亚演讲中告诉学生：股市里95%是为交易者设计的，只有5%甚至更少的人会像李录、巴菲特、芒格那样思考。你必须搞清楚这适合你吗？因为如果不适合，如果它不贴合你，如果它对你来说不真实，你会失败的。认清自己是享受这场游戏的关键。
"你最大的挑战，其实是搞清楚你是那5%的人，还是那95%的大多数。"
💡 "当下金子雨的时候，要拿出桶，而不是顶针"
这是巴菲特的名言，也是李录投资哲学的生动写照。李录一生中真正能行动的洞见屈指可数，但一旦找到，他就会下重注。Timberland那笔投资，他"砸了一大笔钱进去"，接下来两年涨了七倍。芒格读了50年《巴伦周刊》，只找到一个真正能行动的洞见，那个洞见让他赚了8000万，交给李录后变成了4亿或5亿。
"机会不常来。当下金子雨的时候，要拿出桶，而不是顶针。"
💡 把每一份诉讼文件都读一遍
李录分析Timberland时，发现这家公司有一大堆诉讼。他的做法是：把每一起官司的每一份文件都下载下来，从第一页开始读。通过阅读那些文件，他能感受到公司老板的性格，因为能生动地看到他的辩护。这种极致的努力，让他在100个对Timberland感兴趣的人中成为唯一一个真正做足功课的人。
"如果你没有一颗好奇的心，你就不会去做这件事。我就是特别好奇。我想知道到底发生了什么。"
💡 最大的错误不是亏了多少钱，而是错过了多少钱
李录坦言，他最大的错误来自一家他有着绝对洞察的公司——他了解管理层，知道他们的交易价格低于现金价值，但没能说服自己投进去。后来那家公司涨了50到100倍。他说："最大的错误不是亏了多少钱，而是错过了多少钱。那才是最大的错误。我无法原谅自己犯下那个错误。"
"最大的错误不是亏了多少钱，而是错过了多少钱。那才是最大的错误。"
💡 让个人兴趣定义你的能力圈
李录说："我让我自己的个人兴趣来定义我的能力圈。"这句话被David Senra称为"到目前为止我们聊过的所有内容里最喜欢的一句话之一"。这个游戏是一个发现自我的过程：发现你是谁、你对什么感兴趣、你擅长什么、你热爱做什么，然后把它放大，直到你获得远超其他人的优势。
"我让我自己的个人兴趣来定义我的能力圈。"
💡 "成功的90%在于出现"
李录在五十岁反思中写道："伍迪·艾伦说得对，成功的90%在于出现。在我人生的各个阶段，我本可以停下来，或者好好歇上一阵，但不知为何，我的心告诉我不能停。我就一直往前走。有一半时间我并不确定自己要去哪里，另一半时间，我可能正在走弯路，那也没关系。但我始终高度警觉，一路上随时纠正错误。"
"成功的90%在于出现。在我人生的各个阶段，我本可以停下来，但不知为何，我的心告诉我不能停。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：知名播客 Andrew Huberman How Your Immune System Works & How to Improve It | Dr. Max Krummel
原内容更新时间：2026-08-03
本期嘉宾是加州大学旧金山分校（UCSF）教授、全球顶尖免疫学家 Max Krummel 博士，主持人是斯坦福大学神经生物学教授 Andrew Huberman。这期节目围绕免疫系统如何运作展开，深入探讨了它如何受睡眠、情绪甚至记忆的影响，也聊到了胸腺的作用、衰老带来的免疫变化，以及疫苗和自身免疫疾病等话题。
Krummel 博士用"潜艇账本"的经典比喻解释免疫系统的"自我与非我"判别机制，并引入衰老视角：随着身体细胞不断积累突变、变成"马赛克"，免疫系统对"异常"的识别阈值会发生变化，这可能是癌症在晚年更常见的原因之一。他还分享了关于睡眠如何影响免疫、胸腺为何被称为"被遗忘的诺贝尔奖器官"、以及记忆与免疫状态关联的前沿研究。
这期节目不只是免疫学知识的科普，更是一场关于科学如何运作、科学家如何思考的深度对谈。Krummel 博士坦诚讨论了疫苗犹豫、制药公司激励、数据稀疏时的决策困境，以及基础研究的重要性。如果你对免疫系统、衰老、癌症、疫苗或科学本身感兴趣，这期节目会提供大量一手见解和高密度判断。
👨‍⚕️ 本期嘉宾
Max Krummel 博士，加州大学旧金山分校（UCSF）教授，免疫学与癌症生物学领域的顶尖专家。他是癌症免疫疗法先驱之一，曾参与开创性的 CTLA-4 抗体实验——该实验后来成为癌症免疫治疗的起点，其导师凭此获得诺贝尔奖。Krummel 博士长期关注免疫系统的调节机制、肿瘤免疫微环境，以及免疫系统与神经系统、衰老的交叉研究。他还运营着一份免费的 Substack 通讯《The Immune Beyond》，致力于向公众普及免疫学知识。
⏱️ 时间戳
00:00 开场 & 播客简介
免疫系统的"自我与非我"判别
01:07 潜艇账本比喻：免疫系统如何区分自我与非我
05:02 免疫学领域的演变：从"不算一个领域"到癌症免疫疗法
09:29 每个 T 细胞都是自由个体：10 的 11 次方个传感器
衰老、突变与免疫系统的挑战
10:53 "你是谁"：身体边界与微生物共生
14:34 衰老的免疫系统：细胞功能衰退与突变积累
20:42 免疫系统与"移民"比喻：共生菌的价值
22:18 衰老与癌症：当"奇怪"不再奇怪
胸腺：被遗忘的免疫器官
35:31 胸腺是什么、做什么、为何有治疗价值
36:11 T 细胞的起源：胸腺的发现史
39:07 胸腺萎缩与衰老：为什么老年人 T 细胞减少
睡眠、记忆与免疫
47:18 睡眠不足为何削弱免疫：机制层面的解释
47:52 睡眠的修复功能：免疫细胞夜间回骨髓
01:17:41 岛叶皮层与免疫：记忆能否激活免疫状态
疫苗、制药与科学信任
01:30:11 疫苗犹豫与语境：癌症疫苗 vs 儿童疫苗
01:31:55 疫苗时机与组合：合理的问题还是过度担忧
01:40:33 制药公司的激励与公信力危机
01:45:35 科学传播的困境：数据稀疏时的决策
科学、AI 与未来
01:56:50 AI 与机器学习在免疫学中的角色
01:58:05 从"油量表"到"原型"：免疫系统的复杂性
02:01:45 单一疗法 vs 系统推动：治愈疾病的真正路径
🌟 精彩内容
💡 "我们想做爵士乐队，不想做军乐队"
Krummel 用"潜艇账本"比喻免疫系统的"自我与非我"判别机制：一套账本记录"自我"的声音特征，另一套记录"敌人"的声音特征。但随着衰老，身体细胞不断积累突变、变成"马赛克"，两套账本开始模糊，病毒未必还有什么独特之处——这可能是癌症在晚年更常见的原因之一。
"随着你身体变得越来越复杂、越来越不一样，那两套账本，就开始要涵盖你身体可能制造出的每一种生物分子的每一种排列组合。"
💡 免疫系统无时无刻不在测量你
Krummel 强调，免疫系统不只是对抗外来物的防御系统，它还在心脏、肝脏、肠道等器官中扮演着调节角色。它测量你的一切——包括你积累的突变、共生的细菌和病毒——并在某种程度上"帮助我们成为我们自己"。
"这个系统无时无刻不在测量我们，它测量关于我们的一切。在某种意义上，它的存在是为了帮助我们成为我们自己。"
💡 衰老的免疫系统：当"奇怪"不再奇怪
随着年龄增长，身体细胞不断积累突变，每个细胞都变得与旁边的细胞不同。免疫系统面对这种"马赛克"式的自我，识别异常的阈值会发生变化——癌细胞与旁边正常细胞的差异不再那么明显，这可能是癌症在晚年更常见的原因之一。
"到了某个程度，奇怪的东西看起来不再那么奇怪了。一个与你不同的癌细胞，它和旁边另一个细胞相比，并没有那么大的不同。"
💡 胸腺：被遗忘的诺贝尔奖器官
胸腺是制造 T 细胞的地方，也是教育 T 细胞"什么是自我"的器官。它在儿童时期很大，随着年龄增长逐渐萎缩。Krummel 提到，胸腺的研究值得拿诺贝尔奖——切除胸腺的儿童会死于机会性感染，这揭示了它在免疫系统中的核心地位。
"胸腺是制造你所有 T 细胞的地方……它的职责是生产 T 细胞，但某种程度上也是教育它们——只让那些传感器调校得恰到好处、能让你成为你自己的 T 细胞出来。"
💡 记忆与免疫：岛叶皮层的惊人发现
Krummel 分享了一项以色列团队的研究：给小鼠诱导炎症性肠病后，标记岛叶皮层中放电的神经元；等小鼠康复后，再激活这些神经元，肠道里的免疫系统会重新启动，就好像肠道刚刚又被穿孔了一样。这意味着记忆可能携带当时的免疫状态。
"仅仅回忆这些记忆——回想当时你在哪里、有什么感受——就能以同样的方式激活你的免疫系统，这非常了不起。"
💡 科学是"杀手实验"与失败的艺术
Krummel 强调，科学发现背后是成百上千次的失望。他提到"杀手实验"的概念——设计一个能杀死想法的实验，如果想法是错的就把它杀掉；如果结果如你所愿，它就成立了。他还用"赌场"比喻科学：你会听到铃响，但还有一大群人在拉杆，他们并没有赢。
"在我或者其他人的所有发现背后，有成百上千次的失望。你每件事都做对了，但答案不是那个，不是那个对的答案。"
💡 基础研究是突破的源泉
Krummel 用 CRISPR 和 GLP-1 类药物为例，说明重大突破往往来自纯粹的好奇心研究——CRISPR 来自细菌如何自卫的基础问题，GLP-1 来自对希拉毒蜥休眠机制的好奇。他强调，如果每个人都只想着开公司、卖产品，就不会有那些带来新东西的发现。
"CRISPR 来自细菌，但作为工程工具，它在我们身上非常有用。但如果不是有人在那边问，好吧，细菌是怎么做到的？它们怎么自卫？我们就不会知道这些。"
💡 疫苗犹豫与数据稀疏的决策困境
Krummel 坦诚讨论了疫苗犹豫问题：他给孩子接种了疫苗，但也推迟了其中一针，因为"方案是基于一项研究设计的，但这并不意味着你多等一个月它就不起作用了"。他呼吁做更多研究，探索疫苗组合和时机优化，而不是简单地两极分化。
"我们几乎处于一种新冠式的情况。新冠的情况就是一个数据稀疏的例子。当你没有很多数据的时候，你怎么做决定？"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：知名播客 Invest Like The Best The AI Selloff Doesn't Match the Data | Top AI Investor Explains
原内容更新时间：2026-08-04
2026年7月，AI和半导体市场经历了一场剧烈抛售，大量AI股票从高点下跌50%到60%。主持人Patrick O'Shaughnessy与顶级AI投资人Gavin Baker在8月初录制了这期节目，Gavin用"一个月里的2022"来形容这场市场动荡。但令人意外的是，当Gavin在硅谷实地调研两个月后，他发现底层需求信号其实在全面加速——GPU供应量、租赁价格、DRAM现货价格、token增长，每一个量化指标都在向上。
这期节目围绕市场恐慌与基本面之间的巨大反差展开，深入探讨了算力定价、开源模型冲击、长期协议（LTA）背后的博弈论，以及英伟达如何通过信用担保加收入分成的创新商业模式巩固统治地位。如果你关心AI投资的真实逻辑、算力市场的供需真相，或者想理解为什么市场情绪与产业现实会如此脱节，这期对话会给你非常硬核的答案。
👨‍⚕️ 本期嘉宾
Gavin Baker，全球顶级科技投资人，专注于AI、半导体和基础设施领域的深度研究。他以对算力市场、GPU供需和AI基础设施的精准判断著称，长期跟踪硅谷一线创业公司与超大规模云厂商的动态。在这期节目中，他带来了大量一手调研数据和对市场博弈论的深刻洞察。
⏱️ 时间戳
开场 & 市场恐慌与基本面反差
01:08 Gavin的压力测试任务：寻找负面量化指标
02:04 "一个月里的2022"：七月市场暴跌全景
02:51 一切都在加速：GPU、DRAM、token的硬数据
算力定价与长期协议的博弈论
04:16 老GPU价格垂直上涨：合同重新定价的威力
05:51 Meta出租算力的真相：不是砍资本开支
08:35 开源模型冲击：token就是token，利润转移而非消失
信贷风险与融资结构
09:27 实际收益率上升：信贷在AI建设中的角色
11:22 经营现金流建模：从Ampere到Blackwell的变现速率
12:39 Blackwell空窗期风险与经营现金流的加速
市场叙事与Claude效应
18:49 "最蠢最表面的事"：市场叙事驱动的交易
19:28 Claude成为股市的沃尔特·克朗凯特
20:39 六周走完三年周期：日本电容股的疯狂
🌟 精彩内容
💡 "我想让自己害怕一点"
Gavin这周来硅谷的核心任务就是压力测试——主动寻找负面数据点。但他跑遍整个生态，除了Anthropic的第三方增长数据略有偏离外，找不到任何量化层面的负面信号。这种"找不到负面"本身就是最强的看多信号。
"我这周来这儿的主要任务，就是压力测试。找点负面的东西告诉我。但我一直没能找到一个——那种量化指标层面的负面。"
💡 "老GPU的价格在2026年还会垂直往上冲"
2024和2025年，所有人都预期GPU租赁价格会缓慢下降甚至断崖式下跌。但现实是，老GPU价格在2026年垂直上涨，已签约的算力以远低于现货市场的价格交易，合同到期后将以更高价格重新定价。这个预期差是理解当前市场错位的关键。
"我不觉得2024或2025年有任何人想到，老GPU的价格在2026年还会垂直往上冲。"
💡 "开源token就是暗物质"
开源模型对公开市场来说就像宇宙里的暗物质——难以衡量，但真实存在。GLM 5.2和Kimi K3带来的能力跃升，让token从高利润的前沿模型向低利润的开源模型转移。但token就是token，生成一个token需要的算力完全相同，利润只是从模型层转移到了基础设施层。
"他们老说宇宙里有暗物质，开源对公开市场来说就像暗物质。"
💡 "Claude就是股市的沃尔特·克朗凯特"
现在每一条新闻都会被喂给Claude，而Claude的概率性解读方式让市场参与者趋同。以前媒体碎片化时代没有单一权威声音，现在Claude成了那个所有人都相信的"真相化身"。这导致市场在六周内走完了正常情况下需要三年的周期。
"现在Claude就像是股市的沃尔特·克朗凯特，所有人都相信它说的每一句话。"
💡 "你打破一个LTA，可能就把整个生意都炸掉了"
长期协议（LTA）的博弈论已经彻底改变：现在有规模的就四家公司——亚马逊、谷歌、AMD和英伟达。如果你撕毁价格协议，对方就撕毁供货量协议，把量给你的竞争对手。在这个由供应决定份额的市场里，打破LTA等于自毁特许经营权。
"如果你撕毁长期协议，对方就会说：行，没问题，你撕了价格协议，那我们就撕了供货量协议。"
💡 "数据中心是我这辈子见过的对蓝领工资最有利的事情"
关于数据中心的叙事被严重扭曲：现实是数据中心落地后周边电价通常会下降，会带来持续的蓝领高薪岗位，对水资源和环境没有影响。但政治叙事却说数据中心推高电价、抢走水、抢走工作。AI行业在公关上做得非常糟糕，需要有人站出来讲真话。
"数据中心在很多方面，是我这辈子见过的对蓝领工资最有利的事情。"
💡 "我们专长是让不可能的事迟到"
埃隆的这句话被Gavin引用时，全场会心一笑。SpaceX在算力接入上的速度和成本优势惊人，但市场对它的解读仍然充满怀疑。Gavin认为，SpaceX的算力接入量远未被计入股价预期，而轨道算力正在一天天变得更真实。
"埃隆有句话叫'我们专长是让不可能的事迟到'。这话太妙了。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：知名播客 Y Combinator Jeff Dean: The 1% Rule for Building in AI
原内容更新时间：2026-07-30
本期节目是 Y Combinator 在 Startup School 2026 上的特别对话，主持人是 YC 合伙人 Diana Hu，嘉宾是谷歌首席科学家 Jeff Dean。Jeff Dean 是 MapReduce、BigTable、TensorFlow、TPU 等多项关键技术的缔造者，也是谷歌 AI 领域的核心人物。这期节目围绕他过往的"餐巾纸估算"故事展开，聊到了 AI 推理硬件、智能体系统、以及小团队如何在 AI 时代找到自己的机会。
从 2001 年"整个搜索索引装进内存"的颠覆性认识，到 2013 年"语音识别三分钟"催生 TPU 的传奇故事，Jeff Dean 用一个个具体案例，展示了第一性原理思考如何带来数量级的性能提升。他还给出了 2026 年 AI 版的"延迟数字清单"，并深入探讨了上下文工程、多智能体系统、以及创始人该如何培养"品味"。
这期节目特别适合正在思考 AI 创业方向的人。Jeff Dean 给出了非常实用的判断标准：去找那些通用模型成功率是 0% 或 1% 的问题，而不是 20% 的。他还分享了如何通过写"skills"让 Agent 像他一样做性能优化，以及为什么"说清楚你想要什么"在 AI 时代变得比以往更重要。
👨‍⚕️ 本期嘉宾
Jeff Dean，谷歌首席科学家，谷歌 AI 领域的核心人物。他参与缔造了 MapReduce、BigTable、TensorFlow、TPU、Gemini 等多项关键技术，是分布式系统和机器学习领域的传奇工程师。他的"餐巾纸估算"能力闻名业界，曾多次通过粗略计算做出影响深远的硬件和系统决策。他也是著名的《The Latency Numbers Every Engineer Should Know》清单的作者。
⏱️ 时间戳
开场 & 播客简介
00:00 节目开场与嘉宾介绍
01:13 Jeff Dean 对 2025 年"AI 相当于初级工程师"预测的回顾
02:24 对 2027 年的新预测：ML 系统自动化程度将大幅提高
从餐巾纸估算到 TPU 的诞生
03:03 2001 年"搜索索引装进内存"的颠覆性时刻
04:21 人们还没意识到的：Agent 可以跑上几天甚至几周
05:18 2013 年语音识别估算与 TPU 的起源故事
07:48 给未来创始人的建议：如何做有分量的估算
2026 年 AI 版延迟数字清单
09:01 2026 年 AI 系统最重要的数字：带宽、能耗、互联
09:39 搬数据的能耗比计算贵一千倍
11:06 批处理本质上是数据输入输出问题
11:45 推理硬件专门化的巨大空间
上下文工程与 Agent 系统
12:56 从模型规模到上下文工程的转变
14:48 如何做好上下文工程：写 skills、给指导
15:40 实例：为性能优化写的 skill 和《Performance Hints》
17:35 Agent 跑偏的瓶颈与多智能体系统
创业公司在哪里赢
19:46 谷歌持续构建的 vs 两三人团队能胜出的
21:06 如何判断该挑什么事情来做：找 0% 成功率的问题
23:23 垂直模型的例子：AlphaFold 与材料科学
24:14 成为 AI 原生创始人：清晰规格说明的重要性
品味、思想实验与自我改进系统
26:01 什么技能会变得稀缺：品味与高层智慧
26:51 如何培养品味：经验、预测、思想实验
27:53 疯狂思想实验：用每天出错 20 次的晶体管构建系统
30:24 从思想实验到现实：TPU 与 MapReduce 的起源
AI 构建 AI 与超级加速的科学方法
32:19 AlphaChip 与 AlphaEvolve：让 AI 构建 AI
32:44 自动化实验循环：从科学方法到机器学习
33:48 用学出来的验证模型加速科学发现
35:23 超级加速科学方法能解决的领域
给未来创始人的建议
36:30 被拒绝的故事：蒸馏论文被会议拒稿
38:24 如果 25 岁的 Jeff Dean 来到今天会做什么
40:45 如何与聪明人共事、找到聪明人
42:10 希望未来创始人去解决的问题
🌟 精彩内容
💡 "餐巾纸是好东西"
Jeff Dean 的传奇之处在于，他能在信封背面做粗略估算，然后造出改变行业的东西。从"搜索索引装进内存"到"语音识别三分钟"催生 TPU，核心都是先看到瓶颈，再从第一性原理出发想完全不同的解法。
"去想想你看到的问题，不管你在琢磨什么，看看瓶颈在哪里。然后有没有完全不同的思路去解决其中某些问题，能让你拿到一个数量级、甚至两个数量级的性能提升。"
💡 搬数据比算数据贵一千倍
这个能耗差距塑造了机器学习里几乎所有的设计决策。没有这一千倍的差距，你根本不需要做批处理。理解这类底层物理约束，才能真正理解为什么系统被设计成今天这样。
"把数据从加速器上的 HBM 搬进处理器，它才能真正在上面算。这个差距非常显著，它塑造了我们在机器学习里做的很多事。"
💡 模型只是你要做的事里的一块
Jeff Dean 强调，真正重要的是搭一个能解决有趣问题的完整系统：会用工具的模型、能检索信息、有历史记录、能拆解任务。上下文工程让信息对模型来说非常清晰，远胜于训练数据那锅"几万亿 token 的汤"。
"模型其实只是你要做的事里的一块，你要做的是搭一个能解决真正有趣问题的完整系统。"
💡 找 0% 成功率的问题，而不是 20% 的
给创始人的核心判断标准：如果通用模型已经能做 20%，那随着更多数据和更大规模，它很快就会做得更好。你要找的是模型完全做不了、成功率是 0% 或 1% 的事情——那才是你的机会。
"你要找的是模型成功率是百分之零或百分之一的事情，而不是百分之二十的。"
💡 说清楚你想要什么，比以往更重要
以前你把任务交给一个聪明人，他可以追问；现在 Agent 也会猜，但猜出来的往往跟你脑子想的不一样。清晰的规格说明是让 Agent 成功的关键，这也是为什么"把 Python 翻译成 Go"这类任务模型特别擅长——因为规格太清晰了。
"你越清楚自己想要什么，Agent 就越有指导原则、规则，也就是一个它要完成什么的大纲。"
💡 品味是 AI 时代最稀缺的技能
当所有代码都能由 Agent 写好，真正的较量在于你要把时间花在哪个问题上。选对问题并成功解决它，远比把一个无聊问题研究得漂漂亮亮要好得多。培养品味的方法之一，是写下你预测未来十二个月可能重要的事情，然后回头评估。
"如果你选对了问题并且成功解决了它，那远比你把一个相当无聊的问题研究得漂漂亮亮要好得多。"
💡 被拒绝也没关系，继续往前走
那篇关于蒸馏的论文被欧洲会议拒了，理由是"不太可能产生重大影响"。但 Jeff Dean 和团队知道这是个极其重要的问题，他们把它放到 arXiv 上，大家读它、用它，今天它已经成了业界人人都在用的招数。
"时不时被拒一次，也没关系。我们把它放到 arXiv 上，大家读它，用它，一切都好。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿