JW的播客整理

何小鹏｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

访谈基本信息#

项目	内容
访谈节目	罗永浩的十字路口
被采访者	何小鹏
B 站原视频	观看原访谈 ↗
视频发布账号	罗永浩的十字路口
视频发布日期	2025-08-26
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

1. 跨界造车：从“舒适区”踏入“造车炼狱”#

放弃安逸，重返战场：在阿里任职期间已实现资金与社会地位自由，但因无法抑制对硬件与智能终端的渴望，在儿子出生后毅然选择全职造车。
硬件与软件的认知冲击：坦言造车难度是做软件的100倍以上——软件可以快速迭代升级，而汽车供应链极长、资本开支巨大，一个极小的设计错误就可能导致几十亿的损失与数年的滞后。

2. G9上市风波与自救：大破大立的组织变革#

至暗时刻：2022年底小鹏G9发布时遭遇配置混乱、SKU过于复杂及定价失误的危机，销量断崖式下滑，公司陷入供应链与资金压力。
引入顶级职业经理人：何小鹏力排众议引入汽车行业资深高管王凤英（前长城汽车总裁），两人形成“何小鹏抓技术/AI/产品，王凤英抓供应链/渠道/销售成本”的强有力双核。
成本控制与供应链调整：彻底打通采购与研发壁垒，将小鹏产品的平台化零部件通用率大幅提升，实现综合成本降低20%以上，最终凭G6与Mona M03实现销量V型反弹。

3. 全栈自研与“AI定义汽车”#

智驾标签的建立：小鹏是国内最早将“高阶智能驾驶”（XNGP）作为核心卖点的车企。何小鹏坚信：未来的智能汽车就是“会移动的AI机器人”。
大模型时代的算力战：小鹏大力投入AI算力中心建设，每年砸入数十亿用于自动驾驶大模型训练，认为未来智驾的胜负手在于数据量、模型能力与芯片算力储备。

4. 大众汽车战略注资：中国技术的“反向输出”#

合作相关讨论：德国大众集团以7亿美元战略入股小鹏汽车，并联合开发电动车型。
技术输出：以往中国车企用“市场换技术”，现在大众看中了小鹏的电子电气架构（EEA）与智能化软硬件能力，标志着中国新能源车企在核心技术上实现了对百年汽车巨头的反向输出。

5. 探索物理世界终极形态：飞行汽车与人形机器人#

飞行汽车（小鹏汇天）：坚定看好低空经济，推出分体式飞行汽车“陆地航母”，解决传统飞行器运输与续航痛点。
具身智能机器人：自研人形机器人与AI图灵芯片，何小鹏认为未来的智能硬件终端（汽车、机器人、飞行器）底层AI能力是完全同源的。

技术与商业知识#

XNGP（小鹏全场景智能辅助驾驶）：

概念：小鹏汽车自研的高阶智能驾驶系统，具备不依赖高精地图、覆盖高速、城市道路及泊车全场景的通行能力。

端到端 AI 大模型（End-to-End AI Model）：

概念：将感知（看到什么）和决策（怎么开）整合为一个统一的深度学习神经网络模型，直接实现“图像输入→控制指令输出”，极大提高了复杂路况下的拟人化驾驶水平。

EEA（电子电气架构，Electronic and Electrical Architecture）：

概念：汽车的“神经与大脑系统”。小鹏研发的中央集中式EEA将原本分散的数十个控制单元（ECU）高度集成，实现软件高效定义汽车（大众集团正引进了小鹏的EEA架构）。

图灵芯片（Turing AI Chip）：

概念：小鹏自研的专为AI大模型、高阶智驾及机器人定制的高算力芯片，具备多核神经网络处理能力。

分体式飞行汽车（“陆地航母”）：

概念：小鹏汇天研发的低空飞行器方案，分为“陆行体”（负责陆地行驶、储能与充能）与“飞行体”（自动折叠并收纳于车厢内，可随时释放进行低空飞行）。

SKU（Stock Keeping Unit, 最小存货单位/配置版本）：

概念：访谈中用于指代车型配置繁杂程度。此前小鹏G9因SKU过多导致消费者选择困难，后续通过SKU精简大幅提升了转化效率。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

李想｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	罗永浩的十字路口
被采访者	李想
B 站原视频	观看原访谈 ↗
视频发布账号	罗永浩的十字路口
视频发布日期	2025-08-19
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

本文涉及的两期原访谈#

创业经历专场，发布于 2025-08-19。
AI 与具身智能专场，发布于 2026-05-13。

本文暂为两期合并整理，阅读时可对照相应节目。

访谈内容整理#

1. 成长与商业启蒙：理财观与决断力#

家庭教育：母亲按月发放零花钱培养资金预算控制意识；父亲支持买电脑并建立游戏时间契约。高三靠网站月入2万后，果断放弃高考赴京创业。
面对困境的处事哲学：回忆小学遭遇校园暴力，总结出“面对霸凌必须果断还手/坚决不退缩”的性格，这一特征也贯穿了后来的企业竞争与商战。

2. 从汽车之家到理想汽车：选择最大赛道#

产品痛点与效率第一：创立汽车之家时，抓住传统媒体更新慢、数据不全的痛点，要求团队凌晨更新、参数做到业内最准，凭运营效率击败竞争对手。
进入汽车制造业：24岁身价过亿后寻找更大的“标品”赛道，决定进入汽车产业链；2015年看准智能电动车趋势，押上全部身家创立理想汽车。

3. 理想ONE与“增程路线”的反共识突破#

为何选择增程式（EREV）：当时纯电续航短、充电补能基础设施极差，电池成本高昂。李想坚持从用户实际出行场景（家庭无桩长途出行）出发，决定采用增程方案。
用产品体验打破偏见：增程方案初期被行业嘲笑为“落后技术”，但李想坚持用产品体验说话，将理想ONE打造为单车型爆款，成功验证了增程在过渡期的商业可行性。

4. 融资危机与“产能地狱”#

至暗时刻：理想汽车早年曾遭遇严重的资金链断裂危机，面临上市前夜投资人撤资、被供应链供应商压制的危局。
贵人相助与感情流露：谈及最困难时美团王兴、字节跳动等关键投资人倾力相助，李想在镜头前数度感极落泪，称王兴不仅给予资金，更在战略思考上给予深刻启发。
突破产能地狱：通过建立极强的成本控制能力与精益生产流程，逐步打破供应商垄断，挺过产能危局。

5. MEGA风波与舆论危机应对#

产品发布后的舆论讨论：材料提及 MEGA 发布后的外部评价与应对，具体事件与因果关系仍待核实。
李想的回应：坦言新品上市是创业者情绪最脆弱的时刻。面对暗箭，他选择“不以牙还牙、不成为自己讨厌的人”，将精力重新聚焦于组织效率提升与AI技术研发。

6. 矩阵式组织架构与管理哲学#

矩阵式组织变革：理想汽车在规模扩大后，全面引进了IPD（集成产品开发）与矩阵式组织架构，将原本孤立的部门打通为以产品线和流程为导向的协作体系。
合伙人与吵架文化：选对合伙人至关重要，好的合伙人团队敢于在开会时激烈碰撞吵架，但决策后执行步调高度一致。

7. AI时代与“具身智能”终极理想#

汽车即机器人：李想提出“自动驾驶是具身智能（Embodied AI）的上半场，通用人形机器人是下半场”。当L4无人驾驶实现时，汽车本身就是一个大型移动智能机器人。
研发重注：年研发投入重注AI，推进自研芯片（马赫M100算力高达2560 TOPS）、800V主动悬架与完全体线控底盘，致力于通过AI技术将豪车体验带给普通家庭。

技术与商业知识#

增程式电动汽车（EREV, Extended-Range Electric Vehicle）：

概念：一种带有发动机（增程器）的电动汽车，发动机不直接驱动车轮，仅用于带动发电机发电，发电后向电池和电动机供电，兼具纯电驾驶感受与加油补能无里程焦虑的优势。

具身智能（Embodied AI）：

概念：将人工智能（AI）与具有物理实体的系统（如智能汽车、人形机器人）结合，使其能够在真实的物理世界中感知、推理、学习并进行物理交互。

端到端自动驾驶（End-to-End Autonomous Driving）：

概念：取消传统自动驾驶中分模块（感知、预测、规划、控制）的手写规则代码，将传感器数据直接输入神经网络大模型，直接输出行车控制指令，显著提升反应速度与上限。

TOPS（Tera Operations Per Second）：

概念：处理器算力的衡量单位，1 TOPS 代表每秒可进行一万亿次操作（例如理想自研马赫M100芯片算力达 2560 TOPS）。

线控底盘（Drive-by-Wire Chassis）：

概念：用电信号传输与电子执行器替代传统的机械/液压连接（如刹车踏板、转向柱），响应速度快接近一倍、控制精度更高，是高阶自动驾驶（L3/L4）的核心硬件基础设施。

矩阵式组织 / IPD（集成产品开发）：

概念：一种打破传统部门壁垒的交叉式管理结构，员工既属于职能部门（如研发），又属于具体的产品线/项目组（如理想L系列）。IPD通过跨部门团队协作提升产品开发效率与质量。

产能地狱（Production Hell）：

概念：新车从原型车走向大规模量产阶段时，由于供应链瓶颈、工厂自动化调试及良品率等问题导致的产能严重跟不上的危局。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

叶国富｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	罗永浩的十字路口
被采访者	叶国富
B 站原视频	观看原访谈 ↗
视频发布账号	罗永浩的十字路口
视频发布日期	2025-10-22
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

1. 从“哎呀呀”到“名创优品”：踩中超级红利#

两次创业的经验演化：早年“哎呀呀”虽风靡一时，但后来遭遇电商冲击。2013年叶国富在国外考察时受到启发，创立名创优品，主打高颜值、高品质、低价格的日用杂货。
高频迭代与性价比爆发：通过极致的供应链压成本、实行“711原则”（7天从1000个设计中选100个新品），快速占领年轻人心智，巅峰期一年开店超1000家。

2. 实体店的逆袭：“店铺就是最好的广告”#

实体零售的流量逻辑：叶国富反驳“线下实体店是负担”的观点，认为开在核心商圈的店铺就是品牌最精准、成本最低的广告牌。
单店坪效奇迹：分享上海南京路全球一号店开业9个月销售额达1亿元，最高峰月收入超1600万；整体店铺进店转化率高达30%（即100个进店顾客中有30人买单），加盟商毛利保持在38%左右。

3. 文化转型与IP战略：“一年允许浪费1个亿”#

摆脱杂货店标签：叶国富意识到只做平价杂货利润低且易陷入价格战，必须转向“兴趣消费”与情感价值表达。
全球IP大满贯：与迪士尼、三丽鸥、哈利波特、Chiikawa等全球知名IP深度联名，推出自营潮玩品牌 TOP TOY。
试错容忍度：叶国富在访谈中直言，为了鼓励团队在IP业务和文化创意上突破创新，他要求业务负责团队“一年至少要准备浪费掉1个亿的试错成本”，不给创新设限。

4. “腾笼换鸟”：重构80%的门店模型#

未来的开店计划：叶国富透露，名创优品正处于彻底的转型期，今明两年要执行“腾笼换鸟”策略，将80%的传统旧杂货门店关闭并重新选址开业。
从零售向文创蜕变：新开门店将全面转向面积更大、IP占比更高、体验感更强的主题大店与旗舰店，让顾客把“逛名创优品”当成一种休闲娱乐方式。

5. 重金收购永辉超市：推进“胖东来式”大改造#

逆势抄底线下超市：2024年底名创优品成为永辉超市第一大股东，外界震惊。叶国富解释称，传统超市被淘汰是因为产品不行、不尊重员工和顾客，而许昌“胖东来”证明了优秀超市的巨大市场。
“胖改店”的商业逻辑：名创优品将把自身强大的供应链能力、IP文创开发能力与胖东来的服务管理体系结合，全面调优永辉超市的商品结构与员工福利，重塑中国线下超市体验。

技术与商业知识#

兴趣消费（Interest-based Consumption）：

概念：叶国富在行业内率先提出的商业理念，指年轻一代消费者的购买动机已从“功能性买用”转向“情绪价值、心理满足、好看好玩与IP文化认同”。

进店转化率（In-store Conversion Rate）：

概念：进入门店的总客流量中产生实际购买付款行为的顾客比例。名创优品高达30%的进店转化率远远高于常规线下零售业态。

711 原则（711 Product Strategy）：

概念：名创优品的产品研发与上市机制——即每7天从1000个新产品设计方案中，通过严格筛选淘汰，精选出100个新品快速推向市场。

腾笼换鸟（Space Refactoring & Retail Upgrading）：

概念：访谈中特指将过去坪效较低、形象过时的小型杂货门店进行关闭，将资源释放出来重构成大面积、高毛利、高IP占比的场景化旗舰大店。

胖改店 / 胖东来模式（Fat Dong Lai Transformation Model）：

概念：学习并引入许昌胖东来超市的调优体系，包括大幅提高基层员工薪酬与福利、大幅精简淘汰淘汰劣质商品、大幅增加高品质自营商品与极致的售后服务体验。

IP（Intellectual Property, 文化知识产权/联名IP）：

概念：在零售中特指具有高度粉丝粘性与情绪认同的形象符号（如Chiikawa、迪士尼等）。通过IP授权与二次开发，赋予普通日常用品极高的文创溢价与社交属性。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

朱江明｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	罗永浩的十字路口
被采访者	朱江明
B 站原视频	观看原访谈 ↗
视频发布账号	罗永浩的十字路口
视频发布日期	2026-07-31
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

1. 工程师创业：从安防监控到跨界造车#

创业初心：在安防行业做到全球第二后，朱江明希望挑战技术复杂度更高、市场空间更大的汽车产业。他认为未来的汽车本质上就是“四个轮子+大型智能终端”。
基因迁移：大华股份当年能击败国外安防巨头，靠的就是全套软硬件自研和极致的生产成本控制。朱江明将这套“工程师红利+制造降本”的成功经验完整带到了零跑。

2. 坚定选择“全域自研”：先苦后甜的护城河#

全域自研 vs 全栈自研：朱江明解释，全栈自研多指软件算法层面的自研，而零跑的“全域自研”涵盖了电子电气架构、电驱总成、电池包（CTC）、智能座舱、智能驾驶等六大核心软硬件的自主研发与制造，零部件自研占整车成本的70%以上。
规模效应下的成本壁垒：虽然前期研发投入巨大且出成果慢，但一旦销量突破，自研零部件能帮零跑省去中间商赚差价，使其拥有行业顶级的成本控制力与定价灵活性。

3. 战略转折：从 S01 弯路到 C 系列爆款#

吸取早期的教训：零跑首款车 S01 选择了小众的双门电动轿跑赛道，销量不达预期。朱江明迅速反思，意识到做汽车必须尊重大众市场需求。
转向“家用主力车”：随后果断调优路线，集中资源攻克大众家庭市场，推出的 C11、C10、C16 等车型以大空间、高配置、纯电/增程双动力布局，一举打响了“性价比杀手”的名头。

4. “科技平权”：做“全家人的好车”#

打破豪车溢价：朱江明提出“用好技术做普通人买得起的好车”。零跑通过自研降本，将无框车门、CTC电池底盘一体化、高阶智驾芯片、激光雷达等原本豪车专属的技术降维铺到10万-20万级车上，让普通家庭享受到科技红利。

5. 携手 Stellantis：中国新能源车的“反向合资”新范式#

全球化跨国合作：欧洲车企巨头 Stellantis 集团以15亿欧元入股零跑，并成立合资公司“零跑国际”。
轻资产出海：零跑提供产品研发与技术输出，Stellantis 提供遍布全球的销售网络、售后体系与当地生产工厂，实现中国新能源车轻资产迅速出海，避免了海外重金建厂的巨大风险。

技术与商业知识#

全域自研（Full-Domain In-House R&D）：

概念：零跑汽车的核心技术战略，指自研自造包括电子电气架构、智能座舱、智能驾驶、电驱系统、电池系统及车身在内的核心软硬件（占整车成本约70%），从而实现极高的成本控制力与软硬件协同效率。

CTC 电池底盘一体化技术（Cell-to-Chassis）：

概念：零跑在国内率先量产的创新技术。取消了传统电池包的独立上盖，直接将电池细胞（Cell）集成在车身底盘骨架内部，使车身刚度提升、乘坐空间变大且车辆续航更长。

“四叶草”中央集成式电子电气架构（LEAP 3.0）：

概念：零跑研发的将座舱域、智驾域、动力域、车身域“四域合一”的中央超算架构，用一颗中央 SOC 芯片加一颗智驾芯片控制全车，极大减少了线束长度与控制模块数量。

科技平权（Democratization of Technology）：

概念：朱江明提出的产品价值主张，指通过自研创新与制造降本，将过去只属于30万以上高档豪车的技术配置（如高阶智驾、豪华底盘、大空间等）普及到15万级的家用车型中。

油冷电驱系统（Oil-cooled Electric Drive Unit）：

概念：采用油液直接接触发热部件进行冷却的电机驱动总成，相比传统水冷电驱，散热效率更高、体积更小、功率密度更大，且寿命更长。

零跑国际（Leapmotor International）：

概念：零跑汽车与 Stellantis 集团共同设立的海外合资公司，负责零跑产品在中国以外全球市场的出口、分销与本土化制造。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

陈天奇｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	whynotTV
被采访者	陈天奇
B 站原视频	观看原访谈 ↗
视频发布账号	WhynotTV
视频发布日期	2025-09-12
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

开源传奇的进化史：
- XGBoost 时代：在华盛顿大学期间将梯度提升树（GBDT）系统推到极致，成为 Kaggle 数据科学竞赛必备神枪。
- MXNet 时代：早于 PyTorch / TensorFlow 探路深度学习框架，主打极致内存优化与多卡并行。
- TVM 时代：开创深度学习编译器领域，打通“不同神经网络框架”到“不同芯片硬件”之间的自动化编译桥梁。
- MLC LLM 时代：在大模型时代推动“端侧大模型部署”，让几百亿参数的模型流畅运行在手机、电脑等端侧设备上。
长期主义与“敢于失败”：分享如何在学术教职、商业创业（OctoML）与开源社区治理三者间保持平衡，以及在AI浪潮迅速更迭中如何抵御短期浮躁、坚持高价值长线研发。

技术与商业知识#

XGBoost：陈天奇开发的开源梯度提升树（GBDT）高效实现库，因极高的计算速度与准确率在机器学习竞赛与工业界被广泛使用。
TVM（深度学习编译器）：一个开源的端到端深度学习编译栈，可将任意深度学习框架生成的模型自动优化并部署到异构硬件（CPU、GPU、NPU）上。
MLC LLM（Machine Learning Compilation for LLM）：陈天奇团队发起的开源项目，旨在利用深度学习编译技术实现大语言模型在各种设备（包括手机、笔记本、嵌入式硬件）上的高效端侧部署。
端侧推理（On-Device Inference）：无需依赖云端服务器算力，直接在用户本地设备（如智能手机、PC、汽车）上运行 AI 大模型推理的技术。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

胡渊鸣｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	whynotTV
被采访者	胡渊鸣
B 站原视频	观看原访谈 ↗
视频发布账号	WhynotTV
视频发布日期	2025-08-08
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

从学术理想落到商业现实：分享清华姚班与 MIT 的学术训练如何塑造其极度严谨的技术审美；坦言做开源基础设施（Taichi）与做商业化产品（Meshy）的巨大鸿沟——开源追求技术优雅，商业追求解决用户的实际问题。
3D AI 的“寒武纪大爆发”：深入分析为何 3D 生成 AI 的演进比 2D 图片生成慢一步（数据稀缺、表达形式复杂），以及 Meshy 如何通过创新架构将 Text-to-3D / Image-to-3D 的生成质量与速度提升到工业可用级别。
CEO 重读 PhD 的勇气：回应热帖中的哲学思考，谈及创业过程中面对不确定性时的焦虑管理，以及“如何在保持技术初心的同时，培养商业硬核执行力”。

技术与商业知识#

Taichi（太极编程语言）：一种专为高性能计算、图形学和物理仿真设计的开源高性能编程语言，能将 Python 风格的代码自动编译为高效的 GPU/CPU 并行机器码。
物理仿真模拟（Physics Simulation）：利用数值计算方法在计算机中模拟真实物理世界（如流体、布料、刚体碰撞、形变）的技术。
3D 生成 AI（Generative 3D / Mesh Generation）：利用生成式 AI 技术，直接从文本提示词或 2D 图片自动合成可编辑的 3D 网格模型（Mesh）与纹理贴图的技术。
微分编程（Differentiable Programming）：使整个程序具备可微性，从而能够利用梯度下降算法对物理仿真或图形渲染参数进行反向传播与优化。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

谢赛宁｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	张小珺的商业访谈
被采访者	谢赛宁
B 站原视频	观看原访谈 ↗
视频发布账号	张小珺商业访谈录
视频发布日期	2026-03-16
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

视觉即智能（Vision as Intelligence）：从寒武纪生命大爆发（眼睛的出现引发进化竞赛）谈起，认为视觉不是计算机科学的一个分支，而是所有智能（生物与人工）的根基。
拒绝 Ilya 与离开硅谷：透露曾两次拒绝 OpenAI 联合创始人 Ilya Sutskever 的入职邀约；认为硅谷目前将所有资源砸向文本 LLM 是一种“被催眠”的局部最优解，无法通往真正的通用人工智能（AGI）。
联合创立 AMI Labs：与 Yann LeCun 合作提出基于非文本、基于物理表征的“世界模型”（World Model），通过让 AI 预测物理世界的真实演化逻辑，打破大语言模型靠文本幻觉猜词的局限。

技术与商业知识#

DiT（Diffusion Transformers）：将扩散模型（Diffusion）与 Transformer 架构相结合的新型生成模型架构，拥有极强的扩展性，是 Sora 等顶级视频生成模型的核心基座。
世界模型（World Model）：一种能够理解并预测物理世界运行规律、空间结构、因果关系与物体交互的人工智能架构，而非仅处理符号与文本。
表征学习（Representation Learning）：机器学习中的核心底层问题，研究如何将物理世界的高维原始数据（图像、视频、音频）映射为包含语义与空间逻辑的低维密集向量。
JEPA（Joint Embedding Predictive Architecture）：Yann LeCun 与谢赛宁倡导的联合嵌入预测架构，在表征空间中预测未来，从而避开像素级冗余生成的计算消耗。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

杨植麟｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	张小珺的商业访谈
被采访者	杨植麟
B 站原视频	观看原访谈 ↗
视频发布账号	张小珺商业访谈录
视频发布日期	2025-08-27
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

走出“缸中之脑”（Agentic LLM）：
- 形象地比喻纯文本模型就像养在鱼缸里的脑子；而 K2 等 Agentic 模型的重点是赋予模型操控代码、工具与外部数字世界的能力，让 AI 从“能思考”蜕变为“能干活的万能构造器”。
开源转向与 Token Efficiency：
- 解释 Kimi 为什么从早期闭源走向开源；分享如何在训练中追求极致的 Token Efficiency（通过数据改写 Rephrase 与关注 Muon 优化器，让模型喂同样多的数据长出更强的智商）。
创业心态与“无限的山”：
- 引用物理学家大卫·多伊奇《无穷的开始》中的名言“问题是不可避免的，问题是可以被解决的”，坦然面对大模型竞赛中的舆论与资本风暴。

技术与商业知识#

Kimi K2：月之暗面推出的基于 MoE（混合专家）架构的开源 Agentic 及编程大语言模型。
缸中之脑（Brain in a Vat）：访谈中用于指代仅具备文本交互能力、无法通过工具与外部物理/数字世界进行多轮交互的传统大模型形态。
Muon 优化器：一种新型神经网络训练优化器，能够在训练中显著提高 Token 效率与收敛速度。
Token Efficiency（Token 效率）：在消耗相同数量数据 token 的前提下，通过模型架构与数据清洗/改写，让模型获得更高智能上限的能力。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。

姚顺宇｜访谈内容与知识整理

Sun, 25 Oct 2026 00:00:00 GMT

整理说明：正文根据 JW 提供的资料编排，不是逐字实录。原视频已核对到节目官方 B 站账号；下列日期为视频发布日期，不能等同于录制日期。正文的具体表述和数值仍待逐条核对。

← 人物经历与采访概述

访谈基本信息#

项目	内容
访谈节目	张小珺的商业访谈
被采访者	姚顺宇
B 站原视频	观看原访谈 ↗
视频发布账号	张小珺商业访谈录
视频发布日期	2026-05-11
访谈录制日期	未确认；以上视频发布日期不作为录制日期
整理来源	JW 提供的人物与访谈整理资料

访谈内容整理#

一线研发揭秘与软件生态：
- Claude Code 的诞生：透露 Claude Code 并非自上而下的规划产品，而是研究员 Boris 个人为了提效做出的工具，是 Anthropic 内部自下而上“个体英雄主义”的代表产物。
- 预训练并未死：直言外界所谓的“Scaling Law 撞墙”大多是因为团队代码里有 Bug，修好 Bug 带来的提升远大于花里胡哨的技巧。
AI 行业的人才与文化观：
- 提出反直觉观点：“搞 AI 不需要绝顶聪明的脑子，需要的是靠谱”。绝大多数算法难题本科生即可处理，真正决定模型成败的是极度扎实的工程落地与 Bug 调试能力。
- 解释从 Anthropic 离职加入 Google DeepMind 的深层原因（包括文化理念碰撞与治理分歧）。

技术与商业知识#

Claude Code：Anthropic 开发的深度集成 AI 代码助手工具，能够自主理解项目代码库、编写代码、运行终端测试并修复 Bug。
测试时扩展（Test-Time Scaling / Inference Scaling）：在模型推理/回答阶段赋予其更多的计算时间与思考步骤（推理链），从而大幅提升复杂数学、逻辑与代码问题的解答质量。
后训练（Post-Training）：在大模型完成大规模无监督预训练后，通过 SFT（有监督微调）和 RLHF/RL（强化学习）对模型进行指令对齐与推理能力塑造的关键阶段。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。