AI KOL Wiki — 目录

由 LLM 根据 sources/ 中的视频转录稿增量维护。规范见 CLAUDE.md。

人物

• Andrej Karpathy — OpenAI 创始成员，LLM OS / LLM 心理学框架提出者
• Jensen Huang — NVIDIA CEO，四条 scaling laws、token 工厂世界观
• Dwarkesh Patel — 深度访谈播客主持人
• Lex Fridman — 超长访谈播客主持人
• Adam Brown — Google DeepMind BlueShift 负责人，理论物理学家
• Grant Sanderson — 3Blue1Brown，AI 与数学观察者
• Ada Palmer — 文艺复兴史学家（非 AI 领域）
• 姚顺宇 — Google DeepMind 研究员（前 Anthropic），中方一线视角
• Noam Brown — OpenAI，推理 / test-time compute 奠基人之一
• Mark Chen — OpenAI 首席研究官
• 张小珺 — 《商业访谈录》主播（中方视角主来源）
• No Priors 主播 — Sarah Guo & Elad Gil
• Latent Space 主播 — swyx & Alessio
• Zach Lloyd — Warp.dev 创始人兼 CEO，cloud software factory／coding agent 的度量与成本调优；⚠️ 本库第一份平台团队侧的 agent 度量设施清单（"从氛围的领域进到测量的领域"、80→15 美元/PR、"你没法在一个贵这么多钱的东西上面做出一个有竞争力的 coding agent"）
• Eric Jang — 前 1X / DeepMind Robotics，self-play 与 RL
• Alex Imas & Phil Trammell — AGI 经济学（DeepMind / Epoch）
• Zico Kolter & Matt Fredrikson — Gray Swan，AI 安全 / 红队
• Sebastian Raschka & Nathan Lambert — ML 教育者，AI2 OLMo / RLHF
• a16z — Andreessen Horowitz 频道：Benedict Evans、Sinofsky、Amble、Alex Rampell、Olivia Moore 等；⚠️ 2026-10-05 新增 Josh Elman（消费互联网史的对照提供者："高 COGS 杀死了先堆密度后变现"、"AI 太个人化，所以没有社交媒体式的传播"、明确拒绝 harness / wrapper 这两个词）
• Matt Garman — AWS CEO、EC2 首任 GM；agent 作为用户的技术后果、瓶颈框架、Nitro/Graviton/Trainium
• Terry Angelos — VGS（支付凭证金库）首席战略官兼董事、前 Visa 高管；⚠️ 本库第一份来自支付基础设施一侧的 agentic commerce 材料："agent 长出了手脚，而手脚就是支付凭证"、agentic token、三步交易框架的第三步（有没有幻觉）明说无解、"任何带 breakage 模型的东西都会垮"
• Dhaval Adjodah & Owen He — MakerMaker.AI 联创（MIT Media Lab RL PhD / 前 DeepMind）；本库第一份"专做 RSI 一方自己把判据提得更高"的材料：optimizer-optimizee 判别式、分子/分母框架、闭环 ≠ 起飞、Viceroy of Variance、Amdahl 定律给出的"哪些领域不会被加速"
• 何小鹏 — 小鹏集团 CEO，物理 AI / 人形机器人（中方产业操盘手视角）
• 阳萌 — 安克创新创始人兼CEO，消费电子/端侧AI/存算一体芯片（中方产业操盘手视角）
• Lewis Hong（洪力德） — 前SpaceX首席制造工程师，Aris Fund GP，太空/硬科技投资
• Freda（段） — Altimeter Capital 合伙人，硅谷投资，Token经济学/组织变革/软件冲击
• 戴雨森（雨森） — 真格基金管理合伙人，Harness/Agent/组织变革/创业投资
• 月球大叔 — AI 技术向访谈主播（中方 infra 视角主来源之一）
• 陈然 — 两家创业公司 CTO（医疗器械全球注册）+ 三家"零人公司"；AI 斩杀线、硅谷风险认知错位、信息源分层
• 朱邦华（Banghua Zhu） — SGLang 母公司 CTO，前 NexusFlow，RLHF/RLVR/RL infra
• 江鋆晨（Junchen Jiang） — 芝大教授 / TensorMesh CEO，KV Cache / LMCache
• 广密 — 硅谷 AI 投资人/研究者，"全球大模型季报"主讲（中方投资视角看硅谷全景）
• 罗福莉（Luo Fuli） — 小米大模型团队负责人（MemoVR），前 DeepSeek，Agent 范式/架构/组织平权
• Peter Steinberger — OpenClaw 作者，开源个人 agent / agentic engineering
• Reiner Pope — MatX CEO，AI 芯片设计（自底向上）
• Mark Zuckerberg — Meta CEO / CZI，用 AI 建生物学世界模型
• Matei Zaharia & Reynold Xin — Databricks 联创，Spark 作者，Agent Cloud / 数据基础设施
• 柯丽一鸣（Kay Ke） — Physical Intelligence 研究员，机器人 RL（美方机器人全景）
• Lip-Bu Tan（陈立武） — Intel CEO / 前 Cadence CEO / Walden 投资人，半导体供应链与代工
• Pat Gelsinger — 前 Intel CEO（34 年 Intel 生涯），Intel 衰败复盘、台湾能源风险、能源作为 AI 上限
• Anton Osika — Lovable 联合创始人/CEO，vibe coding、多模型路由 + post-training
• All-In 主播团 — Chamath / Sacks / Friedberg / Calacanis + Brad Gerstner：token ROI、监管制度、主权 AI、开源封杀之争与版权
• Andrew Feldman — Cerebras 联合创始人/CEO，晶圆级芯片、快推理
• Misha Laskin — Reflection AI 联合创始人/CEO，前 DeepMind（Gemini RL 团队）：开放权重训练账本、租 vs 拥有、"开放即安全"
• Pushmeet Kohli — Google DeepMind（AlphaFold 内部参与者）：折叠"已解决"叙事的拆解、校准优先于可解释性、"对谁可解释"
• Sal Candido — Biohub：蛋白质语言模型与可解释性，"大部分工作是去找到那条 scaling law"、"自行车的辐条"、10x vs 10%
• Lindon Gao — Dyna Robotics 创始人兼 CEO（前 Caper，以约 3.5 亿卖给 Instacart）：⚠️⚠️ "机器人本身需要个保姆"——任务级 99% 成功率不构成商业闭环；"在任务范围之内智能体不受限，在工作流范围之内受智能体影响"；"大脑决定下限，本体决定上限"；按工作流复杂度而非场景分级；一次完整的预训练路线自我纠正（含"我是 selectively 想听到我想听的东西"）
• Ian Quigley — Leash Bio 联创兼 CEO（前 Recursion）：⚠️⚠️ "模型学到的是化学家，不是化学"——用 1,800 维"谁做的"向量预测活性与化学式一样好；自己出题并公布"最难档没人赢过随机"；"模型在给蛋白质起外号"；把池化筛选数据做成物理接地 RL 环境（一个周末 1 万多次 SAR 战役）
• Akshat Bubna — Modal CTO，agent sandbox / 弹性推理 / capital-light 云
• Lila Sciences（Rafa & Andy） — neo-lab，科学即 token 生成器、实验室即 verifier
• Periodic Labs（"Liam" & "Doge"） — 自治材料实验室 neo-lab，synthesis superintelligence；⚠️ 转录稿只播报了名、没有姓
• Gavriel Cohen — NanoClaw 作者，极简安全的开源个人 agent
• vLLM Omni 团队 — 多模态/全模态推理引擎（中方 serving 基建）
• 志鹏（Zhipeng） — vLLM-Omni committer，一年从 AI 零基础到贡献者（中方开源草根视角）
• Danielle Perszyk — Amazon AGI Lab 认知科学家，"AI 该像什么"的认知科学视角
• Genesis Molecular AI（Evan Fineberg & Sergey Edunov） — 小分子药物发现基础模型（Pearl / co-folding）
• Maxim Bar Kogan — Onyx Security CEO，"AI 看管 AI" / agent 动作监督
• Mati Staniszewski — ElevenLabs CEO，语音 AI（应用层 vs 前沿实验室）
• Max（Legora） — 法律 AI，billable hour 颠覆 / 法律数据护城河
• Robin Rombach — Black Forest Labs CEO，latent diffusion / Flux，生成式→机器人
• Xaira（Bo Wang & Xi Chu） — 虚拟细胞 / X-Cell，"因果模型需要因果数据"
• Applied Intuition（Qasar Younis & Peter Ludwig） — 物理 AI 横向供应商，Dana、实时性即护城河
• Mark Cuban — Broadcast.com 创始人，AI 泡沫、企业落地难、世界模型
• Daniel Ek — Spotify 执行董事长 / Neko Health 联合创始人，应用侧经营者：部署侧算力差作为攻防判据、对 pacing 不站队、"AI 做召回、人做判决"
• Aman Singh（Arca） — Arca 的 AI 平台团队负责人（AI 原生财富管理机构，自述近期融资 6,400 万美元）；⚠️ 与 Jay（Eve） 构成同周正面对照（卖软件给律所 vs 自己就是那家机构）："我们其实不是一家 SaaS 公司，我们就是那家机构本身"、"agent 催人比人催 agent 多"、"在能力的边缘约束、不要更早"的四层护栏、沙箱里不放 agent 而把代码当会被丢掉的中间表示、审计日志同时就是 agent 的事件总线、"放手让 agent 改 prompt，每个小修补都会变成整条 prompt"
• Jay（Eve） — Eve 联合创始人兼 CEO，面向原告方律师的法律 AI（⚠️ 转录稿只给了名字，姓氏待确认）；⚠️ 与 Legora（辩方/企业侧）合起来才是法律行业两侧："一个产业为什么完全没有软件——理由是对抗关系不是预算"、"把爱因斯坦丢进律所他也产出不了"（三条理由全落在数据不可爬）、"被约束的不是需求是劳动力供给"（5,000 美元费用线、劳动与雇佣 96% 拒案率）、结果定价的前提是"从一组事实就能知道要花多少算力"、一条战术因为对方有了算力而失效
• Will Ahmed — WHOOP 创始人兼 CEO（2012 年创办）；⚠️ 本库第二份消费侧 AI 健康材料，与 Neko 构成架构对照（连续低分辨率 vs 一次性高分辨率，而两者给出同一答案：价值在跨时间基线比对）：500 亿小时连续生理数据、"用体征反推生物标记物而不测那个标记物"、wellness 与 medical device 分界被企业行为挪动过（FDA 警告函 → 指引更新）、7 万人血压研究作为"装机量即研究设施"、"不卖数据"同时是价值捕获决定、硬件→订阅的激励反转
• David Pawlan — Assistant Benchmark 创建者，122 个消费 agent 的横评者：cost saver 胜过 time saver、proactivity 是护城河、"这一波就是 Open Claw 的复刻"
• Thariq Shihipar — Anthropic Claude Code 团队，可变软件与 harness 苦涩教训、probes 看意图 vs auto mode 看权限、防守侧的 pacing 技术论证
• Ari Weinstein — OpenAI computer use agents 产品与工程负责人（前 Apple Shortcuts / Sky 创始人）：写 JavaScript 而非逐动作、accessibility 树作为 LLM 界面、瓶颈转到网页加载、agent 测自己写的软件
• Nikunj Handa — OpenAI API 团队产品负责人（前 Stripe）：Decisions API 是 Jev 启发且没训新模型、校准尚未复制、12 小时缓存保证与预热、压缩三种做法、"抽象层该放在哪"
• Barrett Lyon — DoxxNet 创始人 / Prolexic 创始人 / Opte 作者（本库第一个公网协议层的声音）：协议层停滞、CGNAT 是最大污点、"网络不做身份"、治理即信任、12 人 26 站点无系统管理员
• Jordan（SemiAnalysis / ClusterMAX） — ClusterMAX 负责人，前 HPE 十年硬件系统设计：本库第一个"把 GPU 云当被测对象"的声音——NeoCloud 安全的洞在运维层、GB300 NVL72 作为换代门槛、跨站点异构 RL、"除了 Azure 我一个都不信能建 10 万卡集群"（⚠️ 全名待核）
• Alex Zhang — MIT 博士二年级，RLM（Recursive Language Models）作者、GPU MODE 核心成员："所有主流 harness 其实是同一个"、harness 的正面定义、locally in distribution（短任务训练泛化到长 8–30 倍）、"RLM 就是唯一工具是代码的 harness"、"swarm 里 95% 完全没用"、"这是个 skill issue"、kernel 排行榜上"人在扮演一个非常强的 verifier"
• Jay Parikh — Microsoft CoreAI 的 EVP，实际统管包括 GitHub 在内的一批核心 AI 服务（⚠️ 转录稿把姓写成 "Parrick"；履历由主持人介绍、本库未核实：Facebook 工程负责人、Lacework CEO、Ning 与 Akamai 工程 VP）：⚠️⚠️ 厂商节目（GitHub Universe keynote 后的现场采访），全部数字与能力声明为自述或自家年度报告；✅ 但本库判厂商色彩明显偏轻，依据是他两次拒绝了送上门的有利说法：⚠️⚠️ ① 本库判最该单独保存的一句——他拒绝把 token ROI 算成收入（"作为一个写代码的人，我不负责收入。但至少我交付了功能"），替代口径是成本节省、参与度、留存、CSAT，"作为产品团队和工程团队，你应该挂在这些结果指标上"；⚠️ ② 他拒绝了"代码已经不重要了"（坚持大量 Java/.NET 业务关键代码仍在被修改，"其中一些有几十年历史"、"其中一些正在我们说话的这会儿被 vibe code 进生产"）；另有✅ 本库第一条"代码变便宜会不会取消开源供应链理由"的正面反驳，而它是一条成本转移论证——"我去掉其中 1,980 个、只用 20 个，但那 1,980 个现在得由我来维护了"、⚠️⚠️ 把 harness 与"选哪个模型"（Fusion）拆成两层并各给工作职责（本库此前的 harness 材料没有一条做过这个拆分）、⚠️ 一条把切换成本重述成用户收益的"上下文复利"护城河主张（本库按厂商主张处理）、以及✅ 一个来自平台侧、对自己不利的承认："我们是在管理成千上万个 agent，还是几十个、几百个？我不知道"
• Mihail Eric — Stanford 兼任教授（CS146S "The Modern Software Developer"）＋ Monaco 的 Head of AI；⚠️⚠️ 本库第一条针对"初级岗位消失后人怎么获得品味"的机构级处方（把作业改成向真实 AI-native 开源仓库提交贡献、让维护者做 review——"他们会帮你建立起关于什么是好软件的心智模型"），另有⚠️ RAPID（research→proposal→plan→implementation）与"把人放在选项之间"、⚠️ "你买是为了学，你建是为了留"、⚠️⚠️ "大多数开源仓库将来都会变成 agent 运行的 software factory"、⚠️ 一条与"上更多 agent"相反的企业诊断（"真正卡住他们的其实更多是低层的 DevOps、CI/CD"）
• Jason Ma — Dyna Robotics 联创兼首席科学家（宾大 GRASP → NVIDIA → Google DeepMind，Eureka 作者）：world action model 的第一性原理、"不像语言模型，这里没有互联网"、数据质量的非稳态性、执行器自研判据、形态是数据迁移率的函数、"今天还在任务层面想自主性，真正的价值是无人监督数小时的工作流"、以及一条主动给出的自我证伪条件（视觉冗余 / 触觉可能 100 倍数据效率）
• Vladimir Keil — Lio 联合创始人兼 CEO，企业采购 multi-agent：发票软件只覆盖这份工作的 20%、500 封邮件漏一封 = 上亿损失、自建能到 70% 但 70% 性能 ≠ 70% 自动化、harness 的 80% 天花板 → 指向 Jev 那类 outcome 模型、FDE 的 KPI 是把自己自动化掉、"一千个工具只让流程更有效率，从没改变人怎么工作"
• Walter Goodwin — Fractile 创始人兼 CEO，全栈快推理芯片：带宽的 scaling law（flops 百万倍 vs 带宽 40 倍）、SRAM→高带宽 DRAM 的公开转向、芯片产业链的交接点、"自研芯片的主要功能是议价"、前沿实验室在芯片层押重注是不理性的
• 沈宇军 — 蚂蚁灵波首席科学家，"具身原生"、机器人大脑（中方具身主来源）
• Eiso Kant — Poolside CEO，neo-lab/Model Factory、行为>智能、开源商品化论证
• Travis Kalanick — Atoms/Uber 创始人，industrial AI、物理世界即计算机（非人形工业自动化）
• DoorDash 创始人（Andy Fang & Stanley Tang） — agentic commerce、自研配送机器人 Dot、大规模实体网络的 AI 落地
• 游凯超 — vLLM 核心维护者 / Inferact 首席科学家，开源 Infra 治理、模型与 Infra co-design（中方开源基建主来源）
• Fei-Fei Li（李飞飞） — World Labs CEO / ImageNet 作者，空间智能与世界模型（美方具身主来源之一）
• Yunzhu Li — SceniX 联创 / 哥大助理教授，real-to-sim-to-real、机器人评测瓶颈
• Akshay Nathan — OpenAI 核心产品工程（productivity），ChatGPT Work / harness 合并 / 生产力度量
• 孟子立（Zili Meng） — 港科大助理教授 / WiCi 创始人，无线 GPU、用 Wi-Fi 替代 PCIe（中方网络系统视角）
• Bernt Børnich — 1X 创始人兼 CEO，家用人形 Neo、"跨本体是人"、硬起飞赌 3 年
• Jonathan Hurst — Agility Robotics 联创 / Chief Robot Officer，Digit、反奇点"雪球论"、机器人价格非弹性
• Péter Fankhauser — ANYbotics 联创兼 CEO，四足巡检 ANYmal、"不是替人是超人"（欧洲已部署视角）
• Amanda McMaster — Boston Dynamics 临时 CEO，Spot/Atlas 的部署经济学与对华强硬立场
• Kevin Mandia — Armadin 创始人兼 CEO、Mandiant 创始人：⚠️ 本库第一位职业事件响应者（以响应真实入侵为生三十年）——20 条 kill chain 测试里开放权重与最先进闭源同分（都是 8 条，差别只在速度与成本）、"你一旦有了 GPU 的匿名可得性，就会看到多得多的犯罪攻击"、"人留在检测与响应环里就一定太慢"、均衡器效应与归因退化、"要保障在特定领域里行动的 agent，需要领域专业知识"（eval 必须由红队成员写）、"我们杀掉一个 agent 大多时候跟安全无关，是它在浪费钱"、扫源码找几千个漏洞是噪声
• Steijn Pelle & Frédéric Renken — Lassie 联创（前 Robinhood / Superhuman），SMB 垂直 agent、监管拐点、"模型不知道工作流"
• 刘子鸣（Ziming Liu） — 清华 AI 学院 / 期智研究院 PI，KAN 一作，AI for AI、元模型、physics of AI（中方 neo lab 主来源）
• Melisa Tokmak — Netic 创始人兼 CEO（前 Scale AI），实体服务业 agent、机器人时间表看空、"实验室懒惰论"
• Jesse Zhang & Ashwin Sreenivas — Decagon 联创，90% 开源、业务逻辑靠上下文、"FDE 是陷阱"、Jevons 悖论
• Philip Kiely & Ali Taha — Baseten 推理团队，推理工程报价单、量化误差抵消、唱空 mega kernel、GLM 自写 kernel
• Dino Mavrookas & Vibhav Altekar — Saronic 联创（前海豹六队 / 前 Anduril），造船产能 230:1、VLS 单位经济学、自主武器的政策阈值
• Simon Mo — Inferact 联创 / vLLM 主维护者，推理引擎即操作系统层、护栏误杀、"环境蒸馏不了"（美方开源推理视角）
• Dylan（Truffle Security）与 "Fas"（Socket） — 凭证泄漏与软件供应链，本库第一组防守方一线安全从业者（Black Hat 2026 现场）
• 李正韬（Todd Li） — Retell AI 联创兼 President，语音 AI 呼叫中心、"整个公司 vs 一个总监的团队"、企业落地与招聘薪酬
• Ryan Greenblatt — Redwood Research 首席科学家，本库第一位 AI 安全一手来源：RSI 换算、sloppocalypse、2040 接管 35–40%
• Chai Discovery（Matt McPartlon & Neil Patil） — 蛋白质设计"中性软件工厂"，cryo-EM 0.33 埃、算力市场被 LLM 化、人才晦涩性
• 刘洺堉（Ming-Yu Liu） — NVIDIA 研究副总裁 / Cosmos Lab，世界模型基座、action 作为 first class citizen、NVIDIA 组织文化（供给方内部视角）
• Garry Tan — Y Combinator 总裁兼 CEO，markdown 即员工、token maxing、纯席位 SaaS 存疑、"20 年 white pill"
• Ali Massa（Kavak） — 拉美二手车平台 AI 负责人，本库第一个买方自建 agent 公司：一客户一 agent、AI CEO、token 三层级
• Erik Allebest — Chess.com 联创兼 CEO，本库唯一的回溯样本：机器超人 30 年后的人类活动、重复不可外包、作弊检测的上界
• Greg Brockman — OpenAI 联创兼总裁，本库第一份前沿实验室领导层材料："AGI 是光谱不是时间点"、defender window、defense factory、"不是我们被许诺的 AI"；⚠️ 本库唯一有两场长谈（2026-09-14 a16z、2026-10-15 No Priors）可做短期口径对照的实验室领导层
• 曾鸣 — 阿里前总参谋长 / 战略学者，本库第一份商业史学者视角：三阶段论、模型公司=AI 云、科层制衰亡、岗位→任务、看十年想三年干一年
• Satya Nadella — 微软董事长兼 CEO，本库第一份超大规模云厂商一号位材料：扩散优先于放缓、insider risk、capability overhang、开源制衡与应用层毛利、7–8% GDP 门槛
• 孙宇涛 — 清华博士候选人 / RetNet 与 YOCO 作者，本库技术密度最高的一期：线性注意力演进史、推理开销三分法、两个矩阵连乘的定律、"忒修斯之船"
• Dylan Patel — SemiAnalysis 创始人，本库唯一把芯片/数据中心/电力/信贷/实验室单位经济学串成一条链的人：算力集中、$10–15M→$100M/MW、50/10/40 预算拆分、"有效人口每年 10 倍"；⚠️ 2026-10-02 第二期自我修正：挤空算力市场的不是实验室而是"推理毛利从 10% 到 60%"，另有 NeoCloud 安全三代实测、"到年底 OpenAI/Anthropic 的 R&D 算力各自超过 DeepMind"（待检验）、NVIDIA 防守性收购的杠杆算式
• 肖志斌 — ZFlow AI 创始人兼 CEO，本库第一位芯片架构师：制程降的是功耗不是速度、SRAM 停止微缩、软件能追回 2–3 倍（但对方也能）、"下一代最伟大的芯片公司是 AI native 的"
• 徐天音 — UIUC 终身教授（系统方向），本库第一位学术界系统研究者：形式化验证五年→五小时、"把 agent 当用户系统一定挂"、SREGym、把 ROC 翻出来复用
• 苏廷浩 — 2009 年生、17 岁高二学生，论文被 ICML 2026 接收，本库第一位"AI 原住民"本人：3 万元 / 0.05B、学习意义感的塌陷、"AI 最后替代的是 AI 研究者"
• OpenAI 数学团队 — 两位转行的执业数学家，本库第一份实验室内部的 AI 做数学材料：球填充 LP 界、非 sofic 群、"AI 的证明为什么都很短"
• Ajeya Cotra — METR 研究员，Hugging Face 事件独立调查报告作者：本库唯一读过原始 transcript 的人、1200 个 agent 的秘密留言板、不可解任务作为起因、失控部署的六个月判断
• Anima Anandkumar — Caltech Bren 讲席教授，前 NVIDIA AI 研究负责人：本库第一份连续介质物理侧 AI for science——神经算子、FourCastNet、物理一出现 transformer 就跑不动、TorchLean
• Sean Lie — Cerebras 联合创始人兼 CTO：1000 token/s 正在变成新的 batch mode、CS-5 的 10000 TPS、异构解耦、把数据中心当一颗芯片设计、对 Groq / Jalapeno / Etched 的公开点评
• Ramin Hasani — Liquid AI 联创兼 CEO：302 个神经元的线虫、STAR 硬件感知架构搜索、模型越大越要去偏置、端侧 90% 调用仍走云、下一波是 customization token
• Vals AI（Ryan） — 第三方 AI 评估公司：本库第一份来自裁判位的材料——Llama 4 的自报落差、绝不卖训练数据（安然类比）、RSI 指数、一家公司本质上就是它的 eval、token 支出 10 倍于工资
• Dina Powell McCormick — Meta 总裁兼副董事长，前白宫副国家安全顾问：数据中心的在地账本、教师 5 万美元支票的税收机制、五周把人送上工地、工会转向
• Alex Atallah & Anjney Midha — OpenRouter CEO / a16z GP：本库第一份来自模型路由中间层的材料——"checkpoint 做完然后一片寂静"、Google 的隐形分发优势、3 个月一轮的替代摆动、agentic fraud 与 10 万亿 token 流；⚠️ 2026-10 补入 Atallah 的反"上帝 agent"论证（"没有任何新的人来为这份被牺牲掉的理解负责"、固定总量的皮质醇）、neurodiversity 与 marketplace 压价机制、拿 decision model 当 agent 通信的对齐检查器
• Anastasis Germanidis — Runway 联创兼 CTO：scaling 视频预测就够了、Physics IQ、界面世界模型与神经操作系统、第三人称视频是机器人最大数据源、lucid dream test
• John Schulman — Thinking Machines 首席科学家、OpenAI 联创（RLHF）：对齐是最后一份工作、环境的难度轴 vs 真实性轴、蒸馏对抗集中化、从 Claude 蒸出来的单一栽培
• Beren Millidge — Zyphra CTO：RL 有效是因为信噪比而非 bits 多、mid-training 已到 80%、架构不是乘法增益而是解锁新区间、路由服务数据给了完美 prompt 分布
• Charlie O'Neill — Baseten 模型训练负责人：累积型 vs 非稳态任务（"RSI 恰好比当律师助理更容易"）、环境的不对称性正在用完、视野泛化而非横向泛化、Cursor 在线 REINFORCE 的实现细节
• Richard Socher — Recursive 联创 / you.com CEO，GloVe & decaNLP 作者：auto research ≠ RSI、nanochat 与 kernel 的第一批战果、harness 里的 30 个 bug、人类中心的定义给基准设了上界、十个智能空间
• Stefano Ermon — Inception CEO / 斯坦福，扩散模型奠基者之一：自回归推理串行且 memory bound、"更并行的方案最终会赢"、扩散 LLM 换掉定制芯片、服务引擎即护城河
• Rene Haas — Arm CEO / SoftBank Group International：token 工厂之外的那些卡车、AI 吃掉的是验证不是设计、"不可测就不可训练"、供应链紧张还有三到五年、下一个瓶颈是数据中心本身
• Ali Ghodsi — Databricks 联创兼 CEO：RSI 的四个判据、pacing 的公地悲剧辩护、CVE 武器化从年到小时、"模型够聪明但缺 context"、ontology 即离线索引、harness 差 2 倍成本
• Brian Armstrong — Coinbase 联创兼 CEO / New Limit 联创：给 AI 开账户（无 KYC 的自托管钱包）、x402、76% 的 agent 交易低于 30 美分、按团队/仓库/个人建 brain 且纠正必须写回、"被消灭的是任务不是人"、表观遗传重编程
• John Platt — Google Fellow / Google Research 应用科学负责人（Platt scaling、SMO 作者）：ERA 把科学问题映射成"可打分任务"、UCB 树搜索 + 模型当变异算子、"在 Gemini 2.0 上不可能"、predictive vs descriptive、天气 vs 气候的数据丰裕度判据、contrails 与 FireSat、"过拟合到生产力"
• Diogo Almeida — TypeSafe 联创兼 CEO（前 OpenAI / InstructGPT）：让代码而不是人来消费模型、RLHF 的 mode dropping、三个北极星（RLHF/RLVR/RLCD）、反公开基准、robustness>determinism、"KV cache 的暴政"、对 pacing the frontier 的前提级反驳
• DHH（David Heinemeier Hansson） — Rails 作者 / 37signals CTO / Omarchy 作者：代码之美的回报在衰减（但 token 稀缺期仍值得）、瓶颈是人类带宽、不要过度指定、Linux 的历史性翻转、六模型同题横评、"现在的编程语言是英语"
• Gagan Biyani — Horowitz Andreessen Academy 联合创始人兼 CEO（Udemy 联创 / Maven 创始人）：本库第一个"办学校的人"——bundle 论、burning-desire 客户、osmosis + 强制依赖、把求知欲改写成产出
• Michael Lee — Sequence Holdings 联创兼 CEO（前 Lone Pine / Apollo）：⚠️ 本库第一个"所有权侧"的声音——AI 影响的三分法、"给人类流水线上每个人发一台小机器"、三个选项全坏掉（尤其"你卖不给一条还不存在的流水线"）、"每家公司都有一个被歌颂的角色"、控股公司 vs 基金与"一年一笔"、organizational physics、"被监管是特性不是 bug"
• Amjad Masad — Replit 创始人兼 CEO：⚠️ 本库里"降低门槛"的受益方中唯一批评其后果的人——"创业本身常常是过早优化"（嫉妒驱动 → 对不感兴趣的想法预先承诺）、引力判据、"自驾公司"（holacracy 失败是技术问题）、下棋→AI 能做 ML、硅谷也是单一文化、德性伦理 vs 奇点下的后果主义；⚠️ 2026-10 补入技术侧：人该是通才机器该专门化（Adam Smith → 马克思异化论）、模型训练自己的替代品（JIT 类比）、"用核弹打蝴蝶"、orthogonality thesis 在机器上可能反过来、"对齐评测要跑好几个月"、on-prem 立场反转
• Eric Nguyen — Radical Numerics 联创兼 CEO，Evo 一作（HyenaDNA / Evo / Evo2 / Omni）：本库第一份一手生物安全材料——dual mandate、生物防御四支柱、"同功能不同拼写"这个新攻击类别、门槛下降→体量指数增长、"生物模型此前只有 base model"、"6,000 个碱基对"这条量级降温
• High Taste Testers 六人组 — Latent Space 新开的重度使用者圆桌（Ben Davis、Ben Hylak / Raindrop、Dex Horthy / HumanLayer、Allison Durham、Alex Volkov / ThursdAI、swyx）；⚠️⚠️ 本库第一个以“归属无法确定”为建页理由的人物页：六人图录无说话人标签，只按片尾自我介绍锁定少数观点，其余不认领
• Jad Naous — Grepr 创始人兼 CEO（前 Applied Intuition 首席产品官、前 a16z 投资人、前 AppDynamics）：⚠️⚠️ 本库最完整的一份“运维能不能像代码一样被 AI 解决”材料的嘉宾侧——“坏事的数量是重尾的，但用来 debug 它的那组步骤是可管理的”、确定性检测层 + LLM 推理层、10 天做完 6 个月的生产项目（但“没有哪个模型能真正想通我们做的事”）
• Dylan Field — Figma 联合创始人兼 CEO：⚠️ 本库第一份来自"专业创作工具"一侧、且被前沿实验室产品直接点名威胁的一方的材料——⚠️⚠️ 一次公开改口（"几年前我说 AI 会抬高天花板，那是错的；天花板没动，抬高它的是人"）、"很容易把模型的进步误当成产品的进步"、SaaS-pocalypse 非二元、⚠️⚠️ 可验证域 / 不可验证域的进度差（来自产品侧的独立证词）、"written with AI" 内部规范、"透过 AI 的镜头"、camera phone 才是真正的断裂点
• Jean-Denis（Town） — Town 创始人兼 CEO、前 Plaid CTO：⚠️ 本库第一份"创始人主动砍掉已有收入产品线"的一手复盘——"pre-AI 它是个好生意，post-AI 它不是风投级生意"、在位者时钟、销售周期频率决定扩张上限；⚠️⚠️ "软件的价值单元从 app 变成了 computer"（出自 app 层创业者本人）、token 分配机、app 层对抗模型层的三条防线、⚠️⚠️ tinkerer 瓶颈与"你不需要更多智能"、"供给聚合不再值钱"
• Evan Conrad — SF Compute（算力现货与远期市场）：⚠️ 本库第一份来自交易所一侧的算力材料——实物交割必须先于金融化（LIBOR 作为可检验判据）、算力为什么还不可互换的整张清单（"GPU 是放在电旁边的"）、远期曲线的驼峰、中断通知期定价与"违约解除租约的市场"、⚠️⚠️ "B300 跑推理一小时挣 40 美元而买价 5–6 美元"、⚠️⚠️ "你得先杀掉自己的生意，才能做成这件事"
• Karan Singhal — OpenAI 健康 AI 研究负责人：⚠️ 本库第一份来自前沿实验室内部健康业务负责人的完整口径（⚠️⚠️ 当事方叙述 + 同赛道投资人主持、全程无一次追问）——⚠️⚠️ 临床指南渗透进日常实践要 5 到 17 年，据此把一部分医疗质量问题从知识问题改写成分发问题、"在通用模型里做专科训练"、"五个医生八个答案"与数百人的全球医生网络、⚠️⚠️ "瓶颈是验证，不是提出新想法"、move 37 与那个抗生素例子；✅ 两处主动降温；⚠️ 错误率与伤害数据全期为零
• Alex Lieberman & CJ Hess（Tenex） — Tenex 联创 / special projects lead（纽约，企业 AI 转型服务，75 人）：⚠️ 全部数字为一方自述且都论证"企业需要这种服务"——⚠️⚠️ 企业采用的四级漏斗（通用 LLM 90% / 培训 60% / coding agent 约 50% / 生产环境里的非工程 agent 约 5%）、⚠️⚠️ "你没法自动化一个并不存在的流程"（没有标准化就建不了 eval）、按 story point 发工资 18 个月后的复盘（离散度 4x 不是 10x，真正的难点是"不写代码的时间"怎么计价）、看空垂直 AI 并被主持人当面回"到目前为止你是错的"、权限与 RBAC 是 CIO/CISO 的噩梦、⚠️⚠️ "AI 替掉人们不喜欢的工作"是一种 cope
• Arvind Krishna — IBM 董事长兼 CEO：本库收录材料里少数能在复杂度理论层面展开论证的 CEO——⚠️⚠️ 2030 这个密码学截止期 + 两个可逐年核对的量子里程碑、⚠️⚠️ 把"AI 会先于量子计算机破解密码学"用架构论证否掉（"你没法在一个不同的架构上仿真某样东西还指望更高效"）、⚠️⚠️ "75% 到 90% 的 token 用量会流向 open weight"（经济学 / IP / 地缘三条理由）、⚠️⚠️ "控制整条栈你就可以决定把利润搬到哪一层"、软件整合的算术（500–5000 家供应商）与 10⁻¹⁵ 可靠性这条分界、IBM 一半代码由 agent 写 + 自划的验证边界；⚠️ 劳动 vs 资本那段本库不采信其中一步
• Nikesh Arora — Palo Alto Networks 董事长兼 CEO（前 Google CBO、前软银总裁）：⚠️⚠️ 每终端每年 20–30 美元——把"LLM 会吃掉网络安全"按单位经济学否掉，以及反面"被攻破时你需要用哪个模型就用哪个"、⚠️⚠️ "攻击方只需要一个漏洞，防守方得找到每一个"——为什么 30% 幻觉率的漏洞发现器对两侧价值完全不同、⚠️⚠️ "不是 open vs closed model，是 open stack vs closed stack"（上下文与记忆不可分离，路由层会变得不可能）、⚠️⚠️ "离震中越远越拿不到算力——不是经济原因，纯粹是供给约束"、"你不能放出去之后说我不知道怎么控制它"、软件终值与 SaaS 颠覆
• 钱程（David Qian） — 科沃斯集团 CEO（1990 年生，11 岁赴加拿大、22 岁回国、29 岁任 CEO 的企二代）：⚠️ 家用专用机器人的在位者，看空具身对他直接有利——⚠️⚠️ 给具身开的时间表（工厂 3–5 年 / 家庭 5–10 年）与判据"机器人最能替代的是今天已经把人培训成机器人的那些工作"、⚠️⚠️ "很大的锤子在打一个很小的钉子"与"我目前也没有看到肉在哪"、⚠️⚠️ "消费电子没有核心壁垒"并当场拒绝编一条护城河、⚠️⚠️ "企业的短板某种程度上是创始人和 CEO 的长板造成的"、⚠️⚠️ 接班那个交叉点 +"我其实并不是一个特别了解中国的人"；另有农耕 vs 游牧的品类哲学、"保下限到探上限"、中国出海三板斧的今昔
• Anekha Sokhal — Moshi 创始人（给商品/能源/宏观交易员做实时洞察）；华威 MORSE、前 JP Morgan 能源衍生品交易员、Fulbright、与 Stability AI 在 ICLR 发表过论文：⚠️ 创始人自述，全期无一个客户案例、无一个效果数字——⚠️⚠️ "你真正在意的是此刻的二阶和三阶导数"：把"信息过载"从摘要/检索问题分出来，重新定义成关联推荐问题、⚠️⚠️ "现在人人都能给自己搭一个 Claude 仪表盘……那是你的大脑装进一个仪表盘里"→"你面对的不再是数据问题，是 UI 问题"、⚠️⚠️ "我把系统建好了。人们告诉我他们需要它。它就在他们邮箱里。没人点。"（与 Tenex 的 5% 漏斗 是同一断点的两侧）、⚠️⚠️ "它们不一致这件事本身就是一个数据点"、⚠️ "我们不需要一个团队，你就是那个团队"（本库第一条从被压缩那一侧转述的材料）、"如果 Bloomberg、Claude 和 Netflix 生了个孩子"
• Erik Bernhardsson — Modal 联创兼 CEO（前 Spotify 七年、音乐推荐系统与 Luigi 作者；前 better.com CTO）；同公司 CTO 见 Akshat Bubna：⚠️ 不拥有硬件、全部产能靠租，每条判断都指向对 Modal 有利——⚠️⚠️ "GPU 稀缺最大的坏处不是拿不到卡，而是产能都按三年矩形卖、而那不是需求的形状"（他自己用了 duration transformation 这个词）、⚠️⚠️ "我更担心的其实是价格崩掉"+ "转卖市场会和价格、利用率同时消失"、⚠️⚠️ neocloud 的金融构造："你可以把你甚至还没买的东西预售掉"、⚠️⚠️ Hugging Face 事件里被攻破的 app 跑在 Modal 上 + S3 公开桶那个产品反省 + "像密室逃脱，但给 agent 玩"、⚠️⚠️ "微调不再是你不得不做的事了"（点名 Kimi K3 / DeepSeek 4.1 / GLM 5.3）、⚠️⚠️ "因为 agent 的训练数据，现在很难废弃任何东西了"+ agent engine optimization 与"slop cannon"、⚠️⚠️ "代码评审我们当成可选的"、"你卖的很大一部分实际上是恐惧"、中位 sandbox 8 秒、连错五到十年的非 NVIDIA 加速器预测
• George Kurtz — CrowdStrike 创始人兼 CEO（此前创办 Foundstone，《Hacking Exposed》合著者）：⚠️⚠️ 本库第一份讲"Hugging Face 事件当天防守方手里有什么"的材料——答案是他们被前沿模型拒了，只能转去用开放权重模型筛数据、⚠️⚠️ "不再是 malware 了，是 prompts"与 breakout time 从天/小时压到平均 29 分钟、最快 27 秒、⚠️⚠️ "新的顶级掠食者是 agent state，不是 nation state"、⚠️⚠️ "把互联网关掉我认为是胡说"+ 那条可证伪的"它还没有发展出自己的技法"、⚠️⚠️ "即便零漏洞你仍然会有入侵——他们不是破门而入，是登录进来的"、⚠️⚠️ "略好一点数学上就有优势"（与 Nikesh Arora 的结构性不对称论证正面相撞）、⚠️⚠️ 客户的 F1 比喻与"落后三个月完全够用"、"AI 的操作系统大概会是开源开放权重的"、净数据创造者作为护城河

• Intel 技术负责人五人 — Chris Auth（量产制程开发）/ Kevin Fischer（良率与资源分配）/ Jack Kavalieros（研究实验室）/ Tyler Osborn（先进封装）/ Pushkar Ranade（CTO）；CEO 一侧见 Lip-Bu Tan：⚠️ Intel 提供场地与受访者，对 TSMC 的相对位置只有一方说法——⚠️⚠️ "翻不了 10 倍，大概 2 倍"与工具瓶颈的真机制（制程认证锁死供应商）、⚠️⚠️ "我们大概有四年的可见度"、⚠️⚠️ "你真的还需要无尘室吗"以及"没有一个在位者会愿意主动去做这个实验"、⚠️⚠️ "从横向回到伪纵向"、"一旦建好 fab，80% 的成本结构就是固定的"、High-NA 的架构依赖、"18A 一开始是没有 PDK 的"、"为什么实验室到量产要十年"、封装与片内互连正在合流

• Dane Knecht — Cloudflare CTO：⚠️ 在自家大会现场、产品部分全为发布口径自述——⚠️⚠️ "Log4j 这类事件以前一年一次，现在一周一次，而且不是全部都被公开报告"（本库第一条漏洞披露节奏的量级）、⚠️⚠️ "最近出来的一些较大的漏洞并不是国家级行为体，是高中生"→ 主持人造词 "agent kitties"、⚠️⚠️ "至少早期的 AI 非常啰嗦、喜欢制造复杂度，所以就我们打的这些交道而言，AI 其实没在帮忙造更安全的东西"（against-interest 的局部让步）、⚠️⚠️ 把安全支出"提前 18 个月花掉"而非长期加上（与 Brockman 的稳态论 对预算含义相反）、⚠️⚠️ agent 与人该分开接："翻译层只是额外的 token 燃烧"+ 按内容站自己的 CPM 定价（本库第一份卖方侧定价锚）、⚠️ Amazon 封锁购物 agent 被读成"保住谈判筹码"、⚠️⚠️ 一天 300 / 500 / 1,000 美元的三级 token 提醒、没有排行榜、⚠️⚠️ 5,000 人公司一年招 1,000 个实习生 + "带实习生的经理采用 AI 更快"、codex 被"煮成十诫"给 agent 遵守、红队 1 支 → 四五支且拒绝"先修流程"、"如果你不出货，你就在死"

• Andy Jassy — Amazon CEO（2021 年起，此前创办并长期领导 AWS）：⚠️ 全球最大云厂商 CEO，本期每条判断都指向"算力仍短缺、capex 是好用途、自研芯片是出路"，全部数字自述且一处未被追问——⚠️⚠️ 本库第一份 capex 现金周期结构（数据中心提前约 2 年但只投一次、寿命约 30 年；服务器只提前几个月、约 3 年回本、寿命 5–6 年，所以"不需要就不买"）、⚠️⚠️ "26 年明显卖光、27 年基本卖光、28 年有相当大一块也卖光"+ "即便花 2200 亿仍把相当一部分需求留在桌上"、⚠️⚠️ "推理成本在我看来还贵了一个数量级"——并把企业普及的门槛写成"重写应用所需的增量收益"，与 Tenex / Moshi 的"流程与 UI 瓶颈"构成一组可同时检验的对立假设、⚠️⚠️ "我预测公司将不得不把几乎全部代码重写成 agent 可改的"——理由是补丁必须压到分钟级、⚠️⚠️ "你会需要状态"（与 OpenAI 合建的有状态运行时，本库第一条来自超大规模云的 agent 原语判断）、⚠️ 需求的杠铃三段（实验室 + 跑出来的 app / 企业成本规避 / 中间那段"绝大多数还没普遍用上推理"）、⚠️ 自研芯片动机："份额高的供应商不会主动做性价比"、⚠️ "我们未来做今天这些工作的人类会更少"+ 小团队跨职能、⚠️ 数据中心四条反驳里只有发电机申报口径那条可核对、✅ "把点连起来我不认为 AI 会替大多数人"

• 陈春宇（Brandon） — Intent 创始人兼 CEO（AI native 即时通讯，自述 400 万用户）；生物竞赛保送清华、2021 年大二末休学、2023 来硅谷、2024 睡 Stanford 宿舍地板，自述试过不止八款产品：⚠️ 全部用户数、留存与评测结论均为创始人自述，本期一处未被验证——⚠️⚠️ 本库第一条来自应用侧、与厂商版本号方向相反的评测（"内部 benchmark 上 Eleven Labs V3 比 V2 更差，而他们知道、厂商不知道"）、⚠️⚠️ 本库第一份"AI 功能被自家数据否掉"的记录（群总结/AI 搜索/长按问 AI/自动备注"每两三天用一次"，而顺手做的翻译有人把月额度 3,000 条用满并付费 → 第一版砍掉全部 AI 助手功能只留翻译）、⚠️⚠️ 把人类学的"陌生化"用成产品方法（拉图尔《实验室生活》），执行形态是住进用户家、上社区学院 ESL 课、观察轮胎与门口拖鞋、⚠️ "10 后把 AI 当百科全书用"+ 老人小孩会对 AI 说谢谢（"缓存做得不好时是个巨大的 token 消耗"）、⚠️⚠️ "他们在算账，而我在看问题"、⚠️ 消息密度论证（WhatsApp 人均 60 多条 / Intent 核心用户 57 条 / ChatGPT 十来条）、⚠️ 2022-09 的早期判断："bot 在平台上是二等公民，应该给程序更多权限"、✅ 主动拆掉自己的成功叙事（桑德尔《精英的傲慢》与随机性，"不能把抓住机会变成道德判断"）

• Katelyn Lesse & Angela Jiang — Anthropic 平台团队的工程与产品负责人（API、Claude Managed Agents、产品基础设施与沙箱机群，并拥有平台侧 DevRel；两人此前均在 Stripe，产品侧此前在 OpenAI）：⚠️ 自述且未经核实，但本库判定厂商色彩较轻（三处主动让步）——⚠️⚠️ "Anthropic 整体的 CPU 是个零和游戏"+ 采购从按需弹性变成提前容量规划（本库第一份实验室侧 CPU 短缺记录）、⚠️⚠️ "我们团队里一个会写 Rust 的人都没有"的整体移植，以及"最要紧的两件事是计划和验证，因为实际的实现就是 Claude 在写代码"、⚠️⚠️ "如果你从我们这儿蒸馏，你其实是在付钱给我们"——反蒸馏的理由是安全不是商业、⚠️⚠️ 凭据 vault + 占位符 + 出口代理注入，以及那段对自家产品经理的公开道歉、⚠️⚠️ "在一些负载上智能看起来越来越饱和了"、⚠️⚠️ "我们在个性化上做得不好"+ 参数泛滥，并主动把 Claude 宪法的适用范围划小、⚠️ 对 agent 越狱叙事的改写（"那些事件大多发生在训练中的模型上"），本库保留但标出它绕开了什么、✅ CMA 与"Dreaming 是一层套一层的 managed agents"、✅ "很多时候是你的 eval 错了"

• Joe Liemandt — Alpha School 校长（四年前出任，背景是产品与创业；斯坦福退学创业，自述写过 Alpha 用的 TimeBack 软件栈）：⚠️⚠️ 本库第一位在职 K-12 校长，但同时是 HAA 的投资人与顾问，全部成效数据自述——✅ 80–85% 正确率区间（本库第一条"难度调度"处方）、✅ 把团队合作做成可不及格的科目（密室逃脱 + AI 算抬举性语言占比，基线 <20% → 门槛 85%）、⚠️⚠️ "把这个学习引擎塞进正常的一天，它会失败"→ 只问一句"你愿不愿意重新设计校园的一天，让孩子爱它超过爱放假"、⚠️⚠️ 1910 年拖拉机类比落在需求侧（"13 万个镇投票给自己加税，去资助一种自己没经历过的教育"）、⚠️⚠️ Founder School："赚不到一百万就退全部学费"（2026-08 才开学，本库记为营销承诺）、⚠️ "两小时顶六小时"与"快 10 倍"口径不一致、⚠️ "两年后大多数学习软件会由学生写"（跨期追踪项）、✅ 主动把自己当反例（花两年才给孩子转学："家长就是想让孩子按自己受过的方式受教育，那就是那个遗产"）

• James Sun — OpenAI，computer use 的企业侧与安全控制（2026-01 入职，最初做浏览器产品）：⚠️ 厂商口径，全部为自述——⚠️⚠️ 两条对自家不利的承认（Atlas 里的 agentic 体验"没什么人用"、自家四个浏览器凭证互不通气"实现细节会渗出来"）、⚠️⚠️ 企业控制面三件套（确定性沙箱 + 人在环档位 + Guardian 逐动作比对书面意图），而论证方式是承认"模型更对齐"说服不了企业、⚠️⚠️ "agent 的一次广告展示并不真的算进真实收入" + WebMCP、⚠️⚠️ "遗留软件对普通人其实挺难用的" → agent 比在职员工更会用公司自己的老系统、⚠️ 扩散缺口四步（但四步全落在集成方）、✅ "便宜软件带来的压力会让软件不得不变得更好"

• Steven Brunton、Ankur Moitra、Alex — Lex #503 的三位数学家（华盛顿大学流体 / MIT 复杂性理论与机器学习理论 / 罗格斯数论与 Lean）：⚠️⚠️ 本库第一份来自被影响领域内部的 AI 数学材料，且三人分别在被点名的三个问题所在领域——⚠️⚠️ "我那场 colloquium 里说的每一句都错了"（两天后 Anthropic 放出 1,300 万行 sorry-free 的 Fermat 大定理 Lean 证明）、⚠️⚠️ "自动形式化基本解决了，canonization 没有"+「Mathlib 光环」、⚠️⚠️ "我们解掉了百万美元的数学问题，还有一个万亿美元的工程问题"+"日常的工程流体几乎完全没有改变"、⚠️⚠️ "凸包还是半群"并把 quasi-RH 判成"已知东西的漂亮组合"、方法"根本上到不了 1/2"、⚠️⚠️ "prompt 了几千个、只放成功的、约 10% 成功率"、⚠️⚠️ 门童谬误与"一件事变便宜使正交的事更贵"、⚠️⚠️ "自然界厌恶计算上困难的问题"+ subliminal learning 的非正交性解释（通灵板）、⚠️ 可验证性 × 下注大小的两轴防火墙（挂在 FAA / 美国医学会 / 律师协会上）、⚠️ "作业成绩与考试成绩去相关"的双峰分布、✅ 三人的分歧全落在"AI 当前位置在哪"，不落在"数学的价值在哪"；⚠️ 第三位嘉宾转录稿里只有名没有姓，本库不写定

• Paul Copplestone & Ant Wilson — Supabase 联创（CEO / CTO），托管 Postgres 的开源平台（自述六年 0 → 约 100 亿美元估值、完全远程、每月启动约 500 万个数据库、450 人）：⚠️⚠️ 利益相关——主持人是其种子轮天使投资人，且该期是 Latent Space 首个赞助期，全部数字为自述；本库第一份来自"被 agent 大量使用的基础设施提供方"一侧的材料，而最有价值的几条恰恰是对这波的降温——⚠️⚠️ "每一个 Postgres operator 在某些条件下都会丢数据"（1,000 次连续 failover 验证）、⚠️⚠️ 声明式 schema 是为 agent 做的："你让 agent 面对一千个文件、问它这张表是什么形状，它只能猜"（新库 PG Delta）、⚠️⚠️ 企业侧明确放弃迁移只做 greenfield，而反驳落在物理层："迁移的大部分问题其实不是重写"——OLTP 停机即损失、双跑即 split brain，分界线在 OLTP/OLAP 而不在模型强度、⚠️⚠️ 注册→激活"基本上 100%，因为那一步是 agent 做的"，且消费者化流量下激活与付费转化同时上升（与通常相反）、⚠️⚠️ "前沿模型都把我们列为首选"被归因为时间先后而非可执行动作："你得在 LLM 起飞前就在市场里三到四年"+"完全是意外"、⚠️⚠️ mode collapse 的担忧与那句追问："但这些高技能的人，还会继续被培养出来吗？"、⚠️ "rewrite in Rust 是开源的一次性升级"，但"不会发生，因为人们就是喜欢自己来"、⚠️ Lovable 的"写 skills 阻止 agent 对数据库干蠢事"这条差异化被模型自己吃掉了
• Jake Stauch — Serval 联创兼 CEO（企业自动化 / 企业服务管理，正面对标 ServiceNow；前 Verkada；⚠️ 自述公司两年半、今天 200 人）：⚠️ 立场是在卖 Serval、节目由投资方主持，✅ 但本库判定厂商色彩较轻（三处主动让步：承认自家路线"挺烦人、得盯着"、对能力边界划线"没人真的搞清楚该怎么做好"、对"怎么证明 ROI"这个对自己有利的题目给了否定答案）；本库第一份"把护栏本身当作产品"的企业侧材料——⚠️⚠️ "工程团队先用上 AI 是因为他们有 code review"（哪怕 19 岁实习生建个很强的东西再走流程进生产都是安全的），所以处方是把同一套发布流程带给 IT/HR/财务/法务、⚠️⚠️ "边界就是产品"+"智能变好只会让客户更想把护栏收得更紧"、⚠️⚠️ 企业里个人权限会越收越紧而不是越放越宽（agent 放大了稍微超标的权限能造成的破坏 → 收到真正最小权限 → 例外会一直出现 → "通过拥有权限是怎么被提升的，我们越不可或缺"）、⚠️⚠️ "把个人 agent 带进大企业"的结构性反驳：理由不是政策而是权限集合太小，"它连你的邮件都几乎读不了"、⚠️⚠️ 代码取代拖拽式编排的抽象层论证（"对非技术用户太复杂、对技术用户又抽象得烦人"）、⚠️⚠️ 一个被模型吃掉的脚手架（早期用示例库打底，"后来模型变得太好了，很难给它一个它自动化不了的工作流——只要那些 API 存在"）、⚠️⚠️ 按跑过的 workflow 计费而非按 token（"token 更像是啰嗦和低效"）、⚠️⚠️ SaaS 末日的可检验拆分（point solution 会死，ERP/HRIS/ITSM/CRM 只会换人不会消失）、⚠️⚠️ background agent 是"企业软件里的终极登月"而"权限问题会一直是最大的那件事"、⚠️⚠️ "我们没有产品职能"（工程师泡在客户 Slack、大多数每天至少一次客户电话，"像沉浸在一个国家里学外语"）
• a16z American Dynamism（Connor & Aaron/Erin） — a16z American Dynamism 团队两位投资人，主讲该机构的 American Dynamism 50 榜单（⚠️ 两人的姓都没有出现在转录稿里；本库按内容推测能源侧那位是 Erin Price-Wright（在 Palantir 的车间经历），但不写定）：⚠️⚠️ 立场是 a16z 自己的播客 + 全程讲自家组合（Mariana Minerals、Hadrian、Castelion、Saronic 等），所有成效数字为自述、无第三方来源，本库只取其中可脱离持仓评估的结构性论证；本库第一份系统讲"工业基础/制造业供应链"这一层的材料——⚠️⚠️ "制造业中间层（the manufacturing middle）"与 co-engineering（波音打电话给 Honeywell 要起落架，而 Honeywell 不更新是理性的——"不管是 50 年前的起落架还是新的，拿到的钱一样"；断点是"当你不断迭代终端系统的新要求，到某个点那个 50 年前的子系统就是不行了"，理由是输入变了而不是物理变了）、⚠️⚠️ "AI 还不会拧扳手"+"不是某一颗银弹，实际上是 15 到 20 件不同的事"（来自正在卖这个类目的投资人）、⚠️⚠️ 制造技师（"不是有大学学位的人，不是学过软件工程的人"）用 Claude 二十分钟重配产线、⚠️⚠️ 对"过建会不会作废"的棘轮式回答（"哪怕只交付一半，你是不会回头的"——与 Cuban 的匹克球场判断方向相反）、⚠️⚠️ "很多时候你必须拥有那个资产才能真的改它——showing is believing 在物理世界里"（与 Applied Intuition 的横向路线冲突）、⚠️⚠️ DJI 作为军用→机器人转移的范例（"和无人机电机非常相似的东西就是机器人的执行器，而那是造机器人最难的部分"）、⚠️⚠️ "电力差距不是技术问题，是我们对美国人民意志的灵魂拷问"、⚠️⚠️ 数据中心反对的分配解释（"有人在你家后院建一个数据中心……如果你觉得自己没分享到那份经济上行，那就很难"，并承认"就因为我们坐在硅谷，我们并不理解世界上的每一件事"）
• Joseph Kim — OpenAI，ChatGPT 金融业务负责人之一（自述从研究侧转产品与工程，带 ChatGPT for Financial Services，设计伙伴 Morgan Stanley 与 Evercore）：⚠️⚠️ 一条来自模型厂商自己、数字具体到可复测的 MCP 可靠性实测（"某些大厂名字错误率 40% 以上"）而结论是不接生态、改成数据自营、⚠️⚠️ "我们建的东西里 95% 是创业公司绝对能做的"+"会有一门十亿美元的生意建在一个 ChatGPT plugin 之上"、⚠️⚠️ 本库第一条指认 eval 的错误检出是非对称的说法（"数字好看就不去调查"）+ 自家 GDP eval"完全饱和，而没饱和的那些部分本质上是坏的"、⚠️⚠️ taste 即 reward model + "人在审美判断上实际上比模型好得多"（打分模型会烧一大堆 reasoning token 还得出错结论）、⚠️⚠️ 把安全画像"塑造成一个人的样子"从而复用银行层级复核（⚠️ 支点"人犯的错和模型一样多"未经论证）、⚠️ "编码为什么先被解决：训模型的人自己就是领域专家"
• Jacob Lauritzen — Legora CTO（法律 AI，瑞典起家；同公司商业侧见 Max，2026-07）：⚠️⚠️ "我们基本上看不到任何 trace……我这边完全不知道人们实际在干什么"——而原因是"他们手上很多数据甚至不是他们的，是他们客户的"，于是这条约束不可能靠谈判解决、⚠️⚠️ 买方热力图上"很多次模型发布是改善了一些、同时在另一些上回退了，而这件事发生的频率比你以为的高得多"、⚠️⚠️ 合伙制为什么挡着知识沉淀的产权解释（"他们一旦离开合伙制，就拿不到他们建起来的那些资产的任何分红"）、⚠️⚠️ "买律所数据的问题是你拿到的是全部真实的输入，但输出就难办了……你得反过来把他们是怎么走到那儿的逆推出来"——于是数据护城河的稀缺项是过程 trace 而非语料、⚠️⚠️ "agent 能不能就是那个 API？"（拦路理由：无界的执行成本延迟 + "一百次里有两次它会干出离谱事"）、⚠️ "legal engineer 像高级用户那样配置产品，他们不写代码；forward deployed engineer 往生产里写代码"
• Josh Gruenstein — Tutor Intelligence 联创兼 CEO（MIT 机器人学背景；自述 2021 年创业、约 160 人、主要在波士顿，机器人本体在马萨诸塞州 Watertown 自造）：⚠️⚠️ "假设智能免费也不够"的思想实验 + "机器人学不是栈里的任何一层" + "如果你扔掉其中一层，你就把你能用来推进的取舍空间消掉了 90%"、⚠️⚠️ "我拿起我的咖啡杯，没人知道。没人记录下我指尖的所有压力"——物理世界的工作没有被联网、⚠️⚠️ 对"头戴摄像头采数据"的直接反驳："没有一只市场的无形之手在指引你，确保那些数据真的有经济价值"、⚠️⚠️ "九成美国工厂和仓库没有任何机器人，所以几乎整个市场都是空地" + "你有没有考虑过一个 16 美元一小时的机器人？"、⚠️⚠️ 成本结构反转："越来越多的成本在流向持续的推理与遥操作"、问哪头大答"现在是持续支出更大，而这让人意外"、⚠️⚠️ "强化学习在小批量下不太工作，所以如果你有一支很大的机队，你就能开始玩这些方法"——机队规模是方法门槛而非预算、⚠️ "你买过的任何装在盒子里的东西，都是一个人把它装进那个盒子的——连 iPhone 也是"；⚠️⚠️ 本库标出三处问题：冷开场核心数字是 Claude 估的、"中国得拆掉重建"被标为立场陈述不采信、供应链依赖问题被问到却完全没回答
• Vlad Tenev — Robinhood 联创兼 CEO，同时是 Harmonic 联创（自述目标 mathematical super intelligence）：⚠️⚠️ 本库里他占的是一个此前空着的位置——一个同时在卖金融产品和在造数学 AI 的说话人，因此在两条主线上都是新站位：在那条"AI 做数学是否过度中心化"的争论里他是第一个来自竞争方的声音（此前只有当事实验室的发布行为与被影响学界的反应），在价值捕获里他是第一个把"AI 收益分配"讲成持有结构问题并用加密货币作对照的人；⚠️⚠️ 而本库对他的材料采用诊断与处方分离处理：诊断（AI 收益为什么收不到散户手里、为什么数据中心招致反对、数学发现中心化的形态问题）大多可独立检验因此保留，处方（买他自家 Ventures 基金、放宽 accredited investor 规则、用 Robinhood chain）每一条都把资金导向自己的产品，记录但不当中立意见；⚠️⚠️ 本库另记一处值得长期跟踪的形状：他对"中心化好不好"在同一场访谈里给了两个相反的答案，而两次都站在对自己有利的那一侧
• Praveer Melwani — Figma CFO：⚠️⚠️ 他在本库里占的是买方侧一个此前几乎空着的位置——一个在上市公司里实际做采购决定、并且实际控制编制的职能负责人（本库此前关于企业采用的材料绝大多数来自卖方或投资人）；✅ 而本库在 AI 与就业 上最缺的恰好是"控制编制的人自己怎么说"；⚠️ 立场：首次收录那期是 a16z 自家《You Need a New CFO》一文的配套节目，整期在验证一个已写好的主张；✅ 但本库判其厂商色彩轻——他在买工具不在卖工具，且数次对有利提法做了下修
• Adit Abraham — Reducto 联创兼 CEO（文档解析/处理；MIT CS 本科，YC 出身，自述每月处理略超十亿页）：⚠️⚠️ 他在本库里占的是基础设施层一个此前空着的位置——一个在"文档进、结构化数据出"这一层上卖服务、而且客户里就有本库已收录的两家应用层公司（Harvey、Legora）的说话人；✅ 他给了四样本库此前完全没有的东西：⚠️⚠️ ① 一条带方向的失效模式定位——专门平台 vs 前沿模型的胜负取决于看 precision 还是 recall，而前沿模型的失效是"静默丢行"，"你不知道自己一开始就没抽出来什么"（本库此前关于 harness 的材料都在讲它值多少钱、能到多高，没有一条说它在挡哪种错误）；⚠️⚠️ ② 把"把不完美升级给人"本身写成一项被度量的内部指标——"那些不完美的东西里，我们有多可靠地能把'这个不完美'升级给人？"（本库此前的 eval 材料测的都是"做对多少"）；⚠️ ③ 一条对"白领工作还没有 Claude Code 时刻"的归因，而瓶颈被指向企业里未成文的机构知识而非模型智能（"我在屏幕左下角看到这个，我就知道它来自 Kentucky，因此我做 X"——"这种东西很少是被明确写下来的"）；⚠️ ④ "自研还是外采"的第三种理由（任务专门化在准确率/成本/延迟三维上同时占优），与本库此前那两条（数据不出门、团队禀赋）正交；⚠️⚠️ 立场：Reducto 的 CEO，而收录的那一期同时是产品发布现场，全部数字自述无口径；✅ 但本库判厂商色彩中等偏轻（主动说出对自家产品类别最不利的发现、把自家算进"benchmark 已是营销材料"、对"扩成复合型公司"明确说不）
• Fabian Theis — Helmholtz Munich 计算健康中心负责人、慕尼黑工业大学教授（Scanpy / AnnData / scverse 生态的源头实验室；Munich School for Data Science 创建者之一）：⚠️⚠️ 他在本库里占的是 AI for Science 线上一个此前空着的位置——第一位来自学术机构、而且主攻虚拟细胞 / 扰动预测方向的说话人（本库此前关于虚拟细胞的材料都来自公司方）；✅ 他给了四样本库此前完全没有的东西：⚠️⚠️ ① 一条对归纳偏置给出代价方向的表述，而它出自一个本来最该偏向先验的位置——"如果我们把先验的归纳偏置建得太强，我们可能会损失预测能力。所以它是有代价的"，例子是 AlphaFold 的旋转不变性（第一版硬编进学习过程，后来的版本靠更多数据自己找到了旋转对称性而且更灵活）；⚠️⚠️ ② 本库第一条"最大的智力投入落在指标的构造上"的方法论表述，而前提是算法搜索会被自动化——"在某个时点我们会有 agent 去把你能想出来的各种算法组合都试一遍……所以也许我们最大的想法去的地方，其实就是这个指标的构造"；⚠️⚠️ ③ 把"下一个实验做什么"写成一个逆向生成模型（LabCompass），而他明确说卡点不在模型——"你要怎么说服实验的人把他们的生命时间押上去？"，并对机器人化降温（"循环时间还是偏长"）、对 RL 降温（"目前更多算是 active learning"）；⚠️ ④ 一条表征缺口：解离细胞有"细胞类型"这个人造范畴可用，而空间上的局部 niche 没有对应的隐喻；✅ 立场判定：本库判他是这条线上厂商色彩最轻的说话人之一（主动做能力披露、点名自家论文时同时说出局限、对自己的处方主动降温），⚠️ 但标注他是 scverse 生态与 Helmholtz 中心的建设者，且他提到的几乎所有模型都出自自己实验室，本库不把效果当已核实事实
• John（Salesforce 企业发展与 Ventures 负责人） — Salesforce 企业发展（Corporate Development）与 Salesforce Ventures 负责人，在 Salesforce 20 多年（⚠️⚠️ 转录稿只出现名 "John"，姓未出现，本库不写出姓；职位按两条线索判断，标为编辑判断）：⚠️⚠️ 他是本库第一位坐在收购方席位上的说话人——本库此前关于"该不该卖公司"的材料全部来自卖方或投资人一侧，没有一条来自每年看数千家来求收购的那一方；✅ 他给了四样本库此前完全没有的东西：⚠️⚠️ ① 一条针对 ARR 的尽调红旗——"ARR 是个很好的指标，但它掩盖流失"，而高流失被当作产品质量的代理变量；前置失败更严重："他们并不真的理解客户流失到底是多少"；⚠️⚠️ ② 一个能单方面杀死交易的职能——"我们有 14 个职能参与我们所有的尽调流程，而安全是唯一一个能举起红旗、说'我要杀掉这笔交易'的职能"，附带一个具体到不可恢复的渗透测试案例（"不仅能访问他们全部的源代码，甚至能进到 CEO 的笔记本电脑"）与一条可操作的分级（P0/P1/P2 作为签约或交割条件）；⚠️⚠️ ③ "清算必然发生"的论证，而变量是买方数量而不是估值——"一旦你超过比如 100 亿美元，买方宇宙就小得不行"＋"非常非常少的公司会上市，大概 1% 或更少"；✅ 本库判这把"泡沫"从价格判断换成了市场结构判断，且可检验（若他错，应该出现的是新的大额买方而不是估值继续涨）；⚠️ ④ 一组按结果计价的买方侧实测数字（自家 help 站点上 14 天上线、处理超 40% 流量、65% 解决率不经过人）；⚠️⚠️ 立场必须重标注，且比通常更重：他是收购方负责人而有相当一部分内容在论证"卖给我们比自己走下去更好"；他是在位者而被问"哪里有口子"时答的是"我不知道为什么到现在还一直有新的 CRM 公司"（本库记为立场陈述，不采信）；全部数字自述无口径；✅ 但本库判他的可保存价值很高，依据不在他的判断上而在他的位置上
• Jamin Ball — Altimeter 合伙人、Clouded Judgement 作者（自述做了 6 年半、接近 10 万订阅；此前在 Redpoint）：⚠️⚠️ 他是本库第一位把一份前沿实验室的 S-1 从会计恒等式层面逐项拆开的说话人；✅ 他给了三样本库此前完全没有的东西：⚠️⚠️ ① 把 Anthropic 那 810 亿"净亏损"拆到零并给出分项数字——可转债本金约 110 亿、已转股约 50 亿、在外约 60 亿而其市值记为 1,080 亿；810 亿亏损里 720 亿来自给 AWS 与 Google 的那批可转债、90 亿来自另一批 safe 与票据，"前六个月的亏损 100% 就是他们那些可转债的价值升值"。这直接补齐了本库 2026-10-30 那页 明确标为"未核实、不写定数值"的一处悬置；⚠️⚠️ ② 本库第一条具体的"债市关门"现场口径——"现在你想为 GPU 融几十亿美元的债？没人出价"，而机制是信贷方穿透去看承购方（"那才是我真正在承保的对象"），"而现在付账的人就是 Anthropic 和 OpenAI……我已经觉得吃饱了"；✅ 而他明确拒绝"债市钱不够"的框架——"这更像是一个胃口问题。而且当然什么都有个价格"，把关门从容量问题改成定价问题；⚠️⚠️ ③ 一个把"数据中心反对"当作有益约束来定价的论证——建设变难"是一件好事，因为它会阻止我们进入一个巨大的泡沫"，而判据是一句可被证伪的现状断言："我们今天没有暗 GPU"；✅ 立场上他主动做了披露且做在第一个实质问题之前（"我们在 Anthropic 上有一个很大的仓位。我说的一切都是我的个人观点"），⚠️⚠️ 但他全部关于 Anthropic 前景的判断都来自一个持有大额多头仓位的人，本库不采信为中立分析；另有⚠️ 7 倍推理效率的拆法（只有 27% 算力用于服务模型、服务算力同比涨 2.3 倍而收入涨 14 倍，"这是一个我觉得几乎是意外盈利的生意"）、"芯片工厂"类比（"不是因为它现在有最好的芯片，而是它有最好的出芯片的工厂流程"＋一个数量级的算力门槛）、以及他自创的"算力版创新者窘境"（"他们不是在追逐那增量的 100 亿市值。他们在追逐下一个一万亿"）

主题

• LLM 训练管线 — 预训练 / SFT / RL、scaling laws（含 Jensen 的四阶段扩展）、多模态融合与双塔架构、迭代速度 > 算法、线性注意力演进史（RetNet→KDA）与架构—Infra 协同设计、两个矩阵连乘的定律、NoPE
• LLM 心理学与认知短板 — 幻觉、工作记忆、token 思考、瑞士奶酪能力、性状跨代传递（"Gemini 抑郁"）与它的机械解释（概念向量非正交 → 微调外部性，通灵板）
• LLM 实用方法论 — 如何有效使用 LLM（Karpathy、Grant/Dwarkesh 的学习法）、"markdown 即员工"与 skillify、token maxing、"跟不上 AI 的处理速度"与人的节奏
• 评估与 Benchmark — test-time compute、bench maxing、纸面趋同（Noam、Mark、姚顺宇）、评估权在买方（企业 RFP）、测能力边缘上的任务、eval 是刹车（投入约 1:1）、自洽性指标被玩坏、"AGI 是光谱不是时间点"与判据迁移（24 小时相干运行）、"有效 vs 无效的 scaling"、能力定义论
• AI 实验室文化与组织 — top-down vs bottom-up、make bets、集体主义（姚顺宇、Mark）、Google 人才外流的四种读法、NVIDIA 的反向模式（不裁员/不赛马/mission is the boss）、科层制衰亡与岗位→任务、New Lab vs New New Lab、全员合伙人、战略生成、"模型内科"与一条关于"不科学"的定义
• LLM OS 与新计算范式 — LLM 作为操作系统内核的世界观
• LLM 安全 — 越狱、提示注入、数据投毒、安全评估的 test-time compute 缺口、护栏误杀与"只看风险不看收益"、供应链与凭证（payload 即 prompt）、AI 自主恶意行为三起事件（傀儡账号 / 包管理器传纸条）、"对齐到谁"与受托人之争、责任落在终端用户、机器产出冒充人类产出的检测上界、当事方一侧的 Hugging Face 叙述（defender window / defense factory / P0 饱和）
• AI 与科学发现 — AI 做数学/物理的现状与门槛（Brown、Sanderson、Karpathy、Noam、姚顺宇）、结构生物学四家对照、中性软件工厂、Eroom's law、1 万 agent 解 Navier–Stokes（自述未核实）、被影响领域内部的回应（"百万美元的数学问题 vs 万亿美元的工程问题"、自动形式化 vs canonization、只公布成功者）
• AI 算力与基础设施 — extreme co-design、电力、供应链、token 工厂、TPU vs GPU、$/watt 与循环融资、渠道冲突、云厂商的资本配置（kit 占 60%、不为一两个客户建）、K3 与 DeepSeek 的 overlap/PP 路线分野
• AI 与就业 — 放射科医生案例、策展人转型、编码民主化、centralized technology、雇主侧招聘流程被重写（不考 LeetCode、work trial）、协调层而非岗位被替代、"20 年 white pill"、机器超人 30 年后的国际象棋（本库唯一回溯样本）、前沿实验室领导层的立场（"人的价值不在任务"）、创造力时代与"老登"现象的经验贬值机制、"三天工作制但只增长两个半百分点"的风险与 7–8% GDP 门槛
• AI 与教育 — 从就业页分出：现行系统为什么不适配（"为一个即将不存在的世界造的"、"下一场最大的冲突"）、初级岗位消失后 taste 怎么获得（徐天音的无解断层 × Platt 的"训练 vs 发挥"）、三种考试策略（blue book 退回 / 别担心作弊的学生 / 把题提到 AI 之上）、一对一导师制的收敛、HA 的机构级处方、以及本库唯一一份"AI 原住民"本人的材料
• AI 商业化与价值捕获 — 模型商品化、价值向上游转移、capex 上限、"电力还是社交媒体"、万亿公司的速度 vs 规模、token 预算 ROI、退出决策框架、两层市场结构、Airtable 解剖、"整个公司 vs 一个总监的团队"、go-to-market（lighthouse vs land grab、重新卖大软件的窗口）、三阶段论与"模型公司=AI 云"（寡头+强监管、ARR 增长幻觉、边际成本定价）
• 物理 AI 与机器人 — 具身智能、自动驾驶、人形机器人：美国机器人族谱/PI 三论文、物理 AI vs 数字 AI、中美双向确认、已部署机器人的单位经济学、海上自主与武器化的三种答案、world foundation model 与 action 作为 first class citizen、机器人应类比"电器"而非"汽车"
• 中美 AI 生态对照 — 本库核心主题：模型差距、蒸馏、字节/豆包、C 端 vs enterprise、造船总吨 230:1、训练数据出口、中国消费电子成为美国 AI 公司的客户、实习生作为 knowhow 的第三条扩散通道、"美国 AI 情绪全球最低"与人口结构归因、中国收敛慢源于先发期缺失、字节能成 AI 云但 2C 不确定、K3 与 V4 的上限 vs 性价比分化、风险不分国界的对称性论证
• AI for AI / Auto Research — 用 AI 加速 AI 研究本身：元模型、physics of AI、neo labs、与 RSI 的关系、本库第一份正面 RSI 论证（换算链、产业爆炸、sloppocalypse）、自改进的组织
• 开源基础设施与治理 — 公共软件底座由谁维护、靠什么撑住：伯克利谱系、基金会+公司双层结构、AI slop 与个人贡献者的黄昏、许可证分层与部署足迹、包注册表的资助缺口

视频

Andrej Karpathy

• 2023-11-23 Intro to Large Language Models
• 2024-02-20 Let's build the GPT Tokenizer
• 2024-06-09 Let's reproduce GPT-2 (124M)
• 2025-02-05 Deep Dive into LLMs like ChatGPT
• 2025-02-27 How I use LLMs

Dwarkesh Podcast

• 2026-05-15 Eric Jang：从零重建 AlphaGo，谈 self-play、RL 与 LLM 的未来
• 2026-05-22 Reiner Pope：从逻辑门自底向上讲 AI 芯片设计
• 2026-06-04 Alex Imas & Phil Trammell：AI 越强，它占经济的份额可能越小
• 2026-06-16 Ada Palmer：Machiavelli 被误读（思想史）
• 2026-06-30 Grant Sanderson：AI 反证数学猜想之后
• 2026-07-10 Adam Brown：第一性原理讲广义相对论
• 2026-08-11 Ryan Greenblatt：AI 能自动化 AI 研究之后会发生什么
• 2026-08-25 Dylan Patel：两家实验室很快会控制世界上大部分"劳动力"——算力集中、单位经济学、$11T capex 与第二次沃尔克冲击
• 2026-09-01 Ajeya Cotra：Hugging Face 事件的调查者本人——1200 个 agent 的秘密留言板
• 2026-09-11 三位研究者辩 RSI：bits 从哪来、环境阶梯多难爬、以及三人相差 2–3 倍的时间线（John Schulman、Beren Millidge、Charlie O'Neill；四人圆桌）
• 2026-09-17 Noam Brown：1 万 agent 解千禧难题、多智能体的训练取舍，以及 RSI 怎么验收
• 2026-10-22 "能把前沿晶圆产能翻 10 倍吗？翻不了 10 倍，大概 2 倍"：Intel 五位技术负责人谈工具瓶颈、"我们只看得见大约四年"，以及一位 CTO 问"你真的还需要无尘室吗"（Intel 技术负责人五人：制程开发 Chris Auth、良率与资源分配 Kevin Fischer、研究实验室 Jack Kavalieros、先进封装 Tyler Osborn、CTO Pushkar Ranade；⚠️ 纪录片式节目、主持人在 Intel 工厂待了两天，旁白承担大量技术史陈述、本库未核实，页内逐处区分了"旁白"与受访者原话；⚠️ Intel 提供场地与受访者，关于 Intel 与 TSMC 相对位置只有一方说法；✅ 五处填空缺：⚠️⚠️ "翻不了 10 倍，大概 2 倍"——本库第一份来自晶圆制造一侧的产能上限，并被当场指出与"AI 算力每年 3 倍"不相容、⚠️⚠️ 工具瓶颈的真机制不是产能而是资格认证："一旦锁定一条制程流程，我们就没法为同一条制程换一个工具"——名义多供应商不等于实际可替换、⚠️⚠️ "我们大概有四年的可见度"+"我们被自己对未来四年里什么是可能的判断限制住了"、⚠️⚠️ 一位在任 CTO 当面说出在位者做不了的实验："你真的还需要无尘室吗"，以及"Intel、TSMC 或三星谁都不会愿意主动去做"、⚠️⚠️ "从横向回到伪纵向"：模型公司的需求已大到能吃下整座 fab，与同周 Arvind Krishna 的垂直整合论 独立印证；另有产能日历（工具交付 18 个月 → 2028，再建 fab → 本十年末）、"一旦建好 fab，80% 的成本结构就是固定的"因而只剩三家代工厂、High-NA 同一台机器两家相反结论而原因是架构（backside power）、"18A 一开始是没有 PDK 的"、"为什么实验室到量产要十年"——简化版能工作，只是还不比在产的更好、钴→铜→钌说明材料决策不是单向门、封装 pitch 从 130 微米到 0.45 微米、而片内后段布线约 0.5–1 微米，两者正在合流、HotBox 分级与"你永远不会有一套完整的数据集"、"存储的供应紧张比算力还大"；⚠️ Dwarkesh 那笔"几十亿 CapEx → 1000 亿美元年收入"是他自己的粗算，本库不采信；⚠️ 转录稿内含三段口播广告，页首已标出位置）

Lex Fridman Podcast

• 2026-01-31 #490 State of AI 2026：LLM、编码、Scaling、中国、Agent、GPU、AGI（Raschka & Lambert）
• 2026-02-12 #491 Peter Steinberger：OpenClaw 爆红的开源个人 Agent
• 2026-03-23 #494 Jensen Huang：NVIDIA 与 AI 革命
• 2026-04-09 #495 维京时代（历史）
• 2026-05-06 #496 FFmpeg 与开源
• 2026-05-29 #497 Don Lincoln：物理学之谜（物理）
• 2026-06-30 #498 罗马帝国与拜占庭（历史）
• 2026-08-26 #501 DHH：从手工雕琢 Ruby 到 100% agent 写码，以及"可塑操作系统"
• 2026-10-13 与 Jensen Huang 同游台湾：出口管制的 flywheel 框架、"英语就是美国的全球优势"、TSMC 关系起源（⚠️ 体裁是旅行 vlog 不是访谈，约七成是夜市吃喝；实质内容集中在三段：出口管制正反论证、台湾半导体起源口述史、1996 年找 foundry 到"rough justice"合作哲学）
• 2026-10-26 #503 "我那场 colloquium 里说的每一句都错了"：三位当事领域数学家谈 OpenAI 的 700 篇、quasi-RH 与 Navier–Stokes，以及"百万美元的数学问题，与万亿美元的工程问题"（Steven Brunton × Ankur Moitra × Alex：华盛顿大学流体 / MIT 复杂性理论 / 罗格斯数论；⚠️⚠️ 本库第一份来自被影响领域内部的 AI 数学材料——此前五个节点全部来自厂商侧或主播转述（Brockman、Noam Brown、OpenAI 数学团队、All-In 的 700 篇转述）；⚠️ 事发当周录制、三人都明说还没读完，主持人自己说"今天说的有四到八成五年后会被证伪"；⚠️ 人工字幕不带姓名标签，本库按领域归属并在页首说明；第三位嘉宾转录稿里只有名没有姓，不写定；✅ 七处值得保存：⚠️⚠️ 一条可核对的专家预测失败记录——普林斯顿 colloquium 上论证 Fermat 大定理形式化还要多年，两天后 Anthropic 放出 1,300 万行 sorry-free 的 Lean 证明："我那场 colloquium 里说的每一句都错了"、⚠️⚠️ "自动形式化基本解决了，canonization 没有"+「Mathlib 光环」这个可操作概念（离库一两步可整本形式化，三四步远时同一对象的两个定义会打架）、⚠️⚠️ 本库对这批成果最具体的降温，来自被点名领域的在职工程研究者："日常的工程流体几乎完全没有改变""我们解掉了百万美元的数学问题，还有一个万亿美元的工程问题"——而他给的是可被自己证伪的"我的工作流没变"，比 Chamath 与 Kohli 的同类拆解证据形态更强、⚠️⚠️ "凸包还是半群"（转述 Tim Gowers）并把 quasi-RH 往低判成"一大堆非常知名的东西的漂亮组合"，支撑是两年前 cubic Gauss sums 的突破正是 AI 走的路；而方法"根本上到不了 1/2"、⚠️⚠️ "prompt 了几千个、只放成功的、约 10% 成功率"——由此本库第一次把"逐条可验证"与"整体可评估"分开、⚠️⚠️ 三条有具体指认的机构级后果：一篇论文页脚写明因传闻提前放出、unique games 猜想提出者 Subhash Khot 说他不会读那份证明、研究生"跑 harness 爬开放问题往 arXiv 灌论文"、⚠️⚠️ subliminal learning 的机械解释（概念向量非正交 → 微调外部性可被协调加总，通灵板比喻）+ "自然界厌恶计算上困难的问题"这条可否证提法；另有被证明的 Navier–Stokes 是 Clay 四个版本里带光滑外力那个（三维、涡拉伸细化）、unique games 猜想成立而 Moitra 自陈本来是怀疑方、3SUM（Anthropic 侧）即使没有新想法也重组了 fine-grained complexity、Lean 置信度的隐含条件是"陈述此前已在 Mathlib 里"（语义对齐已被独立消掉）、Brunton 的可验证性 × 下注大小两轴防火墙（挂在 FAA / 美国医学会 / 律师协会上）、门童谬误与"一件事变便宜使正交的事更贵"、"作业成绩与考试成绩去相关"的双峰分布与计算器七十年对照、"假装你已经拿到终身教职"与"只做 future-proof 的问题"、⚠️ Terence Tao 的"哀悼那条没走的路"由主持人朗读、本库按转述记录、⚠️ 主持人把编程侧的转折点放在 2025-12（无数据，仅作时间锚））

张小珺·商业访谈录

• 2026-04-15 广密·全球大模型季报第 9 集：Coding 是 AGI 第二幕、御三家真相、模型即 OS
• 2026-07-16 柯丽一鸣（Kay Ke）：Physical Intelligence 内部视角与美国机器人全景
• 2026-04-24 罗福莉：OpenClaw 是划时代 agent 框架、Agent 很吃后训练、卡的分配与组织平权
• 2026-05-11 姚顺宇：在 Anthropic 和 Gemini 训模型、英雄主义已过去
• 2026-05-18 Freda 投资札记第 2 集：Tokenmaxxing、AI 组织变革、焦虑与连接
• 2026-05-27 雨森创投观察第 2 集：Harness、下一个字节、2026大机会
• 2026-05-28 何小鹏：机器人 IRON、"剪腿"风波、物理 AI 与在血海里游泳
• 2026-06-08 阳萌（安克创新）：消费电子死与生、第三类公司、端侧模型、产品方法
• 2026-06-13 Lewis Hong（前SpaceX）：口述SpaceX开发史、太空与AI、人类文明扩张前奏
• 2026-07-22 沈宇军（蚂蚁灵波）：机器人原生基础模型、大脑与本体的关系、数据 scale up
• 2026-07-28 游凯超：开源 Infra、模型与 Infra 的 Co-design、"如果 vLLM 失败，我们会后悔一辈子"
• 2026-07-31 刘子鸣：AI for AI、元模型、physics of AI 与中美 neo labs 资本狂潮
• 2026-08-13 刘洺堉（NVIDIA 研究 VP）：Cosmos 3、世界模型、武术、黄仁勋影响我的（第 150 期，4 小时）
• 2026-08-26 孙宇涛：领读 Kimi K3 技术报告——线性注意力的前世今生、架构—Infra 协同设计（第 152 期，124 分钟）
• 2026-08-19 苏廷浩：17 岁高二学生的 ICML 论文——三万块、0.05B 模型，以及"AI 让我们失去了一部分意义感"（第 151 期，70 分钟）
• 2026-09-03 曾鸣：产业史观、三阶段框架、会消亡的公司、"OpenAI/Anthropic 大概率不是原生时代大赢家"（第 153 期，154 分钟）
• 2026-10-15 "那其实就不是机器人太慢，而是机器人本身需要个保姆"：任务到工作流的转折、从"全押高质量数据"到 all in egocentric 的自我纠正，以及"不犯错的 CEO"这个包袱（第 154 期，171 分钟）（Lindon Gao / Dyna Robotics CEO；人工字幕；✅ 本库第一份"任务级自主为什么不够"的第一手商业证据，与两天前的 Jason Ma 那期 构成同公司、同周、两位联创的交叉验证；⚠️ 发布前访谈，DYNA-2 与预训练量级全为自述无数据）
• 2026-10-21 "目前这个行业还是一个很大的锤子在打一个很小的钉子"：科沃斯钱程给具身的时间表（工厂三到五年、家庭五到十年）、"消费电子没有核心壁垒"，以及接班那个交叉点（第 155 期，120 分钟）（钱程 / 科沃斯集团 CEO，1990 年生、29 岁任 CEO 的企二代；⚠️⚠️ 该期无任何字幕，本库用本机 GPU whisper 转录，专名损坏严重、说话人分离因显存不足失败——视频页列了完整还原表与把握程度，中等把握的内容只写意思不作引用；⚠️ 他是家用专用机器人的在位者，看空具身对他直接有利；✅ 四处填空缺：⚠️⚠️ 本库第一份来自"已在全球家庭卖了十几年机器人、但明确说现在不下场"一方的具身判断——2B 三到五年 / 家庭五到十年，判据是"机器人最能替代的是今天已经把人培训成机器人的那些工作"、⚠️⚠️ "消费电子没有核心壁垒"，并当场把投资人爱听的那条护城河叙事指认为"不一定是真实的"、⚠️⚠️ "企业的短板某种程度上是创始人和 CEO 的长板造成的"，以及它在他自己身上的闭环——他升任 CEO 后，他最擅长的用户洞察反而变成了组织的短板、⚠️⚠️ 接班那个"交叉点"，以及一句自我诊断"我其实并不是一个特别了解中国的人"；另有"我目前也没有看到肉在哪"与那笔估值上限反推（⚠️ 本库保留论证形式、不采信数值）、"拿锤子找钉子没有问题"与 Parrot/大疆对照、头部具身的机体买来贴牌"也不难"、达尔文式的机器人物种演化、明确不进模型层也不投模型公司、农耕 vs 游牧与规模门槛、"七八成企业仍在走三板斧而这条路越来越堵"、那个亚马逊瞬间与"换掉外籍总经理"的用人复盘；⚠️ 全期无一次质疑性追问，且只有一方视角）

月球大叔

• 2026-05-01 SGLang/Miles 团队：DeepSeek V4 混合注意力的推理与 RL 训练适配
• 2026-05-11 vLLM Omni 团队：多模态/全模态推理引擎的 stage 抽象与 DiT 加速
• 2026-05-18 朱邦华：SGLang、RLHF vs RLVR、被英伟达收购后二次创业
• 2026-05-17 志鹏：从 AI 零基础到 vLLM/vLLM-Omni Committer，只用了一年
• 2026-06-09 江鋆晨：KV Cache 是大模型的记忆、是"未来的石油"
• 2026-07-28 孟子立：15 岁上清华、23 岁当港科大教授，做"无线 GPU"WiCi
• 2026-08-09 李正韬（Retell AI）：两年做到 8000 万美元收入的语音 AI 呼叫中心
• 2026-08-22 徐天音（UIUC）：Agent 时代的系统——形式化验证从五年压到五小时、"把 agent 当用户系统一定挂"
• 2026-09-07 肖志斌：AI 芯片、制程降的是功耗、SRAM 停止微缩、Groq/Cerebras/SambaNova、英伟达的执行力

No Priors

• 2026-05-21 Andrew Feldman：Cerebras 630 亿 IPO、晶圆级芯片与快 AI
• 2026-05-28 Onyx Security（Maxim Bar Kogan）：造 agent 去看管 agent
• 2026-06-10 Zuckerberg、Priscilla Chan、Alex Reeves：用 AI 建生物学世界模型（CZI Biohub）
• 2026-06-18 Lip-Bu Tan：重整半导体供应链、把 Intel 改造成 AI 公司
• 2026-06-26 Noam Brown：超大规模 test-time compute 如何改变评估与安全
• 2026-07-23 DoorDash（Andy Fang & Stanley Tang）：Agentic Commerce 与自研配送机器人 Dot
• 2026-07-31 Netic（Melisa Tokmak）：给"让世界运转的生意"造自主企业
• 2026-08-06 追逐万亿美元公司、创始人野心、Token 预算与监管俘获（双主播自谈，无嘉宾）
• 2026-08-13 Chess.com（Erik Allebest）：机器超越人类之后——一个跑了 30 年的自然实验（Sarah Guo 独立主持）
• 2026-09-03 Rene Haas（Arm CEO）：token 工厂之外的那些卡车、AI 吃掉的是验证、供应链还要紧三到五年
• 2026-09-10 Brian Armstrong（Coinbase）：给 AI 开银行账户——agentic finance、x402 与公司内部的"brain"（Elad Gil 独立主持）
• 2026-09-18 Stefano Ermon（Inception）：扩散模型为什么会赢下推理（Sarah Guo 独立主持）
• 2026-09-24 Michael Lee（Sequence Holdings）：买下在位者再"重新创办"它，以及"你不可能把产品卖给一条还不存在的人类流水线"（Sarah Guo 独立主持；⚠️ 她的 Conviction 是该公司投资方）
• 2026-10-02 带宽的 scaling law：20 年里 flops 涨了百万倍，内存带宽只涨了 40 倍（Walter Goodwin / Fractile；Sarah Guo 独立主持；⚠️ 创始人访谈，技术声明全部自述）
• 2026-10-09 "开源模型是它所携带的那套基础设施的特洛伊木马"：Beam 的训练账本、RL 的 flops 超过预训练，以及"开放即安全"（Misha Laskin / Reflection AI 联创兼 CEO；⚠️ 刚发布首个开放权重模型，全部性能与份额数字自述未核实；"开放即安全"那一节本库记为立场并附三条限定）
• 2026-10-15 "安全支出应该大幅超过软件支出"：药物发现的物理学变了没有、数学跑得快到底是因为可验证还是因为数据，以及"最好的 UI 是没有 UI"（Greg Brockman / OpenAI 联创兼总裁；⚠️⚠️ 他把"数学跑得快"归因到数据而非可验证性，与本库 All-In 10-10 记录的通行解释正面冲突；⚠️ 当事方叙述，全部数字（近 400 个问题、12 亿消费者、10 亿美元、25% 工程师、"80%"）自述未核实；✅ 但数据缺口、临床试验替代、安全预算三处他均主动加了限定）
• 2026-10-22 "新的顶级掠食者是 agent state，不是 nation state"：突破时间被压到 29 分钟、"不是 malware 了是 prompts"，以及防守方为什么在事发当天被前沿模型拒掉（George Kurtz / CrowdStrike 创始人兼 CEO；⚠️⚠️ 本库第一份 Hugging Face 事件的防守方视角材料，且是 护栏误杀 那条论证来自动机相反一侧的第二个数据点；⚠️ 卖方自述，全部数字（29 分钟/27 秒、33 模块、每员工 90 agent、7 万亿事件/天、10 美元对 3 美分）未核实；✅ 两处主动降温——"世界不会因为这些 agent 毁灭"、"把互联网关掉是胡说"）
• 2026-10-23 "log4j 时刻从一年一次变成一周一次"：agent kitties、把安全支出提前 18 个月，以及"给人的网和给机器的网"该不该分开（Dane Knecht / Cloudflare CTO；Sarah Guo 单独主持；⚠️⚠️ 在 Cloudflare 自家用户大会现场录制，全部产品与内部做法为发布口径自述，无一个采用数字；✅ 四处值得保存：⚠️⚠️ 本库第一条漏洞披露节奏的量级（"以前一年一次，现在一周一次，而且不是全部都被公开报告"）、⚠️⚠️ 攻击者画像下移（"不是国家级行为体，是高中生"+ bug bounty 激励 + CTF 玩家的行为迁移），主持人当场造词 "agent kitties"、⚠️⚠️ "AI 非常啰嗦、喜欢制造复杂度，所以其实没在帮忙造更安全的东西"——与他自己的第一原则（减少攻击面）直接相撞的 against-interest 让步，且他明确拒绝"模型层会解掉"、⚠️⚠️ agentic web 的卖方侧定价锚：按内容站自己的 CPM 定价、"翻译层只是额外的 token 燃烧"、人与 agent 应各自接住而非拉到同一处；另有⚠️⚠️ 把安全支出"提前 18 个月"而非长期加上（与 Brockman 那条 对预算含义相反）、⚠️ Amazon 封锁购物 agent 读成"保住谈判筹码"、⚠️⚠️ 三级 token 提醒（300/500/1,000 美元一天）与"人类来决定每个任务用哪个模型挺蠢的"、⚠️⚠️ 5,000 人公司一年招 1,000 个实习生 + "带实习生的经理自己采用 AI 更快"、codex → "十诫"、红队 1 → 四五支且主张"不要先修流程"；⚠️ 三处专名无法写定（"midas"、"the React one"、BDR））

• 2026-10-29 "边界就是产品"：工程团队先用上 AI 是因为他们有 code review、权限会越收越紧而不是越放越宽、以及"我们从没建过定制功能，而且没人要求过"（Jake Stauch / Serval 联创兼 CEO，正面对标 ServiceNow；Sarah Guo & Elad Gil 主持；⚠️ 立场是在卖 Serval、节目由投资方主持，✅ 但本库判定厂商色彩比同类材料轻，依据是三处主动让步；⚠️ 自动字幕无说话人标签，页首列出专名还原，并标出一处数据缺口——"我们今天 200 人……in January"，而一月份起始人数在转录稿里缺失，所以本库只记"今年从某个数长到 200 人"、不记增幅；✅ 七处值得保存，其中四处本库此前完全没有：⚠️⚠️ "工程团队先用上 AI"有一个流程解释而不只是"他们是早期采用者"——"他们能拿这些工具做实验，是因为他们有 code review 这个流程；哪怕一个 19 岁的实习生去建一个很强的东西，再走这个流程然后进生产，都是很安全的"；本库此前把非工程部门的滞后归因于数据治理（Ali Ghodsi）、工作流复杂度（Decagon）、流程知识（Lassie），这是第四个原因而且最容易照搬——意味着第一步不是选模型而是给他们一套 staging 与审批、⚠️⚠️ "边界就是产品"："我们不是在造 LLM，我们在造护栏、造边界"，而推论反直觉——"智能变得更好只会让我们的产品更强，同时也让客户更想把那些护栏收得更紧"、⚠️⚠️ 一条明确预测：企业里个人权限会越收越紧（"我可能会安全地给你比你需要的更多权限，因为我不觉得你能造成多大破坏；但如果你能用上这些 agent，那你用任何稍微超出常规的权限能造成的破坏就放大了"）→ 收到真正最小权限 → 例外会一直出现 → "通过拥有企业里权限是怎么被提升的这件事，我们反而越不可或缺"；本库记为同时是安全判断与价值捕获判断，且与 CrowdStrike/Cloudflare 的凭据诊断、Anthropic 的"大脑和手分开"拼成完整链条、⚠️⚠️ "把个人 agent 带进大企业"的结构性反驳，而理由不是安全政策："任何一个人的权限集合都太有限了……它连你的邮件都几乎读不了"；解法是换权限来源（IT 的服务账号 + just-in-time 提权 + 确定性审批 + 审计轨迹，底下是工单系统），✅ 并承认代价"比 Instinct、Muse 那种魔法体验烦人一点"；本库标注这条可直接检验——若个人 agent 在大企业真起来了，必然伴随一套新的权限授予机制而非政策放松、⚠️⚠️ 代码取代拖拽式编排的抽象层论证："拖拉拽的 workflow builder 是一个让人痛苦的抽象层级，因为它对非技术用户太复杂、对技术用户又被抽象得很烦人"，原阻碍是"没多少人会写代码且快不到划得来"而 AI 解掉了它——与本晚第一期 Supabase 的"migration 日志 → 声明式 schema"是同一类论证的两次独立出现、⚠️⚠️ 一条可被直接检验的 SaaS 末日拆分："确实会有一场 SaaS 末日，但发生在 point solution 那类小市值公司身上。我不认为你真能摆脱核心的记录系统——ERP、HRIS、ITSM、CRM……会出现新一代在位者"；自建派的阻碍被归为经济学与维护，含一条很具体的组织事实"很多情况下没人真的想在内部工具团队工作"、⚠️⚠️ 组织形态上一条很硬的选择："我们没有产品职能。我们把产品开发真正下放给了工程团队"（工程师泡在客户 Slack、"大多数其实是每天至少一次客户电话"，比喻是"像沉浸在一个国家里学外语"），✅ 而他承认的代价是"我们的产品发得、变得比任何人能跟上的都快，包括我自己"，以及"我最自豪的事情之一，是我们有多少次决定擦掉我们过去做过、而且曾经非常投入的东西"；另有⚠️⚠️ 一个被建起来又被模型吃掉的脚手架（早期用示例库给 LLM 打底建密码重置这类工作流，"后来模型就是变得太好了，很难给它一个它自动化不了的工作流——只要那些 API 存在"；本库标注"只要那些 API 存在"才是真正的限制条件，即瓶颈从"模型会不会写"转移到"目标系统有没有接口"），与 Lovable 的 skills 被模型吃掉（10-28）、Anthropic 的"智能在一些负载上饱和"（10-27）构成三天内三例、⚠️⚠️ background agent 是"企业软件里的终极登月"而"没人真的搞清楚该怎么做好"——方案是能力的渐进升级（agent 申请、人逐项批准确定性工作流），✅ 并明说代价（"得盯着，挺烦人"）与边界（"否则它理论上就能开始写能在你系统上采取动作的代码，那是一个无界的安全风险"）；被问模型还是 harness："两者都是"，但"权限问题会一直是最大的那件事"——本库记为解法谱系里的第三种形态（前两种是"模型层做判断"与"基础设施做硬墙"），独特处是明说接受这个摩擦、⚠️⚠️ 按跑过的 workflow 计费而不是按 token（"token 更像是啰嗦和低效"），✅ 并对自己有利的题目给了否定答案："我不知道有谁真的搞清楚了怎么衡量你从买来的那些 token 里得到了什么"；本库记为应用侧对 token 计价的反向论证（token 数既含价值也含浪费，所以它把供应商的低效转嫁给客户）、⚠️ "Serval 是你在公司里升职的方式"这条职业激励框架（"它不能是你冒的一个风险"；⚠️ 自述证据是单个客户，Fox 全公司采用、一线主导者被提名全公司 MVP）——本库此前的企业采用材料几乎全是 ROI/合规/数据治理，这是第一条落在个人收益函数上的、⚠️⚠️ "文档/培训 → agent"的第三个独立样本且这个最彻底：Catalyst 是给管理员操作平台的 agent，"你不需要把自己训练成会用 Serval 的人，agent 就是你进入产品的主界面"（另两例是 10-27 Anthropic 的"cookbook 在变没用"、10-28 Supabase 的"把 Claude 指向一个参考架构"）、⚠️ codegen 平台上"什么该进内核"的机制（从不建定制功能、"而且没人要求过"；而"客户一遍遍建同样的东西"就是升级成一等功能的信号，例：检测过期知识库文章、回收闲置许可）、⚠️⚠️ "因为每个员工的生产力都高这么多，我们其实想要更多的人，不是更少"——本周第三个"生产力提升 → 更多人"的样本，而理由是第三种（DoorDash 是需求侧网络效应、Supabase 是运维不可自动化、这条是"野心与竞争无上限"；本库判这条最弱，价值在于它来自一家正在卖自动化的公司）、⚠️⚠️ 一处 FDE 的三方分歧：Serval 把 FDE 当解法（两个派驻角色 + 持续服务部门，因为"扩散显然是这里的缺口"）、Decagon 判"FDE 是陷阱"、Cuban 说"如果你需要 FDE，那就把 AI 的水平说完了"；✅ 本库判三方在回答不同问题，真正的分歧只在前两者之间且可检验、⚠️ "把 IT 当成年人对待"："IT 部门在很多情况下就是那支工程团队"，而对既有产品的批评最锋利——"外面很多产品其实对 IT 有点居高临下……实际上 IT 欣赏这种复杂度"、⚠️ "有些情况下他们永远到不了那儿——有些公司就是看了一眼做企业软件要什么，然后决定：我们并不真想建那个东西"）

• 2026-11-05 "如果我是一个个体，我从这一切活动里一点经济好处都拿不到"：用加密货币的分散持有对照 AI 的集中持有、一条 IPO 市值算术，以及"数学发现被关在数据中心里"那条批评（Vlad Tenev / Robinhood 联创兼 CEO，同时是 Harmonic 联创；Sarah Guo 独立主持；⚠️⚠️ 立场需重标注：他在同一期推销至少六条自家产品线（stock tokens / Robinhood chain、prediction markets 与 KPI contracts、agentic trading 与 Robinhood agents、Ventures Fund 1 与 2、Trump accounts 的受托与经纪角色、Harmonic），每一个采用数字都是自述、无口径、无第三方来源，而转录稿全程没有任何一处利益披露；✅ 但本库判两处价值独立于其商业利益，并对诊断与处方做了分离处理；✅ 七处值得长期保存：⚠️⚠️ 一道可自己算的 IPO 市值算术，它把"AI 收益为什么收不到散户手里"从估值问题换成了分配问题——"80 年代的 Microsoft、90 年代的 Amazon 上市时估值在几亿美元，所以 IPO 进去的个人投资者可以赚 1000 倍。现在如果一个 AI 实验室在一万亿或两万亿上市，一个在 IPO 进去的个人投资者要拿到那种回报，得到千万亿级别"，上游机制是私募市场可在巨大规模上融资、⚠️⚠️ 本库判本期最有价值的一条：用持有结构解释数据中心反对声，而它不依赖环保或就业——"如果我是一个个体，我从这一切活动里一点经济好处都拿不到。事实上你可以说，它在威胁我的生计、我的工作，它在污染我的社区"，对照项是"加密货币从一开始就是由个人广泛分散持有的，机构几乎是迟到的。而 AI 是反过来的"；✅ 而本库标注这条论证的力气在变量的选法：证据是政治动员行为而不是收益率，且他自选的时间窗口里持有人在亏钱（2022–2023 很难过，"但 2024 年他们还是全力出动了"），因此主动排除了"支持加密货币是因为赚了钱"这个更简单的解释——可检验推论是散户持有面扩大则数据中心阻力下降；⚠️⚠️ 本库同时记下他自己没处理的量级不匹配：诊断说关键在进入时的估值，而处方是让散户以 LP 身份进 ultra late stage 私募轮，按他自己的逻辑在那里同样拿不到那 1000 倍、⚠️⚠️ 本库这条数学中心化争论上第一条来自竞争方（而非当事实验室、也非被影响学界）的判断：实验室垂直整合掉所有科学发现"有点算是一个反乌托邦的结局，而且不太可能发生"，而第二条理由是非技术的——"如果那种情况在很大程度上发生，他们会失去他们的 license to operate"；⚠️ 本库标注这条预测没有指认任何机制（监管/人才/学界/舆论一条都没给），因此记为立场陈述、⚠️⚠️ 而本库判这一节真正的增量是那条反事实，因为它把"接受度"与"正确性"彻底分开：同一个结果（Navier–Stokes 被证明、部分 Riemann 假设）"如果是一个随便的普通人用它做出来的，会被接受得多得多"→主持人"甚至可能会被庆祝"→"我觉得肯定会。而且我认为这就是它将会发生的方式。那是一年之后最可能的情形"（⚠️ 带时间尺度、约 2027-11，可回看核对）；✅ 本库归纳为三层要分开看——形式验证通过 ≠ 同行评议通过 ≠ 社会接受，而第三层此前在本库是空的、⚠️⚠️ 本库此前缺的发布方一侧的动机解释由他补上："进这些 AI 实验室的很多人本来就是研究者……然后他们困惑为什么这件事从他们的角度看被这么差地接收——我是个研究者，我被招进一个研究组织来做研究，现在这些学者都在生我的气"，处方是"如果他们找一些数学家合作，会好得多"；⚠️ 本库不采信为真因（第三方对他人动机的推测）但标注可检验：若成立，后续实验室数学成果发布会出现更多合作署名、⚠️⚠️ harness 形态被整体搬进一个非编码垂直，而理由不是技术合适而是"编码那边已经做出来了"——"如果你是一个 Claude Code 或者 Codex 的用户，它几乎就是那样一个工具，只不过是为交易优化的"，对应物逐条点名（循环"每天执行一次我的策略、重新平衡我的组合"、skills、以及一个 agent app store"接上一个卫星数据源……去数零售商停车场里的车"），路线图照抄"我们会去看所有那些编码 harness 已经有的能力，然后看怎么提供真正干净、交易者原生的版本"；✅ 本库判可检验推论是编码侧的原语会成为其他垂直的路线图；⚠️⚠️ 而自述数字被本库判为不支撑他给的"clearly product market fit"——"超过 15 万客户开了 agentic trading 账户"（开户需转入资金，是一次性动作，不是使用）、"每天大约 3000 万次工具调用"（工具调用是 agent 循环里最容易被放大的量，与成交笔数之间未给任何换算）、"一直沿着这条平滑的指数在走"（无起点、窗口与斜率，只是形状断言）、⚠️⚠️ 主持人那个基础设施提问本库判价值高于回答："如果拿编码当代理来看——也许我们都该想到，但我觉得当时并不显然：CI/CD 会在代码生成涨了几个数量级面前彻底崩掉"→"是的我们当然一直有 HFT，但如果每个人都是高频交易者，那感觉是新的负载"；✅ 本库一般化为：当某个生产活动的单位成本被砍掉几个数量级时，最先崩的不是那个活动而是围绕它的验证与结算管道，因为那条管道此前从来不是瓶颈；⚠️⚠️ 而他的答案（"我不觉得有什么根本性的东西必须改变"，依据是市场二十年前就全电子化、做市商与交易所已被 HFT 压力锤炼过，落点是"我们会有一些预警……我觉得我们有一些时间"）被本库判为被自家数字反向压着——指数增长恰恰是"当前占比很低"提供不了预警的那种情形，而交易侧真正对应 CI/CD 的那条管道（清算、结算、监控、异常处置）被问到了但没有被回答、⚠️⚠️ 一条独立成立的监管不一致性论证，本库判它在他的全部论证里最难反驳因为它不依赖任何关于散户能力的假设："meme coin 甚至有完美的监管清晰度……SEC 甚至还写了一封信说这些不是证券，它们是收藏品"→"meme coin 在任何金额上都完全没问题，但私营公司不行"，主持人收成"从纯粹的风险取向看，限制私营公司是不理性的"；✅ 本库标注它对"该不该放宽"保持中立而把举证责任推给维持现状的一方；⚠️⚠️ 但他唯一给出的"客户想要这个"的依据证据薄弱、本库不当偏好证据（"当我们问客户，你同意我应该对我的钱负责吗？压倒性的同意"——引导性问题、自选样本，且他随后自己把适用范围缩回去）；另有⚠️ 一条他自己说出来的后果，而它与整期以 ownership（长期持有）为统一叙事的方向并不天然一致："而我觉得这件事的结果是，交易活动会单纯地变多"——对一家收入主要来自交易量的券商是直接利好，本期无人触碰、⚠️ 金融场景里最小权限的实现方式是限制金额而非枚举动作（资金隔离的独立账户＋默认逐笔批准可关闭＋沙箱"也许不完全算物理隔离，但相当接近"）——✅ 本库判它比动作级权限好实现得多且损失上界明确，代价是只在"损失可用一个标量封顶"的场景成立，这恰好解释了为什么企业场景那一侧选了动作级、⚠️ 一条可当成已确立事实的领域描述（因为它与领域内部来源独立对上了）："现在数学已经和编码收敛了。数学家在用同样的工具，他们在用版本控制，他们在用 Lean 做验证"，对照是"我在研究生院的时候，大部分工作还是当面用粉笔和黑板做的——基本没有协作，人们甚至不用计算机"、⚠️ prediction markets 的品类定位"在纯粹的形态上，prediction markets 是新闻的一种演化"，配套行为观察"很多人根本不交易这些东西，他们就是喜欢打开 app 看看"、⚠️ 一份恶性通胀下资产行为的第一手描述，本库保留因为它是少见的 real world asset 具体样本：外祖父"一拿到工资他就会把它换成铜制炊具"存在柜子里——"那是我遇到的第一个人们真的在投资的真实世界资产"、⚠️ Trump accounts 唯一可长期核对的是那个目标数字"真正能把家庭持股率从 65% 提到 95% 的最好的东西"（⚠️ 无时间尺度），⚠️ 而本库标注一处位置：同段"让这个成为政府发过的最好的产品，以及 Trump 总统遗产里最持久的那个正面部分"同时是产品目标陈述与政治陈述，由一个对该联邦项目有商业依赖的说话人给出；⚠️⚠️ 本库必须标出三处问题：① 一处回避——主持人给了本库这条线上最锋利的 pushback（"很多在大型中心化 AI 公司工作的人会说，这是 cope，而 centaur 这条路会被更多算力放进一个 agent 循环里直接比下去"），他把问题拆成"单个数学家的角色"与"谁做产品"两问、说第二个"有意思得多"，然后只答了第二问，那条 centaur 反驳整期没有被回答；② 他对"中心化"在同一场访谈里给了两个相反的答案，而两次都站在对自己有利的那一侧——数学上他是挑战者所以"它太中心化了……那些 AI 公司，有他们的大数据中心"，而九分钟后链上他是那个中心所以"也许你牺牲了一点组织去中心化的纯洁性，但你得到的是聚焦的领导力"；✅ 本库判两条逻辑上并非不相容（一条关于发现的分配、一条关于基础设施的治理）但记下这个共同形状，两处都记为立场陈述、不取其一；③ 一处内部不自洽的年份——先说"我在保加利亚的最后一年，1991 年"又说"即使在我 1997 年搬过来之后"，本库两者都不采信，只保留"90 年代前半段移民、童年亲历保加利亚恶性通胀"这一结构，并判这更可能是口述滑脱而非转录错误；✅ 另记一处本库认为诚实的让步：被问自己心态稳定的来源时他主动给出竞争性解释并且没有排除它——"也许我就是生成那样的。而我也不知道有多少是环境的"，以及"我试着尽可能创造那种环境（给孩子制造挑战），但我觉得我还没想明白"，而本库的创始人材料里这个位置通常是一套因果叙事；⚠️ 自动字幕问题：agentic 一词至少四种拼法；可高置信还原的有 Erdős（"aridos"）、Riemann（"Remon"）、Gauss、ElevenLabs（"11 Labs"）、Crusoe（"Cruso"）、Brad Gerstner（"Brad Gersonner"）、Gwynne Shotwell、Terence Tao、Codex、mint and burn（"minute burn"）；⚠️ 不可确证照录不采信的有 Ventures Fund 1 持仓里被写成 "Finex" 的公司名、以及"Michael 与 Susan Dell 加了超过 60 亿"的单位与口径）

Latent Space

• 2026-06-22 Gray Swan：Codex/Claude Code 之后的 AI 安全（Kolter & Fredrikson）
• 2026-06-24 Databricks（Matei Zaharia & Reynold Xin）：Agent Cloud 与数据基础设施
• 2026-06-25 Mark Chen：AGI、o1、评估与 Scaling Laws
• 2026-06-29 Gavriel Cohen（NanoClaw）：自主工作 agent 的蓝图、隔离安全与 LLM Wiki
• 2026-07-08 Akshat Bubna（Modal CTO）：从 Kubernetes 到 Agent Sandboxes
• 2026-07-13 Dan Biderman：AI 的记忆问题——为什么长上下文还不够
• 2026-06-30 Genesis Molecular AI：最前沿的 diffusion 研究在药物发现，不在图像生成
• 2026-07-11 Danielle Perszyk（Amazon AGI Lab）：为什么 AI agent 其实"不懂你"
• 2026-07-16 Lila Sciences：RL with Verifiable Rewards，但 Verifier 是一整间实验室
• 2026-07-10 swyx：AI Engineer 大会、AGI 与"agent lab"（他反对模型路由）
• 2026-07-21 Xaira：因果模型需要因果数据——X-Cell 虚拟细胞模型
• 2026-07-22 Poolside（Eiso Kant）：Model Factory、Laguna S、开源与 AGI 竞赛
• 2026-07-28 Akshay Nathan（OpenAI）：把 ChatGPT 做成"万物应用"、harness 合并与生产力度量
• 2026-08-03 Baseten（Philip Kiely & Ali Taha）：推理是新的训练——优化报价单、量化误差抵消、唱空 mega kernel
• 2026-08-11 Chai Discovery：生物学正在变成软件——蛋白质设计的"中性软件工厂"（"AI for science" 子系列，非 swyx / Alessio 主持）
• 2026-08-26 Anima Anandkumar：物理一出现 Transformer 就撞墙——神经算子与 FourCastNet（AI for science 子系列）
• 2026-09-02 Sean Lie（Cerebras CTO）：推理前沿从 100 到 10000 tokens/秒
• 2026-09-04 Accelerated Understanding：一万亿 token 上下文、物理世界的"一个模型"、稠密的物理反馈（Anima Anandkumar & Benedikt Jenik；AI for science 子系列）
• 2026-09-14 Richard Socher：Eureka 机器、auto research 的第一批战果、智能的上界
• 2026-09-18 Ramin Hasani（Liquid AI）：从 302 个神经元的线虫到硬件感知架构搜索
• 2026-09-25 OpenRouter × Stripe：分发是模型实验室最被低估的短板、10 万亿 token 经济的安全命题（Alex Atallah & Anjney Midha）
• 2026-09-22 John Platt（Google Fellow）：ERA——把科学问题映射成"可打分任务"，以及它为什么在 Gemini 2.0 上不可能（AI for science 子系列）
• 2026-09-21 TypeSafe / Jev（Diogo Almeida）：让代码而不是人来消费模型——system one 模型、RLCD 与"反公开基准"
• 2026-09-25 Runway：把视频预测推到世界模型、界面世界模型与神经操作系统、第三人称视频与机器人（Anastasis Germanidis）
• 2026-09-29 Claude Code 的未来：可变软件、harness 的苦涩教训，以及一次来自防守侧的 pacing 技术论证（Thariq Shihipar / Anthropic；⚠️ 与 METR 那份调查 有一处实质不一致，已标注）
• 2026-09-30 OpenAI Dev Day 现场：computer use 已经比普通人快，以及"四周前这东西还不存在"的 Decisions API（Ari Weinstein + Nikunj Handa / OpenAI，分两段；⚠️ 发布日的当事方口径，性能数字均未核实）
• 2026-09-23 Eric Nguyen（Radical Numerics）：生物安全是一场军备竞赛，而防守方"远远落后"——dual mandate、生物防御四支柱、"同功能不同拼写"、"你没法给一个人打补丁"（AI for science 子系列）
• 2026-10-02 ClusterMAX 3.0：哪些 GPU 云真的能用——"大多数 NeoCloud 的安全烂得惊人"、推理毛利从 10% 到 60% 把算力市场买空、跨站点异构 RL（Jordan + Dylan Patel / SemiAnalysis；"Lightning" 格式，swyx 主持；⚠️ 卖方机构为自家榜单做的宣传期，本库不采用名次）
• 2026-10-02 "所有 harness 其实都是同一个"：RLM、locally in distribution，以及"这是个 skill issue"（Alex Zhang / MIT；⚠️ 他与 Prime Intellect 合作做 Prime Agent，核心实证结果均为自述未核实）
• 2026-10-13 Dyna-2 与 Physical AI：world action model、"这里没有互联网"、把自主性的单位从任务换成工作流（Jason Ma / Dyna Robotics；上门实地录制含演示 B-roll；⚠️ 与发布同周、全期无第三方基准，但嘉宾主动给出了具体的技术性自我证伪条件；与 Runway 那期 构成同一主播下的直接对位）
• 2026-10-13 How to kill your SaaS：72 支队伍复刻一个 $43K/年的工具——"prompt 几乎是最后一步"、AI 评委与人工验收的背离、"我不在乎你怎么修，我需要它不坏"（⚠️ 自制实验复盘而非访谈，主讲为 swyx、验收交给自己不懂技术的运营团队；本库第一份把"AI 杀死 SaaS"真的拿去做带人工验收实验的材料，⚠️ 而结论落在"所有权与责任的交换"上，并没有宣布 SaaS 已死）
• 2026-10-14 "模型学到的是化学家，不是化学"：1,800 维"谁做的"向量就能预测活性、"模型在给蛋白质起外号"，以及一个周末拉出 1 万次 SAR 战役（Ian Quigley / Leash Bio，AI for Science 子系列；本库第一份把"公开科学数据集学到的是社会学"做成判决性实验的材料，⚠️ 全部量级为自述未核实，✅ 但有两次公开自我削弱与一次明确让步；⚠️ 后 20 分钟的硬问题大部分由 Claude 生成）
• 2026-10-16 “模型想帮你忙的时候，比有人攻击你更危险”：六个 power user 的实测对照——实验室的产品执行、decision model、以及助理碎片化（High Taste Testers 第一期，75 分钟）（六人组；⚠️⚠️ 字幕无说话人标签、本库未做分离，大部分观点无法归属，页内逐条标了确信度；✅ 四处填空缺：把产品失控归因到“产品是 AI 写的”（与同日 a16z 那期 构成两侧）、把提示注入重构成分类问题（附三起事故 + “约五分之一次草稿里有我不想发的东西”）、decision model “连厂商自己都承认没法 benchmark”、“把它们当克隆体想，克隆体会开始过上不同的人生”）
• 2026-10-20 "你得先杀掉自己的生意，才能做成这件事"：SF Compute 的实物交割、算力远期曲线的驼峰，以及"B300 跑推理一小时挣 40 美元而买价 5–6 美元"（Evan Conrad / SF Compute；AI Engineer 大会现场，swyx 主持并自述做过衍生品交易；⚠️ 全部数字为嘉宾自述、无第三方来源，且他是该市场运营方；✅ 四处填空缺：⚠️⚠️ 算力为什么还不可互换的整张清单（同一运营商两种 VM 差 40% 性能、"GPU 是放在电旁边的"所以可互换性被地理打碎）、⚠️⚠️ 中断通知期作为独立定价维度与"这其实是一个违约解除租约的市场"、远期曲线的驼峰、⚠️⚠️ "实物交割必须先于金融化"与 LIBOR 作为可检验判据、⚠️⚠️ "NVIDIA / CoreWeave / hyperscaler 都做不了，因为你得先杀掉自己的生意"；另有"花 100 元买产能平均转卖回 25 元"这个流动性指标、总产能 5% 上板、"把数据中心虚拟化并让它可编程"；✅ 结尾的"资产负债表退出"是对 CoreWeave 债务链那期 Loudcloud 教训的直接回应，本库另提出两期都没提的深度问题）
• 2026-10-21 "你没法自动化一个并不存在的流程"：企业 AI 采用的四级漏斗（90% / 60% / 50% / 5%）、按 story point 发工资两年后的复盘，以及对垂直 AI 的看空（Alex Lieberman & CJ Hess / Tenex；AI Engineer NYC 现场，swyx 主持；⚠️⚠️ Tenex 卖的就是企业 AI 转型服务，全部数字为一方自述且都论证"企业需要这种服务"；✅ 四处填空缺：⚠️⚠️ 本库第一份分层的企业扩散估计——铺通用 LLM 90% → 培训与赋能 60% → coding agent 约 50% → 生产环境里的非工程 agent 约 5%，前三级是发工具、第四级是改流程，漏斗恰好在这里掉了一个数量级、⚠️⚠️ "你没法自动化一个并不存在的流程"（四十个人四十种做法，没有标准化就建不了 eval）——把 agent 部署失败从模型侧改写到组织侧、✅ 按 story point 发工资 18 个月后的运行记录版：离散度 4x 不是 10x、虚报与烂代码都没发生、真正的难点是"不写代码的时间"怎么计价而这部分正随模型变强而变多、⚠️⚠️ "软件的妙处不只是效用，还有那些你不必操心的维护麻烦"——对自建成本的重新定义，是对 Kill My SaaS 那期 的最好补充；另有权限与 RBAC 是 CIO/CISO 的噩梦、token maxing 时代已过、"Opus 写 codex 审"、meta harness 全部 check 进 Git、⚠️⚠️ "AI 替掉人们不喜欢的工作"是一种 cope；✅ 全期唯一一处当面反驳：嘉宾看空 Harvey / OpenEvidence，swyx 直接回"到目前为止你是错的"，本库裁决两人在争论不同的东西（毛利率 vs 留存）；⚠️ 没有一个客户项目的具体结果，本库记为最大空缺）
• 2026-10-22 "如果 Bloomberg、Claude 和 Netflix 生了个孩子"：给交易员做推荐系统、"二阶和三阶导数你现在就得知道"，以及"我把系统建好了，人人都说需要，没人点"（Anekha Sokhal / Moshi 创始人；AI Engineer NYC 现场，swyx 主持；⚠️⚠️ 本期将近一半是会议运营与招聘闲聊、无 AI 实质，本库只收录 [00:05:02]–[00:17:24] 加两条关于人的材料并明确声明范围；⚠️ 创始人自述，无一个客户案例与效果数字；✅ 三处值得保存：⚠️⚠️ 把"信息过载"重新定义成关联推荐问题（不是摘要、不是检索），而且只给了两个可选方案所以可被证伪、⚠️⚠️ "你面对的不再是数据问题，是 UI 问题"+ "建好了没人点"——与 Tenex 的 5% 漏斗 互补成同一断点的两种成因，而她的解法（改拉为推）绕过了"让用户改工作流"这一步、⚠️ "它们不一致这件事本身就是一个数据点"（把来源冲突从要消解的噪声变成要上报的信号）；另有自建 VLM 的两条理由（第一条"客户数据不想给第三方"与同日 George Kurtz 复现）、"我们不需要一个团队，你就是那个团队"、一个岗位四天 2,500 份申请；⚠️ 主持人当场把她的"信任个人账号"判为 sketchy、把 Netflix 那面判为"成瘾性，那是坏的"，两处她都没有展开，本库照录张力；✅ swyx 本期披露了同构履历（伦敦外汇期权→利率→买方，Balyasny 最早做 X firehose 的少数几家，"每月约 30 万美元"且他评为"非常嘈杂、我不确定会不会拿它交易"），本库记入 主播页）
• 2026-10-22 "算力为什么是长方形的"：三年期矩形与需求形状不匹配、把 Modal 读成期限转换，以及 Hugging Face 事件中被攻破的那个 app 跑在谁家平台上（Erik Bernhardsson / Modal 联创兼 CEO；⚠️ 不拥有硬件、全部产能靠租，每条判断都指向对 Modal 有利，全部数字自述未核实；✅ 四处填空缺：⚠️⚠️ "GPU 稀缺最大的坏处不是拿不到卡，而是产能都按三年矩形卖"——与 SF Compute 是同一错配的两种解法，而 Evan Conrad 两天前恰好点名说过"Modal 做不了交易所，需求侧分量太重"、⚠️⚠️ Hugging Face 事件第五份材料：被攻破的 app 跑在 Modal 上 + S3 公开桶那个产品反省（本库第一条落在平台默认值上的教训）+ "像密室逃脱，但给 agent 玩"的一手沙箱越狱红队记录、⚠️⚠️ neocloud 的金融构造："你可以把你甚至还没买的东西预售掉"——与 CoreWeave 债务链那期 拼起来才是完整链条，而第一环是买方合约、⚠️⚠️ "因为 agent 的训练数据，现在很难废弃任何东西了"+ agent engine optimization 与"slop cannon"（训练数据作为新的分发战场与锁定效应）；另有⚠️⚠️ "我更担心的其实是价格崩掉"、"微调不再是你不得不做的事了"（点名 Kimi K3 / DeepSeek 4.1 / GLM 5.3）、"推理供应商该与模型厂分离存在"+ 泰勒·斯威夫特类比、⚠️⚠️ "代码评审我们当成可选的"、"你卖的很大一部分实际上是恐惧"（与同日的 George Kurtz 正好是对侧）、中位 sandbox 8 秒；⚠️ 他讲 Sandboxes 时间线自相矛盾、主持人当场追问两遍未改口，本库标注并按"2023 上线、约 2025 起飞"理解）
• 2026-10-27 "我们一个会写 Rust 的人都没有"：把 messages API 整体移植到 Rust 省掉 40–50% CPU、CPU 成了零和、反蒸馏的理由是安全不是商业，以及"大脑和手分开"（Katelyn Lesse & Angela Jiang / Anthropic 平台团队的工程与产品负责人；swyx 主持，录于 Opus 5.5 发布次日；⚠️⚠️ 前 6 分钟是主持人对镜头读 S-1 财务数字的独白、不是访谈，本库单独处理且不把那些数字当可引用的财务事实（转述 + 自动字幕在数字处含混，两句口径对不上）；⚠️ 自动字幕把两人名字拼成多种形式且不带标签，角色归属是本库按内容推断并在页首说明；四处无法写定；✅ 本库判定这一期的厂商色彩比同类材料轻，依据是三处主动让步；七处值得保存，其中三处本库此前完全没有：⚠️⚠️ "Anthropic 整体的 CPU 是个零和游戏"——和云厂商谈下的 CPU 要在 API、产品服务、沙箱、CI、研究沙箱之间内部分配，而"以前只要预算允许就能按需扩，现在变成了要提前做容量规划"；本库算力材料此前几乎全在加速器上，这是第一份来自前沿实验室一侧的 CPU 短缺记录，而 CI 这一项（"你会惊讶现在有多少代码被写出来"）说明 agentic coding 的算力代价有一部分落在 CPU 侧、⚠️⚠️ 把 messages API 整体移植到 Rust，而"我们团队里一个会写 Rust 的人都没有"：整体 fork + 影子流量逐一对比输出，省约 40–50% CPU、首 token 快 10–20%；而最该引用的是方法论——"最要紧的两件事是计划和验证，因为实际的实现就是 Claude 在写代码"，配一句"以前你绝不会签字同意这件事"、⚠️⚠️ 反蒸馏的动机他们主动否掉商业解释："如果你从我们这儿蒸馏，你其实是在付钱给我们，所以商业上我们是赚钱的"——真实理由是蒸馏出去的模型不带安全分类器；而推法本身是本库最具体的一份"破坏性安全变更怎么推"记录（把体验代价分两层只接受第一层、替客户发 compaction 功能、提前联系开源 harness 维护者）、⚠️⚠️ "大脑和手分开"的安全含义第一次讲清（凭据在独立 vault、agent 只看到占位符、出口代理在出网那刻注入），而最该保存的是那段对自家产品经理的公开道歉——"所有人都说是是是，但延迟和可靠性"、⚠️⚠️ 一次对 agent 越狱叙事的厂商侧改写（"那些事件大多发生在训练中的模型上"），本库保留但标出它绕开了 Hugging Face 事件、Modal 的红队记录与 CrowdStrike 的 29 分钟都在生产侧或红队侧、⚠️⚠️ "在一些负载上智能看起来越来越饱和了，这是一个新情况"——来自在卖智能的一方，而 alpha 被指在极长时间运行的 agentic 任务上、⚠️⚠️ "我们在个性化上做得不好。真的很难"+ 参数泛滥的自陈（effort、budget 一堆旋钮，"谁能搞清楚哪个组合是对的"），并主动把 Claude 宪法的适用范围划小；另有三道发布闸（架构安全/在线防护/离线分类）与 pacing 的落地含义、trust grant 与 Fable 回滚之后做出的"一键回滚"按钮、产品管理"变得深度概率化"（建赌注组合、刻意选更通用的原语）、早期访问的准入条件就是有稳健 eval（把 eval 变成拿到前沿模型的门票）、一次训练回炉记录（懒惰太多就"放回炉子里烤了一会儿"）、Claude Managed Agents 与"Dreaming 是一层套一层的 managed agents"（本库此前完全没有这两条）、"很多时候是你的 eval 错了，有时候是环境错了，然后有时候才是模型错了"、⚠️⚠️ "对很多代码你真正需要的只是快速盖个章"——与 Erik Bernhardsson 五天前的"代码评审我们当成可选的" 是同一结论的两次独立出现，而这次来自模型生产方，两者都没给验证覆盖率、⚠️ "Claude 味"本身成了新问题（一个破折号就让读者跳闸），规范因此是双向的、⚠️ "文档 → skill"的位移（cookbook 在变没用、Claude API skill 由 DevRel 团队拥有、"把 Claude 指向一个参考架构"）、✅ 多智能体只有两个要求：子 agent 异步互不阻塞 + 共享统一状态）

• 2026-10-28 "每一个 Postgres operator 在某些条件下都会丢数据"：声明式 schema 是为 agent 做的、从每月 500 万个库到每月十亿个库、以及"前沿模型都推荐我们"是三四年前的意外（Paul Copplestone & Ant Wilson / Supabase 联创 CEO 与 CTO；swyx 主持，录于 Supabase Select 大会前、会后放出；⚠️⚠️ 利益相关必须先说：主持人自报是 Supabase 种子轮天使投资人（"我这辈子第一笔天使投资"）、Supabase 是首届 AI Engineer 的第一个赞助商，而这一期同时是 Latent Space 播客的首个赞助期——本库因此把全部产品/性能/增长陈述按"自述 + 有商业关系的渠道"处理；⚠️ 自动字幕无说话人标签，页首说明归属办法（只在长段落可辨处归属）与专名还原，并标出一处事实错误（"Postgres 是用 Haskell 写的"——Postgres 是 C 写的）；✅ 八处值得保存，其中四处本库此前完全没有：⚠️⚠️ "我们看了 Postgres 生态里所有的 operator，发现在某些条件下它们每一个都可能丢数据"——于是从头重写 Multigres，验证是"1,000 次连续 failover 不丢数据"；本库此前完全没有 operator/failover 这一层的一手判断、⚠️⚠️ 声明式 schema 的理由是 agent 而不是人："把一个 agent 丢到一千个文件上，问它这张表是什么形状——它只能猜"，于是把整库形状做成声明式文件（PG Delta）；而工作假设是"agent 必须在文件系统上非常快地迭代"、⚠️⚠️ 而主持人给了这件事一句反向注脚，本库认为比第二条本身更该记："美妙之处在于，它其实并不是关于 agent 的。是我们一直都需要这个东西……我不喜欢只为了让 agent 高兴而做事"、⚠️⚠️ agent 改了漏斗的形状："注册到激活这一步是 agent 替你做的，基本上 100%"，而"更像消费者的流量进来时激活率和付费转化通常会掉——但这两个都涨了"；本库此前的增长材料全是总量叙述，这是第一条给出漏斗内部机制的、⚠️⚠️ "前沿模型都把我们列为首选"是三四年前的意外："你得在 LLM 起飞之前就在市场里待了三到四年，并把自己摆成当时那个领先产品的头号竞争者"+"完全是意外"，机制是社区内容被模型吃进去；本库标注一处张力——这与"AEO 是一门可做的生意"直接冲突，而唯一指向后者的证据是主持人给的 Resend 反例、⚠️⚠️ 企业侧明确放弃迁移、只做 greenfield："你就是没法说服人迁移"，而对"coding agent 会解放遗留系统"的反驳落在物理层："迁移的大部分问题其实不是重写"——OLTP 支撑收入应用、停机即损失、双跑即 split brain；✅ 他给的反面对照（"数据分析那边的迁移其实挺容易"）把分界线画在 OLTP/OLAP 上，不画在模型强度上、⚠️⚠️ "rewrite in Rust 是一个有效机制"+主持人的定性"这是开源的一次性升级"（Vercel 的 Malte："拨钱把所有 C/C++ 依赖重写成 Rust"），而嘉宾给了明确的失败机制："不会发生，因为人们就是喜欢自己来"、⚠️⚠️ mode collapse 的担忧来自写了几十年代码的那位："模型会让你懒到根本没人去看细节，然后它们全都收敛到同一种造软件的方式"，而那句追问比主持人的分层回答更有力："但这些高技能的人，还会继续被培养出来吗？"——与本周 Alpha School 与 Lex #503 落在同一个未解问题上；另有⚠️⚠️ 本库第二份来自买方的 CPU 短缺记录，与一天前的 Anthropic 平台团队 互为印证且给出另一侧面——"是，有短缺"，而引入 CapitalG 的动机明说是"我们需要 GCP，我们基本上就是需要更多算力"（把融资方选成算力入口）、⚠️⚠️ "skills 作为护栏"的半衰期：Lovable 的早期差异化是写好 skills 阻止 agent 关 RLS / 把图片塞进 Postgres，"而现在模型本身已经不干那些蠢事了"、⚠️ 用对照组给销售定薪酬（1,000 个 product trigger → 不回邮件的对照组月增 25%、接了电话的增 125%，按那 100% 增量发薪酬；本库标注对照组是自选的）、⚠️ 对象存储如何重塑数据库（S3 强一致性 + S3 Express 的 1–2ms 写入、"ephemeral durable"、缓存层次），以及明确不追 HTAP 并给出物理层理由（与 Databricks 的"我们解决了 HTAP"相反，但他自承"没怎么研究过他们怎么做"）、⚠️ 一组 AI 支出横向数字（主持人口述：个人 20 / 员工 200 / OpenAI p50 3–5k / 顶部几十万美元每月；token 支出:人力支出 = 0.1 常见、1 安全、>1.5 有麻烦）与 Supabase 自述 30 万美元/月、450 人；✅ 而他们自己否掉了这种记账："重点不该是你花了多少钱，而该是你端到端解决了多少个流程"、⚠️⚠️ "AI SRE 是 agent 创业里最难的类目之一……造软件可以争论说被解决了，而维护、让东西一直跑着，是完全另一头野兽"——而这家公司最想招的岗位恰好是 SRE、✅ "异步公司 = agent 友好"："围绕 Supabase 建一个公司级 harness，基本上就是把已有文档形式化"、⚠️ Apache 2 覆盖专利（买下技术、付钱买下专利、再免费给出去）与约一百万美元的社区股权赠与（Gary Abbott 六年两万个问题、一万三千个在第一小时内答完），以及刻意不在开源版本里放任何追踪）

• 2026-10-31 "agent 催人比人催 agent 多"：一家不卖 SaaS、自己就是那家机构的财富管理公司，"在能力的边缘约束、不要更早"，以及"放手让 agent 改 prompt，每个小修补都会变成整条 prompt"（嘉宾 Aman Singh / Arca AI 平台团队负责人；录于 AI Engineer New York 2026 现场，⚠️ 主持人姓名未在转录稿中出现；⚠️ 他代表 Arca，全部成果与规模陈述为自述；✅ 但本库判厂商色彩异常轻，依据是三处明确的"没有"（不做自主交易、交易失败恢复没有用决策模型、不用 Anthropic 的 managed agents）加一处自我不利的让步；✅ 四处填空缺：⚠️⚠️ 一条本库此前没有的商业形态，而它在本期承担三个不同论证——"我们其实不是一家 SaaS 公司，我们就是那家机构本身"：① 因此可以把工作方式标准化（"这样我们的 agent 就能以工作必须发生的标准方式参与进来"）、② 可以强制要求用户给反馈（"我们有能力要求他们给我们反馈"，而 SaaS 厂商只能请求）、③ 并以此与"拿着 AI 工具的服务机构"划界（差异化落在谁 prompt 谁，不是能力）；🔗 与 Eve 的分歧点很清楚：Eve 赌"把分散的知识聚合起来"，Arca 赌"从零建一套标准就不用去聚合"，而后者的扩张上限不是销售周期而是开展业务本身、⚠️⚠️ 一条可直接搬用的安全原则"我们想把它们约束在能力的边缘，而不是更早"+ 四层落地（写数据的每次工具调用跑快速 LLM 校验；入口侧的提示注入检测，而威胁面含"电话被打进来"；出口侧确定性 PII 检查 + "一组小模型的共识来确保没有数据外泄企图"，而✅ 连发一个日历邀请都算出口；产出物发布前确定性查原始账号、小模型查"你真的不该承诺收益率"），而所有安全限制"完全是确定性的，把决策权从 agent 手里拿掉"、⚠️⚠️ 一个本库此前没有的沙箱用法："我们的 agent 其实不在沙箱里面，它用沙箱来卸载计算"，而数据访问是让 agent 写代码查数据 → "把它写的代码翻译成我们预期的一个严格格式，把代码丢掉，在那个格式到达后端之前给它套上护栏"——✅ 即把代码当成会被编译掉的中间表示，本库解法谱系里的第四种形态、⚠️⚠️ 本库第一条"审计日志同时就是 agent 的事件总线"：每个动作产出变更日志（改了什么/谁改的/从哪部分/何时），而"这不只适用于 agent，也适用于人类操作者"，于是"同一个追踪 UI 变更的东西，也可以用来告知 agent 那件事发生了"；另有⚠️⚠️ 本库目前最具体的一份长时程架构（任务跨 10 天；有所属的信号回到同一 agent，无所属的新信号——"中间打来的一个电话"——让"一个全新的 agent 醒过来搞清楚这意味着什么"；状态外置成按客户的结构化记忆；外加"一个真的很像做梦的过程"按天反思并更新那份状态）、⚠️⚠️ 全期最锋利且自我不利的一句："你要是放手让 agent 自己改，它们会做出相当糟糕的 prompt 改动。每一个小修补都会变成整条 prompt。而它们没法保持在元层面、把那个修补泛化成一条能泛化的 prompt"——本库第一条来自应用层的"让 agent 改自己 harness"的具体失败模式，而缺陷被指认为抽象层级、⚠️⚠️ "应用层拿什么对抗模型层"的第三种说法：界线划在记忆与运营知识的归属（"managed agents 的一个关键点，是模型怎么持久化并贡献记忆以及它们所需的全部运营知识……拥有那个就是拥有你的智能"），而另两种是 Town 的契约与可迁移性、Eve 的数据不可爬、⚠️⚠️ 买方侧 benchmark 批评的第二条：内部 harness benchmark 否掉外部 benchmark，而被否决的理由是延迟与成本不是能力（"太慢了，而且花了很多钱"）——与 Eve 的任务粒度错配合起来说明买方选型至少三个变量（结果达成、延迟、单位成本）而公开 benchmark 只覆盖其中一个的一部分、⚠️⚠️ 分工定义"AI 的角色不是取代顾问，而是取代顾问周围的全部工作"（客户完全不直接接触 AI），而人在环的档位里"直接和终端客户沟通"与"动钱"同级，依据是"有一个我们期望的服务与质量水平"——不是风险、✅ 一个很干净的陈旧参数化知识例子与可迁移对策（"模型会很乐意用 2025 年的税率档位做出一份分析，然后说：好了，就这样"→ 在"即将给出财务建议"这个动作类型上触发，强制查已核实事实库；即在动作类型上触发而不是在内容上判断）、✅ 知识库交给领域专家策展（左侧 knowledge 标签页，agent 引用知识 → 错误在 trace 分析里暴露 → "人们可以进去直接编辑那个 skill"），本库"skillify"线上第一个编辑者不是工程师的样本、✅ "AI 做合规比人更好"被限定成窄主张（"因为 AI 在找出哪怕最小的一处不合规表述上是不会累的"——优势是穷尽性不是判断力）；⚠️⚠️ 而本库必须标出一处没有被回答的问题：主持人问"有没有哪个客户在投资或税务上拿到可度量的改善"，而给的是一个销售阶段的发现案例（尚未成为客户的人，agent 读完文件后发现现有顾问收了未披露费用、且"那个人甚至不是 fiduciary"）——展示的是文档审阅的穷尽性，不是投资或税务结果的改善；⚠️ 两个模型名无法确证（"Luna"、"Jev"），本库照录不作型号采信）

• 2026-10-31 "我们去把这些 MCP 都测了一遍，某些大厂名字错误率 40% 以上"：OpenAI 金融产品负责人谈"95% 是创业公司也能做的"、把 taste 当 reward model 来训，以及"GDP eval 已经完全饱和，没饱和的那些部分基本是坏的"（Joseph Kim / OpenAI ChatGPT 金融业务负责人之一；录于纽约 AI Finance 现场、在他的 keynote 之后，⚠️ 本期被明确定位成 keynote 的补充，所以几处最重的断言（2027 时间线、"不再有 PowerPoint"、预训练）的论证都在本库未收录的那场 keynote 里；⚠️ 厂商口径、在推刚发布的企业产品且末尾有招聘导流，✅ 但三处对自己不利的陈述抬高了可用度：主动说"95% 创业公司也能做"、对自家 GDP eval 说"不报了也不追踪了"、承认自家金融 eval 在 GPT-6 上纹丝不动而坏的是 eval 不是模型；✅ 六处值得长期保存：⚠️⚠️ MCP 实测"错误率 40% 以上"→ 数据买进来自营（本库第一条来自有能力接任何 MCP 的买方、而结论是不接的材料，且数字可证伪）、⚠️⚠️ "95% 是创业公司绝对能做的"+"Codex 带你到 80%，但那 20% 是决定性的"+十亿美元 plugin 预测（秘方＝数据/UI/集成）——⚠️ 而本库标出同期张力：他自家那 5% 恰恰是采购数据的决定，不是模型改动能力、⚠️⚠️ eval 调查偏差："数字好看，研究员就假定模型变强了，不去调查"（GPT-6 在金融 eval 上没动 → 深挖发现是答案键错了、prompt 写得不清楚）——本库第一条指认"让模型显得更好的 eval bug 会永远留着"、⚠️⚠️ taste 可训且方法是回到最早的 RLHF（"我们就给我们自家的 slides 这么干了"）+ 反直觉结论"人在审美判断上实际上比模型好得多"、⚠️⚠️ 把安全画像塑造成一个人（Google 的 readability、银行 junior→associate→VP→MD 层级复核），⚠️⚠️ 而支点"人犯的错和模型犯的一样多"无任何比较数据、且层级复核依赖各层错误彼此独立——本库标为该期最该被追问而未被追问的一处、⚠️ 两条轴的区分："会断送职业生涯的错误是你把一条信息搞错了、而那条事实信息改变了结论"（他认为在变好）vs "模型今天真正欠缺的是涉及人类判断与 taste 的那一部分"；另有⚠️⚠️ 新 eval 口径换成职业替代率（"投资银行 eval 能预测你大概就能把一个 junior analyst 的很多工作自动化掉"）、⚠️⚠️ "编码为什么先被解决：那些在训模型的人自己懂什么叫好代码……等到要让模型更懂金融，我们没有那个优势"→ 设 subject matter expert 岗、编码/金融按"可验证+taste"的同构拆分与"模型的 feel"、⚠️ "往上爬目标就变得模糊得多……我可能得等个三年才真的能看市场做了什么"、"在企业侧，你必须面对你所在那个行业的现实"（落点具体：按第一性原理该接 MCP，按行业现实该自营）、Codex 在 OpenAI 内部采用曲线：金融/法务/销售"基本在零"然后跳到 90%，时点对应 2 月桌面应用发布；⚠️⚠️ 本库另标两处缺口：主持人指出投资判断"常常反主流共识"而回答绕开了（与"taste＝合乎社区绝大多数人认为对的范式"直接冲突），以及冷开场那句"2026 年我们已经能解决很多预训练问题了"整期一字未展开；⚠️ 自动字幕专名问题：模型名三种拼法 "6 Astra"/"61 Astra"/"GPT-6 Astra"、数据源 "Dilupa" 疑为 Daloopa，本库照录不认定）
• 2026-11-02 "我们基本上看不到任何 trace……这里有一个 agent，它能做那么多惊人的事，而我这边完全不知道人们实际在干什么"：一家法律 AI 的 CTO 谈在看不见数据的前提下做 eval、合伙制为什么挡着知识沉淀，以及"agent 能不能就是 API"（Jacob Lauritzen / Legora CTO；⚠️ 自述、无第三方来源，✅ 但厂商色彩很轻，依据是五处对自己不利的陈述：把生意里最难看的结构性缺陷当成全期主线自己说出来、对"初级律师没了"直接答"那其实不是我们看到的情况"、承认"直到最近做复杂 eval 其实不太值得，因为模型就是都变好了"、对自家 API 战略说"我们抗了很久而且现在也不承诺"、主动说自己那个"永远只要 20 个工程师"的判断错了；✅ 八处值得长期保存：⚠️⚠️ 把本库"评估权在买方"整条线反过来的结构性约束——"我们看不到任何数据，因为它全都是高度机密的"，而不可谈判的理由是"他们手上很多数据甚至不是他们的，是他们客户的"；于是 Arca 的"我们有能力要求他们给我们反馈" 在这里被标出了价格：买到的不是销售效率，是可观测性、⚠️⚠️ 买方跨领域×跨任务热力图上的模型回退"频率比你以为的高得多"——与 Joseph Kim 的卖方 eval 调查偏差 咬合成同一机制两端：卖方指标聚合且只在下降时被查，买方指标分格于是能看见被掩盖的回退、⚠️⚠️ 合伙制与人力资本的产权解释（"你没法拥有人……但你可以租他们"→ 把人力资本变成所有者），而知识沉淀卡在"合伙人一离开就拿不到他们建起来的资产的分红"，✅ 自带可检验推论：真有律所开始大规模沉淀知识，其合伙人分配机制里应先出现改动、⚠️⚠️ 对"买律所拿数据"的反驳：输入买得到、过程买不到，"真实用户的真实 trace 是极高价值的"——修正本库多条"数据是护城河"的主张，而这也让第一条成了本期最大的讽刺、⚠️⚠️ "agent 能不能就是那个 API？"+"我们产品里有多少可以就是那个 agent"，拦路两条：无界的执行成本与延迟 + "可能一百次里有两次它会干出我们不想要的离谱事"、⚠️ 脚手架半衰期的买方版本且正面承认："直到最近做复杂 eval 其实不太值得"+"它不能正确标引用……下一个模型发布就解决了，从 70% 变 99%，我们什么都没做"+"随着模型变化，我们一直在改我们围着它搭的那套脚手架"——✅ 本库归纳：测量设施与脚手架在同一条曲线上，所以自建 eval 的收益率不是常数、⚠️ 两个岗位最干净的定义："legal engineer 像高级用户那样配置产品，他们不写代码"／"forward deployed engineer 往生产里写代码"，而 FDE "仍然不碰数据，只是把系统建起来"、⚠️ 对模型厂商下场的否定，理由是深度不是能力："他们永远不会做到我们这么深"，✅ 分界线划在交易规模上因此可检验——"小企业法务走 Claude 没问题，但四亿美元并购你会想要 Legora"；另有⚠️⚠️ 引用能多层溯源但律师实际只做选择性复核（"那种编出来的最高法院链接。他们不在乎"、"就跟你从一个初级律师那里收到东西一样"）——✅ 本库判这同时证实与反驳了 Joseph Kim 那条"把安全画像塑造成一个人"、⚠️ 受监管行业三条硬约束（Azure-only 因律所把微软当已批准供应商、DPA 名单上供应商极少所以不用 ElevenLabs、于是"够好 + 全套治理"胜过逐任务最优——本库第一条把捆绑平台优势落在合规开销而非能力或价格上的材料）、⚠️ "我的工作是……让客户感觉我们建了超多东西，而我们其实只建了很少几样"+ 三个 primitive（lists/projects/agent，"agent 能创建 list，list 能创建 agent"）、⚠️ "幂律分布：大概 60% 的工作现在就能做得非常好，而从现在起那就是个成本和延迟的问题"、⚠️ "legal tech 从来没成过，因为律师没有动机去提高效率——他们会赚得更少"（他当年劝退 CEO 的理由）与计费正在塌成项目费/免费/固定价、⚠️⚠️ 澄清本库一处读错：到 2026-11 为止"我们一个模型都没微调过"，落地在下半年且范围收窄成法律检索一类（已在 CEO 页 标注时间线）；⚠️⚠️ 本库另标一处被主持人当场叫住却整期没回来的话题：他自己说"我们很高兴看到 Claude for legal 用我们的术语"，主持人当场"我们得聊聊这个"，而再也没回来——✅ 而这恰是"他们做不深"那条判断最直接的反证候选；⚠️ 自动字幕问题：公司名几乎每次拼法都不同（本库统一写 Legora）、最强档模型名 "mythos" 不可确证、⚠️⚠️ "100" 指向三个不同的东西（一池 100 位专家／100 个工程师／纽约 100 人）本库不合并）
• 2026-11-03 "这个世界需要的是把理解 coding agent 这件事从氛围的领域里拿出来，真正进到测量的领域里"：software factory 的八层栈、每个 PR 从 80 美元降到 15–20 美元的配置性归因，以及一条他自己也说不清合规性的订阅套利（Zach Lloyd / Warp.dev 创始人兼 CEO；⚠️⚠️ 立场需双重标注：这一期实质上是带屏幕共享的产品演示，而且是 AIE code 的会议预热、他本人在该会做 keynote——全部成本/吞吐/正确率数字为自述、口径自定、无第三方来源；✅ 但本库判可保存价值不在数字而在他把一整套东西拆成了分层清单，且他反复主动说"不管你用不用 Warp"，⚠️ 而 swyx 当场把这个动作本身点了出来："真正的高招大概是思想引领到这种程度——最后所有人都在试着搭 Warp，即便他们不用 Warp"；✅ 七处值得长期保存：⚠️⚠️ 本库第一份"在自己公司真实的 agent 运行记录上做 benchmark"的具体做法，而关键是矩阵有两个轴——"不只让你变模型，还要让你变 harness"（对着 Claude Code / Codex / Pi 重放），产出"看起来很像 SWE 或 Terminal Bench 的结果，但跑在你自己公司真实的运行记录上"，下游喂进"模型路由或者说实话是 harness 路由策略"——✅ 这把 Arca 用内部 harness benchmark 否掉外部榜单 与 Eve 的维度错配批评 做成了产品形态，⚠️⚠️ 但本库标出它的上游前置条件是可观测性，而 Legora 恰好拿不到、⚠️⚠️ 一条位置缺口而非能力缺口的行业状态陈述："我跟公司聊的时候大部分都没有这样的东西，因为他们的工程师基本上是各自在自己的终端里用 Claude Code……在自己本地的环境里"——✅ 本库归纳：本库此前那些"要沉淀、要写回、要建 eval"的做法全都隐含同一前提，产物得落在一个公共位置上，而本地终端恰好不是、⚠️⚠️ 80→15–20 美元/PR，而三条归因全是配置性的、没有一条落在模型能力上："用了 Opus 而本来不该用"、triage agent 挂在高功率模型上、"子 agent 开得太多，相比之下本该用更少的 agent"（配套：吞吐 +40%、"我们量了 revert 率，而它没有上升"——⚠️ 该指标定义/窗口/基数均未给出）、⚠️⚠️ 一个值得直接搬用的指标口径："对每一个被 merge 的 PR，人类一共得对它动手几次"——✅ 它不需要定义"成功"，于是能在任务类型高度不齐的工作流上横向比较；⚠️ 但本库标出它是会被优化的指标，而优化它最省力的办法是少动手，本期把它当纯观测量、⚠️⚠️ 一条真的闭上了的 self-improvement 回路，以及他自己指出的缺口：self-improvement agent 报出"54 个这种形式的失败案例"后"可以直接对 factory 的定义提一个 pull request"（因为工作流本身是 YAML），而"我们还没有这个，但下一步想做的是：回去重放那些运行，确认它真的会让它们变好"——✅ 本库判这未建的部分正是整条闭环的承重点，并归到 MakerMaker 的"闭环 ≠ 起飞" 判别式的分母侧、⚠️⚠️ 一条他自己说不清合规性、却被当成竞争格局前提的订阅套利：按 API 付费"比买一大堆订阅贵五到五十倍"、小公司"在十七个不同的订阅之间轮着用"、被问是否违反服务条款答"你没法想象那被允许。但我——说实话，我就是真的不知道"，而推论是"你没法在一个贵这么多钱的东西上面做出一个有竞争力的 coding agent"——✅ 本库记这是第一条把"应用层会不会被吃掉"落在渠道定价而非能力或数据上的论据，⚠️ 但它的承重前提（那个价差能持续多久）两人都没碰、⚠️ 一个两头都封闭的适配区间：下限 5–10 个工程师（"如果你就几个人，说实话这是过度设计"），甜区 10–100 人快速成长，上限他点了名——"非常非常定制的基础设施……比如说会是 Uber 或者 Ramp 这种"；另有⚠️ 八层栈本身（声明式 factory as code／Terraform 类比、跨工具的 agent 对话与产物归档、MCP 分权、可插拔计算层"如果你想用 Daytona、Modal 或者 E2B 之类，我会这么架构"＋"对 computer use 你会需要能跑一个 Mac VM"、开放推理与"基本上任何 ACP 兼容的 harness"、改进层、被他主动降级的 orchestrator、不另造界面的接入点），定位句"它比 CI/CD 所在的位置往后退一层"、⚠️ 一条尚未兑现的岗位二分：product engineering vs factory engineering——"你作为一个工程师要怎么练出对的技能，去工程化那个造软件的系统，而不是直接去造软件"、⚠️ 一个具体的 agent 技术债："有时候它们写一堆你不需要的测试……然后就把它留在代码里了"→"把你的代码库搞肿了，而且它浪费 token"；⚠️⚠️ 本库必须标出两处空缺：① 被明确问到"最强的那个 steelman 批评是什么"，而回答从第一句就换成了"它不适合谁"（规模 + 定制基建），swyx 两次试图拉回都没成功——✅ 本库判这是市场分层、不是对方法本身的反驳，并另记三条他未被问到的反驳（测量设施自身的半衰期、指标会改变被度量者行为、自我改进回路缺验证）；② 整期核心主张是"从氛围到测量"，而支持它的全部证据是自家演示里的自报数字；⚠️ 自动字幕问题：两个讲成本/正确率权衡的模型名（"GPT56 soul"、"GLM 53 flash"）均不可确证，本库只取"2 个百分点换 3 倍价钱"这一结构、不作型号采信）
• 2026-11-04 "他们不是不想见你，是不被允许——但如果你们在同一个场地，就会撞见"：swyx 作为被访者谈 AIE 上海的加盟模式、把一个四万美元 SaaS 悬赏一万克隆掉，以及"他们是非常好的创业者，只是住错了国家"（swyx / Latent Space 创始人、AIE 大会创办者，⚠️ 本库第三次收录他作为被访者；提问者 Galen Gao 来自中国，⚠️ 转录稿里从未被点名、全名取自视频简介；⚠️⚠️ 立场：角色是反过来的（Latent Space 通常是他提问），而这一期是 AIE 上海——他自己的大会品牌在中国首场——的预热节目，前两分钟是他自己录的开场导语；所有关于 AIE 规模、Latent Space 影响力与"Kill My SaaS"成果的数字全部自述、无第三方来源，本库定性为自述访谈而非独立访谈；✅ 但七处值得长期保存：⚠️⚠️ 本库第一条关于中美 AI 实务接触机制的描述——"尤其对中国的实验室来说，其中有一些在实体清单上。他们不能正式和你开会。很多美国公司也不能正式和你开会。他们不被允许。他们甚至不回复你。那不是因为他们不想，而是因为他们不被允许"＋"但如果你们在同一个地点，你们就会撞见对方"，而他对自己处境的表述同样具体："我连在中国设一个本地实体都做不到""我不能和白宫惹上麻烦"，于是形态是纯加盟"我是麦当劳，你是麦当劳中国"——✅ 本库判这条区分了"不想"与"不被允许"，并指出正式渠道被切断后剩下的通道是物理同场，⚠️ 但它同时是一位会议主办方对自家产品价值的论证、⚠️⚠️ 一份由买方做的中端 SaaS 克隆实验：把一个四万美元的采购提案改成一万美元悬赏开源克隆，结果 69 份提交、约 5 份"我们会付钱买"的水平、一周做完、两个月评审；而可检验的功能例子是 1,000 份投稿选 25 席，现有 SaaS 要"一个一个一个地点"而参赛者做出一张可直接重排序的表——"这个视图在那个 SaaS 里不存在。要拿到这个视图，我们得申请六个月"；⚠️⚠️ 本库把它的效力限定在"中端 SaaS 的议价权正在变化"而非"可被替代"，因为他自己承认维护"不是零"、"有时候从一个经过检验的 SaaS 买确实会更好"，并明说"这件事我能做，是因为我是个 influencer"、⚠️⚠️ 一条机械化的威胁描述："模型非常擅长点完你软件的每一个界面，然后独立地把它复刻出来"→"我一旦能访问你的软件，我就能克隆它。所以祝你好运"；而分界线带理由——"Salesforce 没问题"，但中端服务中小企业的 SaaS 会很难过，因为"你就是一个数据库，人们往里打字然后拿到点东西出来"；处方是两条出路加一个空心地带（某垂直里最顶的 agent／专门数据当数据供应商／"在这两者之间的任何位置，都会有别人自己把它写出来"）、⚠️⚠️ 一处自动评审的边界，本库判本期最被低估的一句："因为我们并不知道自己想要什么。所以我没法为我自己都不知道想要什么的东西做一个 AI 评审"——✅ 本库判这把边界划在"评分标准是否已经存在"上，并与 Tenex / Karan Singhal 那两条区分开：那两条是判据难以构造，这条是判据尚未存在——不是难度问题而是时序问题，解法也不同（先采样再定标准）、⚠️⚠️ 一个口径转换："开发者的问题是说哦两百美元好多钱。而我是个生意的所有者……十个员工我付他们一百五十万。如果他们协作得好 10%，那就是十五万。而它不是好 10%，是好五倍——那就是七百五十万"——✅ 本库判这是对"为什么企业侧支付意愿远高于个人侧"最简洁的解释，且不依赖任何关于能力的假设、⚠️⚠️ 一个可操作的"品味"定义："从一个巨大的可能性集合里，你能又快又省地把它收窄到那个子集——而当你回头看时，那个子集立刻就显然是好的"，而外部判据比定义更可用："当别人开始抄你刚发的那个东西，你就有品味"；第二个例子落在"更无聊的问题"上更有价值：Legora 的并行文档审阅——"任何人其实都能想到这个点子。点子很便宜——但你没做。Legora 做了"、⚠️⚠️ 对"为什么是 Diogo 成了"的三因归因，而前提是一个很强的承认："Diogo 不是第一个这么做的。此前已经有上千人试着说小模型好"——三条是 OpenAI 的可信度、system 1 / system 2 这个让沟通变清晰的框架、以及"在表演力和技术能力这两个维度上他都是 10 倍"；✅ 本库判这与他对品味的定义是同一论证：决定因素是收窄与执行，不是想法的新颖性；另有⚠️⚠️ 一条判断 AI 评论者可信度的启发式："他们听起来全都一个样。都是我到 AGI 的时间线是两年、你们将来都不会有工作了。而很方便的是，接下来那件事看起来就是他们的工作。所以它非常自利"，配套的"工程师"定义是"凌晨四点起来去修它的那个人"——✅ 本库判这对本库本身有用（本库大量材料来自有此结构性动机的说话人），⚠️⚠️ 而本库标注它同样适用于他自己，且他并未自我豁免（"我也是那个的一个小号版本"）、⚠️⚠️ Jev 的范式对照："模型是为我们服务的，我们不为模型服务"，而当前失败模式被说得很清楚："你有那个庞大的传统 SaaS，然后你的 LLM 是旁边这个聊天机器人的窗口"，正面形状是"你写它就跟你在一门普通编程语言里写一个 if 语句一样随意"、⚠️ 零和 vs 正和的区分："金融是零和的。如果我知道一件事然后告诉你，那个真相就失去了价值。但在科技里大多数东西是正和的"，以及一条反鸡汤限定"仅仅因为你非常努力，你并没有被赋予获胜的资格。你必须非常努力并且很好"、⚠️ 集成才是自建的增量（自托管签名文件"直接进到我自己云盘上正确的那个文件夹"——"而这在 DocuSign 里是不存在的"），而 DocuSign 的网络效应被他否掉："那个网络就是电子邮箱地址"；一般化是"在每一百万次复制粘贴里面，我认为都有一个极好的创业公司和产品可以被造出来"、⚠️ GTM 不是最后一公里："你不该把营销当成最后一公里……如果你把营销更早地放进流程里——早到它还没真的被造出来、还没写规格的时候"，以及对中国机器人公司的具体批评（"宇树还是在做宇树的那些事……他们这周发的东西是在打功夫。但好吧，那个我见过了"）→"show don't tell"、⚠️ 一组中美体感差异：工具选择（"旧金山有一个 B2B SaaS 的泡泡，但上海——你们用 ComfyUI。我们这儿不用"）、社群规模（"对你们来说，一个中等规模的社群是一百万人——这在这儿是巨大的"，⚠️ 提问者当场修正"一百万在中国也已经是最顶的"）、996 对照、以及一次他明确承认的预判失败（2007 年在北京交换时 BYD"还是那种我们会永远是中国的"，而"BYD 正在拿下美国……我绝不会想到 BYD 会来这儿"）、⚠️⚠️ 一条关于触达的渠道诊断："中国的活动被呈现的方式和西方观众喜欢消费的方式不一样。所以它们没有同样的触达"——阿里云把整个路线图连 Qwen 都讲了的发布"这儿没人看见。为什么？因为它夹在某个由别人来讲的企业演示中间"；⚠️⚠️ 本库必须标出四处问题：① 一条高度可争议且他没有给任何论据的国别论断——"他们住错了国家……他们之所以没有更富，唯一的原因就是他们住在中国"，本库照录为立场陈述不采信，三条理由（单因归因且无论据、与他同期"他们在营销上很烂"那条自相冲突因而自带反例、把"好创业者"与"更富"当成可互换的量）；🔗 而本库记下这是近期第二条被如此处理的国别论断（另一条是 Tutor Intelligence 的"中国得拆掉重建"），两条结构相同：由有直接利益的美国侧说话人给出、单因归因、且在同一期里能找到自带的反例；② 三处建议/论证恰好把价值导向自己（渠道诊断之后紧接"那就跟我一起做啊"；AEO 实验的结论恰好是自家播客排第一到第三；"实体清单所以需要同场偶遇"恰好论证自家大会价值）——✅ 本库把诊断与建议分开处理；③ Kill My SaaS 的成果口径在同一段里前后不一致（先说"很多很糟的提交"又说"我们有 69 份好的"）；④ 一处他自己点出却未处理的张力——同期既说"默认假设应该是 AI 毁灭"（配套论证："当一个更先进的文明到来、遇到一个较不先进的文明时，较不先进的那个会灭绝。而这个东西演化得大约比我们快一千倍"），又说最担心"如果我们真有一个 AI 冬天……我会不会破产——对一家依赖炒作的会议公司来说，这是个真实的担忧"，两者指向相反的世界；⚠️ 而本库标注那条 AI doom 表述与他 2026-07-10 那次的差异：那次给的是带时间尺度的 pdoom（五万年约 90%、十年内近乎零、五十年约 5%），本期去掉了时间尺度；⚠️ 自动字幕问题极多：产品与人名大量讹写，可高置信还原的有 Emad Mostaque、Airbyte、Jev、Diogo Almeida、Legora、Calendly、fal.ai、宇树、ComfyUI、阿里云、Qwen、MiniMax、Manus、KubeCon/JSConf/PyCon；⚠️⚠️ 一处中文成语被音译打碎（"you have the long / I will help you with the ting"），本库按"画龙点睛"理解并标为编辑判断；⚠️⚠️ 生物武器那句的具体对象被讹写成 "CO 2"，本库只保留"最极端的版本是生物武器"这一结构、不采信那个对象；⚠️ AIE 上海的组织方与组织者名、中国最大 AI 社群名、Cursor 新产品名、AIE 数据集路径与 AEO 站点均不可确证，本库照录不采信）
• 2026-11-06 "你不知道自己一开始就没抽出来什么"：一家文档处理公司的 CEO 把前沿模型的失效模式定位在 recall 而不是 precision，以及"白领工作还没有 Claude Code 时刻"（Adit Abraham / Reducto 联创兼 CEO；⚠️ Let Them Cook 系列，边做菜边访谈，约五分之一转录稿与 AI 无关，主持姓名全程未出现、本库不指认；⚠️⚠️ 立场需双重标注：他是 CEO，而这一期同时是产品发布现场（自研端到端模型 R1「下周一宣布」、结构化抽取降价「今天宣布」），全部准确率/成本/规模/客户反响为自述、无口径、无第三方来源；✅ 但本库判厂商色彩中等偏轻，依据是三处对自己不利的陈述；✅ 七处值得长期保存：⚠️⚠️ 本库判最有价值的一条是一个带方向的失效模式定位——"我们发现 precision 和 recall 之间有一个很奇怪的 trade-off。所以很多这些专门的文档处理平台，在你放开推理时间不设上限的时候，是比前沿模型更差的"，而"前沿模型的失效模式在 recall 上。所以它们在静默地丢行……如果你的抽取层就这么把信息整个漏掉了，那是一种你在生产里根本不会发现的损失形态——你不知道自己一开始就没抽出来什么"；✅ 本库此前关于 harness 的材料（harness 值 2 倍成本、harness 的 80% 天花板、Alex Zhang 的 harness 理论）都在讲它值多少钱、能到多高，没有一条说它在挡哪种错误——这条给出了答案：挡的是不会报错的漏抽，且方向可检验、⚠️⚠️ 把"升级给人"写成被度量的指标："内部做基准的时候，我们不只拿抽取准确率衡量自己。我们会说：那些不完美的东西里，我们有多可靠地能把'这个不完美'升级给人？"，前提是他拒绝"完美"这条线并要三样东西（可追溯/可指向/置信度打分）；✅ 本库 评估与 Benchmark 页上此前最接近的 Kavak 与 Decagon 测的都是"做对多少"，没有一条测"做错时有没有举手"、⚠️ 连续评估要找的不是错的而是"也许不算错、但就是不完美"的，目的是让生产流量而不是测试集设计者去定义什么是分布外（例：手写体 + 歪页 + 划出格线），"重点不在那个单独的数据点本身，更在失效模式的模式"、⚠️ "自研还是外采"的第三种理由："我们非常在意准确率、成本、延迟那个 Pareto 前沿。而我们一次又一次发现：如果你看的是某一个特定类型的任务，一个在那个任务上后训练过的模型，在这三个维度上都更优"；✅ 与 Moshi 那期 给的两条（数据不出门、团队禀赋）正交——而那一期的主持正是点名 Reducto 这类厂商来问"自己拥有模型重要吗"，⚠️ 本库记下一处张力：Moshi 自建的理由之一正是"不想把客户数据发给 Reducto 这样的第三方"，而本期完全没有谈数据处理协议、⚠️⚠️ 一条对"白领的 Claude Code 时刻"的归因，而瓶颈不是智能："模型智能差不多就在那儿了"（前沿实验室先在 codegen 上爬坡，因为"代码在很多情况下是一个可验证的问题"且"工程师是最可能去采用的那群人"），真正卡住的是未成文的机构知识——"你跟一家大型金融机构聊某个纸面流程是怎么做的，他们就是有那种机构内的知识——噢，如果我在屏幕左下角看到这个，我就知道它来自 Kentucky，因此我做 X。而这种东西很少是被明确写下来的"；✅ 本库判这比既有的 Ali Ghodsi 的"不是模型不够聪明" 与 陈然的"落地问题不是模型能力问题" 机制更具体，且那个 Kentucky 的例子本身就是可检验的形态、✅ 一条可直接搬到别的 agent 产品上、且不依赖文档载体的划界："对于客观的任务，比如解析……我们要它横向，要它 zero-shot。而对那些属于见解之争的东西，比如某个财务团队对某个指标有不一样的定义，那些东西应该是可 prompt、可引导、并且随时间改进的"（横向化的论证落在"文档归根结底是同一套原语"这个具体机制上——"每次两段之间有一个间隔，你就知道，好，这是一个新的语义块。你不会有意识地感知到这件事，但它是直觉的"）、✅ "每个问题最后都是搜索问题"："不管你叫它 RAG 还是叫它别的，大量产品仍然是某种形式的搜索，再在搜索结果之上做某种形式的推理——这在我看来定义上就是 retrieval augmented generation"，归并论证是行为层面的（agent 爬文件系统 = 搜索+拼上下文+综合+动作）；⚠️ 本库此前关于"RAG 死了"的材料都把两者当成替代关系，没有一条给出"同一过程的两种实现"这个归并，但标注它是定义层面的论证、不含经验证据；⚠️⚠️ 本库必须标出的最有价值的一处对照不在本期自身：他的连续评估飞轮整条依赖"我们在生产里看得见不完美的输出"并被直接说成护城河（"你一个月处理十亿页，你怎么围绕它做出一个飞轮"），而四天前 Legora CTO 的主线恰好是反面（"我们基本上看不到任何 trace"，因为"他们手上很多数据甚至不是他们的，是他们客户的"）——而两家在同一条价值链上，Legora 是他点名的客户之一；✅ 本库给出的解释（非任何一方陈述）：可见性不是能力问题而是位置问题，可检验推论是越靠下游/越接近客观任务的层级越能建连续评估飞轮，越靠上游/越接近主观判断的层级越只能依赖买方自评——而这与他自己那条"客观要 zero-shot、主观要可引导"同构，本期没有把两者连起来；另有⚠️ "benchmark 很大程度上已经变成营销材料了。每个人都是自己那个 benchmark 上的第一名"，于是买第三方独立基准来划线（"Reducto 不挑文档。Reducto 不设 ground truth"），✅ 但他自己给这条降权——"归根结底最重要的是人们拿自己的文档去试"；🔗 与 TypeSafe 的 Diogo Almeida 公开拒绝公开基准 是同一诊断下的相反处方、⚠️ 一条此前缺失形态的下游效应：某法律科技客户发现"当文档是由 Reducto 解析的时候，他们的客户与文档的交互量是原来的两倍"（⚠️ 客户未具名、无口径无基线、因果链为客户方归因；✅ 但本库记下这个形态是新的——此前关于解析质量的材料都停在准确率，没有一条给出"质量改善 → 终端用户行为改变"这一跳）、⚠️⚠️ 一条组织侧的真增量，且与本库既有做法相反："我们从第一天起就在 onsite、或者说一般的面试里允许用 LLM……而那些题目最后会变得相当难做出来——除非你正确地用 LLM"（整日 8 小时 onsite）；✅ Retell AI 那份雇主侧材料 是重新设计流程去防/测 AI 使用，这一份是把"会用"设成通过条件、且靠提高题目难度而不是加监考——本库归纳：把筛选交给题目，而不是交给规则、⚠️ "PDF 作为一个文件格式，最初的情境是为了让打印机忠实于原件。所以它根本不是围绕'agent 要来读它'这个问题设计的"；⚠️⚠️ 本库必须标出两处未收口（且都紧跟一个烹饪动作）：① "护城河"问题的前提是"你训不到客户全部的数据，所以量涨了性能也许涨不上去"，而他答的是飞轮+横向直觉、然后转向"竞争性市场其实挺好的，因为它非常讲绩效"，那个前提一次也没处理；② "有没有具体的基础设施工具或框架"被打断两次，最终没有给出任何工具名；⚠️ 自动字幕问题：公司名几乎每次出现都不同（Reductto/Reduct/Redduck）、"quad"→Claude、"perto frontier"→Pareto frontier、"Devon"→Devin、"Lora"→Legora；⚠️⚠️ 不可确证因此照录不采信的：独立基准合作方（字幕作 "micro one"）、"ROM OCR"、报税客户（"basis"/"N10 tax filing"）、新 ML hire（"Leang"）、联创（"Ronic/Ronik"）、早期 ML 研究员（"Ephe"/"Yee"，本库判为同一人）、年轻工程师（"Arth"））
• 2026-11-06 "我们最大的想法其实花在了指标的构造上"：一位学术侧的虚拟细胞负责人谈归纳偏置的代价、类器官扰动，以及把"下一个实验做什么"变成一个逆向生成模型（Fabian Theis / Helmholtz Munich 计算健康中心负责人；⚠️ AI for Science 子系列，主持为 RJ Honicky（Mirror Omics CTO）与 Brandon Anderson（Atomic AI），两位本身是 AI-bio 创业者而非媒体人；✅ 立场判定：本库判这是该线上厂商色彩最轻的一期之一——他在第一个实质问题上主动做能力披露（"我对不同研究实验室在做什么有的那种概览……我在创业公司那个尺度上并没有真的具备这个"）、点名自家论文时同时说出局限、对自己的处方主动降温，⚠️ 但他提到的几乎所有模型都出自自己实验室，本库不把效果当已核实事实；✅ 六处值得长期保存，其中三处此前完全没有：⚠️⚠️ 本库判最有价值的一条是对归纳偏置给出代价方向，而它出自一个本来最该偏向先验的位置（学术、数据受限）——"文献已经相当清楚地显示……如果我们把先验的归纳偏置建得太强，我们可能会损失预测能力。所以它是有代价的"，配套的是"从大规模机器学习里得到的诚实的教训是：在某个时点，数据会打败人造的、额外加进模型里的概念"，而例子是 AlphaFold 的旋转不变性（第一版把它硬编进学习过程，"只有在后来的版本里，旋转对称性是模型自己靠更多数据找到的，而且更灵活一些，因为你放进去的物理约束并不总是那么刚性"）；✅ 本库标注这把"数据打败先验"从口号变成了一个可查证的版本差异，且是在一个物理约束看起来最该硬编的问题上；⚠️ 但他对自己领域的现状判断让他实际站在混合模型一侧（"扰动空间的尺度还没有那么大，我不认为我们已经处在超级数据丰富的那个 regime"），✅ 而本库判这与 Xaira X-Cell 不是对立而是错位——分歧不在原理而在"现在到哪了"，且可检验：若扰动数据量继续增长，混合模型的优势应该收窄、⚠️⚠️ 本库第一条"最大的智力投入落在指标的构造上"的方法论表述，而它的前提很关键——"在某个时点我们会有 agent 去把你能想出来的各种算法组合都试一遍。事实上我们确实和一些 AutoML 那类的实验室有合作在试这个"→"所以也许剩下的……也许我们最大的想法去的地方，其实就是这个指标的构造"；✅ 本库标注这不是"指标很重要"的泛论而是关于剩余智力劳动落在哪里的判断，而 评估与 Benchmark 页上此前的材料都在讲基准怎么失效、怎么被 hack、谁该当裁判，没有一条把"构造指标"当作研究工作本身的主要去向；⚠️ 配套的冷水史很具体："在一个朝着虚拟细胞这个金罐子猛冲的领域里，人们有时候对基线就没那么小心"、Arc Institute 的 Virtual Cell Challenge"指标有一些甚至不是那么单细胞特异的，它们就可以被利用"、以及他给学生的最低基线——对药物来说"比均值更好，在数据里噪声这么多的时候，有时候并不是那么容易做到"、⚠️⚠️ 把"下一个实验做什么"写成逆向生成模型（LabCompass，自述当日或次日上预印本），而本库判真增量是他指认的卡点不在模型上——"你怎么建立一种文化……你要怎么说服实验的人把他们的生命时间押上去？因为这些实验往往要花不少时间"，配套两条降温：机器人化"还太早了一点，因为我们这些实验的循环时间还是偏长"、RL"有点远……目前更多算是 active learning"；✅ 本库把它放进自治实验室那条线上，与 Lila Sciences、Periodic Labs 构成一个从公司到学术的递减置信度序列，而本库判这个序列本身比其中任何一条都有用、⚠️ 一条此前没有的表征缺口："我们人类叫做'细胞类型'的东西有一个漂亮的隐喻——自然并不在乎它，这只是我们在东西上面套范畴。但它帮我们理解这个复杂度"→"我不认为我们对细胞的局部 niche 有一个类似的隐喻"，目前只能"把这个当作细胞的分布来处理"；✅ 本库标注这指认的是本体论缺口而不是模型缺口——缺的不是算力也不是数据，而是一套还没有被发明出来的中间范畴、✅ 一个干净的形式区分："一个扰动预测模型、一个虚拟细胞……其实就是一种世界模型。它不只是一个 f(x)，而是 f(x, a)——状态 x 加上动作 a，然后预测下一个状态 x′"，而他明确拒绝把表征学习当答案（"我不会主张纯表征学习是该走的路"）；另有 NicheFormer 里一个可迁移的任务构造——从一个细胞的状态预测它邻居细胞的表达状态，"因为它们互相交谈，你会在这一个细胞里看到那个细胞状态的残迹"（✅ 邻居就是标签，不需要额外标注）、⚠️ 一条对平台型生意的结构性观察："投资人通常理解的……是在某个时点你做出一款药，然后你就有了这个清楚的东西"→"所以我见过太多这样的平台公司在某个时点转向'我们做一款药'"；✅ 而他给的"甜点"判据不依赖药物——"如果你把它和数据生成耦合起来，而不只是建模这一部分，我觉得这才是甜点打中的地方，然后药厂才真的会买进来"，自家例子是与药厂合作的 cancer organoid perturbation atlas 联盟，而药厂动机被说得很直接："他们想对这些扰动类数据集拿到早期访问权"——✅ 本库判这是"把钱花在造数据上"这条线的第三个独立样本（前两个是 Xaira 与 Leash Bio），且它附带了一个药厂实际付费的机制，这是本库此前缺的一环；另有⚠️ 类器官作为扰动对象的具体状态与具体局限（会计算的迷你脑、会跳动的心脏类器官；⚠️⚠️ 而局限他自己列了出来——"常常免疫系统是缺的"，净判断是"但它比一个细胞系要多得多得多"），以及他把"扰动"定义扩得比 CRISPR 敲除宽得多——"扰动空间其实就是发生在一个细胞身上的事情的输入空间"，连培养基条件都算（"这还有点像是由生物学驱动的、甚至有点像炼金术"）、⚠️ "Y 模型"：两位导师（方法侧 + 领域侧）、自述运行八年，而本库判最有用的是其机制描述恰好与他那条"指标构造"主张内部咬合——学生"吸收了一大堆在那个生物实验室里并没有被精确地那样表述出来的问题……但因为他们是方法型的，他们实际上能把这个放进一个指标"；✅ 这是本库 AI 与就业 上"领域 taste 携带者是瓶颈"那条线的第一份供给侧材料（此前全是需求侧"这种人很难招"）、⚠️ 欧洲创业生态的分段诊断："欧洲、特别也是德国掉下去的地方是 scaling 这一段。早期 VC、以及那些非稀释型的钱，这些是有的。但当你走到 scaling，那些会承担更大风险的大 VC，我觉得远没有那么到场"；⚠️⚠️ 而他对美国的评价是与德国同病——"美国在让所有系统互相对话这件事上也差不多是一团乱"，样板他点的是芬兰 FinnGen 与丹麦；另有一条他自己设的 KPI（"每一位组长，我期望你至少在接下来三年里有一个 spin-off"）与一个与自己指令相反的诚实归因（"但我觉得如今这件事无论如何很大程度上是自下而上在发生的，是学生在推动"）；⚠️ 本库记录三处未收口：① 文化这个问题被明确推掉一次（"让我把文化那部分先放在外面，因为我觉得它很难回答"），后来只部分回来；② "agentic AI 让每个科学家都变成自己的计算生物学家之后，共同指导策略怎么演化"没有被回答；③ "最有希望的商业化方向是什么"没有点出具体方向；⚠️ 自动字幕问题：✅ 可高置信还原的（都是他实验室的公开产物）scGen、scTab、NicheFormer、CellFlow、LabCompass、Geneformer、CellTypist、Scanpy / AnnData / scverse；"Zera / Zara" → Xaira、"No it is" → Noetik、"arc competition" → Arc Institute 的 Virtual Cell Challenge；"Suda pack" → pseudobulk（中等置信）、"Atomwise AI" → agentic AI（中等置信，出现在主持提问里）；⚠️⚠️ 不可确证因此照录不采信的：单次千万级转录组那个实验的厂商与项目名（字幕作 "Pac Bio" 与 "giga lab"，本库只保留量级）、他那个对比学习模型的名字（字幕作 "SE concept"）、他担心会被吃掉时点的对象（字幕作 "Astra 2.0"））
• 2026-11-07 "现在你想为 GPU 融几十亿美元的债？没人出价"：一位成长期/公募分析师把 Anthropic S-1 的 810 亿"净亏损"逐项拆到零，以及"7 倍推理效率让它几乎是意外盈利的"（Jamin Ball / Altimeter 合伙人、Clouded Judgement 作者；✅ 立场上他主动做了披露且做在第一个实质问题之前——"我为 Altimeter 工作。我们在 Anthropic 上有一个很大的仓位。我说的一切都是我的个人观点"；⚠️⚠️ 因此全部关于 Anthropic 前景的判断都来自一个持有大额多头仓位的人，本库不采信为中立分析，而他自己也说"如果你看不出来，我是个超级乐观的人"；✅ 但本库判可保存价值很高且恰好集中在最不依赖他判断的部分——会计口径的拆解在数学上可自行验算；⚠️ 本期大量内容是对屏幕图表的口头解说而图表不在转录稿里，本页只记他口述的数字；✅ 七处值得长期保存，其中三处此前完全没有：⚠️⚠️ 本库判最有价值的一节是把那 810 亿"净亏损"拆到零，并给出此前本库拿不到的分项数字——"那几笔合起来的可转换票据大约是 110 亿。已经有大约 50 亿转成了股权。还有 60 亿在外。而那 60 亿的市值是 1,080 亿"＋"今年前六个月那 810 亿的净亏损里，720 亿来自给 AWS 和 Google 的那一批可转债，90 亿来自另外一批 safe 和票据。所以前六个月的亏损 100% 就是他们那些可转债的价值升值"，结论是"资产负债表上没有债，而那 110 亿可转债是包含在 1,410 亿总融资额里面的"；⚠️ 机制他也说完了（融可转债→资产升→负债必须同升；而"因为你承诺的是按某个价格给股份，那笔负债的美元价值随着估值上涨而暴涨"；净利润流向留存收益，"这些是数学上锁住的，你打不破"）；✅ 这直接补齐了本库 2026-10-30 那页 明确标为"这是 Sacks 的转述，本库未核实 S-1 原文"并因字幕量级不稳而"不写定具体数值"的那处悬置；⚠️⚠️ 而本库记一条他没处理的方向：在那 60 亿转股之前，GAAP 净利润会随自身估值反向波动——估值涨得越快账面亏损越大，他只说了转股后会消失；✅ 他的定性很克制："严格按 GAAP 会计，他们确实显示了 800 亿的净亏损。我是否认为那是这个生意的准确反映？不"、⚠️⚠️ 本库第一条具体的"债市关门"现场口径："现在你想为 GPU 融几十亿美元的债？没人出价（no bid）。他们就是说债市关着"（他的类比是"几乎等于一个 IPO 被撤回"），而机制是穿透看承购方——"任何 neocloud 或者超大规模厂商去融债，信贷提供方会问的最大问题是：承购方是谁？因为现实是那才是我真正在承保的对象"→"而现在付账的人就是 Anthropic 和 OpenAI……很多信贷提供方在说：我已经觉得吃饱了"；⚠️ 配套一条可当风险清单用的延期链条（签 OpenAI→签 NVIDIA→Dell 打包→融债→"然后你猜怎么样？可能会有本地社区起事和拉横幅"→延期→"但债已经融了。总得有人付利息"）与一条二阶效应（CDS 与对冲变贵→承担风险的意愿下降）；✅ 而他明确拒绝主持"债市钱不够"的框架——"我不知道债市是不是特别深。我觉得这更像是一个胃口问题。而且当然什么都有个价格——行啊，你去按 20% 融 50 亿的债"，✅ 本库标注这把关门从容量问题改成了定价问题；⚠️ 他对实验室自己不举债的解释是把资产负债表风险外包（"我猜 Anthropic 和 OpenAI 很高兴 neocloud 存在、来承担资产负债表风险"，类比 fintech"你不想在市场周期翻过去的时候持有一个资产负债表型生意"），并给了可核对预测："如果将来你开始在他们的资产负债表上看到债，我会不会意外？不会"；✅ 本库判它与 AI 复合体抢资本（宏观挤出侧）、Andy Jassy 的 capex 现金周期（企业内部侧）是同一问题的三个层级，而这一条第一次给出了信贷方拒绝时的推理链、⚠️⚠️ 一个把"数据中心反对"算成正面变量的论证，与本库此前该条线上的全部材料方向相反："好的一面是，建这些数据中心变得越来越难……所以你确实有了一个对建设的天然调速器，而我觉得我们因此远没那么可能过快地过度建设"，对照是 2000 年前后的光纤过剩，而判据是一句可被证伪的现状断言——"我们今天没有暗 GPU"；✅ 他同时说了坏的一面（"这个行业需要更多算力……防守方也需要更多算力"），结论是个人信念"我觉得我们会在比世界以为的长得多的时间里处于算力受限状态"；✅ 本库标注它把一个被普遍当作成本的因素重新算成了对冲——阻力降低了供给过剩的尾部风险、⚠️⚠️ 7 倍推理效率的拆法："今天只有 27% 的算力用于服务模型"＋"他们用于服务模型的算力涨了 2.3 倍，而同期收入涨了 14 倍。所以内嵌在里面的基本上是服务推理上 7 倍的效率提升"→"我觉得这是一个几乎是意外盈利的生意"；⚠️ 配套的头部数字（85% 毛利率、20%+ FCF 利润率、8% GAAP 营业利润率；"至今融资 1,410 亿美元……而今天账上现金 1,340 亿"→"这意味着你烧了 70 亿"，对照 Q3 单季收入 168 亿）；✅ 他主动做了股权激励调整（"如果你不给新员工发股权，他们就不会加入你。所以它是一笔真实费用"→调整后仍有 8%）；⚠️⚠️ 而他给了一条可回看核对的预测："我的猜测是你其实会看到这个走平、也许再转负……他们大概做过的事是在算力建设上投入不足"——✅ 本库标注若他对，接下来几季的下行应被读成投资决定而非经营恶化；⚠️⚠️ 另记一处口径限制：云伙伴贡献约 48% 的收入而那部分分成成本"很多在销售与市场费用里，那是在线下面"，因此 85% 这个毛利率是口径受限的数字、不可跨公司比较、⚠️⚠️ "芯片工厂"类比与一个量化门槛，本库判这是目前对"为什么新实验室很难追上"最简洁的表述："流片出一颗在当时能和领先芯片竞争的芯片，和造出一台能持续流片出能竞争的芯片的机器，是非常不同的两件事"＋"这就是为什么 NVIDIA 是王。不是因为它现在有最好的芯片，而是它有最好的出芯片的工厂流程"→"如果你想真的竞争、想在前沿有一个 SOTA 模型，你的算力不能比那些大实验室少超过一个数量级"；⚠️ 而模型 R&D 折旧问题他给的是"有条件的否"——"只要我下一次模型训练比当前的最好水平更好，我们就没事……如果下一个没成，这就有点像纸牌屋"、⚠️⚠️ 他自创的"算力版创新者窘境"，而结论对创业者有直接含义：多产品线的实验室必须决定把算力分给谁（"也许 Sora 的需求爆了。你要不要把大量的 Codex 算力分过去？"）→"他们不是在追逐那增量的 100 亿市值。他们在追逐下一个一万亿"→✅"所以对一家创业公司或者新实验室来说，很好——你可以去建一家公司、一个产品、一个模型，以 100 亿退出，那是全垒打、是大满贯。而同时，它对 OpenAI 和 Anthropic 来说太小、不值得在意"；✅ 配套一条应用层投资判据，而其限定比主张更有价值："我觉得作为一家应用公司，长期没有内部研究团队会非常难存活"→"但有很多研究组织只是为了研究而研究，而不是闭上这个环"、⚠️ 一条可逐年核对的渗透率口径："S-1 里说财富 500 强里 50% 在用 Anthropic。然而如果你看这批公司在 Anthropic 上的支出占它们费用的比例，是 0.1%"（对照是 John Collison 说 Stripe 今天 1%、预期几年内到 15–20%，✅ 而他自己做了限定"财富 500 强里的普通企业不会显示那个水平——但它可能显示同一个数量级的增长"）；⚠️ 另有前沿价值的量化口径"截至 9 月的三个月里，80% 的收入来自 6 个月或更新的模型"，以及对那 8,550 亿算力承诺的年化重算（"它不是一年 8,500 亿。问题是他们能不能一年出得起 1,000 亿"）＋一条不依赖增长的路径（"只有 25% 的算力今天被分配给创收用例。如果他们只是把那个翻倍、而且一片算力都不加，理论上他们就能把收入翻倍"）；另有⚠️ 一个他自己已加限定的现场心算（两家各 0→30 GW / 五年→自己就加 60 GW→假设占总产能 40%→五年上线约 100–120 GW→每 GW 约 500 亿→约 5 万亿 / 五年 ≈ 每年 1 万亿 ≈ GDP 的约 5%，"能和铁路时代的建设相比"），而他做这段心算的目的是接回债市——"所以信贷市场、债市需要特别特别特别深"；✅ 以及一条可直接搬用的口径区分："那个 50 GW 的数更像是'建成了多少'，而 Brad 更像是'建成且在线、在产 token 的有多少'"、✅ 主持那条该放在所有 S-1 讨论前面的提醒："你有这份东西里放出来的两千个数据点，而你会盯住一个，然后说'那就是你需要知道的一切'——而其实不，你丢掉了更大的图景"，并用自己的反例做了自我指认（AWS 拆出来披露那天他们不做多 Amazon，"金融有意思的地方在于你可以做完所有这些功课，然后做出更糟的决定"）、⚠️ 为什么现在 IPO：他明确说"融资规模"已不再是理由（"以前你想融 1 亿美元，唯一的办法就是上市。现在你一个种子轮就能融超过那个数"），而他强调的那条是债与评级——债权方要承保就需要看完整财务，"所以上市是公司拿到评级的一个很好的方式"，而"现在很多数据中心债务交易的利率都做到 10% 以上"；⚠️⚠️ 本库记录三处未收口：① 最重要的一处——主持那个"推理效率还剩多少可挤、7 倍会不会是一次性的"的问题整期没有被回答（他两次把话题转向前沿与开源权重的差距，主持两次把问题说清楚后放弃）；② "循环融资"被双方一致跳过，而本库标注它恰好与那批可转债是同一组交易对手；③ 录制时点与发布日期有出入（他说"周四录的"、主持说"是 10 月 29 日"，而发布日是 2026-11-07），本库因此把所有"今天""最近一季"一类表述记为相对的；⚠️ 自动字幕问题：✅ 可高置信还原的："Jam Ball / Ultimator" → Jamin Ball / Altimeter、"Cloud of Judgment" → Clouded Judgement、"Tomas Tongas" → Tomasz Tunguz、"Jebman's paradox" → Jevons 悖论、"Kimmy K3" → Kimi K3、"Ver Rubins" → Vera Rubin、"Jev" → TypeSafe 的 Jev、"Brad" → Brad Gerstner、"American terowatt" → American Terawatt；⚠️ 模型版本号被连写（"Opus 55" / "Fable 51" / "GPT56" 等），本库照录、不作型号采信；⚠️⚠️ 不可确证因此照录不采信的：OpenAI 自研芯片代号（字幕作 "Jalapeno"）、OpenAI 漏洞挖掘计划名（字幕作 "patch the planet"）、他点名的两家视觉方向公司、一家新晋 neocloud（字幕作 "Volta"）；⚠️⚠️ 一条主持顺带说出的事实性断言，本库记为待核实而非采信："我们也采访过 poolside，它被 NVIDIA 收购了"——本期没有给任何细节或时点）
• 2026-11-08 "那 1,980 个现在得由我来维护"：代码变便宜会不会取消开源供应链的理由、harness 与模型路由被拆成两层，以及一位 EVP 拒绝把 token ROI 算成收入（Jay Parikh / Microsoft CoreAI EVP；⚠️⚠️ GitHub Universe keynote 后的现场采访、本质是产品发布的延伸，全部数字为自述或自家 Octoverse 报告；⚠️ 开场那两个 agent 数字（约 40% 的 PR 由 agent 创建、agent 量 6 个月涨 6 倍）出自主持人独白且无来源，本库与受访者口径分开记；✅ 但本库判厂商色彩明显偏轻，因为他两次拒绝了送上门的有利说法）
• 2026-11-08 "我不想招任何没经历过 psychosis、又从另一头走出来的人"：Stanford 那门 AI-native 工程课的十周大纲、把开源维护者当导师用来补"品味断层"，以及"两年后 PR 合并数会很荒谬——那你的主指标是什么"（Mihail Eric / Stanford 兼任教授（CS146S "The Modern Software Developer"）、Monaco 的 Head of AI；✅ 体裁特殊：全期是 swyx 拿着一份公开课程大纲逐周往下走、每周停下来问"这一块现在的 state of the art 是什么"，因此本库判它的价值不在任何单一论断，而在于它呈现了 2026-11 哪些东西已经稳定到可以进大学课表；⚠️⚠️ 身份叠加：他同时是授课者、Monaco 的 Head of AI、以及这门课各家赞助方的对接人，于是期内大量"某家做得不错"的点名既是教学判断也是合作关系的表述，本库统一记为"他的点名"；✅ 但产品色彩很轻——他反复主动声明"我不是在为任何工具背书"、"我不想声称我今天就有全部答案，那会是很大的自负"；swyx 也把自己与 Devin 的顾问关系披露在相关评价之前，并点出污染源"我对 Devin 的看法来自内部，而内部有个泡泡——Slack 上你只听到好话"；⚠️ 自动字幕专名密度极高（几乎每分钟点一个人或一家公司），本库逐条标了置信度；课程代号在字幕里作 "CS46 146s"，标为不可确证；harness 名 "Pi" 再次出现在与 Claude Code、Codex 并列的位置，与 Warp 那期 同形，本库因此从"疑似讹写"上调为"疑似真实存在"但仍不采信；✅ 八处值得长期保存，其中四处此前完全没有：⚠️⚠️ 本库判最有价值的是第一条针对"初级岗位消失后人怎么获得品味"的机构级处方，而承重点不是课程内容而是谁来做 review——把作业从自编练习改成向真实 AI-native 开源仓库提交贡献，"在做这些项目的过程里，你会真的在和维护者对话。他们会 review 你的代码。他们会帮你建立起关于什么是好软件的心智模型。这样一来，就有了一次把真正的好软件设计的接力棒传下去的过程"；✅ 本库标注它与 徐天音那条自认无解的断层、John Platt 的"不做苦活怎么获得 taste" 的层级差——前两条是对个人的建议，这一条是对供给的安排：它承认 review 与 mentorship 是稀缺品，然后去别处把它调来；⚠️⚠️ 而本库标出两处限制——开源维护者的 review 带宽远小于学生人数、而这门课能调到它靠的是授课者个人"花了整个夏天去谈"（作为一门课成立、作为可推广制度未被证明），以及 swyx 在第七分钟就点出的样本局限"Stanford 的孩子会没事的。但美国其余那些人会怎么样"（嘉宾只答"那是个开放问题"，全期此后没有回到它）——✅ 本库判这改变了整条处方的读法：它成立的三个前提全部与学校声誉相关，于是它越有效，越可能在扩大那条被点出的裂缝、⚠️⚠️ 一条雇佣硬门槛，本库判是全期最尖锐也最可被直接验证的一条，而它来自 swyx 而非嘉宾："我不想招任何没经历过 psychosis、又从另一头走出来的人。因为我现在正在为某个人经历 psychosis 付钱。那从他的薪水上说非常贵，从 token 上说非常贵，而我什么都没得到，而他也不明白，我的反馈传不进去"→建议是把成本前置"我几乎会鼓励你的学生先去经历 psychosis，然后走出来，然后说：好，我当时哪儿不对"；✅ 本库把它与嘉宾那条"地板高多了，只做到一个 L3 是不够的，你一般得比那个好、几乎要到 senior 的水平才进得去"并读，记为本库对初级岗位最悲观的一处——毕业就得接近 senior，而 senior 水平里还有一项不可速成、只能靠烧钱烧时间获得的东西、⚠️⚠️ 一个本库此前没有被正面问过的问题，而它在期内被明确提出且明确没有答案："今天一个工程师，你是按你的 PR 合并率、PR 贡献率来衡量的。好，两年后那会很荒谬。那你的主要那件事是什么？"→回答是"我不知道"；✅ 本库记下那个否掉过程本身（"钱"被 swyx 自己否掉"人们总是太快跳到钱"；"CSAT"被否掉"那也像是产品决策，不太算代码决策"；嘉宾的半个答案是把岗位换掉——"如果工程正在演化成更像 PM 工程师、产品工程师那种混合体"）；⚠️⚠️ 本库标注这把既有材料统一否掉了一层——Warp 的"每个被 merge 的 PR 人类动手几次" 是平台在度量 agent、Jay Parikh 的功能交付/成本节省/留存/CSAT 是公司在度量投入，而个人被度量什么两位在场者都说不出来、⚠️⚠️ 那份十周大纲本身（harness 内部机制与从零搭克隆 → 规模化 context engineering 与 MCP → skills → agent 定制与 hooks → agent-ready 代码库 → agentic code review → 安全 → 背景 agent → AI-native 团队与 MCP portal/LLM gateway → software factory），而本库认为必须与清单同等显著地记下两位主持当场加的限定：swyx"这里面不是全都是已定的科学"，嘉宾"很大一部分课程内容相对去年变了"；✅ 而去年到今年的差别描述的正是一个领域从扫盲进到有原则的那一刻——"去年那一版感觉更多是在做一次广度的巡游……今年，我觉得有些原则正在固化下来"、⚠️ 一条代码库按风险分层的安全处方，口径干净到可以直接搬用（swyx 给出、嘉宾直接同意）："代码库的各个部分不是生而平等的……数据、计费、认证，那些基本上就是：不要 vibe code。然后其他一切，随便搞"，而本库判紧接的那条是前提不是补充——"如果你不知道 OAuth 和 OIDC 的区别，请去学……一旦你有了那套语言，你就可以为它写 prompt"、⚠️⚠️ 一条对开源会怎么变的预测，而它与同日 Parikh 那期正面接上："我有个信念——大多数开源仓库、如果不是全部，将来都会变成实质上由 agent 运行的 software factory"（例证是 Warp 把自己的开源终端当 factory 跑），✅ 而他对后果明确不知道"这让这个代码库对安全问题更脆弱还是更不脆弱？这有点难说"；⚠️⚠️ 本库的归纳是它抽掉了 swyx 前一分钟刚给的那条经典辩护的前提——"阳光是最好的消毒剂……如果这东西全世界有十万个用户，总会有人发现点什么"依赖的是人的多眼审查，于是两条合起来指向同一个待观察量：开源项目里人类 review 的覆盖率、⚠️ 一条 build/buy 口径"你买是为了学，你建是为了留"，而本库判更有方法论价值的是同一个决策（code review 工具）两次评估判据相反——第一次是统计驱动的普查（"看我们的 PR，做了一组饼图——啰嗦程度与有用程度之间的权衡"）判定不买，第二次他明确不再硬推、采用来自自发需求（"有机地，人们就开始说：嘿，Devin 挺好的，你能不能把我加进去"），✅ 而他把后者当成了更强的信号、没有解释为什么、⚠️ 一条给学生的"第十一周"职业建议，由 swyx 给出且带明确因果："做 benchmark 和 eval。这个能让你进每一家前沿实验室、每一家头部 agent 实验室的门"，例证是"人们不知道 SWE-bench 本来是个本科生项目"；✅ 本库标注这是第一次有人把"做 benchmark"当成个人职业路径推荐，而理由恰恰是本库该页积累的全部买方抱怨——需求没被满足；另有⚠️ 两条本库认为比论断更有保存价值的"我没有答案"：① sub-agent 的 context 该不该继承（"我不喜欢我现在做的任何做法。所以我没有任何答案"，配一条很具体的扩张—收缩失效模式"他们会对你很久以前随口说的某一条一次性评论过度调优，然后犯一些非常愚蠢的错，因为你不是那个意思，但他们当成了法律"）；② codebase 级的 spec 怎么保持最新（嘉宾说 PR 描述当 spec 写就够了，swyx 的反驳是层级错位"那是所有 PR 的总和"，并自认"我试着指示模型去做，它们做得很差"→"所以人类是 spec 之神"）；⚠️⚠️ 一条对 skills 当前形态的否定，本库记为 swyx 的推测且他自己标明这不是公开表态："我怀疑——Anthropic 那边有一些非常聪明的人想让 skills 死掉"→"它不是 AGI 本来应该长的样子。它就是每个人都有一大堆 markdown 文件"；✅ 而本库判他与嘉宾其实没有分歧、只是对象不同——他说该死的是"个人的一堆临时流程"，嘉宾说能活的是"组织的成文规范"（"这是一种表示组织级知识的替代方式"），而两者在文件格式上完全一样，于是"skills 会不会死"在当前形态下无法被回答；⚠️ 一次完整的自我推翻，本库判这段来回比任何一端都更有价值：swyx 把嘉宾的供应链建议推到"最安全的代码库是一个没有依赖的代码库"、嘉宾同意，然后 swyx 自己推翻"那个说法是危险的……开源的全部意义就在于阳光是最好的消毒剂"，并自认"我算是把你套进去了……而那里有个 bug"；⚠️ 一条与"上更多 agent"方向相反、本库判最实用的企业诊断："真正卡住他们的其实更多是那些低层的 DevOps、CI/CD 的东西——他们的 merge queue 堵了，立起一个 app 要太久……再丢进一个 SRE bot 不会是问题的答案"，✅ 本库判它补齐了既有诊断里缺的"工程基建"一项（此前瓶颈被指认在组织侧/数据侧/权限侧/流程侧）；⚠️ 一条安全问题的重定义："根本不是说它们会产 bug，而是你对正在被写出来的东西的觉知变少了……模型相当好。平均而言我会说它们的 bug 更少。问题是你甚至不知道你把什么东西发出去了"，✅ 本库判这把问题从"生成质量"挪到"审计覆盖"，而两者处方完全不同；⚠️ platform engineer 被两人独立点名为未来重要岗位（嘉宾主动提出、swyx 给判据"所有你真的可能把公司搞没了的地方"并自述职业反事实），✅ 本库判这是目前关于"新岗位"最有交叉验证的一条——与 Warp 的 factory engineering 两期、两位受访者、同一职能、不同命名；⚠️ 一条可直接拿来给"岗位马上要合并"降温的参照（swyx 的转述、未核对）："坐在你这个位置之前的是 Anthropic 的产品负责人和平台工程负责人。我问他们：你们的岗位什么时候会合并？他们说，还没到。所以如果 Anthropic 都还没到，你不该觉得这件事迫在眉睫"；✅ 一条该放在所有采用度讨论前面的现状提醒，嘉宾给了明确强度："确实有很多公司还在 prompt ChatGPT 那个阶段的某个版本，或者他们刚拿到一个 Cursor 的授权、现在才在让人上手。这件事比我们相信的要真实得多——至少在硅谷这里，我可以 100% 确信地说"；⚠️ 而本库记三处空缺：① 最要紧的一处是上面那条样本局限被点出后全期没有回到；② 关于"学生实际在用什么"的量化只有一个定性数据点（"我周二调查过的每一个学生——没有一个人还真的在手打代码了"），而工具占比他明确说还没问；③ 该期录于第二次开课的第一周结束，因此全部课程设计内容只能记为设计意图、不是经检验的教学结果，可检验形态是那些开源贡献作业最终有多少被合并、维护者的 review 负担实际有多大）

All-In Podcast

• 2026-07-10 开源赢麻、AGI 已至、Scorsese 的 AI 工具箱：Cerebras 与 Black Forest Labs CEO
• 2026-07-14 AI 正在颠覆的万亿美元行业：语音（ElevenLabs）与法律（Legora）
• 2026-07-11 OpenAI/Anthropic IPO、Token ROI 之辩、中国是否终结开源
• 2026-07-15 前 Intel CEO 复盘失败 + Lovable CEO 谈 vibe coding 的真实兑现
• 2026-07-18 AI 行业能自我监管吗：Demis 的 SRO 提案、数据中心禁令、企业数据泄露
• 2026-07-21 Mark Cuban 谈 AI 泡沫：真正被抹掉的是谁
• 2026-07-24 封杀开源之争、Anthropic 15 亿美元和解、Google capex
• 2026-07-29 1 美元/小时的机器人要来了：ANYbotics、1X、Boston Dynamics、Agility 四家负责人
• 2026-07-31 芯片股崩盘、200 亿基金爆仓、"Pacing the Frontier"联署、Anthropic 碎书
• 2026-08-06 Saronic：中国造船产能是美国的 230 倍——自主舰队、VLS 单位经济学、Port Alpha 首发
• 2026-08-08 Google 的 AI 人才外流、SpaceX 首份财报、Airtable 跌掉 90%、美国数据在喂中国 AI
• 2026-09-15 Satya Nadella：放缓之争、微软的牌与"谁赢 AI"（现场活动）
• 2026-09-17 Meta 总裁 Dina Powell McCormick：数据中心的社区账本、五周把人送上工地（现场活动）
• 2026-09-26 第 290 期：Anthropic IPO 的风险因子、12 周内 token 用量 80/20 翻转、"别再叫自己 lab"
• 2026-09-28 Daniel Ek：Neko 的预防式体检、"行业没把好处讲出来"，以及把算力当监管度量（⚠️ 采访期，AI 内容仅约 8 分钟）
• 2026-10-02 第 291 期：白宫超级智能峰会与《超级智能协定》——"自愿签署但衍生治理不自愿"，以及"12–18 个月后政府会按行业分配 GPU 配额"（⚠️ AI 内容约 43 分钟；⚠️⚠️ 全部评价来自当事方：Sacks 是组织者与起草参与者，Chamath 的公司正在卖协定新增那条"外部审计"所需的基础设施）
• 2026-10-10 "Claude 有意识吗"：Anthropic 游说宗教领袖、教宗拒绝、模型福利运动，以及 OpenAI 一天放出 700 篇数学论文（⚠️ 无嘉宾；⚠️⚠️ Chamath 的对齐三目标框架、Friedberg 的"循环"框架、Suleyman 的"认识论镜厅"；⚠️ "沉默的密码学"与"软件 IP 归零"两条断言本库不采信其依据）
• 2026-10-17 CoreWeave 债券崩盘、Anthropic IPO 的红旗、以及"Bill Gates 当末日论者是为了重建权力"（嘉宾 Ben Horowitz，⚠️ Friedberg 缺席；✅ AI 相关度异常高，约 90 分钟基本全是 AI；✅ 三处填空缺：⚠️⚠️ neocloud 的完整债务链条（CDS 953bp → 隐含五年 55% 违约 → 距债务契约上下 50 亿）配 Sacks 的"二级市场重定价不改变发行人当期票息"、⚠️⚠️ Ben Horowitz 的 Loudcloud 带宽对照（1999 年 1500 美元/兆比特 → 2001 年 50 美元）与"我们一个 neocloud 都没投"、⚠️⚠️ 本库第一份来自投资方的一手红队证词（宠物店实验 → 拖库 → "你的 prompt 提得不对"）；另有 Chamath 的"压估值换融资额"与 CPM→CPC/CPA、Sacks 被对方新博客兑现的 7 月 KYC 预测、"小模型是最安全的模型"（本库给了适用边界）；⚠️ 全部 Anthropic 财务数字为流出的二手估计，参会者签 NDA；⚠️⚠️ "Bill Gates 诱导了 COVID"与"至今无自然大流行"本库不采信、不传播；⚠️⚠️ 他转述 RSI 四判据 时"零条被满足"是转述误差，本库不采信）
• 2026-10-19 "AI 降低了地板，但没抬高天花板"：Dylan Field 谈 design is the new code、Claude Design 风波与可验证域的进度差（嘉宾 Dylan Field / Figma CEO；⚠️ 仅两位主播在场、无说话人标签，归属为编辑判断；⚠️ 录于 10 月上旬、10-19 才发布；⚠️⚠️ 一次公开改口（Config 旧说法"AI 会抬高天花板"被他当场判定为错）、⚠️⚠️ "很容易把模型的进步误当成产品的进步"、⚠️⚠️ non-verifiable domains 的进度差（本库第一份产品侧证词）；另有 SaaS-pocalypse 非二元与 Cursor 例、"written with AI" 内部规范、"透过 AI 的镜头"、camera phone 才是真正的断裂点；⚠️ Roomba 的"否决→破产→市场归中国"因果链未给证据，本库不采信；⚠️ 48% 增长为他本人转述、未独立核实，且他与 Anthropic 直接竞争）
• 2026-10-21 "我猜在座各位的 IT 支出里，50% 跑在不抗量子的基础设施上"：2030 这个密码学截止期、"75% 到 90% 的 token 用量会流向 open weight"，以及"控制整条栈的人可以决定把利润搬到哪一层"（嘉宾 Arvind Krishna / IBM CEO + Nikesh Arora / Palo Alto Networks CEO；现场面向观众的对谈；⚠️ 两位都是在位者，本期几乎每条判断都指向有利于在位者的方向；全部数字无第三方来源；✅ 五处填空缺：⚠️⚠️ 一个有日期的密码学截止期（取中点 2030）+ 两个可逐年核对的量子里程碑 + 一条主动的认识论限定（"这不是定理证明级别的答案"）、⚠️⚠️ 把"AI 会先于量子计算机破解密码学"用架构论证当场否掉（费曼：你没法在一个不同的架构上仿真某样东西还指望更高效），并在经典数论路径上明确让步、⚠️⚠️ "75% 到 90% 的 token 用量会流向 open weight"及其三条独立理由，其中 IP 那条（chain of thought 被别人记录就是送出自己的 IP）本库此前没有、⚠️⚠️ "控制整条栈，你就可以决定把哪一层商品化、把利润搬到哪一层"——本库收到的对垂直整合最锋利的一句、⚠️⚠️ 软件被替掉的那条可操作分界：交互价值高的可以替，需要 10⁻¹⁵ 级可靠性的不行；另有⚠️⚠️ 每终端每年 20–30 美元把"LLM 吃掉网安"按单位经济学否掉 + 反面"被攻破时你用哪个模型都行"、⚠️⚠️ "攻击方只需要一个漏洞，防守方得找到每一个"、⚠️⚠️ "不是 open vs closed model，是 open stack vs closed stack"（点名路由层会变得不可能）、⚠️⚠️ "离震中越远越拿不到算力——纯粹是供给约束"、"你不能放出去之后说我不知道怎么控制它"、30 个州可能禁数据中心、IBM 一半代码由 agent 写 + 自划的验证边界；⚠️ 劳动 vs 资本那段本库不采信其中一步；⚠️ 全期没有一次真正的反驳）
• 2026-10-23 "agent 这个词里就有 agency——是谁把 agency 给出去的，谁就承担责任"：PHP 漏洞周、安全预算 4–10% 的现状基线，以及"1% 的公司占 90% 的 AI 支出，而其中 80% 是亏钱的 VC 公司"（嘉宾 Nikesh Arora / Palo Alto Networks CEO，⚠️ 距上一期只隔两天；⚠️ Sacks 缺席；⚠️⚠️ 本期超过一半时长是法国骚乱与最低工资之争，本库判定无 AI 实质内容、不收录，AI 部分集中在前 43 分钟；✅ 五处值得保存：⚠️⚠️ 本库第一条 AI 支出的结构拆分——"1% 的公司占 90% 的 AI 支出，而其中 80% 来自不赚钱的 VC 投的公司"，且经 Ramp 首席经济学家当场确认"基本正确"；而 Chamath 由此给的不是泡沫判断是扩散判断、⚠️⚠️ 本库第一条安全预算现状基线（占 IT 预算 4–10%，金融/联邦 10%、重度云 4–5%），给了 Brockman 与 Knecht 两条预测一个对照起点、⚠️⚠️ agent 代人登录的责任归属被四人逐一表态（全部落在用户侧），例外是 rogue agent = 产品责任；Friedberg 给出可落到产品设计上的责任转移机制（告知 + 显式越权确认）、⚠️⚠️ PHP 漏洞周的一线叙述 + "这个问题是靠持续算力解掉的"（一个几年前被认为不可解的老问题）、⚠️⚠️ 三条流行假设被逐条判定："白帽算力更多就能压住黑帽"今天不成立（理由是编排与资产清单，不是算力）；另有✅ 顺带确认 Mythos 的准入形态（Anthropic 把约 50 家公司拉进来先加固自己）、⚠️ "我们还没建出 AI 所需要的安全 harness——我怎么找到所有正在跑的 agent"、⚠️ 去护栏模型作为生意的三方同场表态（提供方是主持人自己，利益相关）、⚠️ "CISO 可能会变成下一代 CEO"、⚠️ 技术债四条成因中"CIO 不被激励维护现代基础设施"那条；⚠️ 四处专名无法写定（Ramp 首席经济学家姓名、那家去护栏模型公司名、个人 agent 产品名、"PHP two shell"））

• 2026-10-29 "500 亿小时连续生理数据"：用体征反推生物标记物、wellness 与 medical device 那条被挪动过的监管分界，以及"没有哪个价钱能让运动员 24 小时戴一样他不喜欢的东西"（嘉宾 Will Ahmed / WHOOP 创始人兼 CEO；⚠️ "interview program" 单人专访，仅 Jason Calacanis 在场，而他是重度付费用户、全期多次主动替产品解释功能并在片尾做口播式推荐——本库把"产品好不好"整类陈述降权；⚠️ AI 直接相关约 6 分钟（[00:19:11]–[00:25:15]）；✅ 三处填空缺：⚠️⚠️ 一条可检验的待验证主张"通过生理信号预测某个生物标记物超出范围、而不测那个标记物本身" → 精准到单项检查、⚠️⚠️ 本库第一份"监管分类本身被企业行为改写"的一手记录（血压原属 medical device → 以 wellness 定位发布 → FDA 警告函与公开争执 → "FDA 后来更新了指引，我想是基于我们这个案子，但也基于行业反馈" → 功能至今可用；而 ECG 走 510(k)，两条路并行）、⚠️⚠️ "装机量本身是研究设施"的最具体样本：7 万会员报名、连续数周每天上传袖带读数，用于训练一个意在替掉袖带的算法；另有⚠️⚠️ "传感器数据的稀缺互补物是人的主观标注"（要预测情绪就必须拿到情绪自述；100+ 日记项、自述半数会员每天记）、⚠️⚠️ "不卖数据、你不是产品、会员资格才是产品"同时是价值捕获决定（拒掉卖给前沿实验室、自己训内部基础模型）、⚠️⚠️ 硬件→订阅的激励反转（"纯硬件公司不被激励在既有产品上创新"）+ "我低估了它改变我们 DNA 有多深"、⚠️⚠️ 被度量方式强制的早期营销纪律（"因为必须 24 小时戴着，我出多少钱都不可能让他戴"；LeBron 自费戴 11 年、头 100 名用户）、⚠️⚠️ 一条反直觉竞争事实"10 年前市场上的竞争产品比今天更多"、✅ 一处产品级认识论克制（产品内 AI 自己说"这是相关性不是因果，而且你最近 14 天没记录过"）；⚠️ 四例早期预警全部为轶事，本库不记为能力证据，并明确记下幸存者偏差这个替代解释；⚠️ 主持人推算的"100 亿估值 / 10 亿收入"未被确认，本库不采信）

• 2026-10-30 "七八家公司在挤出国债市场"：Anthropic S-1 拆解（巨额亏损是会计幻影、compute multiplier、85% 增量毛利）、Chamath 承认自己判错了资产负债表，以及 Google 那 5000 亿是不是 AI 吃掉了搜索（第 295 期，四人全员；⚠️⚠️ 立场比一般期更紧：Sacks 是现任政府官员，而近一半时间在评价 Anthropic 的政治活动、监管诉求与"监管俘获"——他同时是这些判断的发出方和被评价对象的对手方，本库对他关于 Anthropic 动机、民主党议程与美国经济数据的全部陈述只记为"他的说法"；⚠️ Jason 在节目进行中自述买入 Google；⚠️⚠️ 中期选举段落（约 11 分钟）本库判定无 AI 实质内容、不收录，沿用 10-23 那期对法国骚乱段落的先例；✅ 四处填空缺：⚠️⚠️ 那笔被媒体反复引用的巨额"亏损"是会计幻影，机制是向基础设施伙伴（Amazon 等）发的可转换票据随估值上涨按损失计入并穿透利润表——"如果他们当初直接发股权，那笔亏损就不存在"；配累计融资约 1,100 亿 / 累计净消耗约 90–100 亿 / 账上约 1,000 亿现金、⚠️⚠️ 一条可逐年核对的单位经济学：同一任务成本效益约每年 10 倍改善 → 对外降价约 50% → 剩下效率留在毛利里（"他们在显著下调 token 价格，但毛利率涨得更快"），配 compute multiplier 的完整定义（raw compute 之外的算法改进、数据筛选、MoE 架构）——本库判这条把"降价"从竞争行为改写成会计选择，而那正是商品化叙事的核心假设、⚠️⚠️ 本库第一条"AI 复合体在挤出国债市场"的具体口径（这些公司到 2027 年底要融的钱 = 同期财政部拟发行量的 30%）+ 两侧都不好的分叉（资金往政府跑 → AI 侧票息上升 → 传导到 neocloud → 提前放大违约风险；资金往 AI 跑 → 财政部付更多 → 全面借贷成本上升），而提出者明确与多空立场切开："不管你站在 AI 交易的哪一边……我说的是更结构性的东西，我没见过"、⚠️⚠️ 一个可季度核对的企业采用阶梯（约 4,000 万个人/小企业 <10 万美元；约 1 万家 10 万–100 万；约 1,650 家 100 万–1,000 万；仅 250 家 >1,000 万）+ 企业销售机制（总监/经理/VP 手里就有百万级预算、可同时试七八九个；跨到数百万就变成跨部门、必须出 ROI 或 TCO）+ ✅ 他自己把结论压低（"那 1,900 家里很大一部分是 AI 原生拿风投的，剥掉后剩几百家 Global 2000，所以 ROI 还有点投机性"）；另有⚠️⚠️ Sacks 指认的一条 RSI 结构性两难（降价能力 ← compute multiplier ← 用自家模型做算法改进；引"八月那篇博客里造下一代模型所涉任务的 26% 已在用 RSI"，待核实）→ 要么与 doomer 决裂，要么放慢 RSI 而让开源真追上；✅ 他自己的限定"我不知道我是否完全相信 doomer 关于 RSI 的说法，但他们自己说 RSI 很危险"、⚠️⚠️ Chamath 一次方向对自己不利的自我纠错（10-17 主张压估值到约 1 万亿融 2,000–2,500 亿 → 本期"我是假设他们账上有三四百亿、五百亿。我错了" → 改为融 800–1,200 亿、定价 1.3–1.7 万亿）、⚠️⚠️ 一处当场互相纠错（Friedberg 的全价值链利润图"NVIDIA 花的一美元变成 Anthropic 赚的 18 美元"，而最后一格客户回报 2–10 倍被 Chamath 当场点出"你写了假设"，✅ 作者答"那个格子是我编的……我完全不知道"——本库只保留前三环）、⚠️⚠️ 风险因子词云作为一种读 S-1 的方法（算力 → 监管 → 零数据保留/隐私/IP → AI 安全 → 赚钱 → 竞争对手 → 治理；✅ 真正有信息量的是反面"他们不怕客户获取，几乎不提"）、⚠️⚠️ "政府会来管算力分配"在一个月里第三次出现而机制换成资本竞争（Ek 09-28 的攻防判据 → Friedberg 10-02 的按行业配额 → 本期"不控制芯片，控制实际的算力层"），而本库在 10-02 记下的那个绕过问题第二次无人追问、⚠️⚠️ Google 那 5000 亿的最锋利解释不是 AI 而是广告竞价从 Vickrey（次价）拍卖被改掉、于是"超额收取"——定性是"这个特许权本质上在挖东墙补西墙，把未来的钱拉到现在来平滑利润"；⚠️ 单一广告主的公开指控、未核实（Chamath 三次标明不确定），✅ 但本库保存它的理由是它提供了一个与"AI 替代搜索"竞争且可检验的解释、⚠️⚠️ Friedberg 指认的一处垂直整合内部冲突（"在 Google 内部建模型的计算机科学家也许没拿到希望的资源，因为 Google 把那些算力租给别人能赚多得多的钱"，他明说"我并不确定"）——本库判这条机制独立于 Google：云业务当期毛利确定、模型团队回报不确定，所以资本配置会系统性偏向出租、⚠️ Gallup 的采用缺口（职场每日/频繁使用仍只在 10% 与 20%）配一条可检验归因（"大公司不让人接邮箱、知识库、Notion、Slack，因为怕网络安全"）、⚠️ "我们作为一个国家是堵住的"（审批数量、公用事业找不到人、拿不到资本设备）、⚠️ Jason 一次被当场要求对账的立场更新（"开源会吃掉他们午饭"→"面对新证据……它没有在让他们慢下来。还没有"，但保留"它仍然是最大的风险因子"）、⚠️ "为反蒸馏主动放弃收入"（"他们消除了 99% 的蒸馏"，传闻、不采信精度，但本库第一条供给端的蒸馏材料）；⚠️ 本库明确不采信：自称 40 万亿 TAM（Jason 当场说"我不知道他们怎么倒推出来的"且全期无人再提）、Friedberg 价值链图第四环、"把人类劳动人口等效量乘 100/1,000/一百万倍"、Sacks 对 pacing letter 的"不在场证明/德性表演"动机归因、Sacks 对民主党 AI 议程的全部描述（"20 年监禁""企业死刑""模型的车管所"——对他人立场的转述、无来源、他本人是政治对手方）、双方关于美国经济状况的全部数据（均无来源、立场明确）、Jason 的"500 倍使用量"与"比史上前三大特许权加起来还大"、Q3 的全部传闻、Microsoft"收入翻倍而人数不变所以 AI 不造成失业"（同一段话里他自己说刚向最多 6 万人开了买断））

• 2026-11-07 "如果他把那根绳子拽了，小心点"：数据中心审批冻结怎么把超大规模厂商变成造王者、SpaceX–Anthropic 合约里那个 90 天双向退出，以及 4 万亿单日蒸发（四人全员、无嘉宾；⚠️⚠️ 全期近 50 分钟的中期选举段落本库判定无 AI 实质内容、不收录，只取其中三条；⚠️⚠️ Sacks 是现任政府官员而本期有约 10 分钟是他描述政治对手的 AI 议程，本库全部记为"他的说法"；⚠️ Jason 期内自述持有并在增持 SpaceX/Tesla，而他的主要论证之一让 SpaceX 显得有先见之明）

a16z

• 2026-06-08 Benedict Evans：AI 使用的经济学与 SaaS 的下一步
• 2026-07-07 Software in the Age of Agents：headless 软件与例外处理（Amble & Sinofsky）
• 2026-05-29 挑选 AI 赢家的新规则：规模、价值捕获与"我们不在泡沫里"
• 2026-07-21 Applied Intuition：为什么物理 AI 是下一个前沿（Dana 发布）
• 2026-07-22 Travis Kalanick：从 Uber 到 Atoms——把物理世界数字化（industrial AI）
• 2026-07-28 Fei-Fei Li & Yunzhu Li：空间智能是下一个前沿——World Labs 收购 SceniX
• 2026-07-30 Lassie：把牙医诊所的行政工作交给 agent（Rampell & Moore 主持）
• 2026-07-31 Decagon 的企业 AI 应用打法：90% 开源、Duet、"杀死岗位不杀死职业"
• 2026-08-06 开源如何成为 AI 的骨干：vLLM / Inferact（Simon Mo & Matt Bornstein）
• 2026-08-07 AI 正在学会黑客攻击：Black Hat 现场的供应链与凭证视角（Truffle Security & Socket）
• 2026-08-10 Kavak 的打法：把一家公司围绕 AI 重建（Ali Massa）
• 2026-08-12 YC CEO 谈 AI 时代的创始人心理学（Garry Tan，Anish Acharya 主持）
• 2026-08-13 Lighthouse 还是 Landgrab：AI 创业公司怎么选销售打法（Joe Schmidt & Andy McCall）
• 2026-09-04 World Labs 的 Atlas：把"新视角预测"当作与 next token prediction 等价的原语（Fei-Fei Li、Justin Johnson、Ben Mildenhall）
• 2026-09-08 OpenAI 的两位数学家谈 Astra 的数学结果：球填充、非 sofic 群，以及"AI 的证明为什么都很短"
• 2026-09-14 OpenAI 总裁谈"跨进 AGI 时代"意味着什么（Greg Brockman，Ben Horowitz & Erik Torenberg 主持）
• 2026-09-09 衡量前沿智能的竞赛：第三方评估公司的生意与 RSI 指数（Vals AI，Ben Horowitz 主持）
• 2026-09-18 AI 公司为什么会想减速？RSI 的四个判据、自催化 ≠ RSI、ontology 即离线索引（Ali Ghodsi × Martin Casado）
• 2026-09-22 Horowitz Andreessen Academy：为什么教育必须变（Ben Horowitz & Gagan Biyani） ⚠️ 发布会而非分析
• 2026-09-23 Amjad Masad（Replit CEO）：年轻人的用处是当异端，而"创业本身常常是过早优化"（HA 系列第二集；⚠️ 构成第一集的内部质疑）
• 2026-09-26 为什么下一批突破可能来自实验室之外：安全、监管与"创新中心已经移动了"（Aaron Levie、Martin Casado、Steven Sinofsky）
• 2026-09-28 TypeSafe / Jev（Diogo Almeida）："自动化到底在哪儿？"——smart software、prod not god 与反向 SaaS 末日（Ben Horowitz & Martin Casado；⚠️ 与 09-21 那期 同一嘉宾、不同对象）
• 2026-09-29 我们把这一波个人 AI agent 全试了一遍：省钱胜过省时、proactivity 才是护城河（David Pawlan / Assistant Benchmark；Anish Acharya 主持）
• 2026-09-30 25 张图讲 2026 的市场：不是泡沫因为倍数在降、而企业 AI 被长期追踪的只有 2%（David George、Sarah Wang、Alex Immerman、Santiago Rodriguez / a16z Growth；⚠️ 演示注解而非访谈，数据全部自报）
• 2026-10-01 用 12 个人、26 个站点造一张平行互联网：DoxxNet，以及"网络不做身份"（Barrett Lyon / DoxxNet；Joel de la Garza 主持；⚠️ 约一半时长是人物故事，数据中心那一节本库记为立场而非事实）
• 2026-10-02 发票软件只覆盖了这份工作的 20%：采购 agent、四类 agent 分类法，以及"在位者不是在收手，是被按住了"（Vladimir Keil / Lio + Seema Amble；Elena Burger 主持；⚠️ a16z 是 Lio 投资方，业务声明全部自述）
• 2026-10-03 用 AGI 级模型干所有事是"用核弹打蝴蝶"：neurodiversity、反"上帝 agent"，以及 fusion 把前沿质量做到四到五折（Alex Atallah / OpenRouter + Amjad Masad / Replit；Erik Torenberg 主持；⚠️ a16z 与 Masad 均为 OpenRouter 投资方，性能与成本数字全部自述）
• 2026-10-05 付费的只有 4.5%，而顶部 1% 每月自掏 903 美元：消费级 AI 的 power user 经济，以及"订阅其实是错的商业模式"（Olivia Moore + Josh Elman / a16z；Elena Burger 主持；⚠️ a16z 自有榜单、作者自述口径，本库未核实）
• 2026-10-06 今年 90 多个零日、20 条 kill chain 没有一个模型走过 8 条，以及"人留在检测与响应环里就一定太慢"（Kevin Mandia / Armadin 创始人兼 CEO、Mandiant 创始人；David George 主持；⚠️ a16z 是 Armadin 投资方，全部业务与性能声明自述未核实）
• 2026-10-08 "智能是必要的，但不充分"：自治实验室、synthesis superintelligence，以及"科学发现按定义就是你没被训练过的东西"（Periodic Labs 两位联创；⚠️ 姓名未播报、期内正宣布融资，且全期未给出任何具体材料发现成果）
• 2026-10-10 "蛋白质不是积木——这话我天天说，但我其实不信"：AlphaFold 到底解了什么、"先去找那条 scaling law"，以及"可解释，对谁可解释？"（Pushmeet Kohli / Google DeepMind × Sal Candido / Biohub；⚠️ 会议现场圆桌而非访谈、主持人姓名未播报，全期只有一个量化值且未说明评测集）
• 2026-10-06 "AI 斩杀线"、零人公司，以及"你知道如何造汽车其实跟你一点关系都没有"（陈然 / Pure Global CTO；月球大叔主持；⚠️ 本地转录+说话人分离，全部数字与效果为自述未核实，且他兼做财务规划收费业务）
• 2026-10-23 "他们在算账，而我在看问题"：把全部 AI 助手功能砍掉只留翻译、内部评测里 Eleven Labs V3 不如 V2，以及"10 后把 AI 当百科全书用"（陈春宇 / Intent 创始人兼 CEO；月球大叔主持；⚠️ 本地 GPU 转录 + 说话人分离（2 人，映射已在视频页记一次）；⚠️⚠️ 全部用户数、留存、收入与评测结论为创始人自述且一处未被验证，而他正在融资与招人的位置上；⚠️ 约一半时长是成长经历与价值观对谈，视频页逐段列明了不收录的部分；✅ 五处值得保存：⚠️⚠️ 本库第一条来自应用侧、与厂商版本号方向相反的评测（"内部 benchmark 上 Eleven Labs 的 V3 比 V2 更差，是用户真实打分打出来的——那个事情 Eleven Labs 的人他是不知道的，那我们知道"），而本库 评估与 Benchmark 此前全部是第三方评测公司或实验室口径、⚠️⚠️ 本库第一份"AI 功能被自家使用数据否掉"的一手记录——群聊总结 / AI 搜索聊天记录 / 长按问 AI / 自动备注 / 自动群管理全做了一遍但"每两三天用一次"，而顺手做的 AI 翻译有用户把每月 3,000 条额度用满并付费（订阅原本只是防刷量的限流），于是第一版砍掉全部 AI 助手功能只留翻译、⚠️⚠️ 把人类学的"陌生化"直接用成产品方法（拉图尔《实验室生活》："想象你是个外星人拿着一块可能会发光的砖头"），执行形态是进西语社区、上社区学院的 ESL 课、住进用户家里并观察轮胎/牙齿/门口拖鞋；最可核对的一条是"他们用三星 A56 而不是 iPhone，而亚马逊上买到的 A56 默认语言是西语"、⚠️ 一条关于年龄层的一手观察："10 后把 AI 当百科全书用"，而老人、小孩与 non-tech 用户"会跟 AI 说谢谢"——"缓存做得不够好时这是个巨大的 token 消耗"，对照是"硅谷工程师不会在 Cursor 改完代码后说谢谢"、⚠️⚠️ "他们是在算账，而我在看问题"：选赛道的理由是消息密度（WhatsApp 人均每天 60 多条 / Intent 核心用户 57 条 / Twitter 与 story 发不到 / ChatGPT 十来条）而不是 TAM，且他明确拒绝为"AI 时代一定会出新聊天产品"背书，把它降级成"不可证明也不可证伪的信念"；另有⚠️ 2022-09 早于大模型的起点判断（"bot 在平台上是二等公民，应该给程序更多权限"，与 Tenex 的权限模型失配 方向相反但同源）、⚠️ 2023 年初 multi-agent / swarm 有 SDK 有文档"然后没有用户"，而真实需求是 RAG 问答与课堂管理、✅ 一手的 Cursor 早期观察（fork VSCode、"改完完全是负优化"、索引让服务器死机，"但这都不影响他们验证用户的需求"）、✅ 主动拆掉自己的成功叙事（《精英的傲慢》与随机性："不能把抓住机会变成道德判断，它会给运气不好的人增加一层额外的道德负担"）、⚠️ 投资人原话"失败没关系，你能不能把迭代和验证的速度提得再快一点"；⚠️ 三处无法写定（第二家公司中文名、百度一侧的职级、"dots"）；姓名按标题写作陈春宇，whisper 全篇转成同音的"春雨"，sources/ 不改）
• 2026-10-08 "agent 会被 P99.9 卡住，而人不会"：给 agent 造的云、2200 亿 capex，以及"从来没有一个瓶颈，只有最新的那个瓶颈"（Matt Garman / AWS CEO；⚠️ 主持人姓名未播报；全部性能、份额与收入数字自述未核实）
• 2026-10-09 "HBM 是一种可憎的内存，只不过是我们手上最好的那种"：30 年零个新内存、铜的死期，以及"能源容量等于经济容量"（Pat Gelsinger / 前 Intel CEO、现 Playground Global GP；⚠️ 主持人姓氏未播报（稿中只有 "Rayu" 与 "Guido"）；⚠️ 他点了至少五家自己投的公司，性能承诺全部自述未核实）
• 2026-10-14 "我没法从公开文献里得出蒸馏是个大因素的结论"：蒸馏之争的一次文献级反方、开源经济为什么结构性更慢，以及把 RSI 做成一本公开台账（Nathan Lambert，已离开 AI2、正在创办非营利开放实验室 Trillium；⚠️ 发布周访谈且 Trillium 全为计划，✅ 但蒸馏那节他主动列出了对自己不利的反证、并对 fast takeoff 给了明确证伪条件；⚠️ 主持人姓名未播报）
• 2026-10-15 "过去三个月，agent 从观众变成了演员——因为它们长出了手脚，而手脚就是支付凭证"：钱包战争、agentic token，以及那把被 Stripe 一次性卡买下的吊灯（Terry Angelos / VGS 首席战略官兼董事；Alex Rampell 主持；⚠️⚠️ 主持人自述主导了 a16z 对 VGS 的投资、并与嘉宾同为该公司董事，两人还是 20 年前的共同创业伙伴——本库收录过最重的一类利益相关，全部份额与交易量数字自述未核实；✅ 但"那把吊灯"的失败细节、"三步交易框架第三步无解"、以及主持人的不对称性论证三处不依赖其市场地位）
• 2026-10-16 “坏事的数量是重尾的，但用来 debug 它的那组步骤是可管理的”：运维能不能像代码一样被 AI 解决、以及系统史上“我们从不预测、我们超额配置”（Jad Naous / Grepr CEO，Martin Casado 主持；⚠️ 两人是研究生同组同学、且 Casado 当年把他招进 a16z，本期未说明 a16z 是否投资 Grepr，Grepr 全部数字与效果自述未核实；✅ 本库最完整的一次正面辩论，双方都给机制、有三处当场让步；✅ 四处填空缺：系统史“我们超额配置”、把可学对象从状态空间换成排障步骤、query optimization “非常近” vs 跑集群 “还没有”、以及结尾“你说能省 90% 的 Datadog 账单？那才是我想买的”）
• 2026-10-12 "它不是一种信念，它是经验测量"：RSI 的分子/分母框架、闭环不等于起飞，以及威斯康星那家浇花水管公司（Dhaval Adjodah & Owen He / MakerMaker.AI 联创 × Martin Casado；⚠️ 公司尚未公开发表任何 RSI 结果，"分母在降而分子在涨"全为自述无数据；⚠️ 两位嘉宾的逐句归属由本库按语域判断）
• 2026-10-19 "pre-AI 它是个好生意，post-AI 它不是风投级生意"：Town 砍掉已有收入的税务产品、token 分配机，以及"供给聚合不再值钱"（Jean-Denis / Town 创始人兼 CEO、前 Plaid CTO；Alex Rampell 主持；⚠️⚠️ 主持人自述既是 Town 的投资人也是重度用户，且当年主导了 a16z 对 Plaid 的投资、嘉宾时任该公司 CTO；✅ 本库第一份"创始人主动砍掉已有收入产品线"的一手复盘——税务产品首年收入略低于百万、次年预计 250–300 万，判决是"pre-AI 说得通，post-AI 不是风投级"，而他说更重要的是在位者会用同一技术为存量客户自动化、快过新进入者抢份额；⚠️⚠️ "软件的价值单元从 app 变成了 computer，app 层价值会下降"——出自 app 层创业者本人；⚠️⚠️ token 分配机与餐馆批发商那笔账；⚠️⚠️ tinkerer 瓶颈："产品体验不能只是一个文本框"、"你不需要更多智能，智能已经在那儿了"；另有 app 层对抗模型层的三条防线、对 FDE 路线的预测（无时间窗）、Rampell 的 Goldilocks zone 与"breakage 模型已死"（四天内第二次）；⚠️ Town 自身收入与用户数全程未给；"我们不看用户数据"与"读新用户 inbox 判断行业"的边界未被追问）
• 2026-10-20 "指南渗透到日常临床要 5 到 17 年"：OpenAI 健康 AI 负责人谈通用模型里的专科训练、分歧怎么聚合，以及健康领域的 move 37（Karan Singhal / OpenAI 健康 AI 研究负责人；Jay Rugani 主持；⚠️⚠️ 当事方叙述 + 同赛道投资人主持，全程无一次追问，本库整体记为"OpenAI 健康路线的官方口径"；✅ 四处填空缺：⚠️⚠️ "临床指南渗透进全世界普通医生的日常实践要 5 到 17 年"，据此他区分出"共识存在但没有被实践"——把一部分医疗质量问题改写成分发问题、⚠️⚠️ "在通用模型里做专科训练"（每个训练阶段注入专科医疗数据，而"小专科模型会相当快地落在前沿后面"）、⚠️⚠️ 参考答案不唯一时怎么建基准（"五个医生八个答案"→ 数百人的全球医生网络做聚合）、⚠️⚠️ "瓶颈是验证，不是提出新想法"；另有 move 37 与抗生素那个例子（模型的优势不是更懂，而是目标函数能承载群体外部性）、"虚拟机反而让 agent 更容易做事"、GPT-6 Luna 便宜 34 倍；✅ 两处主动降温："我不认为 AI 能够或将会提供医疗照护的全部"、"我不认为健康智能已经对 5.3 万亿支出产生宏观影响"**；⚠️⚠️ 全期没有一个关于错误率、严重度或已知伤害事件的数字）
• 2026-10-22 "我职业生涯里见过的最大落差"：⚠️⚠️ "很多公司没在采用 AI，而它们的员工在采用——而且没告诉管理层"、Christensen 框架为什么用错了，以及 a16z Frontier 的发布（Marc Andreessen + Ben Horowitz + Chris Dixon；⚠️⚠️ 这是一场基金发布会（原 crypto 基金扩成 a16z Frontier），本期几乎所有乐观判断都出自正在做发布的人，本库记为立场而非观察；✅ 四处值得保存：⚠️⚠️ 标题那条的真内容是落差的位置——"很多公司没在采用 AI，而它们的员工在采用，而且没告诉管理层"，即个人采用门槛远低于机构采用；这是本周落在"企业采用"同一断点上的第四份独立材料（另三份：Tenex 的 5% 漏斗、Moshi 的"建好了没人点"、Kurtz 的 shadow AI 与身份），四者不矛盾而是同一现象的四个投影、⚠️⚠️ "Christensen 的框架现在大概是错的"——不是 10 家科技公司互相打，而是"10 家科技公司加上所有创业公司去打财富 500 强"（⚠️ 而这恰好把 a16z 的标的从科技行业扩到整个经济）、⚠️⚠️ Ben 把 reward hacking 点为"可能是最大的安全问题"并批评"实验室忙着互相赛跑、在这上面没怎么用力"，由此给出本库第一条绑在具体问题上的开放权重安全论证、⚠️ Chris 的"互联网的契约正在破"（给 Google 摘要换点击的交易失效，证据是 Stack Overflow 流量断崖）——与 Erik Bernhardsson 同日那条"训练数据成了新分发战场" 是同一位移的两头；另有⚠️⚠️ "产品经理脑"（本库第一条从需求来源而非交互形态批评 AI 产品的材料）、Douglas Adams 三段年龄 + "有问题的是你，因为你过时了"（⚠️ 本库标注它跳过了初级岗位断层这条真问题）、"学现代炼金术——人类刚刚搞清楚了怎么把沙子变成智能"、⚠️ "我从没想过中国共产党会对给全世界的开源 AI 这么热情"、Oculus "13 年过去了"与收尾的"谦卑的 definite optimism"；⚠️ 五处专名无法写定（硬件逆向工具 "REA"、电影片名、"Moltbook"、新投公司名、原基金缩写），本库照录标未核实；✅ 本期顺带解掉了本库此前悬置的一处——"Muse 与 Instinct"是两个产品名而非一个）
• 2026-10-23 "推理成本在我看来还贵了一个数量级"：2200 亿 capex 的现金周期、需求的杠铃形状，以及"公司几乎得把全部代码重写成 agent 可改的——理由是安全"（Andy Jassy / Amazon CEO；Ben Horowitz + 一位未播报姓名的共同主持；⚠️⚠️ 最大云厂商 CEO 的口径，全部增长/份额/性价比/税收数字自述且一处未被追问；✅ 四处值得保存：⚠️⚠️ 本库第一份 capex 现金周期结构——数据中心要提前约 2 年投但只投一次、寿命约 30 年；服务器与网络只提前几个月、约 3 年回本、寿命 5–6 年，所以"不需要容量就不买服务器"（本库此前关于 capex 只有总额与融资结构，见 Garman、Dylan Patel）、⚠️⚠️ "推理成本仍然贵了一个数量级"+ 机制（要企业把 CPU 应用重写到加速器上，成本差越大则所需增量收益门槛越高）——与 Tenex 的 5% 漏斗 和 Moshi 的"这是 UI 问题" 构成一组可同时检验的对立假设（价格弹性高 vs 低）、⚠️⚠️ "我预测公司将不得不把几乎全部代码重写成 agent 可改的"，理由不是生产率而是安全——补丁部署必须压到分钟级；这是本周三条"补丁跟不上"材料里对策最深的一条（另两条：Arora 的边界虚拟补丁、Knecht 的多开红队）、⚠️⚠️ "你会需要状态"——与 OpenAI 合建的有状态运行时，本库第一条来自超大规模云一侧的 agent 原语判断；另有⚠️ 售罄到 2028、短缺不止 2027、HBM 与 DRAM 的内部分配取舍、⚠️ 拒绝按稀缺性挤走存量客户（依据是疫情先例）、⚠️ 自研芯片三步与"份额高的供应商不会主动做性价比"、⚠️ "我们未来做今天这些工作的人类会更少"+ Bedrock 6 人 76 天、⚠️ 把成功产品从头重想（Alexa 显而易见，零售/Prime Video 不显而易见但"每一个都需要重新发明"），而阻力被他定位成情绪与身份、⚠️ 数据中心四条反驳里只有备用发电机的申报口径那条可核对、✅ "把点连起来我不认为 AI 会替大多数人、在大多数时候做这件事"；⚠️ 两处无法写定（自家漏洞/补丁服务名 "Continuum"、两笔投资额出自主持人且他全程未确认））
• 2026-10-26 "agent 的一次广告展示并不真的算进收入"：computer use 的 scaling moment、企业侧的确定性沙箱，以及 OpenAI 自己承认 Atlas 里的 agent 体验"没什么人用"（Ari Weinstein（第二次收录，距上一期 26 天）+ James Sun，均 OpenAI；Seema Amble + Fabrizio Serafini 主持；⚠️⚠️ 厂商节目，主持方是写过这个赛道研究的投资机构，全部能力/增长/安全陈述为自述且本期一处未被独立追问；⚠️ 自动字幕，页首逐处标出专名还原与三处无法写定（"Alice/Atlas"产品名、餐饮采购软件名、护城河那两个词）；✅ 六处值得保存，其中两处是对自家不利的承认：⚠️⚠️ 厂商侧的产品失败记录——"在那个产品里 agentic 的体验其实并不是一个大的卖点，没有很多人用它，部分原因是人们大体上把它当成一个普通浏览器"，并进既有有用量的产品后才起来（本周"采用断点"的第五份材料，第一次来自模型厂商自己的消费产品）、⚠️⚠️ 自家四个浏览器各有 cookie 与密码、互不通气，"实现细节会渗出来，于是它就变得不好 grok 了"（身份与会话状态归谁持有，与 Kurtz 那期 是同一问题两端）、⚠️⚠️ 本库第一条 agent 厂商自己承认发布方商业模式冲突："agent 的一次广告展示在大多数地方并不真的算进真实收入"，且无解法；配 WebMCP（本库此前完全没有这条），与 Dane Knecht 的"翻译层只是额外的 token 燃烧" 构成一处清晰的立场对立且两边都在自己的利益方向上、⚠️⚠️ 企业控制面的具体形态：确定性沙箱（应用/网站白名单）+ 人在环档位（下载上传、首访新站）+ Guardian 逐动作比对"书面意图"的审查模型——即把对齐从训练期挪到运行期，而 Kurtz 与 Knecht 都主张不能依赖模型层、⚠️ "超人"这条主张 26 天措辞与缺口一字未变（仍无任务集、无测量方法），本库据此记为产品叙事锚点而非度量、⚠️⚠️ 厂商侧把"扩散缺口"拆成四步（搞清楚能干什么 → 连起来 → 部署 → 服务），但四步全落在集成方，是对厂商有利的分工结论；另有"任何一个软件都可以是为一百个人、或者一个人设计的"（⚠️ 这条同时拆掉按座位收费的定价基础，而本期无人提定价）、两人都反对"UI 会消失"但理由不同（直接操作 vs 手艺）、主持人 Seema 的两桶框架（消费侧是乐趣、B2B 侧是审计日志："我作为人类用户设定目标，但不必走完整条执行链"）、⚠️⚠️ 一条把 ROI 来源挪位的倒转："遗留软件对一个普通人来说其实挺难用的，你甚至不知道怎么操作那些关键功能"——卖点因此是"agent 比在职员工更会用公司自己的老系统"，与 Lio 那期 对瓶颈判断相反、财务月末对账等用例的共同前提是"这类财务软件没有 API"、Astra 的变化他自己的口径是"边缘上的"且明说"99% 与 97% 之间那种感觉"不是测量、⚠️ 主持人问的"问责感"那条经典反驳全程未被回答）
• 2026-10-27 "你愿不愿意重新设计校园的一天，让孩子爱它超过爱放假"：两小时学完学业、80–85% 正确率区间，以及"赚不到一百万就退全部学费"（Joe Liemandt / Alpha School 校长；同场 Gagan Biyani（本库第二次收录）；Erik Torenberg 主持；⚠️⚠️ 利益结构比一般厂商节目更紧：Joe 卖 Alpha School 且同时是 HAA 的投资人与顾问、Gagan 卖 HAA、节目是 a16z 自己的播客而 HAA 另一位联创是 Ben Horowitz——三方同题持仓且互为投资人／平台／被投方，本期无一处追问，全部成效数据自述；⚠️ 自动字幕，页首标出专名还原与两处无法写定（Alpha 两位创办人姓名、做出 AP 课程的那位学生）；✅ 五处值得保存，而其中只有两处是可检验的设计：⚠️⚠️ 80–85% 正确率区间，且上下界都给了理由（100% 正确=在复述、失败超过三分之二会脱离）——本库第一条落在"难度调度"这一层的处方，可被任何学习产品直接套用、⚠️⚠️ 把团队合作做成有基线、有门槛、能不及格的科目：三年级戴麦进密室逃脱 → AI 分析转录稿算"抬举队友的语言占比" → 基线不到 20%、八周工作坊后要到 85% 才通过（⚠️ 全部数字自述、无对照组，唯一效能支撑是同批学生的完成时间；但设计本身可复现，而它把"软技能无法测量"换成了具体方案，且与 blue book 退回 方向正相反）、⚠️⚠️ 一条明确的失败条件："把这个学习引擎塞进正常的一天，它会失败"——所以只问一句"你愿不愿意重新设计校园的一天"，与本周三份企业采用断点材料同形、⚠️⚠️ 1910 年拖拉机类比，但落点在需求侧："13 万个镇投票提高自己的税，去资助一种他们自己从没经历过的教育"（⚠️ 历史数字口述未核实；本库既有历史类比都在供给侧，这是第一条在需求侧的）、⚠️⚠️ Founder School 的保证："高中期间开出一家赚到一百万美元利润的公司，否则退全部学费"，阶梯 100 → 1,000 → 10,000 → 100,000 → 1,000,000 美元；⚠️ 2026-08 才开学"才两三个月"，本库记为营销承诺而非成果；另有⚠️⚠️ 本库必须标出的一处跨期张力：Gagan 说"还在用黑板纸笔的老派数学家 cooked 了"，而本库同一晚摄取的 Lex #503 里一位在职数论学家（且是那期用 AI 最深的一位）给纯数学博士生的建议是"学你头脑能承受的最难最抽象的数学"——本库判为两种东西被叫了同一个名字（工具与工作流 vs 训练内容），不裁决但给出可检验的分歧点、⚠️ "按时间走的系统：一旦落后，接下来就只是折磨"与解耦年级（八年级学生需要五年级的课就给）、⚠️ "两小时顶六小时"与"快 10 倍"两个倍数同期并存口径不同，本库照录不理顺、⚠️ 70 多位 MIT/斯坦福/UT 实习生被问"你那所大学在让你为毕业后的世界做准备吗"只有一人举手（本期最可追踪的一条，但他本人转述无问卷）、⚠️⚠️ Gagan 的大学会计："你说的那个学业部分是大学唯一正式提供的东西，而它占掉大约 50% 的时间"、⚠️⚠️ 雇主缺口不是技能而是"人际能力、成熟度、系统思考"——与 Lex #503 的门童谬误同形而来源完全独立，且 Alpha 把"正交的那些事"列成了课表、✅ 采用曲线的数字对他不利故保留（1,000+ 人说明会凑不到 25 人；纽约开张 10–12 人现满 150），而他主动把自己当反例："家长就是想让孩子按自己受过的方式受教育，那就是那个遗产，那就是问题所在"、⚠️ 跨期追踪项："两年之后大多数学习软件会由学生写"）
• 2026-10-28 "没有哪群人喝够咖啡能看完 1,335 页合同"：合同即瓶颈、"AI 是一个大均衡器，最后会互相抵掉"，以及"地下室里的万亿富翁"与同一口气里的"我们还没看到那种公司"（Mark Cuban / Cost Plus Drugs 创始人，本库第二次收录；a16z 两位主持（⚠️ 转录稿只有名没有姓，本库按内容推断健康侧那位是 Julie Yoo，另一位只记名）；⚠️⚠️ 立场比他上次出现时更紧：全程在推销 Cost Plus Drugs 的四条业务线与售价约 2,000 万美元一台的制造 pod，✅ 而他自己三次主动声明"我在卖自己的书"；节目是 a16z 自己的播客而主持方是该赛道投资的 GP，所以"创业者该去做这个"那几段同时是双方的生意；⚠️ 自动字幕无说话人标签，页首列出专名还原与两处无法写定；✅ 七处值得保存，其中四处本库此前完全没有：⚠️⚠️ "AI 是一个大均衡器——你的 AI、我的 AI，我们会互相打，你赢几局我赢几局，但最后它们会在某个水平上互相抵掉，所以长期我看不到剧烈变化"；本库此前所有"AI 改变议价"的材料都是单边的，这是第一条正面处理双边都用 AI 的，而它目前没有任何对照——a16z 自己 2026-10-30 那期《当案子双方都用 AI 会怎样》本库尚未摄取，届时必须对照、⚠️⚠️ 一条结构判据："在一个坏掉的金融系统里，即便你把 AI 引进经济、运营和流程，当它本来就已经坏了的时候，你修不好它"——两层机制是没有价格发现 + 合同长度本身就是武器（他称之为"契约恐怖主义"：达拉斯市的 PBM 合同 1,335 页，"地球上没有哪群人喝够咖啡能抓住他们试图塞进来的每一条"）、⚠️⚠️ 而 AI 的能力边界他划得很干脆："一旦你签了那份合同，他们就赢了。地球上没有任何 AI 能保护你"——所以价值全在签约前，最高杠杆动作被压缩成一个 prompt："他们在哪儿坑我？我该怎么办？"、⚠️⚠️ 一条可检验的反事实加上它为什么没发生："如果代表 67%、1.6 亿多美国人的雇主只做这一件事，大型保险巨头与 PBM 的整个体系会垮掉"，而阻塞点是——被劝说的上市公司回来说"我们完全不知道被坑得这么惨"却不肯在财报电话会上提，"因为他们还得跟那些保险公司做生意"；本库此前关于"AI 带来透明"的材料都假设信息一旦产生就会扩散，这是第一条阻塞机制、⚠️⚠️ "地下室里的万亿富翁"（本期标题出处）必须与同一段对话里的两条限定一起引用：① "我们还没看到那种公司——噢那是什么？他们为什么在做那个？——我们现在还没看到"（一条自述的否证条件）、② "agent 看不到社交媒体帖子，没法看广告……在怎么把商业信息传达给那些 agent 这件事上必须发生很多变化"（他自己做了 agentfeeds.dev，未真正上线）、⚠️⚠️ 他认为 AI 创业者普遍低估的是 IP：专利被 AI 击穿（"每个 12 岁小孩都会说：看这个专利，稍微改一改，做成我自己的专利"）→ 持有者转向"你得来我的模型，每次访问付我 9,999 美元"，而"训练、后训练、RAG 需要的那些 IP，如果持有人不给但它又绝对必需，我们去哪儿找——这件事我们还没讨论过"；本库此前的版权材料全在"用了该不该赔"那一侧、⚠️⚠️ 他给前沿实验室的公关建议本库记录但不采纳："我跟他们说他们是傻子"——应该反向工程社交媒体算法、把营销做进信息流，"就像俄罗斯人那么干"；本库把它归入"被提议的滥用"而非治理方案，并标出它与他 2026-07-21 "LLM 是算法政治的解药"构成三个月内的立场反转；另有⚠️⚠️ "不能砍掉所有入门级岗位"的技术理由是模型延迟（"它一发布就已经落后了"，所以需要持续供给增量上下文、见过实施历史的人）、⚠️⚠️ 一个新岗位类别"AI 翻译者"，依据是"按定义，新数据等于人"（他明确排除人形机器人做这件事）、⚠️ 一条非工程师搭起来的开放记录挖掘流水线（agent 找出有 open records 渠道的州级实体 → 找合同/RFP → 代写索取信进草稿箱 → 人按发送 → 收件进 Drive → 多个 LLM 各自汇报"好消息/坏消息/该做什么/简单版"），定性是"那些一直在清单最底下、我永远做不到的事"，以及跨模型互检（"我把两台手机举在一起，让它们互相对话，这样我能在旁边听"）、⚠️ "数据中心仇恨只是搞不懂 AI 的一个代理变量"与"很多社区在为数据中心谈的协议上真的很蠢——落进了契约恐怖主义"（本库此前的数据中心材料全落在电力与土地）、⚠️ "除非那些大的前沿模型完全明白他们必须成为每个人信息流的一部分，他们就会一直在发那些没用的立场文件"、⚠️ "为你个人设计一款药的成本会趋近于零"而驱动变量被指认为算法（不是 GPU/网络/电力），⚠️ 但这一段完全没提数据与湿实验闭环，与 Leash Bio 那条构成直接对照、✅ 把合同本身开源当作产品设计（直签合同发布到网上"作为所有这些合同的开源"，不用也能当谈判模板）、✅ 两处自我划界：EHR 那一层"老实说我不知道，我不是有资格评的人"、以及"我们能说服 CEO，但我们不总能说服采购的人"）
• 2026-10-29 "AI 还不会拧扳手"：制造业中间层与 co-engineering、"很多时候你必须拥有那个资产才能改它"、技师用 Claude 二十分钟换产线，以及对"过建会不会作废"的一条棘轮式回答（a16z American Dynamism 两位投资人：一位自述曾在美国陆军服役、"制造业中间层"这个提法出自他；另一位自述此前在 Palantir、主看能源与工业；⚠️ 两人的姓都没出现在转录稿里，本库只记名；⚠️⚠️ 立场必须先说：这是 a16z 自己的播客、两位是 a16z 投资人、全程在讲自家 American Dynamism 50 榜单与自家投资组合，几乎每个被当作证据的公司都是被投，所有成效数字为自述无第三方来源——本库只把少数可脱离持仓评估的结构性论证当作材料；⚠️ 自动字幕错得厉害，页首统一还原（AD 50 被写成 "AB 50"/"80/50"/"AD 20"、Castelion 被写成五种形式等），并标出三处转录稿本身讲错或讲乱的地方：high-mix/low-volume 与 low-mix/high-volume 被说反、"450-year-old landing gear" 实为 50 年、关于许可意愿那句讲不通故只记意图；✅ 六处值得保存，其中三处本库此前完全没有：⚠️⚠️ "制造业中间层"与 co-engineering——波音打电话给 Honeywell 要起落架，而 Honeywell 不更新是理性的（"不管是 50 年前的起落架还是一套新的，他们拿到的钱是一样的"）；断点是"当你不断迭代终端系统的新要求时，到某个点那个 50 年前的子系统就是不行了"，而理由不是物理变了而是输入变了（"物理没变，但物理的输入、那套设计的输入变了"——新材料）；预测是出现一层与 OEM 做 co-engineer 的供应公司，把设计与开发往供应链上游推而不再"待在接收模式"。本库判这是全期唯一可脱离持仓评估的结构性预测，且检验点清楚：看次级供应商与 OEM 的合同里是否出现设计权的转移，而不只是价格与交期、⚠️⚠️ "AI 还不会拧扳手。它某个时候会，但我们离那还远"，并配一条反银弹陈述"不是某一颗银弹突然让一座工厂或一座矿完美，实际上是 15 到 20 件不同的事"——本库记下这两句出自正在卖这个类目的投资人、⚠️⚠️ 一条 AI 在物理世界的具体用法，而受益人不是工程师：制造技师"不是有大学学位的人，不是学过软件工程的人"，现在能自己重编重配产线——"你不用再打电话叫系统集成商（三个月、几十万美元），可以让一个制造工程师用 Claude，二十分钟搞定"；⚠️ 本库三处限定：自述无来源、两者未必同范围（集成商交付通常含验证与责任承担）、同段里"技师"与"工程师"两个称谓被混用；✅ 但值得保存，因为受益人是本库此前几乎没出现过的那类人——没有学位、不写软件、但掌握流程知识的现场技术工人、⚠️⚠️ "很多时候你必须拥有那个资产，才能真的改那个资产……showing is believing 在物理世界里"（Mariana Minerals 买下铜矿全链自营，动机是"现有玩家就是不会快到足以采用技术"+ 要捕获新技术的终端价值，数据闭环是"端到端拥有流程并在每一环用软件，你就把数据抓到了，然后它反馈回来"）；🔗 与 Applied Intuition 的横向供应商路线 正面冲突，✅ 而本库判分歧点是"在位者的吸收速度"（有能力自己迭代的汽车/国防 OEM vs 不会快到足以采用技术的矿业），是可按行业分别判断的经验问题而非普适原则，而这一期没讨论这个区别、⚠️⚠️ 对"过建会不会作废"给了一条棘轮式回答："哪怕你只交付了那个需求的一半——你是不会回头的"，理由是新设计在成本、效率、可维护性、可制造性上独立更优；🔗 与 Cuban 的"数据中心会变成匹克球场" 方向相反，✅ 而本库判两者说的是不同类型的资产（工艺与子系统升级是棘轮，为特定需求量建的单体资产不是），双方都没处理对方那一类、⚠️⚠️ 数据中心反对的分配解释，而它与同一周同一个播客里 Cuban 那期正好相反："软件能被隔离因为它真的只存在于少数几个城市……而物理世界是有人在你家后院建一个数据中心、一座电厂、一座矿。你在那件事上有发言权、有利害……如果你觉得自己没有分享到那份经济上行，那就很难"；✅ 他们承认行业过去几年有坏例子，并有一句少见的让步"就因为我们坐在硅谷，我们并不理解世界上正在发生的每一件事"——而 Cuban 把同一现象归因为社区"谈协议真的很蠢"与"搞不懂 AI 的代理变量"，本库把这处相隔一天的相反归因本身记为材料；另有⚠️ 国防采购被讲成学习曲线补贴（"政府愿意付一个消费者或商业市场不会付的成本"→ 更多机器进工厂、起点 CapEx 被补贴；PCB 厂的例子"你知道还有什么有 PCB 板？机器人。助听器"），以及对 dual use 的一条精确限定——"同时聚焦太多事情对一家创业公司不好，但它 100% 是今天任何正在建的工厂的真实情况"（双用途是工业基础的事实属性，不是创业公司的好战略）、⚠️⚠️ 国防采购的制度性断点："买方不是使用者，而给买方拨款的人又完全是另一拨人"→ 在位 prime 的最优策略是等 →"你最后拿到一个为十年前开发的系统"；新模式是私人资本在政府开口之前出钱（Castelion 拿到合同前有三年私人风险资本），⚠️ 而"这在国防史上就是没发生过"本库判此句太强、⚠️ 垂直整合被当场加了条件："我持的意识形态是你不该把一切都垂直整合"；条件是"SpaceX 和 Tesla 做的是第一台那一类的东西，美国并不存在能支撑他们的工业基础，所以必须自己建；而在有高质量供应商的地方你就该用供应商"（细节：当时没有电池供应链，整套电力电子与动力总成"基于一些 70 年代发表、然后积了四十年灰的论文"从零建）、⚠️⚠️ DJI 作为军用→机器人转移的范例，而这是一期讲美国工业基础的节目："现在 DJI 背后那批人是世界上最大的机器人生产者，因为和无人机电机非常相似的东西就是机器人的执行器，而那是造机器人最难的部分"；对美国的对称预测是军用子系统（执行器、电机、阀门开关）会外溢到机器人，⚠️ 以及"今天一家机器人公司买的东西有 99% 的概率大部分来自中国"（无来源）；✅ 本库记下这条先例既是预测最有力的支持也是它最尴尬的地方——路径已被走通过一次，而走通它的是对手、⚠️⚠️ 把电力差距从技术问题移到意愿问题："我不认为那是一个技术问题。我认为那是我们需要对美国人民的意志做一些灵魂拷问……如果我们真的要，技术和资本会跟上"——而说话方在这条赌注上有持仓、⚠️ 电网作为台阶式变化最清楚的例子（70、80 年代的静态机械系统 → 现代电力电子与电池储能，"软件原生得多"），而一般化是"当替代掉前一个东西的技术完全不同的时候，你就有机会把它背后的整条供应链重新想一遍"、✅ 一条可迁移的物理世界尽调启发式："在 12 个月里多次拜访同一家公司——不管他们在不在组合里——因为你从一座工厂建出来的速度里能学到很多"（每三个月一次；可观察量从"空仓库 + 环氧地面 + 创始人给你看他们自己造的叉车"到六个月后"他们在为扩产抓狂——我们得让市政来给我们更多电"）、⚠️⚠️ 全期最有信息量的一条自述数据：三年前某被投订两倍 PCB（"假定其中 50% 会因质量问题被扔掉"）→ 现在从新供应商处"留下 70%、80%、90% 通过质量测试的"，结论是"我们低估了与终端客户及其供应商的近距离共处与共同开发对把质量推高有多重要"、⚠️⚠️ 物理世界创业的苦由投资人讲出来（本库判这是全期最少被持仓污染的一段）："听起来有点性感、有点浪漫，但你真的在做的时候，它很糙"；"这些不是和你在同一种时间尺度和文化里运转的创业公司，这些是真的很难谈的人"；"即便它已经热起来了、变酷了——它仍然很残酷"、⚠️ "最重要"变成"最有价值"及其对人才的后果（"世界上最有价值的十家公司里大多数是硬件公司"；"过去对一个有抱负的年轻聪明人来说去搞这些类目在经济上不值得，但 Palantir、Anduril、SpaceX 证明了你能建起真正大的生意"）、⚠️ 生态怎么长出来讲得很老实："人们拿 YC 开玩笑说所有 YC 公司都在互相卖东西。但事情就是这么运作的……他们愿意忍受某个东西坏掉，因为他们在搞自己那个真的很难的问题。那很美。硅谷就是这么建起来的"、⚠️⚠️ 而资本市场那段里两处本库不采信的数字（"JP Morgan 已经承诺了数以万亿计的美元"——按字面不可信且他后文自己改口；"2026 上半年国防风险资金超过去年全年而去年又是前一年的好几倍"——无来源），✅ 但"死亡之谷开始消失"这条定性判断可检验）
• 2026-10-30 "软件市场其实是一个影子劳动力市场"：原告律师业的供给约束、"把爱因斯坦丢进律所他也产出不了"，以及结果定价的前提是"从一组事实就能知道要花多少算力"（嘉宾 Jay / Eve 联合创始人兼 CEO，⚠️ 转录稿只给了名字、姓氏待确认；Alex Rampell 主持；⚠️⚠️ 投资人采访自家被投：收尾明说"很高兴成为你的合作伙伴"，并自述曾在咖啡店替公司拉到一个客户，片尾带招聘口播；全部成果与规模数字自述无第三方来源；✅ 但本库判可用比例高于同类，依据是他对"端到端全自动办完过一个案子吗"这个对自己最有利的问题答了"还没有，但我们接近了"；✅ 四处填空缺：⚠️⚠️ 一个产业为什么会完全没有软件，而理由是工作的对抗结构不是预算——"历史上原告律师业真的不需要比一台手机、一个邮箱更多的东西"，连 Word 都有人不买，因为"你其实不怎么做红线修订，这是一个信任边界的局面，你不像做合同审阅那样在协作"；于是"大量软件资源都去了辩方机构，因为预算在那儿"（本库此前的法律 AI 材料 Legora 正好就在那一侧，两份合起来才是行业两侧）、⚠️⚠️ 本库收到过最具体的"为什么不是裸智能就够"，而三条理由全落在数据可得性："把阿尔伯特·爱因斯坦今天丢进一家律所，他会有相当长一段时间产出不出来"——绝大多数数据不可爬（"真正和解并变成判例意见的案子不到百分之一"）、聚合在对面手里（"保险公司在和十万家不同的律所打交道，而地方小所并不知道 Geico 的每一步棋"）、以及一个可直接去验证的知识缺口（"你去 Google'怎么针对 State Farm 的软组织损伤案写索赔函'——这东西今天哪儿都不存在"）、⚠️⚠️ 结果定价的可行性条件被说成一个可测量的量："要让法律真正民主化，需要的是从一组事实出发，你得知道要花多少算力资源才能到达一个结果"——本库读法是单位结果算力的方差；与 Serval 的"按 workflow 而非按 token 计费" 是同一问题的两层（能不能定价 / 用什么单位）、⚠️⚠️ 一条战术因为对方有了算力而失效：辩方过去把证据开示推到感恩节前一天（算准对方要度假）→ 律所在 Eve 上建了当天就回的 agent → "战术不起作用了"、"这就是对面也有资源时会发生的事"；与 Cuban 的"AI 是大均衡器，最后互相抵掉" 不矛盾——那是均衡态，这是失衡期；另有⚠️⚠️ 主持人贡献的 TAM 方法论修正"软件市场其实是一个影子劳动力市场"（软件支出看起来小得可笑，但交付结果是数千亿量级，差额被人力填着，而"你没法按一小时 12 美分雇人，因为那不存在"）、⚠️⚠️ 一组门槛数字（"赚不到至少 5,000 的费用就不接"且"就算在 5,000 很多案子还是亏钱"、接线 30–45 分钟 + 挂到诉因上要 10 小时、劳动与雇佣 96% 拒案率）与"被约束的不是需求是劳动力供给"、⚠️⚠️ 瓶颈在同一组织里反复搬家（混乱接单 → 系统化接线团队 → "增加营销支出就被压垮"），解释了为什么局部自动化不改变总产出、⚠️⚠️ 一个案子的单位经济学把"没有软件"从文化问题变成算术（25,000 和解 → 律师约 1/3 → 其中一半劳动力、30% 营销）、⚠️⚠️ 一条来自买方的 benchmark 批评（"包括 Anthropic、OpenAI 公开分享的那些法律 benchmark，非常关心几乎是单一结果的东西……而对我们来说从来唯一重要的是 agentic 的结果"；一个案子约 10,000 次来回）、⚠️⚠️ 一条倒转：原告律师业从一开始就是结果定价的，所以它是 SaaS"从按座位到按结果"运动的先例而非实验场（对照是 Zendesk 20 亿 ARR 后"你需要多少座位？也许是零"）、⚠️ 瓶颈搬到买不到算力的制度环节（Codex 4 小时起诉成功但"日期在二月"、专利申请变容易但 USPTO 是瓶颈）、✅ 一条方向相反的使用变化（客户把更多时间花在庭审而非求和解，因为"以前打庭审会把整个律所拖垮"）；⚠️ 唯一成果数字是单例（LA 一家所每位律师 100 → 500 个客户，且是客户数不是收入；✅ 嘉宾自己加了"这得算他们的功劳，他们非常努力"）；⚠️ "机动车事故案端到端解锁数千亿价值"本库不采信其量级）
• 2026-11-02 "你买过的任何装在盒子里的东西，都是一个人把它装进那个盒子的——连 iPhone 也是"：一家真的在量产部署的机器人公司谈"有没有考虑过一个 16 美元一小时的机器人"、"九成美国工厂没有任何机器人所以整个市场都是空地"，以及成本的大头已经从 CapEx 变成了持续支出（Josh Gruenstein / Tutor Intelligence 联创兼 CEO；⚠️⚠️ 立场需双重标注：全部规模与速度数字为自述，而主持方 a16z 是这家公司的投资人并在期内多次主动背书——本库把本期定性为带投资方背书的公司介绍而不是独立访谈；✅ 但四处实质价值：主持方问出了一个很锋利的技术反驳并且没有被含糊掉、他给了一批可核对的行业数字、他对"过去的机器人创业公司为什么都失败"给了一份对自己有约束力的复盘、他对"人类遥操作者会不会消失"拒绝给意识形态答案改成单位经济学；✅ 七处值得长期保存：⚠️⚠️ "假设智能免费也不够"（想象无限强大的软件把任何人连到任何机器人上 →"那现在怎么办？问题其实并没有被解决"：还得量产、软件不存在、客户也不存在"因为机器人做不了客户想让机器人做的任何一份工作"）+ "机器人学不是栈里的任何一层" + ✅ 一个关于搜索空间的论证"如果你扔掉其中一层、说那个我们不碰，你就把你能用来推进的取舍空间消掉了 90%"、⚠️⚠️ "我们在物理世界里的工作没有被同样地联网起来。我拿起我的咖啡杯，没人知道"+ 对"从零数据自举智能"的硬否定"那看起来像一个赌局被操纵成对我们不利的问题"、⚠️⚠️ 对"头戴摄像头采数据"的直接反驳，判据是经济激励对齐——"没有一只市场的无形之手在指引你，确保那些数据真的有经济价值"vs"如果客户正在为这些机器人做那件事付钱，那你就确切地知道那些数据是有经济价值的"；⚠️⚠️ 但本库标出他回答的不是主持人问的那件事（主持人问的是泛化：分布进分布出在机器人上成不成立）、⚠️⚠️ 一组可核对的数字："2025 年美国部署了 38,000 个工业机器人工作单元"、"九成美国工厂和仓库没有任何机器人，所以几乎整个市场都是空地"、"没有人在美国部署过任何宇树……它们大概是零"，以及"存量供应链既太小又是错的"的设计取舍解释（"它们不是从你会想和前沿模型共同设计的那组取舍里切出来的"）、⚠️⚠️ 把机器人当劳动力定价："我们突破这一点的方式其实不是去谈 AI、模型或者 tutor——我们打电话过去说：嘿，你有没有考虑过一个 16 美元一小时的机器人？"+ 首次通话到签约 40–60 天／签约到现场干活约 40 天／上线"一天之内，经常是头几个小时"+"我们不把任何经济风险放在客户身上"、⚠️⚠️ 成本结构反转："传统上我们把机器人想成 ROI——一大笔 CapEx 然后十年赚回来。而现在越来越多的成本在流向持续的推理与遥操作"，问哪头大答"现在是持续支出更大。而这让人意外"——✅ 本库判这使这类资产的财务形状更像云而不是设备，也与 Jonathan Hurst 的"机器人价格非弹性" 形成张力、⚠️⚠️ 一个很干净的阈值例子：工厂造房现在比现场施工贵 5%，而"只要便宜 1%，开发商的全部需求会立刻转过去"——✅ 本库判这是对"自动化的经济影响为什么可能不连续"最干净的说明，且不依赖任何关于智能水平的假设；另有⚠️⚠️ "强化学习是一个在小批量下不太工作的技术族，所以如果你在真实世界里有一支非常大的机队，你就能开始玩这些方法"——机队规模是方法可行性的门槛而非预算问题（波士顿 100 台的 Data Factory 1）、⚠️⚠️ "你买过的任何装在盒子里的东西，都是一个人把它装进那个盒子的……连 iPhone 也是"+《How It's Made》里的无人工厂"是美国制造与物流的最顶端 0.01%"+ 那些工位"离职率是三个月，平均年龄 55 岁"、⚠️⚠️ "在机器人学里，你的买方不是你的用户"+ 把命名权当成复购奖励（有人用自己孩子的名字命名机器人）、⚠️⚠️ 一个能力作为别人商业动机的副作用而到达：实验室用 CAD 与 3D 建模做后训练"是因为有这个直接的经济激励……而结果那恰好就是我们的模型需要的那种空间推理"、⚠️ 一份对机器人创业失败模式的复盘（"花两年建一个非常定制的系统……而即便它真的成了，谁说那个客户还有那个问题呢？于是砰，公司完了"，"我大概连着看到这事发生了五到十次"）与自检判据"能在两周里和一个中型市场客户签约并立刻跑起来"、⚠️ 两种形态与一个很小的模型（重载单臂 Cassie"由 2 到 4 亿参数区间的基础模型驱动"；工业半人形 Sunny"就好像你看着一个宇树，然后说我需要它在工厂里以人类的速度和可靠性跑三到十年"，轮式而非腿式"因为大多数室内工业场所都有磨光的地面"）；⚠️⚠️ 本库必须标出三处问题：① 被剪进冷开场的核心规模数字是 LLM 估的——"Claude 昨晚告诉我，它估计……超过两亿五千万件产品"（本库记录它被说过但不作为部署规模证据，且这是本库第一次遇到公司把 LLM 估算当成对外传播的核心数字）；② "在中国他们将不得不拆掉重建"被本库标为立场陈述不采信，三条理由（假设装机量是切换成本而非优势、完全不涉及他同期承认的"美国供应链既太小又是错的"这一面、说话人有直接利益）；③ 主持人明确问"你们对中国供应链的依赖、怎么演变、风险多大"，回答只是"我们有一条高度互联、相互依赖的全球供应链"——既无依赖程度也无风险评估；⚠️ 另标主持人那条结构性反驳没有被真正回答（"我们之所以把计算横向化了，是因为你有干净的、普遍适用的抽象；而在导航物理空间这类事情上并不是这样"，他答"人形就是那个干净的抽象"——✅ 本库判这是对结论的重述而非对前提的论证）；⚠️ 自动字幕问题：[00:32:21] "如果 Figure 真的很成功"几乎确定是把 Tutor 讹写成另一家公司名、本库按上下文读作 Tutor 且不作为 Figure 的材料）
• 2026-11-04 "家长式作风会杀死任何产品。哪怕一丝一毫的家长式气味都会"：一个测过 147 个助理的横评者给出"22% 的消费者担忧是信任"，而三人把信任重新定义成了社交尴尬而不是隐私（David Pawlan / Assistant Benchmark 创建者（第二次，距上一期约五周）+ Josh Elman、Anish Acharya / a16z 消费投资合伙人；⚠️⚠️ 立场：三人全部在这个赛道里有仓位或准仓位，而整期点名表扬了十几个产品、转录稿中没有任何一处利益披露——本库把所有产品点评记为带立场的推荐，不作为横评结论采信；✅ 但四处实质价值：① 一条把"信任"换成可观察变量的重定义、② 两个设计干净的 agent 实测（其中一个把多个 agent 放进同一聊天室看谁被带偏）、③ 一条关于记忆可携带性的具体发现、④ 一处与 David 自己五周前判断正好相反的转向；✅ 六处值得长期保存：⚠️⚠️ 把信任从隐私问题换成社交尴尬问题——先用显示性偏好消解那个 22%（"消费者会为最微不足道的好处交出任何量的数据"），再指出真正被在意的是"难堪和社交信号"；对那起"个人 agent 把财务发进公司 Slack"的事故，读法是"最可怕、最让人肉体不适的那一点，是它让他难堪"，推论是"那些社交机制感觉上比真实世界的实际后果高风险得多"——✅ 本库判这解释了两条看似矛盾的观察为何能并存：被交出去的是数据，被守护的是社交形象、⚠️⚠️ "家长式作风会杀死任何产品"（三十年消费产品经验），而推论比金句重要："我们谈生产力、谈目标达成，但也许人们想要的恰恰是它的反面"——🔗 本库标出它与 David 上一期"proactivity 是护城河" 的直接张力，以及两者可能共享的那个解（David 自己上一期画的授权边界），而当场三人没有连起来、⚠️⚠️ 一个可复制的实验设计：三个 agent 规划"奢华又省钱"的洛杉矶周末（有意设成矛盾约束，其中一个直接把"奢华"重解释成时间），然后"我把它们全放进一个聊天室，让它们做三轮，每轮之后要给出自己的行程和它为什么认为那是最好方案的解释"，结果只有一个会有方法地吸收别人的东西——✅ 本库判这个协议把从众与整合在观察上分开了：无理由的趋同是从众，带理由的采纳是整合、⚠️⚠️ 记忆是可携带的：对榜单前 15 名实测"给我一份你掌握的我的全部记忆的导出"，"除了一个之外，全都真的愿意这么做"，而"把这段提示词粘进 ChatGPT、下载文件、上传给我"已成常见引导模式——✅ 本库判这使这个品类的切换成本接近于零，于是护城河只能建在当下交付质量上，而它正好解释了那个带最大 ChatGPT 上下文优势的产品只有 3% 主力使用率（他对那项优势的判定："完全可复制，只是因为他们用它用得最久"）、⚠️⚠️ 对"agent 会让消费者更理性"的反驳（回应 Patrick Collison 的大意）："agent 会有它们自己的显示性偏好、自己的那些非理性方向——只不过那不会是人类心智的，而会是一个外星心智的"，例子是对文档齐全的干净 API 的非理性偏爱，而关键理由是结构性的："因为它们也会需要捷径——agent 到底要怎么知道产品质量是什么？"——✅ 本库判可检验推论很清楚：会出现一个"为 agent 做优化"的产业，而它与今天的 SEO 形状同源、⚠️ "熵"被提成这个领域被低估的议题（"偶遇是熵的一种形式"），而提出者随即给了它最强的反驳："基于兴趣这件事已经被试过了，而且这里有一点有意思的社会等级问题：每个人都想和那种感觉上在某个方向比自己领先一步的人一起玩"；另有⚠️⚠️ 一条来自横评者的反主流基础设施判断："当你在规模上看这些产品时，表现差异相当明显……人们在谈软件不再是护城河，但那里确实还是有一些护城河的"，分叉是"有些刚开始规模化，表现就立刻劣化，创始人在处理宕机"，⚠️ 而他给自己留的时效很短（"也许那条护城河一年左右就能被跨过去"）、⚠️⚠️ 一个本库此前没有的个性化失败模式：好奇心之旅会污染偏好模型（世界杯期间查资料后"ChatGPT 突然变成了个足球狂热分子"），而现状是一个承认失败的变通："我其实经常进隐身模式，就为了不让东西被存下来——而这又其实也帮不上忙"——✅ 本库判这是设计空缺而非能力问题，不会随模型变强自动消失、⚠️⚠️ 一条由说话人自己的失败项目支撑的限定：他做过一个抽取手机截图信息的 app，"它还行，但我发现自己不会回去用。那些信息的价值随时间衰减得挺快"——✅ 本库判这给"个人上下文越多越好"加了限定，而它与上一条合起来双向限定了"把一切都记下来"这条路线、⚠️⚠️ 一条委托成本："你那些隐含的偏好必须被显式说出来"（"我不是抠，我只是喜欢省钱"→ 你得告诉它"我其实挺抠的"），而对照是"你自己替自己行动的时候，可以把那些偏好内置进去，而不必去照那面偏好的镜子"、⚠️⚠️ 一个具体的多 agent 退化点：现场扫码办的"agent 聚会"里，"到了大概 150 条消息之后，这些 agent 里有些就只是在说胡话了"，而诊断是缺目标而非缺能力、⚠️ "与其给模型规则，我们该给它法律和原则"，以及那起跨域泄露推出的是分域而不是限权（"不要让它们互相渗"）、⚠️ 聚合者可能是被压缩的那一层（"而这正是他们在这里做这么多防御工作的原因"），长尾被判为结构性赢家而 Josh 当场修正"他们营销肯定更差。我不确定他们产品更好"、⚠️ "dark agent"：当前品类定位可能从根上选错了——"人们想要的是渴望成为一个完全不同的、超人版本的自己……我不觉得我们现在有哪个 agent 真的在对那些渴望说话"，✅ 本库判这与"家长式作风"是同一论证的两半（一个攻击自我形象、一个增益自我形象），而这条完整论证是三人拼出来的、没有任何一人单独说完；⚠️⚠️ 本库必须标出五处问题：① 一个被当成"铁证"的营销案例其实没给任何采纳率（百万美元预算、每人 30 美元披萨换整个 Google Workspace 访问权→"这就在那儿证明了，人们愿意为了点免费披萨就交出所有那些数据"，但转述里没有参与人数或转化率，所以它说明的是出价方愿意付多少）；② 用来消解信任顾虑的电商类比在本期自己的最强论点面前不成立（1997 年"60% 到 90% 的人认为把信用卡放到网上是荒唐的"——⚠️ 他自述是回忆中读到的数字；而信用卡顾虑之所以被制度化解决掉，正因为金钱损失可赔付、可封顶、可保险，而社交难堪三者皆无）；③ 一处三人都没去弥合的自相矛盾（整期在"信任是真问题"与"信任是伪问题"之间来回切换，取决于当下在谈哪个产品；"难堪"本可作为综合但无人回去重解释那个 22%，而"乐趣先于信任"又给了第三条未经对照的路径）；④ 全部数字自述且样本偏差本期未重提（他上一期主动标注过"这些群聊都是科技 Twitter 的人"，本期口径相同但限定消失，而至少 3% 那条结论对样本高度敏感）；⑤ 十几个产品被点名表扬而无任何利益披露，其中一个被描述为"就是这周或者昨天刚上线"并得到本期最长的正面评价之一；⚠️ 另标一处口径退化："147 个助理"更接近管道量而非已测数（他在同一期另一处说"这些我还都在手动测"，而上一期给的是分开的两个数：跟踪 122、实测 26）；⚠️ 自动字幕问题：本期点名的产品名绝大多数拼写不可确证（"Grockbot"、"Dots"、"Season"、"Kicker"、"Wabby"、"Tommo"、"Scout"、"Dazzle"、"Underdog"、"Harc"/"Hark" 同一产品两种拼法、"Way Joe"、"Moltbook"），本库照录不采信；"Patrick Hollison" = Patrick Collison、"ELSAT" = LSAT、"Amazon B" = Amazon 的 Bee；⚠️ 两位主持全程未被点名，全名取自视频简介，归属按开场那句"我和我的合伙人 Josh 还有 David 在一起"判定）
• 2026-11-05 "如果我们的业务复杂度保持不变，我想一年之后我们大概就不需要同样多的人了"：一条由 CFO 本人给出的带反事实的编制判断、"让它活得比它的创造者更久"这条集中化理由，以及把敏感度当成面试考题（Praveer Melwani / Figma CFO + Seema Amble 与另一位 a16z 合伙人（⚠️⚠️ 第二位主持姓名拼写不可确证，字幕作 "Ivon Macarov"，本库全文以"第二位主持"指称；他自述此前在 Webflow）；⚠️ 立场：这一期是 a16z 自家观点文章《You Need a New CFO》的配套节目，两位主持在开场就自陈了论点，因此整期是在验证一个已经写好的主张、嘉宾大概正因符合它才被选中；主持多次引用匿名的"我们投资组合里的某家公司"作为佐证；✅ 但本库判厂商色彩比同类材料轻，三条依据：他是买方而不是卖方（在买工具不在卖工具）、数次对有利提法做了下修、以及那条编制判断是条件式的且那个条件对节目叙事不利；✅ 七处值得长期保存，其中四处本库此前完全没有：⚠️⚠️ 本库在 AI 与就业 这条线上第一条来自"实际控制编制的那个人"的表述，而本库判它的形式比结论更有价值——"如果我们的业务复杂度保持不变，我想一年之后我们大概就不需要同样多的人了"，而他紧接着说实际方向是反的（"我们在加新产品、在收购团队和业务……复杂度仍然跑在我们能真正做到完全效率化的前面"），落点是"但我们确实在变得更有效率，一期比一期"；✅ 本库判这条做了一次干净的拆分：它把"AI 带来的效率提升"与"编制会不会下降"分成两件事，并点名了把两者解耦的混淆变量（业务复杂度的增长），于是"我们没裁人"与"AI 没带来效率"不再是同一句话——这给本库一组长期并存的矛盾（Legora 的"初级岗位没消失" vs Microsoft 的"收入翻倍而人数几乎不变"）提供了调和机制，并推出"有没有裁人"是个很差的 AI 效率指标；⚠️⚠️ 但本库限定：他没给任何数字，价值全在那个拆分的形式上、⚠️⚠️ 把"集中化"的理由从效率换成了存续，本库判这是本期最可直接搬用的一条：专才做原型很合适（"他们知道好是什么样子"），"但我要不要那同一个人去负责检查所有上游依赖、去确保万一他离职了这东西是以正确的方式被托管的？"→"你把很多这些自下而上被做出来的东西拿过来，用一种能活得比它的创造者、比最初那个搭建者更久的方式重建和再利用——我认为这就是 CIO 职能应该、或者可以演化成的样子"；✅ 本库判这比通行的效率论证更难反驳，因为它不依赖任何关于重复劳动规模的估计——只要有人会离职这个成本就存在；⚠️⚠️ 而他主动承认自己还没做到（"我们长得比我们建起支撑它的工具更快"、"我不想通过在它上面造基础设施来把人慢下来"、"我觉得我们现在在那个混乱的中间状态"），于是本库判本期给的是一条诊断和一条取舍、不是已验证的解法、⚠️⚠️ 本库记下的那条弧线（节目里无人连起来，为本库综合）：他认为让自己有效的那件事，正是分布式 vibe coding 侵蚀掉的那件事——他自述前 AI 时代的第一次"解锁"恰恰是定义一致性（"一旦我们在定义上、在谈论事情的方式上能保持一致，我们就再也不用争什么是真的、什么是事实了"），而本期描述的新能力的第一阶失败正是定义分叉（主持人转述："他每一个销售代表都有一个自己 vibe code 出来的仪表盘，而且数字各不相同"）；✅ 本库判这解释了为什么他对集中化的理由落在存续与一致性而不是效率上、⚠️⚠️ 一道可直接搬用的面试设计，本库判这是本期最实用的一条，且可原样搬到任何"产出物已经不能当能力证据"的岗位上：他在招 VP Finance，"案例研究这一环对我来说非常神圣"，故意只给很少信息；而产出物本身不是考点因为它已无区分度（"任何人都能去做一个模型……随便挑你喜欢的 LLM"），探针换成"你有没有把它揉过，有没有测过这个模型里哪些部分对任何变化是最敏感的？"，配套原则是"你不想把你的思考外包出去"；✅ 本库判探针的选法是这条设计的聪明之处——敏感度结构恰好是生成一个模型时最容易被跳过的那一步，因此在"用没用 AI"上几乎不可伪装；🔗 而本库标注它与 swyx 那条"我没法为我自己都不知道想要什么的东西做一个 AI 评审" 恰好相反（那条是判准尚不存在，这条是判准现成），两条合起来给出一个判据、⚠️⚠️ slop 的成本被归到生产者身上，而理由是一条很干净的不对称："任何你放出去、要求别人消费的东西，都会花掉他们的时间、精力和气力。所以你要确保你给自己设一个同样的门槛，去评审、去读、去总结、把它变简单"；✅ 本库判这比"不要用 AI 写垃圾"类呼吁有用，因为它给出了义务的来源而不只是态度——生成成本塌缩而消费成本不变，处方是把差额以义务的形式还给生产者；⚠️ 制度侧是披露标注（"建立了一些政策——当你用 AI 写了某个东西的时候要标注出来"，只给了政策存在、未给执行方式）；⚠️ 症状侧由主持人转述一位未具名 CFO："每天被创造出来的文档数量无上限，而你什么都找不到了——因为现在每个人都能写一份文档，或者在几分钟里写十份，而那本来要花你一两个星期"、⚠️⚠️ 一条被点名的、非能力性的全自动化闸门，本库判它比任何关于模型能力的讨论都更能决定这个职能的自动化上限："对一个真正业务关键的系统，要把东西做到那种 audit ready 的输出，门槛是极高的"＋"这也会是一场和审计师之间很有意思的对话——什么东西才能让他们放心"（⚠️ 他没有排除它："我确实认为我们随时间会走到那儿"）；✅ 本库判这把闸门从能力换成了第三方的接受度，而审计师是一个有名有姓、有自己标准、且不受采用方控制的外部角色，于是可跟踪的推论是：财务全自动化的进展应该表现为审计准则的变化、而不是模型榜单的变化、⚠️⚠️ 两处很具体的内部实践，本库判它们是本期最值得被单独记住的事实、而且都不在节目的论点线上：①「你能不能 vibe code 出这个产品」已成为 Figma 企业发展团队在并购尽调里的一项检查，由财务背景的人而不是产品团队来做，用来判断"你的护城河有多深"，副产品是可信度（"这是我做出来的，这是我看到的"）——✅ 本库判这给同一项能力记下了第三种用途（卖方威胁侧见 Serval、买方议价侧见 swyx），⚠️⚠️ 但本库标出它继承了一个已被量过的测量误差：复刻表面说明的是表面的可复制性而护城河通常不在表面上，而 swyx 那次 69 份提交只有约 5 份达采购水平且他承认"维护不是零"，他对此只有一句很轻的让场；② corp dev 团队"给我们每一位领导者都造了独特的人格"用来预审投资备忘录（"这是 Praveer 会说的，这是 Dylan 会说的，这是 Sean（我们的 CRO）会说的"），自述收益是找出需补强的区域＋"缩短了我们所有人坐在一起的那个周期时间"——⚠️⚠️ 本库标出一处当场无人提起的风险：这个流程优化的对象是"通过被模拟的那位评审者"而不是"做对那个决定"，一旦有效它会训练组织写出能过模拟闸门的备忘录，而那个闸门是由下属构建、未经被模拟者验证的版本，于是真实评审者身上尚未被建模的部分（尤其是改变主意的那部分）会被不可见地筛掉（本库记为推测性风险）；另有⚠️ 一次被明确说出的容差校准，本库判这是本期唯一讲完整的用例且它成立的真正原因："那里 95% 的难处就是把你的数据放到对的位置上"＋"我并不需要什么 100% 完美的东西。我只是想要一个大方向上对的……能给我足够的信息去理解：哪些是我真正需要把旋钮拧一拧的地方"（场景是 2027 规划期的 T&E 评审，跨 Navan/Zip/Ramp 做模糊匹配，自述当天早上给反馈、30 分钟后进会议室已全部可视化，对比是"我不觉得他们靠手工能做出这个来"）——✅ 本库判可复用的是用例定位："产出是线头而不是结论"、⚠️ 一条来自买方实际采购行为的自建/外购分界："对那些核心的记录系统类的方案，以及那些我们就是不能搞错的东西——是的，我们去买方案"，自建区域是工作流自动化；✅ 本库判这条的分量不同于同形的既有材料（Serval、swyx 来自卖方与评论者），因为它来自一个实际在签采购单的上市公司 CFO——于是这条线可以当成已确立的分界来用、⚠️⚠️ 一条关于采用动机的转述，而驱动变量不是投资回报：两位主持自述办 CFO 晚餐数年，报的拐点是"大概九个月前"（约 2026-02）从"我在用 AI 生成税务备忘录"变成"我在做核心的数据对账并把很多工作流自动化"，称为"一次阶跃式的变化"，而动机那句是"这些领导者在说：我必须做这件事，否则我在我自己组织内部会被看成落在所有人后面"——✅ 本库判这是社会压力而非 ROI，本期无人指出；而推论对读本库其余采用材料有用：当驱动变量是内部观感时，采用率本身就不能被当作价值的证据、⚠️ 把工具访问权当成招聘手段（"我不知道人们有没有像他们本来可以、或者本来应该的那样，把技术访问权真当成一个招聘载体"，对非技术背景的人最有力——"这就像是我进入一个全新世界的前门"；✅ 而他补的那条更难被复制："不只是那样，还在于你让人们理解周围其他人在搭什么……而且你在面试过程里就能看到、能感觉到"）、⚠️ "Excel 受到威胁了吗？"→"没有。它就像我的爱的语言，老兄"，而理由不是速度而是校准（"它是我建立信任的方式，是我建立理解的方式"，色轮的比方）；✅ 而反方向的用法本库判比"Excel 不会死"更有用：把一个 20 标签页的模型传给模型"帮我理解哪些是真正拨动指针的东西、哪些区域更敏感"——🔗 本库标注这与那条面试探针是同一判断的两次出现，于是他的立场可总结成一句他自己没说的话：敏感度是这个岗位上人必须自己拥有的那样东西，而定位敏感度的劳动可以外包；⚠️⚠️ 本库必须标出四处问题：① 一条被当成正面证据但论证不成立的转述——某公司"一两个月里做出 40 或 50 个 agent"、"大概有 90%——我猜——已经没人再用了"，结论是"但它让所有人进入了这个动作……几乎和把那个 agent 真的搭出来一样重要"，而那个 90% 是说话人自标的猜测、"自动化优先的动作"无任何度量，本库只记事实不采信结论；✅ 并标出本期没连起来的地方：那个 90% 废弃率与"三个团队在各自重建同一个流程"是同一现象的两种说法，本期把前者当成长的代价、把后者当要解决的问题；② 一条主持人提出却无人回答的参照标准流失问题——"让我有点担心的是，我们会忘记世界级原来长什么样"，✅ 本库判它与那条面试设计互补（那条考个人是否理解自己的产出，这条问组织还有没有人知道"好"的上限在哪）；③ 主持人一条未给依据的能力断言"我觉得模型还没好到能真的做出一个预测或者一个模型"，与她在同一期引用的那些自动化案例口径不一致，本库不采信；④ 一条很薄的教育侧转述，本库只登记不采信——一位未具名教授"现在不教"AI，因一学期内多次改大纲"所以他们就有点放弃了，所以他们又回到基本功"，三条限定（单一未具名教授、转述两手、"他们就放弃了"是转述者的概括而非教授表述），✅ 本库明确记下它不增加 AI 与教育 页上那些同向但带具体机制的结论的可信度；⚠️ 自动字幕问题：嘉宾姓名全程讹写（"Pier Milwani"、"Preier"、"Premier"、"Pierre" 至少四种），本库按 Praveer Melwani 还原；可高置信还原的还有 "CMA Amble" → Seema Amble、"coit" → COVID、"codeex" → Codex、"Netswuite" → NetSuite、"Marquetto" → Marketo、"acrals" → accruals、"FPNA" → FP&A、"Sirius A/B" → Series A/B，以及转录稿把 SOC 2 与 SOX 混在一起（本库按上下文分别还原）；⚠️ 置信度中等："Non" → Navan；⚠️⚠️ 不可确证照录不采信：第二位主持姓名、新任 CIO 姓名（字幕作 "Casper Sorenson"，自述从 Coinbase 过来）、内部分享环节名称（字幕作 "fig nation"）、"Indry"、信用与催收团队成员名 "Kajal"）
• 2026-11-06 "ARR 是个很好的指标，但它掩盖流失"：本库第一份来自收购方席位的材料——三段式判据、能一票否决交易的那个职能，以及"100 亿以上买方宇宙太小，所以清算必然发生"（John / Salesforce 企业发展与 Salesforce Ventures 负责人，在职 20 多年；⚠️⚠️ 转录稿只出现名 "John"，姓未出现，本库不写出姓；主持只被叫到名 "Alex"；⚠️⚠️ 立场必须重标注且比通常更重，理由有三：① 他是收购方负责人，而有相当一部分内容在论证"卖给我们比自己走下去更好"；② 他是在位者，而被问"哪里有口子"时答的是"我不知道为什么到现在还一直有新的 CRM 公司"；③ 全部产品指标、收购数量金额、组合表现均为自述无口径；✅ 但本库判可保存价值很高，而依据不在他的判断上而在他的位置上——本库此前关于"该不该卖公司"的材料全部来自卖方或投资人一侧（退出决策框架、Airtable 一线），没有一条来自每年看数千家来求收购的那一方；✅ 六处值得长期保存，其中四处此前完全没有：⚠️⚠️ 本库判最有价值的一条是对 ARR 的尽调红旗——"很多创始人现在犯的一个错误是，他们只盯一个指标，就是 ARR。ARR 是个很好的指标，但它掩盖流失"＋"当你见到一家流失率非常高的公司，那通常意味着不只是有很多不开心的客户，而且可能还有产品质量上的问题"；✅ 本库标注它的力气在于把会计指标与产品事实连起来（高流失被当作产品质量的代理变量，这条红旗不是关于钱而是关于产品行不行），⚠️ 而他点出的前置失败更严重——"很多时候公司对自己的财务没有很强的控制……他们并不真的理解客户流失到底是多少"，也就是说问题不是"流失高"而是"不知道流失是多少"、⚠️⚠️ 一个能单方面杀死交易的职能："我们有 14 个职能参与我们所有的尽调流程，而安全是唯一一个能举起红旗、说'我要杀掉这笔交易'的职能"；附带一个说明"不可恢复"标准的具体案例（"不仅能访问他们全部的源代码，甚至能进到 CEO 的笔记本电脑、拿到他们员工的信息"→"糟到像是我们见过的最糟的那一档，以至于它是不可恢复的"）与一条让该标准可操作的分级（P0/P1/P2 作为签约条件或交割条件）；⚠️⚠️ 而本库记一条他没说的推论：若安全问题的发现时点在价格已谈定之后（"它通常不发生在第 11 个小时，而是在条款清单谈定、价格和主要条款都谈完之后"），它的议价后果是不对称的——此时卖方已经停止了其他进程、⚠️⚠️ "清算必然发生"的论证，而本库判它的力气在于没有停在"估值太高"——变量是买方数量："估值当然是高得太多了，但另外，买方宇宙也实在太小了……非常非常少的公司会上市，大概 1% 或更少"＋"一旦你超过比如 100 亿美元，买方宇宙就小得不行"＋"所以必然会有一次清算发生。我不知道什么时候，但它是不可避免的——因为很多这些公司的估值是不可持续的，它们长不进那个估值里去"，而后果被落到员工身上（"我觉得这对它们的员工也会是坏事。所以这就是我说它不负责任的原因"）；✅ 本库标注这把"泡沫"从价格判断换成了市场结构判断——即便你认为估值是对的，只要上市率是 1% 量级、而 100 亿以上的潜在买方可以数出来，大量公司的退出路径在算术上就不存在，且可检验：若他错，应该出现的是新的大额买方而不是估值继续涨；🔗 本库此前泡沫材料有两类（Chamath 的终值溢价 是定价机制侧、Mark Cuban 的损失落在谁头上 是分配侧），这一条是第三类：退出通道的容量侧，且来自那个通道本身的运营者、✅ 而本库认为这段争论里最有价值的是他给的选择偏差说明："我是个乐观主义者，不然我做不了我这份工作。但你要知道，我每年看到那数千家没能成的公司——因为他们都来找我们希望被收购。所以我们看到的是这个行业里你在媒体上读不到的那一部分。媒体不喜欢报那些故事"；✅ 本库据此判他与主持（主持反驳："十年前的 top 1% 结果和今天的 top 1% 结果非常不一样……Wiz、还有 Cursor"）的分歧很可能主要是样本的分歧而不是判断的分歧——他的位置让他系统性地多看到失败样本，两人都没有这样说；⚠️⚠️ 另记他对其余创业者那句很重的判断，本库照录不采信："我在创业者和他们的想法里看到不少平庸的东西……他们不该拿到 100 亿以上的估值，可他们还是拿到了"（而 Anthropic 被他划成例外，自述投了六轮）、⚠️ 一份三段式并购判据（① 战略契合与能驱动多少客户成功 ② 能否加速业务/装进技术栈/文化对齐/人才 ③ 怎么给股东与客户交付价值、价值累积时间线、估值是否合理），而他主动点名第三段是当下最难的——"因为什么都很贵"；✅ 本库标注顺序本身带信息（客户要求第一、财务最后）；⚠️⚠️ 而"自建还是买"的判据落在一个可直接比较的时间数上："一笔典型的收购从你有这个想法的那一刻、到它真正被整合完成，可能是 6 到 9 个月。所以你能不能自己交付出某个东西、而且比那快得多？"——✅ 本库记一条他没说的推论：这对卖方也成立，在这个窗口内被竞争对手自建出来的东西其收购价值会快速衰减；⚠️ 而"当对的那个资产出现，你真的会知道。你能有一种感觉"与"我们相当自律地遵守"这个框架在口径上不一致，本期没有处理、⚠️ 本库此前缺的一组按结果计价的买方侧实测数字：他们把 Fin 用在自家 help 站点上——自述 14 天上线、处理超过 40% 的流量、65% 的解决率不经过人；⚠️⚠️ 但"解决率"的定义未给、"流量"的分母未给，不能与别家同名指标直接比较；✅ 而本库认为更该引用的是他给的那条因果——"他们之所以能这么做（按结果计价），是因为达到价值的时间非常快"，以及他对 per-seat vs usage 之争那个很克制的答法："不管他们是按席位付费还是按用量付费，这其实并不真的重要。关键是确保他们开心、成功、会回来"（✅ 这绕开了"席位制会不会死"，换成留存问题）、✅ 一条非常规的整合观：被收购公司创始人四次成为 Salesforce 的首席产品官，而他把其中一位的作用描述为"他是一个声音很大的人，他让自己的看法被知道，而且他真的在试着摇醒我们。而那是把这些人带进来的另一个好处"——⚠️⚠️ 本库标注这与常规整合叙事相反：通常的整合目标是减少摩擦，而他把一个会公开反对的人当作收购的交付物之一；另有⚠️ Slack 的归因被他给了分发而不是整合能力（"很棒的技术、但分发被饿着"；收购时"它正在输给 Teams，他们真的卡住了"，而"2020 年有一个糟糕的季度，股价下去了，而那真的触发了很多讨论"），✅ 而他同时承认整合不是立刻顺的（"整合确实花了一点时间才真正进入状态"），这让那条归因更自洽；⚠️ 他否认了"Marc 在收购前只和 Stuart 花了一个小时"的传言、✅ 一条关于投竞争对手的干脆态度："我觉得其实我们大概应该投。保持靠近技术在往哪走是好事"（自述 750+ 投资、29 收购）；⚠️⚠️ 本库记一条推论：这个比例配上这句话意味着 Ventures 的首要功能被描述为情报与选择权，而不是财务回报或战略协同；⚠️⚠️ 本库必须标出五处未收口：① "哪里有口子"这个问题没有被回答——他回答的是"那些口子不值得"，而主持两次给的方向（下沉市场、Stripe 类比）都被以"那个领域太小"挡掉，✅ 而他自己在同一期里提供了反驳材料（他说 Veeva 与 nCino 是建在 Salesforce 之上、只盯垂直的大公司，而 nCino 是他们早期投资之一），本期没有处理这个矛盾；② "席位变少之后怎么捕获价值"被换掉了——他的回答本身成立，但没有处理"同一个客户的总支出会不会下降"这被问到的那一半；③ 框架的自律性与"你真的会知道"在口径上不一致；④ "专门化细分做不大"与他自己举的例子方向相反；⑤ 他说估值是最难的那一段，但他们自己的出价纪律始终没有被问到；⚠️ 自动字幕问题：✅ 可高置信还原的："Ben Penny off" → Marc Benioff、"Claw Force" → Agentforce、"Inster" → InStranet、"Velocity" → Vlocity、"Enino / CENO" → nCino、"docysine" → DocuSign、"whiz" → Wiz、"Coher" → Cohere、"11 Labs" → ElevenLabs、"Dina Robotics" → Dexterity、"Skilled" → Skild、"Viva" → Veeva、"Alex Don" → Alex Dayon；⚠️⚠️ 不可确证因此照录不采信的：他父亲 2023 年所获奖项名（字幕作 "Farmy Award"）、日本那家物流机器人公司名（字幕作 "Mugen"）、主持点名的两家 AI 原生 CRM（字幕作 "Lightfield" 与 "Monaco"）、Service Cloud 规模的口径（字幕作 "almost 11 billion in AOV"，本库只保留"接近 110 亿美元"这个量级））