张小珺Jùn｜商业访谈录

张小珺

Business Society & Culture

Latest episode

Available Episodes

5 of 115

112. 和广密聊大模型季报：分化与收敛、全家桶与垂直整合、L4体验与挖矿窗口
在大家的强烈催更下，新一集的《全球大模型季报》终于来了。这一集有两个关键词。第一个关键词是分化。硅谷各个模型公司在这个季度，开始分化到各个领域，除了Google Gemini和OpenAI还在做通用的模型；Anthropic分化到Coding、Agentic的模型能力；Mira的Thinking Machines分化到多模态和下一代交互。第二个关键词是产品。《大模型季报》过去一直把视角放在模型的智能探索上，而广密开始浓墨重彩地聊产品，这还是第一次。这里是《全球大模型季报》的第7集，如果大家喜欢我们的系列，希望大家多多给我们一些鼓励和支持。你们的夸奖对我们来说，非常的重要。2025，期待我们和AI共同进步！03:54 模型在分化通用各项能力的模型 - Gemini/OpenAIAll in Coding+Agentic 能力 - Anthropic多模态原生 - Thinking Machines LabGrok 今天还在摸索自己生态位置Meta 原创 0-1 的基因还是很弱最领先的这几家很像 F1 竞赛21:37 横向全家桶，纵向垂直整合C端是一个非常明显的头部收敛趋势，ChatGPT可能在C端会收敛掉很多产品作为投资人或 AI 创业者，一面兴奋是技术每个月都在进步，另一面有点绝望横向全家桶的例子是ChatGPT，已经包含了Chat+搜索+Coding+Agent+WorkSpace纵向垂直整合的例子是 Gemini，从 TPU 芯片，到 Gemini 模型，到上面 Agent 应用，再到 Google 文档/Chrome浏览器/安卓操作系统/YouTube视频，可以做超级集成33:35 智能和产品都重要过去 3 年一直是对智能上限的探索极度上头，但在过去两个月开始重视产品了ChatGPT 身上有很多非技术性壁垒，而 Coding 或模型公司只是技术壁垒OpenAI 是平衡最好的一家，一边探索智能上限，一边又把智能红利转化成产品流量和品牌心智38:52 做 AI 产品很像挖矿，保鲜窗口很关键挖矿：第一个做出来让用户惊叹的体验很重要，哪怕 token 消耗很大，只要你是第一个做出来让用户惊叹的 Magic moments，就等于你起码得到了 5 亿美金的营销费用，比如 Perplexity/Cursor/Manus但这个窗口期又特别有意思，窗口是逐渐在缩短的：从 2 年、1 年、3 个月产品公司能赢过模型公司做的产品吗？44:21 L4 级别的体验最优秀的俩 Agent 都有了 L4 体验：ChatGPT 的 Deep Research + Anthropic 的 Claude Code，分别对应信息搜索+软件开发今天最大红利还是 language/code 红利，尤其是 code，还不是多模态/世界模型/机器人Claude Code 最近大杀四方，Claude Code 是一个 L4 的体验接下来还有哪些领域能有 L4 级别体验？52:43 对Google看法的转变一个猜想是，ChatGPT 后面肯定会做广告平台，因为最近招了新的商业化 CEO但我在想 Google 还是全球最好的广告平台，最后大家产品形态上都会殊途同归，融合到一起的，就是全家桶逻辑，Search 也会演变55:53 其他话题AGI有泡沫吗？假如AGI有泡沫，什么事情会是导火索，戳破泡沫？人类和大猩猩的智能水平差异在哪？最近湾区有没有什么新的讨论比较高的话题？“犹太人的金融，华人的AGI”【全球大模型季报】系列2023年：口述全球大模型这一年：人类千亿科学豪赌与参差的中美景观2024年Q1：和广密聊AGI大基建时代：电+芯片=产出智能2024年Q2：口述全球大模型这半年：Perplexity突然火爆和尚未爆发的AI应用生态2024年Q3：AGI范式大转移：和广密预言草莓、OpenAI o1和self-play RL2024年Q4：大模型季报年终特辑：和广密预言LLM产品超越Google之路2025年Q1：大模型季报：和广密聊当下最大非共识、AGI的主线与主峰
--------
1:09:11
--------
1:09:11
111. 李一帆口述激光雷达11年创业史：你仔细想行业的机会来自哪？是国家、民族的机会
过去10年，中国新能源汽车产业从无到有，经历蓬勃发展。大家最熟悉的可能是理想、小鹏、蔚来这些整车品牌，但另一面这场变革背后的产业链企业也在变化。《商业访谈录》的108集对余凯和本集对禾赛联合创始人和CEO李一帆的3小时访谈，关注的都是汽车产业链上的隐形选手。这集也是李一帆对他们做激光雷达11年硬核科技创业的一部口述史。随着中国科技创新从互联网的模式创新，走向硬核科技的前沿创新，中国也许还会出现更多的技术型创业者。禾赛的故事也许能提供一个参考样本。（本次访谈录制于2025年4月）00:02:00 开始的快问快答00:02:33 股价过山车00:03:40 激光雷达99.5%的降本00:12:05 家庭和成长00:32:13 罕见的3人平分股份00:43:35 融资的伎俩00:49:02 第一笔2000万大单00:55:45 想说完蛋了…01:10:06 余凯比多我一个001:20:47 定价心思01:38:15 开始倒戈01:58:07 进入汽车大本营02:38:34 新钱和老钱03:02:16 最后的快问快答【从蒸汽机到无人驾驶】系列《对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯》《和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊》《对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰》《余凯口述30年史：世界不止刀光剑影，是一部人来人往的江湖故事》《和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”》
--------
3:08:32
--------
3:08:32
110. 逐段讲解Kimi K2报告并对照ChatGPT Agent、Qwen3-Coder等：“系统工程的力量”
我们又来读论文啦！！！今天我们要读的论文是最近几个星期内最值得品读的几篇技术报告，分别是：Kimi K2、ChatGPT Agent、Qwen3-Coder的技术报告，以及Manus的一篇技术博文。他们的相关性是，这几篇内容都和Agent有关系。今天的嘉宾是俄亥俄州立大学（The Ohio State University）的在读博士郑博元，他的研究方向是Language Agent，他会带我们一起读上述技术报告和博文。这是《商业访谈录》的“技术之美”系列，期待和你一起读论文，领略科技平权，感受技术之美——做你的赛博组会：）00:02:00 给Agent下定义和分类00:14:50 Kimi K2、ChatGPT Agent、Qwen3-Coder、Manus的技术路线对比00:28:29 Agent Training 的关键环节：合成数据、强化学习、安全00:30:57 第一篇技术报告：Kimi K2: Open Agentic Intelligencegithub.com00:43:50 第二篇技术报告和访谈：Introducing ChatGPT agent: bridging research and actionopenai.com红杉访谈OpenAI：OpenAI Just Released ChatGPT Agent, Its Most Powerful Agent Yetwww.sequoiacap.com01:53:38 第三篇技术报告：Qwen3-Coder: Agentic Coding in the Worldqwenlm.github.io01:59:04 第四篇技术博文：AI代理的上下文工程：构建Manus的经验教训（作者：Yichao 'Peak' Ji）manus.im02:06:06 展望：也许会有一个新的范式02:15:20 我感觉Agent是“我拓展的大脑”，我背后有一个“军团”（Family of Agents）02:16:41 不同Bot的语言风格：DeepSeek嘴臭，元宝舔狗智能体定义Agent是一种能够与环境进行交互（interaction）的智能系统。它具备两个基本能力：感知能力（Perception）能够观察环境的状态，包括获取外部信息、读取反馈信号、解析上下文等。行动能力（Action）能够在环境中执行动作，例如调用工具、生成输出、控制界面、修改变量等。简言之，Agent = 感知 + 行动在一个循环中不断执行“观察 → 决策 → 行动”的流程，以达成任务目标。Agent 的定义与分类1. Coding Agent（代码智能体）代表产品：Cursor、Windsurf特点：代码生成与编辑能力强，用户体验优秀应用场景：代码补全、代码重构、多人协作编程2. Search Agent（搜索型智能体）特点：结合搜索引擎，自动完成信息检索和汇总应用场景：市场调研、报告生成、竞争对手分析等潜力：在企业级场景中有很强的应用价值3. Tool-Use Agent（工具使用型智能体）特点：能够调用多种外部工具完成复杂任务应用重点：是目前 Agent 研究和落地的主要方向举例：ReAct（推理 + 行动）类 Agent，通过 tool calling 执行任务4. Computer Use Agent（电脑操作型智能体）代表产品：OpenAI Operator、Claude 的 Computer Use特点：模拟人类使用电脑，完成跨应用的复杂操作应用场景：执行流程自动化、远程助理、办公代理Agent 的技术路线对比1. In-Context Learning（上下文学习）特点：依赖强大的预训练模型，通过提示构造实现任务规划与执行优势：无需微调，灵活性高局限：泛化能力弱，rollout 长度有限，容易失控2. End-to-End Training（端到端训练）特点：将 Agent 的全部行为编码进模型权重优势：推理稳定，可控性强局限：训练成本高，环境构建复杂Agent Training 的关键环节1. Data Synthesis（数据合成）方法：生成大量高质量的 trajectory（行动轨迹）用途：训练 Agent 在任务中如何决策、调用工具、管理 memory（记忆）2. Reinforcement Learning（强化学习）条件：需要定义清晰的 task（任务）与 verifiable reward（可验证奖励）挑战：任务难度与环境反馈设计直接影响 Agent 的行为质量3. Safety（安全性）问题风险：Agent 具备自主决策能力，容易误用工具、走偏轨迹对策：加入 sandbox（沙盒）限制、行为约束机制、Human-in-the-loop（人类监控）展望：也许会有一个新的范式生成数据的核心会从 input-output 式的数据标注，转向构建 environment（环境）以及对应的 task-reward（任务-奖励）。比如 Scale AI 提出的 rubrics as reward（用评分标准作为奖励机制）Agent 能不能实现自我提升（self-improve）？一方面，Agent 在和环境交互的过程中会不断获得新数据；那它能不能自己找到或构造 verifiable reward（可验证的奖励）？交互中积累的 experience（经验），能不能被更有效地利用起来？
--------
2:20:45
--------
2:20:45
109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta天价收购和Alexandr Wang
今天又是一集机器人专场。嘉宾是光轮智能创始人兼CEO谢晨，他曾在英伟达、Cruise及蔚来汽车担任自动驾驶仿真负责人。我们的话题非常具体，即:仿真与合成数据。今天的具身智能尚且没有找到scaling law的有效配方，其中，数据是一个关键卡点。我们106集的嘉宾银河通用创始人王鹤就提到，真实数据在他们的训练数据比重仅仅1%，合成数据挑起大梁。今天这集节目，我与谢晨聊了聊仿真与合成数据的实操细节。02:00 开始的快问快答02:48 高频词汇解析：Sim2Real（从仿真到现实）、Sim2Real的gap、合成数据04:31 从Cruise到英伟达到蔚来，怎么做合成数据和仿真？14:11 制作合成数据的具体流程？合成数据与真实数据的配比？16:17 在合成数据上，智能驾驶和具身智能的区别（智能驾驶是视觉的游戏，具身智能的物理交互最关键）32:41 物理的Real2Sim（真实到仿真）工作流是怎样的？怎么评估成功的仿真？关键技术节点？46:18 Physical Intelligence（π）对仿真与合成数据的两难态度48:55 辣评Meta 300亿美金收购Scale AI和极其aggressive的Alexandr Wang53:57 合成数据目前面临的瓶颈55:25 全球具身智能产业链Mapping：硬件公司（宇树）基座模型公司（π、Skild、英伟达和DeepMind）在垂域落地的软硬结合公司（Figure，特斯拉Optimas、The Bot Company）以仿真为中心做端到端落地的公司（光轮）（“特斯拉Optimas的管理文化和π完全不一样”）01:09:22 美国存在具身模型层的创业机会，中国在我看来字节、小米、理想更适合做“大脑”01:15:33 老黄在内部说：NV is a simulation company01:21:25 终局的模型应该是是跨宇宙、跨世界、跨本体（提升跨宇宙的能力，本质是提升泛化性）01:23:28 具身智能的产业还在GPT-1阶段，还没找到scaling law的配方01:28:21 我创业刚开始，从具身的本科开始学起01:37:37 最后的快问快答【机器人专场】逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”和王鹤聊，具身智能的学术边缘史和资本轰炸后的人为乱象
--------
1:41:09
--------
1:41:09
108. 余凯口述30年史：世界不止刀光剑影，是一部人来人往的江湖故事
今天的嘉宾是地平线创始人兼CEO余凯博士。在过去49年人生中，他一路闯关过德美学术圈、中国互联网圈、创投圈、资本圈、汽车圈。在每个圈子和江湖，都从籍籍无名的无名小卒开始升级打怪。到最后，在每个圈子，他混得都不错。一位与他打过交道的前企业高层评价，余凯是科学家里非常具有社会智慧的一位。余凯毕业于南京大学和慕尼黑大学，毕业后，先后就职西门子、NEC研究院，于2012年回国加入百度，又于2015年离职创立地平线。很巧的是，2025年正好是地平线创立10年。今年上半年，我与余凯博士聊了两次，这集节目是他的一部口述史。随着大语言模型浪潮爆发，更多人工智能科学家从高校系统涌入创业轨道。余凯的创业观，也许能给大家一些启示——创业不仅是技术和商业，也不仅仅有刀光剑影，更是一部人来人往的江湖故事。就像电视剧《少帅》张作霖的台词：“江湖不是打打杀杀，江湖是人情世故。”2025年，我们和AI共同进步！03:06 初入学术江湖一开始在学术圈籍籍无名，算命先生说我24岁前“籍籍无名，劳而无功”发表过100篇论文，我很陶醉，夜深人静都会翻我以前的paper自我欣赏结识Geoffrey Hinton、Yann LeCun、吴恩达的故事我这边的对面坐了一个人特别的沉默，没人搭理他，一个人在那吃闷饭——这个人叫Richard Sutton，前段时间拿了图灵奖31:18 再入互联网江湖我应该是旅美人工智能华人学者第一个回国的我立刻就跟Geoffrey Hinton写信，他回信：Kai，挺好的，但你介不介意我也问一下其他公司？我当时拿到的授权是，最高出到2400万美金，2400美金以后，每一次出价就要跟国内商量我为了小概率能赢，抢先第一个出价，1200万美金“哎呀，你看Geoffrey Hinton开会好像不太出现啊，他在干嘛…？”我就问他：唉，Andrew（吴恩达）你在干嘛？各方面怎么样？开始试探他吴恩达一下子震惊到了！说：你小子把我忽悠到百度，你自己跑掉，太不够意思了吧？51:19 又入创业江湖我做了3个投资：买了英伟达，买了特斯拉，全身心把我投到地平线这个哥们跟我讲：兄弟，你知道吗？我现在在我家的地位，就靠你那句话！地平线刚创立那一天我看了一下，英伟达才是一个107亿美金公司，现在是3万亿！吴恩达在Google lead谷歌大脑，有一个frustration（沮丧）是什么？不能买GPU！共识要么是错的，要么是没价值的你的商业的secret是什么？有什么东西你看见了别人没有看见？这个世界是不是有Bug？这个世界是不是有通向未来的窄门，而大部分人没有关注到？01:11:21 也入资本江湖我们一页BP没写，就融了第一轮，我觉得：哎呀，Life is so easy！结果第二轮就发现，见了50-60家机构，没一个下单。特别tough……没人理解……我说的简直是口干舌燥……地老天荒……昏天黑地……也没人动心我定了一个铁律：我跟投资人第一次见面，绝不能在他办公室，一定要在我办公室我继续装！我说：我真的没时间，我就是一个专注的、情商低的科学家，正在倒腾我自己的事情，懒得理你我们创造了C轮业界传奇的12小轮，一把拿了16亿美金——这也是一个反共识——中间没有加1分钱估值哇，地平线竟然有102家股东投资机构，我都不知道我怎么磕出来的01:21:39 转战汽车江湖科学家创业通常有这个问题：360度扫射曾鸣那堂课上完以后，我们班好多同学回去都去砍方向、裁团队有天晚上睡觉，我梦中突然一惊：我靠，这样不对啊！和长安：故意输球，你们要优雅地、不露声色地、故意地输啊和李想：李想在2019年初，我们俩爬山他讲：你应该聚焦汽车方向和何小鹏：我现在还没有磕下小鹏————有的时候你要强攻，有的时候你要迂回和王传福：我们逮着机会窗口，相当于这个门开一个小缝，咱们就呲溜一声冲进去02:09:48 我不是江湖人领导者我的role model是刘邦电影这些角色，你知道我最喜欢谁吗？《飘》里的白瑞德我的名字姓余，公司的名字地平线——余地，余地，做人做事永远要留有余地智能驾驶：主机厂未来不会自研，它是一个标准化的功能3年完成100%hands-off，5年完成100%eyes-off，10年完成100%minds-off死门是什么？机器人的CUDA下一代芯片创新02:35:23 最后的快问快答这个世界我认为是写好了程序，每个人都是按照剧本来演02:39:26 补充花絮传授技巧：如果你决心离职，不要说公司任何不好闫俊杰的发型像我（玩笑）我和吴恩达在美国serious讨论过创业我为了调一个校招生喝茅台，不像李想手起刀落微信头像为什么关公？【从蒸汽机到无人驾驶】系列《对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯》《和何小鹏聊，FSD、“在血海游泳”、乱世中的英雄与狗熊》《对话奔驰全球CEO康林松：转型期CEO和转型之中的139岁奔驰》《和楼天城聊聊Robotaxi和ACRush：“L2做得越厉害，离L4越远”》本集文字版：《对话余凯：世界不止刀光剑影，是一部人来人往的江湖故事》
--------
2:57:07
--------
2:57:07