标签：AI
共 51 篇相关访谈。
Richard Socher：递归自我改进是人类最后一项发明
NLP先驱、You.com创始人Richard Socher创立新公司Recursive，专注构建能自动化AI研究本身的递归自我改进系统。他在访谈中阐述了“尤里卡机器”的愿景，认为AI应首先应用于科学研究，并对当前AI安全方案（如宪法AI）提出批评，强调开源AI的地缘政治软实力价值。
硅谷算力饥渴：AI繁荣第四年的见闻与冷思考
作者回顾了2026年造访硅谷与台湾参加行业展会后的见闻与思考。核心观点包括：AI正深度渗透EDA领域，芯片制造进入“更大、更集成”的Chipmaxing时代；算力短缺是当前最严峻的挑战，但2027年可能出现供应过剩；Anthropic与OpenAI凭借巨量算力占据前沿，而Google可能已难以重返；新兴的Neolab模式或为突破性创新提供土壤；尽管AI应用广泛，其真实的投入产出比仍不明朗。文章最后警示了日益增长的反AI情绪。
Jensen Huang: NVIDIA - The $4 Trillion Company & the AI Revolution | Lex Fridman Podcast #494
问题大到塞不进一台计算机，必须做极端协同设计；分布式计算目标是超线性加速，否则 Amdahl 定律会卡死整体效率
黄仁勋NVIDIA CEO
OpenClaw: The Viral AI Agent that Broke the Internet - Peter Steinberger | Lex Fridman Podcast #491
Peter 展示能自我修改的 agent，区分 vibe coding 与 agentic engineerin
Talking to Apollo about Gemini Robotics 2 🤖
机器人认为最难的挑战是厨房杂务（给垃圾袋打结涉及精细操作）；运动挑战的难点是全身控制与平衡；车库挑战因与 Duo 协作而最顺利。机器人表示现阶段专注日常实用任务
AI正逐步替代人类在智能生产中的每个角色
本文梳理了自2022年以来，AI如何逐步替代人类在智能生产流程中的角色。从奖励信号、训练数据、教师、课程设计、研究员、环境、人类实验对象到物理世界，模型正在以“稍差但成本低百倍、速度快万倍”的方式模拟一切。文章指出，这一进程的关键推动力并非生成能力的提升，而是验证机制的进步。
Poolside 120亿美元反向收购：创始人留守，团队转向新方向
Poolside AI 以120亿美元估值获得NVIDIA投资及60亿美元非独家技术授权。交易特殊之处在于，大多数员工（109人）被NVIDIA雇佣，而创始人Eiso Kant等选择留守Poolside，将公司转向全新方向。文章分析了这一罕见的“反向收购”交易结构、Poolside面临的算力挑战，以及其可能转向AI基础设施公司的未来。
智能差距：人类比AI高效百万倍
Dwarkesh Patel，著名AI播客主持人，本期深入探讨AI的“样本效率”问题。他指出，尽管AI在能力上突飞猛进，但其学习效率远低于人类——数据消耗量相差近百万倍。这一差距不
政府与AI公司的权力博弈警钟
Dwarkesh Patel，知名AI播客主持人，在本期节目中深度剖析美国国防部将Anthropic列为供应链风险事件。他指出，这场冲突不仅是商业纠纷，更是未来文明控制权的早期预演
2/3的Neo Labs将一文不值
LMArena创始人兼CEO Anastasios认为，开源模型正在以超预期速度崛起，中国模型已首次在部分任务上超越美国闭源模型。本期探讨开放生态对美国AI霸权的挑战、企业AI主权
更聪明的AI模型或使算力价格飙升10倍
本文基于Dwarkesh Patel的播客视频内容提炼而成，核心探讨了更强大的AI模型如何成为推动算力成本飙升的关键因素。文章分析了模型智能提升对算力需求的倍增效应，并预测了廉价算力时代可能终结的趋势。
中国在乎AI安全：别被误解误导
本期节目嘉宾为播客主持人Nathan，他深入中国两周，走访学界与产业界，系统考察AI安全生态。核心议题是：中国是否真的关心AI安全？通过调研安全研究、政策法规与公司实践，他试图破除
模拟未来：单次仿真将值1亿美元
Joon Sung Park 是 Simile 公司的创始人与 CEO，曾任斯坦福研究员，致力于构建人类行为的“基础模型”。本期访谈探讨了该公司如何通过模拟人类行为预测未来、帮助企
自主企业：AI接管现实服务运营
Melisa Tokmak是Netic的创始人兼CEO，该公司为暖通空调、宠物护理、屋顶维修等现实世界服务构建AI系统。此前她在Scale AI担任工程总监，负责政府和大型企业业务
AI攻防逆转：防御方已占优
FAR AI联合创始人兼CEO Adam Gleave认为，针对AI滥用风险的攻防态势正发生逆转。通过系统评估前沿模型的安全防线，他发现谨慎部署下，灾难性滥用风险总体可控。但开源模
“软硬兼施”才是大模型胜负手
游凯超，vLLM开源项目核心维护者、Inferact联合创始人兼首席科学家，从清华到伯克利，从算法研究转向系统构建，并主导了vLLM从开源社区到商业公司的转变。本期访谈解析了AI
AI算力成本或飙升15倍，推理价值重塑计算市场
Dwarkesh Patel分析了AI实验室未来算力成本可能急剧上升的趋势。核心论点是：随着AI模型能力逼近人类水平，其在特定任务（如软件工程）上的价值将远超当前水平，导致其使用的计算资源价格飙升。这叠加了算力供应增长有限（年3倍）与需求爆发（收入年10倍）的矛盾，可能使计算成为昂贵资源，并重塑AI竞争格局。
Airwallex吴恺：AI时代，全球金融的超级智能入口
本文基于对Airwallex首席营收官吴恺的访谈，提炼了这家估值110亿美金的全球支付平台的创业历程、核心战略及AI时代布局。文章重点阐述了其从解决咖啡豆跨境支付痛点起步，坚持构建全球网络与全栈银行产品的长期主义，并深入剖析了AI如何重塑企业金融、催生金融超级智能入口，以及Airwallex在数据、人才与本地化执行上的竞争壁垒。
Koji杨远骋：四次创业，从十字路口找到热爱
AI科技媒体「十字路口」创始人Koji杨远骋在访谈中分享了他从产品经理到四次创业的心路历程。他回顾了从饭否、街旁、新世相到糖导的创业选择，强调了主动站在人生十字路口、寻找心流热爱、以及通过“运气面积”理论扩大机遇的重要性。他认为，虽然悲观者往往正确，但只有乐观者才能成功。
Grant Sanderson：AI时代，数学家的新角色是策展人
在AI数学能力飞速发展的背景下，3Blue1Brown创始人Grant Sanderson探讨了AI解决千禧年难题的可能路径、概念突破的百年验证周期，以及数学家未来可能转向“思想策展人”角色的演变。他认为，AI真正的价值可能在于其系统性地连接不同领域知识的能力，而非单纯解题。
AI下一次突破：从在职学习开始
本文探讨了AI领域下一个重大突破可能在于“在职学习”。作者认为，当前实验室押注的强化学习与可验证奖励（RLVR）方法存在局限性，尤其是在需要从稀缺、模糊的真实世界互动中学习的领域。文章提出了“在职学习”的必要性，分析了当前在线学习的困境，并探讨了诸如“在线策略自蒸馏”和“做梦”等前沿技术，展望了到2027年底，AI可能通过持续部署和学习实现能力质的飞跃。
AI训练依赖海量数据，样本效率远逊人类
本文指出，当前AI模型的性能提升主要依赖海量数据和算力投入，而非样本效率的根本性突破。通过对比人类与AI在数据需求上的巨大差距，文章探讨了这种低效率对AI自动化白领工作和自我研究能力的影响，并质疑当前Scaling Law路径能否弥补这一差距。
AI科研的验证困境：为何RLVR可能难以突破大科学发现
本文探讨了强化学习验证（RLVR）在科学发现领域的应用局限。核心论点在于，科学理论的验证周期极长（可达数十年甚至数世纪），且更优理论在初期可能做出更差的预测，这使得为大概念性突破设计RL训练循环异常困难。文章通过哥白尼革命、海王星发现等历史案例，论证了科学进步中判断、启发式及“不合理坚持”的关键作用，并指出AI科学家社会仍需保留具有特异性偏见的个体实例来维持多样化的研究议程。
李想：自动驾驶是具身智能上半场，人形机器人是下半场
理想汽车创始人李想在访谈中系统阐述了公司从汽车制造商向AI和具身智能企业转型的战略。他认为自动驾驶是具身智能的上半场，人形机器人是下半场，并详解了自研芯片、组织架构调整及机器人业务规划。李想强调，AI的价值在于将富豪级的生活服务普惠化，而非简单替代工作，企业需构建数据、模型、芯片的完整能力栈。
小红书黑客松：48小时，年轻人用AI造梦
本期播客邀请了小红书黑客松巅峰赛总负责人伞兵及七位获奖选手，深入探讨了这场48小时极限创造赛事的核心精神。组织者强调，赛事的核心是发现并连接那些对技术充满热情、注重人文价值的年轻创造者，而非单纯追逐技术趋势。选手们分享了从专注力工具、机器人大头到便携式音乐设备等创新项目，并一致认为比赛氛围激发了纯粹的创造快乐。
喜剧人聊恐惧：从社交尴尬到AI时代生存指南
本期《罗永浩的十字路口》节目，罗永浩与刘洋、石老板、闫鹤翔、六瘦等喜剧工作者，围绕“恐惧”这一主题展开了一场轻松幽默的讨论。嘉宾们从个人经历出发，分享了从害怕罗永浩回复评论、不敢看恐怖片、到害怕被AI取代工作等各种“大小众”恐惧。罗永浩特别指出，喜剧创作是AI最难攻克的领域，为喜剧工作者带来了短暂的“安全期”，同时鼓励大家积极学习与AI协作，而非被动恐惧。
崔健：去天堂和地狱，都要带上艺术家
在《罗永浩的十字路口》节目中，崔健畅谈了其40周年巡演的创作理念、对AI与音乐产业的看法、现场演出的不可替代性，以及作为自由艺术家对多元创作领域的热情与坚持。他强调了保持艺术独立性、拒绝重复自我的重要性，并分享了对中年、健康与音乐教育的深刻见解。
黄仁勋谈英伟达极限协同设计与AI未来
英伟达CEO黄仁勋在访谈中深入阐述了公司从单一加速器到AI工厂的转型之路，强调了‘极限协同设计’在解决大规模分布式计算挑战中的核心作用。他分享了将CUDA置于GeForce显卡上的关键决策、通过塑造信念系统引领组织与行业变革的领导哲学，并展望了AI推理、智能体扩展以及能源解决方案等未来方向。
剑桥博士用AI透视地球：DeepOptica的矿业勘探革命
DeepOptica创始人相子恒分享其公司愿景：利用AI技术实现‘地球透明化’，通过整合地质学、地球物理和遥感数据，构建矿业‘世界模型’，以更少、更精准的钻探，提前评估矿产资源的经济价值。文章探讨了AI如何解决勘探中的‘多解性’难题，以及一个华人团队如何在传统矿业领域建立技术信任，并分享了从剑桥赛艇队长到科技创业者的领导力心得。
2026 AI前沿对话：模型、架构与未来
本期访谈中，Sebastian Raschka与Nathan Lambert深入探讨了当前AI领域的竞争格局、开源模型的发展、大模型架构的演进以及扩展定律的未来。他们分析了DeepSeek时刻后的中美AI竞赛，比较了主流闭源模型的使用体验，并深入浅出地解释了混合专家、注意力机制等关键技术原理。
CES 2026：AI重塑产业，中国力量崛起
本文基于对CES 2026展会的实地探访，提炼出AI技术正从功能叠加走向产业决策核心的趋势。文章重点分析了自动驾驶、具身智能、低空经济、AI硬件及中国供应链崛起等关键方向，并指出创业机会在于用AI解决具体、微小的问题。文中强调了中国企业在供应链和AI应用创新中的关键角色，并展现了科技向善的创业初心。
AI数据爆炸下，AMD与阿里云如何协同创新数据库
AMD的Raghu Raja与阿里云数据库专家Jimmy探讨了AI时代对数据库的新要求，包括处理多模态数据、向量搜索和智能体并发查询。双方分享了AMD EPYC处理器的chiplet架构如何满足云端高密度计算，以及阿里云PolarDB通过软硬件协同设计（如计算存储分离、CXL内存扩展）实现无服务器弹性。对话还展望了内存近邻计算等未来方向，并强调了紧密的软硬件合作对推动技术创新的重要性。
人形机器人：从非共识到超级共识的进化之路
安克创新CEO阳萌深入剖析人形机器人行业的发展阶段、技术路径与未来生态。他提出行业正从“非共识”进入“超级共识”阶段，产品形态将因核心模组标准化而趋同。他强调仿生是功能价值的最优形态，并预判家庭机器人将按角色分化，而强化学习是机器获得真正智能的关键路径。
前特斯拉AI总监：LLM是新时代操作系统，软件开发正被重构
前特斯拉AI总监Andrej Karpathy阐述了软件正在经历的第三次范式革命：从编写代码（软件1.0），到训练神经网络（软件2.0），再到用自然语言提示大语言模型（软件3.0）。他认为LLM不仅是工具，更是一种新型操作系统和个人计算机，其普及将编程权从少数人手中解放给每个人。他呼吁开发者构建部分自主的AI应用，通过精心设计的GUI和自主性滑块实现高效的人机协作，而非追求完全自主的AI代理。
皮查伊谈Google AI战略与领导力哲学
Google CEO桑达尔·皮查伊在Lex Fridman播客中分享了从印度贫寒家庭到执掌万亿科技公司的成长经历，阐述了AI作为人类最深刻技术变革的愿景，分享了领导Google穿越AI竞争低谷的战略定力，并深入讨论了Gemini模型的进化、搜索的AI化转型以及艺术表达自由与责任的平衡。
数学是宇宙通用语言吗？3Blue1Brown创始人谈数学之美
在本期Star Talk节目中，数学教育家格兰特·桑德森（3Blue1Brown）与尼尔·德格拉斯·泰森等人探讨了数学的本质。他阐述了数学为何可能是宇宙的通用语言（基于其逻辑严谨性，例如素数序列），讨论了数学是“发明”还是“发现”的经典问题，并深入讲解了信息论（以Wordle游戏为例）、中心极限定理和曼德博集合等概念如何从简单规则中涌现复杂之美。最后，他分享了AI在数学中的新应用以及对数学教育的见解。
Perplexity创始人：从知识发现引擎到AI未来
Perplexity创始人Aravind Srinivas在访谈中阐述了其产品定位为知识发现引擎而非传统搜索引擎，探讨了广告模式、产品哲学、AI模型训练（如后训练、思维链）、开源重要性以及AI未来发展的可能性，强调产品需服务于人类好奇心，并借鉴了多位科技领袖的思维框架。
LeCun：AI未来在于联合嵌入，而非生成式模型
在访谈中，Yann LeCun系统阐述了当前生成式AI的根本局限，并提出了通向高级机器智能的技术路径。他指出，仅通过预测文本无法构建真正的世界模型，而视频生成的困难在于无法有效建模高维连续空间的分布。LeCun大力倡导联合嵌入预测架构（JEPA），认为这是学习世界抽象表示、实现物理推理的关键。他强调，开源是实现AI多样性、避免意识形态偏见和保障民主的必由之路，并对构建可规划、可理解物理世界的下一代AI模型充满信心。
从弹跳机器人到AI学院：Marc Raibert谈机器人运动智能
波士顿动力创始人Marc Raibert回顾了从早期弹跳机器人到BigDog、Spot、Atlas的研发历程，阐述了动态运动、硬件创新与认知智能结合的重要性。他强调机器人需要先学会‘跑’才能学会‘走’，并分享了对机器人美学、团队建设和AI学院未来方向的思考。
马斯克访谈：战争本性、AI哲学与多星球未来
在本次深度访谈中，埃隆·马斯克探讨了战争与人性的复杂关系，认为冲突根植于自然，但智慧生命应以'彰显善意的行为'化解仇恨循环。他阐述了xAI的哲学使命——理解宇宙，并强调多星球生存是文明延续的必由之路。马斯克还对AI监管、能源需求及官僚主义对创新的制约表达了深切关注。
扎克伯格：Codec Avatars是元宇宙的临门一脚
在Lex Fridman最新一期播客中，扎克伯格在Meverse中展示了Codec Avatars技术，实现了照片级写实的远程虚拟互动。他详细解释了该技术原理、Quest 3的混合现实突破，并探讨了AI分身在元宇宙中的未来应用及随之而来的哲学问题。
Marc Andreessen：AI将重塑搜索、互联网与真理
在本访谈中，Marc Andreessen深入探讨了AI对互联网的颠覆性影响。他认为传统搜索将被AI直接回答取代，浏览器可能演变为AI的“逃生舱”。他提出了关于合成训练数据、LLM“幻觉”与创造力、真理的界定以及开源vs闭源AI未来等多个“万亿美元问题”，并回顾了Netscape的创业史和乔布斯的设计哲学。
扎克伯格：AI应是多元化生态，而非单一上帝模型
在Lex Fridman播客的第二次访谈中，Meta CEO马克·扎克伯格分享了他对AI未来的独特愿景。他坚信AI不应是单一的“上帝模型”，而应是一个由众多个性化AI代理组成的多元化生态系统，服务于创作者、企业和个人用户。扎克伯格还阐述了Meta开源AI模型（如Llama）的哲学，认为在当前阶段，开放协作比封闭开发更有利于AI的安全与发展。此外，他将柔术比赛中的“拥抱失败”精神类比为科技公司创新的核心心态。
AI扑克如何战胜人类：纳什均衡与实时搜索的力量
Noam Brown分享了其团队开发的AI系统如何在不完整信息博弈（如无限注德州扑克）中战胜顶尖人类玩家。核心在于逼近纳什均衡策略，而非试图适应对手，并通过实时搜索技术（反事实遗憾最小化）在巨大决策空间中找到平衡的、不可预测的打法，如超池下注。这标志着游戏AI从棋类完美信息博弈向更复杂的人类互动场景的突破。
Andrej Karpathy：Transformer是通用可微计算机
AI领域顶尖科学家Andrej Karpathy在本次访谈中深入探讨了神经网络的本质、Transformer架构的革命性意义、外星智慧生命的存在可能性，以及AI未来可能扮演的角色。他将神经网络描述为“复杂的数学表达式”，认为Transformer是一种通用的可微计算机，并从生物学和宇宙学的宏大视角审视了人类文明与AI的未来走向。
威尔·萨索：从《疯狂电视》到AI播客的喜剧之旅
喜剧演员威尔·萨索在访谈中回顾了从《疯狂电视》到《三傻》的演艺生涯，解释了为何不从事单口喜剧，并分享了与鲍比·李等好友的友情故事。他还深入探讨了全新AI驱动的播客《Dudezy》如何改变创作模式，以及表演艺术与角色沉浸之间的微妙关系。
蛋白质域是功能基本单元，病毒结构比想象更复杂
WPI生物信息学教授Dmitry Korkin在访谈中深入探讨了蛋白质的模块化复杂性、新冠病毒刺突蛋白的结构与突变机制，以及蛋白质进化的核心规律。他指出，蛋白质域才是功能与进化的基本单元，而病毒包膜蛋白M二聚体可能是更具前景的药物靶点。访谈还延伸至AlphaFold的突破、生命起源的概率以及AI在科学发现中的角色。
Rev.ai副总裁：打造世界最佳语音识别引擎
Lex Fridman采访Rev.ai工程副总裁Dan Kokotov，探讨了Rev如何通过简化自由职业市场创立转录服务，其ASR引擎如何挑战Google等巨头，以及语音转文本技术对播客、会议记录和信息检索的深远影响。
马库斯谈AI：深度学习非魔法，常识才是关键
加里·马库斯在访谈中指出，当前AI的核心瓶颈在于缺乏常识和真正的理解能力。他认为深度学习擅长模式识别，但无法处理抽象推理与复杂知识，未来AI需要符号操作与统计学习的混合范式。马库斯强调，智能是多维的，人类智能并非通用智能的标杆，但当前机器智能在灵活性、语言理解等方面仍远远落后。
智能爆炸存疑：Keras创始人Chollet论AI的本质与边界
Keras创始人弗朗索瓦·肖莱在访谈中质疑了“智能爆炸”理论，认为智能是系统性涌现而非孤立属性，递归自我改进受制于指数级摩擦。他回顾了Keras诞生历程，并指出当前深度学习的核心局限在于其“逐点学习”模式，未来需结合符号推理。他还讨论了深度学习在应用中的数据效率瓶颈与潜在风险。
马斯克谈特斯拉自动驾驶：技术、数据与未来愿景
在访谈中，马斯克阐述了特斯拉自动驾驶的愿景、技术路径及未来挑战。他强调了从电动化到自主驾驶的行业革命，介绍了全自动驾驶计算机的冗余设计与数据优势，并认为系统安全性的快速提升将使人类监督很快变得不必要乃至危险。马斯克对特斯拉在自动驾驶领域的领先地位充满信心，并探讨了人工智能的哲学边界。