不久前，我们聊了硅谷最火的新职位FDE（前线部署工程师）。硅谷的逻辑是，AI要进企业，就要开行业最高的薪资，派一批最聪明的人驻扎进去。但这件事在中国，还是同一个剧本吗？ 我们邀请到阿里巴巴集团副总裁、瓴羊CEO朋新宇。他是阿里数据中台方法论的创立者，他的团队做这件事已经5年，比“FDE”这个词流行起来还要早。在AI浪潮到来之后，他们发布企业级Agent平台：AgentOne。 他们的做法很不“硅谷”，不接定制化的大单，不做1000人天的驻场开发。他们找的是企业里最耗人、最耗钱、最耗时的环节，把预设好的agent接入企业私有数据，去解决真实的业务难题。 举例来说：一个催发货流程，客服agent需要跑通260步流程；一个顶级人类投手，90天内调价10000次，AI要学会这10000次调价背后的决策逻辑，这背后靠的是团队配合和工程化的推进。 在朋新宇讲述中，没有全能型的个人英雄，也没有对SOTA模型的迷信。“企业算得过来账，背后用什么token，老板不会在乎”。务实，算账，打地基，这就是FDE在中国的故事。 【主播】 泓君，硅谷101创始人，播客主理人 【嘉宾】 朋新宇（花名小芃），阿里巴巴集团副总裁，阿里瓴羊CEO 【你将听到】 01:48 硅谷的风向变了：AI战场从C端回到B端 06:33 一个“催发货”背后藏着260步流程 12:30 90天调价一万次，AI向最优秀的投手偷师 19:39 为什么顺利的部署都是“自上而下” 25:07 做标准化增长agent，跟Palantir反着走？ 31:14 销售Agent实战：从最落后区域到销冠 36:06 部署周期：1/3熟悉岗位，1/3做建模，1/3调教AI 42:36 FDE团队画像：BA定方向、AI架构师选模型、业务首席当教练 47:00 Token成本，模型策略，“账算得过来”最重要 53:28 中美FDE对比：信息化地基、付费习惯、工作方向 58:03 人才观：懂AI、懂业务、懂数据 【延伸阅读】 E240｜OpenAI联手PE砸下40亿美元，聊聊硅谷最火新职位FDE 【硅谷101听友群】 很多听友反馈没有加上我们的听友群，别急，新的入群通道已经安排上啦👏 之后我们入群二维码我们也会放在节目shownotes中，方便大家随时找到组织。 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇。 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 What We Discovered - Philip Ayers Signal Containment - Out To The World 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guest: 朋新宇.

这期播客的嘉宾是盛颖，xAI前推理团队负责人、开源推理引擎SGLang发起人及RadixArk联合创始人/CEO。 在开源模型集中爆发之际，盛颖在AI Infra（基础设施）领域的研究和贡献非常核心。她将AI Infra描述为“浪漫的关系”，是产品本身，需要有“美感”。 由此，我们走进盛颖的世界。 她曾经想成为一个数学家，沉浸在一个确定、纯粹、仿佛“与世界无关”的世界里。 但从哥大到斯坦福，从形式化验证到 AI Infra，盛颖一路经历的并不是外界看到的连续发顶刊的高光，背后是不为人知的寻找方向、迷茫、停滞、低谷和重新出发。她逐渐意识到，自己无法勉强去做一件不感兴趣的事；只有真正被一个问题吸引，她才能进入高度专注的状态，并把它做到极致。 SGLang，是这条研究路径的集大成者。它从一个学术项目成长为面向真实生产环境的开源推理引擎，也把盛颖从研究者带进了更复杂的工程、组织与产业世界。 在早期的xAI，她获得了难得同时存在的“support”和“freedom”，参与搭建生产级推理系统。但随着SGLang社区迅速扩张，仅靠开发者在业余时间维护，已经无法支撑项目继续向前。为了让这件事真正走下去，她选择离开xAI，创立RadixArk。 这期节目，我们从盛颖眼中的数学之美、论文和低谷聊到SGLang、xAI与RadixArk，也聊一个人如何逐渐理解自己的天性，并决定不再与之对抗。 盛颖说，她在乎的不是“making impact”，而是那些她认为正确的事情，最终有没有发生。从“世界与我无关”，到“想要构建那个跟强力AI共存、且人类不会输的未来”，这，是盛颖的故事。 【主播】 陈茜，硅谷101联合创始人 【嘉宾】 盛颖，RadixArk联合创始人&CEO，xAI前推理团队负责人、开源推理引擎SGLang发起人 【你将听到】 02:16 违约金、纽约与数学之美：“世界与我无关” 16:06 顶刊、低谷期与甄嬛传：“世界又与我有关了” 26:01 谷歌实习：最早的“AI for code” 31:54 Databricks：人生导师Ion Stoica与“making impact”价值观 34:37 xAI：拥有“support”和“freedom”的美好v1.0时代 44:07 RadixArk：“两个月也等不了” 48:07 Two Sigma：“有组织的公司”应该有的样子 51:10 SGLang：“AI Infra是浪漫的” 01:15:29 SandHill Road的套路与规则 01:19:33 “养大我”的开源生态 01:27:03 LMSYS：平等、平权，以及“她赢了，不需要被解释” 01:37:42 “世间的美好是存在的” 【延伸阅读】 本期节目视频版已上线，附精校字幕及术语注解，适合想逐句细听的听友 “榨”出硅的极限：怎么让GPU不“闲着”？｜与SGLang、RadixArk深聊AI Infra技术与千亿美元市场-硅谷101视频 及文字版 【硅谷101听友群】 很多听友反馈没有加上我们的听友群，别急，新的入群通道已经安排上啦👏 之后我们入群二维码我们也会放在节目shownotes中，方便大家随时找到组织。 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇。 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【采访】 陈茜 【后期】 Frentee Jacob Amei 【运营】 朱婕 【BGM】 The Hoover Dam - Bonnie Grace Spring Dance - Forever Sunset Curiosity Cabinet - Mike Franklyn 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guest: 盛颖.

7月27日，月之暗面正式发布Kimi K3的完整模型权重。自7月16日API上线以来，K3就在在多项测试中展现出接近前沿模型的能力。因此，它成为了硅谷最近讨论开源时的重要案例之一。从2025年初的DeepSeek时刻，到当下的Kimi K3，中国开源模型正在从成本更低、能力稍弱的替代品，逐渐逼近甚至超过最强的闭源前沿模型。 随之而来的，是一场越来越激烈的蒸馏争论。什么是蒸馏？通过闭源模型的输出进行训练，和未经授权的大规模能力提取，有什么区别？即使中国实验室使用过美国模型生成的数据，它又究竟能解释多少最终能力？ 本期播客，我们邀请到两位嘉宾来分别从开源生态和企业的视角，讨论这一波中国开源模型的影响：前Hugging Face亚太开源生态负责人王铁震，和TinyFish联合创始人Keith Zhai。 我们从K3带给硅谷的挑战聊起，讨论了为什么把中国模型的进步全部归因于蒸馏，实际上忽略了架构、强化学习、数据工程和推理基础设施上的创新。而当蒸馏从一种中性的训练技术，变成商业竞争和政策讨论中的指控时，争议的核心又变成了什么？ 在此之外，我们也讨论了K3针对大型推理服务商设计的商业授权：当开源权重模型持续压低成本，它会如何冲击OpenAI、Anthropic等闭源实验室的商业模式？当模型能力逐渐商品化，未来AI行业的价值会流向模型本身、推理基础设施，还是Agent与企业工作流？ 注：本期播客中提到的“开源”，更准确地说是开放权重（open weights）。K3官方称自己为开放模型，它使用的是Kimi K3 License，不是标准 MIT/Apache 这类完全开放的OSI license。 【主播】 Yiwen，硅谷101特约研究员 【嘉宾】 王铁震，Hugging Face前亚太生态负责人 Keith Zhai，TinyFish联合创始人 【你将听到】 中国开放模型，硅谷怎么看？ 01:45 Kimi K3为什么突然成为硅谷关注的焦点？ 03:33 从DeepSeek、GLM到K3：硅谷对中国模型的判断如何变化 06:51 企业为什么开始转向中国模型 10:23 中国开放模型推理成本 蒸馏争端始末 13:24 蒸馏争议：到底什么是蒸馏？ 17:22 K3是否可能在短时间内蒸馏最强闭源模型？ 19:48 蒸馏能解释模型的核心能力吗？ 开放模型对闭源商业模式的影响 23:54 K3 License与开放模型商业化 34:27 开放模型会怎样冲击OpenAI和Anthropic的收入与估值？ 37:39 英伟达为什么支持开放权重 43:41 中国公司为什么选择开放 强大的开放能力下，Agent生态如何变化？ 45:04 Thinking Machines为什么开放权重？ 48:39 开放模型催生的新生态 48:43 OpenRouter等多模型平台为什么开始受益？ 49:56 对Agent产品和基础设施的影响 开放模型的安全之争 55:40 接近前沿的模型，到底应不应该开放权重？ 01:04:01 开源和闭源模型，谁更容易被滥用？ 【延伸阅读和相关术】 Kimi K3官方技术报告与模型权重 Kimi K3授权协议 Anthropic对蒸馏攻击的指控 《开放权重与美国AI领导力》 【相关术语】 开放权重（Open Weights）：指模型开发者公开模型训练完成后的参数文件，允许用户下载模型，并在自己的设备或云端进行部署、推理、微调或进一步开发。开放权重并不意味着训练数据、训练代码和完整训练流程也同时公开，具体使用方式还会受到模型授权协议的限制。 开源模型（Open-Source Models）：通常指不仅公开模型权重，还公开足以让外部开发者研究、修改和复现模型的更多组成部分，例如训练代码、模型架构、数据处理方法、训练流程，以及在部分情况下使用的训练数据。由于大模型很少完整披露所有训练材料，目前业界对什么样的模型可以被严格称为“开源”仍存在争议。 思维链（Chain of Thought）：指模型在生成最终答案之前，用一系列中间步骤拆解问题、组织信息和进行推理的过程。 规模扩展效率（Scaling Effiency）：指模型将计算资源转化为能力提升的效率，也就是在使用相同或更少的算力、数据或训练成本时，能否获得更好的模型表现。 键值缓存（KV Cache）：指模型在处理上下文和生成内容时，保存此前token在注意力计算中产生的Key和Value数据。这样，模型在生成下一个token时不必重新计算全部历史内容，可以显著降低重复计算，提高生成速度；但上下文越长，KV Cache占用的内存通常也越大。 【硅谷101听友群】 很多听友反馈没有加上我们的听友群，别急，新的入群通道已经安排上啦👏 之后我们入群二维码我们也会放在节目shownotes中，方便大家随时找到组织。 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇。 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Kablaam - Ealot Flickering Torches - Christian Andersen Radar Focus - Blue Saga Pulse Runner - Helmut Schenker 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: Keith Zhai and 王铁震.

当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。 当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。 本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。 【主播】 Faith静远，硅谷101特约研究员 【嘉宾】 Tony Lin，人工智能实验室模型设计负责人，《行星酒馆》主播 Bianca Consunji，NBCUniversal AI战略总监 【你将听到】 02:54 内容工程师是什么？ 05:55 内容工程师如何拆解好内容 10:42 如何训练AI理解提问者的言下之意 13:42 内容工程师如何“翻译”语言和文化 16:45 新闻训练和AI对话训练都需要给到“上下文” 18:42 语境破碎：AI对话和“网络互喷”的相似之处 19:59 记者和内容工程师的技能重合点 23:44 一篇爆火文章背后，文科生的AI恐慌 26:45 基于共识训练出来的AI，不会产生伟大的艺术 28:56 媒体影视从业者失业，罪魁祸首是AI吗？ 31:37 东尼如何在养病期间做出震惊谷歌的voice agent 37:02 AI谄媚是产品设计问题，本质是人想要的太多了 39:20 人除了智商情商，还会需要“AI商” 43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程” 【延伸阅读和相关术语】 系统提示词（System Prompt）：写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。 少样本示例（Few-shot Example）：在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。 语音智能体（Voice Agent）：能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。 多轮对话（Multi-turn Conversation）：用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。 意图理解（Intent Understanding）：理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。 来源归属（Source Attribution）：在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。 拟社会关系（Parasocial Relationship）：传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。 AI谄媚（Sycophancy）：指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。 事实核查（Fact Check）：新闻业的核心技能，即在信息发布前核实其真实性。AI在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。 零工经济（Gig Economy）与AI训练师（AI Trainer）：AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【采访 & 制作】 Faith 【配音】 Yiwen 【后期】 Faith Amei 【运营】 朱婕 【BGM】 The Detective - Christoffer Moe Ditlevsen Reclaim - Megan Wofford Paper wings Hangover by ruiqizhao The light from within—howard harper-bames Overture - dozeoff New car smell—bagel Quiet down—Ryan connors 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: Bianca Consunji and Tony Lin.

机器人已经能在舞台上做到翻跟头、表演武术了，但要让它在开放环境里伸手帮你拧开一个瓶盖，难度陡然跃升2到3个量级——因为那一刻，它需要理解眼前的物理世界。 这正是苏度科技想啃下的硬骨头。苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一，师从李飞飞。这家公司走了一条与硅谷主流"纯大脑黑盒大模型"不太一样的路：软硬件协同设计，上下分层架构，上层负责任务规划与环境理解，下层负责具体物体操作；Sim-to-Real作为核心训练范式，让机器人在虚拟世界里经历几百万年的进化，再迁移到现实。 这条路已经跑出了一定成效：面对从未见过的新物体，他们的零样本通用抓取单次成功率接近100%。 本期硅谷101，我们邀请苏度科技CEO韩铮，一起聊聊机器人“动手”怎么实现？他预测，接下来会有更多的硅谷公司重新回到“上下分层”的方向上来。 【主播】 泓君，硅谷101创始人，播客主理人 【嘉宾】 韩铮，苏度科技联合创始人&CEO 【你将听到】 机器人“动手”的数据根基 03:17 为什么做全栈（大脑+本体）通用机器人？ 07:14 苏昊早年经历：从图片标注ImageNet，到3D数据集ShapeNet 11:08 3D数据收集，难在哪里？ 13:21 仿真需要亚毫米级精度，视频训练无法达到 16:33 什么是Sim-to-Real（从仿真到现实）？ 18:08 创业时机的判断：DALL-E带来的数据拐点 Sim2Real技术验证与关键突破 21:40 仿真器的技术内核：经典物理法则+强化学习 24:17 数据集质量与规模的平衡：自建结构化3D数据集 28:05 实际效果如何？零样本通用抓取，一次性成功率98% 32:11 回应Demo质疑：去学术会议现场随机环境中演示 34:22 基础Zero-Shot泛化能力比长程任务串联更为关键 35:45 灵巧手虽好，但不是当下的性价比最高的方法 技术路线之争 38:16 商业模式思考：硬件+底层模型+API，类比智能手机生态 41:23 仿真器与机器人本体，必须软硬件协同设计强绑定 44:04 如何教会机器人拧瓶盖？加入真实世界数据更高效 44:51 难度对比：操作物体比运动控制难2~3个数量级 47:28 白盒与黑盒之争：分层模型，在预训练中融入物理理解 51:11 Sapien仿真器，让机器人像幼童第一次拧瓶盖一样操作 53:27 数据冷启动困境：无法复刻特斯拉，必须靠仿真做冷启动 55:38 嘉宾预言：被硅谷抛弃的“上下分层”即将重回主流 全球机器人竞争格局 59:08 实现机器人动手，软硬件强结合的公司才能做到 01:00:34 硅谷明星公司点评：Skild、Figure、Optimus 01:05:40 为什么最看好DeepMind+波士顿动力Atlas的组合？ 01:09:01 亚马逊机器人，场景多但整合困难 01:10:02 为什么多数公司退回垂类？因为不知道通用该怎么走 01:12:43 不做垂类押注，而是构建开发者生态，目标是成为机器人时代的“iOS+硬件” 【延伸阅读】 节目中提到的Demo：sudo R1评测——60分钟连续无剪辑实测 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Particle Emission - Silver Maple My Moon and Your Sun - Hampus Naeselius On the March - Brendon Moeller Quietly Tense - Marten Moses 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guest: 韩铮.

世界杯发生了闻所未闻的一幕，在特朗普介入后，美国球员巴洛贡吃到的红牌被暂缓1年执行，有人不禁要问了，国际足联为什么要那么听美国人的话。 部分原因可能来自于，美国资本已经渗透进了全球足坛的方方面面。比如英超的20家俱乐部中，有11家都被美国资本控股，美资甚至渗透进了欧洲五大联赛的俱乐部、商业权益开发、球员球队买卖资金周转等等方面。 没有英式足球积淀的美国人，为什么会那么喜欢投资英式足球？美国资本又在怎么改变世界足坛呢？ 【主播】 麻花，硅谷101特约研究员 【嘉宾】 张兵，懒熊体育《摸鱼的熊彼得》主理人 施骅伦，《翻转体育》主播 【你将听到】 没有足球文化的美国，资本为什么爱足球 03:05 售股两年后，曼联老板为什么又要找下家 06:21 20支英超球队11支被美资控股，美国富豪为什么那么上头 09:48 英超球队的上市潮与退市潮 16:14 两任美国老板，在英国“小队”伊普斯维奇上赚翻了 19:47 美国人对体育资产的商业化运作，到底能有多强 美国老板们，为什么永远被球迷Diss 22:47 曼联往事：格雷泽家族20年的骂名从哪儿来 27:35 曼联新老板拉爵，带来的新变化可能喜忧参半 30:04 从阿森纳到曼联，豪门为什么都爱捣鼓球场 36:56 SoFI球场，美国人商业运作体育场馆的典型案例 38:16 阿森纳老板克伦克，与前大股东乌斯曼诺夫的控制权之争 45:31 克伦克说拿钱砸冠军不是第一位，那他是个好老板吗 48:24 利物浦的两任美国老板，为什么口碑差距那么大 52:47 美国资本，如何在切尔西身上玩脱了 英超之外，美国资本如何渗透全球足坛 57:10 不只英超，欧洲足坛都要被美国资本包圆了 01:03:23 控制了众多命脉的美国资本，很可能会打造自己专属的超级联赛 01:05:46 版权费增长停滞、球员成本上升，美资从哪儿延续回报率 01:10:41 球迷文化抵制足球资本，但商业化的进程一直在所难免 【延伸阅读与相关名词】 英超Big 6：包括阿森纳、切尔西、利物浦、曼联、曼城和托特纳姆热刺，其中前4支球队又被称为Big 4或者传统四大豪门，Big 4如今都被美资控股 阿布卡拉莫维奇：俄罗斯富豪，2003年买下切尔西，斥超过20亿英镑引援，并先后聘请穆里尼奥、希丁克等名帅执教，让切尔西收获21个冠军奖杯。后因俄乌战争被迫出售切尔西，并免除了俱乐部对其个人约15亿英镑的债务。 大卫·邓恩：英国商人&前阿森纳副主席，英超联赛创立的核心推手之一，1996年力排众议聘请温格执教，开启阿森纳辉煌时代，2007年因支持外部资本收购俱乐部，与董事会产生分歧而被迫离开。 乌斯曼诺夫：乌兹别克裔俄罗斯寡头，通过投资钢铁、电信和Facebook、阿里巴巴等互联网企业积累巨额财富，曾是阿森纳第二大股东，后因俄乌战争被制裁资产遭冻结，也通过DST投资过京东、小米和滴滴。 法哈德·莫希里：英籍伊朗裔富商，因结识乌斯曼诺夫而发迹，曾任埃弗顿足球俱乐部大股东。他在埃弗顿投入巨资但管理混乱，球队战绩下滑并屡次违反财务规则，最终于2024年将俱乐部出售。 霍斯特·达斯勒：阿迪达斯创始人之子，现代体育营销先驱，不仅帮助阿迪达斯实现了国际化，更参与并主导了世界杯、奥运会等大型国际体育赛事的商业化模式制定。 CAA Eleven：是国际顶尖经纪公司CAA在瑞士成立的子公司，主要负责独家管理欧足联旗下国家队赛事的商业版权，包括欧洲杯、欧洲杯预选赛、欧国联及女足欧洲杯等赛事的转播与赞助权。 TEAM Marketing：瑞士体育营销公司，是欧冠联赛从1992年改制至今的“幕后缔造者”，为欧足联创造了超过500亿欧元的收入，但双方合作将在2027年结束。 Relevent Sports：美国体育传媒与赛事推广公司，由NFL迈阿密海豚队老板斯蒂芬·罗斯创立，以创办国际冠军杯（ICC）闻名，将欧洲豪门季前赛引入北美，还代理西甲、德甲等联赛在美洲的媒体版权。2027年起接替TEAM Marketing，负责欧足联旗下男子俱乐部赛事的全球商业版权。 ECA：European Club Association，欧洲俱乐部协会，代表欧洲职业俱乐部利益的官方组织，拥有超过200家会员俱乐部。 DAZN：英国全球体育流媒体平台，被誉为“体育界Netflix”，由乌克兰裔美国亿万富翁Len Blavatnik通过其美国投资集团Access Industries拥有。 ISL：由霍斯特·达斯勒成立，是上世纪足球商业化的关键推手，曾长期独家代理FIFA世界杯的电视转播权和商业赞助权，后因过度扩张陷入债务危机最终破产，并引发了国际足联历史上最大的腐败丑闻。 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Kick Off - Earle Belo Don't You Think I Know They're Faster STEMS DRUMS - Eden Avery Kablaam - Ealot Bocosaurus - Arc De Soleil Light-Footed - Bonnie Grace 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: 张兵 and 施骅伦.

从ChatGPT掀起生成式AI浪潮到现在，不过短短两三年，AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月，Anthropic在一份公开报告中预测，AI未来将进入"递归自我提升"（Recursive Self-Improvement, RSI）阶段，并呼吁人类共同为AI的发展设计出一个减速或暂停机制。 AI自我进化会以多快的速度到来？未来的AI，它会在通往真理的道路上与人类并肩作战，稳步破解医学、气候等种种难题，还是会在暗处走向失控？ 本期播客，泓君邀请到专注做“发现模型”的AI公司Apodex的两位首席科学家，杜少雷和Beibin，一起聊聊AI的自我进化与自我验证。 Apodex是一家陈天桥出资创立并亲自主导的公司，这家公司给自己的定位也非常的特别，他们只做一件事—— heavy duty solver，意思是专啃那些没有标准答案，人类自己都不知道从哪下手的难题。他们管自己想做的模型叫做 discovery model。不是从已知的信息里面找答案，而是要提出人类还没有想到过的假设，自己想办法去验证它，去解决这个世界上还没有被解决的科学难题。 嘉宾预言，最快半年，AI就能跑通一次完整的自我进化闭环。但要实现持续的、可靠的递归提升，模型必须具备“自我验证”能力。这很像人类科学家的基本功：大胆假设，小心求证。而要让AI做到这一点，关键的前提是——教会大模型真正拥有科学家一样的品味和判断力。 【主播】 泓君，硅谷101创始人，播客主理人 【嘉宾】 Simon Shaolei Du（杜少雷），Apodex推理模型与训练首席科学家，华盛顿大学计算机科学与工程学院副教授 Beibin Li （李辈滨），Apodex自我进化与编程首席科学家 【你将听到】 自我进化背后的底层能力 03:00 AI自我进化不是新概念，两三年前就有了 06:48 RSI概念火了，背后是模型能力变强了，长程任务表现更好了 09:20 技术上如何训练AI做好长程任务？算法+数据+infra 12:45 Coding能力代表了模型自我进化的底层能力 14:29 用自我验证规避“递归漂移”，代码领域相对可控 16:21 Apodex的验证方法：多个子agent互相验证 19:11 自我进化三条路径：预训练、后训练、Harness 23:56 另一项关键能力DeepResearch，Apodex如何做到多个榜单第一？ 29:19 技术范式决定了多个agent组团解决问题效果好于单个 31:18 模型自动进化后，会碾压agent团队吗？垂直领域护城河仍在 自我进化关键一步——学会提问 34:19 Apodex定位：用Discoverative框架解决人类未解难题，不把Token当生意 36:18 “发现模型”最难之处：提出超出经验范围的假设，并去验证 37:52 让AI像科学家一样提问，需要模型有更好的品味 43:31 如何避免大模型拍马屁？远离大众偏好 46:30 “AI宪法”定义性格，顶级科学家数据校准品味 巩固品味，阻止“跑偏” 51:33 AI巨头都在做科研发现模型，判断问题价值是关键 55:32 不同于AI for Science，Heavy Duty Solver是通用模型，强调元能力 57:25 最快半年能跑通自我进化的第一个闭环，但解决递归漂移还需要2-3年 58:43 让科学家睡不着觉的问题：如何防止AI“走火入魔” 01:00:04 解决方案仍靠人工手调，“自我蒸馏”也许是个方法 01:04:28 人类只是warm start，未来AI将形成自我品味，就像AlphaZero 01:06:18 陈天桥与Apodex：制定“宪法”，聚焦Heavy Duty Discovery 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Light-Footed - Bonnie Grace Reclaim - Megan Wofford Charcoal Stream - Curved Mirror 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: 李辈滨 and 杜少雷.

本期节目由AI轻办公神器vivo X Fold6赞助播出 今年4月的伦敦马拉松，肯尼亚选手萨维以 1小时59分30秒 的成绩夺冠，成为首位在正式马拉松比赛中跑进2小时的运动员，这场比赛的亚军克杰勒恰同样跑进了2小时，创造了历史。 事后媒体关注到，萨维和克杰勒恰，包括这场比赛的女子冠军阿塞法，他们穿的鞋，都是阿迪达斯的Adios Pro EVO 3。但在此之前，统治马拉松赛场10年之久的一直是耐克，也是它，发起了一度轰轰烈烈的Breaking 2项目，剑指帮助运动员马拉松“破2”。 尽管跑步这项运动自古有之，但直到1960年代，人们才真正拥有专为路跑设计的现代化跑鞋。过去60多年的发展历史里，路跑鞋都发生了哪些技术变革？运动鞋品牌，又是怎么在马拉松赛场内外你追我赶的？ 【主播】 麻花，硅谷101特约研究员 【嘉宾】 盖德，《迪谈盖论》主播 【你将听到】 跑鞋技术迭代史，谁是最有突破性创新的那双鞋 04:26 划时代跑鞋：阿迪Ultra Boost和耐克Zoom Vaporfly 06:58 TPU超临界泡棉，阿迪Ultra Boost的秘密武器 07:54 耐克Zoom Vaporfly的必杀技，把碳板和超级泡棉结合到一起 10:30 中底的重要性：辅助一个动作重复4万多次仍能保持优秀性能 12:11 中底之外，鞋面、鞋楦也有技术之争 14:11 产品经理谈跑鞋研发，好跑鞋可能会经历20多个版本的修改 16:24 不同品牌的跑鞋，中底材料可能来自同一家公司 17:46 裸足感跑鞋的兴起和沉寂 21:20 马拉松跑进2小时，靠的到底是鞋还是人 阿迪VS耐克，交替主宰21世纪的马拉松赛道 25:16 帮助破纪录的Adios Pro EVO 3, 大火背后也有偶然 27:48 被各大品牌纷纷采用的碳板，阿迪为什么偏不用 30:04 耐克的遗憾，最有可能破2的合作跑者不幸去世 31:36 一度大杀四方的耐克，是如何失去马拉松赛场绝对优势的 33:50 想要跑鞋卖得好，一定要在竞速跑比赛里有姓名 36:27 限量发售，可能会让Adios Pro EVO 3无法统治赛道 37:58 品牌研发冠军跑鞋很难，选到冠军“潜力股”更难 39:32 四大慢跑鞋品牌，为什么在阿迪耐克的竞争中“隐身”了 42:11 新秀昂跑和HOKA，仍在竞速跑的关键之门外 技术差距、时尚化和瓶颈期，跑鞋之争的未来 45:24 跑鞋品牌的技术优势，很难独领风骚很多年 47:13 阿迪能不能统治马拉松赛道，还得看它鞋面的表现 48:18 超级大Logo的Adizero EVO SL，成了2025年的大爆款 51:13 复古New Balance，很可能成为第四个百亿美元规模运动品牌 54:50 本土跑鞋vs国外跑鞋，技术差距到底在哪儿 57:42 跑鞋之后，运动品牌开始押注越野跑和Hyrox了 59:14 国内的运动品牌，该去国外卷卷了 【延伸阅读】 重要跑鞋变革史： 1960，New Balance Trackster问世，以波纹鞋底取代鞋钉，成为首款无钉跑鞋 1974，耐克联创鲍尔曼发明华夫饼鞋底，鞋款大卖，耐克趁势赶上美国慢跑热 1977，Brooks推出的Vantage鞋款，成为第一款大规模采用EVA材质中底的鞋款 1978，耐克首款 Tailwind 跑鞋上市，首次采用Nike Air 气垫技术 1986，亚瑟士推出首款应用GEL缓震胶技术的跑鞋Freak，GEL此后一直是亚瑟士的王牌技术 1991，索康尼推出GRID网格缓震系统，将纤维嵌入EVA中底，兼顾缓震和支撑稳定 2004，Nike Free 面世，开启赤足感跑鞋风潮 2015，Adidas Ultra Boost 面世，采用TPU材料及超临界发泡技术，提供“踩屎感”，成为阿迪最受欢迎的缓震技术 2016，耐克推出Zoom Vaporfly 4%，首次将超级泡棉PEBA和碳板结合，Vaporfly 和Alphafly 系列随后高频亮相马拉松 2026，两位运动员穿着阿迪的Adio Pro EVO 3跑马“破2”，该款鞋为全球第一双实现量产的、单只重量不超过100g的跑鞋 两类中底技术： 机械结构：通过中底的物理形态设计来影响性能，比如碳板、碳环、镂空等，相当于中底的“骨架” 发泡材料：通过中底本身材质来影响性能，代表材料包括EVA、TPU、TPEE、PEBA等，相当于中底的“肌肉” 四大发泡材料： EVA：最传统、最普及的发泡基底，轻质柔软成本低，但回弹和耐久性一般，多为入门级跑鞋中底材料 TPU：回弹性、抗撕裂性和耐久性优于EVA，但密度较大，鞋偏重，为阿迪Boost中底所用材料 TPEE：TPU升级版，回弹率更高、更轻、更耐疲劳，但加工难度高、成本高，为阿迪Adios Pro 系列Lightstrike Pro中底的材料 PEBA：超级泡棉，回弹率极高、极度轻量，但成本昂贵、耐用性一般，为耐克ZoomX中底所用材料 耐克Breaking 2项目：2017年推出，旨在挑战人类马拉松“破2”极限，项目中跑者基普乔格在意大利蒙扎赛道达成了2小时00分25秒的优异成绩，耐克借势推出Zoom Vaporfly Elite 耐克目前的慢跑鞋三大系列：飞马（Pegasus）、迈柔（Vomero）和稳程（Structure） 格布雷西拉西耶：长跑传奇选手，蝉联1996、2000年奥运会10000米冠军，并曾打破25次世界纪录，也是首位将马拉松跑进2小时04分的运动员 基普乔格：2016、2020年两届奥运会马拉松冠军，保持着多项赛道纪录，2019年在维也纳以1小时59分40秒完成“破2”壮举，但因为非正式比赛，成绩没有纳入马拉松世界纪录 基普图姆：肯尼亚马拉松跑者，首位在正式马拉松中跑进2小时01分的运动员，2024年2月不幸因车祸去世 大迫杰：日本顶尖马拉松运动员，职业生涯三次刷新日本马拉松国家纪录，首位跑进2小时05分的黄种人。 vivo X Fold6 全新升级的原子工作台，支持串行、并行双模式，一屏多用，告别反复切应用的碎片化体验 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Burn Away (Instrumental Version) - Nyck Caution Rumors About Us - T. Morri Melting Glass - Eden Avery What We Stand For - Francis Wells 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guest: 盖德.

5月初，OpenAI成立了Deployment Company（部署公司），Anthropic也宣布与包括Blackstone在内的多家金融机构合作成立合资企业。这些顶尖模型公司，都开始押注同一种服务：不只是提供AI工具，而是深入企业内部，在具体业务场景中把AI能力真正部署起来。 这也让一个工种迅速走到台前：Forward Deployment Engineer（FDE），前线部署工程师。他们既要懂模型和技术，也要理解客户的数据、流程和业务痛点，核心任务是把AI从demo变成各个职业自己的AI-native工作流。 这期播客中，我们请到了两位一线从业者讨论FDE和部署公司。一位是Cresta FDE团队负责人Jove。Cresta为企业呼叫中心提供AI Agent，Jove从去年年初就开始扩招FDE团队。另一位是前麦肯锡咨询师、现任Invisible Technologies企业业务VP的Oliver。他从私募和咨询行业的视角，解释了为什么模型公司选择直接与PE合作，而不是依赖传统咨询公司。 我们聊了FDE这份工作的具体形态、它与Palantir早年军方部署模式的渊源，也讨论了在这波AI落地浪潮中，私募基金和咨询行业正在经历怎样的变化。 Oliver的访谈以英文进行，在本期播客中以配音方式呈现。 【主播】 Yiwen，硅谷101特约研究员 【嘉宾】 Jove，Cresta FDE团队负责人 Oliver，Invisible Technologies企业业务VP、前麦肯锡咨询师 【你将听到】 模型公司为什么开始做部署 01:57 从DeployCo到合资企业，模型公司为什么要提供部署服务？ 04:30 什么是FDE？让AI应用真正在客户企业跑起来的工程师 FDE的具体工作 07:58 应用层公司和模型公司的数据优势之争 09:18 FDE的工作现场和具体案例 12:43 FDE与Palantir的渊源：Echo和Delta团队 14:27 FDE和FDPM分工：像CTO和CEO的搭档 17:52 什么样的人最适合做FDE？ 22:47 FDE会不会被AI自己取代？是长期职业还是过渡角色 私募与AI部署的重要入口 26:10 PE为什么找模型公司合作，而不是传统咨询公司 32:32 PE和私募机构选择和模型公司合作的三个核心诉求 34:08 LP为什么在推动GP做AI转型 36:04 PE工作流自动化的具体案例：AI销售助理、尽调平台、基金运营 AI如何改变咨询和企业自身 41:37 AI会代替咨询吗？ 43:02 企业用AI最容易踩的两个坑：数据整合不到位、不该用AI的环节硬上AI 44:17 整合企业数据为什么比想象中难 46:19 模型能力不断发展，Agent本身会取代FDE吗？ 48:14 技术专家之外的人的价值 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Poisson d'Avril - Ludvig Moulin Rumors About Us - T. Morri Radar Focus - Blue Saga Unfinished Stories - Lennon Hutton 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: Jove and Oliver Søe.

SpaceX上市进入最后倒计时，在它那份长达280页的招股说明书里，月球基地、点对点地表旅行、在轨制造、火星货物……这些别的公司不敢写的科幻元素，它都写了。但更让人印象深刻的是SpaceX的AI叙事，它预测在28.5万亿美元总潜在市场中，有超过90%来自AI板块，而这部分将受到“地球无法快速扩展发电能力”的严重制约。 面对电力紧缺，SpaceX的答案是：把数据中心搬上太空。上周一，马斯克在一段关于AI1卫星设计草图的视频中称，AI卫星不需要多么神奇的技术，这些技术已经在星链V3卫星中做出来了。谈到时间表时，马斯克预估SpaceX将在2027年底前实现每年1GW的太空AI算力的年化部署率，并逐年扩大量级。 这个大胆的宣言，究竟是IPO前夜的氛围烘托，还是下一代算力基础设施的真正方向？太空数据中心，技术上能实现吗？即使能做成，它真的比建在地面上更划算吗？本期硅谷101播客，我们就来算算这笔经济账。 本期节目不构成投资建议 【主播】 泓君，硅谷101创始人，播客主理人 【嘉宾】 Lewis Hong，Aris Fund合伙人，前SpaceX高管 刘冰雁，火箭爱好者 【你将听到】 SpaceX S-1解读 03:07 打卡指南：LA SpaceX总部&德州Boca Chica星舰发射中心 06:53 SpaceX招股书，1GW太空算力计划和“Elon Time” 09:40 1万颗卫星铺满一条晨昏线轨道是什么概念？ 11:02 打个赌吧：Starship 100次发射时间线预测 成本拆解 16:52 极度乐观：只算燃料成本，两个月回本，但现实并非如此 19:41 保守估算：每公斤200美元，两年回本只能打平 22:14 考虑到GPU损耗等因素，成本估算再加40%冗余度 26:05 星舰还有改进空间，每公斤10–20美元经济账才成立 技术挑战 28:48 反常识：太空真空环境，散热为什么这么难？ 31:02 两个思路：提升温度、增加散热面积 33:38 解决方案：热泵与半导体散热技术 38:24 太空芯片，谁来造？ 41:38 太空辐射会让GPU算错，加屏蔽和纠错即可 42:13 太空只适合做推理，不适合大模型训练 45:05 星链12000颗卫星，99.85%完好——辐射风险可控 46:06 凯斯勒效应（碎片连锁撞击）在低轨并不可怕 48:36 星链一年进行30万次卫星轨道规避机动，技术已成熟 51:09 太空数据中心综合评估：理论可行，经济账还算不过来 52:27 另一个角度：地球容纳数据中心散热的能力终将触顶 战略价值 53:51 太空算力的战略价值：速度、扩展性与数据主权 59:01 太空数据中心热潮：放上去不难，经济地放才是真挑战 01:01:53 未来10年发射市场将多元化，中国稳步追赶 01:02:48 初创公司的机会：上游关键零部件/技术供应商 01:07:34 月球派vs火星派：NASA为何重启登月？ 01:09:33 月球重力更适合发射，是人类开发宇宙的跳板 01:14:19 SpaceX的人都认为太空经济数倍于地球，但说出来没人信 01:15:40 财富到达一定程度，就开始寻求（或逃避）政治影响力 01:18:33 50多万人在问卷中愿意抛弃地球上的一切去火星 01:26:54 结尾彩蛋：一个太空火锅梦想，和一个在太空录播客的约定 感谢细心听众的指正：星舰Starship的推进剂应为液态甲烷(LCH₄)，而非煤油(RP-1)。煤油是SpaceX猎鹰9号使用的燃料，星舰从设计之初就选择了甲烷路线，主要原因是甲烷燃烧几乎不积碳、支持快速复用、可在火星合成。从单价上来说，液态甲烷比航天精炼煤油更便宜。 节目中2个月的能量回本时间假设基于500W/kg的太阳能板发电效率和约40%的火箭效率，不需要假设燃料类型。 【硅谷101正在招聘】 《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！ 👉🏻点击查看招聘详情 【延伸阅读和相关术语】 【视频】SpaceX崛起史：一切，为了去火星｜实地探访发射基地与总部 “没有她，SpaceX早倒闭了”：全世界最有权力的女性工程师是如何炼成的 【视频】马斯克 + 卫星工程主管Ian Dahl，首次公开AI1卫星详细设计与技术规格 SpaceX招股书 嘉宾往期播客节目： E176｜SpaceX 的商业版图与太空经济的崛起 E155｜马斯克太空梦进度条70%，聊聊星舰的四次发射与SpaceX Mafia E106｜真正造星舰的人来了，与SpaceX前高管聊聊马斯克的火星计划 Grasshopper（蚱蜢）、Starhopper（星虫）均为SpaceX的可回收火箭垂直起降技术试验平台。Tintin A/B 是星链计划的首批两颗技术验证卫星（2018年发射）。SpaceX的产品开发路径中，常以“试验平台——量产”的模式推进。 晨昏轨道（Dawn-Dusk Orbit），一种特殊的太阳同步轨道，卫星始终飞行在地球明暗分界线（晨昏线）的上方。由于轨道面与阳光方向近乎垂直，卫星的太阳能板可以持续面向太阳。在理想情况下，卫星一整年几乎都处于光照中，地食时间趋近于零——而普通低轨卫星每圈约有30%~40%的时间处于地球阴影中。这一特性使其成为需要恒定高功率供电任务的理想选择。 斯特藩-玻尔兹曼定律（Stefan-Boltzmann Law），热力学基本定律之一，描述黑体辐射的总功率与其绝对温度的四次方成正比。本期播客中刘冰雁解释太空散热的核心难点，正是基于这一定律——低温下辐射散热效率极低，必须通过提高散热器温度来把热量辐射出去。 凯斯勒效应（Kessler Syndrome），由NASA科学家Donald Kessler于1978年提出。描述的是当近地轨道上的太空垃圾密度达到临界点后，碎片之间会发生连锁碰撞，每一次碰撞产生更多碎片，进而引发更多碰撞，最终形成碎片密集的"碎片带"，使某些轨道在数百年内无法使用。 卡门线（Kármán Line），地球大气层与外太空的分界线，以航空航天工程师西奥多·冯·卡门命名。国际航空联合会（FAI）将其定义为海拔100公里处。其物理本质是气动升力让位于离心力的临界高度——在此高度以上，飞行器实际上已成为轨道航天器而非飞机。卡门线主要用于法律和监管目的，区分受各国领空管辖的航空器和属于自由空间的航天器。当前国际法并未明确规定外太空的边界高度。 【硅谷101听友群】 终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。 请用手机相机扫码；如已安装飞书/Lark，可直接在App内扫码进入申请表单。7天内审核，通过后邮件同步入群方式。期待和你在群里碰面！ 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Idiosyncrasies STEMS INSTRUMENTS - Gavin Luke Swerve Space - Lama House Quarks in the Cosmos - Grant Newman My Halo Orbit - DEX 1200 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Guests: Lewis Hong and 刘冰雁.