Summary
智力的演变被比作从简单的变形虫到复杂的存在，如人类和爱因斯坦，最终可能达到一种无上限的状态。然而，这种观点存在误区，智力应被视为一种工具，用于理解和预测宇宙的复杂性。随着智力的提升，人类在解决问题时的能力也在增强，尤其是在数学和科学领域，但在许多复杂的现实问题上，智力的作用却有限。
随着人工智能的发展，智力的成本正在迅速下降，未来每个人都可能拥有强大的智力工具。这种变化可能会使得智力的使用变得普遍，进而影响各行各业的竞争格局。以Meta为例，该公司在个性化内容和广告投放中利用大量数据和用户注意力，尽管面临着智力成本下降的挑战，但其核心资产依然是数据和用户行为的洞察。
在讨论未来的商业模式时，强调了企业如何利用廉价的智能来优化服务和降低成本。企业的成功将依赖于其在智力和数据方面的投入，以及如何在竞争中保持优势。随着智能的普及，企业可能会面临更激烈的竞争，尤其是在服务和产品的定价上，价格的灵活性和透明度将显著提高。
最后，教育的未来也被提及，强调了培养孩子们在使用智能工具时的批判性思维和创造力的重要性。教育应当鼓励学生利用智能工具进行更高层次的思考，而不仅仅是依赖这些工具完成作业。
Show Notes
📝 本期播客简介 本期我们克隆了：Invest Like the Best with Patrick O'Shaughnessy · Cliff Sosin - Owning the Complements to Intelligence - [Invest Like the Best, EP.497] 原内容更新时间：Tue, 27 Oct 2026 智力再强，也不能凭空补出关于现实世界的信息；想知道一群复杂的人会怎么互动，光靠思考仍然有边界。Cliff Sosin认为，智力会越来越便宜，而更值得拥有的，是数据、注意力、实体规模，以及和客户足够近的优势。 这集里，CAS Investment Partners创办人Cliff Sosin和Patrick O'Shaughnessy从混沌理论聊到AI投资：为什么他认为Meta可能从廉价智力中受益、AI agent如何把消费者推向更低价的服务商，以及为什么他不愿押注AI基础设施建设。谈到自己的组合，他也解释了为什么80%的仓位放在Carvana；最后还讲了孩子要学会什么，才能真正指挥模型。 👤 本期嘉宾 Cliff Sosin是CAS Investment Partners的创办人，2012年创立这家投资机构。他的投资组合中约80%放在Carvana。本集围绕AI普及后企业的竞争优势、投资机会与风险展开；他从投资者角度分析公司如何受益于廉价智力，也结合自己的重仓选择，谈什么样的优势不容易被模型取代。 ⏱️ 时间戳 智力的预测边界 01:04 复杂动态系统无法靠猜得到闭式解 03:36 初始条件少保留一位小数，天气预报就走样 智能商品化与实验室 05:13 每个人口袋里都有个200智商团队 08:40 智力价格或降100倍，Meta的成本可能消失 现实实验与资本周期 18:59 自动化实验室也绕不开小鼠生长的时间 20:30 他连推理需求和成本都无法预测 Agent重塑企业与市场 28:07 agent替人省下每月50美分，也可能促成换服务商 31:51 价格既是信号，也是激励 竞争优势、投资与教育 52:15 有专业知识，才能更好地指挥模型 🌟 精彩内容 💡 智力再强，也得先接触现实 天气预测会被初始条件的一点点误差带偏；模拟越复杂，误差越会累积。Cliff认为，模型能提出值得验证的想法，但发现答案最终仍受实验条件和时间限制。 "所以归根结底，从极限情况来说，如果你想模拟整个宇宙，你真正需要的就是整个宇宙。" 💡 Meta卖的不只是软件 Cliff把Meta的核心业务称作“个性化电视”。数据中心、算法和代码都涉及智力；如果智力成本大幅下降，创作者和广告主也能用更低成本做出更好的内容与广告，而Meta握有的数据和注意力仍是关键。 "如果往前看，未来 5 年智力的价格会下降 100 倍左右，从基本原理来看，他们的成本差不多就消失了。" 💡 AI agent会替你换垃圾清运公司 很多人懒得比较服务价格，也说不出自己每月付多少垃圾清运费。agent可以替消费者谈价、比较服务；街区里更多人转向同一家低成本公司，又能进一步降低它的成本。 "大家都会转向成本最低的服务商，这又会让他的成本变得更低。" 💡 建AI基础设施，不等于好投资 Cliff认为这项技术重大、基础设施建设规模惊人，但供给、需求、成本和价值链上的竞争都难以预测。他宁愿思考基础设施建成后会带来什么，而不是猜谁会成为“铁路大亨”。 "在我看来，要弄清楚在这个过程中该投哪里，以及这么投到底能不能赚到钱，实在是太难了。" 💡 80%仓位，押的是Carvana的独特性 Cliff解释，自己并非不懂集中持仓的风险；他认为Carvana的基础设施和品牌足够与众不同，糟糕结果出现的可能性很小。高回报与不寻常的风险，是他主动权衡的两端。 "如果我不是觉得 Carvana 的基础设施、品牌和其他各方面都如此与众不同，以至于结果非常糟糕的情况很少，我就不会这么放心地持有这么多。" 💡 学会用模型，先得懂它在做什么 Cliff认为，模型能提供智能，不代表使用者不需要知识。孩子需要掌握乘法、矩阵乘法等基础概念，才能理解模型的工作、提出更好的要求，也要学会利用模型完成更难的任务。 "但想法是这样的：没错，模型能做这些事，但你得懂，才能告诉模型该做什么。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
在小宇宙查看该单集文稿
More from 跨国串门儿计划
📝 本期播客简介 本期我们克隆了：Michael Moritz《DTV》 “生意上要紧的只有两件事：高毛利和现金流。”唐·瓦伦丁把这句话带进了红杉，也把它用在一笔笔投资和一家家被投公司上。 红杉前合伙人、前主席Michael Moritz以作者旁白讲述唐·瓦伦丁的一生，以及红杉早年的第一章：唐如何从仙童半导体学会经营科技公司，如何募集最初几只基金、挑选合伙人与创始人，又如何参与雅达利、苹果、LSI Logic和思科的成长。这也是一段关于投资纪律、团队协作，以及创始人如何把组织交给后来者的亲历回忆。 👤 本期嘉宾 Michael Moritz是红杉资本前合伙人、前主席，1986年加入红杉，亲历唐·瓦伦丁领导红杉的岁月。他为唐写下私人回忆录《DTV》，对红杉早年的投资、合伙人关系与公司文化有第一手观察；这一集由他本人讲述。 ⏱️ 时间戳 唐的画像与面试 02:19 作者拜访六家风投，只有唐愿意要他 04:50 散装茶、沉默和一句“So”：唐的面试开场 仙童：风险投资的商学院 09:10 不懂仙童，就不懂唐怎么看小公司和风投 13:29 仙童1961年销售额达到9100万美元 红杉基金与搭档 21:00 唐加入资本集团，负责风投项目 26:24 皮埃尔·拉蒙德加入红杉，成为唐的重要搭档 唐的用人与合伙文化 43:32 唐回答：风投成功需要什么？ 53:49 红杉靠培养无名之辈和下一代兴盛 投资纪律与管理 1:03:27 唐执着于大市场、高毛利和自由现金流 1:06:29 “时间只投在不需要蜡烛和祈祷的地方” 早期投资：从雅达利到LSI 1:14:24 唐说红杉靠投雅达利一举成名 1:24:00 凌力尔特税后利润率高达35% 思科：250万美元的重注 1:29:17 思科展现大比例持股与积极投后的效果 1:35:15 思科毛利率从55%升至65% 退场、传承与唐的晚年 1:43:10 唐退出红杉，没有宏大的接班计划 1:52:34 “凭什么要变容易？”：唐晚年的锋芒 🌟 精彩内容 💡 高毛利，是经营失误的缓冲垫 唐认为高毛利既能给管理失误留出空间，也能为经营良好的企业带来自由现金流和更高估值。 "高毛利能为管理失误提供大量缓冲" 💡 250万美元，换来思科三分之一 红杉投了250万美元，取得思科三分之一股份。皮埃尔·拉蒙德下场补强工程团队，特里·埃格迅速组建销售队伍；思科毛利率从55%升到65%。 "这笔投资我们至少要赚2500万美元，才对得起这份力气。" 💡 红杉没有把合伙人变成对手 唐认为薪酬差距会加剧紧张和嫉妒，因此确保自己、皮埃尔和戈登拿到同样回报。他想让合伙人把注意力放在外部竞争，而不是彼此争夺。 "敌人在城门外，不在城墙内。" 💡 “我不知道”反而是好答案 唐不要求候选人有标准的风投履历；他看重观察力、想象力和创造力，也反感对自己不懂的事装懂。 "说‘我不知道’没什么不对" 💡 Altos不到两年带来2010万美元 红杉1980年12月投给Altos 66.3万美元，到1982年底就已在其上市后分配2010万美元。唐时代的早期投资，持有和退出的节奏与今天大不相同。 "红杉1980年12月对Altos投资了66.3万美元，1982年底前就在其上市后分配了2010万美元。" 🌐 播客信息补充 本书中文版由 AI 翻译，用作者本人声音的克隆朗读，可能有个别地方听起来不自然。 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
📝 本期播客简介 本期我们克隆了：Acquired · Costco 原内容更新时间：Fri, 01 May 2026 Costco 的营收每年增长约 10%，连续 30 多年；它给员工更高的工资，却把商品加价上限压在 14%。这套看似不合常理的经营方式，为什么反而让它越来越强？ Acquired 主持人 Ben Gilbert 和 David Rosenthal 从 Costco 的前身 FedMart、Price Club 讲起，拆解会员费、少 SKU、供应商关系、员工待遇和低利润率如何相互配合。他们还带来一组组令人咋舌的数字：Costco 每平方英尺营收约为沃尔玛的 3 倍，全球有 1.24 亿会员；而它的商业模式，甚至让供应商在标准账期内替库存提供资金。 👤 本期嘉宾 Ben Gilbert 和 David Rosenthal 是 Acquired 的主持人。Acquired 讲述科技公司及其背后的故事和经营之道；两人从 Costco 的历史、经营细节和财务数据出发，梳理这家公司如何建立会员制仓储零售模式，以及它的每个选择如何彼此支撑。 ⏱️ 时间戳 Sol Price的零售根脉 06:56 Sol Price的移民家庭与成长经历 FedMart开创折扣零售 21:49 会员俱乐部如何绕过零售最低售价规定 Price Club从仓库起步 42:23 3000种商品，对手约有5万个SKU Costco与Price Club重聚 59:18 Jim Sinegal带着Price Club模式创办Costco 会员制与极致性价比 1:08:22 Costco顾客家庭收入约12.5万美元 少选择带来高效率 1:26:14 采购团队替会员挑出每类最好的商品 规模、文化与经营优势 增长空间与电商布局 2:23:09 中国首店两年内会员增至40万 Costco趣闻与节目推荐 2:29:08 一枚10克拉钻戒也能终身退货 🌟 精彩内容 💡 少赚一点，反而更难被追上 Costco 把规模带来的采购优势大部分让给顾客，而不是趁机提高利润率。低价吸引更多会员，规模又让它更容易拿到好价格，竞争对手很难追上这套循环。 "他们把规模经济带来的好处分享给顾客，我不知道有谁能追上他们，跨过他们由此建立的护城河。" 💡 高工资，换来更低的员工流失 Costco 的计时员工，入职第一年后流失率只有 7%，零售业通常是 20%。员工更稳定，培训和招聘成本更低，商品损耗也只有销售额的 0.15%。 "现在 Costco 的员工过了第一年，流失率只有 7%。" 💡 3800种商品，周转比拼命选品更快 沃尔玛有约 10万到15万个 SKU，Costco 只有约 3800 种。选择少，让每种商品卖得更快；Costco 的库存一年周转 12.4 次，沃尔玛约 8 次。 "SKU 数量少，直接让库存能够快速周转。" 💡 最低价格，配上最富裕的顾客 Costco 的典型顾客家庭年收入约 12.5 万美元，高于美国收入中位数约 70%；沃尔玛顾客的收入中位数约为 8 万美元。会员费和大包装购物，筛选出有能力提前付费、储存商品的顾客。 "他们的价格最低，但在所有大型零售商里，他们的顾客最有钱。" 💡 中国首店两年，会员数达到美国成熟店近六倍 美国一家成熟 Costco 门店平均有 6.8 万名会员；中国第一家门店 2019 年开业，两年内会员数就增至 40 万。主持人认为，中国市场仍有很大增长空间。 "美国门店平均有 6.8 万名会员。中国的第一家店在 2019 年开业，2 年内会员数就猛增到了 40 万。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
📝 本期播客简介 本期我们克隆了：Latent Space · How Anthropic ships the #1 LLM in the World — with Katelyn Lesse and Angela Jiang 原内容更新时间：2026-10-27 Agent的沙箱停了，整个Agent却还能继续工作——Anthropic把“脑”和“手”拆开，连凭证也不让Agent直接碰到。这套设计既关乎可靠性，也把安全做进了架构。 Anthropic工程负责人Katelyn Lesse与产品负责人Angela Jiang，和主持人聊模型能力如何变成开发者能用的产品：他们用Claude协助把Messages API从Python重写为Rust，节省了40%到50%的CPU；也谈模型蒸馏防护、Agent评估、多Agent策略，以及如何在团队里使用AI又不把质量责任交出去。 👤 本期嘉宾 Katelyn Lesse是Anthropic工程负责人，负责平台、API及产品基础设施相关工作；她谈到团队如何扩展Messages API、用Rust重写系统，以及如何在模型发布中落实安全与可靠性。Angela Jiang是Anthropic产品负责人，曾与Katelyn在Stripe共事；她谈到模型发布、产品权衡、Agent平台与开发者体验。 ⏱️ 时间戳 Anthropic效率跃升 01:21 人均收入一年从140万美元升至660万美元 Opus 5.5与蒸馏防护 07:53 API调整兼顾蒸馏防护与开发者体验 安全发布与访问授权 19:40 授权机制贯穿模型访问与验证项目 模型反馈与个性化 32:21 “懒惰”和主动行动之间很难两全 Managed Agents与评估 43:49 用一个托管Agent检查另一个并写入记忆 Rust重写与沙箱安全 55:35 Rust重写后节省40%到50%的CPU 安全路由与新型任务 1:06:49 安全要同时看架构、在线与离线防护 AI产出与质量责任 1:16:40 用Claude生成，也得自己确认质量过关 DevRel与多agent实践 1:39:16 主Agent拆分任务，子Agent异步并行 🌟 精彩内容 💡 Agent离开沙箱，工作还在继续 Managed Agents把持续运行的harness放在独立服务器上，沙箱只负责执行；沙箱停了，Agent状态仍保存在别处。凭证也单独存放，由代理在请求发出时注入，Agent始终看不到凭证。 "agent 永远不会和凭证待在同一个地方。" 💡 Claude帮忙写代码，人仍负责设计 Anthropic团队没有Rust开发者，仍用Claude协助把整个Messages API从Python重写成Rust。人负责设计分布式系统、计划迁移并验证结果；他们用镜像流量对比新旧系统的输出。 "我们节省了，40% 到 50% 的 CPU，非常惊人。" 💡 模型发布，安全工作越来越多 每次发布模型，都要考虑蒸馏、在线防护、离线防护和访问政策。安全不只是模型本身的事，授权机制还要保证特定模型或项目的权限能可靠贯穿整个系统。 "我们团队现在投入的精力，较少是去做个好玩的功能来逐步优化 agent 之类的，更多是考虑怎么把安全融入所有这些东西。" 💡 个性化评估，至今很难 有人希望Claude主动把任务做完，有人只是在计划，却不想模型立刻写代码；同一模型的默认行为很难满足彼此冲突的偏好。Angela直言，他们还没有把个性化这件事做好。 "我们做得不算好。真的，这很难。" 💡 AI生成的东西，质量责任还在人 团队可以用Claude写代码、文档，但作者必须读过并确认质量；质量不合格的内容应该退回。代码实现可以交给Claude，系统设计与验证仍由人把关。 "你作为人，仍然要对质量负责。" 💡 多Agent关键是共享状态、并行不阻塞 Angela建议让主Agent拆分任务，交给异步运行的子Agent；任务适合并行、各Agent共享统一上下文时，更容易发挥多Agent的价值。 "你只需要确保 Claude 能并行处理。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
🎙️ 📝 本期播客简介 本期我们克隆了：Huberman Lab · Unlocking Persistent Motivation & Extreme Resilience | Ross Edgley 原内容更新时间：Mon, 26 Oct 2026 动力不是一根弦，拉紧了就能一直撑下去。Ross Edgley说，继续下去的理由得比停下来的理由更有分量，而今天管用的，明天可能就不管用。 这位英国超耐力运动员曾绕大不列颠岛游了将近 2000 英里，也连续游过 317 英里的育空河。他和斯坦福大学教授 Andrew Huberman从这些极限经历出发，拆解动力的不同来源：承诺、自尊、愤怒、爱、羞耻和感恩；也谈到缺觉和疼痛如何影响判断、团队何时该拦住一个不肯停下的人，以及怎样在专注痛苦和转移注意力之间切换。 👤 本期嘉宾 Ross Edgley 是英国超耐力运动员和作家，完成过绕大不列颠岛游泳、连续游过育空河 317 英里等极限挑战。他长期亲身面对寒冷、缺觉、疼痛和疲劳，也持续研究这些经历背后的心理机制；本集将他的经验与动力、压力适应和大脑回路的科学研究放在一起讨论。 ⏱️ 时间戳 从背包石头到海洋保护 04:43 小时候背包装石头，只为给徒步加难度 前中扣带皮层与动力辐条 14:50 动力不是一架跷跷板，而像车轮上的辐条 冰岛百英里与团队协作 19:30 还剩 100 英里，他只想赶回去迎接孩子出生 羞耻、质疑与亲人牵引 52:47 他读完质疑评论，后来回看时觉得特别爽 愤怒、仪式与人类本能 1:12:30 有人最爱刺激的脑区，带来挫败感和愤怒 赌注、睡眠与忍受痛苦 1:21:07 赌注从 10 万升到 200 万，注意力反而可能过载 训练身体，也训练注意力 1:41:36 力量训练练的不只肌肉，还有结缔组织和肌腱 咖啡因、补剂与力量储备 1:56:23 400 毫克咖啡因，让难熬的游程突然好受些 家庭选择与西西弗斯之石 2:25:04 想象西西弗斯是笑着的，抗争本身就有意义 🌟 精彩内容 💡 动力不是一根弦 Ross把动力想成车轮上的辐条：承诺、自尊、愤怒、爱、感恩，都可能支撑一个人继续前进。某一种理由失效时，就换一种；继续下去的理由，得比停下来的理由更有分量。 "继续下去的理由，得比停下来的理由更有分量。" 💡 最后 100 英里，他想赶回去见儿子 冰岛环岛游快结束时，Ross还剩 100 英里，女友的预产期只剩一周，风暴、火山气体和冰川落冰又让团队无法靠岸。他说，那一段拼命游完，靠的就是害怕错过儿子的出生。 "在冰岛，我拼了命游完最后 100 英里，完全就是靠这个撑着。" 💡 他最需要的不是鼓励，而是有人拦住他 在高温下连续游了 37 个小时，Ross已经接近横纹肌溶解的风险，却仍然不肯停。他把决定权交给团队：如果他们判断必须把他拉出水面，他会听。 "我知道自己会一直游到把自己送进医院，这可不是好事。" 💡 凌晨的念头，未必可信 冰岛夏天几乎 24 小时天亮，Ross还得跟着潮汐在凌晨下水。睡不好时，他清楚自己的情绪和动力会变差；Andrew则说，负面感受容易让人误以为会永远持续。 "凌晨 2 点到 5 点，我脑子跟我说什么，我都不信。" 💡 力量训练，是为了让身体不先散架 Ross说，长距离游泳真正限制他的，不一定是摄氧量或技术，而可能是某条韧带或肌腱撑不住。他做力量训练，是为了让身体底盘承受得住超长时间的游泳。 "我游泳时，限制我的不是乳酸阈值、摄氧量或者技术，而是某条韧带、某根肌腱之类的撑不住了。" 💡 西西弗斯的巨石，也可以笑着推 Ross借西西弗斯的故事解释自己为什么一次次游下去：挑战也许荒诞、没有结果，但光是抗争本身，就能充实内心。 "但光是这份抗争，就足以充实一个人的内心。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
📝 本期播客简介 本期我们克隆了：Lex Fridman · AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory | Lex Fridman Podcast #503 原内容更新时间：2026-10-26 AI能在几天里拿出数学家原以为还要等数年的成果；费马大定理的形式化证明，竟然写成了1300万行代码。数学家们惊叹之余，也开始追问：如果定理能由机器证明，数学还剩下什么？ Lex Fridman与来自麻省理工学院、华盛顿大学和罗格斯大学的三位数学家，谈AI在黎曼假设、纳维-斯托克斯方程、唯一博弈猜想等难题上的进展，也谈这些成果如何改变数学研究。讨论从AI能否创造新数学，延伸到证明如何验证、数学家如何工作，以及学生怎样在不确定的时代学习和选择方向。 👤 本期嘉宾 Alex Kontorovich是罗格斯大学数学家、数论专家，研究黎曼假设，也参与Lean与机器验证证明相关工作；Ankur Moitra是麻省理工学院数学家、理论计算机科学家，研究复杂性理论、唯一博弈猜想与AI学习背后的数学；Steven Brunton是华盛顿大学数学家、流体力学专家，研究纳维-斯托克斯方程、湍流与机器学习在流体力学中的应用。他们分别从数论、理论计算机科学和流体力学出发，讨论AI数学成果的意义与边界。 ⏱️ 时间戳 数学的危机时刻 02:17 数学知识的黄金时代，也带着学生培养和研究方向的焦虑 AI会终结数学吗 11:26 Alex提出“全解决公理”：AI能做任何人机合作能做的数学 AI能创造新数学吗 33:57 准黎曼假设的证明组合了许多已知方法，是否算新思路？ 黎曼假设 1:19:55 AI证明了实部在8分之7和1之间没有零点 纳维-斯托克斯方程 1:37:59 AI构造出有限时间爆破的特殊涡旋 自然如何计算 1:51:04 果蝇靠翅膀神经元快速应对阵风 唯一博弈与复杂性 1:59:27 OpenAI公布唯一博弈猜想成立的证明 数学家如何思考 2:08:36 一项研究想了10年，最后由5位作者共同完成 数学是发明还是发现 2:19:22 问题由人提出，答案却由上帝决定 AI能解P与NP吗 2:25:19 连可满足性问题的超线性下界都还不知道 大模型为何有效 2:40:35 用随机数微调，模型竟学会了“喜欢猫头鹰” AI尚不能解决的问题 2:49:41 容易解的问题，可能各自容易得完全不同 格里戈里·佩雷尔曼 2:50:47 “只要证明是对的，我需要的认可就全有了” 给年轻人的建议 3:00:25 一类学生用AI检查理解，另一类只让AI代写答案 🌟 精彩内容 💡 1300万行代码，证明费马大定理 Anthropic团队用Lean从公理出发，写出没有待证明占位符的形式化证明。Alex此前估计这项工作还要多年，结果报告后两天，证明就出现了。 "我所有的经验都告诉我，它们能做到的，大概就是 X 这个水平，到不了 10 倍，可这次是 100 万倍。" 💡 数学不只是定理的数量 一行行形式化代码能核查证明是否成立，却未必能讲清楚证明背后的故事。数学家珍视的，还有与问题较量时形成的观念、抽象和理解。 "我们想要故事，想要理解。" 💡 数学家未必会被“证明定理”取代 Alex用门童作比：如果只把工作归结为最显眼的任务，就会漏掉那些难以量化的价值。数学家不只是证明定理，也会建立理论、换角度看问题、发现概念之间的联系。 "数学家就是深入思考的人。" 💡 纳维-斯托克斯：百万美元问题背后，还有万亿美元工程难题 AI证明了一个特殊外力下的有限时间爆破解，但这并未让日常流体工程更容易。设计机翼、人工心脏和涡轮机，仍要靠高成本模拟与实验。 "我们解决了那个价值 100 万美元的数学问题。可还有一个价值 1 万亿美元的工程问题。" 💡 好奇心比短期履历更重要 Ankur建议学生别只追着短期成果跑：如果一个问题只是因为下一代模型可能会解决才让人着急，也许就该去度假，想想什么值得自己长期投入。 "如果你做一个问题做得很着急，是因为觉得下一代模型肯定能解决，那也许干脆去度假好了，别解这个问题了。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight