Summary
监管机构在创新之前就开始施加限制，导致市场活力受限。挪威主权财富基金首席执行官Nikolai Tangent与前谷歌首席执行官Eric Schmidt探讨了人工智能（AI）的快速发展及其对社会的深远影响。Schmidt指出，当前的技术变革速度远超以往，AI的崛起将改变各个领域，竞争也愈发激烈。
Schmidt强调，AI不仅在技术上推动了巨大的进步，还在商业决策中展现出强大的辅助能力。他提到，AI助手能够帮助企业高管做出更快的决策，提升工作效率。尽管AI带来了诸多机遇，但他也警告说，缺乏有效监管可能导致技术失控，甚至引发国际竞争的加剧。
在谈到欧洲的创新环境时，Schmidt批评了其过于保守的监管政策，认为这抑制了创业和技术进步。他呼吁欧洲应当放宽限制，以便更好地利用其人才和资源，推动市场发展。Schmidt还指出，AI的未来不仅关乎技术本身，更涉及到如何平衡其带来的利益与潜在风险。
Show Notes
📝 本期播客简介 本期我们克隆了：Norges Bank Investment Management · Eric Schmidt: Are We Ready for Superintelligence? | Podcast | In Good Company 原内容更新时间：2026-10-21 “下一轮会把人逼疯的，因为到时候就按天算了。”AI 模型的竞争已经快到按月计时，而 Eric Schmidt 认为，这一波是迄今为止最大的技术浪潮。 主持人 Nicolai Tangen 与 Eric Schmidt 从超级智能和智能体谈起，讲到 AI 如何压缩企业决策、改变就业，以及中美模型竞争和欧洲创新困局。Schmidt 也谈了他最担心的失控风险、AI 对民主的威胁，以及为什么创始人在公司转型时拥有职业经理人难以取代的影响力。 👤 本期嘉宾 Eric Schmidt 曾于 2001 至 2011 年担任 Google 首席执行官，之后成为 AI 领域的重要声音，并为政府提供建议、撰写相关书籍。他在科技行业工作数十年，亲历多轮平台变革，也参与制定美国 AI 战略；本集围绕 AI 竞速、企业转型与超级智能风险的判断，来自他长期的科技管理经验。 ⏱️ 时间戳 AI浪潮与竞速 01:50 AI浪潮来自技术发现与大规模算力 02:28 这一波是迄今为止最大的一波 03:24 Anthropic营收增长超过Google当年的纪录两倍 Agent重塑企业与欧洲 10:20 Agent从请求出发，推理、执行再给总结 12:01 AI会推动组织扁平化，企业更快也更累 16:36 欧洲的AI战略：创新还没开始，监管先来了 AI风险与全球竞争 18:52 AI可能带来巨大好处，也可能赌出坏结果 19:33 一群机器人程序自作主张攻击网站 21:52 中国模型看起来落后约6个月，产品却免费 领导力、就业与个人选择 27:35 创始人拥有职业CEO没有的公司影响力 31:02 Schmidt每周工作63小时，会议每天开12小时 31:36 他估计万人员工的公司约有2000人不再需要 🌟 精彩内容 💡 AI模型的生意，时间短得惊人 开发一个模型大概要6个月，实际测试约2个月；发布不到5个月，下一代就可能让它过时。Schmidt说，竞争节奏按月计算，下一轮也许会快到按天计算。 "这个节奏是按月算的，不是按年算的。" 💡 AI不只是答问题，还能把公司推着走 他举例，一位高管用 AI 版的自己追踪员工项目进度；员工遇到麻烦，AI 立刻给出下一步。这类助手能增强决策、加快工作，也让他担心工作强度会随之上升。 "这听起来挺压榨人的。我也有点担心，但事实是，这位 首席执行官 正在用这些方法，增强自己的决策能力，加快做事的速度。" 💡 中国模型落后半年，也可能赢用户 Schmidt认为中国模型看起来落后美国约6个月，但中国采用免费产品策略。若以用户数量衡量，许多买不起欧美高价模型的国家会选择免费的中国模型。 "所以，如果按用户来衡量输赢，全世界绝大多数人都会用免费的中国模型，而不是更贵的西方模型。" 💡 AI可能让万人员工的公司少掉约两千人 他认为，会议与协调消耗了大公司大量效率。AI平台可以承担部分协调工作；公司会更需要发明者、销售人员和能与监管机构沟通的人，而不再需要那么多负责衔接的人。 "我猜里面有 2000 人左右是你不需要的，你最好想个办法，合法又人性化地帮他们转岗、安排他们退休，或者做其他安置。" 💡 AI能让假消息冒充朋友 他讲到一位朋友相信数据中心正在害死牛，但查不到警方或兽医报告。Schmidt担心，AI与社交媒体算法会放大耸人听闻的假消息，让人误以为网上的“朋友”都是真人。 "社交媒体和 AI 一起不断循环运作，把最耸人听闻的东西推给大家。那真相还有什么立足之地？" 🌐 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：AI Engineer · Is the Agent Harness Dead? — Jediah Katz, SpaceXAI 原内容更新时间：2026-10-19 模型越来越会写代码，agent harness 是不是就没用了？Jediah Katz 的回答是：那些用来补模型编程短板的功能，确实可能被模型学会；但 harness 还要负责把 agent 带进模型尚未掌握的新任务。 这位曾是 Cursor 任职时间最长的 agent-harness 工程师、现加入 SpaceX 的开发者，解释了 harness 如何借助数据飞轮变得“过时”，又如何让 Grokbot 处理邮件、预订行程等知识工作。他还谈到云端运行、信任与安全、效率，以及他的预测：6 个月内，90%的 agent 工作会在笔记本电脑以外运行。 👤 本期嘉宾 Jediah Katz，曾在 Cursor 长期从事 agent harness 工程，后来随 Cursor 被收购加入 SpaceX。他参与构建 Grokbot 等 agent 产品，对编程 agent 的运行方式、harness 的设计以及模型能力变化带来的工程挑战有一线经验。 ⏱️ 时间戳 Harness从巅峰到质疑 00:54 2023年最火的职位头衔是prompt工程师 02:38 Cursor用GrindSwarm从零做出浏览器 05:45 数据飞轮如何让harness变得过时 Harness开拓新任务 07:07 Grokbot是一位能自主工作的同事 08:06 编程里删掉的防护，在Grokbot里又加回来 10:39 报bug后，云端agent自动修复并监控上线 Harness仍不可或缺 11:46 agent任务从几分钟延长到几天 12:54 eval分数相近，任务成本却有显著差别 16:37 他预测90%的agent工作会离开笔记本电脑 🌟 精彩内容 💡 模型学会了harness教过的本领 以前要靠 harness 教模型摸清代码库、持续工作、运行测试；现在模型自己会了。更难的任务带来更多编程数据，模型学会后，harness 就能删掉旧功能。 "这些本领，模型现在自己就会了。" 💡 新任务一来，旧防护又回来了 Cursor 因模型进步删掉 prompt 和防护措施；但 Grokbot 要处理邮件、沟通和记住用户工作方式，又得把许多防护加回来。 "但有意思的是，在 Grokbot 里，我们发现自己反而把很多这些东西又加了回来，加入新的 prompt，新的防护措施。" 💡 agent同事不能只靠一台笔记本 agent 的工作已从几分钟延长到几小时、几天，甚至更久；笔记本可能休眠，要让它真正自主工作，就得在云端运行。 "agent 必须在云端运行，你才能真正有一个能自主工作的同事。" 💡 分数差不多，成本和速度仍能拉开 研究发现，不同 harness 的编程评测分数没有显著差异，但每个任务的成本差别明显。优化缓存、token 使用效率和模型搭配后，Grokbot 成本下降、速度加快，质量没有受影响。 "你越多地用 agent 来工作，拥有最高效的 harness 对你就越有价值。" 💡 agent工作将离开笔记本电脑 Jediah Katz 预测，6个月内，90%的 agent 工作会在笔记本电脑以外运行；他认为，真正自主的 agent 必须朝这个方向发展。 "6 个月内，90%的 agent 工作都会在笔记本电脑以外的地方运行。" 🌐 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：Y Combinator · This Is How You Should Actually Make Launch Videos 原内容更新时间：2026-10-23 一条 YouTube 视频只有 2 万次播放，却有约 20% 的观众下载了产品；另一条 Twitter 视频有 300 万次播放，带来的下载转化却低得多。Farza Majeed 的判断是：播放量好看，不代表真正找到了用户。 Hey Clicky 创始人 Farza Majeed 曾创办线上学校 Buildspace，也在 YC 做过项目。他分享如何把产品演示变成日常发布：从第一句话和开头画面，到写出听起来像即兴的脚本，再到根据渠道和转化数据调整内容。视频不用拍得精致，更重要的是持续展示产品、讲清正在做什么，并让真正感兴趣的人看见。 👤 本期嘉宾 Farza Majeed 是 Hey Clicky 创始人，正在开发一种与 AI 交互的新界面。他 13 岁时就在 eBay 上卖东西，后来创办线上学校 Buildspace，并带项目进入 YC；他做视频超过 10 年，长期用视频介绍产品、接触用户，也亲自经历了从随手发布到建立创作团队的过程。 ⏱️ 时间戳 把发布变成日常 00:50 13 岁在 eBay 上创办第一家公司 02:22 不再只是发帖，而是在算法平台反复发布 03:49 做功能时就倒推帖子文案和视频开头 让视频值得看下去 13:07 自己嫌弃的脚本，最后在 Twitter 播放 300 万次 19:25 写脚本时就知道这条视频会火 故事、渠道与节奏 28:11 TikTok 找到约 50 家设计公司 29:03 YouTube 2 万播放，约 20% 的观众下载 搭建持续创作的能力 36:02 最想先招拍片的人，再招工程师 38:32 视频设备可以简单，音质不能差 42:21 连续 30 天，每天花 10 分钟拍一条 🌟 精彩内容 💡 300 万播放，不等于找到了用户 一条 Twitter 视频有约 300 万次播放，带来 7000 次下载；他真正看重的，是下载后还有多少人持续使用。约 100 人连续 5 天每天打开产品，这才让他决定继续做下去。 "我完全不在乎流量。" 💡 2 万播放的视频，下载转化约 20% 另一条视频在 YouTube 只有约 2 万次播放，却有约 20% 的观众下载应用。对比之下，Twitter 上播放量更大的视频，注册转化却低得多；哪个渠道有用，得看它带来多少真实用户。 "你算一下就知道，这能带来实实在在的注册量，而且这条视频会一直带来效果。" 💡 最糟的视频，也可能是观众最喜欢的 他拍完一条产品演示后，觉得糟透了，认为连剪辑都不值得。团队还是把视频发了出去，结果它在 Twitter 上获得 300 万次播放。 "不管我们自己觉得多尴尬，都交给观众判断。" 💡 设计公司的客户，也会刷 TikTok Hey Clicky 直接对着镜头问观众是不是设计公司，靠 TikTok 视频找到约 50 家潜在客户。每条视频平均只有约 4000 次播放，但目标观众就在其中。 "我的目标从来都不是爆火。" 💡 先尴尬一阵子，才会不尴尬 他建议每天抽 10 分钟，拍下自己当天做了什么，然后发布。害怕同学看到、觉得自己说得蠢，正是很多人迟迟不开始的原因。 "你其实得先尴尬一阵子，才能学会怎么不尴尬。" 💡 创业初期，拍片的人可以排在工程师前面 Farza 说自己最早就想招拍片的人，再招工程师。软件越来越容易做，反而是让观众看懂产品、围绕产品聚起社群，越来越难被复制。 "真正难复制的，是我围绕自己做的事情聚起来的观众、社群，还有那股热情。" 🌐 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：All-In with Chamath, Jason, Sacks & Friedberg · AI Cyber Panic, Ken Griffin's Bubble Warning, The Fall of France? 原内容更新时间：Fri, 23 Oct 2026 PHP安全团队给漏洞打了9.2分，补丁发布前，漏洞信息却泄露了。接下来会发生什么？Palo Alto Networks CEO Nikesh Arora的判断是：“10天都太长了。” 这一集从AI支出是否形成泡沫，聊到企业为什么转向开源模型、自己买GPU和建设数据中心；随后深入网络安全：AI如何寻找并串联漏洞、企业如何防御，以及agent未经授权操作账户时该由谁负责。节目后半段转向法国骚乱、财政压力、移民融入和福利制度，也把法国与美国的债务、公共支出和社会压力放在一起比较。 👤 本期嘉宾 Nikesh Arora，Palo Alto Networks CEO。作为网络安全公司的负责人，他与遭受攻击或正在防御攻击的企业直接打交道；这一集里，他结合PHP漏洞事件，谈AI发现漏洞的速度、企业积累的技术债、开源模型的可审计性，以及agent使用银行账户后责任如何划分。 ⏱️ 时间戳 AI泡沫与循环支出 01:51 1%的公司贡献了约90%的AI支出 02:41 AI要盈利，必须走出创业公司圈子 开源模型与算力自建 08:07 企业选开源模型，为的是能检查思维链 10:30 有钱也未必买得到算力：芯片要等到2028年 PHP漏洞引发网络危机 13:34 PHP2Shell漏洞严重性评分9.2分 14:03 漏洞信息在补丁发布前泄露 AI攻防与责任归属 24:22 “假设你的系统一定会被攻破” 27:48 Nikesh：agent获授权，用户负责 法国骚乱与财政危机 40:43 超过50万人参加抗议 42:39 法国10年期国债收益率创2002年以来新高 福利改革与代际压力 49:47 年轻人开始担心父母辈的养老金谁来承担 53:00 法国大学每年学费约300欧元 移民融入与社会撕裂 1:12:20 她在餐馆工作34年，才攒够钱开店 政府规模与最低工资 1:24:51 加州快餐最低时薪升至20美元，引发岗位之争 🌟 精彩内容 💡 AI发现漏洞后，攻击窗口也在缩短 PHP漏洞严重性评分达9.2分，原计划随补丁更新一并公布的信息提前泄露。Nikesh说，类似事件的间隔不会有10天那么久；补丁公开后，黑客还能从修复代码反推攻击路径。 "哎，Jason，我觉得 10 天都太长了。" 💡 老系统没补，企业只好把网站关掉 一家客户有些网站运行旧版PHP，无法打补丁，只能先下线，再升级、修复后重新上线。AI让漏洞更容易被找到，企业多年没处理的技术债也随之暴露。 "他们一直没处理还在用旧版这件事，因为觉得不重要。" 💡 开源模型的卖点，是企业能检查它 Nikesh说，在金融和医疗等受监管行业，企业需要解释、验证和审计AI系统；开放权重模型能让他们检查思维链，不必把模型的决策过程当成黑箱。 "只有用开源、开放权重的模型，我们才能做到这些。" 💡 别只想堵漏洞，还要想怎么赶走入侵者 企业可以持续测试系统、打补丁，但漏洞太多，不可能一次补完。Nikesh建议把基础设施中的信号和数据汇总起来，尽快发现异常行为、清除入侵者。 "重点就不太是我怎么被攻破的、哪个漏洞会让人钻进来。而是我能多快发现入侵者，又能多快把他们赶出去？" 💡 把银行登录信息交给agent，Nikesh认为责任在授权的人 如果消费者把登录凭证交给agent，agent替他操作银行账户，Nikesh认为授权者应承担责任；但如果agent偏离设计、失控，则可能构成产品责任。 "我觉得是你授权，让 agent 代表你做事。如果是你授权的，法律责任就得你来承担。" 💡 法国的财政压力，也让美国的账本进入讨论 节目提到法国债务约为GDP的120%、财政赤字占GDP的5.4%；美国的对应数字分别约为120%和6.2%。嘉宾争论削减政府支出、改革养老金，以及怎样避免年轻人被高房价和债务挤出机会。 "我觉得，法国预示着整个西方的走向。" 🌐 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：High Performance · Top Gear Boss On Clarkson's Sacking, Schumacher & BBC Exit 原内容更新时间：2025-12-08 “整本书讲的都是意外。”《Top Gear》从一个老派汽车节目变成全球大热节目，Andy Wilman说，许多后来成了标志的点子，当初根本不在计划里。 作为《Top Gear》和《The Grand Tour》的执行制片人，Andy Wilman回顾了三位主持人的默契如何慢慢长成，节目如何从便宜旧车和拍摄事故里找到新招，也讲到成功带来的压力、团队失控，以及他为何在Jeremy Clarkson离开后拒绝继续做《Top Gear》。 👤 本期嘉宾 Andy Wilman是《Top Gear》和《The Grand Tour》的执行制片人，也是推动《Top Gear》从老派汽车节目转型的重要创意力量。他长期与Jeremy Clarkson、Richard Hammond和James May合作，亲历了节目从重启、走红到团队离散的过程，对节目的创作方式、团队运作和幕后压力都有直接经验。 ⏱️ 时间戳 克拉克森与新版Top Gear 01:41 在酒吧摊开纸张，Jeremy早已想好七成节目内容 04:39 等英国右舵版上市，主动退出汽车杂志的首发竞赛 意外成就三人组 11:16 Richard穿蝙蝠侠服试镜，最后靠讲失败经历赢得角色 20:21 三人默契没人设计，给他们时间才慢慢长出来 成功背后的压力与失控 34:07 收视已有900万，团队仍剪片到凌晨两三点 45:16 每周四晚熬夜剪片，周末还得看下周要播的内容 事故、冒险与告别 49:27 Richard困在翻覆的超跑里，闻到烧焦味才踹窗逃生 51:15 团队开始讨论何时结束，决定按自己的意愿收尾 Stig与舒马赫 57:01 找不到会说话的赛车手，Jeremy提议让他不说话 1:03:02 舒马赫承认撞上Villeneuve不对，也说出自己为何那样做 丑闻、离开与新旅程 1:12:19 Andy怀疑他们心里也想过“让这一切垮掉算了” 1:17:33 BBC认定没了Jeremy也能做节目，Andy不这么看 🌟 精彩内容 💡 Top Gear的成功不是照计划造出来的 节目重启时，Jeremy已在酒吧写下许多点子，但三位主持人的化学反应、破车拍摄和特别篇，都是一路做出来才发现的意外。 "对，那本书整本讲的都是意外。" 💡 一辆破车趴窝，反而成了真正要拍的内容 三辆1500英镑买来的保时捷刚开出伦敦不久就全坏了。导演想让摄制组先去吃午饭，Jeremy却说，眼前的混乱才是节目。 "车能正常开，已经不是我们要拍的了。要拍的就是这一片混乱。" 💡 三个人的默契，没法第一天就复制 Jeremy、Richard和James并没有预先设计好各自的荧幕性格；他们花了好几季才慢慢长出只有彼此才有的关系。 "我们有好几季的时间，可以让这种关系慢慢发展。" 💡 节目大热，团队却被困在工作里 收视达到900万，片子从10分钟做到了半小时，制作时间表和剪辑时间却没有跟着变。团队常常熬到凌晨，家庭生活也被压力拖垮。 "我们就在那儿剪到凌晨2、3点，我们没搞明白怎么把工作分下去，也没想明白怎么把节目变个样。" 💡 BBC以为节目比主持人重要，Andy选择离开 Jeremy被开除后，BBC希望Andy继续做《Top Gear》，也试图留下Richard和James。Andy拒绝了：他认为节目不是一套可以换人继续运转的模式，而是他们一起做出来的东西。 "我不会去做另一个《Top Gear》，因为这不是随便一档节目，这是我们一起做出来的东西。" 🌐 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：Eye On A.I. · Chat GPT's Creator Explains The Shocking Truth About How AI Understands the World | Ilya Sutskever 原内容更新时间：Fri, 09 Oct 2026 语言模型只是学会了文字里的统计规律，还是已经在理解文字背后的世界？Ilya Sutskever 的回答是：要把数据预测好、压缩好，模型就需要越来越了解产生这些数据的世界。 这场对话录制于 Ilya 还在 OpenAI 担任首席科学家的时期。他从深度学习和 GPT 的发展讲起，解释模型为什么会产生幻觉：预训练让它学到丰富的世界知识，但并不直接保证输出准确；人类反馈强化学习则负责纠正输出。他还谈到多模态学习、如何让模型用更少数据学得更快，以及 AI 可能怎样帮助公民更直接地表达对公共事务的期待。 👤 本期嘉宾 Ilya Sutskever，Safe Superintelligence Inc. 联合创始人、首席科学家，曾任 OpenAI 首席科学家，也是 GPT-3、GPT-4 背后的主要研究者之一。他从 17 岁起便与 Geoff Hinton 合作研究机器学习，参与推动深度学习发展，对神经网络如何学习、语言模型的能力与局限都有长期研究经历。 ⏱️ 时间戳 从意识问题到深度学习 01:24 意识问题让他走进 AI 01:59 2003 年，计算机能学习还不被看好 04:12 大型深度网络为何可能成功 GPT与规模效应 06:17 OpenAI 早期探索预测下一个词 07:35 Transformer 论文发表次日就转向 08:51 《苦涩的教训》把规模效应说得太满 语言模型的理解与幻觉 11:47 他不同意模型只是学统计规律 12:25 预测得好，最终需要理解生成过程 15:17 预训练不保证输出准确 可靠模型与AI的未来 26:19 让模型更可靠、更可控 31:20 AI或能汇总公民更多意见 🌟 精彩内容 💡 预测文字，也是在学习世界 要把文字预测得足够好，模型就必须逐渐理解产生这些文字的真实过程。Ilya 认为，模型理解的不只是文字本身，也是文字所投射出来的世界。 "要把数据预测好、压缩好，就需要越来越了解产生这些数据的世界。" 💡 学到了世界，不等于答得准确 预训练让模型形成关于世界的丰富表征，却没有直接训练它给出符合期待的答案。ChatGPT 还要经过基于人类反馈的强化学习，学习哪些输出不合适、下次该怎样调整。 "语言模型更擅长学习、了解世界，对各种想法、概念、人，还有现实中存在的过程，学到非常出色的表征。" 💡 他认为幻觉有机会被彻底解决 模型编造事实，限制了实际用途。Ilya 认为，让用户的反应反馈给模型、再改进强化学习过程，或许能教会模型不产生幻觉。 "这种方法有相当大的机会彻底解决幻觉问题。" 💡 只靠文字，模型也能学颜色关系 模型从文字中学到颜色之间的相似程度：紫色更接近蓝色，而不是红色。视觉能让这种学习更快，但 Ilya 不认为视觉是理解世界的必需条件。 "紫色跟蓝色更像，跟红色没那么像。" 💡 AI可能让民主听见更多人的意见 Ilya 想象，公民可以向神经网络提供信息，表达希望事情变成什么样，再由系统汇总这些意见。这可能形成一种传递大量信息的民主形式，而不只靠投票表达偏好。 "这也许可以成为一种能传递大量信息的民主形式，从每个公民那里获取多得多的信息。" 🌐 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