#800. 唐·瓦伦丁与红杉资本画像

📝 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

📝 本期播客简介 本期我们克隆了：Dwarkesh Patel · What will computer chips look like in 2045? 原内容更新时间：2026-10-22 AI 算力过去十年每年增长 3 倍，可英特尔首席技术官 Pushkar Ranade 说，靠全球现有的芯片制造设备，先进晶圆产量大约只能提高 2 倍。需求跑得比产能快，问题不只在光刻机：供应链、厂房、良率和晶圆厂高昂的固定成本，处处都在卡住扩产。 Dwarkesh Patel 花了两天参观英特尔晶圆厂，与负责工艺开发、先进封装和公司技术战略的管理者深入交流。从英特尔 10 纳米工艺延期学到的教训，到全环绕栅极、背面供电、CFET、混合键合，再到 Terafab 和重新思考晶圆厂的建造方式，这一集带你看懂先进芯片如何从实验室走向量产，以及 AI 热潮下芯片供应的真实瓶颈。 👤 本期嘉宾 Pushkar Ranade 是英特尔首席技术官，负责从公司技术战略角度思考先进制造与产业扩产；他在这一集中谈到芯片供应链、晶圆厂规模效应、英特尔追赶台积电的路径，以及与马斯克 Terafab 项目的合作。节目还采访了 Chris Auth、Kevin Fischer、Jack Kavalieros 和 Tyler Osborn，分别从工艺开发、良率改善、研发技术与先进封装角度，讲述芯片制造的具体挑战。 ⏱️ 时间戳 工艺爬坡与10纳米教训 01:31 14A 已经开发三年多，正在敲定工艺与设备 04:10 10 纳米目标过于激进，创新太多拖慢进度 晶体管与光刻演进 08:03 晶体管越小，关着时也可能漏电 13:52 今天工艺使用的材料约是 90 年代的十倍 新技术的研发与取舍 25:48 数据不可能齐全，等齐了往往就太晚 28:14 hot box 1 像高速公路上的专用快车道 封装、产能与竞争 43:14 晶圆对晶圆键合，良品可能被坏片拖累 49:08 全球现有设备最多支持先进晶圆产量翻倍 Terafab与晶圆厂新思路 59:48 晶圆厂成本约每四到五年翻一倍 1:01:54 真正需要的是今天这样精密的洁净室吗？ 🌟 精彩内容 💡 AI 算力跑得比芯片产能快 过去十年，AI 算力每年增长 3 倍；但按全球现有设备估算，先进晶圆产量最多只能提高约 2 倍。想继续扩产，必须连设备供应商及其上游供应商一起扩产。 "10 倍做不到，但 2 倍左右，应该可以。" 💡 晶圆厂八成成本是固定的 建好晶圆厂后，约 80% 的成本不会随产量变化。产能利用率提高一点，或把芯片良率从 60% 提高到 65% 或 70%，新增产出带来的收益都可能远超线性增长。 "一座晶圆厂建起来以后，成本里大概 80% 都是固定的。" 💡 设备今天下单，可能要等到 2028 年 先进设备的供给并非花钱就能立刻增加。设备交货周期可能长达 18 个月；拿到设备后还要建厂，新的晶圆产能很可能要到这个十年末才出现。 "假设要等 18 个月才能拿到设备，那基本上就已经到 2028 年了。" 💡 芯片制造太怕冒险，成本却已高到该重想 一台高数值孔径 EUV 光刻机加配套设备约需 4 亿美元，工厂成本还在快速上升。投入几百亿美元的行业不愿冒险，但沿用几十年的做法，也未必仍是最好的做法。 "有时候，从零开始，把一切重新想一遍，是件好事。" 💡 马斯克建厂，不只是为了多买设备 Terafab 想解决的是芯片、算力和内存需求暴涨带来的供应压力。晶圆厂还需要大量电、水、耗材和洁净室空间；与英特尔合作，能帮助更快建厂并投入运营。 "我们觉得可以一起合作，帮他更快地把晶圆厂建起来、运转起来。" 🌐 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