🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
DSA压倒性胜利、中国AI追赶、内存危机、Micron急速增长所揭示的美国自我毁灭
嘉宾: Jason Calacanis × Travis Kalanick（Uber创始人、Adams）、Gavin Baker（Atreides Management）、Chamath Palihapitiya、David Sacks（前AI Czar、现PCAST主席）
结论
美国正因监管自缚和政治分裂,在AI竞争中将优势拱手让给中国。
三行摘要
民主社会主义者(DSA)在NYC初选中全胜,正将民主党作为"投票准入手段"进行接管。中国开源模型GLM 5.2逼近Claude Opus 4.8,API成本低85%。DRAM/HBM瓶颈将AI基础设施成本推高4倍,加速向轨道计算和分布式推理转型。
关注要点
1. DSA的制度破坏计划: 废除参议院、选举人团、ICE、监狱,将总统和最高法院置于国会之下,引入多党制和排序选择投票。联合主席Josh Bloch明确表示"民主党只是投票准入手段,现有体制是障碍"。全美蓝色选区议员因惧怕DSA初选挑战而左倾化。
2. 中国落后6个月追赶中: GLM 5.2(744B参数、100万token上下文、MIT许可)在AI Index获51分,创开放权重模型历史最高。编程基准超越GPT 5.5,与Claude Opus 4.8差距不到1分。Gavin指出"中国用数万台设备调用Claude API,收集推理轨迹进行蒸馏"。Sacks警告"我们连几个月的缓冲都没有了"。
3. DRAM短缺重塑经济: Micron营收同比增长4倍(90亿→420亿美元),2026年HBM供应已售罄。DRAM预计占超大规模企业CapEx的30-40%。Gavin分析"地面1GW数据中心需50亿美元硅片+250亿美元电力冷却,但轨道上只需350亿美元硅片+50亿美元发射。Starship实现可重复使用后轨道方案将胜出"。
一句话研判
本期揭示的是技术竞争中的"自我约束悖论"。Anthropic要求建立"AI的FAA"导致自家模型Fable回滚,给中国争取了时间。DSA提出的制度破坏也是民主党自身移民政策和多元文化主义选择的后果。DRAM短缺这一物理约束,讽刺地"可能让陷入囚徒困境的超大规模企业重新想起经济合理性,获得重新谈判社会契约的时间"——Gavin的这一观察颇具启发性。技术史中,约束有时恰恰发挥救赎作用。
来源: All-In Podcast《Socialists Sweep NYC, China Catches Up in Coding, AI Memory Crunch, Micron's Blowout Quarter》(2026-06-26)
https://allinchamathjason.libsyn.com/socialists-sweep-nyc-china-catches-up-in-coding-ai-memory-crunch-microns-blowout-quarter
# Anthropic# GLM 5.2# Regulatory Capture# Democratic Socialists of America
🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
英特尔衰落与Lovable崛起——技术领导力与执行力的分水岭
嘉宾: Jason Calacanis（All-In播客主持人）× Pat Gelsinger（前英特尔CEO，任职34年）× Oschka（Lovable CEO）
结论
AI时代的稀缺资源不是执行力，而是决定"做什么"的判断力。
三行摘要
英特尔从技术人员管理转向财务导向管理，将1000亿美元用于股票回购，在EUV投资和晶圆代工转型上失败。相反，创立仅20个月的Lovable通过面向非技术人员的80%用户群体的vibe coding平台，达到年度经常性收入5亿美元，每周产生100万个新产品。Gelsinger预测AI基础设施建设为"数十年规模"，并指出能源容量是唯一制约因素。
关注要点
1. 英特尔的结构性失败: 据Gelsinger所述，英特尔从管理层20人中15人持有PhD的技术人员主导时代，转向财务人才主导决策的体制。在他回归CEO之前的5至6年间，公司将1000亿美元用于股东回报，放弃了新工厂建设和EUV设备采购。"无法用电子表格做出10亿美元规模的技术判断"这一指摘，显示了在平台转型期技术理解的重要性。
2. 台湾的地缘政治风险: 台湾的能源储备不足3周。中国在过去4年中7次封锁台湾海峡，晶圆厂在停电后90天内无法重启。Gelsinger将经济影响评估为"超过大萧条"。美国先进半导体生产份额在CHIPS法案后仅从12%改善至18%，供应链脆弱性未得到解决。
3. Lovable的经济影响: 非技术人员在4至8小时内构建的内网，实现了传统上需花费50万美元的功能，年成本不到2000美元。平台上月访问量达7亿次，部分用户年收入超过100万美元。约60%的用户超出最低套餐上限并付费，ROI超越价格敏感度。
一句话研判
英特尔与Lovable的对比凸显了平台转型期"技术理解深度"与"执行速度优先级"这两个轴线。英特尔失去技术人员管理，容许与TSMC产生5倍产能差距。而Lovable将工程从瓶颈中解放，把"做什么"的判断力转化为稀缺资源。Gelsinger关于"token的边际价值无限大"的主张，暗示AI时代的杰文斯悖论——效率化带来需求爆发——其能源制约为唯一天花板的判断具有说服力。包括量子计算"2030年前产生有意义成果"的预测在内，技术基础设施的多层化将在未来十年加速。
来源: All-In Podcast《Former Intel CEO on What Went Wrong, What's Next + Lovable CEO on the Real Promise of Vibe Coding》（2026-07-15）
https://allinchamathjason.libsyn.com/former-intel-ceo-on-what-went-wrong-whats-next-lovable-ceo-on-the-real-promise-of-vibe-coding
# Intel# NVIDIA# Lovable# Pat Gelsinger
🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
OpenAI内部工具揭示"判断重于实现"的时代——Codex开发负责人谈产品开发的逆转
嘉宾: Lenny Rachitsky × Andrew Ambrosino（OpenAI Codex产品与工程主管）
结论
AI时代的稀缺资源不是实现能力,而是决定做什么的判断力。
三行摘要
OpenAI的Codex开发负责人Andrew Ambrosino通过内部采用率达90%(包括非工程师)的AI工具,揭示了"产品开发流程的逆转"。随着实现成本无限趋近于零,瓶颈从"能否做出来"转向"应该做什么",品味(审美眼光与战略判断)成为最昂贵的技能。模型性能提升时机决定的新PMF概念、角色流动化与专业性的平衡、原型传递错误信号等问题,这家最前沿AI公司的内部实践预示着12至24个月后的行业标准。
关注要点
1. 实现民主化带来的"90个团队无序实现"问题
OpenAI内部针对同一功能创意出现了"大概90个不同的无序团队在实现"的状态。AI让任何人都能做出任何东西,结果是昂贵的不再是实现,而是"在90个试作中决定哪个纳入产品、如何构建框架、使用什么抽象"的品味(审美眼光与战略判断)。
2. 模型性能左右产品成败的新时机依赖性
2026年2月发布的Codex应用"如果在11月就准备好会在市场上彻底失败。唯一的区别是11月和2月之间的模型性能",Ambrosino如此表示。传统的PMF(产品市场契合)理论没有考虑模型性能这一变量。团队需要将功能原型化后"搁置",在每次模型飞跃时重新尝试。
3. 视觉完成度不再指示流程阶段的混乱
过去Figma模型与生产代码的区别隐含传达"处于流程哪个阶段",但现在原型即使看起来像成品质量也可能处于早期探索阶段。团队需要明确传达"我们处于流程的这个位置",媒介选择(文档 vs. 原型)成为"针对想传达的要点选择正确格式"的战略判断。
一句话研判
这一证言之所以重要,是因为OpenAI的内部实践展示了行业12至24个月后的未来。Ambrosino所述的"流程逆转"可以说是实现成本趋近于零的极限状态下组织设计的实验报告。有趣的是,他在承认角色流动化的同时警告"废除产品职位是最糟糕的想法"——专业领域存在"真正的最佳实践",放弃它会产生"因为写了代码就在做产品"的误解。这是对创造性破坏阶段常见的"误判旧有专业性价值"陷阱的警示。此外,他自我批评"过于相信AGI"的场景(早期Codex Web因过度自主而失败)显示了不误判技术局限的谦逊态度的重要性。
来源: Lenny's Podcast《OpenAI Codex lead on the new shape of product work | Andrew Ambrosino》(2026-06-28)
https://www.lennysnewsletter.com/p/openai-codex-lead-on-the-new-shape
# OpenAI Codex# Product Process Inversion# Taste in Product Development# Model-Timing Dependency
🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
YouTube帝国的内侧——Mr. Beast讲述再投资哲学与巧克力产业的黑暗
嘉宾: 乔·罗根 × 吉米·多纳德森（Mr. Beast / YouTube创作者·企业家）
结论
创作者主导的媒体正通过彻底的再投资和伦理供应链的构建,从结构上同时取代好莱坞和传统产业。
三行摘要
在月活30亿用户的YouTube上触达8.5亿人的Mr. Beast,讲述了将全部收入再投资于制作的哲学,以及在西非可可农场发现150万儿童劳工的经过。在传统电视台追求利润率最优化的同时,他断言"只要做出最好的内容,钱自然会来",并实际实现了2200万美元奖金节目和历史建筑内的拍摄。
关注要点
1. 规模的数量级差异: Beast Games第一季总奖金额为2200万美元（传统游戏节目为25万美元）。投入了创世界纪录的1200台以上摄像机（此前纪录为400台）和150人以上的剪辑师。在罗马斗兽场举办了1000年来首次竞技,在埃及金字塔内拍摄了100小时。
2. 巧克力产业的结构性问题: 西非可可农场存在150万至180万儿童劳工,占农场劳动力的46%。向大型流通商提出"愿意支付溢价,希望采购无儿童劳工的可可"时,得到的回答是"这种选择字面意义上不存在"。通过Feastables巧克力实施了7个月试点项目,在5个村庄将儿童劳工减少了90%（550人→50人）。
3. 创作者经济的实态: 全球有800万至1200万专业内容创作者,2亿至3亿自称创作者,其中全职维生的约占4%。Mr. Beast的成功公式是"时间 × 重复 × 知识吸收 × 被拥有同样热情的人包围"。但平均需要4至5年（他本人用了10年）。
一句话研判
平台经济催生的"富足心态"在这里以伦理供应链的形式结出果实。传统电视是争夺有限时段的零和游戏,而在YouTube"数万亿次播放"这个近乎无限的市场中,向竞争对手传授秘诀反而会加速成长。这种结构转换不仅是媒体产业的话题,更暗示着资本主义本身的运作原理正在发生变化。
来源: The Joe Rogan Experience《#2527 - Mr. Beast》（2026-07-16）
(unknown)
# Mr. Beast# Feastables# Creator Economy# Creative Reinvestment
🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
AI检测器Pangram赢得信任的技术原因,以及依然存在的根本问题
嘉宾: Jake Castrenakes(The Verge主编) × Max Spiro(Pangram CEO)
结论
AI检测的可靠性问题可以用技术解决,但人类将思考外包的习惯无法用技术阻止。
三行摘要
AI文本检测工具Pangram的CEO Max Spiro解说了实现误检率万分之一(0.01%)的"主动学习"方法。该方法克服了传统"复杂度测量"方式将英语学习者错误判定为AI的结构性缺陷,在教育、出版、AI企业质量管理领域获得采用。但Spiro本人警告"不要仅凭检测结果让学生不及格"——AI依赖是时间不足或理解不足的症状,如果让ChatGPT写所有内容"自己思考的能力将永远无法培养"。
关注要点
1. 技术突破:用人类文本的AI镜像训练
Pangram从大量人类文本中提取检测器误判的边界案例,创建相同风格的AI生成文本(例:人类的Yelp评论→相同文体的AI版本)。用这种"合成镜像"训练,学习AI一贯选择的微妙词汇选择模式。传统复杂度测量(用可预测性判定)是没有改进余地的静态指标,而该方法可以反复改进——竞争对手要追上需要从头重建。
2. 过去检测器造成的公平性灾难
早期基于复杂度的检测器系统性地将英语学习者写的简单且可预测的文章判定为AI。独立宣言等背诵文本也因低复杂度被误检。这个问题在检测器讨论中几乎未被提及,但可能不当怀疑了数千名非母语者。Pangram的方法学习AI特有模式,因此避免了这种偏差。
3. 黑箱问题与"人性化工具"的军备竞赛
Spiro承认Pangram模型是进行"整体评估"的黑箱,向用户显示的可疑部分高亮来自Wikipedia的"AI文本迹象"列表,而非模型自身的可解释性研究。此外,他称制作通过改写AI文本规避检测的"人性化工具"的人为"地球上的人渣",正在收集、模仿这些工具的输出进行训练,进入军备竞赛。下一代模型将强化这方面对策。
一句话研判
检测技术的进化令人印象深刻,但Spiro本人警告"如果让ChatGPT写所有邮件,自己将永远无法写出像样的邮件"这一点才是本质。这是Marshall McLuhan"媒介即讯息"的现代版——工具规定思维方式。检测器只能让症状可视化,无法阻止认知外包这一病理本身。强调教育现场对话的建议是正确的,但如果不深入制度设计(时间、评价标准),学生出于"高效获得学分"的理性仍会继续使用AI。
来源: The Vergecast《The one AI detector people actually trust》(2026年7月16日)
https://www.theverge.com/the-vergecast
# Pangram# Perplexity-based Detection# ChatGPT# The Serpent in the Grove
🎧本期可收听深度电台（15–20分钟）Rio × マクル・ドーキン 对谈、离线收听、完整文字稿，尽在App
在App中收听 →
Steam Machine的6/10评分引发争议——对Valve的偏袒,还是对未完成品的正当扣分
嘉宾: David Pierce（主持人,The Verge）× Sean Hollister（高级记者,The Verge）
结论
售价1,049美元的Steam Machine获得低评分的原因不是性能不足,而是暂停/恢复功能故障这一出货时的未完成状态。
三行摘要
The Verge的Sean Hollister回应了对Steam Machine评测（6/10）的读者批评。相对于价格（1,049美元）,RTX 3060级别GPU（8GB VRAM）性价比不高,但他强调了紧凑/静音设计和SteamOS的价值。不过他明确表示如果暂停/恢复故障得到修复,评分会升至7/10,否认了对Valve偏袒的说法。
关注要点
1. 评分的分水岭是"bug"
Hollister明确表示"如果暂停/恢复功能能像Steam Deck一样正常工作,就会给7分。仅这一点就能加1分"。6/10不是对性能的妥协,而是对出货时故障的扣分。对于以1,049美元售价提供与PlayStation 5（5.5年前发售）同等性能的批评,他反驳称"这种静音性、紧凑性和性能无法通过自行组装重现"。
2. 8GB VRAM成为4K游戏的瓶颈
正如读者Jim指出的,虽然是RTX 3060级别但8GB VRAM在4K分辨率下已达极限。Hollister也同意"如果有12GB就不会出现4K问题。这个价位应该有更好的配置,或者更便宜"。存储/内存可更换但主板/GPU不可——这是紧凑散热设计的权衡。
3. "主机化战略"取决于普及数量
Hollister的核心主张:如果Steam Machine像PlayStation 5一样大量普及,开发者就会针对该规格进行优化,PC硬件军备竞赛会减速。Steam Deck（400美元）在这方面取得了成功,但1,049美元、限量供应无法达到临界点。Valve允许个人安装SteamOS但不提供OEM授权（原因是仅有350名员工的小规模体制）,自行限制了生态系统扩张。
一句话研判
这场争议映射的是平台转型期"完成度"定义的动摇。主机以出货时完成为前提,PC以持续更新为前提——Steam Machine标榜SteamOS这第三平台,却在两种标准下都以半成品状态进入市场。Valve的长期支持实绩（Steam Controller停产后仍更新数年）是信任依据,但那不是"现在应该买的理由",而只是"不能成为现在不买的借口"。Hollister的6/10体现了这种诚实的距离感。
来源: The Vergecast《Were we too nice to the Steam Machine?》（2026年7月15日）
https://www.theverge.com/the-vergecast
# Valve Corporation# Steam Machine# SteamOS# Linux
世界的智识，每天早晨15分钟。
音频、深度分析与你的专属知识图谱，尽在App。今天起免费。
获取App →