埃拉德·吉尔 Elad Gil

• Arm 已经从 IP 授权跨入实体芯片产品，Meta 是触发因素。 Meta 想要“一颗通用型 agentic CPU”，Arm 认为没有其他公司能提供，于是推出 Arm AGI CPU，并于去年3月发布、在 Hot Chips 上展示。生态方面的反弹小于预期，因为市场上更多基于 Arm 的软件会广泛惠及客户；发布时，Jensen、Rani Borkar、Amin 和 James Hamilton 都向公司表示祝贺。这一转型也让 Arm 补上供应链运营、内存配额、后端、版图、实现和流片启动等能力，而 Sarah 曾提到该业务的毛利率高达98.5%。

• AI 已经渗透 Arm 的工程团队，80%至90%的工程师每天使用，尤其集中在一条24至36个月芯片周期中真正的长板环节：验证、确认、调试和文档。 关掉 AI 就像把1990年代的互联网限时开放，Sarah 说“那会天下大乱”，Haas 则表示“瓶中精灵已经被放出来了”。RTL 生成以及顶尖系统的物理设计仍不够成熟，因为模型依赖公开数据，而关键信息属于专有内容。Haas 认为 Arm 拥有丰富 IP、文档和测试平台，因此具备优势；Elad 的观点是，无法使用、无法测试的 IP “实际上也无法训练”，因而无法用于 AI。

• Haas 认为，5年以上后，从想法直接走到 GDSII 文件对于简单设计完全可能，但不一定只需2至3年。 不过，如果要求一款芯片比 Vera Rubin 快10%、便宜20%、能效高30%，不可能靠按一下按钮解决。

• 只要 Transformer 仍是 AI 训练和推理的能量基本单位，供给至少还会紧张3至5年。 数据中心建设可能成为下一个瓶颈：不少项目既没有提前完工，也没有比预期少用人力，美国部分地区甚至在讨论放慢或限制开发。Haas 认为，这或许还好过晶圆和内存产能成为硬约束。撇开估值不谈，他表示，相对于需求出现供给过剩“远远谈不上”。

• SoftBank 可能为芯片初创公司提供资本、生态接入和潜在落脚点。 Haas 建议，资本开支密集型行业的年轻公司应尽早与供应链参与者、私募股权机构和银行建立战略合作，因为资本获取能力本身就是一道门槛。SoftBank Neo 代表集团打造 neocloud 的意图，可能为拥有芯片技术的公司提供一条路径：不必先拿下 Microsoft 或 Google 的设计导入。Haas 负责 Ampere、Graphcore 和 Stack AV 的发展方向，并协助 Masa 制定和执行机器人、OpenAI、基础设施及 Arm 相关战略。

• 机器人可能在仿人和专用形态上都发展到“几乎像《杰森一家》里的东西”，但成本高企，商业模式仍未验证。 配送中心可能率先实现大规模自动化；Elad 还提到工厂自动化、配送和自动驾驶卡车等早期场景。Haas 表示，Arm 将无处不在地进入机器人，从手指端的传感和感知，到人形机器人内部的计算。

• Haas 支持扩大美国半导体制造，并称出口管制竞赛是一场没有赢家的无限游戏；他警告，关键技术最终可能落在美国之外。 Elad 认为这种结果会很糟，主张继续站在技术前沿。Haas 认为，数据中心遭到反对主要源于对失业的恐惧，并称这种担忧缺乏依据；Elad 还指出有组织的媒体影响，Sarah 则提到电工工会要求不要禁止数据中心。谈到 CPU，Haas 说 ChatGPT 爆发后，市场过度聚焦加速器，忽略了 CPU 持续发挥的作用：随着工作负载从训练转向强化学习和推理，CPU 会与加速器和内存协同，负责调度 token 的去向。这一逻辑从数据中心延伸到边缘设备，而50瓦 GPU 不可能直接戴在人头上。

• 🔗 原始收听与视频来源： 与 Arm CEO Rene Haas 重新定义芯片架构

• 本期最值得交易的框架是：模型和算力是商品，沉淀的企业数据才是护城河。 Gonen Stein的表述是，模型和算力“相对短暂，几乎没有切换成本”，而“你真正拥有的最有价值的东西其实是数据”。案例已经出现：Google刚以1000万美元买下破产Spirit Airlines的数据——“他们买的不是飞机，而是数据”（They didn’t buy airplanes. They bought the data.）；Elad Gil还指出，传闻中的竞标对手是Mercor，意味着多家AI公司正在竞购一家破产航空公司的数据集。

• 因为优质真实世界训练数据稀缺，针对“死数据”的结构性竞价正在形成。 Stein说，科技公司CEO“不断被问：你们愿不愿意出售数据？”，各大实验室正“通过华尔街”购买对冲基金数据；由于缺乏替代品，人们至今仍把公开的Enron数据当作真实公司的数据。那些曾经“放在架子上积灰”的数据正在重估，预计会有更多破产资产数据被买走。

• Eon的套利空间在于：客户已经拥有这座金矿，但数据被锁在孤岛里、四处分散，访问成本高昂。 Eon的方案是一层云端“数据基础”，跨各大云服务商映射、分类数据，持续摄取数据而不影响生产和合规，控制PII及其他敏感数据的访问，并将其开放给AI工作流——解决数据团队被要求推进AI、业务部门却守着20年系统不愿放手之间的激励错位：那些“所有人都不敢关掉”的系统仍在运行。

• AI agent正把勒索软件威胁升级为“强化版”——它们拥有合法访问权限，却以极端速度行动。 Stein回忆，一位AWS时代的客户因资源没有被映射、分类和打标签，60%的环境暴露在勒索软件风险下；如今相同的威胁来自“拥有合法访问权和合法权限的非人类行为者”，结果可能是“一张表突然被删掉”。Stein说，6个月前还没人愿意讨论这个问题，如今他遇到的每位领导者要么害怕，要么已经亲历过。Ehrlich补充：“无论是恶意还是非恶意，我们都必须假设系统已经被攻破。”

• 非人类身份安全正在爆发成一个新类别，仪表盘不会消失，反而会越来越多。 Stein的反共识判断是，agent唤起agent后，责任链“几乎不可能”追踪，这解释了为何NHI安全创业公司层出不穷、终端安全卷土重来，以及企业需要更多仪表盘——“这是弄清楚它们到底在做什么的唯一办法”。借助Lovable等工具，非技术人员也能创建“一整套不受组织规则约束、却在处理敏感数据的组织内行为者”。

• AI转型是在更快、更猛烈地重演云迁移，而且恐惧已经从推动力变成了阻力。 亲历CloudEndure/AWS迁移时代的Ofir Ehrlich说，AI“就像当年的云迁移，但更猛烈”；客户正在“失去控制，以至于这变成了阻力而非推动力”，因为担心数据泄露和IP外流而暂停部署。与此同时，GTM打法也在重写：前置部署工程师从Palantir时代的异类变成所有公司的标配，PLG突然在开发者工具中奏效（Cognition就是案例），Long Lake甚至提出直接买下增长缓慢的公司、把它们改造成AI公司——“赚取套利”。

• 带保留的结论是：一切才刚开始——大多数公司仍未使用AI。 传统数据管线（Fivetran、dbt、Monte Carlo）是围绕单一用途的问题搭建的；随着token成本上升，“我们已经不在极限堆token的时代”，而Databricks正在“不断重塑自己”——“打不过就加入他们”。接下来的建设潮，才是这期节目的核心判断。

• 🔗 原始收听与视频来源： 重新思考传统数据基础设施：Eon 联合创始人 Ofir Ehrlich 与 Gonen Stein

• Elad认为，过去5年是一个万亿美元级异常期，Anthropic、OpenAI和SpaceX大致都从接近零跃升至1万亿美元。 这并不意味着新节奏已经形成：一家万亿美元公司可能需要500亿至1000亿美元收入和良好利润率，而他只能指出1家未具名的潜在竞争者可能在3至5年内达到这一门槛。

• Sarah反驳称，投资者仍在低估AI市场扩张，把Harvey或Abridge按每名律师或医生估值，而不是追问结果定价究竟能释放多大空间。 编程已经显示，消费量和交付价值未来可能“从现在起增长100倍”（“a hundred X from here”）；Elad认可机会，但坚持认为投资者混淆了最终市场规模与建设实体产能、实现收入所需的速度。

• Elad看到，一些最优秀的新创始人正在逃离野心：对新型实验室的恐惧正把他们推向小众AI、硬件或所谓实验室难以攻入的市场。 实验室确实会自然吞并部分产品，但不会全部吞并；同时避开这两类市场，等于放弃凭产品和分发取胜的机会。

• Elad称，大多数公司至少都应考虑出售，且许多公司只有12至18个月的价值最大化窗口。 尽管Anthropic和OpenAI近期不应出售，董事会仍应每6个月重新讨论退出，因为“1年的AI时间相当于正常周期的3至4年”；创始人还要计算稀释、最终大概率约10倍或可能15倍的回报倍数，以及被困在一家已经失灵的公司中、耗掉5或6年黄金生产期的不可替代成本。

• Sarah称，实验室内部弥漫着近乎躁狂的预期：编程可能在约6个月内或今年年底前基本被解决，随后在明年年底前后迎来“轻度RSI”。 她接受模型可以帮助改进训练，但不认同对时间表的信心：一些科学家过去5年里每隔18个月就预测一次递归自我改进拐点，而数据和实体算力仍是可信的瓶颈。

• 算力稀缺正在同时制造寡头格局和人的幂律分布：几十名研究员可能贡献约80%的成果，因此实验室日益按“投入Token的回报”分配稀缺算力。 这套逻辑也说明“软件即服务之死”被夸大了——企业可能把Token留给核心产品和大幅提升毛利率的项目，而不是重做便宜软件。

• 一种显著更好的架构可能出现，但Sarah预计，无论架构如何，行业都会耗尽所有可用算力和电力；Elad认为，高概率结果是突破会被现有实验室复制。 政策可能更快重绘地理版图：两人讨论了加州税收提案如何推动人才离开，以及德州如何吸引能源与硬件生态，因为那里更容易做实验。

• Elad的广泛警告是，安全可能演变成监管俘获：高合规负担能够保护那些已经在内部以指数速度推进的实验室。 他的比较对象是核电——法国发电量约70%来自核电，美国为18%，日本为25%——他认为过度的安全政治压制了充沛能源；Sarah反驳称反应堆现在正在建设，Elad则回应：“我们没建多少。”

• 🔗 原始收听与视频来源： 追逐万亿美元公司、创始人野心、Token预算与监管俘获

• Netic 正在为基础服务运营商打造一家“自主企业”，把实体服务之外的所有环节自动化，同时将履约和人工劳动留给人来完成。 其代理处理语音、文字和网页交互，推断客户需求，执行运营规则，并调度合适的工作人员。其目标是让 AI “运营数百万家维持世界运转的现实企业”。

• 切入口早已不只是电话接待溢出；Tokmak 表示，如今超过70%的客户属于“Netic first”，所有客户的首次互动都由 AI 处理。 在 HVAC 领域，这意味着判断设备类型、紧急程度、是否能提供服务、客户终身价值，以及稀缺的锅炉专家今天该出工还是改到之后，而不只是接起电话。

• Tokmak 选择可规模化的垂直软件，而不是通过 AI 赋能的服务业并购整合，因为 M&A 不是她的强项，而并购整合软件通常会被锁定在被收购资产之内。 她选择的替代方案是一层所有“现实世界企业都能运行其上”的通用智能基础设施，让运营商把精力集中在服务质量和差异化劳动上。

• Tokmak 认为，Netic 的差异化来自垂直场景的执行能力，而不只是模型本身。 她不认为头部实验室构成竞争风险：这些公司解决的是可泛化问题，而任务关键型服务需要领域聚焦，并在3个层面同时具备“harness 和编排、软件与产品”。在她看来，等 AGI 来解决基础服务，是“在运营和认知上都有点懒惰的想法”。

• 采用数据正在挑战“基础服务企业是技术落后者”的假设。 Tokmak 提到，一笔50万美元的合同从头到尾在14天内完成，并估算 Netic 已通过 AI 处理的客户互动为客户创造了“超过6亿美元”。她的商业推介主要围绕新增收入展开，因为“如果我们只用 AI 降本，那就太可悲了”。

• 公司的经营哲学更看重经得起时间考验的匠心，而不是短期的 AI 投机机会。 Tokmak 会避开“追逐新奇事物的人”，招聘时考察一个人在一生中反复展现出的主动性，以及执行力、严谨性和耐心。她认为，创始人对实验室路线图的恐惧，反映出许多企业是为快速退出而设计的，而不是为了“把自己的一生都献给”一家能经营数十年的公司。

• Tokmak 更广泛的 AI 乐观主义，核心是让教育触手可及，但她不会把获得知识与采取行动混为一谈。 把知识“放进口袋”会消除资源约束，让世界更多取决于人的主动性；但更阴暗的现实是，无论技术把行动变得多么容易，她仍敢保证，大多数人依然不会选择行动。

• 🔗 原始收听与视频来源： 打造服务现实世界的自主企业：与 Netic 创始人 Melisa Tokmak 对谈

• Booking 的供给规模是优势，但不是抵御 AI 原生入局者的永久防线。 Sarah Guo 提到，截至2025年末，Booking 的非酒店住宿房源达到860万套；Fogel 表示，Booking 在该品类的交易量约为 Airbnb 的四分之三，过去5年同口径增长更快。但“不存在所谓护城河”：合作伙伴服务、监管和规模当下有帮助，只有持续创新才能维持优势。

• Fogel 预计，AI 将成为个性化旅行管家，减少规划摩擦，同时保留客户的决策权。 他用 Penny 为一次家庭旅行协调了大巴前后排座位和舱位偏好、不同返程城市、酒店、接驳，以及里程还是现金的支付选择。据称，Penny 的使用量连续数月按月翻倍；但更大的机会在于处理行程中断，因为“旅行就像多米诺骨牌”，一处出错就可能让整段行程失效。

• Penny 的漏斗信号颇有希望，但在 Booking 的规模上，经济模型仍未得到验证。 面对1860亿美元的年度旅行规模和超过10亿间夜，Fogel 表示，这个智能体规模仍太小，尚不足以撬动财报数据。Booking 需要测算每次旅行的 token 成本、模型路由、转化率、取消率、忠诚度和客户终身价值；目前单次客服联系成本已经下降，客户满意度则有所上升。

• 即便处于 AI 投资周期，资本配置仍保持纪律。 Fogel 将 Sarah 提到的5.5亿美元口径纠正为今年约投入7亿美元，覆盖多个项目，其中并非全部属于 AI 或技术赋能。他首先评估内部投资能否带来足够高的正向 ROI，再考虑收购，否则就把现金返还给股东。过去约12年，Booking 已回购约40%的股份，其中一个季度回购36亿美元，同时也持续派发股息。

• Priceline 的濒死经历，让 Fogel 对 AI 热潮保持非同寻常的纪律感。 Priceline 市值一度升至约300亿美元，但 Fogel 加入时约为150亿美元，9个月后只剩数亿美元；其1美元股价经反向拆股变为6美元，去年夏天一度逼近6000美元。他预计 AI 行业会出现“大量失望”和重大亏损，但拒绝预测最终幸存者比例，因为投机热潮也会为真正的创新提供资金。

• 战略层面的社会风险，不在于技术是否创造价值，而在于劳动者能否足够快地跨过转型期。 Booking 涵盖40多种语言的人工翻译岗位，在机器翻译出现后消失；Fogel 担心，新岗位“可能”不会以旧岗位消失的速度出现。他给出的具体测试案例，是一名因自动化而被替代的50多岁卡车司机：再培训、尊严和就业能力，将决定社会最终接受还是拒绝 AI。

• Fogel 的管理视野最终关乎个人，而不只是财务。 他说，“人生只有一次”，有选择余地的人应当“做出明智选择”，不要等薪水和安逸把自己锁进一条日后后悔的职业道路。他选择留下，是因为让旅行更容易能帮助人们接触其他文化——即便如他所说，“我们不是在治愈癌症”。

• 🔗 原始收听与视频来源： 透过 AI 镜头看旅行：与 Booking.com CEO Glenn Fogel 对谈

• Tan 的转型论从恢复 Intel 的运营本能开始，而不是先宣称技术领先。 66岁接任时，他说自己“纯粹是为了拯救 Intel”，随后将所有工程组织置于自己直接管理之下，砍掉会议层级，要求以创业公司速度决策。他的顺序刻意不追求光鲜：“爬行”、谦逊倾听、修复资产负债表、简化产品，然后再走、跑、冲刺。

• 战略资本与复苏中的 CPU 需求，为 Intel 的执行提供支撑。 Tan 欢迎美国政府成为主要股东，并援引其他国家政府支持半导体基础设施的先例；Jensen Huang 投资了 $5 billion，Tan 说这笔投资“现在已经变成 $25 billion”，SoftBank 也提供了帮助。随着推理和 agentic AI 扩张，他预计训练阶段 CPU 与 GPU 的比例将从 1:8 升至 1:4，甚至可能达到 1:1，因为模型开发者告诉他，CPU 更适合强化学习和 agent 编排。

• Intel Foundry 是一场押注美国供应链韧性与长期信任的持久战。 Tan 曾考虑退出，因为这项业务资本密集且远远落后于 TSMC，但最终认为，供应链韧性需要美国拥有更先进的产能。能否胜出取决于 IP、良率、缺陷密度和周期时间等朴素但可验证的指标，因为晶圆代工“本质上是服务业”，也是“信任生意”；他预计其潜力将在 2030–2032 年左右开始显现。

• TeraFab 将检验 Intel 能否把自身工艺技术，与 Elon Musk 质疑一切惯例的意愿结合起来。 Musk 希望为汽车和机器人所需的芯片建设自有晶圆厂，Intel 正每周与其合作，帮助他更快实现量产。Tan 欢迎这种非传统审视，但表示自己不会走到在洁净室抽烟这一步，同时仍对这个想法持开放态度。

• AI 需求正撞上软件无法消除的物理约束。 Tan 指出电力、氦气和存储器短缺，而新晶圆厂产能需要多年建设，成本上升最终会传导给客户。在 18A 和 14A 之后，他看到了通往 10A 和 7A 的路径，但难度升级正把他推向先进封装、玻璃、人造钻石、氮化镓、碳化硅和磷化铟。

• Tan 的半导体投资公式是：找到痛苦的瓶颈，锁定一家 hyperscaler 客户，并预期计划会改变。 他提到自己多年来参与了 159 次 IPO 和并购，并投资了 238 家公司，其中 38% 在美国；当前关注互连、光链路、EDA、电源转换和散热管理。“我投资的10家公司中，有9家”会在中途改变商业计划，因此，能适应变化的团队，以及愿意陪伴企业熬过濒临破产阶段的投资者，比僵化的预测更有价值。

• 潜在的 10x 逻辑，建立在全栈、应用专用计算之上，而不是无差别增加 AI 基础设施支出。 Tan 希望 Intel 将 XPU 产品、软件、先进封装和晶圆代工整合为面向 PC、边缘计算、agentic AI 和 physical AI 的定制化系统。在他所称的14个月股东回报增长6倍之后，他提出未来5到10年实现 10x 的目标，但也表示，基础设施最终由规模大、可持续且竞争不会拥挤到无法盈利的应用来决定赢家。

• 🔗 原始收听与视频来源： 与 Intel CEO Lip Bu Tan 重构半导体供应链

• Biohub承诺投入5亿美元发展虚拟生物学，是一笔押注“耐心资本”的投资，核心判断是生物学的主要瓶颈在于专门构建的数据，而不只是更大的模型。 与互联网文本不同，生物学所需的大量数据并不存在：研究者必须发明新的成像、细胞工程和传感方法，先把这些数据生产出来。Zuckerberg认为，这需要“前沿生物学与前沿AI”，并以10至15年的时间跨度为支撑。

• Biohub有意将AI与湿实验室融为一体，沿着蛋白质、细胞到完整系统的层级搭建生物学模型。 每一层可能都需要性质完全不同的数据和建模方法，但蛋白质相互作用构成细胞的基础，细胞又有助于解释免疫、炎症等系统。这样的架构试图闭合实验循环：定向实验生成跨层数据，模型则支持预测和设计。

• 最新发布的ESMfold是本期最有力的验证：这一通用蛋白质模型预测了超过11亿种蛋白质的结构，并在没有接受抗体专项训练的情况下支持了设计能力。 团队从数十万条数字轨迹中筛选并合成96种蛋白质，装入96孔板后发现纳摩尔级结合分子。Rives说：“我们刚刚设计出了一个能够理解蛋白质的模型”；蛋白质设计正是这种理解自然涌现出的能力。

• 开源既是Biohub的分发策略，也是其核心非营利逻辑，而不是研究之外的附属选择。 Zuckerberg认为，让更多人更快获得这些模型所产生的影响，会超过模型商业化带来的收益；Chan则认为，中立基础设施能够吸引学术界、生物科技公司和罕见病群体，而这些对象往往会被商业优先级排除在外。唯一明确的前提是：开放生物学模型会带来生物安全问题，仍需在影响力与风险之间取得平衡。

• Biohub的临床终点是机制驱动的个体化医疗：把一个人的遗传信息连接到蛋白质、疾病过程和定制化干预方案。 Chan将其与今天基于队列的猜测式医疗作对比——患者只能问“我在这篇论文里有代表性吗？”——并表示，单细胞图谱最终可能帮助研究者在人类试验前预测肾毒性等脱靶效应。她的目标是“把每个人当作独立的个体来治疗”。

• 药物设计的成本可能大幅下降，但嘉宾并未假设分子研发提速就能自动解决临床开发问题。 主持人将现有流程概括为约15年、15亿美元，其中分子发现和临床前工作只有约5000万美元，开发阶段则要花费14.5亿美元。Chan认为更不清晰的是，临床研究、药物递送、监管和安全部署本身需要如何改变，才能缩短从实验台到患者之间的距离。

• Biohub在执行层面的押注是：一支由12名或20多名顶尖研究者组成的稳定团队，可以在不扩张到数百或数千人的情况下取得实质进展，前提是将前沿AI、前沿生物学、算力、实验和新数据生成能力结合起来。 5年后的成功标准，是产出“明显更好”的分层生物学世界模型，以及独特的知识贡献；Zuckerberg预计，此后下游创意会自然涌现。他更广泛的判断是，AI仍然“按计划推进”于一条加速曲线上，即便这条轨迹在心理上已经难以承受。

• 🔗 原始收听与视频来源： Biohub：生物学的未来是开源的——联合创始人 Mark Zuckerberg、Priscilla Chan 与科学负责人 Alex Rives

• Satya Nadella 的战略判断是，AI 必须成为一个生态系统，而不是“单一模型，甚至不是单一平台”。 平台只有在参与者在其上创造的价值超过平台所有者在平台内部攫取的价值时，才配得上这个称呼；否则，开发者只是在“一个模型的圣坛前膜拜”，几乎没有理由相信会形成可持续的终值。

• Microsoft 的模型战略，是将来源清晰的 MAI 模型与帮助客户打造专用模型的工具链结合起来。 这套技术栈从高质量数据和消融实验起步，再叠加迭代爬坡框架、强化学习、轨迹数据和私有评测。在 Land O’Lakes 的案例中，Microsoft 先使用“GPT-55”收集轨迹数据，再将这些数据用于一个 5B 推理模型，最终取得更高成绩。

• 私有评测可能成为公司最重要的 AI 原生知识产权。 Nadella 的检验标准很简单：企业能否把模型 A 换成模型 B，并在不泄露轨迹数据的情况下，持续围绕自己拥有的评测取得进步；“如果可以，你就在掌控之中；如果不行，你就不在掌控之中。”（“If you can, then you’re in control. If you can’t, you’re not in control.”）

• 智能体扩大了软件创造价值的空间，但也迫使 SaaS 厂商拆解现有资产和定价体系。 稳定的数据模型和业务逻辑依然有价值，而智能体接口会创造新的用量：Work IQ 将 Microsoft 365 原本被锁定的邮件、会议和文档转化为上下文，并据此提出 GitHub 代码库的修改建议。

• 按用户订阅会继续存在，但高强度智能体必须配套用量计量。 按用户定价能带来预算确定性；结果定价听起来诱人，但一旦变成“把版税白送出去”，就会失去吸引力。GitHub Copilot 最初的按用户设计没有预料到客户会全天运行“10,000”个智能体，因此不可能用一种定价模型覆盖所有工作负载。

• 组织获得最高回报的方式，可能是把工作提升为“元工作”，而不只是自动化现有任务。 Microsoft 在15个月内新增的 Azure 容量超过了其前15年建设总量后，网络团队重新定义了自己的工作：“我们的工作不是做 Azure 网络，而是构建负责做 Azure 网络的智能体系统。”

• 数据中心建设只有在社区看到切实收益时，才能获得社会许可。 Nadella 表示，未来12–18个月必须证明广泛参与、就业、培训、税收、更好的健康结果以及其他具体收益，而不能再讲一个“相信我们，我们已经搞定了”的故事。教育仍是亟待重塑的领域，为“一所新大学”留下了空间，将 AI 时代的教学法和学历资质与经济机会连接起来。

• 🔗 原始收听与视频来源： 我们需要一个 AI 生态系统，每家公司都能在其中赢得一席之地

• Nadella 的核心判断是，AI 创造的价值应归于一个能让每家公司“以自身的前沿智能运行”的生态，而不是某一个模型。 他衡量平台的标准，是平台之上创造的价值是否多于平台内部攫取的价值；MAI 的干净血缘、专业化脚手架，以及一款能够爬山式优化的 5B 推理模型，正是 Microsoft 走向这一平衡的路径。

• 真正持久的护城河，可能是公司的私有评测、上下文、工具和 agent 轨迹，而不是对通用模型的访问权。 Nadella 的试金石是：从模型 A 切换到模型 B，能否依靠私有评测继续取得进步；“如果能做到，你就掌握了控制权。”这些轨迹还可以训练出一个“公司元老 agent”，把过去无法写入资产负债表的隐性知识沉淀下来。

• AI 的真正评测标准，是可量化地完成了多少工作，而部署难度仍远高于 scaling law 基准所暗示的水平。 编程已经产生“100个 agent 会话”，转移给人的认知负荷大到需要重做 IDE、画布，最终还需要一个用于审计隔夜自动驾驶 agent 的“ADE”。价值在于压缩工作流，而上下文准备才是“魔法发生的地方”。

• SaaS 更可能被拆包和重新定价，而不是被抹去。 稳定的 schema、业务逻辑和语义模型仍然有价值，agent 则会以新的组合方式把它们暴露出来；例如 Work IQ 可以把 Microsoft 365 的会议纪要连接到 GitHub 代码库。定价将混合按用户收费的确定性与按消耗计量，因为为代码补全设计的订阅，并不是为某人启动“10,000个” agent 而生。

• 组织层面的最高回报，可能流向那些职责范围不断扩大的通才，而基础设施专家的重要性反而会上升。 LinkedIn 建立了“全栈构建者”这一职能，Azure 网络团队也重新定义工作：打造运行网络的 agentic 系统。在 Microsoft 用 15个月建成超过前 15年总量的 Azure 产能后，负责管理 500多名光纤运营商的团队开始要求 tokens，而不是增加人手。

• 数据中心扩张只有在社区能切实看到能源、水、就业、培训和税基方面的收益时，才能获得许可。 Nadella 拒绝“相信我们，我们已经搞定了，未来会无比辉煌”这套说法；在 12–18个月内，人们需要看到参与其中、成为平等参与者的现实路径。高能耗只有转化为广泛的经济和人本价值，才能获得社会接受。

• 教育仍是 AI 尚未充分开发的机会，因为仅仅获得信息，并不能重做激励机制、资格认证或就业路径。 Nadella 仍坚持学习者必须理解概念，并以一个亚洲 CS 指南的例子说明：学生被要求学会应用 softmax，而不是只让 agent 修复训练任务；但他认为，下一家重要的创业公司可能会打造“一所新大学”，或一种把课程与有价值的经济机会连接起来的新教学法。

• 🔗 原始收听与视频来源： Satya Nadella 谈 AI：2026 Microsoft Build 大会 @NoPriorsPodcast x Latent Space 跨界特别节目

访谈摘要与收听要点：2025年模型真正变得有用后，Cerebras称其晶圆级系统在不同模型上比GPU快15、18乃至20倍，推理延迟由指标变成日常约束。G42的10亿美元订单推动大规模集群实战，Feldman称超过200亿美元的OpenAI协议及AWS部署将检验其今年制造规模提升10倍的交付与扩产能力。

• 🔗 原始收听与视频来源： Cerebras 630亿美元IPO背后的故事：创始人兼CEO Andrew Feldman
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Pax Silica 在菲律宾的首个工业安全区，将结合外交资产、盟友制造能力和私人运营商，解决超越芯片的供应链集中问题。机器人、关键矿产和自动化生产带来重大机会，但定价协议、执行能力以及跨政府的政策延续性仍未解决。

• 🔗 原始收听与视频来源： Pax Silica：与 Jacob Helberg 深入解读 Trump 政府的科技战略
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Long Lake同意以63亿美元收购American Express Global Business Travel，Sarah Guo认为这可能是全球首宗AI私有化交易。Nexus在约30宗收购中复用约80%基础设施，将AI部署从超过1年压缩至数天；被收购企业有机增速据称由0–5%升至20%或以上，但交易推进与落地执行仍需观察。

• 🔗 原始收听与视频来源： Amex Global Business Travel：全球首宗AI私有化交易——对话Long Lake CEO Alexander Taubman
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Baseten的30倍增长和预计超过10亿美元的营收，反映AI原生应用正在爆发，而专有工作流反馈正成为定制化生产推理的持久护城河。超过95%的token通过专用推理运行，18朵云上的90个集群接近满载；3至5年算力合同和约20%的TCV预付，使供给、营运资金和更早上市成为核心风险。

• 🔗 原始收听与视频来源： Baseten CEO Tuhin Srivastava谈定制模型与构建推理云
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Roblox 正把 Holodeck 愿景延伸为混合式多人 AI 技术栈，每月130亿小时交互数据和1万人同步状态可能形成数据优势。NPC、虚拟分身、程序化创作和 agent 测试可扩大内容供给，但质量预期、隐私边界、AI关系及10%游戏内容目标仍是执行考验。

• 🔗 原始收听与视频来源： AI将如何把Roblox游戏变成照片级真实世界｜CEO David Baszucki
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Periodic Labs以语言模型编排实验，并结合具备对称性感知的原子神经网络，把互联网先验转化为持续产生物理反馈的材料智能。公司先从数据检查、设备调试、配方改进和实验控制的软件智能层起步，瞄准半导体、航空航天与能源领域的生产率提升，但基础设施周期与发现模式的经济性仍待验证。

• 🔗 原始收听与视频来源： AI 驱动原子：Periodic Labs 联合创始人 Liam Fedus 如何重塑材料工程
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：AI 原生公司用更少工程师实现快速增长，但企业安全、分销和变革管理仍让 Samsara 等重基础设施软件具备防守力。模型价格持续暴跌，却可能把替代周期压缩至一两年，使可复制的单点产品脆弱，产品组合、生态和硬件更具韧性。

• 🔗 原始收听与视频来源： 从 SaaS 到 AI-First：企业如何重塑创新
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Roblox正用AI加速一项持续近20年的多人Holodeck愿景，近期目标是占据全球游戏内容10%、约3亿DAU，并达到当前规模约3倍。每月130亿小时的互动数据可能成为其差异化资产，支持可回放的3D历史和更强NPC；但云原生生成既放大创作者杠杆，也会同步抬高用户质量预期。

• 🔗 原始收听与视频来源： 推出 4D Creation 开放测试：NPC、4D 世界与 Roblox CEO Dave Baszucki 对游戏未来的展望
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：GitHub Copilot在真实环境中的通过率从低于10%升至超过60%，低延迟和下降的推理成本则把模型能力转化为成熟产品。Minion将受控agent用于日程、旅行、报税和联系人管理，通过现实行动形成反馈闭环；欺诈、冒充与网页行为数据仍是关键风险。

• 🔗 原始收听与视频来源： 《No Priors》第10期｜与 Copilot 首席架构师、Minion.AI 创始人 Alex Graveley 对谈
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：推理token、搜索grounding和置信度路由让AI足以支撑专业领域盈利采用，同时每个新token都扩大对芯片、能源和AI工厂的需求。开源、算力降价与垂直化让市场超越少数实验室，领域可靠性、能源供应和架构变化将决定价值归属。

• 🔗 原始收听与视频来源： NVIDIA 的 Jensen Huang 谈推理模型、机器人与驳斥“AI 泡沫”叙事
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：AI正在垂直软件和医疗领域快速扩散，速度超过反弹叙事；机器人则可能在规模化部署前先经历市场情绪重置。2026年的机会集中在工作流agent、AI IPO的反身性、科学发现、国防自主化、肽类药物，以及追求每瓦智能的基础设施。

• 🔗 原始收听与视频来源： No Priors 第144期｜Sarah 与 Elad 展望2026年AI
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。