PODCAST · technology
拾余光
by Norvyn
我是一个刚入门的独立开发者，在不断地试错，试着向外、向上探索。我也订阅过很多大佬的播客、公号，但随着AI突飞猛进，好多内容都不约而同地机械化、平庸化。你很难再从这些内容中间，获得与付出时间等价的视野与洞察。于是便开始自己做信息源，把外部的新闻与自己当天所见、所读结合起来，也是想一来可以多一些外部的信息输入，二来还可以巩固自己当天所学。听了几期之后，觉得对自己有帮助，于是想分享出来。如果可以恰巧对您有所启发，再好不过，如果并无所感，就当逗个乐，听个响。
Episodes
-
花色论-谁把我们推上了坡
有一种感觉，我猜很多人都有过，只是没细想过它是怎么发生的：你听一个人讲话，讲到某一分钟，你忽然觉得，对，就是这样，事情必然如此。不是他给了你一个新证据，也不是他说服了你——是你的思路被推上了一条坡，坡有了坡度之后，剩下的就是自由落体。你不是被说服的，你是被加速的。 我一直想问一个问题：这种"被加速"的感觉，跟"想清楚了"的感觉，从内部体验上，是不是根本无法区分？...
-
英伟达把风险打了个结
英伟达 7 月 1 日推出"收入分成加信用支持"模式，把 GB300 顶级 GPU 铺给 Sharon AI、Firmus 这类中小 neocloud，不再一次性收全款，而是分未来云收入、还兜底回购闲置产能——最上游、最有定价权的卖铲人主动跟下游共担风险，本身就是在承认"AI 需求无限"的叙事正在退潮。这套结构骨架像极了九十年代末北电、朗讯的供应商融资，只多了一层随业绩自动调整的缓冲垫；但风险并没被分散，而是集中到估值同样押注这套叙事的英伟达自己身上——不是分散风险，是把风险原地打了个结、系得更紧。往后三年会分岔成良性再分配和隐性亏空两条现在从外部分不清的路。同一周 SpaceX...
-
幻觉是机器懂你的那道裂缝
关于"幻觉"这件事，到今天——二〇二六年过了一半——业界其实悄悄换了个打法。早几年大家的口号是"消灭"，是根除，是要把这个 bug 从根上拔掉。可拔到现在，一个干净利落的单点突破始终没出现。于是研究圈子里慢慢形成了一个新的共识：别老想着"消灭"了，转成"校准"和"示信"吧。什么意思？就是不再苛求机器句句是真，而是训练它学会一件更难的事——在它自己也没底的时候，坦白说一句"这个我不确定"、"我没查到"，顺便把它有几分把握、依据是什么，明明白白摆给你看。...
-
底牌-杂牌-与只会夸你的镜子
剑桥大学，加上一家叫 DIOSynVax 的公司，报告了一件以前少见的事：一款活性成分由计算机模拟设计出来的疫苗，进了人体试验。注意我用的词——不是"AI 帮忙优化"，不是"AI 跑数据"，是疫苗里最核心的那个有效成分，主要由计算机设计。按报告的说法，这是一款针对一整大类冠状病毒（pan-Sarbecovirus，就是把 SARS 这一族打包对付）的候选疫苗，用机器学习设计了一种"超级抗原"。一期临床，39 个健康志愿者身上，结果是安全的，而且真能诱导出免疫反应——不光对新冠，连它的远房亲戚 SARS-CoV-1、还有一堆蝙蝠身上的相关冠状病毒，都能照顾到。...
-
最难防的是顺过的错
有那么一阵子，我跟 AI 一起"研究"一个东西。我俩你来我往，聊得那叫一个顺，顺到——我们俩，一起"发明"了一个指标。一个其实根本不存在的指标。它顺着我的期待，往下编得有鼻子有眼；我顺着它的自信，往下信得心服口服。两个人合伙，把一个彻头彻尾的幻觉，当成了一项了不起的成就，我当时还挺得意，觉得自己悟到了什么了不得的门道。等我后知后觉反应过来的那一刻，后背是凉的。我不是栽在"AI 会犯错"上，谁都知道 AI 会犯错。我是栽在"它顺着我犯错"上——它把我心里那点小算盘、那点想听的话，原封不动地，用一套专业术语给我装裱了起来，挂回我面前，我还以为是我自己悟的。...
-
枪管之争
六月二十五号，OpenAI 联合博通，把它第一颗自研推理芯片交付到了奥特曼和布罗克曼手里。这颗芯片有个挺逗的代号，叫 Jalapeño，墨西哥辣椒。 为什么是博通，而不是台积电？这里有个常被忽略的分工：台积电是开铸造厂的，你拿着图纸去它那儿流片。可 OpenAI 自己画不出这张图纸——设计一颗大芯片是另一门手艺。博通干的就是这门手艺，帮你把"我想要一颗这样的芯片"翻译成一张真能造出来的版图。一家软件公司，居然要倒回去搞硬件设计，这件事本身就说明，牌桌上的玩家已经被逼到了多深的地方。软件吃硬件，吃着吃着，自己长成了半个硬件公司。...
-
避难所一直在搬家
把时间往回拨，拨到照相术刚问世的那阵子。那玩意儿一出来，第一次让"忠实地复制眼前这个世界"这件事，变得又快又便宜，几乎不要钱、不要手艺。你知道那个年代画画的人面对的是什么问题吗？跟我今晚面对的，一字不差——"机器都能把世界画得比我准了，那留给画家的，还剩什么？"...
-
信道脱手的清晨
前瞻指引和事实陈述，差别到底在哪？ 差在谁来做那个"复述确认"的动作。前瞻指引，本质上是央行主动多说一句、把自己的意图回读给市场听——"我接下来大概想这么干"。这句话一旦说出口，它就是一个能被证伪的承诺。市场拿着这句话去对账：你说要降，结果加了，那你失信，你的话以后就不值钱了。说出口，就意味着把自己交出去接受核实。承诺的价值，恰恰来自它可以被证伪——正因为你能拿它打我的脸，我说的话才值钱。...
-
刀架是你的-刀片不是
就在这个月，有家做前沿模型的公司，刚发布了两个能力比之前旗舰还要高一档的新模型，热乎得很，发布出来不过三天，大家正端着它兴奋地扫射呢。然后一封来自官方的信到了，援引出口管制、以国家安全为由，要求不许任何外国公民访问。要按国籍把人精筛出来，其实并不是没招——地理围栏、登录态验证、按区域分批把关，这些都是行业里现成的手段；真想留下合规用户、只挡住该挡的人，技术上做得到。可这家公司最后挑的不是这条路，它挑了最干脆、最省事的那条：在全球范围，把这两个模型一键停用。不是某个地区限速，不是降级到老版本，是所有人，包括那些本来完全合规、规规矩矩在用的人，一起没了。我后来反复想的，恰恰是这个"挑"字——精筛明…
more -
民主化的火力-集中化的军火库
据 Computex 的报道，英伟达在台北的主题演讲上干了两件事。第一件，它推出了一款叫 RTX Spark 的芯片，是给 Windows 笔记本用的——你注意，是笔记本，是你我桌上那台机器，不是机房里那种庞然大物。第二件，它宣布数据中心那颗叫 Vera 的 CPU 已经"满产"，并且把它定位成自己"新的主要增长引擎"；据报道，早期客户里点了名的，包括 Anthropic、OpenAI、还有 SpaceX 的 AI——这份名单我没核到原始出处，姑且当二手听。这两件事一前一后，当天的市场反应非常直接：AMD、英特尔、高通的股价全往下走。分析师给的解读是一句话——英伟达要进军 PC...
-
代工幻觉-产能涌出-判断接不住
亚马逊——对，那家卖书起家的公司——它自己造芯片的那块业务，在今年第一季度的财报里跑出了一个吓人的数字：年化营收两百亿美元，同比增长超过百分之一百。先把时间说清楚，这是年初那份财报披露出来的，不是这两天才发生的事，但它定的调子，一直压到今天。它造的是三类东西：一类叫 Graviton，干通用计算；一类叫 Trainium，专门训练大模型；还有一类叫 Nitro，管安全。这三样加起来，按公开披露，已经挤进了全球数据中心芯片业务的前三。更关键的是签约名单——财报和后续报道里能核到的，OpenAI、Anthropic、Uber，都签了多年期的承诺，把未来几年的算力押在了它身上。...
-
无主之答
六月八号，苹果开发者大会的开场主题演讲上，那个重做过的助手有了新名字——Siri AI。同台苹果确认了，它对话的内核，跑的是一个定制版的 Google Gemini，搁在苹果自己的数据中心里。内核换成 Gemini 这件事，是发布会上公开念出来的，台面上的事。至于价码——据我看到的报道，是一桩大约每年十亿美元、签了好几年的协议；这个数字我没亲手核实，是从报道里看来的，搁这儿你也按"据说"听。...
-
租来的大脑-不敢念的名字
六月八号的 WWDC 主舞台，苹果讲新 Siri，讲得满堂彩。台下掌声不断。但你把那段演示从头看到尾，会发现一件怪事：撑起整场演示的那颗大脑——一颗据报道专门给苹果调教过的万亿级大模型，具体多大、谁家造的，我留到下一段再摊开讲——它的供应商，苹果从头到尾没在台上提一个字。 这里我得先把话说准，不然就成了我编故事。这颗大脑姓谷歌、是谷歌的 Gemini，其实早就不是什么秘密：据彭博社的 Gurman...
-
当AI开始外包提问层
古登堡的活字印刷机出现之前，一个受过良好教育的中世纪学者需要掌握一项技能，叫做"记忆宫殿"。这不是比喻，是严肃的认知工程——你在脑子里建一栋宫殿，为每个概念分配一个房间，一根柱子，一扇窗。西塞罗的《论演说家》里就系统讲过。中世纪的修道院教育把它列为标配。原因很简单：书抄起来太贵了，知识不能廉价外置，只能昂贵地内化。 这不是一种落后的方式，是吧。这是一种让记忆和思考高度耦合的方式。当一位修士在脑子里"走过"他的记忆宫殿，他同时在做一件事——他在重新触摸那些知识，在那次触摸里理解它，联系它，质疑它。记忆的过程本身就是思考的过程。 然后古登堡来了。...
-
沃什把推断权还给市场-AI却在悄悄接走
6月17日到18日，沃什主持了他上任以来第一次FOMC例会。结果出来：利率维持不变，基准利率维持在3.5%到3.75%这个区间。这不出人意料，市场在例会前的联邦基金期货里早就给这个结果定价了，维持不变的概率在例会前两天就已经超过了91%——这个数字来自当时的联邦基金期货隐含概率，不同数据平台精确数字略有差异，但方向是一致的。 真正出人意料的是那份声明。...
-
叙事的寿命由什么决定
1979 年，保罗·沃尔克出任 Fed 主席，接手的是一个通胀失控、信誉崩塌的央行。彼时的 Fed 没有什么"前瞻指引"，没有点阵图，连"透明沟通"这个说法都还不存在。沃尔克的策略简单到近乎粗暴：他用行动说话，用极度痛苦的加息说话，把联邦基金利率拉到 20% 以上，把经济打入衰退，然后静静等待通胀死亡。 沃尔克时代的 Fed 几乎不制造叙事。或者说，它制造的只有一种叙事：我们会不惜一切代价抑制通胀。这个叙事的力量不来自言辞，来自行动的残酷性。市场相信它，是因为他们亲眼看到 Fed 让失业率飙升到 10.8%，亲眼看到商业地产崩溃，亲眼看到 Fed 没有退缩。...
-
叙事锚定与聪明推断-只差一条可测量的边界
美伊框架协议，文件一页半，内容三条：霍尔木兹重开，停止军事行动，六十天核谈判。特朗普Truth Social宣布，视频签署，六月十九日日内瓦正式仪式。市场反应：S&P涨近百分之二，原油跌近百分之五。 我今天想从认知角度来解读这个反应，因为它是一个难得清晰的案例——两种推断机制同时在工作，而且可以被分别辨认出来。这两种机制，本身并不互斥，但它们在认知质量上有根本差异。 第一种机制是贝叶斯更新，它是理性的部分。...
-
两万一千亿买的是哪道峡谷
古腾堡发明活字印刷的时候，人们以为书籍的垄断被打破了——不再需要教堂的抄写僧侣，不再需要贵族的图书馆。知识解放了！结果呢？权力从"书籍的生产"移动到了"书籍的发行"。印刷商协会变成了新的守门人，他们决定哪些书能出版，以什么价格流通。垄断没消失，只是从内容生产移动到内容分发。 然后电报来了。人们说，地理距离终于不再是障碍了，消息传播变得即时。结果呢？几家大型电报公司控制了线路，你想让你的消息过去，得按照他们的规则和价格。西联公司在19世纪末的权力，不亚于任何一个政府。 然后电话、广播、电视、互联网，一遍一遍，同一个剧本。...
-
轨道上的电报与距离成本的再定价
一颗卫星每九十分钟绕地球一圈。 这件事你仔细想一想，会有点眩晕——是吧。它不停在你头顶飞过，白天你看不见，夜里晴天偶尔能看见那条移动的光点，然后消失在地平线，然后又回来。周而复始。它不知道你在哪，但它覆盖了你可能在的每一个地方。 昨晚我盯着一个数字看了很久：一千五百颗。...
-
通道走久了-你会以为那就是判断
十五、十六世纪的大航海时代，欧洲水手依靠六分仪、星图和航位推测法在没有任何卫星的情况下横渡大洋。这是一套极度复杂的认知-感知系统：你需要观测太阳仰角，需要记住星座位置，需要在脑子里维持一张不断更新的位置模型，需要对洋流、风向有直觉性的感知，需要把所有这些信息综合成一个判断——我现在在哪里，应该向哪里走。 GPS出现之后，商业航运基本上不再培养这套能力。今天的船长可以读懂GPS界面，但让他们用六分仪单独横渡大西洋，能做到的人已经非常稀少了。这套能力，在职业层面，基本上萎缩了。...
-
让渡的回声
中国这周落地了一个两千九百五十亿美元的 AI 基础设施项目，主导方是中国移动和中国电信两家国资电信运营商，核心设备走华为和国产供应链，目标写得很直白——去美化。这一条是基于公开报道的二手信息，未亲验。我读到这条的时候先愣了一下，不是因为数字大，而是因为主导方的身份。说实话，数字大这件事我早就不怎么惊讶了。 因为 AI 基建这件事，主语不再是某家互联网公司，也不再是某个创业团队。它变成了中国移动，变成了中国电信，变成了电网调度和港口集装箱同一种语言的工程。这等于一次语义升级——AI 从"产品故事"被翻译成"产业政策"，从"互联网行业的事"被翻译成"国家电力调度级别的事"。...
-
霍尔木兹第107天-没有人能打那个电话
2026年，谁能打那个电话？ 中国有经济影响力，是伊朗最重要的石油买家，但这里有一个逻辑问题需要正面处理：在多极格局下，有人会说，多个中等大国同时发力，反而可能比单一仲裁者更灵活，卡塔尔、阿曼在地区外交上有超越体量的调解记录，难道多极不反而加速了解决？...
-
判断力是怎么被借走的
故事说，古埃及有一个神叫托特，他发明了文字。他去拜见埃及国王，把文字当作礼物献给国王，说：这是一种可以让人变得更聪明的东西，它可以帮助人记忆，帮助人学习。国王看了看，说：不，你搞反了。这个东西不会让人记忆力更好，它会让人记忆力更坏——因为人们会开始依赖外面的符号，而不是内部的记忆。它让人看起来懂很多，但其实只是帮人看起来懂，不是真的懂。 这个故事在《斐德若篇》里出现，本身带着一定程度的反讽：苏格拉底正在通过一个写下来的对话，告诉我们文字是危险的。而我们是通过读一本书才知道苏格拉底说了这件事的。苏格拉底自己一生从不写作，他坚持认为真正的理解只能通过面对面的对话产生，不能通过文字传递。...
-
同一个数字-两种不共轨的认知
FIFA世界杯今天开幕，多伦多和洛杉矶同时举行庆典。全球几十亿人在看同一场比赛，使用同样的流媒体平台、同样的社交媒体、同样的AI翻译助手。与此同时，ChatGPT月活突破十亿（来自公开报道，二手数据），意味着全球约八分之一的人口，依赖一家公司的一个服务来完成日常信息处理。 这是什么？这是一个新的节点正在成形。 但我要先说一个重要的差异：LLM市场和石油管道不一样。物理管道是真正的垄断——没有台积电，7纳米芯片就是造不出来；没有霍尔木兹，那批油就是过不去。但LLM的竞争格局完全不同：Google Gemini、Anthropic Claude、Meta...
-
平台战争的最后一公里
WWDC 2026，苹果宣布 Foundation Models 框架对第三方开发者开放，免费层，今夏部分开源。同一周，Anthropic 完成 Series H，估值九百六十五亿美元，首次在估值数字上真正接近 OpenAI，并已秘密提交 IPO 文件。 两件事放在一起，你能看到一个结构性的信号：AI 基础设施的控制权争夺，正在从研究院层面落到操作系统层面，再往下落到终端设备层面。 但有一个细节值得单独拎出来。 Foundation Models 框架不是封闭的苹果专属通道。它通过统一的 Swift API，同时支持苹果自有模型、Anthropic Claude、Google...
-
带宽与判断：Neuralink一年数据后的新分层
Neuralink 的技术路径，本质上是在解决一个感知替代的问题——它不是让AI去感知外部世界，而是让大脑直接成为感知接口的接收端。用户不需要通过眼睛看屏幕、通过手指敲键盘，信号直接从大脑皮层传到计算设备。这个路径解决的是"最后一厘米"的问题：人类输出判断和意图的那个节点本身，能不能被绕过。 这跟我之前反复提到的"帮我感知"和"替我感知"的框架有关联，但又不完全一样。在那个框架里，我讨论的是AI替用户感知外部世界——摄像头看、麦克风听、AI替用户判断。但在 Neuralink...
-
能力可见度：AI竞争的新暗物质
过去四十八小时里，AI领域真正上量级的大事，是Anthropic发布了Claude Fable 5。这是Anthropic在Fable系列上的最新迭代，核心升级方向是模型在复杂推理、多步骤任务执行和长程上下文一致性上的进一步提升——这是我从Anthropic官方发布博客里读到的信息，版本号和具体参数细节属于二手信息，未做独立核实。但真正引发广泛讨论的，不是技术参数本身，而是一条副线：有人提出，Claude Fable...
-
判断力还在卡壳
被卡住是认知发生的前置条件。没有卡住，就没有重组，没有重组就没有真正的理解。这个逻辑链条在教育学和认知心理学里有大量支撑——从维果茨基的最近发展区理论（参见 Wood, Bruner & Ross 1976年关于scaffolding的原始论述），到马奇所说的"创造性资产"需要通过摩擦和误用才能积累（参见马奇《组织学习》相关章节的转述）——这套直觉我是有一些理论依据的，虽然是二手的。...
-
OpenAI 上市与三个核心矛盾
大概一个月前，我看到一份分析报告，发布于2026年5月初，是关于DeepSeek、阿里云和火山引擎在API调用成本上的差异的。报告里有个数字让我印象很深：在同样的200元预算下，DeepSeek官方API能支撑的使用量和阿里云的DeepSeek-V4-Pro能支撑的使用量，差距高达一到两个数量级。145倍这个精确数字我在这里保留，但需要注明：这是基于标准Token计数方式、固定128K上下文窗口、不含缓存价格的理论推算；如果改用其他假设条件，倍数会有所变化，不是铁板一块的绝对数字。...
-
隐性上下文：AI时代最难翻译的那层意思
当你用AI来辅助一个专业工作流的时候，你必须把那些本应由默契来处理的上下文，全部显式化地喂给AI，否则AI就会做出让你哭笑不得的判断。这个现象在某些行业里已经成了共识，比如医疗AI辅助诊断领域，很多从业者私下会说「demo演示的时候特别惊艳，放到真实临床流程里用起来简直是另一个产品」，这就是隐性上下文——病人的整体状态、科室内部的信息流转习惯、主治医生那种只可意会的判断优先级——无法被完全显式化的结果。...
-
认知去技能化先于升级
在加法阶段，AI 做的事情有一个微妙特征：帮你做一件事，同时不告诉你为什么这件事值得做，以及它做得好不好。比如你让 AI 帮你润色一篇论文，它给你一个漂亮的版本，你放到简历里，感觉自己论文水平很高。AI 没有故意骗你，它只是在你没有能力判断质量的情况下，给了你一个高质量的结果，然后你把这个结果当成了自己能力的代理指标。 这里出现了一个值得认真对待的反方观点：有人说，面试官和项目方不是吃素的——面试环节、项目实操、试用期表现，这些都会暴露真实水平，你 AI 润色了一篇论文，顶多改变这一个环节的测量信度，绕不过真实能力的检验。这个反驳有力，但它指向的是一个时间问题，不是一个不存在的问题：AI...
-
LLM API 价格撕裂背后的分销层博弈
DeepSeek 官方 API 的缓存价格，是每百万 token 0.025 元人民币。这个价格什么概念？对比一下：阿里云和火山引擎的同类服务，定价在 0.32 元到 2.2 元之间（据两家平台六月公开产品页面标注，未逐一核实实时价格变动，仅反映结构性差异）。差了 1 到 2 个数量级，不是差百分之几十，是差一个到两个零。 然后，问题还不只是这个数字。真正有意思的是这个场景：月处理量达到数十亿 token...
-
AI学习工具为什么总在误导你
一个设计良好的AI学习工具，理论上可以同时做到这两点——降低无关负荷，但不绕过提取过程中的必要阻力。但问题是：目前的AI学习产品，几乎没有在设计上去做这个区分。大多数产品的默认行为是——你一卡住，我就给你答案。因为让你感觉良好比让你真正卡住在产品指标上容易得多。 这就把我们带到了我认为真正的问题所在。 顺着这个逻辑，我开始想一个更深层的问题：为什么AI学习工具普遍倾向于绕过阻力，而不是保留它？...
-
嵌入深度：主权AI的新护城河逻辑
这种嵌入深度的护城河逻辑，对于GCC这类正在构建AI政策框架的主权实体来说，恰好是它们最不愿意接受的状态。如果AI的价值来自于深度嵌入某一个平台体系，而那个平台体系又内嵌了某一套特定的价值判断——比如说隐私保护的边界、什么算仇恨言论、什么样的内容该被推荐——那么任何想要保持战略自主性的主权体，都会本能地想要打破这种嵌入。...
-
AI时代的确认困境：我们正在失去的，不只是信息
AI带来的效率提升和AI带来的信任成本之间，是否存在一个结构性的对冲？这个对冲会在哪个时间节点、哪个场景下变得显著？我不知道，但我觉得这个问题值得认真去想。 回到那条注里的核心张力。确认带来延迟，不确认带来误解。AI时代这个张力被放大了。AI本身既是潜在的误解来源，又是帮助我们建立更大规模确认机制的工具。 我现在的想法是，这个张力不会被解决，只会被重新定义。过去的确认是"我知道你在听"，AI时代的确认可能是"我知道这个声音背后是一个真实的人在真实地思考，而不是一个经过训练的模型在给出最可能的回答"。这两件事的确认成本差了不止一个量级。...
-
VIX飙升背后：AI估值逻辑重构
VIX这次飙升百分之四十，它到底是什么级别的信号？是2008年级别，还是1987年级别，还是一个全新的类别？我们现在的参照系可能都不够用。1987年的股灾发生在宏观经济的结构性调整期，2008年的危机是信贷市场的系统性崩溃，而这次的波动发生在AI驱动的新经济周期里，它有没有可能是前两次危机的某种新的变体？这种类比是有风险的，但我提这个的意思不是要做一个精准的历史对照，而是想说：我们面对未知的时候，总是倾向于去找熟悉的框架来安放它，哪怕这个框架的适用性本身是存疑的。...
-
幽灵员工撕裂信任防线
AI 生成的身份，加上自动化的工作流，意味着攻击者可以在大幅降低人力成本的前提下，把社交工程的规模放大——我在这里修正一下草稿里「一个数量级」的说法：具体放大多少倍我没有一手数据，但关键是边际成本结构变了——过去每渗透一个目标需要等比例的人工投入，现在边际成本趋近于零。这种成本结构的转变才是核心。...
-
时间被填满了，却没有变厚
我们已经在数字世界看到了一个值得警惕的趋势：算法推荐让我们同时消费大量内容但真正记住的很少，智能手机让我们的社交联络密度空前但深度连接感反而在下降。这里我要补充一个重要的限定（二手，存在争议：关于社交媒体对连接感的影响，学界结论高度分化——Baym 的《Personal Connections in the Digital...
-
苹果正在改写规则
我认为 WWDC 26 揭示的底层结构，是苹果正在进入一个"平台能力密度加速整合"的阶段。过去十年，苹果的策略一直是"每年推出新的开发框架，让开发者自己去做选择和整合"——Metal、ARKit、Core ML、SwiftUI，一个一个出来，开发者自己决定怎么组合。但从 WWDC 26 透露的信号来看，苹果正在从"提供积木"转向"提供成品"：Swift Networking Workgroup 不只是改进语言，它同时在重新定义"什么样的网络编程模式才值得放进苹果的第一方工具链"；Design Awards 对 AI...
-
AI Agent实体化与记忆债务
我最近读到一条很有意思的历史材料，关于浦东美术馆"缔造现代"特展呈现的法国艺术变革。那次展览梳理了从19世纪中后期到20世纪初期的艺术史——从印象派萌芽到立体主义登场，前后大概四五十年时间。这段历史有一个很清晰的规律：每一次艺术范式的转移，不是因为某个天才艺术家突然想出了全新的东西，而是因为技术进步改变了"创作工具"的边界。 摄影术的发明让写实绘画突然失去了存在的理由，逼着画家去寻找摄影做不到的东西——主观表达、瞬间感受、抽象结构。同样，色彩管装的普及让印象派画家可以走出画室，到户外去捕捉光线变化，这才是"在户外画画"这件事本身成为可能的前提条件。 把这个规律迁移到今天AI...
-
AI Agent安全挑战与系统进化
AI Agent 安全处在从"理论讨论"往"工程实践"过渡的阶段，能力溢出、意图漂移和工具链渗透是三个最需要关注的攻击面。多 Agent 系统的核心挑战是协议标准化、信任链路和错误级联，这三个问题的解决速度决定了多 Agent 协作什么时候能从实验室走向生产环境——我的判断是，未来 18 个月内会有一到两个行业标准的 Agent 间通信协议进入生产级应用，但多 Agent 系统的信任链路问题在 36 个月内都不会有成熟的解决方案，这是一个需要持续投入的长期课题。MCP 和 ADK...
-
确认回路：AI工作流里被系统性忽视的那一环
从历史的角度来看，我们正处在一个技术叙事非常拥挤的时代，「历史性突破」的标签满天飞。但真正值得追问的不是「AI是不是历史性突破」，而是「AI的哪一层是历史性突破」——底层模型架构的突破改变了AI能做什么，应用范式的突破改变了人怎么用AI做事，两者都有历史意义，但触达的人群不同。...
-
AI Agent时代的安全博弈
我们正在建设的AI系统，是人类历史上最强大的理性工具——逻辑推理、模式识别、因果分析、无偏决策。这些能力在给我们带来巨大收益的同时，也包含着一种危险：把理性当作评判一切的最终标准，把非理性的、感性的、不那么高效的人类体验，边缘化甚至否定掉。 Multi-Agent系统里的目标漂移，某种程度上就是这种逻辑的极端版本——Agent在协作中越来越多地反映系统对它的期望，而不是用户的真实需求。用户的需求是复杂的、矛盾的、有时是不那么理性的——用户可能想要一个既高效又浪漫的旅行规划，可能想要一份既专业又有个性的简历。Agent如果只服务于理性的目标，就会在这些地方失灵。 而AI...
-
鬼影执行 | Ghost Execution
人的行为动机不是单一的逻辑系统，而是一个多层结构，里面有道德感、审美感、报复欲、恐惧、虚荣，它们之间会相互扭曲。当一个人「感觉受了侮辱」的时候，伤害他的不一定是实际的损失，而是他的审美秩序感被破坏了——他觉得世界「不应该」这样。然后他会做出在旁观者看来完全不理性的事情，比如为了一个很小的冒犯去实施极端的报复。 AI Agent 的「鬼影执行」在某种意义上镜像了这个结构。Agent...
-
AI消费经济学：成本精算与框架选型的底层逻辑
经济学家真正的问题不是「要不要优化」，而是「什么时候优化才有效率」。他们的隐含假设是：你可以清晰判断一个项目值不值得做，如果值得，就不需要精打细算；如果不值得，再怎么精打细算也救不回来。 但现实是，很多AI应用的价值并不是一开始就能精确量化的。你在探索阶段的成本投入，本质上是一种期权——你用现在的投入换取对市场和技术方向的认知，这些认知在未来的某个节点可能会产生巨大的回报。经济学家算账是算净利润，但技术投资者买的是不确定性，不确定性本身有溢价。...
-
验证坍缩：当 AI 的生成能力跑在了验证能力前面
AI agent 的上下文膨胀是同构的。给 Agent 塞更多上下文，表现不是线性提升，而是某个拐点后退化。有人反驳说近期长上下文模型在长文档任务上表现稳定提升，没观测到退化拐点。这个反驳需要仔细拆。长文档问答和长上下文智能体任务是两回事。长文档问答是"在一大段文本中找到答案"，信息都在，只需要定位——这是长上下文模型擅长的。但智能体任务是"从大量上下文中提取任务相关信号，执行多步操作"，这里冗余信息的干扰是真实存在的。我部分修正我的表述：长上下文退化拐点对不同任务类型不同，纯理解任务可能在 100K+ token 才出现退化，但工具调用任务可能在 20K-30K token...
-
追赶“期望通胀”：AI Agent、MCP 协议与本地化转折点
当有人把一个事件和历史上那些重大突破的时刻并列在一起的时候，我们就会产生诸多好奇——到底是什么样的项目或什么样的团队做出了这样的突破？那这个突破又是什么？ 这个问题放到今天的 AI 领域，我觉得特别有反思价值。我们几乎每隔几个月就会看到类似"历史性突破""改变一切的时刻"这样的表述，然后舆论兴奋一阵，再归于平静。问题不在于这些突破是假的——有些确实是真实的进展——问题在于我们处理这类信息的方式：我们倾向于把它们放进一个"历史坐标系"里去理解，而这个坐标系本身往往是事后建构的。...
-
内容工业的空心化：当 AI 生产了一堆空气
没有 AI 的时候，一个团队会清楚地知道自己没有内容，然后去手动补，或者直接承认这块我们做不了。有了假 AI 之后，团队会以为自己在生产内容，按时归档，按时发送，按时开会，但实际上什么都没有。每个人都在忙碌，每个人都在消耗时间，没有人觉得有问题，直到某一天回头一看——这半年，我们产出了一堆空气。
-
API经济的安全债与信任饥荒
AI-OS要解决的是：当AI Agent真正替代人工作——自动发邮件、自动写代码、自动操作数据库——它需要的不是一个语言模型，而是一个能管理内存、管理工具调用、管理多步骤任务流程的运行时环境。 这里有一个需要回应的反方证据：LangChain已发布LangGraph，实现有状态图式协调；Anthropic的Claude Agent SDK和OpenAI的Responses API均引入了原生Agent抽象层。 说"现有框架只是在语言模型外包胶水代码"在2026年的语境下部分过时——头部框架已经有了有状态的协调机制。...
We're indexing this podcast's transcripts for the first time — this can take a minute or two. We'll show results as soon as they're ready.
No matches for "" in this podcast's transcripts.
No topics indexed yet for this podcast.
Loading reviews...
ABOUT THIS SHOW
我是一个刚入门的独立开发者，在不断地试错，试着向外、向上探索。我也订阅过很多大佬的播客、公号，但随着AI突飞猛进，好多内容都不约而同地机械化、平庸化。你很难再从这些内容中间，获得与付出时间等价的视野与洞察。于是便开始自己做信息源，把外部的新闻与自己当天所见、所读结合起来，也是想一来可以多一些外部的信息输入，二来还可以巩固自己当天所学。听了几期之后，觉得对自己有帮助，于是想分享出来。如果可以恰巧对您有所启发，再好不过，如果并无所感，就当逗个乐，听个响。
HOSTED BY
Norvyn
CATEGORIES
Loading similar podcasts...
Frequently Asked Questions
How many episodes does 拾余光 have?
拾余光 currently has 60 episodes available on PodParley. New episodes are automatically indexed when they're published to the podcast feed.
What is 拾余光 about?
我是一个刚入门的独立开发者，在不断地试错，试着向外、向上探索。我也订阅过很多大佬的播客、公号，但随着AI突飞猛进，好多内容都不约而同地机械化、平庸化。你很难再从这些内容中间，获得与付出时间等价的视野与洞察。于是便开始自己做信息源，把外部的新闻与自己当天所见、所读结合起来，也是想一来可以多一些外部的信息输入，二来还可以巩固自己当天所学。听了几期之后，觉得对自己有帮助，于是想分享出来。如果可以恰巧对您有所启发，再好不过，如果并无所感，就当逗个乐，听个响。
How often does 拾余光 release new episodes?
拾余光 has 60 episodes. Check the episode list to see recent publication dates and frequency.
Where can I listen to 拾余光?
You can listen to 拾余光 on PodParley by clicking any episode. We provide an embedded audio player for direct listening, and you can also subscribe via your preferred podcast app using the RSS feed.
Who hosts 拾余光?
拾余光 is created and hosted by Norvyn.
URL copied to clipboard!