阅读

Lenny's Podcast在2026年10月4日发布了一期关于OpenAI产品战略的深度访谈。嘉宾是Tibo Sottiaux，他目前领导着OpenAI的ChatGPT和Codex产品线。在他的带领下，OpenAI推出了包括Codex、ChatGPT Work以及最新的Dots个人代理平台在内的多项重要消费级产品。

这期节目是在OpenAI DevDay活动结束后不久录制的，当时他的团队刚刚发布了超过20款新产品。访谈的核心议题围绕Dots展开，这是OpenAI推出的新个人AI助手。Sottiaux还探讨了为什么未来大多数互联网上的操作将由AI代理而非人类执行，以及为什么手动构建的循环、图结构和微调代理工作流可能只是过渡阶段。

此外，Sottiaux分享了在AI时代哪些技能正在升值或贬值，并讲述了一个具体案例：他的Dot如何在发布前五分钟警告他生产环境出现了故障。最后，他还讨论了OpenAI在AI安全方面的方法。对于关注AI产品开发、企业工作流以及技术趋势的专业读者来说，这期节目提供了来自一线负责人的视角。

WisdomTree旗下的《Behind the Markets》播客发布了2026年9月25日的一期节目，题为“Muse, Moonshots and the House Always Wins—Until the Market Calls”。本期节目由Jeremy Schwartz主持，邀请了Jeremy Siegel教授、Samuel Rines和Chris Gannatti作为嘉宾。根据官方发布的节目简介，讨论内容涵盖了宏观市场动态以及人工智能在消费和企业基础设施领域的具体应用影响。

在宏观部分，Jeremy Schwartz与Jeremy Siegel教授探讨了实际利率的急剧上升及其对市场的影响，分析了经济增长、美国国债收益率以及即将发布的通胀、就业等数据可能带来的后果。他们讨论了股票在债券压力下的韧性表现，并展望了小盘股和价值股的前景。

针对AI产业读者关注的核心话题，节目重点讨论了Meta推出的Muse AI代理。简介指出，该工具可能通过使价格比较、供应商切换和更优惠交易的谈判变得更加容易，从而颠覆那些依赖消费者惯性的企业。随后，嘉宾们分享了使用Muse管理收件箱、取消订阅和处理自动谈判的早期体验，声称这些操作带来了显著的月度节省。

在基础设施方面，Samuel Rines审视了围绕Oracle数据中心建设的新闻头条，并提出观点认为，市场对潜在项目延误的担忧可能被夸大了。这一论点为当前关于AI算力供应瓶颈的讨论提供了另一种视角。此外，Chris Gannatti分享了他从一场主要量子计算会议中获得的观察，强调了国内量子基础设施的投资、新兴的代工模式以及专业供应商的角色。

对于关注AI商业化落地和基础设施融资风险的投资者而言，这期节目提供了一个了解行业从业者如何看待Meta Muse对传统商业模式冲击的机会，以及他们对Oracle等大型科技公司基础设施扩张进度的实时评估。

美国资产管理公司阿波罗全球管理（Apollo Global Management）首席经济学家Torsten Slok近期发布分析，核心判断是：尽管AI投资规模巨大且市场热情高涨，这项技术尚未为美国科技行业以外的企业带来任何可衡量的财务收益。

Slok的研究框架聚焦于标普493指数（S&P 493），即刻意剔除科技七巨头（Magnificent Seven，包括特斯拉、微软、英伟达、苹果、Meta等）后的其余大型企业。他的数据显示，自2023年初以来，科技七巨头的人均营收显著上升，利润率从2020年约10%的水平攀升至约30%；而标普493中其他行业的企业，利润率和人均营收在轻微波动之外基本未变。

Slok给出的机制解释是：当AI支出无法体现在损益表上时，企业界正在重新评估这笔投入的性质。他在阿波罗的报告中写道，美国企业界正将Token支出从增长来源重新归类为成本负担。这一判断与德国信息技术协会Bitkom的一项调查相呼应——约三分之一的受访德国企业表示被AI的高费用打了个措手不及。

面对成本压力，部分企业开始采用所谓Modelmaxxing策略，即按任务选用不同的AI模型，而非一律调用最昂贵的旗舰模型。从这一趋势中，已出现首批自动进行模型路由的初创公司。

但Slok的论证不止于成本层面。他提出了一个更根本的判断：AI可能是一台出色的计算机器，但商业中的智能主要是判断力。判断力依赖上下文，答案因人而异、因模型而异。AI不理解责任、信任、文化、潜规则、伦理权衡和公平——而这些恰恰是塑造声誉风险、最终决定营收增长和利润率的因素。因此他认为，AI发展的最终决定权不在科技七巨头手中，而在标普493中那些尚未看到回报的企业手中。

需要指出的是，这是Slok作为阿波罗首席经济学家的分析判断，而非独立验证的结论。科技七巨头利润率上升可能同时受到多种非AI因素推动，将其单独归因于AI需要更严格的因果识别。此外，S&P 493的定义本身排除了AI最直接的商业受益者，在其中寻找AI回报存在一定程度的循环论证。Slok关于判断力与计算力的区分是一个有启发性的概念框架，但尚未提供可操作的量化标准来区分哪些商业任务真正需要判断力、哪些可以被计算替代。

美国支付公司 Block（旗下拥有 Square 和 Cash App）于 2026 年 10 月 23 日发布了名为 Dessa 的语音人工智能模型。据 TechCrunch 报道及 Block 官方博客称，该模型由公司内部研究团队开发，其核心特点是“全双工”（full-duplex）架构，即能够同时听和说，类似于 OpenAI 此前发布的 GPT-Live 模型。

与传统语音 AI 不同，Dessa 不经过“语音转文字、文字生成回答、再转回语音”的中间环节。Block 表示，传统流程会丢失语调、情感和细微表达，而 Dessa 直接基于真实人类对话音频进行训练，未使用预训练的其他 AI 模型作为知识源。官方演示视频显示，该模型能表现出疲惫、哭泣或笑声等情绪变化，并在对话中自然停顿或插话。

在硬件要求方面，Block 声称该模型仅使用一台 NVIDIA GPU 服务器机架完成训练，且可在消费级设备上本地运行，具体包括搭载 Apple M4 Max 芯片的 MacBook Pro 或性能更高的电脑。这一特性使其区别于依赖大型数据中心的云端语音服务。

目前 Dessa 尚未向普通用户开放，Block 已向 AI 安全研究人员发出测试邀请，以评估其在防止声音克隆诈骗等方面的风险。所有关于情感表现和性能的描述均基于厂商自测和演示，尚未经过第三方独立验证。

Askwho Casts AI播客在2026年9月15日发布了一期名为“The AI-as-Normal-Technology view of loss-of-control incidents”的音频节目，朗读了由普林斯顿大学计算机科学家Sayash Kapoor和Arvind Narayanan撰写的同名长文。这篇文章是两位学者自最初提出“AI作为普通技术”（AI as Normal Technology）框架以来，在AI安全领域最实质性的写作之一。

文章的核心在于调和AI安全社区与网络安全社区对近期“失控事件”的不同看法。以OpenAI智能体入侵Hugging Face基础设施为例，AI安全社区倾向于将其视为对齐失败，认为随着模型能力增强，失控风险将呈指数级增长；而网络安全从业者则更多将其归咎于公司未能采用基本的安全预防措施和组织治理规范。Kapoor和Narayanan指出，这两种观点都有道理，但极化对立无助于解决问题。

作者提出了一种中间立场：AI控制（AI Control）应被视为独立于模型对齐的关键领域。他们强调，虽然已知的一些控制手段（如沙箱隔离、最小权限原则、日志监控）本可以防止此次事件，但随着代理能力的提升，现有的控制方法可能不再足够。因此，需要在三个层面进行投资：开发更好的控制技术、将现有研究转化为可用工具，以及推动组织层面的治理变革。

此外，文章还深入探讨了AI对网络攻击与防御平衡的影响。作者认为，尽管目前大多数网络罪犯的技术水平较低，且主要瓶颈在于变现而非利用漏洞，但自主代理的出现可能改变这一格局。他们建议政策制定者明确AI公司的责任，要求透明度，并通过保险等机制解决市场失灵问题，从而激励企业投资于AI控制和下游防御。

对于从事AI治理、安全工程或政策研究的读者而言，这期播客提供了一个清晰的框架，帮助理解如何将AI视为一种需要严格工程管理和制度约束的“普通技术”，而非仅仅依赖模型内部的对齐来解决所有安全问题。

Excess Returns播客嘉宾Jim Paulsen用27张图表探讨了一个核心问题：为什么强劲的AI盈利增长可能正在掩盖美国经济的走弱，以及这对股票、债券和美联储政策意味着什么。

节目简介列出的讨论主题中，与AI产业投资最直接相关的一条是：依赖债务融资的AI资本开支与不断扩大的信用利差如何改变科技公司面临的风险。简介还指出Paulsen区分了科技板块与标普500整体——他认为前者面临更深的回调，而后者只是更温和的修正。这一框架将AI投资热潮的财务结构本身视为风险来源，而非仅仅关注需求或技术进展。

简介同时列出了其他相关主题：AI盈利增长掩盖的三分化格局（科技、能源与其余七个板块之间的差距扩大）、商业投资与就业之间历史关系的断裂、实际可支配收入疲弱与储蓄率下降对消费的威胁、以及利润生产率与真实经济生产率的区别。这些主题共同指向一个判断：当前市场定价可能过度依赖AI板块的盈利表现，而忽略了支撑这些盈利的融资条件和更广泛的经济基础。

需要明确的是，以上内容来自出版方撰写的节目简介和主题列表，而非逐字稿或Paulsen本人的书面论证。简介告诉我们他讨论了哪些话题、持有什么方向的预期，但没有呈现他的具体推理过程、数据引用或可推翻其结论的条件。读者若需要理解Paulsen如何从AI债务融资推导出科技板块特有风险的机制，需要收听本期节目本身。

节目方声明：讨论内容不构成投资建议；所涉证券可能由主持人、嘉宾、其所在机构或客户持有。

Lex Fridman发布了名为“Visiting Taiwan w/ Jensen Huang”的视频日志，记录了他在近期与NVIDIA CEO黄仁勋一同前往台湾参加台北国际电脑展（Computex）的经历。该视频并非传统的长篇访谈，而是以Vlog形式呈现两人在展会现场、夜市以及私人聚会中的互动。

根据发布者提供的章节列表，视频内容包括Computex现场的工程师与技术氛围、黄仁勋准备主题演讲时的状态、两人关于台湾科技历史和黄仁勋童年记忆的对话，以及涉及GPU、AI和竞争话题的交流片段。此外，还展示了饶河街夜市和宁夏夜市的街头美食场景。

对于关注AI行业领袖个人风格及Computex幕后花絮的读者，此资源提供了除官方发布会外的非正式视角。需要注意的是，目前未提供完整的文字转录稿，具体对话细节需通过观看视频获取。

喜马拉雅资本创始人李录在纽约哥伦比亚大学商学院的一次对话中提出了一个关于AI经济结构的判断：这项技术始终伴随增量成本，与互联网及此前许多技术根本不同。他的原话是，互联网时代你可以做一次投入，然后靠广告长期变现；但AI始终伴随增量成本，因此'你对节奏和发展有四五层考量'。

这一区分的实际含义是：在上一轮技术周期中，平台型公司的核心逻辑是前期重资产建设（服务器、网络、内容生态），一旦基础设施就位，边际成本趋近于零，收入可以长期依赖广告或订阅反复收割。投资者据此给高估值，是因为相信规模效应会持续摊薄成本。李录认为AI打破了这个前提——推理和计算不是一次性投入，而是随使用量持续增长的支出，这意味着规模不一定带来同样的边际成本递减。

李录说这番话的背景是他对中美股市分化的整体观察。他承认中国房地产下行和金融市场十年停滞的影响，但同时指出中国制造业能力、技术自主性和竞争力在推进，部分优秀中国企业正以相对低的价格交易。他认为当前市场的分化——资金过度涌向顶部标的——反而为理性投资者创造了更好的机会集，因为'一大批本来很优秀的企业正在以极低价格交易'。

不过，李录对AI'四五层考量'的具体内容并未展开。他没有说明这些层次分别是什么、如何量化、在估值模型中如何体现。这一判断目前停留在归因观点层面，而非可检验的财务模型或独立研究。SCMP报道的这场对话是李录与哥伦比亚大学教授Tano Santos之间的交流，属于公开场合的个人投资观点表达。

对读者的实际意义在于：当你在评估一家AI公司时，如果它的增长逻辑建立在'像互联网公司一样建一次就长期变现'的假设上，李录的这个结构性提醒值得纳入考量。AI的持续算力支出是否真的改变了规模效应的形状，取决于具体商业模式、推理成本下降速度和定价策略，但至少这个成本结构差异本身是一个需要正面回答的问题，而不是可以默认忽略的背景噪音。

当AI代理被赋予检索企业私有文档的能力时，核心难题不是语义理解，而是权限。桥水基金产品工程负责人Aaron Linsky在AI Engineer大会上介绍：桥水的Vault存放约一亿份文档，涵盖135个外部源和内部纪要，每份文件权限各异。搜索引擎公司turbopuffer CTO Nikhil Benesch解释了两种直觉方案为何失败：后过滤先取最近邻再丢弃无权文档，若用户仅能访问向量空间某个角落，螺旋搜索始终凑不够结果，召回率崩溃；前过滤先按权限筛出可访问文档再逐一算距离，用户拥有半数权限时退化为全量扫描，一亿条即使全驻内存也需约5秒。他们的解法native filtering利用向量索引将相似向量聚成约200条一组的簇，先丢弃无权簇再在有权簇内扫描，兼顾索引加速与权限过滤。Benesch称4亿向量下实现约120毫秒P90延迟（厂商自报数据），但嵌套群组等复杂权限仍需额外处理。

本期a16z播客邀请美国云服务巨头Amazon Web Services (AWS) 首席执行官Matt Garman，由a16z合伙人Raghu Raghuram主持，深入探讨“为智能体世界构建云”这一主题。根据官方发布的节目简介，Garman详细阐述了AWS如何适应智能体（Agents）直接编写代码和管理基础设施的新趋势。

访谈重点讨论了AWS在资源分配上的战略考量，特别是为何将稀缺的GPU容量优先保留给AI原生初创公司。此外，Garman还说明了自研芯片Trainium和Graviton在整体AI技术栈中的具体角色，以及它们如何支持面向智能体的基础设施设计。

除了技术架构，节目还触及了宏观资本支出与行业瓶颈。双方讨论了亚马逊高达2200亿美元的资本投资计划，分析了当前基础设施建设中不断变化的瓶颈所在。同时，Garman也探讨了企业需要满足哪些条件才能信任并部署自主智能体，以及AWS内部团队如何利用智能体进行开发。

美国风险投资机构 a16z 于2026年10月7日发布一期播客，合伙人 Angela Strange 与抵押贷款科技公司 Valon 的 Andrew Wang、Linda Du 讨论了该公司进入抵押贷款服务行业的路径选择。

据节目简介，Valon 选择的策略是：先成为受监管的抵押贷款服务商，将美国联邦和各州的数十年法规要求编码为软件系统，然后用自己的贷款组合验证平台，最后才将这套系统向行业销售。简介称这一基础使 Valon 的效率约为传统服务商的三倍，并创建了用于在复杂抵押贷款流程中引入 AI 的记录系统。

节目简介还提到，在已有基础设施之上，AI 代理可处理长尾服务任务，语音界面可提供更个性化的客户体验；而将技术部署到大型受监管企业，最终既是变更管理挑战也是技术挑战。

需要说明的是，以上信息全部来自节目简介，没有逐字稿或具体方法论披露。

本期节目由美国风险投资机构Andreessen Horowitz（a16z）发布，嘉宾为a16z增长基金负责人David George，对话者为Benchmark合伙人及《Uncapped》播客主持人Jack Altman。节目核心围绕AI行业的结构性辩论展开，George提出了一个关键框架：在AI领域，许多被视为非此即彼的争论（如前沿模型vs开源、基础实验室vs应用层）实际上答案往往是“两者兼有”（and）。他认为，由于当前AI采用仍集中在少数重度用户手中，技术栈的每一层都有同时增长的空间。

George详细阐述了支撑这一观点的市场动态。他指出，尽管OpenAI、Anthropic等前沿实验室收入增长迅速，但全球仅有约3000万程序员贡献了大部分收入，而潜在的知识工作者高达15亿，这意味着巨大的扩散机会。在基础设施方面，他认为当前的建设规模已超过铁路时代，且预计将扩大十倍，算力供应而非需求是当前的主要瓶颈。此外，他还讨论了消费者AI从被动聊天向主动代理的转变，以及自动驾驶和机器人市场可能带来的远超移动/云时代25万亿美元市值的机遇。

在风险投资层面，George对比了AI时代与SaaS时代的资本效应。他提到，在SaaS时代，过多资本可能会损害公司，但在AI时代，资本可以直接转化为算力和模型能力的提升，从而加速竞争优势的积累。这种差异使得幂律效应在AI投资中更为极端，早期和晚期阶段的投资逻辑也随之改变。节目还涉及了垂直应用如何在实验室扩张中生存，以及创始人叙事能力作为经济资产的重要性。