Portada de 硅谷101

硅谷101

Jane
Último episodio disponible E250|mRNA的第二战场:对话英博,拆解Moderna人类首个肿瘤疫苗三期突破 Listo para escuchar
0:00 1 h 16 min

259 Episodios

E250|mRNA的第二战场:对话英博,拆解Moderna人类首个肿瘤疫苗三期突破

2026年8月,Moderna与默沙东联合开发的个体化mRNA肿瘤疫苗公布三期临床积极结果,Moderna股价一度暴涨177%。这不是一款预防癌症的疫苗,而是一种为患者量身定制的治疗性疫苗。“一人一药”,似乎正在离现实越来越近。 这期视频,我们邀请到艾博生物创始人、CEO英博博士,他曾在Moderna从事mRNA相关的核心研发。我们从这次三期临床结果出发,拆解个体化肿瘤疫苗究竟如何工作、为什么要与PD-1联合使用,以及它真正证明了什么、还有哪些问题没有被证明。我们也会聊到Moderna、BioNTech以及中国公司正在探索的不同技术路线,以及“一人一药”背后真正困难的制造、自动化、成本与监管问题。 肿瘤疫苗为什么研究了二三十年,直到今天才跨过这道关键门槛?AI究竟能在新抗原预测和疫苗设计中解决多少问题,它真的能让肿瘤疫苗变成一个“软件问题”吗?如果每位患者都需要一支不同的药,这套系统又如何服务成千上万甚至更多患者?我们距离“为每一个癌症患者定制一支疫苗”,究竟还有多远? 【主播】 Yushan,硅谷101特约研究员,生物医药行业从业者 【嘉宾】 英博博士,艾博生物创始人、董事长兼CEO 【你将听到】 02:41 从Moderna到创业,英博博士与mRNA 08:57 Moderna三期,到底突破了什么 14:09 “一人一药”如何让免疫系统治疗癌症 18:14 制药“噩梦”:4-6周造出一支专属疫苗 24:42 未来肿瘤治疗:手术刀+疫苗+PD-1 27:57 34个新抗原“撒网”与肿瘤“逃逸” 31:39 黑色素瘤之后,下一个是谁? 38:12 技术路线:中国肿瘤疫苗走到了哪一步? 45:04 肿瘤疫苗会比CAR-T更安全吗? 50:14 成本:“做大容易,做小难” 54:01 “AI离开自动化,就是空谈” 59:19 AI如何应用于肿瘤疫苗的研发与制造?...

E249|Token经济转点:OpenClaw、Hermes到本地自研的Agent进化之路

去年年底,硅谷掀起了一股风潮——“Token Maxing”(最大化token使用量),科技公司创始人和工程师们争相晒出账单,比谁家Token消耗更吓人,以此彰显对AI的全力押注。但到了今年年中,成本失控和虚假生产力让这场烧钱竞赛到达了转折点。Uber在四个月里烧穿了全年的AI预算,Meta被迫给员工设定token使用上限,一些公司会提醒员工使用AI的时候注意成本。大家开始认真思考:如何更经济地使用Token? 这期节目的嘉宾黄东旭,就是Token Maxing热潮的亲历者。他曾经每天烧掉三四百美元,只用最前沿的模型。让他逐渐转变的,是中国开源模型们的崛起,大量的日常任务都可以做到“只烧电费,不烧Token”。他的结论是:不是前沿模型用不起,而是本地开源模型底座+前沿模型的搭配,成本可控,更具性价比。 我们聊了这半年Agent产品的进化史——从OpenClaw,到Hermes,到Agent蜂群的智能涌现潜力,Agent消耗Token的趋势不会停止,未来还会有更复杂的A2A网络。亲历了互联网、移动互联网、AI三波浪潮的张宏江认为,Token Maxing折射出的是所有人在面临AI浪潮时的不知所措,AGI奇点已经到来,现在做Agent是好时机,但关键是:别做容易被大模型碾压的应用。 【主播】 泓君,硅谷101创始人,播客主理人 【嘉宾】 张宏江,Llama Ventures高级技术合伙人,美国国家工程院外籍院士,北京智源人工智能研究院(BAAI)理事长,源码资本合伙人,曾任微软亚洲工程院院长、微软亚太研发集团首席技术官、北京金山软件有限公司首席执行官 黄东旭,Llama Ventures合伙人,PingCAP CTO&co-founder 【你将听到】 04:55 Token maxing,是泡沫吗? 09:52 亲身体验:只选最强最贵,日烧四五百美元 14:15 OpenClaw:从研究到工程的转折点 20:31 龙虾退潮:“普罗米修斯”完成了使命 23:09 Hermes:把成功经验沉淀成Skill 30:09 “Agent动力学”:七嘴八舌烧Token换深度 35:12 智商碾压:Fable 5一次搞定复杂任务 37:20...

E248|一个“催发货”AI要跑通260步,和阿里瓴羊朋新宇聊聊中国式FDE

不久前,我们聊了硅谷最火的新职位FDE(前线部署工程师)。硅谷的逻辑是,AI要进企业,就要开行业最高的薪资,派一批最聪明的人驻扎进去。但这件事在中国,还是同一个剧本吗? 我们邀请到阿里巴巴集团副总裁、瓴羊CEO朋新宇。他是阿里数据中台方法论的创立者,他的团队做这件事已经5年,比“FDE”这个词流行起来还要早。在AI浪潮到来之后,他们发布企业级Agent平台:AgentOne。 他们的做法很不“硅谷”,不接定制化的大单,不做1000人天的驻场开发。他们找的是企业里最耗人、最耗钱、最耗时的环节,把预设好的agent接入企业私有数据,去解决真实的业务难题。 举例来说:一个催发货流程,客服agent需要跑通260步流程;一个顶级人类投手,90天内调价10000次,AI要学会这10000次调价背后的决策逻辑,这背后靠的是团队配合和工程化的推进。 在朋新宇讲述中,没有全能型的个人英雄,也没有对SOTA模型的迷信。“企业算得过来账,背后用什么token,老板不会在乎”。务实,算账,打地基,这就是FDE在中国的故事。 【主播】 泓君,硅谷101创始人,播客主理人 【嘉宾】 朋新宇(花名小芃),阿里巴巴集团副总裁,阿里瓴羊CEO 【你将听到】 01:48 硅谷的风向变了:AI战场从C端回到B端 06:33 一个“催发货”背后藏着260步流程 12:30 90天调价一万次,AI向最优秀的投手偷师 19:39 为什么顺利的部署都是“自上而下” 25:07 做标准化增长agent,跟Palantir反着走? 31:14 销售Agent实战:从最落后区域到销冠 36:06 部署周期:1/3熟悉岗位,1/3做建模,1/3调教AI 42:36 FDE团队画像:BA定方向、AI架构师选模型、业务首席当教练 47:00 Token成本,模型策略,“账算得过来”最重要 53:28 中美FDE对比:信息化地基、付费习惯、工作方向 58:03 人才观:懂AI、懂业务、懂数据...

E247|对话盛颖:xAI,Infra的浪漫,SGLang,开源,平权与“甄嬛传”

这期播客的嘉宾是盛颖,xAI前推理团队负责人、开源推理引擎SGLang发起人及RadixArk联合创始人/CEO。 在开源模型集中爆发之际,盛颖在AI Infra(基础设施)领域的研究和贡献非常核心。她将AI Infra描述为“浪漫的关系”,是产品本身,需要有“美感”。 由此,我们走进盛颖的世界。 她曾经想成为一个数学家,沉浸在一个确定、纯粹、仿佛“与世界无关”的世界里。 但从哥大到斯坦福,从形式化验证到 AI Infra,盛颖一路经历的并不是外界看到的连续发顶刊的高光,背后是不为人知的寻找方向、迷茫、停滞、低谷和重新出发。她逐渐意识到,自己无法勉强去做一件不感兴趣的事;只有真正被一个问题吸引,她才能进入高度专注的状态,并把它做到极致。 SGLang,是这条研究路径的集大成者。它从一个学术项目成长为面向真实生产环境的开源推理引擎,也把盛颖从研究者带进了更复杂的工程、组织与产业世界。 在早期的xAI,她获得了难得同时存在的“support”和“freedom”,参与搭建生产级推理系统。但随着SGLang社区迅速扩张,仅靠开发者在业余时间维护,已经无法支撑项目继续向前。为了让这件事真正走下去,她选择离开xAI,创立RadixArk。 这期节目,我们从盛颖眼中的数学之美、论文和低谷聊到SGLang、xAI与RadixArk,也聊一个人如何逐渐理解自己的天性,并决定不再与之对抗。 盛颖说,她在乎的不是“making impact”,而是那些她认为正确的事情,最终有没有发生。从“世界与我无关”,到“想要构建那个跟强力AI共存、且人类不会输的未来”,这,是盛颖的故事。 【主播】 陈茜,硅谷101联合创始人 【嘉宾】 盛颖,RadixArk联合创始人&CEO,xAI前推理团队负责人、开源推理引擎SGLang发起人 【你将听到】 02:16 违约金、纽约与数学之美:“世界与我无关” 16:06 顶刊、低谷期与甄嬛传:“世界又与我有关了” 26:01 谷歌实习:最早的“AI for code” 31:54 Databricks:人生导师Ion Stoica与“making impact”价值观 34:37...

E246|何谓蒸馏?聊聊硅谷如何看中国开放模型逼近前沿

7月27日,月之暗面正式发布Kimi K3的完整模型权重。自7月16日API上线以来,K3就在在多项测试中展现出接近前沿模型的能力。因此,它成为了硅谷最近讨论开源时的重要案例之一。从2025年初的DeepSeek时刻,到当下的Kimi K3,中国开源模型正在从成本更低、能力稍弱的替代品,逐渐逼近甚至超过最强的闭源前沿模型。 随之而来的,是一场越来越激烈的蒸馏争论。什么是蒸馏?通过闭源模型的输出进行训练,和未经授权的大规模能力提取,有什么区别?即使中国实验室使用过美国模型生成的数据,它又究竟能解释多少最终能力? 本期播客,我们邀请到两位嘉宾来分别从开源生态和企业的视角,讨论这一波中国开源模型的影响:前Hugging Face亚太开源生态负责人王铁震,和TinyFish联合创始人Keith Zhai。 我们从K3带给硅谷的挑战聊起,讨论了为什么把中国模型的进步全部归因于蒸馏,实际上忽略了架构、强化学习、数据工程和推理基础设施上的创新。而当蒸馏从一种中性的训练技术,变成商业竞争和政策讨论中的指控时,争议的核心又变成了什么? 在此之外,我们也讨论了K3针对大型推理服务商设计的商业授权:当开源权重模型持续压低成本,它会如何冲击OpenAI、Anthropic等闭源实验室的商业模式?当模型能力逐渐商品化,未来AI行业的价值会流向模型本身、推理基础设施,还是Agent与企业工作流? 注:本期播客中提到的“开源”,更准确地说是开放权重(open weights)。K3官方称自己为开放模型,它使用的是Kimi K3 License,不是标准 MIT/Apache 这类完全开放的OSI license。 【主播】 Yiwen,硅谷101特约研究员 【嘉宾】 王铁震,Hugging Face前亚太生态负责人 Keith Zhai,TinyFish联合创始人 【你将听到】 中国开放模型,硅谷怎么看? 01:45 Kimi K3为什么突然成为硅谷关注的焦点? 03:33 从DeepSeek、GLM到K3:硅谷对中国模型的判断如何变化 06:51 企业为什么开始转向中国模型...

E245|藏在大模型背后的新闻人:GPT们的回复是这样写出来的

当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪,问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码,但真相是,那些问进你心坎里的问题、让你会心一笑的遣词造句,背后站着一群人:他们曾是记者、编辑和纪录片导演,如今藏在大语言模型之后,有一个鲜为人知的名字——内容工程师(Content Engineer)。 当模型能力日益趋同,真正决定用户去留的,已不再是参数,而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情,正被一群文字工作者拆解成一套可以装进AI的规则。 本期《硅谷101》播客,我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼,与NBCUniversal AI战略总监Bianca,深入探讨:什么才算“好”的对话,以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起,看看当模型能力逐渐拉平,内容与品味如何成为产品竞争力的关键,而懂人文、懂社科的判断力,又该如何翻译成工程能用的语言。 【主播】 Faith静远,硅谷101特约研究员 【嘉宾】 Tony Lin,人工智能实验室模型设计负责人,《行星酒馆》主播 Bianca Consunji,NBCUniversal AI战略总监 【你将听到】 02:54 内容工程师是什么? 05:55 内容工程师如何拆解好内容 10:42 如何训练AI理解提问者的言下之意 13:42 内容工程师如何“翻译”语言和文化 16:45 新闻训练和AI对话训练都需要给到“上下文” 18:42 语境破碎:AI对话和“网络互喷”的相似之处 19:59 记者和内容工程师的技能重合点 23:44 一篇爆火文章背后,文科生的AI恐慌 26:45 基于共识训练出来的AI,不会产生伟大的艺术...

E244|机器人走错路了?与苏度韩铮聊聊具身智能的3D数据、路径分野与硅谷竞赛

机器人已经能在舞台上做到翻跟头、表演武术了,但要让它在开放环境里伸手帮你拧开一个瓶盖,难度陡然跃升2到3个量级——因为那一刻,它需要理解眼前的物理世界。 这正是苏度科技想啃下的硬骨头。苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一,师从李飞飞。这家公司走了一条与硅谷主流"纯大脑黑盒大模型"不太一样的路:软硬件协同设计,上下分层架构,上层负责任务规划与环境理解,下层负责具体物体操作;Sim-to-Real作为核心训练范式,让机器人在虚拟世界里经历几百万年的进化,再迁移到现实。 这条路已经跑出了一定成效:面对从未见过的新物体,他们的零样本通用抓取单次成功率接近100%。 本期硅谷101,我们邀请苏度科技CEO韩铮,一起聊聊机器人“动手”怎么实现?他预测,接下来会有更多的硅谷公司重新回到“上下分层”的方向上来。 【主播】 泓君,硅谷101创始人,播客主理人 【嘉宾】 韩铮,苏度科技联合创始人&CEO 【你将听到】 机器人“动手”的数据根基 03:17 为什么做全栈(大脑+本体)通用机器人? 07:14 苏昊早年经历:从图片标注ImageNet,到3D数据集ShapeNet 11:08 3D数据收集,难在哪里? 13:21 仿真需要亚毫米级精度,视频训练无法达到 16:33 什么是Sim-to-Real(从仿真到现实)? 18:08 创业时机的判断:DALL-E带来的数据拐点 Sim2Real技术验证与关键突破 21:40 仿真器的技术内核:经典物理法则+强化学习 24:17 数据集质量与规模的平衡:自建结构化3D数据集 28:05 实际效果如何?零样本通用抓取,一次性成功率98% 32:11 回应Demo质疑:去学术会议现场随机环境中演示 34:22...

E243|特朗普“缓刑”红牌之外,美国资本如何硬控全球足坛

世界杯发生了闻所未闻的一幕,在特朗普介入后,美国球员巴洛贡吃到的红牌被暂缓1年执行,有人不禁要问了,国际足联为什么要那么听美国人的话。 部分原因可能来自于,美国资本已经渗透进了全球足坛的方方面面。比如英超的20家俱乐部中,有11家都被美国资本控股,美资甚至渗透进了欧洲五大联赛的俱乐部、商业权益开发、球员球队买卖资金周转等等方面。 没有英式足球积淀的美国人,为什么会那么喜欢投资英式足球?美国资本又在怎么改变世界足坛呢? 【主播】 麻花,硅谷101特约研究员 【嘉宾】 张兵,懒熊体育《摸鱼的熊彼得》主理人 施骅伦,《翻转体育》主播 【你将听到】 没有足球文化的美国,资本为什么爱足球 03:05 售股两年后,曼联老板为什么又要找下家 06:21 20支英超球队11支被美资控股,美国富豪为什么那么上头 09:48 英超球队的上市潮与退市潮 16:14 两任美国老板,在英国“小队”伊普斯维奇上赚翻了 19:47 美国人对体育资产的商业化运作,到底能有多强 美国老板们,为什么永远被球迷Diss 22:47 曼联往事:格雷泽家族20年的骂名从哪儿来 27:35 曼联新老板拉爵,带来的新变化可能喜忧参半 30:04 从阿森纳到曼联,豪门为什么都爱捣鼓球场 36:56 SoFI球场,美国人商业运作体育场馆的典型案例 38:16 阿森纳老板克伦克,与前大股东乌斯曼诺夫的控制权之争 45:31...

E242|最快半年AI跑通自进化?与陈天桥首席科学家聊聊硅谷模型必争之地

从ChatGPT掀起生成式AI浪潮到现在,不过短短两三年,AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月,Anthropic在一份公开报告中预测,AI未来将进入"递归自我提升"(Recursive Self-Improvement, RSI)阶段,并呼吁人类共同为AI的发展设计出一个减速或暂停机制。 AI自我进化会以多快的速度到来?未来的AI,它会在通往真理的道路上与人类并肩作战,稳步破解医学、气候等种种难题,还是会在暗处走向失控? 本期播客,泓君邀请到专注做“发现模型”的AI公司Apodex的两位首席科学家,杜少雷和Beibin,一起聊聊AI的自我进化与自我验证。 Apodex是一家陈天桥出资创立并亲自主导的公司,这家公司给自己的定位也非常的特别,他们只做一件事—— heavy duty solver,意思是专啃那些没有标准答案,人类自己都不知道从哪下手的难题。他们管自己想做的模型叫做 discovery model。不是从已知的信息里面找答案,而是要提出人类还没有想到过的假设,自己想办法去验证它,去解决这个世界上还没有被解决的科学难题。 嘉宾预言,最快半年,AI就能跑通一次完整的自我进化闭环。但要实现持续的、可靠的递归提升,模型必须具备“自我验证”能力。这很像人类科学家的基本功:大胆假设,小心求证。而要让AI做到这一点,关键的前提是——教会大模型真正拥有科学家一样的品味和判断力。 【主播】 泓君,硅谷101创始人,播客主理人 【嘉宾】 Simon Shaolei Du(杜少雷),Apodex推理模型与训练首席科学家,华盛顿大学计算机科学与工程学院副教授 Beibin Li (李辈滨),Apodex自我进化与编程首席科学家 【你将听到】 自我进化背后的底层能力 03:00 AI自我进化不是新概念,两三年前就有了 06:48 RSI概念火了,背后是模型能力变强了,长程任务表现更好了 09:20 技术上如何训练AI做好长程任务?算法+数据+infra 12:45 Coding能力代表了模型自我进化的底层能力 14:29...

E241|跑鞋技术迭代史:马拉松跑进2小时,靠人还是靠鞋?

本期节目由AI轻办公神器vivo X Fold6赞助播出 今年4月的伦敦马拉松,肯尼亚选手萨维以 1小时59分30秒 的成绩夺冠,成为首位在正式马拉松比赛中跑进2小时的运动员,这场比赛的亚军克杰勒恰同样跑进了2小时,创造了历史。 事后媒体关注到,萨维和克杰勒恰,包括这场比赛的女子冠军阿塞法,他们穿的鞋,都是阿迪达斯的Adios Pro EVO 3。但在此之前,统治马拉松赛场10年之久的一直是耐克,也是它,发起了一度轰轰烈烈的Breaking 2项目,剑指帮助运动员马拉松“破2”。 尽管跑步这项运动自古有之,但直到1960年代,人们才真正拥有专为路跑设计的现代化跑鞋。过去60多年的发展历史里,路跑鞋都发生了哪些技术变革?运动鞋品牌,又是怎么在马拉松赛场内外你追我赶的? 【主播】 麻花,硅谷101特约研究员 【嘉宾】 盖德,《迪谈盖论》主播 【你将听到】 跑鞋技术迭代史,谁是最有突破性创新的那双鞋 04:26 划时代跑鞋:阿迪Ultra Boost和耐克Zoom Vaporfly 06:58 TPU超临界泡棉,阿迪Ultra Boost的秘密武器 07:54 耐克Zoom Vaporfly的必杀技,把碳板和超级泡棉结合到一起 10:30 中底的重要性:辅助一个动作重复4万多次仍能保持优秀性能 12:11 中底之外,鞋面、鞋楦也有技术之争...