贝索斯要砸1000亿美元重建美国制造业,真正的杀手锏不是工厂
当所有人都以为这是“富豪又一个疯狂基金”时,贝索斯讨论的却是另一件事:如果用AI重做整个美国制造业,1000亿美元该买什么?这不是情怀投资,而是一套冷酷、算过账的产业级打法。
当所有人都以为这是“富豪又一个疯狂基金”时,贝索斯讨论的却是另一件事:如果用AI重做整个美国制造业,1000亿美元该买什么?这不是情怀投资,而是一套冷酷、算过账的产业级打法。
当贝索斯的身家突破新高度,白宫开始密集讨论AI政策,GPU却在全球流动,这一期 TBPN 把看似零散的新闻串成了一条清晰主线:AI 已经从“模型竞赛”进入“权力与制造”的阶段,而很多人还没反应过来。
当所有人都在比拼 AI Agent 谁更“会干活”时,David Singleton 却抛出一个反直觉的判断:真正决定 AI 能否规模化的,不是能力,而是信任。这次在 Latent Space 的对谈里,他首次系统讲清楚了 Dreamer 想做的事——把 AI Agent 做成一个像操作系统一样的底座。
Anthropic 调查了来自159个国家、8.1万人的真实想法,结果出乎所有人意料:人们对 AI 的渴望与恐惧并不是对立阵营,而是同时存在于每一个人心中。这份研究,可能比任何技术路线图都更能解释 AI 的未来走向。
如果你以为科学突破来自天才的完美推理,这期对话会彻底颠覆你。陶哲轩借开普勒和牛顿的故事,提出一个反直觉的类比:很多伟大的发现,更像“高温大模型”的疯狂探索,而不是冷静、一步到位的逻辑演绎。这对今天的 AI 与数学,意味着什么?
当大多数人还在讨论模型参数和算力时,Palantir 的 Shyam Sankar 抛出了一个刺耳判断:国家最大的风险不是被外部击败,而是自我瓦解。这期 a16z 对谈,把 AI、国家意志、工程文化与个人选择强行拧在了一起,信息密度极高。
“Code 已经不是合适的动词了。”Andrej Karpathy 在这期播客里,反复把话题拉回一个反直觉的结论:AI 进化的速度,已经开始超过人类使用它的能力。这不是一场模型竞赛,而是一场‘人类技能’的淘汰赛。
一家化工公司,最早的反应器是用Home Depot买来的PVC管拼出来的,每月收入只有1.2万美元。几年后,它成了支撑美国关键产业的巨头。更反直觉的是:它不是靠石油,而是靠“糖”和酶,把一个万亿美元行业彻底翻新。
当所有人盯着英伟达的GTC狂欢时,三星悄悄砸下700亿美元扩建晶圆厂;另一边,苹果被嘲“AI落后”,却依然把钱赚到手软。这期 TBPN 抛出了一个反直觉判断:AI时代,真正决定胜负的,可能既不是模型,也不是发布会。
在这场超长访谈里,马克·库班几乎把硅谷最流行的AI叙事全部“拆了一遍”:他不担心机器人失控、不迷信智能体创业潮,反而反复强调一件被严重低估的事——个人学习能力,才是AI时代真正的护城河。