硅谷的终极退出:Balaji谈创业、国家与技术的边界
在2013年的YC Startup School上,Balaji Srinivasan提出一个激进而系统的观点:当体制无法被内部改革时,真正的创新来自“退出”。他从微软、硅谷创业史一路讲到国家治理,提出技术正在降低“退出成本”,甚至可能催生全新的“软件化社会”。
在2013年的YC Startup School上,Balaji Srinivasan提出一个激进而系统的观点:当体制无法被内部改革时,真正的创新来自“退出”。他从微软、硅谷创业史一路讲到国家治理,提出技术正在降低“退出成本”,甚至可能催生全新的“软件化社会”。
Chris Dixon 在 YC Startup School 的这场演讲,系统解释了一个反直觉但极其重要的创业规律:真正伟大的创业点子,往往在早期看起来“不靠谱”。他通过 Google、Airbnb 等案例,拆解了这些点子为何被低估,以及创业者如何通过“知道一个别人不知道的秘密”找到机会。
这是一篇关于反馈、分发与实验的创业反思。Dan Siroker通过多次失败、谷歌与奥巴马竞选团队的经历,逐步提炼出一套可复用的创业“算法”,并最终打造出Optimizely。
Pinterest搜索团队分享了他们将大语言模型引入搜索排序的完整实践:从相关性建模、内容标注,到用知识蒸馏解决规模与成本问题。这是一套已经在线服务数十亿搜索请求的真实系统,而不是实验室原型。
这场来自LinkedIn AI的分享,讲述了他们如何用一个大语言模型统一推荐、排序与个性化任务,并一步步把它真正部署到线上。它不仅回答了“LLM能不能做推荐”,更详细拆解了在延迟、成本和效果之间反复拉扯的工程现实。
在这场技术分享中,Netflix推荐系统负责人讲述了一次关键转向:放弃碎片化的推荐模型体系,转而用一个基础模型统一承载所有推荐需求。文章还原了这一决策的背景、技术细节与现实约束,解释为什么这不是一次简单的“模型升级”,而是一场组织与工程方式的重构。
这场来自 Instacart 搜索与机器学习团队的分享,讲述了他们如何在真实、高复杂度的杂货电商场景中引入大语言模型,解决传统搜索在冷启动、长尾查询和商品发现上的结构性难题,并在工程约束下找到可落地的平衡点。
这场演讲讲述了YouTube团队如何尝试让Gemini真正理解YouTube世界,并将大语言模型用于视频推荐与检索。核心不在于炫技,而是在规模、约束和产品现实下,重新思考LLM能做什么、不能做什么。
FAL 的 Gorkem Yurtseven 以亲历者视角回顾了生成式媒体从早期实验到全面爆发的过程,提出“创作的边际成本正在逼近零”的判断,并结合广告、电商与视频等行业,勾勒出生成式媒体即将带来的结构性变化。
Intercom在短短100天内上线了企业级语音AI代理Finn Voice。本文还原这次产品交付背后的关键决策:为什么语音是下一战场、他们如何克制地选择首个用例、怎样把语音AI嵌入真实客服流程,以及评估和定价背后的思考。