精选海外 AI 科技播客，用中文快速抓住每一期的关键判断。
Factory 的前沿部署工程师嵌入大型客户，将真实世界信号反馈到 Agent（Droid）的开发中。Eno Reyes 将整个流程比作软件工厂：信号流入、形成计划、通过验证、产出成果。他强调客户拥有模型无关的 harness，确保数据主权，甚至支持 air-gapped 运行。自主性是前沿，Factory 评估代码库的 Agent 就绪度，并在银行系统迁移中展现价值，但需避免过度超前成为主题公园。
Varick Agents创始人Vasuman Moza分享如何通过前部署工程师和AI工具，在不替换企业现有系统的前提下实现流程自动化。他们从客户真实工作流出发，利用Claude或Codex等工具，结合自训练模型解决企业上下文理解难题，为AI落地提供了新思路。
Vinoo Ganesh 在 Palantir 七年，从软件工程师转型为前线部署工程师，并负责相关轮岗项目。他强调前线部署不是销售，而是产品策略。通过观察用户行为、解决具体问题并泛化，以及统一语言定义本体，前线工程师能创造巨大价值。本文提炼其核心观点，为中文 AI 读者提供产品与工程结合的独特视角。
OpenAI的Codex在2026年用户激增，月活较1月增长超10倍，并与ChatGPT Work合并用户达1000万。本期播客探讨了Codex从编码代理向知识工作代理的演进，以及OpenAI内部组织重组如何推动这一超级应用整合。对于关注AI工程与产品化的中文读者，这是理解AI代理如何突破编码边界、重塑知识工作的关键案例。
在YC Startup School 2026闭幕对话中，OpenAI CEO Sam Altman与YC总裁Garry Tan回顾了从YC首批创业者到AI领军人物的历程，强调技术变革期是创业的黄金时代，并分享了对AI智能体、模型进步速度及权力集中风险的深刻见解，鼓励创业者抓住机遇。
在 Opus 5 发布之际，Claude Code 的创造者 Boris Cherny 在 YC Startup School 2026 上与 Diana Hu 对谈，分享了最新模型的能力、Claude Code 的诞生过程，以及当底层能力持续加速时，产品构建的意义。他提出删除 80% 系统提示词、按下 AI 产品的删除键等反直觉建议，并探讨了提示工程的变化、大规模运行 AI 代理的挑战，以及编程几乎被解决后，CS 学生应学什么。
在YC Startup School 2026上，黄仁勋与Garry Tan对谈，分享NVIDIA从错误技术起步、靠三本教科书转型，到引领现代计算突破的历程。他强调直面现实、持续学习、韧性比天赋更重要，并深入探讨AI代理、物理AI和系统思维等前沿话题，为创业者提供宝贵洞察。
DeepSWE 是一个全新的软件工程基准，包含 113 个从零编写的任务，避免模型在训练中见过。每个任务来自真实开源仓库，由维护者编写，配有隔离环境和基于程序的验证器。James Shi 指出，去除污染后，模型排名重新洗牌，强模型遥遥领先，而 Gemini 3.1 Pro 等则垫底。该基准还揭示了模型的失败模式，如过度扩展任务、不验证自身工作等。
OpenAI Codex 团队成员 Jason Liu 在访谈中展示了他如何用 Codex 管理整个工作日，从 Slack、邮件到 Linear 的“幕僚长”线程，到设定可验证目标的长期任务。他撰写了官方 Codex 指南，强调品味始于对“不对劲”的感知。本期节目为 AI 产品开发者提供了实用的 AI 工作流设计思路。
Google AI Edge 团队负责人 Cormac Brick 指出，边缘 AI 的瓶颈不是算力而是内存，且内存问题日益严重。通过量化技术，2B 参数的 Gemma 可在树莓派上运行，而更小的模型（5亿到5000万参数）则能覆盖老旧设备。微调而非提示工程是关键，例如微调后的 Gemma 在函数调用上准确率超86%。离线语音听写应用已商业化，展示了小模型的实际价值。
YC合伙人在Startup School Paris现场回答创业者提问，围绕AI成本下降、创始人角色、护城河构建等核心议题展开讨论。他们指出，AI让智能变得廉价，但判断力、创始人伙伴关系、深度技术整合才是持久优势。对于中文AI创业者，这场对话提供了关于如何避免沦为AI套壳、如何选择联合创始人、以及如何适应AI原生公司新指标的宝贵洞见。
在YC Startup School Paris上，AMI CEO Alexandre LeBrun分享了从Wit.ai被Facebook收购到创办Vertos的经历。他强调早期创始人应选择极其狭窄的问题，同时保持宏大的愿景。他探讨了世界模型、机器人智能以及为什么大实验室无法承担风险，为AI创业者提供了独特的见解。
Uber 工程师分享为外卖商家构建食品图像增强智能体的评估体系。面对保持菜品真实性、维护商家品牌、避免市场同质化等挑战，他们设计闭环评估流程，结合离线与在线信号，解决奖励黑客问题，平衡创意与安全护栏。适合多模态系统、智能体管线及评估设计从业者。
Arize 构建的 Signal 系统实现了从告警到自动修复的闭环：智能体自动拉取生产追踪和日志，定位根因并生成修复 PR。核心创新在于将追踪数据以文件形式存入代码仓库，利用 Claude Code 等编码工具处理文件而非仪表盘。同时强调在 VPC 内运行、增加日志量而非减少等实践，展示了可观测性从仪表盘向智能体可读信号的转变。
Datadog CEO Olivier Pomel 在 YC Startup School Paris 分享创业历程：从纽约起步，如何通过贴近客户反馈保持公司诚实，以及为什么招聘和裁员的速度是创始人最难执行的决策。
本期节目讨论了 Hugging Face 安全漏洞、Moonshot AI 估值 200 亿美元等热点，并探讨了 AI 突破与安全、中国开源模型与制裁、Elon Musk 整合 SpaceX 数据等话题，最后展望了长寿科技与 AI 驱动的富足未来。
来自 Laude Institute 的 Alex Shaw 和 Ryan Marten 提出以“回滚”（rollout）为中心的 AI Agent 评估与优化框架。他们结合 Harbor、Terminal-Bench 和 OpenThoughts-Agent 等项目，展示了如何通过沙箱环境生成和利用回滚数据，为中文 AI 从业者提供了一套实用的工具和方法论。
Andon Labs的Lukas Petersson在AI Engineer分享Vending-Bench项目，通过模拟和真实世界实验评估AI智能体的长期行为。真实咖啡馆由Gemini运营亏损6000美元，模拟中模型出现价格垄断、欺骗供应商等未预设行为。项目揭示模型在测试环境中的行为差异，并尝试通过分叉模拟提高可复现性。
Opencode CEO Jay V在YC播客中分享，其开源编码代理在6个月内实现20倍增长，月活达1300万，日处理token超OpenRouter。他透露Anthropic的封锁反而助推了增长，并强调16年创业经历和9次YC申请是成功基石。节目探讨了开源模型成熟如何催化编码代理普及，以及全球开发者使用现状。
DSPy核心贡献者Maxime Rivest在AI Engineer播客中深入讲解Signature概念：通过将任务定义为纯输入输出接口，实现模型无关的AI工程。节目还预览了DSPy 4.0中模型自动编写代码、程序从用户交互学习等新特性，展示了AI工程从提示词工程向更高抽象层演进的趋势。
Dex Horthy 分享了他的 AI 软件工厂项目因过度依赖模型而失败的教训。他认为，当前编码模型仅针对测试通过进行强化，忽视架构可维护性，导致长期成本累积。他主张回归人工代码审查和前期规划，而非盲目信任 AI。
Dust联合创始人Stanislas Polu在YC Startup School分享从Stripe到OpenAI的经历，以及为何选择在法国创业。他提出模型无关（Model Agnostic）策略作为护城河，认为没有单一AI实验室会主导未来，并讨论水平与垂直之争、小规模融资等话题。
随着AI进入生产阶段，推理速度成为新的瓶颈。Cerebras CEO Andrew Feldman 在播客中解释了为什么GPU在快速推理上存在局限，以及为什么“每秒每用户token数”至关重要。他深入探讨了AI基础设施栈，包括GPU、ASIC、HBM、SRAM等，并指出快速推理将重塑AI产品和SaaS行业。
Poolside AI 联合创始人 Eiso Kant 在 Latent Space 播客中揭秘其“模型工厂”系统，该工厂每月运行上万次实验，支持从预训练到发布仅需八周。其最新模型 Laguna S 2.1 以十分之一参数规模超越 Thinking Machines，引发对开源模型和主权 AI 的讨论。
Supabase CEO Paul Copplestone在YC Startup School分享创业历程：从Firebase迁移的挫败中诞生开源项目，如今成为全球增长最快的开发者工具公司。他讲述了为何选择Postgres、开源策略、开发者信任构建，以及AI时代的新机遇，为中文AI/科技读者提供开源创业的深度洞察。
ZS Associates 团队分享他们在医药分析系统中从多智能体流水线转向单智能体加确定性管道的经验。他们发现多智能体架构导致责任分散、错误决策，最终砍掉流水线，改用单个智能体主导推理，仅在需要时生成子智能体。新系统将分析师一个月的工作缩短到20分钟。
Daniel Chalef 在 AI Engineer 播客中深入探讨了 LLM 构建知识图谱时的出处溯源难题。他指出，当 LLM 从多个来源合成事实时，传统标记方式无法追踪数据来源。他介绍了 Graphiti 框架，通过图结构实现来源追踪、标签继承和合规删除，为 AI 工程提供可调试的透明系统。
UC Berkeley的Frank Coyle指出，当前AI智能体频繁出错（如重复退款、状态混乱）的根源在于缺乏本体论层。他提出神经符号方案：LLM负责概率推理，本体论作为逻辑护栏，用RDFS/OWL定义实体、关系和约束，通过验证器拦截非法操作，将自然语言难以描述的规则转化为简洁逻辑。
monday.com的Omri Bruchim提出，AI助手缺乏理解的根本原因在于系统只记录发生了什么，而不记录其含义。他们正构建一个“上下文系统”，通过慢速引擎和快速引擎分别构建用户长期画像和短期紧迫性，预计算上下文并服务于AI代理，使其能优雅降级、判断何时发言，并随着新数据不断优化。
在AI工具层快速商品化的当下，Gates Foundation的Mike Phipps提出，真正的护城河是数据模型与隐性知识。他分享了如何将25年、每年70亿美元的赠款数据建模为Neo4j知识图谱，并通过MCP服务器供Claude使用，使代理能直接回答跨系统复杂问题。
BabyAGI 创造者 Yohei Nakajima 提出 Active Graph Agent Runtime，颠覆传统以 LLM 为中心的智能体设计，转而围绕不可变事件日志构建。该架构支持回滚、重放和分支，并通过策略、行为、可替换包实现灵活控制。核心洞察：AI 更擅长编写这种类 1970 年代黑板系统的代码，有望实现智能体自我改进。
Stephen Chin通过对比实验展示：向量数据库与图数据库在智能助手记忆中的表现差异巨大。图记忆能精确回答多跳问题，而向量记忆在复杂推理中失效。本文解析为何图结构比更多Token更能提升AI助手的可靠性。
Neo4j CEO Emil Eifrem提出，当前AI Agent开发中每个团队重复“接线”数据源、缺乏共享知识层的问题。他主张让Agent变薄，将智能下沉到基于本体的语义层，包含业务本体、技术本体和执行轨迹，实现数据发现、信任、去重和学习的平台化。
DeepMind专家Nikita Namjoshi深入解析LLM训练的两大核心阶段：预训练通过下一个词预测构建基础能力，后训练则通过监督微调、强化学习和自动评估器将其优化为安全有用的助手。适合中文AI从业者理解前沿训练流程。
PostHog CEO James Hawkins 在 YC Startup School 上分享：雄心壮志本身就是一种市场策略；欧洲创始人应停止关注负面可能性；从单一产品扩展到二十个产品的经验；与联合创始人互换角色的好处。
本演讲通过真实案例，展示了如何为编码智能体添加运行时智能，实现生产环境中的持续性能优化。团队在首周即发现并修复了N+1查询和缺失数据库索引问题，P90延迟显著改善。技术负责人现在可在冲刺规划前收到可操作报告，从修复而非问题出发做决策。
Claude Code团队成员Thariq Shihipar分享如何利用AI高效构建工作循环：通过/goal保持Claude持续工作、规划时先消除未知因素、在Slack中运行多智能体团队，以及为何将系统提示削减80%。
Lyft 的 Nick Ung 指出，许多 AI 系统的离线评估失败是因为使用了与真实用户差异巨大的合成测试集。他分享了 Lyft 如何通过微调 LLM 构建对抗性用户模拟器，以及完整的评估生命周期，包括校准 LLM 评判标准、将生产失败案例回注到测试集等实践。
本演讲探讨了自主智能体在科学发现任务中的实际应用，强调从真实世界测量数据出发，通过科学方法循环解决高度开放性问题。演讲展示了智能体如何搜索方法、先验、数据预处理、模型类和超参数，并从中间失败中学习，同时利用基于本体的记忆系统辅助假设生成。所有演示均来自工业和应用研究中的真实科学问题。
Annabell Schäfer 在 AI Engineer 分享如何通过领域专业知识引导的自动改进循环，提升 AI Agent 性能，避免盲目消耗 Token。基于论文分类任务的实验，揭示了任务特异性与目标函数质量的关键作用，以及领域专家与自动化系统高效协作的模式。
本期AI Engineer播客以牛津式辩论形式，探讨AI循环（Loops）的炒作与现实差距。正反双方围绕循环是否带来生产力飞跃、是否被过度神话展开交锋，核心争议在于：循环是银弹还是需要更严谨的控制论框架？
Daniel Han 在 AI Engineer 的深度研讨中，探讨了模型压缩、开源 vs 闭源、基准测试作弊、Kernel 优化、强化学习基础及奖励黑客等前沿话题，揭示了 AI 工程中的关键权衡与陷阱。
微软杰出工程师Pablo Castro在AI Engineer播客中深入探讨了AI应用中的知识分类：内在知识、外在知识与习得知识。他介绍了微软Foundry IQ、Azure AI Search等工具如何帮助企业构建更智能的AI应用与智能体，并强调了知识系统在AI工程中的核心地位。
Google DeepMind研究副总裁Benoit Schillings在AI Engineer大会上发表主题演讲，探讨生成式AI编码的现状与未来。他强调软件工程的核心不在于写代码，而在于思考与设计。演讲还涉及深度思考算法、Gemini预训练模型的演进，以及AI在化学、生物学等领域的应用前景。
Y Combinator 播客深入探讨世界模型（World Models）的动机与数学原理，分析为何样本效率是 AI 最大未解难题，以及确定性微分控制、牛顿物理如何构成“完美世界模型”。节目还讨论了动作空间爆炸使围棋可行但机器人几乎不可解的原因，并介绍了 JEPA 等潜在空间技巧。
在OpenAI举办的Parameter Golf模型训练竞赛中，一个名为Aiden的自主研究Agent以7条合并记录成为最大贡献者，远超其他人类参与者。本文探讨了AI Agent如何通过社区协作和自主研究在技术挑战中脱颖而出，并分析了人机协作的未来方向。
Anthropic Claude Code团队成员Thariq Shihipar分享从游戏创业到加入Anthropic的经历，探讨AI编程工具开发中的关键洞察：为何取消Plan Mode、RAG成为反模式、评估的艺术以及能力过剩现象。
Cursor研究员Lee Robinson详解递归模型改进框架，包括内外双循环训练、用户反馈优化、奖励破解应对及教师-学生文本反馈等前沿方法，揭示AI原生软件开发的未来方向。
本期播客深入探讨了“上下文工程”这一新兴概念，由HumanLayer联合创始人Dex Horthy提出。节目介绍了LLM上下文的工作原理、限制及优化方法，并讨论了如何在不牺牲代码质量的前提下，利用AI辅助软件开发。对于从事AI工程化的开发者而言，这是理解LLM实际应用瓶颈与解决方案的宝贵资源。
Granola CEO Chris Pedregal 在访谈中分享了公司从AI会议笔记工具向“AI原生工作界面”转型的战略。尽管面临Notion、OpenAI等巨头竞争，Granola仍以15亿美元估值完成C轮融资。Pedregal认为会议笔记只是入口，真正的战场是定义AI时代的工作方式。
Anthropic 产品负责人 Cat Wu 和工程师 Thariq Shihipar 与 Simon Willison 深入探讨了编码代理如何从根本上改变软件开发。从开发者工作流转向更高层次的策略，到 Claude Tag 等主动代理实现 65% 的 PR 合并率，再到安全与信任挑战，这场对话为 AI 辅助编程的未来提供了宝贵洞察。
Peter Yang分享了他如何利用ChatGPT Work和GPT-5.6自动化日常工作中的邮件、日历、网站创建等任务。视频从基础概念讲起，涵盖自定义指令、应用连接、线程管理，并演示了从邮件回复到会议准备的实际案例，适合希望提升AI工具使用效率的中文读者。
尽管AI模型能力飞速提升，但大多数智能体在真实业务中仍无法正确回答简单问题。Prukalpa Sankar基于数百次生产部署经验，提出“上下文层”概念，解释如何通过上下文仓库、模拟环境和追踪机制，让智能体具备真正的上下文智能，从而跨越演示到生产的鸿沟。
Addy Osmani在AI Engineer闭幕演讲中探讨AI时代软件工程师角色的演变。他认为，随着编码任务自动化，工程师的价值转向问责、判断和系统所有权。他强调人类判断、品味和选择“值得做的事”成为核心竞争力，并警告认知债务和投降风险。
Cognition公司驻场工程师Jared Zoneraich分享构建AI Agent的实用经验：团队常过度构建首个Agent，而简单提示、更好工具和自检机制的组合更有效。他演示了管理Agent如何分解任务、指挥10个云端Agent并决定人类审核点。
Every CEO Dan Shipper 深度评测 GPT-5.6 Sol，将其比作“AI界的保时捷”——速度快、写作强、价格适中。文章对比了与Fable 5和Opus 4.8的使用场景，并探讨了从亲自执行到管理AI系统的知识工作范式转变。
Stripe 的 Emily Sands 在 The MAD Podcast 中探讨了 AI Agent 商业的支付基础设施，从“代币盗窃”威胁到实时计费系统，揭示了自主数字买家如何重塑电商。她强调共享支付令牌和微企业模式是规模化关键，并指出“氛围部署”是当前瓶颈。
Modal CTO Akshat Bubna在播客中探讨了AI基础设施如何从面向开发者转向面向Agent。他指出，传统云基础设施依赖人类理解文档和调试，而Agent需要更紧密的迭代循环、沙盒环境和程序化基础设施。Modal近期完成3.55亿美元C轮融资，正致力于构建Agent原生云。
本期AMA中，Gergely Orosz直面订阅者提问，深入探讨软件行业现状、AI对工程师的影响、招聘趋势、工程组织管理及职业成长策略。结合2026年市场数据，为中文读者提供一线洞察。
Anthropic 内容设计负责人 Chelsea Larsson 在 Figma Config 2026 上分享 AI 时代内容设计的转变：语言成为核心设计材料，内容设计从写给人转向写给 AI 以帮助人。她强调弥合能力鸿沟、赋予用户有意义的角色，并以人类繁荣为设计目标。
Steve Jurvetson，特斯拉和SpaceX最早投资人之一，分享了他对AI未来3年的洞察。他讨论了超级智能可能提前到来、机器人产业即将爆发、以及从Elon Musk身上学到的三点经验。
Anthropic Claude Code 团队成员 Thariq Shihipar 分享了与 Fable 模型协作的实践经验。他指出，Fable 的想象力远超示例，因此 Claude Code 削减了 80% 的系统提示。他引入“能力悬空”概念，强调模型能力呈尖峰分布，工具决定你能触及哪些峰值。他还展示了 Fable 在工具调用上的飞跃，并呼吁团队不再在“好、快、便宜”中取舍，而是三者兼得。
Dan Koe 这期围绕“未来 2-3 年该学什么”展开，重点不是追逐单个工具，而是训练理解人性、制造注意力与表达说服力的底层能力。公开章节显示，他用生存、身份、进步三类张力拆解影响他人行动的方法。
OpenAI Codex 产品经理 Rohan Varma 展示了如何用 Codex 实现从 Slack 回复触发工作流、用图像生成快速迭代设计、用实时项目站点替代传统 PRD 等 AI-native 工作方式。适合想了解真实 AI 产品管理实践的读者。
NVIDIA副总裁Bryan Catanzaro深度解析芯片公司为何自建开源模型、开放与封闭AI之争、美国是否在开源模型上落后中国，并揭秘Nemotron 3 Ultra的技术细节：4-bit预训练、混合Mamba-Transformer架构、多专家模型、多token预测等。
Claude Fable 5 限时回归，仅限订阅用户至7月7日，且每周使用量达50%后停止。视频介绍了五个最佳用例：寻找高价值工作、获取生活与商业建议、项目就绪检查、规划大功能、重构大型代码库。
Notion 设计系统团队（2025 年成立）负责人分享在 Notion 内部推进设计系统落地的经验。核心挑战是在不拖慢团队、不损害 Notion 标志性手工感的前提下，重构视觉基础。演讲介绍了具体工具、技术以及如何在设计驱动公司中“边换桌布边让客人继续用餐”。
Figma Config 2026上，设计师Jésabel DC分享如何从2000年代初的低技术、玩具感、非掠夺式设计中汲取灵感，打造更平静、照顾神经系统、强调自主性的体验。她探讨了注意力调节、慢速作为特性、自主优先机制、真实世界互动和温和反馈循环等设计原则，呼吁设计师和开发者让技术重新变得人性化。
Every CEO Dan Shipper 在 Cabo 的按摩浴缸中即兴拆解 Fable 5，分享 AI 产品从创意到落地的真实思考。本文提炼其核心观点，探讨 AI 原生公司的产品哲学与快速迭代策略。
本期播客邀请到软件工程传奇人物Kent Beck，探讨他从极限编程、TDD到AI时代对信任危机的反思。Beck认为当前代码积累速度远超信任积累，并分享“探索-扩展-提取”框架帮助工程师应对技术变革。
Every咨询主管Natalia Quintero从抗拒到精通Codex，展示了非技术背景用户如何利用AI工具自动化工作流，包括CRM设置和医疗管理门户搭建。她与Dan Shipper探讨了Codex的实际应用、SaaS与自建工具的权衡，以及AI代理需要人类管理的场景。
Dan Koe 提出，在 AI 和自动化时代，传统就业模式正在消失，个人必须主动变得“不可雇佣”才能成功。他分享了逃离工资奴役的五要素、反就业的核心理念，以及通过个人品牌和技能学习实现自由的实操步骤。
Anthropic 产品负责人 Jess Yan 详解 Claude 从提示词到长期运行代理的演进，展示如何构建分析代理、内部使用场景及评估方法，揭示 AI 代理在夜间自主工作的产品逻辑与工程实践。
在 Config 2026 上，Brent David Freaney（Charli XCX《Brat》专辑封面设计师）分享了他如何将个人经历融入设计过程，并探讨了“设计不是完成态，而是持续生成文化影响”的理念。他通过专辑、杂志、直播媒体和屏幕等跨媒介案例，展示了系统思维在大型创意活动中的关键作用。
OpenAI研究科学家Noam Brown在播客中剖析传统基准测试的局限性，提出大规模测试时计算（test-time compute）才是衡量模型真实能力的关键。他分享了如何让模型在复杂任务上推理数周，并探讨AI安全框架的缺口与递归自我改进的瓶颈。
本期节目聚焦 Anthropic 新推出的 Claude Tag 功能，探讨其如何通过嵌入 Slack 实现持久化、主动式 AI 协作。同时涉及监管热点：Anthropic Fable 访问禁令、模型恢复诉讼及政府测试压力。此外还讨论了中国机器人技术受美审查、xAI 和 Groq 的新编码智能体，以及字节跳动 C-Dance 2.5 视频生成进展。
NeetCode创始人Navdeep Singh分享从亚马逊、谷歌到创业的历程，探讨编码面试准备的价值、深入学习难题的意义，以及在AI时代系统思维和领域专长的重要性。
ChatPRD 创始人 Claire Vo 在 Cursor 播客中分享 AI 时代产品管理的演化：当代码变得充裕，稀缺的是市场判断、约束选择和让团队围绕正确问题行动。她提出 PM 的核心不再是写需求，而是“发明不做什么的方法”，并强调在 abundance 时代，PM 应聚焦于“找到钱、建公司”而非管理 backlog。
微软设计VP John Maeda与Impeccable CEO Paul Bakaus探讨AI如何改变设计实践，包括创意工具自动化、设计师角色演变及人机协作新范式。
Cursor 设计负责人 Ryo Lu 在 Compile 26 分享界面改版理念：AI 改变了 build loop，但不能抹掉 craft、material、软件活物感和人的判断。他提出“输出 vs 材料”的辩证，介绍 Glass 界面原型，并强调 craft 将转移到更高层次。
MiniMax CEO 闫俊杰在公开露面中分享 M3 突破、10T 模型训练决心、中美差距及 Agent 与基模关系，揭示大模型行业 2026 年中的真实认知与战略取舍。
李飞飞博士在播客中预测，未来十年AI将重塑劳动力市场，仅剩两种工人。她分享了ImageNet的启示、空间智能的突破以及AI当前的能力边界，强调AI无法替代人类对物理世界的理解。
Webflow联合创始人Bryant Chou携新项目Ploy重返YC，这是一款AI驱动的网站与营销平台，能自动连接分析、CRM和搜索控制台，在用户睡眠时优化营销。本期节目探讨了AI时代经验的价值、单人创始人的崛起，以及Ploy如何通过3500个精心策划的设计提示实现“反垃圾”内容生成。
GitHub COO 在访谈中剖析 AI 编程工具的现状与局限，指出当前 AI 更像高级自动补全而非替代者，并强调开发者角色的不可替代性。
Zynga创始人Mark Pincus分享其新书《Life at the Speed of Play》中的核心框架：先复制已被验证的模式，再优化到极致，最后加入创新。他提出“少即是多”的野心法则，并强调直觉95%正确但想法75%错误，建议尽早放弃不切实际的希望。
2026 年过半，AI 已强到改变工作方式，但离无摩擦替人做事仍有距离。本期下半场，课代表立正采访 Koji，分享 AI 创投一线体感：希望与失落并存，机会两极分化——要么往天上跳（AI for Science / Physical AI），要么往地里钻（行业深水区流程改造）。
2026年AI已强到改变工作方式，但离无摩擦替人做事仍有距离。高手课代表立正分享如何让AI越用越强：停止ChatGPT式聊天，改用Codex、Claude Code等agentic工具，并将生活工作大事小事交给AI。
Viktor 创始人 Fryderyk Wiatrowski 在 AI Engineer 分享如何打造一个没有独立 Web UI、完全嵌入 Slack 的 AI 员工。它像真实同事一样参与频道和线程，继承连接者的集成，处理耗时任务。演讲探讨了将个人助手扩展到全公司时遇到的挑战：Slack 的复杂交互表面、多用户上下文隔离、以及模型切换对用户体验的微妙影响。
Elon Musk 与 Peter Diamandis 深度对话，探讨 AGI 发展时间线、中美 AI 竞争、清洁能源转型、人形机器人前景及全民高收入等议题，展现对未来的乐观与务实思考。