AI 创始人 & 研究员深度访谈分析
对中文互联网最有价值的 AI 创始人、AI 研究员长访谈（张小珺商业访谈录、WhynotTV、雪球《方略》）做的结构化深度拆解。 每篇 = 1 场 2–4 小时对谈 → 8000–9000 字 / 9 大块结构（上帝视角 · 12 个核心观点 · 思想三层挖掘 · 内在张力 · 可复制清单 · 三角色启示）。
关键词：AI 创始人访谈、大模型创业、AI 研究方法论、张小珺商业访谈录解读、段永平投资、杨植麟 Kimi、罗福莉 小米大模型、何小鹏 小鹏汽车、张鹏 智谱 AI、肖弘 Manus、姚顺宇 DeepMind/Anthropic、翁家翌 OpenAI、Scaling Law、强化学习 RL、Post-training、Agent、Multi-agent、长期主义。
访谈分析索引
| # | 嘉宾 | 身份 / 公司 | 主持 · 频道 | 时长 | 核心议题 | 分析 |
|---|---|---|---|---|---|---|
| 1 | 段永平 | 投资人 · OPPO/vivo/步步高 | 方三文 · 雪球《方略》 | 1:53 | 机会成本、不为清单、长期主义 | 阅读 · v2 |
| 2 | 姚顺宇 | 研究员 · Google DeepMind / Anthropic | 张小珺 | 3:48 | Scaling Law、先跑实验、长任务 | 阅读 |
| 3 | 翁家翌 | Infra 工程师 · OpenAI | WhynotTV #4 | 2:02 | 卖铲子、Infra 杠杆、强化学习 | 阅读 |
| 4 | 何小鹏 | 创始人 · 小鹏汽车 | 张小珺 #143 | 1:28 | 物理 AI vs 数字 AI、人形机器人 | 阅读 |
| 5 | 杨植麟 | 创始人 · Kimi / 月之暗面 | 张小珺 #113 | 1:41 | K2、Muon、Agentic LLM、模型即产品 | 阅读 |
| 6 | 罗福莉 | 大模型负责人 · 小米（前 DeepSeek） | 张小珺 #138 | 3:36 | OpenCode、群体智能、Agent 范式 | 阅读 |
| 7 | 张鹏 | CEO · 智谱 AI | 张小珺 #129 | 2:26 | 百模大战、政策窗口、L0/L1/L2 分层 | 阅读 |
| 8 | 肖弘 | 创始人 · Manus / Monica | 张小珺 | 1:10 | 新安迪-比尔定律、真 Agent 架构、博弈式思考 | 阅读 |
| 9 | 阳萌 | 创始人 · Anker 安克创新 | 张小珺 | 3:37 | 1357 人群、浅海战略、第三类公司、存算一体 | 阅读 |
| 10 | 柯丽一鸣 | 研究员 · Physical Intelligence (π) | 张小珺 | 3:46 | π 三部曲、不做人形、真机数据、机器人族谱 | 阅读 |
| 11 | 洪力德 | 前 SpaceX 高管 · 硬科技投资人 | 张小珺 | 3:00 | SpaceX 开发史、马斯克用人观、可乐罐第一性、太空产业链 | 阅读 |
| 12 | 李想 | 创始人 · 理想汽车（第二次访谈） | 张小珺 | 2:43 | 工具三分级、VLA 司机大模型、能量与亲密关系 | 阅读 |
逐篇精华
1. 段永平 × 方三文：一场”非典型成功者”的自我祛魅
机会成本是投资唯一标尺 · “做对的事”重于”把事情做对” · 不为清单（Stop-doing List）。 完整分析 →
2. 姚顺宇 × 张小珺：一场”英雄主义终结”的解构对话
靠谱比聪明重要 · 先跑实验不信纯理论 · Scaling Law 还没死。 完整分析 →
3. 翁家翌 × WhynotTV：一个”铲子制造者”的自我解码
卖铲子比挖金更重要 · idea 便宜验证 idea 的基础设施才值钱 · 自定义评价体系。 完整分析 →
4. 何小鹏 × 张小珺：一场”物理世界赌徒”的自我辩护
早下注 > 敢下注 · 物理 AI 与数字 AI 是两种维度 · “缝合怪”自我诊断法。 完整分析 →
5. 杨植麟（Kimi）× 张小珺：用爬山隐喻包装的技术战略告白
“问题不可避免，问题可以解决” · K2 三大创新（Muon + MoE + 数据改写）· Agent 瓶颈是泛化性。 完整分析 →
6. 罗福莉（小米大模型）× 张小珺：被 OpenCode 点燃的认知革命
Agent 是弥补行动缺陷的协调层 · 训模型 ≈ 管团队 · 卡在卡上不卡在 idea 上。 完整分析 →
7. 张鹏（智谱 AI CEO）× 张小珺：一场”第一个吃螃蟹者”的复盘
成果转化 = 政策窗口 × 团队准备 · 百模大战焦虑的是市场塌掉 · 开源是品牌策略。 完整分析 →
8. 肖弘（Manus 创始人）× 张小珺：一场发布前 20 天的”预告式访谈”
新安迪-比尔定律 · 真 Agent = 虚拟机+浏览器+自写代码 · 用博弈而非逻辑推导思考。 完整分析 →
9. 阳萌（Anker 安克创新 CEO）× 张小珺：一个”好学生”在自己公司里的二次创业
1357 人群 / 浅海深海 / 第三类公司 · 分治法 → 端到端与存算一体芯片 · 中层管理者不会被 AI 消灭。 完整分析 →
10. 柯丽一鸣（Physical Intelligence 研究员）× 张小珺：一个”独狼玩家”画的机器人江湖族谱
π0/π0.5/π0.6* 三部曲（能力→泛化→表现）· 通用大脑≠人形 · 真机数据信仰与体验数据飞轮 · 评估是隐形前沿。 完整分析 →
11. 洪力德（前 SpaceX 高管）× 张小珺：一份”1 到 1000 阶段”的一线口述史
火箭是手段不是目的 · 每公斤成本 2 万→3000→100 美元 · 可乐罐第一性与马斯克三会原则 · NASA cost-plus 转向。 完整分析 →
12. 李想（理想汽车创始人）× 张小珺 第二次访谈：一个”CEO 大模型”的自我推理演示
工具三分级（信息/辅助/生产）· VLA 司机大模型全流程 · 最佳实践是反人性的 · 3–7 人能量场。 完整分析 →
分析方法
每篇遵循统一模板，输出 9 大块结构：上帝视角 → 12 个核心观点 → 思想三层挖掘（学科知识 / 心智模型 / 底层哲学）→ 内在张力 → 可复制 vs 不可复制 → 三种角色的可执行启示 → 方法说明与局限性 → 5 个最高密度瞬间（带原话时间戳）。质量要求综合分 ≥ 8/10。
想用同一流程分析新视频？见 复用指南：如何下载字幕并做 AI 访谈深度分析 →（yt-dlp 下字幕 + 清洗脚本 + ASR 纠错表 + 9 大块模板）。
常见问题 FAQ
张小珺商业访谈录有哪些值得看的 AI 访谈分析？ 本站收录 12 篇深度分析：段永平（投资）、姚顺宇（Google DeepMind / Anthropic 研究员）、翁家翌（OpenAI Infra）、何小鹏（小鹏汽车）、杨植麟（Kimi / 月之暗面）、罗福莉（小米大模型，前 DeepSeek）、张鹏（智谱 AI CEO）、肖弘（Manus 创始人）、阳萌（Anker 安克创新 CEO）、柯丽一鸣（Physical Intelligence 研究员）、洪力德（前 SpaceX 高管）、李想（理想汽车创始人，第二次访谈）。
李想说的”工具三分级”是什么？ 信息工具（只给参考，用户不愿付费）→ 辅助工具（提升现有产品竞争力，是产品标配）→ 生产工具（真正替代专业工作、用户愿意付费）。李想认为 Agent 最重要的评判条件就是它是否是生产工具；AI 火了但大家工作时长没减少，因为多数产品还停在信息工具层。
SpaceX 把每公斤入轨成本降了多少？ 据前 SpaceX 猎鹰 9 号首席制造工程师洪力德：SpaceX 之前约 2 万美元/公斤，猎鹰 9 号回收后降到约 3000 美元，星舰目标是 100 美元以下——降到 1% 时，”以前太空里的天方夜谭在账上都算得过来”。
Physical Intelligence（PI/π）的 π0、π0.5、π0.6* 分别解决什么问题？ π0 回答”能力”（叠衣服、叠箱子等此前做不到的任务能不能做），π0.5 回答”泛化”（在 100 个真实家庭做开放世界实验，发现 in-distribution 存在”够用的尺寸”），π0.6* 回答”表现”（用机器人自采的体验数据做强化学习，叠衣服吞吐量超越最好的人类数据采集员）。
阳萌说的”第三类公司”是什么？ 第一类公司做少量超级品类（苹果、特斯拉），第二类做少量中小品类（大多数公司），第三类系统性地做好几十个中小品类（索尼、宝洁、耐克、德州仪器）。第三类公司需要”总统和联邦”而非”国王和骑士团”的管理模式——这是安克的目标形态。
Manus 创始人肖弘说的”真 Agent 架构”是什么？ 虚拟机 + 浏览器 + 让模型自己写代码调用 API。给 chatbot 一个个接 API 是在做”功能机”；真 agent 应能自主解决长尾需求。该访谈录制于 Manus 发布前约 20 天，是其架构最早的公开描述。
杨植麟 Kimi K2 的关键创新是什么？ 三点：用 Muon 优化器替代 Adam（token efficiency 约提升 2 倍）、大规模 MoE 架构、以及数据改写以避免过拟合到原始 token。
罗福莉说的 Agent 时代卡资源如何分配？ 研究 : 预训练 : 后训练 ≈ 3 : 1 : 1。后训练算力已追上预训练，做研究探索需要的卡最多。
段永平的”不为清单”(Stop-doing List) 是什么？ 一份记录”不做什么”的清单。段永平认为三十年的复利不来自加法，而来自把错误的事一条条减下来。
这些分析是 AI 生成的吗？可信吗？ 由结构化的多轮 Self-Debate 流程从原始字幕提炼，核心观点附带视频时间戳可回原片核对。存在字幕 ASR 误差与整理者理解偏差（二阶失真），请以原视频为准。
免责声明
本站为第三方学习笔记，与各访谈嘉宾、主持人、频道无任何关联。所有观点均为对公开访谈视频的二次整理，可能存在字幕 ASR 错误与整理者理解偏差，请以原视频为准。版权归原视频作者所有，内容仅供学习研究，不构成任何投资或商业建议。