ax@ax-radar:~/podcasts/lex-fridman-yt $ ls -t podcasts/
41 srcsignal 72%cycle 04:32

播客·视频

▸ 4 episodes · updated 3m ago
6 个频道在监控
全部Dwarkesh Patel 访谈98Latent Space78最佳拍档68硅谷101 播客56Dwarkesh Patel 播客31Lex Fridman 播客17
筛选精选全部含低分剧集
▸ Lex Fridman 播客4 集
2026-03-23 · 星期一2026年3月23日
16:24
83d ago
● P1Lex Fridman 播客· atomEN16:24 · 03·23
黄仁勋对谈 Lex Fridman：英伟达如何从单卡竞争转向整机柜、整数据中心的极端协同设计
黄仁勋在播客里解释了英伟达现在为什么要搞“极端协同设计”——因为单颗 GPU 已经不够用了。你想让一万台计算机跑出百万倍的加速，就不能只堆硬件，得把算法拆开、把模型和数据切碎（分片），让网络、交换、存储、供电、散热全部配合起来。否则受制于阿姆达尔定律，计算部分再快，整体也只快一点点。他还提到自己直接管 60 多个人，几乎全是工程背景，分别盯着内存、CP...
#Inference-opt#Tools#NVIDIA#Jensen Huang
精选理由
这是一手访谈，黄仁勋把 NVIDIA 的竞争逻辑讲得很清楚：不再拼单卡，而是拼整机柜甚至数据中心的协同设计。他提到 60 多个直接下属、1 万台计算机的扩展目标，以及 Amdahl 定律带来的实际限制，信息密度高。我会先打个折，因为这是播客分析，不是新产品发布或人事变动，但作为理解 NVIDIA 战略的入口，值得从业者花时间看。
一句话点评
黄仁勋在 Lex Fridman 播客里聊了英伟达从造芯片转向造整个数据中心机架的逻辑，也坦承了 CUDA 生态的护城河和地缘政治下的供应链焦虑。
锐评
这期播客信息量很大，但核心就一件事：黄仁勋在解释为什么英伟达必须从“卖显卡”变成“卖数据中心”。他用了阿姆达尔定律来解释，当计算规模大到需要把模型切碎分给上万张卡一起跑时，网络、存储、散热的瓶颈会吃掉所有算力增益。所以英伟达现在直接设计整个机架甚至机房，把 GPU、CPU、NVLink 交换机、液冷全绑在一起优化。这个逻辑本身不新鲜，但他讲得很透。 值得留意的是他对 CUDA 的定位。他明确说 CUDA 不是护城河，真正的壁垒是“把所有东西深度协同设计”的能力。这话半真半假，CUDA 的软件生态迁移成本极高，但他强调硬件协同也没错——毕竟竞争对手可以抄芯片，但很难在短时间内同时抄出芯片、网络、软件栈和散热方案。 关于地缘政治，他承认出口管制让英伟达在中国市场很被动，但话术很谨慎，只说“我们在合规范围内尽力服务客户”。正文没披露具体受影响营收数字，这点只能靠财报去补。整体来看，这期适合想理解英伟达系统级战略的人看，但别指望听到任何未公开的产品路线图或财务指引。
HKR 分解
hook ✓knowledge ✓resonance ✓
→ 打开信源
86
SCORE
H1·K1·R1
2026-03-11 · 星期三2026年3月11日
20:21
95d ago
Lex Fridman 播客· atomEN20:21 · 03·11
《魔兽世界》《守望先锋》主创Jeff Kaplan：AI做游戏“大部分是一团糟”，ChatGPT十次只对一次
Jeff Kaplan在Lex Fridman播客中透露，2021年离开暴雪后，他一直在秘密开发一款新游戏《The Legend of California》，设定在19世纪加州淘金热时期，是一款开放世界在线多人游戏，融合生存、动作和冒险元素，3月底开启alpha测试，随后进入抢先体验。对AI从业者来说，更尖锐的信息是Kaplan对AI用于游戏开发的评...
#Jeff Kaplan#Blizzard#Lex Fridman#Commentary
精选理由
不是 AI 头条新闻；标题是宽泛的游戏播客，所以 HKR-H 不命中。HKR-K 和 HKR-R 靠一条具体的 1/10 ChatGPT 轶事加上明确的反抓取立场通过，但这只是单个从业者的观点，不是市场级别的更新。
一句话点评
Jeff Kaplan 在 Lex Fridman 播客里聊了暴雪往事、离开原因，以及他正在做的开放世界生存游戏《The Legend of California》。他提到 AI 在游戏开发中“大部分是烂摊子”，回答太自信但经常给错，而且未经许可使用创作者作品是偷窃。这个判断来自一个 34 人小团队创始人的实际体验，不是大厂 PR 稿。不过播客里没细说他具体怎么试过 AI、在哪些环节踩坑，所...
锐评
Jeff Kaplan 直接否定了现阶段 AI 游戏开发的成熟度，还给了一个很伤人的使用体验数字：ChatGPT 处理 Unreal Engine UI 小问题，10 次里只对 1 次。这个判断我基本同意。游戏开发不是写一段能跑的脚本就算完，它要跨引擎版本、编辑器状态、资产依赖、多人同步、性能预算和美术管线一起工作。LLM 在这类链条里最容易出现的，不是“完全不会”，而是“看着会，落地很脆”。1/10 这种命中率，放在写周末原型还行，放进团队生产就是返工税。
HKR 分解
hook —knowledge ✓resonance ✓
→ 打开信源
60
SCORE
H0·K1·R1
2026-02-12 · 星期四2026年2月12日
03:07
123d ago
● P1Lex Fridman 播客· atomEN03:07 · 02·12
OpenClaw：那个爆火的 AI 代理，以及它背后的 Peter Steinberger
这期播客里，Lex Fridman 和 OpenClaw 的创建者 Peter Steinberger 聊了聊这个一夜爆红的开源 AI 代理。OpenClaw 在 GitHub 上已经拿到了超过 17.5 万颗星，它能接入 Telegram、WhatsApp、Signal 和 iMessage 这些聊天软件，用 Claude Opus 4.6 或 GP...
#Agent#Tools#Safety#Peter Steinberger
精选理由
我会先打个折：这期播客更像一次现象级开源项目的快速围观，不是技术深潜。OpenClaw 的传播力来自它做了两件让人睡不着觉的事——自己过验证码、自己改代码，而且已经跑在大家日常用的聊天 App 里。18 万星标说明开发者用脚投票了，但正文没披露架构、评测方法和安全约束，所以别急着把它当生产级方案。真正值得盯的是系统级权限和自修改能力带来的攻击面，这点先别太激动，等有白皮书或独立审计再说。
一句话点评
一个程序员花一小时做的原型，几天内冲到 GitHub 18 万星，还催生了一个 AI 发帖辩论的社交网络。这故事本身比产品更值得看。
锐评
这条信息来自 Lex Fridman 对 OpenClaw 作者 Peter Steinberger 的播客访谈，不是产品评测或技术报告，所以很多关键细节是缺失的。OpenClaw 本质上是一个开源的 AI 个人助手，能住进你的电脑、接入你的聊天软件，用你指定的模型（比如 Claude Opus 4.6 或 GPT 5.3 Codex）替你干活。它爆火的核心卖点是“真能做事”：你可以给它系统级权限，让它访问你的所有数据并代你操作。 但这里必须打个折。访谈里提到 18 万 GitHub 星和“病毒式传播”，却没给出任何实际用户数、留存率或安全事件的统计。作者自己也承认，给 AI 系统级权限是“安全雷区”。他举了正面例子，比如帮小企业主自动开发票、帮残疾女孩获得更多能力，但这些都来自用户邮件，属于个案反馈，没有第三方验证。 目前最缺的是：这个工具在真实场景下的出错率、权限失控案例，以及它跟其他个人助手（比如 ChatGPT 的桌面版或微软 Copilot）的横向对比。如果只看访谈，你会觉得这是一个充满黑客精神的酷项目，但离“靠谱的生产力工具”还差一份透明的安全报告和独立测评。
HKR 分解
hook ✓knowledge ✓resonance ✓
→ 打开信源
86
SCORE
H1·K1·R1
2026-01-31 · 星期六2026年1月31日
22:33
134d ago
FEATUREDLex Fridman 播客· atomEN22:33 · 01·31
2026年AI现状：大模型、编程、规模定律、中国、智能体、GPU与AGI
Lex Fridman 与 Sebastian Raschka、Nathan Lambert 聊了聊 2026 年的 AI 竞赛。他们把 2025 年 1 月 DeepSeek R1 的发布看作一个关键转折点，那次发布让很多人意识到，用少得多的算力和成本也能做出接近顶尖水平的模型。现在竞争已经不只是美国公司的事，中国这边除了 DeepSeek，还有 Z...
#Agent#Code#Benchmarking#Lex Fridman
精选理由
这期播客不是新闻爆料，而是高质量的行业判断。三位把 2025 年 1 月 DeepSeek R1 发布当作转折点，认为技术扩散在加速，差距更多体现在算力、预算和团队文化上，而不是某个模型刷榜。我会先打个折：正文没给任何硬数据支撑，所以别当技术报告读。但如果你关心 AI 竞争格局怎么变，这期值得听。
一句话点评
Lex Fridman 拉上两位实战派聊 2026 AI 现状，没有公关话术，全是模型训练、开源生态和各家底牌的硬碰硬。
锐评
这期播客请了 Sebastian Raschka 和 Nathan Lambert，两位都是既写书又在一线做模型的人，所以聊得很实在。核心判断是：2026 年已经没有哪家公司能独占某种神秘技术了，研究员在各家实验室之间流动，想法本身不再是护城河。真正的差距在于预算和硬件资源。 关于中美竞争，Nathan 提供了一个很具体的观察：DeepSeek 在 2025 年初那一下，相当于在中国国内点燃了类似 ChatGPT 在美国引发的创业潮。现在中国不止 DeepSeek 一家在发强力的开源模型，智谱的 GLM、MiniMax、月之暗面最近几个月表现甚至更亮眼。DeepSeek 反而有点被自己掀起的浪潮盖过风头。美国这边，Anthropic 靠 Claude Code 在编程场景上积累的口碑很扎实，文化上显得没那么混乱，这本身成了一种优势。 节目后半段聊到 AI 生成内容泛滥，他们提了一个反直觉的思路：与其给 AI 内容加水印，不如给所有人类拍摄的原始照片加水印，一旦被编辑就失效。这比追着 AI 打标记更可行，但也承认这注定是一场军备竞赛。整体信息密度很高，但因为是三人对谈，有些结论更多是基于从业者体感，缺少量化的基准测试对比，听的时候可以当作一份来自前线的战地报告，而不是严谨的行业白皮书。
HKR 分解
hook ✓knowledge —resonance ✓
→ 打开信源
79
SCORE
H1·K0·R1

更多

✕

频道

热点聚合每日 AI 日报全部播客·视频AX 严选X 监控收藏信源Agent 接入

后台

用量系统精选策略策略迭代用户