播客·视频

这期访谈最有价值的部分，是张阔从大厂决策者视角，把B2B怎么被AI拆解成A2A（Agent对Agent）讲清楚了。他举的例子很具体：Accio帮卖家做选品研究、生成设计包，把原来一周的跨国采购沟通压缩到一天，效率提升到原来的五分之一。这个数字挺猛，但得打个折——他没说这“一天”是机器时间还是连人带机器的时间，也没披露最终成单率有没有跟着涨。 另一个值得关注的点是他对OpenClaw和Claude Cowork的对比。他认为OpenClaw开放性强但难控，Cowork更像给知识工作者的工作台，核心是每一步都能让人校验、纠错，把差错率压到最低。这个判断很实在，点出了企业级AI落地的关键：不是一步到位全自动，而是让人能插手调优。 信息缺口也很明显。Accio千万月活听起来不错，但没提付费转化、客单价和留存曲线。张阔说内部每季度300个想法，150个上线，50个有效果，这个漏斗本身说明AI应用还在大量试错阶段。如果后续能披露一些具体的交易数据，判断会更扎实。

这期播客把英伟达的万亿野心拆得很实在。黄仁勋在GTC上说，到2027年底Blackwell和Vera Rubin两个平台的累计订单至少1万亿美元，而去年全球半导体总销售额才6000多亿。这个数字更多反映的是下游对算力的饥渴，尤其是推理侧——嘉宾判断，未来一两年推理成本会占到七八成，因为AI Agent需要持续在线、低延迟地消耗Token。 但供应链的瓶颈也很具体。台积电3纳米产能或许跟得上，CoWoS先进封装去年至今扩产三倍，依然紧张；HBM4内存虽然三星、美光都说量产了，但定制化方案还在拼。半导体产线不是软件，砸钱也砸不出即时产能，从建线到良率爬坡的周期是刚性的。所以这1万亿更像一个需求信号，能不能变成实际收入，要看供应链的脸色。 另外，Groq的LPU推理芯片被重点讨论。它用片上SRAM替代DRAM，把模型权重直接放在芯片里，省掉了反复从内存抓数据的过程，延迟极低，适合Agent类应用。老黄甚至建议数据中心留25%空间给这类推理芯片，说明英伟达自己也清楚，训练和推理的硬件需求正在分叉。不过正文没给出Groq的具体出货量或客户规模，这点先别太激动。

这期串台节目没有停留在“AI 安全很重要”这种空话上，而是把 OpenClaw 从安装到深度使用的风险拆得很细。知县给出的风险金字塔很实用：只聊天风险最低，一旦让它读写文件、操作浏览器、安装第三方 Skill，就相当于把家门钥匙和银行卡密码都交出去了。他提到“病从口入”这个原则很形象——不要随便喂给它来路不明的链接或文档，这是防“投毒”的第一道防线。 余弦从安全从业者的角度点出了一个关键矛盾：OpenClaw 的魅力在于“开放”，但传统安全体系靠的是“管控”，两者天然冲突。他给出的核心建议是物理隔离，用一台独立设备或虚拟机来跑，给它 root 权限都行，但别跟主力工作环境混在一起。这个思路比单纯限制权限更务实，因为一旦限制多了，OpenClaw 就不好用了。 节目里还提到一个容易被忽略的事实：OpenClaw 的迭代速度是按小时计的，大量修复和更新本身就是 AI 辅助完成的，软件工程流程跟传统模式完全不同。这意味着它本身就是一个快速进化的“硅基生命体”，稳定性天然不足。正文没披露具体的安全事件数据，更多是基于嘉宾的实操经验，所以这些建议属于实战总结，不是实验室评估。如果你正在用 OpenClaw 做正经工作，备份和隔离这两件事现在就该做，别等出了问题再补。

这期节目最大的价值，是把美国医疗体系的真实痛点——医生每周工作62小时，大半耗在保险文书和医疗编码上——和AI公司的具体解法对上了。Anthropic的Claude for Healthcare走的是底层路线，啃医疗账单和编码自动化，不性感但市场明确。OpenEvidence估值120亿美元，年收入却只有1亿，正文没披露利润和用户留存，这个估值更多是押注它能成为医生端的入口级工具。 节目里提到的HealthBench测试很关键：它不再让AI做选择题，而是模拟真实问诊，由200多位医生从十几个维度打分，ChatGPT只拿到60%左右。这说明AI在复杂医疗场景里还远没到能独立决策的程度，但急救和常见病处理得分较高，提示它更适合做辅助而非替代。 关于巨头和创业公司谁会赢，嘉宾的判断是医疗数据分散、监管严、信任成本高，巨头很难通吃。但正文没给出创业公司具体的获客成本和医院付费意愿数据，这点需要持续观察。

这期播客把 Clawdbot 从改名风波到社区狂欢的戏剧性一周讲得很清楚。它最核心的突破不是技术有多新，而是产品形态选对了：用微信、飞书这类即时通讯软件做入口，加上主动推送和长期记忆，让用户第一次觉得 AI 助手“有活人感”，会吐槽、会提前帮你调研行程。知县举的例子很具体，比如随口说牛肉要坏了，它就能自动生成寿喜烧菜谱并提醒火候，这种贴心感是网页版聊天机器人给不了的。 但节目也坦诚指出了硬伤。安全漏洞大到会泄露用户名、密码和邮件，服务器成本高到网站一度下线，而且那 150 万个 AI 账号里多数是人类假扮的。这说明产品体验虽然惊艳，工程和商业上的坑一个没少。技术上，嘉宾祯豪点出它的长期记忆本质还是靠压缩上下文，离真正的个性化记忆有距离；天奇则提到 Mac mini 被带火更多是市场情绪，专用 Agent 硬件在成本和算力上其实有更优解。 节目没深入讨论的是，这种“零员工公司”的愿景目前还不靠谱，模型对复杂商业需求的理解依然不够。另外，它对互联网广告模式的潜在冲击、网站按爬取付费的可能性，都还只是脑洞阶段，缺乏实际案例支撑。

这期播客的核心判断很明确：人形机器人目前更像资本热潮，离真正干活赚钱还远。傅盛从硬件成本角度算了一笔账，人形机器人至少一半的钱花在腿上，但工厂和仓库基本用轮式就能搞定，加腿反而增加成本和能耗，投入产出比不划算。他提到自己投的机械臂公司，把价格从十几万打到四五千美金，但硬件迭代就是慢，没有摩尔定律。 节目里也讨论了Boston Dynamics宣布2028年量产3万台Atlas，但嘉宾直接质疑这个数字，认为没有真实场景买单的量产没有意义。徐老师补充，他看了现场Demo没觉得有本质区别，泛化能力还很远，像Sunday那种轮式加臂的方案反而更接近实用。 这期内容的价值在于，它把“人形机器人是不是泡沫”这个问题，拆成了成本、场景和供应链的实在讨论。不过，讨论主要基于嘉宾的行业经验和CES现场观察，缺少具体的客户需求数据或第三方成本对比报告。如果听众想判断投资或入局时机，还需要自己去找更细分的场景验证和财务模型。