硅谷101|中国版

7月27日，月之暗面正式发布Kimi K3的完整模型权重。自7月16日API上线以来，K3就在在多项测试中展现出接近前沿模型的能力。因此，它成为了硅谷最近讨论开源时的重要案例之一。从2025年初的DeepSeek时刻，到当下的Kimi K3，中国开源模型正在从成本更低、能力稍弱的替代品，逐渐逼近甚至超过最强的闭源前沿模型。
随之而来的，是一场越来越激烈的蒸馏争论。什么是蒸馏？通过闭源模型的输出进行训练，和未经授权的大规模能力提取，有什么区别？即使中国实验室使用过美国模型生成的数据，它又究竟能解释多少最终能力？

本期播客，我们邀请到两位嘉宾来分别从开源生态和企业的视角，讨论这一波中国开源模型的影响：前Hugging Face亚太开源生态负责人王铁震，和TinyFish联合创始人Keith Zhai。
我们从K3带给硅谷的挑战聊起，讨论了为什么把中国模型的进步全部归因于蒸馏，实际上忽略了架构、强化学习、数据工程和推理基础设施上的创新。而当蒸馏从一种中性的训练技术，变成商业竞争和政策讨论中的指控时，争议的核心又变成了什么？
在此之外，我们也讨论了K3针对大型推理服务商设计的商业授权：当开源权重模型持续压低成本，它会如何冲击OpenAI、Anthropic等闭源实验室的商业模式？当模型能力逐渐商品化，未来AI行业的价值会流向模型本身、推理基础设施，还是Agent与企业工作流？

注：本期播客中提到的“开源”，更准确地说是开放权重（open weights）。K3官方称自己为开放模型，它使用的是Kimi K3 License，不是标准MIT/Apache 这类完全开放的OSI license。

【主播】
Yiwen，硅谷101特约研究员
【嘉宾】
王铁震，Hugging Face前亚太生态负责人
Keith Zhai，TinyFish联合创始人

【你将听到】
中国开放模型，硅谷怎么看？
01:45 Kimi K3为什么突然成为硅谷关注的焦点？
03:33 从DeepSeek、GLM到K3：硅谷对中国模型的判断如何变化
06:51 企业为什么开始转向中国模型
10:23 中国开放模型推理成本

蒸馏争端始末
13:24 蒸馏争议：到底什么是蒸馏？
17:22 K3是否可能在短时间内蒸馏最强闭源模型？
19:48 蒸馏能解释模型的核心能力吗？

开放模型对闭源商业模式的影响
23:54 K3 License与开放模型商业化
34:27 开放模型会怎样冲击OpenAI和Anthropic的收入与估值？
37:39 英伟达为什么支持开放权重
43:41 中国公司为什么选择开放

强大的开放能力下，Agent生态如何变化？
45:04 Thinking Machines为什么开放权重？
48:39 开放模型催生的新生态
48:43 OpenRouter等多模型平台为什么开始受益？
49:56 对Agent产品和基础设施的影响

开放模型的安全之争
55:40 接近前沿的模型，到底应不应该开放权重？
01:04:01 开源和闭源模型，谁更容易被滥用？

【相关术语】
开放权重（Open Weights）：指模型开发者公开模型训练完成后的参数文件，允许用户下载模型，并在自己的设备或云端进行部署、推理、微调或进一步开发。开放权重并不意味着训练数据、训练代码和完整训练流程也同时公开，具体使用方式还会受到模型授权协议的限制。
开源模型（Open-Source Models）：通常指不仅公开模型权重，还公开足以让外部开发者研究、修改和复现模型的更多组成部分，例如训练代码、模型架构、数据处理方法、训练流程，以及在部分情况下使用的训练数据。由于大模型很少完整披露所有训练材料，目前业界对什么样的模型可以被严格称为“开源”仍存在争议。
思维链（Chain of Thought）：指模型在生成最终答案之前，用一系列中间步骤拆解问题、组织信息和进行推理的过程。
规模扩展效率（Scaling Effiency）：指模型将计算资源转化为能力提升的效率，也就是在使用相同或更少的算力、数据或训练成本时，能否获得更好的模型表现。
键值缓存（KV Cache）：指模型在处理上下文和生成内容时，保存此前token在注意力计算中产生的Key和Value数据。这样，模型在生成下一个token时不必重新计算全部历史内容，可以显著降低重复计算，提高生成速度；但上下文越长，KV Cache占用的内存通常也越大。

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！

【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Kablaam - Ealot
Flickering Torches - Christian Andersen
Radar Focus - Blue Saga
Pulse Runner - Helmut Schenker

当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。
当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。
本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。

【主播】
Faith静远，硅谷101特约研究员
【嘉宾】
Tony Lin，人工智能实验室模型设计负责人，《行星酒馆》主播
Bianca Consunji，NBCUniversal AI战略总监

【你将听到】
02:54 内容工程师是什么？
05:55 内容工程师如何拆解好内容
10:42 如何训练AI理解提问者的言下之意
13:42 内容工程师如何“翻译”语言和文化
16:45 新闻训练和AI对话训练都需要给到“上下文”
18:42 语境破碎：AI和“网络互喷”的相似之处
19:59 记者和内容工程师的技能重合点
23:44 一篇爆火文章背后，文科生的AI恐慌
26:45 基于共识训练出来的AI，不会产生伟大的艺术
28:56 媒体影视从业者失业，罪魁祸首是AI吗？
31:37 东尼如何在养病期间做出震惊谷歌的voice agent
37:02 AI谄媚是产品设计问题，本质是人想要的太多了
39:20 人除了智商情商，还会需要“AI商”
43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程”

【延伸阅读和相关术语】
系统提示词（System Prompt）：写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。
少样本示例（Few-shot Example）：在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。
语音智能体（Voice Agent）：能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。
多轮对话（Multi-turn Conversation）：用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。
意图理解（Intent Understanding）：理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。
来源归属（Source Attribution）：在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。
拟社会关系（Parasocial Relationship）：传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。
AI谄媚（Sycophancy）：指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。
事实核查（Fact Check）：新闻业的核心技能，即在信息发布前核实其真实性。AI 在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。
零工经济（Gig Economy）与AI训练师（AI Trainer）：AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！

【监制】
泓君
【采访 & 制作】
Faith
【后期】
Faith Amei
【配音】
Yiwen
【运营】
朱婕
【BGM】
The Detective - Christoffer Moe Ditlevsen
Reclaim - Megan Wofford
Paper wings
Hangover by ruiqizhao
The light from within—howard harper-bames
Overture - dozeoff
New car smell—bagel
Quiet down—Ryan connors

机器人已经能在舞台上做到翻跟头、表演武术了，但要让它在开放环境里伸手帮你拧开一个瓶盖，难度陡然跃升2到3个量级——因为那一刻，它需要理解眼前的物理世界。
这正是苏度科技想啃下的硬骨头。苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一，师从李飞飞，这家公司走了一条与硅谷主流纯大脑“黑盒”大模型不太一样的道路——软硬件协同设计，上下分层架构，上层负责任务规划与环境理解，下层用仿真（Sim-to-Real），让机器人在虚拟世界里经历几百万年的进化，再迁移到现实。
这条路已经跑出了一定成效：面对从未见过的新物体，他们的零样本通用抓取单次成功率接近100%。
本期硅谷101，我们邀请苏度科技CEO韩铮，一起聊聊机器人“动手”怎么实现？他预测，接下来会有更多的硅谷公司会重新回到“上下分层”的方向上来。

【主播】
泓君，硅谷101创始人，播客主理人
【嘉宾】
韩铮，苏度科技联合创始人&CEO

【你将听到】
机器人“动手”的数据根基
03:17 为什么做全栈（大脑+本体）通用机器人？
07:14 苏昊早年经历：从图片标注ImageNet，到3D数据集ShapeNet
11:08 3D数据收集，难在哪里？
13:21 仿真需要亚毫米级精度，视频训练无法达到
16:33 什么是Sim-to-Real（从仿真到现实）？
18:08 创业时机的判断：DALL-E带来的数据拐点

Sim2Real技术验证与关键突破
21:40 仿真器的技术内核：经典物理法则+强化学习
24:17 数据集质量与规模的平衡：自建结构化3D数据集
28:05 实际效果如何？零样本通用抓取，一次性成功率98%
32:11 回应Demo质疑：去学术会议现场随机环境中演示
34:22 基础Zero-Shot泛化能力比长程任务串联更为关键
35:45 灵巧手虽好，但不是当下的性价比最高的方法

技术路线之争
38:16 商业模式思考：硬件+底层模型+API，类比智能手机生态
41:23 仿真器与机器人本体，必须软硬件协同设计强绑定
44:04 如何教会机器人拧瓶盖？加入真实世界数据更高效
44:51 难度对比：操作物体比运动控制难2~3个数量级
47:28 白盒与黑盒之争：分层模型，在预训练中融入物理理解
51:11 Sapien仿真器，让机器人像幼童第一次拧瓶盖一样操作
53:27 数据冷启动困境：无法复刻特斯拉，必须靠仿真做冷启动
55:38 嘉宾预言：被硅谷抛弃的“上下分层”即将重回主流

全球机器人竞争格局
59:08 实现机器人动手，软硬件强结合的公司才能做到
01:00:34 硅谷明星公司点评：Skilled AI、Figure、Optimus
01:05:40 为什么最看好DeepMind+波士顿动力Atlas的组合？
01:09:01 亚马逊机器人，场景多但整合困难
01:10:02 为什么多数公司退回垂类？因为不知道通用该怎么走
01:12:43 不做垂类押注，而是构建开发者生态，目标是成为机器人时代的“iOS+硬件”

节目中提到的Demo：
sudo R1评测——60分钟连续无剪辑实测
https://www.sudo.ai

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！

【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Particle Emission - Silver Maple
My Moon and Your Sun - Hampus Naeselius
On the March - Brendon Moeller
Quietly Tense - Marten Moses

世界杯发生了闻所未闻的一幕，在特朗普介入后，美国球员巴洛贡吃到的红牌被暂缓1年执行，有人不禁要问了，国际足联为什么要那么听美国人的话。
部分原因可能来自于，美国资本已经渗透进了全球足坛的方方面面。比如英超的20家俱乐部中，有11家都被美国资本控股，美资甚至渗透进了欧洲五大联赛的俱乐部、商业权益开发、球员球队买卖资金周转等等方面。
没有英式足球积淀的美国人，为什么会那么喜欢投资英式足球？美国资本又在怎么改变世界足坛呢？

【主播】
麻花，硅谷101特约研究员
【嘉宾】
张兵，懒熊体育《摸鱼的熊彼得》主理人
施骅伦，《翻转体育》主播

【你将听到】
没有足球文化的美国，资本为什么爱足球
03:05 售股两年后，曼联老板为什么又要找下家
06:21 20支英超球队11支被美资控股，美国富豪为什么那么上头
09:48 英超球队的上市潮与退市潮
16:14 两任美国老板，在英国“小队”伊普斯维奇上赚翻了
19:47 美国人对体育资产的商业化运作，到底能有多强

美国老板们，为什么永远被球迷Diss
22:47 曼联往事：格雷泽家族20年的骂名从哪儿来
27:35 曼联新老板拉爵，带来的新变化可能喜忧参半
30:04 从阿森纳到曼联，豪门为什么都爱捣鼓球场
36:56 SoFI球场，美国人商业运作体育场馆的典型案例
38:16 阿森纳老板克伦克，与前大股东乌斯曼诺夫的控制权之争
45:31 克伦克说拿钱砸冠军不是第一位，那他是个好老板吗
48:24 利物浦的两任美国老板，为什么口碑差距那么大
52:47 美国资本，如何在切尔西身上玩脱了

英超之外，美国资本如何渗透全球足坛
57:10 不只英超，欧洲足坛都要被美国资本包圆了
01:03:23 控制了众多命脉的美国资本，很可能会打造自己专属的超级联赛
01:05:46 版权费增长停滞、球员成本上升，美资从哪儿延续回报率
01:10:41 球迷文化抵制足球资本，但商业化的进程一直在所难免

【延伸阅读与相关名词】

英超Big 6：包括阿森纳、切尔西、利物浦、曼联、曼城和托特纳姆热刺，其中前4支球队又被称为Big 4或者传统四大豪门，Big 4如今都被美资控股
阿布卡拉莫维奇：俄罗斯富豪，2003年买下切尔西，斥超过20亿英镑引援，并先后聘请穆里尼奥、希丁克等名帅执教，让切尔西收获21个冠军奖杯。后因俄乌战争被迫出售切尔西，并免除了俱乐部对其个人约15亿英镑的债务。
大卫·邓恩：英国商人&前阿森纳副主席，英超联赛创立的核心推手之一，1996年力排众议聘请温格执教，开启阿森纳辉煌时代，2007年因支持外部资本收购俱乐部，与董事会产生分歧而被迫离开。
乌斯曼诺夫：乌兹别克裔俄罗斯寡头，通过投资钢铁、电信和Facebook、阿里巴巴等互联网企业积累巨额财富，曾是阿森纳第二大股东，后因俄乌战争被制裁资产遭冻结，也通过DST投资过京东、小米和滴滴。
法哈德·莫希里：英籍伊朗裔富商，因结识乌斯曼诺夫而发迹，曾任埃弗顿足球俱乐部大股东。他在埃弗顿投入巨资但管理混乱，球队战绩下滑并屡次违反财务规则，最终于2024年将俱乐部出售。
霍斯特·达斯勒：阿迪达斯创始人之子，现代体育营销先驱，不仅帮助阿迪达斯实现了国际化，更参与并主导了世界杯、奥运会等大型国际体育赛事的商业化模式制定。
CAA Eleven：是国际顶尖经纪公司CAA在瑞士成立的子公司，主要负责独家管理欧足联旗下国家队赛事的商业版权，包括欧洲杯、欧洲杯预选赛、欧国联及女足欧洲杯等赛事的转播与赞助权。
TEAM Marketing：瑞士体育营销公司，是欧冠联赛从1992年改制至今的“幕后缔造者”，为欧足联创造了超过500亿欧元的收入，但双方合作将在2027年结束。
Relevent Sports：美国体育传媒与赛事推广公司，由NFL迈阿密海豚队老板斯蒂芬·罗斯创立，以创办国际冠军杯（ICC）闻名，将欧洲豪门季前赛引入北美，还代理西甲、德甲等联赛在美洲的媒体版权。2027年起接替TEAM Marketing，负责欧足联旗下男子俱乐部赛事的全球商业版权。
ECA：European Club Association，欧洲俱乐部协会，代表欧洲职业俱乐部利益的官方组织，拥有超过200家会员俱乐部。
DAZN：英国全球体育流媒体平台，被誉为“体育界Netflix”，由乌克兰裔美国亿万富翁Len Blavatnik通过其美国投资集团Access Industries拥有。
ISL：由霍斯特·达斯勒成立，是上世纪足球商业化的关键推手，曾长期独家代理FIFA世界杯的电视转播权和商业赞助权，后因过度扩张陷入债务危机最终破产，并引发了国际足联历史上最大的腐败丑闻。

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！

【硅谷101听友群】
终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。

请用手机相机扫码；如已安装飞书/Lark，可直接在App内扫码进入申请表单。7天内审核，通过后邮件同步入群方式。期待和你在群里碰面！

【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Kick Off - Earle Belo
Don't You Think I Know They're Faster STEMS DRUMS - Eden Avery
Kablaam - Ealot
Bocosaurus - Arc De Soleil
Light-Footed - Bonnie Grace

从ChatGPT掀起生成式AI浪潮到现在，不过短短两三年，AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月，Anthropic在一份公开报告中预测，AI未来将进入"递归自我提升"（Recursive Self-Improvement, RSI）阶段，并呼吁人类共同为AI的发展设计出一个减速或暂停机制。
AI自我进化会以多快的速度到来？未来的AI，它会在通往真理的道路上与人类并肩作战，稳步破解医学、气候等种种难题，还是会在暗处走向失控？
本期播客，泓君邀请到专注做“发现模型”的AI公司Apodex的两位首席科学家，杜少雷和Beibin，一起聊聊AI的自我进化与自我验证。
Apodex是一家陈天桥出资创立并亲自主导的公司，这家公司给自己的定位也非常的特别，他们只做一件事——heavy duty solver，意思是专啃那些没有标准答案，人类自己都不知道从哪下手的难题。他们管自己想做的模型叫做 discovery model。不是从已知的信息里面找答案，而是要提出人类还没有想到过的假设，自己想办法去验证它，去解决这个世界上还没有被解决的科学难题。
嘉宾预言，最快半年，AI就能跑通一次完整的自我进化闭环。但要实现持续的、可靠的递归提升，模型必须具备“自我验证”能力。这很像人类科学家的基本功：大胆假设，小心求证。而要让AI做到这一点，关键的前提是——教会大模型真正拥有科学家一样的品味和判断力。

【主播】
泓君，硅谷101创始人，播客主理人
【嘉宾】
Simon Shaolei Du（杜少雷），Apodex推理模型与训练首席科学家，华盛顿大学计算机科学与工程学院副教授
Beibin Li （李辈滨），Apodex自我进化与编程首席科学家

【你将听到】
自我进化背后的底层能力
03:00 AI自我进化不是新概念，两三年前就有了
06:48 RSI概念火了，背后是模型能力变强了，长程任务表现更好了
09:20 技术上如何训练AI做好长程任务？算法+数据+infra
12:45 Coding能力代表了模型自我进化的底层能力
14:29 用自我验证规避“递归漂移”，代码领域相对可控
16:21 Apodex的验证方法：多个子agent互相验证
19:11 自我进化三条路径：预训练、后训练、Harness
23:56 另一项关键能力DeepResearch，Apodex如何做到多个榜单第一？
29:19 技术范式决定了多个agent组团解决问题效果好于单个
31:18 模型自动进化后，会碾压agent团队吗？垂直领域护城河仍在

自我进化关键一步——学会提问
34:19 Apodex定位：用Discoverative框架解决人类未解难题，不把Token当生意
36:18 “发现模型”最难之处：提出超出经验范围的假设，并去验证
37:52 让AI像科学家一样提问，需要模型有更好的品味
43:31 如何避免大模型拍马屁？远离大众偏好
46:30 “AI宪法”定义性格，顶级科学家数据校准品味

巩固品味，阻止“跑偏”
51:33 AI巨头都在做科研发现模型，判断问题价值是关键
55:32 不同于AI for Science，Heavy Duty Solver是通用模型，强调元能力
57:25 最快半年能跑通自我进化的第一个闭环，但解决递归漂移还需要2-3年
58:43 让科学家睡不着觉的问题：如何防止AI“走火入魔”
01:00:04 解决方案仍靠人工手调，“自我蒸馏”也许是个方法
01:04:28 人类只是warm start，未来AI将形成自我品味，就像AlphaZero
01:06:18 陈天桥与Apodex：制定“宪法”，聚焦Heavy Duty Discovery

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！

【硅谷101听友群】
终于终于终于，大家一直呼吁的硅谷101的社群要上线了！欢迎大家加入。

请用手机相机扫码；如已安装飞书/Lark，可直接在App内扫码进入申请表单。7天内审核，通过后邮件同步入群方式。期待和你在群里碰面！

【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Light-Footed - Bonnie Grace
Reclaim - Megan Wofford
Charcoal Stream - Curved Mirror