去年年底，硅谷掀起了一股风潮——“Token Maxing”（最大化token使用量），科技公司创始人和工程师们争相晒出账单，比谁家Token消耗更吓人，以此彰显对AI的全力押注。但到了今年年中，成本失控和虚假生产力让这场烧钱竞赛到达了转折点。Uber在四个月里烧穿了全年的AI预算，Meta被迫给员工设定token使用上限，一些公司会提醒员工使用AI的时候注意成本。大家开始认真思考：如何更经济地使用Token？
这期节目的嘉宾黄东旭，就是Token Maxing热潮的亲历者。他曾经每天烧掉三四百美元，只用最前沿的模型。让他逐渐转变的，是中国开源模型们的崛起，大量的日常任务都可以做到“只烧电费，不烧Token”。他的结论是：不是前沿模型用不起，而是本地开源模型底座+前沿模型的搭配，成本可控，更具性价比。
我们聊了这半年Agent产品的进化史——从OpenClaw，到Hermes，到Agent蜂群的智能涌现潜力，Agent消耗Token的趋势不会停止，未来还会有更复杂的A2A网络。亲历了互联网、移动互联网、AI三波浪潮的张宏江认为，Token Maxing折射出的是所有人在面临AI浪潮时的不知所措，AGI奇点已经到来，现在做Agent是好时机，但关键是：别做容易被大模型碾压的应用。

【主播】
泓君，硅谷101创始人，播客主理人

【嘉宾】
张宏江，Llama Ventures高级技术合伙人，美国国家工程院外籍院士，北京智源人工智能研究院（BAAI）理事长，源码资本合伙人，曾任微软亚洲工程院院长、微软亚太研发集团首席技术官、北京金山软件有限公司首席执行官
黄东旭，Llama Ventures合伙人，PingCAP CTO&co-founder

【你将听到】
04:55 Token maxing，是泡沫吗？
09:52 亲身体验：只选最强最贵，日烧四五百美元
14:15 OpenClaw：从研究到工程的转折点
20:31 龙虾退潮：“普罗米修斯”完成了使命
23:09 Hermes：把成功经验沉淀成Skill
30:09 “Agent动力学”：七嘴八舌烧Token换深度
35:12 智商碾压：Fable 5一次搞定复杂任务
37:20 本地开源模型经济账：每天电费1美元
43:42 Token消耗不会停，更复杂的网络还在后面
52:36 现在做Agent创业是好时机吗？看好toB和infra
01:03:24 彩蛋：“办公室政治”和超预期行为
01:15:30 IQ测试已超人类，AGI奇点已来
01:18:19 新问题：当新岗位也不再需要人，人类如何自处？

【9月6日·成都 泓君线下开麦】
华夏基金携手小红书小红点计划，共同推出「红火开麦日2.0」线下活动，以「发现身边的ETF经济学」为主题，从身边小事发现经济趋势，捕捉藏在日常里的投资灵感。9月6日，成都·蔚蓝湖滨艺术中心，泓君将与华夏基金数量投资部总监荣膺一起，聊聊普通人如何被卷入全球AI定价战。
活动免费，名额有限，扫码即可报名，期待与你线下相见！

【硅谷101听友群】
很多听友反馈没有加上我们的听友群，别急，新的入群通道已经安排上啦👏
之后我们入群二维码我们也会放在节目shownotes中，方便大家随时找到组织。
在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。
扫码加入，即刻相遇。

【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Impossible Theory - Rachel Sandy
Mindscape - Lennon Hutton

【在这里找到我们】
公众号：硅谷101
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」
联系我们：podcast@sv101.net

Special Guests: 张宏江 and 黄东旭.

ChatGPT Agent的技术本质是“浏览器+沙盒”的混合架构，与Manus、Genspark形成技术路线差异。在底层架构层面，浏览器（Browser-based）代理虽堪称“万能”，但运行速度较慢；沙盒（Sandbox）代理高效，但无法联网操作、工具库受限；而工作流集成（Workflow API）速度快、结果精准。在训练方法层面，强化学习（RL）被视为AGI从“执行者”向“创新者”跨越的重要路径，但当前面临的验证泛化与训练不稳定难题，如同两道枷锁锁住了这扇进阶之门。

强化学习能否成为通用AI爆发的关键引擎？AGI实现技术跃迁的分水岭究竟在哪？在把Agent产品化和商业化的道路上，又如何平衡模型能力与用户体验？本期《硅谷101》，主播泓君对话Pokee.ai创始人朱哲清，多维度测评ChatGPT Agent使用体验，并深入拆解Agent的四大底层设计逻辑、探讨强化学习的训练路径，以及我们迎接“超级智能时刻”所面临的技术挑战。

【主播】
泓君Jane，硅谷101创始人，播客主理人

【嘉宾】
朱哲清，Pokee.ai创始人，前MetaAI应用强化学习团队负责人，斯坦福强化学习博士（X：@ZheqingZhu）

【101 Weekly新节目预告】
硅谷101上线了一版更加轻量级的音视频节目「101Weekly」，每周由我们的三位主播复盘三个商业热点事件，每期10分钟左右，并请来行业专家来一手分析解读，希望这每周的30分钟，帮助大家轻松了解一周新闻大事件，点击收听。
音频版：Fireside｜小宇宙｜苹果播客｜Spotify
视频版：BiliBIli｜Youtube｜视频号｜抖音

【你将听到】
ChatGPT Agent首发体验与技术拆解
00:21 拆解AI Agent技术路径：什么是“聪明机器的大脑”？
02:12 ChatGPT Agent一手实测：浏览器操作如超人 VS 速度慢如蜗牛
04:26 视觉能力加持：Action体验有提升，但仍需等待
05:45 旅行规划场景：支付环节仍需人类介入，信任门槛尚未跨越
08:11 “全部推翻重来”：缺乏个性化机制、记不住反馈细节
10:07 ChatGPT Agent“打通搜索与执行”的本质：Deep Research + Operator的“拼贴工程”

通用型Agent技术路径对比
12:31 通用Agent技术类比：Operator最早专注Browser操作，如今叠加Sandbox后，在通用Agent里表现最强
14:52 四大技术方向优劣势对比：
15:40 浏览器为主：通用性强，但速度慢、体验差、成本高
17:21 开放虚拟机：本地运行快，但访问互联网等外部服务不易
17:37 大模型+虚拟机：GensPark模式，相对环节更封闭
18:46 Workflow+工具集成：Pokee模式，交付好但不是所有任务都能做
20:23 Manus模式：Browser-based，Sandbox强，全能但慢
22:28 Genspark模式：标化工作流，牺牲通用性换取速度与稳定性
23:41 Pokee模式：速度快成本低，但范围受限
26:52 B端客户还是C端客户，适用场景与底层技术逻辑完全不同
29:36 Agent将重塑互联网入口，传统门户流量将大幅下滑
32:03 MCP无人维护：2万个协议中，真正可用的不到200个
33:47 Agent时代的广告逻辑大变：反而更有利于创作者？

强化学习与AGI的五个层次
38:52 强化学习适用场景：目标明确、机制清晰但数据稀缺
41:50 新兴路径：强化学习预训练（RL Pretraining）
44:40 一个非共识：验证（Verification）方向的泛化性，可能产出人类所不拥有的知识
46:51 AGI五级路径中，“执行者”(L3) 与“创新者”(L4) 间存在巨大技术鸿沟，核心在于验证能力
50:37 强化学习预训练的致命弱点：给出的解决方案可能“人类都看不懂”
52:43 强化学习（RLHF） Vs 监督学习微调（SFT）：效果×2，但成本×10

Meta收购ScaleAI背后的逻辑
54:08 Meta收购Scale：多模态数据仍然是瓶颈
56:46 多模态数据的最大挑战：数据复杂 + 维度多 → 主观标准难统一
57:59 AI的核心问题：短期算力，中期数据，长期人才
59:10 如何让Agent调用更好用？自研模型
01:03:33 平衡模型能力与用户体验：模型能力决定下限，产品细节决定上限

强化学习的人才大本营
01:05:42 RL奠基人、2024年图灵奖得主Richard Sutton：想法极具前瞻性，且坚持原则
01:07:47 模型可塑性挑战：AI的“灾难性遗忘”亟待解决
01:09:56 奖励函数设计难：强化学习中如何设定“道德且有效”的多目标激励
01:11:47 RL核心研究圈：学术界与业界均高度集中
学术界：OpenAI早期团队，Peter Abbeel, Sergey Levine , Richard Sutton
业界：以David Silver为代表的DeepMind员工、以John Langford为代表的微软员工等
01:12:50 从AlphaGo开始，伦敦成为强化学习研究的重要中心
01:15:28 如何像投资人销售过于超前的想法：只说一个非共识
01:16:58 市场正在分化，技术路径选择是创业公司活下来的核心

【节目中提到的AI Agent】
OpenAI相关：
ChatGPT Agent｜Operator｜Deep Research

其他：
Manus｜Genspark｜Perplexity｜Claude Agent｜Fellou｜Flowise｜Zapier｜UIPath｜Replicate

【节目提到的相关术语】
MCP / Model Context Protocol（模型上下文协议）
A2A（Agent-to-Agent Protocol）
SDK（软件开发工具包）
API（应用程序接口）
Vision Model
Browser-based Agent
Sandbox（沙盒环境）
Virtual Machine (VM)
Token Consumption（Token消耗）
Tool Calling：调用第三方工具或API完成任务
Workflow-based Agent
Reinforcement Learning / RL（强化学习）
RL Fine-tuning / RLFT（强化学习微调）
RL Pre-training（强化学习预训练）
Verification（验证机制）
Ground Truth（基准真值）
Hallucination（幻觉）
Human Feedback（人类反馈）
Supervised Fine-tuning / SFT (监督式微调)
Human Readability（可读性）
Catastrophic Forgetting（灾难性遗忘）
Benchmark Score（基准分数）
ICML（International Conference on Machine Learning）：机器学习顶级学术会议

【相关节目】
E200｜投资人视角深聊：AI Agent的核心壁垒与投资逻辑
E195｜从工具到伙伴：七位AI Agent深度使用者的思考
E191｜小而美的机会来了，聊聊这轮AI Agent进化新范式

【监制】
泓君

【后期】
AMEI

【Shownotes】
陈思扬

【运营】
王梓沁

【BGM】
Simple Pleasantries - Arthur Benson
Anticipating a New Day - Stationary Sign

【在这里找到我们】
公众号：硅谷101
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」
联系我们：podcast@sv101.net

Special Guest: 朱哲清.

【主播】
泓君Jane，硅谷101创始人，播客主理人
【嘉宾】
陈羽北，加州大学戴维斯分校电子与计算机工程系助理教授，AIzip.ai联合创始人
John Yue，Inference.ai创始人兼CEO

【你将听到】
02:29 DeepSeek的三板斧：低成本、高性能、全开源
03:57 大模型创新瓶颈：技术路线趋同，突破性想法变少
05:09 核心创新：V3基础模型能力强
07:01 创新一：MOE与绕过稀疏奖励
09:04 创新二： 通过蒸馏学习传递能力，大模型教小模型
12:46 为何V3出来一个月之后才引爆股市
13:54 对英伟达利好与利空：冲击溢价但并未冲垮壁垒
16:01 DeepSeek冲击英伟达两大护城河：“绕过”NVLink和CUDA
23:00 类似于Groq的推理芯片能崛起吗？软件依然是难点
29:11 《The Bitter Lesson》的启发：AI的两种基本能力是学习与搜索
30:06 效率困境：AI需要跨越三个数量级才能达到人类智能
35:20 开源的意义：降低AI应用开发准入门槛
38:06 重构API价格体系：DeepSeek R1通过技术优化将成本降至OpenAI O1的1/27
39:47 降级芯片难持续：老款芯片停产限制了成本优化空间
43:08 小模型特定场景突破：某些任务已可媲美大模型表现
45:34 未来AI基建分层化：端、边、云分工协同是趋势
48:32 Anthropic的预测过分乐观：AI学习效率太低不足以追赶人类智能
53:10 大模型本身不足以通向AGI，但基础研究方向正在取得进展
56:00 模型自我能力提升是达到AGI的核心门槛
57:33 通往AGI的多条路径：世界模型等不同技术方向并存
01:03:22 提问DeepSeek ：数据与持续创新能力

【其他相关信息】

• MOE (Mixture of Experts，专家混合模型)：一种神经网络架构，结合多个专家子模型进行工作，通过负载均衡提高效率，适用于大规模模型。
• Bootstrap (自举法)：模型通过生成多个答案并选择最佳结果，来提升自身性能的自我改进方法。
• 蒸馏 (Distillation)：将大模型的知识转移给小模型，通过模仿大模型的输出，提高小模型的能力。
• GRPO (Group Relative Policy Optimization ，分组相对策略优化）：一种用于强化学习的优化算法，通过在同一问题下生成多个输出（即“分组”），并对这些输出进行相对比较来计算奖励。这种方法避免了传统 PPO 中对价值函数的依赖，从而显著减少了内存和计算资源的消耗。
• PPO (Proximal Policy Optimization，近端策略优化)：一种强化学习算法，通过限制策略更新的幅度来保持优化的稳定性。
• 负载均衡 (Load Balance)：在分布式系统中平衡计算任务，避免过度集中或资源闲置。
• 强化学习 (Reinforcement Learning)：通过奖励机制引导AI模型学习最优策略的机器学习方法。
• 模型预测控制 (Model Predictive Control)：基于对未来状态的预测来优化当前决策的方法，广泛用于自动化控制。
• NV Link (NVIDIA Link)：英伟达开发的高速芯片互联技术，支持多GPU协同工作，提升计算效率。
• CUDA (Compute Unified Device Architecture，统一计算设备架构)：英伟达推出的并行计算平台和编程模型，用于加速GPU上的计算任务。
• PTX (Parallel Thread Execution，并行线程执行)：CUDA平台底层的指令集架构，直接与GPU硬件交互。
• CUDA Core/Tensor Core：CUDA Core 是GPU中的基础计算单元，负责执行并行计算任务；而 Tensor Core 是专门为加速深度学习中的矩阵运算和AI任务设计的计算单元，提供更高的计算效率。
• ASIC (Application Specific Integrated Circuit，专用集成电路)：为特定应用定制的集成电路，通常用于高效处理特定任务。
• Groq：一家专注于开发AI专用芯片的美国公司，提供高效的AI计算解决方案。
• 《The Bitter Lesson》(痛苦的教训)：Rich Sutton的经典文章，提出在AI发展中，计算能力和规模比算法精巧性更为重要。
• 世界模型 (World Model)：一种能够预测动作后果的AI模型，常用于环境模拟、决策规划和强化学习中。
• 《Genie 2》：DeepMind的研究论文，介绍了一个可以在任意2D图像中进行自由移动探索的AI模型 - 给它一张图片，AI就能变成图中的"主角"，可以在画面中前后左右走动，仿佛真的进入了这个2D世界。这是一个重要的"世界模型"(World Model)的实例。
• HPC (High Performance Computing，高性能计算)：使用超级计算机集群处理复杂的计算任务，通常应用于科学计算、气候模拟等高需求场景。

【监制】
杜秀
【后期】
AMEI
【BGM】
Dusk Movers - Alexandra Woodward
City Phases STEMS INSTRUMENTS - John Abbot

【在这里找到我们】
公众号：硅谷101
收听渠道：苹果｜小宇宙｜喜马拉雅｜蜻蜓FM｜网易云音乐｜QQ音乐｜荔枝播客
海外用户：Apple Podcast｜Spotify｜TuneIn｜YouTube｜Amazon Music
联系我们：podcast@sv101.net

Special Guests: John Yue and 陈羽北.