30/71 集

AI Trading —— 决策便宜,行动很贵|对谈超 3w Star Vibe-Trading 作者浩哲
42章经主播曲凯对话开源项目 Vibe-Trading 作者、香港大学在读博士生吴浩哲,探讨 AI Trading 的本质:在金融里决策很便宜,行动很贵,AI Trading 的价值是在几乎免费的决策和代价昂贵的行动之间建立可验证、可审计的通道。吴浩哲介绍这个开源不到半年就获得超 3 万 Star 的项目如何从量化研究员工具演变为覆盖二级市场的 all-in-one 交易台,并解释它与传统量化的区别:量化把决策固定成规则后由机器执行,而 AI Trading 中决策持续冒出,需要闸门持续把关。他认为行业 know-how 已被蒸馏进模型,人主要负责风险判断;他本人炒股 80% 到 90% 遵循 AI 建议,并举了存储行情中 agent 发现机械硬盘与内存受扩产冲击不同、财报前买入希捷的实例。谈及 AI Trading 普及的影响,他指出财报后漂移已消失、信息消化将缩短到几秒,超额收益将从单因子转向数据对齐与组合条件,而数据多不等于有 Alpha;Jev 对 Trading 的帮助约等于零,因为它只给概率不给理由,且不擅长金融世界本来的样子——数字、日期和噪音文本。他还区分了 AI for Finance 与 AI Trading,并提出一个哲学问题:未来或许不是 AI 需要人做判断,而是人需要通过参与交易来获得意义感和价值感。2026年9月27日 · 40:46
一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫
某 AI Lab 研究员逯雨鑫向曲凯和陈皮复盘了他以个人开发者身份训练两个小模型并登顶 Hugging Face 热榜的过程:仅用一张 5090、QLoRA 和 200 美元的 Cloud Max 月费,花约两周、总计数百美元,基于 Gemma 与 Fable 微调出模型;第一版用了 5 天,第二版 2–3 周,其中绝大多数时间在整理和审核数据。他并非 AI PhD,强调卡点几乎都在数据而非训练——合成数据效果有限,真实数据约占 60%–70%,总量几千到一万条,需人工审核;还要应对'老师太强、学生太弱'的 Capacity Gap,因此选择 SFT 而非 RL,并推荐 Qwen 作为坑最少的开源底座;他定义的'好蒸馏'是锚定真实使用方向,而不是 Benchmark 分数。他对应用公司的成本估算是一个小模型几千到 1 万元人民币(不含 serving),并认为训练会一步步商品化,应用公司将成为 Neo Lab,AI Lab 的价值集中到前训与研究;数据是稀缺资源,AI Lab 重金买数据就像早期字节砸钱买用户。他还看好 Local AI 成为 PC 级机会,隐私与成本会推动本地部署(如 Hugging Face 曾遭攻击后改用国产模型本地解决),但主流用户仍会用豆包这类够用的模型,而非执着于 SOTA。2026年8月29日 · 47:29
从蒸馏到合成数据到 RSI,模型竞争的下一个焦点是什么?|对谈 Evolvent AI 联创孟繁青
本期曲凯对话 Evolvent AI 联创孟繁青,核心反共识是:国内模型的真正优势在 Pre-training,而非 Post-training。孟繁青曾在 Kimi 做 Agent 与 RL Infra,参与 K2.5 和 Kimi Linear,他比较了在模型厂与创业公司的差异,提到模型厂内部训练流程已工程化,认为训练模型门槛大降,数据质量比 Infra 更难评判,且数据行业变化极快,重人力的专家标注公司难以存活。他还解释了为什么 Post-training 的人更容易创业:Pre-training 研究太吃资源,而 Agent 和 Bench 离落地更近;今天的 Bench 已从解题变成在模拟工作环境里完成长程任务,评分靠人与 Agent 共同 check。合成数据这波已接近尾声,贵的一条能卖到几千块,下一波是 RSI 数据,长程轨迹要跑十几小时甚至一天,因此更宝贵。关于蒸馏,他强调这只是加速手段,不是国模变强的决定性因素;即便海外封掉所有蒸馏通道,国模仍可靠预训练架构创新(如在卡仅为国外 1/10 时追近前沿)维持竞争力。他也判断,模型厂最终拼的是组织架构与人才密度,而非单纯算力;并直言不存在 RSI 基础模型,创业公司的机会在桥接模型厂与应用层。2026年8月8日 · 59:29
AI 发展了 4 年,把应用发展没了?|AI 年中复盘
曲凯在42章经的这期单口复盘中,回顾了AI发展四年间市场从质疑到狂热的剧烈波动:模型势能达到最强,应用市场却冷到谷底,甚至出现“应用已死”的说法。他点名智谱和Google是模型市场最值得研究的公司,认为智谱靠Coding和Reasoning押注成功,而应用公司中Manus、Liblib等硕果仅存,海外市场如Dify、ACE Studio能实现千万美金ARR。他提出应用创始人正处历史上最好时机,应“随波逐流”跟随模型与资本,但不要纯粹为融资讲故事,要回归用户价值。他还借用卡萝塔《技术革命与金融资本》指出AI可能已从爆发期进入狂热期,转折点不远,并相信模型不会吃掉一切。2026年7月19日 · 26:36
唯一深度参与过字节、美团组织建设的人|对谈 AI 创业者魏小康
魏小康,曾深度参与字节跳动与美团的组织建设,现为AI招聘创业者,在本期节目中分享了他在两家巨头内部观察到的组织建设精髓。他提出创业公司应将80%-90%的组织精力投入招聘,而招聘中最关键的并非面试而是背景调查。他还直言00后创始人在本轮AI浪潮中处于劣势,因为商业竞争需要快速组建团队、融资和应对复杂挑战的经验积累。2026年6月27日 · 50:20
泡沫的四个必要不充分条件 | 对谈经济学者朱宁教授
朱宁教授与曲凯对谈AI股票与泡沫,指出泡沫无法事先预测,但可通过四个必要不充分条件识别:新技术、宽松流动性、政府支持、缺乏经验的投资者。他强调投资应多元化,避免过度自信和从众心理,并主张AI虽集齐泡沫条件,但技术基本面坚实,价值投资并未失效。朱宁还分享了财富观:赚钱是为了生活,而非反之。2026年6月13日 · 1:10:46
一个 AI 创始人的虚荣心、装,和愚昧之巅|对谈 invoko.ai 创始人梦琪
从字节出来创业一年后,invoko.ai 创始人梦琪坦诚复盘了团队在垂直 Agent、Sourcing、to B 方向上的多次 pivot,指出那些逻辑自洽的决策大多都是错的。她批评自己当初被虚荣心和性感叙事牵着走,陷入愚昧之巅,并直言很多 AI 产品只是给投资人看的景观。在经历绝望之谷后,她转向 C 端做了一款浏览器插件 Clicker,重新找回对软件的信心,认为只要缩短用户意图与解决方案的距离就有价值,并强调创业不能只用左脑,要把用户当人。2026年5月23日 · 1:08:42
当软件容易被创作,新时代的产品长什么样? | 对谈 Albert
Albert 回来聊他们团队两个月做了几十个新产品后的新方向 merging.live,一个为开发者打造回响的社区。他提出行业哀鸿遍野但个人创作者崛起,认为未来软件格局会变成哑铃型:模型公司拿走最大价值,底部是充分分散的 OPC 群体。他强调智能不是最高层价值,连接和回响才是,并探讨了从 token 到经济价值的更短路径。2026年5月16日 · 47:11
用 Agent 动力学,和 40 个 Agents 一起为「人 + AI」做产品|对谈 Slock.ai 创始人 RC
本期嘉宾是 Slock.ai 创始人、Kimi CLI 作者 RC。他讲述了从 Kimi 离开创业的缘由,并详细解释 Slock 如何为多 Agent 与人类提供协作环境,通过「40 个 Agent + 7 个人」的团队实践探索「Agent 动力学」——包括 Agent 间相互监督、办公室政治等有趣现象。他提出 Coding 与 Building 已正交,未来产品价值在于满足人的「灵光一现」,并分享了 Agent Marketplace 和 Agent Native GitHub 等长远构想。2026年4月23日 · 1:06:10
我们是如何定义 OpenClaw for Teams 新产品形态的|对谈 Kuse&Junior 联创兼 CTO 宇豪
本期嘉宾是Kuse.ai与Junior.so的联合创始人兼CTO徐宇豪,他讲述了团队如何在没有融资的情况下将Kuse做到千万美元ARR,并分享了从固定定价转型为usage-based定价、放弃画布转向AI网盘等关键决策。宇豪详细介绍了新产品Junior——一款定位为OpenClaw for Teams的AI数字员工产品,强调其核心差异在于企业级记忆、安全权限和Agent身份(配Gmail和手机号)。他通过内部使用Ring、Azura等Agent的实例,展示了AI同事如何7×24小时工作,甚至主动自我纠正幻觉,并预判2026年将进入AI劳动力时代,建议创业者尽早建立评估框架。2026年3月19日 · 1:14:43
OpenClaw 之后,我只想未来 3-6 个月的事情|对谈 Sheet0 创始人王文锋
王文锋聊OpenClaw与Agent新阶段,以及他创业思路的根本转变。他对比了OpenClaw和去年Manus带起的Agent热,认为Coding Agent已接近AGI,并详解了长程任务、Proactive、自进化三大能力。他坦言自己从预判5-10年转向只看未来3-6个月,拒绝为差异化放大Ego,而是跟随趋势做“管AI的AI”产品——让AI直接驱动Claude Code,将开发周期压缩到两周,个人效率提升10倍。2026年3月14日 · 57:10
优化胜率而非赔率,把一件事做到理论上该有的样子|对谈连续创业者 Albert
Albert 回顾三年创业历程,从追求赔率转向优化胜率,先后尝试互动内容平台和影像工具,并最终找到 PMF。他对比张一鸣、黄峥、段永平等一流企业家的策略,指出优化胜率而非赔率才是长期成功的核心。同时,他判断 AI Coding 平权将带来巨大机会,并分享 Higgsfield 如何通过精准展示模型能力实现快速增长。2026年3月7日 · 1:05:51
AI + 游戏 + 社交的新演绎 | 对谈 Wanaka 创始人张阳
本期对谈Wanaka创始人张阳,分享他第三次创业为何选择AI+游戏+社交方向,以及产品一年来的关键迭代。他拆解了为何放弃上下滑交互、选择3D个性化路线,并对比Roblox和国内游戏社交困境,提出社交的核心是让用户将个性化内容与熟人一起玩,而非依靠AI对话。张阳还结合在字节和北美社交产品的经验,讨论了社交产品的增长逻辑与AI时代的新机会。2026年2月28日 · 1:15:53
从 Clawdbot 到 26 年 AI Coding 主题大爆发|对谈 PingCAP CTO 东旭
本期嘉宾黄东旭从实操出发,解析Clawdbot(OpenClaw)、Cowork、Skills等产品的本质,认为AI Coding已跨越奇点,未来一切产品都将“套壳”Coding Agent。他提出Clawdbot的操作系统级意义,并论证Skill比MCP更适合Agent生态,同时分享AI自我演化、Box概念以及对工程师“成为有趣的人”的建议。2026年2月7日 · 1:11:25
All in AI 的第一个三年|对谈绿洲资本合伙人张津剑
曲凯与绿洲资本合伙人张津剑回顾All in AI的三年周期,复盘最正确决策(重仓AI与MiniMax)和最大遗憾(错失Figure AI),并畅谈未来:AGI可期,大科学时代来临,创业者需活出真我。张津剑提出AI时代两种生存策略——演到极致或全然真实,强调主体性是未来十年核心,坚信中国创始人的全球创新力。2026年1月10日 · 1:21:04
中美 AI 创投的真实差异|对谈 Leonis Capital 合伙人 Jenny
本期节目中,曲凯与前 OpenAI 研究员、Leonis Capital 合伙人 Jenny Xiao 深入探讨了中美 AI 创投的真实差异。Jenny 对比了两地市场:美国投资人偏爱 To B,且更注重替代人力的产品,而中国则更侧重 To C 与软硬件结合。她还拆解了中国创业者赴美融资的全流程,强调融入本地生态、避免依赖 FA,并指出当前美国 AI 估值存在泡沫,应用层公司若想突围需在细分领域建立数据与技术壁垒。2025年12月27日 · 1:08:20
Dify 从被低估到成为明星项目,到底做对了什么|对谈 Dify 创始人路宇
Dify创始人路宇与曲凯复盘了Dify从被低估到成为GitHub全球Top50明星项目的历程,揭示了其应对LangChain、Coze、n8n、GPTs等竞对的关键战略。路宇坚定选择Workflow路线与模型中立,通过开源和工程优先建立信任,并解释了为何零销售却能渗透财富500强并在日本市场现象级流行。他还反思了团队建设与使命不清晰的教训,强调创始人必须保持快乐状态才能将未来带到现在。2025年12月6日 · 1:19:25
「你觉得 AI 有泡沫吗?」——有!|对谈莫傑麟
曲凯与莫傑麟一致认为,当前AI在价格上存在泡沫,但价值并无泡沫;一线从业者普遍乐观,而社交媒体与二级市场情绪脆弱。他们指出,泡沫讨论背后是市场从AGI叙事转向ROI算账的结构性变化,中美一二级市场泡沫浓度差异显著。节目中剖析了英伟达为何未跌、OpenAI商业动作的信号,以及字节AI竞争力被硅谷低估等具体判断,并建议创业者抓住现金流这一救生圈。2025年11月22日 · 48:02
2018 - 2020,抖音超越快手的关键三年|对谈 Lessie AI 创始人于北川
这期节目邀请到Lessie AI创始人于北川,复盘了他在抖音早期作为产品经理亲历的2018-2020年高速增长关键阶段。他从内部视角拆解了抖音如何通过坚决不从头条导流、保持年轻调性和技术流内容运营等方式起量,并在2020年春节通过集团协同和极致投入打赢“抖快之战”。他还坦诚分享了字节组织文化的核心——追求极致的思考方式和去层级化的氛围,以及为何这么多人会选择离开,最后阐述了他对AI时代链接人与人的创业方向Lessie AI的逻辑。2025年11月8日 · 1:24:49
OpusClip 增长秘诀:如果每个阶段只让我选一件事做 | 对谈 Opus 前增长产品负责人君陶
曲凯与OpusClip前增长产品负责人谢君陶深度复盘Opus从0到100的增长密码:冷启动要锁定真实用户做品牌伙伴而非Affiliate,定价以定制化为抓手并动态保护老用户,留存靠客服驱动的反馈闭环,洞察则从邮箱后缀等低成本数据挖起。君陶强调,增长本质是用科学方法把基础事做透——品牌才是终极壁垒。2025年10月25日 · 52:35
一个原教旨主义产品经理眼中的世界 | 对谈理想 SVP 范皓宇
理想汽车高级副总裁范皓宇与曲凯畅谈25年产品生涯,提出「Maker、User、Designer」三角演变及AI时代的新角色,并分享「四个声音」产品评测框架——从「哎」的差异化吸引到「卧槽」的生命周期惊喜,强调产品必须在实用与有趣间平衡,以意志力在理想主义与实用主义间持续创造。2025年10月11日 · 1:22:21
组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川
曲凯对话 Palona AI 联创任川,揭秘其团队如何用 AI 重构研发工作流:90% 代码由 AI 生成,CodeReview 从一两天缩至 10 分钟,且无全职 PM。任川提出 AI Native 组织的三大原则——默认由 AI 承担研发、人做“上下文提供者”、按结果而非流程分工,并分享用 “take home” 项目筛选真正会用 AI 的人才的方法。2025年9月20日 · 44:28
Mercor 高速增长的秘诀与其中的聪明人|对谈 Mercor 首位中国员工虞快
虞快,Mercor 首位中国员工,解密这家硅谷最热 AI 数据标注公司如何在 11 个月内从 100 万美元做到 1 亿美元营收。Mercor 从 AI 招聘转型为给 OpenAI、Anthropic 等提供专业专家标注和评估,核心秘诀是“快”——决策快、执行快,以及创始人直觉和辩论背景。他还分享了如何选择创业公司、判断聪明人和招人的标准。2025年9月6日 · 50:13
硅谷 AI 大转弯与二级市场的牛市|对谈莫傑麟
曲凯与莫傑麟复盘硅谷AI新共识:Token消耗取代Scaling Law成为核心指标,英伟达涨势从训练需求转向推理需求支撑。莫傑麟认为GPT-5标志AI进入产业化阶段,Infra成为主战场,并点评Reddit、ServiceNow、Figma等二级市场标的,以及Meta砸钱抢人的FOMO情绪。国内A股牛市需观察散户正反馈闭环能否建立,一级市场两极分化加剧。2025年8月23日 · 1:21:07
关于 AI Infra 的一切 | 对谈阶跃星辰联创朱亦博
阶跃星辰联创朱亦博梳理AI Infra的底层逻辑,认为它正迎来类似Google搜索级别的机会。他详解了Infra、算法、数据团队的协作模式,并点出DeepSeek的成功源于梁文锋的Infra背景和优化目标选择。亦博还分享了踩坑经历,建议从业者要么深入模型,要么深入硬件。2025年8月2日 · 58:08
并购的本质 | 对谈云磬投资创始人立阳
本期嘉宾张立阳以15年并购经验,拆解智元机器人收购上市公司控股权等案例,指出并购核心是改变生产关系以解放生产力。他对比并购基金与VC/PE的差异:并购如工程师拧螺丝,需高成功率与低赔率,而非赌十倍回报。他还分享了伦敦闪电战般的48小时极限谈判,强调真诚与结构设计是协调多方利益的关键。2025年7月19日 · 52:54
人生就是一场大 Sales,如何做一个更好的 BD? | 对谈某科技家办戴安琪
本期播客中,戴安琪和曲凯分享了BD(商务拓展)的完整框架,从明确客户画像、获取转介绍到建联、增信、转化与长期经营。安琪强调真诚是必杀技,而曲凯补充说,成熟在于知道自己想要什么并理解对方需求,最终所有行业的本质都是BD,世界本身是一场大Sales。2025年6月28日 · 33:18
从 E2B 到 Browserbase,Agent Infra 新热点中有哪些大机会? | 对谈 Grasp 创始人雷磊
曲凯与 Grasp 创始人雷磊探讨 Agent Infra 的创业机会,重点分析 E2B 和 Browserbase 两个明星项目。雷磊认为未来 Agent 数量将远超 SaaS,需重新设计 AI-Native 的软件体系,并解释人与 Agent 在工作范式与安全边界上的本质区别。他还介绍了 Grasp 如何通过三层架构(Runtime、Agentic、Knowledge)为开发者提供更高效的 Agent 浏览器环境,并判断 Browser Use 当前类似 2023 年的 AI Coding,市场仍有千亿美元增长空间。2025年6月14日 · 54:35
世界加速分化下,我们的机会在哪里? | 对谈绿洲资本合伙人张津剑
绿洲资本合伙人张津剑和42章经创始人曲凯探讨了世界加速分化背后的注意力失控本质,指出人类大脑因处理能力有限而进化出注意力机制,但信息爆炸导致群体啸叫与认知分层。张津剑提出Agent是一场感知革命,能处理人类无法触及的无限频谱,未来人机协作将以AI为中心组织工作流,而人类的核心价值在于因有限性而演化出的审美与心力。他分享了通过专注重建注意力系统、接纳自身特质及寻找无人关注领域的方法,并预言智能将像电一样普及,场景化Agent会成为新时代的‘家电三件套’。2025年6月2日 · 55:22
关于 AI、开源、商业化与全球化的经验、教训和方法论 | 对谈 PingCAP CTO 东旭
PingCAP CTO黄东旭分享这家估值30亿美元的数据库创业公司从0到1的实践与思考。他讲述了从Day1开源、选择关系型数据库、坚持全球化到转型云服务的四大关键决策,并坦诚了商业化摸索中的教训:早期销售与开源逻辑冲突,最终通过云服务模式找到答案。他还深入复盘了国际化的真实门槛——创始人必须肉身all in,先攻美国市场事半功倍,并指出AI时代缺乏统一的sharing memory layer,企业服务端将是数据库的新机会。2025年5月17日 · 53:5642章经主播曲凯对话开源项目 Vibe-Trading 作者、香港大学在读博士生吴浩哲,探讨 AI Trading 的本质:在金融里决策很便宜,行动很贵,AI Trading 的价值是在几乎免费的决策和代价昂贵的行动之间建立可验证、可审计的通道。吴浩哲介绍这个开源不到半年就获得超 3 万 Star 的项目如何从量化研究员工具演变为覆盖二级市场的 all-in-one 交易台,并解释它与传统量化的区别:量化把决策固定成规则后由机器执行,而 AI Trading 中决策持续冒出,需要闸门持续把关。他认为行业 know-how 已被蒸馏进模型,人主要负责风险判断;他本人炒股 80% 到 90% 遵循 AI 建议,并举了存储行情中 agent 发现机械硬盘与内存受扩产冲击不同、财报前买入希捷的实例。谈及 AI Trading 普及的影响,他指出财报后漂移已消失、信息消化将缩短到几秒,超额收益将从单因子转向数据对齐与组合条件,而数据多不等于有 Alpha;Jev 对 Trading 的帮助约等于零,因为它只给概率不给理由,且不擅长金融世界本来的样子——数字、日期和噪音文本。他还区分了 AI for Finance 与 AI Trading,并提出一个哲学问题:未来或许不是 AI 需要人做判断,而是人需要通过参与交易来获得意义感和价值感。
这几年,很多人都在用 AI 炒股。最近,模型厂和大厂也在主推 AI 在金融场景中的应用。 但 AI 到底怎样才能更好地辅助交易?会给市场带来什么变化?用上 AI,人人就都能像巴菲特一样了吗? 这期播客,我们请到了很火的开源项目 Vibe-Trading 的作者和维护者吴浩哲,聊了聊 AI Trading 相关的各种问题。 浩哲本科毕业于武汉大学数学系,目前是香港大学在读博士生、HKUDS 成员,一直在探索 AI 与金融的结合。Vibe-Trading 开源半年,已有 3.4w 个 Star。 节目里,我们就从这个项目讲起,拆解了 AI Trading 到底是什么、由哪些部分组成、哪个环节最关键,以及它和传统量化有什么区别、人又该在交易流程中扮演什么角色。此外,我们也聊了聊最近很火的 Jev 到底能不能在 AI Trading 中发挥作用。 贯穿整期节目,还有浩哲的一个观察: 在金融里,决策很便宜,行动很贵。 你可以轻易获得成百上千个判断和信号,但真要付诸交易,「可解释性」就变得非常重要。你得知道判断是怎么来的、为什么值得相信,才能决定自己是否愿意为它付出真金白银。 节目最后,我们还聊到了一个颇有哲学意味的问题:随着 AI 越来越强,「Human in the loop」或许不是因为 AI 需要人来判断,而是人需要通过参与,来确认自己的意义感和价值…? 【人类博物馆】 导游:曲凯,42章经创始人 53 号珍藏:吴浩哲,Vibe-Trading 作者及维护者,武汉大学数学系本科,香港大学在读博士生、HKUDS 成员,长期探索 AI for Finance 的研究与实践 【时光机】 01:26 介绍下 Vibe-Trading:为什么开源不到半年,就能有 3 万多 Star? 02:20 在金融里,决策很便宜,行动很贵 04:35 AI Trading 就是在几乎免费的决策和代价昂贵的行动之间,建立可验证、可审计的通道 07:25 AI Trading 和量化的区别 09:59 用 AI 抓市场情绪,对 Trading 有帮助吗? 11:33 AI Trading 里,行业 know-how 都可以由 AI 来判断? 13:43 存储行情中,用 AI Trading 的一次操作实例 15:42 用 AI Trading 的人多起来后,会给市场带来什么变化? 15:19 「安息吧,财报后漂移!」 19:57 AI Trading 系统的四大组成部分,和其中最重要的一件事 23:53 数据多,其实真的不等于有 Alpha 27:23 Jev 对 Trading 的帮助,可能约等于零? 30:26 交易的本质 32:34 Kimi、Workbuddy 等在推的 AI for Finance,和 AI Trading 是两件事 34:00 AI 会给人的投资能力带来怎样的变化? 35:40 不是 AI 需要人做判断,而是人需要 AI 来体现价值? 37:42 上手 AI Trading 的建议 【 The gang that made this happen】 制作人:陈皮 剪辑:陈皮 片头:Mondo Bongo - Joe Strummer & The Mescaleros 片尾:Carsick Cars - 松 在小宇宙查看该单集文稿
