DeepSeek

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

2026年8月8日 · 59:29

曲凯与 Evolvent AI 联创孟繁青（前 Kimi RL Infra，参与 K2.5/Linear）从后训练创业聊到 RSI、合成数据与蒸馏，核心判断是国内模型真正特色在 Pre-training 的资源倒逼架构创新（如 Kimi 线性注意力、DeepSeek 注意力机制），后训练反而因数据积淀弱于海外，因此蒸馏只是加速手段而非决定性因素，即使海外封掉蒸馏通道国模仍能靠预训练创新追赶。节目对比了 Bench 从做题到模拟白领环境的演化，认为造数据仍是模型厂核心 know-how，且优质数据需训练才能评判；合成数据单条长程任务可卖到几千元，但普通 agent 数据已近尾声，下一波是 RSI 数据——如用模型后训练小模型的十余小时轨迹。孟繁青将 RSI 定义为更聪明的 DFS，靠 world model 与 context 长度支撑，不认同存在独立的 RSI 基础模型，Evolvent 想做模型厂与应用公司之间的 RSI 通道，并发布了 RSIBench-Data。他还回应了蒸馏的敏感性：字节不蒸是怕抄近道遗失主路 insight，AI4S 走热则是模型厂需要 coding 之外展示智能的场景。

AI 发展了 4 年，把应用发展没了？｜AI 年中复盘

2026年7月19日 · 26:36

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。

All in AI 的第一个三年｜对谈绿洲资本合伙人张津剑

2026年1月10日 · 1:21:04

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。

「你觉得 AI 有泡沫吗？」——有！｜对谈莫傑麟

2025年11月22日 · 48:02

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。

硅谷 AI 大转弯与二级市场的牛市｜对谈莫傑麟

2025年8月23日 · 1:21:07

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。

关于 AI Infra 的一切 | 对谈阶跃星辰联创朱亦博

2025年8月2日 · 58:08

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。

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

2025年6月2日 · 55:22

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’。

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

2025年5月17日 · 53:56

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。

AI 下半场：聊透 Benchmark 与 Evaluation | 对谈前 Kimi 产品经理丁丁

2025年5月5日 · 41:12

曲凯与前Kimi产品经理丁丁深入探讨AI下半场中Benchmark和Evaluation的核心价值。丁丁结合自身经验指出，通用刷分已失效，关键在于根据实际业务场景重新设计评估标准，她以C.AI等产品为例说明如何构建有效的Benchmark。此外，她还对比了古典与AI产品经理的能力差异，分享了招聘AI产品经理的关键标准。

Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋

2025年4月19日 · 52:38

本期曲凯与Sheet0创始人王文锋深入探讨了Agent开发的上半场，核心围绕LLM、Context和Tool Use三要素，解析了Function Call、MCP、A2A、Browser Use等不同方案的优劣与适用场景。王文锋基于两年实战经验，主张Agent终局为垂直领域而非通用，强调强化学习（RL）在定义环境反馈和激励信号中的关键作用，并指出AI Coding如同大模型的“灵巧手”，通过工程复用实现任务100%准确率。他介绍了旗下产品Sheet0作为表格Agent，专注结构化数据的高质量交付，与Manus等调研型Agent形成差异。

一堂「强化学习」大师课｜对谈清华叉院助理教授吴翼

2025年4月5日 · 1:12:49

清华叉院助理教授吴翼向曲凯拆解强化学习（RL）与大模型的融合，从RL基础原理讲到InstructGPT、RLHF，再到O1的“慢思考”范式。他强调DeepSeek证明了RL在推理上的可行性，而Anthropic在代码和交互体验上独树一帜。吴翼认为未来RL会有泛化、代码、Agent三大分支，并指出基建远大于算法，其团队开源的AReaL框架在7B模型上达到了AIME24 61.9的SOTA分数。