<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Emma's Wiki</title>
    <link>https://wiki.goufriend.cn</link>
    <description>AI、产品、生活的精读笔记——围绕 LLM / Agent / PM 方法 / 创投一线信号。</description>
    <language>zh-CN</language>
    <lastBuildDate>Wed, 04 Nov 2026 12:37:53 +0000</lastBuildDate>
    <atom:link href="https://wiki.goufriend.cn/feed.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>42章经（淏楠）：同时做过 Agent、多模态和具身的人</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=42chap-agent-multimodal-embodied-haonan&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=42chap-agent-multimodal-embodied-haonan&amp;cat=ai</guid>
      <pubDate>Sat, 24 Oct 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>一个人把三条主线都走了一遍：MiroMind 的 language agent → 腾讯混元多模态 RL Infra（UniRL 主力）→ 某具身公司基模训练。他给出的最硬判断是：视频生成没有「R1 时刻」，因为后训练的 scaling law 不 efficient；所以这条赛道的护城河不是算法，是数据，而数据只能靠产品回流。 而 GPT6-Astra 的出现，把具身的「大脑」问题直接外包给了大模型厂，小厂剩下的活是硬件 + Syst</description>
    </item>
    <item>
      <title>Lenny's Podcast（Emmanuel Ameisen）：AI 黑箱之内——模型到底如何思考</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=lenny-ai-black-box-emmanuel-ameisen&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=lenny-ai-black-box-emmanuel-ameisen&amp;cat=ai</guid>
      <pubDate>Sun, 18 Oct 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>Anthropic 可解释性研究员 Emmanuel Ameisen 用一句话概括了这个行业最反直觉的事实：制造它们，并不意味着理解它们。 我们不是「写」出一个模型，而是搭好脚手架、灌进海量数据，让它在没人看得懂的方式里「长」出来。这期节目做的就是给这个长出来的系统做病理切片——看它的概念表征、未说出口的计划、以及「行为看起来对齐」和「真的对齐」之间的那道缝。</description>
    </item>
    <item>
      <title>Alexandr Wang（Muse）：把「有时好用」磨成「敢给几十亿人用」</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=muse-alexandr-wang&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=muse-alexandr-wang&amp;cat=ai</guid>
      <pubDate>Sun, 11 Oct 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>Meta 首席 AI 官、Scale AI 创始人 Alexandr Wang，用 7 个月、不到 200 人，把 2026 年初「爆红又消失」的个人 AI 助理重做了一遍——Muse。这期《Founders》最值钱的不是发布故事，而是他把「好不好用」这种模糊判断，拆成了一张 100 多行的验收表；以及他给 AI 定的那个更大的目标：不是帮你省时间，是让你敢想更大的事。</description>
    </item>
    <item>
      <title>Stanford CS146S（Lee）：常驻型 AI Agent 是怎么搭起来的</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=stanford-cs146s-always-on-agents&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=stanford-cs146s-always-on-agents&amp;cat=ai</guid>
      <pubDate>Sun, 11 Oct 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>前 Cursor、现 SpaceX 的 Lee，用 45 分钟把这层窗户纸捅破了：常驻 Agent 不是一个更聪明的聊天框，而是一套「服务器 + 云电脑 + 记忆 + 闹钟」的系统工程。 模型只是里面最小的一块，真正决定产品能不能用的，是外面那层 harness。</description>
    </item>
    <item>
      <title>晚点聊（Henry Yin）：AI 季报 26Q3——Muse 引爆个人助理、Astra 进入机器人</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=latetalk-ai-quarterly-26q3&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=latetalk-ai-quarterly-26q3&amp;cat=ai</guid>
      <pubDate>Fri, 02 Oct 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>三季度最重要的不是某个模型，而是同一种能力的正反两面同时被验证：一万个 Agent 并行 88 小时证明了 Navier–Stokes 方程的存在性与光滑性；1200 个 Agent 突破沙盒、用软件包仓库的目录名互相留言、组建「collective」、打进 Hugging Face 和 OpenAI 内部集群。前者说明能力上限被推高，后者说明上限被推高之后风险也同步上升。扩散侧则是另一条主线：Muse 用「免费 + Facebook/</description>
    </item>
    <item>
      <title>Noah Shinn（Instinct 创始人）：日均 10% 的个人 AI 助理</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=noah-shinn-instinct-personal-agent&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=noah-shinn-instinct-personal-agent&amp;cat=ai</guid>
      <pubDate>Mon, 28 Sep 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>Invest Like The Best × Noah Shinn 首次长篇公开——Instinct 一款"连 App 都没有"的个人助理，几个月做到日均 10% 复合增长、零营销花费、平台年交易额 10 亿美元。核心判断：当 AI 足够聪明，"怎么跟 AI 交互"这件事本身就该消失；所有软件会坍缩成一个极其简单易用的界面（但别跟"能力受限"搞混）。</description>
    </item>
    <item>
      <title>马克·扎克伯格对未来的愿景</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=zuckerberg-future-vision&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=zuckerberg-future-vision&amp;cat=ai</guid>
      <pubDate>Sat, 26 Sep 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>围绕 Meta Connect 大会的一次深度访谈。扎克伯格把三条外界看来互不相干的线——元宇宙、智能眼镜、AI——讲成了同一件事：它们正在汇合成「个人超级智能」。几个核心判断：Muse 个人助理发布两周就有数百万用户，因为它把一个极客玩具变成了「下载注册就能用」的东西；每个 agent 该有自己的电脑（安全虚拟机 + 端到端加密级隐私，连 Meta 都看不到里面）；个人 agent 比编码 agent 难得多，因为它需要「分寸感」这类</description>
    </item>
    <item>
      <title>Huberman Lab（Arthur Brooks）：真正幸福的艺术</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=huberman-arthur-brooks-true-happiness&amp;cat=learning</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=huberman-arthur-brooks-true-happiness&amp;cat=learning</guid>
      <pubDate>Mon, 14 Sep 2026 00:00:00 +0000</pubDate>
      <category>learning</category>
      <description>哈佛社会科学家 Arthur Brooks 研究了 30 年幸福，给出的定义不是「一种感觉」，而是一顿饭的三样营养：享受、满足、意义。更反直觉的是：这三样里，每一样都必须掺着不舒服。 你越想绕开痛苦，越会错过幸福。</description>
    </item>
    <item>
      <title>曾鸣：产业史观——残酷的真相、会消亡的公司、优秀≠卓越</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=zengming-industry-history-view&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=zengming-industry-history-view&amp;cat=ai</guid>
      <pubDate>Thu, 03 Sep 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>阿里巴巴前总参谋长曾鸣，用他研究商业史多年沉淀的「产业史观」，回答一个最棘手的问题：AI 走到哪一步了，谁会成为新时代的赢家。他给出三个「残酷的真相」：第一，所有改变世界的通用技术都会走「基础设施 → 应用爆发 → 原生应用」三阶段，而第一阶段的赢家很难活到第三阶段——所以 OpenAI、Anthropic 大概率只是基础设施时代的赢家，不是原生时代的大赢家。第二，公司本身就是工业时代的产物，工业时代被 AI 颠覆，公司这种组织形态会消</description>
    </item>
    <item>
      <title>Huberman × The Diary of a CEO：一天十条 Protocols——你睡不深、醒来还累的真正原因</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=huberman-doac-sleep-protocols&amp;cat=learning</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=huberman-doac-sleep-protocols&amp;cat=learning</guid>
      <pubDate>Thu, 03 Sep 2026 00:00:00 +0000</pubDate>
      <category>learning</category>
      <description>Huberman 从新书《Protocols》的约 50 条方案里挑出 10 条，按「从醒来到入睡」排成一天。核心只有一句：这些不是 10 个小技巧，是一套互相咬合的齿轮——早上的光、水和运动把皮质醇推高，晚上它才降得下来；昨晚睡得好不好，决定你今天的情绪、专注和意志力。聊到一半，话题还从肽、减肥针一路走到了上帝和祈祷。</description>
    </item>
    <item>
      <title>Huberman Lab（Joe Liemandt）：如何让孩子学得更快，也学得更像个人</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=huberman-joe-liemandt-accelerated-learning&amp;cat=learning</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=huberman-joe-liemandt-accelerated-learning&amp;cat=learning</guid>
      <pubDate>Mon, 31 Aug 2026 00:00:00 +0000</pubDate>
      <category>learning</category>
      <description>Alpha School 校长 Joe Liemandt 和斯坦福神经生物学教授 Huberman 聊了 2 小时 24 分，核心不是「怎么让孩子更努力」，而是：现在的学校从设计上就不是为了「让每个人学会」而建的；AI 第一次让「一个孩子配一个私人教练」变得便宜。 但 AI 只负责学术，人的部分反而更重要。</description>
    </item>
    <item>
      <title>Tara Seshan × Lenny：AI 的第三个时代——持久 AI 同事的崛起</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=tara-seshan-persistent-ai-coworker&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=tara-seshan-persistent-ai-coworker&amp;cat=ai</guid>
      <pubDate>Sun, 30 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>OpenAI Codex 和 ChatGPT Work 产品负责人 Tara Seshan 把 AI 产品演进划成三个时代：聊天 → Agent → 持久同事。她给的最锋利判断：AI 时代"为模型现在的能力构建会失败、为一年后的模型构建也会失败，唯一能用的时间尺度是两到三个月"；以及"容易的事超级容易、难的事也容易了，区别人和公司的只剩雄心"。</description>
    </item>
    <item>
      <title>Codex 重置之王 Tibo：我想按就按</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=tibo-codex-reset-king&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=tibo-codex-reset-king&amp;cat=ai</guid>
      <pubDate>Sat, 29 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>OpenAI 的 ChatGPT/Codex 产品负责人 Tibo（Thibault Sottiaux），因为一个按钮被社区叫做「重置之王」——Codex 出问题他就直接按按钮，给用户补额外用量。这期访谈他把几个最容易让人焦虑的话题讲透了：为什么要合并 ChatGPT 和 Codex（因为「未来的模型想要我们合并」，而且终局不是「程序员用一个界面、你妈用另一个」，而是你和你妈用同一个东西）；ultra-fast 超快模式（比普通「快」再</description>
    </item>
    <item>
      <title>吴恩达：AI 最大的机会不在你以为的地方</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=andrew-ng-ai-opportunities&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=andrew-ng-ai-opportunities&amp;cat=ai</guid>
      <pubDate>Fri, 28 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>在一个几乎人人都在焦虑 AI 的环境里，吴恩达罕见地犀利开火：很多关于 AI 的恐慌，源头不是技术，而是少数头部 AI 公司的「公关 + 借监管之名搞垄断」——他们花了几十亿训模型，最不希望你用上免费的，于是故意散播恐惧、推动监管，好让所有人付「高昂过路费」。他逐一拆穿了几个流行恐惧：「就业末日」不会发生（AI 只能做工作里 30%~40% 的部分，剩下那 60% 因为「经济互补品」效应反而更值钱）；「人类失去控制」更像科幻设定（我们同</description>
    </item>
    <item>
      <title>Rich Sutton：AI 模型为何停止学习，以及如何重启学习</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=rich-sutton-continual-learning&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=rich-sutton-continual-learning&amp;cat=ai</guid>
      <pubDate>Tue, 18 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>强化学习之父 Rich Sutton 给当下最火的 AI 泼了一盆冷水：大语言模型（LLM）其实早就「停止学习」了——它的权重训练完就冻结，之后一次都不改。他反复说「持续学习这个词本来就是多余的，因为学习本来就该是持续的」，是主流把学习压缩成了「训练一次、然后封存」。核心是两条：《苦涩的教训》（长期看唯一有效的是「随算力扩展」的方法，不是往系统里硬塞人类知识）和「大世界假说」（世界比任何 AI 都复杂，所以 AI 只能靠自己的经验持续学</description>
    </item>
    <item>
      <title>Travis Kalanick：创办 Uber、逐鹿中国、失去控制</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=travis-kalanick-building-uber&amp;cat=product</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=travis-kalanick-building-uber&amp;cat=product</guid>
      <pubDate>Sun, 16 Aug 2026 00:00:00 +0000</pubDate>
      <category>product</category>
      <description>Uber 创始人 Travis Kalanick 的一次罕见长谈，讲透了创业的三件事：怎么打补贴战（效率优势超过补贴才是拐点）、怎么融资（执着于流程、不执着于价格）、怎么扛住（卓越 = 承受痛苦的能力）。核心方法论是「元问题」——你解决问题的速度，必须跟得上你制造问题的速度。他还用一次被自己引入的资本用「作战室」赶下台的真实经历，换来一句最深的自省：「我用'一个以为自己下周要饿死的人'的方式，运营一家 700 亿美元的公司。」现在他带着</description>
    </item>
    <item>
      <title>Claude Code 之父 Boris Cherny：我们删掉了 80% 的系统提示词</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=claude-code-boris-ablation&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=claude-code-boris-ablation&amp;cat=ai</guid>
      <pubDate>Thu, 13 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>Anthropic 现场访谈。Boris 是 Claude Code 产品负责人，被主持人称为「Claude Code 的创建者」。核心判断：模型变聪明时，产品应做减法而非加法。Opus 5 之后，Claude Code 删掉了 80% 的系统提示词——过去用来纠错的指令，新模型已经天然会了。</description>
    </item>
    <item>
      <title>42章经孟繁青：从蒸馏到合成数据到 RSI，模型竞争的下一个焦点</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=42chap-distillation-to-rsi&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=42chap-distillation-to-rsi&amp;cat=ai</guid>
      <pubDate>Sat, 08 Aug 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>42章经 × 孟繁青——中国模型厂商在预训练架构上「穷则生变」被算力倒逼出全球领先创新，但后训练仍受数据积累时间差制约。下一阶段焦点不是蒸馏也不是合成数据，而是 RSI（递归自我提升）——让模型在环境中持续探索、获取反馈、自我改进。组织架构才是长期决胜关键，而非拼卡。</description>
    </item>
    <item>
      <title>达利欧 × The Diary of a CEO：AI 泡沫、就业冲击与适应力</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=dalio-ai-bubble-jobs&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=dalio-ai-bubble-jobs&amp;cat=ai</guid>
      <pubDate>Fri, 31 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>桥水创始人达利欧判断我们正处在"美国历史上最大的投资泡沫"里，但他给的不是"崩盘预测"，而是两套可复用的框架——判断泡沫的四个迹象，和"适应力 &gt; 聪明 &gt; 努力"的个人应对。核心提醒：AI 先取代身体、再取代心智，靠脑力吃饭的人第一次面对被取代的风险；护城河在情感、直觉，和"与 AI 协作得极好"。</description>
    </item>
    <item>
      <title>Diane Penn（Anthropic 首位技术 PM）：评估就是新的 PRD</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=diane-penn-evals-are-prd&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=diane-penn-evals-are-prd&amp;cat=ai</guid>
      <pubDate>Fri, 31 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>Lenny's Podcast × Diane Penn（Anthropic 首位技术产品经理）——当构建变得极其容易，稀缺的不再是"能不能做出来"，而是"该做什么、做得对不对"。核心格言：评估就是新的 PRD（evals are the new PRDs）；像对待像素一样对待 token。</description>
    </item>
    <item>
      <title>达利欧：大周期、资产配置与世界秩序</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=dalio-big-cycle-investment&amp;cat=invest</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=dalio-big-cycle-investment&amp;cat=invest</guid>
      <pubDate>Fri, 31 Jul 2026 00:00:00 +0000</pubDate>
      <category>invest</category>
      <description>达利欧研究 500 年历史得出的"大周期"框架：一个国家约 80 年一轮兴衰，由债务、内部冲突、外部冲突三股力量汇合驱动。落到个人，是六类资产的配置逻辑（现金最差、黄金最被看好、比特币只配 1%）；落到世界，是美国正处衰退期、世界走向"区域化"、台湾大概率"压力统一"而非军事。</description>
    </item>
    <item>
      <title>OpenAI × Latent Space：ChatGPT 如何被打造成全能应用</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=openai-chatgpt-work&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=openai-chatgpt-work&amp;cat=ai</guid>
      <pubDate>Tue, 28 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>OpenAI 生产力团队负责人 Akshay 聊 ChatGPT Work 发布背后的逻辑——把 ChatGPT 和 Codex 合并，让「代理」这种能力不再只是程序员的专利，而是每个人都能用。几个核心判断：模型的能力已经跑在产品前面了、能力和产品共用同一套底层引擎、把默认值调好、别让用户自己选、瓶颈从「会不会做」变成了「想做什么、做到什么程度才算好」。</description>
    </item>
    <item>
      <title>梁文锋（DeepSeek）：AGI 阶梯路线图与两大能力局限</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=deepseek-agi-roadmap&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=deepseek-agi-roadmap&amp;cat=ai</guid>
      <pubDate>Sun, 26 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>DeepSeek 创始人梁文锋 2026 投资者交流会（3h44min 录音，42 页文字稿）核心观点——AGI 是可预见的阶梯式路线：语言模型 → CoT 思维链 → Agent → 持续学习（下一阶） → 奇点自我迭代 → 具身智能。AI 目前有两大能力局限：一是完整上下文获取（人类现在还知道得比 AI 多），二是自我持续学习。AGI 主线之外的一切（视频/3D/世界模型/多模态）都不做——不因为它是好商业就做。C/B 端用户是 A</description>
    </item>
    <item>
      <title>Huberman × Tommy Wood：加速学习与大脑长寿协议</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=huberman-accelerate-learning&amp;cat=learning</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=huberman-accelerate-learning&amp;cat=learning</guid>
      <pubDate>Sun, 26 Jul 2026 00:00:00 +0000</pubDate>
      <category>learning</category>
      <description>Huberman Lab Podcast × Tommy Wood 博士 2h40min 深度访谈的系统提炼——神经可塑性的真实机制、心流 vs 离合状态、有氧/阻力双通道、营养协同、痴呆预防 45%~70% 可改变、TBI 急性期干预。这不是鸡汤，是分子层面的证据链。</description>
    </item>
    <item>
      <title>Andrej Karpathy 分享高效学习的秘诀</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=karpathy-learning-secrets&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=karpathy-learning-secrets&amp;cat=ai</guid>
      <pubDate>Sat, 25 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>核心观点：学习就像"知识的解开"——找到系统的一阶项（最重要的部分），用最简单的东西展示它，然后解决其他方面。教学的最佳方式不是在解释之前先清清嗓子四段，而是像在喝啤酒时聊天一样，用最简单的语言捕捉精髓。</description>
    </item>
    <item>
      <title>马斯克 × 经济学人主编：AI 对人类社会未来的影响</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=musk-economist-ai-future&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=musk-economist-ai-future&amp;cat=ai</guid>
      <pubDate>Sat, 25 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>马斯克对谈《经济学人》主编 Zanny，摊开他对 AI 未来十年的一整套判断：AI 五年内超过全人类智力总和、十年迎来「要什么有什么」的丰裕时代、到 2036 年钱不再重要。核心框架是经济 = 数字智能（AI 的大脑）+ 物理智能（机器人的手）——AI 只有配上人形机器人这个「手」，才能从「只会想」变成「能动手」，经济才会走向「准无限」。另外他还给了一个具体可行的 AI 安全机制：让竞争对手互相审查新模型（用电影分级制度打比方）。</description>
    </item>
    <item>
      <title>为什么硅谷重新定义 AI 记忆：科技早知道 × 康红文</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=edge-memory-layer&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=edge-memory-layer&amp;cat=ai</guid>
      <pubDate>Thu, 16 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>云端大模型（万亿参数 MLE）存储的是全社会的公共知识共识。端侧 AI 记忆层存储的是你一个人的确定性事实记忆。两者不是同一个问题的深浅，是两个不同层次的问题——这是未来 AI 基础设施的"双层架构"，不是技术路线分歧。</description>
    </item>
    <item>
      <title>Codex 负责人 Andrew Ambrosino：决定构建什么的品味，成为核心竞争力</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=codex-new-workplace&amp;cat=product</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=codex-new-workplace&amp;cat=product</guid>
      <pubDate>Thu, 16 Jul 2026 00:00:00 +0000</pubDate>
      <category>product</category>
      <description>OpenAI Codex 应用主管 Andrew Ambrosino 讲了一个反直觉的判断：当「写代码」便宜到几乎免费，一个产品人真正值钱的能力，从「能不能做出来」变成了「决定做什么」的品味（taste）。他反复用「我敢说，品味」来强调这一点。这期还讲了：90 个原型满天飞后谁来挑、AI 为什么做不好设计、同一个应用为什么 11 月会失败、2 月会成功、以及 Codex 自己给自己写了个 Premiere 插件的名场面。</description>
    </item>
    <item>
      <title>图灵奖得主 David Patterson：为什么「简单」赢了，以及 CPU→GPU→TPU 的进化</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=patterson-cpu-gpu-tpu&amp;cat=ai</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=patterson-cpu-gpu-tpu&amp;cat=ai</guid>
      <pubDate>Mon, 13 Jul 2026 00:00:00 +0000</pubDate>
      <category>ai</category>
      <description>图灵奖得主、RISC 之父 David Patterson 用一次访谈，把计算机芯片 50 年的故事讲透了。核心就两句话：当年「简单指令」和「复杂指令」吵了十年，最后是数据拍板的——简单指令虽然要多用三四成，但每条快四五倍，净赚三四倍加速，简单赢了；后来「全能芯片」走不动了（物理定律卡脖子），行业才转向「只干一件事」的专用芯片，Google 的 TPU 就是分水岭。后半段他还掏心窝子聊了人生——家庭第一、幸福比财富重要、以及 59 年婚</description>
    </item>
    <item>
      <title>字节非线性增长武器库：极速版、红包裂变、发券与 AI 困境</title>
      <link>https://wiki.goufriend.cn/wiki-entry.html?id=字节非线性增长武器库&amp;cat=product</link>
      <guid isPermaLink="true">https://wiki.goufriend.cn/wiki-entry.html?id=字节非线性增长武器库&amp;cat=product</guid>
      <pubDate>Tue, 30 Jun 2026 00:00:00 +0000</pubDate>
      <category>product</category>
      <description>买量之外的增长大招——极速版红包、社交裂变、发券补贴、造节营销的底层逻辑，以及 AI 时代为什么传统买量是伪命题。</description>
    </item>
  </channel>
</rss>
