Databricks

169: 访谈Cerebras早期投资人周楠：英伟达挑战者？Scaling Law的萌芽、被遗忘的百度美研

2026年6月16日 · 1:39:15

周楠现任高通创投投资人，曾主导百度对Cerebras Systems的早期投资；本期节目她回顾了这家被视作英伟达挑战者的AI算力公司从9年前非共识投资到近期IPO、市值一度接近1000亿美元的历程，并解释OpenAI为何与它签下至少200亿美元订单。她讲到自己在百度硅谷人工智能实验室期间，与Greg等研究员一起对尚未流片的Cerebras做尽调，用当时全球最大的语言模型验证其晶圆级引擎（WSE）架构能否把三个多月的训练时间大幅缩短；Sam Altman在百度投资前已于2016年个人入股Cerebras。她也回溯了Scaling Law萌芽于DeepSpeech 2论文，Dario是经Greg招入百度，后来出走创办Anthropic；百度因地缘政治未能成立独立AI基金，遗憾错过OpenAI、Databricks等deal list。她还分析了WSE架构的优劣、推理需求爆发让Cerebras低延迟高吞吐方案更有价值，以及推理优化和Infra层创业机会、当下VC募大钱投winner、物理AI可能比预期更早到来等趋势。

146: Gemini 3翻盘背后、Agent需要什么大模型、RL创业机会|与前 Google 创业者、硅谷投资人聊湾区动向

2025年12月26日 · 1:40:58

本期嘉宾是 MoE Capital 创始合伙人 Henry Yin、Naomi Xia 与 Agent 工具层公司 Precur 联创戴涵俊、Bethany Wang，由程曼祺主持，从硅谷一线视角解析 Gemini 3 与 GPT-5.2 同期发布、Google 靠什么强势回归，以及 Agent/RL 创业机会。嘉宾指出 GPT-5.2 在 GDPval 上达 70.9%（前代 38.8%）、ARC-AGI-2 达 52.9%，且 OpenAI 今年发布的三个 benchmark 均由 Anthropic 模型得分最高，显示其将研究与营销分开。Google 的反弹被归因于 TPU、Infra、模型到应用和硬件的多层协同设计，以及 DeepMind 与 Google Brain 合并后的整合。创业层面，Precur 做“可训练工具层”，让工具从失败轨迹中自我强化，早期客户测试中正确率提升约 12%；RL 机会被分为 RL 环境（如所投的 Preference Model）、RL as a Service 和 RL 垂直应用（如 Periodic Labs）。模型选择上，嘉宾强调云绑定优先于性能，Claude Code 与代码驱动工具调用（PTC）正成为 Agent 核心范式，Qwen 是表现优异的开源模型，飞往 NeurIPS 的飞机上约 1/3 的人在读 DeepSeek-V3.2 技术报告。他们预测模型将向加入大量 agent trace 的开源模型、更强多模态和长程任务优化演进。

121: PingCAP黄东旭的“内在世界源代码”：《黑镜》、程序之美和创作自由

2025年6月24日 · 2:02:07

PingCAP联合创始人兼CTO黄东旭在做客《晚点聊》时，向主持人曼琪和小晚阐述了他眼中AI时代的编程、开源与生活哲学：大语言模型是“新的物种”，简单结构能产生复杂智能。他从《黑镜》第七季聊起，透露创业动机其实来自美剧《疑犯追踪》：未来AI需要存储一切，于是他们做了分布式数据库TiKV，而TiKV正是用十几条简单规则让系统自己分裂、迁移和自愈。他卖掉房子住进房车，计划40岁前学种田、缝纫和木工，因为AI让他多出50%时间，人的意义在于体验而非搞懂Transformer。谈到公司，他称创业第一天就定下创始人“互为冗余”的原则，目前七成收入来自海外，全球化就是更好的本地化；中国长不出Databricks，因为云基础设施尚未准备好。他还自己写Agent直接查询原始数据替代Salesforce报表，预测未来每个人都会拥有免费的personal database，并认为开源既是竞争策略也是建立信任的必经之路，就像DeepSeek。他坦言AI加速让他产生强烈的存在主义紧迫感，引用《神的九十亿个名字》担心人类心智尚未准备好；因此他也转向冥想、做饭和收藏老式乐器，认为人工制作的东西会变得越来越珍贵。

105: 潞晨尤洋争议中谈三方云平台 DeepSeek 成本：为何我不做 MaaS 了？

2025年3月6日 · 48:56

在 DeepSeek 开源周数据宣称成本利润率达 545% 引发热议后，潞晨科技创始人尤洋在本期访谈中回应争议：他坚持认为，中小云厂商部署 DeepSeek 并售卖 API 的 MaaS 模式是巨亏生意，潞晨已停止相关服务。DeepSeek 官方称其 24 小时处理了 608B 输入 token 和 168B 输出 token，仅用 1814 张 H800 支撑 2000 万至 3000 万日活；而尤洋实测每节点每秒输出仅约 300 token，与官方公布的 14.8K token 相差 46 倍。尤洋解释，MaaS 按 token 计费却要按 GPU 时间承担成本，在线任务序列长度波动剧烈，需准备约 5 倍冗余资源，且中小厂商缺乏模型与技术壁垒，最终只会陷入价格战。因此潞晨科技转向为传统企业提供私有模型部署（PaaS），客单价在 10 万至 100 万元之间，目标对标 AI 版 Databricks。尤洋还主张，只有像 OpenAI 这样拥有独家顶尖模型的公司才应做 MaaS，高利润是对创新的奖励，并透露潞晨正布局视频生成模型。他称自己并不想与 DeepSeek 对立，抨击的是那些宣称推理速度比英伟达方案快十倍的中小云厂商。