<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>晚点聊LateTalk on MessageDaily</title><link>https://inkeast.github.io/MessageDaily/tags/%E6%99%9A%E7%82%B9%E8%81%8Alatetalk/</link><description>Recent content in 晚点聊LateTalk on MessageDaily</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Wed, 30 Sep 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://inkeast.github.io/MessageDaily/tags/%E6%99%9A%E7%82%B9%E8%81%8Alatetalk/index.xml" rel="self" type="application/rss+xml"/><item><title>AI娱乐的版本答案还没出现：从猫箱到动念引线，梁琛奇推演“烧token的新平台”</title><link>https://inkeast.github.io/MessageDaily/posts/2026-09-30-liangchenqi-ai-entertainment-token/</link><pubDate>Wed, 30 Sep 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-09-30-liangchenqi-ai-entertainment-token/</guid><description>晚点聊对话96年生的前猫箱负责人梁琛奇。他在字节七年做过抖音朋友页、从零立过实时社交产品，2023年在Flow做出猫箱，2025年创立动念引线（Dayfold），先后做出AI漫画社区&amp;quot;松果时刻&amp;quot;等产品。他的核心推演：能诞生新平台的娱乐体验必须在&amp;quot;消费时&amp;quot;烧token而非只在创作时；文字ROI已在2025年打正，图片会沿&amp;quot;漫画先行&amp;quot;路径成熟；新体验的雏形将在一到两年内出现。本文拆解其推理链条、组织方法与行业分歧——泛创作普及，还是大部分人闲暇只会被动杀时间。</description></item><item><title>实时生成视频的想象空间：从创作工具到“使用即消费”——对话生数科技 Vidu S 负责人张金涛</title><link>https://inkeast.github.io/MessageDaily/posts/2026-09-24-realtime-video-generation-shengshu/</link><pubDate>Thu, 24 Sep 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-09-24-realtime-video-generation-shengshu/</guid><description>生数科技 Vidu S2 负责人张金涛（清华朱军教授博士生、SageAttention/TurboDiffusion 作者）做客晚点聊，谈实时交互视频生成：离线生成是被播放量束缚的创作者工具，实时交互是“使用即消费”、每人一个独立会话，需求上限在他看来最终能超越语言模型；数据比模型规模更重要，推理越多越赚钱，最大的护城河与最大的担忧都是数据。</description></item><item><title>具身智能的金钱游戏：钱很多、花得很少，IPO 成了主竞赛</title><link>https://inkeast.github.io/MessageDaily/posts/2026-09-03-embodied-money-game/</link><pubDate>Thu, 03 Sep 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-09-03-embodied-money-game/</guid><description>晚点聊邀请《具身的金钱游戏》两位作者复盘具身智能行业：融资额屡创新高，但算力和数据这两个最需要花钱的地方投入寥寥；收入靠地方政府数采中心与制造业关联交易撑起，IPO 成为行业主竞赛。本文拆解数采中心合资模式、制造业&amp;quot;互买&amp;quot;闭环、Club Deal 攒局玩法，以及这场资本竞赛背后的技术不确定性与观察指标。</description></item><item><title>世界模型是具身的永动机吗：北京人形谈 VLA 续命、大一统与机器人幼儿园</title><link>https://inkeast.github.io/MessageDaily/posts/2026-08-22-world-model-perpetual-motion-embodied/</link><pubDate>Sat, 22 Aug 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-08-22-world-model-perpetual-motion-embodied/</guid><description>《晚点聊》WRC 期间对话北京人形创新中心戴勇、张怡与前华为 AI 专家唐都钰。VLA 与世界模型的路线之争被拆到表征层：VLA 泛化差的病根是&amp;quot;特征漏斗+预训练与后训练范式不一致&amp;quot;；世界模型则被戴勇称为&amp;quot;AI 时代的永动机&amp;quot;——指望它生产数据，它本身却缺数据，&amp;ldquo;至少到现在是个童话&amp;rdquo;。北京人形的答案是 Pelican-Unify 大一统强耦合路线，年底 2.0 要拿出具身领域的 scaling law；唐都钰离职创业做&amp;quot;主动式物理因果模型&amp;quot;，并转述图灵奖得主 Sutton 的机器人幼儿园设想。</description></item><item><title>回收只是拿到了门票：朱雀三号副总设计师董凯谈复用周期、不锈钢算盘与商业航天的组织革命</title><link>https://inkeast.github.io/MessageDaily/posts/2026-08-22-zhuque-3-reusable-rocket/</link><pubDate>Sat, 22 Aug 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-08-22-zhuque-3-reusable-rocket/</guid><description>8月19日朱雀三号一子级在甘肃民勤着陆，成为中国首款入轨回收的重复使用火箭。副总设计师董凯在发射前夕接受晚点聊采访，核心判断是&amp;quot;不应叫可回收火箭，应叫可复用火箭&amp;quot;——复用周期必须压到一个半月以内（新造一发的周期）才有意义。文章拆解不锈钢储箱的工程账、天马实验室的焊接试错、从体制内&amp;quot;控制下限&amp;quot;到商业公司&amp;quot;整合链条&amp;quot;的组织差异，以及SpaceX作为心理锚点的意义。</description></item><item><title>蒸馏风暴：门槛、灰色地带与一份没人愿意签字的竞赛规则</title><link>https://inkeast.github.io/MessageDaily/posts/2026-08-18-distillation-storm-late-talk/</link><pubDate>Tue, 18 Aug 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-08-18-distillation-storm-late-talk/</guid><description>《晚点聊》编辑部红浩与曼奇复盘&amp;quot;蒸馏&amp;quot;这一没人愿意公开谈论的技术竞赛：典型蒸馏是有门槛的&amp;quot;抄答案&amp;quot;，含账号运营、数据管线、防中转站反被坑等系统工程；张一鸣为何禁止字节蒸馏——&amp;ldquo;只能逼近不能超越&amp;quot;加上组织激励代价；Anthropic如何用行为指纹识别2880万次&amp;quot;史上最大规模蒸馏攻击&amp;rdquo;；学生能否超越教师仍是开放问题；以及比蒸馏更大的问题——智能供需错配下&amp;quot;够用了&amp;quot;的模型正在改写定价逻辑。</description></item><item><title>RSI比Coding Agent大得多：对话田渊栋，递归自进化为什么是阶段式突破而非渐进攀升</title><link>https://inkeast.github.io/MessageDaily/posts/2026-08-07-tian-yuandong-rsi/</link><pubDate>Fri, 07 Aug 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-08-07-tian-yuandong-rsi/</guid><description>前Meta FAIR研究员田渊栋创立Recursive Superintelligence（A轮6.5亿美元，估值46.5亿美元）后首次系统阐述RSI：它比coding agent大得多、难得多；完全自动化不会很快发生，递归会先发生；智能发展是S型曲线而非scaling law的平滑攀升，这恰恰给了初创公司窗口。他们的第一阶段成果在算子优化、NanoChat训练和NanoGPT SpeedRun三个方向取得SOTA，用一套通用系统击败了专业GPU团队。田渊栋认为AI终将从炼金术变成化学，可解释性是少数派但正确的路。</description></item><item><title>特修斯之船：Kimi K3如何把Transformer的零件全部换掉，还能逼近前沿</title><link>https://inkeast.github.io/MessageDaily/posts/2026-08-06-kimi-k3-tech-report-deep-dive/</link><pubDate>Thu, 06 Aug 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-08-06-kimi-k3-tech-report-deep-dive/</guid><description>月之暗面K3是首个达到3T级别的开放权重模型，其47页技术报告揭示了一种&amp;quot;特修斯之船&amp;quot;式的架构哲学：注意力改成了线性+全局混合（KDA+MLA），残差变成了深度方向的Attention，FFN变成压缩空间的稀疏专家，甚至连位置编码都几乎被删掉。RadixArc创始成员赵晨阳和华盛顿大学博士生曾志远分别从Infer和算法两条线拆解K3：线性注意力在2.8T规模上实现了6.3倍解码加速，Quantile Balancing路由是3T稳定训练的关键之一，MOPD让九个领域专家模型高效合板，而KDA（Kernel Development Agent）证明RSI已在kernel优化领域高速运转。核心判断：权重只是一次训练的产物，环境才是能反复产出下一代权重的护城河。</description></item><item><title>几亿行代码的业务逻辑，AI复刻不了：对话SAP原欣，谈大模型to B的颠覆与边界</title><link>https://inkeast.github.io/MessageDaily/posts/2026-07-29-sap-yuanxin-ai-to-b/</link><pubDate>Wed, 29 Jul 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-07-29-sap-yuanxin-ai-to-b/</guid><description>SAP大中华区总裁原欣直面AI对企业软件的冲击：定价模式坍塌、功能被替代是真实的，但几亿行代码背后沉淀的业务逻辑和行业理解，AI短时间内难以撼动。从模型到应用之间隔着数据��理、人才落差和组织惯性——AI在企业场景中遇到的技术挑战，远小于组织挑战。FDE潮流本质上是工程师能力与业务顾问能力的合并。</description></item><item><title>Momenta IPO 后再访曹旭东：没有尽头的 AI，从智驾到家庭机器人的十年推演</title><link>https://inkeast.github.io/MessageDaily/posts/2026-07-24-momenta-cao-xudong-endless-ai/</link><pubDate>Fri, 24 Jul 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-07-24-momenta-cao-xudong-endless-ai/</guid><description>Momenta 创始人曹旭东在 IPO 后接受「晚点聊LateTalk」专访，回顾十年创业历程，系统阐述智驾竞争格局（中国两三家、全球三四家的终局判断）、&amp;ldquo;一个飞轮两条腿&amp;quot;战略、每年十倍的智驾摩尔定律、从自动驾驶向家庭机器人的技术外溢逻辑，以及从 AI 研究员到 CEO 的认知进化——&amp;ldquo;一流的工作不是想出来的，是做出来的&amp;rdquo;。</description></item><item><title>2026 Q2 AI季报：RSI从科幻走向创业赛道，Coding战场大洗牌，强者愈强的未来</title><link>https://inkeast.github.io/MessageDaily/posts/2026-07-22-ai-q2-review-rsi-coding/</link><pubDate>Wed, 22 Jul 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-07-22-ai-q2-review-rsi-coding/</guid><description>2026年Q2 AI季报深度解读：Anthropic与OpenAI的模型竞争进入新阶段，GPT 5.6与Claude Maestro/Phable正面交锋；RSI（递归自进化）从科幻概念变成明确的创业方向，Recursive、Miranda等公司涌现；Cursor以600亿美元天价被收购；中国开源模型&amp;quot;四杀&amp;quot;引发全球关注；Anthropic的Cloud Tag与OpenAI的Record and Replay重新定义AI交互。本文基于播客全文转写整理，涵盖竞争格局、RSI、机器人、智能扩散、交互创新和公司动态。</description></item><item><title>具身原生的豪赌：蚂蚁灵波沈宇军，为什么坚持从传感器和视频里重训整个机器人模型？</title><link>https://inkeast.github.io/MessageDaily/posts/2026-07-22-embodied-native-model-ant-lingbo/</link><pubDate>Wed, 22 Jul 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-07-22-embodied-native-model-ant-lingbo/</guid><description>蚂蚁灵波首席科学家沈宇军的深度访谈。他从GAN研究起步，经字节、蚂蚁研究院，最终主导蚂蚁灵波做机器人&amp;quot;大脑&amp;quot;。文章梳理了灵波最核心的技术主张——&amp;ldquo;具身原生&amp;rdquo;：不再沿用数字世界的模型做下游适配，而是从传感器、视频时序、单向MoE架构出发，为物理世界从头训练一套完整的机器人基础模型（V-Ren、DEPS、VLA 2.0、Video、Word六件套）。沈宇军也坦率谈到了数据是当前最大瓶颈、灵波为什么不做本体、以及他对&amp;quot;大脑落后于本体&amp;quot;这一行业判断。</description></item><item><title>世界模型这半年：XLR Labs 谈原生路线、4D 数据护城河与物理 AGI 的下半场</title><link>https://inkeast.github.io/MessageDaily/posts/2026-07-18-world-model-xlr-labs/</link><pubDate>Sat, 18 Jul 2026 00:00:00 +0000</pubDate><guid>https://inkeast.github.io/MessageDaily/posts/2026-07-18-world-model-xlr-labs/</guid><description>《晚点聊》WAIC 期间对话 XLR Labs（拓元智慧）三位核心成员。这家从 2022 年起就押注&amp;quot;原生世界动作模型&amp;quot;的公司，分享了它与 VLA、隐式世界模型的路线分歧，千万小时级 4D 真实交互数据如何构成护城河，以及从智慧零售切入工业物流的&amp;quot;以终为始&amp;quot;商业化逻辑——一个关于&amp;quot;预训练与后训练一致性&amp;quot;的scaling law故事。</description></item></channel></rss>