硅谷101对话黄东旭与张宏江：当Uber四个月烧穿全年AI预算、Meta给员工设token上限，“Token Maxing"的烧钱竞赛到达转折点。亲历者黄东旭讲述自己从日烧四五百美元的最强模型依赖，转向本地DeepSeek V4 Flash加云端Fable 5的混布组合；这场从token maxing到token efficient的转向，本质是模型能力跨过工程化门槛后，成本结构与企业KPI的重算。张宏江判断AGI奇点已至，而更深的分歧在于：单模型智商碾压与多agent蜂群，谁是终局。
机器之心对话东方理工陈云天：从"知识嵌入"到"知识发现"的双向耦合范式。用AI从真实实验数据中找出人类未知的控制方程（如海浪破碎方程），用机械臂高通量实验找色谱方程替代耗时实验；他判断AI科学家"一定到了这个节点"，但资本市场节奏与湿实验闭环的天然慢速之间正在撕开一个gap，而通用模型"每个行业都很浅"，真正的机会在把物理一致性嵌进专业模型。
海银资本创始人王煜全做客《AI相对论》，给出与蒋涛"2027年爆破"不同的判断：泡沫在2029年，且是"大而快的危机"——半年内恢复、见底时遍地黄金。他的分析框架是"荷塘理论"（胜负已分，只是收入利润滞后五六年才显现）与佩蕾丝技术革命周期（导入期狂热—泡沫破裂—展开期高速增长）。据此推演：特斯拉Waymo地盘战已定调、FSD规模数据优势无人能敌；中国车企不做数据联盟将成为"中间物种"；人形机器人是"训练腿的是大泡沫、训练手的是小泡沫"；低空经济不可能规模化。七巨头中英伟达未来五年安全、谷歌十年内广告模式失效、苹果失去战略眼光、微软无自研大模型有风险。中国机会在智能服务出海与"农村包围城市"式的全球算力基建。
《晚点聊》编辑部红浩与曼奇复盘"蒸馏"这一没人愿意公开谈论的技术竞赛：典型蒸馏是有门槛的"抄答案"，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——“只能逼近不能超越"加上组织激励代价；Anthropic如何用行为指纹识别2880万次"史上最大规模蒸馏攻击”；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"够用了"的模型正在改写定价逻辑。
Jeff Dean 带三位谷歌元老出走创立 Discovery Loop 当周，前 DeepMind 科学家、Unreasonable Labs 联合创始人曹原在硅谷101拆解 AI for Science 为何在此时爆发：代码与数学能力到位后科研成为下一个智能爆发点，但真正的瓶颈从建模移到了物理世界的验证环节；LLM 无法凭训练数据产生真正新的科学概念，概念抽象可能是 AGI 的"最后一公里"甚至不可计算；他主张 AI and Science 而非 AI for Science——科学难题是驱动 AI 本身进化的催化剂，并给出"AI 拿诺贝尔奖至少还需二三十年"的长期判断。
DeepSeek V4 Pro登场，中国开源模型连续逼近前沿能力，迫使黄仁勋牵头组建美国"开放安全AI联盟"，Sam Altman、Sundar Pichai等闭源掌门人罕见支持。这期硅谷101系统拆解了AI"开源"到底开的是什么——从七步训练流程到Open Weights与Open Source的本质区别，以及许可证之争、开源公司如何赚钱、闭源阵营的安全担忧与商业焦虑。
一个辍学创业的哥大CS全奖生，为什么在二十岁那年转向哲学？老蒋（视频博客博主）与毕英杰（哲学学者/自媒体创作者）在一年内展开两次对话，从"哲学是不是精英阶层的表演"出发，聊到模仿欲望、认可理论、AI时代的意义危机、中国教育体系的助推火箭隐喻，以及年轻人为什么越来越讽刺。这期对话的核心张力在于：一个"过得太好"的人到底有没有资格谈哲学，以及哲学的抽象到底是一种深刻的概括，还是一种逃避现实的狡猾。
英伟达研究副总裁、Cosmos Lab负责人刘洺堉的4小时深度访谈。从GAN到Diffusion到世界模型的20年研究者之路，到Cosmos 3为何将语言/视频/音频/动作统一进单一模型，到"模型竞争不是零和游戏"的Low Ego哲学，再到黄仁勋的第一性原理决策与"不裁员"文化。他认为模型能力终将收敛，真正决定胜负的是生态整合；他不想击败任何人，只想帮助Physical AI整个领域成功。
老蒋对话学术打假博主"耿同学"：论文工厂已产业化到直播间标价售卖，医生成最大买家群体；评价机制"唯论文"是系统性痼疾，纵向与横向经费存在鄙视链，产学研深度脱节；大环境上中国科研正从堆论文数量转向产业转化阶段，科研经费已超美国但产出质量未跟上，大国竞争要求学术环境先突破；打假方法论是"概率低于一亿分之一反复出现"叠加AI交叉验证；耿同学自诩"大型自私"，认为做好事的收益应被制度化，并称已与教育部建立合作。
Runta 创始人戴冠兰（前 Cloudflare/Kong 核心）在十字路口播客中提出核心判断：模型能力爬坡已放缓，真正制约 Agent 落地的是执行层基础设施。Runta 刚完成 2000 万美元种子轮（a16z 领投，Jeff Dean、李飞飞天使），定位是为 Agent 打造确定性执行底座——在概率性大模型之上加入隔离、权限、审计和热迁移等系统能力，让企业敢于把生产权限交给智能体。文章梳理了 Token Maximizing 到 Minimizing 的反转、Agent 安全必然爆发的逻辑、以及公有云和基模厂商为何难以抢占这一赛道。