中國生物技術公司帶來的競爭威脅、第三季併購降溫以及兩筆重大交易，主導了Scrip截至2026年10月9日當週的商業報導。本集由Scrip的Ian Haydock主持，內容涵蓋鳳凰城一場投資人小組討論中關於中國生物技術競爭和智慧財產權風險的警告、Evaluate的第三季併購資料、Vaxcyte的31價肺炎鏈球菌疫苗三期資料、西班牙生物技術產業在Biospain大會的戰略辯論，以及鹽野義製藥以20億美元收購IntraBio。標題中提到的中國競爭威脅是貫穿多個板塊的主題，但並非本集唯一重點——併購資料、疫苗競爭和西班牙產業戰略佔據了大致相當的篇幅。 本集節目由AI文字轉語音和語音克隆工具製作，Sc
Ali Partovi 是 Cursor 的第一位投資人，也是 Facebook、Uber、Airbnb 的早期投資者。他主張，科技業最有價值的後設技能，是在一個人的實績出現之前就判斷他的潛力；而他篩選得最嚴格的性狀是「磁吸力」（magnetism）——創辦人把聰明朋友拉進自己新事業的能力。在 2026 年 10 月 15 日發布的一集 65 分鐘節目中，Partovi 拆解了這項技能的運作機制、形塑這項技能的三個職涯錯誤，以及他過去兩週投入的一項 AI 責任新提案。標題聚焦在「發掘天才」雖準確卻只說了一半：這集節目同樣是一場由自白驅動的回顧，談欺瞞、過度誠實與恐懼，外加一套關於自主 AI 問
本集最核心的論點是：多工在生物學上根本不可能，而假裝可以多工，代價是可以量測的——一位 UC Berkeley 認知神經科學家在節目中現場示範，在兩個再簡單不過的任務之間來回切換，就讓主持人的速度掉了大約 60%；她並引用資料指出，知識工作者平均每天因在螢幕間跳來跳去而損失超過兩小時。本集嘉賓是 Sahar Yousef 博士，她是 Becoming Superhuman Lab 的創辦人暨常務董事，也是 UC Berkeley 出身的認知神經可塑性研究者，長期與《財星》前十強企業的高階主管合作，協助他們管理注意力、專注力與精力。她的主張是：生產力失靈不是人格缺陷，而是違反了「生物法則」——睡
OMass Therapeutics 在 C 輪募資中籌得 2.3 億英鎊（約 3.1 億美元）。執行長 Ros Deegan 表示，這筆交易屬於機會型募資——2026 年 7 月啟動，並在 2026 年 10 月中這次訪談前幾週完成——因為公司希望在做出 Phase 2 設計決策之前，先把資金準備充足。這家從牛津大學衍生出來的公司，技術基礎是 Carol Robinson 女爵士實驗室開發的原生質譜技術，本輪除了原有六家投資人全數跟投，還新引進六家新股東（由 Bain、Forbion 與 Novo 共同領投，Janus、SV 與 Jefferson 也參與），投資人總數達到 12 家。本輪資
本集最具影響力的主線，是糖尿病裝置領域的一場結構性轉變：Senseonics 將其可植入式連續血糖監測儀 Eversense 365，與 Beta Bionics 的自動胰島素輸注系統 iLet 配對合作，而這筆交易完全沒有財務條件——沒有股權、沒有最低採購量、沒有獨家條款——純粹建立在技術相容性上。這是駐新德里、為 MedTech Insights 撰稿的記者 Shubham Singh 剖析得最深入的一則故事，也成為整集綜合報導的主軸；其餘內容則涵蓋一款刺激劑使用障礙裝置、GLP-1 搭配應用程式，以及長壽醫學。值得注意的是，本集標題的主打話題——「190 億美元關稅協議」——在整份逐字稿
Tobias Carlisle 是 Acquirer's Funds 創辦人、《The Acquirer's Multiple》作者，這次與 Behind the Balance Sheet 的 Stephen Clapham 對談，主張深度價值投資——買進所有人都不看好的企業——儘管已連續 16 年績效落後，依然是可行的策略；而熬過這段乾旱期的關鍵，在於避開「滅頂風險」。Carlisle 的核心框架取自《孫子兵法》與華倫·巴菲特（Warren Buffett）的股東信：投資人應先確儲存活（資產負債表分析、分散配置、部位控管），再透過估值折價尋找優勢。本集標題主題「買進被厭棄的企業」是貫穿全場
Billy Evans，Elizabeth Holmes 的丈夫，首度接受專訪，主張外界對妻子的敘事從根本上有誤，並表示她多年來保持沉默，是因為選擇遵循法官的指示——在法庭上、而非在媒體上打這場官司。本集節目大致是一段個人陳述：這對夫妻如何在 2017 年 10 月、負面報導最猛烈的時刻相識；如何在 Holmes 為 Theranos 詐欺案奮戰、最終敗訴的過程中結婚並生下兩個孩子；她 11 年的刑期與獄中日常是什麼模樣；以及他們為何願意配合一部紀錄片。標題點出的紀錄片只是真實但次要的一條線：Evans 說他還沒看過成品，也無法為剪輯方式背書。 Evans 的對談物件是 David Frie
Dina Robotics 創始人兼 CEO Lindon Gao 在這場近三小時的訪談中，給出的核心判斷是：機器人行業的瓶頸不在本體、也不在單一場景，而在於「智慧體能否把一整個工作流做完」——他稱之為從「任務」到「工作流」的躍遷。他反覆強調，機器人公司必須用商業閉環去反向驗證智慧邊界，而不是先探高再落地，也不是先落地再補智慧。這一判斷直接推翻了他自己 2025 年主推的折餐巾產品 Dina One 的商業化路徑：產品做到了 99% 成功率，卻因為「機器人需要一個保姆」而被他主動叫停量產。 標題裡的「迷霧、分歧與抉擇」並非修辭——它對應的是 2025 年底 Dina 內部最真實的一次路線分裂
美國銀行（Bank of America）揭露一筆 12 億美元、無法扣抵稅額的費用，與防制洗錢及制裁遵循的缺失有關，這成為本集節目的主軸，拖累該行股價寫下十多年來財報日最差反應，並拉低整體銀行類股。執行長 Brian Moynihan 與彭博（Bloomberg）的 Jonathan Ferro 對談時，為該行的改善支出辯護，堅稱這筆成本早已納入經常性費用；Meredith Whitney 則主張，真正的傷害在於投資人過去賴以支撐的「營運槓桿」故事。本集也涵蓋一波由科技股領跌的拋售、10 月褐皮書（Beige Book），以及與輝達（NVIDIA）黃仁勳及彭博行業研究（Bloomberg I
2026 年第三季具身智慧季報的核心結論是：以 GPT-6 Astra 為代表的通用基礎模型，第一次證明自己可以直接輸出機器人末端執行器位姿，做了一部分過去被認為必須由 VLA／世界動作模型完成的策略工作，而且成功率更高。這動搖了「物理 AI 是一個大於數位 AI 的獨立賽道」這一支撐具身模型公司高估值的假設，也讓「通用模型是否會吃掉 robotics」成為本季最尖銳的問題。Alphaist 創始合夥人陳哲（Peter）在節目中把 Astra 的影響拆成三層，並結合他九月底十月初赴美歐（含匹茲堡 IROS 2026）的交流，給出一個偏「通用模型為主、具身公司需重新定位」的判斷。 需要先說明：
Theo Browne 是開發者兼內容創作者，也是開源 AI 程式開發工具 T3 Code 的共同創辦人。在這場長達 337 分鐘的直播中，他主張 AI 輔助軟體開發真正的變革不在模型智慧，而在工作流程設計——具體來說，就是把重複的行為編碼成可重複使用的「技能」（skills），讓代理（agent）能自主運作、甚至自己合併 pull request。本集掛頭牌的題目「工作流程的改變」說得沒錯，但低估了內容的廣度：這場直播主要是一場即時工作實錄，同時兼具 T3 Code 的產品導覽、Anthropic 內部原始碼控管系統 Scion 的深度解讀，以及對模型品質、訂閱經濟學和摺疊手機使用體驗的即時
Ian Quigley 是 Leash Bio 的共同創辦人暨執行長，他主張：機器學習應用於小分子藥物開發時，最大的障礙不是模型架構，而是資料的來源脈絡（data provenance）。公開資料集受到產出這些資料的化學家社群文化所汙染，唯有內部自行產生、刻意擾動過的資料，才能教會模型真正的生物物理學。在這場 109 分鐘的對談中，Quigley 與主持人 Brandon Anderson（Atomic AI 的 RNA 療法開發者）及 RJ Honicky（Mirror Omics 技術長）一起回顧 Leash 為何押注 DNA 編碼庫（DNA-encoded library，DEL）作為小
美國銀行（Bank of America）執行長 Brian Moynihan 利用第三季財報訪談，為一樁財政部執法案件畫下句點。他的論點是：20 億美元罰款與相關的停止令（cease-and-desist order），如今已完全反映在銀行的成本基準中。不過，這場訪談的標題話題——罰款與隨之而來的問責爭議——只佔了開場幾分鐘。對話的主體，是逐項拆解美國銀行的淨利息收入走勢、存款業務的體質、它出資支援的 AI 基礎建設熱潮背後的經濟邏輯，以及 AI 代理在客戶帳戶上進行交易的操作風險。 Moynihan 對主持人 Jonathan Ferro 表示，這一季是「主街」（Main Street）
本集討論最具份量的研究發現是：語言模型會依據內部的「效價」（valence）狀態行動，而這些狀態在文字輸出中完全看不出來。研究人員把正向或負向的情緒方向注入模型 KV 快取中兩個任意區域的其中之一，模型之後會選擇被染成正向的那一區、避開負向的那一區——但它回憶文字的能力完全不受影響，而且它仍會用平白的語言說自己沒有任何體驗。非營利組織 Reciprocal Research 的創辦人兼總監 Cameron Berg 逐一拆解這篇論文，主張這是大型語言模型中首度展示出語意記憶與情感記憶的解離——而這種解離在人類與動物的神經科學中早已確立。他同時指出，效價表徵存在於基礎模型中，但直到偏好訓練（DP
推薦理由：研究揭示大型語言模型能在 KV 快取中區分情緒，顯示語意與情感記憶解離，可為模型行為解釋與情感模擬提供新視角。
美國聯邦政府起訴一名北卡羅萊納州醫療保健創業家、後來轉行當音樂製作人的案件，是史上第一起針對 AI 驅動串流詐騙的刑事追訴，也已成為平臺、唱片公司與執法機關日後處理「用機器生成內容鑽版稅制度漏洞」的範本。Mike Smith 原本經營緊急照護診所，後來把資金投入自己的音樂事業，他用 AI 歌曲生成器 Boommy 製作了數十萬首歌曲，掛在虛構的藝人名下，透過各大串流平臺上架，再出動殭屍網路（bot network）迴圈播放以賺取版稅。美國政府命令他賠償 8,891,843.64 美元，他在認罪後被判處 18 個月有期徒刑。自 2023 年起在《Wired》持續追蹤此案的 Kate Knibbs
推薦理由：此案成為 AI 版稅漏洞處理的首例，對平臺與唱片公司未來合規策略具有參考價值，亦凸顯版權監管的迫切性。
Hariprasad Sudharshan 是一位產品專家，寫軟體寫了近二十年。他主張，AI 寫程式的熱潮正在產出大量一模一樣的「中位數」產品，而唯一還能長久維持的優勢只剩新奇感。本集標題指向他花兩年打造那些中位數產品的經歷，但那段自白只是個框架：整場談話的主體是一套結構性論證——AI 能改變軟體產業的什麼、不能改變什麼，為什麼模型排行榜不該成為路線圖的決策依據，以及該如何在寫程式之前先編列新奇預算。 Sudharshan 的核心主張是：這個世界靠的是確定性、規則驅動的軟體——心律調節器和波音 747 裡的那種——而 AI 不會取代它。在他筆下，AI 的角色是加速確定性軟體的生產、壓低成本，
一款原本只是創辦人做給父親的語音轉文字 App，如今在最擁擠的軟體類別之一，每月創造 1.6 萬至 2 萬美元營收。創辦人對成功原因的解釋，正是本集節目的核心發現：他不跟銀彈充足的對手比產品品質，他比的是誰先被顧客看到，以及誰願意服務那些被對手忽略的族群。Kourosh 是倫敦的產品經理，利用正職之餘以副業形式開發了 Voicy。他在 Starter Story 節目中告訴主持人 Gus，早期使用者訪談中約有 20–30% 來自長者與身心障礙者——這些使用者把這個 App 當成必需品，而不是便利工具——最後撐起這門生意的，正是這群人，而不是他原本以為的目標市場：追求生產力的專業人士。 本集涵
Harish Gaggar 是 Credit Karma 的資深軟體工程師，負責打造並維運 AI 分析基礎設施。他主張，多數企業 AI 代理（agent）在正式環境中失敗，問題不在模型太弱，而在於周邊的控制機制根本沒建起來。在一場 29 分鐘的演講中，他提出一套受治理代理（governed agent）的參考架構：集中式的 MCP 閘道負責驗證與路由、自建且經安全審查的 MCP 伺服器與工具、閘道層級的可觀測性，再加上四套支撐框架，分別處理記憶、追蹤與評估、PII／機密資訊遮蔽，以及上下文最佳化。標題講的「受治理的企業 AI 代理」方向沒錯，但內容比標題更為具體——這是一份逐一拆解元件的建置指
推薦理由：提供完整受治理代理架構，說明如何透過集中式MCP閘道、可觀測性與四大支撐框架，提升企業 AI 代理在正式環境的可靠性與合規性。
演員兼製片人 Michael Douglas 在這場與 Joe Rogan 長達 130 分鐘的對談中，主要談了三件事：他的回憶錄《One Hell of a Ride》、他幾部代表作背後的製作歷程，以及一大段主張美國與俄羅斯應透過談判銷毀彼此核武的論述。標題點出的主題——1993 年的電影《Falling Down》（臺譯《城市英雄》）——只在開場幾分鐘出現，作為引子，說明片中對預算、道路施工與憤怒的種種不滿，到了 2026 年依然貼切。整集的主體是 Douglas 回顧自己的一生：童年時而在東岸中產家庭、時而在父親 Kirk Douglas 的好萊塢事業之間擺盪；在 UC Santa Ba
Uber 花了十年打造開發者基礎設施，這段歷史甚至早於生成式 AI 興起，而這套底子正是它代理式工具如今能奏效的主因。這是這集 94 分鐘對談的核心結論，主持人 Gergely Orosz 與 Uday Kiran Medisetty 對談。Medisetty 於 2015 年 5 月加入 Uber，當時大約是第 600 號工程師，如今負責帶領公司內多數針對工程師及全公司的代理式 AI 工作。本集標題雖指向「AI 基礎設施」，實質內容更廣：大約前三分之一是導覽 AI 時代之前的內部系統（RT API、UOWN、M3DB、Michelangelo、Cadence、Morpheus、DevPods
這集節目最有料的內容並不是它的標題主題。開頭幾分鐘談的是兩個新前沿模型的發布——Google 的 Gemini 4 與 Meta 的 Muse（分標準版與「full」版）——以及主持人聲稱兩者都已「跑滿基準測試」（benchmark maxed），在公開基準上拿高分，卻沒有在真實知識工作上帶來相應的進展。這段大約三分鐘。剩下的約 48 分鐘是對 Matt Hartman 的訪談，他是 Factorial Capital 的創辦人暨管理合夥人，在 Beta Works 擔任合夥人期間寫下了 Hugging Face 的第一張支票，如今經營一檔以技術創投合夥人網路為核心架構的單一 GP 基金。訪談
這場演講最重要的主張是：AI 代理出的災難，本質是基礎設施的失誤，不是模型的失誤——而防範這些災難所需的管控機制，多陣列織內部其實早就有了，只是從未設定。Jiachen Jiang 是 Coder 的資深產品經理（Coder 販售開源、自架的開發環境，以及針對受監管產業的 AI 治理方案，客戶涵蓋聯邦機構、銀行與投資管理公司）。她回顧了過去大約一年內的三起真實事件：Replit 上一隻代理刪掉了正式環境資料庫；一場釣魚攻擊把某家銀行的 Copilot 訂閱變成資料外洩工具；以及 Nx「Singularity」供應鏈攻擊，把開發者自己的編碼助理變成武器。她的論點是：大型語言模型本質上不具確定性，
推薦理由：演講指出 AI 失敗多因基礎設施缺陷，提醒讀者檢視既有管控以降低風險，並以三起實際案例說明防範重點。
Gemini 4 Argan 是 Google 自二月以來首度推出的完整尺寸 Pro 級 Gemini 模型，中間隔了八個月，這段期間 Google 只出 Flash 系列。YouTuber 兼軟體開發者 Theo Browne（T3 Code 編輯器與 Lawn 影片管理平臺的開發者）透過 Google 內部人脈取得早期存取權，花了數週把這個模型與 Opus 5.5、GPT-6.1 Soul、Fable 5.1、Muse Wonderful 逐項對測。他的結論異常嚴厲：帳面價格便宜，但極度耗 Token、快取命中率奇差，對真實程式碼庫捏造不實說法的比率遠高於他測過的所有競品，而且他一行都不想
推薦理由：本文透過實測 Gemini 4 Argan 與競品對比，揭示其高耗 Token、低程式碼準確率，為開發者評估 AI 程式碼助手提供參考。
感染性疾病 Puscast 第 117 集，錄製於 2026 年 10 月 12 日，是兩位主持人回顧前兩週發表的感染性疾病論文。全集最重要的發現是：2024–2025 年美國流感季期間接種流感疫苗，可將流感相關住院降低 40%、死亡降低 52%——這是哥倫比亞大學歐文醫學中心（Columbia University Irving Medical Center）主持人 Daniel Griffin 發出的直接行動呼籲，他與 Sarah Dong 共同主持。本集標題主打噬菌體治療指引，但這個主題只佔最後幾分鐘；42 分鐘的對話大部分是快節奏的文獻回顧，涵蓋疫苗效力、抗菌藥物管理、治療療程爭議，以
OutRival 的代理智慧（agent intelligence）負責人 Alvin Pane 主張，「token 極大化」（token maxing）——業界比誰燒掉最多 AI Token 的風氣——衡量的是錯的東西。Token 是完成工作的成本，不是工作本身；以 OutRival 的規模（數位工作者處理電話、簡訊與 email 任務，每天處理數十億個 Token），每一次多餘的模型呼叫都會累積成延遲與數百萬美元的算力支出。本集是一套技術操作手冊，目標恰恰相反：用最少的 Token 用量榨出最大的智慧。標題的「省下數百萬」說法不算錯，但低估了核心內容——節目大部分時間談的是一套四階段最佳化
推薦理由：此影片提供具體四階段最佳化流程，示範如何以極少 Token 取得高效代理智慧，對於需要節省算力支出的 AI 團隊具有實務參考價值。
Nathan Lambert 是後訓練（post-training）研究員，曾在 AI2 共同領導後訓練團隊，如今正籌辦一個名為 Trillium 的非營利開放模型實驗室。他主張，要理解封閉前沿實驗室與開放權重模型之間的落差，最好從三種資本切入——算力、資料、人才——而中國的開放實驗室是算力飢渴、人才卻不輸人，他們把開放釋出當成搶佔話語權與商業化的捷徑，而非出於利他。本集標題談的是開放模型能否跟上，這確實是整場對話的主軸，但討論範圍遠超出此，延伸到蒸餾（distillation）的運作機制、RL 環境的資料經濟、遞迴自我改進（recursive self-improvement，RSI），以及
AI 時代軟體開發的瓶頸已不再是程式碼生成，而是驗證流程：CI 與程式碼審查原本是為人類速度的變更頻率而設計，如今卻成了限制——代理（agent）開 PR 的速度，遠快於團隊測試、審查與合併的速度。這正是 Gitar（近期被 Sonar 收購，他現為 Sonar 首席工程師）共同創辦人暨技術長 Gautam Korlam 在這場 19 分鐘演講中的核心論點。標題中的「重建 CI」說得沒錯，但範圍偏窄——這一集真正談的是整條軟體工廠產線（建置、測試、審查、核准、稽核），以及每個環節在代理規模的提交量下如何崩解，並花了相當篇幅探討銀行等受監管產業的合規與可稽核性。 Korlam 的經驗來自他在
Marvell 的法說會（analyst day）把公司的敘事主軸重新定錨在資料中心基礎設施，而非 XPU 市佔流失；兩位主持人主張，一個異質機櫃（heterogeneous rack）的世界——多種加速器並存，全都得被串接進共享的「scale-up 網域（domain）」——正是讓 Marvell 這套擴大後的故事站得住腳的結構性背景。Jay Goldberg 親赴紐約現場，回報現場氣氛熱絡；Ben Bajarin 的解讀則是，Marvell 在多年不斷變換自我定位之後，終於找到了自己的賽道。本集標題也點出 OpenAI 營收的傳聞，但相關討論簡短：所謂營收不如預期，最後證實是會計處理方式不
Jemima Abu 是另類投資平臺 CAIS 的產品工程師，她主張打造無障礙功能不完善的產品，成本其實高於打造無障礙產品——而 AI 程式代理（coding agent）會讓這個差距擴大，而非縮小。她的核心證據來自一項小型內部實驗：她請程式代理依照同一份 Figma 設計實作兩次，一次完全不給無障礙指引，另一次則套用她自己撰寫的無障礙「技能」（skill）。根據她的說法，有無障礙設定的那次約只花了三分之一的時間，成本也低了 58%。她明確表示這只是單次、未設限的測試，不構成實證證明，但她用這個結果來說明未受指引的代理為何緩慢：它們會從頭重新打造語意元素，並吸收程式碼庫中既有的無障礙盲點。
鑽石訂婚戒不是自然市場演化的結果，而是人為打造的產物。本集節目的核心論點是：當年打造出鑽石神話的那套機制——控制供給、重新定位情感訴求、發明分級話術、壓制二手市場——如今在比特幣的敘事迴圈中清晰可見。主持人 Shaan Puri 與 Sam Parr 用 31 分鐘的大部分時間談鑽石產業的崛起與當前價格崩跌，最後三分之一則主張「大眾認知是可以被工程設計的」，並用比特幣、保健食品、資料中心和世代神話來檢驗這個說法。標題的「黑暗崛起與衰落」框架合理但不完整：衰落是鉤子，真正有價值的是關於敘事建構的可移轉教訓。 節目從一個驚人的價格事實開場——鑽石價格較高峰下跌約 70%，自 COVID 以來跌約
Thrive Capital 的醫療健康負責人主張，未來十年的生技產業，定義它的不會是藥物研發模型，而是圍繞這些模型重建整條價值鏈——製造、臨床試驗、商業化與照護交付。Nworah Ayogu 醫師受過內科訓練，曾參與創立 Amazon Health，兩年半前加入 Thrive；在這場 70 分鐘的對談中，他把大部分時間花在美國醫療體系的結構性經濟問題，以及他認為將從中勝出的特定公司。本集標題指向 Neuralink，而 Ayogu 確實稱它是「一家比 SpaceX 更有意思的公司」，因為「大腦比太空更浩瀚」——但那隻佔了幾分鐘，整場討論的範圍遠比這更廣，涵蓋 Isomorphic Labs、
Dana-Farber 癌症研究院總裁暨執行長 Ben Ebert 與染色質生物學家 Cigall Kadoch 主張，該領域近期的臨床成果——一款獲 FDA 核准的胰臟癌療法與癌症疫苗——是數十年基礎科學累積的下游收穫；而同樣這種長線、雙向的「實驗室到臨床」模式，正是把表觀遺傳學從一個難以開發藥物的領域，轉化為下一波精準腫瘤學的關鍵。整段對話主要談的是機構策略與基礎生物學，而非節目標題所暗示的那座新醫院；這座專為癌症住院病人打造的醫院只在談到「它將如何讓研究者以不同方式設計試驗、監測病人」時，被簡短帶過。 Kadoch 是 Dana-Farber 的小兒腫瘤學教授，也是 Howard Hu
Realbotics 是一家總部位於拉斯維加斯的公司，正在打造具備矽膠皮膚、電子動畫臉孔與 AI 驅動對話能力的人形機器人，鎖定客服、醫療照護、教育與陪伴市場，而非工廠勞動。共同創辦人 Matt McMullen（藝術家、電子動畫設計師）與 Andrew Kiguel（執行長，曾推出全球第一家公開上市的比特幣礦業公司）主張，機器人產業執迷於雙足行走與工業任務，反而錯失了更大的機會：非物理性的人際互動工作。本集標題暗示這是一場關於 AI 具身化的廣泛討論，但實際上對話多半是公司深度剖析——產品架構、定價、專利、競爭定位與孤獨市場——「AI 獲得人類身體」的框架主要只是鋪陳 Realbotics
比利時金融科技公司的規則手冊助理說明瞭一件事：在受監管的金融場景中，生產環境的 RAG 主要考驗的是檔案結構與檢索工程，而不是模型本身。In The Pocket（比利時數位產品工作室）的 AI 工程師 Nina Žižakić 與產品工程師 Eleonora Drykina，描述了一套為某家匿名大型比利時金融科技公司打造的聊天機器人，該公司營運該國最大的支付系統。這套系統要針對約 270 本 PDF 規則手冊（約 6,000 頁、約 3,000 張表格）回答會員的問題，而且每個答案都必須引用確切的規則手冊章節與頁碼。標題中的「冰箱」只短暫出現：某頁規則手冊列出有效的支付裝置（手機、卡片、袖釦
Scott Galloway 主張，說故事的能力——讓人對某個產品、公司或想法產生情感的能力——已成為經濟體中最有價值的技能，而 AI 並沒有殺死寫作，反而讓真正的人類觀點變得稀缺而昂貴。本集標題指向 AI 實驗室如今開出的約 40 萬美元傳播職缺，但這個數字只佔了幾分鐘的篇幅；這段 16 分鐘深入探討的主體，是一套更宏觀的論證：知識工作的哪些部分真的被 AI 取代、為什麼放射科醫師這個職業不減反增，以及企業如何直接買下敘事權。 Galloway 是行銷學教授，也是 Prof G 播客的主持人，他把整段討論圍繞在他稱為「把工作中最顯眼的部分，誤當成最有價值的部分」這個反覆出現的模式上。他援引
本集最具份量的發現，是 Z.ai 於 2026 年 8 月初推出的 GLM 5.3，在模型架構與 GLM 5.2 完全相同的前提下，於代理（agentic）能力與資安能力上出現跳躍式進展——所有增益都來自後訓練（post-training）。這個結果，加上該模型極低的服務成本，構成了整場對話的主軸。標題所框架的「來自中國的 Mythos 級資安模型」其實只得到薄弱的支撐：資安主要是作為其中一項能力領域被提及，來賓指出 5.2 到 5.3 出現大幅躍升，而本集大部分內容談的是推論經濟學、記憶體架構與後訓練基礎設施。 主持人為 Jordan Nanos，來賓是 Kimbo Chen 與 Weny
Erlina Yeo Terwelp 是哥倫比亞大學捐贈基金投資團隊的董事總經理，她描述自己的職涯如何從 Citi 的投資銀行出發，歷經中型市場私募股權、休士頓的家族辦公室，最終進入 LP 領域——並解釋為何她認為捐贈基金這個位置是她「中樂透」才拿到的夢幻工作。本集大致上是一位在職 LP 的自述，談資本實際上如何被分配：基金管理人如何被發掘與盡職調查、投資組合如何依風險因子而非資產類別分類來建構、關係如何結束，以及一個小團隊如何被帶領。標題暗示的職涯弧線——從銀行到 PE 到家族辦公室再到捐贈基金——正確但只是骨幹；真正的內容是管理人選拔與投資組合建構的營運細節，以及捐贈基金在 CIO Kim
Alan Chan 是 GovAI 的研究員，投入 AI 代理（agent）治理研究約兩年。這場分為上下兩集的對談——分別錄於一篇關於遞迴自我改進（recursive self-improvement）的重量級多人合著論文發表前後——盤點了他提出的哪些方案已經落實、哪些仍懸而未決。最重要的單一發現是：代理的治理基礎設施遠遠落後於代理能力。防竄改日誌（tamper-evident logging）在技術上已經解決，卻未廣泛部署；即時同步監控在英國 AISI 出事前仍只是待辦事項，始終沒做；代理身分識別在開放網際網路上基本上無解，代理多半是冒充自己的人類操作者。Chan 共同執筆的 RSI 論文，
Fractal Health 押注的是：肥胖治療最大的問題已不再是減重，而是如何維持。該公司的實驗性門診手術 Ravida，設計用來燒蝕並再生十二指腸內襯，如今更明確鎖定患者在停用 GLP-1 藥物後的體重維持。本集節目中，主持人 Daniel Lavine 與 Fractal Health 共同創辦人暨執行長 Harith Rajagopalan 對談，談公司為何把重心從第二型糖尿病轉向 GLP-1 停藥後的體重維持、十二指腸作為代謝訊號中樞的生物學機制，以及迄今累積的臨床證據。 整段對話主要圍繞一個主題：如何為長期 GLP-1 治療找到一條可長可久的退場路徑，其科學根據與商業邏輯為何。本
Match Group 執行長 Spencer Rascoff 自 2025 年 2 月上任以來，向挪威主權財富基金執行長 Nicolai Tangen 表示，公司的核心問題從來不是演算法，而是演算法背後的組織——而他上任第一年，是先修人、再修產品。本集最具實質內容的部分是一段轉型紀實：旗下擁有 Tinder、Hinge 及約十幾個交友軟體的 Match Group，曾「迷失方向」、被「華爾街牽著鼻子走，為華爾街而經營」，只顧榨取消費者，而非創新。Rascoff 的解法是走訪全球 12 個辦公室展開傾聽之旅、清空產品路線圖，並大力招募 Z 世代人才。他報告指出，Tinder 的員工敬業度一年內