這集最實用的內容是一套 AI 入門實戰組：該付費訂閱哪三個模型、「代理式 AI」到底是什麼意思，以及大型實驗室之間的競爭格局怎麼看。標題下得還算貼切——整段對話確實大多圍繞模型選擇與各家實驗室的現況——只是「入門實戰組」的部分只佔了開頭幾分鐘，之後話題就轉向規模化定律（scaling laws）、模型個性，以及長期情境推演。 主持人 Scott Galloway 追問來賓 Ethan Mollick（AI 研究者暨作家）AI 與代理式 AI 的差別，接著問新手到底該訂閱什麼。Mollick 的答案很具體：每月花 20 美元訂閱三大陣營其中之一——Google 的 Gemini、Anthrop
本集節目的核心發現是：AI 建設的關鍵瓶頸已從算力轉向資料中心容量，如今又轉向融資——而整座大廈目前是靠超大規模雲端業者（hyperscaler）與輝達的資產負債表「以服務形式」對外提供，才讓 neocloud 與 AI 實驗室的債務變得可被銀行接受。SemiAnalysis 新成立的「運算資本市場」（Compute Capital Markets）團隊負責人 Daniel Nishball 在節目中推估，這波建設在 2024 至 2029 年間需要累計 11.3 兆美元的資本支出，且到 2029 年將有7 兆美元的未償債務，而當今的放貸市場只懂得如何承作投資等級信用。
Gabriel Martinez 是 G2i 的工程經理，自稱「專職廢碼糾察隊」，他主張 AI 輔助開發真正的危險不在於機器產出爛東西，而在於人類判斷力的消失——而這個產業當前的誘因機制，獎勵的是生成速度，而非昂貴又無可迴避的評估工作。他以親身經驗現身說法：他曾合併自己沒有好好審查過的程式碼，只因為同事合併的速度快到讓他焦慮，而他認為這是系統性失靈，不是個人問題。本集節目大致上是在診斷團隊如何陷入他所謂的「AI 醉茫狀態」，並提出一套處方：當責、慣例、縮小可審查的範圍，以及用圖表作為壓縮過的審查素材。 標題的框架——「生成很便宜，審查很昂貴」——其實就是本集的核心論點，在節目約十分鐘處明確說
代理記憶不是更大的上下文視窗，不是草稿紙，也不是一疊 markdown 檔案——它是一個系統性問題，需要記憶形成、混合檢索、整併、治理與回饋迴圈，而且全部要有持久化儲存撐底。這就是甲骨文 AI Database 開發者推廣者 Anders Swanson 在這場 18 分鐘演講中的核心論點。標題的框架（「從上下文到記憶」）說得沒錯，但低估了涵蓋範圍：這一集主要是技術架構的逐步拆解——記憶型別、儲存結構、混合搜尋機制與失效模式——而不是產品推銷，甲骨文自家的內容只出現在結尾簡短帶到的 Python SDK 與開發者中心。 Swanson 的核心主張是：上下文視窗是當前這次執行的輸入，不是持久化
倫敦商學院（London Business School）財務學教授 Alex Edmans 主張，市場價格的變動，情緒與氛圍的影響不亞於基本面，而散戶投資人之所以可能比專業人士更具優勢，正是因為他們不受基準指標、季度績效考核與職涯風險的束縛。本集標題點出「瘋狂決策」，但對話內容多半是行為財務學研究及其實務應用的導覽：Edmans 逐一說明他自己將運動賽事結果與 Spotify 收聽資料連結到股票報酬的研究，接著談到動能、處置效應、整數價格障礙，以及「大市場錯覺」。標題的主題——聰明投資人為何做出不理性的選擇——是貫穿全場的主線，但實質內容是一組可加以利用的偏誤，以及專業人士往往無法據此行動的
Reflection AI 共同創辦人暨執行長 Misha Laskin 表示，公司過去 12 個月從零打造了一座前沿實驗室——團隊從一年前約 30 人成長到現在約 300 人——並推出了 Beam，一個 500B 引數的開放權重模型（活躍引數 23B），以 6,000 顆 GB300 訓練數週完成，強化學習階段則動用超過 10,000 顆 GB300、跑了四週。本集節目主要是一份實作紀錄：在美國打造前沿開放模型需要什麼、開放與閉源模型各自如何商業化，以及 Laskin 為何認為開放是更安全的預設值。標題的「偉大的美國開放模型」框架說得通，但視角偏窄：整場對話橫跨訓練成本膨脹、中國開放權重模型
Airbyte 軟體工程師 Pedro Lopez 帶我們看他團隊如何在公司共用平臺與 API 之上，打造兩個面向代理（agent）的介面——託管的 Model Context Protocol（MCP）伺服器與命令列介面（CLI）——以及他們在「為代理而非人類設計」這件事上學到什麼。本集標題聚焦 CLI 設計，但整場分享在 MCP 與 CLI 之間大致各半，而最有遷移價值的經驗同時適用於兩者：工具介面要小、預設走 OAuth、附上 skill 讓代理能發現工具，以及永遠不要假設有人類在場能回答提示。 Airbyte 最初是資料搬遷的開源標準，把 Zendesk、Stripe、GitHub
本集最重要的故事，是美國 FDA 的一場治理衝突：HHS 準備拍板一項臨時命令，讓調劑藥局（compounding pharmacy）得以調變特定未經核准的胜肽（peptide），此舉無視 FDA 自家藥品審查人員明示的反對意見——他們警告這些產品缺乏足夠的臨床試驗，此例一開恐將動搖整個藥品核准體系。本集標題也點出 FDA 透明度與 ibogaine 試驗規劃兩條線，兩者都確實佔有篇幅——但胜肽之爭才是制度風險最高的一環，節目也由此開場，投注最多時間討論。 本集由 Derrick Gingery（《The Pink Sheet》執行編輯）主持，與談人包括總編輯 Bridget Silverm
一份由 Peter Fonagy 領軍、King's College London 精神科醫師 Simon Wessely 擔任副主席的 600 頁英格蘭 ADHD 與自閉症獨立調查報告結論指出：整個體系辜負了病人、家庭與專業人員——但診斷數量暴增，主因並不是「診斷過度」。Wessely 在《BMJ》總編輯 Cameron Abassi 的訪談中表示，真正的問題是診斷瓶頸：需求只能透過診斷才能被承接，等候名單動輒數年，而私部門如今產出 60–70% 的診斷，卻幾乎不受監管、也缺乏透明度。本集主要在談這個體系失靈、「被認可」與臨床診斷之間的區別，以及以需求為先的照護模式會是什麼樣子。標題聚焦 A
標普 500 的估值高低，完全取決於你挑哪個指標，而這些指標彼此嚴重矛盾。主持人 Richard 逐一走過歷史本益比、週期調整本益比與預估本益比，發現這個指數在某些指標下顯得昂貴，在另一些指標下卻顯得便宜——而這種分歧主要來自你信不信分析師對未來五年獲利成長約 27% 的預測。本集標題承諾要對這個指數是否高估給出定論；實際內容卻是一趟估值方法論及其極限的導覽，而 Richard 最後給出的誠實答案是：這個問題沒辦法乾淨俐落地回答。 Richard 是本集唯一的講者，以市場解說影片的風格進行單人分析。他選擇標普 500 為題，是因為它涵蓋美國總市值約 83%，早已成為「股市」的預設代表。他的結
標普 500 週二收在歷史新高，是 8 月以來首見，而且是在 10 年期美國公債殖利率突破 5.3%（2002 年以來最高）、油價重返每桶 100 美元之上的背景下達成的。這樣的組合通常會壓垮股市，而本集最有價值的一段，是 John Mowry 解釋為什麼這次沒有：標普前瞻獲利成長率接近 38%，這種水準歷史上只在走出衰退時出現過。Mowry 是 NFJ Investment Group 投資長，他在 Prof G Markets 向 Ed Elson 提出論點：AI 這筆交易可能是榮景而非泡沫，但他也承認，大型 AI 公司之間的迴圈融資，以及靠舉債支應的資料中心建置，是必須留意的真實風險。
Every 團隊用一場直播發表會來主張：以 Slack 為基礎的公司代理，是把 AI 匯入整間組織最有效的方式——不是向抱持懷疑的同事解釋工具有多好，而是在公開頻道裡實際示範，讓所有人都能看到產出。Every 執行長 Dan Shipper 開場就點出核心論點：要讓整間公司「AI 上身」，最好的辦法是一個共享代理，棲息在工作本來就發生的地方，因為「要讓人採用新工具，示範永遠比說明有效」。本集內容主要是示範導向的 Every Agent 功能導覽——技能共享、素材生成、新人上手與定價——而不是抽象討論 Slack 代理；標題講的主題是它的載體，不是它的論證。 具體案例才是這份簡報的重點。Eve
Codex App Server 是一套開源的 JSON-RPC 協定，包裝了 OpenAI 的 Codex harness，而它也正是驅動 Codex 應用程式、VS Code 與 JetBrains 擴充套件、Xcode 整合，以及 T3 Code、Remote X 等第三方客戶端的同一層。這是 Dominik Kundel 在 AI Engineer 大會上 18 分鐘演講的核心訊息；他在 OpenAI 負責 Codex 的開發者體驗。對開發者來說，實際的好處是：你可以把完整的代理介面架在一個正式環境等級的 harness 之上，不必自己從頭打造 harness，而且大致上只要把 Cod
推薦理由：此影片示範如何利用 Codex App Server 建構開源 JSON‑RPC 服務，對開發者能快速整合 Codex 於 VS Code、JetBrains 等 IDE 具實務參考價值，並提供完整架構圖與部署流程。
Pat Gelsinger 曾任職於 Intel，後來執掌 VMware，如今是 Playground Global 的一般合夥人。他主張，AI 已讓晶片設計本身變成整條鏈上最簡單的一環，真正的限制已轉移到記憶體、製造時程、電力與散熱。在與主持人 Raghu Raghuram 和 Guido Appenzeller（兩人皆為前 VMware 高層）的對談中，Gelsinger 表示，產業在荒野中漂泊 25 年後，正步入硬體復興期，但瓶頸已從設計轉移到設計之後的每一個環節。 本集標題承諾要談「現在就該做硬體」的理由，這個論點確實存在，但整場對話更像是一趟技術導覽，走訪 AI 基礎設施的破口：H
明尼阿波利斯市議會以 7 比 4 通過決議，要求自駕計程車內必須配置真人安全監控員，但市長 Jacob Frey 動用否決權擋下，而議會湊不到推翻否決所需的九票——這對 Waymo 來說是一場勝利，但主持人 Grayson Brulte 與 Rob Grant 卻把它讀成一記警鐘，而非捷報。本集節目的頭條話題只佔了三個「訊號」中的第一個，整場對話的觸角其實廣得多：加州剛上路的遠端操作員新法、NHTSA 事故資料被當成武器使用，以及美國陸軍新設的自駕指揮部。貫穿全場的主軸是：自駕車之爭已經從「安不安全？」轉向地方營運規則各吹各調的拼裝局面，而真正決定車隊最後落腳何處的，是這套拼裝規則帶來的成本—
推薦理由：地方政府對自駕車的規範差異凸顯成本與合規風險，企業需評估不同市場進入策略。在多元法規環境下，成本差距可能決定車隊落腳地點。
Sentry 的 AI 工程師 Greg Pstrucha 負責該公司除錯代理 Seer 背後的基礎架構。他主張，團隊應該停止對編碼代理反覆下提示，改為把期望寫成確定性的規則——測試、嚴格型別，以及最重要的自訂 linter。他的核心觀察是：代理沒有記憶，同樣的基本錯誤會一再出現，而每一輪「你說得完全對，我來修」都會在幾分鐘內被上下文壓縮抹除。解法是讓儲存庫本身記住一切，讓慣例與品質標準靠機制強制執行，而不是在對話裡反覆重新解釋。 這場演講的標題（「停止下提示」）是刻意的挑釁，並非主張提示毫無用處——Pstrucha 明確表示他不是在談迴圈工程，而且整場只在政策審查流程中提過一次迴圈。這 1
本集最實質的主線是：節目中談到的幾乎每一項重大硬體發表——Amazon 新款 Alexa 平板、Microsoft Surface Laptop Ultra、Google 新款「Google books」，以及 Apple 即將推出的智慧家庭裝置——押注的都是同一個論點：AI 代理（AI agent）將成為人們使用電腦的主要方式，而誰掌握了代理的介面，誰就贏得下一個平臺。標題的「AI 就在電腦裡」說得沒錯，但格局偏窄；這集 106 分鐘大多花在這些硬體賭注本身，之後才轉向 Paramount 與 Warner Bros. Discovery 合併的驗屍報告、Brendan Carr 與 FCC
Fierce Biotech 年度 Fierce 15 名單在本集節目揭曉，從超過 150 件提名中篩選出 15 家未上市生技公司——而評選過程本身的激辯，才是本集最有價值的訊號。標題「我們如何選出 Fierce 15」名副其實：全長 23 分鐘的節目，幾乎都在談評選流程、最終名單浮現的主題，以及編輯群與得獎公司的訪談。標題沒說出口的，是讀者真正能用的實質內容：未上市生技領域幾個可觀察到的轉變——瞄準大藥廠已公開失敗的靶點、高企的企圖心、轉向精實營運，以及對研發管線揭露日益謹慎。 Fierce Biotech 編輯 James Waldron、Darren Incorvaia 與 Maris
這集 Podcast 由財經主持人小Lin 講述 2025–2026 年派拉蒙（Paramount）以 1,109 億美元全現金收購華納兄弟（Warner Bros.）的過程，號稱史上最大現金收購案。標題聚焦「富二代如何正確拼爹」，但節目真正的內容遠比標題更硬：它拆解的是 AB 股投票權結構、惡意收購、競價拍賣、股權融資擔保、政治介入與反壟斷監管如何被逐一套用，最終讓體量僅為華納四分之一的派拉蒙完成「蛇吞象」。 主角 David Ellison 是甲骨文（Oracle）創辦人 Larry Ellison 之子，Larry 身家約 2,000 億美元、位列全球前十富豪。David 在好萊塢長期
本週最受矚目的訊息，是以太坊基金會研究員 Justin Drake 發出警告：AI 在數學領域的進展，可能在量子運算之前就先破解 ECDSA——也就是目前保護多數區塊鏈的簽章機制——並呼籲持幣者應開始把資產「有秩序地大規模遷移」到全新地址。Drake 的呼籲，加上 Matthew Green 發文稱公開金鑰密碼學可能失守，落在一個早已因美國公債殖利率攀升、油價突破 100 美元而疲弱的市場上。比特幣本週下跌約 3% 至 82,300 美元，ETH 下跌 6% 至 2,500 美元，8 月至 9 月的山寨幣贏家則回吐了兩位數的漲幅。 本週回顧由 Ryan Sean Adams 與 David
推薦理由：AI 可能在量子之前破解 ECDSA，暗示加密貨幣安全面臨前所未有風險，投資者需重視資產遷移策略。
沙烏地阿拉伯的旗艦生技盛會——利雅德全球醫療生技高峰會（Riyadh Global Medical Biotechnology Summit，RGMBS）——已於 2026 年 9 月落幕，第四屆共促成 40 多項協議與計畫，總值超過 13 億美元，相較前一屆約 1 億美元的規模，成長約 13 倍。這個成交金額的躍升，以及背後推動落實的機制，是本集節目最具實質內容的部分。標題以「生技動能」為框架尚稱貼切，但整段對話主要是在說明一場高峰會如何被當作國家戰略的案源開發與在地化工具，科學內容則扮演陪襯角色。 本集嘉賓 Abdulaziz Aldayel 是奈米醫學研究者，也是阿布杜拉國王國際醫學研
Anthropic 於 2026 年 10 月初推出的 Haiku 5.5，是主持人 Theo Browne 第一個真心認為值得一用的 Anthropic 小型模型——這與他自己先前廣為流傳的說法（該公司沒有值得部署的小型模型）正好相反。本集節目的頭條發現不是這個模型的原始智慧，而是它的經濟效益：Haiku 5.5 的快取讀取成本大約是 Haiku 4.5 的十分之一，輸入與輸出 Token 的成本則比 Sonnet 5.5 便宜約 20 倍，這讓它足以勝任子代理（sub-agent）工具，供 Opus 與 Sonnet 呼叫來做檔案搜尋、分類與驗證工作。Browne 是開發者兼工具打造者（T
推薦理由：本文指出 Haiku 5.5 在成本效益上優於先前模型，對於需要低成本子代理的開發者具有實用參考價值。
AI 輔助軟體開發的瓶頸，已經從寫程式碼轉移到驗證程式碼。這是 Ali-Reza Adl-Tabatabai 在這場 11 分鐘演講中的核心論點。他是 Gitar.ai 的共同創辦人，並擔任執行長直到這場錄影前大約一個月——當時公司被 Sonar 收購。他指出，AI 產生更多 PR，而且每個 PR 的規模更大，這把成本與風險推進了驗證階段（CI 加上程式碼審查），逼得團隊只能在兩個爛選項中二選一：仔細審查每一個 PR 然後拖慢速度，或者草率蓋章放行、承擔生產環境出事的風險。他的答案是打造一層代理式驗證（agentic validation），負責審查 PR、診斷 CI 失敗、自動修復問題，最終
推薦理由：此影片闡述 AI 產生 PR 的風險與代理式驗證解決方案，幫助開發團隊在速度與安全間取得平衡。
Felipe Blanes 是 Amazon AGI Lab 的技術團隊成員，他主張標準的產品開發迴圈——開發、跑靜態評估、上線、祈禱——系統性地讓客戶失望，而解方不是更好的基準測試，而是一個持續運轉、由直接客戶接觸餵養的「評估飛輪」。他最引人注目的論點是「信任懸崖」：一個可靠度 80% 的代理，在客戶眼中代表的是更多工作，而非更少，因為他們必須建置代理、監控它，還得手動收拾殘局；只有到了約 92%，訊息才會翻轉成「我可以把這個工作流程整個交出去」。這一集標題點出的可靠度是頭條，但 17 分鐘的內容主體，是一套關於評估該如何取材、分類與更新的框架。 Blanes 的論述來自他在 Nova
阿里國際站總裁張闊在 2026 年 10 月再次做客《矽谷101》，距他上一次受訪（2026 年 3 月，Accio Work 剛發布時）約半年。這期節目真正的主線不是標題所暗示的「模型越來越強、使用者沒感覺」——那個話題只在討論自建基準測試時出現幾分鐘——而是電商垂直 Agent 如何從「AI 搜尋」演進為跨平臺經營的一站式 Agent，以及為什麼通用模型能力的提升沒有等比例轉化為真實經營效率。張闊給出的核心資料是：團隊用 Alibaba.com 與 Accio 上百萬條真實經營資料整理出 107 個電商任務，最前沿模型在無人幹預下的透過率只有 61% 出頭，連及格線都夠不到；而 A
Automattic 的 AI 賦能負責人 Em Shreve 主張，把 AI 工具交到員工手上，並不會改變他們的工作方式；真正會改變的，是給他們受保護的實驗時間。Automattic 是一間完全分散式運作的公司，旗下有 WordPress.com、Tumblr 和 WooCommerce，橫跨 82 個國家、超過 1,400 名員工。公司舉辦為期兩週的實體沉浸式梯次，課程一半是引導式學習，一半是真實專案實作。Shreve 表示，2026 年至今已開辦七個梯次，每梯約 45 人，目標是在年底前讓約 600 人完訓，大約涵蓋三分之二的工程師，再加上財務、高階經營團隊及其他職能。 本集內容是 S
Viren Baraiya 代表工作流程協作廠商 Orkes 在一場開發者大會上演講，主張業界對 AI 代理（agent）的心智模型對生產環境而言過於狹隘。他說，那個 hello-world 等級的代理——一個 LLM 加上一次工具呼叫、一些記憶、一份計畫——是「一幅非常小、非常窄的影像」。真正的生產環境代理，是按排程運作的背景工作者、監聽日誌與告警的事件驅動監聽器、長時間執行的協調者，以及多代理系統。用他的話來說，真正上線的單位不是代理，而是載具（harness）：一個長時間執行、具永續性、大致上確定性的應用程式，負責控制代理的執行，而這正好對應到多數工程團隊早已熟悉的那層「微服務
Postman 資深工程師 Kamalakannan Nandagopal 說明他的團隊如何打造「API 脈絡圖」（API context graph），為 coding agent 補上它們在分散式生產系統上工作時所欠缺的架構脈絡，並指出使用這套脈絡圖的 agent 在真實工程評估中得分更高，消耗的 Token 也遠少於一般 coding agent 或單純的 GitHub 程式碼搜尋。這場演講出自 Postman 自家的工程組織——超過 115 個微服務、數千個 REST API 端點——核心論點是：在微服務架構中，API 就是脈絡層，因此把 agent 建立在由服務、端點、實作與呼叫關係
Anand Giridharadas 主張，Jordan Neely–Daniel Penny 地鐵致死案，以及後來 UnitedHealthcare 執行長 Brian Thompson 遇害案，是同一個故事從相反政治方向述說的版本：兩者都反映出美國社會普遍存在的被遺棄感——人們認定體制不會來救自己，於是必須有人跳出來填補這個真空。這個論點是全集節目的核心。標題所設定的框架——究竟誰最後會落得無家可歸——確實有談到，但只出現在對話的其中一條線索裡：Giridharadas 指出，無家者中最大的族群是與家庭斷絕往來的孤立單身成人；而紐約街頭無家者人數之所以少，正是因為大多數人都待在他們往往拒之
這場演講的核心論點是：單靠檢索並不等於代理記憶。Neo4j 產品經理 Will Lyon 主張，代理需要的是「彼此相連、有型別、可追溯，而不只是可檢索」的知識——而缺的那一層，就是情境圖（context graph）：它不只捕捉實體與訊息，還捕捉代理自身的推理與行動。標題承諾的「真正管用的技能」確實有兌現，但只出現在後半段：前半段是代理記憶的框架（短期、長期、推理），技能蒸餾的內容則直接建立在其上。對技術聽眾而言，最可轉移的概念是：技能應該從觀察到的代理執行紀錄中蒸餾成受 schema 治理的執行圖，而不是手寫的散文，這樣才能被治理、版本控管，並在底層資料變動時被偵測為過時。 Lyon 用一
Alexa Plus 是 Amazon 以 AI 驅動的語音助理，過去一年在智慧家庭控制方面的表現大幅進步，但在 Amazon 不斷承諾、範圍更廣的「個人 AI 代理」任務上依然失敗——這是 The Verge 記者 Jen Tuohy 實際測試一年後的結論，也是 2026 年 10 月 8 日這集 The Vergecast 的核心發現。主持人 David Pierce 與 Tuohy 用 36 分鐘的大部分時間，談 Alexa Plus 的實際表現、Amazon 圍繞它展開的硬體攻勢，以及 Apple 接下來可能在家庭市場出什麼招。標題用「許多加分與扣分」來定調算中肯，但這集與其說是產品評
ASML 總裁暨執行長 Christophe Fouquet 主張，自家公司不可或缺並非新鮮事——新鮮的是全世界終於注意到了。在 ASML 荷蘭總部錄製、與主持人 Jodi Shelton 長達 78 分鐘的對談中，Fouquet 回溯這家 40 年歷史的荷蘭裝置商如何成為整個 AI 經濟的單點故障風險，而節目大部分時間談的不是技術本身，而是支撐這個地位背後的個人與管理哲學。標題所稱的「全球最不可或缺的公司」，開場十分鐘內就正面回應，之後大致擱置；討論主軸落在領導、成長背景、地緣政治與風險。 對投資人與政策讀者最有份量的內容，是 Fouquet 對出口管制與脫鉤的直白評估。他明講，限制措施等
本集最具分量的內容，並不是標題所預告的那一條。掛頭牌的主題——NIH 資金的不確定性——大約只佔對話的後半段，但本集最銳利的報導，是對一家與諾貝爾獎擦身而過的 CRISPR 公司為何倒閉的驗屍報告，外加一個反直覺的觀察：為何生技投資人叫苦連天，而他們的基準指數今年以來卻漲了 23%。NIH 那一段由記者 Anil Oza 與 AAMC 科學政策主管 Heather Pierce 擔綱，端出的關鍵發現是：該機構在 2026 會計年度確實把對外補助預算全數花完，但改變了「怎麼花」——權力從同儕審查分數轉移到計畫承辦人與各研究所所長手上，並把政治立場一致列為撥款標準。Caribou Bioscien
這集播客的核心不是「AI 無限」這個標題，而是兩位嘉賓用具體工作流證明：AI 把拍片門檻降到個人可負擔，但真正稀缺的資源從「資金與團隊」轉移到「在場感與判斷力」。山音（上戲編劇科班出身，畢業後未進入影視行業）與 KK（十年 4A 廣告從業者）分別用 CapCut Video Studio 完成《阿明的一天》與《芒果絲》，並在節目中拆解從劇本、資產、生成到剪輯的一站式流程。標題中的「人生有限」只在後半段被觸及——KK 說 AI 一天能產出多條片子，但真實體驗的消耗速度遠快於生成速度，這是他現在拉長創作節奏的原因。 節目對談範圍涵蓋：AI 導演的實際工作流與模型演進（Nano Banana、Se
Dynatrace 旗下 AI Native 解決方案工程總監 Matt Gibiec 主張，AI 代理在軟體開發生命週期（SDLC）中的核心瓶頸不是模型能力，而是脈絡（context）：代理「以高速運作……卻看不見」，一旦缺乏環境脈絡，就會產生幻覺、陷入迴圈，並拖垮下游服務。Gibiec 在一場研討會最後一天以 15 分鐘的場次發表演說，透過聽眾提問來鋪陳問題——代理迴圈、營運問題、安全顧慮，以及 AI 代理未被衡量的價值——接著推銷 Dynatrace 的 Bluebox，一款能將正式環境脈絡注入 SDLC 各環節 AI 編碼代理的代理工具。標題中「神經系統」的框架只是個引子，Gibiec
OpenAI 宣稱以內部 AI 模型解開了千禧年大獎難題中的納維–史托克斯方程，這件事最後卻演變成一場公開爭執：公司到底有沒有拿某位數學家的私人對話紀錄來訓練模型？而這起事件最核心的發現是，OpenAI 自己對時間線的說法在幾天內就變了調，從「我們無法排除，源自他們使用紀錄的去識別化資料曾協助改善我們的模型」，變成「絕對不可能」。標題把它框成「數學家很火大」算是公允，但低估了整起事件：本集大部分篇幅都在詳細重建紐約大學數學家 Tristan Buckmaster 與 OpenAI 之間關於功勞歸屬與資料盜用的爭議，而更廣泛的 AI 產業信任問題才是真正的重點。 主持人 Dagogo Altr
推薦理由：在此事件中，OpenAI 先後聲稱並否認使用私人對話紀錄，凸顯 AI 產業對資料隱私與功勞歸屬的信任危機，這場爭議不僅影響個人隱私，更挑戰了模型訓練的倫理規範。
Reducto 產品負責人 Abhi Arya 主張，「代理優先軟體」（agent-first software）是架構問題，不是模型問題，而真正的關鍵在於：當代理出錯時，誰來買單。Arya 以 Reducto 三年來處理超過 30 億份檔案的經驗為基礎——客戶包括 Harvey、Scale AI、全球前五大科技公司與多家對沖基金——描述他們如何為 Reducto 的檔案處理流程打造 MCP 伺服器、看著它在正式環境中失敗、用一次 commit 刪掉整個工具檔案，再圍繞「更少但更有結構」的工具重新打造。本集內容主要是一份關於代理工具設計與不確定性處理的設計事後檢討；標題裡「我們把 MCP 伺服
專攻另類考古學的研究者兼 YouTube 創作者 Dan Richards 再度登上《Joe Rogan Experience》，主張人工顱骨變形（artificial cranial deformation）是一項刻意為之、遍佈全球的習俗，與社會地位有關，甚至可能與智人和腦容量更大的古代人種雜交有關。本集節目的頭條主題——長顱骨——確實佔據了前半段大部分時間，但整場對話的範圍遠比這廣：Richards 主張考古學運作起來更像一門信仰，而非科學；從史密森尼學會到洛克斐勒家族等機構，都把異常遺骸從公眾視野中移除；而每年規模約 30 億美元的黑市，正在全球各地剝奪文物的脈絡。Rogan 大致扮演好
WorkOS 產品團隊成員 Garrett Galow 說明他們如何移除部署瓶頸，讓非工程師用 AI 打造的內部工具能真正推廣到全公司。這場分享距離最初的概念草稿大約兩個月，核心是一套由兩部分組成的系統：WOW，一套發給每位員工的 CLI，負責搭建與部署應用程式；以及 Atlas，負責處理託管、驗證、機密管理與探索的底層平臺。最亮眼的成果是：在大約 60 個經常使用的內部應用中，有 37% 的 commit 完全沒有工程師參與。 這一集主要是一份內部工具基礎建設的個案研究，而不是 AI 編碼的全面調查。標題所承諾的「讓公司任何人都能發布上線」貫穿全場，但實質內容比框架來得狹窄且具體：它談的是
Cisco 總裁暨產品長表示，公司在兩年內 AI 基礎設施訂單從零衝到 93 億美元，並主張資料中心建置潮離結束還早得很，因為目前使用代理（agent）的人不到 2%。在這場與 Y Combinator 的 Jared Friedman 對談的 43 分鐘節目中，掌管這家市值 630 億美元網路與安全廠商產品線的 Jeetu Patel 提出幾個論點：大企業內部的 AI 採用必須由高層強制推動；代理的普及會需要更多工程師，而不是更少；代理安全將是未來幾年的核心問題。本集標題把這集定位成一個領導力故事——如何把 Cisco 當成「全世界最大的新創」來經營——這個主題確實佔了討論相當大的比重，但整