行業關鍵人物在想什麼：創始人訪談、研究者論戰、投資人判斷的觀點集合。
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
Michael Nadeau, founder of The DeFi Report, joins John Gillen to explain why he believes Bitcoin has already bottomed, why the current correction could be a healthy retest before the next major rally, and why he's almost fully invested despite growing macroeconomic uncertainty. With Bitcoin testing key support levels around $78,000-$83,000, Nadeau breaks down the onchain data, institutional ETF inflows, and market structure signals that have convinced him we're entering the early stages of a new
Oracle 透過 ChatGPT Work 與 Codex，將招聘、資料查詢與故障排除等工作從數天縮短至數分鐘。 - 招聘工具：使用 ChatGPT Work 建立人才市場情報工具，能在 15‑20 分鐘內完成 2‑4 天的市場調研與薪酬基準分析。
推薦理由：Oracle 透過 ChatGPT Work 與 Codex，將招聘、資料查詢與故障排除等工作從數天縮短至數分鐘，示範 AI 在企業流程中的實際效益。
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
OpenAI 在最新報告中揭示兩起利用 ChatGPT 進行偽裝前臺影響操作的案例，分別來自俄羅斯與伊朗。 - 俄羅斯操作「Dark Clark」：利用 ChatGPT 撰寫內部報告、建立「Think Tank」並操控拉丁美洲員工，達到 IO Breakout Scale 5，影響多國政治與社群。
推薦理由：OpenAI 透過案例說明 AI 可被用於偽裝前臺操作，提醒機構需加強偵測與對策，並強調跨域合作與法律監管的重要性。
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
AWS 執行長 Matt Garman 在 2006 年擔任 EC2 首位總經理，他向主持人 Raghu Raghuram 表示，雲端業務目前營收規模約 1,690 至 1,700 億美元，年增 37%，而 AI 建設的核心限制已不再是需求，而是一連串輪動變化的實體供應瓶頸。本集標題指向代理基礎設施，這個主題確實佔了對話很大一部分——代理許可權、沙箱、臨時資料庫、企業信任——但討論同樣廣泛觸及 GPU 分配、自研晶片、電力採購與資料中心政治。 Garman 最具份量的論點圍繞資本與產能。AWS 2026 年資本支出約 2,200 億美元，已承諾在未來幾年採購 200 萬顆 NVIDIA GPU
推薦理由：AWS 2026資本支出2,200億美元，計畫採購200萬顆NVIDIA GPU，凸顯雲端與AI基礎建設的資本與產能挑戰。
OpenAI 據傳已重新加速，年化營收執行率達到 700 億美元，Q3 季增約 70%，扭轉了上一季才讓 Anthropic 看起來像遙遙領先者的減速趨勢。這個反轉——以及 OpenAI 的暴衝是否以 Anthropic 為代價——正是本集的主軸；除此之外，本集還涵蓋 Cognition 與 Factory 之間的 CRO 跳槽大戰、Salesforce 以 20 億美元收購 Listen Labs、Reflection 推出美國開源權重模型、ElevenLabs 的 220 億美元募資、代理驅動的採購行為，以及一場可能終結「收購式人才招募」（acqui-hire）結構的訴訟。標題以 Cogn
推薦理由：OpenAI 營收飆升至 700 億美元，重塑 Anthropic 競爭格局，投資者須評估各公司估值與收購動態。
本集節目主張，從上一次冰河期結束到文字發明之間的這 12,000 年，構成了一段人類歷史上的「暗物質」時期——這是一個形塑後世的時代，幾乎沒有留下任何文字紀錄，卻孕育出農業、定居聚落、組織化宗教、長途貿易，最終還有城市。出版方下的標題「人類歷史真正從這裡開始」，點出本集的核心重新框架：講者提議捨棄現行曆法，改以全新世（Holocene）開始、也就是大約 12,000 年前作為文明的紀元起點，如此一來，2026 年的觀眾實際上正生活在「人類紀元」的第 12,026 年。這個重新框架是本集的組織主軸，而非順帶一提的插曲；節目最後幾分鐘更直接轉為推銷一款建立在同一前提上的實體人類紀元曆。 本集是科
這場演講的核心論點是：代理記憶（agent memory）應該被視為一套讀寫迴圈，而不是一項儲存功能——一段執行軌跡（trace）唯有在從中萃取出教訓、並將其寫回成為能改變下一次執行的持久化上下文（durable context）時，才真正成為記憶。LangChain 旗下 Labs 團隊負責人 Jake Broekhuizen 以一家金融服務客戶為例鋪陳這個論點：該客戶正在打造一個負責支出、預算與「不提供投資建議」的代理，但這個代理的語氣不斷從「建議」滑向「指令」，形成合規問題；客戶原本靠人工檢視執行軌跡來修正，但這種做法無法規模化。 Broekhuizen 開出的處方是一套三階段迴圈——
Union Square Ventures 已完成最新一輪基金的募集，總額 9 億美元，是該公司史上規模最大的一次募資，也是對其長年「小基金」策略的一次刻意背離。Fred Wilson、Rebecca Kaden 與 Mike Mignano 解釋，這次規模放大不是為了好看，而是對市場變化的由下而上回應：輪次變大、成果規模變大，創業比以往任何時候都便宜，但要脫穎而出卻比以往任何時候都難。本集與其說是募資公告，不如說是一場投資論述的對話，談 USV 要把這筆資金部署到哪裡——AI 應用層、開源的「反抗軍聯盟」（Rebel Alliance）技術堆疊、把能源當成對 AI 的槓桿押注、實體 AI，以
《The Road to Autonomy》特派戰地記者 David Moss 在某場 NHL 熱身賽當晚，於拉斯維加斯試乘了 Zoox 專為無人計程車打造的車款，結果對價格與可用性給出極為負面的評價。他的核心發現是：從 Resorts World 橫越賭城大道到 T-Mobile Arena 的短程路線，Zoox 要價 42.26 美元，Waymo 只要 18.68 美元，Uber 各級距則約在 25 至 37 美元之間；而且服務供不應求到一個程度，比賽開球前一個多小時，App 就完全不讓他排隊。本集是單人主持的實地報導，不是訪談；唯一的其他人聲只有車內系統的簡短提示音，以及一位乘客對車輛的
Cityblock Health 執行長 Toyin Ajayi 主張，美國醫療體系的核心問題出在結構，而非個人：論量計酬（fee-for-service）的醫療制度讓醫生看越多病人賺越多，這使得他們不可能提供複雜、低收入病患真正需要的全人、上游照護。她於 2017 年創辦、在 Alphabet 旗下 Sidewalk Labs 育成的這家公司，與健康保險業者簽約，承接高需求 Medicaid 與雙重資格族群的照護責任，再透過降低醫療成本、同時提升品質與參與度來賺取利潤。本集節目大致上就是圍繞這套模式的對談——病患參與、資料與 AI、誘因校準、成長——而非對醫療創新的廣泛掃描；標題所稱的「重新
Brian Niccol 在歷經 Chipotle、Taco Bell，以及在 Yum! Brands 旗下執掌 Pizza Hut 之後，接任 Starbucks 執行長。他主張，公司的翻身關鍵在於找回咖啡館的人味，而非靠技術或新產品。他描述自己在正式上任前的那一個月，以一個沒人認出的顧客身分走訪門市，發現座位不見了，品牌也早已漂移成一種純粹交易式的關係——他坦承，自己也是讓品牌走到這一步的其中一人。本集節目標題雖然把 AI 放在最前面，但 AI 只在尾聲佔了幾分鐘；對話的主體是品牌再造、「重返 Starbucks」（Back to Starbucks）策略、夥伴（員工）文化，以及 Nicc
Luca Ferrari 是 Bending Spoons 的共同創辦人暨執行長，他說明公司如何收購數位事業，並在共用的內部平臺上重建這些事業——以及為什麼他把招募當成量化的訊號問題，而不是篩履歷的作業。本集由 Brian Halligan 主持。節目標題指向 Bending Spoons 背後的「作業系統」，這個模式確實撐起了對話開頭的一段，但 66 分鐘裡大部分談的是人才：Bending Spoons 如何吸引、篩選、留住人才，為什麼 Ferrari 在規模化之後仍偏好成長斜率勝過經驗，以及他如何推動回饋與簡化。收購與整合機器的運作機制，主要是作為這些論點的鋪陳。 Ferrari 的核心
一位前沿 AI 實驗室的高階主管在 2026 年 10 月初於柏克萊舉行的 The Curve 大會上，對臺下聽眾表示，很可能存在「一個我們就是不該跨越的智慧水準」；而當被追問是否願意接受對下一次預訓練算力設下硬性上限時，他說那或許是合理的。這段對話是這一集裡最具新聞價值的內容，但它在全長 86 分鐘的節目中只佔了幾分鐘。本集簡報的主體，涵蓋的是前沿實驗室內部人士對預訓練規模化、合成資料與時間表的說法；AI 晶片的記憶體牆；代理（agent）如何重塑軟體工程與 SaaS；以及訓練資料與基準測試接下來會往哪裡走。 主持人 Nathan Labenz 與共同主持人 Prakash Narayan