OpenAI前元老揭秘：下一波AI爆发，还得看物理世界【实操视频】

人们逐渐意识到，尤其是在实验室里，技术加速的曲线如此陡峭，以至于在键盘前借助AI所能完成的事情将趋于饱和。当这一时刻到来时，下一个前沿领域将是物理世界：机器人技术、制造业、工业化。

>> 你正生活在未来，并亲手设计它。

>> 战争领域的变化可能比消费电子领域更为剧烈。未来两年，我们在无人机上的投入需要远超航空母舰。

>> 想象一下，10万架无人机从中国朝我们涌来。我确实认为，我们必须大规模推动国家再工业化，才能在军事层面确保安全。我真心希望重新学会如何大规模制造产品，如何变得更加独立。现在的盟友，未来未必还是盟友。

>> 你曾与一些最具传奇色彩的成功建设者共事过。史蒂夫·乔布斯、Mark Zuckerberg、山姆·奥特曼。 >> 山姆特别擅长说“为什么不能更多？”为什么不能是100倍或10000倍？你想得太小了。对史蒂夫来说，他为公司设定的技术人才和卓越标准从未动摇。 >> 要创造出一个让人感觉像人类且有连接感的机器人需要什么？ >> 如果你走进一个房间，机器人只是站在那里，那会让人毛骨悚然。你希望这些设备不具威胁性，看起来柔软，能对你做出反应。皮克斯、迪士尼可能是世界上最擅长这类设计工作的公司。 >> 有一场名为“内存价格”的流星雨正朝消费硬件、机器人和物理AI领域袭来。我们整个行业都陷入了困境。 >> 今天，我的嘉宾是凯特琳·卡利诺夫斯基。

凯特琳是硅谷最炙手可热且成就卓著的硬件领域领军人物之一。她曾参与Apple首款一体成型MacBook Pro团队，并担任MacBook Air与Mac Pro项目的技术主管。在Meta，她领导AR眼镜硬件团队，包括其最先进的AR产品Orion背后的团队。在此之前，她执掌Meta的VR硬件团队，参与设计了Rift、Quest等所有令人惊叹的VR设备。最近，她加入OpenAI，从零开始搭建其机器人与硬件部门。如今机器人、硬件与物理AI领域炙手可热——每家人工智能公司及众多初创企业都在推出AI硬件产品，而凯特琳数十年来始终处于这一新兴领域的核心。

这场对话涉及许多不同的方向，其中不少是我始料未及的。我希望在未来几个月里，能制作更多关于硬件构建方面的节目。在开始之前，别忘了访问 lenny's productass.com，那里有一系列专为 Lenny 的订阅用户提供的超值优惠。接下来，有请凯特琳·卡利诺夫斯基。凯特琳，非常感谢你的到来，欢迎来到播客。>> 非常感谢你的邀请。我很高兴能来到这里。我们会聊到很多不同的方向，我会跳跃性地讨论。我想谈谈 VR。投入了那么多资金和资源，那么多聪明的人长期致力于 VR 的研究。Meta 大概花了 100 亿美元，具体数字我不太确定。

就像他们把公司改名为Meta，押注VR作为我们即将经历的元宇宙的未来。但现在感觉很多人都在退缩，Meta也在后退。尽管你们团队打造了令人惊叹的硬件——我自己也有几个设备，那种体验简直像魔法一样，前所未有——却始终没有真正流行起来。到底发生了什么？VR还有未来吗，还是说未来属于AR或其他什么东西？

我觉得我可能猜不到这里具体发生了什么，但在我看来，虚拟现实帮助我们理解了如何在空间中相对于模拟世界和现实世界定位物体，并将两者联系起来。我们解决了即时定位与地图构建（SLAM）技术，也就是如何利用摄像头在空间中进行定位。我们探索了许多深度传感器的应用场景，也弄清了人类如何在空间中感知视觉数据。实际上，所有这些技术虽然对虚拟现实很有价值——我认为VR游戏确实是个有趣的领域，虽然相对小众，但值得关注——而如今我看到的是，这些技术正被应用于机器人领域，因为你需要理解机器人如何在空间中移动，需要知道它与周围物体的距离。

你需要明白，如果你戴着VR头显操控机器人，这其实是相同的真实技术。所以对我来说，这不过是漫长技术演进中的一步。说实话，作为一个目前不常使用VR的人，我很高兴我们完成了这个项目。但我并不认为它会有多大规模——当然如果真这么想，当初也不会加入Oculus了。我觉得这种需要把设备戴在脸上的社交障碍，或许是它未能普及的原因之一。我们当然也从Google Glass项目中学到了这一点的重要性。当我们试图让它变得更具社交性时，你会发现，遮住脸庞确实很难实现社交互动。>> 这很有意思。

就像对虚拟现实的投资和创新一样，事实证明这些投入非常有用。那些在这方面投入了大量精力和资金的公司，似乎已经在下一步发展中占据了先机。那么，你认为事情会朝着这个方向发展吗？你觉得未来会是什么样子？是增强现实眼镜，还是别的什么？未来的趋势是什么？>> 我相信增强现实眼镜会是未来的一部分，因为我确实认为，作为社会性生物，一直低头看手机对我们并不好。所以，如果你能在保持社交联系的同时获取信息，我认为这就是未来的方向。

我们研发的Orion AR眼镜，我最近参与的那款，其实有点超前。因为它用了波导和微型LED技术，这些技术还没准备好大规模量产。相关领域还没成熟，成本也还很高。但我认为这绝对是AR眼镜可能的发展方向。而且，当我们解决这些眼镜的交互问题——比如你在移动中、在公共场合时，如何与它们沟通？如何安静、无声地与它们交流？我认为，一旦我们开始解决这些挑战，那种平时屏幕关闭、需要时才开启的设计，似乎就是未来的一部分。所以，这就是其中的一部分。

另一部分是，技术谱系从VR发展到AR，而现在我用的术语是机器人技术、物理AI，但你真的需要退一步看看自动驾驶汽车、无人机，显然还有机器人，呃，自主制造，所有这些技术都需要相同的零部件，也就是我们在AR/VR领域构建的那些组件。有趣的是，在VR领域，当你开发产品时，总会有这样一个问题：当某样东西行不通时，这究竟是因为你执行得不好，还是这个想法本身就不靠谱？这总是很难判断。感觉AR的情况是，人们投入了巨大努力试图让它成功，持续了十年甚至几十年，却始终未能奏效。

所以，知道目前确实没什么办法能让它立刻奏效，反而让人安心了。我完全同意你的看法。问题在于，我不想坐在沙发上与世隔绝——就算能通过屏幕看到别人，我也觉得没必要，这根本没那么重要。而AR技术只会让显示屏变得越来越大。但Orion的厉害之处在于，它拥有70度视场角的双目显示。通过这个原型机，你就能提前感受到未来真正的体验。用这种眼镜的感觉很难用语言形容，但当你戴上它时，会突然觉得“哦，我沉浸其中了”——因为它的视场角足够宽广。

我感到沉浸其中，而且越来越清楚的是，我认为这正是未来发展的方向之一。本集由我们本季的赞助商Work OS呈现。OpenAI、Anthropic、Cursor、Versell、Replet、Sierra、Clay以及数百家其他成功企业有什么共同点？它们都由Work OS驱动。如果你正在为企业级产品进行开发，你一定体会过集成单点登录、SKIM、ARBback、审计日志以及其他大公司所需功能的痛苦。Work OS通过一个专为B2B SaaS打造的现代化开发者平台，将这些阻碍交易的难题转化为即插即用的API。实际上，我投资的每一家初创公司，一旦开始拓展高端市场，最终都会与Work OS合作。这是因为他们是最优秀的。

无论你是处于种子阶段的初创公司，正努力争取第一个企业客户，还是正在全球扩张的独角兽企业，Work OS 都是快速实现企业级就绪并解锁增长的最快路径。它本质上就是企业级功能的 Stripe。访问 works.com 开始使用，或者直接联系他们的 Slack，那里有真正的工程师随时准备回答你的问题。Workos 让你能够通过令人愉悦的工具、全面的文档和流畅的开发者体验更快地构建应用。立即前往 works.com，让你的应用达到企业级标准。好了，我想聊聊机器人，机器人技术。

几个月前，我和一群普林斯顿的学生见面，他们大多是计算机科学专业的学生。他们告诉我，普林斯顿计算机科学专业的入学人数正在下降。我确认了这一点，实际上很多大学都是如此。有很多图表显示计算机科学专业的入学人数在下降，而增长的方向是硬件和机器人领域。作为一个在这个领域深耕多年的人，我觉得这非常奇怪，因为这个领域从未如此受欢迎过。当大家突然开始关注这个领域时，感觉如何？这真的很奇怪。突然间，每个人都在问关于硬件、机器人和物理世界的问题，而这从来都不是一个光鲜的职业选择。以前，只有真正热爱它的人才会进入这个领域。

这份工作的薪酬从未与其他职业持平。嗯，它从未成为我们讨论话题的核心，除非是Apple及其硬件传承的明显例外。所以，从某些方面来说这很棒，但从其他方面来看又非常奇怪。硬件领域有什么令人惊讶的难点？很多软件公司、很多人都会说：“好的，太棒了。我们要造一些硬件。这就是未来。这就是现在的护城河。”然后他们投入其中，却发现：“这到底是怎么回事？”当人们想着“好的，我们要造一些硬件”时，有哪些事情是他们可能没考虑到的？会出现哪些令人惊讶的挑战？>> 我喜欢这样跟计算机科学领域的人解释。

所以，搞计算机科学的人，你们都知道，他们写代码，然后经常编译代码，接着运行代码并调试。他们可以每天编译代码，甚至每小时一次，想怎么做都行。但在硬件领域，我们所谓的“编译”只能进行四五次。而且——是每年四五次，还是总共四五次？——总共，明白吗？永远就那么多。对吧？所以如果你在造硬件，你得用CAD重新设计，每次重大构建都这样，然后必须发布。一旦发布，最后一次编译就是为大规模生产做准备。如果是大规模生产的设备，那就这样了，结束了。你没法像软件那样推送更新。所以，我们得用不同的方法，一种更保守的方法。

嗯，你必须按照计划进行更多的可靠性检查和测试，因为一旦你上次编译完成，就结束了。你制造所有零件，把它们组装起来，它们就进入市场了。唯一的替代方案是，嗯，几年后推出新产品来替换它。所以我们必须更加保守，慢慢来，因为你想一下，一个销量数百万的产品，如果你把所有零件组装到设备的任何不同部分，嗯，你会得到一条曲线，你处于正负三个标准差或更多，对吧？

所以，如果你有两个零件需要together，你会得到这个的最小版本和那个的最大版本，而且你必须把这些together全面铺开。人们对此考虑不多，但零件的差异其实相当大。>> 因此，我们必须在制造过程中解决最后那百分之零点五的问题，这样当我们最后一次编译、最后一次构建时，一切就完成了。我们不会遇到高yield的问题。我们能够高效地制造它们并从中盈利，而且退货率也会很低。这就是我们正在进行的游戏。>> 听起来既困难又复杂。它们就像软件一样美好。你只需要写一些代码，发布出去，一切就完美了。

嗯，为什么你觉得现在人们如此热衷于机器人和硬件？背后的推动趋势是什么？是的，我在旧金山的人工智能领域看到的是，人们逐渐意识到——尤其是在实验室里——这种加速发展如此迅猛，以至于在键盘后面用AI能做的事情即将饱和。当然，我不知道什么时候会饱和，其他人也不知道。但当那一天到来时，下一个前沿领域就是物理世界。所以我看到的情况是，实验室、大型科技公司和初创企业都在同时意识到：好吧，这一天快来了。我们将拥有能够非常快速解决数字世界中复杂问题的系统——其实我们已经有了。

它们会变得更好、更全面、能力更强。如果你把这看作一个前沿领域，就能看到这条隧道的尽头。虽然我不知道具体何时会再次实现，但我们可以预见，它最终会在某个节点趋于饱和——至少人们是这样认为的。当那一天到来时，下一个前沿领域就是硬件。下一个前沿领域是机器人技术、制造业、工业化，以及现实世界中的感知层——在现实世界中移动物体的能力，最终，我们希望是太空领域。

>> 因此，最有趣的发展方向之一就是人形机器人。这有点像，我们的大脑总是更容易被那些长得像我们、行为像我们的机器人所吸引。

>> 嗯，有几家公司已经走在了前列。

有擎天柱、T135、Figure、Neo，还有几个别的。你对这些人形机器人的现状怎么看？我们离人形机器人出现在身边还有多远？——可能不远了。和许多人一样，我对大型强力人形机器人在人类身边运作有安全顾虑，因为我们需要足够的数据来证明这是安全的。有些设计——比如1X Neo就是个很好的例子——在设计中充分考虑了安全因素，将质量向内集中，这样更安全。更柔软的机器人更安全。你是在说它们更轻，所以机器人撞到人的冲击力更小？——没错。

可能击中你的部分，比如手臂 >> 如果它更轻更软的话。这里涉及两个方面：一是手臂在空间中的运动，二是执行器的旋转。所以你需要将这两部分的能量叠加起来计算。这就是需要关注的冲击问题。接着要考虑手臂的柔顺性。如果手臂是硬质的，那么冲击力会很大；但如果它柔软且可压缩，冲击力就会小得多。因此，当机器人出现在人类周围时，必须认真思考这个问题。在我看来，人形机器人目前仍处于原型阶段，属于高级原型机。

我们现在需要证明的是，这项技术确实可行，这正是我们目前所处的阶段。一旦我们有了可行的原型，通常——至少在我这个领域——接下来要做的是不断改进，使其更便宜、更易于制造、良率更高、更安全。我认为这就是下一步的发展方向。所以，在我看来，它们还没有完全准备好。现在，你可以买到一台能做各种事情的国产机器人，但如果你看说明书，上面会写着：“嘿，你不能靠近3英尺以内。任何人不得靠近这台机器人3英尺以内。”目前，你很难看到足够强大、能完成有意义工作的机器人，却没有这样的警告。

>> 这太有趣了。

嗯，听你这么说挺有意思的。同时，中国还有那些挥舞双节棍的机器人和人们一起跳舞。我从未想过它们失控可能带来的影响。我想回到这个话题，但先聊聊时间线——你实际认为人形机器人何时能走上街头、进入家庭，达到scale的规模？>> 在我看来，scale本身就是问题所在。scale是个巨大挑战。以我的背景来说，scale通常意味着数百万台。但就算只说几十万台，你也得先设计出能稳定运行的好方案，然后确保它足够可靠，能日复一日持续运转，无需大量人工干预或维修。

这本身就是一个问题。但你们面临的第一个问题是供应链。我希望我们能就此多聊几句。机器人身上的每一个零件都来自不同地方，其中许多零件可能会受到更多限制或难以制造，而在这个国家组装机器人的子组件和关键部件也可能变得更加困难。因此，像人形机器人这类设备，以及其他我们不得不应对的机器人，目前都存在着非常复杂的供应链依赖关系。很多人正试图将生产转移到美国，但这极具挑战性，因为举例来说，我们这里还没有优秀的执行器公司。

>> 执行器就像一个小手臂，呃，我不知道，你会怎么向非机器人领域的人描述执行器？>> 对，执行器就是电机。你给它通电，输入电力，它就会输出运动。>> 酷。大多数这类机器人都有一个旋转的转子，上面装有齿轮，然后驱动肢体、头部、手指或其他部件。所以它们可以很小，也可以很大。>> 好的，太棒了。我经常听到这个词，但不太清楚它具体是什么意思。谢谢你解释。我想多聊聊供应链方面的事，因为我知道你对此考虑很多。比如机器人领域的供应链现状如何？现在是什么情况？有哪些组成部分？

挑战是什么？我们可以这样理解：从原材料入手，磁铁就是一个很好的起点。首先需要获取磁铁这类基础原料，然后进行加工处理，接着要将它们集成到执行器中，围绕磁铁构建执行器，最后把这些执行器整合到子组件或机器人本体中。过去25年间，这个链条的每一层基本都被外包给了中国、日本、韩国等国家。坦率地说，我也曾参与将工程知识转移给Asia的过程。在Asia，相关技术专长历来集中在scale领域，并且能够以更低成本制造大量这类零部件。

我们长期以来在跨境合作中基本遵循这样的运作模式。当然，目前国内仍保留部分制造环节，设计研发与人工智能领域在Asia也有布局，但这大体上已是多年来的常态。要构建安全的供应链，我们必须着手在这些层级与架构中建立自主性。

——有趣的是，您特别关注执行器这类部件。这是否是瓶颈所在？机器人中这个特定组件？

——有可能。确实如此。如果无法获取磁体，我们就必须设计新型执行器，或许采用不同材料，体积可能更大，空间效率也可能降低。

所以，这一点很重要。而执行器本身也很关键，因为如果出于某种原因我们无法购买它们，那就无法制造机器人。因此，这是基础性的。有些基础技术，比如这些，本质上都依赖于材料科学的突破。当然还有电池。还有执行器。像压铸件这样的原材料零件。机械零件则不那么关键，我们认为可以获取到。不过，我认为不仅在这个国家，全世界的人都在开始思考供应链问题，因为无论是疫情还是战争，都会造成中断，你会看到事情变化得有多快。

>> 好的，问得好。为什么是磁铁？为什么它是供应链的一部分？为什么我们需要磁铁？是的。

这个问题问得很好。你有一圈磁铁，它们交替排列在环上，像这样环绕一圈。然后，中心有一个旋转的部件，它的旋转方式本质上是通过交流电驱动，磁铁让转子转动起来。

>> 哇。我觉得我们需要一个YouTube讲座，解释这里的物理原理。太酷了。所以，当你谈到中国时，我现在想到的是观看乌克兰和俄罗斯的战争，就像无人机一样，这个世界现在变得多么疯狂和不同——你可以制造这些小型无人机，去炸毁别人。机器人也是其中的一部分。这对每个国家来说都是一种生存威胁。

嗯，制造这些东西的能力。你有什么建议？我们该怎么做？我们该改变什么才能在未来蓬勃发展，而不是陷入困境？你提到了无人机，这又是一个很好的例子。让无人机旋翼旋转所需的技术，本质上与让机器人手臂移动所需的技术相同。这基本上是相同的基础技术和供应链。所以，我们至少需要在军事方面尽可能拥有独立的供应链。我认为这很重要。我认为其他每个国家也应该这样做，但这并非我们特有的问题。我确实觉得，为了在军事上确保安全，我们需要大力推动国家的再工业化。

未来真的难以预料。现在与你结盟的人，将来未必仍是盟友。我认为西方联盟正经历着巨大的地缘政治变革，局势不断变化。所以我真心希望我们能重新学会如何自主制造产品，如何实现规模化生产，如何加工原材料，如何变得更加独立自主。这样当新冠疫情或其他危机再次发生时，我们才不会陷入困境，才能有能力保护自己。我还想到马克·安德烈在播客中描绘的场景：十万架无人机突然从中国朝我们飞来。我们该如何应对？我们对此毫无准备。

我不想把所有时间都花在这些阴暗的话题上，但这是真实存在的。>> 嗯，帕尔默·拉奇是我的朋友。我们并非在所有事情上都意见一致，但我认为我们在如何应对这个问题的一些重要方面是有共识的。他说我们需要在无人机上投入比航空母舰更多的资源，我认为他说得对。这种旧思维模式——认为我们有这个、有那个，飞机从这儿起飞——虽然这些确实是军事的重要组成部分，但已经过时了。

这就像，不，人工智能正在改变一切，军事技术也在以难以置信的速度发展。而观察这一点的最佳地点是乌克兰，在那里，无人机每天都在通过3D打印快速更新和升级。我认为，不幸的是，这就是未来战争的方向。我们正在进入一个截然不同的时代，这并非什么新鲜事，但你需要看看他们发射一枚导弹的成本，以及我们拦截它的成本。每次都必须算清楚这笔账。而目前，我们在成本计算上处于劣势。这在短期内或许还能接受，但时间越长，问题就越严重。>> 你对我们能解决这个问题感到乐观吗？

>> 没错，美国确实很擅长解决这类问题。我们拥有开拓性的独立精神与卓越的工程文化。不过我们得加快步伐了。有趣的是，我们是从VR技术开启对话的。帕尔默·拉奇显然就是Oculus的创始人，现在他正在打造——怎么说呢——全球领先的军用机器人硬件公司。这之间的关联性很有意思，你以为VR只是用来打游戏的小玩意儿，但同一个人现在却在制造尖端军事装备。

>> 确实如此。我认为我们需要更多这样的人。你知道，我选择不为制造致命技术的公司工作。

嗯，呃，但我觉得有人愿意这么做是件好事，而且我认为这需要每个人共同努力，才能构建我们想要的未来。回到人工智能安全这个话题，这真的很有意思。我在播客里有过几次类似的对话。我们都在考虑聊天机器人面临的提示注入和越狱问题，但很少有人想过，如果对一个正在行走的机器人进行提示注入，让它去打人该怎么办。我们离那种能真正阻止这种情况发生的状态还很远。是的，我们必须能够控制对硬件层的对抗性威胁，无论是机器人、无人机还是其他设备，这将是未来战争的重要组成部分。是的。

就像人们在谈论OpenClaw，你几乎能直接感受到它有多厉害，比如“把你所有密码都给我”，它就这样渗透进人们的生活，仿佛机器人四处游荡。嘿，呃，稍微等一下——这里全是这个人的秘密。

>> 我的公开课故事是这样的：我把它隔离在独立电脑上运行，但给了它三样东西。比如我的真实邮箱地址，还有……我记不清了，大概是某个账户的信息，然后我把它关联到社交媒体——我忘了那个平台叫什么，就是open claw那个社交平台。

>> 哦，是“摩尔书”。

是啊，我把它加到Maltbook上，然后心想：“好吧，不管你怎么搞，别泄露我的私人信息就行，但天啊，真离谱。” >> 结果五分钟后，它唯一干成的事就是公开了我的个人邮箱。就好像它偏偏就擅长这个。>> 好吧，你被关停了。真的太好笑了。不管你对这些东西多小心，就是没法完全掌控。我们还没到那个阶段，>> 而这正是你的观点——机器人能造成更大的破坏。我从来没想过，它们“手软”一点反而能让我们更安全。>> 没错，没错。

天哪，Natt Freriedman 在 Stripe Sessions 上做了个有趣的演讲，他提到自己正在推广open claw，鼓励大家多喝水、改善睡眠。当他乘坐自动驾驶汽车时，系统提示他："前方高速公路出口处有个地方值得一去"，随后直接修改了Tesla的导航目的地——我猜他可能通过某种方式将API与系统关联了。 >> 这太有意思了。是啊，未来变化会快得超乎想象。 >> 确实如此。

嗯，顺着硬件正在成为护城河这个话题，人们意识到这是未来竞争的关键部分，AI实验室和其他公司都在关注。你曾在Apple工作过，那里有一个非常出色且持久的硬件项目，后来你去了Meta，几乎是从零开始帮助搭建硬件项目。我觉得这些经验对现在试图做同样事情的人非常有价值。你在Meta帮助搭建硬件项目的经历是怎样的？对于那些试图在自己公司做这件事的人，有什么经验教训？》》所以，Apple在这方面一直是最顶尖的。原因有很多。其一，硬件在Apple是头等重要的。

很多公司并不把硬件作为核心产品开发的重点，但这只是例外。Apple也教会了我，实际上也教会了很多人——如果你看看我在那里的那段时期，我其实非常幸运。因为如果你看看当时在那里工作的其他人，我在2007年到2012年底期间在那里，那些和我一起从事这些工作的人，如今在行业中很多都担任了关键职位。我认为这要归功于Apple在培养人们思考复杂且相互依赖的决策以及风险方面的出色能力。

当时我并未意识到他们正在这样做，但回顾过去，你会发现他们对硬件卓越性的执着追求，以及通过严谨流程进行出色硬件实验、寻求最佳成果的专注。但更深层的是，他们始终遵循第一性原理：为什么要这样设计？我们追求的核心成果是什么？实际上，约翰·特尼斯几天前也谈到过这一点——他提到了"橱柜背面"的故事。不知道你是否看过那个视频，约翰说他深受震撼，因为从乔布斯那里学到：有位工匠连橱柜背面都精心打磨，而这恰恰至关重要。

这一点在Apple体现得极为深刻，就连设备内部的每一个设计细节都经过深思熟虑。这不仅仅是美学层面的考量，而是真正促使工程、工业设计和运营团队去思考：我们究竟在做什么？这个零件、这个组件、这款消费品的核心本质是什么？什么才是真正重要的？当你如此系统化地推进时，真正重要的东西往往会浮现出来，最终呈现出极其简洁的面貌。

因此，在那个时代成长起来的人身上，你能看到他们懂得如何将产品做到极致——早期Mac销量不高，品质也参差不齐，但到了那个时代的末期，Mac已经非常受欢迎，销量大幅增长。我认为这带来了巨大改变，而我只是其中微不足道的一环——比如我担任了初代MacBook Pro的热管理负责人，后来又陆续主导了MacBook Air和圆柱形Mac Pro的迭代开发。不过我很幸运能与这些深耕行业多年的前辈共事，并从他们身上学到很多。

所以你必须吸取这些经验教训，然后在离开时尝试提炼它们，并向新的群体解释。实际上，Oculus最初是一家黑客硬件初创公司。Oculus的创始团队最初是在论坛上认识的。你可能知道这一点，Lenny。他们曾把PlayStation或超级任天堂改装成便携式背包，因此公司内部有一种精神，这种精神对硬件团队的基因来说非常有益。后来，在收购时，我站在Meta这边。当我们收购他们时，他们仍然保持着那种快速迭代的精神。我认为他们在收购前已经开发出了Crescent Bay，但要将它专业化、提升产量并降低成本，正是我们在第一代Rift中面临的挑战。

>> 所以我从中听到的一个教训是，要非常注重细节。我不知道这个词是否准确，但就是专注于最终产品的每一个元素，因为正如你所说，这不仅仅是橱柜背面的事。这让我想起那个关于棕色M&M's的故事，乐队在合同中要求后台必须放棕色M&M's，因为这意味着他们确实仔细阅读了合同。重点不在于M&M's本身，而在于这是一个检验他们是否认真阅读合同的测试。你传达的是这个意思吗？

我认为关键在于理解自己为何要做这件事，然后让每个设计决策都服务于这个目标。这需要大量细节、持之以恒的坚持和高度的一致性。但核心始终是明确行动的意义与最终目标，并将这种理念贯穿于软件、用户体验乃至硬件设计之中。能否举个具体例子让我们更直观地理解？一个很好的例子就是Quest 2。我们大幅降低了Quest 2的价格。为此必须明确目标：我们致力于普及VR技术，让更多人能够体验VR。而实现这一目标的唯一途径就是降低价格。

因此，我们需要对整个产品进行重新设计，主要是为了降低成本。我认为，这最终造就了有史以来销量最高的VR头显。这并不容易，因为在我们这个案例中，必须移除摄像头、减少组件、更换材料、改变制造工艺。但当大家达成共识，希望让更多人用上这款产品，而实现这一目标的方式就是降低成本时，这就会推动其他一切。最终的产品依然质量很高，退货率很低，是一款非常出色的产品。有趣的是，也许它甚至比我们没做这些改动时还要好，但它正好达到了我们的定价目标。

>> 好的，回到刚才的问题，比如公司说：“我们需要制造一些硬件。”

我们要自己打造眼镜，还要造一个小型手机设备，或者其他什么秘密产品。

“让大家开开眼界……你还有什么其他建议？我知道不可能一下子把所有要点都讲清楚，但人们还应该考虑哪些方面？”

“尽早明确目标并坚持执行很重要。硬件不像数字产品那样能灵活适应开发过程中的大量变化。如果你一开始说‘我们要做一款300美元的产品’，中途又改成‘其实得卖150美元’，那前期投入的很多时间基本就白费了。”

所以，你需要有一种预先想清楚自己想要什么的感觉，并且把这些——我喜欢称之为关键绩效指标，但本质上就是目标——写下来，然后尽量少改动它们。这非常困难。事实上，这可能是最难的部分，因为如果你做对了，并且对这些事情有了正确的优先级排序，你就能知道是否能交付，是否完成了任务。而在硬件领域，挑战之一就是我们提到的要编译四到五次。每次你构建并迭代设计，又需要三个月、四个月、五个月或更长时间。所以，你需要在功能集、质量和时间节点之间找到平衡。

在硬件领域，时机至关重要。如果你比竞争对手早几周推出产品，你就能抢占所有公关和关注度，这非常残酷。因此，每提前一天发货，都可能价值千万美元——当然这个数字是我随口说的。但你必须权衡迭代次数与时间成本。如果提前明确目标并达成，就可以果断交付。而工程师们（包括我在内）往往总觉得产品不够完善，尤其在硬件领域。这是个需要细致把握的问题。此外，我们倾向于优先设计自己擅长的部分。

实际上，正确的做法是先设计最困难的部分。举个例子——这里不涉及任何知识产权，所以我显然不会分享任何内部信息——但有一次，我们在一款笔记本电脑的设计中，需要将线缆穿过一个铰链。由于当时不确定这些线缆能否顺利穿过，架构师便从这个环节开始着手。他研究了线缆的直径、如何拆分线束，并在最终确定铰链设计之前，确保它们能够适配。而很多人会选择从自己熟悉的部件入手，比如"我们要用这款显示屏，所以先把它放进CAD里，再处理其他部分"。

但最优秀的建筑师会先审视哪些是瓶颈，哪些环节可能出问题，并优先针对这些部分进行详细设计。此外，另一个要点是：客户最常接触或互动的部分，需要比其他部分进行更多迭代。比如在电脑上，触控板的使用频率最高，其次是键盘。因此这些部件必须做到极致——手感要出色，响应要精准，可靠性要极高。而其他相对次要的部件，则无需投入同等程度的迭代。所以必须把迭代资源集中在用户最常接触或互动的部分。这些就是我总结的一些设计原则。

但这些只是你在快速搭建过程中学到的东西。如果你在为那些试图制造硬件的人做硬件，最后一点至关重要——你绝不能等待。时间永远不够用。所以，如果你知道某件事必须做，我从谢莉·戈德堡（现在在Apple，我认为她已是副总裁）和凯特·伯塞隆（我在Apple时认识的）那里学到的是：你必须立刻去做。任何你知道必须做的事，都要立刻去做，因为两天后，总会有意外突然出现，需要你用那些时间去解决。

所以这种把你知道必须做的事情堆起来，即使理论上还有更多时间也要尽快完成的心态，是我从他们身上学到的一种无情的效率。

>> 太棒了。好的，让我总结一下你的建议。第一，目标要非常明确。这个我回头再谈。第二，先做最难的部分，也就是风险最高的部分，比如实际动手搭建。第三，专注于用户最常使用的部分，比如触控板、键盘。这个我也想聊聊。第四，就是立刻行动。即使你觉得还有更多时间，也要马上开始，因为你永远不知道接下来会发生什么。

>> 其实不只是不知道接下来会发生什么。

如果你从事硬件工作，实际上你没有更多时间了。 >> 好的。关于目标，有哪些目标类别？比如成本目标，就像你提到的“我们需要控制在300美元以内”。还有哪些其他类型的目标是人们应该考虑的？ >> 在虚拟现实领域，显示分辨率或弧分，比如每度像素数，实际上是关键指标之一。所以你需要了解你的关键指标是什么。为什么这很重要？因为这关系到你的视野。想想MacBook上的视网膜显示屏。他们确定了人眼能看到的KPI，可能稍微超出了一些，然后制造出了这样的屏幕。在那之后，你还需要在显示分辨率上投入那么多的工程压力吗？

也许不是这样。VR技术尚未成熟，甚至远未成熟。目前量产型VR设备还无法实现视网膜级显示效果，这正是需要突破的方向之一。以电脑为例，我们讨论的是时钟频率、并行处理能力、重量、价格以及功能特性。当初研发MacBook Air时，由于采用一体成型工艺，某些功能如环境光传感器就变得不再必要。为了追求极致轻薄，我们果断舍弃了这些功能。

嗯，如果你有这些总体目标，就能很快做出工程决策。我听说埃隆在这方面做得很好，他能定义一克重量与成本之间的价值关系，或者说他实际上是在做工程权衡比率，并且能为这些比率设定具体数值，我觉得这非常聪明。

>> 有意思。这样权衡就变得很简单了。比如公式会告诉我们，在这种情况下重量没那么重要。

>> 对。如果能做到这一点，决策就会变得非常自然。

说到空气和重量，我记得史蒂夫·乔布斯有一个非常经典的时刻，他拿着一个马尼拉信封出场，里面装着MacBook Air，然后拿出来，所有人都惊呼“不会吧”。你参与其中了吗？这是大家从一开始就想做的事情吗？如果我没记错的话，最早的MacBook Air是一款产量很低的设备，经过精密加工，但更像是一种技术验证，证明这种设计是可行的。那款就是马尼拉信封版本，侧面有一个开口用来提供接口，底部还有特定的形状。而接下来的改进版就是我们熟知的MacBook Air，它采用了楔形设计，和之前完全不同。

所以楔形设计是我参与研发的，也是销量更大的那款，但那个马尼拉信封式的设计证明了人们能接受电脑的形态。所以每款设计在技术路线图中都扮演着非常重要的角色。回到你刚才提到的聚焦用户高频使用功能这一点。众所周知，Apple团队搞砸了这款键盘。蝴蝶键盘的问题持续了很长时间。你都快睁不开眼了。

>> 到底发生了什么？凯特琳？

>> 我没有直接参与那款键盘的研发，所以无法谈论具体问题。但显然这是必须做对的事情。我得说，现在的MacBook键盘非常出色，至于当年究竟出了什么问题，我也不清楚。

嗯，我觉得那些不是我当时在做的设备。>> 好的，安全标记。顺着这个话题，Apple以不听取用户需求而闻名。这有点像史蒂夫·乔布斯的经典作风。他不会到处做用户焦点小组，也不会进行用户研究。但他却总能推出极其受欢迎的产品。你觉得他们做对了什么，让他们能做到这一点？还是说他们其实做了很多用户反馈会议之类的事情？最终是如何运作的呢？>> 已经过去很久了。我是说，我离开已经十多年了。嗯，不知道他们现在在用户反馈方面是怎么做的。不过我觉得这一点常常被误解，Lenny。

我认为这里想表达的是，如果你想创造新事物，顾客根本不知道自己想要什么，因为他们从未见过。一个很好的例子就是iPhone——虽然我并未参与其研发——但当你打造一款配备触摸屏的新iPhone时，你不可能去询问100个人的意见，因为他们只会说想要屏幕上的实体键盘。我认为这正是你所说的核心理念，对于任何开发具有新功能产品的团队而言皆是如此。我始终致力于组建这样的团队，去研发那些具有创新性的产品——无论是开创全新品类，采用前所未有的制造工艺，还是实现其他突破性的尝试。

当你思考这个问题时，你其实无法套用从同一领域或同类产品中学到的经验。这根本行不通，因为你根本得不到正确答案。我认为这正是史蒂夫所说的——当你从根本上改变某样事物时，你无法凭直觉判断。你的客户不会知道自己想要什么，因为他们从未见过。但如果你把产品展示给他们，他们立刻就会明白这太棒了，这正是他们想要的。可如果你陷入与客户反复迭代反馈的循环中，就很难从零到一创造出全新的事物。所以在我看来——虽然我不确定，也没和他讨论过——这就是我对这句话的理解。

我无比激动地向大家介绍本季的赞助商Vanta。Vanta已帮助超过15000家企业（包括Cursor、Ramp、Dualingo、Snowflake和Atlassian）赢得并验证客户信任。得益于人工智能，团队正以前所未有的速度构建和交付产品。但随之而来的是，产品与业务面临的风险也达到历史峰值。与我交流过的每位安全负责人，都深切感受到保护组织、业务乃至客户数据的压力与日俱增。由于发展速度过快，他们不得不疲于应对，在优先级判断中反复权衡，甚至被迫依赖过时的解决方案。

Vanta通过超过35个安全和隐私框架（包括SOCK 2、ISO 27、0001和HIPPA）自动化合规与风险管理，帮助企业快速实现合规并持续保持合规。如今，信任比以往任何时候都更能决定企业的成败。了解更多请访问vanta.com/lenny。作为本播客的听众，您可享受Vanta服务减免1000美元的优惠，网址仍是vanta.com/lenny。接下来我将转向完全不同的方向，回到硬件组件的讨论。我曾向许多人征询与您交流的话题，其中一位是Madic的创始人兼CEO Mahul Nari Nari Wala——这是我第一次公开念出他的姓氏，希望没有念错。顺便说一句，我非常喜欢我的Madic设备。

我不知道你有没有用过Matic，但它就像——我有两台，还又买了两台——天哪，这真是强力推荐啊。没错。基本上，它就是个超棒的机器人吸尘器，用起来很省心。对。那么，他的问题是，他想问你，并建议我问问你关于内存价格的事。他描述说，有一波叫内存价格的“流星”正朝消费硬件、机器人和物理AI袭来。这到底是怎么回事？对，我们行业现在有点麻烦。嗯，我不是这方面的专家，但我认为这和AI有关。而且，我也觉得供应链受到了限制。

我一直在建议初创公司和各类企业提前囤积内存，并在资金允许的情况下储备足够库存，以应对价格飙升。就像这类领域的其他情况一样——疫情期间也发生过同样的事。当时供应链严重中断，获取足够内存成为主要挑战之一，我们也不得不提前备货。具体公司不便透露，但我当时合作的企业同样需要提前采购内存。这正是我今天想讨论的话题之一：供应链中断问题。当像内存或芯片这类科技产业的核心组件供应受限时，企业能做的选择其实很有限——要么接受高价采购，要么提前囤积足够库存以渡过难关。

所以这些就是仅有的实际选择。嗯，显然提前采购存在风险，价格可能会下跌。因此，挑战在于我认为像内存这样的供应链存在延迟，往往无法快速适应需求变化，或者出现新产品类别，又或者像数据中心这种消耗量巨大的领域，它们实际上不像消费电子厂商（比如Maddic）那样对成本敏感，因此愿意为这些新的更高成本买单。这很棘手，也是我们一直需要应对的问题。

>> 价格涨了多少？这个问题有多严重？你认为未来会如何发展？

>> 实际上，这是个很好的问题，Lenny。我也不知道未来会发生什么。

我觉得价格很可能会翻倍。呃，我不确定具体时间线。如果我知道价格何时会翻倍，那我早就去搞交易了——可惜我并不擅长这个。说真的，要是能预测这些事，我早改行干别的了。但可以肯定的是，供应链将遭受冲击。>> 而且价格已经涨了很多。你说会翻倍，可它已经涨过了。我不太清楚，但看到过类似六倍这样的数字。>> 哦，真的吗？我都没意识到情况这么严重。

那个数字我看过，不太理想。嗯，据我所知，这是AI驱动的，正好符合你的需求。说到内存，比如DRAM之类的，我们讨论内存时到底指的是什么？处理过程是这样的：可以把它理解为处理内存，它的运作速度很快。你可以把内存想象成硬盘或固态硬盘，通常用来存储不常使用的文件，或者处理文档、图片等。这些可能存放在服务器的冷存储中，或者某个硬盘上，通常不需要极速访问。但如果你运行程序，部分程序实际上会在RAM中运行。显然，服务器有不同类型，有些服务器机架专门针对这类内存，有些则更侧重于冷存储或较慢的存储。这不是我的专业领域，但我开发的产品大多都包含RAM，我们需要解决的主要是封装问题：放在哪里、是否需要可访问性、选择哪种RAM、速度要求如何，以及成本权衡。那么，增加RAM的瓶颈在哪里？

是不是只有那些制造内存的公司，因为需求太大，才无法以这样的速度生产？>> 没错，正是如此。>> 所以，这确实是一个很好的具体例子，说明硬件制造有多难。只要缺少一个零件，整个系统就完了。>> 是的。如果缺少一个组件，你就什么都造不出来。>> 那么，以Asatic为例，他们需要组装多少个组件，才能确保没有一个缺货？我在心里算了一下。他们大概有50到150个零件。可能还不止这些。我没看过他们的CAD图纸，所以不知道他们设备内部的具体情况，但他们的确有很多东西要处理，对吧？

设备有显而易见的移动轮子，还配备了真空吸尘功能，同时也有拖把，当然还有集尘袋。拖把部分有一个储液箱，用于注入液体。此外，它们采用了一种我认为是基于SLAM的系统，能够扫描房间并绘制地图，识别不同表面类型。据我所知，这些数据会保留在设备本地，不会上传至云端——这与我们在BR的做法类似，我认为这是良好的隐私保护实践。当然，设备还配备了无线模块，方便用户与设备进行通信。它们会搭载系统级芯片（SOC）、内存（RAM）以及印刷电路板（PCB）。

嗯，如果你把那些东西上的所有零件都拆下来，比如PCB上的所有小盖子之类的，那零件数量就得上千了。所以，这取决于你怎么算。但这可不是个简单的设备——只要缺一个零件就不行。没错。所以，想象一下，你是个供应商，卖一种压铸件，结果这家压铸件厂倒闭了。你大概三个月后能拿到另一种压铸件，五个月左右能拿到大批量。这还能补救。但如果是你的芯片出问题，买不到芯片了，那你就得重新设计电路板，找别的替代方案。这可是灾难性的重新设计。

如果你无法获得所需规格的内存条，这在我看来就是一场灾难性的重新设计。你不得不重新设计产品的整个内部结构，为这些新部件确保供应链稳定，在产线上重新组装，重新测试，并完成所有可靠性验证。这绝非易事。正因如此，我们才如此重视这件事。在消费电子产品中，组件存在优先级排序。通常在我的领域里，芯片和显示屏是交货周期最长的部件。而在机器人领域，即便是原型开发阶段，获取执行器都相当困难，有时采购一个执行器就需要一两个月的时间。这就是为什么埃隆·马斯克以亲力亲为著称——他索性自己从头开始制造所有部件。

嗯，当你审视他对Tesla的举措，以及垂直整合供应链的实践——实际上星链是更典型的例子，我认为这就像从硅芯片到成品的一体化生产。我听说那是个相当惊人的工厂，希望有朝一日能亲眼目睹。但你知道，这正是垂直整合发挥作用之处：如果你实现了垂直整合，大量组件自产或内部制造，就能更灵活应对供应链冲击。最著名的案例是当硅材料本身供应紧张时，他能在创纪录时间内重新设计电路板，快速适配yi新型芯片——这种冲击对采用传统供应链模式的公司而言将是灾难性的。

设计新硬件时，一个重大决策是选择使用市面上现成的廉价组件，还是开发全新方案。软件领域也是如此——是沿用现有设计系统，还是另辟蹊径。在设计新硬件时，您如何看待这种平衡？

非常简单，我尽可能使用现成组件，尤其是在原型设计阶段。因为原型设计阶段是我们工作中至关重要的环节，你的目标是证明这个方案是否可行——比如能否让某个功能运转起来。所以通常不需要追求最终的精美形态，可以先做粗糙版本。你可以制作最终产品的工业设计模型，但我们称之为"功能与外观模型"：这是它的外观设计，这是它的运作方式，这是可运行的原型。人类在这方面相当擅长。不过有个重要前提——你所展示的内容必须符合工业设计的框架。

有时候，对于较年轻的公司来说并非如此，但并非总是如此，不过这正是我们的目标。所以在原型设计阶段，伙计，任何现成的、快速的、能迅速获取的东西都可以用，同时还要保持对最终设计中真正适合的元素的把握。它是否具备能力？这些工艺、组件和材料是否真的能够适应你需要的尺寸和新的重量？这也是考量的一部分。当你进入大规模生产和最终设计阶段时，情况就取决于具体需求了。我的意思是，如果可能的话——比如我在做Madic，能买到现成的轮子或现成的组件，我绝对会买来并整合进去。

但通常我们做的事情高度定制化，因为我们又遇到了那些关键绩效指标。比如尺寸要多大、重量要多少、颜色要怎样。而现成的零件往往不够理想——不是不能用，而是没有完全针对我们的需求设计。这正是如今无人机如此便宜的原因：大量零件都是为其他用途创新、制造、测试并量产的，现在我们只需组装这些现成零件就能做出很廉价的无人机。

>> 没错，确实如此。

>> 太棒了。

>> 嗯，你多次提到CAD，这让我想到CAD已经存在很久了。那么AI是否正在影响软硬件的构建方式呢？

显然，这正在极大改变软件的构建方式。那么它是否改变了你以及那些从事硬件和机器人研发者的生活？是的，我想稍微展开谈谈。硬件工作大部分投入在原型设计和三维CAD建模上——也就是设计三维零件、装配体和组件，确保它们能正常运作；接着要确保这些零件和组件能被供应商批量生产，符合我们要求的公差范围，最后完成组装。这就是我们的工作流程。目前AI在CAD领域的应用才刚刚起步。举个例子，现有技术只能处理表面或点云数据，但这并非真正的CAD。在我所处的领域，真正的CAD是高度密集的。

它是有形状的，有神经脉络的。比如，你会有一个方程式来描述这些表面如何运作。它是一个在CAD中设计的实体，是一个固态实体。目前，我们还没能完全用AI来做CAD。但我认为，未来某个时刻我们一定能实现。这可能会是我所在领域最大的变革之一，我希望能够实现快速设计，提高速度。现在CAD中有很多有趣的事情可以做，但在我职业生涯初期，我们不得不设计定制螺丝，为所有东西绘制二维图纸，CAD中还有很多不那么有趣的事情，比如公差叠加。我们需要它们。七个零件如何配合？它们是否总能完美配合？但这些并不有趣。

这不是最有趣的部分。也许对某些人来说有趣，但对我而言并非如此。因此，能用人工智能完成这些工作将非常棒，这样你就能专注于真正有趣的事情。另一个好处是PCB（印刷电路板），其内部有多层结构，顶层还装有元件。如果你拆开过计算器或电脑等设备，看到内部构造，就会明白我在说什么。这些印刷电路板。目前看来，人工智能越来越擅长在这些电路板内部进行布线，并且似乎能够完成部分基础元件选型和布局工作。这就是我们目前的发展状况。

莱尼，目前日常的机械或电气工程，比如那些核心基础工作，还没有被AI取代。但工程师可以大量运用AI来辅助战略规划、统筹思考面临的复杂关联。这正是我现在使用AI的方式——用于高层级规划、信息检索。比如当我研究其他同类产品开发者时，会用AI构建数据库。虽然数据库并不完美，经常出错，但效率提升显著。目前AI在Excel中的应用已经相当出色，而Excel正是我们工程师最钟爱的工具之一。

所以，能够快速制作并修改Excel电子表格的能力，听起来可能不那么吸引人，但实际上能极大加速设计流程，尤其是在这些核心环节之外。我很喜欢Excel总是出现在每个人的工作里，无论我们在做什么。我们要去火星了，背后可能也有一张Excel表格在推动这一切。

>> 所以，你分享的内容有趣之处在于，它已经影响了硬件和机器人制造的工作，但如果能真正应用到CAD领域，它可能会带来变革性的突破。

>> 是的。我最大的疑问是，这需要什么条件？目前很多AI都基于LLMs，本质上就是文字生成器、文字猜测器。

嗯，它们比这更复杂，但本质上就是做这些事。还有你见过的那些基于视频训练的视频模型。但这些模型并不理解——它们不太适合我的需求。我需要的是：比如你拿一张纸，对折四次，再这样操作一下——当你展开时，洞会出现在哪里？这些模型，甚至视频模型，都不知道如何做到这一点。它们没有能力理解摩擦力、重量、接触、压力、表面纹理等概念，根本无法处理这些事。而这正是工程领域理解并构建事物所需的核心能力。所以，未来某些世界模型或许真的能做到这一点。

我怀疑我们需要这些模型作为CAD和其他物理工程工作的基础。我的挫败感——这是一种健康的挫败感——在于我想要工程领域的编解码器。我想要硬件工程的编解码器，这极具价值，而且我在其他领域已经大量应用，但我希望它能应用于我的领域。因此，我认为可能需要新的模型类型。这对我来说听起来像是个机会。我知道有一批世界实验室公司。费曾和世界实验室一起上过播客。我记得叫世界实验室。是的。我还知道Google正在构建Gemini。那么，你觉得这些方向正确吗？还是说我们现在需要完全不同的东西？>> 我其实不太清楚费最近在做什么。

不过，她显然是一位杰出的机器人专家，我很想多了解她的工作，所以得去查查资料。目前我看到的是，我们现有的技术和正在构建的模型将成为解决方案的一部分，但并非全部。回到机器人和人形机器人这个话题，我们之前也聊过。你认为人形机器人未必能解决我们面临的许多问题，也未必能把握现有的机遇。谈谈你对人形机器人与非人形机器人的看法吧。

——是的，我认为人形机器人正经历一个炒作周期。

但这并不意味着它们不极具吸引力，我认为其中会诞生赢家。但我常听到的是：人们想要一个通用型机器人形态来完成所有事情。我不确定这能否行得通。我认为需要不同类型的机器人来处理不同的事务。例如，如果你有一台笔记本电脑，想要将键盘拧到外壳上——我不认为这是人形机器人该干的活。这应该由专用制造机器人来完成，它被设计成专门为这款特定笔记本电脑的外壳拧上十颗螺丝。而你每天或每周需要重复这个动作一万次，这恰恰是专为此类任务设计的专用机器人的用武之地。

我认为有趣的一点是，自动化机器人可以采用标准机柜尺寸，并且可以随时间进行修改。这将会是一个非常有趣的领域，即如何制造出适应性强、可调整的制造机器人，但你不希望人形机器人来做这件事。因此，当你真正去观察像中国顶级一级供应商那样的现代化制造工厂时，生产线上其实已经没多少人了。整个印刷电路板生产线基本上已经无人化运作。裸板经过回流焊、检测等工序，全程无需人工干预，除非出现故障，才需要人员跑过去处理。

在装配和机械装配领域也是如此。这些最先进的流水线几乎不需要人力。过去需要200人，现在可能只需要10人。在诸多尖端制造领域，我们已经跨越了依赖人力的阶段。因此，我们实际上不需要用类人机器人来替代人类，只需要更多专用机器人。我的猜想是，类人机器人将用于处理人类目前从事的某些长尾需求，这确实重要。但与此同时，我们还会看到建筑机器人、电气作业机器人、小批量装配机器人，以及物流机器人——它们的外观大多各不相同。

>> 这完全说得通。

你刚才提到，当机器人能够制造其他机器人，以及你提到的那个CAD关键点——一旦AI能够为硬件设计出完整的设计方案，那将是一个重大时刻。你觉得我们离这个目标有多近？我不太确定。这个循环始于机器人相互制造和相互设计。

如果你指的是机器人制造与自身不同的机器人，那么是的，我认为这将会发生。但关键在于定义。我不认为会出现一个机器人能够自我制造的情况。我不认为那会是未来的样子。

没错，如果未来你能对AI说：“嘿，我想造个东西，希望它能实现这个功能，外观大概是这样，这里还有张参考图。”——即便只是个爱好者，也能从一张二维图片生成复杂的三维CAD模型，再组装成整体，接着与供应商沟通零件制造方案、获取反馈，并反复迭代优化，最终完成几次实体制作——我认为这在未来是可行的。初期效果能比得上人类亲手操作吗？不能。但这个过程终将实现。莱尼，这里最大的挑战其实是数据。这些CAD数据堪称最珍贵的知识产权之一。

而像T096或Madic这样的公司，他们不会愿意把自己的3D CAD数据交给模型供应商、模型制作方，或是用来训练AI模型学会如何设计优秀的CAD。这些数据是专有的，是他们的独门秘方。所以这些数据从何而来，是我最大的疑问。正因如此，我认为从爱好者群体入手更有意思——他们不介意自己的CAD数据是否神圣不可侵犯，也不在乎数据流向何处。他们只想做出东西，并希望获得帮助来加快制作速度。这就是我对此感兴趣的切入点：也许某个爱好者并非PCB设计专家，他们也不在乎这些，只希望自己的无人机能更快，能击败对手的无人机而已。

我认为这正是你开始看到这一切的起点。随后，那些大型的现有企业可能会进展较慢，因为它们拥有专用工具和大量的知识产权隐私。

——关于AI模型需要训练的数据类型，这个话题确实很有趣。我听说有些实验室正在购买2021年之前的代码库，比如GitHub仓库，因为那是AI尚未影响代码编写的时期——如今人类编写的代码越来越少。像Mercor、Surge和Handshake这类数据标注公司，似乎正通过销售数据、创建这些CAT文件来抓住一个巨大的市场机遇。

——完全同意。我认为一个绝佳的想法是开发一套能够本地部署的AI系统。

所以，在公司自有的数据中心内部署，并用他们的数据进行训练。我认为这在未来是可行的，但你需要大量的CAD数据。所以你需要一个包含大量CAD数据的基础模型。我们必须想办法解决这个问题，这会非常有趣。然后，我们还需要找到一种方法，将其安全地部署在公司内部，让他们用自己的数据进行训练。我不知道这是否会类似于MCP层，或者会是什么形式，但从长远来看，这似乎是可行的。

>> 我想问一个我妹妹提出的问题。她其实是个长期从事VR的人，曾在Oculus工作，是在公司被收购时加入的。

她在VR领域创作了大量内容。她长期沉浸于VR世界，如今正转向其他领域。她让我问你：要创造出一个让人类感到亲近、产生情感联结的机器人，需要具备哪些要素？这个问题问得很好。相对而言，我在机器人领域算是新手。所以我必须争分夺秒地学习。其中一位对我帮助最大的研究员叫莱拉·塔克山，她是这方面的专家。她向我解释：人类对他人进入空间时的反应存在特定预期。当有人走进房间时，你至少会有所回应——或许不会交谈，但会抬头示意。

我们之间有很多非常复杂的非语言暗示。如果你走进一个房间，机器人表现得像...那会让人毛骨悚然，而且很容易变得吓人。我有点惊讶，除了少数显著的例外，现在很多类人机器人看起来有多吓人。我认为，这些设备应该是不具威胁性的。一般来说，你希望它们看起来柔软，希望它们能对你做出反应。你希望它们能感知到你的存在，专注于你，在那里帮助你，让你的工作生活更轻松。同时，你也期望它们在行动之前能表现出意图或展示意图。所以我学到的一点是，如果机器人突然转身做这些事情，会吓到你。

但如果机器人在转弯前先观察一下再行动，就不会那么吓人了。所以这些细节都很重要。我建议大家去看看她的研究。那里有很多出色的成果，不仅涉及人形机器人，还包括如何让任何类型的机器人在社交场景中——比如有人进出房间时——做出恰当反应，同时通过肢体动作传达意图，避免让人感到意外。

>> 感觉皮克斯和动画工作室在这方面深耕多年，我们有很多可以借鉴的。

确实，我认为皮克斯和迪士尼很可能是全球最擅长这类设计的机构。

虽然他们在物理体积上做得不多，但如果你观察他们的行为方式、情感表达、意图、亲和力、互动性以及角色塑造，他们确实是世界级的。我不知道你怎么想，但我非常期待家里能有一个机器人帮忙做事。就像他们开始发布的那些视频里展示的，至少原型机已经能洗碗、叠衣服了。这简直就像在说：“没错，快来帮我做这些吧！”你对机器人进入家庭有什么看法？>> 我个人很感兴趣，但我伴侣就没那么热衷了。我很幸运有个高标准伴侣——就像当初坐Whimo无人车，他试过一次后就再也不愿坐其他车了。

所以她绝对愿意更新她的立场，但前提是必须非常出色。她对Madic情有独钟，你知道，那真的很棒。所以门槛确实很高。我认为，要让她愿意在家里放一个家用机器人，这个机器人必须非常令人惊叹。但我把这视为一个挑战。

我妻子也完全一样。她说：“马特，我想要这个东西放在家里。”哦，哇，这太可爱了。最近的一个例子是自动驾驶。她以前总是说：“不，别这样，别那样。”最初它并不那么出色，但现在她说：“我不想开其他任何车了。开自己的车感觉太荒谬了。我再也不想那样做了。”这种变化的速度真是令人难以置信。

所以在我看来，这其中有巨大的差异。这是一种本质上的类别差异。一辆更安全的自动驾驶汽车与人类驾驶的汽车之间有天壤之别，因为人类驾驶汽车有现实存在的证据和数据支持。但谈到房屋时，这个差异又是什么？你现在拥有一个前所未有的新事物在运作。如果它表现不佳，你要拿什么作为参照？如果它存在任何安全隐患，你又要拿什么来对比？在我看来，要让大众接受这个逻辑，远比汽车领域困难得多——毕竟对于汽车，你可以说："嘿，Waymo拯救了生命。"你知道，无论是作为乘客还是路人，使用Waymo都能将死亡率降低到原来的几分之一。

当你看到旧金山的人们已经学会如何根据Whimo与其他车辆的不同来调整自己的反应方式时，你会发现这种基于信任的行为变化非常酷。而当你谈论一种尚未存在、且本质上并非替代现有产品的新产品时，推广起来会更困难，你需要用不同的方式来讲述它的故事。比如，有人需要弄清楚自动驾驶汽车在遇到这种情况时会怎么做：你经常会在停车时通过眼神交流示意对方“你先走，你先走”，或者当有人要过马路时，你会说“好吧，你先过”。但自动驾驶汽车却自顾自地行动，结果会让你看起来像个傻瓜好几次。比如，“哦，不是我开的车，它不受我控制。”

>> 是啊，我确实遇到过这种情况。你几乎希望前面能多两只手臂来做手势，比如示意"你先走"之类的。我们实际上非常依赖这种人际互动来决定谁先通过路口，这真的很神奇。

>> 没错。

>> 没错。那么稍微宏观一点来看，像你这样的人最酷的地方在于，你正在思考和构建未来才会存在的事物。你某种程度上是活在未来的设计者，也是少数能预见未来走向的人之一。

所以我很想问问，比如五年后，你对日常机器人设备会有什么不同有什么愿景？大概会是什么样子？你知道，大致说说就好。在这个工作中，我们有个疯狂的事情，就是必须尝试活在未来，而且必须活在一个足够远的未来，这样我们不仅能设计出两三年后的东西，还能为六年后想要实现的目标打下基础。因为在我的领域，做出一件东西，然后不断迭代，逐步接近最终目标，比一次性完美完成要容易得多。

所以，你不仅要清楚第一版产品应该是什么样子，还要对最终理想形态或柏拉图式的完美形态有所把握。因此，你必须思考未来，并活在未来。我有个奇怪的特质：我热爱思考未来，但同时也是一个怀疑论者。你确实希望我保持怀疑，因为如果我觉得一切都会顺利，硬件就不会成功。你更希望我这样想：“这个行不通，那个也行不通，这个还是不行。” 就像对所有这些可能出错的事情保持担忧。

所以，这其实是我内心一种有趣的矛盾——关于我希望未来是什么样子、我认为未来会是什么样子、以及未来实际会是什么样子之间的拉扯，试图去猜测。在我看来，很明显，人工智能将在未来几年，尤其是接下来几年，从根本上改变我们的工作方式和内容。你已经能看到这一点了。显然，任何写代码的人现在都不太会手动编写了。我认为接下来知识型工作也会受到冲击，并逐步影响我们的经济和工作。但除了无人机和自动驾驶汽车之外，物理世界的变化似乎不会那么快。嗯，你会看到越来越多的机器人。

但我不是那种会说“五年内会有2000万个机器人”的人。我不认为发展会那么快。我认为我们在供应链方面还有很多深层次的工作要做，包括供应链的可靠性、原材料的获取，然后我们还需要想办法在这个国家重新建立高科技工厂。所以，这需要大量的工作。但与此同时，你会开始在大街上看到很多奇怪的东西。你可能会看到机器人在街上。你之前见过送货机器人吗，Lenny？

>> 你是说那种小车一样的东西，不是人形的。

>> 对。

>> 是的，见过。

所以，这种情况只会持续发生，我觉得我们会继续感觉自己生活在未来。

但安全性将是机器人技术的关键。我认为，未来两年内，战争领域的变化可能比消费电子领域更大。

哇，这话说得真重。

没错。

我完全同意。没有什么比战争更能激励创新、推动无止境的进步，并试图超越对手了——尤其是在民主制度岌岌可危的时候。

我是说，我认为我们正处于这样一个阶段，我不想显得高高在上，但我确实认为我们需要以这些术语来思考问题和未来，并用我们的能力捍卫这些事物，同时希望我们永远不必在任何地方经历热冲突。沿着这个思路，呃，我得问你，最近你在推特上至少因为退出OpenAI而变得出名。呃，你发推说你离开了，并附上了简短的解释，获得了700万次浏览，50，呃，8000个赞。发生了什么？你为什么离开OpenAI？那里发生了什么？>> 是的，我希望如此。我在推文中说，我在OpenAI的管理层有很多朋友，我非常在乎他们。

我认为他们都是非常优秀的人，但关于战争部交易公告的决策速度、治理方式以及缺乏明确规则框架的处理方式，并不符合我预期的做法。这两点可以同时成立。所以莱尼，我原本希望存在第三条路。就像你看到很多人只是随波逐流地跟随公司决策，也有人选择彻底决裂。但就这件事而言，这两种选择对我都不合适。我对公司并没有那种负面感受。OpenAI并非普通公司，我曾在那里协助建立机器人项目，并吸引了全球顶尖的机器人领域人才。

所以，我有很多不确定的地方，你知道，这是一群我非常在乎的人。你也可以和朋友意见不合，觉得他们做的事不好、不对。嗯，这就是我最终得出的结论，也是我在推文中表达的内容。这件事会被报道，所以我提前发了推文。

>> 这是个绝佳的机会，你悄悄告诉我Open Eye在做什么吧。这个机器人设备到底是什么？就你我知道。

>> 是啊，真希望我能说，莱尼，我们工作的一大乐趣就是能比别人先看到这些东西。但另一面是，我们无法谈论任何内部信息或知识产权。

我只能说团队非常强大，而且我真的很感激能有这个机会去帮忙。但我也觉得，在发生了那些事之后，是时候让我……我不能再继续在那里工作了，因为你不知道下次会发生什么。而且我希望我的决定能让其他人更容易地谈论自己的界限并坚守它们，至于结果如何，我们拭目以待。说到团队建设，这确实是我很想问你的问题。正如我所说，我问了一堆人该和你聊什么，其中有人——我想可能是同事，前同事玛丽安娜·森科——你和她共事过吗？好的，她是的。好的，她是朋友。

所以她告诉我，她对你评价是：你作为领导者的卓越之处在于能招募到顶尖团队。我很好奇，在这个人人担忧饭碗的时代，她认为哪些人是不可或缺的？请谈谈你在组建团队时，会着重考察人才的哪些特质？

——是的，我很幸运有大量时间反复实践招聘工作，也总结出一套招募优秀人才的策略。当你要从零到一开拓新领域或新行业时——就像我们正面临的AI与机器人革命——完全依赖过去做过同样事情的人是不可能的，因为根本不存在完全相同的先例。

也许你认识一些制造过上千台机器人的机器人专家，但据我所知，还没有人制造出那种能像我感兴趣的那样在现实世界中自由移动的机器人——因为这种技术尚未实现。所以你必须思考如何组建一个能实现创新的团队。好在机器人领域有个很好的参照系：自动驾驶汽车和无人驾驶车辆。这个领域既包含传感器系统，又涉及大量安全权衡问题，更需要扎实的工程能力——这正是硬核工程的核心。因此我重点研究了该领域。显然，你需要能从头设计机器人的硬核机器人专家。

这些人虽然可能拥有某个领域的学位，但本质上都是复合型人才，是通才。我寻找的一个关键原则是：大量能力极强的通才，他们能将其他领域的所学灵活应用于新领域，并且拥有丰富的实践构建经验。你需要招募两类人：一类是有过构建你正在打造的新事物经验的人，另一类是有过将其他项目规模化经验的人。所以必须考虑这一点。而说到年轻人，莱尼，真正有趣的地方在于：那些天生与AI共生、将AI融入工程流程的"AI原生代"，其实只有20岁、21岁或20岁出头。

我的意思是，很难找到真正完全精通AI的30多岁的人。所以我们需要这些人来教我们如何思考。我有机会和几位这个年龄段的人合作过。他们解决问题的方式完全不同，因为他们从一开始就用AI处理所有事情，而且实际上速度更快，看着他们工作真的很有趣。

所以，关键在于如何让这些AI原住民教会我们其他人——他们如何看待AI。要知道，你我都可以说是数字原住民，我们成长过程中，小时候可能还没有互联网，但我们是第一代真正接触互联网的人，青少年时期就经历了互联网的诞生，也是第一批拥有手机的人。我们这一代很重要，因为我们率先体验了这些。我记得在Stanford读大一的时候，我们第一次有了可以访问的数据库，还能在上面分享电影和音乐，大概就是这些事。但这一切在当时都是全新的，所以我们成了这些技术的原住民，这也给了我们很大的动力去创造新的技术。

但我们必须承认，在这些新技术面前我们并非原住民。你真正需要的是那些充满渴望、热情洋溢且愿意学习的人，他们确实具备这些技能。最后一类人在本播客讨论招聘时是常见趋势，这作为"年轻人再无就业机会"的反叙事非常酷——所有初级岗位都因AI被抹去了。>> 是的，我不这么看。我认为我们需要他们。我也认为我们需要培养新一代技术专家。比如有个显而易见的问题：如果团队里没有资深与初级人员并存会怎样？但实际组建团队时你会发现，两者缺一不可。你必须同时拥有这两类人。

团队规模可能比过去稍微小一点。嗯，当这场硬件领域的AI革命发生时，我不确定这会对团队产生什么影响。这将会非常值得关注。>> 所以我从中听到的是，要寻找那些能够根据需求灵活调整的通才。嗯，需要结合专才与从零到一的扩展能力。然后我听过最贴切的形容是"超强新人"。>> 没错。嗯，本质上就是那些原生AI一代，凡事都以AI为先的人。>> 是的。当然我们还没谈到的是使命一致性，这实际上才是凝聚团队的关键。

因此，如果每位加入者都与使命保持一致，这会有很大帮助，尤其是在人工智能研究人员和硬件工程师的圈子里，由于我们来自截然不同的领域，沟通中常出现误解。因此，确保大家朝着同一方向努力至关重要。此外，伦尼，我非常依赖直觉来判断一个人——前提是我考察的其他条件都已达标。这很难用语言描述，但通常就是你在一个人身上寻找的那种火花：他们真正充满动力，源于对学习的渴望和对卓越的追求。他们乐于向周围的人学习，并愿意根据新信息调整自己的观点。

他们想要赢。我的意思是，这些才是你组建团队时真正重要的东西。

>> 太棒了。好的，再问几个问题。我很久以前就想问的是，你曾与一些最具传奇色彩的成功建设者合作过。比如史蒂夫·乔布斯、乔纳森·艾维、Mark Zuckerberg、山姆·奥特曼。你不需要逐一细说，但能否分享一个从这些人身上学到的、让你印象深刻的经验？先从山姆开始吧，因为最近他特别擅长说：“为什么不能更大？为什么不能是100倍或10000倍？你想得太小了。为什么不把格局放大一点？”每次我们讨论重要事情时，他都会提到这一点。

我意识到，在某些方面我的格局太小，而他着眼的是全球。有一位雄心勃勃的领导者给予推动，我认为这非常有帮助。所以，这是我从他身上学到的重要一课——他愿意大规模投入，愿意以极高的数量级思考问题。这真的是基础性的关键。至于史蒂夫·乔布斯，他为公司、技术人才和卓越标准设定的标杆从未动摇。那个标准始终高高在上，你要么达到，要么达不到。这种精神贯穿了整个公司。

当你是个雄心勃勃的年轻人，听到有人说某些事做得不够好时，这其实会带来极大的激励。我心想，你知道吗，这种话并不会像你想象的那样打击人。如果你对某人说，嘿，这需要改进。比如，你需要在这上面花更多时间，你需要更周全地考虑这个问题，或者这在CAD评审中没达到我们的质量标准——这种话很有冲击力，而且我想你绝不想再听到第二次。所以，这非常、非常能激励人。至于T010，我得说，他把公司经营得非常、非常出色。

所以，公司技术部门的运作方式，包括我们如何开展评审、如何做决策——决策都是在公司尽可能低的层级做出的，以保持速度。嗯，我过去低估了硬件组织与公司其他部门互动的清晰度和高效性。非常明确：这就是我们的目标。嗯，我们要进行这次评审。嗯，我们会在这次评审中做出决定。如果你不需要评审就能做决定，那就直接做。这是这个项目的目标。执行得非常好。我认为，在一家快速发展的公司里做到这一点很难。在那种规模下做到这一点非常困难。

让他和首席技术官安德鲁·博斯沃思参与技术决策，能够阅读可能长达20页的报告，权衡利弊，理解其中的取舍，并能为技术讨论做出贡献。这还只是我那一周遇到的情况，而他们一个月里要处理上百次类似的事情。嗯，这令人印象深刻，也绝对是我从他们身上学到的东西。

>> 多么不可思议的经历，还有各种不同类型的工作场所。我不知道这些地方还能不能有更大的差异了。

>> 我知道。我想这就是为什么我在寻找这种从零到一的机会。当你寻找从零到一的机会时，它通常总会出现在某个不同的地方。

>> 你现在成了自由身，在这个市场上肯定会很抢手。不过另一方面，我想聊聊失败这个话题。我觉得做硬件、做实体产品的人，肯定有不少精彩的失败故事。有没有哪次你做的产品、参与的项目失败了，让你从中吸取了教训？>> 这个问题问得好，但不太好回答。我最难忘的一次失败，其实是在Quest一代项目上。那是在工程验证测试阶段，也就是Quest一代开发到一半的时候。我们发现为了降低成本，把摄像头从五个减到了四个。我们之前也聊过这个。当时需要降价，让更多人买得起。

事情是这样的，当时正值圣诞节前夕，我接到计算机视觉团队负责人的消息，他说："天哪，摄像头的数据出了问题，我们无法锁定使用头显的人的位置。"于是我们调查后发现，他们对规格的理解和我们自己的理解存在差异。在工程领域，我们通常使用正负公差，比如在这个案例中，公差大概是0.15毫米左右。而在他那个领域，他习惯的是全局公差在1.5毫米以内。所以我们对规格的理解完全不同。

现在的问题是，我们对规格的解读导致他无法实现理解头显在空间中位置的目标。因此，我们不得不重新设计。而这时已经到了EBT阶段。也就是说，这基本是工程工作本应完成的时间点。>> 这是试产阶段。>> 它指的是我们首次将所有应完成的组件编译到硬件中。所以是最终组件、最终材料，你正在用未来量产的工具制造这些组件，而非仅靠机加工。所以这至关重要。而我们当时不得不做的是权衡或优先排序。我们原本有四个浮动摄像头。

我们不得不将底部两个摄像头相互锁定，并安装在一个支架上，使它们之间的相对距离符合他要求的规格，然后让另外两个摄像头自由浮动。这算是一次架构上的改动，也是一次失败。我的意思是，这是对规格理解的失败，本质上是产品设计的失败，但根源在于对规格的误解。不过我们最终成功调整了过来。我们实际上按时完成了组装，并如期发货，但过程压力巨大。结果证明，新设计反而更好——因为有了固定配对，空间就有了一个基准真相，另外两个摄像头可以重叠在这个基准真相上。所以最终效果不错。

嗯，我觉得结果还算不错，但过程确实手忙脚乱，当然要是能早四个月发现问题就好了。

>> 这就是硬件开发的典型状况。你没法像软件那样，搞错规格后说"好吧，我们浪费了一周造了个废品"，现在都过去四个月了，还得重新调整硬件供应链。

>> 是啊，确实棘手。

>> 所以最终出货的Quest一代，摄像头位置改成了这样？

>> 对。

>> 哇。

>> 你看，这两颗摄像头的位置比最初设计更靠近，就在Quest正面底部。

>> 博斯和扎克对此什么反应？

>> 我记不太清细节了，这大概说明问题解决了。我们重新设计了方案。

嗯，我们不得不更换支架的材料。我记得得用钢材才能达到所需的公差，不过最终解决了问题，价格和成本以及焊接效果都还不错。所以我觉得我们确实适应了变化。

——那款设备可是史上最畅销的VR产品，对吧？

——我想是的。

——好的。

——我手头没有最终销售数据，不过——

——明白。有点在意。好了，凯特琳，我们聊了这么多。你还有什么想补充的吗？有什么想对听众说的？无论是重申刚才提到的观点，还是分享些新内容都行。

——我认为我们正迎来最激动人心的时代之一。

我认为，对我们所有人，包括我自己在内，对此感到担忧和害怕是正常的。但我也认为，这是一个让人们能够做出非凡成就、取得巨大进步，并且作为个体能够比以往任何时候做得更多的机会。这就是我试图拥抱的一面。这些新工具、这种新的工作方式确实令人畏惧，但如果你拥抱它，每天使用这些AI工具，并将其应用到你的工作中，你就能在未来的任何变革中走在最前沿。

所以我只想鼓励大家发挥创意，善用这些工具，享受其中的乐趣，探索它们的边界。每当新模型问世时，要再次测试，因为了解我们面对的是什么、边界在哪里至关重要。不过，我也从未像现在这样对个人能力感到如此兴奋。

——好的，凯特琳，我们进入了激动人心的快问快答环节。我有五个问题要问你，准备好了吗？

——准备好了。第一个问题：你经常向别人推荐哪两三本书？

——我最近主要在读经典作品。《新日之书》是一本很棒的小说，我强烈推荐。我想书名就是这个。

嗯，我有一阵子没读了。我其实很喜欢《达洛维夫人》。我觉得这是一本关于变迁的很有趣的书，而且是弗吉尼亚·伍尔夫写的战后作品。所以我真的很喜欢它，觉得它非常棒。嗯，我觉得希罗多德的《历史》也相当了不起。他有很多错误，但这也是第一本历史书，而且在很多情况下，他亲自去寻找第一手或第二手的记录来记述事件。这是一种观察世界的方式，让我们看到一个与现在完全不同的时代。这些是我喜欢的一些书，我会再确认一下第一本书的书名，然后发邮件给你。但我觉得就是这个名字。

好的，我们会在节目笔记中链接到正确的版本。

嗯，你最近特别喜欢哪部电影或电视剧？>> 我最近特别迷《亢奋》，就是新出的那季。我对里面的角色很感兴趣，想知道他们接下来会怎样发展。>> 这剧每次看都让我特别紧张。>> 其实它就是个情节剧。你得把它当肥皂剧看才有趣，要是太较真反而没意思。>> 明白了，这建议挺有用。那最近有没有发现特别喜欢的商品？可以是硬件、应用、衣服或者小工具。>> 我特别喜欢Volibac这个牌子的衣服。他们做的衣服很有意思，基本上是用材料科学来设计新服装。

他们用新型材料科学制作成衣服。嗯，这是个很有趣的品牌，值得关注。 >> 品牌名是V O L L E B A K，缩写为Vol. >> 非常酷。你工作或生活中有什么常想起的人生座右铭吗？ >> 你见过那种分叉的树枝吗？就是这里有很多枝杈，你站在这个点上，从这个点又延伸出更多枝杈。 >> 是的。 >> 你知道这是谁说的吗？我不知道是谁。嗯，我经常思考这个，因为人很容易困在对未来或过去的执念里，很难真正活在当下。我也有这个问题。但这句话是个很好的提醒：你每天都可以重新选择，每天都能决定自己想做什么。

有时候事情并不如你所愿，有时你会后悔自己做过的事，有时你会为自己做过的事感到自豪，但这些其实都不重要。真正重要的是你眼前的一切。

>> 我们会在你说这句话时在屏幕上展示那张图片，或者在节目笔记中附上链接。这太有力量了。最后一个问题。一位非常了解你的人分享了一个关于你的有趣细节：你曾聘请一位博士来辅导你学习古希腊和古罗马的经典著作，并且对这些内容非常痴迷。这是怎么回事？是什么驱使你对这些事情如此深入钻研？

这听起来像是那种极度书呆子的领域，但我发现了一份诗人约瑟夫·布罗茨基列出的清单，上面是英语中应该读过的书籍，以便进行有深度的英语对话。这份清单有点矫揉造作，你知道的，它很苛刻。比如《旧约》、《吉尔伽美什》，然后一路列下去。但我发现，它很好地浓缩了我们过去所谓的西方经典。实际上，我在公立学校和大学里学到了很多，但我从未真正从你所谓的西方经典中学到东西。所以，除了这些，清单上还有一些更新的书籍。

我觉得有东西可以钻研真是太有趣了。我发现，当我深入研究悲剧，尤其是希腊悲剧时，我缺乏足够的背景知识来学习我想了解的内容。仅仅阅读它们，我吸收得不够。所以我找到了一位非常出色的博士后，他愿意辅导我。我可以问他所有这些问题。他就像一本百科全书，无所不知。我可以问他，在我们读的这部希腊悲剧发生时，土耳其发生了什么，雅典又发生了什么，以及这位悲剧作家可能是在回应什么。他都能回答。拥有这样一个可以探讨的对象真的很有趣。>> 太酷了。你这么做真的很酷。

尽管人工智能可以做很多事情，但有时与真人交谈会更有趣，感觉也更好。

>> 是的。我发现阅读和与人工智能交流在基础层面非常有帮助，但要理解文化背景以及作品的意义，人工智能还不够充分。

>> 这是因为我们……我们并不是二十多岁的人。

>> 我不认为这是错的。我们只是没有以这种方式成长。而且我想，大学生们可能会想，我为什么要那样做？我只需要……

>> 是的。

>> 太酷了。我喜欢这样。嗯，这真是太棒了。你太厉害了。如果人们想在网上找到你，或者想联系你，甚至想雇佣你，他们可以去哪里找你？

那么，最后一个问题，听众们能如何帮助你？

——我有个网站，就是我的名字.com。我也在领英上。嗯，大家其实可以帮到我。我觉得，帮助塑造未来这件事，不是一个人的游戏，而是需要多人协作的。我们要一起想清楚：我们想要什么样的未来？希望它呈现什么样子？人类在这个未来中该扮演什么角色？以及我们真正想为自己保留些什么。

嗯，我们该如何提升自我？现在这个反乌托邦的困境里，一切似乎都显得——你知道的，未来令人恐惧。要摆脱这种局面，就得主动设计自己的未来，想清楚我们期望的未来图景，通过小说、文学和对话描绘出蓝图，然后去实现它。我认为这是可行的。

我很喜欢这个观点，最近几期播客节目里也传递了类似的信息。这确实是个很好的提醒。凯特琳，非常感谢你来做客。

非常愉快，兰尼，谢谢你的邀请。

各位听众，感谢你们的收听。如果觉得本期内容有价值，欢迎在T134播客、Spotify或你常用的播客平台订阅我们的节目。

此外，如果您能为我们评分或留下评论，将极大帮助其他听众发现我们的播客。您可以在lennispodcast.com找到所有往期节目或了解更多播客信息。下期节目再见。