Podwise

“如果你现在想从一家优质云厂商获取 1024 个 B200，没签三到五年的合同，外加 20% 到 30% 的全合同价值（TCV）预付款，你是拿不到的。” 这也就能理解为什么 Google Cloud 最近业绩那么爆炸了。 不仅卖算力，还一次性锁定了客户未来好几年的长协订单。

Vibe Coding 和 Agentic Engineering，是两个不同阶段。 Vibe Coding 的作用，是大幅降低门槛，让更多人可以快速做出东西。 Agentic Engineering 则是另一层要求。在保持专业软件标准的前提下，包括安全性、可靠性，同时利用 agent 实现数量级的提速。

这可能是今年我听过信息密度最高的一期技术播客。 Reiner Pope（前 Google TPU 架构师，现 MatX CEO）用一整期黑板课，系统讲透了 Transformer 在真实集群上到底是怎么跑的：批处理、KV Cache、内存 vs 计算 Roofline、MoE 稀疏性为什么大胜、API 定价背后的机制，以及硬件限制如何塑造了今天的 AI 进展。

Superhuman / Top 100 AI Tools 23 podwise.ai Turn podcast into searchable notes airtable.com/apppaprA2GXXxB…

我擦，Podwise podwise.ai 排名 23

之前很多人认为 AI 可以把人类工作成本降到十分之一，但随着 agent 的使用增加，账单很可能迅速逼近甚至超过人工成本。

作为一个会议笔记产品，但却不存原始音频，这是什么样的产品设计思路？ “Granola 最早其实存储过原始音频，但这个功能只存在了一周就被砍掉了。 原因很简单：太让人不舒服。它让产品变得沉重、严肃，甚至有点像“用来对付别人的工具”。 他们最后决定只保留文字转录。对他们来说，音频本身不重要，重要的是‘发生了什么’。”

如果一个产品的核心价值只是模型之上的 UI 层，其护城河深度仅相当于复制该 UI 所需的时间（在 AI 辅助下通常只需一周甚至更短）。 除非公司拥有运行时执行权 (Runtime) 或 分发基础设施 (Deployment)，否则单纯的系统提示词（System Prompt）优化无法防御大模型的版本迭代。

关于竞争格局，罗福莉有个判断很有意思： 中美在预训练上的代差基本没了，或者非常接近。 现在真正的战场在后训练和 Agent 框架。 国内大模型团队会加速追赶，因为路径已经清晰 — 就像三年前追预训练一样清晰。 入场券是对标 Claude Opus 4.6 的水平，需要 1T 以上参数的基座模型。

AI token 的需求是近乎无限的，而供给短期严重受限。 谁能最快拿到顶级模型、把 token 用在最高价值的方向，谁就能在这一轮赚到超额回报。 普通人如果不主动冲、不会用，就真的会掉进“永久下层阶级”。