面向 AI 工程师的播客：模型、基础设施与研究动态。Swyx 与朋友们用从业者视角拆解落地与前沿。
AIUC 宣布 4000 万美元 A 轮：用「标准（AIUC-1）+ 保险（Lloyd’s 等）」做前沿 AI 的置信基础设施——绑定约束已从能力转向风险与信任；从 Anthropic 早期到 Waymo「能开却难部署」的隐喻，到 agent 季度红队、模型层政府—实验室信任缺口、版权逆向选择与 AI 工程师认证，Ru
NLP 元老 Richard Socher 创办 Recursive（高额种子轮）：押注递归自我改进与「尤里卡机器」——让 AI 自动化 AI 研究本身；早期 NanoChat/NanoGPT/CUDA kernel 结果宣称胜过人类及其 agent；同时批判硬暂停算力、质疑 Constitutional AI 有效性
Anima 主张物理世界需要带结构的神经算子而非硬套语言模型缩放：FourCastNet 等在开源气象数据上逼近传统数值预报；傅里叶/球面谐波先验让长 rollout 稳定；聚变等离子体数字孪生可快百万倍；TorchLean 把网络写入 Lean 做形式化边界——目标是多物理场基础模型与反问题设计，并在联合国科学顾问角
生成式智能体作者 Joon Sung Park 创办 Simile：从 Smallville 走向行为基础模型与社会尺度模拟——用数字孪生做反事实，而非只做点预测；并讨论 80 亿人模拟的成本、评估与市场。
Chai Discovery：生物 AI「相位转移」——当模型异常其实在揭示数据/评估问题；从预测工具走向可驱动实验的系统，关键是数据质量、闭环与可信任评估。
Baseten 双人谈推理工程：专有部署、推测解码、量化、并行与 mega kernel，以及视频/扩散等多模态服务——下一阶段 100× 可能来自推理栈而非只扩预训练。
OpenAI 的 Akshay Nathan 讲 Codex 到 ChatGPT Work：共享 agent harness、Artifacts/站点产出、记忆个性化，以及如何用「优质打席」而非空转衡量 AI 生产力。
Poolside 的 Eiso Kant：模型工厂观（90% 工程）、开权重生态、编码 agent harness，以及批评幼稚工具协议——在算力供应链约束下仍要催生更多基础模型公司。
Xaira：虚拟细胞与药物发现要因果模型，就需要因果扰动数据；当前测序常杀死细胞，活细胞时间分辨测序才是真正「魔杖」。
Lila Sciences：互联网数据如已开采化石燃料，实验室才是无限 token 生成器——把湿实验建成「数据中心」，用可验证实验室奖励做科学超级智能；模型即产品，而非传统 biotech 管线。
