机器人禁令、Zuck 公开信与硬件创新浪潮
—— TVPN 多维度对谈深度解析
2026 年 7 月 29 日的 TVPN 是一次少见的跨领域对谈。美国联邦通信委员会（FCC）刚刚宣布禁止中国人形机器人进口，Mark Zuckerberg 在同一天的《华尔街日报》上发表公开信呼吁加速 AI 发展。节目邀请到的五位嘉宾——Bloomberg Odd Lots 主播、两家硬件创业公司 CEO、DoorDash 联合创始人、Replit CEO 和一位 YC 出身的提示词路由器创始人——恰好覆盖了从地缘政治到平台经济、从硬件制造到 AI 工具的完整光谱。
本期核心议题
机器人禁令：一项没有"既得利益集团"反对的禁令
2026 年 7 月 29 日，FCC 宣布禁止新进口外国制造的人形机器人和四足机器人（机器狗）。FCC 主席 Brendan Carr 表示此举旨在 "secure America's critical supply chains"——保障美国关键供应链安全。中国随即谴责该决定为保护主义。
这次禁令有一个非常特殊的背景：中国在人形机器人领域建立了压倒性的领先优势。根据美联社的数据，2025 年全球共出货约 15,000 台人形机器人，其中中国的宇树科技（Unitree）和智元机器人（Agibot）各交付了约 5,000 台。相比之下，包括 Tesla 和 Figure 在内的美国公司，每家仅出货几百台。中国估计控制着全球人形机器人市场约 85% 的份额以及大部分深层供应链。
节目中几位主播提出了一个关键的观察：这项禁令针对的是一项如此早期的技术，以至于没有企业联盟站出来反对。这与对中国 LLM 可能出台的禁令形成了鲜明对比——大量云服务商已经在从中国 AI 模型上赚钱，他们会强烈反对任何限制措施。但人形机器人领域还没有形成这样的既得利益集团。没有人会说："我造不了我的汽车了，因为没有 Unitree 的机器人。"
禁令预计将为 9 月份习近平与特朗普的会晤增添新的紧张因素。节目中讨论了一个可能的方向：Waymo 模式。Waymo 从中国采购大部分零部件，但在美国组装，所有软件由 Alphabet 掌控——以此维持可控的网络安全姿态。这可能成为人形机器人领域的一种参考路径。
Zuckerberg 的公开信：挑战 AI 末日叙事
同一天，Mark Zuckerberg 在《华尔街日报》发表了一篇引人注目的公开信，主张美国应该加速 AI 发展，而非限制它。他直接挑战了 AI 行业中以"末日论"为核心的叙事方式。
"It is surprising that the discourse from many of those who are developing artificial intelligence is so filled with doom. I don't understand why anyone who believes that AI will eliminate most jobs and much of humanity's relevance would rush to build that future." — Mark Zuckerberg, Wall Street Journal, 2026 年 7 月
Zuckerberg 的论点核心是：历史上，人类每次面对变革性技术时都伴随着恐惧，但每次都以更多人分享更大的繁荣、健康和自由而告终。他相信 AI 也是如此——"the abundance of the future can be shared by everyone"。
但节目中 Joe Weisenthal 也指出了一个有趣的问题：Zuckerberg 是传递这种乐观主义的最佳信使吗？一方面，Meta 每月在 AI 上花费超过 10 亿美元，部署给万名员工使用，Zuckerberg 确实比大多数人更清楚 ROI 层面的真实情况。他没有在 2019 年没人关心 AI 的时候就去播客上谈 AI 末日，因此他可以站出来说"这会很棒"。
另一方面，普通人对社交媒体的态度已经全面恶化——从伤害青少年心理健康到消耗注意力——Zuckerberg 作为信使背负着天然的包袱。Weisenthal 提出了一个发人深省的对比：一边是做了十年 AI 研究、对风险保持警惕的"末日派"；另一边是三年前还在全力投入元宇宙的人——如果你只用直觉判断，你更可能相信谁？
开源模型公开信：签署顺序背后的商业逻辑
Joe Weisenthal 对近期业界关于开源模型的公开信签署动态进行了犀利的分析。他的核心观察是：签署顺序精确地反映了各公司的商业利益。
第一批签署者有三个特征：要么是在 AI 竞赛中落后于前沿的公司（Microsoft、Meta），要么是担心客户过于集中的供应商（Nvidia），要么是担心将来要给最先进的模型交"税"的应用层公司（ServiceNow 等）。Nvidia 的噩梦场景是：一两个实验室远远甩开其他竞争者，形成近乎买方垄断的局面——到那时，这些客户不仅议价能力极强，而且已经在自研芯片、与多家芯片商合作，主动降低对 Nvidia 的依赖。
"I think we're really not psychologically or sort of as an economy really equipped to think about what if one or two of these companies just runs away with it." — Joe Weisenthal, Bloomberg Odd Lots
最后签署的是 OpenAI 和 Alphabet——它们接近前沿但可能仍落后于最先进的模型（如 Anthropic 的 Fable 5）。Apple 和 Amazon 则迟迟未签。Ben Thompson 的分析是：这两家公司拥有庞大的实体业务——仓库、硬件产品——因此对 AI 颠覆的焦虑相对较小，反而可能从开源模型中获益。
资本支出的无底洞：没有人能看到尽头
节目中最令人不安的经济讨论围绕 AI 行业的资本支出展开。当前的局面是：投资者看不到自由现金流恢复的日期。没有人能自信地说出 Alphabet 或 Microsoft 何时会停止烧钱。
韩国芯片股——包括 SK Hynix——在过去三周遭受重创，尽管 SK Hynix 的季度利润同比增长超过 500% 并创下纪录。这是一个典型的"定价到完美"的案例：预期如此之高，以至于任何风吹草动都触发抛售。
Dwarkesh Patel 的最新博文提出了一个更加令人担忧的可能性：计算价格可能不降反升。过去两年，token 价格从 GPT-3 时代暴跌了 99.9%，人们逐渐把这当作一条铁律。但存储芯片的历史提醒我们：被认为只降不升的东西，是可以逆转的。如果计算成本大幅上涨，我们当前用 AI 做的几乎所有经济行为都可能变得不再划算。
最可怕的是，即便流血不止，你也没有退出的选项。Weisenthal 的框架是：如果你停止投入，你的竞争对手会造出更强的模型——然后从网络安全层面摧毁你。这不是一个可以"选择退出"的游戏。
AI 话语的战场：从一条推文到白宫政策
Weisenthal 分享了一个关于 AI 话语传播路径的深刻观察：整个关于中国开源模型的政策辩论，几乎可以追溯到一条推文。有人说 Kimi 3 在前端设计上表现得极好——这条推文"结晶化"了所有人的认知：中国开源模型已经追上了最先进的前沿模型。从那一刻起，一路演化到白宫和各公司必须就开源模型表态。
这种动态引发了一个有趣的反身性问题：每次新模型发布后，"我在 XX 模型上工作了 8 小时，从没见过开源模型这么强"的推文获得 2000 次转发——然后影响市场，再然后影响政策。Weisenthal 的建议是：也许我们都应该少刷 Twitter，多读 benchmark 报告。
节目也触及了社交媒体成瘾的话题。主播们坦承：当你的工作就是社交媒体时，"成瘾"与"工作"的界限变得模糊。最难的不是完全断网或全天在线，而是中间地带——有太多东西需要回应，太多问题等着你的观点。但拥有多种输出渠道（播客、文章、推文）是一种保护，可以在不同形式之间转移，避免陷入单一渠道的焦虑循环。
eBay 蟑螂骚扰案：当公司人格化走向极端
节目用 eBay 的荒诞故事作为对社交媒体时代"互联网仇怨"的警示。David 和 Ina Steiner 夫妇自 1999 年起运营电商博客 EcommerceBytes，为 eBay 卖家发声。2019 年，他们发表了批评 eBay 的文章。
eBay 时任高管的反应超乎任何人的想象。CEO Devin Wenig 发短信说应该 "crush the Steiners" 并 "take her down"。随后，eBay 员工向 Steiner 夫妇邮寄了活蟑螂、血腥猪头面具、葬礼花圈、一本关于"丧偶后如何生存"的书，并在网上发布帖子邀请陌生人到他们家进行性行为。员工还专门飞到马萨诸塞州跟踪骚扰这对夫妇并破坏他们的住所。
刑事后果来得很快：2020 年，7 名员工被判 1-5 年监禁；2023 年 eBay 认罪并支付了 300 万美元的刑事罚款。民事和解更为惊人：夫妇获得 4800 万美元赔偿，eBay 另支付 600 万美元给慈善机构，Wenig 个人支付 100 万美元给以 Ina Steiner 命名的言论自由慈善基金。总计 5800 万美元。
这可能是商业史上最昂贵的"网络差评报复"。正如主播们所说：终极 Streisand 效应——如果没有这场骚扰，没人会听说 EcommerceBytes 或他们对 eBay 的批评。
Chip：$15,000 的电动"第二辆车"
Jameson Detweiler 带着 Chip 的原型车来到演播室，展示了这款定价 $15,000、四座、最高时速 25 英里/小时、续航 100 英里的低速电动车。Chip 的定位非常精准：不是替代你的通勤车，而是成为理想的"第二辆车"。
"The American love affair with the car is dying. Everything's too expensive." — Jameson Detweiler, Chip CEO
Detweiler 的观察是：传统汽车市场正在经历一场杠铃效应。曾经，"一辆车表达一切"——四门、大马力、V8 发动机。但标准通勤车变得越来越同质化（Model 3 格式），而"第二辆车"市场正在被打开——它可以是完全不同的表达方式。
Chip 在自主驾驶方面采取了与众不同的策略：不是 FSD（全自动驾驶），而是自动泊车。"Chip 开起来很有趣，但停车从来不是。"当前阶段，Chip 通过远程人工操控实现无乘客时的低速行驶——一辆可以自己去停车、自己回来接你的车。这是一个更安全、监管更友好的渐进路径：先在无乘客时验证安全性，再考虑载人，最终实现完全自主。
最引人注目的是 Detweiler 对公司定位的描述：
"In a lot of ways, I think of us more like a sneaker and culture company than I do about a car company." — Jameson Detweiler, Chip CEO
这种定位是有意为之的防御策略。Paul Graham 曾建议硬件创业者：设计要大胆到让 Apple 无法复制。Chip 的策略恰好如此——即便竞争对手掌握相同的供应链，完成这样的品牌转型对传统汽车公司来说代价太高。
DoorDash Air：当无人机配送不再是科幻
Stanley Tang（DoorDash 联合创始人兼首席产品官）在节目中宣布了 DoorDash Air 的重大里程碑：获得 FAA Part 135 航空承运人认证。这意味着 DoorDash 成为美国第 8 家可以合法进行商业无人机配送的公司。
DoorDash 花了近 8 年时间才走到这一步——但 Tang 认为，现在是无人机配送真正起飞的"完美时刻"。三大因素同时汇聚：AI 模型的能力突破（5 年前不可能的任务现在模型可以处理）、硬件进步（NVIDIA Thor 等芯片可以在设备端运行强大的 AI 模型）、以及 8 年积累的运营经验。
Tang 特别强调了一个容易被忽视的点：无人机配送不只是让飞行器飞起来——那是最简单的部分。真正的挑战在于构建端到端系统：Smart Scale（智能秤，验证订单重量是否符合无人机限制）、不同商户取货场景的感知系统（独立店 vs 商业街 vs 屋顶）、消费者交付的精确坐标定位、以及将无人机与 DoorDash 的现有市场网络无缝集成。
"What we see now is probably the dumbest version of what you'll ever see." — Stanley Tang, DoorDash 联合创始人 & CPO
与 DoorDash 13 年前在 Palo Alto 郊区起步的哲学一脉相承，Tang 再次选择了"反直觉"的路线：无人机最适合郊区，而非密度最高的城市中心。独栋住宅是完美的投递场景（前门廊或后院），3-10 英里的范围，无需等红绿灯。一杯咖啡可以在 15 分钟内送达——而之前可能需要 45-60 分钟。未来的 DoorDash 是一个多模式系统：无人机负责郊区独栋、Dot 机器人走平坦路面、人工 Dasher 处理高层公寓和复杂订单。
Replit 的"后提示词时代"
Replit CEO Amjad Masad 带来了关于 AI 工具演进最令人兴奋的更新。Replit 新推出的设计产品正在进入他所谓的"后提示词时代"（post-prompting world）。
"We talk a lot internally about the post-prompting world... I think we're entering a period where prompting is no longer needed." — Amjad Masad, Replit CEO
这个概念的背后是一个深刻的洞察：大多数人并不擅长 prompt。从写代码（最底层的表达方式）到写 prompt（更高层但仍然底层），人们真正需要的是指定意图——"我想要我的销售线索在 5 分钟内得到回复"——然后由 agent 自己去解决。Replit Design 通过"环境智能"（ambient intelligence）实现这一点：用户从 Mobbin 情绪板中拖拽灵感、点击生成变体、逐步"点"出想要的设计——全程不需要写一个 prompt。
Masad 特别提到了 Kimi K3——一个来自中国的开源模型——在前端设计上表现出色。他说这是第一个真正"思考设计"的模型：如果你读它的推理轨迹，它实际上在思考页面结构、布局和美学。这种能力对于非设计师来说尤其重要——大多数人有品味，但缺乏表达品味所需的语言。
Replit 的企业增长同样引人注目。企业客户说这是他们用过"最有影响力的工具"——不是那种省 10-15 分钟的工具，而是能将整个工作流程从每周 20 小时降到 0 的工具。企业还在要求用户和组级别的模型粒度控制：让设计师用 Kimi、前端用另一个模型——这个趋势直接推动了对模型路由器的需求。
Weave：让 AI 算力不再浪费
节目的最后一位嘉宾 Adam Cohen 是 Weave 的 CEO，公司刚获 Standard 领投的 1350 万美元融资。Weave 解决的是一个正在迅速扩大的痛点：AI token 成本优化。
核心洞察很简单：Opus 4 之后，人们发现并非每个任务都需要最好的模型。编码占了 AI 支出的 80%，但大部分编码任务并不需要最前沿的智能。Weave 构建的提示词路由器插入到 Claude Code 和 Codex 等工具的工作流中，以近乎零延迟的速度将每个 prompt 自动路由到最具成本效益的模型。结果是部分公司节省了高达 80% 的成本。
Cohen 的目标市场很明确：企业 CTO。初创公司即使每个工程师每月烧 $5K-$10K 的 token，通常也不太关心优化。但大企业不同——他们已经看到员工每月花费 $10K-$20K 的案例，并且对大 AI 实验室的"token maxxing"策略产生了深刻的不信任。Weave 正在从路由向微调演进：用户可以对路由结果提供反馈，未来可能实现 per-organization 级别的强化学习微调。
AI 能力的边界：更尖的尖刺 vs 更窄的通用性
节目最后触及了一个正在升温的辩论：AI 模型是否真的在向通用智能迈进？剑桥大学进化精神病学博士 Adam Hunt 最近从看多转为看空，他的论点是：最近的模型"没有变得更通用，反而更不通用"。他在一篇广为流传的帖子中指出，优化代码和网络安全等特定商业应用，可能正在缩小模型的广泛能力——语言输出质量相比 O3 大幅下降。
但节目中也有强有力的反方观点。正如 Tyler 所指出的：我们只是选择不优化社会推理——不是模型做不到，而是社会推理的商业价值不够大。象棋 Bench 的案例很有说服力：GPT 5.5 和 Gemini 3.1 Pro 的 ELO 刚过 1000（远未超人类），但让模型自己写一个象棋引擎，它就能达到超人类水平。关键区别在于"模型自己做"和"模型写代码让工具做"——这两者在本质上是一回事。
Replit 的聊天室中有一个故事完美地回应了这场辩论：一位用户分享说，两年前他欠债 $50,000，在餐厅遇到企业主就用 Replit 实时给他们做产品，最终靠此摆脱了债务。Masad 愤怒地指出：AI 的叙事被彻底扭曲了——政客和辩论在谈失业和支出，但这些赋权故事从未被讲述。
"I've never trained a machine learning model. Now I'm training models... There's nothing I cannot do." — Amjad Masad, Replit CEO
Joe Weisenthal 在节目结尾提供了一个平衡的视角。他承认大家都"doom 得太厉害"，但也提醒说，我们通常对未来的预测都很糟糕。AI 正在催生一些出人意料的积极副产物：人们开始重新阅读哲学、重新创作音乐。他建议对"右尾场景"——那些事情变好的可能性——保持开放心态，同时不放松对垄断和网络安全风险的警惕。