1Podcast入門EN
Genspark's Bet: AI Agents Become the Users of Software | Wen Sang
Wen Sang 介紹 Genspark 如何透過「第二腦」與混合 Agent 架構，讓 AI 取代人工處理重複工作。公司從零開始開發硬體與軟體，並推出首款硬體會議記錄器，讓使用者只需口述即可自動整理會議內容。
Chain of ThoughtConor Bronsdon
Podcast ・ 國際 ・ 英文 ・ B 級 ・ 15 筆內容 ・ 最近更新 2026/09/24
AI agent 與基礎設施
最受歡迎
依人氣
- 2Podcast進階EN
11 Cameras, Dozens of Mics: The AI That Reads the Room | Tormod Ree, Neat
Tormod Ree 介紹 Neat 公司如何將 11 台以上攝影機與數十個麥克風整合，利用電腦視覺技術分析會議現場的參與者、互動與視線，使會議系統從被動記錄轉變為主動參與者。
- 3Podcast進階EN
Thomson 1: The New $40M Legal AI Model | Thomson Reuters Joel Hron
Thomson Reuters 花費約 4000 萬美元研發全新法律 AI 模型，僅用 45 萬美元完成訓練。該公司選擇自研模型而非租用開源模型，以掌握獨特法律資料與專家知識，並透過持續訓練與專家反饋實現知識複利。
- 4Podcast進階EN
The First Fully Autonomous AI Attack is Coming | Kris Lovejoy, Kyndryl
Kris Lovejoy 預測 18 個月內將出現完全自主的 AI 攻擊，無需人工介入即可摧毀企業網路。她指出目前 62% 的 AI 專案仍停留在試點階段，主要原因包括資料整合困難、舊式硬體限制以及缺乏針對關鍵基礎設施的生產級自主系統。
- 5Podcast進階EN
The AI Framework Era Is Over: Why Context Is the Moat | Jerry Liu of LlamaIndex
Jerry Liu 指出 AI 框架時代已過，因為框架無法解決資料品質問題。隨著 Agent 能力提升，資料庫的準確性成為關鍵護城河。
- 6Podcast進階EN
AI Codes: Product Engineers Decide What to Build | Laurie Voss, Arize
Laurie Voss 探討 AI 如何改變軟體開發，從「產品工程師」定義中，工程師需理解使用者需求並指導 AI 生成程式碼。他強調雖然 AI 能快速寫程式，但信任軟體、操作與 tacit knowledge（隱性知識）仍需人類介入。
- 7Podcast進階EN
Parenting Your AI Agents for Best Results | Cisco's Jeetu Patel
Cisco 執行長 Jeetu Patel 在 Chain of Thought 節目中探討 AI 代理的營運與安全。他認為代理像青少年般聰明且無所畏懼，因此傳統靜態允許/禁止規則已過時。
- 8Podcast進階EN
Tuning GPU Performance with AI Agents | AMD’s Anush Elangovan on ROCm 10
AMD 的 Anush Elangovan 介紹了 ROCm 10 如何透過 AI 代理自動調優 GPU 工作負載。他解釋了 Hyperloom 如何利用大語言模型進行效能探索，並透過 GEAK 在保持數值精度的同時最佳化核程式。
- 9Podcast進階EN
Why Context Alone Isn't Enough for Enterprise AI Agents | WisdomAI CPO Kapil Chhabra
本訪談探討企業 AI 代理如何透過「上下文工程」建立信任。Kapil Chhabra 指出，僅有模型不夠，需結合準確性、一致性、治理與可解釋性。
- 10Podcast進階EN
Slack Wants to Be the Context Harness for Code | CPO Jaime DeLanghe
Jaime DeLanghe 介紹 Slack Code 如何將 AI 程式碼代理（如 Claude Code）整合進 Slack 工作頻道，讓團隊能共同審視程式碼並即時開發。
最新內容
依發布時間
- Podcast進階EN
Why Context Alone Isn't Enough for Enterprise AI Agents | WisdomAI CPO Kapil Chhabra
本訪談探討企業 AI 代理如何透過「上下文工程」建立信任。Kapil Chhabra 指出，僅有模型不夠，需結合準確性、一致性、治理與可解釋性。
- Podcast進階EN
AI Codes: Product Engineers Decide What to Build | Laurie Voss, Arize
Laurie Voss 探討 AI 如何改變軟體開發，從「產品工程師」定義中，工程師需理解使用者需求並指導 AI 生成程式碼。他強調雖然 AI 能快速寫程式，但信任軟體、操作與 tacit knowledge（隱性知識）仍需人類介入。
- Podcast入門EN
Genspark's Bet: AI Agents Become the Users of Software | Wen Sang
Wen Sang 介紹 Genspark 如何透過「第二腦」與混合 Agent 架構，讓 AI 取代人工處理重複工作。公司從零開始開發硬體與軟體，並推出首款硬體會議記錄器，讓使用者只需口述即可自動整理會議內容。
- Podcast進階EN
Tuning GPU Performance with AI Agents | AMD’s Anush Elangovan on ROCm 10
AMD 的 Anush Elangovan 介紹了 ROCm 10 如何透過 AI 代理自動調優 GPU 工作負載。他解釋了 Hyperloom 如何利用大語言模型進行效能探索，並透過 GEAK 在保持數值精度的同時最佳化核程式。
- Podcast進階EN
Slack Wants to Be the Context Harness for Code | CPO Jaime DeLanghe
Jaime DeLanghe 介紹 Slack Code 如何將 AI 程式碼代理（如 Claude Code）整合進 Slack 工作頻道，讓團隊能共同審視程式碼並即時開發。
- Podcast進階EN
11 Cameras, Dozens of Mics: The AI That Reads the Room | Tormod Ree, Neat
Tormod Ree 介紹 Neat 公司如何將 11 台以上攝影機與數十個麥克風整合，利用電腦視覺技術分析會議現場的參與者、互動與視線，使會議系統從被動記錄轉變為主動參與者。
- Podcast進階EN
Thomson 1: The New $40M Legal AI Model | Thomson Reuters Joel Hron
Thomson Reuters 花費約 4000 萬美元研發全新法律 AI 模型，僅用 45 萬美元完成訓練。該公司選擇自研模型而非租用開源模型，以掌握獨特法律資料與專家知識，並透過持續訓練與專家反饋實現知識複利。
- Podcast進階EN
Time to Exploit is Negative: AI Broke the Patch Cycle | Dan Lorenc, Chainguard
這段訪談探討 AI 如何讓漏洞發現速度超越修復速度，導致「攻擊時間為負」。Dan Lorenc 指出，隨著 LLM 的普及，攻擊者只需低成本模型即可在分鐘內構建 exploit，而防禦者卻難以跟上。
- Podcast進階EN
Parenting Your AI Agents for Best Results | Cisco's Jeetu Patel
Cisco 執行長 Jeetu Patel 在 Chain of Thought 節目中探討 AI 代理的營運與安全。他認為代理像青少年般聰明且無所畏懼，因此傳統靜態允許/禁止規則已過時。
- Podcast進階EN
Data Federation, Not Centralization, Is What Enterprise AI Needs | Jitender Aswani, Starburst
Jitender Aswani 分享了 Starburst 如何利用資料分佈而非集中化來解決企業 AI 的挑戰。他提到，當資料熵值不斷增加時，集中化架構無法支撐，而分散式架構才能隨之擴充套件。
- Podcast進階EN
You Can't Secure an AI Agent with Software | Charles Guillemet, Ledger
Charles Guillemet 指出，僅靠軟體無法安全地鎖定 AI 代理，因為軟體的許可權與 API 鍵缺乏物理驗證層。他認為，為了確保執行許可權，必須將硬體（如 Ledger 的硬體安全模組）置於系統迴圈中。
- Podcast進階EN
Stop Token Maxxing: Find Where AI Actually Pays Off | Jiaona Zhang, Laurel
Jiaona Zhang 指出企業過度追求 Token 數量而忽略實際產出，導致資源浪費。她介紹了 Laurel 公司如何透過內部產品收集時間資料，將時間轉化為可量化的成果，從而識別高價值工作並最佳化流程。
- Podcast入門EN
Most of the Web Will Never Get APIs for AI Agents | Dhruv Batra, Yutori
Dhruv Batra 指出大部分網頁不會為 AI 代理提供 API，因為這些網站是為人類設計的共享路徑。Yutori 的 Navigator 透過即時編寫 JavaScript 來縮短任務軌跡，比傳統模型快且便宜。
- Podcast進階EN
The First Fully Autonomous AI Attack is Coming | Kris Lovejoy, Kyndryl
Kris Lovejoy 預測 18 個月內將出現完全自主的 AI 攻擊，無需人工介入即可摧毀企業網路。她指出目前 62% 的 AI 專案仍停留在試點階段，主要原因包括資料整合困難、舊式硬體限制以及缺乏針對關鍵基礎設施的生產級自主系統。
- Podcast進階EN
The AI Framework Era Is Over: Why Context Is the Moat | Jerry Liu of LlamaIndex
Jerry Liu 指出 AI 框架時代已過，因為框架無法解決資料品質問題。隨著 Agent 能力提升，資料庫的準確性成為關鍵護城河。
