开场：疫情后重返美国，聊聊硅谷现状

主播朱峰介绍本期主题和两位新嘉宾：江昪刚从美国参加 Google Cloud Next 大会归来，橘子是 Twitter 上的 AI 领域 KOL。

Google Cloud Next 大会见闻：AI 无处不在

江昪分享大会见闻：几乎所有展台都强调与生成式 AI 的整合，连 Redis 这样的底层数据库都在蹭 AI；咨询公司成为最大展台，因为传统企业需要他们来梳理 AI 整合方案。

Google 的 AI 布局：优势与隐忧

橘子分析 Google 的优势：Transformer 发明者、数据多，但内部整合慢、未 All-in。主播朱峰指出 Google 的策略是深度整合云服务。

开发者如何应对大模型成本？

江昪分享与 Google 前员工的对话，建议开发者早期直接调用云 API 快速试错，用户量大了再考虑本地部署。讨论 AI 下云是否可能。

Llama 3 发布与开源闭源之争

嘉宾讨论 Llama 3 的里程碑意义，以及开源与闭源模型的优劣。橘子认为开源社区技术已无差异，江昪强调闭源模型的数据壁垒。

数据壁垒：高质量数据是真正的护城河

江昪指出 OpenAI 等公司拥有庞大的数据抓取和标注团队，甚至抓取微信公众号数据，高质量数据是开源模型难以企及的。

企业私有化部署与数据安全

讨论企业因数据隐私和法律问题，倾向使用开源模型进行私有化部署，如心理行业。橘子提到已有成熟的服务商。

GPT-5 难产与行业天花板

橘子分析 GPT-5 难产可能因效果未达预期，其表现将决定行业投融资上限。传言推理能力将大幅提升，但其他方面进步有限。

Character.AI：情感陪伴的另类成功

江昪介绍 Character.AI，由 Transformer 作者创办，主打情感陪伴，技术团队自研大模型，优化推理效率，日活超 500 万。

Character.AI 的商业化与 Perplexity 的体验

橘子补充 Character.AI 商业化保守，仅靠订阅费。江昪分享自己常用的 Perplexity，其联网搜索+RAG 模式体验良好。

疫情后的美国：FOMO 与自信

江昪分享美国之行的感受：硅谷充满 FOMO 情绪，人人谈论大模型；美国人的自信源于人才吸引和开放氛围。对比中国大厂的内卷。

开放与封闭：通往 AGI 之路

嘉宾讨论 Meta 开源 Llama 3 的意义，扎克伯格坦诚态度获好评。一致认为通往 AGI 需要开放，而非封闭。江昪预告掘金开发者大会。