本期节目邀请拜耳公司数据科学与AI解决方案副总监Vaithi Bharath，深入探讨制药行业临床研发中的周期延迟问题。他指出，许多研发延误并非来自AI或分析本身，而是系统和流程问题——包括碎片化的工具、缓慢的系统交接、以及验证门槛导致的重复工作。临床数据生命周期涉及EDC、CTMS、安全数据库和统计编程环境等多个系统，数据从受试者站点到最终提交需要经过四到五次系统交接。由于各系统间缺乏集成，数据格式转换、变量映射和人工协调会消耗大量时间。即使是微小的系统变更，在受监管环境中也会触发冗长的计算机系统验证流程，导致团队只能容忍低效的变通方案。Bharath建议，在不替换已验证系统的前提下，通过API在现有工具上叠加引导式可解释工作流，保持人工审核环节，同时建立审计就绪的追溯链。AI可以快速完成SDTM和ADAM数据映射等常规任务，但必须由统计人员审核确认。这种方式既能缩短数据库锁定时间，又能提高跨研究的一致性和质量。
本期节目邀请到SAP与AI领域专家Christopher Carter，探讨中小企业如何正确采用AI技术。Christopher指出，MIT报告显示高达95%的AI项目未能产生实际商业价值，原因在于大多数企业仅将ChatGPT等工具当作生产力软件，而非基础设施进行战略部署。他强调，中小企业采用SAP等企业软件时，应先制定清晰的AI战略路线图，而非盲目尝试。数据质量是关键——未经清理的历史数据可能导致AI给出错误答案，甚至造成合规风险。Christopher还介绍了同态加密在保护AI数据安全中的应用，以及持续评估和更新AI系统的必要性。对于想要真正从AI获益的企业，他建议：停止盲目部署，建立战略规划，组建小团队进行实验验证，确保数据干净，并保持对新技术如GenAI的关注。
NVIDIA在2024年通过67笔风险投资交易大规模布局AI领域，涵盖OpenAI、Anthropic、Mistral AI、Figure AI等明星公司，投资规模从100万美元到100亿美元不等。这一战略的核心是构建"资金循环"——被投公司使用NVIDIA GPU训练AI模型，购买资金最终又流回NVIDIA形成闭环。NVIDIA通过持有这些AI企业的股权扩大生态影响力，同时依靠硬件销售获取双重回报，悄然将自己定位为AI时代的"卖铲人"。
OpenAI正在押注音频AI领域，计划约一年后推出音频优先的个人设备，标志着屏幕正逐渐淡出、音频成为新主流界面。Meta在Ray-Ban智能眼镜上添加功能，采用五麦克风阵列隔离噪音环境中的语音；Google开始测试音频概览功能；Tesla则将XAI的Grok集成到车辆中打造语音助手。与此同时，Humane AI Pin烧掉数亿美元后成为警示故事，Friend AI吊坠等初创公司仍在追逐同一理念。OpenAI预计年初推出新的音频模型，设计更人性化、能处理中断。Johnny Ive与OpenAI达成6.5亿美元收购IO的合作，正致力于打造减少设备成瘾的screenless设备。
拜耳作物科学公司利用人工智能为农民提供本地化的农艺建议。核心挑战在于每块田地都各不相同——即使在很小范围内，土壤成分、耕作方式和气候条件也存在显著差异。拜耳的方法侧重于理解“基因×环境”的相互作用，即不同作物品种在特定本地条件下的表现。他们开发了一款名为ELY的工具，以邮政编码数据为起点，允许农民输入关于田地、病虫害和挑战的更详细信息。系统通过综合基因、环境和病虫害数据，提供个性化的产品推荐。这是对人类专业知识的增强而非替代——农艺师和销售代表仍然不可或缺，但人工智能帮助他们扩大知识覆盖范围并提供更优质的建议。该技术不受规模限制，既可为拥有数千公顷的大型商业农民服务，也可通过手机为发展中国家的中小农户提供帮助。
2026年，“中间层"正在消失。AI蒸发掉了那些曾让无数人建立职业生涯的重复任务——协调、汇报、会议准备、跟进邮件。以曾任职德勤的Becky为例，她仅用周末借助AI重建了整套咨询系统，此前这需要三人团队耗时六周。“努力=价值"的旧公式已失效——忙碌不再是优势，而是警示。AI取代中间层，人类应站在两端：前端判断决策，后端决断执行。
NVIDIA宣布以200亿美元从AI芯片初创公司Groq获得技术许可，这是该领域规模最大的许可协议之一。Groq自主研发的LPU（语言处理单元）声称比传统GPU快10倍，能耗却仅为其十分之一。此次交易采用非排他性许可协议，NVIDIA还将聘请Groq创始人Jonathan Ross及部分核心员工加入团队。为规避严格的监管审查，交易特意避开正式收购形式。早期投资者Social Capital在2017年以1000万美元种子轮获得约30%股权，按照此次200亿美元估值，其股份可能获得30至40亿美元回报，8年投资回报率高达50至65倍，成为该交易的最大赢家之一。
进入2026年，销售团队面临一场清算。数据显示95%的企业AI试点项目对损益毫无贡献，根源在于大多数公司把AI当作工具直接交给销售员，却忽视了真正的效率杀手——行政负担。优秀销售员每周仅28%时间用于真正销售，其余70%耗在数据录入、会议准备、寻找资料等琐事上，这是对人才的浪费。作者提出"AI分化"概念：95%的公司试图用AI替代人工发送邮件和联系客户，结果产出大量垃圾信息；5%的"未来建造者"则把AI当作团队成员，用它来完成研究、清理数据、准备策略，让人类专注于建立信任和关系。作者警告，试图用AI取代顶尖销售员会导致人才流失，而Gartner预测到2030年75%的B2B买家在复杂交易中仍偏好人与人互动。真正的效率来自用AI承担一半行政工作，从而成倍放大销售能力，而非裁员。本期作业是让团队列出每周必须做的无创意、无同理心、无策略的任务——这些就是首个AI代理的职责所在。
本期节目探讨Claude是否达到AGI水平，AI变革管理策略，Nvidia-Groq交易的影响，Meta收购Manus的意义，Yann LeCun对AI未来的观点，以及OpenAI正在准备的AI设备。分析AI技术快速发展对各行业的影响和未来趋势。
Peripheral Labs 正在用自动驾驶技术颠覆体育观赛体验。该公司利用 AI 和计算机视觉开发容积视频技术，将传统上百台摄像头的需求降至仅 32 台，大幅降低了制造成本。公司成立于 2024 年，由前多伦多大学自动驾驶团队成员 Kelvin Q 和 Mustafa Khan 联合创立，近期完成 360 万美元种子轮融资。借助这项技术，观众可以多角度观看体育赛事，还能获取球员关节活动等生物力学数据，为广播商和球迷带来全新的互动体验。目前公司正与多支北美球队和联盟洽谈合作。