从 Meta 的 Claudeonomics 排行榜讲起——硅谷如何把 token 烧成了新的炫富方式。 深度梳理 token 三段式定价（Input/Cached/Output = 1:0.1:6）、反直觉的「越贵越便宜」悖论、 中国开源模型 50-70 倍价差杀入、OpenRouter 与 Metronome 的中间层生意， 以及一个更大的命题：token 正在成为「电力出海」的新形态，重演大宗商品几千年的所有商业模式。
硅谷101 陈茜系统拆解"太空数据中心"赛道：马斯克、贝佐斯、谷歌、英伟达 × Starcloud 都已经下场， 而地面 AI 数据中心被电力、散热、用水卡到极限。太空给出的三份厚礼是能源、散热、低延迟， 收敛成两条主流路径 ——「在轨边缘计算」和「轨道云数据中心」—— 都还要在监管与成本两面接受严苛考验。
硅谷101 机器人特辑（闭源篇）：从 1961 年 Unimate 在通用汽车工厂上班，到 2025 年 VLA 横空出世，60 年五代基础模型进化一次性串清。 陈茜走访硅谷 Dyna Robotics——成立一年估值 6 亿美元、24 小时叠 700+ 张餐巾 99.4% 成功率的明星公司，听三位华人创始人拆解 VLA 架构、为什么需要"L"、以及"小而精 vs 大而全"的模型哲学。 并梳理闭源世界三大流派的路线之争：Tesla / Figure 的全栈整合、Dyna / Skild / Amazon 的垂直突破、NVIDIA / Google / OpenAI / Meta 的生态平台——本质是三种关于"通用性"的不同赌局。
一位 MLOps community Amsterdam 的现场分享。讲者把 "context engineering" 拆成一个 很哲学的命题：每周一个新模型，你能控制的只有那个 context window —— 怎么往里塞东西， 比模型本身更重要。从 25% 的经验法则、context 的三分法（deterministic / probabilistic / human），到用大脑结构作类比、把 Karpathy 提议的 "markdown 当 memory" 拓展成带衰减 和重要度评分的 wiki —— 最后以一个 5 分钟硬 timer 的对比 demo 收尾。
硅谷101 陈茜 复盘 GPT-5 发布会的「就这？！」翻车现场——SWE-bench 图表错乱、 伯努利效应解错、4o 用户集体抗议——并对谈多位 AI 技术专家解释 GPT-5 的真相： 它不是端到端超级大模型，而是路由器拼接方案，业内戏称「GPT-4.99」。Scaling Law 确实碰壁，下一步突破要靠 RL + universal verifier、多模态/世界模型、或者跳出 Transformer 的 JEPA 等新架构。
Karpathy 在 YC AI Startup School 的演讲：软件 70 年没怎么变，却在最近几年被快速改写了两次—— 从 Software 1.0（代码）到 2.0（神经网络权重）再到 3.0（英文 prompt）。他用一连串类比拆解 LLM： 它像电网、像晶圆厂，但最像停留在 1960 年代的操作系统；它是有一身认知缺陷的"人类幽灵"。 最后落到怎么和它一起工作——部分自治应用、自治滑块、生成-验证循环，以及为 Agent 重写基础设施。
硅谷101 陈茜的 2024 年生成式 AI 年终总结。从 OpenAI 的高层大地震与"12 Days of Shipmas"， 到谷歌 Gemini 2.0、Anthropic 的编码护城河、xAI 122 天建成的 Colossus 集群，再到 Character.AI / Inflection / Adept 三家明星初创被"变相收购"——这一年硅谷 AI 的混乱、 分裂与吞并，以及对 2025 年三条并行路线的判断。
硅谷101 陈茜 2026 年 1 月的一期脑机接口（BCI）行业大盘点。从 Noland Arbaugh 用意念玩《文明 6》讲起，把 Neuralink、Synchron、Paradromics、Blackrock 四家在押的"路线豪赌"和 2025 年涌入的硅谷新秀（Sam Altman 的 Merge Labs、Fred Ehrsam 的 Nudge、Forest Neurotech、SPIRE Therapeutics）一次梳理清楚。穿插的核心专家是 Axoft 联合创始人刘嘉教授——他用"颅骨是音乐厅"的比喻讲清三大技术路线的物理底层，给出"通道数一年半翻一番"的行业摩尔定律，也用"1.3/1000"这个数字提醒大家：Neuralink 也只摸到了大脑表面的千分之一。
