StellaxAmy·自定義 Podcast

成為一名專利代理人需要什麼條件、專利的真正價值，以及為什麼保護自己的創作、理解作品的真實價值這麼重要。Gilles Kepnang 在美國專利商標局（USPTO）擔任審查員長達十年，現在是專注 AI 發明的專利代理人。他帶我們走過完整的專利申請流程、開源與專利策略的根本差異，以及工程師在保護自己程式時最常犯的錯。
🌐 About our guest: https://www.venable.com/professionals/k/gilles-kepnang
📅 Patent Bar on Demand PBOD Office Hours：https://calendly.com/mgillesraoul/pbod-office-hours
💼 Gilles Kepnang LinkedIn: https://www.linkedin.com/in/kepnanggilles/
時間軸
00:00:00 開場與嘉賓介紹
00:01:37 什麼是專利？
00:05:39 開源程式碼與專利保護的邊界
00:08:33 想把模型開源？那就不叫專利了
00:15:40 如何有意識地建立可獲利的專利策略
00:17:06 設計專利 vs. 實用專利
00:22:24 今天的 AI 專利長什麼樣？
00:23:50 AI 發明為什麼這麼難申請專利？
00:25:04 提示詞（Prompt）可以申請專利嗎？
00:29:26 AI 時代的開源未來
00:33:04 專利申請流程
00:36:04 USPTO 內幕
00:40:23 專利代理人 vs. 專利律師
00:44:50 USPTO 正在大量招募
00:46:10 下一波專利熱點
00:48:21 申請一個專利要多少錢？
00:50:22 Gilles 的背景
01:00:23 為什麼選擇專利職涯而非科技公司
01:06:57 專利代理人的一天
01:13:08 工作以外
01:19:15 Gilles 為未來專利代理人開設的培訓計畫

🎙️ 「StellaxAmy‧自定義」Podcast
每期邀請一位朋友，講述中文世界故事、華人故事。和我們一起傾聽自定義人生。

如果你喜歡本節目或希望與我們合作，Stella 和 Amy 現已開通 Buy Me a Coffee 會員支持：
☕️ 請我們喝杯咖啡 👩🏻‍🏫 找我們諮詢／創業陪跑
👉 https://buymeacoffee.com/stellaxamy

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments

Podcast 任意門：https://linktr.ee/stellaxamy
The Cocoons 英文電子報：https://thecocoons.substack.com/

喜歡我們請訂閱分享喔！

找我們商業諮詢、加入會員：https://buymeacoffee.com/stellaxamy
聯絡我們： stellaxamy@gmail.com


Powered by Firstory Hosting

30年前來到美國、20年前進入 Google，最後又從矽谷退休，Grace 的經歷讓我們看到：矽谷華人的職涯路徑變了，焦慮的內容變了，但女性在工作、家庭和自我之間要做的取捨，直到今天也沒有變得更輕鬆。
Grace 在美國生活了 30 多年，在科技業工作將近 30 年，也經歷過 Google 剛上市的時代。和今天相比，早一代矽谷華人的路更少也更直接：先留下來、先站穩腳步，再談發展；而今天的華人選擇更多，卻也更早面對職涯、家庭、育兒和 AI 帶來的不確定。
這一集我們從 Grace 的經歷聊起，也藉她的故事去看兩代矽谷華人的差別：從早年的移民與大公司機會，到今天的職涯選擇、育兒壓力，以及女性在職涯上升期與家庭責任之間反覆做出的取捨。
當工作不再是唯一答案，退休也未必代表真正輕鬆。技術在變，產業在變，但關於工作、家庭與自我價值的拉扯，似乎從來沒有真正變少。
時間軸
00:00:00 歡迎Grace
00:02:24 為什麼出國：從大學老師到赴美念書
00:06:11 第一份工作與身分壓力
00:07:26 從中部到矽谷：90年代的機會
00:09:44 2004年加入 Google
00:13:48 早期 Google 的工作氛圍
00:18:42 為什麼離開 Google：burn out、身體與家庭
00:21:36 做技術還是做管理
00:26:35 退休之後，人還想留下什麼
00:32:20 AI時代，孩子該學什麼
00:37:51 灣區華人父母的育兒壓力
00:42:09 成功父母會不會給孩子更多壓力
00:44:08 AI時代，怎麼培養孩子的學習能力

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments
Podcast 任意門：https://linktr.ee/stellaxamy
The Cocoons 英文電子報：https://thecocoons.substack.com/

喜歡我們請訂閱分享喔！

找我們商業諮詢、加入會員：https://buymeacoffee.com/stellaxamy
聯絡我們： stellaxamy@gmail.com


Powered by Firstory Hosting

同樣是做媽媽，有人覺得輕鬆、甚至比想像中順利；也有人深刻感受到，這是一份長期、高強度、沒有休息的工作。

這集母親節特輯，我們把三個處在不同階段的媽媽放進同一場對話裡。剛成為新手媽媽的 Amy 和 Paloma，還沉浸在出乎意料的幸福感裡：家人陪在身邊，生活被一個小寶寶重新組織，連原本擔心的問題，好像都暫時沒那麼重要了。

但已經做了五年媽媽的 Stella，感受到的是另一面。對她來說，媽媽是一份會長期佔用時間、注意力、職涯空間和情緒容量的工作。它很具體，也很消耗精力。這集錄完之後，Stella 和 Amy 復盤時差點聊到「友盡」。

這集最有意思的，不是誰比較對，而是這些感受為什麼能同時成立。新手媽媽覺得輕鬆，是真的；做了幾年以後覺得辛苦，也是真的。階段不同、支持系統不同、寶寶狀態不同，最後長出來的 motherhood 體驗，本來就不會一樣。很多看起來像「個人態度」的差異，背後其實都是很現實的條件差異。

所以這集想趁母親節聊的，不只是感恩和讚美，而是更複雜也更真實的一層：做媽媽這件事，沒有統一答案。快樂是真的，辛苦也是真的。而那些分歧本身，也許就是理解母職最好的入口。

00:00:00 母親節特輯開場，新手媽媽 Paloma 登場
00:02:14 產假前的想像，和寶寶出生後的現實落差
00:03:19 家裡多人協作帶小孩，新手媽媽為什麼會覺得「還算輕鬆」
00:04:43 Stella 提出另一面：當媽媽之後，時間和注意力都會被切碎
00:07:55 三個人開始出現分歧：什麼是 basic 育兒，什麼又算 demanding
00:16:36 從生產、哺乳到產後最初的身心狀態，不同媽媽面對的是不同難題
00:25:21 Paloma 用 AI 幫媽媽做翻譯 app，也聊到跨文化家庭和語言問題
00:44:07 Stella 回頭看自己不順利的產後經歷，也聊到母職與職涯選擇
00:46:24 從二胎間隔聊到職涯節奏，Paloma 說現在家庭比職涯更重要
00:50:24 成為媽媽之後，Paloma 反而覺得自己更有自信了
00:54:18 Amy 講自己的變化：比起回公司，更想把生活主導權拿回來

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments

Podcast 任意門：https://linktr.ee/stellaxamy
The Cocoons 英文電子報：https://thecocoons.substack.com/

喜歡我們請訂閱分享喔！

找我們商業諮詢、加入會員：https://buymeacoffee.com/stellaxamy
聯絡我們： stellaxamy@gmail.com


Powered by Firstory Hosting

當生成程式碼越來越容易，工程師要靠什麼證明自己不可取代？

這一集我們邀請到在 Stability AI 擔任軟體工程師的思思 Yisi Lu，聊她從 Bloomberg、Google 到 AI 新創公司的職涯轉向，也聊她身處 AI 產業第一線，看見的真實變化。

加入 Stability AI 時，這家公司剛經歷管理層震盪，外界最常問的是：它還行不行？但身在其中，思思看到的卻是另一個更現實的問題：在今天的 AI 產業裡，光有模型已經不夠了，真正困難的是，怎麼活下來、怎麼商業化、怎麼把技術變成有人願意買單的產品。這一集裡，她分享了 Stability AI 如何從 research-driven lab 轉向更重產品與商業的方向，也解釋了為什麼今天的小公司，已經很難再靠「做出一個更強的通用模型」贏下比賽。

我們也聊到每個工程師都關心的問題：AI coding 已經把軟體工程師的工作改變成什麼樣子？在 AI-assisted coding interview 裡，真正被考察的到底是什麼？一個「很會用 AI」的候選人，為什麼反而可能拿不到 offer？當生成程式碼越來越容易，真正稀缺的，也許不是執行力，而是判斷力、ownership，以及對結果負責的能力。

這一集裡我們一直在討論的一個問題是：AI 和人類，到底誰在做真正有創意的工作？當 AI 可以快速生成圖片、影片、程式碼，甚至第一版草稿，人類到底是在創作，還是慢慢退回到審核、篩選和把關的位置？如果創意工作的入口正在改變，那什麼才是人類最後不能放手的部分？也許不是產出本身，而是提出問題、做判斷、承擔責任，以及決定什麼值得被做出來。

時間軸
00:00 來賓介紹：從 Bloomberg、Google 到 Stability AI
03:39 Stability AI 是一間什麼樣的公司：開源模型、平台與商業化轉型
06:24 為什麼在公司動盪之後，仍然選擇加入 Stability AI
09:42 在 AI 公司做 applied engineering，實際上在做什麼
13:01 小公司做通用模型為什麼越來越難，image model 賽道現在怎麼競爭
18:01 從大公司到 AI 新創，一年半後回頭看這個職涯選擇
20:08 AI 產業變化太快，公司和個人要怎麼面對這種不確定性
24:29 Image generation、圖片編修、影片與影視特效，哪些方向更接近真正落地
30:47 誰來做「第一稿」：AI 負責生成，人負責判斷，還是反過來？
38:53 AI 已經如何進入軟體工程師的日常工作流
44:23 AI coding 時代，工程師不能放掉的能力：ownership、review 和判斷力
51:49 AI-assisted coding interview：什麼樣的候選人會脫穎而出
01:03:00 給 junior engineer 的建議：這是更難的一代，也是被 AI 賦能的一代
01:20:50 當效率越來越高之後，人要怎麼繼續尋找意義感與快樂

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments

Podcast 任意門：https://linktr.ee/stellaxamy
The Cocoons 英文電子報：https://thecocoons.substack.com/

喜歡我們請訂閱分享喔！

找我們商業諮詢、加入會員：https://buymeacoffee.com/stellaxamy
聯絡我們： stellaxamy@gmail.com


Powered by Firstory Hosting

這是 Stella 最近與 Hugo Bowne-Anderson 和 Eddie Landesberg 在 Vanishing Gradients Podcast 上的一次對話，圍繞當下真實產品環境中的 AI evals（AI評測）展開。

在這期節目中，我們從實踐出發，分享了為什麼 AI evals 在產品中如此關鍵：
一方面，它是開發階段的“指南針”，幫助團隊不斷迭代、建立有效的反饋閉環；
另一方面，它又是發佈前的“關卡”，支持團隊做出系統是否可以上線或進入實驗階段的決策。

我們討論了：
1. 團隊協同的 AI 評測（Team-Centric AI Evals）
如何讓產品經理、數據科學家以及領域專家（SMEs）協同參與評測過程，
在“統一決策者”（benevolent dictator）或去中心化模式之間找到平衡，
從而構建更全面、更有效的評測體系。
2. 定制化評測指標（Custom Evaluation Metrics）
為什麼不能只依賴工具廠商提供的通用指標，
而需要回到原始數據，識別具體的失敗模式（failure modes），
避免用“看起來不錯”的指標掩蓋真實問題。
3. AI評測作為“策略評測”（AI as Policy Evaluation）
將評測問題轉化為因果推斷問題：
評測不同“策略”（如prompt、模型）的反事實表現（counterfactual performance），
並預測線上A/B實驗的結果。
4. 明確產品邊界與約束（Clear Product Constraints）
定義AI產品“不能做什麼”往往比“能做什麼”更重要：
通過嚴格的guardrails防止濫用、控製成本，並保護品牌。
5. 校准後的 LLM 評測器（Calibrated LLM Judges）
如何通過統計方法和因果推斷，將 LLM-as-a-judge 與人類專家對齊，
確保評測結果能夠真實反映用戶價值和業務目標。
6. 數據直覺與好奇心（Essential Data Curiosity）
在依賴自動化分析或agent之前，
先通過人工查看數據建立直覺，
這是設計有效評測系統的基礎能力。
7. 統計視角下的 AI 評測（Statistical AI Evaluation）
從“單元測試思維”轉向“分布思維”：
利用置信區間（confidence intervals）和統計功效分析（power analysis），
區分真實改進與統計噪聲。
8. 前瞻性的合規設計（Proactive Regulatory Compliance）
在監管尚不明確的階段，
提前建立嚴謹、可解釋的內部評測標準，
為未來合規要求做好準備，並形成競爭優勢。
9. 以人為中心的評測基準（Human-Centric Benchmarking）
將AI系統建立在人類判斷與用戶價值之上，
不僅僅依賴自動化分數，
而是構建真正有韌性、差異化的AI產品。

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments

Podcast 任意門：https://linktr.ee/stellaxamy
The Cocoons 英文電子報：https://thecocoons.substack.com/

喜歡我們請訂閱分享喔！

找我們商業諮詢、加入會員：https://buymeacoffee.com/stellaxamy
聯絡我們： stellaxamy@gmail.com


Powered by Firstory Hosting