1016 | 从数学悲叹到跳跳车：一周科技快报

茉莉: 大家好，欢迎收听本期节目，我是茉莉。

白桦: 我是白桦。今天这一期有点特别，我们会像往常一样，把过去一天里最值得聊的讨论摆上桌，但重点不是新闻本身，而是大家围绕这些新闻说了什么、吵了什么、担心了什么。

茉莉: 没错。今天有一条暗线贯穿始终：AI。从开源大模型的发布，到数学家的情绪崩溃，再到有人用AI几个小时修好一个冷门扫描器驱动，甚至一个独立项目也是拿Claude Code搭的。AI已经不只是话题，它正在渗进每一层工具链和每一场争论。

白桦: 那我们就从最重磅的这条开始，Meta发布了一个叫Muse Spark Open的模型。数字相当夸张：总参数8160亿，激活参数只有420亿，上下文窗口做到一百万token。而且Meta直接把它称为美国最强的开放权重模型。

茉莉: 这个定位很有意思。“美国最强开放权重”，这句话本身就是在跟中国的开源模型对标，也是在跟闭源阵营划界。讨论区里大家最先争的就是这个“最强”到底怎么算。

白桦: 对，有人觉得参数规模加长上下文这个组合确实硬，八千多亿总参数但只激活四百二十亿，说明他们在MoE的路线上堆得很深，推理成本理论上能压下来，这对开源生态是个实质性利好。你把这个权重放出来，很多做本地部署、做私有化方案的团队立刻有了新选项。

茉莉: 但另一派评论者立刻泼冷水。他们的理由是：开放权重不等于开放训练，你拿到的只是一个黑箱的二进制。Meta上一次的开放策略后来被证明有很多限制条件，这次会不会又附带头部大厂的算盘，没人知道。还有人问得更直接：一百万token的上下文，实际有效利用率有多少？很多模型标称的长上下文，放到三四十万token之后召回就开始崩了，这个数字是营销还是实测，发布说明里没给答案。

白桦: 这也是这条帖子留下的最大未知：真实的研究和编码能力边界在哪里。基准分数是一回事，能不能在一个真实项目里扛住几小时的连续工作是另一回事。

茉莉: 而且这个未知正好接到了我们第二个话题，因为同一天，AI模型的能力之争落到了一个很具体、也很有情绪的场合：数学界。

白桦: 是Fields奖得主，Duminil-Copin这样级别的数学家，公开谈到OpenAI公布的数学成果时落泪，说“研究领域被破坏了”。原话里用了一个词，叫“技术性悲叹”。这个说法本身就很值得咀嚼。

茉莉: 讨论区里对这句反应分成了非常鲜明的几派。一派是共情的。他们说这不是矫情，一个数学家花了十几年建立的直觉、品味、问题选择的能力，如果机器在他们的核心领域做出同等甚至更好的成果，那种感受不是“失业焦虑”能概括的，更像身份层面的坍塌。你毕生追求的东西被证明可以批量生产。

白桦: 另一派就冷静得多，甚至有点刻薄。他们说：先看看AI到底做出了什么。如果只是解决了竞赛题或者在已有 conjecture 上推进一小步，那离“破坏领域”还远得很。数学的核心不是算出答案，是判断哪些问题值得问、构建新的概念框架，这些东西目前看不到模型能做。他们觉得这位数学家是被演示效果冲昏了头。

茉莉: 还有一派的角度更实用主义，他们指向了Simons基金会的动作。Simons拿出1500万美元，跟Anthropic和OpenAI合作，专门帮数学家学会用AI。这个基金会之前在Lean形式化证明的资助上有实绩，所以这次不是外行砸钱。

白桦: 对，评论区有人把这三件事连起来看：数学家哭，基金会撒钱，AI公司抢着合作。这说明学界已经不讨论“要不要用AI”了，而是在讨论“怎么在被改变之前先学会用它”。1500万听起来多，摊到全世界的数学家身上其实很薄，但信号意义很强：连最保守的纯数学界都被迫进入适应期了。

茉莉: 这里还牵出一条更技术性的支线，也就是可解释性的争论。Goodfire的Cammarata有个主张：多义性的主因可能根本不是超位置，而是一个普通的学习问题，而且他更进一步说，神经网络其实已经是可解释的了。

白桦: 这个主张在讨论里被反复掰扯。支持的人说，如果我们把“可解释”的标准从“人类逐神经元理解”降到现在工程上真正需要的水平，比如能定位模型在哪些情况下会出错、能审计它有没有学歪，那现在的可解释性工具已经够用了，问题是我们没有把资源投进去。

茉莉: 反对的人则说这话说得太满。超位置是真实存在的现象，一个神经元编码多个不相关的概念，这不是“普通学习问题”能一句带过的。Cammarata这么讲有他自己的立场，毕竟Goodfire是做可解释性产品的公司，“已经可解释了”对他们是最有利的叙事。

白桦: 也有人指出这是乐观派和谨慎派的老分歧：一边说模型内部结构没那么神秘，赶紧用；一边说我们对它的内部一无所知就大规模部署，风险不可控。这两派对AI在数学上的能力的判断也完全相反，前者觉得数学成果是真实力，后者觉得是演示技巧。

茉莉: 顺着能力这个话题，我们把镜头从最前沿的模型拉到最具体的动手场景。有一位开发者用AI，几个小时之内让Plustek扫描器的SANE驱动跑起来了，顺手还修好了MIPI相机，然后把他做的测试工具hw-harness公开了出来。

白桦: 这条帖子在讨论区获得的好感度很高，因为SANE驱动这种东西就是典型的“没人愿意碰”的领域。老硬件、文档缺失、维护者失踪，传统上你要么认命买新设备，要么花几周啃寄存器手册。评论者们看到AI在几个小时内干完这种活，第一反应是：这才是AI编程的真正甜区。

茉莉: 有人说得很到位：AI最擅长的不是从零设计新系统，而是在屎山的边缘打捞。驱动开发里有大量模式化的试错，读取寄存器、猜协议、跑测试、看错误码，这个循环AI可以不知疲倦地跑几百遍。人类工程师的瓶颈从来不是聪明才智，是耐心。

白桦: 但也有人提出质疑，而且问得很尖锐：这几个小时的成果，可靠性如何？驱动是要长期维护的代码。AI能不能修好它，和AI能不能为它承担未来十年的维护责任，是两回事。评论区有人预言，我们会看到大量这种“一夜修复”的项目，半年后变成无人能懂的孤儿代码。

茉莉: 还有人从另一个角度泼冷水：这种成功案例存在幸存者偏差。我们只看到跑起来的那个，没看到AI在多少个驱动上试了几个小时全失败了。没有系统性的成功率数据之前，把个案当成范式转变是不严谨的。

白桦: 不过连质疑的人也基本承认一件事：hw-harness这种把测试过程工具化、公开化的做法是对的。就算AI这次是蒙对的，留下一个可复现的测试框架，后来的人就能接着验证。

茉莉: 同样是独立开发者的作品，还有一个叫Flipflop的项目值得聊。它是基于Iroh做的持久P2P文件共享隧道，Rust和Slint写的，蓝牙、局域网、跨运营商网络都能走。

白桦: 讨论里技术派很兴奋，因为Iroh的思路是先建立点对点连接再传数据，穿透NAT这件事对普通用户是无感的。有人自己试过在手机和笔记本之间传大文件，速度远超走中转服务器。持久隧道意味着你不用每次重新配对，像有了一条常开的私人通道。

茉莉: 但安全视角的人立刻问：一个持久打开的P2P隧道，密钥管理怎么做的？设备丢了怎么办？这种工具对技术用户是利器，对普通用户可能是隐患。也有人对“又一个P2P工具”表示疲劳，说这个方向二十年来死亡项目一大堆，问题从来不是技术，是两个没有服务器中继的设备恰好同时在线的概率太低。

白桦: 支持者反驳说Flipflop支持蓝牙和局域网这个组合，恰恰解决了“同时在线”的痛点，近距离场景根本不需要互联网。而且它没有云依赖，没有账号体系，这对隐私敏感用户是刚需。

茉莉: 这股独立工具潮里还有一个更生活化的案例。有位作者把Jellyfin这一整套自托管服务跑在一台Beelink N100迷你PC上，16GB内存。

白桦: 评论区的经验分享很丰富。有人说自己也是N100用户，跑了几年，功耗低到可以24小时开机，Jellyfin转码完全够用。也有人分享了自己的架构选择：一部分服务用Podman容器跑，一部分直接原生跑，各有取舍。作者自己也是这个混合路线，一部分容器化，一部分原生。

茉莉: 讨论里最有共识的一点是关于暴露面的：这套系统完全没有向公网开放任何端口。有人强调这是自托管的第一原则，远程访问走VPN或者Tailscale这类方案，比开端口安全得多。也有少数人说不开外网就失去了自托管一半的乐趣，但立刻有人回怼说乐趣和安全你只能选一个开始。

白桦: 顺带一提，这个话题还擦过一个有意思的边：有个叫DEsk的Wayland桌面环境，走拟物路线，把桌面做成一个被光线追踪的房间，有桌子、纸张、抽屉、信箱这些比喻。评论区褒贬两极，喜欢的人觉得这是几十年没见过的想象力，嫌它的人觉得是玩具，性能存疑，但都承认v0.1.2的beta能做到这个完成度不容易。

茉莉: 还有一个和AI辅助开发相关的个人项目，我们放到后面再说，因为它和创客话题更配。现在我们顺着工具这条线，往更底层走一步：编程语言本身。

白桦: C++26的契约功能有了详细解读。核心变化是：前置条件和后置条件可以直接写在函数声明里，而且评价语义比assert灵活得多。GCC上已经可以实际测试了。

茉莉: 讨论区里系统工程师的反响普遍正面。有人说这解决了一个存在了四十年的尴尬：C++程序的正确性说明一直散落在注释、断言和文档里，编译器完全不认识它们。契约把“这个函数承诺什么”变成语言本身的一部分，工具链就能真正检查它。

白桦: 争议点在评价语义。有人解释说，契约在构建模式里可以强行检查，在发布模式里可以放宽甚至假设成立，这种分级正是assert做不到的，assert只有开和关两个状态。但另一派担心，评价语义一旦可以配置，同一个代码库在不同编译模式下行为不同，“契约”的承诺就变软了，最后可能退化成一种昂贵的注释。

茉莉: 也有人担心生态采用速度。C++的历史经验是，语言特性再好，标准库和主流代码库不跟上就是空转。有人预测契约前五年主要出现在新项目里，存量代码不会动。

白桦: 而恰好和这个面向未来的特性同框的，是一个七十年的纪念日：Fortran初版手册公开至今七十周年，Manchester有纪念活动，11月9日截止报名，免费入场。

茉莉: 评论里有个很妙的观察：Fortran诞生的时候，程序员的争论是“机器写代码还是人写代码”，七十年后，C++26在讨论“代码如何自己声明正确性”，而今天的AI又一次让“机器写代码”变成现实问题。绕了一大圈，问题的形状没变多少。

白桦: 还有人提到Fortran至今没死，科学计算领域还在用，而且现代Fortran的性能在数组运算上依然能打。有人说，看C++加契约和Fortran七十周年出现在同一周，你能感觉到系统语言在两个方向上同时演化：一个往安全说明走，一个被历史证明足够耐用。

茉莉: 从语言层的“正确性声明”，我们很自然地走到下一组话题，它们讲的都是“承诺被破坏”和“隐藏的恶意”，安全和隐私。

白桦: 先说最严重的一条。Citizen Lab曝光了一个叫AdFection的攻击链：一家叫Discover-Tech的以色列公司，通过定向广告的投放渠道，把Candiru制造的零点击间谍软件送进目标设备。

茉莉: 这条帖子在讨论区引起的震惊集中在“渠道”上。评论者解释说，广告投放体系天生适合做这件事：它需要向海量设备分发内容、需要精确定向、需要衡量触达效果——这三件事和间谍软件投递的需求完全重合。整个程序化广告的基础设施，等于一个现成的、全球范围的攻击分发网络。

白桦: 有人进一步指出，这不是某个广告平台被打穿，而是广告本身作为产品被武器化了。Discover-Tech买的不是漏洞，是投放能力。有人呼吁对广告技术栈做安全审计，也有人悲观地说，整个行业的利益结构决定了没人有动机做这个审计。

茉莉: 争议点在于归因和范围。有人问：这到底是一次性事件，还是已经存在的常规操作？Citizen Lab只证实了这一条链，但大家普遍怀疑广告渠道被滥用不会有孤例。也有人提醒，Candiru本身就被多方报道过是政府客户的供应商，这类能力流向哪里，监管几乎跟不上。

白桦: 从国家级的攻击降一个量级，我们看另一条逆向分析：有个恶意软件伪装成South Park剧集的下载，是个887MB的exe文件。分析发现它用ChaCha20加AES双重加密来藏字符串，目标是窃取浏览器数据和加密钱包。

茉莉: 讨论里技术党对那887MB的体积展开了分析，普遍猜测里面塞了大量合法组件和依赖来规避启发式检测，体积本身就是伪装策略的一部分。有人评价字符串加密是“红队标准操作”，检测方要靠运行时行为而不是静态特征。

白桦: 也有人说这体现了恶意软件的工业化：加密方案、反分析、窃取目标清单，都是成熟货架件。普通用户唯一能依赖的就是别从奇怪的地方下载887MB的可执行文件，但讽刺的是，越大的文件越显得“像官方资源包”，骗子懂这个心理。

茉莉: 再降一个量级，看两个消费者产品的隐私争议，都发生在这一两天。第一个：Elevation Lab撤回了他们的AirTag扬声器消音工具，公开道歉。

白桦: 这个事情的逻辑链很有意思。AirTag放声音是为了让被追踪的人能发现它。消音工具等于帮追踪者把警报拆掉。Elevation Lab最初可能真没想这么多，撤回道歉之后还有更糟的一层：他们还用专利阻止其他公司做同类产品。

茉莉: 评论区的批评很集中：道歉容易，专利这步棋让道歉显得不真诚。有人说“防止别人做坏事所以我要垄断这个能力”是站不住的逻辑，专利挡不住坏人，只挡住了正当的防御工具。也有人稍微替他们辩护，说主动撤回并道歉至少比捂着强，但专利问题必须回答。

白桦: 第二个消费者反弹更直接：Withings宣布，2026年10月13日之后注册的新账户，Apple Health自动同步要收年费99美元。老账户暂时不受影响。

茉莉: 讨论区几乎一边倒。健康数据同步，用户视角里这是买硬件时默认包含的基础功能，现在变成订阅墙。有人指出这种“老用户冻结、新用户收费”是典型的温水策略，等老设备淘汰完，全员订阅。也有人更根本地质问：数据是我的，为什么从我身体里读出来的数据流向Apple生态还要我付过路费？

白桦: 少数替Withings算账的人说，云同步、API维护都有真实成本，免费模式不可持续，99美元一年对目标用户不算天文数字。但这个辩护很快被回击：成本可以成立，方式不能接受，你可以对高级分析收费，不该对数据出口收费。

茉莉: 这两件事和间谍软件那条放在一起看，讨论里有个贯穿的担忧：数据流向的控制权正在从用户手里滑走，不管滑向广告商、订阅方还是暗处的攻击者。

白桦: 好，从数据和隐私，我们切换到纯粹的钢铁和速度。三条新闻，一个比一个快。

茉莉: 先说最炫的。特斯拉发布了新一代Roadster，实车演示里的加速被形容成“像跳起来一样”。量产定在2028年。

白桦: “像跳起来一样”这个描述在讨论区引发了两种反应。物理党认真讨论了什么悬挂和动力配置能造成那种弹射感，结论是这更像演示场景调校出来的效果，不是日常可用性。实用党则直接指着一个日期：2028。四年。以特斯拉跳票的历史，这个日期被普遍当成一个“梦想时间表”而不是承诺。

茉莉: 有人说得更狠：Roadster一直是特斯拉的概念车光环产品，真正重要的是它下放的电池和电机技术会不会出现在3和Y上。超跑本身卖多少台无关紧要。也有人反驳说光环产品有光环的作用，它定义品牌的上限，S和X当年就是这么来的。

白桦: 从四个轮子的速度，转到一页“纸”的速度：E Ink发布了Kaleido 4彩色墨水屏。色彩空间超过4万种，翻倍；白底反射率提升15%；对比度提升50%；还支持18FPS的动图。首发搭载在汉王M10C II上。

茉莉: 电子书阅读器的老用户在讨论里很活跃。乐观派说，对比度提升50%对彩色墨水屏是质变，因为Kaleido系列一直被抱怨“灰蒙蒙”，白底反光率的提升直接决定阅读舒适度，这两项比色域翻倍更重要。

白桦: 怀疑派的老观点依然在：18FPS意味着它和真正的“视频能力”还差两个数量级，翻页可以，看视频不行。而且彩色墨水屏的饱和度问题受物理原理限制，滤光片方案不改，色域数字再好看，观感提升也有限。有人等着拿M10C II实测，白底那15%是关键指标，如果实测真的接近纸感，那才是真正的突破。

茉莉: 数字阅读党还提醒了一点：彩色墨水屏的真正战场可能不是阅读器，是电子价签、仪表、教育平板这类对刷新率要求低但对功耗要求极致的场景，Kaleido 4的参数在那边更有意义。

白桦: 最后一个速度战场最戏剧化。Epic发布了AI生成的启动器V2，24小时之后，Valve用一次Steam客户端更新，把冷启动做到了5.23秒，实现了速度反超。

茉莉: 讨论里的情绪基本是看乐子加一点敬意。有人说这个回合制对打完美展示了什么叫竞争压力：AI做的东西上线不到一天，Valve就用一次普通更新把焦点抢回来。5.23秒这个数字精确到小数点后两位，明显是针对性优化加宣传的合谋。

白桦: 但技术党提醒别急着读出“AI vs 人类”的剧本。Steam客户端是十几年积累的代码库，冷启动优化是持续工程，Valve很可能手里本来就有这批优化，只是挑了这个时间点发布。也有人认为这恰恰是重点：启动器这种需要极致打磨基础体验的东西，现有团队用现有代码就能碾压，这个事实本身对“AI能替代成熟工程团队”的叙事是个降温。

茉莉: 反方则说Epic的V2也不该被简化成“AI做的所以差”，启动器的问题从来不是生成代码的速度，是生态、商店功能和用户迁移成本，5秒和8秒的差距，改变不了用户已经在哪个平台的事实。

白桦: 速度的竞争聊完，我们来看这期节目里最小、但也最让人心头一暖的板块：独立创作者的坚持。

茉莉: 第一个是SnoutCover，给狗做的鼻保护罩，针对的是犬类自身免疫性疾病DLE，也就是盘状红斑狼疮，病狗的鼻镜会被免疫系统攻击，需要物理防护。一年时间，卖出了395单，覆盖16个国家，服务超过500只狗。

白桦: 讨论区对这条几乎全是善意。有人说这是最好的硬件创业样本：问题真实、用户绝望、竞争对手为零。狗的鼻梁又不能打绷带，口罩会蹭掉药，一个定形的护罩就是唯一解。395单听起来小，但这是16个国家的宠物主人口口相传换来的。

茉莉: 也有认真提问题的人：单一创始人的硬件，长期供货和售后怎么办？宠物用品的尺寸适配是真实难点，狗的鼻型差异很大。还有人在算账：这个量级很难覆盖开模成本，作者大概率是热爱驱动，不是生意驱动，这种项目最怕作者 burnout。

白桦: 第二个项目又回到了我们的老朋友：AI辅助。一个叫Unfenced的工具，用PAD-US这类公开的GIS数据，每周扫描一次美国公有地旁边挂牌出售的私人地块，目前识别出13626处。

茉莉: 这个项目解决的问题很具体：公有地相邻的私有地一旦被买下开发，会切断野生动物通道，或者损害公共土地的可达性。保护组织需要提前知道哪些地在卖。以前这种监测要人工翻土地记录，Unfenced把它自动化成每周例行公事。

白桦: 而且作者是用Claude Code搭的。讨论区里有人说，这又是一个AI编程甜区的例证：数据处理管道、GIS格式转换、定时任务，全是模式化工作，一个人加AI就能搭出过去需要一个小团队的东西。

茉莉: 质疑的声音也很实在：13626这个数字的可信度完全取决于上游数据。PAD-US这类政府数据集本身的边界划定就有误差和滞后，挂牌信息和实际成交还有时间差。评论者提醒，这种工具如果被保护组织拿去做 advocacy，数据准确性就是公信力问题。长期维护也是问号：作者个人项目，每周抓取，五年后还在不在？

白桦: 这两个项目放在一起，茉莉，你有没有觉得它们和今天前面所有话题形成了一个完整的圈？AI在最顶层让数学家落泪，在最底层帮人给狗做护罩、帮人看住公共土地。同一项技术，被感知为破坏还是被感知为赋能，取决于你站在哪一层。

茉莉: 而且答案是：两层都真实存在。数学家的悲叹和扫描器驱动几小时被修好，不是矛盾，是同一枚硬币。今天的讨论里没有一派赢得了共识，我觉得这恰恰是这些帖子最诚实的地方。

白桦: 没错。所有悬而未决的问题我们原样留给听众：Muse Spark Open的真实能力边界，AI数学成果的成色，C++契约的实际采用率，广告基础设施的武器化范围，还有这些小工具的五年之约。

茉莉: 感谢收听这一期，我们下次见。

白桦: 下次见。