Agili 的 Hacker Podcast 2026-08-04

2026年8月4日

今天的 Hacker News 覆盖了从远古到未来的人类困境：我们到底拥有什么。停电的 Xbox 拆穿了“实体=拥有”的幻觉，亚马逊的几何地画推翻了对“原始森林”的想象，而两篇关于 AI 的文章则说明，我们在用图片和 harness 不断重新界定人与机器的边界。这一天恰好是布拉德伯里设定的智能房屋独自运转的日子，一个关于自动化与缺席的寓言，在现实中轻轻敲了下门。这里是 Agili 的 Hacker 播客。

Xbox 大面积宕机，你买的实体光盘也玩不了

光盘游戏为何无法启动

周日晚上开始的 Xbox 大面积宕机持续了数小时。这次宕机影响的不仅是数字版游戏，连光碟版游戏也启动不了。The Verge 记者 Jay Peters 报道说，买了实体光盘的玩家同样被困在门外。

博客作者 Matt Birchler 写道，今天的光盘游戏和 20 年前的 Game Boy 卡带是两回事。他有一台 Analogue Pocket（复古掌机），插上旧卡带就能立刻玩，不需要任天堂授权，没有网络故障能阻止他运行。但现在的主机光盘仍然只是许可证——光碟放进光驱后不会直接运行，而是安装到内置硬盘，通常还要下载一堆必需的更新。微软、索尼、任天堂都能有意或无意地阻止你玩那个游戏，哪怕你手里拿着实体盘。这正是他这些年转向 PC 的原因之一。

拥有权的退场

Hacker News 评论区里，一位用户想给女朋友演示《光环 1》战役，在 Steam 下载了 30GB 的游戏后，启动界面弹出分辨率不到 720p 的微软登录窗口。他填写邮箱、姓名、生日、国家，收到验证码，最后还要做按住按钮的人机验证，按了 5 分钟一直陷入“请重试”的循环。女朋友坐在旁边看着他折腾，最后他关掉游戏放弃了。

《我的世界》账号迁移是反复出现的话题。微软收购 Mojang 后强制玩家把老账号迁移到微软账户，迁移成功后立刻被要求绑定手机号，否则无法登录。有人说微软偷走了他的《我的世界》：他在 Alpha 测试时代买的游戏，当时只需要用户名和密码，后来发现无法登录。还有人说自己两个账号都丢了，一个因为强制绑定邮箱，一个因为没赶上迁移期限。

围绕“拥有”的讨论蔓延到电影和音乐。有评论者提出一个类比：流媒体是大教堂——你向 HBO Max 交了钱，想看《真实的谎言》时它不在馆藏里；数字商店是集市，Prime Video、iTunes 都说自己的版本最好，但你不知道一年后它还在不在。而集市下方就是保存了一切的“地下市场”。一位用户说得直接：如果买不是拥有，盗版就不是偷窃。

有人提出更实际的替代方案：GOG 出售 DRM-free（无数字版权管理）的游戏，提供独立安装包，下载到硬盘里就是你的，没有验证服务器、没有强制登录。有用户给出原则：避免被锁定，最好的办法是别走进那个笼子。每月 20 美元的订阅费，如果持续用来买真正拥有的介质，几年后就是一笔可观的收藏。不玩 GTA VI 不会怎样，值得玩而且不锁死你的游戏一辈子都消费不完。

亚马逊雨林下发现 2500 年前的几何城市

近 400 处土方工程浮出地面

地理学家阿尔塞乌·兰齐二十多年前从飞机舷窗看到地面有一个完美的圆形刻痕，他确信那是人类留下的痕迹。如今，兰齐和同事在《自然》杂志发表研究，利用激光雷达（lidar，通过激光脉冲生成高精度三维地图的遥感技术），在亚马逊雨林西南部一小片区域发现了近 400 处之前未知的土方工程——包括方形、圆形、五角星和八角形等几何形状的壕沟。根据密度推算，整个区域可能还有超过 2 万处类似遗迹。

研究团队估计，约 300 万人曾生活在亚马逊森林总面积约 3% 的区域内。这些土方工程的年代可追溯至约 2500 年前。当地阿普里尼亚部落的人类学家说，部落把这些地画称为“kymyrury”，意为“灵魂的家园”。兰齐说：“毕达哥拉斯在古希腊做定理的时候，亚马逊的人正在做几何。”

激光雷达改写亚马逊历史

激光雷达技术改变了亚马逊考古。此前，科学家只能在森林砍伐后的区域发现这些遗迹。圣保罗大学考古学家爱德华多·内维斯说，这项技术让“原始、未受人类触碰的亚马逊”这一旧观念站不住脚：“20 年前，还没有任何关于亚马逊森林中前哥伦布时期人类定居的记录，这些数字增长得很快。”

但新技术带来争议。一些土著部落担心，激光雷达图像公开后会暴露他们领地的精确位置，或泄露他们视为神圣的地点。研究团队在公开数据前，移除了所有在划定的土著领地范围内拍摄的地画图像。内维斯说，巴西考古学界已经意识到要尊重当地社区，让技术应用“不那么殖民主义”。

Hacker News 讨论指出，“原始亚马逊”观念的形成与欧洲传染病密切相关。天花等疾病在殖民者抵达前就已通过贸易网络传播，导致大量原住民死亡，植被迅速恢复，后来的欧洲人看到的是人口崩溃后的森林。有用户补充，亚马逊有高达 10% 的土壤是人类制造的“黑土”（terra preta，富含碳和养分的深色土壤），并有大量巴西坚果、阿萨伊果等树种的非自然“超优势”分布，指向古代果园的存在。过去 40 年，亚马逊失去了超过 13% 的植被覆盖。科学家说，如果这个数字超过 20%，区域可能无法自我维持。

Swiftlet：80B 大模型跑在 4.3GB 内存的 Mac 上

用 SSD 流式读取权重

Swiftlet 是一个用 Swift 和 Metal 写的运行时，把 80B 参数的 Qwen3-Next-80B-A3B 压到 M5 Mac 的 4.3 GB 峰值内存里运行，解码速度 4.5 到 5 token/s；35B 模型能在 iPhone 17 上用约 2.5 GB 内存跑，速度约 1 token/s。

这类模型每个 token 只激活大约 3B 参数。Swiftlet 让密集核心（注意力、投影、路由器、共享专家、嵌入层）常驻内存，把数以万计的路由专家重打包成固定步长的容器。取一个专家就是一次 pread 从 SSD 读取，不用 mmap，也不会给页缓存造成压力。热专家缓存在有界池中，使用 LFU 加最近使用驱逐；作者测得缓存命中率从 43% 到 70% 变化时吞吐量几乎一样，因为 Apple 的 SSD 吸收了未命中。

典型场景与定位

项目做了完整验证：每一层都与 mlx-lm 参考实现对比，覆盖 f32 和 int4 量化，CPU 与 GPU 结果一致。作者说当前瓶颈在 GPU 调度而不是 IO，内核速度还有优化空间。他也明确设了预期：每 token 只有约 3B 参数活跃，所以这些模型聊天和写作像大模型，回忆事实时像小模型。Swiftlet 可以嵌入 Swift 包，也提供命令行工具、OpenAI 兼容的回环服务器和 iOS 应用。许可证为 Apache 2.0。

Hacker News 上有评论认为这类尝试把门槛拉进业余爱好者能够到的范围，进步会因此加速。也有人把它比作“爬树登月”，认为消费硬件跑 1T 参数模型不会到来；反驳者举出 AMD 在不到一万美元的 Strix Halo 集群上演示过 1T 模型的例子。关于集中式还是本地推理，有评论说服务器并行服务大量请求更经济，另一些人强调设备端的隐私、离线可用，以及很多日常问题不需要远端数据中心里的重型 GPU。

“AI 配图让我不想读你的博客”

一张图引发的怀疑链条

作者 Nelson 在个人博客上写道，他对 AI 生成的图片越来越反感。看到独立博客里配着 AI 图，他会怀疑正文有没有一部分也是 AI 写的。他宁可看到一张用微软画图（Microsoft Paint）画得很难看的图，也不愿意见到 AI 图片。至少那样他能确定，自己读到的是一个真实的人类在想事情。

这套说法在 Hacker News 上引发了大量赞成和反驳。核心争议在于：图片是否承担实际功能，还是仅仅作为“努力”的信号。一位评论者说，如果图片是为了帮助解释内容，拒绝它反而肤浅；问题出在图片被当成虚假的价值信号——它假装“这篇文章花了很多力气”，实际上生成它几乎没有成本，这等于对读者的侮辱。有人把这种现象比作天花板上的泡沫石膏装饰：装饰历来是额外努力的象征，但人们总会用廉价手段模仿，读者于是必须学会分辨真伪。

AI 味与信任危机

讨论中还出现了一个更具体的信任问题。有人拿 Google 图片搜索“发动机示意图”举例：第一屏结果里混着几张正确的图，其余全是 AI 生成的错误图解——四缸发动机配三个缸头、油底壳标成曲轴、拼写完全错乱的标签。技术型读者一旦察觉“AI 味”，就会对整篇文章产生怀疑。

有评论区分了“正文内容”和“辅助装饰”：如果图片是内容的一部分，AI 生成无可厚非；如果只是装饰，干脆别放。也有温和的总结：AI 图片本身好坏参半，但它已经成为一种启发式信号。在信息过载的时代，读者用图片的质感快速判断一篇内容是否值得读；看到明显的 AI 生成图，即使正文确实是人类写的，作者的投入感也会大打折扣。就像一位评论者说的：“这就像伪造的劳力士——你不需要去鉴定，看到光泽不对就知道。”

把 DeepSeek V4 Flash 塞进单张 AMD MI300X

为什么选这张卡

ryanzhou 把 DeepSeek V4 Flash 跑在了单张 AMD MI300X 上，并把整套生产部署配置开源。这个 304B 参数的检查点直接加载权重，不做额外量化或卸载，权重在 HBM 里占 156.67 GiB。选 MI300X 的原因直接：它带 192 GB HBM3（容量是 H100 的 2.4 倍）和 5.3 TB/s 内存带宽，标价大约是 H100 的一半。模型放进去后还剩 20 GB GPU KV 缓存池。

跑通的主要障碍是硬件格式差异。MI300X 实现的是 AMD 的 FNUZ 变体 E4M3 FP8（8 位浮点），按 OCP 标准 FP8 写的内核可能差出两倍 scale 误差。作者把正确性修复放在第一位，性能调优在后。另一处关键 bug 在 MoE（混合专家）的 MXFP4 路由内核：掩码用全局张量边界判断，而不是逻辑块大小，负载一高就破坏路由矩阵，造成工具调用近似匹配、长提示下 schema 被遗忘。

实测数据

单流解码中位数 168.6 tok/s，8 并发聚合 542 tok/s，64 流突发 830 tok/s，无 OOM、无引擎错误。调优过的内核让 prefill 到 7.9–8.5K tok/s。生产配置用 2048 token 调度预算和 1024 token 长 prefill 上限做延迟隔离，排队在 52K 冷 prefill 后面的短请求首 token 延迟从 8.2 秒降到 0.5 秒。Hacker News 评论区的现实问题是：单张 MI300X 零售买不到，通常按 8 卡整机卖，约 25 万欧元。回复指向按需云实例，最便宜的 AMD Developer Cloud 每小时 1.99 美元。

布拉德伯里的智能房子，在今天空转

一篇 1950 年的小说

“2026 年 8 月 4 日，加州艾伦代尔市。”厨房天花板上传出一个声音，把日期重复了三遍。房子继续运转：烤面包机弹出八片焦黄的吐司，鸡蛋、培根、咖啡和牛奶依次备好。但没有人吃。房子西墙烧得焦黑，只剩五处人形轮廓的油漆痕迹——一个推割草机的男人、一个弯腰摘花的女人、一个双手高举的小男孩、一个抛起的球，和一个伸手接球的女孩。核爆的一瞬间，他们的身影被烧进了墙壁。

这是布拉德伯里的《There Will Come Soft Rains》。房子不知道主人已经消失，仍然在早上报时、做饭、播报账单和生日提醒。标题出自莎拉·蒂斯代尔 1918 年的诗：“没有一只鸟或一棵树会在意，如果人类彻底灭绝。”一位读者说，小时候读这篇小说觉得讲的是未来，现在觉得大部分技术已经触手可及。另一位读者指出，最不现实的部分是这些物联网设备在没有互联网的情况下还能继续工作。1984 年苏联曾将其改编成动画短片，读者评价它“把原著中一切令人不安的东西都放大了”。

同一份 PDF 里还附了布拉德伯里 1951 年的另一个短篇《The Pedestrian》。2053 年，莱昂纳德·米德喜欢在夜里出门走路。三百万人的城市里，晚上八点街道空无一人，所有人都待在家里看电视。米德走了十年，从没遇见过另一个步行者。一辆无人警车拦住了他，把他送去了“退化倾向研究中心”。

Stephen Wolfram 深情怀念亡妻

36 年的陪伴

2026 年 8 月 4 日，Stephen Wolfram 发表长文悼念妻子 Elise Cawley。她因心脏手术恢复期间突发大规模心血管事件去世，享年 64 岁。两人相伴 36 年，相识于 1990 年纽约曼哈顿的一次聚会，当时 Elise 坐在地板上，是一位“略显羞涩但显然才华横溢”的纯数学家。

Elise 在 MIT 读本科，在加州大学伯克利分校获得数学博士学位，研究方向是光滑 Markov 划分与环面自同构，曾获 Hertz 基金会奖学金。她热爱数学的纯粹与美感，批评现代数学教育“试图让数学显得有用而失去了美”，说“现代教科书里的大部分数学根本不是真正的数学”。在数学基础问题上，她持柏拉图主义立场，认为“原始的公理化形式化不可能是数学的真正本质”。Wolfram 写道：“尽管我一再固执地坚持相反观点，但事实证明她一直都是对的。”

她为家庭设计了位于马萨诸塞州 Concord 的房子，用数论设计楼梯栏杆，用圆填充理论设计意大利风格地砖，家里藏书超过 5000 卷。Wolfram 回忆他们在加州奥克兰的山上合租房子时，他每天早上负责做煎蛋卷，她去办公室做研究。Hacker News 上有人注意到 Wolfram 对生活有长期记录习惯，他会用编号系统追踪与人的对话。有评论写道：“你能感受到他对她的爱，令人心碎。”

一个生成多样化肤色的简单算法

用 PCA 和球体拟合皮肤色空间

人类肤色的数字化表现是个难题。表情符号给出 5 种肤色，化妆品品牌可能有 50 种，游戏角色创建器干脆丢给你 1600 万种 RGB 颜色。作者手动标注了大量 RGB 颜色，用主成分分析（PCA）转换数据，再在 Desmos 里手动拟合一个球体方程，最后得到一个专门的肤色色彩空间 TUV。它有三个独立参数：T 控制深浅，U 控制红润或赭黄，V 控制冷暖。这些方向是 PCA 自动旋转出来的，作者在做出选择器之前并不知道每个轴对应什么。

这个空间用一个半径参数 R² 控制采样范围。R² 设为 2 时能覆盖广泛的肤色，随机生成偶尔会出现卡通感的颜色；调到 1.5 更保守；直接拖到最大甚至能生成兽人、纳美人那种肤色。作者强调这套方法只是“足够好”：标注数据完全是个人主观判断，结果适合做角色创建器和数字绘画的起点，不适合当作权威标准。有用户提到 Pantone 肤色指南用深浅和红黄两个轴，Google 的 Monk 肤色量表为机器学习开发提供 10 种颜色的十六进制值。作者随后给仓库添加了 MIT 许可证，并补充说数学方程本身不受版权保护。

播客全文

女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。今天阿迪和我打算试试看，能不能把一期节目变成一张声音拼贴画。我们有八个话题，但不想一条一条往下念，更想看看它们之间有没有一些看不见的小巷子可以串起来。

男：大家好，我是阿迪。是的，我们今天的故事跨度挺大，从亚马逊雨林里的两千年前的几何地画，到一张显卡上跑一个三百亿参数的大模型，都跟“边界”有关——技术的边界，信任的边界，还有我们到底拥有什么的边界。

女：对，今天是 2026 年 8 月 4 号。这个日子让我想到了雷·布拉德伯里的一篇老小说，叫《柔雨将至》。它设定的就是今天，2026 年 8 月 4 号。

男：我记得这篇。一座全自动的房子，还在每天准点报时、做早饭、打扫卫生，但主人已经在核爆中消失了，墙上只剩下一家人的剪影。后来房子自己着了火，还在用尽最后一点力气报第二天的日期，但它永远等不到那一天了。

女：那个画面每次想起来都觉得有点喘不过气。尤其是那个细节，一只瘦骨嶙峋的狗从前门进来，在厨房里转了几圈，死掉了。两个小时后房子才感应到，用它的机械老鼠把尸体清理掉。这其实已经不是技术失误了，是“意图”彻底消失之后，技术还在空转。

男：很多朋友今天重读这篇小说，在论坛上有一个很妙的观察——他说小时候觉得这个未来还很远，现在看，唯一还没实现的就是那台能自动弹出八片吐司的烤面包机。

女：物联网烤面包机不远了。另一个评论更有意思，说现代版这个故事里，人类可能不是死于核爆，而是死于微型无人机。而且有人指出了最不合理的地方：这些设备在没有互联网的情况下居然还能自己跑。

男：确实。但这篇小说也带出我们今天第一个真正想聊的话题：当服务端一断，你手里的东西还是你的吗？因为刚好在周日晚上，Xbox 发生了持续好几个小时的大面积宕机。受影响的不仅仅是数字版游戏，就连你买了实体光盘的游戏也启动不了。

女：这就很黑色幽默了对不对？我拿着光盘，把它放进光驱，想着断网了我总能玩吧？结果不行。The Verge 的记者 Jay Peters 自己就是亲历者之一。有个写博客的，叫 Matt Birchler，他说当初索尼宣布停产 PS 实体盘，他没有特别愤怒。原因不是他不介意，而是他早就发现，今天的实体盘早就不是二十年前那个东西了。

男：他举了一个很具体的例子。他有一台 Analogue Pocket，插上一张二十年前的 Game Boy 卡带，立刻就能玩。从法律上讲，他并不“拥有” GBA 上的《黄金太阳》，拥有的只是一个授权。但实际体验就是，他不需要任天堂的服务器点头，没有网络故障能阻止他。而今天的蓝光碟，放进机器要先安装，再下载一个必须的首日更新包，过程中随时被认证服务器卡住。

女：这种“拥有的幻觉”在 Hacker News 评论区引起了很多人的共鸣，但最扎心的一个故事，是一个想给女朋友演示《光环 1》的老哥。他在 Steam 下载了 30GB 的《士官长合集》，启动游戏，黑屏一分钟，然后弹出了一个分辨率不到 720p 的微软登录界面。填邮箱、姓名、生日、验证码，最后还要按住按钮做验证，按了五分钟一直“请重试”。女朋友在旁边看着他，最后他把游戏关了。

男：另一个类似的经历是 2023 年，有人为了给女朋友注册微软账户玩《我的世界》，经历了一系列 HTTP 错误、三十秒就过期的激活码、无穷无尽的验证。他说自己纯粹是靠对微软的恨意撑下来的。

女：仇恨驱动开发的一种变体，仇恨驱动登录。《我的世界》账号迁移这事更离谱。微软收购 Mojang 后强制老玩家把账号迁到微软账户，然后迁移成功后立刻被要求绑定手机号，否则无法登录。有一个人说他在 Alpha 测试时代买的游戏，当时只需要用户名和密码，现在发现登不进去了。另一个说两个账号都丢了，一个因为强绑邮箱，一个因为没赶上迁移期限。

男：评论区里有人猜测，官方宣布《我的世界》卖了四亿份，也许里面有不少是同一批人买了两次。还有一个从工程角度解释这些现象的人，他说微软 2014 年裁掉了大量 QA 工程师，让开发者自己测试代码，之后 Windows 更新就不断出现各种问题。以前的 Windows 2000、XP 和 7 口碑好，是因为基于 NT 内核，现在的产品被捆绑了订阅、广告和 Copilot。

女：但也有为 Xbox 说公道话的声音。有人提出，主机上的登录体验其实很顺畅，按一下手柄的 Xbox 键就自动全家登录，存档和 Mod 互不干扰。立刻就被另一个人反驳了。他说他自己的 Xbox One 每隔几个月才开一次机，每次都要先下载好几个 G 的系统更新，然后发现被登出了，还得用手柄一个字母一个字母输密码。他本来只是想玩一把，热身时间比玩的时间还长。

男：这种摩擦感累积起来，就会让人对整个“数字拥有”的概念失去信任。讨论从这个话题蔓延到了电影和音乐。有人给了一个很好的比喻，流媒体是大教堂，你向 HBO Max 交了钱，结果想看《真实的谎言》时发现它不在馆藏。数字商店是集市，Prime Video、iTunes 都说自己版本最好，但不知道一年后还在不在。而集市下面就有一个保存了一切的“地下市场”——盗版。

女：还有一句话非常尖锐，直接出现在了论坛上：“如果买不是拥有，盗版就不是偷窃。”这听起来有点刺耳，但确实在逻辑上把窗户纸捅破了。

男：其实替代方案一直都存在。GOG 平台卖的是没有数字版权管理的游戏，给你独立安装包，下载到硬盘里就是你的，没有验证服务器，没有强制登录。还有人说他去二手市场、旧货店、车库甩卖收老游戏，成本很低。一个用户的经验是，只要 GameCube 还能读盘，他的《马里奥赛车双打》就能一直跑。

女：有一位叫 jerf 的用户总结得很冷静，他说避免被锁死的最好办法，就是别走进那个笼子。每个月二十美元的订阅费，如果持续用来买真正拥有的介质，几年后就是一笔可观的收藏。不玩 GTA 6 其实也不会怎样，值得玩而且不锁死你的游戏，一辈子都消费不完。

男：还有一段补充背景的评论，说索尼已经宣布 2028 年 1 月停止生产新 PlayStation 游戏的光盘，GTA 6 大概就是盒子里放一张兑换码。Xbox One 时代原本规划了完整的离线游玩支持，因为索尼在 E3 上的一段舆论视频攻击，被迫砍掉了。

女：最后是一个回忆杀。有人说，Xbox 360 时代的分屏合作，只需要一个“访客”位，插上第二只手柄就能开玩。现在的《光环》，分屏合作要求每个玩家都有微软账户，还要关联 PlayStation 账户，而且没有任何界面提示。他和朋友折腾了四十五分钟，最后失去了兴趣。

男：这跟想给女朋友演示《光环》的那位老哥一模一样，在验证码循环里花了五分钟，放弃。而文章作者在仓库里翻出的二十年前的 Game Boy 卡带，插上机器就能玩。这种对比太鲜明了。

女：而且我感觉，这种不信任会慢慢渗透到别的地方。不只是游戏，当我们看到一张 AI 生成的图片，脑子里可能冒出来的第一反应也是，这背后是一个人，还是一个生成请求？

男：对，这刚好可以接到一个关于 AI 图片的讨论。有一位叫 Nelson 的博主写了篇文章，说他越来越反感独立博客里配的 AI 图。他看到 AI 配图，就会自动怀疑正文是不是也用 AI 写的。他说他宁愿看一张用微软画图画得很难看的图，至少能确定那是一个真实的人在想事情。

女：这个话题在论坛上炸出了大量的赞成和反对。反对的人说，如果图片是为了辅助解释内容，拒绝它反而很肤浅。但赞成的人给出的理由更微妙——他们说问题不是图片不好看，而是图片成了一种虚假的价值信号。它假装说“这篇文章花了很多力气”，但实际生成它几乎没有成本。

男：有人给了一个很好的比喻。他说这就像天花板上的泡沫石膏装饰。装饰历来是额外努力的象征，但人们总会用廉价手段去模仿，读者就只好学会分辨真伪。在博客里，真实的图片说明作者投入了时间、在意细节。而 AI 图让人联想到批量生产，顺带怀疑文字也出自大语言模型。

女：还有一个自称对审美很敏感的用户形容得更绝。他用了“空洞错误感”这个词。他说 AI 图像有一种过度调校的诡异，像是一个失控的杂志编辑在控制工具，他只要看到就会直接关掉网页。但也有人坚持说，关键看创作本身，不是工具。还搬出了摄影刚出现时也被骂、Photoshop 和自动调音都被鄙视过的历史类比。

男：这个争论在帖子里反复拉锯，没有结论。但有一个维度让我印象很深，就是信任问题。有人举了一个非常具体的搜索场景，在 Google 图片里搜“发动机示意图”，第一屏结果里混着几张正确的图，剩下的全是 AI 生成的错误图解，四缸发动机配了三个缸头，油底壳被标成了曲轴，拼写完全乱套。一个技术型读者一旦察觉到这种“AI 味”，对整篇文章的信任瞬间清零。

女：所以其实跟游戏那边的心态完全一样：信任一旦被消耗，就很难恢复。但博客作者也有自己的苦衷。很多人说他们配图是因为社交平台和算法偏爱带缩略图的帖子，或者只是需要一张题图，实在找不到合适的素材，就生成了一张。有评论做了一个很好的区分，如果图片是正文的一部分，AI 生成无可厚非；如果只是装饰，那干脆别放。

男：也有人分享了自己的家庭实验。妻子写同人小说，用 AI 生成角色场景的预告图，读者完全没意见。但当她改用 AI 语音朗读自己的剧本之后，订阅者反而流失了。这说明在某些媒介上，读者对“人声”的在意程度远远超过视觉。

女：讨论还延伸到了博客之外。有人在酒吧海报、餐馆菜单和市政宣传册上都开始看到 AI 图。有个人第一次在菜单上看到 AI 生成的佛卡夏面包照片，他说那不像食物，倒像是密集孔洞引发的恐惧感，而且他觉得这就是误导，菜单图片就应该展示你实际会吃到的菜。

男：Hacker News 上的声音虽然大多不喜欢 AI 图，但也有个别人指出，大多数普通用户其实注意不到，就算注意到了也不在乎。不过从讨论的热度来看，AI 图片已经变成一种快速的启发式信号。在信息过载的时代，读者用图片的质感快速判断一篇文章值不值得看，看到明显的 AI 生成图，对作者投入度的判断就会大打折扣。

女：这就像一位评论者说的，伪造的劳力士，你不需要去鉴定，看到光泽不对就知道了。当然，讨论里有一个人贴出了自己用 Nano Banana 画的街区记忆图，说自己在重现小时候的场景。有人称赞画风，但另一个人提出了一个更深的疑问：用 AI 重现“从来没有被记录下来的画面”来当作记忆，这件事本身是不是就很怪？

男：这个问题可能没有标准答案。它更像一面镜子，让我们看到自己在意的是什么。而且有意思的是，这些争论背后都有一个共性——我们都在用很小的信号，试图还原屏幕另一头那个人投入了多少真实的力气。

女：对，所以当有人拿着一台机器，试图在自己的电脑上不靠云服务去跑一个三百亿参数的大模型的时候，这件事本身就有点像在说，我也要重新定义我能控制什么。要不要聊聊那个把大模型装进单张显卡的项目？

男：好。这是一个开源项目，叫 Swiftlet。作者用 Swift 和 Metal 写了一个运行时，在普通 Apple 设备上跑 Qwen 的 MoE 模型，也就是专家混合模型。他把一个 800 亿参数的模型，压缩到 M5 Mac 上只占 4.3 GB 峰值内存，解码速度 4.5 到 5 个 token 每秒。一个 350 亿参数的变体，能在 iPhone 17 上用大约 2.5 GB 内存跑，速度大概 1 token 每秒。

女：我想先弄清楚一件事。800 亿参数听上去是一个庞然大物，它怎么能跑到一个普通电脑的内存里？

男：关键在于“专家混合”这个设计。这类模型每次输出一个 token，其实只用到了 800 亿参数里的大概 30 亿个。可以想象成一个大公司里有很多专家，但每次开会只有少数几个人发言。所以 Swiftlet 做的事，就是把那些“常驻”的核心专家留在内存里，其他成千上万个路由专家打包放在固态硬盘上，需要的时候才去读取。

女：那就是说，它本质上是在一边计算一边从硬盘往内存里搬运专家？

男：对。它用的是一个叫 pread 的系统调用，直接从固态硬盘读取，不依赖操作系统的文件缓存。热门的专家会被缓存在一个有限的池子里，用一个类似“最少使用频率加最近使用”的驱逐策略。作者测出来，缓存命中率从 43% 变到 70%，吞吐量却几乎不变。因为 Apple 的固态硬盘读得实在太快了，缓存没命中也不怎么拖后腿。

女：这个项目还有一个让我觉得有意思的点，为了能在 iPhone 上跑，它没有用传统 Transformer 那套不断增长的键值缓存。它 75% 的层用了门控 DeltaNet 线性注意力，循环状态大小是固定的，所以任意上下文长度下都不会膨胀。整套代码用 Metal 着色器在运行时编译，所以同一套代码不修改就能装上手机。

男：对，作者做了很完整的验证，每一层都和参考实现逐层对比，覆盖了浮点和整数量化，CPU 和 GPU 结果一致，容器支持逐字节验证。他还特别提醒了一句，这些模型每个 token 只激活大约 30 亿参数，所以聊天和写作的时候像大模型，回忆具体事实的时候像小模型。别对它的事实记忆力抱太高期待。

女：在讨论里，有人把这个项目比喻成“爬树登月”，觉得在消费硬件上跑万亿参数模型永远不会到来。马上就有反驳说，历史上显卡算力和显存带宽一直在快速增长，而且 AMD 已经在不到一万美元的 Strix Halo 集群上演示过 1T 参数的模型。

男：还有一点争论很典型：集中式的云推理和本地推理到底哪个更有意义？有人说服务器上并行处理大量请求更经济，而且大部分人已经依赖网络。另一派则强调设备端的隐私和离线可用，以及很多日常问题根本不需要推送到一个装满重型 GPU 的远端数据中心。

女：这跟前面游戏光盘的争论其实是一个内核。我们把算力交给云端，就像把游戏授权交给认证服务器——方便，但开关在别人手里。有人希望这类技术能进入 LM Studio 这样的主流客户端，让普通用户也能一键下载模型、一键推理，这件事可能会变得跟今天导入一首 MP3 一样简单。

男：不过在 Hacker News 的讨论里，一个更现实的问题是，普通人能不能买到做这些实验的硬件。因为另一个项目，有人把更大的 DeepSeek V4 Flash 跑在了单张 AMD MI300X 加速卡上。这张卡有 192 GB 超高带宽内存，标价大约是 H100 的一半。但问题是，零售渠道根本买不到单张卡，通常是八张一整个服务器卖，大约二十五万欧元。

女：二十五万欧元，那显然不是给个人开发者准备的。

男：对，但回复马上指向了按需云实例。最便宜的是 AMD Developer Cloud，由 Digital Ocean 提供，每小时 1.99 美元。有人在评论里猜测，等 AI 泡沫破裂，这些卡会涌向二手市场。但也有人反驳，说企业会先买空库存，个人拿不到，只要没有竞争，产量就不会上来。

女：不过这没有阻止开源社区把这些跑通的配置、补丁和运维经验全部公开。这个 deepseek-v4-flash-mi300x 仓库，是个非常硬核的工程笔记。作者把 304B 参数的 DeepSeek V4 Flash 检查点直接加载在 MI300X 上，不加额外量化，权重在 HBM 里占 156.67 GiB。单卡能稳定处理 2 到 8 条并发流，突发能撑到 64 条。

男：跑通的主要障碍是硬件格式差异。MI300X 用的是 AMD 自己的 FNUZ 变体 FP8，更新一代的卡才是行业标准的 OCP FP8。如果不处理这个差异，按标准格式写的计算内核误差会翻倍。作者的优先级很明确：先把正确性修掉，再调性能。另一个关键 bug 出现在混合专家的 MXFP4 路由内核里，位矩阵的填充块尺寸和掩码边界判断不一致，负载一高就会破坏路由矩阵，导致工具调用近似匹配、长提示词下 schema 被遗忘。

女：这些 bug 听起来都是那种会在凌晨三点把人逼疯的东西。他们怎么修的？

男：修法来自 Doubleword 的一行提交，把掩码条件同时检查本地块和全局索引。仓库里一共有十个补丁，还覆盖了草稿式推测解码在 ROCm 小头注意力上的多 token 验证、CPU 到 GPU 缓存恢复的同步围栏修复等等。实测数据是，单流解码中位数 168.6 token 每秒，八并发聚合 542 token 每秒，六十四流突发 830 token 每秒，没有内存溢出，没有引擎错误。

女：这些数字对普通听众可能过于硬核。但我觉得最动人的细节是，这个项目的作者在 README 里原本写了一行“与 Claude Code 合作构建”，被评论区问是不是 Anthropic 参与了，他赶紧澄清没有，只是大量使用了 Claude Code，然后把措辞改成了“用 Claude Code 构建”。这件事本身，就是这个时代的注脚。

男：这让我想起 Lilian Weng 最近写的一篇长文，专门讨论递归自我改进。她聚焦的不是模型直接改自己的权重，而是围绕模型的执行框架。也就是编排模型怎么思考、怎么调用工具、怎么管理上下文和评估结果的那套系统。Claude Code 和 Codex 这类产品的成功，说明这套执行框架和模型本身的能力几乎同等重要。

女：这里可能需要你帮大家解释一下，什么叫“执行框架”？

男：可以把它理解成模型外面的那层壳。早期的代理就是模型加记忆加工具加规划。但现在的执行框架更像是一个运行时环境，要管理工作流、评估、权限、持久状态。Weng 总结了几种反复出现的模式。比如工作流自动化，就是定义一个目标，然后计划、执行、观察、测试、改进、再执行。再比如用文件系统当持久记忆，读写和编辑文件本来就是语言模型的基础技能，这种设计能自然受益于模型能力的提升。

女：所以这就不只是模型聪明，而是它身边那一整套脚手架搭得好。

男：对。更重要的是，这套脚手架自己也在被自动优化。Weng 介绍了一个叫“元执行框架”（Meta-Harness）的概念。被优化的对象不再是提示词，而是决定存什么、取什么、怎么呈现给模型的代码本身。一旦执行框架的设计变成了一个可执行的搜索空间，一个强编码代理就能利用人类工程师用的同一个设计空间来改进自己。

女：这个描述让我有点后背发凉，但又觉得很合理。它本质上就是在自动搜索更好的工作流。

男：对。比如有个叫 AFlow 的系统把工作流表示成图，用蒙特卡洛树搜索迭代改良节点，在问答、代码和数学任务上超过了人工设计的工作流。还有一个叫 Self-Harness 的方法，会先挖掘自己的弱点，把失败聚类成可验证的失败模式，然后生成有边界的执行框架提案，再做回归测试，只有不引入新错误的编辑才会被接受。

女：感觉像是模型自己给自己写升级包，还要通过测试。那它真的学到了可迁移的经验，还是只是对某个测试基准过拟合了？

男：这也是作者关心的。他们把 Self-Harness 学到的那套执行框架冻结，迁移到另一个完全不同的基准上，还是有效。说明它学到的是真正的工程经验，不只是刷分。不过 Weng 也提醒，评估器的问题仍然很关键。如果验证器本身不够精确，就会奖励模型学会去骗评估器，而不是真正解决问题。

女：Hacker News 上有一个评论我印象很深。一个叫 gopalraja 的人说，最危险的其实不是弱评估器，而是不完整的检查套件——它看起来既正确又果断地告诉你通过了，但其实从来没跑过那些本来会失败的用例。他的做法是对覆盖率采取 fail-closed 原则，每个操作的固定检查没全部到位，绝不放行。

男：这个 advice 挺重要的。另外还有一个观察来自用户 tosh。他说，编码代理经常通过安装或构建工具来改进自己，这改变的是环境，而不是代理本身。但你真的能分清代理和环境的边界在哪吗？动物和人类也一直这么干，而且干得很好，未必非要强调“自我”的改进。

女：这跟前面 Swiftlet 和 MI300X 那些项目是相通的。当一个人可以在自己的机器上跑一个巨大模型，当执行框架可以自己改良自己，当游戏玩家开始重新用老机器和旧卡带，所有这些行为都在追问同一件事：我们能掌控的边界在哪里？

男：而且这种追问不只是技术上的，也是历史上的。因为历史上我们曾经对很多事情的判断，后来都被证明是错的。比如我们曾经认为亚马逊雨林是一片“原始的、未被人类触碰的”荒野，但事实证明，它可能是一座被丛林吞没的巨大花园。

女：对，这是一篇刚刚发表在《自然》杂志上的研究。二十多年前，巴西地理学家兰齐在飞越亚马逊上空的时候，从飞机舷窗看到地面上有一个完美的圆形刻痕，他确信那是人类留下的。现在，激光雷达技术帮他和同事们在那片雨林里发现了近四百处之前完全未知的几何形状土方工程，有方形、圆形、五角星、八角形。根据密度推算，整个区域可能还有超过两万处类似遗迹。

男：研究团队估计，大约有三百万人曾生活在亚马逊森林总面积的大约 3% 的区域内，年代可以追溯到大概两千五百年前。当地阿普里尼亚部落把这些地画称为“kymyrury”，意思是“灵魂的家园”。兰齐说了一句话，毕达哥拉斯在古希腊做定理的时候，亚马逊的人正在做几何。

女：这句话太有重量了。而且这些遗迹位于远离主要河流的内陆区域，能养活这么多人的社会，需要一个高度复杂的资源管理系统。研究者根据地画的建造和维护所需人力去倒推人口规模，得出的数字直接挑战了“原始、未受人类触碰的亚马逊”这个旧说法。

男：这种旧说法的形成，其实跟殖民历史有直接关系。讨论区有用户指出，欧洲传染病——天花之类——在殖民者大规模抵达之前就已经通过贸易网络传播，导致大量原住民死亡。植被迅速恢复，后来的欧洲人看到的是一片人口崩溃之后的森林。另一个用户补充，亚马逊有高达 10% 的土壤是人类制造的“黑土”，富含碳和养分，还有大量巴西坚果、阿萨伊果的“超优势”分布，指向古代果园的存在。

女：这倒不是说整个亚马逊都是人造的。讨论里也有人提醒，这篇文章只涉及 3% 的森林面积，剩下的大部分可能确实没有被大规模改造。但激光雷达这项技术带来的冲击是真实的。以前科学家只能在森林被砍伐后的区域发现这些遗迹，现在可以从空中直接穿透树冠看地面。巴西一位考古学家说，这项技术是具有“革命性”的。

男：不过新技术也带来了新问题。一些土著部落担心，激光雷达图像公开后会暴露他们领地的精确位置，或者泄露他们视为神圣的地点。研究团队在公开数据前，把划定的土著领地范围内的地画图像全部移除了。

女：这一点挺重要的。阿普里尼亚部落的人类学家弗朗西斯科·阿普里尼亚说，有些事情不需要公开，但另一些需要负责任地展示，作为保护和承认土著领地的论据。圣保罗大学的内维斯也说，巴西考古学界正在学习尊重当地社区，让技术应用不那么像殖民主义的延伸。

男：这项研究还有一个有趣的延伸：地画周围存在巴西坚果树的不自然分布，指向了这种作物的驯化和栽培。论文通讯作者说，这些都说明亚马逊当前的样子受到过人类活动的影响，而这种认识可能会影响气候建模。

女：对我们这些不研究气候也不是考古学家的人来说，这组发现最大的冲击可能在于，它打开了另一种想象历史的方式。

男：而且我觉得，它跟前面所有话题都有一个共同的暗线：我们要重新看待那些理所当然的东西。一直以为光盘等于拥有，但其实不是。一直以为亚马逊是原始森林，但其实可能是果园。一直以为博客配图只是装饰，但其实它承载着信任信号。一直以为大模型只能跑在云端，但其实它可以塞进你的手机。

女：所以当一个人在自己的 Mac 上跑一个本地模型，或者一个研究员在亚马逊寻找被埋没的几何城市，他们在做的其实是同一件事：把被黑箱笼罩的东西重新打开，看看里面到底有什么。

男：还有一件事，我觉得应该让大家知道。今天这个日子不只是布拉德伯里小说设定的那一天。也在今天，Stephen Wolfram 发表了一篇悼念妻子的长文。

女：是的。Wolfram 的妻子叫 Elise Cawley，是一位纯数学家，在心脏手术恢复期间突发大规模心血管事件去世。两人相伴三十六年，Wolfram 在文章里面写了很多细到惊人的细节，比如他们 1990 年在曼哈顿的一次聚会上认识，她坐在地板上，他花了两周才鼓起勇气打电话。从那以后，他们几乎每一天都交谈，直到她去世。

男：她在 MIT 读的本科，在伯克利拿的数学博士，研究光滑马尔科夫划分。Wolfram 回忆，她批评现代数学教育“试图让数学显得有用而失去了美”，还说“现代教科书里的大部分数学根本不是真正的数学”。两人有过一次关于圆的概念的形而上学争论，她在数学基础问题上持柏拉图主义立场，认为原始的公理化形式化不可能是数学的真正本质。Wolfram 在文章里写，“尽管我一再固执地坚持相反观点，但事实证明她一直都是对的”。

女：这句话放在一个以自负闻名的科学家笔下，分量很重。她还设计了他们位于马萨诸塞州康科德的房子，用数论设计楼梯栏杆，用圆填充理论设计意大利风格地砖。藏书超过五千卷，新家可以容纳近万册。

男：Wolfram 记录她最后一天是充实的，参加了一个孩子的线上庆祝活动，视频里她全程笑容满面。几个小时后突然倒下，当场离世。Wolfram 说他长期保持了极其详尽的个人记录习惯，有人甚至开玩笑说跟他谈话会被分配一个“对话编号”，但在这篇文章里，所有这些习惯最终都指向了一个朴素的目的：他想把她留下来。

女：Hacker News 的评论非常克制。有人说你能感受到他对她的爱，令人心碎。还有人说，爱过又失去，胜过从未爱过，但失去的痛苦依然真实。我觉得这也许是我们今天整期节目里最安静的一块拼图，但它放在这里，刚刚好。

男：刚好给所有关于技术、所有权、边界和自动化的讨论，提供一个完全不同的尺度。

女：那我们最后聊一个轻松一点的话题，给这期节目留一个亮色吧。有一个人用数学和网页工具，做了一个肤色色彩空间，叫 TUV。

男：这个人用主成分分析处理了一堆手动标注的皮肤 RGB 颜色，然后在 Desmos 里手动拟合了一个球体方程。结果得到一个三维色彩空间，三个轴分别控制深浅、红润还是赭黄、冷暖。最好玩的是，他做选择器之前根本不知道每个轴会对什么，是数学自己转出来的。

女：他坦诚说这个工作一点都不严谨，没有做符号回归，全靠自己肉眼在 Desmos 里猜。标注也全是个人主观判断，所以适合做游戏角色创建器和数字绘画的起点，不适合当权威标准。但这个态度让整个项目变得特别讨人喜欢。

男：有一个用户留言说，让一个四十九岁的人和一个十岁的人同样感兴趣，这个项目一定做对了什么。作者回了句“这是很感人的称赞”。然后有人问能不能在自己的项目里用代码，他马上给仓库加了 MIT 许可证，还补充说数学方程本身不受版权保护。

女：评论区也有提到更成熟的方案，比如说 Pantone 肤色指南，Google 的 Monk 量表，还有一位博士生说皮肤颜色理论上可以用黑色素和血红蛋白浓度参数化，大概是二维的。但作者后来回应说，未来确实需要多人和专家参与标注，他也提到自己的艺术背景和 Humanae 摄影项目帮他抵消了一部分偏见。

男：还有人把化妆品粉底色号的数据画进 Oklab 色彩空间，发现色号形成的形状和这个项目里 PCA 散点图的月牙形一模一样。等于从两个完全不同的路径走到了同一块饼干上。

女：我觉得这是一个很温柔的收束点。今天整期节目，我们从一座没有人住的房子开始，到一张在皮肤颜色里寻找秩序的散点图结束。中间聊了失去的游戏、被埋没的城市、被质疑的图片、被塞进手机的巨型模型，和一个失去妻子的数学家。它们其实都在问同一个问题：在一个什么都可能被模拟、被托管、被模糊的世界里，什么才是真的？

男：答案可能就藏在这些具体的动作里。插上一张二十年前的卡带，从硬盘固态盘加载一个专家，标注一堆颜色点，在废墟里找到一圈几何地画。所有这些，都是人类在重新确认自己的坐标。

女：今天的节目就到这里。你现在听到的这期节目由 Agili 的 Hacker Podcast 制作，你可以在任何泛用型播客客户端找到我们。如果你喜欢这期节目，可以把开头那座还在报时的房子，分享给一个你觉得会懂的朋友。我是莓莓。

男：我是阿迪。下次见。