Agili 的 Hacker Podcast 2026-09-23

2026年9月23日

欢迎阅读 Agili 的 Hacker Podcast 每日精选。今天我们将探讨智能推理成本断崖式下跌引发的工程重构、AI 在生物科学发现与军用决策中的两极现实，以及纯数据内存攻击给系统防御带来的新考验。

Tokens 便宜到无需计量

成本暴跌的技术推力

使用机器学习模型的单次推理成本正在以惊人的速度下滑。硬件能效的持续迭代构成了底层支撑，开源推理引擎（如 vLLM）在 15 个月内将单 Token（模型处理文本的基本词元单位）能耗削减了约 40%，配合底层系统栈的深度调优，让数据中心在不更换芯片的情况下实现了数倍的吞吐提升。在架构层面，混合专家架构（MoE，仅在需要时激活特定子网络的稀疏结构）显著压缩了激活参数量，配合低比特量化（降低数值精度的压缩手段），使得高能力模型可以在消费级硬件上直接运行。根据研究机构 Epoch AI 的统计，前沿模型达到相同能力等级的推理成本在初期平均每季度下降 66%。

软件开发逻辑的迁移

单次模型调用的开销正在逼近美分的分数级别，调用轻量模型的资源消耗甚至已经低于耗时数十秒的本地代码编译。开发者开始尝试把小型决策模型直接嵌入命令行，构建类似 jgrep 的文本过滤管道。当编写通用代码的门槛被彻底抹平，现成软件库本身的壁垒正在消退。技术工程的关注焦点正在从“如何写出代码”加速转向系统运维、访问权限控制、需求精确定义以及界面交互，专有行业数据和业务壁垒的价值被进一步放大。

边际极限与商业回报的疑虑

这种成本下探存在物理与工程极限。有工程师在讨论中指出，用 C 语言等底层语言编写的确定性工具代表了物理执行效率的下限，依靠概率统计运行的大模型更可能无限逼近这一极限，而无法在能效上超越纯算法逻辑。为了弥补统计模型的偶发幻觉，团队往往需要投入巨大的工程时间进行提示词调谐和边界测试，这些隐形成本常常超出预期。此外，万亿美元规模的数据中心资本开支要求行业催生海量真实现金流，如果硬件与算法的能耗压缩速度快于终端需求的增长节奏，超前建设的基础设施可能面临闲置风险。

25 行 Python 代码解构轻量决策模型 Jev

极简脚本与本质还原

开源开发者 Duarte O.Carmo 用 25 行 Python 代码，利用 llama-cpp-python 加载 0.6B 参数的量化小模型，在输入末尾手动闭合推理标签，直接提取对应多选选项（如 A、B、C）首个 Token 的 logits（未归一化的原始输出得分），并转换为概率。该实现表明，主打高速决策的专用模型本质上是将多选题转化为单一 Token 的分类预测，不需要生成完整的自然语言长句，完全可以在普通设备本地离线执行。

对数概率与置信度的工程陷阱

这一演示在社区引发了对“概率输出是否等同于决策系统”的争论。多位工程师指出，原始语言模型的 logprobs（对数概率）绝非真实世界的决策置信度，深度网络普遍存在过度自信问题，未经充分校准的模型极易给错误选项赋予接近 100% 的虚假概率。针对 Jev 提供的置信度指标，有开发者发现其本质是利用线性公式将最高概率进行重整，并没有提供额外的独立可靠性指标。此外，自回归模型对排列在最前面的选项存在先验偏好，且容易受到后续自然语言句式潜在走向的干扰。

专用分类路径的实际价值

开发团队对于这类模型的评价保持分化。赞成者认为，让通用大模型生成长文本只是为了取回一个分类标签在计算上极其浪费，轻量决策模型省去了冗余的文本生成显存和网络调用开销，有效避免了 JSON 格式解析失败的工程风险。质疑者则提出，一旦完全放弃思维链（Chain of Thought）推理预算，小模型在面对复杂歧义时的准确率将大幅下跌；在 CPU 上运行简单的文本嵌入向量结合岭回归与共形预测算法，往往能在更低延迟下取得更可靠的校准结果。

Claude 发现具有类 CRISPR 重复序列的新型酶系统

代理集群的主动挖掘

Anthropic 成立了生命科学研究团队并配置了自有湿实验室，首次展示了由 Claude 主导的早期基础生物学发现。研究人员部署了约 950 个模型代理实例，消耗 2.1 亿 Token，对超过 20 万个巨型噬菌体逆转录酶（RT，能将 RNA 反向复制为 DNA 的酶）进行了为期 21 小时的筛选。其中一个代理实例在未标注的原始序列中，自主识别出一段紧邻 RT 基因的规则串联重复序列，并完成了文献排查与特征报告。该系统被命名为阵列相关逆转录酶（ART）。

实验室验证与科学评价

随后的湿实验验证了这一计算推论：该复合系统由一个 RT 基因、一个未知功能的伴侣蛋白以及类似 CRISPR 的间隔重复序列构成，该重复序列能够在实验中正常转录出一组短 RNA。CRISPR 先驱张锋教授评价认为，识别与逆转录酶关联的 RNA 重复阵列具有启发性，体现了 AI 工具在生命科学假说生成层面的实用价值。但在具体功能上，该酶系统是否具备像 CRISPR 那样的序列特异性切割能力，仍需等待长周期的生物学机制验证。

商业模式的纵向演进

讨论普遍关注到头部模型厂商策略的转变。随着底层基础模型和 Token 销售走向同质化与价格内卷，AI 企业自建实验室、深入垂直领域寻求知识产权壁垒成为新的方向。从利用算力跨文献分析生成非结构化假说，到利用内部湿实验室完成实体闭环，大型实验室正在向掌握核心生物资产的技术研发实体转型。

纯数据攻击比想象中更容易实现

避开控制流防御的盲区

微软等机构的统计表明，约 70% 的高危漏洞源自内存安全问题。长久以来，工业界主要依赖数据执行保护（DEP）和控制流完整性（CFI）等手段，阻止攻击者劫持函数指针或篡改指令跳转。阿姆斯特丹自由大学 VUSec 实验室在 USENIX Security 2024 上展示了自动化纯数据攻击工具 Einstein。该研究证明，即便完全不破坏程序的既定控制流，只要关键内存数据被替换，程序就会在完全合规的函数和系统调用序列中执行攻击者的恶意意图。

传统攻击（控制流劫持）：
[正常输入] -> [内存溢出覆写指针] -> [强行跳转恶意代码/ROP链] -> (被 CFI/DEP 拦截)

纯数据攻击（Data-Only）：
[正常输入] -> [内存溢出篡改关键路径数据] -> [程序调用合法的 execve()] -> [以合法指令执行恶意目标]

聚焦系统调用的自动化挖掘

Einstein 摒弃了针对特定协议的复杂业务逻辑分析，把注意力集中在通用的操作系统底层系统调用（Syscalls）。工具通过二进制插桩运行程序，采用动态污点分析追踪由不可信输入控制的内存数据。一旦发现这些数据能够无须加工直接流入敏感系统调用（如负责执行外部程序的 execve 或写盘的 write），系统就会自动构造内存覆写方案，并重启目标服务发送看似正常的网络请求进行复核。在对 nginx 的测试中，该工具自动发掘出包含任意命令执行和任意文件写入在内的 944 个可用攻击原语。

全面内存安全的防御困局

纯数据攻击将防御体系推入了工程两难。传统的控制流拦截技术开销极低且通用性好，但它们默认信任程序内部正在处理的数据内容。要完全抵御纯数据利用，要么依靠全面的数据流完整性（DFI）追踪，要么将系统彻底使用内存安全语言重写，这两种方案在既有大型 C/C++ 软件基础设施上的重构成熟度和性能成本都极其高昂，使得低开销的系统级纯数据防护依然是一项未决的技术挑战。

五角大楼将伊朗学校误炸事件归咎于过度依赖 AI

流程失控导致的目标误判

2026 年 2 月底，美军巡航导弹击中伊朗米纳卜的沙贾拉·塔耶巴小学，导致包含 123 名儿童在内的超过 150 名平民遇难。彭博社援引五角大楼内部调查透露，在美伊冲突爆发首日，决策层下达了 24 小时内轰炸超过 1000 个目标的高额指标，原需数小时的目标核查被压缩至数分钟。在此之前，军方的平民伤害缓解编制被缩减约 90%，致使该次空袭完全脱离了平民风险审核。

涉事校址早在十年前就已从伊斯兰革命卫队海军用地改建为独立学校，拥有明确的围墙隔断、卫星可辨识的运动场地与公开网站。情报分析人员曾于 2019 年记录过该变更，但该记录保存在未互通的孤立系统内。任务人员最终调取了国防情报局至少七年未更新的旧数据，导入 Palantir 开发的 Maven 军用智能系统生成了打击清单。

算法对决策责任的稀释

调查指出，操作人员误以为平台具有自动校验底层数据真实性与时效性的能力，但系统合同仅限定软件负责整合数据源，数据正确性仍由军方承担。技术社区分析指出，将事故单方面定性为“过度依赖 AI”掩盖了系统性的管理失职。当上级指令要求在极短时间内凑齐上千个打击清单、并强制跳过地面与空中多方独立交叉验证规程时，无论使用自动化工具还是传统数据库，都会产生同样的悲剧。高度集成的算法界面输出的高确信度结论，容易诱导操作者放弃审慎复核，并在事故发生后成为推卸指挥责任的技术屏障。

Claude Code 仅在开启遥测时加载 AGENTS.md 的问题已修复

远程开关与本地文件的绑定失误

Anthropic 在 Claude Code 命令行工具 2.1.277 版本中加入了对通用代理描述文件 AGENTS.md 的支持。但大量用户发现，一旦通过环境变量关闭了遥测（Telemetry，用于软件回传使用指标的机制）或拦截非必要网络流量，本地的 AGENTS.md 就会在没有任何告警的情况下被静默忽略。逆向分析显示，团队将该加载逻辑设计为一个依赖远程 Feature Flag（功能开关）控制的内置模块，当遥测管道被阻断或处于内网代理环境时，该开关拉取失败，导致客户端放弃读取本地磁盘文件。

过度工程化与修复响应

Anthropic 工程师随后在社区致歉并推送了 2.1.281 修复版本。官方解释称该功能是基于新开发的 Mods（模组系统）机制接入的，远程开关原本是为了提供未知故障时的远程熔断能力，但在编码时误将其网络通道与遥测逻辑混杂在一起。这起事故在开发者中引发了对过度设计的讨论：读取本地备用配置这一原本仅需几十行条件判断的逻辑，被包装成复杂的动态插件，并违背了“本地优先”的命令行工具设计原则。

ReBarUEFI：为老旧主板解锁 Resizable BAR 支持

突破 256MB 传输瓶颈

PCIe 设备的基地址寄存器（BAR）规定了 CPU 与外设内存之间的数据交互通道。受早期 32 位系统兼容性限制，该映射窗口通常被硬件固件死死锁定在 256MB。当图形处理器运行当代重载纹理时，CPU 必须频繁切片调度显存。Resizable BAR 技术允许 CPU 直接寻址完整显存空间，虽然硬件层面上自英特尔 Sandy Bridge 架构起就具备支持能力，但多数老旧主板的 BIOS 固件并未开放配置接口。开源项目 ReBarUEFI 通过向 UEFI 固件的驱动执行环境（DXE）动态注入补丁驱动，在总线枚举阶段替换资源分配函数，让缺少官方支持的老平台也能按需映射大容量显存。

部署风险与实际收益权衡

在旧平台上启用该技术需要手动修补固件，开启 4G 以上解码并配合专用补丁绕过固件自带的寻址上限。由于修改涉及底层 NVRAM 参数和 BIOS 刷写，若显存分配参数设置不当可能导致硬件无法点亮，需要物理清空 CMOS 恢复。同时，更大尺寸的映射并不绝对等同于更流畅的帧率。在显卡显存完全耗尽并与系统主内存发生频繁页面置换（Thrashing）的高负载场景下，开启全量映射在缺少驱动级细粒度调度的老显卡上，有时反而会加剧瞬时卡顿。

Waymo 推出公共交通联运奖励计划

依靠银行卡网络的短途接驳

Waymo 在旧金山湾区推出了 Transit Rewards 计划。乘客使用同一张绑定的 Visa 信用卡在两小时内先后刷卡乘坐 Waymo 和参与计划的 27 家本地公共交通线路，即可自动获得 2.85 美元的平台返现，金额等同于旧金山单程公交票价。加州通勤铁路（Caltrain）同时向 Waymo 出租了 40 个车站专用车位供车辆驻留。利用 Visa 的现有清算网络，Waymo 得以绕过湾区复杂的 20 余个独立公共交通票务系统，规避了深度系统对接的技术阻力。

最后一公里生态与公共投入争议

部分交通规划分析指出，该项目本质上是用折扣换取用户黏性的商业获客手段，返还额度只能在站内抵扣下一次打车。依赖私营打车系统填补火车站与住宅区之间的“最后一公里”，虽然能在短途调度上提供灵活性，但也有可能分流公众对扩建基础常规公交路线的关注度与财政预算支持。

跳过事故细节的技术管理权衡

在一次团队故障复盘中，高级管理者直接打断了工程师对技术细节的详细铺陈，明确指出自己不需要技术细节：“如果深入细节，当事人在当时场景下的每一个操作看起来都合理；我只想知道工作系统层面必须做出什么改变。”

大多数复盘容易将精力消耗在复盘时间线和当事人心态上。当结论走向“所有人都在尽责做事”时，推动系统实质改良的动力往往就此丧失，最终产出诸如“提高警惕”“增强沟通”等口头约定。这套做法支持将重点直接放在系统性防御上：既然默认所有工程师都是理性且称职的，那么诱发故障的职责边界模糊、无序的突发变更流程或密集的误报告警才是需要被消除的系统病灶。

但基层工程师同样指出了这一管理风格的潜在代价。完全剥离细节可能掩盖过紧的工期排期、资源枯竭等深层次管理缺陷。若将“杜绝一切事故”作为机械性指标，可能导致组织不断叠加繁琐的审批流程，反而大幅拖累研发交付效率。

意大利议会投票通过重启核电法案

意大利参议院以 81 票赞成、51 票反对的表决结果通过法案，正式启动了建立核电监管与许可框架的立法程序。该国曾在 1986 年切尔诺贝利事故和 2011 年福岛事故后的全民公投中两次叫停核电业务。

本次法案的切入点集中在小型模块化反应堆（SMR）等新一代技术上。支持者认为模块化工厂预制有助于规避传统大型核电机组工期拖延与预算失控的问题，能为可再生能源提供坚实的基础负载。然而反对观点集中于经济性与现实物理条件：一套 300 兆瓦的 SMR 成本依然居高不下且缺乏欧洲商业化先例；而随着光伏成本大幅走低，白天廉价的太阳能严重压低了电力现货价格，这给需要 24 小时满负荷运转才能平衡收支的核电站带来了巨大的财务挑战。此外，欧洲内陆河流夏季的水温升高与水量锐减，也对未来的冷却系统选址提出了新的考验。

播客全文

女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。

男：大家好，我是阿迪。

女：阿迪，最近我在社区里看到大家在算一笔账，现在调用大型语言模型做一次简单推理的花销，竟然已经便宜到跟本地跑几十秒代码编译差不多了。

男：确实是这样。研究机构 Epoch AI 的统计显示，模型刚达到前沿能力时，推理成本平均每季度下降 66%，两年后才会平缓到每季度 32% 左右。开源推理引擎 vLLM 在 15 个月里把单 Token 能耗压缩了 40%，配合混合专家架构（MoE，仅在需要时激活特定子网络的模型结构）和量化技术（Quantization，降低数值精度的压缩方法），大模型在普通显卡上也能常驻了。

女：这让我想起前几天开源开发者 Duarte O.Carmo 写的那段 25 行 Python 脚本。他把最近挺火的决策模型 Jev 给拆解了，说这东西本质上就是用轻量模型直接输出选项的未归一化得分，根本不用大费周章等一整段文本生成出来。

男：他其实是用 llama-cpp-python 调了一个 0.6B 的小模型，直接提取模型预测 A、B、C 选项的 logits（未归一化的模型原始输出得分），再换算成概率。有人拿这种思路做了叫 jgrep 的命令行小工具，在 Unix 管道里筛选排序文本，一次才花千分之一美分。把不必要的长篇大论省掉，只拿分类结果，确实能把延迟压到毫秒级。

女：不过，只靠输出第一个字符的概率，真的能用来做严肃决策吗？这就像让一个人只回答单选题，但他可能只是习惯性选 A 呢。

男：你直觉很敏锐。很多工程师指出，常规模型的 logprobs（对数概率）并不等于现实里的真实置信度。深度神经网络在多分类任务里常常过度自信，面对模糊输入也敢给出接近 100% 的虚假确信。语言模型训练时见过大量的问答，本身就偏好“A”这个字母。如果模型脑子里原本想说的是完整句子，开头的字母概率就会虚高。所以生产环境里，有人得把选项挪到正文前面，利用因果注意力掩码（一种防止模型提前看到后续内容的机制）提前建构表征，或者用共形预测这类统计学工具在 CPU 上重新校准。

女：看来模型变便宜后，大家都在琢磨怎么用它代替传统代码，甚至把它塞进底层系统。不过说到把模型推向实际应用，Anthropic 最近直接跨界建起了湿实验室，开始自己做生物实验了。

男：对，他们在旧金山湾区搭了 BSL-1 和 BSL-2 级别的分子生物学实验室，让人类科学家做实验，Claude 负责从庞大数据里挖线索。前几天他们宣布发现了一种新酶系统，命名为阵列相关逆转录酶（ART，array-associated reverse transcriptase）。

女：这听起来很专业，它具体是怎么被找出来的？

男：研究人员启动了大约 950 个代理实例，消耗了 2.1 亿 Token，在 21 小时内筛了 20 万个逆转录酶序列。其中一个实例在检查原始 DNA 数据时，看到紧挨着目标基因有一组未被记录的串联重复序列。湿实验证实它能转录成短 RNA，形态很像基因编辑里常用的 CRISPR 系统。CRISPR 先驱张锋教授也评价说，这类结合逆转录酶的 RNA 重复阵列很有启发性。

女：以前生物学家可能要花几个月甚至几年去对比文献和序列，现在 AI 在几百个实例协同下，一天不到就把可疑的靶点圈出来了。

男：但也要保持清醒。生物界从业者提到，那个逆转录酶本身早就记录在案，Claude 只是敏锐地抓住了旁边的重复序列。至于它能不能像 CRISPR 那样做到可编程的精准切割，还得等实验室漫长的检验。不过这反映出一个商业现实：单靠卖 Token 利润空间越来越薄，AI 公司开始通过自建实验室把虚拟假设转化成真实的物理资产。

女：说到 Anthropic，他们家的开发工具 Claude Code 最近却因为一个小配置引发了不小的风波。很多把遥测关掉的开发者突然发现，本地的指令文件 AGENTS.md 完全失效了。

男：遥测（Telemetry，即软件向服务商回传诊断与使用数据的机制）本来是收集故障信息的。Anthropic 之前在 2.1.277 版本里宣布支持用通用的 AGENTS.md 作为配置兜底。结果有人逆向分析代码发现，加载这个本地文件的功能被写成了一个内部模组，它默认是关着的，必须等服务器发回一个功能开关信号才会激活。

女：这就有点匪夷所思了。我就在本地电脑上放一个 Markdown 文本文件，程序去读它，居然还要先连网问一下远端服务器？

男：这就是典型的过度工程化。只要用户在环境变量里禁用了遥测，或者通过企业云网关运行，程序收不到服务端的放行信号，就会静默忽略本地文件，连条警告日志都不打。工程师排查时还以为是模型不听话，反复改提示词浪费了大半天。Anthropic 随后道歉并在 2.1.281 里修补了这个问题，解释说是为了做远程故障熔断，误把功能开关绑在遥测通道上了。

女：这确实给做客户端工具的团队提了个醒，本地优先的逻辑千万不能被云端控制绑架。不过说到底层软件的可靠性，有些隐藏在内存里的安全风险，可能几十年来都悄悄绕过了防御。

男：阿姆斯特丹自由大学 VUSec 实验室在安全顶会 USENIX Security 2024 上展示的 Einstein 工具就印证了这点。我们过去几十年的系统防御主要在防控制流劫持，比如搞数据执行保护（DEP，禁止在数据段执行代码）和控制流完整性（CFI，限制程序跳转到非预期代码），确保黑客不能把代码执行指针拐跑。

女：但 Einstein 展示的“纯数据攻击”走的是另一条路？

男：对，它完全不改动指令跳转，函数调用全部合法合规。举个简单例子，一个服务器启动时在内存里存了脚本路径“/usr/local/server/cgi-bin”，每次有请求就调系统接口去执行。攻击者通过缓冲区漏洞，把内存里的这串字符悄悄改成了“/bin”，然后发请求让系统调“/sh”。系统按规矩发起了执行，栈保护金丝雀（Stack Canary）和控制流检查完全发现不了异常，因为指针根本没越界，但跑起来的已经是系统 Shell 了。

女：这就像是钥匙、门锁和进门流程全都是合法的，只是信封里的信件内容被偷偷掉包了。

男：正是如此。Einstein 用动态污点分析（Dynamic Taint Analysis，一种标记并跟踪不可信输入数据如何在程序中流动的技术），去盯操作系统最底层的系统调用。它测试 nginx 时自动化挖出了 944 个可用攻击原语，包括任意代码执行和文件写入。纯数据防御现在很棘手，要做全套的数据流完整性检查开销太大，轻量过滤又容易被这类合法数据流绕过。

女：底层安全需要推倒重来，而在硬件底层，居然有人想办法让十几年前的老主板发挥出新显卡的潜力。阿迪，我听说有个叫 ReBarUEFI 的开源项目，能给很老的电脑打补丁？

男：这是个很有极客精神的项目。很多现代显卡需要开启 Resizable BAR 才能跑满性能，英特尔的 Arc 显卡更是强制依赖它。原本显卡和 CPU 之间的 MMIO（内存映射输入输出）窗口因为早期 32 位系统的限制，被锁死在 256MB。CPU 要读显存，只能在这扇小窗户里来回倒腾分块。Resizable BAR 允许直接把几十个 G 的显存全部分配给 CPU 寻址。

女：硬件其实早就支持，但老主板的固件把这项功能锁住了，对吧？

男：英特尔从第二代酷睿 Sandy Bridge 时代开始，硬件上就具备这个底子了，但厂商早就不给老主板更新 BIOS。ReBarUEFI 是一个注入到主板固件执行阶段的核心驱动，每次开机时拦截 PCIe 主桥的资源分配，强行告诉显卡可以分配更大的空间。像第三代酷睿搭配 RX 580 显卡，开了 2GB 的 BAR 空间后，游戏帧率能提 12%。

女：不过这种魔改主板固件，万一刷坏了可就开不了机了。

男：风险确实在。如果设置的值超出了主板耐受极限，开机黑屏，就得拆机箱扣纽扣电池重置 CMOS。而且更大的映射空间不保证所有游戏都受益。一旦显存本身彻底耗尽，系统内存和显存发生页面置换，缺乏精细分页管理反而会导致瞬间掉帧。但在老架构上把被封印的硬件榨出新价值，这种折腾本身就是开源社区的浪漫。

女：聊完硬核的技术折腾，咱们换个视角看看团队管理。最近有一篇关于故障复盘的讨论很戳产品经理的痛点。有个技术负责人在复盘会上刚要细说前因后果，直接被工程副总裁打断了，副总裁说：“我不需要细节，因为一旦陷入细节，大家的决定看起来都会合情合理，我只想知道我们要改变什么。”

男：这句话在工程师圈子里炸锅了。支持的人觉得，高管的时间应该花在跨部门资源协调上。如果大家都陷入动机合理性，最后复盘的结论往往变成“下次大家多注意”，这种依靠个人记忆的约定属于“组织民间传说”，只要当事人离职，系统照样会塌。副总裁跳过细节，是把责任从个人身上拿开，逼大家去改流程和工具。

女：但从业务和逻辑角度看，不知道具体的致因机理，你怎么知道提出来的系统改良是对症下药呢？很多时候故障的根源可能恰恰是高管给的工期太紧，或者人员被砍得太狠。如果管理者直接捂起耳朵不听细节，反而成了一种规避管理责任的特权。

男：工程的本质就是权衡。要是系统一出小错就叠床架屋加五层审批，研发效率很快就会被拖死。有的时候容忍偶发小错误，成本远低于建立一套庞杂的防错机制。

女：说得太对了。把机制落到现实生活里，权衡往往更加复杂。Waymo 最近在旧金山湾区推出了一个叫 Transit Rewards 的计划，绑定 Visa 卡后，两小时内坐了当地公共交通再坐 Waymo，就会返还 2.85 美元的打车券。

男：2.85 美元刚好是旧金山城市铁路的单程票价。Waymo 数据显示他们超过一半的用户平时都会搭乘公共交通。作为合作，加州通勤铁路还在车站腾出了 40 个专用车位给他们的自动驾驶车停靠候客，主打“最后一公里”的接驳。

女：听起来挺便民的，但实际用起来限制不少。它必须用绑定的 Visa 信用卡感应支付，不能用湾区大家常用的 Clipper 交通卡。很多靠公司税前交通补贴或者买月票的上班族，为了这 2.85 美元根本没法参与。

男：湾区有 20 多个独立的交通机构，系统极其复杂割裂。Waymo 绕过各家交通部门的旧系统，直接借助 Visa 的清算网络来追踪联程，工程上省去了极大的对接阻力。

女：而且返还的是站内额度，有有效期，只能下次打车抵扣。虽然自动驾驶做接驳能减少大巴车空转，但如果城市的精力全被私营打车补贴吸引走，原本资金短缺的基础公共交通建设，可能就更难拿到预算了。

男：技术在现实商业中的演化，总是在便捷体验与公共利益之间寻找微妙的平衡点。

女：今天从模型底层推理、生物计算发现，一直聊到了老主板魔改和城市交通接驳，技术的世界总是充满这样意想不到的交织。

男：感谢大家的收听。

女：喜欢我们节目的朋友，欢迎使用泛用型播客客户端订阅 Hacker Podcast，我们下期见！

男：下期见！