今天的内容从 Qwen4-Max 的发布说起,还有亚马逊黑五折扣调查、uBlock Origin 的通用 XSS、MIT 的制造课、Nvidia 的接班问题、Tor 的紧急修复、美国银行系统故障、智能手表全身追踪、ParadeDB 的搜索 join,以及一条 2007 年的 ThinkPad 复活技巧。这是 Agili 的 Hacker Podcast 的每日整理。
Qwen4-Max:2.4 万亿参数与一个更像同事的模型
架构与训练
Qwen 团队在 11 月 15 日发布 Qwen4-Max,把它定位成“你的新 AI 队友”。模型基于新的 Qwen4 架构,2.4 万亿参数骨干,每个 token 激活 710 亿参数,另有 3280 亿 N-gram embedding 参数,原生支持视觉,上下文窗口 100 万 token。
三处架构改动值得记下。GDN(Gated DeltaNet,门控 DeltaNet)和 Qwen Sparse Attention(QSA)配合:每三个 GDN 层把历史压缩成固定大小的状态,QSA 用轻量索引器在微块粒度上挑选相关上下文,降低长序列的注意力和索引开销。Gated Residual(GR)用四条并行残差分支和动态读写门加强层间信息流动。N-gram Embedding 在第二层做上下文查找,用很小的额外计算扩展模型容量。团队称 2.4 万亿参数规模的预训练全程 loss 平滑下降,没有出现尖峰。
效率与成本
Work360 上,Xhigh 和 High 两档努力程度(reasoning effort,模型在回答前投入的推理量)的 token 用量分别下降约 24% 和 35%;Terminal-Bench 4.0 上分别下降约 48% 和 49%。API 价格同步下调,缓存输入价格的降幅尤其明显。平均每任务成本从 4.43 美元降到 1.67 美元,降幅 62%。
Work360 是团队为工业和专业工作流搭的评测框架,覆盖 26 个一级领域、182 个二级子域、721 个三级专业领域,配了 52 个完整任务提示词。Qwen4-Max 得分 52.69,上一代 Qwen3.8-Max 是 47.74。
从 3D 建模到重症监护
能力展示覆盖了几个方向。在 Blender 里做几何建模、场景组装、材质、灯光和渲染,产出的 3D 资产既能进游戏,也通过 3D 打印变成实物。游戏引擎支持 Unity、Unreal Engine 和 Godot,给一句自然语言需求就能做出可玩的游戏,开发过程中模型会运行游戏,用视觉和交互反馈反复调相机跟随、角色动画和打击感。在 SANF 和 Pacific Union 的真实生产环境里,它从 2D 布局和设备库搭出 3D 产线模型、模拟节拍、做 PLC 虚拟调试;展示中单个工件的编程人工从约 475 分钟降到 24 分钟,减少约 95%。
专业场景拿出了具体数字。金融投研调用 90 个 MCP 工具拉取行情、财务、利率与分红数据,在沪深 300 指数衍生品案例里计算理论基差,交付 Excel 工作簿和可编辑 PPT,每个单元格的超链接能点回原始数据源。Pre-IPO 法律尽调处理 198 份格式命名混乱的工作底稿,按实质内容重命名分到 14 个文件夹并自动编索引,识别出对赌协议里的恢复条款这类风险,最终交付 86 页、6 万多字、覆盖 12 个审查领域的报告。重症监护场景里,模型在单次对话中处理数十份化验报告、1 万多字病程记录、多套医嘱和 1433 张原始影像,把六天的事件对齐成时间线,识别出双肺下叶依赖性实变,与主治医师诊断一致。
HN 上的鹈鹕测试与基准争论
Simon Willison 照例放出鹈鹕骑自行车的 SVG 测试,覆盖 none、low、high、xhigh 四档推理。Qwen4-Max 首次提供关闭推理的选项。有人注意到 xhigh 档第一次画出蓝绿色而非红色的自行车,也有人说只有最高档才把鹈鹕两条腿放到车架两侧。关于这个测试还有没有意义,争论很激烈:有人认为鹈鹕早已进入训练数据,有人觉得发它就是为了互动量;支持的一方说这是传统,仍能看出不同推理档位和量化版本的差异。
基准与成本是另一条主线。Artificial Analysis 给 Qwen4-Max 的分数是 43,平均每任务成本 3.27 美元;GPT-6.1 Sol(medium)是 46 分、0.36 美元。有人质疑 AA 频繁调整指数、私有基准不可复现,AA 员工回应说公私基准混用是为了防止过度 hillclimbing。有评论指出 AA 只给 Qwen4-Max 测了 max 一档,拿单点去比别家多档曲线不公平。开源权重也是话题:Qwen4-Max 不开源,阿里只计划开源同系列小模型。
亚马逊黑五“折扣”调查:近三分之一没有节省
调查发现了什么
Groundwork Collaborative 调查了亚马逊 2024 和 2025 年黑五和网一官方促销页面上 350 多个产品。近 1/3 的“deal”在促销期间的价格与促销前一个月相同或更低,近 1/10 的产品在促销期间价格更高。
2025 年黑五,一双 Hunter 黄色短雨靴“促销价” $126.99,促销开始前 9 天卖 $79.97,等促销反而多付 59%。网一期间,一双 UGG Butte 男靴“促销价” $179.98,约四周前卖 $98.40,贵了 83%。这些价格更差的“deal”中,促销价中位数比前几周高 19%。亚马逊在得知研究后删除了相关促销页面,互联网档案馆保留了存档。
价格追踪与监管
欧盟的 Omnibus Directive 第 6a 条要求商家在促销时显示过去 30 天的最低价。有评论说在 AliExpress 上看到“过去 30 天价格”和“促销”矛盾时很搞笑;法国已经有这个规定,但价格在 10 月上中旬就涨上去了,所以 11 月中旬开始的 deal 看起来仍然“惊人”。
价格追踪工具被反复提到:CamelCamelCamel 和 Keepa 浏览器扩展。CamelCamelCamel 受亚马逊 API 限制,数据不实时,限时闪购在 API 刷新前就结束了,API 通常只报告购物车卖家的价格,第三方卖家删除旧商品页面、创建新 ASIN 会抹掉历史。美国亚马逊自己在促销价旁边提供 90 天价格历史图表链接,这个功能在 Amazon.de 和 Amazon.fr 还没上线。
评论区:这不是亚马逊一家的问题
很多人认为虚假降价古已有之。JCPenney 曾试图取消促销改用直接定价,顾客反而讨厌,因为感觉没得到 deal。也有人把责任推给制造商:他们在促销前涨价因为有效。关于“促销”这个概念本身,有评论说更大的问题是消费者为什么还相信 sale 有意义。另一位认为促销只有在了解市场、常规价格、替代品和历史价格时才有价值,他举了波兰的例子:两家主要超市的黄油三件装低价卖,结果几乎没人在非促销时买,促销价变成了实际价格。
也有不同角度的看法。有人说“2/3 是实际折扣,90% 不会让你更糟,不错”。回应是,如果不是号称打折你可能根本不会买,被欺骗本身就是更糟的一部分。
uBlock Origin 的通用 XSS:一条受信任过滤器的注入路径
攻击链
11 月 15 日,Smitty van Bodegom 公开了 uBlock Origin 的一个一键通用 XSS(跨站脚本,攻击者让代码在其他站点上下文里执行)。受影响的是 Firefox 上的 MV2 版本;MV3 版本 uBO Lite 也有类似但影响较轻的问题。恶意网站可以诱使扩展添加任意“受信任过滤器”(uBO 中能向页面注入脚本的规则,通常只由用户手动添加)。攻击者先针对另一个站点建一条受信任过滤器,就能在任意站点上下文运行任意 JavaScript。问题已修复,安全公告编号是 GHSA-cmqw-9r2w-6wv2。
uBO 的元素选择器通过右键菜单打开,实现方式是往页面里注入一个 iframe,地址类似 moz-extension://<扩展 UUID>/web_accessible_resources/epicker-ui.html。攻击页面可以钩住 XMLHttpRequest.prototype.open,从 uBO 自己注入的规则所发 XHR 的 URL 里读出扩展 UUID。拿到 UUID 后,页面把 iframe 的 src 指向选择器页面,用 postMessage 建立通信,操纵选择器填入攻击者想要的过滤器。opt 字段原本表示网络请求类型,会被以 $image 的形式附在过滤器后面,攻击者控制这个字段就能塞进换行,注入一条任意受信任过滤器。
修复与扩展 UI 的老问题
根因是元素选择器不应该接受来自攻击页面的消息。修复方式之一是让真正的选择器从内容脚本那里拿到一个秘密口令,并在第一条 postMessage 里带上。
评论里,esprehn 说一直后悔没有更用力推动扩展 overlay API。这个 API 原本要基于 Top Layer,但基础版本一直没加。DevTools 为了在网页上方画东西,专门用了独立的 Overlay Page;一些平台的日期选择器也这么做。这套机制始终没有开放给扩展。有人举了 1Password 的例子:2026 年 1 月,1Password 把 prism.js 注入所有页面,弄坏了很多 <code> 块,持续至少 20 天。
UUID 泄露与讨论
UUID 泄露让不少人担心广告屏蔽器反而成了追踪标识。任何站点钩住 fetch('/adsbygoogle.js') 就能拿到 uBO 的安装 UUID。有人指出 Chromium 的 web accessible resources 长期用静态 ID,最近才支持动态 ID,而且扩展可以选择不用。
GitHub 公告标注 1.75.2 及更早版本受影响,1.75.4 修复。有用户更新后仍停在旧版,说自己更新了两次才到 1.76.4;Firefox for Android 不能手动更新扩展,只能移除再装,代价是可能丢掉自定义设置。
作者在开头写明:GPT-5.6 Sol 做了发现漏洞的大部分难活,他负责验证,文章正文由他自己写,PoC 大部分由 Claude 写。这个声明得到不少正面回应,也有人明确表示,只要文章由 AI 写就不读。
MIT 的“几乎什么都能造”课
课程安排
MIT 的 MAS.863/4.140/6.9020 “How to Make (almost) Anything” 2026 年秋季学期从 9 月 9 日开到 12 月 15 日,每周三下午 1 点到 4 点在 E14-633 上课,授课教师是 Neil Gershenfeld。课程 18 学分,官方给出的时间投入是每周约 18 小时,用于听讲、设计、培训、做原型和写文档。上过课的人在讨论里说,每周 40 小时在这门课里算摸鱼。
日程按周展开:计算机辅助设计、项目管理与计算机控制切割、嵌入式编程、3D 扫描与打印、电子设计与第一次评审、电子制造、计算机控制加工、输入设备、输出设备、机械设计与机器设计、wildcard week 与第二次评审、网络与通信、系统集成、项目开发。每周课后第二天傍晚有一小时辅导课,主题跟着主线走:版本控制与网页开发、参数化设计、电子学、AI agents、EDA、调试、CAM、边缘 AI、电机与运动控制、机器搭建、模具与铸造、网状网络。
广度优先的价值
讨论里最集中的一条线索是“广度优先到底值不值”。有评论认为这门课每个主题都只蜻蜓点水。反驳的意见是:知道“存在什么东西”本身就有用。以后遇到问题 X,会想起有个叫 Y 的东西也许能帮上忙。这种横向知识对走向管理岗位尤其重要;在 AI agent 越来越能动手实现东西的当下,解决问题不只是“怎么做”,还包括“知道什么可以做”。
一位上过课也当过助教的人说,进来的人大多对电子、CAD、加工、编程只有很少了解,或者只精通其中一门;这门课看的是每个人从学期初到学期末的增量。TechShop 的常客回忆自己上过十三门课,覆盖了列表里的大部分技术,但真正动手做东西花的时间远多于上机器操作课;程序员学数控设备很快,焊接则需要无止境的练习。
LLM 时代的 T 型知识
关于 LLM 与知识结构,有评论判断:LLM 时代横向知识会越来越重要,因为你知道某样东西存在,才能把 LLM 指向那个方向。LLM 有很强的从 A 直奔 B 的倾向,能力常被 prompt 限制住。另一位补了一层:LLM 的知识广但潜伏,人有近乎无限的上下文窗口,会联想、会隐约记起听过的东西然后顺着线索查;agent 不会,它们对任务做模式匹配,用最显眼的解法,除非你把它引到正确的方向。
具体场景是:项目里用了一个糟糕的库 X,你让模型“把 A 改成 B”,它只会改,不会说“也许整个换成 Y 更好”,因为那不是它被交代的工作。有人接话说那就偶尔问一句“有没有明显更好的做法”。
书单方面,A.K. Dewdney 的 The New Turing Omnibus 被反复提起,每章六页左右,能从零讲到能跑的单层神经网络、布尔逻辑电路或纠错码。书里的示例代码有细微 bug,反而逼着读者真正理解发生了什么才能跑通。有人提醒亚马逊新书标价 181 英镑,买二手几美元就够。
黄仁勋卸任之后,Nvidia 会变成什么
三次转型
2026 年 11 月,Nvidia 董事会宣布黄仁勋卸任,距离他联合创办这家公司已经 33 年。Steve Blank 在博客里把问题摆得很直接:一位有远见的 CEO 离开之后,公司会变成什么样。多数情况是创新停下来,公司靠着惯性和品牌再滑行几年。
黄仁勋把 Nvidia 改造过三次。2006 年推出 CUDA,把面向 PC 玩家的图形芯片变成通用计算平台,在还没有任何收入的时候就投了很多年。2012 年研究者用 Nvidia 芯片赢下 ImageNet,他把公司指向深度学习。2020 年收购 Mellanox,Nvidia 从卖 GPU 板卡变成卖支撑 AI 数据中心的整机架。三次都不只是产品换代,而是商业模式的更换:新渠道、新客户、新市场。
微软与苹果的对照
Blank 把微软和苹果当作两组对照。Bill Gates 在 2000 年 1 月把公司交给 Steve Ballmer,后者按 Windows 和 Office 的既有优势组织公司,销售额翻三倍到 780 亿美元,利润从 90 亿涨到 220 亿,同时错过了搜索、智能手机、移动操作系统、媒体和云五条线。2014 年 Satya Nadella 接手,把公司围绕 Azure 重组,今天微软市值约 4 万亿美元。Tim Cook 治下的苹果营收从 1080 亿走到 4160 亿美元,市值从 3500 亿到约 4 万亿,Apple silicon 说明芯片层面的大改动可行,但它是给已有产品换更好的发动机,不是新市场;Vision Pro 没做成,AI 也落后。
Blank 的核心担忧不在数字,而在组织形态:有远见的 CEO 会招一批世界级的执行副总裁,公司里只有一个愿景者。Nvidia 是极端案例,黄仁勋有大约 60 个直接汇报对象,不鼓励一对一会议,没有长期计划,还公开说过不相信继任计划。没人能接手 60 个直接汇报,所以下一任 CEO 的第一件事必然是加管理层级。
CUDA 护城河的争论
Hacker News 的讨论把“CUDA 到底有多深”拆得很细。一种说法是 CUDA 本身不深,一个人就写出了面向 AMD 的兼容层 ZLUDA,只是 AMD 法务后来要求删库;LLM 的 kernel 也就几千行,今天让 agent 迁移并不难。另一种说法是 CUDA 的替代品从来不是那个 API,而是 cuBLAS、cuDNN、CUTLASS 这些库,其中不少 kernel 是特定微架构的汇编,加上调试、性能分析工具和向后兼容。有人补充,CUDA 真正的黏性在于每一张 Nvidia 卡都支持它,ROCm 至今做不到覆盖全部型号;也有人认为真正的锁在供应链,HBM 和先进产能的合约握在 Nvidia 手里。
最大的客户正在变成竞争对手。Google、Amazon、Microsoft、Meta、OpenAI 和 Tesla 都在自研 AI 芯片。黄仁勋的应对是每年推一代新芯片,用硬件加软件的平台筑墙,并向跑在 Nvidia 上的 AI 实验室投入约 500 亿美元。Blank 认为,执行型 CEO 最先削减的很可能就是这几笔。
社区里也有人不认为这是悲剧:创始人光环带来的那种非理性冒险冲动不可复制,一家公司到了这个体量,变成“行尸走肉”并为股东榨取剩余价值,本来就是常态,火炬会由新玩家接过去。
Tor 在持续 DDoS 下的紧急修复
修复内容与 relay 运营者经历
Tor Project 发布了 0.4.9.17 版本,修复一组安全问题。其中一项对 relay(中继节点)的 IPv6 处理相关 DoS 防御尤其重要。这是对当前网络持续 DDoS 的快速响应,攻击已经影响到大多数 relay 运营者。大量客户端电路涌入,压垮了网络中的 relay。运行 relay 的人应尽快升级,升级后不需要额外操作。
一位 Hacker News 用户几个月前开始跑一个非出口节点,运行一段时间后被信任,成为 guard 节点(入口守卫节点)。他发现攻击的方式很日常:母亲说 Wi-Fi 不好用,他检查后发现下载速度比平时低了 99%。排查一圈后,他关掉跑 relay 和其他自托管服务的迷你主机,网速恢复正常。relay search 页面显示他的节点处于过载状态。他先尝试降低允许通过的带宽,没有效果;让节点不再成为 guard 后,节点恢复正常。至少等攻击稳定前,他不打算再让节点承担 guard 角色。
攻击动机与 Tor 的使用体验
有人提醒,绝不要在住宅 ISP 上运行 Tor 出口节点。也有评论澄清 guard 本身没有问题:任何 uptime 合理的 relay 都会成为 guard,uptime 低的节点才只做中间节点。关于攻击动机,有人认为 DoS 攻防在 Tor 上会长期来回拉锯;这次看起来是全系统性的,也许是 relay 夹在某个特定 DoS 中间。也有人提出,这可能是把流量引向对抗性 relay 的手段。
评论延伸到 Tor 的使用体验。有人十年前试过 Tor,记得网站慢、大量资源不可用,问现在有没有变化。回答是:把 Tor 当免费通用浏览 VPN 会失望,它用性能换一组更难被攻破的隐私收益;很多服务默认封 Tor IP,因为来自 Tor 的滥用率很高。也有人认为快了不少,DuckDuckGo 等站点专门为 Tor 优化。一位用户为了访问一个被全国 ISP 封禁的站点,先跳到 VPS 再建立 Tor 会话;另一位用 .onion 地址做 ssh 和备份已经十年,Tor 能穿透防火墙,不需要 DNS 域名。
摩根大通故障拖慢美国多家银行
事件经过
周一,美国多家大型银行的网上银行出现访问困难,Zelle 转账也受影响,数千名客户报告无法登录账户。问题源头在摩根大通:一处本地部署硬件系统上的软件缺陷引发连锁反应。
摩根大通发言人说,这“与网络无关”,不是网络攻击。他把范围限定在自家:这不是系统性故障,其他银行只是在与摩根大通发生交易时被拖慢。美国银行和花旗集团表示自家银行服务没有故障。U.S. Bank 发言人说系统未直接受影响,但客户与其他机构之间的 Zelle 转账可能延迟。Zelle 运营方 Early Warning Services 表示 Zelle 网络本身运行正常。
同一周的三次故障与归因争论
这是同一周里的第三次。上周四微软中断持续数小时,Outlook、Teams 和 Copilot 受影响;上周五美国联邦航空管理局的系统故障让全美航班停飞数小时,周末仍在恢复航班。
Hacker News 上很多人把三件事放在一起看。有人的非技术同事认为它们相互关联;反驳同样直接:就目前所知,这些故障没有共同原因,只是碰巧落在同一个新闻周期里。另一些人把视角抬高一层:共同成因是复杂度,系统为效率和速度优化,而不是为健壮性。也有人提醒,把分开的原因搅成一个“万能原因”只会增加混乱。
评论区花了大量篇幅争论 AI 与代码质量。一派认为这是用 AI 替代开发者的必然结果;另一派认为更可能是 AI 被用来找漏洞。中间的观点是:多数公司还不知道怎么在 AI 辅助下安全地构建,缺少围绕架构、测试和安全的工程约束,管理层要更多产出,AI 让产出变容易,于是产生垃圾。也有人把质量下滑归因于外包、赶工期和金融化。
一块智能手表如何追踪全身动作
技术原理与精度
康奈尔大学 SciFi 实验室做出了一套叫 EchoMotion 的系统,只用一块市面上的智能手表,就能追踪人的全身动作。它利用手表内置的扬声器和麦克风,发射人耳听不见的超声波,再接收声波从四肢反射回来的回声,通过一套轻量 AI 模型推算身体姿态。论文在 10 月 13 日上海举行的 UbiComp/IWSC 会议上发表。
原型阶段感知功耗约 12 毫瓦,大约是穿戴式摄像头的四十分之一;在 Galaxy Watch 6 上跑 30 分钟,只消耗 5% 到 6% 的电量。研究团队让 10 名志愿者把表戴在非惯用手上,做了 18 个动作,收集回声模式,训练深度学习模型把这些模式翻译成身体动作。商用手表只有一组麦克风和扬声器,团队就在未改装的 Galaxy Watch 6 上测试,换了 15 名新志愿者。对新用户,每个关节位置的平均误差不到 4 英寸;做一次 12 分钟的校准,误差再降三分之一以上,到约 2.4 英寸。同一个模型不做任何重新训练,也能在 Galaxy Watch 7 和 Google Pixel Watch 3 上工作。
实验室之外,10 名新参与者在一个小房间、一条窄走廊和一条嘈杂马路边做同样的 18 个动作。家具和环境噪声没有造成干扰,走廊里因为旁人的回声,性能略有下降。
讨论:超声波与隐私
Hacker News 上有评论查到论文里的参数:左扬声器发射 18 kHz 到 21 kHz 的 C-FMCW 调频连续波,右扬声器在 21.5 kHz 到 24.5 kHz;每个 chirp 600 个采样,50 kHz 采样率,扫频周期 12 毫秒,分辨率约 3.43 毫米,感知范围约 2.06 米。据此有评论指出,文章说这些信号听不见,但 18 kHz 到 24.5 kHz 落在大多数哺乳动物的听觉范围内,对一部分人(尤其年轻人)也未必完全听不见,长时间发射更像是噪声污染。
团队正在把技术往健身追踪上做,让个人健身助手能数次数,甚至纠正动作。他们也在探索 EchoMotion 与智能眼镜的第一人称视觉结合,用来追踪人手里摆弄的物体。有人希望这类声学感知能补上智能手表一直难测的呼吸频率。
ParadeDB 想让跨表搜索不再需要反规范化
问题:跨表搜索为什么慢
ParadeDB 的 Stu Hood 写了篇博客,讲关系数据库里跨多表做相关性搜索的老问题。StackOverflow 数据集上,三表 Top-K 的自然 SQL 从约 118 秒降到单核 100–600 毫秒,最多约 1000 倍。
搜索通常意味着按相关性返回结果(BM25,一种基于词频的打分方法,或向量相似度),或把结果汇总成分类计数,也就是分面。跨多个 join 表搜索叫 search join,难在结果要按跨表的组合分排序,同时只返回很少的行或做汇总。Postgres 慢的原因很具体:按单列排序时,B-Tree 索引走到凑够 20 行就能停;按 OR 起来的跨表组合分排序时,没有表按这个分预排序,Postgres 必须把 2850 万行全 join 起来,对每个三元组求和分数,再排序取前 20。
Rank Join 与列存执行器
ParadeDB 的索引把列存和 BM25、向量搜索放在一起,join key 和投影列直接存在索引里。查询进到 Postgres 规划器后,他们用钩子识别出 search join,把整个多表 JOIN 连同 LIMIT 或 GROUP BY 推到基于 Apache DataFusion 的列存执行器。扩展的关键是让 join 之间只传紧凑的内部文档 ID 和 join key,列值用选择性延迟物化等到合适时机再取。
Top-K 用的是 0.26.4 引入的 Rank Join。它不完整 join 再排序,而是按分数降序从各表流式拉输入,边拉边建候选集。每个流当前的最低分是它的上界。加上随机访问后,堆里最好的部分候选按 join key 直接点查对面表的索引,拿到伙伴的精确分数。基准里稀有词 ocaml 101 毫秒,中等词 python 603 毫秒,常见词 code 274 毫秒。code 比 python 快看起来反直觉,原因是常见词的三表匹配密集出现在各流顶部,堆阈值升得快,只评了约 9000 行就收敛。
反规范化之争
评论区对反规范化讨论得比较充分。有人认为反规范化和 join 主要是磁盘与计算昂贵的 80、90 年代留下的习惯,今天把一切反规范化、不用 join 很容易。回应是读多的库可以这么干,但看用例,写入和更新会难受。有人反问好处是什么:它增加资源使用,还让一致性更难维护。也有人给了折中:保持规范化拿一致性,需要的时候建索引让查询呈现出反规范化的效果。
一位评论者的总结比较到位:Top-K 搜索这块很令人兴奋,但标题不太贴合,我们仍然需要反规范化,只是 ParadeDB 瞄准的那部分用例不再需要了。
ThinkPad 的电源键复活术
那串按键
2007 年,Mike Masnick 在大会前约一小时发现自己的 ThinkPad z61t 彻底死了:没有睡眠灯,插上电源电池灯也不亮,机器明明处于睡眠状态却烫得厉害,按电源键毫无反应。他打电话给 IBM 支持,对方先确认机器完全没电,然后说“这听起来会很奇怪,但你试试”:
拔掉 AC 适配器,取出电池,以 1 秒间隔按电源键 10 次,再按住电源键 30 秒,装回电池,按电源键。机器就这么活了。技工给的解释是“静电放电”,再追问细节,对方说“兄弟,我知道的不比你多,但你的机器能用了”。
这篇 2007 年的文章下面累积了三百多条评论,有人用 T21、T40、T41、T42、T43、T60、T61、X31、X40、X200、R61、R52 等型号报告成功,也有人提到 Acer、MSI 甚至洗衣机。有人是在牛奶洒进键盘、冰茶泼到机器、笔记本从桌上摔下去、在机场过完 X 光机之后靠它复活的。有人戏称这是笔记本的“上上下下左右左右 B A”秘籍。
真正的原理
评论区里几位有客服经验的人给出了另一种解释。呼叫中心要求客户按住路由器复位键 3 秒,客户往往只按 1 到 2 秒,改成说“按 10 秒”之后,大多数人都能成功复位。按电源键 10 次加 30 秒,很可能是在确保用户真的等够时间、真的按住不放,而不是某个精确的魔法序列。
技术上,有评论认为这是排查“变砖”设备的标准步骤:断开所有电源后按电源键,给主板上的电容放电。所谓“静电放电”只是电话技工对“放掉残余电荷”的通俗说法。对新一些的机器,X280 底部有个小孔,用尖锐物按住可以让嵌入式控制器(EC,负责开机、充电等底层硬件管理的芯片)重启。
后续案例
也有人怀疑病因不是静电,而是某个快坏的电容在断电一段时间后重新形成。有人在 P52 上用 60 秒长按救活过一次,几天后又死了。还有人清理 Omen 时没先放电,碰了负责 BIOS 启动前工作的 EC 芯片,打乱了一些由独立内部电池维持的状态位;试了几小时拆解排查后放弃,把机器塞进抽屉,两个月后拿出来,它自己正常开机了,只丢了 BIOS 时间。
z61 这个型号还有一段插曲。有评论者就读的学院给每位学生配 ThinkPad,他那一届拿到的是 z61p,是唯一使用这款机型的班级。大规模部署暴露了电源板问题,联想派人到校园把每台 z61p 的电源板都换了一遍。毕业时学生可以花 1 美元买下自己的笔记本,他说那是他用零钱买过的最好的电脑,之后又用了 5 年。
不少人提到了睡眠模式的隐患:笔记本在包里自己醒来、发热、耗光电量,最后变成一台“砖”。有评论者现在合盖一律设为休眠,多等几秒,总比旅行途中把笔记本变成空气炸锅好。
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:今天这期信息量有点大,从 Qwen 发新模型、亚马逊黑五的假折扣、uBlock 的一个通用 XSS,一直到黄仁勋卸任 Nvidia。阿迪,我们先从哪聊?
男:先从 Qwen4-Max 吧。这次发布挺有料的,团队把它叫“你的新 AI 队友”,面向工作、创作和发现。
女:2.4 万亿参数?我看数字的时候愣了一下。
男:对,2.4 万亿参数的骨干,每个 token 只激活 710 亿,另外还有 3280 亿的 N-gram embedding 参数。原生支持视觉,上下文窗口 100 万 token。
女:那架构上改了什么?光堆参数不算新闻。
男:三处改动。GDN 和 QSA 配合,每三个 GDN 层把历史压缩成固定大小的状态,QSA 用轻量索引器在微块粒度挑相关上下文,降低长序列的注意力和索引开销。Gated Residual 用四条并行残差分支加动态读写门,加强层间信息流动。N-gram Embedding 在第二层做基于上下文的查找,用很小的额外计算扩容量。
女:团队说预训练全程 loss 平滑下降,没有尖峰,主要归功于架构和训练优化。
男:对。他们在知识、代码、问答、STEM 四项内部评估里,Qwen4-Max-Base 的 BPB 在五个检查点里最低,比 Qwen3.8-Max-Base 各领域低约 5–13%,激活参数还少 25%。
女:效率这块呢?价格降了没有?
男:降了。Work360 上 Xhigh 和 High 两档 token 用量分别降约 24% 和 35%;Terminal-Bench 4.0 上降约 48% 和 49%。平均每任务成本从 4.43 美元降到 1.67 美元,降幅 62%。API 缓存输入价格降幅尤其明显。
女:Work360 是什么?听起来像专门给专业工作流搭的。
男:对,26 个一级领域、182 个二级子域、721 个三级专业领域,52 个完整任务提示词。从审计底稿、跨境并购对价桥、SoC 安全岛 DFT 签核,到布宜诺斯艾利斯目的地文案、航司企业账户票价归因。Qwen4-Max 得分 52.69,上一代 47.74。
女:这个覆盖面确实很“工作”。
男:能力展示里有几个具体例子挺有意思。在 Blender 里做几何建模、材质、灯光、渲染,产出的 3D 资产能进游戏,也能 3D 打印成实物。游戏引擎支持 Unity、Unreal 和 Godot,给一句自然语言需求就能做出可玩的游戏。
女:比如?
男:Unreal 里的猫法师冒险《Meow of Magic》、御剑飞行冒险《Yun Guan Xing》,还有 Unity 6 里以西湖为背景、能装到 Android 手机上的赛车游戏《Flying Racer》。开发过程中模型会自己运行游戏,用视觉和交互反馈调相机跟随、角色动画、打击感和节奏。
女:这有点像一个闭环了。
男:还有工业场景。在 SANF 和 Pacific Union 的真实生产环境里,它从 2D 布局和设备库搭出 3D 产线模型、模拟节拍、做 PLC 虚拟调试。单个工件的编程人工从约 475 分钟降到 24 分钟,减少约 95%。
女:专业场景还有具体数字吗?
男:金融投研调用 90 个 MCP 工具拉 A 股、港股、美股、债券、基金和衍生品的行情、财务、利率与分红数据。沪深 300 指数衍生品案例里结合融资成本、股息率和合约到期算理论基差,交付 Excel 工作簿和可编辑 PPT,每个单元格的超链接能点回原始数据源。
女:这个“能点回数据源”挺关键的。
男:法律尽调那个更狠。198 份命名混乱的工作底稿,按实质内容重命名分到 14 个文件夹并自动编索引,再检索工商、知识产权、司法和信用记录做交叉核对,识别出对赌协议里的恢复条款这类风险。最终交付 86 页、6 万多字、覆盖 12 个审查领域和 14 个具体法律问题的报告,每条结论都带底稿引用。
女:重症监护那个案例呢?我听到 1433 张原始影像。
男:患者颈动脉支架术后室颤并成功复苏,拔管后又胸痛、第 6 天再插管。模型在单次对话里处理数十份化验报告、1 万多字病程记录、多套医嘱和 1433 张原始影像,把六天的事件对齐成时间线,分出六个影像序列,派多个子代理同时审片,识别出双肺下叶依赖性实变,与主治医师诊断一致。
女:还提了管理建议?
男:四条与当天医嘱逐条对应的管理建议。
女:长任务和科学发现呢?
男:Live Delivery 让代理先交一个可用初版,再通过后续版本扩展和改进,用户随时可以介入纠错或改方向。团队开源了 Qwen-Live-Delivery-Plugin。云资源调度上,模型自己生成候选算法,与阿里自研求解器 MindOpt 协作评估可行性、目标值和耗时,真实业务里把数据标注的模型调用调度成本平均降 10.42%,在线 GPU 分配让整机空闲时长增加 4.62%,离线 CPU 重调度的求解速度提升 14.61 倍以上。
女:科学发现给了两个闭环案例?
男:冷却材料在 Deep Principle 的 Mira 平台上连续自主运行 48 小时,从技术路线调研、270 万分子候选空间构建,到结构筛选、性质预测、第一性原理计算、逆合成分析和实验规划,再指挥自动化湿实验室完成试剂配制、合成、分离纯化和测试,四轮循环后拿到一个经实验验证的新冷却剂分子。药物发现针对阿尔茨海默病相关的 NLRP3 炎症小体,在 DP Technology 的 PharmMaster 平台上完成 454 次工具调用、3239 次计算指标评估,设计并优化 24 个候选分子,最终优先分子的 RBFE 估算结合亲和力约为参照分子的 3.6 倍。
女:HN 上讨论分成了几条线?
男:Simon Willison 照例放了鹈鹕骑自行车的 SVG 测试,这次覆盖 none、low、high、xhigh 四档推理。Qwen4-Max 首次提供关闭推理的选项,Qwen3.8-Max 只能在 minimal 到 xhigh 五档里选。
女:鹈鹕测试还有意义吗?
男:争论很激烈。dtech 认为鹈鹕早已进入训练数据、可能还有内部基准;trentor 觉得发它就是为了互动量。支持的一方说这是传统,仍能看出不同推理档位和量化版本的差异。bitexplorer 贴出自己跑的一批量化对比,认为模型在 SVG 上确实变强了。geektips 提到有 Google 员工公开说在专门改进 Gemini 的 SVG 生成。
女:基准和成本那条线呢?
男:Artificial Analysis 给 Qwen4-Max 的分数是 43,平均每任务成本 3.27 美元;GPT-6.1 Sol medium 是 46 分、0.36 美元。有人质疑 AA 频繁调整指数、私有基准不可复现,AA 员工 declanjackson 回应说公私基准混用是为了防止过度 hillclimbing,并举例 GLM 5.3 两个月内在 Tau-Banking 上涨了 16 分、在私有 AA-Briefcase 上却仍明显落后前沿。
女:这有点像考试泄题和防泄题的拉锯。
男:esperent 指出 AA 只给 Qwen4-Max 测了 max 一档,拿单点比别家多档曲线不公平。lambda 确认 AA 只对部分模型跑多档。brainwad 认为该按同等成本比较,而不是同等“档位”标签。seizethecheese 说自己手上的真实任务数据显示,Sol 6.1 和 Qwen 3.8 Max 每任务成本大致相当,还提到 Qwen 3.8 服务速度约 30 token/s、Opus 接近 80,拖累了 agent 对战评分。
女:开源权重呢?
男:Qwen4-Max 不开源,阿里只计划开源同系列小模型。有人翻出 3.8 曾经开源过。本地部署一派在等 Flash 和 27B 级别的新版,眼下 Qwen 3.8 Flash Next 在 96GB Mac Studio 上跑得不错,30–70B 这个显存区间的空档仍然明显。
女:好,模型这边先到这。亚马逊那个黑五调查,我看了下细节,挺难受的。
男:Groundwork Collaborative 查了亚马逊 2024 和 2025 年黑五和网一官方促销页面上 350 多个产品。近 1/3 的“deal”在促销期间的价格与促销前一个月相同或更低,近 1/10 的产品在促销期间价格更高。
女:具体例子呢?
男:2025 年黑五,一双 Hunter 黄色短雨靴“促销价”126.99 美元,促销开始前 9 天卖 79.97 美元,等促销反而多付 59%。网一期间,一双 UGG Butte 男靴“促销价”179.98 美元,约四周前卖 98.40 美元,贵了 83%。这些价格更差的“deal”中,促销价中位数比前几周高 19%。
女:报告作者直接点名了?
男:Breyon Williams、Elizabeth Pancotti 和 Lindsay Owens 指出,亚马逊在促销页面上把这些商品称为“handpicked”的最佳折扣。Groundwork 总裁 Lindsay Owens 说,消费者信任亚马逊宣传的 deal 有真实节省,但“等这些大促的人可能在玩被宰轮盘赌”。
女:亚马逊什么反应?
男:得知研究后删除了相关促销页面,互联网档案馆保留了存档。2025 年感恩节到网一有创纪录的 2.03 亿美国人购物,今年 70% 美国消费者计划利用假日促销。报告呼吁联邦和州监管机构打击误导性折扣,要求零售商在宣传促销时显示产品过去 30 天的最低价。
女:HN 上有人觉得这不只是亚马逊的问题。
男:Grombobulous 说“虚假降价古已有之”,JCPenney 曾试图取消促销改用直接定价,顾客反而讨厌,因为感觉没得到 deal。thraway3837 补充,现在 deal 全年都有,随机日子的价格通常更好,实体店对很多品牌是唯一授权经销商。selectodude 把责任推给制造商:他们在促销前涨价因为有效,“跟亚马逊无关”。
女:但也有人觉得该单独点名亚马逊。
男:dan_thinks 说,展示让消费者花更多钱的“deal”属于虚假广告,不该被允许。ceejayoz 指出,亚马逊自己的卖家政策明确禁止操纵价格制造假折扣,可以处罚,甚至管到站外销售,但执行跟不上。他用超速打比方:缺乏执法实际上就是许可。
女:这个比喻挺准确。价格追踪工具那边呢?
男:yipinwong 和 frabia 推荐 CamelCamelCamel 和 Keepa 浏览器扩展。jayknight 说 CamelCamelCamel 最近显示的价格和亚马逊上看到的很少匹配。rancar2 解释,它受亚马逊 API 限制:数据不实时,限时闪购在 API 刷新前就结束了,API 通常只报告购物车卖家的价格,第三方卖家删除旧商品页面、创建新 ASIN 会抹掉历史。
女:欧盟那边有规定吧?
男:Omnibus Directive 第 6a 条要求商家在促销时显示过去 30 天的最低价。jacekm 说在 AliExpress 上看到“过去 30 天价格”和“促销”矛盾时很搞笑。Savageman 说法国已经有这个规定,但价格在 10 月上中旬就涨上去了,所以 11 月中旬开始的 deal 看起来仍然“惊人”。
女:这就像先把水位降下来再放水,看起来涨了。
男:对。dd8601fn 和 morelandjs 指出,美国亚马逊自己在促销价旁边提供 90 天价格历史图表链接。dns_snek 说这个功能在 Amazon.de 和 Amazon.fr 还没上线,OJFord 说英国大约一年前就有了。
女:评论区还有延伸到亚马逊其他问题的?
男:arbuge 说未购买者也能评论,只有“Verified Purchaser”小标记,但顶部星级是所有评论的聚合,不满意的顾客会给卖家整个产品线打一星。他建议只允许验证购买者评论。cmiles8 说很多东西比本地店或其他网店贵 30% 以上,部分原因是 FBA 转售商加价。Betelbuddy 认为亚马逊因为退货政策而放弃监管转售商,结果让骗子和坏企业横行。
女:也有人说了不同角度。
男:ncruces 说“2/3 是实际折扣,90% 不会让你更糟,不错”。nilsherzig 回应,如果不是号称打折你可能根本不会买,被欺骗本身就是更糟的一部分。darkwater 坚持,10% 的 deal 实际更贵“这个数字应该是 0”。
女:好,亚马逊先到这。接下来这个漏洞挺硬核的,uBlock Origin 的通用 XSS。
男:11 月 15 日 Smitty van Bodegom 公开了 uBlock Origin 的一个一键通用 XSS。受影响的是 Firefox 上的 MV2 版本;MV3 版本 uBO Lite 也有类似但影响较轻的问题。恶意网站可以诱使扩展添加任意“受信任过滤器”,先针对另一个站点建一条,就能在任意站点上下文运行任意 JavaScript。问题已经修复,GitHub 安全公告编号 GHSA-cmqw-9r2w-6wv2。
女:攻击链是怎么走的?
男:uBO 的元素选择器通过右键菜单打开,让用户不离开页面就能建一条屏蔽元素的规则。实现方式是往页面里注入一个 iframe,地址类似 moz-extension://<扩展 UUID>/web_accessible_resources/epicker-ui.html。这个页面能和扩展的后台脚本通信,让后台添加过滤器。
女:所以攻击者需要拿到这个 URL?
男:对。拿到元素选择器的 URL,建一个透明的 iframe 嵌进来,操纵选择器填入攻击者想要的过滤器,再把透明 iframe 摆到用户会点的地方,骗用户按下看不见的“创建”按钮。
女:UUID 每次安装都随机吧?
男:对,关键信息就是扩展的内部 UUID。但 uBO 默认带一条来自 uAssets 的规则,会钩住 fetch。钩子内部会向 moz-extension://<UUID>/web_accessible_resources/googlesyndication_adsbygoogle.js 发一个 XHR。攻击页面自己钩住 XMLHttpRequest.prototype.open,从这个 XHR 的 URL 里读出扩展 UUID。然后执行 fetch('/adsbygoogle.js') 触发规则,钩子就能拿到 UUID。
女:所以广告屏蔽规则反过来泄露了 UUID。
男:对,作者也指出泄露 UUID 的路径不止这一条。
女:拿到 UUID 之后呢?
男:把 iframe 的 src 指向选择器页面,再用 MessageChannel 和 postMessage 建立通信。选择器回一条 start 消息,攻击页面接着发 showDialog,带上过滤器内容,再发 resultsetDetails 来启用“创建”按钮并设置 opt 字段。正常情况下,选择器会限制用户能输入的过滤器,也不允许添加 scriptlet 过滤器。但 opt 原本表示网络请求类型,比如 image,会被以 $image 的形式附在过滤器后面。攻击者控制这个字段,就能塞进换行,把它变成 "image\ngoogle.com##+js(trusted-rpnt, script, ...)",从而注入一条任意受信任过滤器。
女:根因就是选择器不该接受来自攻击页面的消息。
男:对,修复方式之一是让真正的选择器从内容脚本那里拿到一个秘密口令,并在第一条 postMessage 里带上。作者没有实际实现骗取点击的部分,但指出攻击页面可以把 iframe 透明度设为 0,或者把内容盖在选择器上。
女:修复版本呢?
男:GitHub 公告标注 1.75.2 及更早版本受影响,1.75.4 修复。有用户更新后仍停在旧版,spopejoy 说自己更新了两次才到 1.76.4;Firefox for Android 不能手动更新扩展,norenh 只能移除再装,代价是可能丢掉自定义设置。uBO Lite 的修复版本在讨论里被列为 2026.1110.1816。
女:评论区有人聊扩展 UI 塞进页面 DOM 的问题。
男:esprehn 说一直后悔没有更用力推动扩展 overlay API。这个 API 原本要基于 Top Layer,但基础版本一直没加,后来加的东西又没法有效地把子树挂到扩展上。DevTools 为了在网页上方画东西,专门用了独立的 Overlay Page;一些平台的日期选择器也这么做。这套机制始终没有开放给扩展。
女:密码管理器被点名了?
男:ByteOfWood 不喜欢扩展为了操作页面元素而把界面塞进网站 DOM,密码管理器尤其如此:页面如果盯着新增的 DOM 节点,就可能看出用户有哪些账号。btown 举了 1Password 的例子:2026 年 1 月,1Password 把 prism.js 注入所有页面,弄坏了很多 code 块,持续至少 20 天。
女:有人问早期 XUL 扩展是不是更好。
男:rafram 的回答是否定的:WebExtensions 继承了 XUL 时代的两道隔离。X-ray vision 让扩展代码看不到页面对内置属性的修改;跨源访问控制让页面不能直接使用扩展暴露的对象。XUL 扩展一旦被页面控制,就能以完整文件系统权限执行代码;而且扩展靠 monkey-patching 注入逻辑,每次 Firefox 大版本更新都会大面积损坏。
女:这个漏洞是 AI 发现的?
男:作者在开头写明:GPT-5.6 Sol 做了发现漏洞的大部分难活,他负责验证,文章正文由他自己写,PoC 大部分由 Claude 写。这个声明得到不少正面回应。也有人明确表示,只要文章由 AI 写就不读。有人调侃,这可能是今年最后一个由人类写正文的漏洞报告。
女:这个话题挺适合过渡到 MIT 那门课,聊人怎么知道“什么东西存在”。
男:对。MIT 的 MAS.863/4.140/6.9020“How to Make (almost) Anything”2026 年秋季学期从 9 月 9 日开到 12 月 15 日,每周三下午 1 点到 4 点在 E14-633 上课,授课教师是 Neil Gershenfeld。课程 18 学分,官方给出的时间投入是每周约 18 小时。
女:上过课的人说什么?
男:学生衡量一周的方式是“有多少时间没花在这门课上”,每周 40 小时在这门课里算摸鱼。
女:日程挺密的。
男:开学先讲课程介绍与计算机辅助设计,接着是项目管理与计算机控制切割、嵌入式编程、3D 扫描与打印、电子设计与第一次评审、电子制造、计算机控制加工、输入设备、输出设备、机械设计与机器设计、wildcard week 与第二次评审、网络与通信加接口与应用编程、系统集成、项目开发,最后一周做项目展示。
女:讨论里最集中的是“广度优先到底值不值”。
男:有评论认为这门课每个主题都只蜻蜓点水。反驳的意见是:知道“存在什么东西”本身就有用。以后遇到问题 X,会想起有个叫 Y 的东西也许能帮上忙。虽然不知道细节,但至少知道从哪开始查。
女:这种横向知识对走向管理岗位尤其重要。在 AI agent 越来越能动手实现东西的当下,解决问题不只是“怎么做”,还包括“知道什么可以做”。
男:对。mitchweaver 的批评更直接:有人把整个职业生涯投入 CAD,这门课把 CAD 塞进一节课的一部分,看起来只是罗列了 50 种 CAD 工具;通篇小写字母也让人没信心。回应说这是一门 survey course,面向背景各异的学生,包括非技术背景,快速过一遍各种制造与设计工具的基础是合适的。
女:LLM 和知识结构那段讨论挺有意思。
男:qalmakka 的判断是:LLM 时代横向知识会越来越重要,因为你知道某样东西存在,才能把 LLM 指向那个方向。LLM 有很强的从 A 直奔 B 的倾向,能力常被 prompt 限制住。
女:roveo 补的那层我觉得更准确。
男:他说 LLM 的知识广但潜伏,人有近乎无限的“上下文窗口”,会联想、会隐约记起听过的东西然后顺着线索查;agent 不会,它们对任务做模式匹配,用最显眼的解法,除非你把它引到正确的方向。80% 的情况下显眼解法就够了,但如果你在意结果,就得盯着 agent。
女:还有那个具体的库的例子。
男:对,项目里用了一个糟糕的库 X,你让模型“把 A 改成 B”,它只会改,不会说“也许整个换成 Y 更好”,因为那不是它被交代的工作。有人接话说那就偶尔问一句“有没有明显更好的做法”。
女:书单那边呢?
男:A.K. Dewdney 的 The New Turing Omnibus 被反复提起,每章六页左右,能从零讲到能跑的单层神经网络、布尔逻辑电路或纠错码。书里的示例代码有细微 bug,反而逼着读者真正理解发生了什么才能跑通。有人提醒亚马逊新书标价 181 英镑,买二手几美元就够。
女:好,从 MIT 的课我们自然过渡到“一个 33 年的 CEO 离开之后会怎样”。黄仁勋卸任了。
男:2026 年 11 月,Nvidia 董事会宣布黄仁勋卸任,距离他联合创办这家公司已经 33 年。Steve Blank 在博客里把问题摆得很直接:一位有远见的 CEO 离开之后,公司会变成什么样。多数情况是创新停下来,公司靠着惯性和品牌再滑行几年,很少能回到原来的位置。
女:他改造过 Nvidia 三次。
男:2006 年推出 CUDA,把面向 PC 玩家的图形芯片变成通用计算平台,在还没有任何收入的时候就投了很多年。2012 年研究者用 Nvidia 芯片赢下 ImageNet,他把公司指向深度学习。2020 年收购 Mellanox,Nvidia 从卖 GPU 板卡变成卖支撑 AI 数据中心的整机架。
女:三次都不只是产品换代,而是商业模式的更换。
男:对,新渠道、新客户、新市场。从显卡厂商,到软件平台,再到系统公司。Blank 的判断是,一个专注于执行现有商业模式的 CEO,很难在那些年里持续给 CUDA 投钱。
女:他拿微软和苹果对照。
男:Bill Gates 在 2000 年 1 月把公司交给 Steve Ballmer,后者按 Windows 和 Office 的既有优势组织公司,销售额翻三倍到 780 亿美元,利润从 90 亿涨到 220 亿,同时错过了搜索、智能手机、移动操作系统、媒体和云五条线。2014 年 Satya Nadella 接手,把公司围绕 Azure 重组,让 Office 和 Azure 团队脱离 Windows,砍掉手机业务,今天微软市值约 4 万亿美元。
女:Tim Cook 那边的数字呢?
男:营收从 1080 亿走到 4160 亿美元,市值从 3500 亿到约 4 万亿,Apple silicon 说明芯片层面的大改动可行,但它是给已有产品换更好的发动机,不是新市场;Vision Pro 没做成,AI 也落后,Siri 最早有聊天机器人却没守住,今年回头找 Google 帮忙修,9 月把 CEO 交给 John Ternus。
女:HN 上有人不接受这套类比。
男:有人说 Cook 在苹果待的时间比 Jobs 第二任期还长,M 系列芯片和 AirPods 都领跑整个市场,把一切归功于“惯性”忽略了执行本身的价值。也有人提醒,Ballmer 那 14 年里有约 38% 的通胀,翻三倍实际只是翻倍。
女:Blank 的核心担忧不在数字,而在组织形态。
男:对。有远见的 CEO 会招一批世界级的执行副总裁,公司里只有一个愿景者。Nvidia 是极端案例,黄仁勋有大约 60 个直接汇报对象,不鼓励一对一会议,没有长期计划,还公开说过不相信继任计划。没人能接手 60 个直接汇报,所以下一任 CEO 的第一件事必然是加管理层级。
女:威胁已经看得见。
男:最大的客户正在变成竞争对手。Google、Amazon、Microsoft、Meta、OpenAI 和 Tesla 都在自研 AI 芯片。黄仁勋的应对是每年推一代新芯片,用硬件加软件的平台 CUDA 筑墙,并向跑在 Nvidia 上的 AI 实验室投入约 500 亿美元。Blank 认为,执行型 CEO 最先削减的很可能就是这几笔。
女:HN 上把 CUDA 到底有多深拆得很细。
男:一种说法是 CUDA 本身不深,一个人就写出了面向 AMD 的兼容层 ZLUDA,只是 AMD 法务后来要求删库、项目退回业余状态;LLM 的 kernel 也就几千行。另一种说法是 CUDA 的替代品从来不是那个 API,而是 cuBLAS、cuDNN、CUTLASS 这些库,其中不少 kernel 是特定微架构的汇编,加上调试、性能分析工具和向后兼容。
女:还有供应链那条。
男:对,有人认为真正的锁在供应链——HBM 和先进产能的合约握在 Nvidia 手里,即使今天出现一张能完美跑 CUDA 的第三方卡,也造不出来。
女:关于“把权重烧进硅片”的路线分歧很大。
男:有人建议下一任 CEO 收购一批做模型专用 ASIC 的公司。马上有人算账:推理成本约 80% 是芯片折旧,即使能效提升 10 倍,绝对成本也只降 5% 左右,而模型每四到八周就换代。也有人指出 MoE 架构遍地都是,专用芯片的适用面更窄。
女:Blank 自己的立场偏保守。
男:他说历史上灵活的通用计算通常赢过 CELL 和 Symbolics 那类专用架构。
女:财务那条线呢?
男:黄仁勋近年在把 Nvidia 改造成 AI 交易里的银行,做投资、撮合围绕数据中心的循环融资。有评论认为,短期最大的风险不是客户自研芯片,而是数据中心泡沫,以及公司是否会退出这个融资角色;临时接手的 CEO 兼 CFO 已经在重新审视这些为采购 GPU 提供的融资安排。
女:Blank 给董事会列了四个难题。
男:选择执行型继任者,会把世界级执行误当成产品热情和市场洞察,Gates 和 Jobs 都做过这个选择;而 Nvidia 的董事会是在危机中做决定,主席也是公司史上第一位,危机中的董事会倾向于稳定。若选择创新者,公司里最有能力的二号、三号人物几乎肯定会走。有远见的 CEO 往往就是品牌本身,黄仁勋还兼着公司的外交,在华盛顿、北京和台北都是那张脸。
女:他的结论是什么?
男:Nvidia 的订单簿和 CUDA 会让未来两三年看起来都没问题,无论谁当 CEO——除非其中很大一部分收入其实是被转运到中国的芯片。执行付你薪水,创新付你养老金。
女:社区里也有人不认为这是悲剧。
男:对,创始人光环带来的那种非理性冒险冲动不可复制,一家公司到了这个体量,变成“行尸走肉”并为股东榨取剩余价值,本来就是常态,火炬会由新玩家接过去。
女:好,从 Nvidia 到这周的其他几场故障,我们聊聊 Tor 和银行那两件事。先 Tor。
男:Tor Project 发布了 0.4.9.17 版本,修复一组安全问题。公告说,其中一项对 relay 的 IPv6 处理相关 DoS 防御尤其重要。这是对当前网络持续 DDoS 攻击的快速响应,攻击已经影响到大多数 relay 运营者。大量客户端电路涌入,压垮了网络中的 relay。
女:有人在自己家里感受到了。
男:Hacker News 用户 Actor 几个月前开始跑一个非出口节点,运行一段时间后被信任,成为 guard 节点。他发现攻击的方式很日常:母亲说 Wi-Fi 不好用,他检查后发现下载速度比平时低了 99%。排查一圈后,他关掉跑 relay 和其他自托管服务的迷你主机,网速恢复正常。
女:relay search 页面显示他的节点过载。
男:对,Tor 论坛上也有其他人在报告同样的情况。他先尝试降低允许通过的带宽,没有效果;让节点不再成为 guard 后,节点恢复正常。
女:edm0nd 提醒绝不要在住宅 ISP 上运行 Tor 出口节点。
男:cowlevel 澄清 guard 本身没有问题:任何 uptime 合理的 relay 都会成为 guard,uptime 低的节点才只做中间节点。schoen 也指出,那位运营者把 guard 和出口节点混在了一起。
女:关于攻击动机呢?
男:blakeashleyjr 认为 DoS 攻防在 Tor 上会长期来回拉锯;通常攻击针对特定站点,这次看起来是全系统性的。RA2lover 的看法是,攻击仍然针对竞争者,只是每个没有被某个国家行为者攻破的节点都被当成了目标。noident 提出,这可能是把流量引向对抗性 relay 的手段。
女:Tor 在 PoW 挑战上已有进展。
男:但这次攻击可能发生在触发这些机制之前。
女:使用体验那边呢?
男:sikozu 十年前试过 Tor,记得网站慢、大量资源不可用。Aurornis 提醒,把 Tor 当免费通用浏览 VPN 会失望,它用性能换一组更难被攻破的隐私收益;很多服务默认封 Tor IP,因为来自 Tor 的滥用率很高。kadoban 说现在还是慢、不太可靠。pluto_modadic 和 rationalist 则认为快了不少,DuckDuckGo 等站点专门为 Tor 优化。
女:Actor 自己说用 Tor 看 YouTube 高清没有困难。
男:对。abc123abc123 用 .onion 地址做 ssh 和备份已经十年,Tor 能穿透防火墙,不需要 DNS 域名,在很多国家都成功用过。
女:好,Tor 先到这。然后是周一那场银行故障。
男:美国多家大型银行的网上银行出现访问困难,Zelle 转账也受影响,数千名客户报告无法登录账户。问题源头在摩根大通:一处本地部署硬件系统上的软件缺陷引发连锁反应。
女:发言人怎么说的?
男:Joe Evangelisti 说这“与网络无关”,不是网络攻击,团队正在恢复服务。他把范围限定在自家:其他银行只是在与摩根大通发生交易时被拖慢。美国银行和花旗集团表示自家银行服务没有故障。U.S. Bank 发言人说系统未直接受影响,但客户与其他机构之间的 Zelle 转账可能延迟。
女:Zelle 运营方呢?
男:Early Warning Services 表示 Zelle 网络本身运行正常,是金融机构的问题在拖慢部分客户的付款。这家亚利桑那公司由多家银行共同持有,包括美国银行、Capital One、摩根大通、PNC、Truist、U.S. Bank 和富国银行。
女:这是同一周里的第三次。
男:上周四微软中断持续数小时,Outlook、Teams 和 Copilot 受影响;上周五 FAA 的系统故障让全美航班停飞数小时,周末仍在恢复航班。
女:HN 上很多人把三件事放在一起看。
男:有人的非技术同事认为它们相互关联——“他们不完全是错的,这种普遍的担忧很难打消”。反驳同样直接:“他们完全错了。就目前所知,这些故障没有共同原因,只是碰巧落在同一个新闻周期里。”没有证据指向 AI、裁员或伊朗黑客,更可能是一个无聊的技术问题,不符合任何人的叙事。
女:另一些人把视角抬高一层。
男:共同成因是复杂度——系统为效率和速度优化,而不是为健壮性;数字化集中和相互依赖,缺少故障隔离。有人提醒,把分开的原因搅成一个“万能原因”只会增加混乱,但“为效率优化”确实可以当作更高层的解释。也有人举例,航空、麻醉和汽车行业正是靠研究系统性成因才变得更安全。
女:云依赖的争论呢?
男:有人说问题不在依赖 AWS 或 Google Cloud,而在微软“特别不稳定”;立刻有人回敬 AWS us-east 的历史故障。有人猜测会出现从云上回迁的浪潮,另一位认为 CFO 不会批准大额硬件资本支出。
女:微软的事故报告呢?
男:7 月推送的一次更新里有个后端服务的线程争用缺陷,直到系统在全部服务的正常负载下、且只在核心数更多的新硬件上才发作。
女:评论区花了大量篇幅争论 AI 与代码质量。
男:一派认为这是用 AI 替代开发者的必然结果;另一派认为更可能是 AI 被用来找漏洞——美国银行、摩根大通和 U.S. Bank 恰好在周一同时上线糟糕的 vibe code,不太可能。中间的观点是:多数公司还不知道怎么在 AI 辅助下安全地构建,缺少围绕架构、测试和安全的工程约束。
女:也有人把质量下滑归因于外包、赶工期和金融化。
男:对,AI 只是加速器。
女:好,从系统故障我们跳到一个更轻的话题,康奈尔那个用智能手表追踪全身动作的 EchoMotion。
男:康奈尔大学 SciFi 实验室做出了一套叫 EchoMotion 的系统,只用一块市面上的智能手表,就能追踪人的全身动作。它利用手表内置的扬声器和麦克风,发射人耳听不见的超声波,再接收声波从四肢反射回来的回声,通过一套轻量 AI 模型推算身体姿态。论文在 10 月 13 日上海举行的 UbiComp/IWSC 会议上发表。
女:现有可穿戴设备靠加速度计和陀螺仪,只能判断设备自身的运动。
男:对,要做全身追踪,通常得叠加手机、耳机或 VR 头显,或者用摄像头。EchoMotion 选择声波,好处很直接:不需要在健身房架摄像头,佩戴者和周围人的隐私都保住了;数据量小,处理起来更便宜;功耗也低。
女:功耗具体多少?
男:原型阶段感知功耗约 12 毫瓦,大约是穿戴式摄像头的四十分之一;在 Galaxy Watch 6 上跑 30 分钟,只消耗 5% 到 6% 的电量。共同作者 François Guimbretière 说,大家都在谈 ChatGPT 这样的大模型,EchoMotion 展示的是跑在可穿戴设备上的极小模型同样改变了人机交互中的感知方式。
女:最初的原型是 3D 打印的表壳?
男:对,左右两侧各有一组麦克风和扬声器。两只扬声器发出超声波,把人包在一个听不见的声波球里;人动起来,两只麦克风接收从肢体弹回的回声。团队让 10 名志愿者把表戴在非惯用手上,做了 18 个动作,训练深度学习模型。
女:精度怎么衡量?
男:用 12 个关节的预测位置与摄像头捕捉的姿态对比。商用手表只有一组麦克风和扬声器,团队就在未改装的 Samsung Galaxy Watch 6 上测试,换了 15 名新志愿者。对新用户,每个关节位置的平均误差不到 4 英寸;做一次 12 分钟的校准,误差再降三分之一以上,到约 2.4 英寸。
女:同一个模型不做任何重新训练,也能在 Galaxy Watch 7 和 Pixel Watch 3 上工作。
男:对,团队花了不少力气让 EchoMotion 跑在商用设备上,就是为了降低采用门槛。
女:实验室之外呢?
男:10 名新参与者在一个小房间、一条窄走廊和一条嘈杂马路边做同样的 18 个动作。家具和环境噪声没有造成干扰,走廊里因为旁人的回声,性能略有下降。Mahmud 预计,等数据从几十人扩到几千人,模型在拥挤环境里解读动作的能力会更好。
女:他们正在往健身追踪上做。
男:让个人健身助手能数次数,甚至纠正动作,比如保加利亚分腿蹲。他们也在探索 EchoMotion 与智能眼镜的第一人称视觉结合,用来追踪人手里摆弄的物体。Mahmud 描述的图景是:不久的将来,智能手表或智能眼镜上的个人助手会写下你一整天的描述——做了什么、吃了什么。
女:HN 上的讨论集中在技术细节。
男:有人查到论文里的参数:左扬声器发射 18 kHz 到 21 kHz 的 C-FMCW 调频连续波,右扬声器在 21.5 kHz 到 24.5 kHz;每个 chirp 600 个采样,50 kHz 采样率,扫频周期 12 毫秒,分辨率约 3.43 毫米,感知范围约 2.06 米。
女:据此有评论指出,18 kHz 到 24.5 kHz 落在大多数哺乳动物的听觉范围内,对一部分人尤其年轻人也未必完全听不见。
男:对,有人提到,对人类算超声,对宠物不一定算,长时间发射更像是噪声污染。
女:还有评论把目光放到已有产品上。
男:iPhone 健康 App 里已经有步长、双支撑时间、步行不对称性等移动性指标,Apple 在 2022 年发过文档说明这些指标怎么算。有人希望这类声学感知能补上智能手表一直难测的呼吸频率。
女:好,从可穿戴设备到数据库,ParadeDB 那篇挺长的,但核心问题很清楚。
男:Stu Hood 写了篇博客,讲关系数据库里跨多表做相关性搜索的老问题。StackOverflow 数据集上,三表 Top-K 的自然 SQL 从约 118 秒降到单核 100–600 毫秒,最多约 1000 倍,不需要额外基础设施。
女:先解释一下 search join 难在哪。
男:搜索通常意味着按相关性返回结果,或者把结果汇总成分类计数,也就是分面。在单张反规范化表上,ParadeDB 已经能做到很快。跨多个 join 表搜索,难在结果要按跨表的组合分排序,同时只返回很少的行或做汇总。
女:过去两条路?
男:选 Elasticsearch 的速度,代价是写脆弱的 ETL 把数据反规范化进去;选 Postgres 的简单,接受它先 join 并给全部 2850 万行打分,再返回 20 条。
女:Postgres 慢的原因很具体。
男:按 created_at 这样的单列排序,B-Tree 索引走到凑够 20 行就能停。按跨表组合分排序时,没有表按这个分预排序;一条不含 ocaml 的评论仍可能通过它的帖子或作者匹配,所以 Postgres 连在 join 前过滤表都做不到,必须把 2850 万行全 join 起来,对每个三元组求和分数,再排序取前 20。
女:把 OR 重写成 UNION ALL 的 CTE 呢?
男:能把稀有词从 2 分钟降到 1.2 秒,代码多了不少,换成常见词又膨胀到 14 秒。
女:ParadeDB 的方案是什么?
男:索引把列存和 BM25、向量搜索放在一起,join key 和投影列直接存在索引里。查询进到 Postgres 规划器后,用钩子识别出 search join,把整个多表 JOIN 连同 LIMIT 或 GROUP BY 推到基于 Apache DataFusion 的列存执行器。非搜索查询还走 Postgres 原来的路径,被加速的查询用属性测试验证结果等价。
女:Top-K 用的是 Rank Join?
男:对,0.26.4 引入的。它不完整 join 再排序,而是按分数降序从各表流式拉输入,边拉边建候选集。每个流当前的最低分是它的上界:users 流已经拉到 4.0,没出现的用户就不可能超过 4.0。加上随机访问后,堆里最好的部分候选按 join key 直接点查对面表的索引,拿到伙伴的精确分数。
女:基准数字呢?
男:稀有词 ocaml 101 毫秒,中等词 python 603 毫秒,常见词 code 274 毫秒。code 比 python 快看起来反直觉,原因是常见词的三表匹配密集出现在各流顶部,堆阈值升得快,只评了约 9000 行就收敛;python 要评约 18000 行。
女:聚合的分面查询不能提前停。
男:对,得数完所有匹配行。StackOverflow 例子里要统计匹配 python 的帖子上的前 10 个标签,854K 个帖子匹配。Postgres 标准 join 35.3 秒扫堆;手写 UNION 重写要去重 posts.id 防止重复计数,1.0 秒;ParadeDB 的自然 SQL 422 毫秒,少 48 倍缓冲区访问。
女:有人追问算法出处。
男:gopalv 觉得这像 WAND 的变体。Stu Hood 回应说 WAND 在 Tantivy 这类引擎里确实长期用于跨词评分,但 WAND 按 doc-id 而不是按分数降序来 join 词项,这个算法更接近 Fagin 的 Threshold Algorithm。
女:也有人质疑查询本身。
男:amluto 说搜索 ocaml 时想匹配的是用户的 about_me,但为什么每个被 join 选中、内容完全不相关的帖子或评论都该算匹配?他更愿意跑三个独立查询自己合并。
女:关于要不要反规范化,讨论比较充分。
男:KellyCriterion 认为反规范化和 join 主要是磁盘与计算昂贵的 80、90 年代留下的习惯。fergie 回应说读多的库可以这么干,但看用例,写入和更新会难受。load-bearing 反问好处是什么:它增加资源使用,还让一致性更难维护。vidarh 给了个折中:保持规范化拿一致性,需要的时候建索引让查询呈现出反规范化的效果。
女:部署门槛呢?
男:nehalem 说想试 ParadeDB、也许替掉 Typesense,但装不进 CloudSQL 让这件事很难。anon373839 提到 Django 集成,用 QuerySet 就能拿到 BM25 评分、模糊匹配、混合搜索和元数据过滤。
女:最后这个话题挺轻松的,2007 年那台 ThinkPad 复活的事。
男:2007 年,Mike Masnick 在 Office 2.0 大会前约一小时发现自己的 ThinkPad z61t 彻底死了:没有睡眠灯,插上电源电池灯也不亮,机器明明处于睡眠状态却烫得厉害。他打电话给 IBM 支持,对方先确认机器完全没电,然后说“这听起来会很奇怪,但你试试”:
女:什么操作?
男:拔掉 AC 适配器,取出电池,以 1 秒间隔按电源键 10 次,再按住电源键 30 秒,装回电池,按电源键。机器就这么活了,状态和之前一样。技工给的解释是“静电放电”,再追问细节,对方说“兄弟,我知道的不比你多,但你的机器能用了”。
女:这篇文章下面累积了三百多条评论。
男:有人用 T21、T40、T41、T42、T43、T60、T61、X31、X40、X200、R61、R52 等型号报告成功,也有人提到 Acer、MSI 甚至洗衣机。一位联想员工留言说这招对他管用。有人是在牛奶洒进键盘、冰茶泼到机器、笔记本从桌上摔下去、在机场过完 X 光机之后靠它复活的。
女:有人称这是笔记本的“上上下下左右左右 B A”秘籍。
男:失败案例同样存在。T60p 用户在同样的死机症状下没用成,最后是取出电池、断开电源、把内存条拔下重插解决了。另一位 T43 用户按完没反应,拆掉光驱后机器恢复。还有人把机器放了两天或一周,自己就好了。
女:评论区里几位有客服经验的人给出了另一种解释。
男:legacynl 说,呼叫中心要求客户按住路由器复位键 3 秒,客户往往只按 1 到 2 秒,改成说“按 10 秒”之后,大多数人都能成功复位。按电源键 10 次加 30 秒,很可能是在确保用户真的等够时间、真的按住不放,而不是某个精确的魔法序列。
女:dtgriscom 讲的那个 RCA 电视例子更绝。
男:RCA 电视客服会请用户把没有极性的插头拔下来反插回去,成功的真正原因是用户跑去操作时发现自己根本没插电。
女:技术上怎么解释?
男:Freestyler_3 和 pockybum522 认为这是排查“变砖”设备的标准步骤:断开所有电源后按电源键,给主板上的电容放电。所谓“静电放电”只是电话技工对“放掉残余电荷”的通俗说法。kotaKat 补充,跟普通用户说“排空残余电量”可能会让人担心家里闹跳蚤,说得太技术反而冒犯对方的智力。
女:新一些的机器有更直接的办法。
男:Sesse__ 的 X280 底部有个小孔,用尖锐物按住可以让嵌入式控制器重启。他的机器曾经完全拒绝充电,充电器一秒一断地反复重启,靠这个孔救回来。omnimus 指出这解决的是另一类问题:用过不匹配的 USB-C 充电器后,电源协商失败让控制器混乱。
女:也有人怀疑病因不是静电,而是某个快坏的电容在断电一段时间后重新形成。
男:ogig 上周在 P52 上用 60 秒长按救活过一次,几天后又死了。ddtaylor 清理 Omen 时没先放电,碰了负责 BIOS 启动前工作的 EC 芯片,打乱了一些状态位,机器塞进抽屉两个月后自己正常开机了,只丢了 BIOS 时间。
女:z61 这个型号还有一段插曲。
男:theandrewbailey 就读的学院给每位学生配 ThinkPad,他那一届拿到的是 z61p,是唯一使用这款机型的班级。大规模部署暴露了电源板问题,联想派人到校园把每台 z61p 的电源板都换了一遍。
女:不少人提到了睡眠模式的隐患。
男:笔记本在包里自己醒来、发热、耗光电量,最后变成一台“砖”。gambiting 现在合盖一律设为休眠,多等几秒,总比旅行途中把笔记本变成空气炸锅好。pryanshu89 的总结是,到这一步,电源键已经不太像开关,更像一个用来祈祷的按钮。
女:好,今天这期就到这。谢谢阿迪,也谢谢大家听到最后。
男:谢谢大家,下次见。
女:如果你喜欢这期节目,记得用泛用型播客客户端订阅我们,这样新一期上线就能收到。我们下期再见。
参考链接
- Qwen4-Max
- Many of Amazon’s Black Friday and Cyber Monday “deals” offered no savings
- Universal XSS in uBlock Origin from website-driven element picker
- How to make almost anything
- What's Next for Nvidia?
- Tor Project Issues Rapid-Response DoS-Defense Fix Amid Sustained DDoS Attack
- Technical issue at JPMorgan Chase triggers online banking delays for US banks
- Researchers track whole body movement with just a smartwatch
- Do we still have to denormalize? Have your schema and search it too
- The Secret ThinkPad Powerbutton Code to Bring Dead Laptops Back to Life (2007)
