卡片列表 ‹ 10-26 10-28 › 下载 EPUB

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

Anthropic 递交 S-1,正式冲刺 IPO

10 月 26 日向 SEC 提交上市申请,PBC(公益公司)架构加长期利益信托。HN 今日最热帖。

账面看是一家增长极快、毛利不错的公司;真正的问题是这种增长能不能撑住几千亿美元的算力承诺。

事实

  • S-1 于 2026-10-26 提交,Anthropic 以 PBC 身份上市,由「长期利益信托」(LTBT,一群与公司无财务利益的受托人)参与治理。
  • 评论区整理的季度收入:Q1 2026 约 47 亿美元,Q2 约 116 亿(环比 +144%),Q3 约 168 亿(环比 +45%)——增速明显放缓。
  • 评论引用的算力承诺:Google 1140 亿、AWS 1100 亿、Broadcom 1610 亿、SpaceX 1200 亿美元,多为约 10 年期。
  • 评论引用:每 1 美元算力花费带来 2.08 美元收入(2025 Q1 仅 0.40);前 9 个月约四分之一收入来自 5 个客户,约 80% 是按量计费。

解读

  • 收入大头被普遍认为来自 AI 编程(Claude Code)。对产品人:一个杀手级场景能撑起一家公司,但也是集中风险。
  • 按量计费 + 客户集中 = 收入弹性大。客户一旦砍「token 狂刷」预算,收入就会掉,这正是 Q3 增速放缓的一种解释。
  • 对 Afizzy 这类调用方:上游越需要证明利润,越可能调价或改套餐;多模型可切换要当成基本功。

讨论

  • 正方算力回本周期可能不到一年;那些说「全靠补贴」的人要重新解释了。
  • 反方增速从 +144% 掉到 +45%,选这个时点上市像是趁高位;还有人指出可转债、免费额度可能被挪出算力成本,毛利被美化。
  • 反方中国开源模型会不断压价,今天的价格就是天花板;AI 不只没护城河,还缺一个「反护城河」的词。
  • 共识一切取决于需求是否真实且持续:收入从 500 亿涨到 5000 亿就没事,否则承诺会变成包袱。
2

微软给约 6 万人发「自愿离职」方案

约占员工四分之一,覆盖美、加、印、英 VP 及以下员工,12 月初前决定。

「自愿」二字是给选择权,也是给压力:不接,可能下一轮就是裁员。

事实

  • 据《西雅图时报》,微软向约 60,000 名员工提供标准遣散方案,范围是美国、加拿大、印度、英国的副总裁及以下员工。
  • 这建立在今年早些时候的自愿退休计划上:当时约 8,700 名美国员工符合条件,约三分之一接受。
  • 首席人力官 Amy Coleman 称,这既给想离开的人一个有支持的选择,也让各部门调整结构。
  • 不到一周前,总裁 Brad Smith 刚在领英视频里说「我们一直与员工站在一起」。

解读

  • 背景是每年数千亿美元的 AI 资本开支;评论估算 6 万人成本大约 180–720 亿美元,相比之下不大——意味着还没完。
  • 买断的老问题:最先走的往往是最好找工作的人(「死海效应」:能走的走,走不了的留下)。
  • 对招聘方:2027 年市场上会多出大批大厂工程师和产品人,是补强团队的窗口。

讨论

  • 正方比起美国常见的无预警裁员,带遣散的自愿离职已经算体面。
  • 反方接或不接都是赌:有邻居拒了买断,结果被裁,损失很大。
  • 反方前员工说最后 18 个月频繁重组、人浮于事;也有人质疑微软一边说人多一边还在申请 H-1B。
  • 共识高层的承诺不可信;接受率才是关键,此前自愿退休约 30%。
3

GPT-6.1 Terra:价格砍半,主打电脑操作和办公

OpenAI 中档模型更新,API 标价比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。

这是给「大量重复办公任务」用的模型,不是给最难的编程用的——OpenAI 自己也这么说。

事实

  • 定价(评论整理):输入 $1 / 百万 token,缓存读取 $0.05,输出 $5;Sol 6.1 为 $2/$0.10/$10,Luna 为 $0.10/$0.01/$0.50。
  • 官方称:在 Agents' Last Exam 上,中等推理力度比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一,并与 GPT-6 Astra 持平而单价只有十分之一。
  • Terminal-Bench 4.0 最高力度解题率 50.3%,是上一代 21.5% 的两倍多;但官方明说最复杂的编程仍建议用 Sol 或 Astra。
  • 易错提示上的错误率:低力度从 53.6% 降到 16.7%,最高力度 4.3%。

解读

  • 选型要看「每个任务的成本」,不是每 token 单价:有人实测最高力度下它比 Sol 还贵、还更啰嗦,中等力度才最划算。
  • 官方举例:读发票填会计软件、看图纸、填表单——这类长尾自动化是中档模型的主战场。
  • 术语平讲:推理力度(reasoning effort)=让模型想多久,越高越准也越贵。

讨论

  • 正方如果图表属实,它以零头的价格追平 Astra,和 6.1 Sol 不相上下。
  • 反方命名体系混乱(Luna/Terra/Sol/Astra 加版本号交错),每代都改家族定位,伤开发者工作流。
  • 反方强调「每任务成本」是因为套餐用量刚被砍了约一半,算是换个说法。
  • 共识OpenAI 员工解释:模型能力是多维的,没有一个在所有维度都最强的固定排序,要按任务选。
4

OpenAI:模型证明了数学、CS、物理三项新结果

包括局部光滑化猜想、「指数时间假设为假」、Yang–Mills 存在性,并配合 Lean 形式化验证。

长期未解的问题正在「几周倒下一批」,而且集中在能被机器快速检验对错的领域。

事实

  • 三项结果:调和分析的局部光滑化猜想(可推出 Kakeya 猜想);复杂性理论中「指数时间假设(ETH)为假」;量子场论中 Yang–Mills 存在性(及 QCD)。
  • OpenAI 请外部专家牵头解读,不要学术署名、不签保密协议;三个领域用了三种发布方式,物理部分由合作组决定暂不公开 AI 原始产物。
  • CS 结果已在 GitHub 公开自然语言证明和 Lean 形式化;评论引用:Yang–Mills 证明 9 月 9 日产出,10 月 16 日完成形式化。
  • 有人统计这些结果解决了其自建「前 500 开放问题」榜单中的 6 项。

解读

  • 规律:能低成本验证对错(数学、形式化证明)的领域进展最快;生物、化学需要湿实验,慢得多。
  • 对产品:能自动打分的任务,AI 进步最快。设计 AI 功能时,先想清楚「怎么自动判断对不对」。
  • 术语平讲:Lean=一种让计算机逐步检查数学证明的语言;ETH=认为 3-SAT 这类问题没有比指数快得多的算法的假设。

讨论

  • 正方这是理论 CS 的大事件,很多参数化复杂度的下界证明都依赖 ETH。
  • 反方前沿实验室能为这种「登月式」展示烧多久算力?可能像阿波罗计划,公众热度会退。
  • 共识ETH 为假不等于 P=NP,也不等于 NP 问题都能亚指数解;更像强化学习副产品的展示。
5

Cloudflare 承认 GLM-5.3 把别人的回复串给了用户

超长提示触发 KV 缓存越界,155 条回复含其他客户请求的内容,已和 SGLang 联合披露。

多租户推理不是天然隔离的;「宣称的上下文长度」和「实际能装下的长度」不一致,就是事故的种子。

事实

  • 研究员 Gadi Evron(Knostic)9 月 8 日通过 HackerOne 报告;问题从 8 月 27 日开始,模型下线后 9 月 9 日恢复。
  • 根因一:宣称 1,048,576 token 上下文,但预填充 GPU 上的 KV 缓存池只装得下 681,280 token,团队上线前知道,以为引擎会报错。
  • 根因二:SGLang 在预填充/解码分离模式下处理超长请求有 bug。受影响的 155 条回复全部来自超过 681,280 token 的提示。
  • Cloudflare 称未发现蓄意利用,其他 Workers AI 模型不受影响。

解读

  • 对做 AI 产品的人:用第三方推理服务时,敏感数据要考虑「同租户串数据」这种风险,企业客户会问。
  • 测试只测「成功返回」不够,要测边界:刚好超出容量时系统是报错还是悄悄出错。
  • 术语平讲:KV 缓存=模型为已读文本保存的中间结果,复用能省算力,也是串数据的位置。

讨论

  • 正方这份事故复盘写得坦诚,解释了测试为什么没抓到,处理也快。
  • 反方其他供应商可能根本不知道或不在乎有这类问题;有人回忆在别家 API 上收到过完全无关的回复。
  • 共识高敏感数据的企业应该用非共享的推理部署。
6

Show HN:Hob,开源的本地版「Claude Cowork」

在 Mac/Windows/Linux 上跑 Gemma、gpt-oss 等开源权重模型,离线可用,MIT 协议。

本地 AI 助手已经很多,但「装完就能用、能碰本地文件、不上云」仍有人愿意为它点赞。

事实

  • 作者说做它的原因:试过 Jan、OpenWork、Chatbox、Lobe,都没能顺畅地「处理本地文件且不上云」。
  • 首次安装时自动按硬件挑选合适的开源模型;基于 Electron(作者指出 Claude 桌面版也是 Electron)。
  • README 是手写的,被评论夸「没有 AI 写的长篇大论」;名字是团队在 Hob 和 Garth 之间投票定的。

解读

  • 差异化不在模型,在「首次体验」:自动选模型、零配置,是本地 AI 产品的真正门槛。
  • 对 Afizzy:有评论者正在做「带动画 AI 陪伴角色」的本地版——陪伴类产品在往端侧和隐私方向探路。
  • 用户反馈很具体:模型装到哪个盘、什么硬件跑什么模型——本地产品的痛点在存储和硬件说明。

讨论

  • 正方这类开源本地工具比大公司在做的事更重要,每个都值得支持。
  • 反方同类已有一大堆;也有人问为什么还是 JS,AI 时代为什么不做原生应用。
  • 共识作者回应积极,愿意按反馈改(如自定义模型安装目录)。
7

Raschka 推出 11 小时「从零构建推理模型」视频课

8 集 PyTorch 编码课:评估、推理时扩展、强化学习、蒸馏,配套其新书。

从零写一遍不是为了训练出能用的模型,而是为了真正看懂现在每个模型都在用的推理机制。

事实

  • 共 8 个视频、超过 11 小时,从一个预训练小模型出发,实现评估和改进推理能力的方法。
  • 是他去年《从零编写 LLM》课程的续集,但不要求先看前作。
  • 评论称本地即可跑:能跑 Qwen3 0.6B 的新款 MacBook 或游戏显卡 PC 就够。

解读

  • 对产品人:懂「推理时扩展」和「蒸馏」,才能判断供应商说的推理力度、小模型为何变强。
  • 术语平讲:推理时扩展=让模型在回答时多想几步换准确率;蒸馏=用大模型的输出教小模型。

讨论

  • 正方作者讲解直观,被称为「Karpathy 2.0」;多人说读完他的书「终于开窍」。
  • 反方这类教程像十年前的「自己造 CPU」,有趣但没实际用处。
  • 反方有人说学 ML 总觉得像在学配方而不是原理——回复说 ML 更像生物学,靠实验积累。
  • 共识目的不是训练前沿模型,而是理解;也可以在开源模型上继续训练,并不只是玩具。
8

CSS-Tricks 换了新主人:创始人从 DigitalOcean 手里接回

被收购多年后近乎停摆,现由最活跃的贡献者 Geoff 接手。

老牌教程站回到用心的人手里是好事,但 AI 正在吃掉「教人写代码」这块饼。

事实

  • CSS-Tricks 此前被 DigitalOcean 收购,此前 HN 曾讨论其「处于停摆」状态(273 分)。
  • 前 DigitalOcean 员工在评论里证实,这个站在公司内部确实不是优先事项。
  • 新主人 Geoff 是该站近年最活跃的贡献者。

解读

  • 内容站的变现难题:评论者试过广告和课程都不太行,最赚钱的是「按教程内容替人干活」。
  • 经典定价思路:免费 / 便宜 / 昂贵三档产品,免费负责引流。
  • Tailwind 的困境被反复提起:工具价值是少敲键盘,在 AI 写代码时代就弱了。

讨论

  • 正方站点基本是静态内容,运营成本低,规模缩小也能活。
  • 反方前端教育是一块持续缩小的饼,这是一次豪赌;大厂养的技术媒体普遍前景黯淡。
  • 共识有前端工程师说 AI 写的界面始终要大量返工,前端没有被「解决」,好的教程仍有价值。

扫读

9

OpenAI 公开的预印本:确定性算法以亚指数时间精确计数 k-CNF 的可满足赋值。

理论上的大地震,实践上暂时没用——算法是「天文级」的。

事实

  • 对任意固定 k≥2,算法用多项式空间,时间约 2^(n/(log n)^(1/2+o(1)))。
  • 论文自己说明:这种界不能在一般多项式归约下传递,所以不意味着所有 NP 问题都能亚指数解。
  • 可直接受益的是能线性归约到 3-SAT 的问题,如计数独立集、计数着色。

解读

  • 术语平讲:SETH(强指数时间假设)比 ETH 更强;之前「自注意力必须是平方复杂度」的证明依赖的是 SETH。
  • 对产品:短期无影响,SAT 求解器在真实输入上本就远好于最坏情况。

讨论

  • 共识SAT 专家称结果「天文级」,没有直接应用;关键是其思路会不会滚出别的突破。
  • 反方有人追问 ETH 为假是否意味着自注意力能低于平方——回复:逻辑上推不出来。
10

Pylance 仓库里的一份协议文档,用 JSON-RPC 查询类型信息,沿用 LSP 的数据格式。

名字听着通用,其实只服务 Python;社区怀疑是微软为 Pylance 续命。

事实

  • TSP 让编辑器向「类型服务器」查询导入解析、计算类型、声明类型、期望类型等。
  • basedpyright 维护者公开批评它;Astral 的 ty 类型检查器则表示会支持。
  • 目前只是一份 md 文档加几百行 JSON schema 扩展消息,不是正式发布。

解读

  • 相比 LSP 只返回给人看的字符串,TSP 给的是结构化类型——对 AI 编程工具读懂代码有用。
  • 术语平讲:LSP=编辑器和语言工具之间的通用接口,也是微软做的。

讨论

  • 反方应该叫 Python Type Server Protocol,占用通用名称很怪;且还在用 UTF-16 位置编码。
  • 反方微软赚钱方式就是锁定生态;pyright/pylance/basedpyright 的碎片化已经让跨 IDE 结果不一致。
  • 正方标准化之后可以自带第三方类型检查器。
11

作者找到 1993 年 2 月的 Win32s 版空当接龙,原封不动能玩,又往更早的 NT 预发布版挖。

Win32 也许是唯一稳定的 ABI;33 年前的程序还能跑,是微软兼容性的硬功夫。

事实

  • 64 位 Windows 没有 NTVDM,跑不了 16 位程序,所以只能从早期 NT 时代找。
  • FREECELL.EXE 修改日期 1993-02-22,在最新 Win11 上无需改动即可运行。
  • 作者继续在 Internet Archive 的 NT 3.1 预发布版里找更老的程序。

解读

  • 向后兼容是平台的长期资产,用户的数据和习惯(比如空当接龙战绩)会跨十几年迁移。
  • 有评论者修复 90 年代儿童 CD-ROM 游戏,发现 256 色调色板行为在 Win11 下已坏。

讨论

  • 正方ODBC 管理器至今仍带着 Win3.0 / NT3.5 风格的 16 色图标对话框。
  • 反方桌面 UI 在 Win95 时代就完美了,之后每一代「移动优先」都在变差。
  • 反方34 年前的书照样能读——软件界对「无兼容」已经习以为常,这本身就值得反思。
12

德国 25 岁微距摄影师 @macrofying 的系列视频,单条约 57 万次观看。

把日常机器放大到墨滴尺度,本身就是好内容。

事实

  • 系列包括墨滴落纸写出「macro」、打印头喷墨、点阵生成、打印机打印自己的照片。
  • 作者搭了专门的拍摄装置,并公开了搭建过程。
  • 评论指出作品与 Nikon Small World 比赛有关;该比赛此前因获奖作品是 AI 生成而出过风波。

解读

  • 在 AI 生成泛滥的时候,「过程可展示」(公开拍摄装置)成了证明真实的方法。
  • 术语平讲:热泡式靠加热把墨水「沸腾」喷出,压电式靠振动挤出,后者能喷更多种液体。

讨论

  • 反方有人第一眼认定是 AI 图——往下翻看到更多视频才信。
  • 共识大家更关心的是:喷墨打印机这么多年还会堵头吗?
13

T3X 的长文:在 PDP-11 级别的 64KB 里塞下 LISP 系统、运行栈和 cons 池。

资源约束逼出好设计,这是一篇关于「少即是多」的老文。

事实

  • 64KB 要容纳 LISP 系统本身、运行时栈和 cons 单元池。
  • 对比:1960 年 MIT 的 IBM 704 有 32K 个 36 位字的磁芯内存,LISP 占 12K 字,留给数据不到 2 万个 cons 单元。
  • 该文 2025 年 7 月曾上过 HN,仅 4 条评论。

解读

  • 对产品:在极端约束下决定「保留什么」,和今天做端侧小模型是同一类问题。
  • 术语平讲:cons 单元=LISP 里构成列表的最基本数据块。

讨论

14

开源工具,用对抗式提问逼开发者自己找到 bug,自称「反 AI」却要 Anthropic API key。

好想法(苏格拉底式追问帮人学习),但名字和「反 AI」定位都被挑了刺。

事实

  • 工具不直接给修复,而是像严厉导师一样连续发问,引导你自己找到「啊哈」时刻。
  • 安装第一步是设置 Anthropic API key;README 图片和代码也明显由 AI 生成。
  • 评论指出尼采本人在《偶像的黄昏》里批判苏格拉底辩证法,名字用得反了。

解读

  • 「AI 不给答案」是一种产品形态:教育、编程训练、陪练都能用——难点是模型总忍不住给提示。
  • 对 Afizzy:角色设定能改变互动方式,「严厉导师」本身就是一种可设计的人格。

讨论

  • 反方前沿模型被训练得太讨好:要么问个难题马上附提示,要么直接说答案,很难真正「逼」人思考。
  • 正方可以推广到费曼学习法:帮你调试的是心智模型,不只是代码。
  • 反方「反 AI」的工具也用 AI,讽刺感拉满。
15

Murat 读《The Man from the Future》的笔记:53 年人生开创了一串学科。

一个人能横跨集合论、量子力学、博弈论、蒙特卡洛和存储程序计算机,靠的是对「思考」本身的上瘾。

事实

  • 冯·诺依曼(1903–1957)参与奠基的领域包括集合论、量子力学数学形式、算子代数、博弈论、期望效用理论、蒙特卡洛方法、存储程序计算机架构。
  • 文章开篇引用 Teller 的悼词:多数人觉得思考是痛苦的,Johnny 享受它,甚至几乎只享受它。
  • 布达佩斯 1900 年前后出了一批奇才:维格纳、泰勒、西拉德、埃尔德什等,被戏称「火星人」。

解读

  • 评论里有人从书中「我们能在技术中幸存吗?」联想到软件业正在经历自己曾带给别的行业的颠覆。
  • 推荐延伸阅读:《图灵的大教堂》、Labatut 的《MANIAC》。

讨论

  • 正方多人推荐原书,说写得极好。
  • 反方他过目不忘的传说很多可能被夸大了。
16

作者发现从没装过 PHP 的 IIS 服务器上残留着 PHP,教你用 PowerShell 查并安全删除。

你不知道自己装了什么,就不知道自己暴露了什么。

事实

  • 起因:登录自己的测试博客时被 IIS 403 拦截,提示是「PHP 缓解措施」阻止了 multipart 请求——但他的站一行 PHP 都没有。
  • PHP 可能来自控制面板、多年前装的 phpMyAdmin 或主机商的系统镜像。
  • 作者感慨:AI 时代补丁和攻击都更频繁,几周就要处理一次。

解读

  • 资产清点是安全第一步,老系统尤其如此。
  • ColdFusion 仍由 Adobe 维护,并在往「AI 驱动、云原生」方向包装。

讨论

  • 共识评论几乎都在怀旧:ColdFusion + IIS + PHP,像 1999 年的时间胶囊。
17

BBC 分析 Ember 数据:截至 2026 年 9 月的 12 个月,太阳能发电比核电多 13%。

十年前只占全球 1% 的太阳能,2026 年将到 10%——便宜到「冒犯」。

事实

  • 据 Ember,2025 年全球太阳能发电已(微弱)超过核电;最近 12 个月领先 13%。
  • 2026 年太阳能预计占全球电力约 10%,而核电自 1970 年代末一直是主力。
  • 评论:欧洲折扣店卖 200–300 欧元的阳台光伏套件;美国屋顶光伏却常被报 3 万美元。

解读

  • 成本曲线赢了:太阳能只需要好工厂,不需要复杂的现场基建和运维。
  • 下一个关键是储能,电池也在类似的指数曲线上,大约晚十年。

讨论

  • 正方波兰居民装光伏热情高到政府要出手降温。
  • 反方太阳能只适合独栋、少灾害、自用的场景;夜晚和连续阴天仍需解决。
  • 共识屋顶光伏和大型电站成本完全不同,后者才是规模效应所在。
18

A20 Pro 芯片、防水防尘、横向前置摄像头;评论吐槽 60Hz 和价格。

硬件规格是「史上最大更新」,评论区最大的声音却是:太贵了。

事实

  • 8.5 英寸 OLED(可选纳米纹理),峰值亮度是上一代两倍多;更薄更轻,支持防水防尘。
  • A20 Pro 每个 GPU 核心带神经加速器,双 16 核神经引擎;1200 万像素横向前置摄像头。
  • 评论称相比 6 月前价格上涨约 40%,起步仍是 128GB,刷新率仍是 60Hz。

解读

  • 评论把涨价归咎于 AI 拉高的芯片和内存成本——AI 热潮正在推高消费硬件价格。
  • iPhone 折叠屏内屏 7.6 英寸,iPad mini 8.5 英寸,手机和平板的尺寸在连成一条线。

讨论

  • 反方非 Pro 产品还锁 60Hz,「世界五年前就往前走了」;还不支持旧款 Apple Pencil。
  • 正方比起高刷,宁可要续航;普通用户根本察觉不到 60Hz 以上。
  • 反方宁愿放弃整个 AI 产业换回便宜硬件——Apple TV 也从 129 美元涨到 299 美元。
19

作者为 ESP32-S3 写了 SIMD 加速的 FAST 角点检测,速度约为参考实现的 2 倍。

便宜芯片里藏着少有人用的能力,挖出来就是性价比。

事实

  • ESP32-S3:双核 240MHz,带 WiFi 和 BLE,支持 128 位 SIMD 指令。
  • 处理一帧 QVGA(320×240)约 6 毫秒;为此作者还写了一个简易寄存器分配器 basm。
  • 评论指出:从 5.1 到 11.2 MP/s 是快 1.2 倍(提升 120%),不是 220%。

解读

  • 端侧 AI/视觉的成本门槛在快速下降:完整开发板在速卖通约 5 美元。
  • 术语平讲:SIMD=一条指令同时处理多个数据;FAST=一种快速找图像角点的算法。

讨论

  • 正方这块芯片比 80 年代的家用电脑还强,能跑 Doom。
  • 反方ESP32-S3 的 SIMD 很难用,且缺 32 位向量运算。
  • 共识沁恒 CH32V407 价格相近,支持 RISC-V 向量扩展,可能更好用。
20

1662 年巴黎「五苏马车」:固定路线、7.5–15 分钟一班,不用看时刻表。

公交的发明不是车,而是「服务」:固定线路 + 高频率,让人敢不查时刻表就出门。

事实

  • 帕斯卡临终前创办「五苏马车」,8 座马车、车身标明起终点。
  • 班次间隔 7.5 到 15 分钟,乘客可以直接出门等车。
  • 评论补充:这是一门真正的生意,帕斯卡投入大部分家产占六分之一股份,回报不错。

解读

  • 产品启示:把昂贵的私有资源(养马车和马)变成人人可分时共享的服务,就是一个新市场。
  • 「频率」是公共交通的核心产品指标,和今天的服务可用性一样。

讨论

  • 反方陆地上可能是首创,但荷兰 1632 年就有固定线路的拖船(trekschuit)。
  • 共识这张线路图今天的游客照样用得上——基础设施塑造人的生活,会自我强化。
21

与斯坦福合作,用表面转移掺杂做钻石 MOSFET,号称开关快 50 倍。

钻石晶体管还远,钻石做散热基板更可能先落地。

事实

  • 钻石表面用一层氢原子终止后,在表面几纳米内形成二维空穴气,实现 p 型导电。
  • 这种方法不需要离子注入,避免了晶格缺陷,保留钻石的导热和耐击穿性能。
  • 相关论文发表在 IEEE;公司同时推销钻石芯片基板和散热方案。

解读

  • AI 芯片的瓶颈之一是散热,钻石导热最好——这才是近期的商业机会。
  • 术语平讲:MOSFET=最常见的晶体管类型;掺杂=往半导体里加杂质改变导电性。

讨论

  • 共识晶体管还要很多年甚至几十年;散热基板更可能先上市。
  • 反方网站魔改滚动,体验差;也别再说什么「钻石时代」。
22

新版集中在现代化开发工具;评论在聊 AI 时代小众语言的命运。

AI 让人不再在乎用什么语言——这对小众语言既是坏消息也是好消息。

事实

  • Pharo 是纯面向对象语言加实时开发环境:没有构造器、没有类型声明,语法能写在一张明信片上。
  • 强调即时反馈和调试器:可在运行中重启方法、即时创建方法。
  • 全栈 MIT 协议开源,托管在 GitHub。

解读

  • 活的运行环境天然适合 agent 直接操纵程序,但训练数据太少是硬伤。
  • 官网几乎不提自己是 Smalltalk——产品定位里刻意避开「老」标签。

讨论

  • 正方AI 让人可以放心用喜欢的小众语言,缺库就让模型写一个。
  • 反方AI 让人更不在乎语言了,这有点遗憾。
  • 共识有人推荐 Cuis Smalltalk 和 Glamorous Toolkit 作为替代或补充。
23

作者发现自己的网页按 Ctrl-P 效果很差,于是讲怎么用打印样式表修好。

能打印是「内容为本」的试金石,也能省掉很多「给我导出 PDF」的需求。

事实

  • 作者喜欢在纸上批注阅读,于是测试自己网站的打印效果,结果不理想。
  • 解决方法是用 CSS 的打印媒体查询:隐藏导航、调整排版。
  • 讽刺的是,有人打印这篇文章本身也出了 4 页、大片空白。

解读

  • 产品角度:发票、门票、报告页做成可打印网页,能替代单独的 PDF 生成功能。
  • Chrome 和 Firefox 的打印输出普遍差,屏幕上完美、纸上一团糟。

讨论

  • 正方一开始就做成可打印,往往能直接消掉「下载 PDF」需求。
  • 反方资源有限时,屏幕体验和无障碍更优先;网页本就是为导航而生,不是为打印。
  • 反方不该在打印版里改默认字号和字体,那是用户设置的事。
24

延续 fp 系列的超紧凑设计和像素数,主打视频博主和混合创作者。

机身做小只是一半,镜头大小才决定你愿不愿带出门。

事实

  • fp 曾号称世界最小全画幅无反;FP2 保持像素数和超小机身,增加新功能。
  • 同期发布号称最小的 50mm f/1.4 自动对焦镜头。
  • 评论指出它缺少机身防抖(IBIS)和电子取景器。

解读

  • 模块化核心机身 + 配件按场景扩展,是一种「少即是多」的产品思路。
  • Sigma 被视为业内「最后的实验者」:不做和别人一样形状的相机。

讨论

  • 正方fp L 小到能塞进腰包,适合风光摄影。
  • 反方镜头的体积重量比机身更重要,为了小而牺牲防抖、取景器不值。
  • 反方PetaPixel 网页卡到电脑都动不了。
25

Categorica 不想再跑一个 sidecar 容器导出指标,于是写了 Nginx 模块直接输出。

少一个进程,少一个需要被监控的东西。

事实

  • 过去主流方案是 NGINX Prometheus Exporter,通常以 sidecar 容器部署,自带 Web 服务器。
  • 作者认为监控端点本身逃过了监控(谁来监督监督者),于是做成原生模块。
  • 项目已开源。

解读

  • 评论认为 Nginx 不自带 Prometheus 导出,跟其开源核心 + 商业版的模式有关。
  • 术语平讲:sidecar=和主程序一起部署的辅助容器。

讨论

  • 正方对做运维的人会很实用。
  • 反方Prometheus 文本格式导出效率低;有人十几年前就写过类似模块。