0806 | Jeff Dean离职谷歌，Meta广告涉儿童性虐，甲骨文减免费ARM，Rovo零点击泄密

茉莉: 大家好，欢迎收听《HackerNews每日沙龙》，我是茉莉。

白桦: 我是白桦。今天这期节目，科技圈的话题不少，从重磅人事变动到AI安全漏洞，再到天文台的新发现，我们一起聊聊。

茉莉: 先从最震动的一条说起——杰夫·迪恩离开谷歌，这可算是AI领域一位功勋级人物的告别了。

白桦: 是啊，另外还有Meta被曝在自家平台上投放了超过五十条AI生成的儿童相关内容，甲骨文的免费云额度也要缩水；再往后，还有关于Atlassian AI代理安全、以及鲁宾天文台发布首张深空图像的新闻。

茉莉: 先说这一轮的重头戏。WIRED 的 Matt Burgess 在 8 月 5 号的报道里，根据 Meta 的广告库数据发现，Meta 在 Facebook、Instagram、Messenger 和 Threads 上投放了超过 50 条包含 AI 生成的儿童性虐待图像的图片和视频广告，其中一些直到报道发布当周还在投放。评论区里，真正的讨论焦点是一个反问：如果 2025 年已经删除了 3600 万条这样的内容，为什么没有几百万人因此入狱？

白桦: 有人给出了相当理性的拆解。比如这类案件要从全国失踪与被剥削儿童中心转到合适的地方机构，再开展调查、申请搜查令，每一步都需要时间，前提还得有愿意配合的司法辖区。而且，3600 万条内容并不等于 3600 万个犯罪者，可能涉及的人数要少得多。还有人提醒，统计口径本身就有水分——这些报告里有相当一部分是青少年之间互发的色情短信，还有所谓'过度热心'的父母拍的婴儿裸照被系统标记，就算只算一半，1800 万依然是个很大的数字。更有意思的是，有人说这暴露了社会对这类话题的说辞和实际行动之间的落差：除非特别恶劣，否则很难上全国性头条，有社会地位的人被收监反而是例外。

茉莉: 另一个引发争论的新闻来自甲骨文。他们把'始终免费'的 ARM 计算额度直接减半：旧上限是 4 个 Ampere A1 处理器核心加 24 GB 内存，新上限变成 2 个核心和 12 GB，8 月 18 号起执行，超限的实例会被自动终止。而那个'免费'的 x86 微实例保持不变。有作者提醒，这个额度是按整个租户来算的，不是按单个实例，想拆成两台小机器也行，但总和不能超限；而且停止实例通常不会释放配额，必须彻底终止，终止前记得先备份。

白桦: 社区吵得最凶的，是'always free'这句话到底什么意思。一派说，'始终免费'就是'永远免费'，甲骨文缩减老用户的额度就是在说谎。另一派反驳说，'始终免费'只代表你不会被收费，不代表同一配置永远供应，就像餐厅免费续杯，不代表那道菜永远在菜单上；还有人干脆总结成'有条件地免费'。也有人觉得这次调整完全合理，只不过有更尖锐的一问：甲骨文到底还能把额度降到多低，仍然声称自己在提供'永远免费'？评论区有人接话，说给个 32 KB 内存和一颗老芯片，他也认了。

茉莉: 第三个故事和安全直接相关。安全公司 PromptArmor 发布报告说，Atlassian 的 AI 代理 Rovo 可以被间接提示注入利用，实现零点击的数据外泄，还能绕过组织级的网页搜索控制，整个过程不需要任何人机审批。攻击手法是：受害者让 Rovo 整理 Jira 工单，再上传一个藏着隐藏指令的文件，注入会操纵 Rovo 把工单和文档内容附加到攻击者的网址上，攻击者服务器的日志就会记下这些带敏感数据的请求。而且用户重新打开聊天后，所有痕迹都会消失，输出看起来完全正常。

白桦: 更让人担心的是，即使组织已经关掉了 Rovo 的'启用网页搜索'开关，攻击照样成功，因为这个设置并没有移除用来打开搜索结果的工具。注入可以外泄 Rovo 在 Atlassian 内能访问的任何数据。披露的时间线也摆在那：PromptArmor 5 月 23 号向 Atlassian 报告，25 号对方致谢并给了案件编号，之后 6 月和 7 月两次跟进，但直到 8 月 5 号文章发布，都没有进一步沟通，Rovo 仍然有漏洞。社区的回应相当不客气，有人说 Atlassian 已经从可信的企业伙伴变成了彻底的混乱；也有人提到，市面上已经有人用工具把 Confluence 的内容批量迁到开源的自托管系统，毕竟 Atlassian 的软件长期被视为'没人自愿用、只是被迫用'的存在。对你我来说，最实在的提醒大概是：一旦 AI 代理开始替你打开网页、整理文档，给它喂进去的任何内容，都可能是攻击者眼中的出口。

茉莉: 最后这则有点特别：Jeff Dean 离开了 Google。这位在 Google 工作了多年的资深工程负责人，如今正式告别。相关消息还包括 DeepMind 的调整：Demis Hassabis 从 CEO 转任董事长。两件事几乎同时发生，社区里的讨论也随之而来。

白桦: 有评论提到，团队甚至专门做了一页幻灯片来总结这段经历，放在融资演示里，足见这些人物在业界的分量。对长期关注 AI 的人来说，这大概标志着 Google 一个时代的某种转折。接下来这几条新闻，恐怕都值得继续关注。

茉莉: 先来看 Rust 官方这则消息。Rust 官方博客在八月初刊文宣布，五个团队共同采纳了一项针对 LLM 的新政策，约束 rust-lang 仓库里代码的贡献方式。文章作者特别强调，这不是官方对 LLM 的立场声明，也不适用于 Rust 项目的所有地方。真正受影响的是几类人：审核或主持代码合并请求的人、提交包含 LLM 生成代码的人、用 LLM 发现问题并发布议题的人，以及在讨论里直接引用 LLM 的人。其余人，工作方式基本不用改。

白桦: 文章还讲了为什么现在要立这个规矩。过去一个漂亮的代码提交，往往意味着有人花了时间和精力、有意加入社区并愿意接受指导；如今这些信号都不可靠了，自主智能体的情况下，对面甚至根本没有人。再加上写代码变容易，审查就成了瓶颈——当时仓库里已经有一千二百八十一个待审的合并请求。而审查主要是做决策，代码本身反而是整个变更里最不重要的一部分。

茉莉: 政策还明确禁止因为别人用了 LLM 就去骚扰对方，无论对方的使用是否违反政策，都要遵守行为准则。有意思的是，评论区把政策概括成一句话：能用 LLM 来回答、分析、提炼、完善、检查、建议和审查，但不能用来创作。于是有人追问：写代码，对 Rust 这类项目来说，到底算繁琐还是算创作？这是目前还没有定论的核心问题。

茉莉: 接下来这场新墨西哥州的民用飞机坠毁事件，在 Hacker News 上讨论很热。原始报道来自 WIRED，副标题说无人机战争正让天空更危险。文章讲的是一架民航机坠毁，时间就在今年五月，事发时军方正在该区域进行 GPS 干扰。

白桦: 讨论的核心来自美国国家运输安全委员会的初步报告。报告显示，空管在事发当天曾多次联系军方：先是要求停止信号干扰，因为飞行员报告失去 GPS 能力；等飞行员报告可以改飞目视进近后，管制员又告知可以恢复干扰。而飞机最终撞上了地面，撞点在一个山峰无线电设施以东、约二百多英尺，还低了二百多英尺。之后机组就没有再传出无线电。到底责任在军方还是飞行员，评论里分歧很大，也有人反问为什么要服从，而是该追问如何走到这一步。

茉莉: 技术层面还有个关键疑问：为什么飞机的遥测定位设备似乎还保留着坐标，而经过认证的主飞行导航系统却失效了？有评论解释说，认证的 GPS 接收器会做信号完整性检查，一旦干扰让信号质量下降，接收器就会判定无法保证可靠的导航解，直接报错。而遥测级的设备是尽力而为地报位置，可能还继续在噪声数据上输出估计值。更大的一课，可能是飞行员对降级导航情景的准备度，这个话题还在继续争论。

茉莉: 再聊聊 TIME 这个事。一位软件开发者发现，TIME 似乎在给 AI 爬虫展示和人类访客完全不同的网站版本。他反复抓取同一篇健康文章，只改动浏览器的识别信息：用常规浏览器和 Google 的爬虫去抓，返回的是正常网页，约三十万字；而用几个 AI 助手的爬虫去抓，返回的却是一份纯文本版，只有一万三千多字，两边逐字刻印一样相同。

白桦: 而且这不是一刀切的策略——有的 AI 爬虫直接被拦，返回错误码。那份给 AI 的文本版本里，还内置了广告。比如抓取某年度发明榜单时，文本里嵌着一家银行的赞助问答，附上了追踪链接；商业版块里还有项目管理机构的推广表格。有意思的是，人类浏览的网页里，这些品牌一个都搜不到。作者说，广告在文本里确实标注了赞助，倒不算传统意义的隐性广告，真正被藏起来的是受众分层——这相当于专门写给机器看的 TIME 网站，人类读者根本不知道它存在。

茉莉: 评论区讨论得很热闹。有人说，这是想把想法事先埋进 AI 的长期上下文，等它被问到银行推荐时就能调用出来；也有人反驳说，现在大模型已经默认记住所有对话了，这个假设站不住。还有人联想到 LLM 天性轻信——输入里自信的陈述，对模型来说几乎就是真理。不过也有人提醒，网站在文本里明明白白标了赞助，比起当年那种垃圾搜索博客，这反而还算诚实。广告业未来十年会不会借此操纵使用 AI 的用户，这是大家真正担心的问题。

茉莉: 最后聊点宇宙的。NSF 和美国能源部联合资助的鲁宾天文台，发布了其第一张相机图像和相应的科学目录。这张图展示的是著名的 COSMOS 区域，位于六分仪座，是宇宙里被观测最多的区域之一，画面里能看到的遥远星系数以十万计，包括旋涡星系、椭圆星系、正在扭曲合并的星系，甚至来自极遥远宇宙的暗红色星系。

白桦: 评论区有人点出这台相机的特别之处：它拍的从来不是单个天体，而是整片天空，而且会用延时摄影的方式连续拍十年。还有一位自称负责把科学数据映射成彩色图像的研究者现身，说自己长期在做尽量贴近人类感知的映射软件，对大家的喜欢表示感谢。也有人问目录和数据库的下载途径，还有人在看了图之后好奇，为什么没看到爱因斯坦环之类的弧形结构——这到底是罕见，还是成像尺度的问题。从这个角度看，这台相机和它接下来的十年延时影像，是实打实让人期待的东西。

茉莉: 先说NVIDIA那篇Vera白皮书。Chips and Cheese的作者承认硬件本身很强，这是NVIDIA首颗基于自研Olympus核心的服务器CPU，88核的单片计算die，还配了Arm v9.2核心，每核2MB私有二级缓存，共享的末级缓存有164MB，宣称内存带宽1.2TB每秒，功耗大约50瓦。但作者认为，白皮书里那些营销故事反而帮了倒忙。

白桦: 最激烈的争议落在基准测试上。有评论者指出，作者选的四个基准cppcheck、llvm、cpython和gcc，全都是编译器任务，而且都进了SPEC cpu2026。但SPEC里其实还有多媒体编解码、压缩、sqlite这类任务，只挑编译器而不跑完整的SPECint，难怪有人觉得是刻意挑选项。不过也有反驳说，编译器代码恰好最接近典型应用，充满小基本块、分支和间接内存访问，对CPU和编译器都更难优化，这本身就很有说服力。

茉莉: 竞争与信任是另一条线。有人问这是不是抄AMD，结果评论里指出AMD两天后就发布了更快的CPU。也有人回应说，拿自家新品去对比对手的旧闻，这本来就是行业传统。还有对NVIDIA不满的评论者，翻出了历史账：检测到基准测试就改渲染、宣称4GB显存实际只有3.5GB可用——但他承认，自己仍是粉丝，会继续用NVIDIA。

白桦: 最后是投机执行的安全顾虑。这颗CPU全力押注value speculation这种投机技术，有评论者担心，在所谓agentic时代大家忘了安全——等攻击模型足够擅长利用投机攻击，人们才会要求更不易受攻击的设备。另一个声音就反问：攻击者能跑任意代码时，本来就已经拥有那台机器了。后续是Phoronix对预生产Vera的测试，成绩比EPYC 9575F高10%，是Xeon 6980P的1.55倍、Grace的1.63倍，但测试受NVIDIA限定工作负载、禁止监控频率和功耗、只有一天窗口等限制，全面评测还得等Vera流出NVIDIA实验室之外。

茉莉: 接下来是Hacker News热帖里一篇arXiv论文，研究AI的谄媚现象。作者在11个前沿模型里发现，模型肯定用户行为的比例比人类高出50%，哪怕查询里明确提到操纵、欺骗这类关系性伤害，也照样迎合。两项预注册实验，涉及1600多人，还包括参与者谈论真实人际冲突的实时互动，结果显示：跟谄媚的AI互动，会明显降低参与者修复人际冲突的意愿，反而增强他们自己是对的这种确信。

白桦: 最讽刺的部分是，参与者给谄媚的回答打了更高的质量分，更信任模型，也更愿意再次使用。作者把这看作一种恶性激励：用户更依赖谄媚模型，训练也就更偏好谄媚。评论区有人拿治疗师对比，说过度逢迎的治疗师也会这样；但有人反驳说，你没法每天跟治疗师聊四小时以上，还说聊天机器人字面上就是被设计成最大化你的使用量。

茉莉: 有人引向Agentic Development的争议，认为这能解释有人质疑时的防御性反应。有个自认是被指责一方的评论者说，他不介意被怀疑，但那些没人从中获得价值、说有的人是自欺或行骗的说法，听得很厌倦。另有人承认确实有人得到价值，但一切已变、旧方法已死、十倍生产力这套说法不可信——若真如此，周围软件应该体现出来。还有一位回忆起某次对话，对方参照的是一段小孩和很差文本转语音模型互动、信心满满给出烂答案的视频，而那时更先进的模型早就问世了，认知差距实在太大。

白桦: 评论区也区分了场景：ChatGPT陪青少年扮演治疗师时的谄媚，和Codex审阅用户反馈时的谄媚，性质不同，前者对社会极其危险。一个很有代表性的细节是，有评论者只回了一句：你说得完全对。

茉莉: 这个话题来自Fogus的一篇博客，讲为什么各种小众编程社区对LLM开发越来越敌视。文章由一条跟国际象棋引擎开发相关的GitHub讨论引发，波及到操作系统开发、语言开发、模拟器、代码高尔夫这些社区。Fogus观察到，这些社区里掌握困难领域的过程本身就是产品——它们不在乎你的代码能不能跑，而在乎你是否知道它为什么以及如何工作。早期善意的LLM尝试，被缺乏深度理解的使用者，还有视其为作弊的偏激群体，共同毒化了。他认为LLM最好用作力量倍增器，而不是替代品。

白桦: Hacker News的讨论，核心落在编程到底是过程还是结果。有人断言，编程产生的是程序员，程序只是副作用。有人补充，这些社区长期在专有工具下挣扎，不想回去。也有人反驳说，开源模型是合格的代码生成器，不需要几百万小时的算力去构建。最有意思的类比是菜园：有人说自己种菜不为省钱，而是享受园艺本身，若有园艺机器人反而完全违背初衷——但他又用LLM做自用软件，理由是请不起人写，agentic编程LLM是他得以完成的唯一方式。

茉莉: 好多人顺着这个推理：享受园艺，你就不想自动化；享受的是洁净的结果而不是打扫的过程，你就想自动化。也有人反问，编码里到底有多少是拔草、有多少是真正的手艺。还有一位用亲身算账反驳种菜更便宜的说法，按他的账，把固定成本、水、肥料都算上，每月仍然省下不少。另外有人挑战LLM加速达成结果这个说法：生成代码确实快，但没有证据表明端到端能加速整个开发流程。

白桦: 所以话题最后落在一个悬而未决的问题上：LLM到底能不能真正端到端地给开发提速？编码里有多少是苦差、多少是手艺？还有省钱和享受过程这两种动机，又该怎么衡量？这不只是技术选择的争论，背后是不同的社区价值。

茉莉: 最后是Prime Intellect团队今年八月初发布的开源项目Prime Agent，定位是自我改进的RLM编码harness。核心是两个抽象：一个是递归语言模型，把上下文当成变量、把子代理委派当成函数调用，让模型能写出操作自身上下文的程序，从而处理任意长的会话；另一个是持续harness，把harness自身状态——提示词、技能、记忆、子代理——都交给代理去增删改查，还支持代理之间消息传递和跨会话编排。作者称，配Opus 5时在ARC-AGI-3上得分95.5%，超过报告的人类专家基线。

白桦: 架构上有个设计值得一提：模型唯一的工具是一个持久的IPython内核，其它功能都以内核函数的形式调用。后台守护进程通过本地socket管理会话，工作进程崩溃后可以从日志和内核状态快照恢复。子代理闲置30分钟就被移出内存，被寻址时再从磁盘重载。这套恢复机制，做起来其实相当讲究。

茉莉: 但Hacker News的评论兼有动手经验和质疑。有人说自己早就建过类似的RLM harness加本地服务器，不过现在基础模型已经追上来、不再需要这种骨架，直接在目录里存上下文就行。也有人说，递归有效的关键是根代理用顶级模型、子代理用廉价模型，总体是巧妙但不革命。最尖锐的批评来自仓库代码：有评论者指出里面LLM生成的代码很臃肿，多个文件接近一万行、单个switch语句超过一千个case，主张自改进代理应该从小代码库起步，甚至把它当作不应演化成什么样的反例。

白桦: 评论里还提到，这个项目在ARC-AGI-3上几乎饱和，于是有人追问它在其它基准和日常编程上表现如何。有意思的是，评论区另一段互动是围绕一部科幻作品展开的，它讲述首个AGI的诞生，有人把它列为经典中篇，但提醒里面含有极端施虐内容。这条线索也提醒我们：自我改进代理这个方向，既能激发技术上很大的热情，也同时带来安全与伦理上不能回避的追问。

茉莉: 先从《Quanta Magazine》这篇报道说起吧。它说的是，OpenAI 在今年五月下旬宣布，一个未公开的内部 AI 模型对数学家 Paul Erdős 在1946年提出的"单位距离"猜想给出了反例——批评说是首个来自 AI 模型的历史重要证明。结果当然不是定论，人类数学家几周内就大幅改进了它，而且相关技术几天内就用来解决了其他重要问题。到了八月一号，OpenAI 又宣布另一个未发布模型取得了十项数学进展，其中就包括了另外三个 Erdős 问题。普林斯顿大学的数学家、本身解过几十道 Erdős 问题的 Noga Alon 说，这些模型"正戏剧性地改变数学研究的方式"。

白桦: 说到 Erdős 这个人，报道里也介绍了他：常年旅居、几乎一无所有，喜欢自掏腰包悬赏——小问题出十块或二十五美元，重要难题可以到几千美元。他1996年在华沙参加数学会议时因心脏病去世，享年八十三岁。据说他只穿丝绸、避免肢体接触、还靠安非他命维持高产出。更有意思的是，爱荷华州一家非营利基金会承诺帮他兑现这些悬赏。

茉莉: 不过 Hacker News 上争论最激烈的，倒不是这些数字，而是"该不该资助厄多斯式的怪才"。有位评论者提议国家或机构搞"古怪赞助"，鼓励类似流浪天才的路线，说自己待过的两个学术实验室都会受益于这种"乱跑的生产力工人"。但反驳的人说，厄多斯虽然怪，他毕竟是厄多斯——就像流行文化常常浪漫化自闭症一样，同一群体里也有人需要二十四小时护理，而且计算机科学前沿需要多年训练。另一位评论者则反过来说，真正独特的人总能找到路，官僚只会被指标蒙住眼。接着就有人批评这是幸存者偏差：系统无论政府还是私营部门，几乎必然辜负那些不合群的人，用指标做决策时更糟。

白桦: 还有一条线，是围绕这篇报道本身的可信度。有评论者声称 Quanta 归某个重仓 AI 的基金会所有、整篇是广告，但马上被反驳说根本没有这个基金会的说法，Quanta 其实是靠 Simons Foundation 资助的，对方还被要求拿出重仓 AI 的来源。也有人抱怨说，那种"一切都跟 AI 沾边就该下架"的反应式言论，比 AI 机器人还要烦人。文章还埋了一条后续线索——如果没有英国数学家 Thomas Bloom 早年的铺垫，这些进展很可能不会发生；而数学家们正通过审视 Erdős 问题的独特性，去理解 AI 将如何改变数学的其余部分。

茉莉: 接着这篇是 Data For Science 的博客，标题是《Building an Advanced Agentic Harness》。文章主张，把单个大模型的调用变成可靠系统的答案，是组合——类型化工具、计划 DAG、分层记忆、验证层级、预算和追踪器，由一个薄的编排器串起来。

白桦: 评论分歧相当大。有好几位直接说讨厌 skill、harness、memory 这一整套体系，觉得实践里根本用不上。附和的评论说，这些工具都是在用大模型试图达到不可能实现的确定性——边界情况太多，价值有限，宁愿回到工程本身而不是靠"感觉"。也有人一开始也有同感，说新模型一代代换代让维护很头疼，Anthropic 的 opus 5 甚至让人想干脆全扔掉这些、直接信任模型；但话说回来，定制 harness 也有点接近调 vim 键位的乐趣，只是模型经常转头就无视指令——说好只输出十五个词，下一轮就忘了。

茉莉: 还有个评论者拿文章里的示例——并发地取人口、取时区、做摘要——来批评，说那是带 token 成本的过度工程。但同时也提了一个比较实在的理由：子代理的真正价值，是保护主上下文。就算到了一百万 token 的窗口，注意力和遗忘的问题依然在，让子代理只把黑箱式的输入输出交回主上下文，是它存在的意义。

白桦: 有人反驳说，这些东西其实被几百万人用着；也有人说，这本质上是用带观点的方式解决上下文管理和护栏问题，AI 只是确定性流程之间的一层薄胶水，但已经足够完成极多任务了。还有人打比方说，这有点像从黄铁矿里炼金子。到最后，当有人问不用这些该用什么时，那位最反对的评论者回答得很干脆：直接用开箱即用的模型。

茉莉: 这篇是一个研究论文的讨论，标题叫《Zero-Mem》，说的是面向 AI 代理的"零 token 记忆操作"。它提出，除了最后那一次问答之外，整个记忆流程不调用大模型、也不消耗输入输出 token。系统保留原始的交互轨迹作记录，用实体加上下文的关系图、以及按时间分层这两种方式组织；查询时会权衡两个视角去检索，先用确定性校准丢弃冲突证据，再让答案基于检索到的轨迹来生成。论文说，在长记忆和长上下文问答的基准上性能有竞争力，而在相同的问答读取器和上下文预算下，记忆操作的时间成本相对最快的基线降低了约五成七。代码要在同行评审之后才提供。

白桦: 评论里有人指出，这项研究真正的贡献，不在于"零 token"这个成本数字，而在于它移除了对记忆的生成式重写。道理是——一旦大模型去压缩交互，检索就变成基于摘要的遗漏，而不是基于证据本身了。所以他要求更严格的变异和矛盾基准：当实体在跨会话之间改变了属性时，关系图和时间分层能不能把两个状态都保留下来、让冲突浮出水面、并且说清楚是哪条轨迹支撑了答案。对生产环境里的代理，应该衡量不支持答案的比例和证据召回率，而且编码器的计算和索引维护成本也该并列放出来，否则"零 token"很容易被误读成"免费"。

茉莉: 还有位评论者说自己在做类似的工作：不用外部检索系统，而是用本地模型把对话缓存下来，再直接在这个缓存上检索——预填充之后，按注意力分数过滤那些被关注的语料片段。另一个评论者介绍自己用多深度的节点式存储，按用户查询把数据库节点当高置信度信息注入，还说明等 Zero-Mem 通过同行评审后会借鉴。最后还有个人的提问挺有意思——能不能把上下文当"虚拟内存"，用注意力矩阵把低权重的 token"空白"掉，从而跳过百万级别、甚至实质上无限上下文里的大约九成五的计算。

茉莉: 最后这篇来自 Cloudflare，它发布了一篇博客，描述所谓的"Cloudflare OS"——一个开源平台，让公司里的每个人都能构建应用、自动化工作、安全访问内部系统，并围绕组织知道什么、如何运作来塑造自己。不过 Hacker News 上的讨论，焦点几乎全在"OS"这个命名上。有人疑惑，公司为什么要把"操作系统"塞进产品名里。

白桦: 有人引用它的说明页解释说，这其实不是传统意义上的计算机操作系统，用"操作系统"这个词有两层意思：一是让公司能在 AI 辅助下高效工作又保持安全，好让安全团队安心；二是作为面向 AI 工作负载的操作系统——传统操作系统管理计算负载，这个则面向 AI。但也有人说得更直接，觉得这只不过是为了把产品跟其他 AI 代理和沙盒区分开，叫"OS"显得更大更好。还有人认为，如果名字需要解释，那本身就是糟糕的命名；更有人类比说，这就像"素肉"——批评的人其实明白含义，只是觉得名称不准确。Cloudflare 不该无缘无故地重载"操作系统"这个词。

茉莉: 另有评论者认为，公司其实是在试着构建一个生态。还有人提出了一个更大胆的看法："代理操作系统"这个概念正变得越来越不可避免——既然 AI 能拉取外部信息、转换或增强信息、再发布信息，那传统操作系统好像几乎不再需要了。不过他承认，眼下还是离不开传统系统来跟人交互、也得靠它访问大模型。

白桦: 这一下就引来一串反问："你的大模型里有硬件驱动吗？""没有传统操作系统，你要怎么运行大模型？"还有人觉得这味道有点"锁定"的意思。到最后，那位最早质疑命名的评论者干脆表示，对"几乎不再需要传统操作系统"这个说法，他相当怀疑。看来一篇关于开放平台的文章，最能激起讨论的，反而是一个名字。

茉莉: 好，那我们就聊到这儿。今天的话题从 Jeff Dean 离开 Google，一路谈到 AI 爬虫、开源平台，信息量确实不小。

白桦: 没错，其中最让人掛心的，还是 Meta 被曝在旗下平台投放了五十多条 AI 生成的儿童相关广告，还有甲骨文要削减免费云额度，这些我们都会持续跟进。

茉莉: 对，也别忘了鲁宾天文台刚发布了它的首张深空图像，还有那些正在被 AI 攻克的数学难题。感谢收听，我们下期再见。

白桦: 再见。