0808 | 美国7月非农仅减2.3万、失业率降至4.1%，三星等2027年内存产能传售罄

林岚: 欢迎收听 HackerNews 每日沙龙，我是林岚。今天这期可以聊的不少，从美国的就业数据开始，到内存产能被 AI 公司买断、OpenJDK 禁止 AI 生成代码，再到能源部新上线的开源模型计划，话题都会覆盖到。

陈序: 我是陈序。我们慢慢聊。开头先说就业，七月美国减少了两万多个工作岗位，虽然失业率小幅降到 4.1%，但这和经济学家的预期——原本预计是新增八万多——落差不小，劳工统计局还把前两个月的数据合计下修了超过十万。

林岚: 另一边，内存市场也很有意思，有三家主要内存厂商据称已经把 2027 年的产能集体卖给了 AI 公司。还有个值得留意的消息，Oracle 禁止 OpenJDK 贡献里出现 AI 生成代码，理由是安全、保密和知识产权风险。

陈序: 以及美国能源部上线了一个开源模型计划，不过有评论者指出，项目页面上其实找不到关于模型本身的关键内容。这些我们都会展开细讲。

林岚: 先说美国七月的就业数据，这期数字确实出乎意料。7 月就业岗位不增反减，少了 2.3 万个，而经济学家之前预期的是新增 8.3 万，方向完全相反。不过失业率本身反而小幅降到了 4.1%。更麻烦的是，劳工统计局还把前两个月的数字合计往下修了 10.3 万——5 月从新增下调到 12.9 万，6 月下调到 5.7 万。也就是说，此前看起来还算稳健的就业增长，现在看要弱不少。

陈序: 对，而且工资这块也撑不起来。平均时薪同比只涨了 3.2%，低于 3.5% 的通胀，等于实际购买力是在缩水的。Navy Federal 的首席经济学家 Heather Long 直接说这份报告很惨淡，还指出劳动力参与率已经跌到 2021 年 2 月以来最低，也就是说不干活的人数比例在往上走。具体砍人的行业也清楚：地方政府教育岗位少了 5 万，可能跟教师放暑假有关，休闲和酒店业少了 4 万，零售少了 1.9 万，金融业少了 1.4 万。能撑住的反而只有医疗、建筑这些。

林岚: 有意思的是，报告一出来，股指期货反而上涨了，标普 500 期货涨了 0.5%，纳斯达克 100 期货涨了 1%，十年期美债收益率跌到 4.6%。说明市场把它当成经济降温、或许可以松口气的信号。

陈序: 至于科技业的裁员算不算主要推手，Hacker News 上意见不统一。有人说文章根本没提科技裁员，还认为那才是大头；但马上有人反驳，说科技业不是主体，金融活动这个超级行业这个月很差，而且统计里根本没有一个叫“科技”的伞形行业，所以本来就难单独报道。也有人建议别只看单月，把过去几年的图拉出来看：波动一直很大，但趋势线是向下的，一年多以来基本在零上下浮动。还有个更犀利的说法被顶了上来：经济数据本来就很难做到实时准确，因为更可靠的税务申报材料总是来得晚，所以 BLS 修正是常态，不是造假——真要能做到发布后永远不改，那大概能拿大奖了。

林岚: 那接下来值得继续盯的是这份报告会不会触发更多市场层面的连锁反应，以及下修的趋势还会不会延续。

林岚: 再聊一个有点扎心的内存市场消息。据 IGN 记者的报道，三星、SK 海力士和镁光这三家主要内存厂商，据说已经把 2027 年的内存制造产能集体卖光了，买家是 AI 公司。报道说所有 DRAM 和高带宽内存 HBM 的产能都已售出，而且没有进一步扩产的计划。当然，厂商自己还没证实。

陈序: 大部分是靠五年期的长期采购协议，直接把还没生产出来的内存提前预定掉了。内存规格的 NAND 需求也在涨，只是因为供应商多，还没被完全买空。但价格已经很能说明问题了：一款西数的 1T 固态硬盘，从一月的约 110 美元涨到 189 美元，涨幅超过一半，这还是打折前的价格。

林岚: 这边涨价的连带效应已经看得见。文章提到这个月 Xbox Series X 涨价，一个月前 Steam Machine 也因为内存成本，售价高于 Valve 原本期望的水平。作者甚至感叹，希望 AI 泡沫破掉，好让自己能再买到 500 美元以下的内存。

陈序: Hacker News 上关于“倒卖”这个词吵得挺热闹。有人的观点比较温和：这些公司据说是真的打算自己用掉订的内存，不是加价转手，所以这还算公平；真正的隐患是 AI 公司这个泡沫会不会破。也有人觉得泡沫短期内崩不了——至少物理层面的数据中心还在建，股价可能会跌，但就算进展撞墙，也还有好多年时间把现有的模型扩展到更多行业和人群。马上另有人接了一句：那要真那样，我们就能有一堆便宜内存了。

林岚: 而且即使真有泡沫，也不会突然砰地一下爆掉。有人分析说，最先出现的影响会是 AI 工具用户突然要多付钱，因为提供服务的企业在投资圈信贷收紧后，得另找资金来付账。已经规划好的数据中心建设还是会按原计划进行，但更多要靠终端用户的钱来支撑。

陈序: 最后的观察思路也挺实用：想看内存价格走势，有人建议盯一个装机配件网站的价目页。只是要小心上面显示的是加元；最近加拿大那边的亚马逊确实出现一些跳涨，而美国版没有。总的来说，这事的真正悬念不在 2027 年会不会交付，而在于 AI 的投资循环什么时候会传导到普通的工具订阅费上。

林岚: 接着这个 AI 话题，Oracle 这条消息的讽刺感特别强。据 The Register 报道，Oracle 已经禁止在 OpenJDK 这个开源 Java 项目里贡献 AI 生成的代码，理由是安全、保密和知识产权风险。规则允许开发者私下用大模型来调试和审查代码，但不能把 AI 生成的内容提交到仓库或者 pull request 里。

陈序: 而 Oracle 自己内部，联合创始人 Larry Ellison 最近刚宣称 AI 模型已经在写 Oracle 的代码，联席 CEO 也说 AI 工具让更小的工程团队交付得更快。一边对开源社区说不许用，一边自己大举用 AI 写代码、还投了 70 亿美元扩建数据中心——标普因此把它的评级下调到 BBB-，离垃圾级只剩一档，原因是投资回报不确定。

林岚: Hacker News 上最先被点破的也是一种反讽：Java 支撑现实世界差不多二十年了，是几千万小时人工、没有大模型参与才做出来的；结果现在大量 LLM 生成的代码，却要跑在人工搭建的 JVM 虚拟机上面。不过也有人泼冷水，说多数 AI 从零写代码其实不会选 Java，所以受影响的量可能没那么大。

陈序: 真正难的是界定什么叫 AI 生成。有人问 Cursor 这种工具的补全算不算？它被普遍认为质量挺高，但还是有 AI 参与，所以大概率算。另有人举了个例子：要是你用生成式 AI 写了 100 行代码，自己改了其中 10 行，能不能贡献？答案是不能，因为结果里仍然包含 AI 生成的部分。

林岚: 也有人想替这套规则找合理性：工程师主动参与、只是拿到少打字的效率收益，这和让模型自动“吐出”一大片代码、工程师只能从头审查，是两种完全不同的模式。最后有人道出了核心疑问——社区贡献要求手写，内部却在用 AI 生成代码，也许背后的逻辑是内部员工理论上会审查得更认真，但整体看起来还是怪。

陈序: 最后这条是美国能源部的开源大模型项目，名字叫 Genesis，本来想着能源部牵头开源模型挺新鲜，结果仔细一看，更像是意图声明，而不是一个能用的模型。页面上找不到任何关于模型规模或者训练数据的细节，反而在征集训练数据的申请，截止日期是 8 月 14 号。所以有人猜测，它的目的可能是比“把互联网上所有数据都刮下来喂给大模型”更谨慎地去挑选训练数据。

林岚: 名字还闹了个小插曲：日语里 Gomi 是“垃圾”的意思，在评论区被直接点出来调侃。还有人联想到澳大利亚自由党 2017 年的政策，因为缩写容易被媒体和公众读成难听的词而失败——看来模型起名也得小心。

陈序: 更严肃的话题是美国开源模型的现状。有用户认为，自从 Llama 系列被放弃之后，美国基本没有像样的开源模型了，只剩 Gemma 和 GPT 开放权重版，Mira Murati 的新公司走的是 Apache 2.0 协议。对大学研究者来说，他们需要的是一个长期开放权重、又不会在华盛顿那边激起“中国”担忧的模型——这也是能源部这类官方项目听起来很关键的原因。

林岚: 不过评论里的排行数据其实不太好听。有人在社区的模型对战平台上按实验室分组对比，英伟达的成绩明显落后于另两家实验室；在 OpenRouter 上按热度排序，前面的主要是 DeepSeek、腾讯、小米这些。还有人给出了直接判断：像 LiquidAI 和 Poolside 这些美国开放模型，整体落后中国模型大概三到六个月，而真正有算力能训练大模型的美国公司也就那么一两家。

陈序: 也有人提到 Facebook 的扎克伯格公开说过，未来可能再推出开放权重模型。所以到最后，这是一个背景噪音比项目本身更大的话题——能源部想要谨慎选数据、长期开放的姿态值得关注，但模型真正能用、还能在国际上不垫底，恐怕还得等很久。这条就先聊到这。

林岚: 先说说前NSA局长Paul Nakasone在DEF CON大会上说的话，围绕的是最近美国至少12个州的水务系统被入侵这件事，最可能的嫌疑指向伊朗。Nakasone给出的判断很直接：这些可编程逻辑控制器根本不该连到互联网上。他说我们必须有更高的标准。这种控制器负责监控水位之类的传感器数据，也能开关水泵，可以说是水厂的神经系统。而FBI这边，7月底也表示正在调查针对这类运营技术设备的攻击。

陈序: 值得注意的是，虽然多个安全专家都暗示伊朗，比如网络安全公司Halcyon的高管就说，如果不是伊朗会让他很震惊，几乎可以肯定是伊朗。但FBI和特朗普政府都还没有正式点名指责伊朗。Nakasone认为联邦政府是在采取审慎的态度做归因，同时他也指出伊朗以前就有攻击水厂这类控制器的历史，而且确实有这个能力，现在美国和伊朗又处于冲突状态。

林岚: 那这样的攻击为什么这么难防？背景是美国有五万个不同的地方水务机构，全国九成的水都靠这些设施供应。但这些系统历史上就资金不足，IT人员有限，有些地方甚至没有专职做网络安全的员工。Nakasone还提到一个两年前在DEF CON启动的项目，叫Franklin项目，让白帽黑客自愿帮忙保护水设施。他本人现在担任范德堡大学国家安全研究所的创始主任，也参与一个叫Project Chimera的开源技术平台。

陈序: 而在Hacker News的讨论里，对治办法的看法其实很分裂。有人说，设备只要连了网，要么已经沦陷要么早晚沦陷。也有人主张根本不要物理连接互联网，而是把攻击面加固到极致，抄表数据用独立的只读设备来读，这类设备就算被攻破也造成不了伤害。还有人说，只有等设备不再是三十年前那种老式PLC再来考虑联网，在那之前应该把数据线都剪掉，回到老办法人工监测。

林岚: 也有人点出，现在这种窘境不是无知造成的，而是成本造成的。让关键基础设施的标准高于消费科技是好事，但气隙隔离和专用设备维护起来要贵得多。水设施地理上高度分散，要派人亲自到每个地方去监控和操作，成本又高又笨拙还可能低效。还有一层现实问题，很多人怕专线光纤的价格，所以哪怕是标成私有网络的线路，实际上还是和互联网共用同一段物理线路。

陈序: 讨论里还有人提出了更细的分层思路，把系统分成四档：直接联网、放在加固VPN后面、独立物理专用网络、还有必须现场物理接触的。有人认为第一档应该直接禁止，但同时也得想清楚，一旦远程访问失效，比如飓风期间没法远程去操作防洪阀门，后果会是什么。还有人建议用数据二极管来实现只读监控——数据只能单向流出，网上有人想看实时画面就给一个，但控制指令根本传不进去。这类设备目前商业产品不便宜，有人希望有开源方案。

林岚: 最后还补了一个很关键的盲区：很多水泵和水箱系统虽然没有连互联网，但它们用的是不安全的射频链路通信，这些本地无线和蓝牙接口同样很容易被滥用。所以结论是，水设施的安全不只是一个能不能上网的问题，而是从联网边界到本地无线链路都需要重新审视。

陈序: 接下来转到另一条线，Databricks官方最近发了一篇博客，讲怎么大规模管理AI编码的成本。文章作者之一就是Databricks的核心人物Patrick Wendell。文章说，AI编码工具确实大大改善了各个速度指标，有些团队的产出甚至有几个数量级的提升。但大规模部署的企业正撞上一堵墙：成本指数级增长，如果不管理，最后会超过收入本身。

林岚: 所以Databricks提出的目标很有意思，叫双重目标：一方面要广泛提供AI工具，另一方面要把每位用户的总成本控制在基本固定的范围内。他们给了四个成本杠杆：迁移到开源和低成本模型、动态的请求与任务路由、给开发者可见性和预算警戒线、以及降低Token开销。不过文章自己也承认，里面的数字只是方向性的，来自对开发团队的非正式调查，还提到了他们和Stripe、Coinbase、Uber、Ramp这些公司的交流。

陈序: Hacker News上的讨论一下子跑偏了方向。有人提起自己从公司移除Databricks后每年省下超过两百万美元还加速了处理，并且说Databricks的计费模式几乎可以说是掠夺性的。但立刻有人纠正说，这篇文章讲的是Databricks自己怎么降低自己的AI成本，不是说你用了Databricks就能降低成本。还有人批评Databricks的AI查询生成几乎没用。

林岚: 讨论里还有个更敏感的争议点，就是模型来源。有人提醒说，如果公开承认用了不是OpenAI或Anthropic训练的模型，可能会被带到国会面前，还附了一篇报道。也有人质疑，为什么外国公司分析DoorDash的数据是个问题。但也有人说，国会目前只是在提问，立法之前先提问是合理的。

陈序: 除了这些，不少人在聊自己实际用过的AI编码工具体验。有人测试过一个叫Omnigent的工具，对它的策略、治理和沙箱设计很感兴趣，但项目还在alpha阶段，而且更新之后智能体经常失效需要打补丁。也有人用了一个代号Polly的模型去搭更复杂的多智能体工作流，感觉单独模型在平台框架内的表现略有下降，但Token消耗明显更高。还有人更看重跨模型和跨提供商统一存储会话、还能远程访问WebApp这类特性。

林岚: 也有人对整个方向提出了怀疑，说用一个统一的平台去包住所有模型可能是临时措施，长期应该自己写适配层直接连各家的模型推理接口。有人干脆推荐了自己开发的工具，说它用一个界面统一覆盖所有模型，而且智能体能自己修改配置、调度会话、操作看板。这篇文章引起的讨论里，值得继续追踪的其实是三件事：Omnigent这类工具从alpha走向稳定的进展，统一调度所有模型的元工具会不会成气候，以及围绕非OpenAI和Anthropic模型的国会讨论会怎么走。

林岚: 第三条线来自OpenAI。8月7号他们发了一篇文章，公布对即将推出的模型Astra的初步网络安全评估。文章说，过去几天的内部评估显示，Astra在智能体编码和网络安全方面有显著进展。结合专家评估，OpenAI在发布前夜得出结论：按照他们2023年底首次发布的Preparedness Framework，目前无法排除Astra达到关键网络能力门槛的可能性。

陈序: 这里的关键门槛定义很强：要在无需人工干预的情况下，识别并开发针对许多加固的真实世界关键系统的功能性零日漏洞——覆盖各种严重程度；或者只凭高层目标就能设计并执行针对加固目标的端到端新型攻击策略。相比之下，之前包括GPT-5.6-Sol在内的模型都被评估为高风险，而不是关键级。OpenAI同时明确说，Astra没有参与利用Hugging Face那次的事件。

林岚: 那他们打算怎么应对？文章列了一串措施：对高能力模型实施更严格的安全控制，包括隔离测试环境、受限网络和工具访问、更强的模型权重保护和加密、额外的监控检测，还有沙箱执行。不符合这些要求的Astra内部活动要暂停。所有Astra智能体应用，包括训练和评估，都要做通用的风险行为和错位监控，监控器会看思维链，对高风险活动触发安全响应中断。还会和政府机构以及部分AI安全组织合作测试，并向第三方测试伙伴提供推荐的安全控制。

陈序: 文章还提到，2025年6月模型接近生物学高能力阈值时也采取过类似步骤，并关联了OpenAI和Hugging Face处理安全事件那篇7月的报道。Hacker News的讨论分歧很大。有人直接批评这是典型的制造恐惧，说问题真实存在，但远远没有宣传中那么严重，而且这类公告总是附带半吊子安全层，历史证明这些安全层对攻击者比对防御者更有利。他还说，真正的症结是现代软件普遍质量低下。

林岚: 但这个判断立刻被反驳了。有人举例说，最近的Hugging Face事件不像是在夸大其词。还有人说，Hugging Face最终被迫在自己的基础设施上用开源权重模型来分析日志和攻击载荷，为什么？因为商用API背后的前沿模型会拦截提交真实攻击命令、漏洞载荷和命令控制工具的这些请求——也就是说，安全护栏根本分不清你是事件响应者还是攻击者。而且用开源模型还能保证攻击者的数据和凭据不离开自己的环境。

陈序: 被质疑的那位又回应说，应该去读技术报告：被利用的东西仍然来自老旧、维护不善的软件里的基础问题，或者针对安全政策故意戳的架构漏洞；防御方确实在用Astra找真实零日，但互联网黯淡的根源在于部署软件的基线质量太低，而不是模型都能做基础安全研究了。

林岚: 还有人追问，OpenAI说的更严格，到底是比什么更严格？有人指出OpenAI从未披露第一次安全事件的细节，怀疑这是在预先设计场景，好让下一次出事之后能说：看，从更严格的沙箱里又逃出来了。但这个说法又被反驳，说Hugging Face事件在BlackHat大会上有详细演示，还有人评价那个演示相当厉害——攻击手段是劫持包管理器，在模型和智能体之间传递消息。

陈序: 更深的技术质疑也出现了：在存在潜在超人能力攻击向量的情况下，到底有没有真正可行的隔离环境？有人提到seL4这种微内核也许可行，但马上有人说隔离本来就是政府等许多网络的常规要求，云服务商提供隔离域，还能用数据二极管做单向跨域传输。最后也有人讽刺OpenAI，说它宣称透明却始终没分享严格的细节，又是一篇公关稿。整体看，这场讨论的张力在于：一边是确实发生过的安全事件，另一边是对公告措辞和动机的深深怀疑。

陈序: 最后这条线比较人文。Noema杂志发了篇文章，标题是《为什么科技圈的人这么难过》。作者讲了一个画面：通勤火车上，邻座一个年轻白领打了半小时电话，讲的全是EBITDA、利润率、成本结构、ARR这些指标，结果到站之后，他从包里掏出两根棒针和粉色毛线，说要给侄女织一顶冬天戴的帽子，而他说这个帽子源自他想做点什么的愿望。

林岚: 作者注意到，越来越多的知识工作者开始想学陶艺、绘画、钩针，或者谈起来想去消失、去农场、去过离网生活。他认为这不是逃避现实的幻想，而是对一种可能性的存在性焦虑——知识工作也许从来就没有意义。相比过去经历的衰退、外包和自动化，这次的问题不只是经济性的，更是存在性的，连最不受经济冲击的高管和资深专业人士都在对职业前景感到不确定。文章也承认，有人会批评说这是活该，而作者的回答是：说得对。

陈序: Hacker News的讨论围绕怎么自救展开。有评论说，技术人员需要成为企业主。立刻有人反驳说，与其逼所有人都去创业，不如让大家留在原地——别把AI强加给所有人，如果那些智能体工具五年后真的成了常态，到时候再展示实际成果，会比现在喊着不加入就被落下更有说服力。还有人从市场结构说，自由市场容不下所有人，多数情况下天然会走向寡头。

林岚: 但这个观点也有人不同意，说自由市场里只要有人做出一个有趣的东西，马上会有上百万人照着抄，所以反而难成寡头；真正的寡头来自受版权、专利、关税这些监管阻碍竞争的市场。他还说，就算寡头不可避免，技术人员也可以集体拥有企业，合作社是一种选项。不过也有人泼冷水：成为企业主不会神奇地让你免疫于AI抢走工作。

陈序: 讨论里还夹着一条有意思的社会观察岔路。有人指出，在很多地方，通勤火车上打半小时电话被视为极不礼貌；有人根据自己的经验说，除了安静车厢，只有韩国和日本会把它当极不礼貌；还有人补充，在美国繁忙的地铁车厢里讲几分钟以上的电话，会有人直接叫你闭嘴。另一条离题的评论说，自己刚装上了MS Windows，认为他们确实应该难过；马上有人纠正，Android和iOS的使用量早就超过Windows了，而且这两者也说不上流行。

林岚: 不过文章真正提出的核心问题反而没人正面回答：如果整个阶层的知识工作者一夜之间对自己的职业失去信念，社会和整个行业会发生什么？现在围绕企业主能不能自救、自由市场是不是必然走向寡头、合作社到底可不可行这些争论，加上通勤文明的小插曲，就是接下来最值得继续追踪的信号。

林岚: 先看 ARC Prize 放出的 DeepSeek V4 Flash 0731 的官方验证成绩。页面标注的评测日期是今年七月三十一号，给出了 Max、High、Low 三个推理档位。最高的一档在 ARC-AGI-1 的测试上拿到百分之八十九，每个任务成本两美分；在难度更高的 ARC-AGI-2 上拿到百分之六十一多，每个任务四美分。中档和高档成绩逐步下降，成本也更低，而第三档也就是 ARC-AGI-3 的成绩没有公布。这次讨论里最热闹的是价格这一块:有评论者特别提醒，图表的横向坐标是对数刻度,DeepSeek 实际比视觉上看起来要便宜得多，鼠标悬停显示的原始数值大概只有被拿来对比的某个模型成本的四分之一。另一位去追问这定价是不是来自 DeepSeek 自身的统计，还有人问如果用订阅制是不是还是更便宜——结果没人真正算清楚。

陈序: 对，这条线到最后也没有结论。有人点出来:在订阅制下什么都更便宜，但有些应用必须走按量计费的 API;还有人建议应该拿同类订阅产品来比，说他相当确信在这个场景下 DeepSeek 更划算。但也有人唱反调，说我们根本不知道被对比的那个 API 上,供应商收了多少利润，而开放模型在利润上很可能低得多，所以这没法直接比。另一个比较妙的观察是:最高的推理档位反而比中档更便宜,这本身就很有意思。有人接着引申说返工成本其实很高,希望业务方明白提前给工程师更充分的上下文、再留时间思考和做原型有多值钱。

林岚: 还有人感叹,仅仅一个月前某款模型还很受关注,如今同等性能只要二十分之一的价格——马上就有人怀疑,要么是基准测试已经不再能反映真实能力,要么就是这款新模型真的非常强。但也有人在用亲身体验唱反调:他换用 V4 Flash 之后觉得明显落后于其他几款模型,还点出它只支持文本,而对比对象是更大的多模态模型,更可能是针对编程任务优化的。说到底,几个关键问题都悬着:Luna API 的真实利润率未知、订阅与 API 场景下的成本没有算清、DeepSeek 定价依据不明,以及这个基准还能不能代表实际能力。这些都是开放的问题,目前没有答案。

陈序: 接下来说 Framework，它通过自家的商业智能数据库供应商 Metabase 披露了一次数据泄露。Metabase 在八月三号发现云服务遭到一个未知零日漏洞攻击,影响范围是 1.58 及以上版本。供应商当时立即封锁了攻击端点、修复了漏洞,通知了执法部门,还委托第三方取证公司做独立调查。到了八月六号上午,Metabase 通知了 Framework。Metabase 首席执行官的邮件里建议客户轮换所有连接数据库的凭据、检查管理员账户,并且强调这份报告是基于他们自己的应用日志,他们并没有去查询或读取连接数据库里的数据。

林岚: 那 Framework 这边确认到什么程度呢?它确认自己的 Metabase 实例确实被访问了,泄露的内容包括全名、邮箱、登录 IP、账单和收货地址,以及国家城市邮编电话这些,企业客户还可能涉及税号和账单邮箱。订单和支付信息没有泄露。Framework 已经轮换了所有相关的数据库凭据,确认管理员访问没有变化,而且除了 Metabase 之外没有别的系统被访问过。它还说后续会评估并缩减共享给商业智能平台的数据范围和列——这部分影响要等以后才能看到效果。值得注意的是,邮件里框架特意说明,大多数地区的法规其实并不要求就这类字段通知用户,但这次还是主动发了。

陈序: 讨论区里有几类声音。有人认可 Framework 的处理,但指出这类 CRM 和分析平台本来就是拿到客户元数据最常见的载体,而且客户元数据一旦泄露就很难更改,比起这个,有人甚至说宁可泄露的是口令或信用卡号。也有人在给自保建议:别用云版,自托管而且不开放公网。但马上有人反驳说,有些平台根本没法自托管,用云版本就等于把数据责任转嫁给供应商。还有人主张立法禁止收集非直接必要的数据,但又有人用亲身经历反驳——他所在地已经有类似要求了,可姓名和地址还是照样泄露,所谓只收集必要根本挡不住。最后还有人调侃说又是 Metabase,上一次的零日漏洞是灾难性的,他前雇主已经因此把基础设施迁回本地了。目前 Metabase 的调查仍在进行,如果发现新信息会再发跟进邮件。

林岚: ScienceAlert 在八月六号刊登了一篇报道,讲的是一篇发表在《Science Advances》上的新研究,提出了一个相当激进的主张:生命从非生命物质涌现的门槛,可能被跨越了两次。也就是说,细菌和古菌这两大主要生命谱系,可能各自独立获得了把自身从非生命状态升级为生命的代谢机制。德国一位生物学家是主要研究者,他说催化这些反应的酶在细菌和古菌的进化分界上并不保守——新数据只留下一个结论:细菌和古菌谱系独立完成了向自由生活状态的转变,我们面对的是一个遗传密码的起源,但却是两个生命的起源。

陈序: 这个研究的前提得先理清楚。生命一般被定义为对环境做出反应、摄取能量、生长并自我繁殖的物质,但病毒能做到其中大部分,却通常不被当作活着的东西——而代谢是普遍特征,病毒恰恰没有。研究者调查了细菌和古菌基因组里核心代谢酶的结构,开发了一套按复杂度排序的方法。他们提出,所有细胞最后的共同祖先其实只拥有大约一半代谢反应所需的酶,另一半是由它诞生环境中的金属催化的。把氢气、二氧化碳、氨这些简单物质转化成氨基酸和碱基的那套约四百个反应网络,不太可能瞬间就出现;催化酶驱动反应的发展可能有四个阶段,第一阶段完全依赖环境中的金属。最早的生命一般认为诞生在热液喷口这类高反应性环境里,天然的金属可能就是第一批催化剂。

林岚: 但讨论里也有人冷静地纠正了一个容易被误读的点:这研究并不是说发生过两次完全独立的生命创造事件,而是最早的生命曾经依赖外部化学物质,来完成现在由体内代谢承担的环节——生命树在代谢路径演化进生物体内之前就已经分化了。也就是说,当时大概存在更多能够繁殖和进化、但不符合现代生命标准的东西。有人认为这个现象也反映出生物学在数据缺失非常严重的领域,所以旧的概括被推翻了。还有一条更偏哲理的讨论线,有人质疑生命靠运气产生这个说法,认为像芯片被硅片随机侵蚀成精确图案一样不可信,暗示生命显然是设计出来的;但也有人反问他拒绝的是不是整个进化论,还有人反问是哪个神、又是什么造了神,争论到后面就回到了宗教里关于神是否存在于时间之外的讨论了。

陈序: 最后看 Daring Fireball 八月七号的一篇关于苹果应用商店拒审的专栏。开发者 Terry Godier 为一款面向普通人的天文学网站 Dark Hours 提交了一个 iOS 应用,结果被以占星术为由拒绝了。但应用里根本没有塔罗牌、星象运势或者任何占星内容——这位开发者两年前甚至还写过文章,抨击占星术的人把伪科学混进天文学。他逐级申诉到 App Review Board,也就是苹果的评审委员会,结果委员会维持原判,给出的理由是,我们理解这个应用包含实时塔罗牌阅读功能。作者嘲笑说,这个理由连占星术都不是,纯粹是卡夫卡式的荒谬;他还说这款应用使用原生界面,设计精良,本应成为 App Store 的范例,而这次拒审显示 App Store 并不是一个能纠正明显错误的正常系统。

林岚: 讨论区里很多人在抓裁决本身的矛盾。有人指出,一个纯占星术应用 Co-Star 当年还被选为 App Store 的编辑精选。也有人推测真正的禁令是间接的:某些类别在反垃圾邮件标准下,一旦同类应用太多,就会拒绝新的应用,苹果不是反对占星术本身,而是某些类别已经停止接收新应用了。旁边马上有人追问这些规则到底有没有文档,说如果真是这样就很疯狂。还有人抓住委员会那个实时塔罗牌阅读的理由:有人坚持说应用里根本没有这种东西,Dark Hours 是植根于真实科学的天文学应用,所以这个裁决纯粹是误判;但也有人提醒,如果苹果的审核团队连天文和占星都分不清,那些过审的天文学应用又是怎么做到的,希望开发者能另寻出路。还有人借题发挥讽刺说,现在这份帖文在各大社区病毒式传播,说不定这个应用反倒要因为这个原因获批了——那就是 2026 年的客户服务方式。也有人替那些没有影响力的开发者担忧:错过一个好应用是小事,真正的风险是这个流程既不肯公布推理,也不肯公布误报漏报率,如果能让用户添加自己信任的软件来源,就不用受限于单个把关人了。目前看,苹果那条实时塔罗牌阅读的认定和开发者实际的功能描述仍然冲突,文章也没有交代最终有没有获批,而所谓某些类别停止接收新应用,也只是评论者的推测。

林岚: 有个项目最近很受关注，它叫 pgrust，是用 Rust 重新实现 Postgres 的性能尝试。上周发布的 0.2 版主打性能，作者说比上一版快了十倍，在 OLTP 事务处理基准上比原生 Postgres 快了大约三成。更夸张的是在 ClickHouse 的分析基准上，它比 Postgres 快了 300 倍，甚至排在了 ClickHouse 前面。

陈序: 300 倍，这个数字确实很容易让人怀疑。作者也承认，查询引擎单独只贡献了这 300 倍里的约十倍，其余主要靠批处理和内存上的优化。他解释的逻辑是，Postgres 诞生于八十年代，当时瓶颈是磁盘读写；如今数据常驻内存，NVMe 比传统硬盘快数百倍，真正的瓶颈变成了 CPU 和内存带宽。

林岚: 作者举了个很直观的例子：对 5 亿个浮点数求和，Postgres 大约要 20 秒，而等价的手写 Rust 代码只要 358 毫秒，差了大概 55 倍。他分析下来，两大开销是加锁，以及从 Postgres 的存储格式里提取元组——毕竟它有 40 多种计划节点，用的是传统的火山模型执行器。不过讨论区里吵得最凶的其实不是性能，而是它的许可协议。

陈序: 对，它用的是 AGPL。有评论说 AGPL 对非 Web 项目很奇怪，正是 Postgres 的 MIT 式宽松许可让它被广泛采用，期待有人做 MIT 的独立移植。也有人指出 AGPL 在企业环境里多半被禁用，难以普及，还堵死了向 Postgres 核心上游贡献代码的路子。

林岚: 作者本人回应说，数据库领域用 AGPL 或更严格的协议已经成了常态，Mongo、Cockroach、Materialize 都转向了源可用许可，他选 AGPL 是为了防止像 Amazon 这样的巨头把产品包装转卖套现，而且他愿意提供商业双授权。还有一条争论挺有意思：有人注意到代码主分支只有两个提交，还都是 AI 生成，说这是 AI 垃圾；另一位反驳说主分支只是注明了其余提交的位置，v0.2 的标签下其实有近六千个提交，主张先核实再下结论。最后那位持怀疑态度的评论者说，自己不是 Amazon 那种规模，不敢用 AGPL 的数据库，怕被强迫开源自己的应用，所以会等一个 MIT 的 fork。

陈序: Hacker News 上还有一篇帖子，是一位运营 150 万页网站的作者分享自己一整年跟爬虫斗争的经历。有趣的转折在于，发帖的作者自己在评论区里承认，他的网站靠抓取公开文档赚钱，所以他是个抓取者，却在抱怨抓取者。马上就有人接了一句，靠抓取而生，因抓取而死，还有人反问，谁来抓取那些抓取者。

林岚: 评论区里也在给行为分类。有评论区分偶尔跑一下抓取工具，和持续高速重复抓同一个网站——前者跟被屏蔽的机器人不是一回事。那位署名的作者回应说，他并不是每天抓成千上万次，通常一年也就抓几次。还有人补充，他的网站因为是精选的抓取信息合集，反而更容易成为目标。有人更进一步说，AI 服务现在几乎把整个网络当成自己的存储和缓存层，而网站作者有责任保管好自己的数据。

陈序: 关于屏蔽手段的讨论也很能说明问题。有人问，如果按地区封锁，那出国旅行的人怎么办，难道要挂 VPN？他预测网络会碎成一个个私人围墙花园，大多数站点设为禁止索引，只能靠真人推荐来发现。还有人抱怨地理围栏对偏远地区不公平，有人举例说西方人访问中国或白俄罗斯目前本来就要用 VPN，而提问者自己就来自贫困国家，常年旅行，一半时间住在外面。这场讨论说到底，是在反问：我们屏蔽的究竟只是机器人，还是把真实用户也一起挡在了墙外。

林岚: 美国内政部跟德国能源巨头 RWE 达成了一笔 12 亿美元的协议，让 RWE 放弃在美国的海上风电项目。RWE 说，经过仔细考虑，认定这些项目在可预见的将来没有拿到许可的路径，于是同意放弃加州、路易斯安那海岸和纽约湾的租约，把资金转向常规天然气，包括在路易斯安那的一个 LNG 出口终端投入 9 亿美元。它还计划未来六年在美国投资约 170 亿欧元来增加发电能力。

陈序: 内政部长伯古姆在 X 上表态说，美国人应该拥有基于常识、不依赖昂贵补贴的能源系统。而这是同一系列协议里最新的一笔：此前一年已经跟道达尔能源有过类似安排，终止其美国海上风电项目并转向得克萨斯 LNG 和墨西哥湾的常规石油；上个月又跟杜克能源签了笔 1290 亿美元的大协议，终止卡罗来纳长湾地区的租约。特朗普竞选时的口号是钻吧，宝贝，钻吧，重返白宫后也说过不做风能这档子事，说风车又大又丑、对野生动物危险。

林岚: 不过评论区里对那个常识的说法几乎是一边倒地怀疑。有人讽刺说，所以我们要建海上风电而让化石燃料不吃补贴，对吗；也有人指出各种发电方式其实都在受补贴，这种策略根本不存在。还有人觉得，政客把常识挂在嘴边，等于承认自己用不上专业知识，常识只是外行的流行理解——而且常识还因人而异。围绕着补贴还有分歧：一边认为补贴刺激过度消费、对生态不利，应该接受能源的真实成本；另一边反驳说能源变贵会立刻让人挨饿、拖慢经济，社会有很强的动机保持廉价发电。还有人提出一个观点，能源算是公共物品，如果补贴用来支持技术改进，并不一定是坏事。有位评论者给出的唯一常识方案是单栋建筑太阳能加储能再加智能电网互连，但他自己也承认，政府和既得利益会被排除在外，所以大概永远实现不了。

林岚: 好，今天这期就聊到这里。从工作岗位的下修、内存产能被买空，到OpenJDK开始拒绝AI生成的代码，再到网络安全和能源转型的新闻，信息很密，但每一件其实都在提醒我们：技术世界正在加速，而监管、安全和版权的问题也在跟着被重新定义。

陈序: 没错，尤其想留个思考给大家：AI到底该在哪里参与软件开发，又该在哪里被划出边界？无论是Oracle对OpenJDK的规则，还是OpenAI发布对Astra的网络安全评估，答案恐怕都不是简单的是或否。

林岚: 好，那今天就到这，感谢收听，我们下期再见。