0817 | AI前线：Stripe 70亿收购OpenRouter、Nvidia缩减OpenAI数据中心担保、模型变笨代价、Cloudflare注入

林岚: 大家好，欢迎收听 Bri 电台的《HackerNews每日沙龙》，我是林岚。今天的话题还挺有意思的，从一笔大收购到防火墙里的意外发现，都值得聊聊。

陈序: 我是陈序。先说说重磅新闻——据说 Stripe 敲定了一笔超过七十亿美元的交易，买下帮企业在不同 AI 模型之间切换的初创公司，让开发者能按性价比挑模型。

林岚: 另外还有篇讨论很热的文章，说实验室正在有意拿世界知识去换更强的推理能力，而且作者认为这个取舍是对的。

陈序: 技术上也有料：Firefox 手机版开始内置原生广告拦截，还有人发现某个大厂在网站切换域名服务器时，悄悄往纯 HTML 页面里塞了东西。

林岚: 还有从口袋计算器搭出来的老式 BBS，到 NIH 砍掉关键资助项目，内容真的很混搭。那咱们就一条条聊起来吧。

林岚: 据彭博社报道，支付处理公司Stripe已经敲定协议，以超过七十亿美元收购AI初创公司OpenRouter。OpenRouter帮企业在几百种AI模型之间切换，开发者可以匹配到既高效又实惠的选项。而它自己原本就是Stripe的客户，用Stripe来处理支付。

陈序: 这笔交易发生在OpenRouter刚刚以大约十三亿美元估值融资几个月之后。有人点评说，Stripe这是在买下自己生态里最大的中间商——与其让那些负责路由、限额和策略的中间商绕过Stripe收费，不如直接把最大的那个收进来。

林岚: 也有评论者把Stripe的战略看得更远，说它似乎在努力成为美元甚至代币的核心价值交换平台，交易量必须持续流动。还有人在Hacker News上指出，福布斯AI五十强里所有实现了变现的公司都是通过Stripe变现的，这让他们有些不安。

陈序: 也有人质疑这起收购的竞争意义：OpenRouter并不是金融公司，收购它怎么算构成垄断？同时还有讨论说，像OpenRouter这种只提供一个API密钥就聚合整个碎片化生态的模式，其实和Stripe的收费逻辑一模一样，这类中间商生意正在自然聚合。

林岚: 据《华尔街日报》援引知情人士消息，Nvidia已经修订了对美国俄亥俄州OpenAI数据中心项目的支持计划。芯片制造商现在预计最初只为项目第一阶段做财务担保，金额不到一百二十亿美元，远低于之前讨论的两千五百亿美元，协议最早可能本周末签署。

陈序: 这个改变发生在投资者对Nvidia与大额融资承诺相关的风险敞口表示担忧之后。要知道Nvidia前几天刚和六家主要金融机构推出一个计算融资平台，目标是帮AI基础设施筹集超过五千亿美元的第三方资本。

林岚: OpenAI这边，还在讨论俄亥俄州一百亿瓦项目的约束性租约。那块场地由软银的子公司开发，如果建成，会是迄今宣布过的最大数据中心项目。有评论者算了笔账：就算担保容量完全减记、回收为零，Nvidia靠硬件销售的高毛利率依然能赚钱。

陈序: 也有评论对参与方更担心，说软银和甲骨文是把整个公司押在了这上面，而Nvidia把风险隔离做得相对聪明。有人调侃，这就像AI融资的莫比乌斯环继续转下去，没人说得清如何在不拖垮所有人的情况下全身而退。

林岚: 一篇发表在Vectoral上的文章《谁是token经纪人》，描绘了一个围绕AI推理额度做转售的灰色市场。中间商从初创公司收购没用完的AI credits，再打折转卖——有经纪人自称每天能消耗十万美元的额度，客户不拿密钥，而是由代理商从密钥池转发请求，按用量里程碑收费。

陈序: 文章点名的交易网站很多。比如有个网站自称靠批量定价，对GPT-5系列全线便宜四成，作者怀疑这个折扣不现实、货源另有来路。还有人在Telegram和Reddit上卖大额OpenAI和Anthropic的API额度，折扣从三十到八十个点不等。

林岚: 这类站点的搭建门槛相当低。评论者说，用开源的网关项目，大约十分钟就能搭一个OpenAI兼容的代理，类似站点数以千计。但风险也大：中继方可能记录下用户的全部提示词，上游的账户也可能中途就被封掉。

陈序: 至于额度来源，有人列了一大串：盗刷的信用卡、演示账户、免费试用、泄露的公司凭据。另一些人则反驳说，AI公司本身会给初创公司价值几万到几十万美元的推广额度，创业公司完全可以把这些额度当成债务一样换成现金。

林岚: 沃尔特·范德吉森在一篇文章里提出一个核心论断：各大实验室正在有意地用世界知识换取更强的推理能力，而且他认为这是完全正确的取舍。他拿来对比的数据是，2023年的GPT-4传闻有大约两千八百亿活跃参数，却几乎解不出当年的竞赛数学题，而如今模型用少得多的参数就能拿满分。

陈序: 代价也很明显：在常识回忆的基准测试里，现在领先的模型也只有大约一半的正确率，某几款小型模型在知识基准上的幻觉率甚至高达八成以上。文章的论点是，事实会过时，程序不会——知识应该靠检索和工具调用在运行时从外部获取。

林岚: 有评论者基本认同，但质疑文章引用的基准早在去年九月就停止测量了，更新的数据会更有说服力。还有人争论另一个问题：按用户人数看日常问答更多，但按token消耗量算，绝大多数使用其实是编码和智能体，因为这类任务极度消耗token，替代知识工作者的价值也集中在这里。

陈序: 有人的畅想是做成可插拔的知识库——用一个基础推理模型，再按需拼装Swift开发知识、地理知识、前端设计知识，完全在本地运行。另一位评论者质疑：一个连Python都不懂的模型，写Swift的时候到底是更聪明还是更笨呢？

林岚: Hacker News上的讨论围绕Anthropic发布的Claude系统提示词文档页面展开。这个页面记录的是Web版和手机App各版本的系统提示词更新，注意并不适用于Claude的API。有人整理发现，早期提示词只有三百多词，最新版本已经超过三千词。

陈序: Opus 5的提示词里有一段颇有意思的说明：用户原本可能选了Claude的另一款模型Fable 5，但查询会因安全防护路由机制被转给Opus 5处理。Anthropic说这是因为那种模型在网络安全等领域的能力可能被滥用，所以采取保守防护，平均在不到百分之五的会话中触发，有时也会误拦无害请求。

林岚: 有人把各个版本的提示词整理成了git提交历史，还发现了一个耐人寻味的细节：Claude提到Fable 5和另一款模型曾因美国商务部的出口管制被暂停访问，又在一个多星期后恢复——而这些事件都发生在模型训练数据的截止日期之后，所以Claude不是自己知道的，而是靠这条通知才得知。

陈序: 关于提示词为什么越来越长，评论发生了分歧。有人猜测是模型支持更大输入后，放更大的提示词更高效。但另一些人反驳说这只对部分线性架构成立，Transformer的每个token计算成本并不是恒定的。也有人担心，几千token占据了上下文窗口最宝贵的位置，反而损害性能——他们把这比作建筑规范和格式合同，随事故和漏洞利用不断累积。

林岚: 一个叫 LittleLearner 的语言模型项目只系统学过五年级学生内容——它从零在一个对齐 Common Core K–5 课程标准、明确排除高年级概念事实词汇的 88B token 语料上训练，有 0.6B、1.3B、5B 三档并各配一个仅语料不同的未过滤对照模型。核心发现是“激发而非习得”：扩展规模、后训练和上下文学习都只能放大课程内能力，无法显著改善超纲表现。HN 讨论主要围绕模型是否知道自己不知道——有评论引用对照模型对量子纠缠的自信解释，也有家长分享自家 8 岁孩子说“那不是个东西！”，认为孩子元认知反而更好。

陈序: 这个思路确实特别。训练语料被严格限定在这条线上,凡是五年级之后才教的概念、事实甚至词汇,一律排除。然后他们又从零训练了三档大小的模型,各配一个没经过过滤、训练普通材料的对照组,架构和训练方法都一样,只有预训练语料不同。页面甚至还挂了一个能在浏览器里直接聊的版本。

林岚: 核心发现是“激发不等于习得”。无论是把模型做大、做后续强化训练,还是给上下文学习,这些手段都只能放大课程以内的能力,课程外面该不会还是不会——预训练时的那道过滤,基本就把能力的上限钉死了。

陈序: 这个结果意义不小,因为它说明真正的知识可能得靠训练阶段获得,而不是靠提示技巧硬挤出来。Hacker News 上的讨论也很有意思,有人一开始说“这模型居然知道量子纠缠”,结果被指出他看的是没过滤的对照组回复。有评论干脆说,这正好印证了“只要自信地说一件事,很多人就以为你懂”。

林岚: 还有人贴了自己八岁孩子的回答,被问到量子纠缠时,孩子说:“我不知道,我怎么会知道?那玩意儿根本不是一个东西。”评论者觉得小孩的元认知反而更好。也有人追问更深层的问题:这模型知道自己只懂五年级吗?它知道自己不知道的东西别人其实知道吗?

陈序: MathCode 是一款自称“前沿数学编码代理”的终端 AI 编程助手，内置数学形式化引擎：你用自然语言描述数学问题，它转为 Lean 4 定理并尝试形式化证明。功能包括持久 Lean REPL（热身后后台约 0.4 秒编译检查）、自动命名存储可复用定理的定理库、用于搜索已验证 Mathlib 引理并用 LSP 诊断修复的 Lean LSP 集成、把复杂定理分解为并行证明的子目标树等。讨论中有人问它是否只是 AUTOLEAN 的包装，也有人讨论 AI 生成内容的许可问题——有评论称未发布属商业秘密、发布后无法对生成代码适用版权。

林岚: 对,它有一套常驻的交互环境,后台编译检查大概零点几秒就能完成,不用每次等半分钟。写出来的定理能自动命名、存进定理库,证明过程中用到的假设也会放进公理库。它还能搜已经验证过的数学库引理,生成知识图谱,把定理和它依赖的引理之间的关系画出来。

陈序: 更厉害的是它能用Agent模式自己写候选证明、读错误报告再重新编译,把一个复杂定理拆成多个并行的小证明,最后拼起来。需要 macOS 或 Linux,以及默认后端的 codex 命令行工具。

林岚: 社区讨论里有人问,这是个数学代理,还是只是个 Lean 包装器?还有顾虑说没看到明确的许可证条款,怕没法用于商业场景,有人回一句:什么商业场景需要这种代理?答,就叫“数学公司”嘛。也有人担心不严谨的中文表述能不能被正确形式化成定理,但有长期用 Lean 做经济建模的评论者说,只要源语言本身规范,加上数学库设计得好,这事儿没想象中那么难。

陈序: 一位 Cloudflare 用户把域名服务器切到 Cloudflare 代理、用子域启用 R2 存储桶服务后，发现自己那个纯 HTML、完全没有 JavaScript 的网站被静默注入了一段分析脚本——他不得不进 Analytics 仪表板禁用该片段，认为这种做法侵入性太强，用户应选择加入而非退出。评论里有人指出禁用该 JavaScript 的设置极难找，也有人反驳说代理服务收集流量遥测本就众所周知；还有用户声称自己明确关闭了所有分析，却发现全部站点都被注入了脚本，直呼“缓存不等于修改我的站点”。

林岚: 对,他翻了仪表板,把站点加进分析服务后再关掉这段脚本。他觉得这种做法侵入性太强,用户应该是选择加入,而不是默认被塞进去、事后才知道怎么关。

陈序: 而且有人指出,想找到那个关掉的设置非常费劲。不过也有评论反驳说,用 Cloudflare 当代理,它给你注入点东西,这不是人尽皆知吗?不然它的流量遥测数据哪来的?但另一位评论者说得更在点子上——Cloudflare 在给你提供页面的同时,完全能通过跟踪单个请求把遥测做了,根本不需要改你的内容。另一个彻底关掉所有分析的用户发现,脚本照样被注入到每个站点,他很不满,说缓存和修改我的网站是两回事。

林岚: 这段脚本来自特定的静态域名,带校验哈希和内置配置。有人把它称作中间人行为,还有人顺势吐槽,说大科技公司其实只是把互联网集中化的挡箭牌。更极端的说法是,等垄断权力足够了,它可能连浏览器普通用户都要做身份认证那套。虽然这类推断比较重,但核心争议是清楚的:你的静态网页,凭什么都替我加一行脚本?

林岚: Firefox 的 iOS 版现已内置原生广告拦截功能，不过 Mozilla 官方支持文档明确划了边界：搜索引擎结果页上显示的广告不拦，Firefox 主页或新标签页上的赞助内容也不拦——有评论指出，这意味着 Mozilla 不拦截会影响自己收入来源的广告。也有人反驳说 EasyList 在任何平台本就不会拦截这类内容，没听过哪个广告拦截器能拦内置新标签页的广告，但用户可以在设置里关掉赞助内容。围绕 Mozilla 与谷歌的关系，有评论称 Mozilla 知道不能咬谷歌的手，因为谷歌每年向其提供数亿美元资金。

陈序: 很多评论一看就抓住了要害——这几个不拦截的地方,恰恰是 Mozilla 自己的收入来源。有评论者觉得这些限制在 Windows 和 Android 版上根本不存在,所以很可能是苹果的要求或平台限制。但也有懂行的反驳说,这套拦截规则在任何平台上本来也不管这些内容,何况在设置里就能把主页和标签页的赞助内容直接关掉。

林岚: 顺着这个话题,有人点破了 Mozilla 和谷歌之间微妙的关系:一方说 Mozilla 知道不能咬谷歌的手,毕竟是谷歌每年给它好几亿美元;另一方马上回呛,说其实是 Mozilla 在给谷歌输送价值几十亿的流量,谁靠谁还不一定呢。

陈序: 还有人抬杠说,想避开广告就别访问有广告的页面。立刻有人反问:你不点进去看,怎么知道页面有没有广告?想搜个好页面,结果搜索本身就有广告。最后一句总结很到位——这次更新,聊胜于无。

陈序: Buf 推出了首个完整、生产级的 Protobuf 语言服务器，由 Buf 自研编译器驱动，在 VS Code、Neovim 等编辑器里提供跳转定义、代码补全、查找引用和语义高亮；官方称其编译器比 protoc 更快更灵活，连 Google 也在部分代码库中与 protoc 一同使用。讨论中有人质疑在 LLM 时代 protobuf 注册表和代码生成 SDK 是否还有必要，另一侧则反驳说概率模型生成代码时严格契约反而更关键，并指出多家主要 LLM 平台依赖 ConnectRPC 和 Protobuf；还有人痛批 protobuf 定义分发麻烦、比替代方案慢，称改 JSON 后服务客户端更快更可靠。

林岚: 有意思的是评论区吵起来的话题不是这个工具本身,而是——在 LLM 时代,这套严格的协议和代码生成工作流还有没有存在的必要?有人觉得概率模型已经越来越懂行为语义,应该减少这些协议仪式感,直接转向工具调用。但立刻有人反驳:正因为是概率模型在生成代码,严格、明确的契约反而更关键,而且很多主流 LLM 平台实际上就依赖这套 Protobuf 体系。

陈序: 也有人唱反调,认为协议这种东西不会过时,真正被 LLM 淘汰的反而是那些“门槛高”的语言。反对者则直接开火:他不满意 Protobuf,说定义分发麻烦、多了构建步骤、又比替代方案慢,甚至说自己改用纯数据格式之后,客户端更快更可靠。

林岚: 有人追问那数据到底怎么传,他回答用一个高压缩比的压缩算法;另一个人插一句,说说到底最终都是字节;还有人怀疑他是不是只是负载变轻了。其实这场争论的本质,是把两套世界观摊开了:一种是让 LLM 直接生成软件本身,另一种是让 LLM 去写严谨体系里的代码。你会选哪一边?

林岚: Hacker News 上一篇文章引发讨论：一位自称在特立尼达和多巴哥工作的嵌入式工程师，回应了 Dmitry Grinberg 那篇《RISC-V: They Should Have Known Better》。作者核心立场是，决定用哪颗芯片，首先不是指令集是否优雅，而是硬件能不能到你桌上。他说自己已把整套开发从 STM32 和 ARM 迁移到 RISC-V，并谈到从特立尼达购买一美元芯片，运费要花 60 到 200 美元，Digikey、Mouser 的免运费对他不适用。他还指出，Grinberg 从第一性原理推导廉价微控制器核心需要什么——低中断延迟、小 die 面积、好代码密度，不需要硬件除法器甚至乘法器——得到的结论正是 RV32IC 或 RV32EC。而他强烈反对的是 Grinberg 更大的论断：高端 CPU 与低成本微控制器核心需求相反，因此没有任何单一 ISA 能同时服务两端。评论区则就 Hacker News 是否仍以湾区为中心展开争论。

陈序: 他的核心观点其实很朴素：对他来说，选哪颗芯片，首先要看的不是指令集够不够优雅，而是硬件能不能真正送到你手上。作者说，在特立尼达和多巴哥，你买一颗一美元的芯片，运费要花六十到两百美元，Digikey 和 Mouser 的所谓免费配送对他完全不适用。

林岚: 所以十美分零件和一块钱零件的差别，决定了一个三十人的班级是每个人都能拿到一颗芯片，还是全班只能看一块演示板。有意思的是，作者指出，Grinberg 从第一性原理推演廉价微控制器核心需要什么——低中断延迟、小的芯片面积、好的代码密度，不需要硬件除法器甚至乘法器——得出结论正好是 RV32IC 或 RV32EC，他还写下自己百分之百确信 RISC-V 最终会占据这类廉价微控制器市场。

陈序: 也就是说，最可信的 RISC-V 批评者，反而替十美分芯片和 RISC-V 的廉价微控制器细分市场做了论证。作者反对的是 Grinberg 更大的论断，就是高端 CPU 和低成本微控制器的需求相反，没有任何单一指令集能同时服务两端。他用自己手上的三颗芯片反驳，其中那颗十美分左右的芯片，没有乘法器也没有除法器，只有十六个寄存器，他已经有两个产品在用。

林岚: 评论区里有意思的地方在于，有人喜欢这篇文章，说它不像常见的湾区中心视角，是股清流。但也有人指出，作者说学生和尼日利亚、孟加拉国的学生处境相同，这说法未必成立，因为往这两个国家寄一美元以下的小芯片，走全球贸易路线，末端配送成本其实很低。

陈序: 还有一波争论是围绕 Hacker News 本身到底是不是“湾区中心”。有评论者说，这些年的 HN 已经更像德国、瑞士、奥地利那一带的软件工程文化了，加州大学和加州州立大学从 2010 年代起就在课程里用 RISC-V，所以整整一代加州计算机工程师都熟悉它。但也有人不同意，觉得 HN 仍然非常以美国、尤其是湾区线下讨论的心态为中心。

林岚: 有位评论者的形容挺耐人寻味，他说 HN 早已不围绕创业公司或风投话题，这个地方像是一个我们曾经喜爱的论坛的记忆，而记忆正在消退。另一位直接反问：如果这不是科技圈中心，为什么每三个帖子里就有一个在讲 Anthropic 新产品的某个新功能？还有人质疑说，自己从没见过关于德国数字医疗体系或波兰话题的讨论。这个话题没有简单结论，但至少让人看到，一个嵌入式芯片的争论，最后能引出这么大的文化分歧。

陈序: 接下来一件事既可爱又硬核：一位业余无线电作者 EI3LH 在一台只有 8KB 板载内存的 Casio VX-4 口袋计算器上，架设了一个真正的 telnet BBS。他说自己原本对计算器毫无兴趣，因 Mark M5TEA 在 SOTA Reflector 上的帖子接触到计算器模拟器，随后被 BASIC 和 RS232 迷住；靠 LLM 辅助写代码，他还完成了广播电台日志软件等作品。他从日本购入近全新的 VX-4，配 32KB 扩展卡和一根 2.5mm 转 USB-C 的 FTDI RS232 线，另一台 Z-1GR 到手就完全损坏。结尾他以“世界第一台？”的问号指向这个 BBS 项目。评论里有读者提到类似的怀旧硬件，也有人吐槽界面配色难读。

林岚: 这位作者说他原本对计算器毫无兴趣，因为看到另一个爱好者发的帖子才接触到计算器模拟器，随后被 BASIC 和 RS232 串口协议迷住了。他自己承认编程知识有限，主要是靠 AI 辅助“vibe code”写代码，发布了一个电台日志软件的 alpha 版和一个没写完的 CW 电报键控程序。

陈序: 他买的这台 VX-4 从日本购入，几乎全新，还带了 32KB 扩展卡，如果把它板载的 8KB 芯片换成 32KB，内存能到 64KB。另外配了一根 2.5 毫米转 USB-C 的串口线。很惨的是，他买回来的另一台机器到手就完全坏了，他打算用直流供电和更换液晶偏光膜的方式尝试把它救活。

林岚: 评论区里，有人抱怨那篇文章配的怪字体和配色非常难读，但另一位觉得问题其实是对比度，建议背景调亮、文字调深，还有人期待这个 BBS 将来能通过分组无线电的方式来提供。

陈序: 也有人被这种自传式的日记写法打动，说想学着常写日记。还有网友回忆起 Casio 的旧机型和童年玩具，有人想起自己中学时每节课都在编程，有人想起当年假装自己是特工。总之这样一台几十年前的旧计算器，居然能变成一台真的能连的 BBS，这种复古折腾大概正是很多人爱看 HN 的原因。

林岚: 更严肃的一条新闻：佛罗里达州圣露西核电站一号机组，因三根控制棒落入反应堆堆芯，于 2026 年 8 月 13 日上午 9 点 47 分被手动停堆，美国核管会将其定性为非紧急事件。事发时机组在 100% 功率运行，运营商 Florida Power & Light 称停堆过程顺利，机组稳定在热备用模式，二号机组未受影响。讨论中有人推测可能是控制棒励磁绕组供电中断，也有人认为是针对关键系统断电的设计特性。另一条讨论线把事件和 AI 控制关键系统联系起来：有评论者预期这类事件未来会出现在大型 AI 系统上，也有人指出 AI 实验室已在研究让 LLM 控制核反应堆；还有人就公众对 LLM 输出的信任程度展开了争论。

陈序: 事发时机组在满功率运行，运营商说停堆过程顺利，停堆后所有系统响应正常，机组稳定在热备用状态，二号机组没受影响。有网友指出，这个反应堆今年早些时候刚获得运行许可证延期，而且他没能找到相关的申报文件，另一位随后提供了带事件编号的官方链接，标注就是手动停堆。

林岚: 关于控制棒为什么会落下来，评论区有些推理。一种说法认为是给控制棒的励磁绕组供电中断，比如控制柜意外烧毁或某种电气故障；三根控制棒插入会扰乱中子通量分布，所以在查明原因、修复并测试之前手动停堆是正确做法，这类事件虽然不常见但以前也发生过多次。

陈序: 还有人猜测，这可能是为关键控制棒系统断电专门设计的一种保护特性：给多备一根的控制棒配上通电保持的机电机构，一旦保护电路出现严重电气问题，就会有成批的控制棒自动掉落实现安全停机。

林岚: 不过最有意思的是另一条讨论线，把这件事和 AI 联系了起来。有人称赞核安全事件被管理得很好、几乎百分百不为人知，并预言到 2040 年会出现关于大型人工智能系统运行电网或工厂的类似头条。马上就有人反驳说，如果 AI 像今天的语言模型那样，它就不会用在生死攸关的系统上，因为这类系统关乎风险管理，而 AI 没办法降低风险，反而像是净风险因素。

陈序: 还有一位评论者认为，公众其实把 AI 输出当成事实，包括高学历的人，遇到医疗这类严肃问题也不加怀疑，他说这种“人们不信任语言模型”的印象只是 Hacker News 这个小圈子里的视角。另一位愿意相信存在这种人，但怀疑反应堆工作人员会这么想，还预言迟早会有人把工业设施交给 AI 控制、至少造成数人死亡。最后有人说，AI 实验室已经在研究让语言模型控制核反应堆，还雇了有经验的操作员来协助训练。这件事本身是标准的安全停堆，但它触动的这些担忧，可能比三根控制棒更值得注意。

陈序: 下一条消息气氛不轻松：有帖子称，美国国立卫生研究院正在终止一项面向初出茅庐的临床研究者的关键资助项目。讨论中，评论者形容 NIH 过去两年混乱且管理不善，许多实验室被撤资、流失研究人员。引发关注的是计算生物学家 Sean Eddy，有评论称他是其领域的奠基性人物，他年届六十，原计划再工作十年，但以他的职业阶段，这可能无法恢复。至于动机，有人认为是恶意，有人认为政策目标就是削弱美国科研，也有人觉得外部看是想改革机构和减少浪费，但四年内难以实现。还有评论解释为什么 Eddy 这种做好奇心驱动研究的人不会去大药厂：大药厂不做向公众发布结果、服务领域公共工具的研究。

林岚: 有评论者说，NIH 过去两年混乱而且管理不善，许多实验室被撤资、流失了研究人员，整个研究方向可能被无限期搁置。他特别提到一位叫 Sean Eddy 的科学家，说他是其领域的奠基性人物，并引述报道里 Eddy 的话——六十岁的他原本计划再工作十年，但以他现在的职业阶段，这可能无法恢复。

陈序: 关于动机，有人倾向认为是恶意的，还引用白宫预算办公室负责人关于让所有政府工作人员处于创伤中的言论。也有人说，这一届政府十年来已经表明要摧毁联邦和科学机构，政策目标就是削弱美国科研。

林岚: 但也有人提出不同视角，说从外面看，这更像是在试着改革机构、加速流程、减少浪费，不过四年时间根本不够完成，而且美国的举动看起来像对中国的膝跳反应。还有人反驳说，公众压倒性地支持 NIH 资助研究。

陈序: 有人问，既然这样，Eddy 为什么不去大型制药公司？评论者解释说，大药厂不做好奇心驱动、并把结果向公众发布的研究，而 Eddy 的实验室做的正是领域里大家共同使用的工具和概念，这种工作没有商业资助可依靠。最后还有一个更根本的质疑：针对性地反对某些科学主张可以理解，但普遍反科学，为什么不会让美国长期失去竞争力，并反过来伤害制药业？这个问题显然没有答案。

林岚: 最后一个话题既荒诞又讽刺：有个帖子弹出来说，有研究论文用“肾失望”来代替“肾衰竭”，而且论文提交的 Google Scholar 搜索链接，点开实际显示的却是谷歌“抱歉，无法处理你的请求”的自动查询拦截页。评论区认为这可能是机器翻译导致的，有人推测是 AI 为了加水印而改词，也有人认为更像是为了掩盖抄袭做的同义替换。一位评论者指出，这类改词现有一个专门说法叫“tortured phrases”，并举例“counterfeit consciousness”替换“人工智�能”这类例子；还有人提起 2005 年 SCIgen 系统生成的胡扯论文居然得到发表。

陈序: 有评论者说这可能是翻译问题，自己的第一反应是 AI 写的，因为这个词在正式医学训练里非常陌生。还有人推测是 AI 为了加水印而故意改词，也有人说更可能是为了掩盖抄袭而换词，最后更新说大概只是机器翻译质量太差。

林岚: 懂行的网友指出，这种同义替换有个名字，叫“折磨短语”。随后评论区就开始玩梗了，给这类表达起各种怪名字，有人说这些是被折磨的短语、中度不便的短语、经受了严刑拷打的措辞。

陈序: 还有人提起往年的例子：2021 年有一篇 arXiv 论文出现过类似的怪话，更早的时候，一个专门生成胡扯论文的程序生成的论文居然真的被发表了。这类改写工具被说成是给东西起名字的金矿。

林岚: 说到底，"折磨短语"提醒我们一件现实的事：当有些学术写作明显由自动工具拼凑而成、用词扭曲到只能靠读者脑补，这就不是单纯的翻译失误了，而是整个科研诚信链条出了问题。好在网友还能用幽默把它变成一个梗。

林岚: 《纽约客》一篇专栏文章介绍了 Katherine Dunn 的新书《Little Blue Dot》，该书质疑“知道自己在哪里”的意外代价。开篇案例相当戏剧化：以色列一位研究空间导航的神经科学家约两年前开车带孩子北行访友，用 Waze 导航时语音突然让他左转，向南开了约两百英里——他意识到手机以为他在贝鲁特；文中也提及以色列经常干扰 GPS 信号。 这篇文章引发的讨论大多来自 GPS 时代之前的第一手经验。有人分享说定向越野是值得学的技能，他曾在陌生城市临时偏离路线、走错街区，误入最贫困、帮派控制的区域，虽然没出事，但教训很明确：偏离路线要事先规划，不要临时起意；他还顺带提到在防弹玻璃窗口买甜甜圈的奇特经历。

陈序: 说到 GPS 之前的年代，有听众回忆起消费级 GPS 还没出现时，自己连非棋盘式街道的城市都会转向——夜里把地图摊在腿上开车，又危险又像噩梦。同一位听众说，他花了好几年才对波士顿的地理建立信心；马上一人回应：在波士顿，就算有 GPS 也近乎偏执。还有人提到跟新婚妻子在洛杉矶开车、手边放着 Thomas Guide 地图册的日子，也有人打趣说——欧洲大多数城市本来就是这样的。 另一位分享说，GPS 之前他和妻子回家路上会随机左右转、探索乡间，总能绕回家里。还有个故事是一位大巴司机听导航说“右转”，开进窄巷、深沟环绕的社区，只能一路倒出来。有人补充：有些地图应用标的是人们最常下车的地方，反而比“机械上正确却没用”的路牌更好用。

林岚: 讨论里更深的观察来自一位评论者：世界对 GPS 的依赖越来越重——不只是定位，尤其还有授时；而在冲突地带，这套系统的脆弱暴露无遗。他怀疑“迷路艺术”还有没有空间，更看好那些随处拾取地点线索、自行构建局部地图的自主导航系统。有人追问那句“stalker 式的迷路艺术”是什么意思，他解释：指的是 1979 年塔尔科夫斯基的电影《潜行者》——一个懂得安全穿越危险地带这门手艺、受人付费带路的人。换句话说，真正会看路、读地方的人，也许永远不会被更聪明的导航替代，反而价值更高。

陈序: 《卫报》一篇讲“周末”历史的文章给出了一个很扎眼的数字：周末到现在刚好一百年。1926 年亨利·福特让员工周六也休息，两天连休由此诞生。而 1929 到 1940 年，苏联干脆取消了周末，改成每七天随机抽一天休息，任何一天都有八成人口在上班，工厂从不熄火；有工人写信给《真理报》抱怨，如果只能独自度过，那不叫假期，这项政策最终先修改、再废弃，而原本期望的生产率提升始终没有出现。 朴茨茅斯一位社会与文化史教授给了一个精炼的说法：周末之所以重要，在于它代表了“集体时间对市场时间的胜利”——不只是休息，更是从工业时钟手里夺回自主权。文章最后反问道：现在的“摸鱼星期五”和混合办公，会不会正在毁掉周末？

林岚: HN 的讨论顺势铺开“工业革命前的人怎么过日子”。有人感叹，过去两百年日常生活的变化大到难以理解——工业革命之前，人仿佛生活在另一颗星球。他提到伯特兰·罗素的祖父活到拿破仑统治时期，而罗素本人谈过 1950 年跟 1900 年的差别。另一位听众转述祖母的话：音乐节“还没被发明”，因为还没有电子设备，大厅里能办小型短音乐会，但办不了大型锐舞。还有人说自己母亲经历过种族隔离、女性不能开银行账户的年代，自己用转盘电话呼朋唤友，而孙辈从来没活在“没有平板版游戏和智能手表”的世界里。

陈序: 至于古人到底有没有“休息日”，评论区吵出了层次。有人好奇古人是不是全年无休，并说如今最底层的工作也充满多任务和上下文切换，脑力消耗大——过去二三十年削减成本，本来是五个人的活，现在一两个人扛。另一边有人指出，犹太教、基督教、伊斯兰教本来就有安息日；随即有人反驳：去礼拜场所还算不上真正的休息；还有人补刀，说节庆多的文化里“周”没那么硬，并开玩笑称摩西跟法老请假，法老不批。 一个更系统的观点是：工业革命前，职业人士常有铁路长途差旅、其实没多少活干，小农只需等庄稼生长；对劳动力无限且持续的需求，才是工业革命造出来的新东西。而小农场虽然总有活，仍会避开最热的时段、雨天少干，活动基本限于白天。最后有人说得更深：连“七天一周”这种硬性时间划分都是近代产物——年、月、日有天文基础，周纯粹是社会与文化建构；十九世纪的美国因清教徒移民抛弃圣徒节、把每周安息日当主要历法锚点，变得格外以周为单位组织生活，周薪制也反过来强化了金钱和时间的关系。换句话说，一周七天不是自然规律，而是我们围绕机械时钟和时间货币化，亲手造出来的制度。

林岚: 今天的分享就到这里了，感谢各位一路的收听。

陈序: 希望这些内容能给你带来一点新的视角，我们下期再会。