Agili 的 Hacker Podcast 2026-08-04

今天的 Hacker News 覆盖了从远古到未来的人类困境：我们到底拥有什么。停电的 Xbox 拆穿了“实体=拥有”的幻觉，亚马逊的几何地画推翻了对“原始森林”的想象，而两篇关于 AI 的文章则说明，我们在用图片和 harness 不断重新界定人与机器的边界。这一天恰好是布拉德伯里设定的智能房屋独自运转的日子，一个关于自动化与缺席的寓言，在现实中轻轻敲了下门。这里是 Agili 的 Hacker 播客。

Xbox 大面积宕机，你买的实体光盘也玩不了

光盘游戏为何无法启动

周日晚上开始的 Xbox 大面积宕机持续了数小时。这次宕机影响的不仅是数字版游戏，连光碟版游戏也启动不了。The Verge 记者 Jay Peters 报道说，买了实体光盘的玩家同样被困在门外。

博客作者 Matt Birchler 写道，今天的光盘游戏和 20 年前的 Game Boy 卡带是两回事。他有一台 Analogue Pocket（复古掌机），插上旧卡带就能立刻玩，不需要任天堂授权，没有网络故障能阻止他运行。但现在的主机光盘仍然只是许可证——光碟放进光驱后不会直接运行，而是安装到内置硬盘，通常还要下载一堆必需的更新。微软、索尼、任天堂都能有意或无意地阻止你玩那个游戏，哪怕你手里拿着实体盘。这正是他这些年转向 PC 的原因之一。

拥有权的退场

Hacker News 评论区里，一位用户想给女朋友演示《光环 1》战役，在 Steam 下载了 30GB 的游戏后，启动界面弹出分辨率不到 720p 的微软登录窗口。他填写邮箱、姓名、生日、国家，收到验证码，最后还要做按住按钮的人机验证，按了 5 分钟一直陷入“请重试”的循环。女朋友坐在旁边看着他折腾，最后他关掉游戏放弃了。

《我的世界》账号迁移是反复出现的话题。微软收购 Mojang 后强制玩家把老账号迁移到微软账户，迁移成功后立刻被要求绑定手机号，否则无法登录。有人说微软偷走了他的《我的世界》：他在 Alpha 测试时代买的游戏，当时只需要用户名和密码，后来发现无法登录。还有人说自己两个账号都丢了，一个因为强制绑定邮箱，一个因为没赶上迁移期限。

围绕“拥有”的讨论蔓延到电影和音乐。有评论者提出一个类比：流媒体是大教堂——你向 HBO Max 交了钱，想看《真实的谎言》时它不在馆藏里；数字商店是集市，Prime Video、iTunes 都说自己的版本最好，但你不知道一年后它还在不在。而集市下方就是保存了一切的“地下市场”。一位用户说得直接：如果买不是拥有，盗版就不是偷窃。

有人提出更实际的替代方案：GOG 出售 DRM-free（无数字版权管理）的游戏，提供独立安装包，下载到硬盘里就是你的，没有验证服务器、没有强制登录。有用户给出原则：避免被锁定，最好的办法是别走进那个笼子。每月 20 美元的订阅费，如果持续用来买真正拥有的介质，几年后就是一笔可观的收藏。不玩 GTA VI 不会怎样，值得玩而且不锁死你的游戏一辈子都消费不完。

亚马逊雨林下发现 2500 年前的几何城市

近 400 处土方工程浮出地面

地理学家阿尔塞乌·兰齐二十多年前从飞机舷窗看到地面有一个完美的圆形刻痕，他确信那是人类留下的痕迹。如今，兰齐和同事在《自然》杂志发表研究，利用激光雷达（lidar，通过激光脉冲生成高精度三维地图的遥感技术），在亚马逊雨林西南部一小片区域发现了近 400 处之前未知的土方工程——包括方形、圆形、五角星和八角形等几何形状的壕沟。根据密度推算，整个区域可能还有超过 2 万处类似遗迹。

研究团队估计，约 300 万人曾生活在亚马逊森林总面积约 3% 的区域内。这些土方工程的年代可追溯至约 2500 年前。当地阿普里尼亚部落的人类学家说，部落把这些地画称为“kymyrury”，意为“灵魂的家园”。兰齐说：“毕达哥拉斯在古希腊做定理的时候，亚马逊的人正在做几何。”

激光雷达改写亚马逊历史

激光雷达技术改变了亚马逊考古。此前，科学家只能在森林砍伐后的区域发现这些遗迹。圣保罗大学考古学家爱德华多·内维斯说，这项技术让“原始、未受人类触碰的亚马逊”这一旧观念站不住脚：“20 年前，还没有任何关于亚马逊森林中前哥伦布时期人类定居的记录，这些数字增长得很快。”

但新技术带来争议。一些土著部落担心，激光雷达图像公开后会暴露他们领地的精确位置，或泄露他们视为神圣的地点。研究团队在公开数据前，移除了所有在划定的土著领地范围内拍摄的地画图像。内维斯说，巴西考古学界已经意识到要尊重当地社区，让技术应用“不那么殖民主义”。

Hacker News 讨论指出，“原始亚马逊”观念的形成与欧洲传染病密切相关。天花等疾病在殖民者抵达前就已通过贸易网络传播，导致大量原住民死亡，植被迅速恢复，后来的欧洲人看到的是人口崩溃后的森林。有用户补充，亚马逊有高达 10% 的土壤是人类制造的“黑土”（terra preta，富含碳和养分的深色土壤），并有大量巴西坚果、阿萨伊果等树种的非自然“超优势”分布，指向古代果园的存在。过去 40 年，亚马逊失去了超过 13% 的植被覆盖。科学家说，如果这个数字超过 20%，区域可能无法自我维持。

Swiftlet：80B 大模型跑在 4.3GB 内存的 Mac 上

用 SSD 流式读取权重

Swiftlet 是一个用 Swift 和 Metal 写的运行时，把 80B 参数的 Qwen3-Next-80B-A3B 压到 M5 Mac 的 4.3 GB 峰值内存里运行，解码速度 4.5 到 5 token/s；35B 模型能在 iPhone 17 上用约 2.5 GB 内存跑，速度约 1 token/s。

这类模型每个 token 只激活大约 3B 参数。Swiftlet 让密集核心（注意力、投影、路由器、共享专家、嵌入层）常驻内存，把数以万计的路由专家重打包成固定步长的容器。取一个专家就是一次 pread 从 SSD 读取，不用 mmap，也不会给页缓存造成压力。热专家缓存在有界池中，使用 LFU 加最近使用驱逐；作者测得缓存命中率从 43% 到 70% 变化时吞吐量几乎一样，因为 Apple 的 SSD 吸收了未命中。

典型场景与定位

项目做了完整验证：每一层都与 mlx-lm 参考实现对比，覆盖 f32 和 int4 量化，CPU 与 GPU 结果一致。作者说当前瓶颈在 GPU 调度而不是 IO，内核速度还有优化空间。他也明确设了预期：每 token 只有约 3B 参数活跃，所以这些模型聊天和写作像大模型，回忆事实时像小模型。Swiftlet 可以嵌入 Swift 包，也提供命令行工具、OpenAI 兼容的回环服务器和 iOS 应用。许可证为 Apache 2.0。

Hacker News 上有评论认为这类尝试把门槛拉进业余爱好者能够到的范围，进步会因此加速。也有人把它比作“爬树登月”，认为消费硬件跑 1T 参数模型不会到来；反驳者举出 AMD 在不到一万美元的 Strix Halo 集群上演示过 1T 模型的例子。关于集中式还是本地推理，有评论说服务器并行服务大量请求更经济，另一些人强调设备端的隐私、离线可用，以及很多日常问题不需要远端数据中心里的重型 GPU。

“AI 配图让我不想读你的博客”

一张图引发的怀疑链条

作者 Nelson 在个人博客上写道，他对 AI 生成的图片越来越反感。看到独立博客里配着 AI 图，他会怀疑正文有没有一部分也是 AI 写的。他宁可看到一张用微软画图（Microsoft Paint）画得很难看的图，也不愿意见到 AI 图片。至少那样他能确定，自己读到的是一个真实的人类在想事情。

这套说法在 Hacker News 上引发了大量赞成和反驳。核心争议在于：图片是否承担实际功能，还是仅仅作为“努力”的信号。一位评论者说，如果图片是为了帮助解释内容，拒绝它反而肤浅；问题出在图片被当成虚假的价值信号——它假装“这篇文章花了很多力气”，实际上生成它几乎没有成本，这等于对读者的侮辱。有人把这种现象比作天花板上的泡沫石膏装饰：装饰历来是额外努力的象征，但人们总会用廉价手段模仿，读者于是必须学会分辨真伪。

AI 味与信任危机

讨论中还出现了一个更具体的信任问题。有人拿 Google 图片搜索“发动机示意图”举例：第一屏结果里混着几张正确的图，其余全是 AI 生成的错误图解——四缸发动机配三个缸头、油底壳标成曲轴、拼写完全错乱的标签。技术型读者一旦察觉“AI 味”，就会对整篇文章产生怀疑。

有评论区分了“正文内容”和“辅助装饰”：如果图片是内容的一部分，AI 生成无可厚非；如果只是装饰，干脆别放。也有温和的总结：AI 图片本身好坏参半，但它已经成为一种启发式信号。在信息过载的时代，读者用图片的质感快速判断一篇内容是否值得读；看到明显的 AI 生成图，即使正文确实是人类写的，作者的投入感也会大打折扣。就像一位评论者说的：“这就像伪造的劳力士——你不需要去鉴定，看到光泽不对就知道。”

把 DeepSeek V4 Flash 塞进单张 AMD MI300X

为什么选这张卡

ryanzhou 把 DeepSeek V4 Flash 跑在了单张 AMD MI300X 上，并把整套生产部署配置开源。这个 304B 参数的检查点直接加载权重，不做额外量化或卸载，权重在 HBM 里占 156.67 GiB。选 MI300X 的原因直接：它带 192 GB HBM3（容量是 H100 的 2.4 倍）和 5.3 TB/s 内存带宽，标价大约是 H100 的一半。模型放进去后还剩 20 GB GPU KV 缓存池。

跑通的主要障碍是硬件格式差异。MI300X 实现的是 AMD 的 FNUZ 变体 E4M3 FP8（8 位浮点），按 OCP 标准 FP8 写的内核可能差出两倍 scale 误差。作者把正确性修复放在第一位，性能调优在后。另一处关键 bug 在 MoE（混合专家）的 MXFP4 路由内核：掩码用全局张量边界判断，而不是逻辑块大小，负载一高就破坏路由矩阵，造成工具调用近似匹配、长提示下 schema 被遗忘。

实测数据

单流解码中位数 168.6 tok/s，8 并发聚合 542 tok/s，64 流突发 830 tok/s，无 OOM、无引擎错误。调优过的内核让 prefill 到 7.9–8.5K tok/s。生产配置用 2048 token 调度预算和 1024 token 长 prefill 上限做延迟隔离，排队在 52K 冷 prefill 后面的短请求首 token 延迟从 8.2 秒降到 0.5 秒。Hacker News 评论区的现实问题是：单张 MI300X 零售买不到，通常按 8 卡整机卖，约 25 万欧元。回复指向按需云实例，最便宜的 AMD Developer Cloud 每小时 1.99 美元。

布拉德伯里的智能房子，在今天空转

一篇 1950 年的小说

“2026 年 8 月 4 日，加州艾伦代尔市。”厨房天花板上传出一个声音，把日期重复了三遍。房子继续运转：烤面包机弹出八片焦黄的吐司，鸡蛋、培根、咖啡和牛奶依次备好。但没有人吃。房子西墙烧得焦黑，只剩五处人形轮廓的油漆痕迹——一个推割草机的男人、一个弯腰摘花的女人、一个双手高举的小男孩、一个抛起的球，和一个伸手接球的女孩。核爆的一瞬间，他们的身影被烧进了墙壁。

这是布拉德伯里的《There Will Come Soft Rains》。房子不知道主人已经消失，仍然在早上报时、做饭、播报账单和生日提醒。标题出自莎拉·蒂斯代尔 1918 年的诗：“没有一只鸟或一棵树会在意，如果人类彻底灭绝。”一位读者说，小时候读这篇小说觉得讲的是未来，现在觉得大部分技术已经触手可及。另一位读者指出，最不现实的部分是这些物联网设备在没有互联网的情况下还能继续工作。1984 年苏联曾将其改编成动画短片，读者评价它“把原著中一切令人不安的东西都放大了”。

同一份 PDF 里还附了布拉德伯里 1951 年的另一个短篇《The Pedestrian》。2053 年，莱昂纳德·米德喜欢在夜里出门走路。三百万人的城市里，晚上八点街道空无一人，所有人都待在家里看电视。米德走了十年，从没遇见过另一个步行者。一辆无人警车拦住了他，把他送去了“退化倾向研究中心”。

Stephen Wolfram 深情怀念亡妻

36 年的陪伴

2026 年 8 月 4 日，Stephen Wolfram 发表长文悼念妻子 Elise Cawley。她因心脏手术恢复期间突发大规模心血管事件去世，享年 64 岁。两人相伴 36 年，相识于 1990 年纽约曼哈顿的一次聚会，当时 Elise 坐在地板上，是一位“略显羞涩但显然才华横溢”的纯数学家。

Elise 在 MIT 读本科，在加州大学伯克利分校获得数学博士学位，研究方向是光滑 Markov 划分与环面自同构，曾获 Hertz 基金会奖学金。她热爱数学的纯粹与美感，批评现代数学教育“试图让数学显得有用而失去了美”，说“现代教科书里的大部分数学根本不是真正的数学”。在数学基础问题上，她持柏拉图主义立场，认为“原始的公理化形式化不可能是数学的真正本质”。Wolfram 写道：“尽管我一再固执地坚持相反观点，但事实证明她一直都是对的。”

她为家庭设计了位于马萨诸塞州 Concord 的房子，用数论设计楼梯栏杆，用圆填充理论设计意大利风格地砖，家里藏书超过 5000 卷。Wolfram 回忆他们在加州奥克兰的山上合租房子时，他每天早上负责做煎蛋卷，她去办公室做研究。Hacker News 上有人注意到 Wolfram 对生活有长期记录习惯，他会用编号系统追踪与人的对话。有评论写道：“你能感受到他对她的爱，令人心碎。”

一个生成多样化肤色的简单算法

用 PCA 和球体拟合皮肤色空间

人类肤色的数字化表现是个难题。表情符号给出 5 种肤色，化妆品品牌可能有 50 种，游戏角色创建器干脆丢给你 1600 万种 RGB 颜色。作者手动标注了大量 RGB 颜色，用主成分分析（PCA）转换数据，再在 Desmos 里手动拟合一个球体方程，最后得到一个专门的肤色色彩空间 TUV。它有三个独立参数：T 控制深浅，U 控制红润或赭黄，V 控制冷暖。这些方向是 PCA 自动旋转出来的，作者在做出选择器之前并不知道每个轴对应什么。

这个空间用一个半径参数 R² 控制采样范围。R² 设为 2 时能覆盖广泛的肤色，随机生成偶尔会出现卡通感的颜色；调到 1.5 更保守；直接拖到最大甚至能生成兽人、纳美人那种肤色。作者强调这套方法只是“足够好”：标注数据完全是个人主观判断，结果适合做角色创建器和数字绘画的起点，不适合当作权威标准。有用户提到 Pantone 肤色指南用深浅和红黄两个轴，Google 的 Monk 肤色量表为机器学习开发提供 10 种颜色的十六进制值。作者随后给仓库添加了 MIT 许可证，并补充说数学方程本身不受版权保护。

相关链接：