2026-06-05 08:07:45
这里记录每周值得分享的科技内容，周五发布。
本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（[email protected]）。
本周开馆的深圳国际美术馆。（via）
今年5月上旬，一个美国访问团来到中国，访问了14家 AI 和机器人公司。
访问对象包括 DeepSeek、月之暗面、MiniMax、智谱、字节跳动、阿里、蚂蚁、小米、零一万物、宇树、魔搭社区等。
所有成员都是科技分析师，回到美国后，每个人都写了访问观感：Kevin Xu、afra Wang、Florian Brand、Nathan Lambert、 Azeem Azhar、Lily Ottinger and Kai Williams、Jasmine Sun、Lingua Sinica、Caithrin。
这些文章有很多有意思的内容，我做了一些摘录。为了保证阅读体验，就不单独注明每一段的出处了。
我们在每一家公司都听到一个共同的抱怨：算力不足。这使得实验次数减少，模型规模缩小。
中国的算力不足，主要是美国的芯片出口管制政策造成的。我们感兴趣的是亲眼目睹本土公司如何应对。
虽然供应并非完全短缺，中国公司仍然能够拿到英伟达的 H100、B200 和 B300 显卡，但是数量至少比美国竞争对手少一个数量级。
英伟达最新款的 GB300 NVL72 系统（72颗英伟达最新 GPU 组成一个系统）的实时推理速度比三年前的 H100 集群快30倍，每颗芯片的内存容量高出3.6倍，每次推理的能耗降低了25倍。美国公司正在大量订购这些系统，而中国公司却无法做到。
中国科技公司，尤其是华为，在研发 AI 芯片方面取得了长足进步。但即使是华为今年3月发布的最新芯片 Ascend 950PR，其性能也仅与2022年发布的 H100 大致相当。而且，这些芯片的出货量远低于 H100。据估计，英伟达仅在2025年10月之前就已出货了700万颗 Hopper 和 Blackwell GPU，而且出货速度还在不断增长。华为计划今年出货75万颗 Ascend 950PR 芯片，这仍然只有英伟达去年出货量的十分之一左右。
结果就是，美国在算力方面拥有巨大的领先优势。我们估计，2025年底美国 AI 行业的算力大约是中国的8倍。中国 AI 公司目前总的算力，大致相当于美国2023年的规模。
我们向中国研究人员分享了 OpenAI 内部每位研究人员拥有的 GPU 数量。他们听到这个数字时，简直惊呆了。然而，我们都知道，OpenAI 的研究人员，或者说西方所有 AI 公司的研究人员，仍然会抱怨他们的算力太少。
美国的大部分算力都用于模型训练，而非服务客户。但是，中国的情况不同，算力既要用来训练模型，又要服务于数亿消费者和快速增长的企业用户。
如果拿出一半的算力用于服务客户，那么可用于模型训练的算力就会减少。
还有另一个需要考虑的因素。美国的算力主要由五家公司主导：OpenAI、Anthropic、Google、Meta 和 xAI。而在中国，各大科技公司都在积极研发自己的前沿模型，算力池被进一步分割。
如果按照这种逻辑，既然中国的算力规模比美国落少两年，那么中国模型也应该至少比美国落后两年。但是，情况并非如此。
许多分析都认为，中国模型只比美国模型落后几个月。事实上，在某些方面，两国模型似乎是并驾齐驱的。
原因是芯片管制反而促使中国公司提高计算效率。我们发现，中国公司的单位算力支持的 AI 智能是简单扩展下的 4-7 倍，这弥补了算力的不足。
目前，最好的 AI 开源模型是中国公司发布的。但是，对于是否开源自己的模型，中国公司内部有分歧。
公司的财务状况和收入压力，会影响到开源意愿。目前，对于是否开源，有一条界限正变得越来越清晰：模型参数规模达到一万亿。
一些公司认为，开源一万亿或以上参数的模型是一种资源浪费，因为没人能在本地机器上运行如此庞大的模型，而开源模型的典型应用场景正是本地机器。发布一万亿参数模型的更好方式是将其托管在公司自身的云基础设施上，只发布它的 API，方便用户使用。
但是对于另一些公司，开源模型近乎一种信仰，而构建万亿参数级别的模型则是开源事业的入场券。
有些中国 AI 公司呈现出典型的"西方"风格，处处洋溢着硅谷式的酷炫氛围，甚至连赠送的周边产品都体现了这一点。
另一些公司变得越来越"中国化"，把打造一个光鲜亮丽的展厅视为头等大事。这些展厅用来接待参观者，通常是国有企业 CEO 和地方干部。参观之后，还会举行晚宴招待。
我认为，这既是一种选择，也是一种无奈之举，源于创始人的背景以及公司选择的业务类型。
我们发现，所有中国 AI 公司都敬畏字节跳动的 Seed 部门。那是中国唯一的闭源 AI 前沿团队。它就像房间里的大象，却在翩翩起舞。它的豆包几乎垄断了 AI 的用户流量，他们的模型都可以快速推广到海量用户，其他公司无法匹敌这一点。
DeepSeek 则是业内最受尊敬的公司，越来越多地承担基础层的工作：架构、效率、推理优化，以及华为协议栈适配。
中国 AI 公司的员工，很多是才华横溢的"实习生"，平均年龄二十五六岁，大多数仍然是博士生，能够用英语轻松交流技术话题。他们大多毕业于中国高校，没有海外留学经历。
他们实习期一年到两年，享有全职员工的待遇和完整权限，可以自由地提出想法和开展工作实验。这跟西方顶尖 AI 公司形成鲜明对比，OpenAI、Anthropic、Cursor 等公司根本不提供实习，其他公司（比如谷歌）名义上提供 Gemini 的实习，但不会提供重要的任务。
中国公司更看重"新鲜人"，他们能够带来新想法和充足的脑力。为了改进最终模型，实习生更愿意做一些不那么引人注目的工作。而且，刚接触 AI 开发的人可以免受以前模式的影响。
从中国大学的角度来看，学校的计算资源根本不足以让优秀学生的才华得到充分发挥，不如把他们派往计算资源更丰富的业界公司，双方合作发表论文，实现双赢。
我问了一些年轻的中国研究人员，如何看待 AGI（通用人工智能），他们竟然给出了完全相同的答案："AGI 就是人工智能可以取代我！"
我发现，他们没有流露出任何担忧，非但不害怕被取代，反而对机器是否真的能够超越其制造者充满好奇。如果真的实现了这一点，他们会欣然去做其他事情。
这跟西方同行形成了鲜明对比，他们许多人非常关注 AI 的安全问题及其社会影响。中国研究人员也重视安全，每个人都认为 AI 不应该做坏事。但如何确保这一点，大家都觉得这应该交给政府来决定，政府应该能够解决。
中国企业是否愿意付费购买本国 AI 服务？
一种广为流传的看法是，中国 AI 市场规模较小，因为中国企业通常不愿为软件付费，因此无法支撑本国的 AI 公司。
这种看法仅适用于 SaaS 模式的软件支出，这种模式在中国历来规模很小。但是，中国显然拥有庞大的云计算市场。
中国 AI 公司正在争论，中国企业把 AI 服务，到底看成是 SaaS 产品（规模较小）还是云计算（规模较大）？目前，AI 的发展趋势似乎更倾向于云计算。
我们听说，像 Anthropic 或 OpenAI 这样的美国 AI 公司，每年购买训练数据（或者强化学习环境）就会投入超过1000万美元，累计投入更是高达数亿美元。我们很想知道，中国 AI 公司是否也是如此。
得到的答案是中国几乎没有数据产业，因为很多 AI 公司觉得，中国的数据产品质量较差，因此自行准备数据往往更为理想。
研究人员会花费大量时间来构建强化学习训练环境，而像字节跳动和阿里巴巴这样的大公司则拥有内部数据标注团队来支持这项工作。
谁才是中国 AI 领域真正的幕后推动者？相当于硅谷的红杉资本和 a16。
我的一个朋友的答案是：上海、北京和杭州的市政府。这些勤奋却又精疲力竭的政府官员，完全被"害怕错过"和竞争焦虑所驱使，正在拼命推动本地 AI 产业。
大学生朋友看过来，AI 时代怎么培养自己的能力，不落入简历和笔试的汪洋大海，可以考虑一下今年暑期的 XEngineer 实训营。
它由上市公司七牛云创始人兼 CEO 许式伟发起，面向 2025-2029 届高校毕业生及在校生，不限学历，不限专业，只需提交一个作品方案或项目成果，就能申请。
它训练学员在 AI 时代的产品能力和架构能力，指导你从真实需求出发，思考清楚，再亲手设计、实现、上线一个项目。
你可以体验到互联网公司的真实工作，培养自己的实战能力，获得求职资历和 Offer 机会。
现在访问 hr.qiniu.com 或扫描下方二维码，就可以报名。越早报，越早锁定名额，等到7月暑假开营。
报名后，你会收到具体议题，需要在72小时内围绕议题，提交作品方案与项目成果。组委会进行评审，以及后续的路演/交流，在开营前评选出优秀作品，颁发奖金，总额为20万元。
开营后，暑期2个月，会有资深导师团和助教指导学员，完成一个真实项目。
1、我用 AI 寻找 Bug 的经历（英文）
作者用 AI 寻找编译器的 Bug，结果发现运行 AI 的费用比他的工资高一个数量级。而且，如果付出更高的费用，还能发现更多的 Bug。
他第一次感到，AI 的价值大于他的价值。
2、负载均衡的节点健康检查（英文）
本文介绍了负载均衡可以做在服务器，也可以做在客户端，这两种情况下如何检查有故障的节点。
3、HTML 替代 JS 的四种场景（英文）
本文提出，HTML + CSS 已经足够强，很多场景可以不用 JS，只用 HTML 实现，比如弹框和浮层。
4、网页如何链接电话号码（英文）
手机浏览器打开网页时，遇到网页里面的电话号码，会自动添加链接，点击链接可以拨打电话。本文教你怎么定制这个行为，包括取消链接，或者点击拨打其他号码。
5、使用自定义 HTML 元素（英文）
网页完全可以用自定义的 HTML 元素，取代div，提供更好的语义。
6、挑战者深渊有多深（英文）
一篇图文介绍，用生动的图片解释地球最深处"挑战者深渊"（Challenger Deep），深达约11000米。
Mac 系统的命令行程序，显示一个进度条，让你跟着慢速呼吸，大概每分钟6次，从而改善心脏功能。
2、NMLinux
Linux 系统的网络管理图形面板。
3、Penpot
一个开源的设计工具，可以替代 Figma，将可视化的布局设计转为 CSS + HTML 代码。
4、sky adb
运行在安卓手机上的 ADB 管理工具，通过 WiFi ADB / Wireless Debugging 管理手机、平板、电视盒子。（@sky22333 投稿）
5、readNeo
微信读书数据面板，连接微信读书 Skill API，可视化书架、阅读统计、笔记划线，提供一键导出。（@extrastu 投稿）
6、AppPorts
一个开源应用，将 macOS 应用程序迁移至外部存储，同时保持这些应用的正常运行，可以随时还原。（@wzh4869 投稿）
7、欢乐斗地主
开源的终端斗地主游戏，使用 Go 语言实现，支持联网对战、断线重连、智能机器人等功能。（@palemoky 投稿）
8、fuckssh
命令行工具，封装了 SSH 相关命令，为服务器密钥配置提供交互式向导。（@hczs 投稿）
这个 Python 工具检查某个 GitHub 仓库的星星有多少是假的。
这个开源工具使用 Web 界面，管理 Nginx 反向代理，并自动开启 SSL 证书，参见介绍文章。
一个开源数据库，收集所有 AI 模型的规格和价格。
2、pixtuoid
一个很有创意的工具，用像素小人代表 AI Agent，在终端动画中显示工作进展。（@IvanWng97 投稿）
使用 AI 生成可点击的图册（一系列相关图片），根据点击位置的文字，自动进入对应的下一页图片，可以参考示例《2026世界杯》。（@imcuttle 投稿）
命令行工具，扫描个人相册，通过 AI 为每张图片生成结构化描述，结果保存在本地 SQLite，可导出 JSONL / CSV。（@SeanWong17 投稿）
1、高考真题大全
这个网站收集各省历年的高考试卷，另可参考这个 GitHub 仓库。（@urongda 投稿）
1、圆柱投影
为地球绘制平面地图，本质上就是将球面坐标映射成平面坐标。
一种方法是，想象有一张纸，围成一个圆柱体，包住地球。然后，按照地球自转方向，将地面的每个点，投影到这个圆柱体。
经过一年的考虑，我决定离开程序员岗位，退休了。
退休的原因不是能力有问题，而是我不想再干下去了。
每个人最终都会达到一个临界点，无法再做他们一生都在做的事情。这跟年龄无关，我认识比我年轻得多的人，他们也放弃了程序员职业。
我见过的退休原因有下面几种。
（1）能力不足。你再也完不成分配给你的任务，你的能力不适合行业的需求。
（2）缺乏欲望，对这个行业丧失了兴趣。
（3）就业市场不好，或者雇主倒闭，你找不到下一份工作。
（4）技术过时，你的技能无人需要。
（5）你发现其他值得做的事情。
（6）你赚了很多钱，然后觉得筋疲力尽，没有足够动力了，发现自己不再关心手头的事情。
所有程序员最终都会因为上述原因之一，而放弃程序员工作。
我也见过一些人，他们看重薪水，只要有工资，不管是否喜欢，都会一直做下去。这也是一种选择，但我不愿意这样，一边工作一边痛苦，这不值得。
我喜欢做出改变并接受挑战去做重要的事情和工作。钱固然很好，但我喜欢做出改变。
每个人最终都会到达一个工作、雇主、行业、甚至整个职业生涯结束的时刻。诚实并做出明智的决定比发现自己落后并可能被迫退出要好得多。
1、
人为什么有眼白？大多数哺乳动物（比如猴子和猩猩）都没有眼白。一种解释是，这可以让我们发现别人在看哪里。
-- 《人为什么有眼白》
2、
（微软 CEO）纳德拉成功的一个原因是，他终结了 Windows，准确说是终结了 Windows 作为微软的核心产品，他更专注开发无处不在的软件和覆盖一切的云平台。
-- 《微软的 AI 策略》
3、
1969年，两个美国医生建立了一个心理模型，分析绝症患者的心理，提出了否认、愤怒、讨价还价（恳求）、沮丧和接受这五个阶段。该模型现在也被用于分析人工智能导致的失业案例。
-- 《AI 带来的工作悲伤》
4、
氛围编码生成的是代码，工程生成的是系统。氛围编程不是工程。
-- 《氛围编程不是工程》
5、
谋生方式有三种：（1）对想听假话的人说假话，你就能发财。（2）对想听真话的人说真话，你可以维持温饱。（3）对想听假话的人说真话，你会破产。
-- 《三种谋生方式》
Bug 追踪系统的正确样子（＃352）
创业虽然好，不敢推荐了（#302）
互联网创业变难了（#252）
三个有启发的学习方法（#202）
（完）
2026-05-29 08:08:39
这里记录每周值得分享的科技内容，周五发布。
本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（[email protected]）。
去年开放的浙江省安吉县的安吉文化艺术中心。当地盛产竹子，屋顶都采用竹叶造型。（daemin_kg@ig）
上周，OpenClaw（龙虾）的创始人彼得·斯坦伯格（Peter Steinberger）贴出了自己的 Token 使用量。
他不是故意炫耀，自己用了多少 Token，而是为了介绍工具软件 CodexBar。这个菜单栏小工具可以统计你的 Token 使用量，计算出对应的费用。
大家猜猜看，他用了多少 Token？
根据截图，他一个月发出了760万个请求，消耗的 Token 数量为6030亿。根据预设的费率，这些 Token 价值130万美元！
也就是说，他的 AI 编程平均每天要花费4万多美元。
当然，这个数字不是真实支出。因为他是 OpenAI 公司的员工，可以无限量免费使用公司的 Token。所以，这些钱并不是真实的支出。
但是，他的 Token 使用量是真的。绝大部分公司需要外购 Token，大家可以用他的例子计算一下，如果一个程序员每月用掉几千亿、甚至上万亿的 Token，公司要出多少钱？
他一个人一个月130万美元，相当于近900万人民币，一年下来超过1亿人民币！ 这就是放开使用顶级模型，公司要支付的费用。
如果改用便宜的模型，国内最便宜的开源模型，价格大约是国外旗舰模型的1/30到1/50，那么一年就是200万～300万人民币。
结论就是，如果放开不限量使用，一个程序员一年最少会花掉两三百万人民币的 Token 费用。要是使用美国的旗舰模型，费用会快速上涨到几千万甚至上亿人民币。
公司想要降低成本，有两个方法：一是购买包月套餐，但是大项目不够用；二是自己架设开源模型，省掉外购的费用，但是硬件费用不便宜，而且最强的模型目前是不开源的。
权衡下来，我猜想，公司几乎肯定会设置限制，不允许程序员无限量使用外部模型。那样的话，巨额的 Token 费用难以承受。程序员的工资已经不低了，再加上每人每年至少几百万人民币的 Token 费用，公司的开发成本会爆炸的。
大家可以说说，有没有公司对程序员提供外部模型无限量 API 调用？我是没有听说过。
事实上，因为 Token 费用太高，公司收紧 AI 编程的例子，我倒是知道几个。
比如，网约车巨头 Uber 今年头四个月就花完了全年34亿美元的 AI 预算，不得不限制使用 AI 了。
再比如，微软也因为费用超标，放弃了 Claude Code，改用自家托管的 OpenAI 模型。
如果 Uber 和微软这样的巨头，都承受不了巨额的 Token 费用，那大概就没有公司能够承受了。
总之，AI 编程虽然听起来很美好，但是看到账单的那一刻，公司就会清醒：AI 编程比真人程序员昂贵太多了。
所以，AI 会替代程序员吗？对于有大型软件项目的公司，我认为不会大规模替代，因为成本放在那里。至少现阶段如此，如果未来 Token 费用大幅下降，那就难说了。
Turso 是一个开源的云数据库，代码放在 GitHub。
它有一个赏金计划，给予发现漏洞的人1000美元奖金。本来运作得挺好，自从大模型可以用来发现漏洞以后，事情就不对了。
它的仓库的 PR 页面（外部代码提交）已经变成下面这样。
提交漏洞的人泛滥成灾，都是冲着奖金而来。他们所谓的漏洞，往往是故意注入垃圾字节，或者是配置错误，自然就是无法运行。
开发团队精疲力尽，不胜其扰。有时候，关掉这些 PR，提交者还会跟你争论，用 AI 生成的长篇大论告诉开发团队"我没错，你们搞错了"，令人啼笑皆非。
最终，开发团队只能宣布，终止赏金计划，提交漏洞和 PR 都不会有奖金。
炮制垃圾内容的人可能只需要一分钟就能提交，但我们却要花费数小时来阅读、理解和回应。而且，这类内容的生成速度几乎是无限的。
虽然可以设置自动化脚本来过滤 PR，但由于涉及到奖金，提交 AI 代码的动机实在太大，总是有人无休止地争论、重新打开同一个 PR 等等。
这件事告诉我们，传统的漏洞赏金计划在 AI 时代大概率行不通。以后，发现漏洞很可能没有奖金。不知道这会不会导致线上攻击行为的增加。
1、体重与气温
一支耶鲁大学的考察队，发现阿根廷的猫头鹰猴比25年前更重。2023年的猴子平均体重比1999年重了50克，相当于增加了4%。
科学家认为，这与气温上升有关。1999年阿根廷的日平均气温为22.2摄氏度，2023年上升到了23.8摄氏度。
气温上升使得猴子减少用于体温调节的能量消耗，从而有额外的卡路里来增重。
该理论看上去也适用于人类，也就是说，全球变暖可能让胖子变多。
2、人工蛋壳
美国生物科技公司 Colossal 制造了"人工蛋壳"，已经孵化了26只小鸡。
它的外壳是一个坚固的六边形杯状结构，起到支撑作用；内壁是一层半透膜材料，能让氧气轻松通过，又能保持水分。
科研人员将小鸡胚胎放入"人工蛋壳"，在孵化箱中成功孵化了小鸡。
上图中，蛋壳上方是透明的，可以观察内部情况。
Colossal 公司制造这个装置的目的，是为了复活已经灭绝的渡渡鸟。否则，就算做出了渡渡鸟的克隆胚胎，还是要放在其他动物（比如鸵鸟）体内进行繁殖。
3、艺术抗议
保加利亚首都索非亚，马路上有一个小坑，市政府长期不修补。
两个艺术家感到不满，就在这个小坑上涂鸦，画了一个生气的鬼脸。
鲜艳的图案让司机和行人更容易注意到，减少了事故。同时，也引起了大众的兴趣，新闻媒体纷纷报道，小坑很快就修补了。
这件事告诉我们，不满还是要表达出来，可以推动解决，并且采用艺术形式表达，效果会比较好，容易让人接受。
1、内存涨价的原因（英文）
内存厂商生产三种内存：DDR（桌面电脑用的内存）、LPDDR（手机用的低功率内存）、HBM（AI 机房用的高带宽内存）。
由于 AI 公司对 HBM 的需求激增，开出高价，内存厂商的生产能力转向 HBM，减少了 DDR 和 LPDDR 的产量，导致消费电子设备的内存短缺，价格上涨。
2、我开始研究 Reticulum（英文）
Reticulum 是一个自己组网的项目，可以在各种物理网络（WiFi、有线网、无线电、LoRa 等）之上架设虚拟网络，本文是一个简介。
3、预热你的 MacBook（英文）
一篇很冷的文章，Mac 系统有一个 stress 命令，用来让 CPU 运行负载。本文提出可以用这个命令，让冬天冰冷的 MacBook 金属外壳变热。
4、为什么我反对布尔逻辑（英文）
一篇偏哲学思辨的文章。布尔逻辑只有两个值（真和伪），作者认为，这会导致非黑即白的二元思维。真实世界是非布尔逻辑，充满了不确定性和不唯一性。
5、为什么中心极限定理无处不在？（英文）
一篇科普文章，介绍中心极限定理的历史和含义。这个定理发现了样本平均值的分布规律，所以极其重要。
样本平均值满足正态分布，但有两个注意点，一是每次的样本必须相互独立，二是有时异常值比平均值更重要。
开源的 docx 文件的网页编辑器，所见即所得。
2、DvnIP
动态 IP 服务，个人用户免费。
3、Graphite
一个矢量作图的 Web 应用，代码开源。
一个命令行工具，扫描本地的 git 仓库，生成 GitHub 风格的个人提交热力图。
5、NyaTerm
跨平台的桌面应用，将 SSH、终端会话、远程文件、认证信息、端口转发和配置备份放在同一个工作区。（@nyakang 投稿）
一个命令行工具，展示 docker 镜像内部的每一层文件列表。（@vicanso 投稿）
白板录制的网页应用，在浏览器中直接绘制、演示、录制白板风格的内容。（@Hao4Wang 投稿）
开源的英语听说训练 App。（@echo-loop 投稿）
9、Vue TUI
基于 Vue 的终端组件库，可以用来开发 agent。（@Simon-He95 投稿）
10、witr
命令行工具，显示当前每个进程对应什么命令，可以用命令名或端口号查询。
专为 DeepSeek 设计的终端 AI 编程 agent，充分利用了缓存机制，可以极大降低费用，只支持 DeepSeek 的付费 API。
2、FunASR
阿里通义实验室开源的工业级语音识别工具包，最近推出了桌面语音输入法工具。（@LauraGPT 投稿）
另有两个基于它的衍生工具。
一站式本地 AI 编程智能体管理面板。统一管理 Codex、Claude Code、Gemini CLI、CodeBuddy、OpenClaw、Gemini CLI。（@ymkiux 投稿）
1、微积分其实很容易
著名教材《Calculus Made Easy》非官方中文版，一本易读的微积分入门小书，可以在线阅读。（@KeyAI 投稿）
山西省隰县小西天的网页 3D 全景导览。
3、C 语言小测验（英文）
一组 C 语言的语法选择题。
1、袖珍计算器博物馆
德国有一个网上博物馆，专门收集各种袖珍计算器，里面有一些奇特的电子计算器。
1、行为经济学诱饵
行为经济学家丹·艾瑞里，有一天闲逛《经济学人》官网。
他在订阅页面上，看到了三个选项：
A. 电子版----59美元。 B. 纸质版----125美元。 C. 纸质版＋电子版----125美元。
他愣住了。
B 和 C，价格一模一样。一个只给纸质版，一个纸质版加电子版全送。谁会选 B？
傻子都不会啊。但艾瑞里没有笑，马上意识到这是一个绝妙的设计。
他拿着这三个选项，走进了麻省理工学院（MIT）的课堂，做了一个实验，让100个学生对这三个选项进行选择。
结果：16%的学生选了 A，0%选了B，84%选了C。订阅费总收入：11,444美元。
跟预想的一样，没有一个人选 B。
然后艾瑞里做了一件小事：他把 B 删了，只留 A 和 C。
逻辑上，一个从来没人选的东西，删掉它不应该影响任何结果，对吧？
结果出来了：68%选了 A，32%选了 C。订阅费总收入暴跌到8,012美元。
这就是选项 B 的作用。它从来没人选，自己一份都没卖出去，却在暗中帮旁边的最贵的 C 套餐，多卖了52%。
仅仅因为它的"存在"，就让杂志社多赚了3,432美元。这就是行为经济学中著名的"诱饵效应"。
原理很简单：人类不擅长判断一个东西的"绝对价值"，但极其擅长做"相对比较"。
当只有59美元和125美元两个选项时，你的大脑在比较"便宜 vs 贵"，大多数人选便宜的。
但当"125美元只买纸质版"这个诱饵一出现，你的大脑就不比较 A 和 C 了，它开始比较 B 和 C。
同样的价格，C 多了一个电子版。天哪，这不是白捡的吗！于是你心满意足地选了 C。
浑然不知自己刚刚多花了66美元----买了一本可能一辈子都不会翻开的纸质杂志。
这个套路如今无处不在。咖啡店的中杯定价，只是为了让你觉得大杯"更划算"。视频网站的月卡，贵到让你觉得年卡"不买就亏"。
手机发布会上，永远有一款"高价低配"机型，它唯一的使命，就是让旁边那款旗舰机型看起来"性价比极高"。
当你觉得自己占了便宜的时候，多半是有人精心摆放了一个诱饵，让你心甘情愿走进了更贵的那扇门。
那个没人选的选项，才是全场真正的主角。
1、
很多人看不到 AI 改变世界的潜力，原因在于他们不明白一切事物都是算法。
具体来说，他们没有意识到，社会和公司只不过是一系列算法的集合。
-- 《公司不过是算法图而已》
2、
为了应对"软件包投毒"，现在的流行做法是，新发布的软件包设置一个冷却时间，普通用户需要过了"冷却期"才能安装这个包。
这种机制可以有效抵御供应链攻击，但它有一个棘手的问题：它依赖于其他人先安装这个包。到哪里去找这些人，第一时间试用每个新发布的包呢？
-- 《软件包应该分阶段推出》
3、
AI 可以一对一的定制化教育，效果更好，大学对很多人将变得没有价值。
-- 萨姆·奥特曼（Sam Altman），OpenAI 公司首席执行官
4、
那些从未编写过一行代码的非技术型中层管理人员，现在感觉通往成功的最大障碍已经消失。
他们再也不用应付那些烦人的程序员了，不需要程序员就能更改网页样式和用户体验，自己实现某些功能。而且，AI 不会抱怨，不会组织工会，也不会抗议，只会服从任何命令。
5、
我喜欢 PHP 的一个理由是，它的变量使用美元符号（$）识别，这会提醒你，你使用它是为了什么。
-- 《PHP 的奇特之处》
GitHub Issues（几乎）是最好的笔记应用（#351）
OpenAI 的图书馆工位（#301）
国产单板机值得推荐（#251）
中国需要成立半导体部（#201）
（完）
2026-05-22 07:58:35
这里记录每周值得分享的科技内容，周五发布。
本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（[email protected]）。
马岩松事务所设计的海南科技馆，今年五一开馆。（via）
AI 相关的所有东西，最近都在上涨。
看看股票，就知道了。内存、储存、CPU、服务器、液冷、光通信、变压器......股价全部在涨，更不要提，前期已经涨过的芯片、模型、算力了，甚至铜和铝也在涨。
这些股票的上涨幅度之大，令人咂舌。就以内存为例，世界三大内存厂商有两家在韩国，单单这两家公司就把韩国股市，从2600点一年之内拉到7600点。
2024年10月，三星公司董事长还因为半导体业绩不佳而道歉，结果今年很可能成为世界最赚钱公司。
另一家内存大厂 SK 海力士更夸张。它跟工会有劳资协议，10%的利润要分给员工。有人计算了，门卫、司机、前台都算进去，每个员工今年平均可以拿到奖金610万人民币。
至于 AI 模型公司，更是人人都是亿万富翁。OpenAI 去年向600个员工回购了66亿美元的股票，平均每人拿到近1000万美元。
这些事情表明，社会财富正在重新分配，快速向 AI 集中。
这影响到了所有人。哪怕你根本不使用 AI，但是物价的上涨、资金从本行业流向 AI，不可避免影响到你。
日常使用的电子设备（手机和电脑）、电子元件、基本的生产资料（比如铜和铝）都在涨价。如果你在一个跟 AI 无关的行业，很可能吃不到 AI 的红利，反而被它伤害，因为你会面临成本上升、需求不足、投资减少。
古人说"一将功成万骨枯"，AI 的崛起不知伴随着多少其他行业的陨落。
虽然每一次技术革命，都必然伴随财富的重新分配。但是，这一次的 AI 革命，推进速度格外快，力度格外大，引发的再分配效应也格外猛烈。
作为一个普通人，尤其是身在互联网和软件行业的普通人，似乎也没有其他选择，总是被财富诱惑，只能紧跟潮流拥抱 AI。
糖尿病人需要控糖，不仅要少吃糖，还要少吃碳水化合物（米饭和面粉），因为碳水最终也会变为糖。
所以，他需要知道，食物里面含有多少碳水。
很自然的想法就是，吃之前拍一张食物照片，交给 AI 估计碳水含量。
一位英国医生就做了一个实验，把13张食物的照片（比如奶酪三明治、西班牙海鲜饭、焦糖布丁）提交给四个大模型----GPT-5.4、Claude Sonnet 4.6、Gemini 2.5 Pro、Gemini 3.1 Pro----估计碳水含量。
结果让人大跌眼镜，四个模型给出的回答不一样。而且，同一张照片多次提交给同一个模型，回答也不一样。
就拿上面这张西班牙海鲜饭的照片为例，分别多次提交给四个模型，模型的估计值如下图。
可以看到，每个模型估计同一张照片的碳水含量，波动范围都很大。其中，波动最大的是 Gemini 2.5 Pro，碳水含量估计值从 55 克到 484 克，整整相差了 429 克！估计值相对集中的是 Claude Sonnet 4.6，但波动范围也不小。
再以奶酪三明治的照片为例，包装上注明的碳水含量为40克，但 GPT-5.4 估计值平均为74克，其他三个模型为28克，都不正确。
另外，大模型也无法准确识别食物，比如有时会认为奶酪三明治里面夹着一块熟肉。
所以，别用大模型估算食物的碳水含量，也不要让大模型做任何精确的医疗估算，它根本做不到。
很多网站登录时，会给你发一条验证码的短信。
这种做法有风险。首先，攻击者可能会欺骗移动运营商，将你的电话号码绑定到他的 SIM 卡，从而短信都发到他的手机。其次，短信是明文发送，很容易泄漏。
微软公司本周确认，将放弃短信验证码，改用 Passkey、一次性时间码（TOTP）、以及验证过的邮件地址。
其中，Passkey 密钥将是 Windows 11 以后主要的验证方式。
这种做法就是为每个用户生成一对密钥，保存在 Windows 的密码管理器，只有通过面部识别、指纹扫描器或 PIN 码才能唤起私钥验证，安全性非常高。
下面是一篇 Passkey 的介绍文章（英文），侧重于概念，写得言简意赅，可以参考。
本月，亚马逊宣布推出"亚马逊供应链服务"（ASCS），把自己的货运、配送、仓储和包裹运输向用户开放。
任何公司现在都可以把自己的商品业务，建立在亚马逊的物流基础设施之上，宝洁、3M 等公司已经开始用了。
这让人想起了2006年，亚马逊开放了自己的网络基础设施，做成 AWS（亚马逊网络服务），直接导致云时代的到来。
现在，它又开放了仓储和物流，会不会改变制造业？
以后，做实物产品越来越简单了，只要把产品设计出来，生产可以外包，物流和销售都可以购买标准化服务。
最近，我看到一个模型玩具，感觉很不错。
这是深圳一家公司推出的19世纪机械打字机模型。买回家后，需要自己拼装。
最有趣的是，拼装好以后，它可以用来打字，但功能比较少，不能切换大小写，只支持大写字母。
它不仅是模型玩具，还可以用来了解打字机原理，在海外市场也引起了关注。
1、GitHub Pages 有域名盗用问题（英文）
如果你的域名指向 GitHub Pages，最好看一下这篇文章，某些情况下，你的二级域名可能会被盗用。
2、JavaScript ShadowRealm API 简介（英文）
ShadowRealm 是一个新的 JS API，允许在单线程环境里面建立多个域，每个域拥有自己的全局对象，独立运行，互不干扰，可以彼此通信。
3、Firefox 配置指南（英文）
作者介绍自己的做法，将 Firefox 配置成一个好用的浏览器。
4、被撤销证书的检查机制（英文）
网站的 HTTPS 证书可能会被证书当局撤销，用户如何知道呢？本文介绍现有的三种检查机制。问题是它们都有缺陷，Chrome 没有采用任何一种。
5、临时性基础设施（英文）
本文提出，大型系统除了绝对需要保持状态的部分（例如数据库、消息队列等），其余部分都应采用无状态的临时性基础设施（比如容器）。
6、微型铝热反应（英文）
铝热反应是指，铝与氧化铁（铁锈）在高温下发生剧烈放热，温度可达2500~3500℃。本文介绍一种引发微型铝热反应的方法：两只生锈的铁球，一只包上铝箔，互相碰撞即可。
1、Abogen
一个跨平台的桌面应用，将 ePub/PDF/text 文件转成有声书。
通过可视化图形、生成 FFmpeg 命令的网页应用，代码开源。
获取股票行情的开源 JavaScript SDK，纯前端抓取，无需后端服务，实时行情来自腾讯财经/东方财富等公开接口。（@chengzuopeng 投稿）
4、Zephyr
开源的 Mihomo/Clash 跨平台桌面客户端。（@Juwan-Hwang 投稿）
5、DimCut
开源的剪辑软件，将时间轴折叠成多行，并在时间轴上方显示插入的文字，所有处理在本地浏览器完成。（@hughfenghen 投稿）
隐藏在 Macbook 的刘海里面的便签工具，鼠标 Hover 时自动展开。（@oil-oil 投稿）
针对 AI 吐出的流式 markdown 的渲染库，提供 Vue 实现。（@Simon-He95 投稿）
跨平台的 TXT 文件桌面阅读器，可以给内容上色，还支持章节识别、空行压缩、行首缩进、语音朗读、AI 阅读助手等功能。（@ssnangua 投稿）
9、Forgejo
Gitea 的一个分叉项目，可以用来搭建自己的 Git 服务器，自带 Web 前端，作为个人的 GitHub 服务。
开源的 VS Code 插件，实时编辑预览 HTML 文件。
移除 AI 图片水印的命令行工具，也是一个 Python 软件包，可见水印和不可见水印（比如谷歌的 SynthID）都能移除。
2、AVC（Agent View Controller）
将 AI Agent 终端的确认文字，变成可交互的网页弹窗，可以作为 Agent 的 Skill 使用。（@study8677 投稿）
3、Lucarne
把本地运行的 AI Agent 接到微信 / Telegram，让你离开电脑也能收到进展、审批权限、回复问题、接续会话。（@tuchg 投稿）
每秒生成10个 token，是快是慢？20个呢？这个网站让你在线体验 token 生成速度。
1、高斯泼溅作品集
高斯泼溅（Gaussian Splatting）是一种算法，可以将多张照片合成为 3D 图像。
网站 SuperSplat 提供在线的高斯泼溅处理，可以上传照片进行处理，还能浏览很多合成好的 3D 模型。
大家看作品《草莓》，效果非常好。
2、IP66
免费的 IP 地理位置数据库，可以自由下载，在脚本中调用查询。
1、支撑智利的双手
智利是世界最大的产铜国，近一半的出口为铜，占世界年供应量的比重最高为60%，至今仍有25%。
智利最大的铜生产中心在阿塔卡马沙漠，沙漠入口的小镇有一个雕塑《支撑智利的双手》。
这个雕塑是一双巨大的铜制双手，托举起智利地图，象征此地的铜矿对智利的巨大贡献。
下面是智利沙漠铜矿的照片，可以看到巨大的矿坑和旁边矿石的沉淀池。
2、S 形曲线
有一个经验法则，所有的增长曲线最终都会变成 S 形曲线。
比如，下面是指数式增长曲线。
最终，增长会放缓，变成 S 形曲线。
这是普遍现象，所有增长曲线最终都会变成下面的这样，增长曲线到一定阶段后就会变平。
1、多面手和专才
自从我成为自由职业、独立接活以后，我一直感受到多面手程序员与专家程序员之间的对立关系。
我发现有一句话很准确："理论上，所有公司都喜欢适应性强、能承担多个岗位的程序员。但实际上，大多数招聘职位更偏向专家。"
这意味着，即使你是多面手程序员，找工作时也必须让自己看上去像专家。
我的问题是，我不觉得自己的技能属于特定类别。我把自己看作一个解决问题的黑客，受好奇心驱动，解决那些自己有兴趣的问题。
什么工具适合解决某个问题，我就学习使用那种工具。
然而，在我独立接活后，将自己说成多面手，就很影响我招揽客户。客户希望听到你说自己是专家，而不是说"我是计算机通才"之类的模糊说法。他们的问题包括：你是前端工程师还是后端工程师？你使用 .NET 还是 Python？你专长于 AWS 还是 Azure？......
我不怪他们......客户面对的是具体的问题，确实很难评估雇佣多面手程序员的价值。
于是，我决定改变沟通策略，说人们想听的话。我对自己的定位变成了，一位专注于系统编程和开源软件的 Rust 专家程序员。我按照这个定位包装自己。
它很快就发挥了作用，让我整年都有工作合同！
长时间洗澡或游泳，皮肤会出现皱纹，甚至变色，这是为什么？
你可能不相信，这至今仍然是一个未解之谜，并没有公认的解释。
以前的看法是，这是因为皮肤吸收水分后膨胀，导致肿胀和弯曲。但是上个世纪30年代的研究人员观察到，手指神经受损的人浸水后不会形成皱纹。这说明，皱纹原因与皮肤无关，而与神经系统有关。
现在，科学界的主流解释是，当手和脚与水接触超过几分钟后，皮肤中的汗管就会打开，让水流入皮肤组织。
皮肤增加的水份，会减少皮肤中盐的比例。神经系统就会向大脑发送盐水平降低的信号，进而神经系统就会做出反应，开始收缩血管，减少水的渗入。
血管收缩了，但是最外层的皮肤并没有变小，就会导致外侧的皮肤失去了支撑，就会像泄了气的气球一样，自上而下地下陷，形成皱纹。这就像干了的葡萄起皱一样----它内部失去的体积多于表面积。
这种血管收缩还会导致皮肤变苍白，因为皮下血管的血液减少了。这与你洗热水澡时，血管扩张而导致皮肤变红的情况正好相反。
所以，皮肤起皱是由神经系统引发的。如果神经受损，血管就收不到大脑信号，不会发生收缩，皮肤也就不会起皱。
1、
过去一两年，我一直完全依赖 AI 进行编程，自己一行代码都没写过。
有一天，我自己动手写了一篇文章，没有用 AI，但写完后我忍不住把它复制粘贴到 Claude 里，看看 AI 怎么想，因为我担心文章逻辑混乱、文笔幼稚，或者漏掉了什么内容。这就是大量使用 AI 的后果，它让你滋生自我怀疑，我已经不太相信自己，更相信 AI 了。
2、
无论工具发展到何种程度，无论它们变得多么强大，它们始终只是工具。它们无法取代我们的理性和价值观，依然由你来选择什么值得去创造。
3、
我建议放慢速度，给自己一些时间，思考你到底在构建什么，以及为什么要构建。这样你才有机会告诉自己"不，我们不需要这个"。
-- 《放慢速度》
4、
石油行业有一句谚语：一家健康的石油公司由一位地质学家负责，一家成熟的石油公司由一位工程师负责，一家衰落的石油公司由一位会计师负责，一家垂死的石油公司由一位律师负责。
Java 三十周年（#350）
三十年，解决人生三大问题（#300）
新技术的最大风险（#250）
低期望，多尝试（#200）
（完）
