1. 我们将重启Pebble智能手表项目；
2. Google开源Pebble智能手表操作系统；
3. 裁员彻底改变了我对工作的看法；
4. Nvidia和ASML因DeepSeek引发科技股抛售；
5. Rebble的未来；

以上是今天的前五条黑科技新闻标题。

总共20条，具体内容您往下读…

1. 我们将重启Pebble智能手表项目

🔗 repebble.com: We’re bringing Pebble back

Pebble创始人Eric Migicovsky宣布联合团队开发开源PebbleOS的新款智能手表，延续经典特性：长续航、电子墨水屏与极简设计，并加入新功能。得益于Google将PebbleOS代码开源及社区支持（如Rebble团队），开发者可自由改造系统或打造新硬件。项目启动需用户预注册反馈，目标复刻“无法替代”的Pebble体验。文中强调社区贡献与开源生态对重启计划的关键作用。

2. Google开源Pebble智能手表操作系统

🔗 opensource.googleblog.com: Google open-sources the Pebble OS

Google宣布将已停产的Pebble智能手表操作系统源代码公开，支持志愿者社区延续设备维护。该系统曾驱动超200万块手表，拥有逾万款应用生态，采用FreeRTOS架构实现低功耗高性能，含通知、健康追踪等核心功能。因部分芯片支持与蓝牙协议栈代码涉及专利未开放，当前版本无法直接编译。此举旨在协助Rebble社区突破硬件限制，未来需填补缺失模块并更新代码以适配现代开发环境。

3. 裁员彻底改变了我对工作的看法

🔗 mertbulan.com: A layoff fundamentally changed how I perceive work

作者在经历公司裁员后，反思了现代职场的不稳定性。尽管他表现优异、超出预期，甚至获得高层认可，但裁员时仍被视为Excel表格中的一行。他总结了裁员的预警信号，如团队活动取消、领导缺乏明确愿景等，并指出员工与公司之间的信任已破裂。他建议职场人保护个人时间、持续面试，并避免过度投入公司内部晋升。

4. Nvidia和ASML因DeepSeek引发科技股抛售

🔗 finance.yahoo.com: Nvidia’s $589B DeepSeek rout

Nvidia和ASML股价大幅下跌，因中国AI初创公司DeepSeek发布的开源AI模型被认为与OpenAI和Meta的模型性能相当，但成本更低。这引发市场担忧，认为其可能颠覆依赖高端芯片和大量计算资源的现有AI商业模式。Nvidia和ASML分别设计AI芯片和制造芯片设备，此前受益于AI支出激增。美国对华半导体出口限制未能阻止中国AI工程师在资源有限的情况下实现突破。

5. Rebble的未来

🔗 rebble.io: The future of Rebble

2025年1月27日，Rebble宣布了多项重要进展。Google开源了PebbleOS，这将加速Rebble开发新硬件的进程。Rebble将转型为非营利组织，确保社区拥有并推动其使命。此外，Rebble计划在3月举办RebbleOS黑客马拉松，并获得了Snowy的源代码，未来将进行升级。Rebble的未来充满希望，致力于打造开源、社区驱动的智能手表。

6. 我尝试将所有 NPM 包缩小 5% 的失败经历

🔗 evanhahn.com: My failed attempt to shrink all NPM packages by 5%

Evan Hahn 在 2022 年提出一个想法，通过使用 Zopfli 压缩工具替代 gzip，将新发布的 npm 包缩小约 5%。虽然实验证明可行且完全向后兼容，但 npm 维护者认为发布速度变慢和实施复杂性等问题使其不值得推广。最终，提案被拒绝，但作者从中学会了如何更好地提出建议和权衡利弊。

7. 泰勒发生器——所有频率都属于我们

🔗 scd31.com: The Taylorator – All Your Frequencies Are Belong to Us

作者开发了一款名为泰勒发生器的软件，利用软件定义无线电（SDR）技术，将泰勒·斯威夫特的音乐广播到整个FM频段（88-108 MHz）。通过调制100个音频流，每个频点播放不同歌曲，实现了“全频段泰勒化”。尽管性能优化颇具挑战，但最终在桌面电脑上实现了实时播放。需要注意的是，这种行为在大多数地区可能不合法。

8. 图解DeepSeek-R1

🔗 newsletter.languagemodels.co: The Illustrated DeepSeek-R1

DeepSeek-R1是一款专注于推理任务的语言模型，通过长链推理数据和大规模强化学习（RL）训练而成。其独特之处在于使用R1-Zero模型生成高质量推理数据，并通过SFT和RL结合的方式提升模型在推理和非推理任务上的表现。模型架构基于Transformer解码器，采用混合专家（MoE）层，进一步优化了推理能力。

9. 奥利弗·亥维赛与传输线理论 (2021)

🔗 pa3fwm.nl: Oliver Heaviside and the theory of transmission lines (2021)

奥利弗·亥维赛（Oliver Heaviside）在19世纪对传输线理论做出了重要贡献。他通过研究电报电缆，发现了电感和电容在信号传输中的关键作用，并提出了更精确的模型。亥维赛的工作不仅改进了电报系统，还为现代电磁理论奠定了基础，尤其是他将麦克斯韦的复杂公式简化为更易理解的“麦克斯韦方程组”。

10. 英伟达单日市值蒸发近6000亿美元，创美国历史最大跌幅

🔗 cnbc.com: Nvidia sheds almost $600B in market cap

英伟达股价周一暴跌17%，市值损失近6000亿美元，创下美国公司单日最大跌幅。此次抛售由中国AI实验室DeepSeek的竞争加剧引发，导致依赖英伟达芯片的数据中心公司股价大幅下跌。尽管分析师认为AI需求将持续增长，但市场对英伟达的高估值和潜在支出放缓感到担忧。

11. 我信任了LLM，现在我的下午项目已经拖到第四天了

🔗 nemo.foo: I trusted an LLM, now I’m on day 4 of an afternoon project

作者原本计划用一下午时间完成一个硬件项目Deskthang，通过Raspberry Pi Pico和Zig语言实现USB数据传输，展示GitLab构建状态。然而，过度依赖AI工具（如ChatGPT和Claude）导致代码混乱、数据传输失败，项目陷入困境。作者反思AI只是工具而非副驾驶，过度依赖会阻碍学习和项目进展。最终决定重写项目，并手动编写文档，重新学习Zig语言。

12. 阿尔法神话：圈养狼如何误导了我们

🔗 anthonydavidadams.substack.com: The Alpha Myth: How captive wolves led us astray

1974年，生物学家David Mech在动物园观察到狼群中的“阿尔法”支配行为，并将其误认为自然现象。然而，野外研究发现，狼群实际上是家庭单位，领导力通过合作与关怀而非暴力获得。这一误解影响了人类社会的领导文化，导致“圈养男性综合征”，强调竞争而非协作。如今，一些组织如Patagonia正在探索更自然的领导模式，强调平衡与合作。

13. 机器学习在生产中的应用（CMU课程）

🔗 mlip-cmu.github.io: Machine Learning in Production (CMU Course)

该课程涵盖从原型机器学习模型到生产系统的全生命周期，重点包括MLOps、负责任的人工智能（如安全性、公平性、可解释性）以及如何构建、部署和维护机器学习驱动的软件产品。课程面向具备基础编程和机器学习经验的学生，强调跨学科团队合作，培养学生在生产环境中设计、测试和扩展机器学习系统的能力。

14. Show HN: 我用 Racket 制作了一个 iOS 播客播放器

🔗 defn.io: Show HN: I Made an iOS Podcast Player with Racket

开发者使用 Racket 和 Swift 制作了一款名为 Podcatcher 的 iOS 播客播放器。该应用支持音频增强、静音修剪、变速播放等功能，且无广告和追踪。开发者还通过该项目改进了 Racket 的 XML 库和 HTTP 重定向处理。未来计划添加睡眠定时器和 Apple Watch 支持。

15. Go 1.24 的 go tool 是近年来生态系统中最棒的补充之一

🔗 jvt.me: Go 1.24’s go tool is one of the best additions to the ecosystem in years

Go 1.24 引入了新的 go tool 命令和 go.mod 中的工具指令，用于管理项目所需的工具。这一改进解决了以往使用 tools.go 模式时的性能问题和依赖树膨胀问题。通过 go tool，开发者可以更高效地管理工具依赖，减少间接依赖的影响，并提升构建和测试的性能。尽管存在一些小问题，如工具依赖被视为间接依赖，但整体上这一功能为 Go 生态系统带来了显著的改进。

16. 行动：腿——一位与众不同的飞行员

🔗 rafbf.org: Operation Leg – a pilot unlike any other (2020)

道格拉斯·巴德是二战期间一位非凡的飞行员，尽管失去双腿，仍重返英国皇家空军。他在敦刻尔克战役和不列颠之战中表现出色，并因倡导“大翼编队”而闻名。1941年，他在法国被击落，德国将军加兰德安排了一次特殊任务“行动：腿”，为他空投假肢。战后，巴德成为残疾人权益倡导者，并继续飞行至1979年。

17. 2020款特斯拉Model 3在2024年丹麦年检中四分之一未通过

🔗 fdm.dk: One in four 2020 Tesla Model 3 failed the Danish periodic inspection in 2024

2020款特斯拉Model 3在2024年的丹麦年检中表现不佳，23%的车辆未通过，远高于其他电动车的9%未通过率。主要问题集中在刹车、车灯、车轮和转向系统。数据显示，特斯拉Model 3的故障率是其他电动车的三倍，尤其是早期车型的质量和耐久性受到质疑。特斯拉表示，2021年后车型已进行改进。

18. SiFive的P550微架构

🔗 chipsandcheese.com: SiFive’s P550 Microarchitecture

SiFive的P550是一款3宽度的乱序执行核心，旨在提供比Arm Cortex A75更高的性能。P550采用13级流水线设计，具备9.1 KiB分支历史表和32 KB指令缓存，适合低功耗和高性能应用。与Arm A75相比，P550在分支预测和浮点运算方面表现更灵活，但在未对齐内存访问上表现较差。P550的L3缓存支持多核共享，适合从消费设备到边缘服务器的多种应用场景。

19. 瑞典扣押涉嫌破坏波罗的海光缆的船只

🔗 barrons.com: Sweden Seizes Ship Suspected of Baltic Sea ‘Sabotage’

瑞典当局周日扣押了一艘涉嫌破坏波罗海底光纤电缆的船只，检方已对“严重破坏”展开调查。该电缆连接瑞典和拉脱维亚，受损后引发关注。此事件可能涉及国家安全问题，目前调查仍在进行中。

20. 为什么OpenAI的1570亿美元估值误读了AI的未来

🔗 foundationcapital.com: Why OpenAI’s $157B valuation misreads AI’s future (Oct 2024)

OpenAI的估值高达1570亿美元，但其经济模式和技术护城河面临挑战。生成式AI的高成本和快速技术迭代使其难以维持长期盈利。同时，Meta等公司通过开放生态系统和广泛分发策略，正在削弱OpenAI的竞争优势。未来，AI领域的真正赢家可能是那些专注于解决特定行业问题的新创公司。