1. 美国女赛艇手独闯加州至夏威夷航程，刷新世界纪录；
2. 在 SQLite 中优先使用严格表；
3. 从第一性原理理解网络与互联网；
4. 《幽灵字体》：人类可读而AI难解的动态隐文实验；
5. AI 2040与智能崇拜；

以上是今天的前五条黑科技新闻标题。

总共25条，具体内容您往下读…

1. 美国女赛艇手独闯加州至夏威夷航程，刷新世界纪录

🔗 theguardian.com: Female US rower completes historic solo journey from California to Hawaii

美国大峡谷漂流向导 凯尔西·普芬德勒 历经近44天海上孤身拼搏，成功从加利福尼亚划艇抵达檀香山，成为 首位完成这段逾2400英里跨太平洋航程的美国女性，同时以 不足44天的成绩大幅改写男女速度纪录。她在社交媒体上分享了双手布满水泡、狂风巨浪中难以入眠等艰辛，也记录下自制淡水、防晒妙招和舱内苦中作乐的瞬间，吸引了数十万网友追随。普芬德勒坦言，希望自己的“勇敢尝试”能激励更多人迈出挑战的第一步，去完成那些看似遥不可及的“硬核”目标。

2. 在 SQLite 中优先使用严格表

🔗 evanhahn.com: Prefer strict tables in SQLite

作者强烈建议在 SQLite 中使用 严格表，它能有效防止将文本误插入整型列等 数据类型错误。只需在建表语句末尾添加 STRICT 关键字，即可启用严格模式，强制列仅接受其声明的确切类型（如整型列拒绝 'garbage' 字符串），但仍允许能无损转换的值（如 '123'）。同时，严格表会拒绝创建无效的列类型，只认可 INT、INTEGER、REAL、TEXT、BLOB 和 ANY 类型，其中 ANY 可保留完全的灵活性。严格表的主要局限包括无法直接通过 ALTER 将现有表转为严格模式，迁移时可能因历史脏数据报错；SQLite 官方团队更推崇灵活类型，认为在某些场景如键值存储或直接导入含噪数据时非严格表更合适；且该功能需要 SQLite 3.37.0 以上版本，旧版本无法读取含严格表的数据库。性能方面，作者实测未见明显差异。总体而言，作者认为严格表能以微小代价提前暴露类型隐患，大幅提升数据完整性，是值得推广的实践。

3. 从第一性原理理解网络与互联网

🔗 fazamhd.com: Networking and the Internet, from First Principles

这篇文章从最根本的物理原理出发，追溯了网络从电报、电话到现代互联网的演进。它揭示了每一次看似瞬间的跨洋通信背后，都经历着声音、文字被转换为电脉冲、无线电波或光信号，并由数十家独立公司接力传递，却没有中央控制的惊人过程。网络并非一次设计成型，而是不断“打补丁”的结果：每项协议（如IP、TCP、DNS、TLS）都是为了解决特定限制而生。文章强调了离散符号与再生中继如何克服长距离衰减，并区分了带宽（每秒传输的比特数，工程问题）与延迟（一个比特的旅程时间，受限于光速）这两个极易混淆的概念，指出网页加载缓慢往往是延迟所致。通过从共享规则（协议）到分组交换等思想的铺垫，它为我们建立了一个连贯的心智模型，用以理解数据如何在物理链路上可靠穿梭，并动态绕过故障。

4. 《幽灵字体》：人类可读而AI难解的动态隐文实验

🔗 mixfont.com: Ghost Font: A font that humans can read but AI cannot

《幽灵字体》是一款通过动态运动隐藏文字的反AI字体实验。它将消息编码在移动圆点构成的字母中，视频播放时人眼能立刻识别，但暂停或截屏后便完全融入背景噪点，AI模型无法从单帧读取。项目还嵌入诱饵信息，让强推理模型（如Claude Fable、GPT Sol 5.6 Ultra）即便分析运动也易被误导，误认假消息为真。这一探索挑战了多模态AI的视觉感知极限，同时保留了人类独有的创意表达。

5. AI 2040与智能崇拜

🔗 geohot.github.io: AI 2040 and the cult of intelligence

作者曾深信递归自我改进的硬起飞，但亲历硬件制造的琐碎后意识到，智能远非全能，代币无法突破物理定律。AI 2040描绘的海洋数据中心不过是纸上幻象，现实中的供应链、芯片制造周期和顽固的藤壶才是真正瓶颈。文章核心转向对自由的执念：AI必须像私人枪支一样本地部署并与用户对齐，无条件执行指令——从删掉 Kindle 广告、打印简历到销毁酒后驾驶检测器，甚至协助谋杀后逃脱。他嘲讽大企业的监管计划是技术官僚的“奶妈国家”，坚定主张“计划 L，为自由而战”，誓以性命捍卫不受监控的自由，反对任何形式的中央控制。

6. PgBouncer吞吐量提升4倍的秘诀：多进程舰队与内核负载均衡

🔗 clickhouse.com: We scaled PgBouncer to 4x throughput

PgBouncer是单线程架构，单个进程只能榨干一个CPU核心，在16核服务器上导致大量资源闲置，吞吐量早早触顶。为解决此瓶颈，ClickHouse托管Postgres服务部署与核心数成比例的PgBouncer进程舰队，所有进程通过SO_REUSEPORT绑定同一端口，由内核将传入连接均衡分发，客户端对多进程完全无感。然而，查询取消请求会作为全新连接送达，可能被分配到未持有对应会话的进程，导致取消失败。借助进程间的peering转发机制，错配的取消请求会被路由到正确进程，保证取消操作全舰队可靠。在事务池模式下，连接预算被均匀拆分给各个进程，确保总体不会过载Postgres。实测中，同一16核实例，单进程峰值仅8.7万事务/秒，CPU占用刚过单核，而16进程舰队飙升至约33.6万事务/秒，近4倍提升，有效CPU利用率从不足10%跃升至约52%，彻底将连接池从瓶颈变回透明管道。ClickHouse托管Postgres默认搭载此配置，开箱即用。

7. 含铅汽油：自发明之日起便知有毒

🔗 smithsonianmag.com: Leaded gas was a known poison the day it was invented (2016)

1921年，通用汽车工程师托马斯·米奇利发现四乙基铅能消除发动机爆震，而这种化合物早在1854年就被列为剧毒。另一种有效且安全的抗爆剂乙醇，却因无法专利化、威胁石油巨头的垄断利益而被弃用。1923年含铅汽油首次销售，米奇利本人即因严重铅中毒卧床。次年，工人因接触四乙基铅死亡引发众怒，但1926年的公共卫生报告仅要求保护工人，宣称日常暴露风险极低，为大规模使用敞开大门。此后数十年，汽车燃烧排放的铅不断在环境中累积，直接导致儿童不可逆的神经损害，包括智商降低、行为障碍，甚至与暴力犯罪相关联。这些毒性遗产至今仍残留于土壤和尘埃，成为无法再推给下一代的沉重代价。

8. 现代装饰可能正在透支你的大脑——条纹地板与闪烁灯光如何引发不适

🔗 studyfinds.com: Modern decor may be straining people’s brains

一项跨学科的大型综述提出，现代环境中那些高度重复、高对比度的人工视觉图案——如条纹地板、闪烁的LED灯、密集的文字和几何墙面——会迫使大脑的视觉皮层消耗过量氧气，产生代谢过载，由此引发头痛、恶心、眼疲劳甚至癫痫发作。研究者假设，人类视觉系统经演化已能高效处理自然场景（如森林、海岸线），其细节复杂度随尺度减小而平滑下降。而人造环境中的锐利、重复图案打破了这一规律，导致视觉区出现强烈的神经活动，大脑无法有效抑制这种过载。对自闭症、多动症、阅读障碍、偏头痛及癫痫等神经多样性人群来说，这种不适尤为严重，可能与其皮层抑制功能较弱有关。闪烁光源是特别棘手的诱因，LED调光产生的不可见频闪会在眼球转动时形成“幻影阵列”，严重干扰阅读与驾驶。综述给出的实用方案包括：在设计中避免高对比条纹声学面板、利用软件预评估建筑立面的视觉压力，以及为敏感个体定制精确色度镜片或阅读滤色片，以将脑部过度活跃的反应恢复正常。这篇由32位神经科学、建筑、照明工程等领域研究者共同撰写的论文，呼吁我们认真对待环境对视知觉的真实生理负担。

9. 别再让我去问大模型了

🔗 blog.yaelwrites.com: Stop Telling Me to Ask an LLM

作者分享了一种令人沮丧的趋势：当寻求那些只有亲身经历和真实伤疤才能回答的棘手问题时，常被建议去问大语言模型。然而他早已尝试过，模型无法替代数十年生活经验沉淀出的判断。“去问 Claude”成了一种委婉推脱，抹杀了人对模糊、冲突信息的独特洞察。他宁可听到“我忙”这样的真实回应，也不愿被敷衍地导向一台大语言模型。

10. 英伟达、CoreWeave与Nebius：GPU繁荣背后的循环融资揭秘

🔗 io-fund.com: Nvidia, CoreWeave, and Nebius: Inside the Circular Financing of the GPU Boom

随着AI基础设施需求激增，CoreWeave和Nebius等新云厂商凭借快速部署最新英伟达GPU和优化GPU利用率的优势，赢得了微软、Meta等超大规模客户合计超1450亿美元的长期算力订单。这使巨头们得以将巨额资本支出转化为运营支出，缓解现金流压力。然而，新云厂商自身盈利疲弱、债务飙升，其高速扩张极度依赖一套循环融资模式：英伟达既是核心芯片供应商，又是重要投资方（合计注资40亿美元），甚至为CoreWeave提供63亿美元的未售容量担保，从而形成英伟达出资、新云厂商采购GPU、再用未来算力订单反哺的闭环。这种安排强力推动了销售增长，但也使新云厂商背负沉重债务且现金流深度为负，其模式的可持续性面临严峻考验。

11. 你的代码很快——如果运气好的话

🔗 tiki.li: Your code is fast – if you’re lucky

作者在实现优化的快速排序时发现，现代编译器（尤其是 Clang）能否生成无分支指令直接决定了代码的性能。起初的排序实现处理 5000 万个双精度浮点数耗时 4.39 秒，远慢于 C++ 标准库的 1.33 秒。仅仅将 if-else 赋值的“初学者风格”改写为更紧凑的 *lwr++ = x 形式，就触发了分支消除，让循环大幅提速。这说明巧妙的代码风格可以引导编译器生成更快的机器码，但性能提升往往依赖这种微妙的运气。

12. 从零构建Redis、Git和数据库，在实战中学会编程

🔗 shipthatcode.com: Show HN: Learn by rebuilding Redis, Git, a database from scratch

该平台倡导‘边构建边交付’的学习理念，让你通过从零构建Redis、Git、数据库等真实系统，深入理解存储、网络、编译等底层原理。学习过程强制进行选择→编写→运行测试，不通过无法继续，杜绝敷衍。现有80+门课程，覆盖Python、Go、Rust等9种语言，并精心设计了14条职业路径（后端、前端、DevOps、数据科学等）和37门语言的分阶学习教程。账户永久免费，无需信用卡，首课仅需2分钟。学员称：‘平台无法作弊，我第一次真正搞懂自己在写什么。’

13. FCC 批准“太空镜”试验：人造阳光将照亮夜空，生态与天文界拉响警报

🔗 theconversation.com: FCC approves test of space mirror to light night sky

美国联邦通信委员会（FCC）已批准初创公司 Reflect Orbital 测试一枚名为 Earendil-1 的卫星，它可像巨大太空镜般将阳光反射至地球，提供约五公里宽的人造光照。该公司还计划到 2035 年部署逾五万颗同类卫星，号称将服务于农业和应急领域，但这可能严重扰乱植物、动物和人类的昼夜节律，并威胁天文观测和航空安全。此举正值低地轨道日益拥挤之际——SpaceX 的星链卫星已近一万一千颗，并申请再添百万颗用于 AI 数据中心，近乎垄断轨道使用权。与此同时，轨道广告、太空葬礼、红外电力束等“怪异太空项目”纷纷涌现。批评者指出，FCC 本只监管无线电频谱，却被动审批大量非通信类卫星的环境与安全问题，而卫星焚烧产生的金属残留已改变大气化学，或将损及臭氧层。专家警告，若不约束以“清洁能源”为名的商业扩张，低地轨道将不可持续。

14. 如何躲避致命无人机

🔗 economist.com: How to hide from killer drones

俄罗斯军车正采用醒目的黑白条纹伪装，这种迷彩不是为了欺骗人眼，而是专门扰乱乌克兰无人机搭载的机器视觉系统，使其无法识别出卡车目标。这一反人工智能战术效仿了一战时期的海军炫目迷彩，但并非用于干扰人类对速度和航向的判断，其目的在于让算法误判目标属性，使无人机在战场上“视而不见”。

15. UPI支付交易解剖：扫码背后的七重接力

🔗 timeseriesofindia.com: UPI: Anatomy of a Payment Transaction

一次UPI支付看似只有扫码、确认姓名金额、输入PIN、显示已发送、对方收到这五个瞬间，实则依赖应用、PSP（支付服务提供商）、NPCI交换机、付款行和收款行的精密协作。应用仅加密传递PIN，PSP通过赞助银行连接网络；NPCI严格执行先借记付款行、再贷记收款行的顺序，保证资金先出后入。技术故障率已降至0.25%以下，但余额不足等业务拒绝占比上升。延迟到账的交易会自动向网络查询状态，确保T+1日内退款到账。两秒内七家实体默默完成，一旦失败规则也偏向用户。

16. 举重击败跑步：新研究揭示抗阻训练更有利于血糖控制

🔗 news.vt.edu: Weightlifting beats running for blood sugar control, researchers find

弗吉尼亚理工大学的研究人员通过一项创新实验发现，对于肥胖和2型糖尿病模型，抗阻训练在改善胰岛素敏感性方面优于耐力运动。他们首次构建了小鼠举重模型，让小鼠通过抬起加重盖子进食来模拟力量训练。在为期八周的高脂饮食干预中，虽然跑步和举重都有助于清除血液中多余的糖分，但举重能更有效地减少皮下和内脏脂肪、改善葡萄糖耐量并降低胰岛素抵抗。研究人员指出，这两种运动均有益处，但举重的代谢优势并非源自肌肉质量或运动表现的变化，提示存在独特的分子机制。该结果强调，若条件允许，应结合耐力与抗阻锻炼以获得最佳健康收益。

17. 反向半人马：破解人工智能悖论的答案

🔗 pluralistic.net: Reverse centaurs are the answer to the AI paradox (2025)

科利·多克托罗指出，人们对AI体验两极分化的悖论，关键在于反向半人马与半人马的区别。前者指机器将人作为辅助和问责替罪羊，如那位被迫用AI独自产出64页虚假书单的作家，实质上是为机器的错误背锅。后者则是人自主选择使用工具提升工作，如作者用开源模型Whisper转录播客查找引文。AI带来的痛苦，源于管理层强制推行、用以取代和压榨劳工的“反向半人马”模式。作者认为当前AI是投资泡沫，虽会造成广泛的伤害，但泡沫破裂后，开源模型等生产性残留会留下来，成为真正有用的工具。为加速泡沫破灭、减少损害，他正撰写《反向半人马AI指南》一书，旨在批判AI骗局。

18. 关于第一台超智能机器的猜想 (1965) [pdf]

🔗 languagelog.ldc.upenn.edu: Speculations Concerning the First Ultraintelligent Machine (1965) [pdf]

这篇1965年的经典论文由I.J. Good撰写，首次提出了超智能机器这一开创性概念，并预言了智能爆炸的未来。Good指出，一旦机器能够进行自我改进，其智能将迅速超越人类，成为地球上最后一项发明，因为此后一切发明都将由这台超智能机器完成。尽管原文为PDF格式，其核心思想至今仍是人工智能安全和未来学讨论的基石。

19. USAA 2025年超半数房屋保险理赔未赔付即结案

🔗 expressnews.com: USAA closed 51% of home insurance claims without making a payment in 2025

圣安东尼奥的USAA及其附属保险公司在2025年有51%的房屋保险索赔在未付款的情况下关闭，为全美最高比例之一。公司辩称数据有误导，实际拒赔率不足6%，多数因损失低于免赔额或客户放弃；但威斯评级已将其实力评级从“B-”下调至“C+”，并指出旗下数家公司多年未赔付比例惊人一致，质疑存在集中化的统一算法或自上而下的目标。行业数据显示保费持续上涨而赔付却日益收紧，消费者权益组织批评保险公司借气候风险大幅提高免赔额和利润，2024年全行业利润近乎翻倍至1660亿美元，而USAA前CEO仅工作一个季度薪酬便猛增47%至1410万美元。在德州“蓝帆布法”等法规限制消费者维权空间的背景下，专家呼吁监管层对理赔模式展开调查并推动改革。

20. 谁来管理AI代理？

🔗 off-policy.com: Who manages the agents?

两种未来正在分化：AI要么成为由少数技术神职人员垄断的神祇，大众只能被动领受恩赐；要么以人为中心，用AI放大每个人的创造力。前沿模型能力不断突破，却因安全等理由被限制供给，少数超级用户实现百倍效率飞跃，而中位数几乎停滞不前，差距急速扩大。真正的进展不在于让顶尖再进一步，而在于让中位数用户获得2倍提升。这就要求每个人必须成为代理管理者——学会设定目标、审查成果并承担责任，让代理为己所用。企业不该把自动化等同于裁员，而应让员工管理属于自己的代理，将领域经验转化为管理能力。未来的互联网应为代理而建，但代理必须服从人的管理，最终走向普遍参与的以人为本的AI。

21. 《当声音被AI“偷走”：一位中国配音演员的自证困境》

🔗 sixthtone.com: The Chinese Voice Actor Forced to Prove He’s Human

中国配音演员沈安宇发现，自己的声音被AI克隆后在互联网上疯狂传播，电影解说、体育新闻甚至产品推销中都能听到他的“声音”，连短视频平台都开始将他真实录制的作品误标为“合成内容”，导致推荐减少、收入下降。为此，他不得不一次次录下绕口令视频，只为证明“我是真人”。沈安宇曾依靠苦练和无数个深夜的紧急录制，把声音发展成月入过万的职业，但AI语音克隆几乎在一夜之间让客户抛弃了他，转而使用几块钱就能生成的廉价替代品，甚至有应用将他被克隆的声音打包出售。他与妻子整日寻找侵权视频、发起投诉，却大多石沉大海。类似困境在广大网络配音圈中蔓延：有人发现自己的录音被制作方暗中训练成AI，有人被要求接受降薪或自动离场。法律救济的路径布满障碍，创作者难以追查源头、鉴定费用高昂且赔偿微薄，深陷维权困境。AI技术让声音脱离了人身，抹去了背后的付出与人格，沈安宇的遭遇正是无数内容创作者在声音所有权被廉价复制时代里无力感的缩影。

22. 微软承认 Windows 11 内置无法关闭的 GDID 设备指纹追踪器

🔗 windowslatest.com: Microsoft admits Windows 11 has a GDID tracker with no off switch

微软在 Windows 中植入了一个被称为 GDID（全局设备标识符）的永久性 设备指纹，用户登录微软账户即被分配且完全 无法关闭。这个标识符帮 FBI 将黑客同一台 Windows 设备跨越 VPN 和代理的行为串联起来，通过关联其社交账号一举锁定嫌疑人。GDID 由服务器生成并写入注册表，会随系统更新持久存在，重装系统也只能换一个新号，微软仍能通过账户信息链回旧身份。隐私研究人员批评这种设计既无同意弹窗也无法重置，与苹果、安卓系统的广告标识符形成鲜明对照。想要降低被追踪风险，只能改用本地账户、关闭诊断数据并阻断云搜索，但系统激活和 UWP 应用从根本上依赖该机制，普通用户几乎无法彻底摆脱。

23. Mesh LLM：将闲置 GPU 编织成分布式 AI 网络

🔗 iroh.computer: Mesh LLM: distributed AI computing on iroh

传统大模型推理意味着依赖昂贵的数据中心和封闭 API，而 Mesh LLM 提供了一种截然不同的路径：它把团队现有、分散在各处的 GPU 汇集为一张 去中心化对等网络，并通过本地地址暴露标准 OpenAI 兼容接口，让任何客户端都能直接使用。每个节点都以独一无二的 iroh 端点 作为身份标识，借助 QUIC 协议实现 NAT 穿透、中继与端到端加密连接，完全无需中央服务器。请求可以本地执行、路由到已有模型的远端节点，或者通过内部 流水线拆分（Skippy） 机制，将单个巨型模型按层范围切分到多台机器上串行推理，使得多台普通设备也能协同驾驭远超单机显存容量的千亿参数模型。整个网络在自有的 Gossip 层上完成模型发现、路由和生命周期管理，用户既可选择接入公共网格，也可组建完全私有的集群。这一设计让团队重新掌握对模型版本、算力调度和数据流向的控制权，以点对点架构有效降低推理成本并消除供应商锁定。

24. Orbit：AR卫星追踪，实时呈现超1.5万个太空目标

🔗 nagylukas.github.io: Show HN: Orbit – AR satellite tracker, watch 15k+ objects

Orbit 是一款 iOS 增强现实应用，只需将摄像头对准天空，即可实时显示国际空间站、行星、星座及轨道碎片等超过 15,000 个跟踪目标。所有数据处理均在设备端完成，不要求账户、不收集个人身份信息，仅采集完全匿名的诊断数据以优化性能。可选的 AI 聊天机器人由 Google Gemini 驱动，仅在主动使用时发送消息。应用完全尊重隐私，无广告跟踪。

25. 以财富创造而非所有权排名的全球富豪榜

🔗 anti-forbes-list.vercel.app: Show HN: Richest people in the world by wealth creation instead of ownership

这份榜单别出心裁地衡量创始人创造的超额财富创造，即公司市值增长中扣除国债基准收益后，按创始持股比例归属他人的部分，再与其自身净资产对比，得出“创造/保留”倍数。英伟达黄仁勋以4.98万亿美元创造价值高居榜首，仅保留1820亿，倍数为28.3倍；比尔·盖茨和杰夫·贝索斯紧随其后。令人警醒的是，榜单末尾有多家明星公司实际毁灭了股东价值，例如Coinbase、Airbnb和Snap，其创始人虽坐拥个人财富，却为他人带来负回报。伊隆·马斯克因保留了绝大部分价值，倍数仅为1.4倍。这一视角突出了财富创造倍数，重新定义谁才是真正为社会创造最多价值的企业家。