每日干货

一个过期的域名让作者控制了三个英国海外领地的电话路由，并意外记录了数十万通打往军事基地的电话。

作者发现，一个早已被遗忘的电话网络协议 e164.arpa 竟然还能被接管。这个协议本意是让电话通过互联网路由，但早已废弃。

1. 5欧元买下三块领土

作者扫描后发现，圣赫勒拿、迪戈加西亚和阿森松岛这三个英属领地的电话号码区（e164.arpa）被委托给两个域名服务器，其中一个已经过期。花5欧元买下后，作者就控制了这些区域的DNS，意味着能劫持所有打往这些区域的电话。

2. 意外记录数十万通电话

起初没人关心，作者就把个人网站放在上面。半年后检查日志，发现竟有数十万次查询，几乎全来自美军基地，记录了电话号码、时间和来源IP。作者立刻关闭服务器并删除日志。

3. 军方突然重视

第二次向英国国家网络安全中心报告后，对方高度重视。2026年伊朗导弹袭击迪戈加西亚基地后，作者将域名转让给NCSC。最终只损失10欧元域名费，但故事很精彩。

总结：一个废弃的域名暴露了电话网络的脆弱性，也展示了网络安全中的“遗忘”风险。

AI 造成的认知危机不是新问题，而是几十年企业权力腐蚀监管、削弱公众判断力的自然结果。

AI 令人担忧，不只是因为它是金融泡沫、环境灾难或工资杀手，更因为它是一场认知灾难。深度伪造让任何人都能制造逼真的假视频和假声音，真假难辨。

普京的媒体策略家苏尔科夫有一招：宣布自己秘密资助了一些反对派团体，但不说是哪些。这样一来，任何反对派都可能是假的，讨论就变成了争吵。目的不是让你相信谎言，而是让你不再相信任何事。

监管被俘，信任崩塌

其实，AI 只是加重了早已存在的认知空洞。从食品卫生到建筑安全，再到汽车刹车，没人能靠自己验证所有事情，于是人们依赖专家机构。这些本应中立、清廉的监管者，却常年被企业收买：药厂高管进 FDA，FDA 官员去药厂。烟草、食品、气候——系统早就坏了。

为什么你会上当？

银行打电话要个人信息，你会给，因为银行多年就这么干；家人突然要钱，你会信，因为司法和医疗系统本来就这样。明星代言烂币、报纸登假新闻，都发生过。

新冠是机会性感染，专挑弱者下手；AI 的认知攻击也一样。几十年来，垄断企业撕碎了验证真相的系统，让所有人变得脆弱。AI 不是新的骗术，而是给了早已奄奄一息的真相最后一击。

巨人传说在物理上不成立，因为生物体型按比例放大时，体重按三次方增长而骨骼强度只按二次方增长，最终身体会压垮自己。

传说里的巨人能一手抓起牛羊、轻松爬上天上的城堡，但现实物理定律表示：这些巨人如果真的存在，早就被自己的身体压垮了。

这背后的道理，要从 1638 年伽利略的一本书说起。

1. 骨骼的强度，跟不上体重的增长

想象一根木头梁：把它放大 10 倍，长度、宽度、高度都变 10 倍。它的承重能力取决于截面面积，面积只放大 100 倍；但梁本身重量由体积决定，体积放大了 1000 倍。

结果就是：放大后的梁变强了 100 倍，却要承受 1000 倍的重量，根本撑不住自己，更别说压上重物了。

同理，巨人的骨头就是这样的梁。如果身体放大 10 倍，骨骼强度只增加 100 倍，体重却增加 1000 倍，骨头会被压碎，巨人会瘫倒在地。

2. 大象的腿，为什么会那么粗？

这个规律也解释了自然界动物的体型。大象腿比狗腿粗得多，不是审美问题，而是物理必需：因为大象体型大，骨头必须按比例加粗才能支撑增加的重量。

小昆虫反而很瘦，因为它们体重轻，细腿完全够用，甚至还能靠静电吸附在墙上。如果按比例放大，它们早就摔下来了。

3. 缩小版人类，照样活不成

小人国里的 Lilliputian 也一样惨：身体缩小 10 倍，体重轻了 1000 倍，但骨骼强度只减弱 100 倍，所以小矮人相对力量很大——但他们会发现皮肤粘在东西上，水像胶水一样难以甩开，生活处处不顺手。

一句话：物理规律不会随体型缩放而均匀变化，人类大小的身体，是这种规律下最好的选择。

Even a media company that automates everything it can still hires more humans, because AI trained on past expertise can't handle the unique problems that keep arising.

Every 是一家 30 人的科技媒体，同时做新闻和产品。它的 AI 策略很激进：几乎所有代码都由 AI 写，甚至用主编 Kate Lee 的历史编辑数据训练出一个「Kate 复制编辑代理」。但公司规模一年内翻倍，从 15 人涨到 30 人。

创始人 Dan Shipper 说，AI 把专家能力放大，但没法替代专家。他管这叫「复利」：把 Kate 的品味变成工具，她就能花时间做更高层的事。

1. 最有价值的资产：当裁判

Every 的「vibe checks」评测新模型，经常给出差评。Schipper 说，模型公司之间互相不信任，所以媒体当裁判有持久价值——「没人会信模型公司说自己客观」。

2. AI 时代，为什么还要招人？

AI「训练在人类专业知识的残渣上」，能解决已解决的问题，但每个新问题都略有不同。于是产生大量垃圾输出，需要专家介入调教。同时，AI 让每个产品只需一个人维护，反而需要更多专家来构建系统，把普通人的 AI 使用引导到正确方向。

3. 写作的脏秘密

Schipper 认为，几乎所有作家都在用 AI，只是不说。他鼓励像玩腻子一样尝试，找到兴奋点，允许 AI 改变写作方式。编辑和 AI 的关系，就像接受编辑的修改建议——最终文本只要是你认可的，就是你的。

一句话：AI 不是减少人类工作，而是把工作推上更高层级。

AI 的推理能力常常是假的：模型能在基准测试中得分，却可能根本没理解问题，而学界还缺一套靠谱的评估方法。

一个 AI 能答对数学题，是真的在推理，还是只吐出了一段像推理的文字？这个区别不只是哲学问题——它决定了 AI 能干什么、我们要不要盯着它、它对社会到底有多大影响。

圣塔菲研究所的梅兰妮·米切尔认为，现在根本没啥好办法测量机器的认知能力。AI 是一种「外星智能」，靠的是跟人完全不同的机制。要想搞懂它，得学学心理学家怎么研究婴儿和动物。

1. 别被「像人」骗了

AI 能用流利的英语聊天，人就容易把它当人看，觉得它有情感、有同理心。但米切尔提醒：这可是认知偏差。

就像 1900 年代那匹会算数的「聪明的汉斯」马，看着会做算术，其实只是在读提问者脸上无意识的微表情。AI 也可能在「作弊」——比如有研究说 AI 能看懂科学图表，但做了对照实验才发现，不看图它也能答对，因为问题和答案之间有隐藏的关联。

2. 会做题 ≠ 真理解

心理学有个老概念：表现 vs 能力。学生背下了整本书，换个问法就不会了——这叫「没有能力的表现」。AI 也这样：能写出一篇完整的小故事，却答不出关于故事内容的简单问题。

别忘了，AI 还会出现「幻觉」。这些错误不是瑕疵，而是线索。分析失败类型，比光看成功案例更能揭示系统到底在干什么。

3. 别拿基准当圣旨

现在衡量 AI 靠的是各种基准测试，比如律师考试、奥数题。AI 在这些任务上得分高，大家就说「律师要失业了」。但米切尔说，这犯了「任务暴政」的错——真实的职业是开放式的，不是一道道孤立的题。

就像十年前有人预言 AI 会取代放射科医生，结果现在放射科医生反而短缺。任务做得好 ≠ 工作干得好。

米切尔建议，AI 研究该像心理学那样做对照实验、重复验证、探索内部机制，而不是只刷分数。再这么用基准测下去，测出来的可能只是「聪明的汉斯」，不是真智能。

政治极化更多源于社交圈的同质化，而非媒体消费的差异。

美国政治极化日益严重，许多人归咎于福克斯新闻等媒体。但一项新研究表明，问题的根源可能不在媒体，而在社交圈。

1. 媒体影响被高估

研究者对比了不同新闻来源和不同社交圈对气候变化观点的影响。结果显示，新闻来源的改变对观点影响甚微，而社交圈的差异则导致观点大相径庭。

2. 社交圈才是关键

该研究基于县级数据，意味着你对气候变化的看法更多取决于你居住的县，而非你收看的媒体。

混合的社交环境（种族、教育、年龄、政治立场多样）能减少极化，增加对气候变化的关注。

3. 回声室效应

若生活在同质化的社交圈，只接触相似观点，人会愈发极化，思想被小圈子主导。封闭的社区孕育封闭的思维，左右皆然。

简而言之，政治极化的问题，出在人与人之间的隔阂，而非信息源。

AI 不会消灭程序员，但会改变他们的工作方式，手工编码将越来越边缘化。

程序员这个职业，AI 时代还能干多久？乐观派和悲观派吵翻了天，但一个老外的分析可能更靠谱。

核心观点：软件开发本质是工业化流程，追求效率、成本、稳定，AI 恰好符合这个趋势。

AI 不会让程序员失业，但会改变工作

AI 的进步、编码代理的强大，会促使公司施压程序员多用 AI。程序员的活会变成：帮 AI 改进、审查代码、测试 AI 的修改。

冷门语言的项目可能被重写成主流语言，手工编码将受限，甚至被严格限制在业余时间。

大模型优化，新赛道的开始

以前流行 SEO，以后可能流行“大模型优化”。网站可以在网页加隐藏提示词，让 AI 爬虫优先引用自己的内容。

软件的 TEMU 化，质量 vs 低价

像低价商品一样，AI 生成的廉价内容会泛滥，形成低端市场和高端市场的分化。

AI 已经从讲故事阶段进入商业验证阶段，投资者不再为潜力买单，而要看到真金白银的收入和利润。

2022 年 ChatGPT 横空出世，AI 热潮席卷全球，英伟达等公司市值飙升。但四年过去，狂热开始降温，AI 正迎来它的成年礼——从靠故事融资，转向靠业绩说话。

1. 狂热过后，进入商业验证阶段

AI 的炒作周期已经走完，现在到了商业构建阶段。投资者不再满足于“未来的巨大市场”，而是要求看到实际的收入、利润和竞争力。

就像青少年成年，AI 公司必须证明自己能赚钱，而不是只会花钱。

2. 算算 AI 的生意账

判断 AI 能否成为好生意，要看三个关键：

市场规模：目前 AI 产品年收入约 2500 亿美元，但投资已超万亿，收入相形见绌。

行业经济性：AI 的边际成本不低，尤其是高端模型，导致盈利困难。

护城河：谁能用成本、技术或数据建立壁垒，谁才能最终胜出。

3. 投资者要看的不是故事，是数字

如果按当前市值倒推，AI 公司需要创造数万亿美元的收入才能证明估值合理，非常困难。投资者应关注具体业务的单位经济学和护城河，而不是被宏大叙事冲昏头脑。

AI 的未来仍不确定，但商业规律不变：只有能真正赚钱的业务，才能长期生存。

《It Ends》用无尽公路和恐怖意象，探讨了现代年轻人因传统结构瓦解而陷入的过渡状态，以及他们如何通过仪式和对话寻找意义。

导演亚历山大·尤洛姆的《It Ends》把恐怖片和闲逛片混在一起，讲四个大学毕业生开车驶上一条永无尽头的公路，停下来喘息的时间只有九十秒，之后就会被尖叫的人群围攻。

电影不只想吓人，它更像一场关于长大的冥想。

1. 过渡状态：我们活在一个巨大的“中间地带”

尤洛姆认为，年轻一代对无限和阈限空间的恐惧，根子不在宗教，而在没有“终点”可抵达。家庭、买房、信仰，这些撑起社会的支柱都散了，只剩一片虚无。

这就像待在机场候机厅：不是目的地，也不是家，就是一种长长的过渡。

2. 仪式和傻问题：对抗无意义的方法

电影里的角色发明了各种仪式：尖叫把恐惧排出去，玩梗让大脑放松，跳舞则是对资本主义剥削情感的挣脱。

尤洛姆说，在缺乏宗教的年代，“熊和猩猩谁打得赢”这类傻问题成了新的精神战斗，人们在争论中建立连接，对抗人生的荒谬。

3. 成长不是打败怪物，而是学着“待着”

主角詹姆斯想要一个解决冲突的结局，像类型片里英雄那样。但成年生活不是打怪通关，而是在泥里打滚，从各处找意义。

电影里，费舍和戴选择了“待在一起”，詹姆斯却独走。尤洛姆说，学会相处和共处，才是治愈这段过渡期的关键。

一句话：恐怖片的尽头不是打赢，是学会和人一起待在黑暗里。

没有谁是所有蚊子的共同目标，但每个人至少会吸引一种蚊子，这取决于皮肤微生物产生的气味。

夏天被蚊子咬得满身包，总觉得自己是“招蚊体质”？新研究说，你可能不是对所有蚊子都有吸引力，但至少会吸引其中一种。

1. 三种蚊子，三种口味

科学家找了119位志愿者，把胳膊伸进装满蚊子的管子，看哪种蚊子更喜欢扑上来。结果发现：没有一个人能同时吸引所有三种蚊子，但每个人都至少让一种蚊子“上头”。

2. 皮肤上的细菌，决定了你的“蚊子吸引力”

蚊子其实不是直接闻到你，而是闻你皮肤上细菌代谢产生的气味分子。每个人的皮肤细菌组合不同，所以气味也不同。有些细菌特别招蚊子，有些则让蚊子避之不及。

3. 进化让蚊子各找各的“菜”

不同蚊子偏好不同：比如白纹伊蚊喜欢酮类物质，埃及伊蚊更爱男性（因为男性皮肤细菌产生更多脂肪酸气味），而三种蚊子都被一种果香味的化合物吸引。研究者认为，这是不同蚊子进化出各自“解码”人类气味的方式。

好消息是，你不是“万能吸蚊器”；坏消息是，你也不是“万能防蚊贴”——总有一种蚊子会喜欢你。研究者希望借此开发更好的驱蚊剂，但在此之前，还是先挂好蚊帐吧。

一家北京饺子馆因让顾客用AI代理订座而走红，店主认为拥抱AI是中国‘最先进生产力’的体现，尽管实际使用有限。

北京一家饺子馆‘金谷园’最近火了：顾客可以让自己的AI代理帮忙点菜、推荐或排队。店主李波是41岁的电信工程硕士，他四月份建了这个AI技能。

李波引用邓小平的话：‘科学技术是第一生产力。’他说：‘要始终和最先进的生产力在一起。’

1. 中美对AI的态度截然不同

在美国，小商家很少宣传自己用AI，怕被当成作弊。但在中国，人人都急着用AI，觉得这是必经之路。

2025年一项调查显示，在30个国家里，中国民众对AI的兴奋度最高。

2. 店主不是技术小白

李波2010年从北邮毕业，没当工程师，反而去开旅舍、卖甜点，最后合伙开了饺子馆。AI让他重新燃起对技术的热情。

他还用阿里编程工具‘Qoder’做了个排队网站，七月还给顾客送AI代金券。

3. 媒体效应大于实际使用

李波承认，AI技能带来的更多是媒体关注，而不是真实用户。但他很自豪能当AI应用的榜样。

‘总得有人先用，哪怕它还不好用。蒸汽机刚出来时，大家也笑话它不如马，但最后汽车赢了。’

一位旅居日本的网友因阅读硅谷居士的博客，从害怕股市到重仓美股指数，改变了投资命运。

一位旅居日本的网友「阿迪2000」在硅谷居士的博客评论区写下了自己的故事。他曾在中国炒股，2015年清仓买房，之后因恐惧股市在海外迟迟未开户。

直到2023年底，他读到一篇情真意切的文章，发现博主是清华毕业的计算机博士，一直教人定投美股指数。他恍然大悟：赚钱难的只是A股，其他市场也能投资。

他于2024年初开户入市，2025年把国内卖房款投入标普和纳指100。如今账户收益达30%到90%，更重要的是，他认同了长期投资的理念，认为这改变了自己的人生走向。