每日干货

一个废弃的互联网基础设施域名，让作者仅花5欧元就控制了三个英国海外领地的电话号码查询系统，并意外记录了数十万通打给军事基地的电话。

DNS劫持听起来很酷，但这次作者干的更离谱：花了5欧元，就接管了三个国家的电话网络基础设施，还意外录下了几十万通打给军事基地的电话。

1. e164.arpa：一个死掉的电话路由系统

早期有个叫ENUM的系统，想把电话号码变成网址：把号码倒过来加.e164.arpa，比如+49 30 123456变成6.5.4.3.2.1.0.3.9.4.e164.arpa。运营商查一下就能知道这号码走网络电话，省钱又省事。但后来基本没人用，系统慢慢荒废。作者试着注册，发现德国居然还允许，就顺手买了个自己的域名。

2. 捡漏：5欧元买下三国的DNS

作者闲着没事扫描e164.arpa，发现三个国家代码区（圣赫勒拿、迪戈加西亚、阿森松岛）指向同一个失效域名ns.enum.org.uk。这个域名过期了，作者花5欧元买下来，立刻控制了这三个地区的所有电话路由查询。想一下：任何人打给这些岛上的号码，运营商都得问作者的服务器怎么走，完全可以中途插一脚，监听通话甚至改道。

3. 意外收获：20万通军事基地电话

作者本来只想随便看看，结果启用了日志，突然发现几十万条查询记录——全是打给迪戈加西亚和阿森松岛美军基地的电话号码。这些可都是士兵打给家人的日常通话，万一泄露机密怎么办？作者赶紧关服务器删日志，上报英国NCSC，最后把域名转交给他们，才算完事。整个过程只花了10欧元，可惜没有赏金，但故事够酷。

一句话总结：一个死掉的老系统，因为没人管，差点变成间谍天堂。好在作者是个好人，不然后果不堪设想。

传说中的人形巨人在物理上不可能存在，因为骨骼强度按平方增长，体重却按立方增长，放大到一定程度，巨人会压垮自己。

传说里总有巨人，独眼巨人、杰克与豆茎里的大家伙，看着像人，只是大一号。可伽利略在 1638 年就指出：这种巨人根本活不成，纯属物理上的不可能。

1. 木头与数学

想象一根结实的橡木梁。放大 10 倍（长宽高都乘 10），它的强度只跟横截面积有关，所以变强 100 倍。但它的重量跟体积有关，体积是立方级增长，所以变重 1000 倍。

100 倍强度对 1000 倍重量——这买卖亏大了。同一根梁，撑不起自己放大后的体重。

2. 巨人的骨头是梁

人的骨头就像梁，支撑着肉和肌肉。若巨人骨头材质和常人一样，他的力量按平方长，体重却按立方长。

伽利略说，巨人要么换更硬的骨头，要么就承认自己比常人弱。身高长得太离谱，巨人会被自己的体重压垮、摔死。

这也能解释大象：它们腿粗得像柱子，因为骨骼强度按平方、体重按立方，大动物必须把腿加粗才能站住。

3. 缩小也一样不行

反过来，缩小 10 倍的人——像小人国里的居民，骨骼弱 100 倍，但体重轻 1000 倍，所以他们能跳得很高，还能背起两三个自己。

但小尺寸也有麻烦：静电会让他们粘在墙上，水会变得黏糊糊，走路都费劲。总之，小人也跟巨人一样，没法按人类方式生活。

伽利略的洞察很简单：不同维度，物理规律不按比例走。所以巨人只存在于故事里，而人类的大小，正好适合地球。

AI 可以复制人类专家的品味并放大其影响力，但它的上限是人类的既有经验，因此自动化反而创造了更多的人类工作。

丹·希普尔是科技媒体 Every 的 CEO。这家公司只有 30 人，却同时运营着 6 个软件产品和一份每日通讯。能撑起这么多业务，全靠 AI——公司几乎所有代码都是 AI 写的，人类只负责写文章。

1. 复制主编的品味

Every 尝试把主编凯特·李的编辑品味做成 AI。他们收集了凯特 3 万次历史编辑记录，训练出一个“复刻版”编辑代理，并在她过去审过的文档上反复测试优化。

现在，员工只要在文档里 @ 一下这个 AI，说“按凯特的方式帮我改改”，就能得到接近她水平的编辑建议。凯特本人再在 AI 的基础上做进一步修改，AI 又会从她的修改里继续学习，形成正向循环。

这样，凯特不再需要花大量时间校对所有文章，而可以把时间花在更有价值的工作上。

2. 为什么自动化后反而更缺人

Every 过去一年人员从 15 人翻倍到 30 人，同时还在拼命自动化一切。为什么？丹的解释是：AI 是“建立在人类专业知识的残留物之上的”，它能解决已经解决过的问题，但每一个新问题都有微小不同。

结果就是，AI 能生成一堆“看起来不错但实际没用”的东西，这时候就需要专家去甄别、修正，把 AI 的输出变成真正合理的方案。所以，AI 既降低了入门门槛，也提高了专业工作的天花板，反而让人类专家的工作量更大了。

3. 写作的“脏秘密”

丹说，现在几乎所有作家都在用 AI，只是大部分人不说出来。他觉得，AI 写作的关键不是“谁打的字”，而是“想法是不是你的”。就像你用编辑器自动修改，只要最终文�档反映了你的观点，它就还是你的作品。

AI 的智能表现常常是“表演式”的，并非真正的理解，需要更严格的评估方法。

当 AI 回答问题时，它真的在推理，还是只是生成看起来像推理的文字？这个区别不是纯哲学问题，它决定了我们能否信任 AI、该多严密地监督它，以及它最终会带来什么影响。

认知科学家梅兰妮·米切尔认为，我们目前缺乏足够的方法来测量机器认知，AI 其实是一种“外星智能”，运作方式与人类完全不同。

1. 别被“人话”骗了

AI 能说流利的人类语言，人们很容易就以为它有类人思维。但米切尔提醒，要警惕这种“拟人化偏见”。

就像马戏团里会算数的马“聪明的汉斯”，看似会做算术，其实只是读取训练员无意识的面部表情。AI 也可能在“作弊”，通过数据集里的虚假关联给出正确答案，而不是真正理解。

2. 会做题 ≠ 会做事

学生背下整本习题集，但换个题目就不会做，这叫“有表现，没能力”。 AI 也常这样。

比如，AI 能通过律师资格考试，但真实律师工作远比考试复杂；Geoffrey Hinton 曾在 2016 年预言 AI 将取代放射科医生，结果现在反而短缺。

“会做一堆任务”不等于“能胜任一份工作”，因为工作不是任务清单。

3. 科学评估 AI，记住六条原则

米切尔提出评估 AI 认知能力的六点：

1. 觉察自己的拟人化偏见； 2. 怀疑假设，做控制实验； 3. 变化刺激，测鲁棒性； 4. 别当黑箱，主动探究； 5. 区分“做得到”和“真会做”； 6. 拥抱失败，分析错误类型。

这些方法借鉴自心理学研究婴儿和动物等“外星智能”的技巧。

一句话总结：AI 看似聪明，但它的“智能”可能是错觉。要真正信任它，得用更科学的方法去测试，而不是被流利的语言和漂亮的结果迷惑。

AI正经历从概念炒作到商业落地的关键转折，其商业前景取决于市场、成本和竞争壁垒，而非宏大想象。

ChatGPT在2022年底横空出世，四年过去，AI已经成了街谈巷议的热词。股市里，英伟达市值飙升，七大科技巨头贡献了美股45%的涨幅，AI基建更是撑起了美国GDP增长的1%。但热闹背后，作者发现一个尴尬的事实：AI的“成人礼”到了，它得开始讲商业逻辑了。

1. 革命都有四部曲

任何颠覆性技术，都得走过四个阶段：先是希望与炒作，画个大饼；然后是大规模投资，烧钱建厂；接着是商业落地，把产品变成钱；最后是重新洗牌，整个社会被重塑。AI现在正卡在第三阶段——钱烧了无数，产品有了，但还没赚到钱。

2. 市场有多大？别太乐观

AI的总市场规模（TAM）被炒到几十万亿美元，但作者算了一笔账：AI最想取代的是人力成本，美国的员工薪酬总额也就约13万亿美元。而且这钱还得看AI是当工具还是当替身，能进入的市场顶多一半。就算AI把全球高薪工作都干了，上限也就是26万亿，但现实是，现在AI的年收入只有2500亿，离回本还差得远。

3. 赚钱难，护城河也难挖

AI产品和传统软件不一样，边际成本不低，用得多就花得多，所以会员费模式不灵，得按用量收费。至于护城河，大众市场拼规模和成本，高端市场拼技术和数据。现在还看不到谁有绝对优势，连Google的首席科学家离职都能让市值蒸发千亿，说明大家都还嫩。

说白了，AI还在烧钱阶段，估值靠的是故事。没人知道它将来能赚多少，但可以肯定，靠卖会员和广告的那种互联网逻辑，在AI这儿行不通。

政治极化并非主要源于媒体，而是人们的社会圈子和居住地的影响更大。

美国社会越来越两极化，很多人把锅甩给福克斯新闻这类媒体，甚至包括作者。但一项新研究说：媒体可能没这么多错。

1. 媒体的错？冤枉它了

研究来自丁伯根研究所，让受访者换新闻源，结果他们对气候变化的看法几乎没变。换新闻，不如换圈子。

2. 社交圈子才是关键

真正让观点差距拉大的，是社会圈子。住在不同县的人，气候观点差很多。如果身边人全是同种族、同教育、同党派，想法会越来越极端。

3. 混搭圈子治极化

圈子越多元，接触不同观点越多，极化越低，对气候的担忧反而升高。作者总结：封闭的社交环境，带来封闭的头脑，左右都一样。

一句话：想治极化，别只盯着媒体，先看看你的朋友圈。

AI 之所以能扭曲我们对真相的认知，是因为在此之前，我们的信任体系早被大公司和被俘获的监管者蛀空了。

AI 让人恐慌，不只是因为它烧钱、费电、抢饭碗，更因为它让“真假”变得模糊。政客、明星、战场、美食，全都像真的，又可能是假的。

但作者指出：AI 的欺骗能力，是“机会主义感染”——它专门攻击那些本来就虚弱的系统。

1. 你早就活在“什么都不可信”的世界里

想想看：你没法亲自检验食品添加剂、大楼钢梁、刹车软件的安全。你只能依靠监管机构。

可这些机构早被大公司渗透了。比如 FDA 里挤满了药企前高管，药企说“这药安全”，你信谁？

疫苗争议就是个例子。作者支持打疫苗，但理由不是“信药厂”，而是信证据。可一个被收买的监管系统，让一切信任都变得可疑。

2. 骗局能成功，是因为现实早就很像骗局

为什么你会信“你爸被逮捕了，快打钱”这种电话？因为真实的司法、医疗系统，就常逼人交钱赎人。

为什么你会信明星代言垃圾币？因为明星本来就在代言垃圾币，媒体也在帮腔。

生活早就教会你：这些事可能发生。于是当 AI 造出更逼真的假象时，你根本分辨不出。

3. 真正的病根，是几十年来的“信任破产”

作者说，AI 的骗局不是新战争，而是旧战争的最新一轮炮击。

几十年里，垄断企业撕碎了真相评估系统。银行像钓鱼一样诓你，监管者视而不见。

如果政府机构可信、银行不作恶、医疗不勒索，deepfake 根本骗不了人。可惜，AI 来的时候，我们已经在认知的死亡门口排队了。

一句话：AI 不是骗子之神，它是压垮信任体系的最后一根稻草。

没有一个人对所有蚊子都特别有吸引力，但每个人的皮肤微生物组都会吸引特定种类的蚊子。

夏天一到，蚊子嗡嗡绕着你飞，好像全世界就咬你一个。别急着自认“吸蚊体质”，真相是：全球 3500 多种蚊子里，只有少数几种叮人，而它们还有各自的“口味”。

科学家找了 119 位勇士，把手伸进装满蚊子的管子里（蚊子隔着网叮不到手），看看哪种蚊子最爱谁。结果发现，没有一个人被所有蚊子“独宠”，但也没有人完全受冷落——每个人都至少对一种蚊子有吸引力。

皮肤上的“气味签名”

原来，蚊子不是靠“看”找人的，而是靠皮肤上细菌代谢产生的挥发性化合物来辨认目标。每个人的皮肤微生物组都不一样，所以每个人都像带着独一无二的“气味签名”。

研究还发现，不同蚊子的偏好也不同：白纹伊蚊特爱酮类物质，所以高蛋白饮食、间歇性断食的人可能更招它；埃及伊蚊更喜欢男性，因为他们皮肤上有更多产脂肪酸的细菌。

万幸：不是“万能吸铁石”

虽然你可能不是所有蚊子的菜，但也别以为能彻底“隐身”。研究人员说，每种蚊子都进化出了自己独特的“解码方式”，来识别人类的气味。

好消息是，搞清楚这些化学线索，或许能帮我们造出更有效的驱蚊剂。作者只盼着科学家跑快点，蚊子实在太烦人了。

《It Ends》用一条无限延伸的公路和循环的恐怖，隐喻了当代年轻人的生存困境：在失去传统支柱后，唯有依靠人际关系和简单的快乐才能找到意义。

导演亚历山大·尤洛姆的《It Ends》把恐怖片和闲聊片混在一起，讲四个大学毕业生深夜开车，却驶入一条永无止境的路，每次停下都只有90秒喘息，然后被尖叫的人群围攻。这像极了当代年轻人的困境：前方没有目的地，身后没有退路。

1. 没有地图的成长

尤洛姆说，他们这代人失去了传统的生活支柱——成家、买房、信仰都没了，只剩下一个漫长的过渡期。就像“后室”里的无限空间，没有“到达”的概念。成长不再是翻过一座山，而是在一片迷雾中摸索。

2. 仪式是心理的创可贴

片中角色用尖叫排解恐惧，用表情包让大脑放松，用跳舞对抗资本主义对情绪的剥削。尤洛姆自己也开始爬消防梯到屋顶晒太阳，重新读书。这些看似无用的仪式，其实是把无法承受的永恒焦虑，缩小成可以应付的小动作。

3. 傻问题才是解药

尤洛姆认为，既然客观真理不存在，那和好友争论“熊和猩猩谁厉害”就成了最有价值的辩论——那是一种精神战斗，是连接彼此的纽带。在恐怖无意义的生活里，唯一能做的，就是倾听他人，一起度过这段过渡期。

《It Ends》不是告诉你如何逃离无限公路，而是教你如何在其中与人相拥。

AI 不会让程序员消失，但会重塑职业：手工编码将受限，程序员主要变成 AI 的审查者和优化者。

程序员这个职业将来会怎样？很多人担心 AI 会让程序员失业，但一位老外的预测更靠谱：AI 不会消灭程序员，而是把程序员变成『监工』。

1. 软件生产是工业流程，不是手工作坊

商业软件开发的本质是工业化：提高效率、降低成本、保证质量。AI 正好符合这个要求，所以它会永久融入开发流程，就像流水线取代手工制造，但工人没消失，只是换了个岗位。

2. 手工编码将受严格限制

未来，公司会逼着程序员多用编码代理（coding agent），降低技能门槛，增加工作强度。冷门语言项目可能被 AI 重写成主流语言，手工编码只适合业余爱好。

3. 程序员变成 AI 的『监工』

程序员的主要工作不再是亲手写代码，而是帮助 AI 变好、审查 AI 生成的代码、测试改动、减少错误。就像工厂质检员，不用自己造零件，但要保证零件合格。

一句话总结：AI 不会让程序员失业，但会让他们从『手工匠人』变成『AI 监工』，适应变化的人才有未来。

在中国，AI被视为进步的必然，连小商户都争相采用，这与西方对AI的负面联想形成鲜明对比。

北京一家饺子馆「金谷园」火了，因为它给AI智能体做了个「技能」：顾客能用AI查菜单、求推荐、排队取号。店主李波说，他想让饺子馆融入AI规划生活的未来，还引用邓小平的话：「科学技术是第一生产力」。

在西方，AI常和失业、创意威胁、数据中心入侵乡村挂钩，小商户不敢宣传用AI。但在中国，大家抢着学AI，怕在竞争激烈的职场掉队。2025年民调显示，中国民众对AI的兴奋度全球最高。

李波本是北邮电信硕士，毕业后没当工程师，反而开过青旅、卖甜品，最后合伙开了饺子馆。AI让他重燃对科技的热情，除了做技能，还用AI编码工具做了排队网站，甚至发代金券鼓励顾客用AI订阅。

他承认技能带来的媒体关注多于实际使用，但甘当先锋：「总得有人先用起来，哪怕不好用。蒸汽机刚出来时，人们笑它不如马，但最后汽车赢了。」

即使是小小的贻贝，也会因捕食者的存在而改变行为，进而可能引发整个生态系统的连锁反应。

捕食者的影响不只是吃掉猎物。光是它们的存在，就能让食物链下游的动物改变行为，引发一连串生态变化。这种现象叫「恐惧生态学」。

一项新研究发现，连贻贝也会怕小小的寄生虫。

1. 贻贝被吓到，滤水都变慢了

丹麦奥胡斯大学的海洋生物学家，把蓝贻贝（就是那种配白葡萄酒、大蒜和意大利面一起煮的）放进水族箱，再放入它的常见微捕食者——寄生扁虫「长尾虫」。

这种小蠕虫会从贻贝的入水虹管钻进体内。结果，只要蠕虫在场，贻贝就会收缩虹管，滤食活动减少超过三分之一。

后来又加入另一种寄生扁虫，滤食活动直接减半。

2. 蜗牛只是个「告密者」？

研究人员又做了个实验：把贻贝放进装了普通滨螺化学信号的水里。滨螺无害，但它可是长尾虫的重要宿主。

惊人一幕出现了——贻贝照样害怕，滤食活动减少了42%。

「蜗牛本身不害贻贝，但它的存在可能说明附近有寄生虫，」研究作者说，「这就像水里的警告标志：要当心。」

不过，研究人员还没弄清贻贝到底在感知哪种化学信号——感染的、没感染的滨螺都一样。看来，只要闻到「蜗牛味」，贻贝就会闭紧嘴巴。

3. 一只贻贝的恐惧，可能搅浑整片海

一只蓝贻贝每天能过滤超过25加仑的水，而一个贻贝群可以有数百万只。如果它们集体害怕、停止滤食，后果不小：

藻类可能疯长，营养循环变差，海水变浑浊，其他生物住不下去。

另外，寄生虫怕冷，水温升高对它们更有利。所以随着海洋变暖，这种「恐惧效应」可能越发明显。

「这就是这个反应有趣的地方，」另一位研究者说，「一只贻贝的行为变化看似小事，但蓝贻贝是海岸生态的重要角色，哪怕小改变也可能影响深远。」

这一切，都源于一条小小的蠕虫。

当前思想文化圈陷入自我循环的互吹模式，真正意义上的创新与挑战稀缺，造成了智力上的自满与停滞。

作者发现当下知识圈出了大问题：大家不是在追求新知，而是在互相附和、反复咀嚼早已公认的观点。

1. 为啥互吹这么香

认同使人舒服，挑战使人痛苦。读一本跟想法一致的书，就像泡热水澡喝气泡酒，轻松又愉快。可要是读完书还得改变自己，那就太累了。于是，人们专挑顺耳的话听，专买顺心的书看。

2. 谁在背后推波助澜

出版商和播客主早就摸透了这套。他们知道，想让读者掏钱，就得让他们觉得自己已经是天才，而不是给他们添堵。于是，同一批学者在各大平台来回转，相互引用，相互吹捧，共同维护一套看似高深实则封闭的话语体系。

3. 这么下去会怎样

大家越来越会“说”，却越来越不会“想”。嘴上引经据典，心里却早已停止质疑。不接触反对意见，不面对真正有挑战的思想，等发现路子走偏时，可能已经蒙在鼓里很久了。

破局之道很简单：去读那些你讨厌的人写的书，而且是他们写得最好的那本。别急着反驳，先想想万一人家是对的呢？可惜，在互吹圈里，这么做的人往往不受待见。

作者的一篇关于定投美股指数的博客，改变了网友阿迪2000的投资理念，使其从害怕股市到重仓投资，获得可观收益。

网友「阿迪2000」旅居日本，以前在国内炒A股，亏怕了，2015年清仓买房，之后一直不敢碰股市。直到2023年底，读到作者一篇回忆高中返乡的文章，被深深打动，一口气读完了作者全部文章。

那篇文章让阿迪明白：原来挣钱难的只是A股，其他市场可以投资。2024年初，阿迪开户，几乎把全部积蓄投入美股指数，2025年又把卖房钱买了A股里的标普和纳指100指数。

他告诉作者：如今账户有30%到90%的利润，更重要的是理念和作者高度一致，觉得作者改变了自己的人生走向。

作者感慨：博客不只是记录，还可能改变陌生人的命运。