惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Google DeepMind News
Google DeepMind News
www.infosecurity-magazine.com
www.infosecurity-magazine.com
L
LINUX DO - 最新话题
N
News | PayPal Newsroom
S
Security Affairs
W
WeLiveSecurity
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Webroot Blog
Webroot Blog
Spread Privacy
Spread Privacy
A
Arctic Wolf
T
Troy Hunt's Blog
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
D
Darknet – Hacking Tools, Hacker News & Cyber Security
C
Cybersecurity and Infrastructure Security Agency CISA
T
Threat Research - Cisco Blogs
V2EX - 技术
V2EX - 技术
Scott Helme
Scott Helme
Google Online Security Blog
Google Online Security Blog
Schneier on Security
Schneier on Security
F
Fortinet All Blogs
U
Unit 42
爱范儿
爱范儿
腾讯CDC
S
Security @ Cisco Blogs
PCI Perspectives
PCI Perspectives
Hacker News - Newest:
Hacker News - Newest: "LLM"
Apple Machine Learning Research
Apple Machine Learning Research
C
CERT Recently Published Vulnerability Notes
Security Latest
Security Latest
Y
Y Combinator Blog
S
Schneier on Security
Cisco Talos Blog
Cisco Talos Blog
T
The Blog of Author Tim Ferriss
Hugging Face - Blog
Hugging Face - Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
IT之家
IT之家
K
Kaspersky official blog
Security Archives - TechRepublic
Security Archives - TechRepublic
博客园 - 聂微东
Cloudbric
Cloudbric
V
V2EX
H
Help Net Security
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
小众软件
小众软件
TaoSecurity Blog
TaoSecurity Blog
T
Tor Project blog
G
Google Developers Blog
人人都是产品经理
人人都是产品经理
GbyAI
GbyAI
MyScale Blog
MyScale Blog

Agili 的 Hacker Podcast

Agili 的 Hacker Podcast 2026-07-18 Agili 的 Hacker Podcast 2026-07-17 Agili 的 Hacker Podcast 2026-07-16 Agili 的 Hacker Podcast 2026-07-15 Agili 的 Hacker Podcast 2026-07-14 Agili 的 Hacker Podcast 2026-07-13 Agili 的 Hacker Podcast 2026-07-12 Agili 的 Hacker Podcast 2026-07-11 Agili 的 Hacker Podcast 2026-07-10 Agili 的 Hacker Podcast 2026-07-09 Agili 的 Hacker Podcast 2026-07-08 Agili 的 Hacker Podcast 2026-07-07 Agili 的 Hacker Podcast 2026-07-04 Agili 的 Hacker Podcast 2026-07-06 Agili 的 Hacker Podcast 2026-07-05 Agili 的 Hacker Podcast 2026-07-03 Agili 的 Hacker Podcast 2026-07-02 Agili 的 Hacker Podcast 2026-07-01 Agili 的 Hacker Podcast 2026-06-30 Agili 的 Hacker Podcast 2026-06-29 Agili 的 Hacker Podcast 2026-06-28 Agili 的 Hacker Podcast 2026-06-27 Agili 的 Hacker Podcast 2026-06-26 Agili 的 Hacker Podcast 2026-06-25 Agili 的 Hacker Podcast 2026-06-24 Agili 的 Hacker Podcast 2026-06-23 Agili 的 Hacker Podcast 2026-06-22 Agili 的 Hacker Podcast 2026-06-21 Agili 的 Hacker Podcast 2026-06-20 Agili 的 Hacker Podcast 2026-06-19 Agili 的 Hacker Podcast 2026-06-18 Agili 的 Hacker Podcast 2026-06-17 Agili 的 Hacker Podcast 2026-06-16 Agili 的 Hacker Podcast 2026-06-15 Agili 的 Hacker Podcast 2026-06-14 Agili 的 Hacker Podcast 2026-06-13 Agili 的 Hacker Podcast 2026-06-12 Agili 的 Hacker Podcast 2026-06-11 Agili 的 Hacker Podcast 2026-06-10 Agili 的 Hacker Podcast 2026-06-09 Agili 的 Hacker Podcast 2026-06-08 Agili 的 Hacker Podcast 2026-06-07 Agili 的 Hacker Podcast 2026-06-06 Agili 的 Hacker Podcast 2026-06-05 Agili 的 Hacker Podcast 2026-06-04 Agili 的 Hacker Podcast 2026-06-03 Agili 的 Hacker Podcast 2026-06-02 Agili 的 Hacker Podcast 2026-06-01 Agili 的 Hacker Podcast 2026-05-31 Agili 的 Hacker Podcast 2026-05-30 Agili 的 Hacker Podcast 2026-05-29 Agili 的 Hacker Podcast 2026-05-28 Agili 的 Hacker Podcast 2026-05-27 Agili 的 Hacker Podcast 2026-05-26 Agili 的 Hacker Podcast 2026-05-25 Agili 的 Hacker Podcast 2026-05-24 Agili 的 Hacker Podcast 2026-05-23 Agili 的 Hacker Podcast 2026-05-22 Agili 的 Hacker Podcast 2026-05-21 Agili 的 Hacker Podcast 2026-05-20 Agili 的 Hacker Podcast 2026-05-19 Agili 的 Hacker Podcast 2026-05-18 Agili 的 Hacker Podcast 2026-05-17 Agili 的 Hacker Podcast 2026-05-16 Agili 的 Hacker Podcast 2026-05-15 Agili 的 Hacker Podcast 2026-05-14 Agili 的 Hacker Podcast 2026-05-13 Agili 的 Hacker Podcast 2026-05-12 Agili 的 Hacker Podcast 2026-05-11 Agili 的 Hacker Podcast 2026-05-10 Agili 的 Hacker Podcast 2026-05-09 Agili 的 Hacker Podcast 2026-05-08 Agili 的 Hacker Podcast 2026-05-07 Agili 的 Hacker Podcast 2026-05-06 Agili 的 Hacker Podcast 2026-05-05 Agili 的 Hacker Podcast 2026-05-04 Agili 的 Hacker Podcast 2026-05-03 Agili 的 Hacker Podcast 2026-05-02 Agili 的 Hacker Podcast 2026-05-01 Agili 的 Hacker Podcast 2026-04-30 Agili 的 Hacker Podcast 2026-04-29 Agili 的 Hacker Podcast 2026-04-28 Agili 的 Hacker Podcast 2026-04-27 Agili 的 Hacker Podcast 2026-04-26 Agili 的 Hacker Podcast 2026-04-25 Agili 的 Hacker Podcast 2026-04-24 Agili 的 Hacker Podcast 2026-04-22
Agili 的 Hacker Podcast 2026-04-23
Agili 的 Hack · 2026-04-24 · via Agili 的 Hacker Podcast

欢迎来到 Agili 的 Hacker Podcast。今天我们关注从底层云架构重构、GPT-5.5 的效率演进,到电信网络监控漏洞与生物分子马达的物理机制。

逃离云端复杂性:Tailscale 联合创始人构建新平台

现有云架构的痛点

David Crawshaw 创办了新云平台 exe.dev。他指出现有云平台的虚拟机与 CPU、内存深度绑定,迫使开发者使用嵌套虚拟化并承受性能损失。云服务商推销的远程块设备在固态硬盘时代将 IOPS 限制在极低水平,且费用高昂。

社区验证与反思

Hacker News 社区通过磁盘压力测试验证了这一现状。在非一线厂商服务器上,几欧元配置能跑出 100k 的 IOPS,而大型云厂商同价位产品性能差距达数十倍。社区讨论指出,许多小型 Web 应用被强加了 Kubernetes 集群,这种“简历驱动开发”增加了无意义的复杂性。使用 Kamal 等工具部署在单台 Debian 虚拟机上往往更稳定廉价。

AI 驱动的重构契机

AI Agent 的兴起推动了这次架构重构。Agent 需要私密、低开销且易于管理的运行空间。exe.dev 提供本地 NVMe 磁盘异步复制和全球任播网络,旨在从机房布线到软件栈彻底简化架构,解决现有云 API 过度消耗 AI 模型上下文窗口的问题。

OpenAI 发布 GPT-5.5

模型能力与效率

OpenAI 发布 GPT-5.5。该模型提升了对用户意图的理解和自主执行力,在 Terminal-Bench 2.0 命令行基准测试中达到 82.7% 的准确率。模型保持了与前代相当的每 Token 延迟,并在完成相同任务时减少了 Token 消耗量。底座运行在 NVIDIA GB200 和 GB300 NVL72 系统上。

使用体验与争议

早期测试者反馈模型存在“动力缺失”现象。它有时会陷入道歉循环并拒绝执行任务,用户需要使用鼓励性提示词促使其继续工作。部分工程师对高智能模型产生依赖,当模型宕机时陷入“习得性无助”。

定价与行业影响

API 起步价为每百万输入 Token 5 美元,输出 30 美元;GPT-5.5 Pro 版本输入 30 美元,输出 180 美元。社区讨论中,部分开发者认为审查 AI 生成的大量代码加重了工作负担,另一派则认为这促使工程师的职责向更高维度的架构设计转移。

十六进制编辑器中的字节着色技术

视觉辅助机制

在十六进制编辑器中为字节着色,利用了人类的视觉模式识别能力。分析游戏数据时,颜色能快速区分小端序整数中的高位零字节;在分析哈夫曼编码时,能直观区分树结构区与压缩位流区。有参赛者在网络安全竞赛中利用 hexyl 的高亮功能找出了隐藏数据。

进阶可视化方案

进阶配色方案将 18 组色彩分配给不同的半字节,对 00FF 特殊处理。开发者使用 ImHex 编写类似 C 语言的结构定义来解析二进制流,或在 binvis.io 中生成数据缩略图以观察大尺度文件。

实用性与无障碍设计

社区指出过度着色可能导致视觉疲劳,且对色盲用户造成使用障碍。理想的编辑器需要支持自定义配色,并提供加粗、斜体等非色彩维度的视觉区分手段。

Ars Technica 发布编辑部 AI 政策

政策规范与责任界定

Ars Technica 规定其所有报道、分析和评论必须由人类创作。记者可以使用受审 AI 工具辅助研究,但不可将其输出作为权威来源。任何人使用 AI 工具必须对结果的准确性负责,责任不可转嫁给编辑。

效率审查与争议

Hacker News 社区对“不可转让的问责制”产生分歧。反对者指出,允许员工使用易产生幻觉的工具却要求其承担全部责任,改变了传统新闻中编辑共担责任的准则。部分开发者认为,验证 AI 总结的准确性有时比直接阅读原文更耗时。

行业数据担忧

讨论延伸至 AI 训练数据的可持续性。如果 AI 大规模抓取原创内容导致创作者失去激励,未来的训练数据将面临枯竭。部分观点提议参考音乐平台的微支付系统,用 AI 订阅费补偿被抓取的原始网站。

细菌鞭毛马达的物理驱动机制

纳米级运转结构

冷冻电镜技术揭示了细菌鞭毛马达的核心机制。马达底部由 34 个蛋白质组成细胞质环,外围锚定在细胞壁上的定子具有 5:2 的几何结构。定子像转盘一样转动,带动鞭毛旋转,推动细胞前进。

质子动力势

马达的燃料是“质子动力势”。细胞将质子泵出体外形成浓度差,游离质子自发涌入细胞时推动定子转轴。这种跨膜电化学梯度也是线粒体产生能量的原理,其能量转化效率接近 100%。

演化与转向机制

当环境恶化时,细菌通过磷酸化 CheY 蛋白触发细胞质环形状突变。定子改在环的内侧施力,使马达反向旋转,细菌随即翻滚转向。科学家指出,这种精细结构是经过 10 亿年、数十万亿代演化试错的结果。

《洋葱报》收购 InfoWars

收购背景与法律裁决

讽刺新闻网站《洋葱报》在破产拍卖中竞得极右翼媒体平台 InfoWars,计划将其改造为一个充斥荒诞虚假信息的讽刺网站。此次拍卖源于亚历克斯·琼斯面临的 14 亿美元赔偿。琼斯在审理中多次拒绝配合证据开示,辩护律师曾意外向控方发送了琼斯手机的完整数据备份,法官最终做出缺席判决。

算法推送机制探讨

社区将 InfoWars 的运作模式与社交媒体算法进行类比。算法为追求互动率,倾向于推送激怒读者的内容。支持者认为,这次倒闭和收购构成了一种威慑,增加了通过虚假信息牟利的业务风险。

调查揭露全球电信监控活动

攻击路径与技术手段

Citizen Lab 报告揭示了商业监测供应商伪装成电信运营商,利用合法网络访问权限追踪用户位置。这些活动通过以色列、英国和泽西岛的运营商作为中转站,滥用缺乏加密的 SS7 协议。部分攻击使用了 SIMjacker 技术,通过发送隐形短信指令直接获取手机位置。

行业监管漏洞

业内讨论指出,技术人员可以通过数据包捕获手段绕过应用层的客户关系管理审计系统。这种商业监测暴露了监管失衡:执法机构获取位置数据需要繁琐的法律审批,而商业公司能绕开这些程序进行追踪。

隐私保护困境

电信追踪数据在部分地区已成为黑市商品。用户在日常使用蓝牙等基础功能时必须授予后台位置访问权限,使得普通人几乎无法脱离由国家和企业构筑的监控架构。

Bitwarden CLI 遭遇供应链攻击

攻击载荷特征

Bitwarden CLI 2026.4.0 版本在 Checkmarx 供应链攻击中被植入恶意代码。攻击者利用 GitHub Action 漏洞,在 npm 包中植入程序以抓取内存,目标涵盖 GitHub 令牌、云服务凭据和 SSH 密钥。代码内包含避开俄语系统的开关,并使用了《沙丘》相关的命名。官方浏览器扩展和移动端应用未受影响。

凭据收割风险

安全专家建议已安装受损版本的用户卸载该包,并重新生成所有可能暴露的云服务私钥和令牌。同时需检查 GitHub 账户下是否有异常的公开代码库。Hacker News 用户指出,执行普通查询命令可能在终端回显中暴露密码和一次性密码,若终端配置不当会被记录在历史日志中。

生态安全反思

开发者担忧 npm 对外部依赖的管理机制,认为 GitHub Actions 正在成为新的供应链漏洞高发区。部分观点认为,拥有强大标准库的语言在处理依赖管理时具备更高的安全性。

经典游戏《Tempest》的底层代码解析

代码重构与硬件跨越

一本新电子书对比了 1981 年版《Tempest》与 1994 年《Tempest 2000》的汇编源码。内容涵盖了从 6502 处理器到摩托罗拉 68K 处理器的技术演进,通过图表拆解了复杂的逻辑代码。《Tempest 2000》的 MS-DOS 版本源代码已在网络公开,代码基于 Borland 编译器的特定模式编写。

开发者轶事与外设记忆

原作者 Dave Theurer 离开雅达利后开发了图像处理工具 DeBabelizer。早年将原版游戏移植到家用机时,玩家必须额外购买旋转式光标控制器才能操作。社区推荐了《IRIDIS ALPHA THEORY》等同类书籍,这些作品满足了复古游戏爱好者对早期游戏底层机制的研究需求。

等足纲动物的分类与微距摄影

分类学轶事与培育

等足纲动物的科学研究相对较少。在分类学历史上,一位学者曾用一位女性名字的异位词命名了多个属名。高级饲养者通过隔离特定色型的个体,培育出了“琥珀小鸭”和“大黄蜂”等新品系。

景深合成摄影

记录这些微小生物高度依赖景深合成摄影技术。摄影师通过数字化组合多张不同焦平面的照片,获取全焦清晰的高细节图像。由于质感平滑,部分照片曾被误认为 AI 生成,专业人士强调这种真实的摄影记录对科学参考不可或缺。

小众爱好的互联网回归

这类专注于等足纲动物的项目唤起了社区的怀旧情绪。网民表示,这些专注于细分领域的个人站点,展现了基于纯粹热爱构建网络内容的早期互联网精神。

播客全文

女:Hello 大家好,欢迎收听这期的 Hacker Podcast,我是小雅。

男:大家好,我是老冯。

女:今天咱们要聊的东西跨度有点大,从最新的 AI 大模型,一路聊到水坑里的细菌。老冯,咱们先从云服务说起吧。你看到 Tailscale 创始人 David Crawshaw 搞的新项目 exe.dev 了吗?这哥们说他热爱计算机,但极度厌恶现在的云服务。

男:看到了,这简直喊出了无数后端工程师的心声。简单来说,现在的云其实就是一堆靠 API 驱动的 Linux 虚拟机。但 Crawshaw 觉得这些基础模块的“形状”完全不对。现在的虚拟机跟 CPU 和内存绑得太死,你想做个资源隔离,就得去折腾嵌套虚拟化,性能损耗巨大。而且现在的云盘,像 AWS 的 EBS,在机械硬盘时代还凑合,到了固态硬盘时代,它的每秒读写次数被限制到了你手头这台 MacBook 的百分之一,你还得为这种龟速付一大笔钱。

女:这就有点像,你明明只需要租个一居室,房东非要搭售整栋楼的下水管道维护费。难怪现在大家都在吐槽 Kubernetes 这种容器管理系统。我看到有人形容它是在“给猪涂口红”,大家为了简历好看,连个极其简单的 Web 应用都要硬上 K8s 集群。

男:对,这就是典型的简历驱动开发。其实像 Basecamp 搞的那个 Kamal 工具就证明了,很多时候你把应用部署在一台普普通通的 Debian 虚拟机上,比弄个复杂的集群更稳定,出错了也好排查。你拿压测工具去跑一下就会发现,在一些非一线大厂的服务器上花个几欧元,磁盘性能能甩开大厂同价位几十倍。

女:不过 Crawshaw 这次重构云底层的底气,其实来自于 AI Agent。按照杰文斯悖论,AI 让写代码变容易了,软件数量肯定会大爆发。以后的云服务主要是给这些 AI 智能体用的,它们需要的是便宜、私密、随叫随到的运行环境,而不是现在这种调用一下 API 就吃掉一堆上下文窗口的庞然大物。

男:说到 AI 智能体,OpenAI 刚出的 GPT-5.5 你试了没?这次他们主打的就是“代理化”流程,模型能自己规划和使用工具。在那个测试复杂命令行的 Terminal-Bench 里准确率冲到了 82.7%,而且生成每个词的延迟跟上一代差不多,消耗的 Token 算力还变少了。

女:试了,我现在有点担心一种情况。听说有个 NVIDIA 的工程师形容失去 GPT-5.5 就像“被截肢”一样。这种严重的依赖感挺可怕的。要是哪天服务器崩了,程序员是不是就陷入“习得性无助”了?觉得与其自己手敲代码,不如出门溜达等系统恢复。

男:这绝对是现在的普遍现象。不过 GPT-5.5 也有让人抓狂的地方。它有时候会像人一样“偷懒”。比如跑偏了之后,它会陷入一种“我失败了,我感到抱歉”的死循环,直接罢工。你还得像哄小孩一样输入“你可以的,继续试试”来逼它干活。

女:这简直是赛博打工人实锤了。不过站在审核者的角度,现在的工程师越来越像在做代码审查,而不是自己写代码。AI 一口气给你生成三千行的合并请求,里面塞满了一堆虽然能跑但很冗余的“代码垃圾”,看这些东西极其消耗精力。

男:这也算是一种新的抽象层吧。就像当年程序员从手动管理内存过渡到用现成的库函数一样,现在工程师的精力要往更高维度的架构设计上转移了。不过这也带来一个问题,如果干活的都是 AI,那提供这些大模型的巨头公司,话语权就太大了,传统公司的议价能力在肉眼可见地变弱。

女:这让我想起 Ars Technica 刚发布的编辑部 AI 政策。他们规定所有报道必须是人类写的,AI 只能做辅助研究,而且员工必须对 AI 找出来的东西负责。这个规定听起来很合理,但仔细一想有点自相矛盾。你给员工发了一把会乱喷火的喷火器,告诉他可以用,但要是烧着了房子,员工全责。

男:对,核实 AI 生成内容的真伪,有时候比你自己去查原始资料还费时间。不过也有人觉得 AI 更像是个金属探测器,它不能直接给你金子,但能告诉你往哪挖。

女:其实内容行业现在最担心的是 AI 把整个生态的“水源”给污染了。如果 AI 疯狂抓取原创内容,创作者赚不到钱就不写了,以后的训练数据就会枯竭。或许应该参考音乐平台 Spotify 的模式,搞个微支付系统,把大模型的订阅费分一点给被抓取的原创网站。

男:这种版权和安全机制的建立迫在眉睫。说到安全,你看到 Bitwarden 那个命令行工具被投毒的事情了吗?这也是个典型的供应链攻击。黑客利用 GitHub Actions 的漏洞,在 npm 包里塞了个恶意代码。这代码专门去抓内存里的各种密钥,包括 GitHub 令牌、云服务凭证甚至 SSH 私钥。

女:这个事细节特别戏剧性。那个恶意代码里居然带了个俄语环境的“自杀开关”,如果检测到系统是俄语,它就悄悄退出。而且代码里写满了科幻小说《沙丘》里的词,像什么“沙虫”啊、“机器圣战”之类的,黑客还挺有情怀。

男:情怀归情怀,破坏力是真的大。现在 npm 这种极度依赖外部代码包的生态,简直成了供应链攻击的重灾区。这也是为什么现在很多人呼吁用 Go 语言这种标准库本身就足够强大的语言来写工具。顺便提醒一下,如果你用了受影响的 Bitwarden CLI 版本,别光卸载,一定要把你可能暴露的各种密钥全部换一遍。

女:太吓人了。其实我们在数字世界里基本上是在“裸奔”。你看 Citizen Lab 刚出的那份电信监控报告,全球有两起大规模的监控活动,就是利用老旧的电信协议漏洞来追踪用户位置。

男:是的,这帮人利用那个早就该淘汰的 SS7 协议。因为缺乏加密认证,他们可以伪装成合法的电信运营商去窃取数据。更离谱的是那个叫 SIMjacker 的技术,给你手机发一条特定的隐形短信,你手机上什么都看不到,但你的手机已经变成实时追踪器了。

女:而且这种工具被滥用的情况非常普遍。报告里提到有些电信员工利用职务之便去监控前任伴侣的位置。讽刺的是,哪怕是急救中心想查个定位救人,都要走好几个小时的法律审批流程;这些商业监控公司倒好,为了赚钱随便给人开后门。连买个蓝牙耳机都要索取背景定位权限,普通人根本躲不开。

男:想在海量的数据流里抓到这些异常真的很难。对了,说到看底层数据,最近有个关于十六进制编辑器配色的讨论特别火。以前看这些二进制文件就是一片黑白的数字,看久了眼睛都要瞎了。

女:对,找特定的字节简直是大海捞针。

男:但现在一些像 hexyl 这样的工具引入了颜色高亮,这就完全不一样了。我们大脑的视觉模式识别能力特别强。比如你分析一个游戏文件,如果用颜色区分,你一眼就能看出哪些是图像数据,哪些是压缩编码。在一次安全极客的夺旗比赛里,有个选手就是靠着颜色高亮,在一堆乱码里敏锐地看到了一串黄色的字符,直接找到了隐藏的通关密码。

女:色彩即语义,这跟代码高亮是一个道理。不过我也看到有人抱怨,说有些工具颜色搞得太杂,看着像一盘“愤怒的水果沙拉”,反而干扰注意力。还得考虑全世界有 8% 的男性有色盲问题,所以这种工具必须得支持自定义配色才行。

男:没错。对于喜欢深挖底层结构的人来说,最近有一本叫《TEMPEST vs TEMPEST》的电子书绝对是金矿。它把雅达利 1981 年的街机游戏和 94 年的重制版代码彻底拆解了。从早期的 6502 处理器到后来的 68K,里面画了大量图表来解释底层的汇编逻辑。

女:这本书里聊到当年开发者 Dave Theurer 的故事挺打动我的。这人特别低调务实,听说他离开雅达利之后,还会自己抱着笔记本电脑跑到客户现场去一点点调试 Bug。当年玩街机为了手感还得专门买个叫 Paddle Wheel 的旋钮手柄,满满的都是一代人的回忆。

男:不管是研究老游戏代码,还是深挖计算机底层,其实都有一种机械的精密美感。但要说精密,人类设计的机器在自然界生化机械面前还是稍逊一筹。最近科学家终于用冷冻电镜彻底搞清楚了细菌的“鞭毛马达”是怎么工作的。

女:鞭毛马达?就是细菌屁股后面那个像螺旋桨一样的尾巴吗?

男:对,但它比螺旋桨厉害多了。这东西每秒能转几百圈,比赛车引擎的转速还要快。最神奇的是它的能量来源。它不是靠烧油或电池,而是靠“质子动力势”。细菌会把质子泵到细胞外,外面质子多,里面质子少,质子往回涌的时候,就会推动马达底部那个由 34 个蛋白质组成的 C 环转动。这完全是个纯天然的电动马达。

女:在微观尺度下,水对细菌来说黏稠得像柏油一样。所以这个鞭毛其实不像螺旋桨,更像是一个电钻的钻头。而且它的能量转化效率接近 100%,没有人类内燃机那种热量耗散的问题。听说它还能自己倒车?

男:对,当细菌觉得环境有毒的时候,它会给一种特定蛋白贴上个磷原子标签,这个标签一贴上去,整个马达结构就像发夹一样翻转,定子的受力方向改变,鞭毛立马反向旋转,细菌就会随机翻滚来改变方向。经过十亿年、几十万亿代的试错,大自然把这个机制进化得极其完美。

女:大自然确实是个神奇的工程师。说到奇妙的生物,最近把等足纲动物——也就是我们常说的潮虫、鼠妇——当宠物养的人越来越多了。

男:这个圈子其实特别硬核。因为这方面的科学研究很少,大家经常搞错物种。历史上有个英国学者特别逗,为了追求一个叫 Caroline 的女孩,把好几个新发现的潮虫属名,全用这个女孩名字的字母重新排列组合来命名,搞得后来的分类学家头疼死了。

女:现在这个圈子的核心玩法是选择性育种。比如把颜色变异的个体隔离出来,培育出叫“琥珀小鸭”或者“大黄蜂”的品系。因为这东西太小了,大家还要用专门的微距镜头和“景深合成”技术来拍照。拍出来的细节太丰富、太清晰,导致经常有人怀疑这是 AI 生成的假图。

男:这也从侧面说明,真实世界的物理细节有时候比 AI 算出来的还要精致。像这种大家因为纯粹的热爱聚集在一起,深挖一个极其小众领域的氛围,真的特别像早期那个纯粹、有深度的互联网。

女:是啊,在这个算法推着大家看暴躁情绪内容的时代,能有一群人安安静静地给潮虫拍照、研究老游戏底层的汇编代码,感觉确实挺美好的。好了,今天的节目就聊到这里,如果你喜欢我们的节目,欢迎使用泛用型播客客户端订阅我们,我们下期再见!

男:下期见!

参考链接