彭博社 需要帮助？请联系我们 我们检测到您的计算机网络存在异常活动 要继续，请点击下面的框来确认您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器支持 JavaScript 和 cookies，并且没有阻止它们加载。 更多信息请查看我们的服务条款 和 Cookie 政策。 需要帮助？ 关于此消息的咨询，请联系 我们的支持团队并提供下面的参考ID。 阻止参考ID：2c4c743b-1d36-11f1-ae5d-543c28db8769 订阅 Bloomberg.com，随时掌握最重要的全球市场新闻。 立即订阅
每日HackerNews RSS
当链成为产品：一份代币资助创业公司七年经历
When the chain becomes the product: Seven years inside a token-funded venture
22 天前
## 加密货币中从产品到叙事的转变：Blockstack/Stacks的故事 我于2018年加入Blockstack，被Gaia用户控制的数据存储系统所吸引。早期对开发者工具和去中心化身份的关注感觉真正充满希望。然而，在5000万美元的代币发行后，公司转向优先发展Stacks区块链及其Clarity语言，最终以一次历史性的、获得SEC资格的代币销售，筹集了1550万美元。 这次代币发行从根本上改变了Blockstack的轨迹。该公司不再基于用户反馈进行迭代，而是专注于长期的链基础设施和叙事驱动的里程碑。典型的“构建、衡量、学习”产品周期被一个依赖于未来多层开发的十年规划所取代。 这形成了一个危险的反馈循环：代币价格决定了优先级，掩盖了实际开发者的需求。像App Mining这样的项目，虽然最初成功地吸引了应用程序，但最终被搁置，转而追求能够提升叙事的举措。重点从解决用户问题转移到吸引流动性和与其他加密货币项目竞争。 最终，Stacks生态系统陷入了一种永久性延期里程碑和不断变化的叙事模式，优先考虑信念而非可证明的进展。这说明了代币资助企业的一个核心问题：财务激励可能会掩盖产品开发，从而创建一个维护故事比构建真正有用的东西更重要的系统。我目前的项目Neotoma选择放弃代币，是对这一教训的直接回应——优先考虑真实的的用户反馈和快速迭代。
## 黑客新闻讨论摘要：当链成为产品
最近黑客新闻上出现了一场讨论，围绕着一篇帖子展开，该帖子详细描述了在代币资助项目中的七年经验，强调了代币本身如何可能成为主要产品，从而掩盖实际的开发。作者马克·亨德里克森认为，代币经济可能会劫持反馈循环，激励团队优先考虑叙事优化（提高代币价格），而不是提供真正的产品价值。
评论者将此现象与比特币进行了类比，认为其价值依赖于特定的、通常是极端的未来情景。然而，作者澄清了核心问题并非一定是欺诈，而是一种系统性问题，即财务激励扭曲了优先级。 许多用户指出，传统风险投资资助的初创公司也存在类似的动态，炒作和估值常常胜过实质。
讨论强调了流动性的危险——代币提供了广泛的敞口和直接的财务利益，以维持叙事，缺乏传统投资结构中存在的纠正机制。最终，作者提倡优先考虑直接的用户反馈，并避免代币化，正如他的新项目Neotoma所展示的那样，该项目专注于AI代理记忆，而没有代币成分。 这场对话反映了人们对“区块链生态系统”日益增长的怀疑，以及对投资项目信任度下降的担忧。
Please provide the content you want me to translate. I need the text to be able to translate it to Chinese.
Just paste it here, and I will give you the Chinese translation.
## TB-303 模拟与社区讨论
一则Hacker News讨论围绕一位开发者用代码构建TB-303模拟器展开，引发了关于真实性和标志性酸性合成器的细微之处的争论。虽然该模拟器因其技术成就而受到赞扬，但许多TB-303拥有者认为它无法捕捉原始硬件独特的音色和感觉，特别是关键的重音和滑音功能，以及其模拟电路的缺陷。
对话凸显了一个强大的303爱好者社区，许多评论者自称拥有原始设备和x0xb0x等克隆版本。Rebirth和现代克隆产品（TD-3、T-8）也被提及，以及完美复制303音色的挑战。一些用户分享了个人项目，包括详细的模拟器和一个现场编码实现。
除了技术方面，讨论还涉及303持久的遗产及其对电子音乐的影响，并与其他有影响力的乐器（如Amen Break）进行比较。该帖子还表达了对旧音乐创作工具的怀旧之情以及对亲手操作硬件体验的渴望。
## AI 与人工 Mac 故障排除：对终端的冒险依赖
AI（如 ChatGPT）提供的 Mac 故障排除方案，倾向于使用终端命令，而非大多数用户依赖的图形界面应用程序。这是由于大型语言模型（LLM）处理基于文本的“标记”，而不是易于描述的图形界面交互。虽然终端功能强大，但这种方法存在问题。
AI 提供的命令通常解释不清，导致用户不理解，并可能因盲目复制粘贴而容易出错，甚至遭受恶意软件攻击。此外，建议经常不准确；最近的测试表明，ChatGPT 提供的*所有*命令都未能实现其承诺，提供了关于安全日志和更新的误导性信息。
人类通常会引导用户使用用户友好的应用程序，如磁盘工具，提供更安全、更易于理解的解决方案。文章警告说，AI 并非在培养用户知识，而是在助长对复杂且通常无效命令的危险依赖。最终，依赖 AI 进行 Mac 故障排除会带来错误信息和增加安全漏洞的风险。
## 为什么人工智能痴迷于终端？ - 摘要
最近在Hacker News上的一场讨论探讨了为什么人工智能，特别是ChatGPT，即使对于可以通过图形用户界面（GUI）轻松完成的任务，也经常建议使用命令行（终端）。核心原因似乎是人工智能模型训练的数据：主要是文本，例如代码和论坛帖子（尤其是Stack Overflow），其中终端命令很常见。人工智能没有“见过”或处理过与视觉用户界面元素相同的程度。
一些评论员强调了终端命令相对于不断变化的UI的稳定性。另一些人指出，命令行在自动化方面具有效率和确定性。然而，人们也担心向不熟悉终端的用户推荐潜在的危险命令。
讨论还涉及了免费人工智能版本与更高级模型的局限性，以及未来人工智能更好地理解和交互视觉界面的可能性。最终，人工智能对终端的偏好反映了其训练数据以及对于熟悉使用的人来说，基于文本的命令的固有优势。
## AutoKernel：自主GPU内核优化
AutoKernel是一个自动研究系统，灵感来自Karpathy在LLM训练方面的工作，旨在自动优化PyTorch模型的GPU内核。只需提供一个PyTorch模型并让系统运行——它将自主识别性能瓶颈，将其提取为Triton内核，并迭代优化每一个。
该系统通过一个代理修改单个`kernel.py`文件，并根据固定的、严格的5阶段正确性检查对其进行基准测试，并保留或撤销更改。这个过程会持续重复，并以Amdahl定律为指导，优先考虑有影响的优化。它支持9种核心深度学习内核类型（matmul、softmax、layernorm等）。
AutoKernel需要NVIDIA GPU和Python 3.10+。它提供用于性能分析、内核提取、基准测试和验证的工具，并将结果记录在人类可读的TSV文件中。该代理遵循`program.md`中的详细指令，从而实现长期、自主的实验。目标是利用Triton可读的语法和快速的编译时间来实现显著的加速，同时在每一步确保正确性。
## AutoKernel：自动GPU内核优化
一个名为**AutoKernel**（github.com/rightnow-ai）的新项目旨在自动化寻找最佳GPU内核，最初专注于Triton。该工具使用自动搜索来提高性能，并通过4096x4096x4096 fp16矩阵乘法演示了1.31倍的加速——但评论员指出该基准测试的GPU利用率相对较低（峰值的18.9%）。
讨论的中心在于这项技术有潜力显著受益于像**llama.cpp**这样的项目，后者为不同的硬件和量化级别使用了大量手动调优的内核。在这里自动化优化可以解决不同GPU上的性能差异。
几位用户正在开发类似的自动搜索工具，包括针对Apple Silicon和更广泛应用的工具。有人对与现有解决方案（如Cutlass和TVM的Ansor）的基准测试比较提出了担忧。该项目呼应了Google早期使用AlphaEvolve的工作，表明自动内核优化以加速AI训练和推理的趋势正在增长。
## PiClaw：基于Docker的代理沙箱
PiClaw 是一个自包含的、基于Docker的环境，用于运行Pi Coding Agent，提供安全隔离的Debian工作区。它具有基于Web的编排器，支持持久会话和实时流式UI，以丰富的渲染方式（Markdown、KaTeX、Mermaid）显示逐Token的响应。
主要功能包括带有预览和上传功能的的文件浏览器，内置CodeMirror 6编辑器支持12种语言，以及Passkeys和TOTP身份验证等强大的安全选项。可选的WhatsApp集成也可用。
PiClaw 提供了一系列技能，包括调试、Playwright 和网络搜索。它将数据存储在SQLite中，重要的聊天记录保存在 `/workspace/.piclaw/store/messages.db` 中。配置灵活，支持反向代理，并通过环境变量和配置文件自定义设置。
开发包括构建、测试和发布工具，通过GitHub Container Registry提供多架构支持（amd64 & arm64）。PiClaw 兼容各种符合OCI标准的运行时，如Docker、Podman 和 Apple Containers。
## TADA：语音AI的突破
未来语音AI需要自然、快速和可靠的语音生成——当前系统面临的挑战在于语言模型处理文本和音频时的效率低下。Hume AI推出了TADA（文本-声学双重对齐），这是一种新的方法，通过一对一的标记化方案同步文本和语音，从而解决了这种核心不匹配问题。
TADA在不牺牲质量的情况下，实现了**比同类系统快5倍**的语音生成速度。重要的是，它**消除了内容幻觉**——跳词或捏造内容——通过强制执行文本和音频之间的严格对齐。其轻量级设计也使其能够**在设备上部署**，从而提高隐私并降低延迟。
Hume AI正在**开源TADA**（代码和预训练模型可在Hugging Face和GitHub上获得），以加速语音AI领域的创新。虽然在处理非常长的内容和多模态生成方面存在局限性，但TADA展示了在长篇叙述、对话式AI以及敏感行业中可靠语音接口等应用方面的巨大潜力。
这项突破有望为研究人员和开发人员提供更高效、更可靠、更易于访问的语音AI。
## FreeBSD 对 Aquantia AQC113/C 驱动的支持请求 此功能请求要求为 FreeBSD 提供对 Aquantia AQC113 和 AQC113C 以太网控制器的驱动支持。这些控制器常见于 ASUS XG-C100C v2 等设备中，正越来越多地用于服务器、NAS 系统和工作站的高性能网络（NBase-T、10GBase-T）。 目前，FreeBSD 可以检测到这些设备（PCI ID 0x04c0 & 0x14c0），但不会加载驱动程序；现有的 `aquantia-atlantic-kmod` 仅支持 AQC107 系列。OpenBSD 和 Linux 已经有可用的驱动程序（分别为 aq 和 atlantic）。 该请求建议扩展 `aquantia-atlantic-kmod` 或创建一个新的驱动程序以启用完整功能。请求者提供调试和验证方面的协助，并提供相关的系统详细信息（FreeBSD 14.1、`pciconf` & `dmesg` 输出）供参考。添加此支持将显著提高 FreeBSD 的硬件兼容性。
针对Aquantia AQC113/C 10GbE 以太网控制器的驱动程序已发布用于FreeBSD，解决了对常见迷你PC芯片组的支持缺口。这对于构建防火墙或在FreeBSD系统上需要更快网络连接的用户尤其有用。
讨论引发了关于人工智能在驱动程序开发中的作用的争论，一些人认为人工智能可以将驱动程序从Linux翻译到FreeBSD，而另一些人则警告不要依赖人工智能生成的代码来构建强大的FreeBSD网络堆栈。用户分享了使用Aquantia控制器的经验，包括过去在Linux中出现的冻结问题，以及由于缺乏FreeBSD支持而需要使用更昂贵的Intel网卡。
该驱动程序填补了桌面/笔记本电脑连接到FreeBSD服务器的经济高效的10GbE连接需求，并为利用现成迷你PC硬件的防火墙项目更广泛的应用打开了可能性。
这条信息呼吁大家在当前人工智能炒作和由此产生的焦虑中保持冷静。它驳斥了必须立即掌握人工智能以避免变得无关紧要的说法，称之为“胡说八道”和制造恐慌。人工智能被描述为技术进步的自然过程——一种有用的工具，而不是神奇的革命。 核心信息集中在长期成功：**为他人创造真正的价值，而不是复杂性。** 建立在“寻租”之上（不创造价值而获利）的工作是脆弱的，不是*因为*人工智能，而是由于大型企业巩固了这些利润。裁员被描述为这种巩固，被人工智能叙事掩盖，以提振股价。 建议专注于贡献多于消费，避免比较和不断竞争的压力。创造价值是通往稳定和归属感的道路，这条信息将前者置于追逐短暂趋势之上。
## Pike：更智能的公路旅行中途停留点查找器
现有的地图应用在规划公路旅行的停靠点时往往力不从心，提供的选项不相关或“添加停靠点”功能令人沮丧。Pike旨在解决这个问题，通过简洁直观的界面，显示*就在*高速公路出口附近的选项——在5分钟车程内的所有设施。
Pike的设计灵感来自熟悉的蓝色州际公路标志，它显示“出口卡片”，展示附近的餐厅、加油站，以及未来将加入的宠物休息公园。这款应用源于开发者个人对更轻松公路旅行规划的需求，避免因饥饿而做出的糟糕决定，并确保与宠物同行时的便利。
开发过程是迭代的，克服了地图数据准确性的挑战。最初使用方向搜索和图遍历的尝试被证明存在缺陷。最终方案是预先计算出口序列，并利用开源路由机 (OSRM) 来确定驾驶时间，确保推荐的地点真正可达且靠近。
Pike优先考虑数据的完整性，而非快速修复，并利用云计算进行大规模数据处理。目前该应用已发布，开发者欢迎反馈以进一步完善应用。
## Pike：一款发现附近设施的公路旅行应用
这次Hacker News讨论的中心是“Pike”，一款新的iOS应用，旨在解决一个常见的公路旅行问题：了解即将到来的高速公路出口*实际*可达的设施。该应用旨在向用户展示附近的餐厅、加油站和景点，并提供准确的行驶时间，避免了为了某个比预期更远的地方而下高速的沮丧。
作者Tom Johnell解释说，该应用使用OSRM进行路线计算，预先计算从每个出口到附近兴趣点的行驶时间。用户对这个概念表示热情，特别是发现当地活动和规划风景路线的潜力，而标准的地图应用通常更注重速度而非乐趣。
讨论还涉及了获取用户群体的挑战（例如Darksky或Waze），数据来源的复杂性，以及美国高速公路出口的细微差别（包括更少见的左侧出口）。作者乐于接受反馈，并考虑将Pike扩展到Android和其他App Store地区。