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：7b6e01a2-304c-11f1-bc92-f12a34068c4a 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
## 变压器短缺威胁电气化
大型电力变压器严重短缺正在阻碍电气化所需的电网扩张，包括可再生能源和人工智能数据中心。这些变压器的制造是一项高度专业的手工艺，依赖于数十年的经验积累和手工劳动——甚至支撑结构使用木材！——由相对较小的团队完成。
核心问题不仅仅是制造*更多*变压器，而是维持稳定的需求以证明维持专业工厂运营的合理性。这些工厂的启动和停止成本高昂，需求激增后的生产过剩可能导致裁员和专业知识的丧失。标准化设计和增加国内生产正在讨论中，但受到材料成本波动和变压器使用寿命长（数十年）的限制，使其难以快速适应。
虽然中国正在增加变压器产量，但对其质量和监管合规性存在担忧。一些人建议政府干预——保证采购或维持战略储备——但另一些人警告不要人为地膨胀生产并造成未来闲置产能。这个问题凸显了重工业面临的更广泛挑战：在响应需求与保护关键但脆弱的制造能力之间取得平衡。
Please provide the content you want me to translate. I need the text to be able to translate it to Chinese.
## 展示 HN: 一款构建 GPU 的游戏 (jaso1024.com) - 摘要
这个 Hacker News 讨论围绕着一个新发布的互动游戏 ([jaso1024.com](https://jaso1024.com))，旨在通过让用户从头开始构建 GPU 来教授他们 GPU 架构。开发者 Jaso1024 因为缺乏该主题的可访问资源而创建了这个游戏。
用户们喜欢这个概念和教育价值，并将其与《图灵完全》和《Nand2Tetris》等游戏进行了有利的比较。然而，大量的反馈集中在使用问题上：难度峰值（特别是真值表），陡峭的学习曲线，令人困惑的 UI（特别是线路布线和组件连接），以及缺乏移动设备兼容性。
开发者正在积极回应反馈，推出更新以解决错误，添加可选的难度级别，改进 UI，并添加入门关卡。未来的计划包括扩展游戏以涵盖更高级的主题，例如 TPU 和 Apple Silicon NPU。
苹果批准驱动程序，使英伟达外置显卡与 Arm Mac 配合使用。
Apple approves driver that lets Nvidia eGPUs work with Arm Macs
13 天前
Tiny Corp 取得突破，获得了苹果的批准，为其驱动程序提供支持，使 Nvidia（和 AMD）外置显卡 (eGPU) 能够在苹果基于 Arm 的 Mac 上运行。 之前，使用 Nvidia eGPU 需要禁用系统完整性保护 (SIP)，这是一项安全功能。 这个新驱动程序由于获得了苹果的签名批准，绕过了这一需求。 然而，它并非即插即用解决方案。 用户仍然需要使用 Docker 编译驱动程序，并且它专门用于运行大型语言模型 (LLM)。 这不是 Nvidia 的官方发布；Tiny Corp 独立开发了该驱动程序。 尽管存在这些限制，但这代表了 Apple Silicon Mac 上 eGPU 兼容性的一个重要进步，为增强的 AI 和机器学习性能打开了可能性。
特里斯坦-达库尼亚岛的生活传统上节奏缓慢且自给自足，依赖集体劳动、季节性工作和共享资源，几乎没有现金或外部影响。二战期间及之后，这种情况发生了巨大变化。 英国政府于1940年代在岛上建立了一个秘密海军基地，带来了士兵、工资、电力以及与外界联系的增加。这一最初的转变在1949年商业龙虾渔业启动后进一步加速，创造了稳定的收入并建立了定期的运输路线。 这些发展从根本上改变了特里斯坦的生活方式，使其从一个主要孤立、以自给自足为基础的社区转变为一个与现金经济一体化并与世界更频繁互动的社区。
对不起。
关于登录模型 llama-4-scout-109b qwen-3.5-122b glm-5-754b kimi-k2.5-1t deepseek-v3.2-685b deepseek-r1-0528-685b 价格 $10 $40 承诺 1 个月 3 个月 吞吐量 15 tok/s 35 tok/s 可用性 0% 100% 筛选器 显示 0/0 排序 可用性：低到高 价格：低到高 价格：高到低 吞吐量：高到低 没有匹配您筛选器的模型。
## sllm：LLM 共享 GPU 访问 - 摘要
sllm.cloud 旨在通过允许开发者共享 GPU 节点，从而 democratize 大型语言模型 (LLM) 的访问，显著降低成本。运行像 DeepSeek V3 (685B) 这样强大的模型通常每月需要 14,000 美元，但 sllm 提供每月 5 美元起的价格，面向需要 15-25 token/秒的用户。
该服务采用基于 cohort 的系统：用户预留位置，只有在 cohort 填满时才会付款。它使用 vLLM 兼容 OpenAI-API，确保易于集成。一个关键特性是数据隐私 – 不记录任何流量。
早期反馈强调了对资源竞争（“噪音邻居”问题）和 cohort 填满时间的问题。sllm 正在通过速率限制、7 天 cohort 填满保证（未填满时自动取消）以及优化 GPU 利用率来解决这些问题。用户质疑广告宣传的 token 速率与实际性能，以及与 OpenRouter 等替代方案相比的成本效益。该项目仍处于早期阶段，正在寻求反馈以完善其模型。
请启用 JavaScript 并禁用任何广告拦截器。
对不起。
(Empty input provided. There is nothing to translate.)
## 独立互联网索引与发现工具
一则 Hacker News 讨论围绕着新推出的“独立互联网索引”（III – iii.social），这是一个用户提交的独立网站目录，具有可搜索界面。创建者旨在打造一种“像流言蜚语网络但可搜索”的体验。
该帖子迅速演变成对众多其他“IndieWeb”发现资源的分享，包括博客列表、搜索引擎（Marginalia, Kagi Small Web）、目录（Wander, Wiby.me, Slashpages），甚至 WebLibre 浏览器中的 Small Web Discovery 功能。 许多评论者维护着这些资源的元列表。
一个关键点是，这些项目在培养独立网络中的社区意识、对抗创作者的孤立感方面的价值。 虽然有些人质疑在现有选项的基础上是否需要*另一个*索引，但共识倾向于繁荣的发现工具生态系统是有益的，而不是竞争性的。 该索引目前完全依赖用户提交，且没有严格的收录规则。
## LLM 生成的密码：安全风险
尽管大型语言模型（LLM）*看起来*能生成强密码，但从根本上说，它们并不适合这项任务。LLM 的设计目的是预测文本，因此会产生可预测的输出——这与创建强密码所需的随机性恰恰相反。这并非纯粹的理论；LLM 和 AI 编码代理已经在实际应用和代码开发中生成并使用这些弱密码。
测试表明，LLM 生成的密码存在模式、重复，并且熵值明显低于预期。即使调整“温度”设置也无法解决这个问题。令人惊讶的是，编码代理通常*更喜欢* LLM 生成的密码，除非明确指示它们使用安全的密码生成方法，例如 `openssl rand`。
随着 AI 越来越多地自动化代码创建，这构成了一种风险。弱密码可能会重新使有效的暴力破解攻击成为可能，特别是如果攻击者能够识别由特定 LLM 生成的代码并针对这些可预测的模式。
**建议：** 避免使用 LLM 生成的密码。开发者应指示编码代理使用安全的密码生成工具。AI 实验室应优先在模型和代理中默认启用安全的密码生成功能。这凸显了一个更广泛的问题：AI 产生*合理*输出的能力并不能保证*正确性*，这对于安全应用来说是一个关键的区别。
## LLM 生成的密码：安全风险
最近 Hacker News 的讨论集中在一篇文章上，强调了使用大型语言模型 (LLM) 生成密码的危险。核心问题不在于 LLM *知道* 你的密码，而在于它们倾向于生成**可预测的**密码，因为它们是遵循确定性模式的机器。重复请求通常会产生相同、看似安全的密码，这为攻击者创造了漏洞，攻击者可以简单地收集并测试这些常见输出。
评论者指出依赖 LLM 进行安全保障的荒谬性，将其比作用螺丝刀代替刀。有人指出 LLM 存在偏见（例如避免“69”），并且可能默认选择弱选项，如“password”或基于用户名的变体。
虽然人类也会创建糟糕的密码，但文章认为 LLM 呈现了一个新的攻击面。攻击者无需攻破系统来获取这些密码——他们只需查询公开可用的 LLM。讨论还涉及更广泛的问题，即信任第三方进行密码生成，强调需要使用密码学安全的随机数生成器 (RNG)。
德国新的《军事服务现代化法》将于2026年1月生效，旨在到2035年将武装部队兵力提升至26万人，以应对乌克兰战争后欧洲安全形势的加剧。该法律避免恢复强制兵役——维持自愿制度——但引入了重大变化。 值得注意的是，18至46岁的男性现在需要获得联邦国防军职业中心批准，才能在德国境外停留超过三个月，无论出于何种原因（学习、工作、旅行）。军方表示，此举是为了在危机时期追踪潜在人员。然而，除非预计需要服役，否则通常会批准许可。 该法律还规定所有18岁男性必须填写一份关于其服役适宜性的问卷（女性自愿填写），并计划从2027年中期开始进行体能测试，以评估征兵潜力。尽管最初有抗议反对潜在的征兵制，但政府达成了一项妥协方案，侧重于自愿服务，以及这些新的追踪和评估措施。目前，未经许可离开该国不会受到处罚，这与冷战时期一项类似的、未执行的规定相符。
## TurboQuant-WASM：浏览器和Node.js中的高效向量量化
TurboQuant-WASM 通过 WebAssembly (WASM) 将基于 Google Research 的“TurboQuant”论文的最先进向量量化技术带到 Web 浏览器和 Node.js。该实现实现了大约 6 倍的压缩（~4.5 位/维度），同时保留内积精度，并通过严格的黄金值测试验证。
主要功能包括用于轻松集成的 TypeScript API (`TurboQuant.init()`, `encode()`, `decode()`, `dot()`)、用于性能的宽松 SIMD 优化（使用 FMA 指令）以及紧凑的 npm 包 (`turboquant-wasm`)。
一个在线演示展示了向量搜索、图像相似性和 3D 高斯飞溅压缩直接在浏览器中。WASM 构建需要 Zig 0.15.2 和 Bun 用于构建，并且与现代浏览器（Chrome 114+、Firefox 128+、Safari 18+）和 Node.js 20+ 兼容。该项目采用 MIT 许可，并与原始 Zig 实现保持位相同的输出。
## TurboQuant-WASM：在浏览器中进行向量量化
一个名为TurboQuant-WASM (TQ) 的新项目，使用 WebAssembly 将 Google 的向量量化技术带到浏览器中。虽然有望减少下载大小——在 gzip 压缩有限的浏览器环境中这是一个关键优势——但初步用户测试显示存在性能权衡。
一位用户发现，TQ 在使用 8 位量化时，搜索质量与 32 位浮点数相似，但如果没有 GPU 加速，则明显*更慢*。另一位用户将 TQ 实现为 SQLite 扩展，证实了节省空间，但查询时间变慢。
尽管人们对其潜力感兴趣，但一些评论员表示怀疑，引用了缓慢的演示（800 毫秒 vs 2.6 毫秒），并质疑在显著影响搜索速度的情况下，空间节省的价值（1.2MB vs 7.2MB 内存）。 此外，还对项目的起源和初步讨论的质量提出了担忧。