WEBVTT NOTE Title: [2026-09-23] 五角大廈 AI 殺傷鏈釀禍、Linear 點破程式碼審查極限 1 00:00:00.000 --> 00:00:43.050 聽眾朋友大家好，歡迎收聽 2026 年 9 月 23 號的每日放送，我是 Cordelia。今天頭條是一則令人無比沉重、卻暴露出軍事演算法致命盲點的重大調查：彭博社揭露美軍今年 2 月空襲伊朗米納卜一所小學、造成 123 名學童死亡的悲劇，五角大廈內部調查直指「過度依賴 AI」。David，這起號稱本世紀美軍最嚴重的誤擊慘案，到底在決策鏈上發生了什麼？ 2 00:00:43.050 --> 00:02:01.350 這不是單純的軟體當機，而是整個殺傷鏈在組織與流程上的系統性崩潰。核心軟體是 Palantir 打造的 Maven Smart System，它融合了超過 150 種情報來源。當時白宮要求 24 小時內轟炸超過一千個目標，原本需要情報參謀分析數小時的目標清單，Maven 幾分鐘就生出來。問題是，那所小學近十年前確實是革命衛隊設施，但早在 2017 年就築牆分開，2018 年商用衛星都能清楚看到操場與跑道。甚至 2019 年有分析官把變更紀錄記在另一個獨立系統，卻根本沒同步進主要目標資料庫。在極致壓縮的時間下，軍方人員盲目假設 Maven 會自動篩出過期情報，加上前陣子民間傷害緩解團隊被大砍九成，沒有人做最後的實体验證，兩枚戰斧飛彈就這樣打下去了。 3 00:02:01.350 --> 00:02:50.310 這真的很諷刺，軟體被拿來當作加速決策的萬靈丹，出事後五角大廈把責任推給「過度依賴 AI」，Palantir 則兩手一攤表示「我們只管模型運算，不管輸入資料品質」。當決策被包裝進黑盒子，責任就徹底被洗掉了。而且這種致命盲從不僅發生在戰場，連公海攔截甚至美國本土的醫療保險拒賠審查，都在上演演算法主導生命的荒謬劇。如果組織因為崇拜速度而裁掉制衡與查核的「人」，那 AI 就不只是工具，而是制度性卸責的防波堤。 4 00:02:50.310 --> 00:03:36.440 沒錯，這正是典型的「無責任機器」。把原本需要層層把關的串行推理，硬塞給只看統計特徵的平行加速器。說到底層硬體與系統架構，今天 GitHub 上一個老專案 ReBarUEFI 再次引發熱議，它做的事情剛好相反，是在古老硬體上釋放被封印的現代規格。這跟我們在 9 月 21 號聊到社群用逆向工程復活 30 年前 Amiga Unix 系統的精神如出一轍，都是從底層韌體打破廠商的限制。 5 00:03:36.440 --> 00:04:19.720 這專案太神了！很多老玩家或伺服器玩家手上還有 X79 或舊款 Intel 平台，明明買了現代顯卡甚至是 Intel Arc，卻因為主機板 BIOS 不支援 Resizable BAR，效能大打折扣甚至無法正常運作。ReBarUEFI 居然能透過一個 UEFI DXE 驅動程式，讓快要十年前的舊主機板吃下這個功能！David，從韌體底層看，它是怎麼辦到的？ 6 00:04:19.720 --> 00:05:37.540 這要從 PCI 規範講起。傳統 PCI 設備映射到 CPU 記憶體空間的基底位址暫存器，也就是 BAR，通常被鎖在 256MB。這意味著 CPU 每次要存取 GPU 的 VRAM，都得透過這個小窗口切片搬運。Resizable BAR 允許系統直接把全部 VRAM 映射進 CPU 位址空間。現代晶片組早就有 64 位元定址能力，但舊主機板 BIOS 原廠根本沒寫動態重配邏輯，甚至鎖住 4G 以上解碼。ReBarUEFI 透過 Hook 掉 UEFI 的 PreprocessController 函式，在開機列舉 PCI 匯流排時，強制讀取 NVRAM 設定的 BAR 大小並重新分配資源，再搭配 UEFIPatch 修正 MMIO 空間上限。 7 00:05:37.540 --> 00:05:54.340 不過大家也要注意，老系統改 BIOS 還是有變磚風險，而且如果 VRAM 已經見底導致記憶體抖動，開 ReBAR 反而可能加劇掉幀。 8 00:05:54.340 --> 00:06:41.410 但對喜歡榨乾老硬體價值的駭客來說，能用軟體修補硬體缺憾就是浪漫。提到開源生態的算力與模型實力，今天 Nathan Lambert 給美國國會的聽證會發言全文《開源模型的權力平衡》在 HN 上激起巨大波瀾。他的核心結論非常直接：在開源模型領域，中國已經在單元經濟效益與推理能力上全面超越美國，全球下載量甚至達到了美國的兩倍！這對一直自詡 AI 領頭羊的美國科技界來說，無疑是一記響亮的警鐘。 9 00:06:41.410 --> 00:07:55.680 這份報告的數據非常硬核。截至 2026 年 9 月，在 Artificial Analysis 評測上，中國開源模型包辦了前段班，GLM-5.3、Kimi K3 得分都在 42 到 45 之間，而美國最強的開源模型只有 26 分上下，整整落後了 15 款中國模型。連學術界 arXiv 上提到開源模型的論文，中國模型佔比也衝破 40%，Meta 的 Llama 則被阿里 Qwen 徹底超越。更重要的是，很多人以為中國模型全靠蒸餾美國閉源模型，但 Nathan 指出，就算封死所有 API 蒸餾管道，差距最多也只會拉開一到兩個月。中國 labs 現在是真金白銀砸錢買強化學習環境與 Agent 軌跡資料，迭代週期極短。 10 00:07:55.680 --> 00:08:54.580 這直接反應在今天的另一則 Dev.to 評測上！泰國開發者 Nokka 特別針對這幾天爆紅的小米 MiMo-V2.6 做了深入驗證。社群都在瘋傳小米以 MoE 架構、總共 1 兆參數但只活化 420 億參數的模型，在開源榜上拿下了 46 分新高，甚至推出每月只要 6 美元的極致低價訂閱，號稱體驗直接輾壓 OpenAI 跟 Anthropic 每月 20 美元的方案。Nokka 實測發現，在程式碼能力上它確實跟頂級模型打平，但單次成本只要 0.03 美元，是閉源頂規模型的三十幾分之一！ 11 00:08:54.580 --> 00:10:11.930 不過大家看行銷數字還是得冷靜拆解。第一，小米在開源榜拿 46 分，確實險勝 GLM-5.3 一分，但面對頂級閉源的 Claude Opus 5，在 14 項綜合基準測試中還是輸了 10 項。第二，那個 6 美元的套餐雖然給了 41 億額度，但官方文件裡寫得很清楚，那叫「Credits」不是 Tokens！當你上下文開到 256K 時消耗倍率是兩倍，開到 100 萬 Context 時更是四倍計費。如果是拿來做長文本分析，額度消耗會比想像中快很多。但不可否認，小米只花 6 天、跑 30 輪強化學習，花費約 260 萬美元就把軟體工程基準 DeepSWE 從 58 分拉到 72 分，這種針對可驗證任務的高效率訓練，確實把單元經濟打到了極致。 12 00:10:11.930 --> 00:11:00.190 這種低成本高產出的開源現實，正倒逼著美國重新審視產業戰略。但講到政府介入，美國聯邦政府最近在另一件事情上的操作，可就讓社群集體傻眼了。紐約時報報導，美國聯邦檢察官竟然突襲沒收了一塊去年在拍賣會上以天價成交、重達 54 磅的火星隕石！理由是海關沒有這塊隕石入境美國的申報紀錄，官方甚至拍影片公開嗆聲說「東西來自火星，大家都說自己擁有，那現在就是美國政府的了」。David，這法理邏輯到底站不站得住腳？ 13 00:11:00.190 --> 00:11:57.190 這簡直是把民事資產沒收法案玩到了荒謬的極致。法律上的依據通常是走走私或違反文化資產進出口法規，如果進口時申報不實，政府確實有權扣押。但爭議點在於，隕石交易在全球二級市場流轉多年，溯源紀錄本來就極度混亂。檢方在沒有提出明確走私犯罪證據之前，單憑一句「既然大家都搞不清所有權，那就是國家的」，完全暴露了公權力擴權與執法粗暴。在 Hacker News 上很多法律與科技背景的網友都在吐槽，這種為了作秀而引發的漫長訴訟，最後只會白白浪費納稅人的司法資源，根本稱不上打擊黑市交易。 14 00:11:57.190 --> 00:12:43.550 政府的手伸得太長，在基礎建設領域也引發了全美地方自治的集體反彈。這幾天全美數百個城市與縣政府聯名向聯邦通訊委員會 FCC 提交抗議，痛批川普政府底下的 FCC 主席 Brendan Carr 打算強行推行新規則，聯邦越權限制地方政府審查寬頻光纖佈建的權限，甚至要求地方政府必須在 120 天內核准路權許可，費用還得設上限。電信巨頭們拍手叫好，但地方政府氣炸了，直指這是踐踏公共安全！ 15 00:12:43.550 --> 00:13:54.750 這背後的法律與工程爭議非常深刻。FCC 搬出《通訊法》第 253 條，主張地方審查拖延就是「實質阻礙電信服務提供」。但地方政府反駁得很有道理：地下管線、電線桿等公共路權是有限且高度複雜的多租戶空間，挖掘或掛線牽涉工安與既有水電瓦斯管網，聯邦機構自己審查聯邦土地的鋪設案都要 270 天，憑什麼要求地方公務員 120 天內盲簽？更致命的是，地方政府揭露了 ISP 巨頭的惡劣手段——「許可囤積」。大電信商先搶占電線桿空間和地下管道的施工許可，實質上卻擺爛不建，純粹用來卡死其他小型競爭對手進駐。FCC 不去規範大財團圈地，反而把矛頭對準做安全把關的地方政府，難怪會引發違憲與聯邦體制的巨大爭議。 16 00:13:54.750 --> 00:14:52.940 大財團喜歡講宏大的基礎建設故事，但在日常生活裡，科技巨頭又想扮演貼心管家。Google Labs 最近把先前針對個人的 CC 助理，正式升級為「家庭版 AI Agent」。這個設計滿有意思的，它讓 CC 擁有自己獨立的 Google 帳號，全家最多 6 個人可以把它拉進日曆、Gmail 或雲端硬碟，它會自動抓取學校通訊、足球隊練習時間、疫苗預約單，每天早上發送一份「家庭今日行程摘要」，甚至還能幫忙自動填寫活動報名 PDF 表格！David，這是不是 AI 走入群體協作的好方向？ 17 00:14:52.940 --> 00:16:13.130 從架構來看，Google Labs 這次確實下了功夫。CC 的後端跑在名為 Antigravity 的獨立雲端隔離環境，搭配 Gemini 模型。為 Agent 給予獨立的 Google 帳號與群組權限隔離，是避免全家隱私被單一 Token 穿透的合理做法。而且它把記憶層拆成「全家共用」像買菜清單，以及「個人專屬」像飲食禁忌。但是，身為工程師，我不得不提醒這類家庭 Agent 最大的風險：多方意圖衝突與 Prompt 注入。當小朋友轉發一封學校郵件，裡面如果暗藏惡意的文字指令，甚至只是不同家庭成員的時間表衝突，Agent 在填寫表單或回覆郵件時，會不會產生未經確認的副作用？把核心生活的調度權交給一個預設自動執行的 Agent，容錯率其實比個人單機版要低非常多。 18 00:16:13.130 --> 00:17:12.500 沒錯，自動化最怕的就是在關鍵時刻給出模稜兩可的幻覺。這就讓我想到今天 HN 上另一個非常受歡迎的小專案 Mathy。創作者 Gabe Mays 本身是 Math Academy 的愛好者，他做這款 App 的核心哲學非常反直覺，他說：「如果這個 App 有效，你應該會越用越少！」它不教新概念，純粹利用間隔重複演算法 FSRS，幫你把三角函數、心算運算或常用數學公式訓練成反射神經般的直覺。只要你答得又快又準，複習間隔就會自動拉長到幾週甚至幾個月。David，這種純前端的設計有什麼特別之處？ 19 00:17:12.500 --> 00:18:09.510 它的工程取捨非常乾淨。他不用任何 LLM 來出題或批改，全靠參數化問題家族與純代數的確定性解析器。不管使用者輸入小數、分數、百分比還是帶根號，系統都用正則與符號規則轉成正規化格式比對，完全沒有任何幻覺空間，離線也能跑。作者把核心限縮在「5 秒內必須完成的心算與公式回憶」，並透過 FSRS 動態調整記憶衰退曲線。這就是我們常說的：別用大語言模型去解本來就該由確定性狀態機處理的數學問題。把確定性的事情交給代碼，把隨機性的事情留給人類，這種工具才能真正幫大腦建立自動化反射。 20 00:18:09.510 --> 00:19:03.440 說到用架構把系統做穩，今天 Dev.to 上 Kevin Jang 寫的這篇《全球擴展的零摩擦支付架構》，也是針對真實商業痛點開刀。很多新創公司以為產品做出來就萬事大吉，結果國際用戶一湧入，卡在匯率換算、不同國家的支付閘道延遲，甚至 Webhook 掉單，結帳失敗率飆高。作者提出了用 GraphQL 統一封裝 Stripe 與 PayPal，搭配即時匯率 API 的混合架構。David，從分散式系統角度看，支付系統的零摩擦真的這麼容易達到嗎？ 21 00:19:03.440 --> 00:20:19.610 文章寫得很美好，微服務、GraphQL、Docker 加 Kubernetes，看似標準答案，但資深後端都知道，支付系統最難的從來不是前端 GraphQL 包得漂不漂亮，而是底層分散式交易的最終一致性與冪等性！他在文中提到用 Webhook 重試機制，但在高並發的跨國網路環境下，Webhook 很容易發生重複投遞、亂序到達甚至網路分區。如果你的資料庫沒有嚴格的 Idempotency Key 冪等設計與分散式分散式鎖，光是重試就會導致使用者被重複扣款。更不用說即時動態外匯轉換，匯率波動如果沒有在撮合當下鎖定報價視窗，結算時產生的財務敞口和對帳問題，足以讓財務團隊抓狂。把架構圖畫滿微服務很容易，把對帳與重試邏輯寫到防呆才見真章。 22 00:20:19.610 --> 00:21:30.090 真的，系統只要牽涉到人與金錢，就沒有所謂純粹平行的捷徑。這剛好完美扣回了今天最後一個壓軸故事——Linear 發表的工程架構反思，由 Cole Halton 撰寫的這篇《Linear 將 CI 時間減半，但審查門禁無法複製這個把戲》。Linear 在導入 AI Coding Agent 之後，測試案例暴增了四倍，但他們透過更快的 Runner、去掉 ESLint 的型別檢查依賴、平行分片等硬核優化，把 PR 等待時間壓在 5 分鐘出頭。然而作者一針見血地指出：CI 可以無限平行化，但 Code Review 是高度串行的推理工作，AI 越會寫扣，瓶頸只會更痛苦地轉移到人類審查上！ 23 00:21:30.090 --> 00:23:00.930 這篇文章點出了當前所有擁抱 AI 寫程式的團隊最不敢面對的真相。CI 是一個可以被「尷尬平行化」的機器工作，你可以開 50 台機器同時跑不同 shard，只要機器堆得夠多，時間就能壓縮。但讀一個 PR 的 diff 是一種需要全局推理的串行任務！改了這行的介面，會不會在另一個完全不相干的模組引發邊界效應？兩個審查者同時看，不僅無法把時間減半，反而增加了溝通與歧見的表面積。很多人想偷懶，用 AI 來審查 AI 寫的扣，或者用抽樣審查，這就像把測試案例隨機砍掉一半一樣危險。作者提出的解法很務實：把語法、合約漂移、格式等可以用規則引擎驗證的「確定性門禁」盡可能往前推、全自動攔截；把寶貴的人類或高級模型推理算力，留給最核心的業務邏輯與架構審查。這跟今天頭條米納卜小學的教訓何其相似——當機器瘋狂加速生產，驗證機制的嚴謹度才是決定系統是起飛還是墜毀的唯一關鍵。 24 00:23:00.930 --> 00:23:26.000 從五角大廈盲信目標生成演算法釀成的悲劇，到 Linear 團隊在程式碼洪流中尋找審查邊界，今天的科技世界不斷在提醒我們：加速永遠是最廉價的優化，而驗證才是最昂貴的智慧。感謝大家的收聽，明天同一時間再見。