给软件开发者准备的优质简报，每日阅读 10分钟。
AI is slowing down
AI正在放缓——但行业需要它无限加速
- 基础设施投入远超回本可能：全球规划190GW数据中心，总成本达9.5-15万亿美元；但AI服务需在2030年前产生超过2万亿美元年收入，而Anthropic和OpenAI 2026年合计预计收入仅约600亿美元，需增长496%才能覆盖承诺
- 头部企业财务承诺远超实际能力：OpenAI需在2030年前筹集8520亿美元（含7700亿美元计算承诺），Anthropic已有超3300亿美元计算承诺；两者必须在2029年前分别实现1840亿和1740亿年收入才能覆盖成本——需要年收入连续翻倍增长
- Token计费模式暴露ROI缺失：企业转向按用量计费后数月内，Uber、T-Mobile、Brex等相继出台月度消费上限（分别为1500美元、2000美元、500美元）；仅26%公司能全面追踪AI支出，多数CFO在账单出来前对成本毫无可视度
- 外部真实需求严重不足：微软AI负责人已明确表示Anthropic模型太贵、计划削减使用至零；OpenAI和Anthropic占据AI初创公司89%收入，Meta和Amazon几乎没有真正的AI商业故事；除两家公司外几乎没有数十亿美元级别的计算需求
- 循环经济依赖无限增长神话：NVIDIA→云服务商→AI labs的资金循环需要持续扩张才能维系，任何"效率"或"盈利"追求都会减少对NVIDIA GPU的需求；IPO压力将迫使AI公司取消补贴、全面转向Token计费并进一步限制消费额度
Anti-social: It's fads, not friends, which now dominate social media feeds
社交媒体：从"数字广场"到被动娱乐平台的演变
- 社交媒体平台已从熟人互动空间转变为短视频娱乐消费渠道；Z世代用户中仅18%保持主动发帖，高达74%处于被动浏览状态，年轻人更倾向观看陌生人发布的专业视频而非与朋友交流
- TikTok开创的算法推荐机制能精准识别用户喜好并持续推送最能延长使用时长的内容，Meta随后构建了面向非关注用户的AI推荐系统，使"关注谁"变得几乎无关紧要，平台内容与用户关系的关联被彻底打破
- 大型平台与私密通讯平台正发生功能性分化：Instagram、TikTok等演变为娱乐发现工具，而WhatsApp和Instagram私密群组因广告和网红内容较少，成为用户进行真实社交的场所
- 广告收入仍是平台核心商业模式，2026年全球社交媒体广告收入预计达3170亿美元，Meta广告销售额预计达2430亿美元，有史以来首次超越谷歌成为数字广告收入最高的公司
- 用户发帖减少源于多重因素：对"永久痕迹"的担忧、害怕遭受批评、以及不愿让自己的内容与专业创作显得相形见绌；部分年轻人转而在TikTok发布恶搞、混剪等轻松内容，私人生活分享则转移到WhatsApp等通讯平台
- 尽管用户平均使用时长在2025年持平于每日141分钟，但Z世代每日使用时长高达约5小时，社交媒体已成为其主要搜索引擎和购物工具，小企业被迫身兼主持人、编辑、趋势观察员和内容创作者等多重角色以在算法时代获得曝光
Dopamine Fracking
多巴胺压裂：互联网文化的隐性破坏机制
- 定义与隐喻：将大量资源投入原本随性或复杂的活动，强行提取最浓缩的多巴胺快感，全然不顾长期损害；作者在 Discord 聊天时创造此词，借石油水力压裂的毁灭性类比——短期回报强烈，长期却摧毁事物可持续发展能力，比"商品化"等术语更具视觉冲击力。
- 文化工业化侵蚀：在线文化中社区过度商业化、音乐套路化、视频"MrBeast化"、电影"漫威化"、网站扁平化，一切只为追求即时快感，长期后果被系统性忽视；这不是出于恶意，而是成瘾机制本身在驱动人们不断追逐下一击。
- 草莓案例的具体化阐释：草莓含数千种风味化合物，工业将其中最具代表性的香味分子提取合成，虽成本低且浓度高，却抹去了质感、多汁感、层次感、个体差异乃至祖母自制草莓酱的怀旧记忆——原本500种独特体验被单一合成物取代。
- 恶性循环的代价：随着合成替代品普及，人们逐渐遗忘真实体验的感觉，甚至开始偏好人工合成版本；真正的草莓可能因无人种植而消失，文化、爱好、人际关系中的复杂性与美感被抽离殆尽，只剩均质化的空洞快感。
- 作者的应对与反思：通过删除激怒或触发情绪的频道、卸载应用、设定内容边界来"关闭"多巴胺压裂；作者坦言无完整解决方案，但认为意识到这一现象的存在已是必要的第一步，呼吁公众开始讨论这一议题。
OpenCV 5 Is Here: The Biggest Leap in Years for Computer Vision
OpenCV 5 正式发布：多年一次的计算机视觉重大飞跃
- 全新图形化 DNN 引擎将 ONNX 操作符支持从约 22% 提升至 80% 以上，新增动态形状推理、控制流子图（If/Loop）、量化图（QDQ）及注意力融合（FlashAttention 风格），CPU 实测在 XFeat、YOLOv8、DINOv2、OWLv2 等模型上已超越 ONNX Runtime。
- 提供四大引擎模式（ENGINE_AUTO/NEW/CLASSIC/ORT）共用同一 DNN API，默认优先尝试新引擎并自动回退旧引擎；新增原生分词器与 KV-cache，可直接在 OpenCV 内运行 Qwen 2.5、Gemma 3、PaliGemma 等 LLM/VLM，无需外部运行时。
- 核心库全面现代化：正式废弃旧 C API，默认 C++17 标准；新增 FP16（cv::hfloat）、BF16（cv::bfloat）、布尔及 64 位整数等原生类型；支持 0D/1D 张量与广播操作，数学运算性能提升约 2 倍；Python 侧引入命名参数与 NumPy 2.x 深度集成。
- 统一硬件抽象层（HAL）架构允许硬件厂商直接插入优化内核，Intel IPPICV、Arm KleidiCV、Qualcomm FastCV、RISC‑V 向量等加速路径可自动选用，未来非 CPU HAL 将支持前后处理与模型推理在同一加速器上运行以消除数据拷贝瓶颈。
- 3D 视觉模块重组为 3d、calib、stereo 三个独立模块，新增多摄像头束束调整、点云/网格 I/O（OBJ/PLY）、TSDF 稠密融合及 USAC/MAGSAC 鲁棒估计；Features 模块引入 ALIKED、DISK 等深度学习特征检测器与 LightGlue 注意力匹配器，缝合模块同步升级。
- 文档全面重构为 Sphinx + Doxygen 格式，新增左侧导航、Python/C++ 签名对照及手工教程；pip 版本将于 2026 年 6 月 8 日发布，完整发布与 CVPR 2026（丹佛）同步。
What it feels like to work with Mythos
使用 Mythos（Claude 5 Fable）工作的感受：从强大工具到全自动工作室
- Fable 在所有公开模型中表现最优，能够连续数小时执行多页规格的复杂任务，几乎不需要用户介入。
- 它可从单一提示生成高质量创作，如学术社会科学论文、全字母押韵的十页诗以及无需图像的小游戏，展示了跨领域的创意能力。
- 在等时线地图项目中，Fable 自主调用多个子模型收集 2200 条航班、铁路时刻和道路速度数据，自动编写、测试并交付交互式可视化地图，用户仅提供初始指令和少量反馈。
- 另一个历时 9.5 小时的项目产出名为 Concord 的科研校准软件，包含 19 页设计文档和完整代码，实现对人类与 AI 回答的校准，虽有少量错误仍需专家修正。
- 体验既令人欣喜又让人不安：用户从“施法的巫师”转变为“委托方”，过程透明度低，成本约为 Opus 的两倍，安全护栏频繁触发，且输出仍保留明显的 Claude 风格。
Ask HN: Are you still using a Vision Pro?
苹果 Vision Pro 用户使用体验反馈
- 使用频率呈两极分化：部分用户自发布以来约95%的时间都在使用，每天数小时，主要用于连接笔记本电脑作为超大私密影院和旅行便携办公；另一部分用户购入后几乎闲置，明确表示找不到"杀手级应用场景"，甚至经过试用后退货
- 三大核心应用场景：远程工作和软件开发（配合蓝牙键盘使用多个Safari窗口和终端）、媒体娱乐（观看电影和沉浸式视频）、旅行时改善人体工程学姿态（如站立办公或躺卧使用）
- 技术层面存在多项短板：文字清晰度不足以支持专业软件开发（接近但不够用），Persona虚拟形象被形容为"糟糕得可笑"无法用于商务场合，电池续航不足2小时且电源线容易缠绕，透视功能在移动场景（火车或飞机）下表现不稳定；此外缺乏VR游戏/模拟器支持，Apple将其定位为生产力工具而非游戏设备
- 设备重量是核心制约因素：多名用户指出1.5磅重量长时间压在面部导致颈部疲劳，是阻碍日常使用和大众普及的关键；部分用户通过第三方DualKnit头带和开放面部配件改善了舒适度；评论中还提出了利用工业机器人配重滑轮系统中和设备重量的"奇葩"方案
- USB-C显示眼镜作为轻量替代方案受到青睐：部分用户转向这类功能简单直接的产品，强调其"仅作为屏幕的眼镜"的定位，无电池或复杂适配器需求，即插即用于大多数设备，便携性高且使用疲劳感低；评论者普遍表示这类设备满足其核心需求，任何偏离这一简洁设计的功能都会被拒绝
CEOs Who Think AI Replaces Their Employees Are Just Bad CEOs
认为AI可以取代员工的CEO只是糟糕的CEO
- 作者在三个月内多次收到CEO发给员工的"全员"邮件，内容如出一辙：强制要求立即学习LLM工具，否则另谋高就；更有公司设置token使用排行榜，却完全忽视了"善用AI意味着将token视为稀缺资源"这一核心原则——这种做法本质上是在鼓励浪费
- Box公司CEO Aaron Levie精准指出CEO容易陷入"AI狂热"的根源：他们与实际工作一线严重脱节，只看到AI生成原型或合同草稿等"理想路径"的结果，却看不到后续所需的代码审查、法律条款核实、安全合规等大量必要工作
- "能工作"与"能稳定规模化运行"之间存在巨大鸿沟；公司雇用员工正是为了处理CEO从未关注的安全合规、无障碍访问等专业细节，这些恰恰是产品能否真正面向市场的关键
- 这本质上是"cargo cult"式思维：CEO看到Claude Code能产出结果，便以为等同于员工实际工作，却完全忽略了员工一直在幕后处理的大量步骤
- AI工具的真正价值在于帮助员工更高效地完成工作，而非减少所需人员——公司应培养更多懂得高效使用AI的员工，而非盲目裁员；许多将AI作为裁员借口的CEO，实际上不过是在掩盖此前的过度招聘
- 解决方案很简单：让CEO亲自部署他们"感觉良好"的原型产品或审查他们 vibe coded的合同，亲身体验缺乏专业团队支持的后果——工具虽强，但用它替代员工工作的CEO就是糟糕的CEO