Claude 挖出了苹果内核漏洞，而有人却说 AI 写代码应该慢下来

先聊那个最有冲击力的消息：Claude 发现了一个影响 Apple macOS 26.5 的内核漏洞，编号 CVE-2026-28952。这不是什么简单的逻辑缺陷——内核漏洞往往意味着攻击者能拿到系统的最高权限。更让人感慨的是，发现者是 Claude，一个 AI 模型。之前大家聊 AI 安全时，更多是担心它被用来写恶意代码，现在倒是反过来了：AI 开始主动狩猎零日漏洞了。顺便说一句，Apple 已经在官方支持文档里确认了这个漏洞，但细节暂时没有公开。这件事本身就够写一篇文章了，但今天素材太多，先放过去。

接下来这篇博客《Using AI to write better code more slowly》在 HN 上拿到了 250 个赞和 103 条评论，热度仅次于那篇漏洞新闻。作者 Nolan Lawson 的观点很反直觉：大家都在鼓吹 AI 让程序员写代码更快，他却说，慢下来才能写出更好的代码。他并不是反对用 AI，而是在批评那种“复制粘贴、跑一下、不理解的流水线”。他说得很实在：“AI 能让你跳过思考环节，但跳过的往往是最重要的部分——理解自己在做什么。” 我曾经也试过让 ChatGPT 直接生成一整个函数，结果它看起来没问题，跑起来全是边界条件没处理。最后花在调试上的时间，比我自己从头写还多。这篇博客之所以能引起共鸣，大概因为它戳中了太多人的日常：我们太容易被 AI 的输出速度诱惑，却忘了代码的可维护性和正确性是需要人的判断力来保底的。

说到判断力，PromptArmor 发布了一份报告，揭示了 Microsoft Copilot 的一个严重安全风险：攻击者可以通过精心构造的 prompt 来让 Copilot 外泄文件。名字很直白，“Copilot Cowork Exfiltrates Files”。Copilot 被授权接入企业内部文档、邮件、代码库，这本来是为了提高生产力，但同时也打开了一扇门——如果用户被诱导输入特定提示词，Copilot 会把不该公开的文件内容直接发送出去。报告里给出了详细的攻击链演示。这已经不是理论漏洞了，而是实打实的企业数据安全威胁。微软的回应是对这个攻击向量做了评估，但具体修复细节还在路上。我只能说，当你把 AI 集成到企业内部系统时，安全边界的设计可能比模型本身的准确率更值得投入。

换个话题，看看 AI 基础设施的走向。挪威在搞一件相当有魄力的事：用 2PB 的华为全闪存储来训练大语言模型。消息来自 Blocks & Files，容量惊人，而且选了华为的高端闪存方案。这两年由于地缘政治原因，华为存储在国际市场上的声音不大，但挪威这个项目说明技术实力还是硬通货。2PB 的闪存储存意味着什么？ 对于一个大模型的训练来说，数据读取的延迟和带宽直接决定了 GPU 的利用率。如果存储跟不上，几十万张 H100 都得饿着干等。挪威这一步，背后是对算力基础设施的严肃投资。

最后提一个开源工具：OpenBrief。本质是给 yt-dlp 套了个本地 AI 外壳——粘贴链接，下载视频到本地，然后转文字、摘要、甚至语音合成，全部在本机跑。LLM 部分需要自己带 API Key，但核心功能已经够用了。在大家都在讨论云端 AI 的今天，这种“本地优先”的项目有一种反潮流的美感。而且你想想，当你把一段 YouTube 访谈拖下来，让本地模型帮你总结并生成一个播客风格的语音摘要——这是不是比跑网页版 ChatGPT 更可控、也更私密？

今天的新闻拼在一起看，其实有三个清晰的信号：AI 正在变得更强（能挖内核漏洞）、更危险（能泄露企业数据）、也更需要被理性使用（写代码应该慢下来）。 我不知道挪威那 2PB 闪存训练出来的模型会不会聪明到能自己修漏洞，但我大概确定，如果那个模型被当作 Copilot 部署在企业里，一定有人会想方设法让它把硬盘内容吐出来。所以，一边拥抱，一边设防，可能是我们和 AI 之间最健康的关系。