HTTP2Shell：一个 Brotli 漏洞烧穿 Node、Python 与全部 HTTP 生态

深度摘要

Google Brotli 解码器的越界写漏洞（CVE-2026-111497，CVSS 4.0 9.2 分）先以 Node2Shell 之名在 Node.js 爆发，随后被证实烧穿整个 HTTP 生态：Python 的 Brotli 与 brotlicffi 两个包编译的是同一份有缺陷的解码器，而 requests、httpx、aiohttp、Scrapy 等客户端在装有这两个包时会自动加载它们——你的代码一行 Brotli 都没 import 也可能中招。攻击分两条路：恶意服务器回一个 Brotli 响应（爬虫、webhook、URL 预览都算），或恶意客户端发一个 Content-Encoding: br 的请求体。更麻烦的是时间线：OpenAI 早在 2 月就发现并上报了这个缺陷，上游当时修了代码却没认作安全问题，直到现在才发版；截至 10 月 23 日，CVE 记录、OSV 与 GitHub Advisory 都还没把该 CVE 映射到两个 PyPI 包，pip-audit、Dependabot、Safety 一律查不出来，只能手动查版本。修复路径很明确：Brotli 升到 1.2.1、brotlicffi 升到 1.2.1.0，Node 升到 22.23.4、24.22.1 或 26.12.1，curl、Envoy、Istio、Bun 各自升到对应修复版，并重建所有捆绑了旧解码器的容器镜像；升不上去时先在边缘拒掉 br 编码、卸载两个 Python 包顶一阵。

关键要点

• CVE-2026-111497：Brotli 解码器越界写，影响 1.0.3 至 1.2.0 全平台，CVSS 4.0 9.2
• 根因在 DecodeBlockTypeAndLength：BROTLI_FALSE 既可表示格式错误也可表示需要更多输入，快速路径直接丢弃返回值
• 上游修复 commit 0ed4268，新增错误码 BROTLI_DECODER_ERROR_FORMAT_BLOCK_SWITCH（-17）
• Python 的 Brotli（月下载 8280 万次）与 brotlicffi 编译同一缺陷解码器，HTTP 客户端自动加载
• 截至 10 月 23 日 advisory 数据库未映射两个 PyPI 包，主流扫描工具查不出来，只能手动核查
• OpenAI 2 月已发现上报，但当时未被认定为安全问题、无发版，全部下游各自补
• 修复版：Brotli 1.2.1、brotlicffi 1.2.1.0、Node 22.23.4 / 24.22.1 / 26.12.1，容器镜像必须重建

关键事实

事实：CVE-2026-111497 为 Google Brotli 解码器越界写，影响 1.0.3 至 1.2.0，CVSS 4.0 9.2；Node.js 于 10 月 22 日披露，次日 Python 发布安全更新；OpenAI 于 2 月发现该缺陷并上报为双向未授权远程代码执行，当时上游修了代码但未发安全版本；Aikido 旗下 OSM 用 AddressSanitizer 实测：1.2.0 对约 23MB 的构造流始终报需要更多输入，1.2.1 一律以错误 -17 拒绝；Brotli 包月下载 8280 万次；截至 10 月 23 日 CVE 记录、OSV、GitHub Advisory 均未映射两个 PyPI 包；The Hacker News 报道截至 10 月 22 日未见野外利用。以上均为 Aikido 文章陈述，其中利用链在 Node 侧有第三方报道，Python 侧 OSM 未做内存破坏验证。

作者观点

作者主张：把这当作紧急事件处理——它是处理不可信网络输入的内存安全缺陷，而修复只是一次常规升版；先升对外发请求、接受压缩请求体的服务，再升其余；查不出来就手动查，查完重建镜像并重启确认运行的是修复版。

为什么重要

这是“Black October”式供应链事件的教科书样本：一个压缩库的布尔返回值歧义，顺着 HTTP 压缩这条默认开启的路径，烧穿语言、运行时与工具链三层。最值得警惕的不是漏洞本身，而是检测盲区——你的扫描器说干净，恰恰是因为数据库还没把 CVE 贴到你用的包上。任何跑 Python HTTP 客户端、收 webhook、做爬虫的服务都该今天就手动查一次 pip show。

编辑点评

编辑分析：注意区分三档证据——解码器缺陷与上游修复是硬事实；Node 侧的远程代码执行有第三方利用报道；Python 侧的“可被利用”目前是代码同源推断（OSM 明确说没在 Python 扩展里做内存破坏验证），不要把它读成“Python 已被攻破”。另注意文章作者是卖扫描产品的厂商，文末有自家产品段落，但漏洞细节、版本号与时间线均可独立核对，厂商身份不削弱这些可验证部分。

深度摘要

Apollo 首席经济学家 Torsten Slok 的每日数据笔记，论点极简：Mag 7 的人均营收与利润率都在涨，S&P 493（标普去掉 Mag 7 的其余公司）两项全平；全要素生产率（旧金山联储 Fernald 的利用率调整序列）也看不到 AI 拉动的痕迹。于是主流企业的态度正在翻转：token 开支不再被当作增长投入，而被当作侵蚀利润的成本中心。VC 支持的公司 token 花得越来越多，但主流企业“不需要最新模型，也不愿为它付费”。Slok 的解释值得全文引用：AI 也许是台好计算器，但商业中的智能大半是判断；判断依赖语境，且因人、因模型而异；更重要的是，AI 不理解问责、信任、文化、潜规则、伦理权衡与公平——而这些恰恰塑造声誉风险，最终驱动营收与利润。结论一句话：AI 的故事将在 S&P 493 而非 Mag 7 见分晓，而目前圈外毫无改善证据。

关键要点

• Mag 7 人均营收与利润率上升，S&P 493 两项持平
• 全要素生产率未见 AI 拉动迹象
• 主流企业开始把 token 开支视为成本中心而非增长投入
• VC 系公司 token 开支持续上升，与主流企业意愿背离
• 商业智能大半是判断：语境、问责、信任、文化、潜规则、伦理与公平，AI 皆不理解
• 判断句：AI 故事的裁决地在 S&P 493，不在 Mag 7

关键事实

事实（均为 Slok 引用的图表口径）：人均营收与利润率的 Mag 7 / S&P 493 分化，数据来源 Bloomberg、Macrobond；生产率序列为旧金山联储 Fernald（2014）利用率调整后的全要素生产率，来源美联储旧金山分行与美国劳工统计局；token 开支分化数据来源 Ramp AI Index 与 Ramp 首席经济学家。图表本身为图片，未能逐值核对；以上分化方向为作者对图表的陈述。

作者观点

作者主张：AI 迄今对科技圈之外的美国企业没有财务回报；只要智能体与 token 开支局限在经济的一小部分，AI 的宏观效应就非常有限；即使模型持续商品化，主流企业能否把越来越便宜的智能变成营收与利润，仍远非易事。

为什么重要

这是 AI 叙事里最硬的一类反方证据：不是观点，是上市公司财报口径的分化。Gary Marcus 同日短文直接引用了这篇（见 exclusions），说明它已成为“AI 是否净负面”辩论的弹药。对持仓与行业判断而言，它划了一条线：模型能力曲线与企业利润曲线之间，隔着“判断”这道坎——而这道坎正是智能体产品最难跨的。

编辑点评

编辑分析：这篇的论证强度取决于时间窗口——S&P 493 的利润率是滞后指标，AI 部署的财务回报本来就可能晚于模型发布一到两年，Slok 本人也只说“目前没有证据”，不是“永远没有”。但它的价值正在于此：把举证责任推回给乐观派——别只谈模型分数，拿出圈外公司的利润表。另注意图表为图片形式，本文未能逐值复核，引用时应标注为作者对图表的解读。

深度摘要

Dream Labs 结束隐身，带着 9000 万美元种子轮与公开 API 发布 Dream-1：给一台它从没见过的双臂平行夹持机器人接上 API，不用微调、不用该机器人的任何演示、不用机器学习背景，就能直接执行没见过的任务。破局点叫世界动作模型（World Action Model）：模型同时预测视频与动作，于是“控制机器人”与“想象机器人会做什么”成了同一个问题——所有机器人都以像素形式出现。实现零样本跨本体迁移的关键是末端执行器（EEF）位姿接口：所有双臂夹持机器人共享“夹持器去哪、张开还是闭合”这个动作空间，各自的逆运动学求解器再把位姿转成关节角；头顶相机看到的陌生手臂也只是画面里的形状。评测上，独立机构 Robocurve 在 RoboDojo-RC Tier 1 上的报告称 Dream-1 超过 Opus 5.5 与 Gemini 4 Argon，单次任务尝试成本为 Gemini 4 Argon 的十六分之一、速度为最快 LLM（GPT-6 Astra）的 1.7 倍。价格公开：Dream-1 每小时 3 美元、flash 版 2 美元，每次调用返回 1.6 秒动作。零样本不够时有 Fine-tuning-as-a-Service：5 分钟的机器人自有数据就能明显缩小差距（reBot B601-DM 与 Maker Arm 实测）；离训练数据越远的本体越贵——灵巧手 Dexmate 用了 77 分钟、换夹持器的 YAM 用了 98 分钟。硬件侧的论据同样具体：双臂配置已低至约 2000 美元，7 款半人形机器人不到 15000 美元，Hugging Face 399 美元的 Microduck 4 天卖出 1 万多台。

关键要点

• 零样本跨本体：未见过的双臂平行夹持机器人，接 API 即用，无需微调与演示
• 世界动作模型：视频与动作联合预测，所有机器人统一为像素表示
• EEF 位姿接口 + 各机器人自有逆运动学求解器，是跨本体迁移的工程关键
• 独立评测 Robocurve RoboDojo-RC Tier 1：超 Opus 5.5 与 Gemini 4 Argon，成本为后者十六分之一
• 公开定价：Dream-1 每小时 3 美元、flash 版 2 美元，每次调用 1.6 秒动作
• FaaS：一台机器人 5 分钟自有数据即可显著提升；灵巧手等远距本体需 77 至 98 分钟
• 硬件拐点：双臂配置约 2000 美元，Microduck 399 美元 4 天售出 1 万多台
• 前身 DreamZero（2026 年 2 月）：30 分钟 YAM 数据即实现零样本任务泛化

关键事实

事实（均为 Dream Labs 官方页面陈述，独立评测部分除外）：Dream Labs 种子轮 9000 万美元，Dream-1 公开 API 上线；定价每小时 3 美元 / flash 版 2 美元，每次调用 1.6 秒动作（每小时 2250 次调用）；仿真中 27 台未见机器人、真实世界 4 台未见机器人参与零样本评测，每台仿真本体 300 次 rollout；Robocurve 为公益性质的独立评测机构，其 10 月 18 日报告称 Dream-1 在 RoboDojo-RC Tier 1 超过 Opus 5.5 与 Gemini 4 Argon、成本为 Gemini 4 Argon 的十六分之一、速度为 GPT-6 Astra 的 1.7 倍；硬件价格与销量引自 MakerMods 与 Yahoo Tech 报道；FaaS 实测数据（5 分钟、77 分钟、98 分钟）为官方自报。页面任务演示多为视频，成功率数字以文字与图表形式给出，未见逐任务原始数据。

作者观点

官方主张：机器人领域的鸡生蛋问题已被打破——硬件变便宜 + 模型可零样本泛化，飞轮可以转起来；Dream-1 是通用机器人智能的第一步，是机器人领域的 System 1；人人都能像前沿部署工程师一样，让自己的机器人去挣钱。

为什么重要

如果零样本跨本体泛化属实，机器人学习的成本结构就变了：不再是每台机器人、每种任务各训一个策略，而是先有一个通用策略，再用分钟级数据适配。这是“基础模型时刻”在机器人领域的对应物——也是本期第 2 篇的反面证据：宏观利润表上看不到 AI 回报的同时，微观部署侧的模型已经在按小时计价、按任务交付。

编辑点评

编辑分析：按“官方发布 + 一份独立评测”阅读，不要按“已验证的通用机器人”阅读。最可信的部分是机制（EEF 接口 + 视频即表示）与定价透明；最需打折的部分是评测口径——Robocurve 的 Tier 1 任务集、YAM 相对基线与 rollout 成功率定义，均未在页面文字中完整披露。另注意零样本的适用范围被明确限定在双臂平行夹持机器人，移动操作与灵巧手仍是“未来工作”，不要外推到全品类机器人。

深度摘要

一篇可复现的逆向工程报告，结论直白：Block Blast 不是靠“让人玩得开心”赚钱，而是靠一套服务器下发的规则与两台手机端模型，精密地决定你在哪里输、看什么广告。作者从 Android 10.8.2 入手（jadx + Ghidra），发现下载包里几乎没东西：游戏由约 700 个 trait（模块）配置，作者的安装选中 254 个、101 个在安装后下载——两个人并排玩的可能是不同的游戏，且无需更新应用就能改规则。核心规则 RewardHighValueAdHarvestTrait 的触发条件有三：最近 3 条激励广告都看完、当前已加载的广告价值至少是上一条的 3.5 倍、分数超过最高分 1000 分；一旦齐备，下一手牌就换成“致死题”——生成器会找两个能放、一个怎么放都放不下的三件套，且要穷举所有摆法确认无解（作者在测试棋盘上试了全部 171 种摆法，零解）。另一条规则 PersonalMarginBreakTrait 更随意：超过最高分 10% 后每手掷骰，20% 概率直接发致死题，作者在 iPhone 模拟器里实拍到了它发作。关卡模式里还有一台 500 棵树的 XGBoost（predict_travel_difficulty_dead，52 个输入）决定致死题出现在关卡的哪个区段；第二台 59 棵树的回归模型则给玩家定价（27 个输入，18 个与广告相关），据此决定给你插播广告、奖励复活还是跳过广告——作者的换变量实验显示，同一玩家从美国换到巴西身价只剩约三分之一，而 iPhone 上首局 500 分的玩家比 2000 分、10000 分的更值钱。背景数字：2026 年 1 至 5 月 Block Blast 广告收入估计 1.27 亿美元，同期 Candy Crush Saga 为 8110 万美元（Sensor Tower 估计）。

关键要点

• 2026 年 1 至 5 月广告收入估计 1.27 亿美元，超 Candy Crush Saga 的 8110 万美元
• 约 700 个 trait 的服务器配置，作者安装选中 254 个、101 个安装后下载，规则可不经应用更新而改
• 致死题规则：3 条激励广告看完 + 当前广告价值 ≥ 上一条 3.5 倍 + 分数超最高分 1000 分
• 致死题生成器穷举摆法确认无解，测试棋盘 171 种摆法零解，内部代号 致死题
• PersonalMarginBreakTrait：超最高分 10% 后每手 20% 概率发致死题，iPhone 模拟器实拍发作
• 500 棵树 XGBoost 决定关卡中致死题出现的区段，59 棵树回归模型给玩家做广告定价
• 定价实验：美国换巴西身价约剩三分之一；iPhone 首局 500 分比 2000、10000 分更值钱

关键事实

事实（均为作者逆向工程报告陈述，含可复现方法）：测试基于 Android 10.8.2（jadx 解 Java 层、Ghidra 解原生 Cocos 库）与 iPhone 模拟器实测；服务器配置约 700 个 trait，作者安装选中 254 个、101 个安装后下载；致死题规则参数 HIGH_PRICE_MULTIPLIER 3.5、MEDIUM 1.5、历史广告 3 条、分数门槛为最高分 + 1000（作者分 arm 332243014，另有 500 与 750 的 arm）；致死题在代码中对应算法 24001，中文内部名 致死题，JavaScript 与原生 C++（func_death_blcok，原文拼写）实现一致；测试棋盘 171 种摆法零解；PersonalMarginBreakTrait 直播配置 prob 20、recordPercent 10；两台模型分别为 500 棵树（52 输入）与 59 棵树（27 输入，18 个广告相关）；收入数字为 Sensor Tower 估计。作者称用游戏自带生成器代码在浏览器中复现了判定逻辑，模型移植（GPT-6 Astra 移植输入代码与树遍历）复现输出到最后一位小数——该移植验证为作者陈述，未独立复核。

作者观点

作者主张：Block Blast 的“难度”不是游戏设计，而是广告收益优化——输的位置、复活的 offer、广告的种类，都由规则与模型按你的广告价值算出来；玩家感知的“运气不好”，很多时候是算好的。

为什么重要

这是本期最具体的“模型在真实世界里做什么”的证据：不在基准榜上，而在 1.27 亿美元的广告流水里——模型给人定价、决定人输在哪一手。读法上它与第 2 篇形成对照：宏观利润表上 AI 回报难寻，但微观上，针对单个用户的行为建模与变现早已精密到代码行级别。对做推荐、广告、游戏与任何“用户分层”系统的人，这篇是现成的反面教材与审计方法样本。

编辑点评

编辑分析：可信度来自可复现性——规则代码行号、参数、穷举实验、模拟器实拍四条证据链互相咬合，且作者公开了复现路径；但样本边界要说明：trait 的 arm 是分流的（作者只测到自己的 arm），不同玩家命中的规则参数可能不同，不要把“1000 分、3.5 倍”读成全量用户的统一规则。另注意收入数字来自 Sensor Tower 估计，非财报口径。

深度摘要

从一篇“Lean 写的压缩库打赢 Rust 的 miniz_oxide、却输给 C 的 libdeflate”的文章出发，作者花大力气优化 Roc 语言的纯函数压缩包 roc-deflate，与 C 的 libdeflate 在 Silesia 语料上正面对决，144 组基准的结果：中位数慢 8.9%（AMD Ryzen 9 3900X）与 2.6%（2021 款 M1 MacBook Pro），最差输入慢 18%，最好输入反而快 18% 以上。作者的结论不是“函数式赢了”，而是“差距已缩小到个位数百分比，而这点差距换来的是整套保证”：Roc 代码完全内存安全、无法 opt out；纯函数由类型系统强制无副作用；没有任意 FFI，纯函数连 I/O 与任意内存访问都做不了；也没有构建脚本（作者点名两个月前 Rust 的 arrayref 包正是经构建脚本被攻破）；纯函数在任何目标上确定性地返回相同结果。优化手段也公开了：机会式原地修改（functional but in-place，关键在避免共享以保持值唯一）、循环前加前置长度检查以便优化器删掉循环内边界检查、编译期求值拼查找表。文末作者坦承：C 的性能天花板更高，任何 roc-deflate 暂时领先的输入，C 代码都能追平；反过来不成立——Roc 的保证是语言强制的，无法用 unsafe 换性能。

关键要点

• 起因：Lean 的 lean-zip 打赢 miniz_oxide（最快档快 15%、输出小 8.8%），但输给 C 的 libdeflate
• 144 组 Silesia 基准：roc-deflate 中位数慢 8.9%（Ryzen 3900X）、2.6%（M1），最差慢 18%、最好快 18% 以上
• Roc 保证：完全内存安全且不可 opt out、纯函数无副作用、无任意 FFI、无构建脚本、跨目标确定性
• 关键优化：机会式原地修改、循环前置检查删循环内边界检查、编译期求值拼表
• 作者自承：C 天花板更高，Roc 领先的输入 C 都能追平；反向不成立
• Roc 0.1.0 在即，作者称这是迄今投入优化精力最多的 Roc 包，泛化性未知

关键事实

事实（均为作者实测报告）：基准为 Silesia 语料、非流式 API、输出逐字节一致验证；144 组基准，7 次运行取中位数；roc-deflate 中位数慢 8.9%（Ryzen 9 3900X）、2.6%（M1 MacBook Pro），最差慢 18%、最好快 18% 以上；lean-zip 对 miniz_oxide 最快档快 15%、输出小 8.8%（引自 Lean 文章）；roc-deflate 由 Niclas Ahden 编写并用于付费生产；Roc 尚未发布 0.1.0。基准脚本由 Claude Opus 5.5 生成且作者声明未做安全审查——复现时应注意这一点。

作者观点

作者主张：为“保证内存安全、无副作用、无构建脚本攻击面、跨目标确定性”付出个位数百分比的平均性能，是笔划算的交易；反过来问——愿不愿意为个位数百分比的加速，放弃上述全部保证？对大多数场景，答案是否定的。

为什么重要

这篇与第 1 篇是同一周的两面：那边一个 C 压缩库的边界检查缺失酿成 9.2 分漏洞，这边一个纯函数压缩库用个位数性能换来“这类漏洞在语言层面不可能发生”。它把“内存安全”从口号变成了可量化的价目表。对选型的人，真正的启示不在 Roc 本身（0.1.0 都还没发），而在方法论：先量差距，再谈取舍——而不是先站队再找论据。

编辑点评

编辑分析：作者的可信度来自自我设限：他主动说明这是迄今优化最狠的一个 Roc 包、泛化性完全未知，且 C 天花板更高——没有把单点结果吹成“函数式已追平 C”。但也要注意基准边界：只测了 DEFLATE 非流式压缩、两个机器、一个包；换到 I/O 密集或分配模式不同的负载，差距可能完全不同。把它当作“存在性证明”，不要当作“普遍结论”。

深度摘要

rqlite 作者 Philip O'Toole 亲自写的十二年史，起因是他对“类别史从 2021 年讲起”的不满：2014 年 9 月他发布 rqlite——SQLite 前面加一段 Raft 日志、所有写复制到集群，据他所知是第一个把 Raft 与 SQLite 结合的开源系统。随后十二年按时间展开：2017 年 Canonical 为 LXD 与 MicroK8s 做 dqlite（先 Go 后 C、自己写 Raft 库，与 rqlite 的差别在打包形态：一个是嵌进去的库，一个是跑起来的服务器）；2021 年 Ben Johnson 的 Litestream 换了思路——不用共识，只盯着 SQLite WAL 流向 S3，用几乎零成本解决“单机死了怎么办”，作者承认“大多数应用确实不需要集群”；2022 年 Fly.io 的 LiteFS 把复制做到文件系统层、用 Consul 租约，第一次让复制 SQLite 成为平台特性；同年 cr-sqlite 用 CRDT 走 AP 路线（多写者可分叉合并，适合 local-first），libSQL 从 SQLite 分叉、ChiselStrike 继而 Turso 在上面做边缘托管服务；随后 SQLite Cloud、Cloudflare D1（2022）与 Durable Objects 内的 SQLite 存储，把“自己跑的东西”变成了“按账单买的东西”。作者总结三点：核心思路是对的（至少八个团队用不同协议重做了一遍）；设计空间有三个角——共识（CP）、流式（单写者廉价恢复）、合并（多写者最终一致），按此顺序出现，各自回答不同的问题；钱流向了平台——开源项目免费，融资与被收购的都是把复制 SQLite 包成服务卖的（Turso 于 2026 年被 Supabase 收购）。

关键要点

• 2014 年 9 月 rqlite：SQLite + Raft，首个结合两者的开源系统，CP 语义至今未变
• 2017 年 dqlite：Canonical 为 LXD / MicroK8s 而做，库形态 vs 服务器形态之别
• 2021 年 Litestream：不做共识，WAL 流向 S3，回答“单机死了怎么办”
• 2022 年 LiteFS：文件系统层复制 + Consul 租约，复制 SQLite 首次成为平台特性
• 2022 年 cr-sqlite（CRDT，AP）与 libSQL 分叉（Turso，后被 Supabase 于 2026 年收购）
• 2022 年后 D1 与 Durable Objects：复制 SQLite 从“自己跑”变成“按账单买”
• 三结论：核心思路被八个团队重做；设计空间三足鼎立；钱流向了平台

关键事实

事实（均为作者第一手陈述，部分可交叉核对）：rqlite 2014 年 9 月发布，2016 年初换用 Hashicorp Raft 实现；作者曾在 InfluxDB 任核心开发者，dqlite 负责人曾致电商讨复用 rqlite 未果；Litestream 2021 年初发布，Fly.io 2022 年聘用 Ben Johnson 并发布 LiteFS；Turso 于 2026 年被 Supabase 收购；Cloudflare D1 发布于 2022 年。作者坦承的例外：Expensify 早年以 Paxos 风格协议在内部复制 SQLite（2016 年以 Bedrock 开源），ActorDB 也几乎同时出现——rqlite 的“首个”限定在“独立、通用、开源、谁都能跑”的形态。

作者观点

作者主张：设计空间的三个角各有其正确的问题，大多数争论其实是用户在为“该问哪个问题”争吵；开源项目免费、平台赚钱是基础设施想法的通常命运，他不介意，但值得记录——这个想法在有人卖它之前，已经开源了八年。

为什么重要

这是一篇罕见的“亲历者纠偏史”：类别叙事总是由最后赢家（平台）书写，而亲历者能还原技术路线的真实分叉。对做存储选型的人，它的价值不在怀旧，而在那张三足鼎立的地图——共识、流式、合并，选之前先问清自己到底怕的是“机器死”“等不起恢复”还是“多地写”。对读第 7 篇（PHP 基金会缺钱）的人，这篇是另一面的注脚：开源想法的钱，最终流向了把它包成服务的人。

编辑点评

编辑分析：第一手叙事的可信度高，但“首个”“八个团队”等说法来自作者记忆与统计，未逐项核对；且作者本人就是 rqlite 作者，叙事立场自然偏向“开源原教旨”。读时可把它当作一张由亲历者画的地图——路线与分叉可信，功劳簿上的排序要打折。

深度摘要

路透社短讯，但数字刺眼：可能支撑全球七成网站的 PHP，其基金会只有一名全职员工——执行董事 Elizabeth Barron 本人，外加 14 名多为兼职的承包商，董事会是无薪志愿者，经费来自捐赠与资助。背景是本周披露的两个 PHP 严重漏洞引发的全球抢修：基金会与 OpenAI、Wiz、Calif 等外部研究者与公司合作调查并协调修复；Cloudflare 报告了数百万次攻击尝试，但基金会称没有证据表明漏洞在披露前已被利用，或已打补丁的站点出事。Barron 对 AI 的评价是双面的：AI 帮研究者找到了潜伏十年的缺陷、让程序员更高效；但与此同时，PHP 收到的拟议代码变更几乎是去年同期的两倍，贡献者人数却没有翻倍——审阅贡献与缺陷报告“需要大量人力投入与经验”。她的结论一句话：鉴于这种依赖程度，PHP 显然资金严重不足。

关键要点

• PHP 或支撑全球高达七成网站，基金会仅 1 名全职员工 + 14 名多为兼职的承包商
• 董事会为无薪志愿者，经费来自捐赠与资助
• 本周两个 PHP 严重漏洞：与 OpenAI、Wiz、Calif 合作调查并协调修复
• Cloudflare 报告数百万次攻击尝试；基金会称无证据显示披露前已被利用
• AI 双面性：帮找到十年潜伏缺陷，但拟议代码变更几乎翻倍、贡献者未翻倍
• 审阅工作需要大量人力与经验，无法只靠 AI 补齐

关键事实

事实（均为路透社报道中 Barron 的说法与记者陈述）：基金会全职员工 1 名（执行董事 Elizabeth Barron），承包商 14 名（多为兼职），董事会无薪志愿者；PHP 或支撑全球高达七成网站；本周披露两个 PHP 严重漏洞并于周三发布补丁；合作方包括 OpenAI、Wiz、Calif；Cloudflare 报告数百万次攻击尝试；Barron 称未收到合作方关于已打补丁系统出问题的进一步迹象；拟议代码变更接近去年同期两倍，贡献者人数未翻倍。以上数字均为单篇报道口径，未与基金会年报交叉核对。

作者观点

Barron 主张：鉴于企业与政府对 PHP 的依赖程度，PHP 的资金明显严重不足；AI 既是找缺陷的帮手，也是推高维护工作量的负担，审阅仍需大量人力与经验。

为什么重要

这是“Black October”安全周的另一面账单：第 1 篇讲漏洞怎么修，这篇讲修漏洞的人手从哪来——答案是几乎没有。结合第 6 篇（钱流向平台而非开源项目），三篇构成完整的“基础设施脆弱性”证据链：代码是公共的，维护是义务的，利润是平台的。对评估任何“关键但没人养”的依赖，这篇是最小的、可引用的样本。

编辑点评

编辑分析：短讯的价值在数字，不在论证——“七成网站”“两倍变更”都是单方口径，引用时应保留“据路透社 / 据 Barron”的限定。另注意时间线：漏洞披露与基金会发声在同一周，Barron 的“资金不足”呼吁带有筹款语境，数字可信、动机也应一并注明。

深度摘要

Steve Blank 在伦敦待了一个月，听到的欧洲决策者反应只有一个主题：美国不再是可靠的安全与技术伙伴。导火索是美方切断对乌情报并限速军用版 Starlink（Starshield）——据《华尔街日报》，这是马斯克个人下的令，不是一项成文的美国外交政策，也不是政府公告的行动；无论动机是白宫授意还是个人好恶，从欧洲视角看都无关紧要：关键时刻，一家美国公司运营的关键军事基础设施可以在毫无预警的情况下削弱一个美国伙伴。多年被嘲为偏执幻想的“美国 kill switch”担忧，由此成真。Blank 的推论分三层：第一，欧洲决策者现在会认真问——如果微软、OpenAI、Anthropic、甲骨文、Palantir、谷歌的 CEO 也决定限制或断供，欧洲会失去什么能力？第二，AI 恰好在此时把主权软件的建造成本打了下来：克隆 Office、Oracle、Salesforce、Palantir、Anduril 的功能与兼容性，如今在多数国家的能力范围内，而过去被视为不可逾越；第三，商业后果将反噬美国——每个美国供应商都成了 kill-switch 风险，盟友市场会收缩，未来几年可能让美国公司损失数百亿甚至上千亿美元收入；此后美国创始人卖进欧洲防务与政府，第一场会就要先回答“开关在谁手里”，而欧洲创始人则白得了“主权”这个可售卖点。

关键要点

• 导火索：美方切断对乌情报并限速军用 Starlink，据 WSJ 为马斯克个人决定
• 欧洲决策者的新问题：若其他美国 CEO 也断供，欧洲会失去什么能力
• 多年被视为偏执幻想的 kill-switch 担忧，如今被认为已经发生
• AI 把主权软件的建造成本打下来：克隆美式企业软件进入多数国家能力范围
• 商业反噬：美国供应商皆成 kill-switch 风险，未来几年或损失数百亿至上千亿美元
• 新销售现实：美国创始人进欧洲防务与政府，首问即“开关在谁手里”；欧洲创始人得“主权”卖点

关键事实

事实（均为 Blank 引述的见闻与报道）：作者在伦敦停留一个月并与决策者交谈；美方切断对乌情报并限速 Starshield，据《华尔街日报》为马斯克个人下令；Blank 称多年来包括他在内的多数人曾认为 kill-switch 担忧是偏执幻想。以上关于“谁下令、动机为何”均为 Blank 转述的新闻说法，未独立核对原始报道；欧洲决策者的反应为作者的见闻陈述，非民调数据。

作者观点

作者主张：任何国家都不能再把主权与安全完全外包给美国数据系统与情报；一时兴起的决定将让美国同时失去领导地位与工作岗位；AI 让主权替代从空想变为可执行选项，欧洲替换美国技术的窗口已经打开。

为什么重要

这是本期唯一一篇从“需求侧”讲 AI 地缘政治的文章：第 2 篇讲 AI 的宏观回报难寻，这篇讲 AI 如何改变“买谁的技术”这个决策本身——成本结构一变，主权就从口号变成采购标准。对跟踪 AI 出海、企业软件与防务科技的人，这篇提供了一个可检验的预测：未来欧洲防务与政府采购中，“开关在谁手里”会不会成为必答题。

编辑点评

编辑分析：这篇是观点文章，不是调查报道——核心证据是作者在伦敦的见闻与一篇 WSJ 转述，论证强度应据此打折：它证明“欧洲有人开始这么想”，不证明“欧洲已经这么做”。另注意评论区已有欧洲从业者称其公司一年半来就在替换 Windows、MSSQL 与 Office 365，这与作者论点同向，但评论区自述不能计为独立证据。把这篇当作“风向标”，不要当作“已发生的采购潮”。