💳 Airtable 的订阅费能省下来了，Baserow 是它的开源替代，自己部署一份，表格照用不误。 GitHub 上 5700 多 star，官方自称用户已经超过 15 万，还拿了 GDPR、HIPAA 和 SOC 2 Type II 的合规认证。 以前团队想共同维护一张项目进度表，用 Excel 传来传去版本永远对不上，换成在线表格又得按人头交钱，数据一旦涉及客户信息，还要额外跟法务解释这些东西存在谁家服务器上。 Baserow 就是自己装一份，数据全留在自己机器里。表格该怎么用还怎么用，加字段、切视图、拉仪表盘都是点几下的事，还能顺手把自动化流程和小应用搭在同一份数据上。它内置了一个叫 Kuma 的 AI 助手，想加张表或者配条自动化，用大白话说一句就行，不用先去啃它的配置面板。 后端是 Django 加 PostgreSQL，前端 Vue，非高级版和非企业版的功能按 MIT 协议放出来，自己改自己用都没问题。仓库里一千二百多个 issue 还开着，七百多个 fork，是真有人在用、在提。 把表格和数据搬回自己机器这件事，本来就不该按人头收钱。 GitHub：

很多网友应该都发现了，现在闭源巨头们为了抢夺训练 AI 的“数据资产”，已经开始不择手段了。 前有 Anthropic 焚书训练，现有亚马逊白嫖用户视频。 亚马逊最近给旗下的直播平台 Twitch （俗称老鼠台）出了一个极其阴损的绝招： 直接白嫖用户的直播和回放来训练自家 AI，并且故意把拒绝选项藏到了几乎找不着的地方。 你得先进入“设置”，点击“隐私与安全”（Privacy and Security），然后一路往下滑到最底部，才能在一个极其不起眼的卡片里找到“数据授权”选项。 他们故意把拒绝（Opt-out）按钮的字号缩得极小，甚至还用了一堆绕口的法务黑话来模糊概念，就是打赌大部分普通人根本没有耐心翻到这一页。 有没有国内摇一摇开屏广告的味道了？无法拒绝，防不胜防。 更有意思的是，如果你是欧洲（EU）的用户，因为有硬核的 GDPR 法案撑腰，Twitch 甚至连这个开关都不敢给你上，直接在底层就默认不抓取。 但对于美国和全球其他地区的普通主播和用户，那就是能割一茬是一茬，默认所有人全部同意。

恐怖！用家Wi-Fi就能知道隔壁墙后的人在干什么！ 开源项目 RuView 在GitHub已经冲到 5万+星，直接炸了！ 完全不用摄像头，也不用戴任何设备，就靠家里普通的WiFi信号，就能穿墙透视： - 隔壁有几个人、在哪个位置、是走路还是躺着，全看得见 - 实时看人体姿态（17个关键点） - 睡觉时自动测呼吸和心率 - 有人跌倒立刻报警，动作识别超准 用WiFi CSI + AI，把你家路由器直接变成隐形雷达！ 没有视频、没有录像，隐私安全拉满，天然符合GDPR，完全本地跑，不上云。 ESP32几块钱就能玩，Docker零硬件也能直接试。

小马智行(PONY)：多传感器重资产路线的商业化困局，与特斯拉纯视觉范式的代际鸿沟 提报：华尔街观察团队投研部 日期：2026‑10‑04 评级：规避 免责声明：本报告仅为行业逻辑推演，不构成投资建议，不针对企业生存能力下定论。企业存在战略转型的可能性，技术路线的困境不等于公司的终结。 执行摘要 国内Robotaxi在订单、里程、车队规模的数据层面实现全球领先，然而光环之下是残酷的单位经济学拷问。以小马智行为代表、连同Waymo为标杆的激光雷达主导多传感器融合路线，正在暴露结构性硬伤：高昂的硬件造价、永无止境的隐性运维成本，让规模扩张等价于亏损放大。即便车队扩张至管理层预设4‑5万辆的盈亏平衡门槛，重资产运维的长期负担依旧难以消解。我们的核心判断：如果不彻底重构技术范式，该类多传感器方案长期将难以对抗特斯拉原生纯视觉体系，技术路线层面存在被边缘化的风险。该结论仅指向技术路径，并非判定企业必然消亡，管理层转向Tier‑1套件供应商的调整，是求生的重要尝试。 2026上半年财报清晰揭示残酷现实：小马智行Robotaxi业务营收2064万美元，同比大涨534%，车队扩张至1975台。但每获得100元车费收入，同步产生125元的亏损，经营亏损率‑181.5%。市场直观的误解是，只要把车队规模做大，亏损自然被摊平。这种逻辑套用互联网平台的规模效应，却忽略自动驾驶属于物理世界的重运营生意，边际成本无法趋近于零。 隐性成本是压垮多传感器方案的核心枷锁，市场多数研报仅仅关注激光雷达的采购单价，却无视后端一整套配套开销。第一，远程云端安全员体系，车内取消驾驶员，只是把人力成本转移至后台监控中心，大量操作员7×24小时值守，人力开支长期刚性。第二，海量的数据存储压力，激光雷达配合摄像头每小时产出2‑4TB原始数据。行业广为流传的“数据骡子”模式，依靠每日凌晨拆卸固态硬盘完成数据搬运，只是权宜之计，规模化之后场站、运维人员、存储机房的开支将指数级上升。第三，精密设备的周期性校准，激光雷达、光学组件微米级的偏移就会带来识别偏差，企业必须维持千级洁净校准车间，定期返场检修，这部分维护开销不会出现在宣传叙事之中，却是长期固定支出。 出海进一步放大成本矛盾。小马智行布局克罗地亚、卡塔尔、新加坡等市场，GDPR法规要求三维点云数据不得跨境传输，迫使企业在每一个海外区域建立本地数据闭环。国内数千万公里的路测经验，无法直接复用，每进入一个国家几乎等于从零开始训练模型。合规约束之下，算法甚至出现误判：海报人像被识别为障碍物触发急刹，接管率抬升，运营成本再度上行。扩张越快，合规与本地化的负担越沉重。 与之形成鲜明对比，特斯拉Cybercab选择原生纯视觉架构，抛弃激光雷达，依托8颗摄像头与端到端神经网络完成决策，从硬件底层削减传感器的复杂冗余。原生车型面向无人驾驶设计，简化车身结构，制造端成本优势显著。更关键的是运维逻辑：更少的精密光学硬件，意味着校准、检修、备件维护的工作量大幅下降。特斯拉依靠全球海量特斯拉乘用车车队源源不断投喂真实路况数据，训练样本池的体量，是封闭Robotaxi车队无法比拟的。 两条路线的本质分歧浮出水面。Waymo、小马智行选择用硬件冗余换取短期安全上限，代价是昂贵的单车造价与繁琐的长期运维；特斯拉选择依靠极致算法，简化硬件，把重心放在神经网络迭代。前者是改装思路，在现有车辆上堆叠传感器；后者从车型诞生之初就为无人驾驶量身打造。多传感器方案可以实现局部场景优秀表现，但是高昂的综合成本，决定其很难完成千万级别的普及。当Robotaxi需要走向大众普及，制造、运维、备件、校准组成的长期账单，将成为难以逾越的鸿沟。 当然，这不代表小马智行没有出路。管理层提出转向轻资产Tier‑1供应商，为出行巨头交付自动驾驶套件，便是试图逃离自营车队的无底洞。但如果底层传感器架构不做出调整，套件本身的成本痛点依旧存在。 核心结论 短期，多传感器方案仍将在特定园区、限定区域维持落地。长期商业化普及的赛道上，若维持现有硬件框架，激光雷达为主的重感知路线，很难追上特斯拉纯视觉体系的成本曲线。资本市场已经提前反映悲观预期，小马智行年内股价深度回撤，本质是资本重新审视单位经济学。自动驾驶的终局竞争，比拼的不只是单次路况的表现，更是十万、百万、千万量级车队长期运行的综合账单。谁可以把运维的长期负担降到最低，谁才拥有走向普及的入场券。 风险提示：超预期政策扶持、大额战略融资、颠覆性的硬件成本突破，有可能改变现有推演结果。

影片中可以看到，系統先用普通 CCTV 畫面標出顧客位置，接著切換成 3D 點雲地圖，用彩色粒子顯示人流，再用藍到紅的熱圖標出「大家視線停留最久的貨架位置」。簡單來說，它不只知道你站在哪，還能估計你的頭朝哪邊看，把注意力對應到特定商品。 🌵 這套技術到底怎麼運作？ Auki 的做法是先用手機快速掃描店面，建立「數位孿生」（digital twin），再把現有監視器畫面接到同一個空間地圖裡。系統會做姿態估計（pose estimation）和視線方向判斷，累積成「這個時段、這一天、這個月，哪些貨架被看最多」的熱圖，再和實際銷售數據對上。 官方強調這是匿名、彙總資料，不會建立個人檔案，也不會辨識你是誰，只是看「整體顧客視線落在哪」。他們說這能幫店家優化陳列：把熱門商品放到大家最常看的位置，或把容易被忽略的商品移到視線較少的角落，減少空檔。 目前已有瑞典 COOP、挪威便利商店、新加坡 FairPrice 等零售商在試用，還結合機器人做貨架盤點。 🔒 相關發展：零售業 AI 監控越來越普遍，但爭議也不少 這不是唯一一套「用攝影機分析顧客」的技術。近年零售業為了防盜，開始大量導入 AI 攝影機： • 英國、澳洲的超市測試人臉辨識，比對「已知竊盜者」黑名單。 • 美國部分折扣超市用面部掃描抓小偷，被批評是「全民監視」。 • 有店家結合 AI 偵測「把商品塞進口袋」的行為，直接通知店員。 這些做法引發隱私疑慮，尤其在歐洲 GDPR 規範下，即使沒有記名，推論出的「注意力資料」也可能被視為個人資料。有專家指出，現有監視器只要軟體升級，就能從防盜變成行為分析，甚至未來可能結合動態定價。 Auki 這套比較特別的地方是它主打「陳列優化」而非「抓人」，而且強調用現有設備、不新增硬體。不過隨著這類空間 AI 越來越成熟，公共空間裡「被分析」的範圍確實在擴大。 未來走進超市，貨架擺設可能不再只靠經驗，而是靠「大家真正在看什麼」的數據來決定。這對店家來說是效率提升，對消費者來說則是「逛街體驗被量化」的開始。你覺得這種技術是進步，還是有點讓人毛毛的？ 🤔

Meta Muse Image 三天被叫停，为什么“默认 Opt-out”的逻辑会翻车？ Meta 7月7日高调推出首款原生 AI 生图工具 Muse Image，允许用户 @ 任何公开 Instagram 账号，直接生成该账号形象的 AI 图片。但仅仅三天后，在演员 Hannah Einbinder 的公开批评和 SAG-AFTRA（演员工会）的施压下，Meta 承认“未达预期”，迅速下线了该功能。 硅谷巨头为何在核心产品上遭遇如此滑铁卢？这不仅是一次产品经理的激进冒险，更是科技巨头对用户数字资产主权的一次“越界试探”。让我们来捋清这条时间线背后的深层逻辑。👇 💡 核心争议点：“默认退出（Opt-out）”本质上是一种强盗逻辑 Muse Image 默认对所有公开 Instagram 账号启用了被引用权限。如果不想被生成，用户必须自己去迷宫般的设置里大海捞针，主动关闭（Opt-out）。更致命的是，当你的照片被别人当作提示词参考生成时，你不会收到任何通知。 SAG-AFTRA 首席谈判代表 Duncan Crabtree-Ireland 直言：这种未经同意就创建非自愿数字替身（digital replicas）的做法是“不可接受的”。 态度补充： 为什么“默认 Opt-out”会在隐私上翻车？这涉及到一个核心预期违背：用户将照片设为“公开”，预期是“被真人观看并产生社交连接”，而不是“被 AI 拿去当做免费的赛博二创素材”。当平台粗暴地将“公开可见”等同于“可被 AI 随意加工”，实际上是在用技术强权剥夺用户对自身数字形象的绝对控制权。真正的尊重从不搞“先斩后奏”，应该是“默认关闭，选择加入（Opt-in）”，将决定权完完整整地还给用户。 🔍 划清界限：外网讨论在混淆什么？ 在这场风波中，外网讨论也出现了严重的逻辑混淆。我们需要明确区分两个完全不同的法律和技术概念： 1. 训练模型（Training）： 用海量数据训练底层大模型。 2. 参考生成（Inference/Generation）： 在具体生成时，提取特定账号照片作为视觉参考（这是 Muse Image 此次的直接风暴眼）。 这两者虽然都涉及“AI 使用照片”，但在技术实现和法律定性上是完全不同的行为。 关于“训练模型”，业界的争议点主要在于版权例外、合理使用（Fair Use）和大规模数据抓取（Scraping）。而关于“参考生成”，则直接触及了肖像权、公开权（Right of Publicity）以及可能导致的虚假代言风险。 Meta 的技术博客显示，Muse Image 具备多参考图组合能力。这从技术上说明它是在生成阶段实时调用照片，而不是把照片重新塞回底层模型去“炼丹”。把这两者混为一谈，只会稀释公众的维权火力，无助于准确向巨头追责。 ⚖️ 法律的真空期，成了巨头的“特权测试场” 那么，现有的法律管得了“参考生成”吗？ 在欧洲： GDPR 规定个人数据处理必须有合法基础。虽然公开照片不自动等于“生物识别数据”，但平台仍需说明其合法利益，并满足极高的透明度要求。而将于 2026 年 8 月适用的《欧盟 AI Act》第50条虽然规定深度伪造（deep fake）内容必须进行披露，但必须警惕：“贴上了 AI 标签”绝不等于“拿到了合法授权”。 在美国： 情况则更加碎片化。美国版权局早在 2024 年 7 月发布的《数字替身报告》中就指出，现有州层面的公开权、隐私法覆盖不一，呼吁建立新的联邦级数字替身法律。目前，是否构成侵权往往取决于各州的具体法律、使用目的（是否商业化）、以及是否造成公众混淆等。 法律的滞后和条款的灰色地带，恰恰给了科技巨头不断试探公众底线、通过“小步快跑”侵占用户权益的空间。 🛎️ 这场风波给普通人的警示 你发在社交平台的照片，平台能不能默认拿去喂 AI 或参考生成？ 答案是：在现有平台那几万字的隐私协议下，他们往往认为自己拥有这个权利——直到他们遭遇如这次一般强烈的公众反弹和法律铁拳。 面对长篇大论的英文隐私条款、复杂的国际法案以及外网关于 AI 伦理的激烈辩论，语言不应成为我们了解真相、捍卫权利的障碍。 使用 沉浸式翻译 ，你可以一键双语对照阅读外媒第一手报道、科技巨头官方公告和最新的国际法律文件。别让复杂的术语剥夺你的知情权。 保持警惕，保持阅读。不要让你的数字化身，成为巨头免费的盘中餐。🌐✨

欧洲算力赛道可以分成综合机房托管（IDC）、本土公有云AI算力、专用HPC/AI算力厂商、国家级超算运营方四大类，头部企业（截至2026年）： 一、欧洲体量最大的中立IDC机房（机柜、电力、互联能力最强） 主打算力园区、整机柜租赁、大客户托管，是AI算力最核心的载体 1. Digital Realty（数字地产，美国上市，欧洲第一大IDC） 收购欧洲老牌Interxion后坐稳龙头，欧洲64个数据中心，总电力容量约566MW，法兰克福、阿姆斯特丹、伦敦拥有欧洲顶级算力园区，面向微软、Nebius、AI企业做批发算力机柜，欧洲高密度液冷算力节点最多。 2. Equinix（艺恩尼克斯） 欧洲93个数据中心，侧重互联网交换、金融与云互联，欧洲 peering 网络最强，适合需要低时延的算力调度、跨境算力组网，高端政企算力托管首选。 3. Vantage Data Centers、Global Switch 主攻英国、法国、德国大型超算园区，承接海外AI公司欧洲落地自建机房需求。 二、欧洲本土全栈云厂商（可直接租用GPU算力，主打欧盟数据主权） 欧美云市场格局：AWS、微软Azure、谷歌云占据欧洲70%公有云份额；下面是欧洲本土自研算力云，合规性优势极强 1. OVHcloud（法国，欧洲本土第一大云） 欧洲最规模化的本土云计算企业，9个国家自建43个数据中心，裸金属、H100/L4 AI算力齐全，性价比显著高于美国大厂，垂直自研服务器、散热体系，是欧洲商用大模型最常用的算力平台。 2. Nebius Group（荷兰注册，原Yandex拆分） 当前欧洲增速最快的AI算力巨头，手握欧洲稀缺的2.5GW电力配额，批量部署英伟达H100/Blackwell集群，拿到微软、Meta大额AI算力长单，主打大规模训练级算力，定位欧洲版CoreWeave。 3. Hetzner（德国） 性价比标杆，德国、芬兰自建机房，GPU服务器、托管机价格极低，中小企业、量化、推理算力使用最多，PUE能耗控制优秀。 4. 德国电信 T Cloud 欧盟国家级主权云，面向工业、政务、医疗等高监管行业布局AI算力，计划2026年底对标美国超大规模云能力，工业仿真算力优势突出。 5. Scaleway（法国伊利亚德集团）、IONOS（德国） 二线本土云，主打绿色可再生能源算力、轻量级AI推理集群，合规适配GDPR。 三、欧洲专注AI/HPC高性能算力的专业厂商（专精大模型、液冷超算） 1. Northern Data（德国上市） 欧洲老牌高性能算力运营商，从算力矿机转型AI液冷算力集群，拥有欧洲最大的专用GPU算力集群之一，主打高密度浸没式冷却，适合长周期大模型训练。 2. Eviden（原法国Atos） 欧洲本土超算整机厂商，BullSequana系列是欧盟EuroHPC计划主力机型，承建欧洲首台艾级超算JUPITER，提供政企定制HPC、科研算力整体方案。 3. WBS Power（波兰） 在建欧洲单体最大算力园区：波兰波罗的海数据中心，规划总装机3.2GW，依靠北欧风电做低成本绿色算力，面向全球AI企业做超大算力基建出租。 四、欧洲国家级顶级超算运营体系（科研、工业顶级算力） 由欧盟EuroHPC统筹，算力面向科研、气象、生物医药、工业仿真开放： • 德国于利希超算中心（运营JUPITER，欧洲首台艾级超算） • 芬兰LUMI超算、意大利LEONARDO超算、西班牙MareNostrum超算，构成欧洲最强科研算力矩阵 简单选型参考 • 租商用GPU、做大模型训练：优先 Nebius、OVHcloud、Northern Data • 机柜托管、自建算力集群：Digital Realty、Equinix • 低成本推理、中小算力：Hetzner、Scaleway • 政务、工业合规算力：德国电信T Cloud、Eviden

分享一个帮助营销的skill，最近更新： 新增技能：prospecting（获客） 在一个技能中支持三种获客场景：SaaS、B2B、本地中小企业。三者共享同一套五阶段流程框架，但数据来源和筛选逻辑各有不同。 五阶段流程 1. ICP 定义 — 明确理想客户画像 2. 发现线索 — 从各渠道挖掘潜在客户 3. 资格筛选 — 按标准过滤不符合条件的线索 4. 打分排序 — 对合格线索进行优先级评分 5. 结果输出 — 以表格或 CSV 格式导出 各场景特点 - SaaS 获客：技术栈信号、融资/招聘动态、GitHub Star/Fork 作为开发者兴趣指标 - B2B 获客：企业画像 + 触发事件，通过 Apollo/ZoomInfo/LinkedIn Sales Nav 定位决策人 - 本地企业获客：浏览器辅助的 Google 地图调研，将网站状态分为四级 包含的参考文档 - Apollo、Clay、ZoomInfo、Clearbit、Hunter、Snov、Truelist、LinkedIn Sales Nav、BuiltWith、Crunchbase、RB2B、GitHub、Firecrawl、Browserbase 等数据源详解 - 合规指南：CAN-SPAM、GDPR、CASL、平台使用条款、反模式清单 - 6 个评估测试用例

Chat Control 没有死，它只是换了个马甲 在公共舆论中，“保护儿童”往往被塑造成不容置疑的政治正确。然而，欧盟近期强推的 Chat Control 法案，其真实图景却恰恰相反——这项法案的实际效果，是以牺牲 99% 无辜公民的数字隐私权为代价，去追逐那 1% 的潜在罪犯。 前不久，这项在程序正义上饱受争议的法案，凭借一个隐蔽的程序漏洞，以少数票强行通过了。 “绝妙的民主”：一场暑假前的政治偷袭 我们需要理清这场博弈的来龙去脉。 2022 年，欧盟委员会提出 Chat Control 法案，其核心条款是：允许 Meta、Google、微软等科技巨头在无需法院令的情况下，对平台上的私信进行大规模、自动化的无差别扫描，以检测儿童性虐待材料（CSAM）。事实上，这项“临时授权”自 2021 年起就已生效并多次续期。 直到今年 3 月，民意迎来了一次短暂的胜利——欧洲议会以 311 票对 228 票的绝对优势，明确投票拒绝为该授权续期，该临时授权于 4 月 3 日正式到期。 然而，政治博弈的残酷性在于它并不轻易服从民意。 7 月 2 日，欧盟理事会（即各成员国政府）绕开议会，将几乎一字未改的法案重新包装，通过“二读程序”重新提交。二读程序中藏有一个关键的规则红利：议会需要全体议员的“绝对多数”（即 710 票中的 361 票）才能否决法案，而非仅仅看“到场议员的多数”。 欧盟理事会特意将投票时间选在了暑假前的最后一次全体会议，此时大量议员已提前离会。 最终的投票结果极具讽刺性：276 票赞成，314 票反对，17 票弃权。 反对票比赞成票足足多了 38 票。但正是因为未能凑够 361 票的法定理性绝对多数，该法案在法律层面上被判定为“通过”。 前欧洲议员 Patrick Breyer 直言不讳地将这一行径斥为“对民主程序的公然蔑视”。 这一结果在海外技术社群与舆论圈引发了剧烈震荡。在 Reddit中，高赞评论字字见血： “通过只需要 276 票，否决却需要 361 票。真是绝妙的民主。” “温情提示：政客、律师和官员因‘职业保密’原则在法案中获得豁免。老大哥从不审视自己。” “作为一个坚定的欧洲一体化支持者，我不得不承认，正是这种暗箱操作，在一步步摧毁公民对欧盟的信任。” 面对“我们现在该怎么办”的提问，最高赞的回答只有冷峻的一句话：“Use Signal. Side note: Telegram is NOT encrypted.” 算法凝视与失效的审查系统 所谓的“无差别扫描”，究竟在扫什么？又是如何剥夺我们的隐私的？ 在目前通过的 Chat Control 1.0 框架下，扫描对象为未端到端加密的平台私信，涵盖 Instagram DM、Discord、Snapchat、Skype、Xbox 消息、Gmail 以及 iCloud 邮件。其技术手段主要依赖三种路径： 哈希匹配：对比已知违法图片数据库（如 PhotoDNA 技术）； AI 图像识别：试图检测未知违法图片； 文本分析：用于识别所谓的“诱骗”语言模式。 目前，采用端到端加密的消息（如 Signal、WhatsApp）尚在安全地带，但“目前”并不代表未来。 比隐私泄露更令人担忧的是，这套依靠算法维系的审查系统在现实中低效且臃肿。各项官方及权威机构的数据给出了有力的回击： 德国联邦刑事警察局（BKA）指出：在收到的 Chat Control 警报中，高达 48% 的线索完全与犯罪无关。 瑞士联邦警察的数据更为激进：80% 的机器自动生成报告最终被证实为无效错误。 爱尔兰警方的实证同样印证了这一现状：在收到的 4192 份报告中，仅有 852 份（20.3%）确认为真实违法材料。 欧盟委员会自己的评估报告亦不得不承认：没有任何证据表明，这种侵犯广泛公民隐私的无差别扫描，与定罪率的提升有任何实质性的因果关联。 在源头上：2024 年来自私信扫描的报告仅占所有儿童保护报告的 36%，绝大多数真正有价值的线索依然来自公开帖子和云存储。 最荒谬的现实来自于科技巨头自身——在 Meta 产生的庞大报告中，99% 是早已记录在案的旧材料，对于阻止正在发生的、当下的虐待行为几乎毫无裨益。 前欧洲议员 Patrick Breyer 曾做出过一个极具穿透力的比喻： “用大规模监控来保护儿童，就像拼命在屋里拖地，却始终不肯去关上那个一直开着的水龙头。” 权力、资本与被操纵的议程 既然技术上漏洞百出，法理上备受质疑，为什么这项法案依然能被强行推向历史舞台？因为在其背后，伫立着一条隐秘的利益链条。 据跨国媒体（Balkan Insight）的深度调查揭露：美国组织 Thorn 是 Chat Control 最激进的游说力量之一，而极具讽刺意味的是，它同时也是 CSAM 扫描软件的商业销售商。 在这场资本与权力的合谋中，政治权力的傲慢展现得淋漓尽致。欧盟委员会负责推动该法案的专员 Ylva Johansson，曾三次拒绝与数字权利组织会面，却被曝出在幕后使用微定向广告技术来精准推广这项提案——而这一推广手段本身，就已经公然违反了欧盟引以为傲的《通用数据保护条例》（GDPR）。 甚至连欧盟理事会自己的法律顾问也在内部意见中明确发出警告：该提案已实质性违反了《欧盟基本权利宪章》第 7 条（关于公民隐私权的规定）。但在暑假前的政治时间窗口里，这些理性的声音悉数被权力掩埋。 终局未至：Chat Control 2.0 的技术灾难 如果说 1.0 时代是对公共通信管道的截流，那么正在谈判中的 Chat Control 2.0，则是对人类数字生活根基的毁灭性重塑。 1.0 尚且局限于未加密平台，而 2.0 的核心诉求是引入客户端扫描（Client-Side Scanning）。这意味着，在你的信息被端到端加密、发送出去之前，它必须在你的本地设备（手机、电脑）上接受算法的预先审查。 这相当于：加密的锁依然挂在门上，但在你打包行李的阶段，权力就已经强行翻开了你的私密背包。 对此，Signal CEO Meredith Whittaker 表达了决不妥协的底线： “我们宁可选择退出欧盟市场，也绝不会破坏我们的隐私承诺。这是装在安全瓶子里的监控毒酒。” 同时，全球超过 500 名顶尖密码学家联署公开信指出：在操作系统底层强行引入客户端扫描，等同于在数字世界的基础设施中亲手挖出一个巨大且无法修复的安全漏洞。 目前，2.0 仍在艰难的谈判与拉锯中，这场关于数字自由的战争远未结束。 我们如何自处？ 对于我们这些每天穿梭在多种语言之间的人，这意味着什么？ 当你使用翻译工具阅读一封来自海外合作伙伴的商业邮件，当你在 Discord 或 Slack 上与外国同事探讨行业趋势，当你将一份敏感的跨国合同翻译成中文时——这些原本属于个人与商业机密的内容，正在历经一个不可知、不可控的自动化算法的“凝视”。 更具现实威胁的是：这些用于扫描的数据库极不透明，算法从未公开，且误判率高达 13-20%（此为欧盟委员会自身披露的数据）。一张无辜的学术截图、或者一句因文化差异被误读的翻译，都可能因为“特征相似”而被算法自动化标记，随后被递送到某个未知国家执法机构的收件箱中。 信息平权的前提，永远是信息流通的安全。 如果说我们消除语言的藩篱，是为了让更多人能够自由地看见这个真实的世界；但如果在这个世界里，有一套隐蔽的系统正在无时无刻地窥视、审查着你—— 那么我们所需要的底层工具，就不仅仅是一座高效的翻译之桥，还需要一把足够坚固的、捍卫数字主权的隐私之锁。 9 月谈判行将重启，对抗 Chat Control 2.0 的战役依然艰巨。正如 Patrick Breyer 所言：“他们会一直试，直到通过为止。” 而我们要做的，就是保持凝视，直至权力退场。 隐私，从来不是你“有没有东西需要隐藏”的问题，而是你“有没有权利拒绝被窥视”的问题。 💡 遇到复杂的海外技术法案与深度长文？开启「沉浸式翻译」，双语对照，助你解构政客与资本的文字游戏。 #ChatControl# #Privacy# #信息平权# #EndToEndEncryption#