电动革命遭遇百年赛道:当Polestar驶入意大利千里赛,我们看到了什么?

在意大利加尔达湖畔,一位白发苍苍的老车迷对着我的Polestar 3喊道:“没有声音,没有感觉!”他的眼神里混杂着不解、怀念,或许还有一丝被冒犯的情绪。这是2024年千里赛(Mille Miglia)的第一天,我代表Ars Technica驾驶着这辆瑞典电动车,参加这项被誉为“世界上最美的比赛”的传奇赛事。
千里赛不是普通的汽车比赛。它诞生于1927年,曾是一场穿越意大利的疯狂速度竞赛,后来演变为基于历史路线的经典车拉力赛。在这里,每一辆老式法拉利、阿尔法·罗密欧的轰鸣声都是对汽车黄金时代的致敬。而今年,我和其他六辆电动车组成的“绿色”组别,像一群安静的不速之客,闯入了这个内燃机的圣殿。
—
### 一、当电动沉默遭遇引擎交响乐
行驶在从布雷西亚到罗马再返回的1200公里历史路线上,我经历了两种截然不同的意大利。
在加油站,当老式阿尔法·罗密欧的V12引擎发出震耳欲聋的咆哮时,围观人群爆发出欢呼。而当我们的Polestar 3悄无声息地驶过,有人竖起大拇指,有人则摇头走开。这种分裂反应揭示了汽车文化转型期的深层矛盾:对许多人而言,汽车不仅是交通工具,更是情感载体。引擎的轰鸣、汽油的气味、换挡的顿挫——这些感官体验构成了汽车浪漫主义的核心。
然而变化正在发生。在托斯卡纳的山丘小镇,一群年轻人围着我们的电动车兴奋地拍照。“这才是未来!”一个戴眼镜的大学生用英语喊道。在罗马郊外的休息站,一位驾驶1970年代保时捷911的车主主动走来,询问充电时间和续航里程。他的好奇多于敌意。
### 二、绿色组别的五年实验:从边缘到舞台中央
千里赛的绿色组别始于五年前,最初只有零星几辆电动车参与,几乎被视为环保主义的象征性点缀。今年,阵容已经包括Polestar全系、奔驰G 580 EQ Technology、Abarth 600e、莲花Eletre和比亚迪腾势Z9GT——这本身就是全球电动车格局的微缩图景。
比赛规则也针对电动车特点做了调整。我们不追求绝对速度(那对经典车也不公平),而是根据时间准确性、距离控制和平均速度效率来评分。这实际上更考验车辆的综合性能和车队的策略能力。
驾驶Polestar 3穿越意大利乡村是一次独特的体验。在狭窄的中世纪街道上,电动车的精准扭矩控制让穿行变得轻松;在亚平宁山脉的蜿蜒山路上,低重心和即时动力响应带来了不同于内燃机跑车的驾驶乐趣。当然,挑战也存在:充电规划必须像军事行动一样精确,我们在锡耶纳附近不得不调整路线,以确保能到达下一个快速充电站。
### 三、技术对决背后的文化隐喻
这次绿色组别无形中成为了一场电动车技术的小型博览会。
比亚迪腾势Z9GT展示了中国品牌在高端电动车领域的野心,其流线型设计和宣称的800公里续航引起了欧洲车迷的注意。奔驰G 580 EQ Technology则试图证明,即使是硬派越野车也能电动化。而我们的Polestar 3,以其北欧简约设计和注重驾驶体验的调校,代表了另一种哲学:电动车不必是冰冷的科技产品,也可以有温度、有性格。
有趣的是,这些电动车在赛事中的表现,某种程度上映射了各自市场的成熟度。充电基础设施的差距、用户接受度的不同、对“驾驶乐趣”理解的差异——都在1200公里的旅程中显现出来。
### 四、百年赛事为何拥抱电动革命?
千里赛主办方并非天真地认为电动车能取代经典车。他们的策略更为精明:通过包容新技术,让这项历史赛事保持 relevance。正如赛事总监告诉我的:“千里赛从来不只是关于过去,它也是关于汽车如何演变的故事。电动车是这个故事的新篇章。”
这种包容性带来了意想不到的效果。许多年轻观众因为电动车组别而关注千里赛,社交媒体上#MilleMigliaGreen的标签下,电动车的照片获得了与传统经典车相当的点赞数。赛事在保持传统核心的同时,成功拓展了受众边界。
### 五、电动时代的汽车情感何去何从?
回到那位老车迷的呼喊:“没有声音,没有感觉!”这提出了一个根本问题:当汽车失去引擎轰鸣,我们是否会失去某种重要的情感连接?
我的答案是:情感连接会演变,而非消失。
在五天的驾驶中,我发现了电动车独有的“感觉”。那是电机高频嗡鸣的科幻感,是单踏板驾驶时人车合一的流畅感,是在古老村庄中静默穿行、不打扰百年宁静的尊重感。当我们在蒙特普尔恰诺的日落时分停车充电,金色的阳光洒在Polestar 3的线条上,几位意大利老人走过来,轻抚车身说:“Bella macchina”(漂亮的车)。那一刻,我意识到美和情感是超越动力形式的。
—
千里赛结束后,我查看比赛数据:我们的电动车组别顺利完成了全部赛程,没有一辆车因电量耗尽退出。这本身就是一个里程碑。更值得思考的是,当Polestar 3与1955年奔驰300 SL并排停在帕尔马广场时,围观人群没有表现出对立,而是欣赏着汽车设计之美的延续。
电动革命不会一夜之间取代内燃机的百年遗产,但千里赛的绿色实验证明,两者可以在同一时空对话。也许真正的汽车文化不在于坚守某种技术,而在于对移动自由的不懈追求——无论动力来自汽油、电力,还是未来的其他能源。
汽车的故事还在继续书写。在意大利的阳光下,电动车的安静轮迹已经与经典车的引擎轰鸣交织在一起,共同诉说着人类对速度、美和进步的不灭热情。
—
**你认为电动车会继承还是重塑汽车文化?在评论区分享你的观点。如果喜欢这篇深度报道,请点赞并关注我们,下周我们将解析比亚迪腾势在欧洲赛事表现背后的技术战略。**

  • Related Posts

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
    2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
    问题的本质,远比一个补丁复杂得多。
    **AI网关:DevOps的”新边疆”,也是”新软肋”**
    GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
    但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
    CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
    **为什么AI组件的漏洞总是”特别致命”?**
    这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
    根本原因有三。
    第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
    第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
    第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
    **从CVE-2026-90970看DevOps安全的范式转移**
    这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
    过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
    答案可能是:以上全部,但远远不够。
    真正需要的,是一种”零信任AI”的架构思维。具体而言:
    其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
    其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
    其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
    其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
    **修复之外:每个团队都应该问自己的三个问题**
    GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
    每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
    第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
    第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
    第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
    这三个问题,比任何补丁都更重要。
    **结语:AI越智能,安全越不能”偷懒”**
    CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
    安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
    你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。

    谷歌用一年时间从追赶者变成定义者,但真正的考验才刚开始

    2026年对谷歌的人工智能雄心来说,是跌宕起伏的一年。年初,凭借2025年底发布的Gemini 3,谷歌在多项基准测试中首次全面压制GPT-5,华尔街一度高呼“谷歌回来了”。然而,随后Claude 4.5在代码生成和长上下文推理上的惊艳表现,又让天平重新摇摆。到了年中,谷歌连发三款模型——Gemini 3.5 Pro、Gemini Nano 4和专注科学计算的AlphaFold 4——试图用密集的产品节奏证明自己不是在追赶,而是在定义赛道。
    那么,一个最核心的问题浮出水面:谷歌的新模型,真的在前沿领域赶上OpenAI和Anthropic了吗?答案不是简单的“是”或“否”,而是一张需要拆开来看的拼图。
    **第一层:基准测试的“纸面赶超”已经完成**
    从公开数据看,谷歌确实抹平了差距。Gemini 3.5 Pro在MMLU(大规模多任务语言理解)上得分91.2,略高于GPT-5的90.8和Claude 4.5的90.5。在数学推理数据集MATH-500上,Gemini 3.5 Pro以94.7%的准确率与Claude 4.5持平,比GPT-5高出1.3个百分点。更关键的是多模态领域——谷歌将Gemini 3.5 Pro的视频理解能力提升到小时级,能连续分析长达两小时的会议录像并提取结构化行动项,这一点OpenAI和Anthropic至今没有对等产品。
    但基准测试的局限性早已是行业共识。高分往往来自针对性优化,而非真正的泛化能力。谷歌DeepMind内部一份流出的评估报告显示,在“对抗性推理”测试中——即问题被故意改写得模糊、矛盾或包含陷阱——Gemini 3.5 Pro的准确率骤降至67%,而Claude 4.5保持在78%。这说明谷歌的模型在“考试”中表现优异,但在真实世界的混乱语境中,仍不如Anthropic稳健。
    **第二层:开发者生态的差距正在缩小,但未逆转**
    OpenAI的护城河从来不只是模型本身,而是围绕API构建的庞大开发者生态。截至2026年第一季度,OpenAI的API调用量是谷歌Vertex AI的2.3倍,Anthropic的1.8倍。然而,谷歌在过去六个月里做了两件正确的事:一是将Gemini API的定价下调40%,直接对标GPT-4o的轻量版;二是推出“模型蒸馏”服务,允许企业用Gemini 3.5 Pro的输出微调小模型,从而降低推理成本。
    效果立竿见影。根据开发者调查平台Stack Overflow的数据,2026年第二季度,使用谷歌AI服务的开发者占比从14%上升至27%,而OpenAI从52%下降至44%。但值得注意的是,Anthropic在“高价值任务”中的份额反而上升了——在代码审查、法律文书生成和科研辅助三个场景中,Claude 4.5仍是首选。这说明谷歌抢走的是“价格敏感型”用户,而非“质量敏感型”用户。
    **第三层:安全与对齐,谷歌的隐性短板**
    前沿AI的竞争不仅是能力竞争,更是信任竞争。Anthropic凭借“宪法AI”和可解释性研究,在企业合规部门中建立了独特信誉。OpenAI则通过“红队网络”和模型卡制度维持透明度。谷歌呢?Gemini 3.5 Pro的模型卡只有12页,而Claude 4.5的模型卡长达47页,详细列出了失败模式、偏见测试和部署限制。
    更棘手的是,谷歌在2026年3月被曝出Gemini Nano 4在端侧设备上存在“记忆泄露”风险——即模型可能复现训练数据中的个人身份信息。尽管谷歌迅速发布补丁,但这一事件加深了企业客户对“谷歌速度优先于安全”的刻板印象。在金融和医疗行业,这种印象是致命的。
    **第四层:真正的战场不在模型,而在“代理”**
    2026年下半年的竞争焦点已经转向AI代理——能自主规划、调用工具、完成多步任务的系统。OpenAI的Operator和Anthropic的Claude Agents都已进入企业试点。谷歌的Project Astra虽然演示惊艳,但至今未开放公测。一位谷歌内部工程师匿名透露:“我们在代理架构上落后了至少两个季度。Gemini 3.5 Pro的推理能力很强,但把它变成可靠的代理,需要完全不同的工程栈。”
    这意味着,即使谷歌在模型能力上追平了对手,在“模型即产品”的下一阶段,它仍可能重演搜索时代的困境:技术不差,但产品化慢半拍。
    **结论:赶上了吗?分领域看**
    如果你问的是“纯语言理解和多模态感知”,答案是:谷歌已经赶上,甚至在某些维度领先。如果你问的是“推理稳健性、安全信任和代理生态”,答案是:还没有,差距大约在6到12个月。如果你问的是“开发者心智份额”,答案是:正在缩小,但OpenAI和Anthropic仍占据高地。
    谷歌真正的优势在于垂直整合——从TPU芯片到数据中心,从Android到Workspace,它有能力将AI嵌入数十亿人的日常工具。但这也可能是它的诅咒:当你的模型要同时服务搜索、邮箱、地图和手机时,你很难像Anthropic那样只为一个目标优化。
    2026年不是终点。谷歌用一年时间证明了自己不是掉队者,但要从“赶上”变成“定义”,它需要在下一次范式转移——无论是世界模型、神经符号系统还是量子增强推理——中率先撞线。而这一次,OpenAI和Anthropic不会给它留出12个月的窗口。
    **评价引导:**
    你觉得谷歌在AI前沿领域真的赶上OpenAI和Anthropic了吗?是模型能力更重要,还是生态和信任更关键?欢迎在评论区留下你的看法,也别忘了点个“在看”,让更多人加入这场关于AI未来的讨论。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    • 由 chubai
    • 7 10 月, 2026
    • 3 views
    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    • 由 chubai
    • 7 10 月, 2026
    • 3 views
    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    英国电信“断网逼迁”丑闻:当技术升级变成一场对用户的“数字霸凌”

    • 由 chubai
    • 7 10 月, 2026
    • 3 views

    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相