Loading...
Loading...
孙宇晨的小作文哪些是AI写的逐句拆一遍那六千字 · 为什么它不像任何一个版本的孙宇晨
2026 年 8 月 29 日
8月27日深夜，人在不丹的孙宇晨发出了六千字的《我的女友景甜》。他后来对媒体说，这篇东西写了十几个小时，占掉两个晚上的凌晨，几乎没睡。
这篇文章不碰案情。案子已经立案，景甜方提出管辖权异议，尚未进入实体审理，景甜工作室否认了传闻。谁对谁错交给法院。
我只做一件事：把这六千字拆开，指出哪些句子是 机器写的，以及为什么。
写在前面
必须先说清楚：市面上所有的AI检测器都不可靠，我也没有他的对话记录。以下全部是文本证据和写作机制的推断，不是技术鉴定，也不构成事实指控。
01
结论先放这儿
素材是他的，句子不是他的。
更准确的说法：他提供了记忆、情绪、结构意图和最后拍板，AI提供了语言。这不是"AI代写"，是"AI代笔"。
一个佐证就藏在他自己的说法里。六千字，对一个新概念作文大赛一等奖得主来说，纯手写用不了十几个小时。但"生成—挑选—拼接—润色"这套流程，十几个小时非常标准。
02
判断的地基：AI留下的不是错，是"太对了"
先说清楚我在看什么。
大模型生成文本，本质是在每一步挑概率最高的下一个词。它天然走最平滑的那条坡。这带来三个后果，也是本文所有判断的地基。
第一，句子好，但好得 均匀。人类写作的信息密度是尖峰的——某一段突然写崩，某一段突然写神。机器是一条平线。
第二，结构完美，因为它有 完美的记忆。整篇草稿都在它的上下文窗口里，前文埋的主题词，它能零成本在五千字后回收。人做这件事要靠改稿。
第三，指令被 百分之百执行。你告诉它"不要直接写情绪""不要用连接词""用短句"，它会在六千字里一次不落地执行。人只能执行七成，剩下三成会漏——而漏掉的那三成，恰恰是 人味。
下面十处，全是这三条的具体表现。
03
逐句拆
一｜开场的"称重"
一颗卵子的重量，三点五微克。／五千万美元现金的重量，两点五吨。／……向我要的是后者，抵押的是前者。
为什么是AI？
两个数量并排，再用"后者／前者"交叉收口。这是 被设计出来的 开场装置，不是回忆的开头。人在情绪最盛的时候不做单位换算。
更硬的一点在数字本身。五千万美元如果按百元面额，五十万张，一张约一克，大约 五百公斤，半吨。要凑到两点五吨，得按二十美元面额算——两百五十万张。（此为我本人推算，原文未交代面额。）凭感觉写的人写不出这个数，算过的东西才写得出来，而且算完忘了交代前提。
技术上说
第二句几乎是第一句的强制续写。模型一旦生成"X的重量，某个数"这个句式，同构的下一句概率会被拉到压倒性的高度——平行结构是自我强化的。
而"后者／前者"是最省力的收口方式：它只需要指回前文位置，不需要产生任何新信息。
二｜一座失去皇后的凡尔赛宫
一座失去皇后的凡尔赛宫。
为什么是AI？
清洁工每天打扫空房间的场景写完，空一行，落下这个没有谓语的名词短语，然后立刻进下一节。这句写得好，问题就在于它 太好、太独立、太会挑地方出现。
技术上说
训练语料里，文学段落大量以隐喻或格言收束。模型学到一条极强的关联——"场景结束"这个位置，下一个高概率序列是"抽象总结句"。于是它每次都这么收。人类写作里这种句子是稀疏的、位置随机的；这篇文章里它们像节拍器一样准时。
另外，"凡尔赛"在中文语境里还是"炫耀"的双关。这个便宜的双关正好落在这里，太巧了。
三｜"什么都不发生"
我突然意识到，景甜喜欢一个地方因为她而空着。什么都不发生。
为什么是AI？
"我突然意识到"是顿悟标记词，专门用来把 叙事 切换成 主题陈述。紧接着连续两句以"景甜"开头。然后埋下四个字：什么都不发生。
六千字之后，全文最后一句是：什么都没有发生。
技术上说
主题词的埋设与回收，对人类是改稿工序，对模型是零成本操作——整篇草稿始终在上下文窗口里，回收一个五千字前的短语，和回收上一句一样容易。写作难度在这里完全不对称。这种远距离对仗出现得越干净，越不像一稿。
四｜最漂亮的一句，也最不像人
我全部相信她说的。／但是我一个字也不信。
为什么是AI？
两句 字数接近，语义 严格对称，反转发生在句号之后。严丝合缝。
技术上说
模型生成对句时强烈偏好"语义反义＋句法同构"，因为这两个约束同时把候选词的分布收窄，是最舒服的路径。人写反转是不平衡的——前半句拖沓后半句突然短，或者反过来。这里前后一样长，一样稳。
五｜贴胶带的两个女孩
她们发现下午三点以后贴的最容易掉，因为那时候玻璃最烫，后来改成早上贴。这件事没有人教她们，是她们自己试出来的。
为什么是AI？
这段最大的破绽不是文笔，是 视角。
叙述者是谁？是一个白天睡觉、晚上活动、连助理叫什么都不知道 的人。他刚刚在上一句承认："她知道那两个女孩叫什么。我不知道。"下一秒，他却掌握了这两个女孩的工艺演进史和内部讨论。
技术上说
模型在优化"细节丰富度"，不在 优化"叙述者的知情边界"。第一人称限知视角是一条需要全程维持的硬约束，人类作者靠常识守住，模型守不住——它只知道这个位置该有更多质感，就补更多质感。凡是叙述者不可能知道、却写得极细的段落，都要打问号。
六｜五个配角，同一个人
我看着那个影子想，这个人是谁，他今天走了多少路，看了多少房，他知不知道这套房是给谁看的。
为什么是AI？
三连问排比。而且情绪逻辑不成立——一个正在被要五千万、婚事悬着的男人，不会在这一秒共情一个拍房视频的助理。
但主题逻辑成立。全文有五处这样的配角特写：打扫空房的墨西哥女人、贴胶带的两个女孩、这个拍视频的助理、档案里照片没被打开过的代孕妈妈、举着爆米花被劝退的小孩。五段的主题完全一致 —— 为一个不在场的人，做无人知晓的劳动。
技术上说
这是 主题驱动写作，不是情绪驱动写作。人写自己的分手，注意力分配是失衡的、自私的、到处乱瞟的；模型的注意力天然均匀，会把主题平铺满全篇。五处配角写得一样好、一样短、一样克制——这种 均匀 本身就是签名。
七｜一句话里叠了两个模板
我从来没有拒绝过她，不是慷慨，是害怕。害怕下一秒的答案。
为什么是AI？
前半是"不是X，是Y"的否定—修正框架，后半是顶针：上一句的末词直接做下一句的头。
技术上说
两个都是大模型的高频出品。否定—修正之所以被过度使用，是因为它能 用极低成本制造"深刻感"：先否掉一个通俗解释，再给一个稍微意外的词，读起来就像洞察。顶针更机械——刚生成的词注意力权重正在峰值，复用它是最省力的选择。
"不是X，是Y"这个句式，全文至少出现三次。人不会在六千字里对同一个句式上瘾到这个程度。
八｜一个不对劲的词
让我毛骨悚然的不是它聪明，是Claude一点犹豫都没有。／它不为难。
为什么是AI？
又一次 否定—修正，后面跟一个三字独立成段的收束句。
还有一个词不对劲："毛骨悚然"。这是书面大词，和全文那种"我说好""行了""不用你管"的口语克制完全不在一个语域。润色时被塞进来的词，往往就是这种 孤零零的高级词 —— 周围一圈白话，中间突然拔高一格。
九｜量心跳
心跳很稳。我又数了一遍，还是很稳。……像一个医生在给别人做检查。／我没有哭。我一直在等我哭。
为什么是AI？
用身体的无反应表现情绪的巨大，是模型写"克制的悲伤"命中率最高的招式，模板级。"我没有哭。我一直在等我哭。"是否定加等待的标准句型。"像一个医生在给别人做检查"又是一个落款式明喻。
技术上说
这类句子在训练语料里密度极高——它们是"文学感"的最短路径。当提示里出现"克制""不要直说情绪"这类要求时，它们几乎必然被召回。写得对，问题是对得太标准，标准到可以直接当范文。
十｜结尾的阶梯
一百万人像潮水一样涌来，烟花结束，一百万人退去。／一百万人。／每年都是这样。／凌晨三点的香港，／什么都没有发生。
为什么是AI？
每行比上一行短，逐级收拢；"一百万人"单独成行做词汇回收；最后精确落回开头埋下的主题词。三件事一次做全。
顺带注意"像潮水一样涌来"——一个陈词滥调的明喻，水准明显低于前面那些冷白描。高低不齐的地方，通常就是拼接的缝。
技术上说
阶梯式收尾 是收束模板里最强的一个。模型知道"结尾"这个位置需要降速、需要回收、需要留白，于是三样一起上。人类的结尾往往做不全，会漏一两样，或者干脆刹不住车。
再附一条：全文"我说好"三个字反复出现，当节拍器用。有效，但机械。模型一旦确立了一个副歌，之后每个对话回合最省力的回应就是它，越用越强化。
04
更硬的证据，是缺席的东西
上面十处是"多出来的东西"。还有一类是"少掉的东西"，往往更硬。
六千字里几乎没有转折词。没有"然而"，没有"因此"，没有"与此同时"。这不是自然写作的样子，这是 "不要用连接词"这条指令被完整执行 的样子。
六千字里几乎没有感叹号。没有语气词，没有脏话，没有一句自我辩护，没有一次跑题，没有一件事被重复讲两遍。
一个连续两晚没睡、刚被人开口要走五千万的男人，写六千字，不骂一句，不替自己辩解一句——这是不可能的。
人在情绪高处会语言失控：会重复，会破句，会突然骂人，会写一整段完全没用的废话，会前后矛盾。这些 "没用的东西"才是人味的载体。模型不产生废话，因为 废话在概率上从来不是最优解。
05
这不像孙宇晨，任何一个版本的孙宇晨
把他的公开语料摆三份出来。
第一份，2007年。十七岁拿下 第九届新概念作文大赛一等奖，凭此拿到北大自主招生资格。那一代新概念的语体是什么样的？抒情，修辞密集，金句外露，"我"字永远站在最前面。
第二份，2008年前后。他在《萌芽》发表《一道论证题》，核心是一个论断——高中可以用一年弥补任何遗憾。结论先行，全篇说理，文末留下通讯地址请人来验证，据说两年收到近万封信。这是标准的议论文人格：进攻，说服，招募。
第三份，过去十年。感叹号，全大写英文，抽奖，蹭热点，大词，emoji。币圈营销之王 的语体，十年如一日。
三份语料横跨十九年，共同点非常清楚：外向，进攻，强自我，从不吝惜声量。
《我的女友景甜》是什么？内向，克制，零度，把自己写成一个 什么都调得动、却什么都决定不了的受限观察者。
一个人当然可以在特殊状态下写出不像自己的东西。但一个高频写作者的标点习惯、语气词习惯、修辞冲动，很难在同一个晚上被同时清空。你可以模仿别人的措辞，很难模仿别人的呼吸。
这篇文章的呼吸不是他的。
唯一没变的是目的——它仍然在说服你。只是这一次，说服的手法是 租来的。
06
哪些是他自己写的
对照着看，反而更清楚。这些地方我认为基本是原生的：
人人网加好友，留言写了删删了写四十分钟，最后发出去一句"你好"，没有通过。
一百五十块的羽绒服，犹豫了三天。
"叫我妈妈吧"，以及此后叙述里称呼一路从"景甜"滑成"妈妈"，直到电话挂断那一刻又滑回"景甜"。
那个运动员不能提。
撕番位、剧组夫妻 那段对话——语气粗糙，信息量大，和周围的文学腔明显不在一个频道上。
景国庆、田心爱两个名字和两个账号；一天一张卡限额一百万，所以转了五张；转到第三张的时候犹豫了一下。
规律清楚得几乎可以当尺子用：越具体、越难听、越不体面的地方，越像人写的；越漂亮、越有余味、越适合截图转发的地方，越像机器润的。
因为不体面的细节是想不出来的，只能是 记得 的。而漂亮的句子，是可以 生成 的。
07
他把工具写进了作品里
文章中段有一整节：他说自己用 Claude Code 跑了一遍现金资产，然后向它提问，得到的回答是不要给这五千万；他追问"她不再爱我了吗"，AI答的大意是，对于爱情我不关心也不理解，但你不能给。
两件事。
第一，这个"Claude"不是工具，是 角色。真实的编程助手不会回答"她还爱我吗"。这段对话是被写出来的，是文学人物，不是日志。
第二，更要紧的：一个在写作过程中完全没碰过AI的人，不会想到 把AI安排成情节里的关键配角，更不会给它写台词、写"它不为难"这样的评语。
文章发出去的当天晚上，技术论坛上已经有人在说"这味儿太对了""像Claude润色的"。判断这件事的门槛，对每天用这些工具的人来说其实很低。
把工具写进作品，是一句 广告，也是一次半公开的署名。
08
两个旁证
一，他把这篇东西做成了 LaTeX 项目 传上 GitHub，仓库名 my-girlfriend-jingtian-latex，带PDF。凌晨手搓 LaTeX 排版一篇分手长文——这不是写作流程，这是 工程 流程。
二，文章火了之后几天内，GitHub 上冒出了好几个专门复刻这套文风的仓库，把它拆成几条 可执行规则：极短句节奏、数字锚点密集、情绪从不说破、哲学式收束，参考技法标着海明威的冰山理论。
一种文风能被这么干净地拆成几条提示词，通常说明它本来就是几条提示词长出来的。真正的个人风格拆不了这么整齐——因为 个人风格里有大量没有道理的部分，而提示词只能装下有道理的部分。
09
最后
孙宇晨提供了全部素材、全部情绪、全部决定；AI提供了句子。
用工具 不是丑闻。六千字里那些疼的地方，也确实是疼的。
真正值得记一笔的是别的。这大概是中文互联网上第一次，一份顶级富豪的私人情感陈述，同时是一份诉讼素材、一次品牌营销、一个 GitHub 仓库，和一段AI生成文本。四层东西缝在一起，缝得还相当好看。
以后这样的东西只会更多。认针脚，正在变成一项基本功。
核实说明
· 确认事实：8月27日孙宇晨在X发布《我的女友景甜》，开头结尾均标注"本文纯属虚构"；代理律师张起淮确认已起诉景甜及其父母，标的三千余万元，法院已立案；景甜方提出管辖权异议，案件尚未进入实体审理；景甜工作室发表声明否认相关传闻。
· 确认事实：孙宇晨2007年获第九届新概念作文大赛一等奖，后入读北大，大一在《萌芽》发表《一道论证题》。
· 单一来源：写作耗时十几个小时、两个晚上、人在不丹等说法，来自孙宇晨本人受访表述，无第三方佐证。
· 作者推算：五千万美元现金的重量换算为本文作者计算，原文未说明面额。
· 作者推断：关于哪些段落由AI生成或润色，全部为基于文本风格与生成机制的推断，不构成事实指控。孙宇晨本人未就此作出任何说明。
· 本文引用原文均为短句片段，用于文本分析，全文可自行检索。
· 文中涉及景甜的一切情节均出自孙宇晨单方面叙述，景甜方已否认，本文不对其真实性作任何判断。
—— Kea
Elon Musk（埃隆·马斯克）：揭露史上最大骗局，AI将颠覆医疗诊断撰文：Techub News 整理
导语
2025 年 2 月，埃隆·马斯克（Elon Musk）作为嘉宾，再次登上了全球顶级播客《Joe Rogan Experience》。在长达数小时的对话中，这位身兼特斯拉、SpaceX CEO及X平台所有者的科技领袖，与主持人Joe Rogan畅谈的范围远超科技与太空。当前，马斯克正深度参与美国政府的效率改革，领导着“政府效率部门”（Department of Government Efficiency， 简称DOGE）。这场对话的重要性在于，它首次由一位身处改革核心的局内人，系统性地向公众揭示了联邦政府运作中触目惊心的浪费、欺诈与系统性漏洞，同时穿插了对AI发展、媒体生态和政治极化的尖锐评论。
摘要
马斯克领导的DOGE审计发现联邦政府存在“史上最大骗局”，包括数万亿美元无法追踪的支出、向无效NGO输送资金、社保数据库存在数千万已故者记录等惊人乱象。
马斯克预测具备高度拟人化个性的AI“伴侣”将在五年内出现，并展示了其xAI开发的Grok在医疗诊断（如解读血液报告、X光片）方面已展现出超越部分医生的精准能力。
马斯克严厉批评主流媒体已成为“协调一致的宣传机器”，制造并传播针对他本人及其他改革者的虚假叙事，认为这严重扭曲了公共讨论。
马斯克将当前围绕非法移民的福利政策定性为一种“进口选民”以永久改变美国政治版图的战略，并认为这是其遭受激烈攻击的核心原因。
联邦政府的“万亿骗局”与DOGE的审计战争
埃隆·马斯克（Elon Musk）在访谈中花费大量篇幅，详细描述了其领导的政府效率部门（DOGE）在审计联邦政府支出时所遭遇的“超现实”场景。他用“史上最大的骗局”来形容其发现的问题规模。
马斯克透露，DOGE的初步调查就揭示了令人瞠目结舌的浪费与欺诈。例如，负责每年处理约5万亿美元支付的财政部核心系统“PAM”，竟然允许没有任何分类代码和说明的“空白支票”式支付流出。这意味着巨额资金在没有任何可追溯记录的情况下被划走。“如果这是一家上市公司，管理层会立刻被退市并送进监狱，但在政府里这却是常态。”马斯克表示，仅仅通过强制要求支付必须填写分类代码和简要说明，预计每年就能防止高达“千亿美元级别”的浪费。
更惊人的发现来自社会保障系统。DOGE通过基础数据筛查，就发现了约2000万在社保数据库中标记为“在世”、但实际上已去世的人员记录。马斯克指出，直接的社保金冒领或许不是大头，更严重的是，这些“幽灵”身份被用来在其他政府项目（如残疾补助、失业救济、医疗报销）中骗取资金，形成了一个利用政府各部门数据库互不连通的系统性漏洞的“擦边球”欺诈网络。
马斯克将矛头特别指向了非政府组织（NGO）。他认为，“政府资助的非政府组织”这个说法本身就是个“矛盾修辞法”，实质上是利用法律漏洞成立的“政府资助组织”。这些组织往往有着动听的名字（如“和平研究所”），但实际功能是“贪污机器”。他举例称，曾有一个成立仅一年、几乎无任何历史活动的NGO，一次性收到了19亿美元的政府拨款。这些组织的高管通过给自己支付天价薪酬来实现利益输送。马斯克估计，这类NGO中可能只有5%-10%的资金真正用于公益，其余90%以上都是无效支出或中饱私囊。
“五角大楼连续多年无法通过审计，他们在‘沙发缝’里丢失的钱每年就有两三百亿美元。”马斯克感叹，联邦政府就像一个拥有无限信用额度的、管理极度混乱的企业，正在走向破产，因为其债务利息支出已经超过了国防预算。他认为，DOGE的工作就是首次对这个“官僚体系”构成了真正的威胁，旨在将权力从官僚机构夺回给人民。
AI：从“性感”聊天机器人到革命性医疗诊断工具
对话中，马斯克与Rogan现场演示了其旗下xAI公司开发的AI助手Grok的多种“模式”，包括“性感模式”、“不羁模式”和“治疗师模式”。这些模式展示了AI在模拟不同人格和对话风格上的进展。马斯克预测，能够像真人一样对话、甚至具备“性感”个性的AI伴侣机器人，可能在“不到五年内”就会出现，并且用户可以根据喜好定制外观。
然而，马斯克更着重强调了AI在严肃领域的颠覆性潜力，特别是在医疗诊断方面。他分享了Grok在医学分析上的实际应用案例：用户只需用手机拍摄自己的血液化验单、X光片或MRI影像并上传，Grok就能进行分析并提供诊断意见。
“根据我所见，它的诊断水平至少和医生一样好，在某些情况下甚至更好。”马斯克说。他解释，AI的优势在于能够瞬间交叉比对海量的医学研究和数据，发现人类医生可能忽略的、不同指标之间的深层关联。例如，它能综合分析血液中各种成分的异常水平、皮质醇数据等，给出更全面的健康评估。
马斯克还用自己的经历做了对比。他提到曾有一位“明星医生”声称他缺乏维生素B12，并开出每月费用高达1000美元的特效补充剂。但马斯克回家后查看自己的化验单，发现B12指标实际上“高于正常范围”。他将化验单和药瓶（显示补充剂含有20000%日推荐量的B12）的照片一起发给医生质问，对方竟回复“B12永远不会过量”。“这就是个精神病。”马斯克讽刺道。他表示，如今有了Grok这类工具，公众可以更直接、低成本地获取初步的、高质量的第二诊疗意见，从而对过度医疗或错误诊断形成制衡。
媒体、政治与“生存威胁”
访谈的后半段，马斯克与Rogan深入探讨了当前美国尖锐的政治对立和媒体角色。马斯克强烈批评主流媒体（他称之为“遗产媒体”）已经沦为“协调一致的宣传机器”。他举例说，在拜登与特朗普辩论前，几乎所有主流媒体主持人同时使用“尖刻”（sharp）一词来形容拜登需要表现的状态，这明显是统一指令的结果。同样，针对DOGE的报道，媒体只会重复“母亲将挨饿”、“孕妇得不到营养”等情感化叙事，却从未具体指出DOGE建议削减的哪一笔拨款是错误的。
马斯克认为，媒体和民主党权力机器对他进行“纳粹”污名化攻击的核心原因，在于他领导的DOGE触及了“非法移民福利欺诈”这个根本性问题。他阐述道，通过为非法移民提供远超其原籍国生活水平的社会福利（如社保残疾金、医疗补助），并推动其在地方选举中投票，实质上是在“进口选民”，以期在摇摆州永久改变人口结构和投票倾向，最终使美国变成一个“永久的单一政党（民主党）国家”。DOGE的工作正是要切断这些“磁铁”般的非法福利，因而遭到了既得利益集团的疯狂反扑。
话题不可避免地转向了人身安全。马斯克坦言，深入揭露如此大规模的腐败，确实让他感受到了生命威胁。“如果我彻底摧毁了腐败和贪污机器，他们会杀了我。”他表示，在来录播客的飞机上他就在思考这个问题。他提到，早在当前的政治对立激化之前，就曾有两名有严重精神问题的“杀人狂”因试图刺杀他而被捕，这仅仅是因其知名度高而成为目标。如今，在媒体持续将他“恶魔化”的叙事下，他已成为更多潜在袭击者的目标。“他们正在做的是，让杀死我听起来像是一种英雄行为……这是邪恶的。”
最后，马斯克和Rogan简短讨论了加密货币，他将 meme 币比作赌场，警告人们不应将毕生积蓄投入其中，但同时幽默地指出，DOGE 这个部门名称的巧合，与狗狗币（Dogecoin）这个 meme 币的关联，仿佛是“模拟宇宙”的又一个证据。整场对话在一种既充满紧迫危机感，又带有科技乐观主义的复杂氛围中结束。
VLC与FFmpeg核心开发者解密：视频压缩如何运作，以及它为何如此复杂撰文：Techub News 整理
在Lex Fridman的播客中，两位开源多媒体领域的重量级人物——传奇播放器VLC的首席开发者Jean-Baptiste Kempf（JB）和FFmpeg项目的核心贡献者Kieran Kunhya——进行了一场深度技术对话。他们拆解了从点击播放到画面呈现的「黑盒」过程，解释了为何视频压缩能高达千倍，并分享了FFmpeg与VLC如何成为互联网视频基础设施的基石。对于任何希望理解数字媒体底层逻辑的人，这都是一次不可多得的知识盛宴。
从点击播放到画面呈现：不为人知的复杂旅程
当你用VLC打开一个视频文件或点击一个流媒体链接时，一个庞大而精密的技术机器便开始无声运转。JB概括了整个过程：首先，播放器需要从一个地址（如URL、本地文件路径或DVD）获取原始数据流。这是与操作系统交互的第一步，得到的是一个连续的字节流。
接下来是关键的一步：解复用。容器（如MP4、MKV）就像一个包裹，里面封装了视频、音频、字幕等多个轨道的数据流。解复用器（Demuxer）的任务就是拆开这个包裹，将混杂的数据流分离成独立的视频流、音频流等。Kieran指出，这仅仅是开始，后续每一步都蕴含着巨大的复杂性。
分离出压缩的视频数据后，播放器需要判断使用何种方式解码。一个常见的误解是GPU硬件解码能处理一切。JB透露，实际上高达45%的视频文件无法被GPU解码，必须回退到软件解码。播放器需要探测视频流的编码语法，识别其具体变种，并比对不同GPU厂商的支持能力，才能做出正确决策。
如果使用软件解码，核心的数学解码过程便开始了。首先是熵解码，即使用霍夫曼编码或算术编码等方法，将高度压缩的比特流进行第一步解压缩。然后进入帧内预测阶段，处理视频中的关键帧（I帧）。I帧是空间域上的完整图像，解码器需要预测每个图像块，但预测总与真实值有差异，这个差异被称为残差。残差信息通常存储在频率域中并经过量化，解码器需要做反量化、反变换，将其转换回空间域，再与预测值相加，最终重建出原始图像块。
这只是静态图像（I帧）的解码。视频压缩的魔力更多体现在时间压缩上。通过运动估计与补偿，编码器只需存储帧与帧之间的变化部分，而非每一帧的完整信息，从而实现了巨大的压缩比。解码器则根据这些运动向量和残差信息，从已解码的参考帧中预测出当前帧。
最后，解码出的原始图像（通常是YUV色彩空间）需要经过色彩空间转换、缩放等后处理，再通过显卡渲染到屏幕上。音频流也经历类似的解码过程，最终通过声卡输出。正如Kieran所感慨的：“我们刚才描述的每一句话，都是某些人毕生的工作。每一句话背后都有专著论述，都有成千上万的行业人员在研究。”
压缩的艺术：为人类感知而“降级”
视频与音频压缩的目标与传统的文件压缩（如ZIP）有本质区别。ZIP追求无损，输入输出数据必须完全一致。而多媒体压缩是有损的，其核心哲学是在人类感知允许的范围内，尽可能多地剔除“不重要的”信息。
JB用数字说明了这种压缩的极端程度：从普通音频到MP3，压缩比大约是10倍。而视频压缩，目标则是惊人的200倍乃至1000倍。为了实现这种级别的压缩，必须深入理解人类感官的工作原理。
“所有编解码器，无论是音频还是视频，本质上都是在模仿人类的耳朵和眼睛的工作方式。” JB解释道。例如，视频编码并不直接处理常见的RGB色彩空间，而是使用YUV。Y代表亮度（Luminance），UV代表色度（Chrominance）。这模仿了人眼视网膜中视杆细胞（对明暗敏感）和视锥细胞（对颜色敏感）的不同特性。基于此，编码器可以大幅降低色度分量的分辨率（例如使用4:2:0采样），在不引起明显视觉察觉的情况下，直接将数据量减半。
随后，编码器运用强大的数学工具进行变换。最经典的是将图像块从空间域转换到频率域的离散余弦变换。在频率域中，能量集中在少数低频系数上，高频系数（代表细节）则可以被更激进地量化甚至丢弃。这就是为什么在低码率或解码错误时，我们看到的不是模糊，而是出现明显的“方块”——因为解码丢失了每个图像块内的高频细节。
Kieran补充了编解码器发展的一个关键趋势：每一代新标准（如从H.264到H.265/HEVC，再到AV1）通常能在相同画质下带来约30%的码率节省。但这节省的代价是巨大的。“为了提升这30%的效率，所需的编码计算复杂度可能增加一个甚至两个数量级。” 这意味着更强大的CPU/GPU和更长的编码时间。
容器与编解码器：被行业混淆的“房子”与“家具”
一个普遍的技术混淆点在于容器格式和视频编解码器。JB和Kieran对此进行了澄清。
容器（如MP4、MKV、MOV、AVI）就像一栋房子，它是一个封装格式，内部可以容纳视频轨、音频轨、字幕轨等多种数据流。容器的另一个名称是“复用器”（Muxer），而解封装的过程就是“解复用”（Demux）。
编解码器（Codec，编码器/解码器合称）则像是房子里的家具，如H.264、AV1、AAC等，是实际对音视频数据进行压缩和解压缩的算法。
“人们经常把MP4和H.264搞混，这其实不能全怪用户。” Kieran说，这很大程度上是行业命名混乱造成的。H.264的官方标准名是MPEG-4 Part 10（高级视频编码，AVC）。而MPEG-4是一个庞大的标准家族，其中还包含MPEG-4 Part 2（一种较老的视频编码）、AAC音频编码等。MP4容器则是基于MPEG-4标准定义的另一种东西。因此，技术上你可以把几乎任何编解码器（如AV1视频）塞进MP4容器，尽管这并不常见。
JB指出，在实际应用中，VLC和FFmpeg基本不信任文件扩展名。一个标着“.mp4”的文件，内部可能是MOV或MKV的格式，甚至视频编码可能不是H.264。播放器的策略是：扩展名仅作为初始探测的提示，提高对应解析模块的优先级。但最终，它们会深入分析文件头的实际二进制数据，来判定真正的容器格式和编码类型。这种“不信任输入”的原则，是它们能够处理各种“奇怪”或损坏文件的关键。
VLC的哲学：在混乱的现实世界中保持坚韧
VLC为何能以“能播放一切”而闻名？这源于其诞生之初的设计哲学。JB回顾道，VLC最初是VideoLAN项目的一个客户端，用于接收网络流（通常是UDP协议）。网络传输中丢包是常态，因此必须处理不完整、损坏的输入数据。
这种“不信任输入，并对抗损坏”的理念被深深植入VLC的基因和文化中。它使得VLC在早期文件分享（盗版）盛行的时代大放异彩。当时常见的AVI格式，其元数据（索引）位于文件末尾。当用户从网上下载一个未完成的文件时，大多数播放器会因为找不到索引而无法播放。而VLC则会尝试主动解析、推测文件结构，尽最大努力播放出已有的内容。
“这就是VLC流行的原因之一。” JB说。这种鲁棒性设计，在今天看来也是优秀安全实践的体现——永远对输入进行严格的验证和容错处理。
编解码器的本质：榨干冗余的数学魔法
那么，视频编解码器究竟在做什么？其核心任务是消除视频数据中的冗余——包括空间冗余（同一帧内相邻像素的相似性）和时间冗余（相邻帧之间的相似性）。
JB用一个生动的例子解释时间冗余：在电影中，摄像机平移拍摄时，背景的云朵可能在几十秒内几乎没有变化。编码器可以只存储一次云朵的完整信息，在后续帧中只需指示“这里和上一帧的某部分相同”。同样，如果画面中有大面积的纯色背景（如黑色），编码器只需用极少的比特描述“这一大片区域都是黑色”。
压缩与解压缩是高度不对称的。Kieran强调，编码端通常比解码端需要高出几个数量级的计算力。这是因为编码器需要在海量的可能性中（如从过去数百帧的4K图像中寻找匹配块）做出最优决策，以找到最有效的压缩方式。而解码器只需按部就班地执行编码器指定的重建指令。这种不对称是合理的，因为一个视频通常只被编码一次，却可能被解码播放数百万次。
编解码器的设计充满了权衡：是追求极限压缩率（但解码复杂），还是追求快速编码（适合实时通讯）？是优化电影内容，还是优化屏幕录制或动画？JB指出，现代最先进的编解码器如AV1、VVC，实际上已不再是单一的算法，而是一个庞大的工具集合。它们包含了针对不同类型内容（自然视频、文字、动画）的多种编码工具。在视频通话中，当你从共享PPT切换到播放一段视频时，编码器可能会动态切换其内部使用的工具集，以达到当前内容的最佳压缩效果。
这场对话揭示了一个常被忽略的事实：我们每日享受的流畅高清视频体验，背后是数十年学术研究、工程实践和开源协作的结晶。从人类感知模型到复杂的数学变换，从比特流解析到GPU硬件加速，每一个环节都凝聚着无数工程师的智慧。FFmpeg和VLC，作为这个生态的核心支柱，以其开放性、鲁棒性和卓越性能，真正实现了“让所有人自由使用媒体”的愿景。
FFmpeg与VLC开发者对话：开源多媒体工具如何塑造视频时代撰文：Techub News 整理
在Lex Fridman的播客节目中，FFmpeg与VLC的核心开发者深入探讨了这两个几乎支撑起整个数字视频世界的开源项目。这场对话不仅揭示了其背后的技术原理，更触及了开源哲学、社区协作以及它们如何彻底 democratize（民主化）了视频创作与分发，重塑了从个人到巨头的媒体生态。
无处不在的“视频语言”：FFmpeg是什么？
FFmpeg本质上是一套用于多媒体处理的底层库和工具集。它的核心功能包括编解码（压缩与解压缩）、混流与分流（mux/demux）以及滤镜处理。在此基础上，它提供了一系列命令行工具，允许用户构建处理任何视频文件的“管道”。
开发者强调，FFmpeg几乎内嵌于所有你能想到的视频相关应用中：从VLC播放器到Chrome浏览器，从智能电视到在线流媒体平台。当你观看YouTube视频时，客户端和服务器端很可能都在使用FFmpeg。使用OBS录制直播？背后也是FFmpeg。许多专业级的大型视频处理设备，其内部也可能有FFmpeg在运行。
从哲学层面看，这创造了一个惊人的平等局面：你祖母的家庭录像和万亿美元公司的流媒体内容，本质上使用的是同一套技术栈。这些大公司可能只是运行着长达3000行的FFmpeg命令，或者调用其API。命令行工具`ffmpeg`本身堪称传奇，因为它提供了海量的参数，允许用户对一切进行定制。“它是一种语言，一种真正的编程语言，”开发者如此形容。甚至有大量用户开始借助AI来生成复杂的FFmpeg命令行，因为它能实现的滤镜和操作实在过于丰富。
对比图像处理领域，命令行层面缺乏一个像FFmpeg这样功能全面、覆盖广泛的工具（ImageMagick类似，但复杂度不及）。FFmpeg允许你在命令行完成类似Adobe After Effects的复杂视频效果，包括添加片头片尾、视频间淡入淡出（dip to black）、音频交叉溶解、硬编码字幕并自定义字体、进行各种音视频图层叠加等等。这一切神奇地兼容几乎所有编解码格式。
开源与社区：赋予全球个体力量的“运动”
FFmpeg和VLC的愿景一致：将技术上极其复杂的东西，变得让普通人、所有人都能轻松使用。用户将文件拖入VLC播放，或向FFmpeg输入带有复杂滤镜的任何内容，它们都能“魔法般”地工作，而用户无需感知背后的复杂性。
正是这类工具 democratize（民主化）了播客、流媒体和YouTube革命。开发者回忆，在90年代，你需要价值数十万美元、体积如汽车般的设备来完成视频压缩。如今，几乎每个人都站在了同一技术起跑线上。这赋予了无数人发声的能力，是一场真正的“运动”。
这场运动的核心是开源。开发者用了一个生动的比喻来解释开源：通常你买芝士蛋糕， bakery给你成品。开源则是给你蛋糕，同时给你食谱，还告诉你如何建造烤箱，并允许你修改食谱并转售他人。软件就是一个由无数细小指令组成的超长食谱。开源软件行业将这一切都给了你。
FFmpeg自诞生以来，大约有2000至3000人贡献过代码。它就像Linux内核一样，全球开发者主要在线协作，共同打造某个领域的最佳工具。有人发现某个编解码器不工作，就去修复它；有人想支持某种新文件格式，就去添加支持。这一切都是为了“更大的福祉”，惠及所有人。
开源许可证是社区的“社会契约”。社区成员除了在许可证上达成一致外，可能在其他方面意见不一，但许可证是他们协作的基础。它允许项目分叉（fork），也允许日后合并。许可证的种类繁多，主要分为两类：
宽松许可证（Permissive）：如MIT、BSD、Apache，要求很少，允许使用者几乎任意使用代码，有些要求署名（Attribution），有些则不。
Copyleft许可证：要求将修改回馈社区，有不同程度的约束。较弱的如Mozilla公共许可证（MPL），较强的如GNU GPL，非常强的如AGPL。
选择何种许可证取决于项目目标和希望构建的社区形态。FFmpeg和VLC主要使用GPL或LGPL。Linux内核是GPL，Android是Apache，大量JavaScript框架使用MIT，BSD内核自然使用BSD许可证。
许可证变迁：从GPL到LGPL的商业与生态考量
许可证可以从更宽松转向更严格（因为你可以增加限制），但反之则不行（你不能将GPL代码放入MIT项目）。VLC的核心引擎libvlc曾从GPL改为LGPL，主要出于两个原因。
第一是商业集成。LGPL（库GPL）允许第三方应用程序使用libvlc（进而调用FFmpeg）而不必开源整个应用。这催生了围绕此技术的咨询和集成业务，例如将VLC引擎集成到游戏引擎或其他商业解决方案中。游戏开发者若想在游戏中播放视频，又不想被迫开源整个游戏代码，LGPL提供了可能。LGPL要求你回馈对该库本身的修改，但应用主体可以保持闭源。
第二是应用商店合规。Apple iOS App Store的条款使得GPL应用上架非常复杂，而LGPL应用则相对容易。因此，VLC在Windows、Mac和Linux上是GPL，但其核心是LGPL；而在iOS（iPhone和Apple TV版本）上，则使用了另一种许可证MPL。
改变许可证是一个极其艰巨的过程，因为它需要取得所有贡献者的同意。开源项目通常是“联合作品”（joint work），每个贡献者保留对其代码部分的版权。即使后续修改删除了某人的贡献，但只要新代码基于其原有工作，其版权依然存在。有些项目要求版权转让（copyright assignment），但FFmpeg/VLC这类社区项目不这样做。
为了将libvlc从GPL改为LGPL，开发者需要联系超过350位贡献者。这个过程有时非常困难且情感沉重。贡献者可能仅是电子邮件地址，需要多方追踪。开发者曾亲自前往一位贡献者的工作地点，却发现代码是由其已故的儿子编写的，需要向这位工厂工人解释开源的含义，并确保其理解这不是公司在掠夺代码。这类经历凸显了开源社区是由活生生的人组成的，尊重他们的贡献和权利至关重要。不尊重此过程、强行重新许可的行为会“摧毁社区的核心”，因为社区唯一共同认可的就是许可证本身。
社区本质：代码质量至上，无关身份
开源社区汇聚了来自世界各地、背景迥异的人群：从叙利亚战火中仅有间歇供电的贡献者，到各行各业、不同年龄、贫富的人们。许多贡献者是内向者，联系他们并获得邮件回复可能都很困难。
然而，社区的核心原则是只关心代码是否优秀，技术是否出色。“我们不在乎你是谁。抱歉，我们无从核查。也许你是一只狗，我也不在乎。我不在乎你来自哪里。我需要看你的代码。”开发者直言。当人们提交补丁（patch）被拒绝时，可能会不满，但社区的标准是代码质量，而非提交者的身份或所在公司的大小。这种对技术纯粹的追求，定义了社区，并吸引了众多背景独特、可能非常内向但技术精湛的贡献者。
正是这种对卓越技术的共同追求，以及开源模式带来的协作与共享，使得FFmpeg和VLC这样的工具能够持续进化，成为支撑当今视频时代的隐形基石，真正将强大的多媒体处理能力交到了每一个人手中。
FFmpeg 传奇开发者：那些用二进制考古学，为互联网视频奠基的“无名英雄”撰文：Techub News 整理
在2026 年 5 月Lex Fridman的播客中，FFmpeg项目的核心贡献者之一，揭开了这个被誉为“互联网视频基石”的开源项目背后波澜壮阔的历史。这不仅仅是一段技术演进史，更是一部关于极客精神、逆向工程的艺术，以及一群天才开发者如何通过破解二进制“黑盒”，为全球用户打通视频播放壁垒的英雄史诗。
从“格式战国”到“一统江湖”：FFmpeg的早期征程
在2000年代初期，互联网视频体验堪称一场噩梦。用户电脑上需要安装Real Player播放.rm文件，Windows Media Player播放.wmv文件，还有各种其他播放器处理DivX、Xvid等五花八门的MPEG-4 Part 2变体。每个播放器都体积臃肿，捆绑着广告甚至间谍软件。FFmpeg的出现，最初就是为了终结这种混乱。
早期关键人物Fabrice Bellard构思了项目，而2000年代的中坚力量则是Michael Niedermayer。他的核心成就是实现了对当时各种DivX、Xvid以及所有奇怪MPEG-4 Part 2变种的详尽支持。这不仅仅是添加几个解码器那么简单。当时中国CCTV系统可能使用一种古怪的MPEG-4 ASP变体，而欧洲的某个设备又使用另一种。Michael的任务是在支持这些独特变体的同时，确保不破坏其他所有格式的解码，这种边缘情况的数量多到超乎想象。
正是这种努力，使得用户第一次能够通过一个开源播放器（或播放库），无需安装任何“编解码器包”，就能流畅播放Xvid、DivX、Windows Media和RealPlayer格式的文件。这在当时本身就是一项巨大的成就，它让视频播放变得简单、干净、高效。
逆向工程的艺术：在数十兆字节的二进制“荒漠”中考古
随着H.264在2008年左右成熟并开启高清视频时代，FFmpeg迎来了它的“黄金年代”。这一时期的主角，是一群技艺超凡的逆向工程大师。他们面对的是各大公司紧闭大门的私有编解码器，任务是从编译好的二进制程序中，反推出完整的解码算法。
其中一位传奇人物是居住在德国的乌克兰工程师Kostya Shishkov。他被描述为“近乎天才”。当时，逆向工程一个1兆字节的二进制“blob”可能就需要一个月的工作量，而Kostya挑战的是20到30兆字节的庞然大物，并且是针对那些极其复杂和冷门的编解码器。
一个经典的例子是GoTo Meeting。这个视频会议软件使用自己的私有编解码器来录制会议，生成的WMV文件如果没有特定解码器，在其他播放器上只能看到黑屏或只有声音。对于依赖这些历史记录的企业或个人，这构成了严重的访问障碍。Kostya接下了这个悬赏任务，并在大约两个月内完成了逆向工程。他轻描淡写地解释方法：“哦，我看这段代码，它很像我在WMV里见过的DCT（离散余弦变换）……”更有趣的是，他编写的解码器代码里充满了内部笑话，埋藏着对同事的调侃，让这段“考古”成果显得生动而充满人性。
这个过程究竟有多难？逆向工程师就像数字考古学家，手持一把小刷子，试图从极少的信号中重建整个文明。他们需要：
定位与钩取：首先在庞大的视频会议客户端中找到负责解压缩的模块，并设法“钩入”该模块，使其能输出原始的YUV像素数据。这通常需要在反汇编器中摸索，猜测关键函数的位置。
获取“参考答案”：导出的YUV数据至关重要，因为它将成为后续逆向工程的“标准答案”。自己实现解码器后，输出必须与原始模块的输出做到比特级精确匹配。
在黑暗中摸索：打开反汇编器，凭借经验和直觉，在数百万条机器指令中寻找规律：哪里是DCT？哪里是熵解码？这个过程可能持续数周甚至数月，期间看不到任何图像输出，完全是在内存中进行逻辑调试和猜测，极易走入死胡同。
应对加密与DRM：有些二进制模块还会加密或带有数字版权管理保护，工程师可能需要运行在虚拟机中，在特定时刻暂停并转储内存来获取可分析的代码。
样本狩猎：逆向工程极度依赖样本文件。开发者常常需要在网上公开求助，寻找特定格式的罕见视频样本。运气好时，可能找到一个拥有数十万相关文件的公司，这就能全面测试编解码器的各种编码工具。
这种工作不仅需要顶尖的技术能力，更需要非凡的耐心和热情。正如访谈中所说，这些工程师“为了乐趣而做”，他们的工作确保了即使在未来几十年，当旧的操作系统和硬件都已淘汰，人们依然能访问今天的专有格式视频文件，这本质上是在为数字文明保存记忆。
比特精确与质量基石：FFmpeg的“钢铁”测试网
除了逆向工程，FFmpeg项目能成为行业事实标准，另一个基石是其严苛到极致的测试文化。从2000年代后的主流视频编码标准（如H.264）开始，都要求“比特精确”——即任何符合标准的解码器，对于同一个编码视频文件，必须输出完全一致的像素数据。这避免了MPEG-2时代因规范模糊导致的“兼容性”噩梦。
为了确保FFmpeg在无数平台和配置下的绝对可靠性，项目建立了名为FATE（FFmpeg Automated Testing Environment）的自动化测试系统。这套系统的规模和复杂程度令人咋舌。
庞大的异构矩阵：FATE并非简单的测试矩阵，而是一个由志愿者维护的、覆盖几乎所有可能组合的“枢轴表”。它包括不同的CPU架构（x86, ARM, PowerPC, RISC-V，历史上甚至包括DEC Alpha）、不同的操作系统（Linux各发行版、Windows、macOS、iOS、tvOS）、不同的编译器（GCC, Clang, Visual Studio, Intel编译器）及其众多版本。
全民共建：这些测试机器全部由社区志愿者托管。例如，访谈者本人就在办公室托管了一批Mac测试机。这种分布式协作确保了测试的广泛性。
捕获所有问题：FATE不仅能发现代码逻辑错误，甚至能捕捉到编译器自身的bug。有时，编译器会错误地编译某段C代码，导致输出异常。在视频解码中，由于帧间存在依赖，一个微小的像素错误可能会在后续帧中不断放大，造成严重的视觉瑕疵。FATE系统能及时发现并定位这类深层次问题。
正是这套近乎偏执的测试体系，保证了FFmpeg在任何角落都能稳定、精确地工作，赢得了从消费级应用到专业广播领域的绝对信任，最终实现了在多媒体解码领域的“赢家通吃”。相比之下，网页浏览器领域仍有多个渲染引擎并存，而FFmpeg几乎成为了解码事实上的唯一标准库。
传承与启发：开源社区的天才与谦逊
访谈中还提及了多媒体领域的另一位巨人——Yuri Resnik。他是一位拥有超过150篇论文和80多项美国专利的研究员，对H.264、H.265等主流标准贡献卓著。然而，更让人印象深刻的是他的谦逊与慷慨。他会热情地与年轻的创业者交流，分享见解，这种开放的精神与FFmpeg社区一脉相承。
这揭示了一个深刻的现象：FFmpeg社区里那些最顶尖的逆向工程专家和汇编优化大师，普遍有一种“举重若轻”的谦逊。他们面对常人看来如同天书般的难题，总是轻描淡写地说“哦，这个看起来像是……”。或许，正是因为他们的能力天花板太高，以至于在常人眼中的巨大挑战，在他们看来只是需要解决的“有趣问题”。
从Fabrice Bellard的创想，到Michael Niedermayer在混乱格式中的开拓，再到Kostya Shishkov等逆向工程大师的二进制考古，以及全球开发者共同维护的钢铁测试网，FFmpeg的故事是集体智慧的胜利。它告诉我们，驱动互联网基础架构前进的，不仅是商业公司的投入，更是全球开发者社区中，那些充满热情、技艺超群且默默无闻的天才们。他们用代码破解壁垒，用严谨确保可靠，最终让流畅的视频体验成为互联网的默认配置，彻底改变了人类沟通与娱乐的方式。灰色媒体任命约翰尼·巴西利亚迪斯为数字化转型总负责人……6月1日加入格雷媒体（$GTN）为加快数字化转型，任命约翰尼·瓦西里亚迪斯为负责“变革”的高级副总裁。瓦西里亚迪斯将于2026年6月1日起开始工作，负责领导从内容采集到制作流程及分发全过程的数字化转型。
此次人事任命与传统广播及媒体企业为应对观众行为变化和流媒体普及，重新调整组织效率与内容分发结构的趋势相契合。格雷媒体期待瓦西里亚迪斯在连接新闻与数字运营方面发挥核心作用，从而加速全公司层面的现代化进程。
瓦西里亚迪斯此前在泰格纳公司负责内容战略，积累了数字、流媒体及新闻编辑室现代化领域的经验。特别是在快速变化的媒体消费环境中重新设计内容运营体系，并优化各平台分发策略的经历，被视为其优势。
市场上普遍认为，此次任命不仅是简单的人事变动，更是广播公司为确保“数字化转型”竞争力所采取的措施。这是因为在广告市场分散、地方广播公司也扩大线上和移动端接触点的背景下，同时提升内容生产力与分发效率的能力正成为企业价值的重要变量。
与此同时，格雷媒体在纽约证券交易所交易代码为$GTN。以1美元兑1489.60韩元的汇率来看，美国媒体行业的投资与人力重组战略对韩国国内市场也具有不少参考价值。
此次任命最终更像是一个信号，表明格雷媒体不再停留在广播公司的层面，而是要将自身转型为以数字为核心的媒体企业。其成效将取决于能否切实改善工作流程并提升内容分发效率。
TP AI注意事项
本文基于TokenPost.ai语言模型对稿件进行摘要。正文主要内容可能被省略或与事实存在出入。特朗普媒体，因比特币投资失败和大规模损失而面临经营危机特朗普媒体与科技集团今年第一季度出现大规模净亏损，积极将虚拟货币纳入企业资产的战略负担直接反映在了业绩上。
据彭博社9日（当地时间）报道，Truth Social的母公司特朗普媒体今年第一季度的净亏损达4.059亿美元（约合5948亿韩元）。调整后的息税折旧摊销前利润（EBITDA）亏损也达到3.878亿美元，较一年前亏损幅度扩大近一倍。该公司是2021年Twitter（现为X）暂停美国前总统唐纳德·特朗普的账户后成立的社交网络服务运营商。
此次业绩恶化的核心背景被认为是比特币投资损失。据《卫报》报道，特朗普媒体在去年比特币价格走强期间购入了价值35亿美元的比特币，并提出了所谓的"比特币财政部"构想。特别是去年7月，据报道该公司以每枚平均10.8519万美元的价格购入比特币。然而，今年年初虚拟货币价格暴跌，该公司在2月份比特币价格跌至7万美元以下时卖出了2000枚。这相当于在高点附近买入的资产在价格大幅下跌后进行了清理，因此损失负担不可避免。
公司方面解释称，损失中的相当部分来自数字资产和股票证券的未实现损失、未付利息、股票补偿等非现金损失。这意味着不仅是直接导致现金流出的项目，评估损失和会计成本也反映在了业绩中。不过，对于投资者而言，这可以被解读为所持资产价值正在动摇的信号，从而成为加剧市场不安的因素。
经营不确定性也叠加其中。首席执行官德文·努内斯于4月22日辞职，股价也长期持续下跌。2022年初每股为97.54美元的股价，目前降至8.93美元水平，四年间跌至十分之一。考虑到特朗普总统一家对虚拟货币一直表现出持续关注，市场很可能会关注该公司未来的商业战略与其主营业务社交网络服务相比，将在多大程度上与数字资产投资紧密相连。这种趋势有可能成为展示未来虚拟货币价格波动如何直接影响公司业绩和股价的案例。特朗普媒体，因加密资产估值损失导致第一季度亏损扩大特朗普总统领导的特朗普媒体与科技集团(Trump Media & Technology Group, $DJT)第一季度因“加密货币估值损失”而出现大规模亏损。比特币(BTC)和Cronos(CRO)持有资产的波动性严重影响了业绩。
加密货币估值损失导致净亏损急剧增加
特朗普媒体宣布，第一季度净亏损为4.059亿美元（约合5949亿韩元）。这一数字较去年同期的3170万美元（约合465亿韩元）大幅扩大。同期营收为87.12万美元（约合12.76亿韩元）。
业绩恶化的核心因素是“加密货币估值损失”。该公司对所持有的数字资产反映了2.44亿美元（约合3576亿韩元）的未实现损失。此外，还增加了来自以股票为中心的投资所产生的1.082亿美元（约合1586亿韩元）损失。
大规模持有比特币和Cronos……价值波动
截至3月底，特朗普媒体持有9,542.16个比特币(BTC)。购入成本约为11.3亿美元（约合1.657万亿韩元），但当时的公允价值仅为6.471亿美元（约合9478亿韩元），大幅降低。不过，按近期标准计算，已恢复至约7.7亿美元（约合1.128万亿韩元）的水平。
该公司同样大规模持有Cronos(CRO)。共持有7.561亿个CRO，与1.139亿美元（约合1669亿韩元）的购入成本相比，评估价值为5300万美元（约合777亿韩元），不到一半。该投资是通过与Crypto.com的合作，将CRO与“Truth Social”和“Truth+”的奖励结构挂钩而实现的。
并行对冲策略……抵押品设置也扩大
为应对加密货币波动性，公司也在并行实施衍生品策略。通过出售与比特币相关的看跌期权，获得了约1790万美元（约合262亿韩元）的运营现金流。
然而，部分资产被用作抵押品。约4,260.73 BTC（约合4235亿韩元）被用作可转换债券的抵押品，此外还签订了涉及4,000 BTC的备兑看涨期权合约，其中2,000 BTC被单独设置为抵押品。
“比特币财务策略”持续……营收小幅增长
特朗普媒体去年筹集了约25亿美元（约合3.664万亿韩元）以推进“比特币财务策略”，随后公开了价值20亿美元（约合2.931万亿韩元）的比特币持有量。
另一方面，营收同比增长了6%。媒体部门营收为81.01万美元（约合11.87亿韩元），资产管理服务“Truth.Fi”通过ETF相关费用获得了6.11万美元（约合8950万韩元）。
以加密货币为中心的财务策略，在资产价格上涨时有望获得巨大收益，但在短期内却成为加剧业绩波动的因素。随着比特币(BTC)的价格走势，特朗普媒体的财务结构将如何稳定，市场持续关注。
文章摘要 by TokenPost.ai
🔎 市场解读
由于比特币(BTC)和Cronos(CRO)等加密货币资产价格下跌，特朗普媒体反映了大规模估值损失，导致净亏损急剧增加。
以加密货币为中心的财务策略在资产价格上涨时有望获得高收益，但同时也显示出大幅扩大业绩波动的特点。
💡 策略要点
企业将比特币作为财务资产持有的策略，前提是长期上涨，但短期损益扭曲风险较大。
利用看跌期权、备兑开仓等衍生品的对冲策略有利于确保持有现金流，但可能限制上涨潜力。
作为抵押品的比特币会增加流动性风险，因此投资者需要同时考虑财务稳定性。
📘 术语解释
未实现损失：在不出售资产的情况下，按当前市价评估时产生的损失
备兑开仓：在持有基础资产的情况下卖出看涨期权以获得收益，但放弃部分上涨收益的策略
比特币财务策略：以BTC替代现金作为企业储备资产的投资方式
💡 常见问题 (FAQ)
Q.
特朗普媒体录得巨大损失的核心原因是什么？
这是因为持有的比特币和Cronos等加密货币价格下跌，产生了约2.44亿美元的未实现损失。再加上股票投资损失，整体赤字规模大幅扩大。
Q.
将比特币用作抵押品意味着什么？
这意味着公司在融资过程中将持有的比特币作为抵押。这有助于获取资金，但在价格下跌时，抵押品价值下降可能会产生额外风险。
Q.
以加密货币为中心的财务策略对企业有何影响？
加密货币价格上涨时可以带来巨大收益，但反之，价格下跌时企业业绩可能受到严重冲击。也就是说，这是一种同时具有高收益可能性和高波动性的策略。
TP AI 注意事项
使用基于TokenPost.ai的语言模型总结了文章。可能遗漏了正文的主要内容或与事实不符。特朗普媒体，因加密资产估值损失导致第一季度亏损扩大由特朗普总统领导的特朗普媒体与科技集团（Trump Media & Technology Group, $DJT）第一季度因“加密资产估值损失”的影响而出现巨额亏损。比特币（BTC）和Cronos（CRO）持有资产的波动性严重影响了业绩。
加密资产估值损失导致净亏损飙升
特朗普媒体宣布，第一季度净亏损为4.059亿美元（约合5949亿韩元）。这一数字较去年同期的3170万美元（约合465亿韩元）大幅扩大。同期，营收为87.12万美元（约合12.76亿韩元）。
业绩恶化的核心因素是“加密资产估值损失”。该公司在其持有的数字资产中反映了2.44亿美元（约合3576亿韩元）的未实现损失。此外，还增加了来自股票型投资产生的1.082亿美元（约合1586亿韩元）损失。
大规模持有比特币和Cronos……价值波动
截至3月底，特朗普媒体持有9,542.16枚比特币（BTC）。购入成本约为11.3亿美元（约合1.657万亿韩元），但当时的公允价值大幅缩水至6.471亿美元（约合9478亿韩元）。不过，根据近期标准，其价值已恢复至约7.7亿美元（约合1.128万亿韩元）的水平。
Cronos（CRO）也持有大量。公司共持有7.561亿枚CRO，与1.139亿美元（约合1669亿韩元）的取得成本相比，评估价值仅为5300万美元（约合777亿韩元），不及一半水平。该投资是通过与Crypto.com合作，将CRO与“Truth Social”及“Truth+”的奖励结构相关联而进行的。
并行对冲策略……质押规模也扩大
公司为应对加密资产波动性，同时也在并行衍生品策略。通过出售与比特币相关的看跌期权，获得了约1790万美元（约合262亿韩元）的经营现金流。
然而，部分资产已被用于质押。约4,260.73枚BTC（约合4235亿韩元）被用作可转换债券的质押物，此外，公司还签订了涉及4,000枚BTC的备兑看涨期权合约，其中2,000枚BTC被单独设定为质押物。
“比特币财务战略”持续……营收小幅增长
特朗普媒体去年筹集了约25亿美元（约合3.664万亿韩元）来推进“比特币财务战略”，此后公开了其持有价值20亿美元（约合2.931万亿韩元）的比特币。
另一方面，营收同比增长了6%。媒体部门贡献了81.01万美元（约合11.87亿韩元），而资产管理服务“Truth.Fi”则通过ETF相关费用录得6.11万美元（约合8950万韩元）。
以加密资产为核心的财务策略在资产价格上涨时可以期待巨大收益，但短期内也成为加剧业绩波动的因素。市场持续关注，随着比特币（BTC）价格走势，特朗普媒体的财务结构将朝着哪个方向趋于稳定。
文章摘要 by TokenPost.ai
🔎 市场解读
由于比特币（BTC）和Cronos（CRO）等加密资产价格下跌，特朗普媒体反映了大规模的估值损失，导致净亏损急剧增加。
以加密资产为核心的财务策略在资产价格上涨时可期待高收益，但同时也展现出大幅扩大业绩波动的特征。
💡 策略要点
企业将比特币作为财务资产持有的策略以长期上涨为前提，但存在短期内扭曲损益的巨大风险。
利用看跌期权、备兑看涨期权等衍生品进行对冲的策略虽有利于确保现金流，但可能限制上涨潜力。
被质押的比特币会提高流动性风险，因此投资者需同时考虑财务稳健性。
📘 术语解释
未实现损失：在不出售资产的情况下，按当前市价评估时产生的损失
备兑看涨期权：以持有的资产为基础卖出看涨期权以获取收益，但需放弃部分上涨收益的策略
比特币财务战略：用BTC取代现金作为企业储备资产的投资方式
💡 常见问题 (FAQ)
Q.
特朗普媒体录得巨额亏损的核心原因是什么？
这是因为持有的比特币和Cronos等加密资产价格下跌，产生了约2.44亿美元的未实现损失。再加上股票投资损失，整体亏损规模大幅扩大。
Q.
将比特币用作质押物意味着什么？
这意味着公司在融资过程中，将持有的比特币作为质押物抵押。这有助于确保资金，但当价格下跌时，质押物价值下降可能会产生额外风险。
Q.
以加密资产为核心的财务策略对企业有何影响？
当加密资产价格上涨时，企业可以获取巨大收益，但反之当价格下跌时，企业业绩可能受到严重冲击。换言之，这是一种同时具备高收益可能性和高波动性的策略。
TP AI 注意事项
使用基于TokenPost.ai的语言模型对文章进行了摘要。可能存在主要内容遗漏或与事实不符的情况。内华达日出，与澳大利亚矿业媒体签订一年宣传合同……扩大海外投资者接触点内华达日出(OTC Pink: NVSGF)与澳大利亚矿业专业媒体Mining.com.au的运营商梅菲尔媒体运营公司签署了为期12个月的广告及投资者认知度提升合同。合同自5月8日起生效，公司侧重于将触角扩展至北美以外的投资者群体。
根据本合同，内华达日出将在最初三个月内每月预付2,900加拿大元。折合韩元约为每月424万7,050韩元。此后若合同延续，每月费用将上调至3,900加拿大元，约为571万1,550韩元。若在初始期结束前未进行充分的提前通知，则将适用上调后的月度费用。
梅菲尔媒体运营公司将以其Mining.com.au品牌处理与内华达日出相关的新闻稿，并将制作独立的编辑内容、网络研讨会以及公司相关人士访谈等。其特点在于并非单纯的广告，而是构建了基于内容的曝光扩展结构。
据分析，公司旨在通过此次合同提升市场存在感，并加强投资者沟通。尤其对于资源开发及勘探企业而言，业务进展往往需要长期评估，因此定期的新闻流向和“认知度”管理可能对股价和投资心理产生不小的影响。
但投资者也有必要一同审视宣传合同的性质。因为这虽然有助于扩大企业认知度，但并非改变业务业绩或勘探结果本身的因素。此次公告中明确指出，服务提供商及其主要相关人员并未持有内华达日出的普通股，这在一定程度上降低了利益冲突的担忧。
最终，此次合同可被解读为内华达日出为向更广阔市场传递自身消息而采取的“加强沟通”措施。未来能否持续引发实际关注，比起宣传活动本身，更可能取决于项目进展及后续公告内容。
TP AI注意事项
使用了基于TokenPost.ai的语言模型对文章进行了摘要。正文主要内容可能被遗漏或与事实不符。Anthropic 向监管机构与媒体开放 Claude AI 文本水印检测 APITechub News 消息，Anthropic 推出一项 API，允许监管机构、媒体和研究机构检测文本是否包含 Claude 生成的数字水印。欧盟《人工智能法案》现已要求对 AI 生成的文本添加不可见水印。批评者警告该技术可能损害文本质量，并在禁止使用 AI 的合同中引发透明度问题。（The Decoder）彭博社：比特币韩国“泡菜溢价”回升至约 1%Techub News 消息，比特币在韩国市场的“泡菜溢价”（Kimchi premium）已重新出现，目前约为 1%。
“泡菜溢价”是指韩国本地交易所的比特币价格相较于全球其他市场产生的价差，其变化通常反映当地市场的供需状况与资本流动情况。（彭博社）Robinhood Wallet 与 Fomo 信用卡购买 Memecoin 被标记为数字媒体Techub News 消息，测试发现，通过 Robinhood Wallet 与 Fomo 使用信用卡购买 Memecoin 时，交易被标记为“数字媒体”而非加密货币。此举使得交易绕过了信用卡网络对加密货币购买的通常限制，用户仍可获得信用卡积分。（The Block）Cointelegraph：孙宇晨称福布斯与彭博低估其加密货币资产 70% 至 80%Techub News 消息，波场创始人孙宇晨表示，福布斯与彭博社在计算其净资产时，对其加密货币资产价值打折 70% 至 80%。福布斯目前估计孙宇晨的净资产约为 85 亿美元。
孙宇晨的言论反映了传统财经媒体在评估加密货币资产持有者财富时采用的保守估值方法，也凸显了加密货币资产在主流财富统计中面临的认知差异。（Cointelegraph）日经：香港比特币大会凸显行业熊市影响与监管挑战Techub News 消息，本周在香港举行的比特币 Asia 大会凸显了加密货币熊市的残余影响，以及香港培育加密货币资产行业所面临的障碍。该为期两天的会议于周五结束，反映出当地加密货币行业在经历市场低迷后正面临关键的「自我审视」阶段。
尽管香港致力于成为全球虚拟资产中心，但其严格监管的交易所正努力应对投资者兴趣的变化。此次大会显示，香港在吸引加密企业落户的同时，仍需解决监管合规与市场需求之间的平衡问题，以实现其 Web3 产业的长期发展目标。（日经亚洲）GWDC 2026 Korea 官宣第六期官方媒体合作伙伴，持续扩大全球 Web3×AI 生态声量Techub News 消息，GWDC 2026 Korea 日前公布第六期官方媒体合作伙伴名单，Crypconf、Captain Capital、BD GemX、BD Ventures 及 Cryptothreads.io 正式成为大会官方媒体合作伙伴。此次合作将进一步扩展大会在韩国、日本、华语区及全球 Web3 行业的媒体传播矩阵，强化 Web3 与 AI 前沿生态的跨区域连接与全球影响力，为开发者、创业者、项目方、投资机构及产业参与者创造更广泛的信息触达与交流窗口。
GWDC 2026 Korea 将于 2026 年 9 月 29 日至 30 日在韩国首尔 aT Center 举办。大会由 Web3Labs 主办，Techub News、HypaiLabs 与 TokenPost 联合主办，并获得 AWPA 支持。
本届大会以“For Builders, By Builders”为核心理念，聚焦 Web3、AI、链上基础设施与数字资产生态的技术创新和产业应用。大会将通过主题演讲、技术论坛、项目展示、商务对接及黑客松等活动，推动开发者交流、技术协作、资本连接与创新项目落地。
大会已同步开放参会报名与黑客松报名。黑客松预计吸引 1,000 余名全球开发者参与，围绕真实链上任务展开，配备行业导师辅导及机构 VC 评审，并计划产出 200 余个创新项目；大会还将设置创新项目展示与 VC 对接，推动优质项目的全球化发布、流动性增长与生态建设。
大会官网：https://www.gwdc.net/
报名入口：https://luma.com/cp87au4f
活动详情：https://gwdcseoul.carrd.co/
黑客松报名：https://forms.gle/YTEosVXSQmT4qQ5b7
黑客松 TG 群：https://t.me/+WCIFA6LPfKphM2JiGWDC 2026 Korea 官宣第五期官方媒体合作伙伴，持续扩大全球 Web3×AI 生态影响力Techub News 消息，GWDC 2026 Korea 日前公布第五期官方媒体合作伙伴名单，CoinNess、比推 Bitpush、Nexblock、DeFam 及 Web3 视界正式成为大会官方媒体合作伙伴。此次合作将进一步扩展大会在韩国、日本、华语区及全球 Web3 行业的媒体传播矩阵，强化 Web3 与 AI 前沿生态的跨区域连接与全球声量，为开发者、创业者、项目方、投资机构及产业参与者提供更广泛的信息触达与交流窗口。
GWDC 2026 Korea 将于 2026 年 9 月 29 日至 30 日在韩国首尔 aT Center 举办。大会由 Web3Labs 主办，Techub News、HypaiLabs 与 TokenPost 联合主办，并获得 AWPA 支持。
本届大会以“For Builders, By Builders”为核心理念，聚焦 Web3、AI、链上基础设施与数字资产生态的技术创新和产业应用。大会将通过主题演讲、技术论坛、项目展示、商务对接及黑客松等活动，推动开发者交流、技术协作、资本连接与创新项目落地。
大会已同步开放参会报名与黑客松报名。黑客松将面向全球开发者征集创新项目，围绕真实链上任务开展协作，并提供行业导师辅导、机构 VC 评审及项目展示和资源对接机会，助力优质 Web3×AI 创新项目实现全球化发布、流动性增长与生态建设。
大会官网：https://www.gwdc.net/
报名入口：https://luma.com/cp87au4f
活动详情：https://gwdcseoul.carrd.co/
黑客松报名：https://forms.gle/YTEosVXSQmT4qQ5b7
黑客松 TG 群：https://t.me/+WCIFA6LPfKphM2Ji币安将特朗普媒体集团 DJTB bStock 纳入 VIP 用户保证金抵押品Techub News 消息，币安已将特朗普媒体与科技集团（Trump Media & Technology Group）的 DJTB bStock 添加为合格 VIP 用户的保证金抵押品。此举允许用户在交易时使用该资产作为抵押，但借款功能和美国用户的访问权限仍受到限制。
（Crypto.news）GWDC 2026 Korea 官宣韩国区域媒体合作伙伴，携手 K1 Research 深耕本地 Web3×AI 生态Techub News 消息，GWDC 2026 Korea 日前公布韩国区域官方媒体合作伙伴名单，韩国顶尖数据驱动型研究与 GTM 咨询机构 K1 Research 正式成为大会 Global Media Partner (Korea Region)。 此次合作将打通韩国本地加密生态与全球 Web3×AI 产业声量，进一步强化大会在日韩及全球市场的传播影响力与本地化运营能力。
GWDC 2026 Korea 将于 2026 年 9 月 29 日至 30 日在韩国首尔 aT Center 举办。 大会由 Web3Labs 主办，Techub News、HypaiLabs 与 TokenPost 联合主办，并获得 AWPA 支持。
本届大会以“For Builders, By Builders”为核心理念，聚焦 Web3、AI、链上基础设施与数字资产生态的技术创新和产业应用。 大会将通过主题演讲、技术论坛、项目展示、商务对接及黑客松等活动，推动开发者交流、技术协作、资本连接与创新项目落地。
大会已同步开放参会报名与黑客松报名。 黑客松预计吸引 1,000 余名全球开发者参与，围绕真实链上任务展开，配备行业导师辅导及机构 VC 评审，并计划产出 200 余个创新项目；大会还将设置创新项目展示与 VC 对接，推动优质项目的全球化发布、流动性增长与生态建设。
大会官网：https://www.gwdc.net/
报名入口：https://luma.com/cp87au4f
活动详情：https://gwdcseoul.carrd.co/
黑客松报名：https://forms.gle/YTEosVXSQmT4qQ5b7
黑客松 TG 群：https://t.me/+WCIFA6LPfKphM2JiMeta 讨论青少年社交媒体伤害案潜在和解，责任估计数十亿美元Techub News 消息，Meta 正在讨论潜在的和解，以解决青少年社交媒体伤害案件，责任估计达数十亿美元。该和解可能为科技公司问责制设定先例，影响未来监管和数字安全实践。（Crypto Briefing）5 篇文章
