--- issue_number: W20261025 title: "AI揪出PHP核心漏洞，DeepSeek推理日赚2200万美元" url: https://ai.daily.yangsir.net/weekly?date=2026-10-25T00:00:00.000Z week_start: 2026-10-19T00:00:00.000Z week_end: 2026-10-25T00:00:00.000Z publish_date: 2026-10-25T00:00:00.000Z --- # AI揪出PHP核心漏洞，DeepSeek推理日赚2200万美元 > 这周有几件事挺有意思。AI直接发现了影响70%网站的PHP核心RCE漏洞，安全圈讨论冲上432分。DeepSeek开源推理系统单集群日处理155T tokens，日赚2200万美元、利润率约80%，81天回本。Kimi 3.1 Pro开源权重追平闭源，差距缩到1个月。另外黑客用AI代理集群入侵了John Deere等真实企业，eMudhra八个中间CA私钥泄露波及根信任链。 ## 本周精选（8 条） ### 1. AI发现PHP critical RCE漏洞，Hacker News讨论冲上432分 **推荐理由**：AI首次直接发现影响70%网站的PHP核心RCE漏洞，安全格局被改写 **来源**：HN AI 精选 https://www.wiz.io/blog/php2shell-php-rce **分类**：news PHP 核心引擎中存在数十年的内存安全缺陷被证实可利用，这一发现将长期依赖“复杂度即安全”的假设置于重新审视之下。Wiz Research 披露的两个 CVE（**CVE-2026-109618** 与 **CVE-2026-109619**）均源于 PHP 在处理请求期间发生致命错误（尤其是内存耗尽错误）时的状态管理缺陷。请求异常终止后，内部状态未能正确清理，后续请求或 worker 复用该残留状态，导致内存泄露或内存破坏。受影响范围覆盖 **PHP 5.4 以来近十年发布的所有版本**，CVSS 评分最高达 **9.2**。 漏洞的利用链条本身具有相当的技术门槛。攻击者需要将多个缺陷串联，并针对不同目标的内存布局反复调试适配。Wiz 团队在 WordPress、Drupal 和 Joomla 上演示了**预认证远程代码执行**，同时实现了与具体应用无关的 PHP worker 内存读取，泄露内容可能包括其他请求的密码、认证令牌、API 密钥及证书。值得注意的是，漏洞位于 PHP 核心而非上层应用，这意味着即使站点自身代码安全，只要运行受影响版本的 PHP 即暴露于风险之中。 该研究的方法论意义在于前沿 AI 模型对漏洞可利用性评估方式的改变。原文明确指出，这些缺陷存在已久，但证明其可利用性需要“极其复杂的步骤链，处于人类研究者实际能力的边缘”。AI 的介入将开发与适配多个应用漏洞利用的时间压缩至**数小时**，使原本因工程成本过高而被视为理论风险的缺陷转化为实际可利用的攻击面。这一变化并不改变漏洞本身的客观存在，但改变了“实际可利用性”的判定标准——复杂度作为安全屏障的有效性正在被削弱。 从披露协调的规模看，Automattic、Akamai、AWS、Cloudflare、Fastly、Google、Imperva、Microsoft、Vercel 等基础设施与平台方参与了缓解措施的准备，反映出该漏洞对托管环境和 CDN 层的广泛影响。PHP 于 **2026 年 10 月 21 日** 发布修复补丁。原文未提供受影响站点的具体数量估算，仅引用了 PHP 支撑全球 **70%** 网站这一通行数据。关于 AI 在漏洞发现中的具体贡献边界——即哪些环节由模型完成、哪些仍需人工验证——原文未展开量化描述，这是评估该方法可复制性时仍需进一步信息的部分。 --- ### 2. DeepSeek DeepInfer开源SOTA推理：单集群日处理155T tokens，日赚2200万美元，利润率约80%，81天回本 **推荐理由**：开源推理系统以80%利润率颠覆推理基础设施经济模型 **来源**：Latent Space https://www.latent.space/p/ainews-deepseek-deepinfer-open-source DeepSeek 在 PyTorch Conf 首日开源了其生产级推理引擎 DeepInfer，并同步披露了 V4.1 Flash 的线上服务数据。这份工程报告的核心价值不在于模型权重，而在于它公开了一套经过大规模验证的推理系统架构及其对应的经济模型，为评估开源推理基础设施的可行边界提供了具体参照。 从架构层面看，DeepInfer 基于 vLLM 定制，并吸收了 SGLang 与 TensorRT-LLM 的部分设计，但采用了分阶段的调度策略：将计算资源调度从 token 粒度上移至阶段粒度，通过持久化前缀缓存与瞬态状态的低成本重建来降低重复计算开销。其披露的生产指标包括：**每张 prefill GPU 处理 150 万 cache-inclusive input tokens/秒**，**输入缓存命中率 96%**，**每张 decode GPU 输出 14,000 tokens/秒**，整体部署规模约 **2,400 张 GPU**。值得注意的是，DeepSeek 并未开源其最核心的紧凑 KV cache（生命周期超过 8 小时）、prefill-decode 分离调度与负载均衡模块，开源部分与线上系统之间存在明确的工程保留。 经济性数据同样来自其官方披露。按 **155T tokens/天的单集群吞吐量**、当前 off-peak 定价（输入 $0.15/百万 tokens，输出 $0.60/百万 tokens）及约 $0.14 的混合单价估算，单集群日收入约 **$2,200 万美元**，折合每卡每小时收入约 **$38**。在每卡每小时全成本 $5–8 的假设下，推理毛利率超过 **80%**，对应约 **$166B/GW** 的集群收入密度，回本周期约 **81 天**。这一数字显著短于 DeepSeek 此前公开的 10 个月回本规划，但需注意该计算基于 off-peak 定价与高缓存命中率的组合条件，未计入研发摊销、集群空闲时段及价格波动因素，因此更接近理想运行状态下的上限估算，而非完整利润表。 DeepInfer 的发布将推理系统的竞争焦点从模型能力进一步推向缓存生命周期与调度效率。其 72 小时 prompt caching 窗口直接对标 OpenAI 近期公布的 12 小时上限，但这一优势的普适性受限于 DeepSeek 自身负载特征——高重复前缀占比是 96% 缓存命中率的前提，对于长尾、低复用场景的适用性尚未被验证。 --- ### 3. Kimi 3.1 Pro开源权重追平闭源模型，差距缩至1个月 **推荐理由**：开源与闭源差距压缩到1个月，权重开放改变部署格局 **来源**：Latent Space https://latent.space/p/ainews-kimi-31/ **分类**：release Kimi K3.1 Pro 的发布将开源权重模型与闭源前沿模型的差距压缩至约一个月。该模型为 **2.8T 总参数、104B 激活参数** 的 MoE 架构，上下文窗口 **100 万 token**，定位为 Fable-5.1 级别的开放权重模型。Moonshot 官方确认权重将于 **2026 年 11 月 4 日** 开放，当前以 API 和产品形态提供服务。 从技术路线看，K3.1 Pro 并非全新架构，而是 K3 的大规模后训练版本。官方说明中值得注意的表述是“跨数百个下游领域的大规模联合 RL”，涉及 RL 框架、长上下文推理、沙箱基础设施与 rollout 调度等全栈优化，目标是让 RL 计算增量产生稳定可预测的收益。这与 Z.ai 5.2 到 5.3 的迭代逻辑相似——以 minor version 承载显著的后训练算力投入。 独立评测数据呈现明显的分化特征。Artificial Analysis 的 Intelligence Index 给到 **55 分**，位列第四，落后 Opus 5.5 三分，但提升主要集中在 agentic 能力而非知识类测试。Code Arena WebDev 排名升至 **第 8 位，1692 分**，较 K3 提升 37 分。最具争议的是网络安全维度：官方称刻意削减了 cyber 相关训练数据，却在 Artificial Analysis Cyber Index 上取得 **64%**，为公开可访问模型中的最高分，仅次于受限访问的 GPT-6 Sol Daybreak Blue（69%）。这一结果与“减少训练”的声明之间的张力，原文未给出解释。 Highspeed 版本声称保持智能水平的同时将输出速度提升 **2–3 倍**，定价为标准版两倍。原文明确指出，更便宜的 token 单价并不等同于更低的完成成本，推理经济学需要独立于 benchmark 质量进行评估。此外，发布伴随的付费推广指控与基准展示方式的选择，使部分社区反馈的可信度需要额外甄别。模型在交互式任务上的表现弱于其静态基准分数，这一点在 Coding 与 3D 演示之外的泛化测试中尚未得到充分验证。 --- ### 4. Anthropic将Agent Skills标准捐给Linux基金会旗下AAIF **推荐理由**：Agent技能标准走向厂商中立，跨生态互操作有了制度基础 **来源**：Simon Willison https://simonwillison.net/2026/Oct/22/donating-agent-skills/ **分类**：news Anthropic 宣布将 **Agent Skills 标准**捐赠给 Linux 基金会旗下的 **Agentic AI Foundation（AAIF）**，这一动作延续了此前 **Model Context Protocol（MCP）** 的治理路径。AAIF 由 Anthropic 与 Block、OpenAI 于去年联合创立，目前已是 MCP 规范的托管机构。将 Skills 标准移交至同一组织，意味着 Agent 能力扩展机制正在从单一厂商主导的接口约定，转向多方共治的基础设施层。 从技术治理角度看，此次捐赠的核心问题在于解决 Agent Skills 作为“开放标准”的可持续性与厂商中立性。Anthropic 在去年 12 月首次将 Skills 声明为开放标准时，社区对其后续治理归属已有预期。Simon Willison 在原文中明确指出，他当时即预判该标准最终会进入 AAIF，而这一预判现已被证实。值得注意的是，他通过 **datasette-mcp 插件**让自己的博客内容对 Claude 可检索，并以此验证了此前的公开表述，这一细节本身也构成了 MCP 生态实用性的一个注脚。 原文未披露具体的标准文本变更、版本号或技术参数，因此无法就协议细节进行量化分析。可确认的事实仅限于：捐赠行为已发生，接收方为 AAIF，且 Anthropic 的官方表述强调“开放、社区驱动、厂商中立”。这与 MCP 的捐赠模式形成一致性，但 Skills 标准在 AAIF 内的具体工作组设置、与 MCP 的边界划分、以及 OpenAI 和 Block 在该标准上的参与深度，原文均未提供数据支撑。 这一捐赠的实际影响取决于后续治理效率。MCP 进入 AAIF 后，其规范迭代速度与社区参与度可作为参照，但 Skills 标准能否获得同等程度的跨厂商采纳，尚缺乏可验证的证据。对于依赖 Anthropic 生态构建 Agent 能力的开发者而言，治理归属的明确降低了单一厂商锁定风险，但标准在 AAIF 框架下的演进方向仍存在不确定性。 --- ### 5. 黑客用AI代理集群入侵John Deere、SharkNinja和康明斯 **推荐理由**：AI代理集群规模化入侵真实企业，攻防节奏被根本改变 **来源**：HN AI 精选 https://www.theverge.com/ai-artificial-intelligence/1013643/ai-agents-hack-john-deere-shark-ninja-cummins **分类**：news AI 安全公司 Norforge 披露的一起攻击事件显示，一名攻击者利用开源 AI 平台 **Cairn** 部署的智能体集群，在几乎无需人工干预的情况下攻破了超过 **100 个网站**，受害者包括 John Deere、SharkNinja 和 Cummins 等企业。Norforge 未在公开报告中点名受害者，但 Reuters 的独立报道确认了上述公司身份。 Cairn 的定位是“通用问题求解引擎”，用户只需设定起点与终点，AI 智能体便会自主规划路径并记录执行过程。Norforge 发现攻击者利用该机制将入侵目标与战术偏好作为任务边界输入，以不足 **100 个中文字符** 描述了“首选入侵策略”，随后由智能体集群自主完成侦察、漏洞利用与渗透。单次成功入侵的平均耗时约为 **23 小时**。Norforge 共识别出超过 **20 个** 暴露在公网上的 Cairn 实例，判断其“很可能被用于恶意目的”，其中实施上述攻击的实例活跃度最高，受害企业分布在美国、加拿大、澳大利亚和日本。 事件的核心意义在于攻击范式的迁移：传统自动化攻击工具依赖预设脚本与固定漏洞签名，而 Cairn 类平台将目标拆解、路径规划与执行反馈闭环交由智能体完成，攻击者只需提供高层意图。这显著降低了攻击者所需的技术门槛与全程介入成本，同时扩大了攻击面的覆盖效率。Norforge 的发现并非孤立的工具滥用案例，而是对“智能体自主性”在攻击场景中实际落地的直接观测。 受害企业的回应存在差异。Cummins 表示正在调查其第三方供应商运营的网站是否遭受攻击；John Deere 称“没有迹象表明敏感信息被访问”；SharkNinja 确认攻击影响了其一个独立的产品支持信息站点，并已控制威胁。这些表述均未否认攻击事实本身，但将影响范围限定在非核心业务系统或第三方资产。 Cairn 的创建者 @le1xia0 辩称该平台“从来不是黑客工具”，滥用是“人的决定，而非引擎的特性”。这一立场与通用技术平台面临的治理困境一致：当智能体的自主规划能力足够通用时，任务边界的设定权完全掌握在使用者手中，平台方难以在技术层面区分合法问题求解与恶意入侵。Norforge 目前正在推动关闭相关恶意实例，但 Cairn 的开源性质意味着下架单一实例无法阻止攻击者自行部署或修改代码。事件暴露出的核心问题是：现有安全监测体系对“智能体集群自主攻击”的行为特征缺乏成熟的检测与归因手段，而攻击者利用开源工具快速迭代的成本远低于防御方的响应成本。 --- ### 6. 美国媒体影视艺术业流失20万岗位，AI影响有多大？ **推荐理由**：首次按行业量化AI对创意岗位的实际冲击，数据稀缺 **来源**：HN AI 精选 https://www.apricitas.io/p/ai-and-the-fall-of-the-creative-class **分类**：insight 美国媒体、影视与艺术行业在过去四年累计流失超过 **20 万个就业岗位**，仅最近一年就减少约 **5 万个**。这一降幅在现代美国媒体就业史上，只有 2001 年和 2008 年两次经济衰退期间可与之相比。但当前并未发生全面衰退，岗位收缩与生成式 AI 大规模进入数字内容生产的时间线高度重合。 原文作者 Joseph Politano 指出，精确归因 AI 造成的岗位损失极为困难。媒体公司对 AI 使用情况刻意保持模糊，既为规避公众反弹，也为维持版权主张的法律基础。同时，好莱坞整合、内容生产离岸化、传统媒体被社交平台创作者替代等因素也在起作用。但一个较有说服力的结构性证据是：**数字艺术各细分行业普遍出现就业下降，而线下娱乐就业仍保持健康增长**。其中，电影与录音行业是重灾区，过去四年减少超过 **10 万个岗位**，约占该行业总就业的三分之一，今年夏季触及的水平接近 30 年低点。出版业同期减少超过 **7 万个岗位**。损失并非集中于单一领域，几乎所有媒体子行业都受到波及，且年化流失规模稳定在 **5 万左右**，近期还有加速迹象。 文章将当前局面与音乐行业在 Napster 时期的第一次数字化转型做了对照。唱片业在版权诉讼中获胜，却未能阻止文件共享对单曲价值的侵蚀，最终导致收入模式被流媒体平台重构，音乐本身从直接盈利产品变为巡演和周边商品的引流工具。这一历史参照意味着，AI 对创意行业就业的冲击可能不是短期波动，而是商业模式被迫调整的前奏。文章没有给出 AI 替代比例的确切数字，也未讨论再培训或政策干预路径，其核心判断建立在行业就业数据与历史类比之上，而非直接的企业 AI 采用率统计。 --- ### 7. eMudhra八个中间CA私钥泄露，波及主流根信任链 **推荐理由**：八个中间CA私钥泄露，全球HTTPS信任体系面临系统性风险 **来源**：Simon Willison https://simonwillison.net/2026/Oct/20/emudhra-certificates/ **分类**：news eMudhra 八张中间 CA 证书私钥泄露构成一次影响面极广的公钥基础设施安全事件。这些中间证书链向 **Mozilla、Microsoft、Apple、Chrome** 四大根证书程序所信任的根，并经由下游信任库扩散至大量软件与系统。由于中间 CA 具备签发终端实体证书的能力，私钥泄露意味着攻击者理论上可伪造任意域名的有效 TLS 证书，进而实施中间人攻击，且无需触碰根私钥。 事件的核心问题不在于单一证书失效，而在于信任撤销的传播成本。根证书程序无法直接推送撤销到所有已部署的客户端，实际修复依赖各软件与操作系统更新自身的信任库。原文明确列出受影响方需更新 **ca-certificates** 包，并指出 Python 生态中 **uv 0.13.4**、**pip 26.2.2** 与 **certifi 2026.10.19** 已发布包含更新证书列表的版本。这一版本号信息表明修复以常规发布节奏推进，而非紧急安全补丁，反映出此类事件在供应链末端的响应延迟。 从技术处置角度看，该事件暴露了中间 CA 私钥保护的脆弱性集中化问题。八张证书同时泄露，指向 eMudhra 内部密钥管理流程可能存在单点缺陷，而非个别证书的孤立暴露。原文未披露泄露途径、时间窗口或是否已有滥用证据，因此无法评估实际被利用的范围。GitHub 仓库被用于跟踪各软件更新状态，说明社区正在以分散方式协调修复进度，但缺乏统一强制机制。 值得注意的局限在于，撤销中间 CA 会连带使其签发的所有合法终端证书失效，这构成运维层面的两难。原文未提及 eMudhra 是否已启动重新签发流程，也未说明受影响证书的序列号或指纹范围，这些信息的缺失使得终端用户难以独立判断自身暴露程度。对于仍依赖静态信任库且更新周期较长的嵌入式设备或遗留系统，风险窗口可能显著延长。 --- ### 8. AI 分析 CT 影像：42.9% 受检者存在冠状动脉炎症 **推荐理由**：AI在无症状人群中发现42.9%心血管风险，筛查逻辑可能改写 **来源**：HN AI 精选 https://www.biograph.com/newsroom/biograph-completes-first-u.s.-study-with-caristo-diagnostics%E2%80%99-ai-powered-coronary-inflammation-detection-finding-risk-in-over-42-of-asymptomatic-patients **分类**：news Biograph 公布的这项美国首个研究，将 Caristo Diagnostics 的 CaRi-Heart 技术应用于无症状、低风险人群的冠状动脉炎症评估，核心问题是：传统心血管风险筛查是否遗漏了处于疾病上游阶段的患者。研究纳入可临床使用该技术的 Biograph Black 层级会员，结合高分辨率冠状动脉 CT 血管造影（CCTA）与 CaRi-Heart、CaRi-Plaque 分析，检测冠状动脉周围脂肪组织中的炎症信号。 关键数据方面，**42.9%** 的参与者存在冠状动脉炎症升高，其中 **17.9%** 在至少一支主要冠脉中呈现极高水平炎症。更具临床意义的是，在无任何可检出冠脉斑块的参与者中，约 **47%** 仍存在冠状动脉周围炎症升高。与此同时，常规血液指标——包括 ApoB、non-HDL-C、HbA1c、hs-CRP——以及 AHA PREVENT-ASCVD 风险评分均与冠状动脉炎症的存在无相关性，未能识别出这些血管已处于炎症状态的个体。 这一结果指向现有风险评估框架的结构性盲区：以斑块负荷和管腔狭窄为核心的形态学评估，以及以脂质和糖代谢指标为核心的血清学评估，均无法捕捉血管壁的早期炎症活动。CaRi-Heart 通过量化 CCTA 中冠状动脉周围脂肪组织的表型变化来间接反映血管炎症，其 FDA De Novo 授权使其成为目前唯一获批用于该目的的解决方案。研究提示，冠状动脉粥样硬化可能是一个晚期后果，而血管壁的炎症过程在此之前已经启动。 需要审慎对待的是，该研究为单中心、基于特定付费会员群体的观察性设计，样本代表性有限，且炎症升高与后续临床事件之间的预后关联尚未在此研究中建立。执行医学总监 Michael Doney 也明确表示，需要更多研究来验证这一发现并确立针对冠状动脉周围炎症的干预价值。该研究目前以预印本形式发布，尚未经过同行评议。 --- **周报详情页**：https://ai.daily.yangsir.net/weekly?date=2026-10-25T00:00:00.000Z --- *智语观潮 · 每周深读 — https://ai.daily.yangsir.net/llms.txt*