据称,不受Meltdown与Spectre影响的CPU即将于今年推出。
英特尔公司已经公布了其下一代处理器——最早将在今年下半年出货——且据称其中绝不存在安全设计缺陷。
过去几个月以来,芯片巨头一次又一次在公开场合与幕后变更立场的作法,确实让人感到有些难以置信。
在面向记者及分析师发表的公开声明与内部简报当中,芯片巨头将说辞由最初的“这些bug被严重夸大了,并不属于实际问题”,转向“确实属于问题,但很容易解决”,再到“确实很难解决,但至少不会引发不良影响”,而后是“虽然会带来些许不良影响,但无需太过担心”,一直到最终的“这些问题非常严重,我们重新设计了处理器方案以解决上述失误。”
日前,英特尔公司表示其即将推出的台式机与服务器处理器将不再受到Meltdown以及两大Spectre变种之一的影响。具体来讲,Meltdown与Spectre Variant 2将在硬件层面得到修复,而Spectre Variant 1则将以软件形式加以解决。Meltdown允许恶意软件访问其内核,换言之可以访问其它应用程序的对应内存空间。Spectre Variant 2可被恶意软件用于读取内核内存,而Spectre Variant 1则允许恶意代码窥探应用程序内存——通常来讲,这意味着某一浏览器选项中的JavaScript代码将可监听另一选项卡中的数据。Variant 1可通过补丁进行修复,从而阻断Spectre类攻击的实施路径。
根据我们掌握的情况,芯片巨头重新设计了其处理器架构以引入“分区”机制,旨在预防恶意软件利用数据泄漏漏洞窥探应用程序、管理程序以及操作系统当中的密码以及其它敏感信息。
我们假设此次修复确实有效,因为英特尔最近已经成功调整微码以解决Spectre威胁。
英特尔公司在本周四表示:“这些变化将从英特尔的下一代至强可扩展处理器起步,并预计涵盖2018年下半年发布的第八代英特尔酷睿处理器。”
换句话来说,您可以通过安装系统修复补丁或者购买新的芯片来解决这个安全问题。目前尚不清楚芯片电路的调整是否会影响到处理器的实际性能,英特尔公司也没有公布与之相关的技术细节信息。根据惯例,每一代芯片都会在上代基础上适当实现性能提升。但由于此次引入的必要调整,下一代芯片恐怕无法带来显著的性能增强效果。
英特尔公司首席执行官Brian Krzanich日前指出,“大家可以将这种分区视为应用程序与用户特权级别之间的额外‘保护性壁垒’,并将成为阻断恶意攻击者的重要屏障。”
Krzanich同时补充称,英特尔公司已经发布了针对过去五年所推出全部产品的微码更新,从而帮助其解决Spectre与Meltdown安全威胁。用户可以从操作系统及主板制造商处获取这些更新。
来自英国萨里大学的信息安全专家Alan Woodward教授评论称:“看起来英特尔公司已经接受了残酷的现实,即虽然他们能够通过软件更新修复Variant 1,但另外两项漏洞仍然造成严重威胁。虽然程度不大,但他们还是被迫对自身架构作出了调整。”
“他们谈到了分区问题,这很好。因为此次安全问题的核心,就在于访问到应用程序本不该接触的数据。然而,目前尚不清楚该分区机制的工作原理,也无从知晓其能够彻底解决相关旁侧攻击。”
Woodward教授还补充称,观察这种硬件调整对执行速度产生的影响也非常有趣。早期的软件补丁已经严重削弱了CPU的性能,其中某些补丁在部署时还会引发其它问题。
他总结称,“目前尚不清楚现有硬件是否将继续包含这些漏洞。其中一些问题可能将迎来缓解方案,但可以肯定的是,这些问题很难被彻底清除。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。