在Linux诞生之前,GNU项目一直在开发基于Mach的Unix兼容操作系统。如今,紧随Debian 13的脚步,该项目推出了全新版本。
Debian GNU/Hurd 2025正式发布
Debian GNU/Hurd 2025是这个"另类"GNU操作系统的最新版本。开发者Samuel Thibault在发布邮件中宣布,这个版本包含了可工作的x86-64架构支持,这要归功于Rump层中的NetBSD磁盘驱动程序——这也意味着它现在可以使用USB磁盘和CD驱动器。Hurd已经移植了Rust编程语言,拥有"相当可用"的SMP支持,并且可以运行"约72%的Debian软件包,还会有更多!"这是该项目自2024年6月以来的首次新闻更新,显然取得了重大进展。
这不是普通的Unix替代系统
需要明确的是,这并不是一个传统意义上的Unix替代操作系统。Hurd既不是Linux的任何形式,也不是BSD系统。虽然Debian GNU/Hurd 2025是Debian Trixie的一个版本,但请记住这是一个高度实验性的操作系统,采用了激进的设计理念。它无法在多种硬件型号上运行,也无法运行大多数现有软件。
项目的说明文件被命名为"YES_REALLY_README",开头就明确指出:"GNU/Hurd不是Linux。"这一点非常重要。Hurd是一个专为研究操作系统设计和实现的实验性系统,类似于继续开发Plan 9的分支项目9front。
Debian的多样性
Debian不仅仅是一个Linux发行版。除了Debian GNU/Linux之外,还有其他使用不同内核的Debian版本,因此根本不是Linux系统。Debian已经持续开发了32年,在此期间出现了多个在其他内核上运行Debian用户空间的版本。
过去曾有Debian GNU/kFreeBSD(使用FreeBSD内核)和Debian GNU/NetBSD等项目。遗憾的是,由于人力不足,GNU/kFreeBSD项目已于2023年结束。但Debian GNU/Hurd项目依然活跃并持续发展。
微内核的技术挑战与前景
Hurd是一个类Unix的微内核操作系统。在1980年代末和1990年代初,这是操作系统研究的热门领域,但Windows NT和Linux等稳健的32位操作系统的出现抑制了操作系统研究的发展。
微内核设计面临更大挑战。大部分操作系统在用户空间运行,像普通应用程序一样,而不是在处理器的特权监督模式下运行。这意味着许多独立的小代码模块必须相互通信,每秒发送和接收数百万条消息来协调活动。由于通信量巨大,性能成为重大负担。
尽管从理论角度看微内核更清洁优雅,但微内核方式最终败给了更简单实用的方案。不过,微内核并非完全失败——QNX、Minix 3和L4等微内核系统在嵌入式和特定领域获得了广泛应用,数十亿设备都在悄然使用微内核技术。
**未来展望**
随着Linux内核6.16版本的发布,代码量已接近4000万行,跨越近10万个文件,规模变得极其庞大。也许有一天,Linux会被更简单、更易理解、更容易管理和维护的系统所取代。我们应该庆幸Hurd项目仍在继续。一个能运行近四分之三Debian软件包的全自由开源微内核系统对于x86-64平台来说是一项伟大成就。
Q&A
Q1:Debian GNU/Hurd 2025有什么新特性?
A:Debian GNU/Hurd 2025包含可工作的x86-64架构支持,集成了NetBSD磁盘驱动程序,现在可以使用USB磁盘和CD驱动器。还移植了Rust编程语言,具备SMP多处理器支持,能够运行约72%的Debian软件包。
Q2:为什么说Hurd不适合普通用户使用?
A:Hurd是高度实验性的操作系统,采用激进的微内核设计。它无法在多种硬件上运行,无法运行大多数现有软件,主要面向研究操作系统设计和实现的专业人士。如果你需要运行常见应用或替代Windows,答案是"不行"。
Q3:微内核技术为什么没有在桌面系统普及?
A:微内核虽然设计更优雅,但实现难度大。系统组件需要大量进程间通信,每秒数百万条消息的协调会带来性能负担。相比之下,Linux的单体内核设计更简单实用,虽然不够优雅但足够好用,这是生存优势。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。