我们正在经历一场浪漫大萧条｜灵感电波 #135

我有一个很强的感受：愿望和让愿望发生的条件，经常不是一回事。想谈恋爱，不等于生活里还有自然相遇、建立信任的空间；想建更多 AI，也不等于客户拿得出修建数据中心的钱；想获得个性化推荐，最后看到的反而可能越来越相似。第五篇更技术一些，但也回答了一个让我第一次听说时觉得很新鲜的问题：为什么“预测得准”和“压缩得好”，底层会是同一回事。

01 不是年轻人不想爱，是恋爱的基础设施坏了

The Great Romance Slump · Faith Hill · The Atlantic · 2026-08-03

Faith Hill 花了 100 美元，参加了一场名为 The Feels 的“正念单身活动”。参与者收起手机，彼此凝视、把手放在对方心口，再和陌生人拥抱三分钟。纽约看起来从不缺约会软件、单身派对和婚恋服务，真正的关系却越来越难发生。

这不是因为年轻人突然不想爱了。文章引用的美国数据里，多数单身年轻人仍希望拥有相伴一生的关系；但在 2025 年的 YouGov 调查中，69% 的单身受访者说自己很少或从不约会。选择看起来更多，进入关系的人却更少。Hill 把这种矛盾称为“浪漫大萧条”。

她没有把责任简单推给约会软件，也没有归结为某一方“要求太高”。过去，人们可能在办公室、教会或朋友聚会里自然认识。现在，远程办公、外卖、流媒体和线上社交把许多人留在家中；接近陌生人变得冒险，约会从生活的一部分，变成要专门挤进日程表的任务。筛选、聊天、协调时间，再承担一次没有结果的可能。浪漫开始收取一笔由时间、金钱、精力和自尊共同支付的通行费。

经济也改变了关系形成的顺序。过去，两个人可以先结婚，再把资源放在一起，慢慢建立稳定生活。现在，婚姻更像一块“封顶石”：要先还清债务、拥有稳定工作、攒够买房或养孩子的钱，才觉得有资格进入长期关系。关系原本帮助人抵御不稳定，最后却变成只有足够稳定的人才敢承担的项目。

另一层麻烦来自新旧规则同时存在。女性不再需要靠婚姻维持基本生存，却仍可能在关系中承担更多家务和照料；男性被期待更敏感、开放、善于沟通，旧要求却没有消失——仍要主动、果断、付账，又不能显得冒犯或控制。旧剧本已经出问题，新剧本还没有写好。

虽然文章谈的是美国，但那种真实感并不陌生：人们仍向往亲密关系，生活方式却不断减少相遇；人们拥有更大的退出自由，却没有同步获得足够的社区、信任和共同生活方案。让两个人从相遇走到共同承担的基础设施，比想象中脆弱得多。

Hill 最后写到，一群单身朋友设想将来一起买几栋小房子，每晚围着火堆吃饭、聊天。这不是用友情假装爱情，而是在承认一件更实际的事：当传统关系不再是唯一答案，人仍然需要稳定的陪伴、照料和归属。如果旧结构正在失效，我们至少得认真回答，没有伴侣以后，人靠什么共同生活。

阅读提示： 约 35 分钟｜英文｜可能需订阅｜美国社会与亲密关系报道

02 卖芯片还不够，英伟达开始帮客户融资

Nvidia’s Risky Business · Ben Thompson · Stratechery · 2026-08-11

AI 公司需要更多算力，问题却逐渐从“有没有芯片”变成“谁付得起数据中心”。Ben Thompson 从 1873 年铁路融资危机写起，再看英伟达与多家资产管理机构建立融资平台，计划长期撬动超过 5000 亿美元第三方资本。这个数字不是已经筹到的钱，也不是英伟达的收入；真正的变化是，卖芯片的公司开始替客户降低融资成本，甚至提供最高 25% 的剩余价值融资支持。铁路最终修成了，融资链却先断过。这个类比提醒我们：基础设施有长期价值，不等于每一种融资结构都安全。

阅读提示： 约 20 分钟｜英文｜需订阅｜科技战略与金融评论

03 算法越懂你，世界越千篇一律

Temperature Zero for Culture: Why Everything Is Starting to Look the Same · Lauren Leek · Substack · 2026-08-11

推荐系统掌握的个人数据越来越多，世界照理应该分裂成无数小众角落，现实却是商业街、热门电影和审美模板越来越像。Lauren Leek 用伦敦 640 条商业街、4000 多首 Billboard 热歌、近百万条电影评分和合成人格实验，追踪同一个循环：系统优先展示最可能被接受的东西；被展示的东西获得更多选择，又成为下一轮预测的证据。模型不只描述偏好，也在制造偏好。她主张把“探索”强制放回推荐系统。当排序机器决定什么有机会被看见，我们还能不能分清自己本来喜欢什么。

阅读提示： 约 16 分钟｜英文｜免费｜数据分析与政策评论

04 压缩和预测，原来是同一件事

Compression is prediction · Annie Sexton · ngrok · 2026-08-11

为什么更会预测的模型，也能把数据压得更小？Annie Sexton 从算术编码讲起：越可能出现的符号，可以用越少的比特表示；模型猜得越准，整段信息需要的空间就越小。大语言模型同样根据上下文给下一个 token 分配概率，只是生成时继续写，压缩时拿真实 token 计算代价。文章也保留了一个重要限制：模型本身很大、运行成本很高，用它替代 gzip 压网页通常荒唐得不划算。“压缩即预测”不是新定律，但这篇是很好的直觉入口。

阅读提示： 约 28 分钟｜英文｜免费｜含算术编码、熵与交叉熵的互动示例

05 学复杂知识，别再只让 AI 给你列提纲

How I use LLMs to learn complex topics · Laurentiu Raducu · 个人网站 · 2026-08-09

Laurentiu Raducu 想弄懂芯片制造，没有继续追问聊天机器人，而是让编码代理先建立并核验基础知识，再把流程做成一座低多边形“芯片工厂”：一辆小车从石英砂出发，经过制造步骤，最后把芯片送进数据中心。它把抽象解释改造成可以暂停、观察、预测和自测的环境。

阅读提示： 约 4 分钟｜英文｜免费｜附互动示例与开源 Skill

祝你有愉快的一周～

董双赫