Linux内核开发者Lorenzo Stoakes提交了一组由23个补丁组成的构建优化方案。公开测试显示，在不同配置和构建状态下，allmodconfig完整构建最多加速约36%，增量构建最多约70%，无实际变更的noop构建最多约90%。更引人关注的是工作方法：开发者利用大语言模型帮助定位瓶颈、提出候选改进并生成初始代码，但明确表示模型产出的相当一部分代码质量不佳，最终经过大量人工审计、重写和基准验证。这个案例的价值不在于证明模型可以替代内核开发者，而在于展示AI如何把长期缺少人力关注的“工程摩擦”变成可系统搜索、可量化验证的优化对象。
Asahi Linux正式支持M3、M3 Pro和M3 Max，意味着开源社区正把高度封闭的Apple Silicon转化为可由Linux管理的平台。本文解析启动链、内核驱动、GPU栈、电源管理与本地AI计算的真正难点。
Linux 7.3-rc1 的合并窗口纳入超过 1.5 万个非合并变更集，是内核历史上提交量靠前的一次更新。数量并不是重点，变化的方向更值得关注：BPF 获得更灵活的数据与指针能力，sched_ext 子调度器逐步完整，BTF 动态探针、虚拟机工作集跟踪、DAMON、FUSE 与 io_uring 等机制继续增强。它们共同反映出 Linux 正在适应云原生、AI 集群、用户态存储和精细化资源管理的需求。对普通用户而言，这不是一次需要追逐的“功能大版本”；对基础设施团队而言，却可能影响调度、可观测性、内存分层和高性能 I/O 的下一阶段设计。
Linux内核基础设施维护者披露，git.kernel.org每天收到约600万次随机提交页面请求，约66%被Anubis挑战直接挡住，约33%能够完成工作量证明进入主站；在较宽松的估算下，合法请求只占约2%。大量爬虫没有使用高效的Git克隆，而是逐页渲染历史提交，迫使5个地理分布节点长期占用约14个CPU核心。AI数据获取正在把开源项目原本面向人类的公共服务，变成没有计费、身份和责任约束的数据供应层。
Linus Torvalds 最近点明了一个越来越现实的问题：AI 并没有自动提升漏洞治理质量，反而可能把内核安全列表拖进重复、拥堵和低效。Linux 内核新补充的安全文档，本质上不是反 AI，而是在给“自动化发现漏洞”划边界。