【菜科解读】

2009年12月30日上午8时许，广东省陆丰市南塘镇长山村顶前寮村民小组发生一起震惊全国的特大杀人案。

46岁的村民黄扬方因长期酗酒、家庭矛盾激化，在醉酒状态下持锄头、杀猪刀对村民实施无差别袭击，最终导致6人死亡、9人受伤。

这起案件暴露了基层社会治理中精神病患者监管缺失、家庭矛盾疏导机制不健全等问题，引发社会广泛关注。

黄扬方生于1963年，是村中公认的“酒疯子”。

其母患有精神病史，家庭长期存在超生问题，与村干部结怨多年。

案发前，黄扬方因妻子离家出走备受刺激，加之长期酗酒导致情绪失控，最终酿成惨剧。

据村民回忆，黄扬方作案前曾多次扬言报复村干部，但未被及时重视。

案发经过：血色一小时

当日上午8时许，黄扬方手持锄头、杀猪刀开始在村内游荡。

他首先袭击了正在路边弄草的孕妇黄碧真——黄碧真系长山村小学副校长黄宏伟之妻，已怀孕3个月。

黄扬方一锄头击中其头部，黄碧真当场倒地。

闻讯赶来的黄宏伟及其堂哥试图救援，却被黄扬方持刀追砍，两人被迫逃回家中躲避。

随后，黄扬方闯入村民黄木左家中，用砍柴刀劈中其头部，导致黄木左头骨骨折、鲜血直流。

此时，村内开始出现混乱，但因青壮年劳动力大多在外打工，留守的老弱妇孺无力反抗。

黄扬方继续持械游荡，先后砍伤村民黄炳雄、黄玉香等人，甚至将屠刀伸向正在吃早餐准备上学的13岁女孩黄美玲。

黄美玲被砍后因失血过多不治身亡，成为案件中最年轻的受害者。

最令人发指的是，黄扬方对75岁老人黄水金施暴时，连续猛击其头部20余下，直至老人颅骨碎裂。

当村民温水心闻讯骑摩托车赶来查看时，黄扬方竟用锄头击碎其头盔，致其重伤。

据统计，从8时许开始作案到9时50分被民警制服，黄扬方在约1小时10分钟内连续作案，造成2人当场死亡、13人受伤，其中4人因伤势过重抢救无效死亡。

救援滞后与舆论争议

案件暴露出当地应急处置能力的严重不足。

村民报警时间为8时45分，但警方直至9时50分才抵达现场，间隔长达1小时5分钟。

陆丰南塘派出所距离案发地仅4公里，且道路为水泥路，理论上10分钟即可到达。

警方解释称“因报警称是精神病患者行凶故未立即重视”，这一说法引发舆论哗然。

医疗救援同样存在严重延误。

伤者黄碧真被砍后，其丈夫黄宏伟因恐惧不敢外出求救，直至警察到场才将其送医，但黄碧真已因失血过多死亡。

另一名伤者黄木左回忆：“当时满地是血，大家只知道跑，根本没人组织救援。

”南塘镇中心卫生院虽接收15名伤者，但因条件有限，6名重伤者被转送至陆丰市人民医院，其中4人途中死亡。

凶手其人：暴力倾向与精神问题

黄扬方的犯罪动机被归结为“家庭矛盾+酗酒+潜在精神问题”。

村民反映，其长期酗酒，酒后常自言自语、打骂妻子。

案发前一个月，妻子因不堪家暴离家出走，成为直接导火索。

黄扬方的母亲曾患精神病，村民普遍认为其有家族遗传倾向，但警方未正式确认其精神状况。

值得注意的是，黄扬方并非完全丧失理智。

他在作案过程中刻意避开青壮年，专挑老弱妇孺下手，且能准确找到与其有矛盾的村干部家，显示其具备一定行为选择性。

警方在现场查获的白酒瓶显示，其作案时处于醉酒状态，但司法鉴定未明确其是否具备完全刑事责任能力。

审判与判决：法律与舆论的博弈

2010年3月，汕尾市中级人民法院以故意杀人罪判处黄扬方死刑，剥夺政治权利终身。

法院认定其作案时处于醉酒状态，但属于“限制刑事责任能力”，依法可从轻处罚。

这一判决引发争议：部分村民认为“杀人偿命，天经地义”，而法律界人士则指出，根据《刑法》第十八条，精神病患者作案时若不能辨认或控制行为，应不负刑事责任，但黄扬方被鉴定为“待分类的精神病性障碍疾病期”，属于限制责任能力，故死刑判决已属从重。

宣判后，黄扬方未提出上诉。

2010年6月，广东省高级人民法院核准死刑判决。

英伟达力荐，小团队两个月开源一款「光速级」智能体推理引擎

尤其是在 Coding Agent 爆发之后，算力问题变得前所未有地尖锐。

Claude Code、Codex、Cursor 等产品正在把 AI 从「问答工具」变成「持续运行的软件协作者」，单次会话轻松突破 50K tokens，系统负载转向了更极端、更复杂的智能体负载。

最近有关算力的大新闻层出不穷。

今天的最新消息：马斯克的 SpaceX 与 Anthropic 宣布达成了重磅协议，超过 22 万块英伟达 GPU 将为 Anthropic 所用。

而 Anthropic 对与 SpaceX 合作开发未来的太空算力体系「表示有兴趣」。

在如此庞大的算力需求下，除了开源还有节流。

也是今天的最新消息：OpenAI 发布了多路径可靠连接 (MRC)，可帮助大型 AI 训练集群更快、更可靠地运行，并减少 GPU 时间的浪费。

我们知道，即便只是单 GPU 吞吐率上的微小提升，一旦应用到生产级集群中，也能够在服务持续增长需求的同时，节约相当可观的算力。

来自 LightSeek Foundation 的一个小团队，在两个月时间内打造了一个全新的，号称「光速」的大模型推理引擎 TokenSpeed。

这一引擎拥有 TensorRT LLM 级别的性能，vLLM 级别的易用性。

并且拥有 NVIDIA Blackwell 上最快的 MLA 注意力内核。

一经发布，TokenSpeed 就受到了英伟达发推文力荐。

目前，该引擎已经开源。

让我们参阅其技术博客，来深入了解「光速」引擎的技术细节。

博客标题：TokenSpeed: A Speed-of-Light LLM Inference Engine for Agentic Workloads 博客链接：https://lightseek.org/blog/lightseek-tokenspeed.html Github 链接：https://github.com/lightseekorg/tokenspeed TokenSpeed 技术简介 TokenSpeed 从第一性原理出发，专门为智能体推理场景设计。

它为智能体负载提供接近「光速级」的推理能力，核心包括：基于编译器的并行建模机制、高性能调度器、安全的 KV 资源复用约束、支持异构加速器的可插拔分层 kernel 系统，以及用于低开销 CPU 侧请求入口的 SMG 集成。

建模层采用本地 SPMD（Single Program, Multiple Data，单程序多数据）设计，在性能与易用性之间取得平衡。

TokenSpeed 允许开发者在模块边界指定 I/O placement 注解。

随后，一个轻量级静态编译器会在模型构建过程中自动生成所需的 collective operation，从而无需手动实现通信逻辑。

TokenSpeed 调度器将控制平面（control plane）与执行平面（execution plane）解耦。

控制平面使用 C++ 实现，并被构建为一个有限状态机（FSM），结合类型系统，在编译期而非运行期强制执行安全资源管理，包括 KV cache 状态转移与使用。

请求生命周期、KV cache 资源以及重叠执行时序，都通过显式 FSM 状态迁移与所有权语义进行表示，因此系统正确性并非依赖约定，而是由一个可验证的控制系统来保证。

执行平面则使用 Python 实现，以保持开发效率，使研究人员与工程师能够更快进行功能迭代，并降低整体认知负载。

TokenSpeed 的 kernel 层将 kernel 从核心引擎中解耦，并将其视为一级模块化子系统。

它提供了可移植的公共 API、集中的注册与选择机制、组织良好的实现结构、面向异构加速器的可扩展插件机制、经过整理的依赖体系，以及统一的快速迭代基础设施。

与此同时，团队还针对 NVIDIA Blackwell 架构进行了大量性能优化。

例如，他们构建了当前智能体负载场景下速度最快的 MLA（Multi-head Latent Attention，多头潜在注意力）kernel 之一。

在 decode kernel 中，由于部分场景下「num_heads」较小，团队通过对「q_seqlen」与「num_heads」进行分组，以更充分利用 Tensor Core 的计算能力。

而 binary prefill kernel 则包含了经过精细调优的 softmax 实现。

目前，TokenSpeed MLA 已被 vLLM 采用。

TokenSpeed 性能预览 Coding Agents（编码智能体）带来了异常严苛的推理工作负载，上下文通常会超过 50K tokens，对话也经常跨越数十轮。

大多数公开基准测试并不能充分捕捉这种行为。

研发团队与 EvalScope 团队一起，基于 SWE-smith 轨迹对 TokenSpeed 进行评估，这些轨迹密切反映了生产环境中 Coding Agents 的流量情况。

由于生成速度对 Agent 的用户体验至关重要，因此，团队的目标是在维持单用户 TPS（每秒 token 数）下限的同时，最大化单 GPU 的 TPM（每分钟 token 数）—— 通常是 70 TPS，有时是 200 TPS 或更高。

此外，研发团队针对 TensorRT-LLM（目前 NVIDIA Blackwell 平台上的最高水平）对这一设计进行了基准测试，并在认为针对 Agentic workloads 存在更好权衡的地方，采取了与之不同的设计方案。

下图展示了在不同部署配置下（无 PD 解耦），TokenSpeed 与 TensorRT-LLM 的 Kimi K2.5 性能帕累托曲线（Pareto curves）。

每条曲线都以 TPS/User（横轴）作为延迟指标，以 TPM/GPU（纵轴）作为吞吐指标，并通过扫描并发数绘制而成。

对于 Coding Agents（高于 70 TPS/User），最佳配置是 Attention TP4 + MoE TP4。

在这一配置下，TokenSpeed 在整个帕累托前沿上均优于 TensorRT-LLM：在最低延迟场景下（batch size 1）大约快 9%，在 100 TPS/User 附近吞吐量大约高 11%。

团队表示，他们的核心优化之一是 TokenSpeed MLA。

下图对比了 TokenSpeed MLA 与 TensorRT-LLM 的 MLA，后者是目前 NVIDIA Blackwell 上的 SoTA。

可以看出来，优化后的二进制版本预填充内核（prefill kernel），使用 NVIDIA 内部旋钮来微调 softmax 实现，在 Coding Agents 的五种典型预填充工作负载（带长前缀 KV cache 的 prefill）中，都超过了 TensorRT-LLM 的 MLA。

解码内核则将查询序列轴折叠进头轴，以更好地填充 BMM1 的 M tile，从而提升 Tensor Core 利用率。

结合其他优化，在带有 speculative decoding 的典型解码工作负载中（batch size 为 4、8、16，且带长前缀 KV cache），这使得相对于 TensorRT-LLM 来说，延迟几乎降低了一半。

最后，研发团队也表示，该项目于 2026 年 3 月中旬启动开发，虽然目前展示了惊人的性能，但仍有大量底层代码（如 PD 分离、KV 存储等）正在合并和完善中，接下来将继续推进。

从上述性能表现来看，不难看出，TokenSpeed 的出现旨在通过更现代化的架构设计，打破传统推理框架在易用性与极致性能之间的平衡点，为大规模 Agent 部署提供了一个高性能、开源的底座。

而英伟达的力荐，也说明推理引擎正在成为 Agent 时代基础设施竞争的一个新焦点。

更多信息，请参阅原博客！ 参考链接： https://x.com/lightseekorg/status/2052048105412141376 https://x.com/NVIDIAAI/status/2052061195381911806

“4只皮皮虾1035元”最新进展：当事人称已接到最新回复“市监局说价格没问题”

5月7日上午，记者联系上该网友，其回复称目前已经接到三亚市场监督管理局说价格没问题。

据极目新闻：5月5日，有网友反映，其在三亚一家海鲜店宵夜时，仅4只皮皮虾就花费1035元，价格过高，店家存在宰客行为。

网友发帖 该网友发布的图片显示，其于5月4日晚间前往三亚某海鲜店用餐，点了中号红花蟹、大号泰国濑尿虾、椰子饭及部分酒水饮品，4人共计消费1815元。

账单显示，大号泰国濑尿虾的单价为每千克1512元；

另一张点菜单则标注“大泰虾”4只，单价756元。

该网友在帖子中明确表示，已拨打12345政务服务热线进行投诉。

评论区多名网友称价格过高，并表示在其他地方吃没有这么贵。

账单 6日凌晨，三亚市市场监督管理局微信公众号发布情况通报回应此事：“5月5日，我们关注到有网友反映我市一海鲜店存在价格过高的问题，我局立即联合相关部门介入调查，目前三亚放心游平台已启动先行赔付机制。

一旦查实存在违法违规行为，我们将依法从严处理，绝不姑息。

” ▌来源：大象新闻、极目新闻 ▌编辑：韩明霞 校对：汤琪