【菜科解读】

2008年11月5日晚，广东省珠海市香洲区，这座以宜居环境著称的海滨城市，因一起恶性杀人案陷入震惊与悲痛。

当晚22时许，一辆失控的银色轿车在梅华西路与健民路交汇处疯狂冲撞行人，导致五人死亡、多人受伤。

这场突如其来的灾难，不仅撕裂了五个家庭的幸福，更成为珠海治安史上难以抹去的伤痕。

人物：从普通司机到冷血凶手

骆效计，时年38岁，珠海本地人，案发前为某物流公司货车司机。

据亲友描述，他性格内向、沉默寡言，长期与妻子分居，婚姻破裂后陷入经济与情感双重困境。

案发前，骆效计因赌博欠下高额债务，多次被催债人威胁，甚至遭遇暴力讨债。

这些压力成为他心理崩溃的导火索，最终演变为对社会的疯狂报复。

五名受害者：包括两名年轻女性、一名中年男子和两名儿童。

他们或是下班回家的职员，或是散步的居民，或是被家人牵着手的孩童，均因这场无差别袭击失去生命。

其中，一名8岁女孩在母亲面前被撞飞，当场身亡，其母因重伤昏迷数日，成为案件中最令人心碎的场景。

事情经过：从蓄意到爆发的10分钟疯狂

蓄谋已久的心理扭曲

案发前一周，骆效计多次在珠海市香洲区、拱北口岸等地徘徊，观察人流密集区域。

他向亲友透露“活不下去”的绝望言论，并购买了大量安眠药，意图自杀未遂。

11月5日下午，他独自驾车至珠海市某酒吧，饮下半瓶白酒后，将剩余酒精倒入车内，为最后的疯狂行动做准备。

第一现场：梅华西路的死亡冲锋

当晚22时15分，骆效计驾驶银色丰田轿车冲入梅华西路与健民路交汇处的人行横道。

此时正值晚高峰过后，行人较多。

他以每小时80公里的速度直冲人群，首先撞倒一名穿红色外套的女子，其身体被卷入车底拖行十余米。

目击者称，车辆未减速，反而加速转向，再次冲向路边聚集的行人。

第二现场：健民路的二次屠杀

在梅华西路制造混乱后，骆效计驾车拐入健民路，沿途撞击多名行人。

一名中年男子为保护身后两名儿童，试图用身体阻挡车辆，却被撞飞至路边花坛，当场死亡。

随后，车辆失控撞上路灯杆，车头严重变形，但骆效计并未停止，反而倒车再次加速，将一名正在打电话的女子撞入绿化带。

最终截停：群众的愤怒与警方的果断

连续撞击后，车辆因严重损坏无法继续行驶。

骆效计试图弃车逃窜，但被数十名群众围堵。

他手持碎玻璃片威胁自残，警方到场后使用催泪瓦斯将其制服。

现场遗留的酒瓶、安眠药瓶和血迹，成为揭示其犯罪动机的关键证据。

调查与审判：法律与正义的交锋

案件侦破：技术锁定与心理还原

警方通过调取监控、分析车辆轨迹，迅速锁定骆效计为嫌疑人。

审讯中，他承认因“生活无望”产生报复社会心理，并详细供述了作案计划。

心理鉴定显示，骆效计作案时具备完全刑事责任能力，其犯罪动机属于典型的“扩大性自杀”（即通过杀害他人来结束自己生命）。

法庭审判：死刑的必然与争议

2009年3月，珠海市中级人民法院一审以故意杀人罪判处骆效计死刑，剥夺政治权利终身。

法庭认为，其犯罪手段极其残忍、社会影响恶劣，且无任何悔罪表现。

骆效计当庭提出上诉，声称自己“患有抑郁症”，但二审法院驳回上诉，维持原判。

2009年12月，经最高人民法院核准，骆效计被执行死刑。

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