Intel 发布了最新的服务器 8 核处理器 Xeon E5-2600，Intel 称该处理器比起现在的 Xeon 5600 处理速度提升了 80%，提供四条内存通道，支持高达 768G 的内存和 PCI Express 3.0，数据传输速度提升三倍。Xeon E5 处理器的缓存也增加到 20兆。
Xeon E5 兼容 Intel 的 Socket 2011，运行频率 2.9G，并可根据需要再提速 900 兆。
Xeon E5 包括 20 个不同型号，从 E5-1620（四核、3.6G、10兆缓存，大约200欧元）到 E5-2690（预计1300欧元），最划算的应该是 E5-2650，8核处理器，2G 以及20兆缓存，大约700欧元。
via pcadvisor
本文的作者Jon Beltran是一个西班牙程序员，作家，企业家，大学时辍学专职做游戏开发，他目前主要经营Symnum Systems公司，开发 ViEmu
和 Codekana 这两个开发工具。
软件编程出问题了。出大问题了。如今的这种编程方式让人如此不堪忍受，以至于让人想吐。数年来我一直在说我痛恨编程。过去的20年，我一直是个全职的软件开发者，目前也是，我没后悔过，我仍然热爱着我可以用编程来做的事情。可仍然，我痛恨编程。
现在的编码方式是一种让大脑自残的方式。编写过程中的每一步，你都可能使程序崩溃——耗尽了内存，访问了错误的指针或引用，或进入了死循环。毫无疑问，编程给人的感觉就像赤脚走在到处是碎玻璃的地板上。一小寸误差的落脚距离，喀嚓，你就损失了半个脚趾头。
这种编程方式的每一步，在每一个语句里，每一行代码里，函数调用或过程里，如果你想写出能用的代码，你必须要考虑整个程序中所有的不同的、可能的状 态。这些状态是不可见的，你不可能给它们明确的定义。事实就是这样。一直是这样。包括现存的所有的语言。这就是为什么100%的代码测试覆盖率也不能保证 代码里没有bug，永远也不可能。这也是为什么差程序员不能变好的原因：根本没有一个结构化的方式让他们考虑到所有这些可能的情况。
(顺便提一下，当遇到了多线程程序时，这种情况会恶化1000倍——不是变得更好，而是更坏。)
问题的原因就在于，代码被写出来的基本方式就是错误的。完全是错误的。你写出了一行行的指令，一步一步，看起来你把程序驱动到了一个想要的状态。但每一步都是相互独立的，只有编译器/解释器能独自的理解它们，你基本上是很容易把事情做错，而不是做对。
函数式编程也许是一种解决方案，我思考了很长时间，做了认真的研究。Lisp，Haskell。Lambda计算。函数式的编程方式确实给常规的命 令式或面向对象的编程方法带来了不少改进。但这仍不能根本解决问题。它仍然是由很多无联系的简单步骤组成，痛苦的计算出输出结果。
这种编码方式关键是什么地方出了问题？关键地方就在于，你不是在表达你想要什么。你表达的是需要采用什么步骤。试想一下，你让朋友从冰箱里拿出一瓶啤酒，一步一步来，每一步都如机器人般的刻板，每一步都不关系到下一步做什么。这是在折磨一个人。极有可能造成灾难性的失败。这跟现在的编程方式是完全一样的。
程序库(lib)能带来有用的帮助，但它们只是为应付上层特定需求的快捷方式。它们解决不了真正的问题。
最近出现了一篇非常有趣的John Carmack所写的文章，讲的是静态代码检查，他引用了一条说的非常正确的微博，是Dave Revell写的关于代码检查的：
“我越用静态代码分析来检查代码，我越发现计算机的强大之处。”
一种观点
那么，应该如何编程？让我们来举个简单的例子：排序。假设你有一个输入序列，让我们称它，呃哼，输入值。假设它有几个元素。现在我们要计算出一个新的序列，称它为输出值，里面要包含有相同的元素，但元素是经过升序排序过的。我们如何去做？
传统的方法有冒泡排序，快速排序，shell排序，插入排序，等。这些都是能够让我们对一个序列进行排序的方法。例如，冒泡排序：
def bubble_sort( input, output ): output = input # start with the unsorted list swapped = True while swapped: swapped = False for i = 1 to length(output) - 1: if output[i+1] > output[i]: swap( output[i+1], output[i] ) swapped = True
非常的直接。但如果打算去写出这种排序的代码，你仍然会犯错误！你可能会在交换两个元素时忘记了把“swapped”参数设置成true，或者更典型的，你可能在循环计数时犯下忘记减一的错误。
这就是我为什么要说这种编程方式有问题的原因：排序是一种很简单的可以掌握和描述清楚的概念，可是，用代码去实现它却是复杂的，充满了陷阱，随时造成程序的崩溃，或输出错误的结果。一件难事！
有人可能会写出一种函数式的上面的算法，但相似之处会是非常明显的：没有副作用，可仍然包含完成这个任务所需的很多步骤。递归也许会比迭代更优雅(呃哼)，但它并不是本质上更好。
那么，对于一个排序操作，它真正的代码应该是什么样的呢？这多年来，我慢慢总结出，它应该是一种类似这样的东西(请原谅，这些是只是一些伪代码，一种不存在的编程方式)：
def sort(input[]) = output[]: one_to_one_equal(input, output) foreach i, j in 1..len(output): where i < j: output[i] <= output[j]
让我对它做一些解释：这第一行对sort的定义是说，在输出序列和输入序列之间已经存在一种1对1的“关系”。我们下文中会介绍在one_to_one_equal的定义中如何实现这个。这样一来输入和输出序列中确保了相同的元素。它在空间上定义出来可能的答案。
第二，关键点，这下面的行指明，对于输出序列中的每一对元素，当第一个的索引低于第二个的索引时，它的值也是较小或相等。这本质上就指明了输出序列上排序过了。它定义了解决方案中的一种可能的答案。
这是如此的简单。排序函数只是说明排序的结果，而不是如何做。它描述了输出数据，以及相关的输入数据的特征，它把如何能达到这个结果的任务交给了编译器。
无庸置疑，这存在两个关键问题：
我曾经想不公开这种技术，将来成立一个公司来实现这种思想，但多种环境因素使我重新思考这个计划。现在我向大家分享了我的认识，想看看事情会如何发展。请关注本系列中的下几篇文章。
尾注
在本系列的后续文章中我会做深入讲解，这里只稍微提一点。这个one_to_one_equal函数在这种理想化的语言中将会是一个“标准库函数”，它多少看起来应该像这个样子，像下面这个基本逻辑：
def one_to_one_equal(output[], input[]) = c: c = relations(input[i], output[j]) foreach x = input[i]: len(c(x,)) = 1 foreach x = output[i]: len(c(,x)) = 1 foreach x(a,b)=c[i]: a == b
让我来解释一下：这第一行的定义是说，在输入和输出序列中的元素间有一个1对1的“关系”集合。
这第二和第三行指明，对于每一个输入和输出序列的元素，在集合“c”中都有一个单一的关系从属于它们，确保了它们的关系是一对一的。这最后的一行指明每个关系上的两个元素都是相等的，确保这两个序列是相同的，只是排序过。
[本文英文原文链接：I want to fix programming ]
互 联网的崛起令世界的许多方面都发生了深刻的改变，其中就包括了工作。它不仅能够为我们提供工作所需的各种信息，令沟通更加便利，其所带来的更加深刻的变化 是，企业招聘和组织的形式都有可能发生革新性的变化，这种变化，在oDesk的CEO Gary Swart为TechCrunch的撰文中被称为是Work 3.0模式。
背景
传统观念认为，相对稳定的雇佣关系是最好的。但是哥伦比亚商学院的教授Rita McGrath却提出质疑：大家的想法老套，看不到新的现实。新的现实是什么？雇佣关系正在发生急剧变化。是什么样的原因导致这一急剧变化呢？我们在《劳动效率：互联网的下一场大颠覆》中 曾经提到过：一是技术，技术的发展使得物理空间差别失去意义。二是衰退，衰退导致大家不再那么坚定地认为传统工作就是铁饭碗了。“常规”工作市场将一去不 复返。新的现实是全球性的人才可以以快速、精益的方式获得，其规模可伸缩自如。一种新的雇佣模式正在显现：工作3.0。
什么是工作 3.0？
工 作3.0描绘的是这样的一个世界：轻轻点击鼠标，雇主可以接触到全球最好的人才。雇员则更像是自由人，可以随时随地随心所欲地工作。在这个世界里，企业是 根据需要来招聘员工的，无需担心复杂的薪酬组合、冗长的招聘周期以及昂贵的日常开支。在这个世界里，人们不再受限于呆坐在小格子里，只能跟有限的人交流， 而是可以跟世界各地的人沟通互动。
简而言之，就是按需工作、虚拟化、远程化。
机会无限
以 Thumbtack.com为 例。这是一个提供本地服务的工作场所。公司只有少数的全职人员，由于当地的顶级人才需要高额薪水和津贴才能吸引过来，所以他们不招这样的人。相反，他们选 择内部员工轻量化，并从网上雇佣了120名分散在世界各地成员组成在线团队。这种方式使得其业务规模增长了150倍！而且成本非常低。
对于企业来说：在线工作的惊人增长改变了企业招聘人才和组织劳动力的方式，使其可以跨界、跨时区、跨技能组建团队。
对于个人来说：Work 3.0模型之下，工作不在受限于地理距离，在乡下种地的业余程序员也有机会跟北京上海的白领一争高低。可以挖掘到全球性的需求，这个市场要比本地乃至本国的都要大得多。
此外，该模式还可以塑造出一只更快乐更具生产力的全球劳动力队伍。根据Harris Interactive的一项调查，美国虽然现在也有不少的远程办公雇员，但是他们做出的牺牲不小：34%要放弃社交媒体， 25%要放弃智能手机 ，17%需放弃加薪，甚至有5%连配偶也放弃了！工作3.0则不会存在这些限制。
就这一点而言，这一模式对于劳资双方都是双赢的。
工作3.0的未来
在线工作每年以70%的速度持续递增，支撑技术也不断改善，2012年预计会发布600万份在线工作，这 相当于有价值10亿美元的工作是在web上执行的。
从 技术层面来说，过去是宽带接入与协作技术的改进，这些技术使得我们发展到今天的程度。而现在是在线工作机制的深入改进—包括互联网接入和速度的改善，用先 进算法帮助企业和劳动力实现最佳的匹配结对，增强的全球支付系统扫除结算障碍等等。这些都会令在线工作更加普及，也会令后期的接受者也会更加容易适应。一 旦这种接受程度到达某个临界点，在技术有了极大改进的情况下，在线工作将会成为日常生活无缝、集成的组成部分。那时候，一有任务就会想到在线去雇人，其自 然程度就好比是一想了解信息时就“Google”“百度”一样。
传统工作也许再也恢复不回衰退前的水平了，但是在线工作会填补这一空缺，其所提供的就业机会甚至比传统工作还要多。工作3.0才刚刚开始。
问题棘手
前 途是光明的，道路是曲折的。在我看来，工作3.0起码还有以下两个问题需要解决。一是人员培训问题，完成工作，技能、经验、熟悉流程都是不可或缺的，这些 的养成和培训应该由谁负责，由谁来承担相应的成本？二是福利保障，企业不承担的话，由谁去相应承担？还有就是一个开放的工作市场，永远都是那些技高价低者 得，那些新人是否机会均等？
这一切，时间会告诉我们答案。
一美国法官已要求摩托罗拉移动和谷歌向苹果提交谷歌2005年收购Android一事、谷歌Android OS开发以及谷歌对摩托罗拉提出收购一事的相关信息。据摩托罗拉称，苹果所索要的有关谷歌收购摩托罗拉和Android的信息，与审案中任何所宣称的损失无关。
目前主流的机器人辅助手术设备是达芬奇手术系统（da Vinci Surgical System），它每年执行大约20万例手术，大部分是常见的子宫切除和前列腺去除。但达芬奇系统远不完美，它不能移动，重达半吨，成本昂贵（180万美 元）。它使用的是私有软件，即使能负担得起，研究人员也难以修改操作系统去尝试新方法。开源机器人Raven将改变这一切。 Raven最初是加州Santa Cruz分校研究人员为美国陆军研发的，是一款战场手术机器人原型，十分紧凑，轻便而廉价（25万美元）。但更重要的是，它使用的是开源软件，基于 Linux的操作系统允许任何人修改和改进原始代码。美国多所大学的研究人员正在Raven的基础上创造各种新用途：哈佛研究人员尝试让Raven在跳动 的心脏上做手术，UCLA试图增加新传感器让机器人与手术者通信。
文/Solidot