我拥有的一切，皆已被拥有

LLMs 作为逆向工程助手

• 许多评论者表示，使用 LLMs/agents 对文件格式、智能设备、UPS、电视、GPU、实验室设备、宠物喂食器、智能灯等进行逆向工程时取得了成功。
• 关键价值在于：繁琐的协议/文件格式工作对小众硬件而言变得可行；过去需要周末完成的任务，现在可能只需几个小时。
• 有些人指出，LLMs 往往建立在现有开源工具之上，因此会引出一个问题：其中有多少是“新”的，多少只是被重新发现。另一些人则提醒要警惕“kayfabe”（模型看起来在推理，实际上是在回忆训练数据）。

所有权、维修权与计划性报废

• 很多人对利用 AI 打破计划性报废和云依赖表现出强烈热情（例如：离线智能灯、宠物喂食器、电视、Kindle、家庭自动化、接收器、旧手机）。
• 许多人的哲学立场是：硬件所有者应当完全控制并重刷自己的设备，包括替换厂商密钥。
• 也有人担心非技术用户会把设备刷坏，或者最终变得更不安全。

外设与 WebUSB/WebHID 的安全风险

• 讨论提到，浏览器暴露 USB/HID/Bluetooth 接口后，网站可能有机会重新刷写或植入后门到外设中（麦克风、键盘、MD 播放器等）。
• 一方认为权限提示远远不够；用户会习惯性点击“允许”，也无法理解固件层面的风险。
• 另一方则认为这些 API 已经存在多年，并未出现重大事故，威胁模型被夸大了。
• 一般性的认识是：任何 USB-C 设备都可能改变角色，因此“它只是一个麦克风/显示器”这种假设很弱。

军备竞赛：锁定 vs 开放

• 很多人预计制造商会用更强的签名、加密、安全启动和账号绑定来回应，尤其是在 LLM 辅助逆向工程变得轻而易举之后。
• 一些人欢迎这会提升大多数人的安全性；另一些人则强调“封闭 ≠ 安全”，并把这视为反所有权的做法。
• 也有人希望会出现一个刻意开放、可由用户自行维护的硬件市场。

AI 护栏、模型与访问

• 对安全过滤器的体验不一：有些人很容易让模型编写利用代码；另一些人即使是良性的调试也会遇到“cybersecurity”拒绝。
• 提到的绕过方式包括：面向开发者/安全方向的访问计划、替代供应商、中文/开放权重模型，以及本地部署方案。

OLED 像素清理与 UX

• 关于 OLED 显示器/电视上侵入式“pixel cleaning”提示的长篇分支讨论：
  • 有些人坚持认为这种维护对防止烧屏至关重要。
  • 另一些人则认为它应该自动/静默进行，或完全可由用户配置，并把它当作他们希望获得固件控制的典型例子。