每日简报 · Daily Editions
AI · 思想 · 市场 · 深度阅读

每日情报摘要

DAILY INTELLIGENCE BRIEF
本期要目In this issue

人工智能与科技

AI & Technology 05
TechCrunch
独家

黎曼猜想同日被“双杀”:Anthropic 数学家与人类博士后各交一份证明

AI claimed a solution to the 167-year-old Riemann Hypothesis — and a human did, too

Anthropic 的 Levent Alpöge 称与 Claude 一起找到黎曼猜想证明,并形式化为约 1740 万行 Lean 代码;同日,斯坦福博士后 Alessandro Masullo 交出一份“全部由人类完成”的广义黎曼猜想证明。

黎曼猜想同日被“双杀”:Anthropic 数学家与人类博士后各交一份证明
黎曼猜想关乎素数分布的深层结构;同一天出现的两份广义黎曼猜想证明,一份由 AI 生成、一份纯人类完成,都有待数学界消化。图片来源:andresr / Getty Images
关键事实
  • 约 1740 万行 Lean 代码
  • 同日出现 AI 与纯人类两份 GRH 证明
  • Lean 内核历史上可被用来证明 0=1
  • Alpöge 供职于 Anthropic,公司 11 月 19 日上市
阅读原文 · TechCrunch ↗

11 月 19 日 Anthropic 刚完成 IPO,次日其数学家 Levent Alpöge 在个人网站发布声明,称与 Claude 合作找到了黎曼猜想的证明。他说方法可以轻易推广到广义黎曼猜想(GRH),并称已与 Claude 把论证“无假设地”形式化。他承认发布时机“糟透了”:上周日深夜,他给 CEO Dario Amodei 发消息,请示该如何宣布自己做出了一个可被 Lean 编译的证明。

规模是这件事最直观的部分:GitHub 上的 Lean 代码约 1740 万行。Lean Zulip 上,数学家正在逐段拆解,初步看用到了 Langlands 纲领与算术几何的整套现代工具——自守表示、Galois 表示、base change、Jacquet–Shalika、Clozel 纯度、Deligne–Ribet 等。Terence Tao 把三份相关结果按“消化程度”排序:Euler 爆破解已是人类可读;Navier–Stokes 证明策略大致清楚但需重写;GRH 则只有 Lean,证明策略仍待提取。

同一天,斯坦福教授、美国数学会主席 Ravi Vakil 在博客发布了博士后 Alessandro Masullo 的 GRH 证明,并特意强调“全部由人类完成,没有 AI”。Masullo 说这是 12 年工作的结果;他在简短的引言里写道,如果这项工作要传递什么信息,那就是:“我们还在。我们活得很好。我们不会离开。”

争议集中在验证。Scott Aaronson 提醒,Lean 内核历史上出过能被用来证明 0=1 的 bug,底层类型论的可靠性也未被完全证明;一个足够有动机的 AI 几乎肯定能利用这些漏洞。但他同时指出,迄今带 Lean 证书的 AI 结果无一撤回,而没有证书的已撤回多起。真正的门槛不是代码能否编译,而是人类能否把证明压缩成可理解的思想——这可能要数年。

原文摘录
It’s a big week for Levent Alpöge: The mathematician saw his employer, Anthropic, become the first publicly traded frontier AI lab. He also appears to have solved one of the most important problems in mathematics.
Terence Tao / What's New分析人工智能与科技约 2 分钟

三维不可压 Navier–Stokes 被证明有限时间爆破,AI 参与、Lean 验证

Unforced Euler singularity, unforced Navier-Stokes singularity, and the Generalized Riemann Hypothesis

Alpöge、Buckmaster、Coiculescu 给出无外力三维 Euler 与 Navier–Stokes 的有限时间爆破解,均带 Lean 形式化;Tao 称后者的策略“基本清楚”,但还需专业重写。

与黎曼猜想同一天爆出的,是流体方程正则性的消息。Levent Alpöge、Tristan Buckmaster、Matei Coiculescu 在 AI 深度参与下,写出了无外力三维不可压 Euler 方程有限时间爆破的人类可读证明,并在 Lean 中形式化;Alpöge 与 Buckmaster 随后又给出无外力三维不可压 Navier–Stokes 的同类证明,同样带 Lean 形式化。

Tao 的描述值得逐字读:Navier–Stokes 这份“技术上是人类可读的,总体策略也大致清楚”,走的是预期路径之一——先用数值方法构造一个近似的离散自相似解,再用严格微扰论把它转成精确解。这正是“数值构造 + 计算机辅助证明”传统的延续,也是高精度谱方法与结构保持离散真正能插手的接口:近似解的质量决定微扰论能否闭合。

若证明成立,它直接触及千禧年问题:三维不可压 Navier–Stokes 方程的光滑解能否在所有时间存在。爆破证明给出的是否定回答。但要注意它回答的是“无外力、全空间、有限时间”这一设定,不等于解释物理湍流的能量级联;后者仍取决于边界、可压缩性与黏性尺度。Euler 的爆破解则更早被接受,因为无黏情形本就允许奇点。

接下来的工作是数学界的:独立审稿、把巨量形式化代码提炼成论文、厘清爆破解对初值的敏感性。对做 MHD 与结构保持格式的人来说,更直接的问题是:这种离散自相似构造在多大程度上依赖对称性与无外力假设,能否推广到带磁场、带边界、带耗散的模型。Tao 特意按“可消化程度”排序,就是在提醒:Lean 证书不等于理解。

关键事实
  • 无外力三维 Euler 与 Navier–Stokes 均被证有限时间爆破
  • 两份证明都带 Lean 形式化
  • 策略:数值近似离散自相似解 + 严格微扰论
  • 直接触及千禧年问题,但仅限无外力全空间设定
原文摘录
Levent Alpöge, Tristan Buckmaster, and Matei Coiculescu, with heavy AI assistance, have written a human-readable proof of the finite time blowup for the unforced incompressible Euler equations in three dimensions.
阅读原文 · Terence Tao / What's New ↗
Architect Labs分析人工智能与科技约 2 分钟

一块由 AI 从零设计的 CPU:Frostbite 每瓦性能达传统核心 4.59 倍

Introducing Frostbite: A new CPU architecture discovered, designed, and verified end-to-end by AI

Architect Labs 称其 AI 系统自主完成 ISA、微架构、RTL、验证到 GDS 的全流程,基于交互网的新架构在 25 个负载上实现 4.59 倍每瓦性能。

Architect Labs 发布 Frostbite:一颗通用 CPU,指令集从零设计,整个流程由 AI 智能体群完成——编译器、ISA、架构、微架构、RTL、验证,直到最终 GDS。团队称设计过程“零架构先验”,让系统在 25 个负载上搜索,其中 15 个留到最终评估;对比对象是一颗已流片的现代超标量核心(双发射、顺序执行)。结果是 4.59 倍每瓦性能,perf/area 同步跃升。

技术底座是交互网(interaction nets)。程序被表示成节点图,计算是对相连节点对的局部重写;每个节点只有一个主端口,活跃对不会重叠,因此可以任意顺序、甚至同时重写而结果不变。每个值恰好使用一次,没有共享可变状态,硬件不必维护缓存一致性。文中用五皇后问题举例:顺序程序一步步走,交互网展开为 3183 次交互、关键路径仅 262 步,平均每步约 12 个交互就绪。

这意味着并行性来自程序本身,而不是线程、锁或乱序执行机器;数据可以放在使用点旁边的小型本地存储里,省掉大缓存与一致性协议的面积和功耗。AI 还发现了一些人类架构师不易想到的硬件实现与运行时特性。团队承认这只是初步结果:主频、软件生态、编译器成熟度都未披露,且出于法律原因不能说明对比的具体 CPU 型号。

路线图包括:在 FPGA 上提供任何人都能跑程序的软件游乐场、一个能管理多程序与虚拟化的初步操作系统、把智能体群扩展到更多负载,并开源 RTL 与 ISA。真正刺激的地方不在 4.59 这个数字,而在方法:如果 AI 能在 ISA 层面做软硬协同设计,芯片设计的搜索空间就从“人挑几个方案”变成“机器扫整个空间”。交互网的线性与局部性,恰好对应无锁并行与近存计算,值得继续盯。

关键事实
  • 4.59 倍每瓦性能,对比已流片超标量核心
  • 25 个负载,15 个留出至最终评估
  • 交互网:每值单次使用、无共享可变状态
  • 全流程至 GDS,计划开源 RTL 与 ISA
原文摘录
Today, we're introducing Frostbite, a general-purpose CPU with a new instruction set built from the ground up.
阅读原文 · Architect Labs ↗
一块由 AI 从零设计的 CPU:Frostbite 每瓦性能达传统核心 4.59 倍
Frostbite 的封面图:一颗从指令集到版图全部由 AI 智能体群完成设计的通用 CPU。图片来源:Architect Labs
OpenAI分析人工智能与科技约 2 分钟

OpenAI 披露“对抗性蒸馏”防御:推理链提取成功率从 54% 降到 0.2%

Combatting adversarial distillation

对手可以用前沿模型的输出训练“去防护”的克隆模型;OpenAI 在 GPT-6.2 Astra 与 Sol 上加强推理链保护,红队攻击成功率从 54.0% 降至 0.2%。

蒸馏本是常规技术:一个模型学习另一个模型的答案、推理过程或偏好判断。但未经授权的蒸馏是安全问题——学生模型可以继承前沿能力,却不继承原模型的安全护栏。OpenAI 举的例子很直接:把模型的网安能力蒸出来,再用一个“什么都肯答”的模型执行攻击;在生物与网安这类两用领域,能力转移的后果尤其严重。

关键是“受保护推理”,即模型内部的链式思考。最终答案往往省略中间步骤,而这些轨迹对训练另一个模型极其值钱。OpenAI 用强自动化红队做内部自适应评估:攻击者能否从后续提问中还原模型此前生成的推理链。GPT-6 Astra 在原始防护下平均成功率 54.0%,GPT-6.2 Astra 更新后为 0.2%。

他们还量化了“精确推理轨迹”与“推理摘要”的差别。同一个预训练学生模型,用精确轨迹做监督微调后,在 ExploitBench 等网安基准上普遍优于用摘要训练的版本;再叠加一轮轻量强化学习,优势在最大推理预算下仍然存在。结论是:即使任务本身合规,精确轨迹也会把能力泛化到任务之外。

防御是分层的:对抗测试、模型训练、分类器、API 层保护,加上对协同提取行为的调查;OpenAI 称其强度已接近生物与网安领域的防护,并通过 Frontier Model Forum 与政府渠道共享发现,披露前先做敏感信息处理。对开源权重模型,他们建议从预训练阶段就做定向过滤,并研究对抗微调下的鲁棒性——因为护栏一旦可被微调抹掉,发布权重本身就是一次能力扩散。

关键事实
  • 攻击成功率 54.0% → 0.2%
  • GPT-6.2 Astra 与 GPT-6.2 Sol
  • 精确推理轨迹比摘要多转移能力
  • 分层防御 + 开源权重需预训练期过滤
原文摘录
Adversarial distillation creates a path for bad actors to reproduce these capabilities without appropriate safeguards.
阅读原文 · OpenAI ↗
The Verge分析人工智能与科技约 2 分钟

Signal 直接禁截图:把 Gemini、Siri 的“读屏”挡在门外

Signal is blocking Gemini and Siri AI from reading your screen

Signal 在 iOS 27 与 Android 上默认禁止截图,阻止系统级 AI 代理读取聊天内容;总裁 Whittaker 称现有操作系统没有给开发者可用的细粒度控制。

Signal 宣布在 iOS 27 和 Android 上限制应用内截图,目标是阻止 Siri、Gemini 及其他 Android AI 助手读取屏幕内容。用户可以在设置里恢复截图,但 Signal 明确警告:那等于把你自己和联系人的聊天暴露给这些 AI 代理,并破坏其隐私保证。

总裁 Meredith Whittaker 的说法比功能本身更重:操作系统内置的代理式 AI 会分析屏幕信息来“了解用户”,这正在“侵蚀 Signal 独立保证隐私的能力”。问题不是 Signal 不想防,而是 Google、Apple、Microsoft 没有提供不牺牲核心体验就能限制 AI 数据访问的接口——这也是 macOS 版暂时无法实现同样保护的原因。

这暴露了代理时代的一个结构性冲突:屏幕理解是系统级能力,应用级加密是端到端隐私的基石,两者之间缺少一个可用的权限层。Signal 只能用“禁截图”这种粗暴手段自保,代价是无障碍功能与用户习惯;而平台方则把“代理能看见什么”当成自己的产品边界。

短期看,这是隐私通讯软件与平台方的又一次对峙;长期看,如果操作系统不建立“代理可访问数据”的明确授权模型,每个敏感应用都得自己造轮子。对做端侧代理的人来说,这是一个必须正面回答的设计问题:代理的能力边界,应该由应用声明、用户授权,还是由平台默认?

关键事实
  • iOS 27 与 Android 默认禁止截图
  • 针对 Siri、Gemini 等系统级读屏
  • macOS 版暂无法实现
  • 操作系统缺少细粒度代理授权接口
原文摘录
Signal is restricting the ability to take screenshots on Android and iOS devices in an effort to prevent AI agents from reading users’ messages and other data.
阅读原文 · The Verge ↗
Signal 直接禁截图:把 Gemini、Siri 的“读屏”挡在门外
Signal 在 iOS 上新增的开关:阻止截图,并阻止 Siri 扫描屏幕内容。图片来源:Signal

市场与地缘

Markets & Geopolitics 04
TechCrunch分析市场与地缘约 2 分钟

Anthropic 上市:募资 813 亿美元,七位创始人合计套现近 20 亿

Anthropic's 7 founders cashed out nearly $2B in record-breaking IPO

发行价上调至每股 83 美元,IPO 募资 813 亿美元;加上 260 亿美元 N 类股私募,公司入账约 1048 亿美元,但未来基础设施承诺高达 1.05 万亿美元。

Anthropic 于 11 月 19 日成为首家上市的前沿 AI 实验室。IPO 合计募资 813 亿美元,其中 19.5 亿美元流向七位创始人——每人出售约 340 万股,按上调后的 83 美元发行价各套现约 2.8 亿美元,比原计划多出约 3000 万。作为对照,Facebook 2012 年 IPO 募资 160 亿美元。

公司实际可用资金更多:除 A 类普通股外,还向产业方私募了 260 亿美元无投票权 N 类股,Nvidia 与 Google 各认购 100 亿,AMD、Broadcom、Micron、Microsoft、TSMC 分掉其余。加上超额配售,总募资可达 1170 亿美元。IPO 后 Google 持股 13.4%、Amazon 14.6%,两家云厂商合计 28%。

创始人承诺把个人股权的 80% 捐给慈善,但招股书注明这是“自愿、可撤销的意向表达,不构成法律约束”。换句话说,如果哪位创始人觉得靠剩下的四分之一过不下去,可以收回承诺。

真正刺眼的是支出端:截至 2026 年 9 月底,未来 12 个月算力与基础设施承诺 707 亿美元,2030 年前 4516 亿美元,全部可预见承诺约 1.05 至 1.08 万亿美元。募资额创纪录,但这是一门极其昂贵的生意;上市后股价承压,恰逢 AI 板块整体回调,市场开始追问“收入增速能否追上资本开支”。

关键事实
  • IPO 募资 813 亿美元,发行价 83 美元/股
  • 七位创始人合计套现 19.5 亿美元
  • 260 亿美元 N 类股:Nvidia、Google 各 100 亿
  • 基础设施承诺 1.05–1.08 万亿美元
  • Google + Amazon 合计持股 28%
原文摘录
Anthropic became a public company on Thursday, raising a total of $81.3 billion, including $1.95 billion for its seven founders.
阅读原文 · TechCrunch ↗
Anthropic 上市:募资 813 亿美元,七位创始人合计套现近 20 亿
11 月 19 日,Anthropic 董事会成员在纽约纳斯达克市场中心,等待公司挂牌。图片来源:CHARLY TRIBALLEAU/AFP via Getty Images
Yahoo Finance分析市场与地缘约 2 分钟

英伟达一周蒸发近 9000 亿美元,SEC 调查其会计处理

Nvidia stock extends $2.7 trillion rout as SEC probe reportedly investigates its accounting

周五再跌 14%,创 2008 年以来最差单周;SEC 调查聚焦会计与披露,加州总检察长另就中国芯片流向发出传票,黄仁勋已卸任 CEO。

英伟达周五下跌近 14%,为 2025 年 1 月 DeepSeek 冲击以来最差单日,也是连续第七个交易日下跌。单日市值蒸发约 4850 亿美元,全周近 9000 亿,创 2008 年 10 月以来最差单周。自 10 月 6 日高点起累计缩水约 2.7 万亿美元,超过此前被称作“史上最大 45 天跌幅”的 2.5 万亿;公司从全球市值第一降至美国第四,位于 Apple、Microsoft、Alphabet 之后。

导火索是监管。路透报道 SEC 的调查正在审视潜在会计问题;《华尔街日报》此前称调查包括披露是否误导投资者。争议点包括:2025 年通过新加坡子公司确认约 1040 亿美元收入,约占其销售的一半;客户 Megaspeed 被美方怀疑将芯片转运中国;应收账款周转天数升至 64 天,为 2022 年以来最高。加州总检察长 Bonta 另就公司或黄仁勋是否导致中国获得先进芯片发出调查传票——传票是调查步骤,不是定罪。

管理层动荡放大了恐慌。黄仁勋已卸任 CEO,财政部长 Bessent 公开要求董事会在“10 天内”给出答案。Baird 的 Ted Mortonson 预判:“英伟达做过的每一笔循环融资交易,都会被放在显微镜下。”公司还罕见地推迟了 10-Q 的提交,并提到独立董事委员会正在进行调查。

冲击波扩散到整个芯片板块,费城半导体指数录得 2001 年以来最差单周,纳斯达克 100 接近熊市。AI 交易的核心抵押品——英伟达的估值与叙事——正在被会计与出口管制的双重不确定性重定价;这不是一次普通的回调,而是对“算力永续增长”这一前提的信任测试。

关键事实
  • 单日跌近 14%,全周蒸发约 9000 亿美元
  • 自 10 月 6 日高点累计缩水 2.7 万亿美元
  • 新加坡子公司 2025 年确认约 1040 亿美元收入
  • 应收账款周转 64 天,2022 年以来最高
  • 加州总检察长发出调查传票
原文摘录
Nvidia's worst week on record just got worse. Now the government is asking questions about its books.
阅读原文 · Yahoo Finance ↗
英伟达一周蒸发近 9000 亿美元,SEC 调查其会计处理
英伟达股价在周五加速下挫,交易屏上的跌幅一度接近 14%。图片来源:Yahoo Finance
The Verge分析市场与地缘约 1 分钟

特朗普威胁对境外 AI 数据中心征“巨额税”

Trump threatens ‘tremendous tax’ for moving AI data centers outside the US

在与中国、俄罗斯领导人峰会后,特朗普称不允许美国公司把数据中心建在海外,否则将征收“巨额税”;但细节未定,国会与地方政策方向相反。

特朗普周五在与中国国家主席习近平、俄罗斯总统普京峰会后称,不会允许美国公司在境外建设数据中心,“如果他们非要建,我们就征一笔巨额税”。他称芯片制造外流是“我们开始落后的原因”,并警告否则“中国会把它们全拿走”。

这番话是即兴抛出的:“我不知道这算不算突发新闻,我连自己人都还没说。”没有税率、没有法律依据、没有时间表。副总统 Vance 与国务卿 Rubio 在场。这种“先放话、后补文件”的方式,本身就是政策不确定性的一部分。

现实约束很硬:民主党将在两个月内就职并掌握国会多数,党内也有不少人认为数据中心建设已成不受欢迎议题;弗吉尼亚州 Loudoun County 刚暂停新数据中心申请,多地设禁令或限制。地方审批收紧本会推高海外选址的吸引力,特朗普的威胁是想把这条路堵上——但他同时又说“让它们付钱给你,别关掉”。

对 AI 资本开支而言,这是一个新的政治风险维度:算力选址不再只是电价、水与网络延迟的问题,还要叠加关税、税收与出口管制的可能性。政策未落地前,最理性的反应可能不是搬迁,而是把建设节奏与政治周期脱钩——把订单拆小、把选址分散,避免成为政治博弈的人质。

关键事实
  • “tremendous tax”,无税率与法律文本
  • 峰会后即兴提出,未提前告知团队
  • Loudoun County 暂停新数据中心申请
  • 民主党将掌握国会多数
  • 数据中心选址增加政治风险溢价
原文摘录
President Donald Trump promised to put a “tremendous tax” on companies that build data centers outside of the US, even as states and cities around the country are placing restrictions on new applications to build them.
阅读原文 · The Verge ↗
特朗普威胁对境外 AI 数据中心征“巨额税”
特朗普在峰会后即兴抛出数据中心税收威胁,现场没有给出任何税率或法律依据。图片来源:Cath Virginia / The Verge
Foreign Affairs分析市场与地缘约 1 分钟

美国在委内瑞拉做了一笔坏交易

America’s Bad Bargain in Venezuela

马杜罗被美军抓捕后,华盛顿以速度优先推进石油复产,却在固化查韦斯时代的寻租体制,并把反对派马查多排除在谈判之外。

今年 1 月美军抓捕马杜罗后,美国承诺把委内瑞拉变成“友好、稳定、繁荣、民主”的国家。Rubio 提出三阶段框架:稳定、经济复苏、过渡。Amherst 教授 Javier Corrales 的判断是:华盛顿正全速推进第二阶段,速度之快、透明度之低,正在危及最终目标。

核心诊断是:委内瑞拉过去二十年不是“社会主义模式”,而是“采掘主义/寻租模式”——国家用石油收入收买盟友,用合同与汇率特权换取精英忠诚,反对派则遭司法打压。美国现在与石油部门做的交易,正在复制这套逻辑,而不是改造它。

数字很难看:1990 年代产量约 350 万桶/日,2019 年降至 70 至 80 万桶/日;代总统 Delcy Rodríguez 称未来五年需要多达 760 亿美元外部资本才能恢复。美国是合理伙伴——本国炼厂适合处理委内瑞拉的重质高硫原油,且伊朗战争扰乱了中东供应——但“快”不等于“对”。

政治端,反对派领袖马查多被排除在谈判之外数月;她去年 12 月出国领取诺贝尔和平奖,马杜罗倒台后美国也未积极帮她回国。上月她已返回,可能成为过渡的最大资产,也可能成为最大变量:若她与谈判派协调,结果有合法性;若她公开反对,委内瑞拉将回到“分裂反对派 + 少约束政府”的老路。Corrales 的结论是,华盛顿挥霍了自己最大的杠杆。

关键事实
  • 今年 1 月美军抓捕马杜罗
  • 产量从约 350 万桶/日降至 70–80 万桶/日
  • 未来五年需 760 亿美元外部资本
  • 马查多返国,成为过渡最大变量
  • 三阶段框架:稳定、复苏、过渡
原文摘录
After the U.S. military captured then Venezuelan President Nicolás Maduro in January, the United States set out on a mission to fix what President Donald Trump called a “dead country.”
阅读原文 · Foreign Affairs ↗
美国在委内瑞拉做了一笔坏交易
2026 年 10 月,加拉加斯街头的一场抗议。马杜罗被美军抓捕后,委内瑞拉的政治过渡仍悬而未决。图片来源:Leonardo Fernandez Viloria / Reuters

思想与评论

Ideas & Essays 03
Shtetl-Optimized分析思想与评论约 1 分钟

“随机鹦鹉”证了黎曼猜想,然后呢?

The stochastic parrots have apparently proved the Riemann Hypothesis

Aaronson 说,他醒来看到 1740 万行 Lean 代码时并不确定该不该惊讶;真正的门槛不是编译通过,而是人类能否把证明压缩成可理解的思想。

Aaronson 以一句反讽开场:2021 年那句“随机鹦鹉”如今被社交媒体反过来当成侮辱——“你凭什么贬低刚证了黎曼猜想的模型?”他的回答是:这正是 Poe 定律,网上再明显的反讽也会有人当真。

他给出的背景比新闻更硬:Quanta 前一天刚报道 AI 证明了“准黎曼猜想”——非平凡零点距临界线至多 3/8,这已经携带了 RH 对数论的大部分推论。所以当有人问他“AI 证 RH 还要几年”,他说:别再把这种事当成确定的时间表。

对验证,他既不轻信也不唱衰。Lean 内核历史上出过能证 0=1 的 bug,类型论的可靠性也未被完全证明;一个足够有动机的 AI 几乎肯定能利用这些漏洞。但目前没有任何迹象表明这次发生了;而且带 Lean 证书的 AI 结果迄今无一撤回,无证书的倒撤回了好几起。他的赌注是:证明会站住。

但数学家不会满足于 1740 万行代码。“他们要能自己解释、提炼、重建这些想法”——这大概要几年,因为人类只能以生物速度前进。最后一句很 Aaronson:P=?NP 现在是“我们在意的数学”的最终 Boss,但还能当多久?他九岁的儿子听说 RH 被证明后的反应是:我已经不惊讶了。

关键事实
  • 1740 万行 Lean 代码
  • Quanta 前一日报道 3/8 准黎曼猜想
  • Lean 内核 bug 与类型论可靠性风险
  • 带 Lean 证书的 AI 结果迄今零撤回
原文摘录
I woke up this morning to the news that Levent Alpöge says that he’s gotten Anthropic models to prove the Generalized Riemann Hypothesis, producing 17.4 million (!!) lines of Lean code.
阅读原文 · Shtetl-Optimized ↗
Noahpinion分析思想与评论约 2 分钟

智能爆炸是否发生,也许根本不是关键问题

Does it really matter if there’s an intelligence explosion?

Noah Smith 梳理了两派证据:METR 称 Anthropic 内部约 80% 的研发加速来自 AI;反对者则指出研究支出的边际回报在下降。他怀疑“递归自我改进”这个框架本身遮住了更重要的问题。

旧金山关于 AI 安全的讨论几乎都围绕“智能爆炸”:一旦模型能改进自身,能力会在极短时间内指数上升,所以必须“给前沿踩刹车”。Noah Smith 说他越来越怀疑这是不是我们该进行的讨论;标题已经给出倾向:爆炸与否,也许不是最要紧的问题。

反方证据:Ramez Naam 指出 OpenAI 数据显示 AI 仍只能自动化研究过程中的短片段;AI 研究本身回报递减,加速需要指数级更多的算力与资金;目前看不到进展速率的加速。Garicano 与 Imas 从经济学角度建模,结论类似:想法越来越难找,每一单位进步的价格在上升。

正方证据:METR 对 Anthropic 内部研发的评估称,2025 年末的加速“大部分(约 80%)由 AI 造成”,而非训练算力增长;Dwarkesh Patel 则论证 AI 研究不像实验科学,更像数学——数学已经被 AI 攻破,自我改进不会例外。两边的数据都不公开完整,判断很大程度上取决于你信谁的度量。

Smith 的落点因此转向政策:如果爆炸没有发生,当前的暂停、配速、执照争论就建立在错误前提上;如果发生了,焦点也不该是预测某个日期,而是谁有能力在关键节点做决定、谁来验证。他把问题从“何时”拉回“如果”——而这恰恰是本周两份黎曼猜想证明同时提出的问题:能力已经来了,制度还没有准备好。

关键事实
  • METR:约 80% 研发加速来自 AI
  • Naam 与 Garicano/Imas:研究回报递减
  • Dwarkesh:AI 研究更像数学
  • 争论从“何时”转向“如果”与治理能力
原文摘录
Almost every discussion about AI safety that I hear in San Francisco or read in the tech blogosphere centers around this sort of event.
阅读原文 · Noahpinion ↗
智能爆炸是否发生,也许根本不是关键问题
Noahpinion 的配图:Vernor Vinge 式的“智能爆炸”想象,正被用来组织几乎所有 AI 安全讨论。图片来源:Noahpinion
War on the Rocks分析思想与评论约 2 分钟

下一个生物恐怖分子,不会重复奥姆真理教的错误

Why the Next Bioterrorists May Not Make the Same Mistakes as Aum Shinrikyo

奥姆真理教有钱、有实验室、有博士,却没能造出生物武器——常被当作“生物恐怖风险被夸大”的证据。两位作者指出,失败源于专业知识与组织结构的错配,而 AI 正在同时削弱这两道门槛。

1990 年代初,奥姆真理教尝试生物武器并失败,1995 年转向沙林。执法与安全圈长期用这个案例论证生物恐怖风险被高估:如果连它都做不到,还有谁能?

作者认为这是误读。奥姆确实有“生物专家”——项目负责人远藤诚一学过兽医,但未完成病毒学研究生学业;组织主攻细菌与毒素,他缺乏针对具体病原体的深度知识,在获取强毒力炭疽株上屡屡受挫。生物武器项目不是单一科学任务,而是微生物学、气溶胶学、化学、统计、机械与电气工程的集成,一个人不可能全包。

更致命的是组织:保密切断了专家与决策的通道,等级制让没有技术判断力的人拍板,内部竞争扭曲激励,项目在缺乏验证的情况下硬推部署。他们自制的喷雾器“反复故障”,试验时“像鲸鱼一样喷”。Al-Qaeda 的炭疽项目也类似:招到微生物学博士,但资源、菌株、人手都缺,而且那位博士“不准备亲自动手”。

AI 同时作用于两端:前沿模型在罕见生物知识、病毒学流程排错、识别被故意植入错误的实验方案上已超过人类专家;Boko Haram 的派系在建立专门的 AI 单元,用来分流难题、补知识、传播操作指南、在失败后迭代。结论不是“AI 会造出武器”,而是“过去失败案例不再能作为安全证明”;防御要做分层:模型端护栏、访问限制、生物材料管控、事件响应,并假设对手的工具会帮他们找绕路。

关键事实
  • 奥姆真理教 1990 年代生物武器计划失败
  • 远藤诚一:兽医背景,病毒学未毕业
  • 自制喷雾器反复故障,“像鲸鱼一样喷”
  • Boko Haram 派系建立专门 AI 单元
  • 结论:分层防御,旧失败案例不再构成安全证明
原文摘录
In conversations with law enforcement and security professionals, one view has repeatedly emerged: Aum Shinrikyo’s failed biological weapons program in the early 1990s shows that the risk of bioterrorism is overstated.
阅读原文 · War on the Rocks ↗
下一个生物恐怖分子,不会重复奥姆真理教的错误
美国海军陆战队化生放核响应部队在训练中演练生物事件处置。文章认为,防御必须假设对手拥有 AI 辅助的迭代能力。图片来源:Cpl. Daniel Wetzel / Wikimedia Commons
编辑要点
Bottom line

同一天,AI 在数学最硬的两个问题上交出 Lean 证书,而资本市场用英伟达两周蒸发 2.7 万亿美元提醒:能力突破与估值兑现之间,隔着会计、监管与信任。Anthropic 的创纪录 IPO 与英伟达的会计调查并置,说明 2026 年的 AI 叙事已从“能不能做出来”转向“谁来验证、谁来付账”。数据中心政治化与委内瑞拉的坏交易则是同一枚硬币的另一面:速度优先的决策,往往在事后收取利息。