·聚焦:人工智能、芯片等行業
歡迎各位客官關注、轉發
王虹站上菲爾茲獎領獎臺，《王的猜想》登上《廣西日報》頭版。
與此同時，AI已能攻下奧數金牌題，嘗試解決開放數學問題。
答案似乎正在變得觸手可及，人類卻比任何時候都更需要回答一個問題，什么才值得被追問。
一份漲價的報紙，一場沉默的投票
《王的猜想》本是《廣西日報》為數學家王虹寫的人物特稿。
上個月，35歲的王虹在費城捧起菲爾茲獎，成為該獎自1936年創立以來第三位女性得主，她與鄧煜同屆登頂，中國籍數學家第一次拿到這枚獎牌，一拿就是兩枚。
兩天后，總編輯拍板打破常規排版，用頭版頭條加半版的篇幅刊出這篇特稿，標題里一個王字，既是姓氏，也是加冕。
報紙一份難求，報社宣布加印并開售，二手平臺上的轉讓價從15元一路掛到65元。
有人稱之為當代版洛陽紙貴，可洛陽紙貴發生在手抄年代，如今復制一段文字的邊際成本約等于零，人們偏偏愿意為一張紙排隊。
王虹與Joshua Zahl在2025年2月發表127頁論文攻克三維掛谷猜想，這條消息半年前就在學術圈傳遍了，任何大模型都能在3秒內復述得一字不差。
有意思的轉折藏在同一組數據里，Graphite同時指出，過去12個月AI內容的增長勢頭明顯放緩。
原因無關模型能力停滯，而在于從業者逐漸發現，單純堆量的AI稿件在搜索排名中表現糟糕，換不來真金白銀的流量。
AI萬能敘事本質上是一套面向資本市場的修辭，它許諾產能，回避定價。
《王的猜想》被炒到65元，恰好把定價的答案寫在了紙上，產能恰恰是這個時代最不稀缺的東西。
創造力常在彎路里生長，效率模型容易刪掉它
人們曾用一道數學題審問機器是否聰明，如今考卷本身正在失去威嚴。
2024年，Google DeepMind的AlphaProof與AlphaGeometry 2已觸及國際數學奧林匹克銀牌水平。
2025年，Gemini Deep Think在六道題中完成五道，以35分越過金牌線。
它無需專家把題目譯成形式化語言，能直接閱讀自然語言，并在賽場規定時間內寫出證明。
奧數終究像一座圍墻整齊的花園，題目由人挑選，規則清楚，答案可以逐行驗算。
真正讓數學界腳下發響的，是AI開始走進開放問題。
今年5月，DeepMind在arXiv上發了一篇論文，介紹了一個專門用來輔助數學研究的形式化證明系統，叫做AlphaProof Nexus。
這個AI又幫忙證明了一些數學難題，它在353個形式化的Erdos開放問題里解出了9個，在492個OEIS猜想中證明了44個，而且還實際參與到了圖論、優化理論、加性組合、量子光學等多個方向的研究中。
單位距離問題上，一個內部模型還找到新構造，撬動了延續約八十年的主流猜測，數學家隨后完成核驗與人類可讀的整理。
這已經超出文獻搬運和推導補綴，機器能夠踏入無人走過的路徑，也會拼出專家未曾想到的方法。
繼續把AI說成復讀機，多少有些把頭埋進沙里的體面。
競賽奪牌常被講成數學家即將退場，一次反例也能被包裝成科研自動化的號角。
局部躍升被拉長成整條價值鏈的替代，復雜分工被壓扁為模型大小、算力多少和交卷快慢。
科學、工程與創作都比考試遼闊，答案只是中途的一盞燈，前面還有問題為何被提出，后面還有結果為何重要。
AI值得敬畏，人類真正稀缺的，仍是提出好問題，并知道何處值得點燈。
答案正在工業化，問題意識反而更加昂貴
OpenAI在5月公布，內部模型對平面單位距離問題給出突破性反例，外部數學家完成了檢查。
近期公開的圈雙覆蓋猜想證明稿還聲明，證明由GPT-5.6 Sol Ultra完成，Codex參與寫作。
把這些成果統統解釋成「高級復讀」，只是另一種拒絕現實。
陶哲軒在2026年國際數學家大會的演講中預判，數學可能從「證明稀缺」進入「證明充裕」，大量結果會堆積在等待驗證、寫作和消化的環節。
機器抬高了證明的吞吐量，人類共同體的理解速度沒有同步翻倍，新的擁堵由此產生。
更上游的稀缺是問題品位，AI能夠批量提出候選假設，甚至找到人類沒有見過的構造，候選數量卻無法自動兌換成研究意義。
ICML 2026立場論文《LLMs can’t jump》把這種差異稱為「跳躍」，大模型擅長從材料中歸納規律，也正在攻克由前提推出結論的演繹過程，科學發明還包含溯因推理，也就是面對異常時提出新的解釋框架。
論文借愛因斯坦的電梯思想實驗說明，創造有時并無海量異常數據可供壓縮，它來自身體經驗、反事實想象與概念重組。
眼下的模型在前一類活動中進步驚人，后一類活動仍缺少穩定、可驗證的機制。
把能力曲線的斜率直接外推成「萬事皆可替代」，更像資本故事里的直線，而真實創新常常走彎路。
科學突破最昂貴的部分，是決定什么值得追問
一項科研成果抵達論文首頁之前，往往經歷漫長而混亂的過程。
研究者觀察到異常，從異常中辨認問題，再判斷問題是否重要。
許多探索會在途中失去方向，也有不少正確答案終其一生無人問津。
AI已經能夠介入其中的大部分環節，它可以閱讀文獻，生成候選猜想，尋找反例，借助Lean等系統完成形式化驗證。
隨著推理成本下降，這些能力會越來越像實驗室里的基礎設施，如同顯微鏡、仿真軟件和高性能計算集群。
然而，一臺顯微鏡不會決定人類應該觀察哪一塊組織。
數學問題的意義也不寫在題目表面，一個猜想可能文字簡短，卻連接著多個學科。
Google在2026年將AlphaEvolve推向更廣泛的商業應用，覆蓋半導體、物流、基因組學和高性能計算等領域。
它的工作流程依然要求使用者提供基礎算法、問題定義和評分函數，系統隨后圍繞這些目標搜索更優程序。
這套流程已經相當強大，同時也暴露出一個容易被宣傳語言遮蔽的事實。
優化器能夠尋找更高的分數，卻無法獨自決定什么應該被計入分數。
芯片設計中的性能、功耗、面積、良率與成本相互牽制，把功耗降低1%，是否值得增加制造復雜度。
為追求峰值性能犧牲可靠性，產品還能否進入汽車和工業市場。
某個算法在仿真中表現卓越，放進供應鏈與生產節拍后是否仍然成立。
這些選擇不能靠一個抽象的最優值裁決，目標函數背后都藏著商業利益和工程經驗。
當答案生產越來越自動化，定義問題的權力便會變得更集中，也更昂貴，這種權力可以稱為「問題主權」。
人機協作的新邊界，是問題主權與責任歸屬
今年的《萊頓人工智能與數學宣言》提出，AI可能成為數學發現的強大伙伴，數學共同體仍需維護證明、署名、透明度和對洞見的追求。
AI進入芯片設計、藥物發現、材料研發和先進制造之后，驗證機制、知識產權、責任劃分與目標設定都會成為現實問題。
當模型給出一種芯片架構，失敗應由誰負責。當AI推薦一種材料配方，企業依據什么確信它可以進入產線。
當算法生成一項專利構想，訓練數據中的前人貢獻如何被識別。
當自動化系統不斷優化效率，那些無法被寫入評分函數的安全、尊嚴與公共利益由誰守住。
技術越接近創造環節，人類越不能只做鼓掌者或者旁觀者。
下個重要數學猜想也許會由AI生成，證明也可能主要由機器完成，但有人仍會判斷猜想是否重要，證明是否可信，又將把世界推向何處。
結尾：
下一個《王的猜想》很可能布滿AI的指紋，錄音由模型整理，資料由智能體檢索，某個數學引理甚至由機器率先發現。
可讓一根針值得旋轉，讓一個人的來路值得書寫，仍需有人先感到好奇、珍視與責任。
技術能夠擴大創造的半徑，方向依舊來自人的內心羅盤。
部分資料參考：中國記協網：《〈王的猜想〉何以打動人心》；廣西日報：《王的猜想》；中國新聞網：《王虹獲菲爾茲獎，三維掛谷猜想背后的數學之美》，Leiden AI & Mathematics：《Leiden Declaration on AI and Mathematics》，arXiv：《AI and the Automation of Mathematical Discovery》
本公眾號所刊發稿件及圖片來源于網絡，僅用于交流使用，如有侵權請聯系回復，我們收到信息后會在24小時內處理。
推薦閱讀：
商務合作請加微信勾搭：
18948782064
請務必注明：
「姓名 + 公司 + 合作需求」
