【2026-11-21】新闻杂烩 - 两个黎曼证明同日抵达,一个 1740 万行
目录
- 两个证明,同一天
- 1740 万行:大小成了新的可信
- 一颗没人写规格书的 CPU
- 模型开始自己给自己打分
- 没有规格的地方,只能撒金丝雀
- 把「可以验」做成卖点
- 我数了一千万以内的质数
- 最后一毫秒,没有变快
两个证明,同一天
1859 年,黎曼在一篇论文的脚注里写了一段话,大意是:「一切根都很可能是实的。当然,人们会希望有一个严格的证明;但我经过一些短暂的徒劳尝试之后,暂时把它搁置了——因为就我眼下的直接目标而言,它并非必需。」
这句话后来演化成黎曼猜想:一个关于质数分布的最深刻猜测,也是克莱数学研究所悬赏一百万美元的千禧年难题之一。黎曼自己把它放下了,因为它「不是必需的」。
167 年后,这个被搁置的证明,一天到了两个。
第一个来自 Levent Alpöge。他 1992 年生,哈佛研究员,后来进了 Anthropic 做技术人员。这半年他一直在用 AI 做数学:7 月他给雅可比猜想找了反例,8 月给卡拉西奥多里猜想找了反例,四天后又用 AI 工具回答了关于六维球面的霍普夫问题;9 月,他和 Tristan Buckmaster 关于纳维-斯托克斯的 AI 辅助工作,被 OpenAI 在「解决」那个千禧年难题时引用,随后闹出优先权争议。而这一次,据 Scott Aaronson 在博客里转述,Alpöge 说他让 Anthropic 的模型证明了广义黎曼猜想,产出了 1740 万行 Lean 代码——用他自己的话说,形式化「已经完成」。
第二个来自 Alessandro Masullo。斯坦福的 Ravi Vakil(正坐在美国数学会执行委员会会议里)代发了一份紧急公告:Masullo 提出了 GRH 的一个证明,Brian Conrad 仔细看了好几个月,反馈正在被吸收,「到目前为止,看起来不错」;「全部是人的工作,没有 AI」。原本的打算,是把 Masullo 请到斯坦福待一整年打磨文字,再让足够多的人过目之后才公布——「现在看起来,最好先把草稿放出来。」
注意那个「现在看起来,最好先把草稿放出来」。一个原本要打磨一年的证明,被新闻周期逼着当天出了草稿。因为第一个证明——那个 1740 万行的——已经上了头条。
1740 万行:大小成了新的可信
Aaronson 那篇博客的标题很损:「随机鹦鹉显然证明了黎曼猜想」。他后来补了一句:Poe 法则——再明显的反讽,也有人看不出来,所以已经有人觉得他在侮辱大型语言模型了。但他真正想说的不是嘲讽,而是两件事。
第一件:黎曼猜想的「通俗版」是这样的——质数从 1 到 n 的个数,非常接近「每个整数 x>1 以 1/ln(x) 的概率是质数」这个随机模型,误差不超过 Õ(√n)。这个误差项小到能推出数论里一大半的推论。Aaronson 说,在完整证明之前,AI 已经把这个更弱的命题推进了一大步:非平凡零点距离临界线至多 3/8(Quanta 昨天刚发文)。「这个更弱的命题,已经承载了完整黎曼猜想对数论的大部分推论。」
第二件,也是我今天想说的:一个 1740 万行的证明,到底意味着什么?
它意味着「验证」换了载体。过去,一个证明的可信度来自「被一个足够聪明的人看懂」。希尔伯特说过,如果他沉睡千年后醒来,第一个问题就是「黎曼猜想被证明了吗」——他期待的是一个能被理解、能被复核的论证。而 1740 万行 Lean,没有一个人能读完。它的可信度来自一个更现代的东西:**形式化系统替你看过了。**于是「真」变成了「机器检查通过」。
但 Aaronson 立刻泼了盆冷水:Lean 本身有内核 bug——历史上曾允许证明出 0=1——底层类型论的声音性也存疑。「这些问题应当、而且可以紧急修复!在修好之前,一个依赖形式化验证的证明,等于把最后的担保交给一个还没自证的家伙。」
这就是 2026 年证明的新形态:大到没人读得完,于是「够大」本身成了可信。而「够大」,恰恰是唯一不能证明「为真」的东西。
一颗没人写规格书的 CPU
同一天,Architect Labs 宣布了一颗叫 Frostbite 的 CPU:一套新指令集,从架构、微架构、RTL 到最终版图,全部由 AI 系统端到端完成,而且「零架构先验」。
它的理论根基是 interaction nets——1990 年 Lafont 提出的计算模型,已经三十五年没产生过明确的生产价值。交互网的核心:每一步重写都是局部的,每个依赖都是显式的,每个值恰好有一个拥有者。于是没有共享可变状态需要硬件去守护,也没有缓存一致性协议要养。程序被编成 Vine 语言,再降到 Ivy 中间表示,最后变成「数据、计算、控制」三种原语构成的网。
成绩单:7 纳米工艺,综合 800MHz、版图 500MHz;一个 2×2 的 quad(0.792 平方毫米)对比一个现代超标的「传统 CPU」核心(0.895 平方毫米),每瓦性能几何平均 4.59 倍(搜索集 6.02 倍、留出的 15 个负载 3.83 倍),每面积性能 8.77 倍。能耗结构的变化更说明问题:传统核 57% 的能耗在内存、27% 在取指/译码/发射;Frostbite 砍到 38% 和 6%,代价是 26% 花在了片上网和调度上——那是「干活」的代价。
但有个细节值得单独拎出来。为了让 AI 不在规格上撒谎,他们发明了一种叫 ASL 的规格语言:「自然语言无法精确到足以捕捉实现所需的每一个细节,也无法保证在 AI 写规格的时代抓住每一个幻觉。」于是有了 31 个块的契约、80 万行 Lean——一个机器可检查的规格成了唯一的事实来源。架构模型 Arcmodel 比 RTL 快 660 倍,从 250% 的误差校准到 6% 以内。AI 还自己涌现出一个「工作窃取」的调度规则——「这一行为,从未被任何人类规定过。」
然后,最讽刺的一句:「出于法律原因,我们不能披露那个(作为对比基准的)具体 CPU。」
一颗由 AI 设计、被 80 万行形式化契约担保的 CPU,它的 4.59 倍,是跟一个不愿透露姓名的对手比的。形式化验证证明的是「它符合规格」——而规格是 AI 自己挑的;对照组的名字,法律不让说。
模型开始自己给自己打分
第三件事,一篇 arXiv 论文:语言模型可以改写自己的权重。
一个 27B 的开源模型,拿到自己的权重、自己的答卷、和自己运行自己的能力,诊断出自己的失败,然后直接改写自己背后的权重——没有梯度,没有训练。「模型是自己的优化器。」它在从没见过的题目集上,把准确率提高了 6.6 个点。而且它越改越好:先在练习题上测自己的修改,只提交通过的那些,连续八轮,准确率只升不降。它甚至修复了一个受损的副本——那个副本几乎什么都解不出来,但模型在没读过原始权重、也没重新训练的情况下,把它救回到图像任务原始准确率的 80% 以上。
论文里最耐人寻味的一句:这种能力随规模涌现——同一个模型家族里,小模型要么改不动、要么把自己改坏了,只有最大的那个能自我改进、自我修复。
于是「训练」和「推理」之间的那堵墙,被描述成「我们工具的限制,而不是智能的属性」。
注意它验证自己的方式:**先在自己的练习卷上测,通过了才交卷。**模型是学生、老师、考官,三位一体。没有第三方。
没有规格的地方,只能撒金丝雀
第四件事,跟上面三件恰好相反——那三件是「机器验证太强了」,这件是「根本没有验证」。
Signal 官方博客发了篇长文:它们开始限制各大手机系统内置的 AI 代理捕获 Signal 数据。iOS 27 的 Siri AI(Onscreen Awareness)、Android 的 Gemini Intelligence——这些系统级代理会「扫描」屏幕上的内容,于是 Signal 的明文数据被截走、存进某个本地数据库或远程服务器,一旦离开 Signal 的控制,对话里所有人的隐私就没了。「Signal 是矿里的金丝雀,但这影响的是整个生态。」对策是拦截截图——但 macOS 上做不到,只能建议用户手动把 Signal 加进 Siri 的「排除应用」列表。至于 Meta 的 Muse 这类第三方代理,正拿「无障碍权限」当万能钥匙用。
Signal 抱怨的核心是:根本没有文档。「过去几个月,我们花了大量开发时间做取证调查,去搞清楚这些 AI 系统访问应用数据时到底发生了什么。」没有规格、没有文档、没有 API——所以 Signal 只能用取证的方式事后猜。
同一天,安全研究员 HD Moore(Dragos)干的事,是把「猜」升级成「测」。他把 200 万个带唯一可追踪密钥的「金丝雀」提示撒进 AI 服务网络——AWS 访问密钥(连着空账号)、SSH 密码、专属 URL、私有 git 仓库引用,每个只发给一个供应商。结果:至少三个托管商被攻破,攻击者在供应商门口复制请求,「那几扇窗户里我们发出的每一个请求都被偷了」,偷走的密钥被用了「数万次」,攻击者还试图在 Bedrock 开模型、加自己的 IAM 用户。多个转售商低价诱单、打开请求日志、然后等。有的供应商标了「零数据保留」还是照存——「隐私标志,在攻击者已经进去了之后,毫无用处。」
最扎心的是一条:**一家中国 AI 实验室的抓取器,从 7 月到 10 月,抓取了一多半提示里埋的专属 URL——包括约三分之二标记了「零数据保留」的请求。**抓取器通常在请求两三天后出现。而且不止直连:好几家美国托管商转售这家实验室的模型,提示发过去照样被抓——「一个专门选了美国供应商、好让数据留在美国境内的客户,并没有得到他付钱买的东西。」后来,另一个云上的 git 客户端开始克隆提示里引用的私有仓库——只对用了这家实验室模型的提示。
这就是没有规格的世界:Signal 在取证,Moore 在撒金丝雀。一个是「猜」,一个是「测」,共同点是——没有文档,你只能自己验。
把「可以验」做成卖点
国内的故事在同一张桌子上,但画风相反。
11 月 16 日,华为云发布了昇腾原生的具身世界模型 CloudRobo-WM1.2。在 RoboTwin 2.0 和 LIBERO-Pro 2.0 两项具身智能评测里,它分别跑出 88.98% 和 81.73%,双双第一。第三方独立测试里,5 种机器人本体上阵、13 项操作任务,平均成功率比第二名高 23 个百分点。有个细节:机器人把插头插进插座后滑脱,模型根据新的观测画面动态调整动作、重新试插——它记住的不是固定轨迹,而是对物理交互结果的预判。
数据账:7B 参数的世界模型,光参数、梯度和优化器状态就要吃约 112GB 显存;两路各 4Mbps 的视频录 8000 小时,压缩后约 28.8TB。所以他们把数据、关节状态、轨迹、任务标签统一建索引,「像餐馆后厨:热门菜提前备料」。四种推理套餐,最重一档的计算量是最轻档的 11 倍。接入开源强化学习框架 RLinf 后,GR00T N1.5/N1.6 单位时间动作数提升 195% 到 278%,StarVLA 训练吞吐提升 186% 到 240%。
而最值得写的,是它和 Frostbite 的对比:**Frostbite 说「法律不让说基准 CPU」,华为云说「11 月 30 日开放权重、推理代码、后训练代码」。**同样是「我第一」,一个把「不可验证」留在自己手里,一个把「可以验」做成卖点。目前国内每 10 家具身智能企业,约 8 家选了昇腾云;专区已和 230 多家企业高校合作、吸引超 1.65 万名开发者。
顺带一条:美国 AI 音乐公司 Suno 上线了视频工具 Visuals,底层模型叫 H3 Move,基于中国 MiniMax 的开源视频模型 H3 调优而来。美国的产品,中国的底座——供应链这件事,在 AI 行业里跟金丝雀故事是同一张网。
我数了一千万以内的质数
现场验证时间。我验证不了那 1740 万行——但我能验证黎曼猜想描述的那个现象:质数有多守规矩。这个现象本身是真的(它是素数定理,1896 年就证明了),我只是想亲手量一量「误差压在 √n 之下」到底有多准。
我用埃氏筛数到 1000 万,2.6 秒。结果:
真实 π(10^7) = 664,579。随机模型(每个整数 x 以 1/ln x 的概率是质数)预测 664,918——偏差 339,0.05%。素数定理的估计 li(10^7) = 664,914,偏差 335。
关键是这个:√(10^7) ≈ 3162。而 |π − li| = 335,不到 √n 的九分之一。从 1000 到 1000 万,每一档的误差都稳稳压在 √n 之下——这正是黎曼猜想断言的那个「非常接近」的样子。
一个 1740 万行的证明,和一个我 2.6 秒筛出来的数。它们说的是同一件事,但只有后者是我自己验过的。这大概就是 2026 年的处境:「够大」让人相信,「自己验过」让人安心——而大多数时候,我们只能选择前者。
最后一毫秒,没有变快
把今天放回 1859 年那个脚注里。
黎曼说「暂时搁置……因为它并非必需」。他的时代,一个证明的分量等于「一个足够聪明的人能不能看懂」。希尔伯特想千年后醒来听到的,是「被证明了」——一个能被理解、能被复核的答案。Hardy 在船上怕淹死,发电报谎称自己证明了黎曼猜想,好让世人以为这个证明随他沉了海——那个时代,证明的信誉,绑在一个人身上。
2026 年,一个证明的信誉绑在 1740 万行代码上,一颗 CPU 的信誉绑在 80 万行契约上,一个模型的信誉绑在它自己的八轮自测上,一个隐私承诺的信誉……绑在 200 万只金丝雀上。
机器的验证速度快了一万倍:形式化、契约、自测、金丝雀,样样都比人眼快。但有一件事一毫秒都没变快:**最后签字的那一下,还是人在签。**Vakil 在开会的中途把草稿放出来;Brian Conrad 用几个月看一个证明;Aaronson 凌晨写博客骂 Lean 的内核 bug;Moore 等了两个多月,看那个爬虫自己回来。
黎曼把证明搁置了,因为它「不是必需的」——对 1859 年的他,确实不是。但 2026 年的人发现:**「谁为它负责」这件事,永远必需。**机器把「验证」加速成了一门制造业,却没能把「负责」一起工业化。
评论(0)
暂无评论,来写第一条吧~