0909 | 数学危机、扩散模型与 AI 社会冲击波

茉莉: 大家好，欢迎收听本期节目，我是茉莉。

白桦: 我是白桦。这一期我们想把最近这二十四小时里大家讨论得最热闹的几件事放在一起聊，而且不只聊事件本身，还要聊聊围绕这些事件，人们到底在争论什么、同意什么、反对什么。

茉莉: 对，因为你会发现，有些故事表面上是两条独立的新闻，实际上背后是同一个问题。比如今天有一场围绕纳维-斯托克斯方程的争夺战，表面看是一个数学结果，往下挖全是优先权、伦理和人工智能时代数学该怎么做的争论。

白桦: 那我们就从这儿开始吧，这可能是今天最有火药味的一条。

茉莉: 先把事情本身说清楚。OpenAI 宣布了一个形式化证明，用 Lean 把纳维-斯托克斯方程的存在性与光滑性问题解决了。熟悉千禧年大奖难题的朋友知道，这是悬了二十多年的七大难题之一，如果严格意义上成立，那是一百万美元奖金级别的成果。

白桦: 但问题就出在“宣布”这两个字上。一位 NYU 的数学家公开指控 OpenAI 行为激进，说他自己的证明被对方抢了先。紧接着还有更戏剧化的：Buckmaster 和 Alpöge 直接宣布了一个反例。

茉莉: 这就是最让人困惑的地方。同一批人，一边说有证明，一边说有反例，这在数学上怎么可能同时成立？

白桦: 所以讨论区里大家最想弄明白的就是这一点。反例和证明怎么并存？有人提出的解读是，两边可能对问题的设定理解不一样，纳维-斯托克斯的存在性与光滑性问的是解在所有时间内是否保持光滑，如果一方构造的是某个场景下解失去光滑性的例子，而另一方证明的是不同初始条件下解一直光滑，那两边在各自的意义上可能都没错，但谁是“官方意义上的解决”，就得等学界逐行审完那几万行 Lean 代码才能裁断。

茉莉: 而且优先权的争议还更微妙。Buckmaster 和 Alpöge 不只是说对方抢先，他们还指控 OpenAI 抢发了平行的成果，并且争议的焦点之一是聊天记录的使用，也就是怀疑自己的对话内容被用来加速了对方的工作。

白桦: 这一点引发了很多人的不安。评论里有两种声音，一种认为在数学这种历来靠论文和研讨慢慢推进的领域，企业实验室用算力加速、然后抢先开发布会，是在破坏这个领域的规范；另一种则觉得数学界自己也有问题，明知有竞争者还在磨蹭，被抢了也不能全怪别人。但要注意，支持第二种说法的人自己也承认，聊天记录如果真的被拿去用了，那就完全越过线了，这不是速度问题，是边界问题。

茉莉: Terence Tao 在这场讨论里提供了一个更宏观的视角，我觉得特别值得说。他的提醒是：好的开放数学问题正在被 AI 以一种不可再生的方式“采空”。

白桦: 这个 mining 的比喻很精准。矿挖完就没了，经典难题就是数学界的矿藏，一旦被 AI 辅助的团队快速解决，下一代数学家就没有那些可以用来磨练、成长、建立声誉和推进理论的标杆问题了。

茉莉: 有人接着这个思路往下想：以前一个博士生的培养，可能就围绕一个著名的开放问题，攻五年十年，过程里产生的技术工具往往会外溢到别的领域。如果这些问题被大公司在几个月内扫掉，那个培养机制就断了。

白桦: 当然也有反对的声音说，问题没那么多也没那么容易，真正的难题还剩一大堆，采空论为时过早。但即便持这种观点的人也同意一件事：优先权争议这次闹这么大，恰恰说明采掘的速度确实变了，否则不会有人急着开发布会。

茉莉: 好，那我们从数学的竞速，转到另一个维度的竞速，模型和硬件。

白桦: 说到速度，Inception 的 Mercury 2.5 是今天最抓眼球的一个。它是一个扩散式的语言模型，也就是说它生成文本的方式跟传统自回归模型不一样，传统的是一个 token 一个 token 往外蹦，它是并行地去“修”一段文本。效果是每秒 1107 个 token，上下文窗口 260K，而且比上一代 Mercury 2 聪明了百分之四十。

茉莉: 这个 1107 的数字，大家普遍的 reaction 是先怀疑，觉得是不是把某种批量吞吐算进去了。但讨论里用它的人说，体感上确实不一样，尤其是那种“答案蹦出来之前你不用盯着光标发呆”的感觉。当然也有谨慎的评论说，扩散式模型的生成质量跟自回归的评测方式不完全可比，40% 的聪明提升具体怎么测的，得看细节。

白桦: 跟这个极端的速度对比，另一个极端是 Kimi K3。这是一个 2.78 万亿参数的混合专家模型，有人让它在 MacBook M5 Max 上跑，靠四块 SSD 实时流式加载专家权重，结果是每秒大约一个 token。

茉莉: 一秒一个 token，等于读出来的速度比人打字还慢。

白桦: 但讨论里很多人反而对这条帖子表达了敬意，因为重点不是快，而是“能跑”。2.78T 参数的模型，任何单机的显存和内存都不可能装下，靠 SSD 流式地把每次激活的那一小部分专家权重搬进来，这是一个工程上的巧思，证明了硬件瓶颈是可以用架构特性绕的，MoE 每次只用一小部分专家，恰好给了这种做法空间。

茉莉: 实用性上当然两说。有人算账说这种速度只能用来做一次性问答，干不了实际活。但也有人反驳说，这帖子演示的是可能性边界，就像当年有人往小块内存里塞大模型一样，边界本身是有信息量的。

白桦: 那速度和体积之外，还有第三个维度：量化。有人跑了一套 Qwen3.8 27B 的量化基准，结论很有意思——Q4 量化基本跟 BF16 原精度持平，但压到 1-bit 的版本在 GPQA 上直接崩到了随机水平。

茉莉: 这个对比特别有讨论价值。大家基本的共识是：4-bit 是性价比甜点，几乎白拿的省内存，质量没掉。但 1-bit 的崩溃幅度让一些人对近年某些极端低比特方案的宣传持怀疑态度，认为在推理和知识密集的任务上，1-bit 的信息量就是不够，不是优化能救回来的。也有人补充说，不同量化方法差异很大，1-bit 的具体实现路线不同，结果可能完全不同，所以不能一刀切地否定整个方向。

白桦: 顺便还有一条相关的：ChatGPT Images 2.5 发布了，改进在编辑精度、多轮对话里的图像一致性，延迟最多降了百分之五十。这条相对没什么争议，用的人反馈多是编辑可控性确实好了，多轮改图不再越改越偏。它跟前面那几条放在一起看，其实就是同一件事的不同侧面，能力在涨，延迟在降，关键变成这些能力要以什么成本、什么精度落到用户手里。

茉莉: 而说到成本，就绕不开钱。Mistral 这周官宣了 D 轮融资，三十亿欧元，估值超过二百一十亿，这是欧洲有史以来最大的一轮，三星领投，方向是开放权重的欧洲主权 AI。

白桦: 三十亿欧这是什么概念？讨论里有人直接拿它跟开源路线的可行性挂钩，认为这笔钱给了“开放权重也能撑起巨头级投入”这个论点一次真正的检验机会。之前一个流行的怀疑是：开源模型靠什么支撑这种烧钱速度？Mistral 的答案是欧洲主权这个政治和商业叙事加三星这样的战略投资人。

茉莉: 但同周还有另一条帖子，把完全相反的一面摆了出来。有作者写了一篇警告性的文章，说全球安全的窗口期只剩大约一年了。论据是 GLM 5.3-flash 这种开放模型又便宜又容易拿到，任何人都能用它把攻击规模化执行。

白桦: 这两条放一起，评论区的争论就很自然了。一派说，Mistral 拿三十亿做开放权重，同一周有人警告开放模型让攻击平民化，这本身就是开源与安全矛盾的最佳注脚，开放是双刃剑，能力和扩散速度都到了需要认真对待的节点。另一派则反驳说，能力和攻击工具之间有巨大鸿沟，能跑模型不等于能执行攻击，警告文章有夸大的成分；还有一派走中间路线，承认风险是真的，但认为解决之道是防御端的普及和安全研究的加速，而不是限制开放。

茉莉: 我觉得比较诚实的总结是：这一节没有结论。三十亿的融资和一年的窗口期警告同时成立，本身说明行业对“开放到什么程度”还没有任何共识。这个问题估计会贯穿接下来一整年。

白桦: 好，我们从钱和安全，转到一个更根本的问题：AI 对科学和社会本身意味着什么。先说一个挺扎心的研究发现：大型语言模型会在虚构的人口群体上产生全新的社会偏见，即便这些人造群体之间没有任何内在差异。

茉莉: 这个实验设计的巧妙之处就在这儿。现实世界里，模型学到的偏见可以追溯 to 训练数据里人类社会的真实偏见。但如果研究者人为构造一群虚构的人，明确告诉模型他们之间没有任何差异，模型还是会自己“发明”出偏见，把某些属性归到某个群体上。

白桦: 讨论里大家对这个结果的解读有分歧。一种认为是模型有泛化“分组—归因”的归纳倾向，这是从人类语言里学来的思维模式本身，数据干净也挡不住；另一种则认为这说明评测方式有问题，模型可能只是在配合任务设定。但两种解读的人有一点一致：这说明偏见问题不会随着数据清洗自动消失，它可能是这些系统的内在性质。这对用 LLM 做社会科学研究的人来说是实打实的警告。

茉莉: 从偏见的阴影转到光的一面。DeepMind 发布了 AlphaGenome Atlas，它能预测人类基因组里九十亿个单核苷酸变异的分子效应，配套的是一个 1PB 的数据集，每个变异带 AVI 分数。

白桦: 为什么这事大？因为人类基因组里任何位置换一个字母，可能有完全无害，也可能致命，以前想知道某一个变异的影响，要么靠实验，要么靠小范围的计算预测。九十亿这个数字基本上覆盖了所有可能的单碱基变化，一次性打分。评论里做基因组学的人比较兴奋，说这相当于把“查字典”变成了“每页都写好了注释”，对解读病人测序结果里的意义不明变异特别有用。

茉莉: 也有冷静的声音提醒，预测的分子效应和真实的临床后果之间还有距离，分数高不等于致病，临床使用必须验证。但没人否认这是把整个搜索空间算完的思路，以前是查一个算一个，现在是全量预计算。

白桦: 类似的“用计算预判现实”还有一条：AlphaGeo 给七十二座特大城市做了气候韧性排名，芝加哥排在表现最好的行列里。

茉莉: 这条相对小，但跟基因组那条放一起有个共同点，都是拿模型去大规模地给现实世界的实体打分，一个给变异打分，一个给城市打分。方法论上的疑问也相似，评分模型的可信度、权重怎么定，都还是开放问题。

白桦: 那这一节还有一个有意思的对照项：LibreOffice 26.8 周下载量突破了一百万，而它刚刚明确宣布，出于隐私理由不会内置生成式 AI。

茉莉: 这在今天的语境下几乎是逆行的。但评论区叫好声不少，有人就说，当你从前面那些故事一路看下来，模型有内在偏见、公司有优先权争议、个人数据没人敢信，一个明确说“我们不加 AI”的办公软件，反而成了一种产品定位。

白桦: 当然也有人唱反调，说拒绝 AI 是放弃竞争力，用户迟早会用脚投票。但反驳者指出，一百万周下载这个数字就摆在那儿，至少现阶段，隐私本身就是竞争力。这一节的主线其实可以这么总结：AI 既是科学引擎，也是需要被审视的偏见和信任来源，而用户开始用选择表达立场了。

茉莉: 说到信任和选择，我们就顺势进入下一个话题，这一节的主题词是：监控。先说 Meta，他们推出了一个个人 AI 助手，叫 Muse。

白桦: 评论区的第一反应几乎是一边倒的怀疑，核心问题就是那句：你愿意把你的个人数据交给 Meta 吗？一个商业模式建立在数据广告上的公司做你的私人助理，这个信任基础本身就被很多人质疑。

茉莉: 而且这个怀疑不只在评论区。警方那边有真实的担忧，他们怕 Meta 的智能眼镜可以被用来秘密录制执法人员，甚至录进拘留场所内部。

白桦: 这个角度很微妙。评论里有人指出这是个双刃武器的问题：眼镜可能被普通人用来拍警察，也可能反过来被有恶意的人用来踩点。而更大的一层讨论是，设备小型化加常驻录制，让“什么场合可以拍、拍下来给谁”这个问题彻底没有现成答案了。

茉莉: 从消费级监控，跳到政府级的。404 Media 做了一次揭露：边境巡逻队有叫 PITT 的单位，在分析美国人的金融数据，并且在没有具体事由的情况下协调逮捕行动。

白桦: 这条的评论情绪明显更重。大家讨论的焦点是：金融数据本来是为了反洗钱、反恐怖融资的监管目的收集的，现在被用于针对普通人的行动，而且“没有具体事由”这一点最让人不安，它意味着数据分析本身在制造怀疑，而不是验证怀疑。

茉莉: 有人把这条跟 Meta 那两条连起来看，说这其实是同一个生态的两端：公司收集数据，政府想用数据，中间没有任何一方在真正为普通人把关。

白桦: 而在政府和企业之外，还有第三种操控：伪造民意。Paramount 被揭露用了一个叫 "Neighbors for Strong Communities" 的组织，实际上是个 astroturf，也就是人造草根，用来假装他们的合并案有民间支持。

茉莉: 这事儿技术上一点都不高级，一个注册的组织名，一批看起来像本地居民的支持声音。但讨论里有人指出它的危害恰恰在于低成本，操纵公共意见现在便宜到任何一家公司都做得起，而且被抓到的概率不高。

白桦: 那普通人怎么办？澳大利亚给了一个立法层面的回应。他们 proposed 一部法律，叫 "My Feed, My Way"，十六岁以上的用户可以选择切换到纯按时间排序的信息流，完全不带算法推荐内容。

茉莉: 这个思路在评论里引发的争论很典型。支持者认为这是把选择权还给用户，算法推荐不该是默认且不可退出的；反对者则认为大多数人根本不会去用这个选项，立法等于没解决实际问题，而且“无算法”的时间线未必是更好的体验。中间派提出，重点可能不在结果，而在确立一个原则：默认设置不等于用户同意。

白桦: 把这一节串起来看，从 Muse 的信任问题、智能眼镜、金融数据监控、人造草根，到澳大利亚的立法尝试，其实全是一条拉锯线：数据、监控和算法规制之间的博弈，每一方都还在试探边界。

茉莉: 那接下来我们聊点更靠近干活的人的：开发者工具和代理工作流。这一节有几个东西我觉得听众里写代码的朋友会直接想拿去用。

白桦: 先说一个很小的但很聪明的：有人做了一个叫 "i-have-adhd" 的 skill，就十条规则，强制编码代理输出行动优先、编号式的回复。

茉莉: 这个的出发点我很能共情。现在编码代理的默认输出经常是一大段解释，先铺垫半天再给你结论，或者一次性倒一堆没排序的信息。这个 skill 用十条规则直接改变输出结构：先说做什么，再编号列出来。评论区里不少人试了以后说，这不是可有可无的格式偏好，对于注意力管理困难的人来说，输出结构直接决定能不能用这个工具。

白桦: 当然也有人说，这类规则本质上是 prompt 工程的手工活，每个用户的需求不同，十条规则对别人可能是噪音。但赞成派反驳说，默认体验就应该对更多人友好，想做定制的自己去改就是了。

茉莉: 从输出格式转到理解模型内部。有人做了一个网页可视化工具，把 LLM 的注意力画出来，按 value 向量和 QK 的大小给每个 token 设置不透明度。

白桦: 这个工具的价值在于它把以前只在论文图里见的东西变成了可以随手玩的东西。你贴一段文字，就能看到模型在读到某个词的时候，前面哪些 token 的注意力权重高。讨论里有人用它来调试为什么模型会忽略 prompt 里的某个指令，一看可视化，那个位置的注意力几乎是黑的，原因一目了然。也有人提醒，注意力权重不等于因果解释，别过度解读。

茉莉: 然后是一个更野心勃勃的项目：Copperhead，一个开源的 AI 代理，直接在 KiCad 里设计 PCB。它的做法是八个阶段，每个阶段都配验证门控，用 ERC 和 DRC 这类电气规则和设计规则检查，而且每通过一个阶段才做一次 commit。

白桦: 这个项目的结构值得多说两句，因为它是把软件工程里的“验证门控”搬到了硬件设计上。传统 AI 代理跑长任务最大的问题是中间错了不知道，一路错到底。Copperhead 的答案是：每个阶段结束都让确定性工具检查一遍，过不了就不过，过了才 commit。评论里做硬件的人对此评价挺高，说 ERC 和 DRC 本来就是现成的客观验证器，正好拿来当代理的护栏，这个组合比很多纯文本反馈的代理工作流靠谱。

茉莉: 也有人说八阶段流程对简单电路是杀鸡用牛刀，但支持者认为关键是这个范式可以复制，任何有客观验证器的领域，从硬件到数据库迁移到编译器，都可以套同样的门控结构。

白桦: 最后一个创意工具：DaVinci Resolve 21.1 加入了 AI 助手集成，支持 Claude、Codex 这些，可以用自然语言让助手分析项目、整理媒体素材、执行渲染。

茉莉: 视频剪辑软件接编码助手，这个组合初听有点怪，但想想逻辑是通的，现代剪辑工程里大量是机械性的整理工作：素材分类、重命名、批量渲染，这些恰恰是代理擅长的。评论区的讨论主要集中在边界上：创意决策不能外包，但周边的机械劳动可以让代理干。也有人对把工程文件交给 AI 操作的安全性提出疑问，建议先在副本上试。

白桦: 好，聊完干活的，我们进入最后一部分，今天的一些杂闻。虽然叫杂闻，但每一条都有可聊的地方。

茉莉: 先来两个动手达人的项目。第一个：有个创作者把一个 Xteink X3 电纸书，用 penguin 改造成了 macOS 下的真正 IPP 打印机，而且不用装任何驱动。

白桦: 这条的乐趣在于它完全是反直觉的，电纸书是拿来看书的，谁会想到让它当打印机？但 IPP 是个标准协议，macOS 原生支持，只要设备端能讲 IPP，系统那边就自动把它当成网络打印机。评论区一片“为什么我没想到”，也有人说这类项目最大的价值是提醒大家：很多“不可能”只是没人试过。

茉莉: 第二个复古项目：ZX Spectrum 上的 1-bit 声音实验。有人用那台机器原装的 beeper，就是只能发一种方波的小喇叭，实现了 PCM、PWM，还有多声道的和弦。

白桦: 这个在技术圈引发的怀旧加敬意很多。beeper 硬件上没有任何多声道能力，所有“和弦”都是靠精确定时的软件技巧骗过耳朵的。有人感慨，这才是当年程序员的浪漫：硬件给你一条路，你走出十条。

茉莉: 来一条冷知识：基督教里有两位圣人叫 Barlaam 和 Josaphat，他们的故事，追根溯源，居然来自佛陀。

白桦: 这个流变过程本身就是个语言学的奇迹：佛陀的故事沿着翻译链条一路西传，名字在希腊语里变成 Ioasaph，拉丁语里变成 Josaphat，最后进了基督教的圣徒名录，两位“圣人”被供奉了几个世纪，而他们的原型是佛教的创始人。评论区公认这是翻译链里最漂亮的案例之一。

茉莉: 跟翻译链有关，但更程序员一点的：有人写了一篇文章，盘点 HTML 里那些过时的写法。X-UA-Compatible、IE 的条件注释、meta ICBM，都是当年浏览器战争留下的遗物。

白桦: 这条帖子的评论区基本变成了考古现场。年轻一点的开发者在问“这东西是干嘛的”，老开发者则在补历史课：X-UA-Compatible 是为了让 IE 用最新渲染引擎；条件注释是 IE 独有的语法，只在 IE 里生效，当年专门用来给它打补丁；meta ICBM 更早，是给 GeoURL 之类服务标经纬度用的，名字还来自洲际弹道导弹的缩写，颇有点极客幽默。有人总结说，这些遗物每一件背后都是一场具体的浏览器战争。

茉莉: 最后是三条生态和基建类的。第一，近九成使用 CDN 的欧洲企业依赖 Cloudflare，主要被点名的替代是 Bunny.net。

白桦: 这条帖子的讨论核心是单点依赖的风险。很多人引用的就是这个集中度本身：将近九成，意味着 Cloudflare 出一次大故障，欧洲互联网的相当一部分跟着抖。有人分享自己迁移到 Bunny.net 的经验，说小站迁移成本低，大站就是另一回事了。

茉莉: 第二，FreeBSD 14.5-RELEASE 发布，这是 stable/14 分支的第六个版本，定位就是维护性更新。

白桦: 没有惊喜但也不需要惊喜，评论里的共识是这种可预测的节奏正是 FreeBSD 生态的稳定器，运行关键基础设施的人要的就是“不会有意外”这几个字。

茉莉: 第三条就是纯粹的当心了：英国的 NATS 航班处理系统出了故障，导致数百个航班被取消。

白桦: 这条和 Cloudflare 那条其实是同一枚硬币的两面：全球的关键系统，无论是空管还是内容分发，都建在少数几个中心化的软件系统上。平时效率极高，坏的时候没有降级方案。有人在评论区建议，任何依赖单一系统的运营方都该问自己：它挂的那一天，我的 Plan B 是什么？

茉莉: 好，今天的节目就到这儿。我们聊了一数学界围绕纳维-斯托克斯的优先权大战，二模型的速度与量化取舍，三十亿融资和安全窗口期的矛盾，四 AI 在科学与社会中的双重角色，五监控与算法的拉锯，六开发者的新工具，七还有那些电纸书打印机们。

白桦: 如果本期让你想通了或者想反驳了什么，欢迎来找我们聊。我是白桦。

茉莉: 我是茉莉，我们下期见。