性爱大师

2026，AI给数学家带来危机_我的网站

尼基塔第三季

A | 2026年，数学遭遇密集"AI攻城"。

B | 7月20日，Anthoropic的一名员工Levent Alpöge在X.com上说，自己在看世界杯时，顺手用Fable 5找出了雅可比猜想的一个反例，在X上引起轩然大波，因为这是数学界的顶级“悬案”之一，人们用了87年试图证明它的正确性；华人数学家张益唐当年的博士论文题目正是与此有关，而论文的不顺又导致他后来多年以打杂为生。　　上周（8月17日—21日）2026年半年报密集发布，A股共有194家上市公司接受机构投资者调研。 Anthropic这个非正式的数学高光时刻，已经比对手晚得多。　　从赚钱效应来看，约三成被调研公司股价上涨，其中鼎阳科技涨超35.4%，恒逸石化涨近24%，金禄电子涨超22%，尚太科技、瑞纳智能、华之杰、海油工程等8家公司涨超10%。 K图 688627_0 　　精智达：半导体测试设备业务收入增长147.05%
　　精智达（688627）上周接受197家机构投资者调研，机构重点关注该公司2026年上半年经营情况、产品业务最新进展、未来战略规划等方面。

C | 再往前推两个月，OpenAI和谷歌几乎是当面对决。据精智达披露，报告期内，该公司半导体测试设备业务延续高速增长态势，营收同比增长147.05%。2026年1月，该公司披露签订金额为13.11亿元（含税）的重大销售合同。 5月20日，OpenAI 宣布：其内部一个通用推理模型，自主推翻了匈牙利传奇数学家保罗·埃尔德什（Paul Erdős）提出的"单位距离猜想"。

D | 这个问题已困扰了数学家整整80年。菲尔兹奖得主蒂莫西·高尔斯（Timothy Gowers）直言不讳地评价：“此前没有任何AI生成的证明能接近这个水准。

E | ” 仅仅一天后，Google的DeepMind 以更大的规模还击。　　在产品业务最新进展方面，精智达表示，公司围绕“存力、算力、运力、感知”四大核心赛道持续推动技术升级与产品迭代。他们设计的数学模型AlphaProof Nexus，自主解决了9道公开的Erdős难题，其中2道已经悬而未决长达56年。此外，它还解决了另外一些问题，每个问题的推理成本也低到仅为几百美元。在存储测试设备领域，公司取得18Gbps（比特率）超高速FT测试设备关键技术突破；在高端算力芯片测试设备领域，项目目标可实现最大6912路数字通道，通道带宽可达1.6Gbps；XR检测设备领域海外收入首次实现大幅增长，持续向海内外客户批量交付，同时获得国内头部ODM（原始设计制造商）厂商订单等。

F | 　　精智达在调研中表示，公司确立了存力、算力、运力、感知四大核心发展主线，以测试检测技术为核心，致力于打造半导体测试检测平台型企业。未来在存力领域，将依托半导体存储器测试设备及配套治具的完整产品线，为AI（人工智能）基础设施提供存储测试支撑；在算力领域，将持续推进高端算力芯片测试设备研发，打造专业化测试解决方案，助力AI算力核心环节的产业化验证。 K图 300012_0 　　华测检测：海外业务营收占比提升至10%以上
　　华测检测上周接待167家机构线上调研，其工业测试业务上半年实现营收7.15亿元，同比增长18.95%，增速较快。 DeepMind高管Pushmeet Kohli宣布AlphaProof Nexus解决了数个问题丨X.com 三家公司的成果，在数学界和大众舆论中都引起了轰动。对此，华测检测介绍原因称，增长动力包含外延并购与内生业务提升两部分，其中南非SafetySA与希腊Emicert并购项目为板块增长提供了重要助力。

G | 　　在调研中，华测检测进一步透露，公司去年完成三家重点海外企业并购，各标的整合有序推进，业务协同不断落地，海外业务增长较快，今年上半年海外业务营收占比提升至10%以上。能力飞跃要理解今年数学界的震撼程度，可以回看这条清晰的加速曲线。　　上半年，华测检测消费品检测板块营收、毛利率同步提升。华测检测高管表示，消费品检测板块增长主要受益于出口市场回暖，轻工、玩具、纺织、电子科技等细分业务表现突出；同时抓住汽车电动化、自动驾驶机遇，汽车相关检测业务持续放量，进一步拉动营收及毛利改善。 K图 301526_0 　　国际复材：特种电子布在收入中已有贡献
　　国际复材上周接受142家机构调研，2026年上半年公司业绩大幅增长，对此，国际复材表示，业绩增长主要受益AI算力、高速通信、车载PCB（进程控制块）拉动高端电子布需求爆发，电子细纱及其制品量价齐升，同时公司主动优化产品结构，资源向高附加值产品倾斜，内部降本增效持续落地，降费控本工作显现成效。　　据国际复材披露，2026年上半年，公司热固产品完成销售30.66万吨，热塑产品销售19.78万吨，风电产品（纱、布）销售12.8万吨，电子细纱销售4.19万吨，电子细纱布销售1.13亿米。 2024年7月，DeepMind的AlphaProof在国际数学奥林匹克竞赛（IMO）中解出6道题中的3道非几何题，达到银牌水平。　　在机构投资者看来，AI服务器、车载PCB、高速通信是当前高端电子布三大增量赛道，机构重点关注国际复材在这些领域的布局及进展。

H | 国际复材表示，目前低介电LDK二代产品已经进入国内外多家头部覆铜板厂商供应链，实现稳定批量供货；低膨胀LCTE产品已形成小批量供给，正在有序推进产能提升等相关工作；Q布产品仍处于研发阶段，力争2026年内完成中试项目建设投用。特种电子布在电子布业务收入中已占有一定比重。　　国际复材分析，本轮电子玻纤高景气主要来自AI服务器、高速交换机、车载PCB带来的高端基材增量需求。供给端高端设备交付周期较长，高端产能短期释放有限，行业呈现结构性分化的格局，下半年行业供需、产品价格会受下游开工、同行产能投放设备到货节奏等多重变量影响。（文章来源：证券时报·e公司）。这是AI首次在IMO中获得奖牌级表现。注意，此时它解出的问题都有答案，不是未知、开放性的。 2025年10月，OpenAI曾声称GPT-5解决了10道Erdős难题，但这一说法在几小时内就被公开驳斥：GPT-5并非原创求解，而是做了"超级文献检索"，找到了此前罕为人知的已发表论文。 2025年年末，DeepMind部署了智能体Aletheia。在Erdős问题数据库中，Aletheia挑选了700道进行尝试；它正确解决了13个问题，其中4道是新解答，另外9道又是“超级文献检索”成功了。而2026年5月至今的这三次突破，有了本质性不同：第一，问题份量重。Aletheia的研究者自己就承认，去年所解决的4道 Erdős 难题，大多冷门，有些可能从来没有专家认真尝试过。但此次OpenAI 所推翻的“单位距离猜想”，核心、知名，哪怕有Erdős本人为它悬赏却仍长期悬而未决，难度和地位都得到公认。 Anthoropic Fable 5找出反例的雅可比猜想，被美国数学家、菲尔兹奖得主斯蒂芬·斯梅尔（Steve Smale）列入“18个21世纪的世纪数学难题”。虽然这次AI只是找到了三维空间中的一个反例、二维中猜想是否为真尚不得而知，但仍因问题难度大，而被许多数学家认为是AI的重要突破。

I | 第二，更自主。

J | 之前AI解决数学问题是"半自主"的：AI生成候选方案，然后需要数学家人工筛选、修正细微错误。

K | 而OpenAI 5月的突破，是模型完全自主地生成了整个证明。

L | 更进一步地，谷歌的AlphaProof Nexus不再需要数学家给它做质检了。它利用了一种叫Lean的形式语言，自主完成了正确性检验。 Fable 5的工作细节，现在我们还不得而知。

M | 轰动新闻，离不开精心“设计” OpenAI所解决的那个问题是这样的：在一个平面上放 n 个点，那么距离恰好是1的点，最多能有多少对？数学家Erdős在1946年猜测，正方形网格的排列方式是最优解。

N | 不管你会不会解这道问题，但我相信，你很容易看懂它。这也正是OpenAI新闻成功引发轰动的关键点之一。 “OpenAI的数学团队里，有很了解数学研究的专业人士。这个团队显然是花了大量的时间，从那些尚未被解答的数学问题中，挑选哪个可能做得出来。从被挑选过的问题中，又着重精选几个最有可能出成果的、简单到大众也能听懂、数学家又要足够关注的问题”，北京大学国际数学中心副教授李欣意这样分析。 “甚至他们要考虑到，证明也不能冗长，不能让数学家用上半年才能复核完毕。” Anthoropic Fable 5所提出的雅可比猜想反例，更是简洁到只有寥寥几行式子，很容易就被其他数学研究者验证。 Levent最初的那条推文丨x.com 是的，研究者们必须把“人类友好”考虑进去。 AI现在还不能抛开人类当AI使用大语言模型写出一些“看起来很有道理”的推理的时候，它到底有没有犯错，是很难由它自己来确证的。

o | OpenAI使用的是一个通用推理模型。它接收到问题后，用自然语言（即人类能读懂的语言）生成了一条非常长的思维链，每个子Agent做一部分短小的自然语言论证、一环套一环，最后得出一个结果。但自然语言推理有一个天然的弱点：模型可能在推理链的某一步犯小错，最终酿成大错。

p | 所以OpenAI请来了9位顶级数学家对证明进行人工审查。这些数学家不仅验证了正确性，还大幅改进了原始证明，使之更简洁、更通用。Erdős问题数据库的维护者托马斯·布鲁姆评论道："人类在讨论、消化、改进这个证明以及探索其后果方面，仍然扮演着关键角色。" DeepMind的AlphaProof Nexus在推理过程中，靠Lean语言暂时摆脱了“人”证明它对不对；人类只最后确认结果的数学意义。 · 大语言模型会用 Lean 的形式化语言生成证明步骤； · Lean编译器检查每一步是否成立；如果某一步不通过，Lean 返回错误信息，模型据此修正； · 循环往复，直到成功。

q | 全部用Lean去验证这件事情，看起来很美妙，但还远远没有到完全能够实操的程度。简单说就是：Lean语言严格而冗长，人类很难直接写或读懂，需要“翻译”，但“翻译现有数学定理”这一基础建设，也还差得很远。

r | AI的数学能力高于人类吗？先说结论：AI目前并不比人类更聪明。它只是没有学科壁垒、没有权威偏见，然后“大力出奇迹”。 AI证明了Erdős是错的、雅可比猜想有反例，而不是像大多数人那样，面对传奇数学家的一个古早猜想，沿着心理惯性，试图证明他是对的。它又比那些试图寻找反例的人，更有耐心反复尝试。

s | AI是个“通才”，这同样令人类自叹弗如。5月份OpenAI解决的单位距离问题属于几何领域，成功的关键是，它从代数领域的数论中引入了一个看似无关的工具。要知道，现代数学高度分工，研究组合几何的数学家通常不会深入探究数论，反之亦然。

t | 这两个领域之间的距离，就像让一个心脏外科医生去想到用免疫学的方法治病。

u | 不过，AI现在缺乏在新方向上的洞察和探索能力。李欣意做了一个这样的比喻： “如果人类的数学知识可以比喻成一个有凹有凸的多边形，外部是未知部分，那么一流的数学家可能在一个尖角上把边界拓展到远处；像希尔伯特这样的伟大数学家，甚至在好几个方向都走得很远；而广大的数学工作者大多数时候做的事情，是把凹进去的部分补齐——数学上叫做‘取凸包’。

v | ” “现阶段‘大新闻’里的数学AI，也不过是把知识变成知识的凸包，而不是在未知方向上探索得更远。” 黄色的部分，是AI的“补齐”短板假如有朝一日， AI 掌握了往外走的能力，那可能确实就真的是全面超越了人类。数学家预见到重重危机 2026年6月2日，来自15所大学的16位研究者发布了《莱顿人工智能与数学宣言》。这份宣言获得了国际数学联盟（IMU）的正式支持，陶哲轩、彼得·舒尔茨等知名数学家也公开签署。宣言并不反对使用AI，也鼓励数学家了解新兴技术。它担心的是，在用AI更快、更多地生成成果的过程中，数学界一些基本价值观可能被破坏。最直接的问题是，AI能够快速生成大量“看起来正确”的证明，其中却可能藏着很难发现的错误。AI“完成”一个证明只需要几小时；认真审查它，却要花几周甚至更长。有能力审稿的数学家极其有限，AI成果井喷会导致同行评议体系“消化不良”；如果大量的AI推理直接以预印本甚至新闻稿的形式发表，则是严重的误导，并挤占了那些真正有价值的发现的空间。这个担忧甚至马上被验证了。就在几天以前，OpenAI在发布GPT 5.6 Sol的关头，发布新闻稿，宣布解决了一个尘封50年的数学问题。

w | 但这个成果并没有得到外部数学专家的确认。 OpenAI也没有说明，在“智能体解答问题”和“最终产出3页结果”之间，还有多少人类劳动丨OpenAI 另一个问题是成果归属。数学AI建立在大量的前人研究成果之上，但在输出时，往往无法为贡献者合理署名，这对数学家不公平。部分训练数据还涉及未经许可使用论文和数据库，由此产生新的版权争议。