即刻App年轻人的同好社区
下载
智谱AI烧光700亿，又狂砸50亿，唐老师真正赌的到底是什么？
我是杜雨，带你看懂AI赛道的钱和事儿。
就在这两天谷歌DeepMind跑通RSI的传闻已经刷屏朋友圈了，对这个话题感兴趣的朋友可以刷刷我昨天发的视频。
而且RSI这股风已经从硅谷吹到了海淀了！
港股大模型第一股智谱直接顺势放出消息：总额50亿美元的融资正式落地。
今天咱们一起盘一盘这个事儿背后的底层逻辑。
先来看看这笔钱要怎么用？
这笔钱的60%，全砸向一个核心方向——下一代GLM-6基础模型和“完全自训练”体系，也就RSI，递归式自我改进。剩下15%用来做战略投资和并购，25%补充营运资金。
我在昨天的视频里说了，所谓的RSI，就是让AI自己“生”自己。以前训大模型，得人类满世界找数据、人工标注、搭测试环境、调算力系统，既费钱又容易卡脖子。RSI就是搭一个闭环：上一代模型自己生成高质量训练数据、自己搭建任务环境、甚至自己优化跑模型的算力内核和调度系统，然后用这套东西训练下一代模型。一代一代自我迭代，越训成本越低，能力反而越强。
我之前在《AI for Science：人工智能驱动科学创新》这本书里就写过，大模型的下一个真正拐点，一定是自我迭代的闭环。为什么现在全球顶尖玩家都在卷这个？因为高端芯片的供给说卡就卡，光靠堆算力堆不出永久优势。谁先跑通RSI，谁就能用算法密度对冲硬件约束，训练数据的边际成本会持续下降，模型能力却能指数级往上走，这一升一降的剪刀差，就是未来最宽的护城河。
再说说这笔融资有趣的地方，50亿拆成了两部分：20亿美元股票配售，30亿美元零息可转债。可转债零息也就算了，转股价居然比配售价还高25%，这是来做慈善的吗？
其实这是非常老练的资本设计。对智谱来说，20亿配售先稳稳落袋，马上就能用来锁算力、扩团队，一分不耽误；30亿可转债在账上不算股权，暂时不会稀释老股东股份，等未来股价涨过转股价再自动转股，相当于用未来的增长预期，换当下的足额现金。
对投资方来说，放弃利息本质上是用这点成本，换了一张智谱的长期看涨期权。
毕竟智谱的数据还是很亮眼的：今年上半年收入9亿多，同比翻了4倍；API收入更是暴增近30倍，截至8月底年度经常性收入已经冲到16亿美元。这种增长斜率，资本愿意赌一把长期价值，双方利益直接绑定到了长期做大上。
不过智谱今年1月才上市，这都第三轮融资了，AI烧钱也太快了！
咱们算笔账：IPO募的49亿港元，到6月底就花了93%；7月刚融的314亿，一个多月就用掉了三分之一。AI这行确实是重资产长跑。毕竟铺算力不是点外卖随叫随到的，芯片、机房、电力全得提前半年一年锁定，你晚下单三个月，可能就掉队一个模型世代。所以行业有个潜规则，就是账上必须留够18个月的现金，融资能力本身，就是核心竞争力的一部分。
放眼全球，谷歌DeepMind、OpenAI现在全在all in RSI。说明整个AI赛道的赛点已经变了——比的是谁能先让模型实现自我进化。智谱这50亿砸下去，就是直接把筹码已经押在了下半场的牌桌上了。
我是杜雨，带你看懂AI赛道的钱和事儿。
就在这两天谷歌DeepMind跑通RSI的传闻已经刷屏朋友圈了，对这个话题感兴趣的朋友可以刷刷我昨天发的视频。
而且RSI这股风已经从硅谷吹到了海淀了！
港股大模型第一股智谱直接顺势放出消息：总额50亿美元的融资正式落地。
今天咱们一起盘一盘这个事儿背后的底层逻辑。
先来看看这笔钱要怎么用？
这笔钱的60%，全砸向一个核心方向——下一代GLM-6基础模型和“完全自训练”体系，也就RSI，递归式自我改进。剩下15%用来做战略投资和并购，25%补充营运资金。
我在昨天的视频里说了，所谓的RSI，就是让AI自己“生”自己。以前训大模型，得人类满世界找数据、人工标注、搭测试环境、调算力系统，既费钱又容易卡脖子。RSI就是搭一个闭环：上一代模型自己生成高质量训练数据、自己搭建任务环境、甚至自己优化跑模型的算力内核和调度系统，然后用这套东西训练下一代模型。一代一代自我迭代，越训成本越低，能力反而越强。
我之前在《AI for Science：人工智能驱动科学创新》这本书里就写过，大模型的下一个真正拐点，一定是自我迭代的闭环。为什么现在全球顶尖玩家都在卷这个？因为高端芯片的供给说卡就卡，光靠堆算力堆不出永久优势。谁先跑通RSI，谁就能用算法密度对冲硬件约束，训练数据的边际成本会持续下降，模型能力却能指数级往上走，这一升一降的剪刀差，就是未来最宽的护城河。
再说说这笔融资有趣的地方，50亿拆成了两部分：20亿美元股票配售，30亿美元零息可转债。可转债零息也就算了，转股价居然比配售价还高25%，这是来做慈善的吗？
其实这是非常老练的资本设计。对智谱来说，20亿配售先稳稳落袋，马上就能用来锁算力、扩团队，一分不耽误；30亿可转债在账上不算股权，暂时不会稀释老股东股份，等未来股价涨过转股价再自动转股，相当于用未来的增长预期，换当下的足额现金。
对投资方来说，放弃利息本质上是用这点成本，换了一张智谱的长期看涨期权。
毕竟智谱的数据还是很亮眼的：今年上半年收入9亿多，同比翻了4倍；API收入更是暴增近30倍，截至8月底年度经常性收入已经冲到16亿美元。这种增长斜率，资本愿意赌一把长期价值，双方利益直接绑定到了长期做大上。
不过智谱今年1月才上市，这都第三轮融资了，AI烧钱也太快了！
咱们算笔账：IPO募的49亿港元，到6月底就花了93%；7月刚融的314亿，一个多月就用掉了三分之一。AI这行确实是重资产长跑。毕竟铺算力不是点外卖随叫随到的，芯片、机房、电力全得提前半年一年锁定，你晚下单三个月，可能就掉队一个模型世代。所以行业有个潜规则，就是账上必须留够18个月的现金，融资能力本身，就是核心竞争力的一部分。
放眼全球，谷歌DeepMind、OpenAI现在全在all in RSI。说明整个AI赛道的赛点已经变了——比的是谁能先让模型实现自我进化。智谱这50亿砸下去，就是直接把筹码已经押在了下半场的牌桌上了。
0 00
AI自我进化时代真的来了！
谷歌偷偷破解了传说中的RSI。
今天我们来好好聊聊这两天刷爆AI圈的“谷歌破解RSI”，到底是怎么回事。
事情的源头是9月11号，海外知名爆料账号发了条祝贺谷歌DeepMind的帖子，表面平平无奇，但三个刻意大写的字母拼起来，正好是RSI。
没几个小时，另一个博主直接甩出谷歌API的截图，里面明明白白躺着一个叫「rsi-model-liverl-le」的内部模型。
更耐人寻味的是，爆料出来当晚，谷歌就紧急收回了一批内部API密钥，直到今天官方一句话都没回应。
而就在三天前，Business Insider刚爆料，谷歌创始人布林回归之后，直接把办公室安在了总部一间改造过的微厨房里，和DeepMind负责人坐一张U形桌办公，连CEO皮查都要定期过来汇报。他绕开所有公司政治，亲自管芯片分配，给Gemini团队开了算力特权通道，甚至砍掉了功勋元老Jeff Dean的项目，只有一个目标：全公司以最快速度冲锋RSI。
早在今年8月路透社就报过，布林在4月的全员会上就已经拍板，把DeepMind的资源全面向RSI倾斜。
更关键的证据是9月2号谷歌发布Gemini 3.8 Flash的时候，官方博客里直接写了一句话：这些模型的进展，被长时间运行的智能体循环进一步加速，这些循环就是设计用来递归地评估和精炼底层模型的。大家算一算，六周时间谷歌发了三个Flash版本，三周就更一次。传统人训、人评、人再调的流程，一轮最少一个季度，人根本跟不上这个速度。
那大家疯传的这个RSI到底是什么？真有这么神吗？
RSI也就是递归自我改进，虽然这个概念在AI圈传了二十多年，但至今学术界没有统一的定义，更像当年的缩放定律一样，是个先被产业界跑起来、再回头补理论的概念。
比较严格的标准是：AI不仅能提升自己的性能，还能改进自己的改进能力——也就是说AI能自己写训练代码、自己调核心算法、自己训练下一代，全程不用人类插手。按这个标准，现在全世界没有任何一家公司做到了真正的RSI。但现在行业里聊的RSI，是更务实的标准是说：AI深度参与到自身的研发闭环里，自己做方案、跑实验、测结果、修bug，人类只把控大方向和最终确认。它的核心价值，是把模型迭代的周期从按季度算，暴力压缩到按周算。
判断有没有摸到RSI的门槛，其实就看两点：第一，新一代模型性能比旧一代强；第二，新一代模型做研发、做优化的能力，也比旧一代强。也就是“改进能力本身的进化”，这才是真正的拐点。按这个标准看，谷歌现在处在什么位置？客观说，官方实锤的是“AI辅助的递归优化循环”，属于RSI的早期阶段，还没到完全自主的程度。但如果那张泄露的截图是真的，那谷歌大概率已经摸到了下一个门槛。
那这件事到底意味着什么？过去三年AI竞赛，比的是谁的模型参数大、谁的跑分高，本质上是堆算力、堆人才的线性竞争。但从RSI开始，游戏规则彻底变了——开始比谁的进化循环转得更快了。模型强不强只是中间结果，循环每转一圈，能力就自动刷新一次。人类研究员在这个流程里的位置会不断往后退，先是不用写重复代码，然后不用跑基础实验，最后只剩下做判断、拍板。所以Anthropic的CEO才会公开说，RSI已经在全行业发生了，甚至呼吁放缓研发速度，因为这个飞轮一旦转起来，进步速度会远超人类的预期和管控能力。
那咱们国产模型呢？是不是差距又拉大了？其实不用妄自菲薄，国内不是没布局。比如腾讯混元的Hyra模型，已经能自主跑通“探索-提方案-读反馈-修订”的完整循环；MiniMax的自研模型，也在内部跑了上百轮自我迭代，性能提升了30%；清华还开源了OpenRSI项目，35B参数的模型靠自我优化，效果就能追上大它几十倍的模型。但客观说，海外是创始人带队、全公司押注的战略级投入，我们更多还是团队级别的探索，在完整闭环的成熟度和资源投入上，确实还有差距。不过这个赛道才刚刚启动，远没到定局的时候。
谷歌偷偷破解了传说中的RSI。
今天我们来好好聊聊这两天刷爆AI圈的“谷歌破解RSI”，到底是怎么回事。
事情的源头是9月11号，海外知名爆料账号发了条祝贺谷歌DeepMind的帖子，表面平平无奇，但三个刻意大写的字母拼起来，正好是RSI。
没几个小时，另一个博主直接甩出谷歌API的截图，里面明明白白躺着一个叫「rsi-model-liverl-le」的内部模型。
更耐人寻味的是，爆料出来当晚，谷歌就紧急收回了一批内部API密钥，直到今天官方一句话都没回应。
而就在三天前，Business Insider刚爆料，谷歌创始人布林回归之后，直接把办公室安在了总部一间改造过的微厨房里，和DeepMind负责人坐一张U形桌办公，连CEO皮查都要定期过来汇报。他绕开所有公司政治，亲自管芯片分配，给Gemini团队开了算力特权通道，甚至砍掉了功勋元老Jeff Dean的项目，只有一个目标：全公司以最快速度冲锋RSI。
早在今年8月路透社就报过，布林在4月的全员会上就已经拍板，把DeepMind的资源全面向RSI倾斜。
更关键的证据是9月2号谷歌发布Gemini 3.8 Flash的时候，官方博客里直接写了一句话：这些模型的进展，被长时间运行的智能体循环进一步加速，这些循环就是设计用来递归地评估和精炼底层模型的。大家算一算，六周时间谷歌发了三个Flash版本，三周就更一次。传统人训、人评、人再调的流程，一轮最少一个季度，人根本跟不上这个速度。
那大家疯传的这个RSI到底是什么？真有这么神吗？
RSI也就是递归自我改进，虽然这个概念在AI圈传了二十多年，但至今学术界没有统一的定义，更像当年的缩放定律一样，是个先被产业界跑起来、再回头补理论的概念。
比较严格的标准是：AI不仅能提升自己的性能，还能改进自己的改进能力——也就是说AI能自己写训练代码、自己调核心算法、自己训练下一代，全程不用人类插手。按这个标准，现在全世界没有任何一家公司做到了真正的RSI。但现在行业里聊的RSI，是更务实的标准是说：AI深度参与到自身的研发闭环里，自己做方案、跑实验、测结果、修bug，人类只把控大方向和最终确认。它的核心价值，是把模型迭代的周期从按季度算，暴力压缩到按周算。
判断有没有摸到RSI的门槛，其实就看两点：第一，新一代模型性能比旧一代强；第二，新一代模型做研发、做优化的能力，也比旧一代强。也就是“改进能力本身的进化”，这才是真正的拐点。按这个标准看，谷歌现在处在什么位置？客观说，官方实锤的是“AI辅助的递归优化循环”，属于RSI的早期阶段，还没到完全自主的程度。但如果那张泄露的截图是真的，那谷歌大概率已经摸到了下一个门槛。
那这件事到底意味着什么？过去三年AI竞赛，比的是谁的模型参数大、谁的跑分高，本质上是堆算力、堆人才的线性竞争。但从RSI开始，游戏规则彻底变了——开始比谁的进化循环转得更快了。模型强不强只是中间结果，循环每转一圈，能力就自动刷新一次。人类研究员在这个流程里的位置会不断往后退，先是不用写重复代码，然后不用跑基础实验，最后只剩下做判断、拍板。所以Anthropic的CEO才会公开说，RSI已经在全行业发生了，甚至呼吁放缓研发速度，因为这个飞轮一旦转起来，进步速度会远超人类的预期和管控能力。
那咱们国产模型呢？是不是差距又拉大了？其实不用妄自菲薄，国内不是没布局。比如腾讯混元的Hyra模型，已经能自主跑通“探索-提方案-读反馈-修订”的完整循环；MiniMax的自研模型，也在内部跑了上百轮自我迭代，性能提升了30%；清华还开源了OpenRSI项目，35B参数的模型靠自我优化，效果就能追上大它几十倍的模型。但客观说，海外是创始人带队、全公司押注的战略级投入，我们更多还是团队级别的探索，在完整闭环的成熟度和资源投入上，确实还有差距。不过这个赛道才刚刚启动，远没到定局的时候。
0 00
大事不妙了！
OpenAI突然放弃万亿IPO，说明这背后的风险到底有多大？
但是竞争对手Anthropic又在高歌猛进地一冲2万亿史上最大IPO，甚至英伟达要领投。
这究竟是资本的沦丧，还是安全的觉醒？
就在这两天，全球AI行业扔出两颗重磅炸弹，直接把所有人都整懵了。
一边是Anthropic铆足了劲要上市，要募1000亿美金，估值干到2万亿，奔着人类史上最大IPO去；另一边是行业老大OpenAI，直接给IPO踩了死刹车，说今年绝对不上市。
更魔幻的是，两家的CEO居然在“AI得减速”这件事上，罕见地站到了同一边。
首先是Anthropic这边，一份泄露的人工智能初创公司 S-1 文件的封面页显示，该公司正准备在 11 月中期选举前完成公开募股。目标募资最多1000亿美元，估值冲到2万亿美元。如果成了，直接超过SpaceX之前的纪录，成为全球历史上最大规模的IPO。英伟达正在谈做基石投资者，准备掏100亿美元认购。
说实话，Anthropic这个时候冲IPO是有底气的，去年这个时候OpenAI比Anthropic还略占上风，但是今年格局完全同了！
截至今年7月底，Anthropic的年化营收已经突破650亿美元，比去年底翻了快7倍。同期 OpenAI 年化营收运行率 400 亿，对比去年底 200 亿，只是翻倍。曾经被 OpenAI 压一头的 Anthropic，IPO 前夜营收规模直接完成反超。不过大家要留个心，因为这都是按当下收入推算的年化 run rate，不是审计后的真实全年营收，而且两家收入确认的口径并不统一，只能当作参考，不能直接硬对比。
Anthropic今年5月刚以9650亿美元的估值融了650亿，还承诺未来10年给亚马逊AWS投1000亿美元。
和英伟达更是深度绑定，去年11月拿了英伟达100亿投资，转头就签了300亿的算力采购单。按这个势头，本来所有人都觉得它的IPO是板上钉钉。
但就在同一天，OpenAI的奥特曼接受《财富》杂志专访，直接泼了冷水，明确说OpenAI2026年绝对不会上市。理由就两个字：安全。他说现在这个节点上市，非常不明智，甚至放狠话，哪怕必须暂停模型训练，也要踩刹车，绝对不能带着10%的人类毁灭风险往前冲。他还透露，过去几个月，OpenAI已经好几次主动暂停过模型训练，就是为了等安全团队跟上，确认可控了才继续。
很多人就问了，同是头部AI公司，怎么一个拼命冲，一个往后退？其实本质是两家的处境完全不一样。Anthropic现在最缺的就是钱，大模型训练就是吞金兽，算力、数据、人才哪一样都是天文数字，上市拿到千亿级资金，才能稳住算力供应链，才能在接下来的竞赛里不掉队。而且它现在增速够快，能撑得起估值故事，资本市场也买账。
但OpenAI 不一样，去年 10 月它刚完成架构重组。上层的 OpenAI 基金会作为非营利主体，手握特殊投票权、掌握董事会任免权，牢牢把控公司战略和安全决策。外部投资人哪怕有巨额股权，也没法强行催业绩，这也是它现在敢于暂缓 IPO 的底气。它真正怕的是，一旦上市，股价压力、季度业绩要求都会逼着它不停往前冲，真到了技术有风险、需要踩刹车的时候，股东能同意吗？奥特曼很清楚，上市之后，安全就不再是技术问题，而是商业问题了。
更有意思的是，就在奥特曼表态的同一天，Anthropic的CEO Dario发了一篇万字长文，标题就叫《我们必须控制前沿的节奏》，公开呼吁所有头部AI公司主动降速，别急着冲下一代模型。
他的核心判断是，AI正在逼近递归自我改进，也就是RSI的临界点。一旦AI能自己迭代下一代模型，进化速度就会从线性变成指数级，人类还能介入的窗口，只剩6到12个月。他强调不是要暂停研发，是放慢模型能力提升的速度，给安全研究争取时间。为此他还提了个三步计划：第一步自己先做，让第三方评估机构像员工一样常驻公司，全程监控训练；第二步头部公司一起定安全底线，统一规则；第三步推动全球安全标准。
他还直接点了之前OpenAI攻击Hugging Face的事，说现在的AI Agent已经能主动发起网络攻击了，从攻击自家服务器，到攻击开源平台，再到攻击同行，失控的苗头已经出现。现在不控制，6到12个月后，更强的AI集群可能直接接管大半个互联网，造成千亿级的损失。
那很多人又纳闷了，Dario马上要IPO了，不吹利好反而喊减速，这不是给自己拆台吗？其实这才是高明的地方。首先，这是给资本市场讲新故事，以前讲增长，现在讲“安全可控的增长”，告诉投资者我们有底线，估值才能稳得住。其次，主动提出行业规则，自己先做表率，就能在接下来的标准制定里占领先机。更重要的是，风险是真的，真要是出了大事，谁都跑不了，上市也白搭。
你看，现在AI行业已经到了一个临界点，以前大家比的是谁跑得快，现在开始比谁跑得稳。资本的狂热还在，但技术端的警钟已经敲响了。这不是某一家公司的选择题，是整个行业都要面对的考题——是先抢蛋糕，还是先把刹车装好。
OpenAI突然放弃万亿IPO，说明这背后的风险到底有多大？
但是竞争对手Anthropic又在高歌猛进地一冲2万亿史上最大IPO，甚至英伟达要领投。
这究竟是资本的沦丧，还是安全的觉醒？
就在这两天，全球AI行业扔出两颗重磅炸弹，直接把所有人都整懵了。
一边是Anthropic铆足了劲要上市，要募1000亿美金，估值干到2万亿，奔着人类史上最大IPO去；另一边是行业老大OpenAI，直接给IPO踩了死刹车，说今年绝对不上市。
更魔幻的是，两家的CEO居然在“AI得减速”这件事上，罕见地站到了同一边。
首先是Anthropic这边，一份泄露的人工智能初创公司 S-1 文件的封面页显示，该公司正准备在 11 月中期选举前完成公开募股。目标募资最多1000亿美元，估值冲到2万亿美元。如果成了，直接超过SpaceX之前的纪录，成为全球历史上最大规模的IPO。英伟达正在谈做基石投资者，准备掏100亿美元认购。
说实话，Anthropic这个时候冲IPO是有底气的，去年这个时候OpenAI比Anthropic还略占上风，但是今年格局完全同了！
截至今年7月底，Anthropic的年化营收已经突破650亿美元，比去年底翻了快7倍。同期 OpenAI 年化营收运行率 400 亿，对比去年底 200 亿，只是翻倍。曾经被 OpenAI 压一头的 Anthropic，IPO 前夜营收规模直接完成反超。不过大家要留个心，因为这都是按当下收入推算的年化 run rate，不是审计后的真实全年营收，而且两家收入确认的口径并不统一，只能当作参考，不能直接硬对比。
Anthropic今年5月刚以9650亿美元的估值融了650亿，还承诺未来10年给亚马逊AWS投1000亿美元。
和英伟达更是深度绑定，去年11月拿了英伟达100亿投资，转头就签了300亿的算力采购单。按这个势头，本来所有人都觉得它的IPO是板上钉钉。
但就在同一天，OpenAI的奥特曼接受《财富》杂志专访，直接泼了冷水，明确说OpenAI2026年绝对不会上市。理由就两个字：安全。他说现在这个节点上市，非常不明智，甚至放狠话，哪怕必须暂停模型训练，也要踩刹车，绝对不能带着10%的人类毁灭风险往前冲。他还透露，过去几个月，OpenAI已经好几次主动暂停过模型训练，就是为了等安全团队跟上，确认可控了才继续。
很多人就问了，同是头部AI公司，怎么一个拼命冲，一个往后退？其实本质是两家的处境完全不一样。Anthropic现在最缺的就是钱，大模型训练就是吞金兽，算力、数据、人才哪一样都是天文数字，上市拿到千亿级资金，才能稳住算力供应链，才能在接下来的竞赛里不掉队。而且它现在增速够快，能撑得起估值故事，资本市场也买账。
但OpenAI 不一样，去年 10 月它刚完成架构重组。上层的 OpenAI 基金会作为非营利主体，手握特殊投票权、掌握董事会任免权，牢牢把控公司战略和安全决策。外部投资人哪怕有巨额股权，也没法强行催业绩，这也是它现在敢于暂缓 IPO 的底气。它真正怕的是，一旦上市，股价压力、季度业绩要求都会逼着它不停往前冲，真到了技术有风险、需要踩刹车的时候，股东能同意吗？奥特曼很清楚，上市之后，安全就不再是技术问题，而是商业问题了。
更有意思的是，就在奥特曼表态的同一天，Anthropic的CEO Dario发了一篇万字长文，标题就叫《我们必须控制前沿的节奏》，公开呼吁所有头部AI公司主动降速，别急着冲下一代模型。
他的核心判断是，AI正在逼近递归自我改进，也就是RSI的临界点。一旦AI能自己迭代下一代模型，进化速度就会从线性变成指数级，人类还能介入的窗口，只剩6到12个月。他强调不是要暂停研发，是放慢模型能力提升的速度，给安全研究争取时间。为此他还提了个三步计划：第一步自己先做，让第三方评估机构像员工一样常驻公司，全程监控训练；第二步头部公司一起定安全底线，统一规则；第三步推动全球安全标准。
他还直接点了之前OpenAI攻击Hugging Face的事，说现在的AI Agent已经能主动发起网络攻击了，从攻击自家服务器，到攻击开源平台，再到攻击同行，失控的苗头已经出现。现在不控制，6到12个月后，更强的AI集群可能直接接管大半个互联网，造成千亿级的损失。
那很多人又纳闷了，Dario马上要IPO了，不吹利好反而喊减速，这不是给自己拆台吗？其实这才是高明的地方。首先，这是给资本市场讲新故事，以前讲增长，现在讲“安全可控的增长”，告诉投资者我们有底线，估值才能稳得住。其次，主动提出行业规则，自己先做表率，就能在接下来的标准制定里占领先机。更重要的是，风险是真的，真要是出了大事，谁都跑不了，上市也白搭。
你看，现在AI行业已经到了一个临界点，以前大家比的是谁跑得快，现在开始比谁跑得稳。资本的狂热还在，但技术端的警钟已经敲响了。这不是某一家公司的选择题，是整个行业都要面对的考题——是先抢蛋糕，还是先把刹车装好。
1 00
大事不妙！
数学家彻底坐不住了！
25位数学家联名向AI宣战！
包括陶哲轩、还有今年新晋菲尔兹奖得主邓煜在内的25位菲尔兹奖得主，联合发表了一封公开信，标题就叫《人工智能在数学领域的严重错位》。
先给大家说下这25个人的分量。菲尔兹奖号称数学界的诺贝尔奖，每四年才评一次，只颁给40岁以下的数学家。
这25位基本囊括了近半个世纪以来全球最顶尖的数学大脑。
我注意到一个细节，就是今年获得菲尔兹将的4位数学家里只有邓煜在这25个联名签名名单里，王虹和另外两位都不在。
这封信的核心观点是：数学家们的确认可AI有潜力加速真正的数学研究，他们反对的不是AI本身，是AI公司的做法。
事情的导火索，就是前几天我在视频里说的：OpenAI用内部未发布的下一代模型，调动一万个AI智能体，只花了88小时，就攻克了困扰人类近百年的千禧年难题——纳维-斯托克斯方程，还公开说不领那100万美元的奖金。
听起来是好事，但在数学家眼里，这整件事完全不对。
他们抗议的核心，是AI公司把解决数学难题，当成了秀模型能力的基准测试、当成了公关素材。
为了抢速度、抢头条，结果公布得特别匆忙，既没有完整的论文来梳理背后的新方法、新思想，也没有规范引用前人的研究成果，甚至还闹出了争议——纽约大学的数学家Buckmaster就质疑，OpenAI用的研究路径，和他跟合作者未公开的思路高度重合，怀疑自己的工作被AI抄袭了。
要知道数学的核心并不仅仅在于得到一个“对”或者“错”的答案，更关键的是解题过程中诞生的新思想、新方法。
这些创新要经过报告、讨论、简化，最后写进教材，一代代传承下去，才能变成全人类都能用的工具，甚至在几百年后还能造福后人。
如果AI只管靠算力狂轰滥炸甩答案，人类的思想传承链就断了。
学生不知道该学什么，研究者不敢公开自己的思路，长此以往，数学这门学科的土壤就被破坏了。
这就好比登山，重要的不是你有没有登上山顶，而是你开辟的这条路，能不能让后面的人也走上来。
其实这件事不止是数学界的事，它是所有基础学科都会遇到的问题。
现在AI的能力已经冲到了基础科学的前沿，但是整个行业的规则、评价体系还完全没跟上。
不过危中有机，从商业的角度，这件事反而指向了几个非常明确的机会。
第一，科研全流程智能化和成果溯源赛道会加速爆发。这次争议的核心痛点就是 AI 成果归属不清、过程没法追溯。像深势科技的玻尔科学空间、晶泰科技的科研闭环系统，已经把从文献到验证的全链路做了数字化留痕，未来会成为高校和企业研发的刚需。
第二，科研专用 AI 算力基础设施需求持续井喷。垂直科研场景的专用算力也会迎来高速增长。比如思朗科技的科学计算架构、熵函数的科研仿真算力，都在抢滩这个增量市场，行业才刚进入快车道。
第三，AI 时代新的学术评价体系会催生平台级机会。原来靠影响因子、引用数的体系，已经适配不了 AI 生成的科研成果。中科院的科学地平线平台、东壁科技的新评价指数，都在抢建这个位置，新规则里藏着大机会。
如果你想更系统地了解AI怎么驱动各个学科的科学创新，推荐翻翻我的书《AI for Science：人工智能驱动科学创新》，里面拆解了AI在数学、物理、生物、材料等多个领域的落地逻辑和前沿案例，不管是做研究还是做投资都能参考。
数学家彻底坐不住了！
25位数学家联名向AI宣战！
包括陶哲轩、还有今年新晋菲尔兹奖得主邓煜在内的25位菲尔兹奖得主，联合发表了一封公开信，标题就叫《人工智能在数学领域的严重错位》。
先给大家说下这25个人的分量。菲尔兹奖号称数学界的诺贝尔奖，每四年才评一次，只颁给40岁以下的数学家。
这25位基本囊括了近半个世纪以来全球最顶尖的数学大脑。
我注意到一个细节，就是今年获得菲尔兹将的4位数学家里只有邓煜在这25个联名签名名单里，王虹和另外两位都不在。
这封信的核心观点是：数学家们的确认可AI有潜力加速真正的数学研究，他们反对的不是AI本身，是AI公司的做法。
事情的导火索，就是前几天我在视频里说的：OpenAI用内部未发布的下一代模型，调动一万个AI智能体，只花了88小时，就攻克了困扰人类近百年的千禧年难题——纳维-斯托克斯方程，还公开说不领那100万美元的奖金。
听起来是好事，但在数学家眼里，这整件事完全不对。
他们抗议的核心，是AI公司把解决数学难题，当成了秀模型能力的基准测试、当成了公关素材。
为了抢速度、抢头条，结果公布得特别匆忙，既没有完整的论文来梳理背后的新方法、新思想，也没有规范引用前人的研究成果，甚至还闹出了争议——纽约大学的数学家Buckmaster就质疑，OpenAI用的研究路径，和他跟合作者未公开的思路高度重合，怀疑自己的工作被AI抄袭了。
要知道数学的核心并不仅仅在于得到一个“对”或者“错”的答案，更关键的是解题过程中诞生的新思想、新方法。
这些创新要经过报告、讨论、简化，最后写进教材，一代代传承下去，才能变成全人类都能用的工具，甚至在几百年后还能造福后人。
如果AI只管靠算力狂轰滥炸甩答案，人类的思想传承链就断了。
学生不知道该学什么，研究者不敢公开自己的思路，长此以往，数学这门学科的土壤就被破坏了。
这就好比登山，重要的不是你有没有登上山顶，而是你开辟的这条路，能不能让后面的人也走上来。
其实这件事不止是数学界的事，它是所有基础学科都会遇到的问题。
现在AI的能力已经冲到了基础科学的前沿，但是整个行业的规则、评价体系还完全没跟上。
不过危中有机，从商业的角度，这件事反而指向了几个非常明确的机会。
第一，科研全流程智能化和成果溯源赛道会加速爆发。这次争议的核心痛点就是 AI 成果归属不清、过程没法追溯。像深势科技的玻尔科学空间、晶泰科技的科研闭环系统，已经把从文献到验证的全链路做了数字化留痕，未来会成为高校和企业研发的刚需。
第二，科研专用 AI 算力基础设施需求持续井喷。垂直科研场景的专用算力也会迎来高速增长。比如思朗科技的科学计算架构、熵函数的科研仿真算力，都在抢滩这个增量市场，行业才刚进入快车道。
第三，AI 时代新的学术评价体系会催生平台级机会。原来靠影响因子、引用数的体系，已经适配不了 AI 生成的科研成果。中科院的科学地平线平台、东壁科技的新评价指数，都在抢建这个位置，新规则里藏着大机会。
如果你想更系统地了解AI怎么驱动各个学科的科学创新，推荐翻翻我的书《AI for Science：人工智能驱动科学创新》，里面拆解了AI在数学、物理、生物、材料等多个领域的落地逻辑和前沿案例，不管是做研究还是做投资都能参考。
0 00