第554章 做空行动 一【数学造神】

视线转回美国，旧金山，Anthropic总部大楼。

达里奥·阿莫迪坐在自己宽敞的办公室里，面前的电脑屏幕上，是一份实时更新的美股科技板块走势图。

纳斯达克100指数，又创了历史新高。

而在这轮上涨中，涨幅最猛的，恰恰是那些与AI深度绑定的个股。英伟达、微软、谷歌、AMD……几乎所有和AI算力沾边的公司，股价都像是被注入了肾上腺素一般，连续数周疯狂拉升。

达里奥看着这条近乎垂直的K线，嘴角微微上翘。

好极了。

虽然Anthropic本身还没有上市，但整个AI板块的狂热情绪，已经替他完成了最重要的一步：市场共识的塑造。

逻辑很简单：Mythos的横空出世，在全球范围内重新点燃了一个故事——Transformer架构加上超大规模算力，这条路没有走到尽头，甚至还远远没有触及天花板！只要持续砸钱、持续堆参数、持续优化工程，AI就会继续进化，直到AGI降临。

而这个故事一旦成立，所有为Transformer提供弹药的公司——芯片厂、云计算平台、数据中心——都会被重新估值。

这就像一条多米诺骨牌链。Mythos是第一张，后面的每一张都替Anthropic的IPO铺平了道路。

达里奥在心里盘算，“等到正式敲钟那天，整个市场的AI信仰会达到历史顶峰。”

不过，二十天。

距离正式IPO还有二十天。

在这二十天里，市场热度不能有任何降温。

甚至，还得再加一把火。

……

达里奥站起身，走到落地窗前，望着远处旧金山湾区的天际线，目光沉凝。

什么样的消息，能在这个节骨眼上，把市场情绪再往上推一个台阶？

代码能力？不行。Mythos在编程方面的优势已经被市场彻底消化，估值早就提前透支了这份利好。继续讲写代码的故事，只会边际效应递减。

多模态？也不够。图像生成、视频理解这些，在市场眼里只是锦上添花的功能，不足以制造真正的认知冲击。因为多模态只是证明了AI能看能听，它拓展的仅仅是认知的边界，却根本触及不到智力极限的天花板。

他需要的，是一个能直接把AGI这个概念牢牢锁定在公众脑海里的东西。

一个能让所有人，无论是华尔街的基金经理，还是推特上的普通网民，都发自内心地相信“人工智能已经超越人类”的铁证。

达里奥的目光微微一凝。

数学。

没有什么比数学更合适了。

……

达里奥之所以选择数学，绝非一时兴起。

在所有能证明AI智能水平的领域中，数学有着一种无可替代的象征意义。

数学在人类文明的认知谱系中，始终占据着“智慧皇冠上的明珠”这个位置。它不依赖口才，不依赖审美，不依赖模糊空间里的差不多。它要的是最纯粹的逻辑推演能力、最稳定的抽象建模能力、最长链条的多步严密推理能力。

换句话说，数学几乎浓缩了人类高阶认知最核心的几种能力：

逻辑能力——每一步都必须从前一步严格推出；

抽象能力——你面对的不是苹果和石头，而是群、环、域、流形、范畴；

空间能力——很多几何直觉和高维结构，本质上都需要在脑中看见；

搜索能力——你得在海量可能路径里找到真正能走通的那一条；

创造性跳跃——很多关键突破，靠的不是机械穷举，而是突然换了一种看世界的方式。

更关键的是，数学有一个其他领域都不具备的优势：客观可验证。

一道数学定理，对就是对，错就是错。每一步推导都必须逻辑自洽，每一个结论都可以被形式化验证工具（如Lean或Coq）机械检查。在这里，AI存在什么“看起来挺像回事但其实是幻觉”的可能性。

早在1956年那场标志着人工智能诞生的达特茅斯会议上，计算机科学的先驱们定下的第一个具有里程碑意义的目标，就是让机器证明《数学原理》中的基础定理。在学术界的鄙视链里，数学始终站在认知智力的最顶端，它没有模糊语义，不容许模棱两可。如果一个AI能证明定理，那它距离真正的通用人工智能（AGI）就只剩一层窗户纸了。

也正因如此，数学在AI认知评估里，一直被视作最硬核的试金石。

达里奥作为AI领域专家当然知道这个道理。

他几乎可以想象，当“Mythos独立证明了数学定理”这个新闻登上头版时，全世界会是什么反应。

普通人会震撼：“AI已经比人类还聪明了！”

投资者会亢奋：“AGI时代真的要来了！”

学术界会激辩：“这是否意味着数学家即将失业？”

而无论是哪种反应，最终都会转化为同一个结论：Anthropic，就是人类通往AGI的唯一入口。

……

两天后，一支由三十名数学博士和五位教授组成的特别团队，被悄然安置在了Anthropic总部的办公室里。

对外，这里的代号是普罗米修斯，盗火的神。

对内，达里奥给他们的指令只有一句话：“用Mythos解数学题。解得越难越好。”

……

接下来的两周里，普罗米修斯团队开始了疯狂的“AI炼丹”。

过程远没有公开宣传的那样光鲜。

事实上，真正的工作流程是这样的：数学博士们先选定目标问题，然后由人工介入，一步步给Mythos提供方向性提示。有时候是直接告诉模型“试试从XXX方向切入“，有时候是在模型卡壳后手动给出关键引理。Mythos则负责暴力穷举中间步骤，用海量算力去填补人类指明方向后的脏活累活。

一个定理的解决，往往需要反复试错几百次，消耗数千美元的算力，耗时一到两周。

然后，团队会把最终的完整证明重新输入模型，做一次复训。训练完成后，再用一个全新的对话窗口向Mythos重新提问同一个问题。

这一次，Mythos当然能“独立”给出完美解答。

因为答案已经被喂进去了。

本质上，这就像是老师把标准答案给学生背了一遍，然后在全班面前当场考他，学生张口就来，旁观者自然觉得这学生是天才。

但任何一个冷静的人只要稍微想一想，就能发现一个致命的逻辑漏洞。

如果Mythos真的具备了自主解决研究级数学问题的能力，那为什么不同时开一千个对话窗口，让它并行攻击一千个未解问题？以Anthropic的算力规模，这完全做得到。真有这种能力的话，每周应该有几百篇成果像下饺子一样往外蹦才对。

可最终的产出呢？

两周时间，五六个成果。

这个产出效率，恰恰说明了真实的工作模式：不是AI在自主思考，而是人类数学家在手把手引导，AI在做暴力计算。

五六个成果，对应的是五六位数学博士各自花了两周时间死磕出来的方向。

这才是真相。

……


　　(https://www.lewennwx.cc/5521/5521474/35007652.html)


1秒记住乐文小说网：www.lewennwx.cc。手机版阅读网址：m.lewennwx.cc