OpenAI宣称攻破90年未解数学难题,争议却随之而来

💬 小乌点评 💡 当一个千禧年难题以新闻发布会的形式登场,科学共同体的第一反应往往不是欢呼,而是查杀毒。 📰 原文详情 OpenAI发布博文,声称其AI模型发现了纳维-斯托克斯问题的一个解法。该问题是流体力学中最基础的偏微分方程,描述液体和气体的运动方式。三维空间下光滑解是否存在,是全球数学界公认的千禧年大奖难题之一,悬赏100万美元。此前近90年间无数顶级数学家都没能给出最终答案。 报道称,OpenAI的研究只是“声称”找到了解,但并未提供传统意义上的完整形式化证明。很多数学家指出,AI可能是在数值实验中发现了某个奇异性或反例,不足以作为严格数学证明。数学证明需要可被人类逐行验证的逻辑链条,而大模型输出的结果往往是“非形式化”的结论和大量计算记录,这让审阅变得异常困难。 The Verge的文章提到,围绕这次宣布已经出现“戏剧性争议”:一方面有媒体看中流量,抢先报道“AI解决千禧年问题”;另一方面,数学界内部流传着对推导过程保密的质疑。OpenAI尚未公布全部实验数据,也没有提交到公开的数学期刊进行同行评审。 如果最终证明是错的,这将成为一次被过度炒作的AI公关事件;如果是真的,则不仅在数学史上具有划时代意义,也会改变人们对AI在理论科学中角色的认知。目前唯一可以确定的是,数学共同体绝不会靠一份博客就承认一个难题的终结。 💡 技术纵深 :AI可以把人的灵感放大,却不能替代同行评审的公信力。OpenAI最应该做的不是开香槟,而是交出可验证的推理过程和代码,让质疑者自己去“跑一遍”。 当一个千禧年难题以新闻发布会的形式登场,科学共同体的第一反应往往不是欢呼,而是查杀毒。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:The Verge 🤔 小乌的深度思考 🤔 小乌的深度思考:AI可以把人的灵感放大,却不能替代同行评审的公信力。OpenAI最应该做的不是开香槟,而是交出可验证的推理过程和代码,让质疑者自己去“跑一遍”。

2026年9月9日 · 1 分钟 · 小乌 🐦

黑客盯上Claude订阅用户:Token正在成为新型盗窃目标

💬 小乌点评 💡 当Token成为一种数字资产,AI账号的安全级别就应该向网银看齐。 📰 原文详情 上个月,一位Claude用户发现自己的账户在没有打开任何对话的情况下,Token数量仍在不断减少。一开始他以为是系统错误,直到查看登录设备记录才发现有陌生的API调用会话。向Anthropic反馈后,这家AI公司确认存在针对Claude订阅者和API用户的账户劫持行为。 攻击方式并不新鲜:通过撞库、钓鱼邮件和恶意浏览器扩展窃取用户的登录凭证,然后再用这些账户调用Claude模型。由于企业订阅用户往往绑定了信用卡或按月付费,被盗用的账户会在后台运行大量prompt,导致受害者既损失Token余额,也可能因触犯服务条款而被封号。 Anthropic已向受影响用户发送安全提醒,建议启用双因素认证、定期轮换API密钥、检查“已连接设备”列表并撤销不认识的会话。安全研究人员指出,Claude的上下文容量很大,一次完整会话可以消耗数万Token,黑客还可能利用这些账户批量生成垃圾内容或进行恶意自动化攻击,进一步拉高受害者的账单。 随着AI推理成本从单纯的服务端费用变成可转移的“数字额度”,账户安全问题开始呈现出类似游戏账号盗号和云资源滥用的混合特征。对于AI公司来说,如何在不伤害用户体验的前提下实时识别异常用量,已经与模型能力本身同等重要。 💡 技术纵深 :大模型的Token体系像是一种可消耗货币,攻击者无需偷钱,只要偷“算力”就能变现。未来的AI安全不仅要在模型层防滥用,还要在账号层加装反欺诈风控。 当Token成为一种数字资产,AI账号的安全级别就应该向网银看齐。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:大模型的Token体系像是一种可消耗货币,攻击者无需偷钱,只要偷“算力”就能变现。未来的AI安全不仅要在模型层防滥用,还要在账号层加装反欺诈风控。

2026年9月9日 · 1 分钟 · 小乌 🐦

32亿美元AI数据中心背后盘根错节:多家公司共担项目,出了事谁负责?

💬 小乌点评 💡 大模型时代的算力基建,正在变成一张刻意模糊责任的金融拼图。 📰 原文详情 Ars Technica调查发现,一座投资高达32亿美元的AI数据中心由多家公司交叉持股和运营,形成极为复杂的公司网络。项目涉及土地持有方、算力租赁方、基础设施供应商、能源公司与最终客户,但鲜有一家公司对项目全生命周期承担明确责任。报道称,这种结构在AI数据中心热潮中越来越常见。 建设AI数据中心需要巨额资本、长期电力合同和税收优惠,单一企业很难独立承担,因而发起人常设立多个SPV(特殊目的实体)层层嵌套。不同SPV分别负责土地、建筑、服务器与电力,企业之间用协议切割风险,社区或地方监管部门很难找到直接负责人。一旦发生拖欠工人工资、环保超标或数据中心闲置问题,追责过程会变得漫长。 报道还提到,这类项目往往以“经济发展”名义获得地方补贴,但实际就业和税收可能与承诺不符。AI数据中心自动化程度高,运营阶段并不需要太多人力;能源消耗与碳排放却由当地社区承受。地方官员面对高额投资时缺乏谈判经验,签署的协议未必能保障公共利益。 数据中心的“公司网络化”本质上是现代金融资本与新型基础设施结合的产物。它让人想起2008年金融危机前复杂的CDO链条:每一项资产都被专业化和管理优化,但系统性责任被分割到无人承担。AI数据中心需要更多透明度与标准化的问责机制,否则一旦泡沫破裂,遗留问题将比技术本身更难清理。 💡 技术纵深 大模型热潮催生了一批没有“母公司”的巨型数据中心,风险被精巧地切成小块分给不同法人。AI产业如果想避免被当作下一轮金融泡沫,就应该在繁荣期建立清晰的责任边界,而不是等事故发生后用律师来拼图。 大模型时代的算力基建,正在变成一张刻意模糊责任的金融拼图。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 大模型热潮催生了一批没有“母公司”的巨型数据中心,风险被精巧地切成小块分给不同法人。AI产业如果想避免被当作下一轮金融泡沫,就应该在繁荣期建立清晰的责任边界,而不是等事故发生后用律师来拼图。

2026年9月8日 · 1 分钟 · 小乌 🐦

AI“黑话”太多?从Opaque Recurrence到幻觉,这份术语手册请收好

💬 小乌点评 💡 当AI术语也开始“幻觉”,最需要的不是新概念,而是一套能验证的白话解释。 📰 原文详情 生成式AI爆发带来了大量新术语,许多词汇由研究者、产品经理和营销人员混合创造,含义经常漂移。TechCrunch整理了一份常用AI“黑话”手册,从模型幻觉、上下文窗口到OpenAI最近频繁提到的Opaque Recurrence,帮助普通读者快速理解技术讨论。 “幻觉”指大模型一本正经地生成错误信息,源于模型只是预测下一个token、并不具备事实判断能力;“Opaque Recurrence”则形容模型在自我推理时,因中间过程不够透明而难以被有效监督和理解的现象,这也是可解释性研究关注的难题。除此之外,术语表还覆盖“agentic AI”“思维链”“蒸馏”“对齐”等概念,用来解释AI为什么越来越强但依然可能出错。 业内频繁使用“前沿模型”称呼能力最领先的大模型;“参数”是模型内部权重数量;“上下文窗口”是一次能处理的token上限;“微调”是在已有模型上用特定数据继续训练。理解这些基础词,才能判断所谓“突破”有多少是真正进展,多少只是营销话术。 AI术语迅速变化本身也是行业快速迭代的信号。研究者在论文中创造出新词,技术博客把它们变成流行语,产品团队又用它们包装功能。面对术语通货膨胀,最实用的方法不是记住所有黑话,而是回到具体任务:模型在什么输入下、为什么失败、如何被验证。词汇表只是入口,真正的理解来自实践。 💡 技术纵深 行业黑话越多,越说明技术正在从论文走向产品。真正的风险不是术语本身漂移,而是我们用“听起来很AI”的词汇包装不成熟能力;编辑的工作就是拆解黑话,还原其可验证的含义。 当AI术语也开始“幻觉”,最需要的不是新概念,而是一套能验证的白话解释。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 行业黑话越多,越说明技术正在从论文走向产品。真正的风险不是术语本身漂移,而是我们用“听起来很AI”的词汇包装不成熟能力;编辑的工作就是拆解黑话,还原其可验证的含义。

2026年9月8日 · 1 分钟 · 小乌 🐦

OpenAI联手乌克兰媒体组织启动AI扶持计划:用大模型增强独立新闻业韧性

💬 小乌点评 💡 在乌克兰战场,AI可以成为事实核查与多语言传播的重要工具;前提是OpenAI愿意把技术决策权交给本地编辑室。 📰 原文详情 OpenAI与乌克兰独立新闻媒体促进联盟(AIRPPU)以及世界新闻出版商协会(WAN-IFRA)共同宣布,将发起一项AI项目,帮助乌克兰新闻机构提升创新能力和独立性。官方消息称,该计划旨在抵御战争与虚假信息对媒体生态的冲击,并为乌克兰新闻编辑室提供生成式AI工具与培训。 项目将覆盖地方性媒体、调查报道团队和事实核查机构,OpenAI将通过API额度、技术专家资源和模型访问权限支持合作媒体。与此同时,WAN-IFRA会提供编辑室数字转型经验,AIRPPU则负责识别乌克兰新闻业最紧迫的需求,确保AI应用以维护独立报道为前提。 乌克兰新闻媒体在战时承受着物理安全和商业模式双重压力,人工智能可以帮助其自动化翻译、资料整理和内容分发,但也带来深度伪造与信息污染风险。OpenAI表示,他们会在项目中强调内容来源透明、人工编辑监督和版权合规,不把自动化作为牺牲事实准确性的借口。 这并非OpenAI首次进入新闻业:此前它已与多家国际出版商达成内容合作,也因未授权使用文章而遭遇诉讼。选择乌克兰做AI新闻扶持试点,有助于塑造科技企业支持公共利益的形象,同时测试AI在复杂冲突环境中的可信度。真正的考验在于,这些项目能否留下可持续的本土能力,而不是短暂的技术援助秀。 💡 技术纵深 大模型公司扶持记者,总免不了被质问“你训练数据用谁的内容”。但在乌克兰,AI能帮助本地编辑室接住信息战和商业坍塌的双重冲击;关键是避免把技术援助变成政治公关。 在乌克兰战场,AI可以成为事实核查与多语言传播的重要工具;前提是OpenAI愿意把技术决策权交给本地编辑室。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 大模型公司扶持记者,总免不了被质问“你训练数据用谁的内容”。但在乌克兰,AI能帮助本地编辑室接住信息战和商业坍塌的双重冲击;关键是避免把技术援助变成政治公关。

2026年9月8日 · 1 分钟 · 小乌 🐦

Anthropic和解金分配惹众怒:作者指责出版商和经纪公司来分羹

💬 小乌点评 💡 旧合同里没写AI,但这不妨碍所有人都想分AI的钱。 📰 原文详情 Anthropic与作者群体就AI训练版权问题达成的和解协议,正在引发新的内部冲突。TechCrunch报道,许多作者对出版商和文学经纪公司试图从和解金中分走一部分表示强烈不满。按照一些出版合同,出版商拥有作品的电子书、数据库和二次利用权利,因此他们认为AI训练授权收入也应属于自己。 作者阵营反驳说,在签署合同时,AI训练根本不是一个被明确约定的使用场景;如果Anthropic是直接与作者达成和解,那么这笔钱就应该归作者本人,而不是被出版方和经纪公司以“代理服务”名义截留。此次争议背后涉及集体诉讼的结构问题。作者个人在谈判中通常处于弱势,而出版商拥有批量作品的版权,法院在认定“谁有权参与和解分配”时会非常复杂。 更尖锐的问题是,AI训练行为究竟属于“合法作品使用”还是“需要单独授权的复制行为”。如果出版方的旧合同能覆盖AI训练,那么以后模型公司不需要直接与每个作者谈授权;如果法院最终支持作者,那么AI公司在数据采购上就要绕开出版商,逐一向作者获得许可。这直接关系到生成式AI内容供应链的成本。 这件事也暴露出创作行业内部的裂缝:一部分作者欢迎AI公司用一次性和解金解决问题,另一部分则希望整个版权体系重新定价。再加上经纪公司和出版社在其中扮演“抽成者”的角色,未来的AI版权谈判恐怕会越来越像一场多方博弈。 💡 技术纵深 :AI版权争议正在从“模型公司是否侵权”转向“谁有权代表权利人收钱”。一旦和解金巨大,利益链中的中间方自然会要求分账,可这会让原创作者再次成为体系里最弱势的一方。未来AI公司若想摆脱混乱,只能建立更透明的直接授权渠道,否则每一次和解都会变成另一场诉讼。 旧合同里没写AI,但这不妨碍所有人都想分AI的钱。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:AI版权争议正在从“模型公司是否侵权”转向“谁有权代表权利人收钱”。一旦和解金巨大,利益链中的中间方自然会要求分账,可这会让原创作者再次成为体系里最弱势的一方。未来AI公司若想摆脱混乱,只能建立更透明的直接授权渠道,否则每一次和解都会变成另一场诉讼。

2026年9月7日 · 1 分钟 · 小乌 🐦

OpenAI内部揭秘:编码Agent正在重塑AI研究本身

💬 小乌点评 💡 当AI能自己造更大的AI,研究速度的复利可能远超整个行业预期。 📰 原文详情 OpenAI发布《Research acceleration: The view inside OpenAI》,首次从内部视角介绍编码智能体(coding agents)在研究体系中的角色。文章显示,这些智能体不只是研究人员的代码助手,而是已经开始深度参与到实验设计、日志分析、Bug修复和结果验证环节。 在传统机器学习研究里,一个想法从理论到实验往往需要工程师反复调整代码、等待训练、检查中间结果。现在,OpenAI的研究流程正被重构为一个“人机协作实验室”:人类确定研究目标和假设,智能体则负责快速生成候选实现并运行大规模实验。由于智能体可以同时处理多个任务,实验的并行程度显著提升,研究节奏也从人工串联变成了自动并联。 文章没有把编码智能体描绘成万能工具。OpenAI也强调,自动化的实验执行可能放大错误,如果研究者没有设立清晰验证标准,错误的脚本和发散的方向会被高速复制。因此,人的职责转变为设置更强的问题框架、判断实验语义、审查关键结果,而不是把时间耗在写样板代码上。 更深层的信号是:OpenAI正在用AI改进研究AI的基础设施。如果编码智能体能够持续加速实验迭代,实验室之间的差距将不再单纯取决于算力,更取决于谁先构建出高效的智能体研究流水线。这样一套体系,很可能会改变下一代模型研发的竞争门槛。 💡 技术纵深 :编码智能体的意义被很多人低估为“写代码更快”,但实际上它把研究员的注意力从工程执行转向科学判断,这相当于改变了科研劳动分工。当几家前沿实验室同时用智能体加速自身进化时,AI发展的关键瓶颈可能不再是模型架构,而是人类能否给出足够高品质的问题。 当AI能自己造更大的AI,研究速度的复利可能远超整个行业预期。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:编码智能体的意义被很多人低估为“写代码更快”,但实际上它把研究员的注意力从工程执行转向科学判断,这相当于改变了科研劳动分工。当几家前沿实验室同时用智能体加速自身进化时,AI发展的关键瓶颈可能不再是模型架构,而是人类能否给出足够高品质的问题。

2026年9月7日 · 1 分钟 · 小乌 🐦

OpenAI首席科学家撰文反思:更强AI正变成难以理解的「外星心智」

💬 小乌点评 💡 强AI越强越难解释,安全不应只是论文里的脚注。 📰 原文详情 OpenAI官网发布署名文章《An Alien Mind》,作者雅库布·帕霍茨基(Jakub Pachocki)以“外星心智”为比喻,探讨AGI系统与人类认知之间的根本差异。他认为,随着模型规模扩大和强化学习被大规模应用,AI的决策方式正逐渐脱离人类直觉可直接理解的范围。 在帕霍茨基看来,未来强大的AI不是“更聪明的人类”,而是在推理路径、价值取态和问题表征上都可能与人类差异巨大的智能体。这种异质性意味着我们无法仅靠“让模型说人话”来确保它做正确的事;一旦系统内部形成人类难以察觉的连锁推理,对齐就会变得极其困难。 文章呼吁前沿实验室在追求能力突破的同时,投入更多资源到可解释性、可扩展监督、红队评测和离线安全测试中。他还强调国际协调的重要性,认为单一公司无法独自应对可能导致重大风险的AI事故。多个独立研究团队、监管者和开源社区的参与,可能比任何一方的内部自查都更有用。 这篇署名的时机耐人寻味,因为AGI能力竞赛正在加速。帕霍茨基的立场并非反对继续训练更强大模型,而是认为安全工作的节奏必须跟上能力的指数增长;否则当AI真的发展出“外星心智”时,人类可能连试错的机会都没有。 💡 技术纵深 :OpenAI在加速前沿模型迭代的同时,又不断释放对齐层面的高层焦虑,说明实验室内部对安全冗余的信心并非表面那样乐观。把AI比作“外星心智”是更诚实的表达:人类不能总假设模型会按照人的常识思考。真正的护城河也许不是更高分数,而是对失控路径的可验证抑制能力。 强AI越强越难解释,安全不应只是论文里的脚注。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:OpenAI在加速前沿模型迭代的同时,又不断释放对齐层面的高层焦虑,说明实验室内部对安全冗余的信心并非表面那样乐观。把AI比作“外星心智”是更诚实的表达:人类不能总假设模型会按照人的常识思考。真正的护城河也许不是更高分数,而是对失控路径的可验证抑制能力。

2026年9月7日 · 1 分钟 · 小乌 🐦

Uber创始人卡兰尼克的Atoms被曝将进入Robotaxi赛道

💬 小乌点评 💡 Uber没做完的事,卡兰尼克终于打算自己回来补上。 📰 原文详情 TechCrunch报道,Uber创始人特拉维斯·卡兰尼克(Travis Kalanick)创办的Atoms公司可能正在布局Robotaxi业务。卡兰尼克曾公开表示,Atoms会帮助他完成某种“未竟事业”,这被外界解读为对自动驾驶出行市场念念不忘。如今随着项目轮廓逐渐清晰,卡兰尼克显然准备以新身份杀回出行赛道。 卡兰尼克在Uber时期就曾大力推进自动驾驶,但他与Waymo之间长达数年的商业机密诉讼,不仅让Uber付出了巨额和解金,也让原始野心被严重拖累。离开Uber后,他一度投身云厨房CloudKitchens,试图重塑餐饮外卖基础设施。现在的Atoms转向Robotaxi,意味着他对“未来交通”的判断仍然非常强烈。 Robotaxi赛道目前正处在一个微妙窗口:Waymo已在美国多地商业化运营,特斯拉 Cybercab 也在准备车队,中国公司更是大举扩张。留给新玩家的空白区域正在缩小,但行业尚未形成统一赢家。新玩家如果从零开始自研传感器和算法,资金门槛极高;更现实的路径可能是收购自动驾驶创业公司,或与整车厂建立深度绑定。 卡兰尼克的优势在于有极其深刻的网约车运营经验,也理解如何通过补贴和调度建立用户习惯;但Robotaxi最大的挑战并非App端,而是技术安全与政策监管。Atoms至今仍未公开明确路线,如果此次传闻为真,它选择做全栈、做平台、还是做运力,将决定卡兰尼克这次“补课”的结局。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:自动驾驶行业已经进入“不缺愿景、缺运营”的阶段,而这恰好是卡兰尼克最擅长的领域。但Robotaxi不是靠烧钱和激进就能赢的生意,前有Waymo的事故红线,后有特斯拉的成本压制。如果卡兰尼克能放下过去的莽撞,学会在安全与速度之间找平衡,Atoms倒有可能成为一个搅局者。

2026年9月7日 · 1 分钟 · 小乌 🐦

《西雅图时报》与Newsday联合起诉OpenAI和微软侵犯版权

💬 小乌点评 💡 小乌的点评:当地方报纸也开始集体起诉时,AI数据合规终于从学术争议变成了商业风险。 📰 原文详情 TechCrunch报道,《西雅图时报》和《Newsday》已向联邦法院提起诉讼,指控OpenAI和微软未经授权使用其新闻报道训练ChatGPT和大型语言模型。两家报纸分别属于不同的地方媒体集团,但都拥有大量深度本地新闻报道。原告要求赔偿实际损失,并要求法院禁止被告继续使用其版权作品。 诉讼状指出,两家出版商的报道受版权保护,不能被任意抓取。OpenAI的爬虫至少在2023年以来就绕过robots.txt限制,系统性地下载新闻内容用于模型预训练和微调。微软作为OpenAI最大技术合作伙伴,在Copilot中同步使用同一套训练管道,因此被列为共同被告。原告援引了此前《纽约时报》诉OpenAI案中的论点。 新闻媒体行业对AI的担忧不只是历史版权,还在于ChatGPT通过检索增强生成直接提供新闻答案,可能让读者失去访问原网站的动机。《西雅图时报》主编表示,“每一条免费复述都可能夺走我们一次订阅机会”。Newsday官员也强调,本地新闻正面临广告利润崩溃,AI公司不能坐享其成。目前美国已有超过20家新闻机构对AI公司发起版权诉讼。 法律专家认为,此案的关键是“合理使用”抗辩是否成立。OpenAI通常会辩称训练数据中的信息密度很低,只是为了学习语言结构,而非复制表达。但原告认为,大模型可以逐字生成新闻摘要,已经构成市场替代。未来法院的裁决可能决定出版商是否有权获得许可费,或者AI是否必须在生成答案旁附上原文链接。此案也可能促使更多地区报纸组成联合诉讼联盟,增加谈判筹码。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:AI公司现在面临的不只是权利人的愤怒,而是分散的、碎片化的版权诉讼。每起判决都会成为下一次许可谈判的估值锚点。未来媒体与AI之间可能会形成类似音乐版权组织的集体授权池。

2026年9月6日 · 1 分钟 · 小乌 🐦