曾罢免 Sam Altman 的 OpenAI 董事 Helen Toner 表示仍不能信任 AI CEO
前 OpenAI 董事 Helen Toner 在 The Verge 访谈中表示,AI 实验室对 RSI 与超级智能的追求正与商业激励冲突,原有董事会问责已失效。她指出对齐技术远未解决,自主智能体加剧网络与生物安全风险,并探讨以更高安全门槛约束训练。Toner 曾参与罢免 Sam Altman,此事以 OpenAI 重组告终。
前 OpenAI 董事 Helen Toner 在 The Verge 访谈中表示,AI 实验室对 RSI 与超级智能的追求正与商业激励冲突,原有董事会问责已失效。她指出对齐技术远未解决,自主智能体加剧网络与生物安全风险,并探讨以更高安全门槛约束训练。Toner 曾参与罢免 Sam Altman,此事以 OpenAI 重组告终。
月之暗面金融行业与生态负责人徐天天在财新峰会上表示,当前 AI 智能远未达上限,迭代速度将继续加快。她指出预训练算力、后训练推理及智能体设计三条增长曲线叠加推动了这一趋势,AI 正从简单任务切入更深的工作流程。
AWS 首席执行官马特·加曼表示未来 10 至 20 年太空 AI 算力难具商业可行性,受发射成本散热维护等障碍限制。他透露 AWS 正以每 14 秒一块 GPU 部署硬件仍供不应求,AI 推理成本每降 50% 用量便数量级增长。
联想控股联合多方在京举办“Token畅想曲”沙龙,9位嘉宾围绕Token经济的需求临界点、商业模式及价值判断展开激辩。与会者指出,Token经济的核心在于将底层算力转化为可定义、可付费的业务结果,而非单纯售卖用量。此前业界对Token的成本核算与价值评估尚未形成充分共识,此次对话旨在凝聚产学研投各界对产业趋势的判断。
应用数学家 Steven Strogatz 与 Alex Townsend 出版新书《Big Math: The Hidden Codes That Run Our World》,探讨当 AI 聊天机器人和量子计算兴起,导致“大数学”超越其创造者时,数学领域将如何适应。
AI 初创公司 Physical Superintelligence 利用 Anthropic 模型证明了 Scott Aaronson 和 Andris Ambainis 提出的量子计算猜想,Lean 验证助手接受了该证明。Meta Reality Labs 发布了 Tactus 触觉手套,旨在通过集成传感器收集自然操作数据以支持自主 AI 系统。
图灵奖得主 Richard Sutton 指出仅靠原始算力不足以实现智能,AI 科学需要巧妙的新方法且远未完成。他批评合成数据是“大错误”,主张开发能持续从自身经验学习的智能体。这一观点引发 AI 社区广泛讨论,部分研究者认为 Transformer 扩展的暂时成功误导了科学家,而 OpenAI 和 Anthropic 的 CEO 则坚持认为 LLM 扩展潜力未尽。
蔚来 CEO 李斌在 2026 世界互联网大会乌镇峰会上表示,智能电动汽车是出货量最多的具身智能体,已成为最大的 AI 应用产业。他透露,基于世界模型架构的蔚来智能辅助驾驶系统已部署在超 95 万辆车上,安全行驶里程超 91.4 亿公里。此前工信部数据显示,国内约 6,100 万辆乘用车已搭载组合驾驶辅助功能。
OpenAI CEO萨姆·奥尔特曼昨日在播客采访中主张将有限DRAM优先用于数据中心而非本地PC,认为集中部署可提升利用率。他指出本地AI推理令PC内存利用率仅5%,但IT之家分析称PC用户内存需求与云端不可简单替代;三星电子预计供应紧张持续至2028年。
OpenAI CEO 奥尔特曼在播客中表示理解数学家面对 AI 研究成果涌现的处境,但 OpenAI 不会停止公布科学发现。他透露公司在数学研究上投入数亿美元,未来重做类似工作成本可能降至当前百分之一左右。此前 OpenAI 部分成果发布方式引发数学界争议,并捐赠 500 万美元支持相关研究。
OpenAI CEO Sam Altman 在播客中表示同情数学家,但公司不会停止发布AI生成数学结果,且还有更多未公开发现。他承认发布沟通混乱,内部 Slack 频道 Model Name-Hold My Beer 曾用于极限测试模型,并估计耗资数亿美元包括约 $10 million 解决 Navier-Stokes 问题。数学家批评归因不足且部分成果未公开,担忧被资本挤出领域。
OpenAI 的 Ted Sanders 给出按价格敏感度选择 GPT 模型的建议,质量优先选 Astra,稍敏感选 Sol,极敏感选 Terra 或 Luna。他解释模型性能多维且尺寸非全部,GPT-6.1 Terra 在技术沟通可能优于更大 Astra 且价低,但其他多数领域不及。
菲尔兹奖得主邓煜在上周末论坛演讲中批评AI公司以防蒸馏为由拒绝公开思维链,违背学术规范。他呼吁开源数学模型让数学界自主,此前9月11日25位菲尔兹奖得主曾联合声明警告AI与数学界严重错位。
马斯克发文唱衰 AI 新云厂商,称债券市场切断融资将致 200 多家企业迎来倒闭与整合浪潮。SpaceX 刚完成 400 亿美元 GPU 相关债务融资,GPU 将于 2027 年一、二季度交付。市场对新云厂商债务交易产生避险情绪,多家企业 CDS 成本大幅飙升,此前马斯克收购 X 前也曾用类似施压手段。
亚马逊CEO安迪·贾西在a16z采访中表示,AI推理成本需降至当前约十分之一,企业软件才能广泛应用AI。亚马逊自研Trainium芯片性价比高出同类约30%至40%,已获超2250亿美元未来收入承诺,包括与Anthropic和OpenAI协议。贾西以早年自研Graviton处理器类比,认为同样故事在AI领域上演。
Ankit Maloo 分析 OpenAI 与 Anthropic 大模型近期攻克单位距离猜想、费马定理等数学难题的现象,提出以洞察序列长度和分支因子评估问题可解性。文章指出 AI 采用深度优先搜索配合自动验证器,将人类需数月的工作压缩至分钟级并穷举分支。这一差异解释了为何 AI 在分支因子小的领域先突破,而人类直觉仍主导高分支深度问题。
OpenAI CEO奥尔特曼在斯坦福演讲称,数学家面对AI进军数学研究已从否定转向接受现实。他描述起初认为领域完蛋、后愤怒,最终视AI为不可或缺工具。OpenAI今年9月宣称攻克纳维-斯托克斯方程及本月解决700多道数学问题,引发陶哲轩等学者对浪漫时代结束的感叹。
AMD CEO 苏姿丰在 2026 年开放计算项目全球峰会上将今年定义为“真正的 AI 推理之年”,预计推理将占据约 60% 的市场份额。她指出受智能体 AI 兴起驱动,CPU 业务未来 4 至 5 年复合增长率预计达 50%,2030 年潜在市场规模将突破 2,000 亿美元。AMD 自 9 月起已向 OpenAI、Meta 等客户交付 Helios 量产系统,并计划持续扩大产量。
丘成桐等中国数学家周日在北京发起数学与人工智能实验室联盟,联合八家机构目标网络超千名研究者。西方25位菲尔兹奖得主担忧AI生成证明侵蚀理解并呼吁抵制,中国意在构建专用模型与可验证证明。即使使用AI的专家也对是否产生真洞察无共识。
英特尔 CEO 陈立武表示,DeepSeek、Kimi 和 GLM 等中国前沿 AI 模型 Token 成本较低且普及速度非常快。他坚定支持开源,认为这是提高效率的最优路径,并指出市场将决定不同模型的应用场景。
Lean 定理证明器凭借 mathlib 库中近 30 万条定理及基于类型理论的可靠性,成为数学形式化的核心工具。2026 年 AI 自动形式化技术已实现实用化,Anthropic 和 OpenAI 近期分别完成了费马大定理和 Navier-Stokes 方程的自动形式化。此前该过程主要依赖人工,如今 AI 已能直接读取论文并生成大规模形式化证明代码。
OpenAI 于 10 月 6 日在 GitHub 一次性发布超过 700 篇手稿,声称解决了数百个开放数学问题,包括黎曼假设的较弱变体。菲尔兹奖得主 Peter Scholze 警告该系统可能破解广泛使用的加密方法,而 Terence Tao 等专家虽认可其新颖思路,但批评缺乏人类讨论与教学环节。多位数学家表示震惊与职业危机感,认为此举以“TNT”般的方式摧毁了长期研究过程,且部分论文难以阅读。
陶哲轩质疑 OpenAI 发布 719 份 AI 数学证明,认为高速生成但人类来不及验证理解会破坏数学研究生态。OpenAI 仅 10 份手稿附推理链,约 42% 未经形式化处理。此事延续自 10 月 6 日 GitHub 发布 722 份后撤回 3 份的公开目录。
推荐理由:陶哲轩质疑OpenAI批量发布719份AI数学证明,认为以速度数量衡量理解会破坏数学研究的理解与合作生态。
菲尔兹奖得主陶哲轩等数学家发表声明,呼吁抵制 OpenAI,批评其一次性发布 700 多个文件是“权力的展示”而非学术贡献。此前 OpenAI 曾宣称内部模型单月解决超 100 个未解数学问题,包括纳维-斯托克斯方程。该声明加剧了持续数月的争议,此前 OpenAI 已成立 AGMAI 咨询组,但被指忽视了“不应在内部模型上测试高难度数学问题”的建议。
OpenAI 本周发布的数百个数学难题解决方案未达普林斯顿高等研究院 AGMAI 设定的标准,仅 10/719 份手稿包含思维链,且 42% 的证明未完成形式化。剑桥大学与国王学院的新论文指出,OpenAI 针对 Navier-Stokes 方程问题的自然语言证明与 Lean 代码存在至少两处不一致,引发对模型自主形式化可靠性的质疑。
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 阐述了“合成超级智能”愿景,主张通过物理实验中的强化学习让 AI 发现新材料。他们指出科学发现不同于数学编码,需要处理噪声与不确定性,且失败实验是宝贵的训练数据。该实验室旨在将自主实验扩展到 AI、化学和物理领域,以压缩科学试错周期。
Thomas Bloom 于 2026年10月6日宣布对 erdosproblems.com 网站实施变更,暂停问题评论与证明提交并移除问题状态展示,以应对 AI 生成证明泛滥侵蚀人类数学讨论。该网站自2023年5月28日上线以来已收录1221个问题,近期因 AI 能力跃迁导致社区活跃度下降。这一调整反映了数学领域在 AI 冲击下维护人类协作空间的尝试。
推荐理由:AI 能力跃迁使数学问题网站暂停证明提交,折射出人机协作中人类讨论空间被挤压的现象。读者可观察数学领域应对冲击的思路。
Jake Boggan 表示 Barnette 猜想已被 OpenAI 证明,他对此感到复杂且悲伤。该问题曾占据其 24 年思考时间,他曾在布达佩斯研究图论并投入数千小时。这是 OpenAI 在数学领域解决著名未解问题(Problem 180)的又一进展。
Microsoft Research 研究员 Jennifer Neville 在播客中探讨 AI 系统评估如何推动性能边界,并分析模型在超越传统基准测试时出现的“意外失败”。她指出,当结果违背预期时,深入审视数据至关重要,并分享了与当前 AI 系统协作的实用指南。这一讨论旨在从人类或人工智能路径未如预期展开的经历中汲取教训,以预测 AI 未来的发展方向。
过去一年,OpenAI 和 Anthropic 等实验室在包括千禧年大奖难题在内的多个长期数学问题上取得突破,但快速推进的方式引发了学界反弹。AI 实验室表示正从早期错误中学习,但承诺能否兑现仍待观察。
企业 AI 前沿已从预测转向自主决策,核心挑战在于让预测系统在不偏离业务意图的前提下独立行动。深度学习与生成式 AI 驱动的实时训练使系统能持续进化,并整合非结构化数据,推动企业从被动回顾转向务实前瞻。
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中回应 Jev 走红,并阐述可编程决策模型 System-One 与 RLCD 路线。
Thore Graepel撰文指出大语言模型仅靠next-token预测缺乏真正推理,主张借鉴AlphaGo构建可审计推理系统。他列举模型无显式认知状态等三点缺陷,并透露已离开Google DeepMind以推动新架构。该观点源于他作为AlphaGo核心成员参与击败李世石的经验。
OpenAI 研究员 Noam Brown 在最新访谈中分享了对多智能体系统与对齐风险的判断,回顾了万 Agent 协作解千禧年难题实验。他提到 OpenAI 用 10000 个 Agent 耗时 88 小时输出 1300 亿 token 解出难题,但称核心功劳在模型本身而非多智能体。访谈还探讨了递归自我改进加速、思维链监测下降等隐患,内容整理自 Dwarkesh Patel 播客。
研究团体针对 AI 实验室在专有模型上测试数学问题且不公开细节的做法,提出了负责任发布 AI 生成数学成果的规范建议。建议要求实验室公开模型名、提示词、思维链、时间与成本,并将结果存入独立仓库,同时提供资金支援数学界理解。该倡议源于 OpenAI 曾宣布多项结果但未提供细节的调查反馈。
TypeSafe AI CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev,称其为面向代码消费的 System 1 模型,优化目标是每美元智能,核心创新是未发表的 RLCD(Reinforcement Learning for Calibrated Decisions),而非 RLHF 或 RLVR。
Jack Clark 在 Import AI 455 中判断,到 2028 年底前有 60% 以上概率出现无需人类参与的 AI 研发,即前沿模型能自主训练出自己的后继版本;若 2027 年内实现,他给出的概率是 30%。