我们都错过了什么？

当 OpenAI 宣布他们解决了 Navier-Stokes 千禧年大奖难题时，真正在网上传播开来的却是个段子，大概是说花了 2200 万美元的算力去争夺一个 100 万美元的奖金。这确实很搞笑，我也跟着笑了。随后讨论的风向就转开了，而我却一直在琢磨：这个段子悄无声息地让大家都忽略了什么。

大约一万个协同工作的 agent 给出了证明以及该证明的 Lean 形式化表示，因此这个结果是由机器验证的，而不是在新闻稿里自吹自擂。这意味着在我们所拥有的最顶尖难度的原创数学领域，机器不仅完成了推演，还由机器进行了验证，而在这个领域里，人类学者做出一个成果往往需要耗费十年。随后 OpenAI 放弃了奖金，并把整件事定性为对进展速度的一份现状报告，这大概是整件事中最发人深省的部分。

我想在这里把话说严谨些，因为我自己之前也差点理解错了。我的第一反应是觉得这彻底攻克了流体力学，而流体力学将像水波荡漾一样带动推进系统、建模以及下游十几个行业的发展，如果是一周前，我写出来的就是这个版本，而那将是错的。这个证明发现了一个有限时间奇点（finite-time singularity），这是一个否定的答案，它告诉你光滑解可能会失效崩溃。这对于数值方法以及我们如何对湍流进行建模至关重要，但它并不能直接送给任何人一枚更先进的火箭。

因此，其重要性并不在于具体的应用，而仅仅在于：机器做出了数学突破。这才是整件事的本质，而关于算力账单的段子却让人们直接略过了它。

之所以没人注意到，部分原因在于同一周充斥着声音大得多、但内涵少得多的言论。

9 月 6 日，Jensen Huang 宣布 AGI 已经到来，并归功于在十万多张 Nvidia Grace Blackwell GPU 上训练的 GPT-6 Astra；两天后，Navier-Stokes 的成果出炉，却没有人把这两件事放在一起对照审视。他是有前科的，早在 3 月份接受 Lex Fridman 采访时他就表示 “我认为我们已经实现了 AGI”，当时他是在回答 AI 多久能创立并运营一家十亿美元级公司的问题；不过在 8 月份的财报电话会议上，他又明显谨慎得多，称“对于很多任务，我们可以说已经实现了 AGI”，随后巧妙地将话题转向经济层面。

Sam Altman 也一直在玩类似的把戏，声称当前的 SOTA（最先进水平）已经符合 OpenAI 自己对 AGI 的定义，即在绝大多数具有经济价值的工作中胜过人类的高度自主系统，但又在别处表示还没完全达到，并预计在今年年底前会有一个他称之为 AGI 的内部系统。

注意看这两者依赖的前提是什么：全凭说话人自己给出的定义。Huang 的定义是商业导向的，基本等同于“只要 AI 能帮着打造一家十亿美元公司就算通用”；Altman 的则是自家公司在经济效益层面的措辞。因此，两者都不是普通人听到这个词时所理解的那种通用智能，但按他们自己的设定来说，在技术上又都站得住脚。

然后，有人看了头条新闻，打开 app，让它干自己的本职工作，却眼睁睁看着它在一个合格的人类绝不会搞砸的事情上翻车，于是得出结论：自己被骗了。其实他们倒不算真被骗了，他们只是被兜售了一个“定义”，但这给信任带来的打击是一样的，并且这种伤害还在不断叠加，因为下一个货真价实的突破，也会被当成同一种炒作而一带而过。

Huang 将其归功于自家十万张 GPU，这一幕我觉得值得裱起来挂在墙上，毕竟，当一句话自带发票送上门时，你根本不需要去揣测说这话的人有什么动机。

在对待大众的反应上，我一开始也想偏了，所以这里把我的心路历程摆出来。

我的第一反应是觉得人们已经不再去评估各种言论了，大家都站了队、一刀切，要么觉得这全是泡沫，要么觉得全是工业废料（slop），不再费心思去具体评判任何事物。作为现象描述这没错，但在归因上却完全错了，而且这种描述对那些本不该被苛责的人来说也相当傲慢。

这其实就是疲劳，仅此而已。

现在你打开任何东西，里面都有 AI 的影子：不管是产品发布、广告、LinkedIn 动态、新闻播报，还是你原本常用的工具角落里突然多出来的一个闪烁小图标（✨）。日复一日全是这道菜，看得多了，人类的本能反应就不再是理性分析，而是生理性反胃后退。人们一听到这个词，还没开聊就先把话题掐死。他们这么做并不蠢，他们只是在保护自己，免受连续三年被硬塞进视线每个角落的轰炸。

我在那些不在科技圈的朋友身上看到过这种情况，他们学商科或做着完全不相干的事，对技术本身确实很难摸透。我在他们身上看到的不是不感兴趣，而是在对话还没展开前，精疲力竭感就已经先一步到来了。

平心而论，我自己并没有这种感受，有人曾问我什么时候会对这些感到厌烦封闭，我却答不上来，唯一能阻止我的只有生理上的犯困。因此，我是在描述一种我观察到的现象，而不是我感同身受的体验，这让我几乎成了最没有资格对此说教的人；而且，说不定这也只是我身边朋友圈的特例。我一直这么说，我也确实是这么想的。

让这种疲劳雪上加霜的是，噪音里确实夹杂着真材实料。真正的进展和那些工业垃圾走的是同一根管道，穿着相同的衣服，用着相同的辞藻；而如果你已经条件反射般地对这个词产生抵触，那你就会把所有东西一并推开。

我对这个问题的理解大致源自 Thiel 的《从0到1》框架，我先承认这种划分方式有点粗暴。一类公司是在创造此前不存在的东西，开辟前所未有的市场，推动真正的技术前沿；另一类公司的全部职能，就是从别人打造的东西中榨取价值。

我并不觉得“榨取价值”是什么罪大恶极的事，毕竟商业本就是为了攫取价值，一家公司靠转售有用的东西赚取合理的利润也没毛病。我反感的是，攫取价值成了全场唯一的动机。而 AI 催生了海量的公司，其全部存在价值就是在别人的模型上套一层薄薄的皮，然后为一个 prompt 收订阅费，这就是大量噪音的来源，也正是这些噪音让人一见就想躲。

在这之下还有更糟糕的一层：有些公司开发的产品运转良好，但根本就不该存在。比如带有亲切引导流程的监控工具，或者所谓的军民两用（dual-use）项目，其第二种用途是杀人，而第一种用途则是印在宣传手册上的门面。身处那个圈子的人没有一个会觉得自己是大反派，而且那里的钱好赚得要命。

如果你想衡量当下的注意力分配有多么失衡，看看机器人领域就知道了。

AMI Labs 在种子轮融资中筹集了 10.3 亿美元，创下了欧洲历史纪录，Yann LeCun 于 11 月离开 Meta 出任董事长；他们正在基于 JEPA 方法构建世界模型（world models），这与一味扩大语言模型规模是截然不同的路线押注，而且很可能是物理智能（physical intelligence）所必需的。Generalist 由来自 Google DeepMind 机器人部门和 Boston Dynamics 的人员于 2024 年创立，其 GEN-1.5 模型无需梯度更新、无需微调，仅凭单次演示就能在几秒钟内学会一项新的物理任务；该公司在 6 月筹集了 4 亿美元，并在 8 月传出以 30 亿美元估值进行谈判的消息。

我原本以为这些公司在 OpenAI 和 Anthropic 面前会嗷嗷待哺，但其实不然，因为资本显然都在涌入。真正缺失的是公众的注意力，毕竟，十亿美元的种子轮融资和看一遍就能学会操作的机器人，在几乎所有主流舆论场上都难觅踪影。

这其中有一部分是结构性原因：如果机器人研究不是你的专业领域，通常很难跟上；而且机器人初创公司往往不太愿意花钱向大众解释自己，一方面是因为把钱花在研发上更实在，另一方面是因为大多数创始人在有东西拿出来卖之前，并不觉得获取公众关注有多迫切。此外，舆论在地理分布上的失衡也被人们低估了：旧金山圈子掌握着最新动态，而欧洲、亚洲和印度在获取同样的信息上往往要滞后好几个月，身处其中的人却没谁觉得自己落后了。老实说，我也落后了，因为信息量实在太大，要是真想把所有东西都看完，非疯掉不可；我之所以还能跟上一点节奏，纯粹是靠着极度不健康的海量信息摄入，即便如此依然会漏掉大半。

其中的深远影响才是我真正关心的部分：因为如果体力劳动也开始步脑力劳动的后尘，我们就会在猝不及防的情况下再次面临工业革命时期的终极拷问。我们最终是否会通过制度规定把某些工作专门留给人类，比如心理咨询、医疗或是熟练技工？我真的不知道这是个好主意还是愚蠢透顶的昏招，我也发现自己无法在逻辑上彻底驳倒它；但我相当确定的是，现有的社会契约及其底层的经济体制根本就不是为了应对这种局面而设计的，而且没有任何人正在以机器人进化的速度去重写这些规则。

这将会很吓人，也会很疯狂，其中某些部分也会真的很有意思。

让这一切变得更加艰难的另一件事是：你原本用来交流讨论的这个空间，正被越来越多非人类的东西填满。

Imperva 的 2026 年报告 显示，网络自动化流量已占全网的 53% 以上（高于上一年的 51%），人类活动占比降至 47%；仅恶意机器人（bad bots）就占了全网流量的 40%，且该数字已连续第七年攀升，由 AI 赋能的机器人攻击同比激增了 12.5 倍。所以，“死网理论（Dead Internet Theory）”并不是我在刷到假内容时产生的一种情绪感慨，它已经是客观存在的多数常态，而且是有实测数据支撑的。

做这事的工具也变得厉害得多：Jones 和 Bergen 在 PNAS 上发表的一项研究表明，在三方图灵测试中，被提示扮演人类角色的 GPT-4.5 有 73% 的概率被判定为真人，也就是说，它被选为人类的频率比对话中的真人还要高；而 LLaMA-3.1 达到了 56%，未经提示设定的 ELIZA 和 GPT-4o 基准得分则低于随机概率，分别为 23% 和 21%。

AI 生成的文本和代码目前依然有一股辨识得出的“味儿”，我通常能闻出来，但我不指望这种破绽能一直持续下去，我也不认为自己应该在“它能被辨别”的假设上去构建任何东西。把这一点与人们的疲劳感叠加在一起，你就会得到一种极其凄凉的景象：人们已经厌倦了讨论，而讨论中越来越多的份额反正也不是在与真人进行。

那么，既然让一个精疲力竭的人“再多深入思考一下”毫无意义，除了关机摆烂，你实际上能做些什么呢？

去包容一个想法，在心里搁上一分钟，先别急着下结论支持还是反对它，试着在脑海里跟它玩耍，我觉得很多人已经悄悄不再做这件事了。故意去冒出一个愚蠢的念头，做一个压根没人要的东西，写个荒唐可笑的软件去恶搞你的大学教授，沿着“要是 X 会怎样”的傻瓜想法顺藤摸瓜；去做这些不是因为它们能做成一家公司，而是因为思考本该是身为人类真正有趣的部分之一，而现在似乎很多人已经不再为了纯粹的乐趣去思考了。

我甚至在技术圈的人身上也注意到了这一点，这比其他任何事情都更让我吃惊：明明能力很强的人，却会因为“尝试可能不会有结果”而根本不去动手。我怀疑大多数媒体的极化倾向与此有关，因为现在的每个话题在推给你时就已经预先分好了派别，逼着你去站队；我也怀疑短视频在其中的影响比任何人愿意承认的都要大，尽管这两点都只是我的猜测。

药方的另一半则是关于该把愤怒宣泄在何处，因为值得愤怒的事情很多，但现在的怒火都撒错了地方。去生那些操盘手们的气吧：气他们悄悄偷换概念、好让一个本过不了关的说辞蒙混过关；气那些带有贴心引导流程的监控工具；气注意力全被营销预算所绑架，以至于一个只需演示一次就能学会操作的模型，曝光度还比不上笔记软件角落里的一颗闪烁小星星。但请对技术本身保持好奇，因为技术没有对你做过这些事，做这些事的是人。

我写这些并不是针对特定的人，因为这是我自己的地盘，记录的是我自己的想法；如果说我是在向谁倾诉，那就是向广大开发者以及普罗大众。

我相当确信的是：当整个舆论界在那一周把时间耗在算力账单的段子上时，机器已经完成了科研级别的数学突破；业内最有权势的两个人用自己编写的定义宣告了通用智能的到来；超过一半的网络流量已经不再来自人类；一个被提示扮演人类的模型在“看起来像人”这一点上已经击败了真人；一笔十亿美元级别的机器人种子轮融资几乎无人问津；而那些最需要参与到这些决策中的人，却已经疲惫不堪，甚至根本不想听到有关这方面的任何一个字。

我拿不出什么解药，只有一个微不足道、甚至有点拿不出手的建议：本周挑一件具体的事情去保持好奇，而不是对所有事情都急着站队表态。挑一个东西，花十分钟沉下心琢磨琢磨它，然后用它做个傻乎乎的小玩意儿。

这算不上什么行动纲领，但也差不多就是我能想到的全部了。

~ A.