OpenAI 一次性公布三道数学难题解法，直接挑战指数时间假设（ETH）
OpenAI 昨天（当地时间）一次性放出了三个长期困扰研究者的数学难题的解法，其中一个直接挑战了计算机科学中被视为极其坚固的假设——指数时间假设（ETH）。消息传出后，学术界的反应是兴奋与警惕并存：Anthropic 一边质疑这些证明是否基于既有工作，一边在几小时内发布了自己对 ETH 的反驳；MIT 教授 Ryan Williams 则牵头组织计算机科学界回应，并推动了一场围绕 AI 参与科研规范的公开讨论。
ETH 是 P vs NP 这类更宏大问题的核心支点之一。简单说，研究者想弄清楚：一个解法能被快速验证的问题（NP），是否也能被快速求解（P）。
Williams 举了一个通俗例子：数独游戏。谜底一旦填好，验证起来很快，但找出一个正确的解却相当耗时。这种"验证快、求解慢"的结构在一大批重要问题上都成立，也是现代密码学的基础直觉——有密钥就能解密，但要真正解锁一套有效的加密系统，所需时间长到没有实用价值。
问题在于，科学家至今没能证明这种不对称永远存在。
"P = NP 说的，不只是当数独(unique)有解时你能验证它，你还能直接生成它，" Williams 说，"它断言的是这对你能快速验证的每一个问题都成立——能快速验证，就能快速求解。所以这听起来实在好得不像真的。"
正因为如此，多数科学家默认 P ≠ NP。ETH 基本就是说：在某一类棘手逻辑谜题中，即使是最快的算法，随着变量数量增长也需要指数级更多的时间才能找到解。它过去十多年被写进大量论文，是许多研究赖以成立的地基。
核心变化：OpenAI 与 Anthropic 的"证伪"竞赛
两家前沿实验室的结论是：他们的模型提出了能在"次指数时间"内解决这类问题的算法，比此前认为可能的速度更快。如果成立，就等于在科学意义上推翻了 ETH。
学界的反应迅速而分化。Anthropic 的数学家 Levent Alpöge 质疑 OpenAI 的解法是建立在既有工作之上；数小时后，Anthropic 随即发布了自己对 ETH 的反驳。
值得注意的是，OpenAI 的发布方式在变化。这次针对三个不同学科，OpenAI 采取了不同的发布结构：数学家的成果直接扔在 GitHub 上；计算机科学家成立了工作组，要求公开分享证明，并由 OpenAI 出资资助一场讨论会议；物理学家则另行成立工作组，再决定结果如何发布。
Ryan Williams 是这次计算机科学界回应的组织者，他的研究正聚焦于这类计算复杂性问题。他此前批评过 OpenAI 的做法，10 月那次"证明倾倒"被他称为"对数学家的 DDoS 攻击"。但这次他同意与前沿实验室合作。在 OpenClaw 采访之外，Williams 与 UC San Diego 的 Russell Impagliazzo、Ramamohan Paturi 一同受邀协助解读——后两位正是 1999 年首次发表 ETH 的作者。
他们的第一步动作是发布一封公开信，向对这些难题感兴趣的科学家征求反馈，并讨论 AI 对其工作作出贡献时应遵循的规范。
"OpenAI 的证明有些部分可以说比较常规，但确实有两三处看起来像外星科技的成分，而正是这些部分让我觉得，整个社区需要一起面对这件事，" Williams 表示。
影响与建议：算法之外，还有地基和密码学要处理
Williams 认为 ETH 的持久生命力意味着过去十年大量引用它的论文都需要重新审视，前提是 AI 实验室的主张站得住脚。
"这也是我推动 OpenClaw 支持举办会议的原因之一——这会影响很多研究者的成果，我们需要弄清楚接下来该怎么走，光是理解算法还不够。我们得搞清楚：基础相较于我们以前那套，应该怎么改？"
在科学讨论之前，还有网络安全的问题。Williams 表示，更优的算法可能意味着依赖特定密钥长度的密码系统应被视为已被攻破。他问 OpenAI 科学负责人 Dan Roberts 的第一个问题就是："他们是否检查过这会不会影响某些加密系统……现在有没有什么东西是不安全的？"据称 OpenAI 做了检查，并且相当有把握这不会导致任何解锁。
下一步：科研范式与下一代科学家的培养
这种"AI 参与科学发现"的新范式仍处于进行中。Williams 表示，尽管存在真实顾虑，他仍持乐观态度，尤其在培养下一代科学家这件事上——作为一位做高水平数学的计算机科学家，他本人或许比纯数学家更容易适应这种变化。
他同时指出，AI 正在"迫使人们对自己的工作更有野心，也更深入地思考：如果我过去做的所有事情如今都成了 AI 的低垂果实，我要怎样抬高自己想问的科学问题的门槛？"
AI 泡沫、就业重构与安全警报：本周科技圈值得记住的几件事
本组资讯横跨三条主线：AI 领域开始出现"幸存者名单"式的淘汰叙事，机器人与国防科技继续吸金；与此同时，AI 工具正被强推进入普通雇佣关系和民宿服务规则里；而一整天的集体安全事件，把这周的技术新闻推到了另一个方向——安全不再是某个产品的问题，而是整个网络共同承担的代价。
核心变化：AI 从话题变成默认选项，同时开始出清
Grok 发布了完全由 AI 生成的《Odyssey》的前七分钟。这是一次值得注意的表态：生成式视频不再只是短片段演示，而是开始以"整部作品"的形式被当作可观看的作品发布。
同一时间，"AI 墓地"这个说法开始流行——一份持续更新的清单，记录那些没能活下来的 AI 项目和创业公司。当模型能力快速趋同、差距被抹平，"能不能活"就不再只由技术决定，融资、算力成本和分发渠道的挤压同样致命。
这两件事放在一起看，指向同一个结论：AI 的竞争阶段已经从"谁能做出来"转向"谁能活下来并被持续使用"。
核心变化：机器人大规模生产启动，国防资本继续加注
特斯拉在加利福尼亚启动 Optimus 人形机器人的生产，同时公司利润下滑 43%。量产与人形机器人是同一枚硬币的两面：机器人业务要撑起估值，短期内却必须承受利润承压的现实。
另一边，Warhound 融资 2 亿美元，目标是为战犬做工程化改造，并为其配备 Anduril 的装备。具身智能 + 国防供应链的组合正在成为新的资本热点，而且已经拿到真金白银的大额融资支持。
核心变化：AI 进入雇佣关系和日常服务规则
Uber 把全部 3 万名员工放到 ChatGPT Work 上。这种"全公司强制迁移到某个 AI 工作台"的做法并不常见——它意味着 AI 工具不再是员工自选的效率插件，而是被写进公司流程本身。
Airbnb 则走向了另一个极端：限制客人承担的家务范围，结果引发房东反弹。AI 与自动化之外，"服务规则由谁定义"同样是平台生态里最容易点燃情绪的部分。
影响与建议
- 对平台方：全量推行单一 AI 工作台能统一流程，但也把工具替换的风险集中到一个供应商身上，出问题时没有备选路径。
- 对内容与营销团队：AI 生成的长视频已经能直接发布，内容产能的门槛会继续下降，差异化要往选题和制作质量上移。
- 对投资与创业判断：AI 项目进入淘汰期，"AI 墓地"式清单值得作为尽职调查的参考基线，而不是只看 demo。
- 对运维和安全团队：密集的安全事件日说明，攻击面在扩大，单点防护不够，需要按天级别监控与应急响应来准备。
评论