AI攻克数学难题，人类信任基石动摇

从解题到解构：AI 能力跃迁下的信任新命题

当 OpenAI 的模型解开困扰数学家近八十年的 Erdős 平面单位距离问题时，我们见证了一个范式转移的瞬间：AI 首次完成了不是“像人一样思考”，而是“超越人类证明路径”的智力突破。数学家 Timothy Gowers 那句“此前 AI 从未接近此类证明”，点明了这一事件的分水岭意义。然而，就在同一天，130 多位数学家签署的《莱顿宣言》却发出了冷静的警示。这看似矛盾的两则新闻，实则指向同一个核心问题：当 AI 开始创造我们无法轻易验证的知识，人类社会的信任机制将如何重构？

技术突破的双刃：从数学圣殿到安全深渊

OpenAI 模型解决平面单位距离问题，其意义远超一道数学难题。它意味着 AI 具备了构建 “严谨的逻辑链条” 的能力，而不仅仅是模式识别或数据拟合。这是数学这一人类理性皇冠上的明珠，首次被非人类智能真正触碰。然而，技术突破的阴影面同样清晰——多伦多大学构建的自复制 AI 蠕虫，展示了同样的逻辑构建能力如何被武器化。这种蠕虫能针对每台机器实时生成新攻击策略，不再依赖已知漏洞，而是像数学家证明定理一样，在系统环境中自主推导出攻击路径。同一套底层能力，在学术殿堂是解谜利器，在网络空间则成为自适应威胁的引擎。

信任链条的裂缝：AI 叙事的双重变奏

《莱顿宣言》的签署，暴露了学术界对 AI 生成知识可靠性的深层焦虑。数学家们担心的不是 AI 能否解题，而是当 AI 的证明过程无法被同行评审完全复现时，数学大厦的根基是否会动摇。与此同时，OpenAI 和 Anthropic 的 CEO 们在 IPO 前夕悄然收回此前关于 AI 取代工作的警告，这一转变耐人寻味。调查显示 59% 的公司正在用 AI 解释裁员，但真正由 AI 完全替代的岗位仅有 9%。这揭示了一个危险的叙事错位：技术能力在飞速提升，但围绕它的社会话语却在资本压力下发生扭曲。当最了解 AI 的人开始调整其风险叙事，公众的信任锚点便更加飘摇。

本地化的救赎：Intel 的赌注与人的位置

正是在这种信任真空与安全焦虑中，Intel 在 Computex 上的策略显得意味深长。它试图用更低成本的本地 AI 芯片撬动 Nvidia 的云端霸权，其核心卖点并非算力数字，而是 “让计算留在本地，远离公共云” 的安全叙事。这暗示了一个正在形成的共识：当 AI 的能力变得过于强大且难以验证，人类的本能反应是将其拉回可控的物理边界内。从数学证明到安全攻击，从资本叙事到硬件竞赛，所有线索都指向同一个结论：AI 的下一个战场，将从“如何更强大”转向“如何更可信”。我们或许正在进入一个“信任赤字”时代，而解决之道不只在算法层面，更在于建立一套能与 AI 能力同步演进的透明度和验证机制——这比任何技术突破都更考验人类的智慧。