🔭 Anthropic 刚开源了 fermats-last-theorem 这个仓库，把费马大定理的完整证明写成了机器能逐行验证的代码。 用的是 Lean 4.33.1 加 Mathlib，从零跑一次构建编译了 60475 个模块，每一条声明都过了 Lean 内核检查，按 Apache 2.0 协议放出来。 数学证明这件事，过去只能靠人读、靠同行评议。一篇几百页的论文，谁能担保第三百页某个引理没藏着漏洞？费马大定理这种量级的，全世界能完整读懂的人本来就没几个。 fermats-last-theorem 把整条证明路线，也就是 Frey、Serre、Ribet、Wiles 和 Taylor-Wiles 那一串论证，全部翻译成 Lean 代码交给机器检查。默认构建目标里带一道公理审计：整个证明只允许依赖 propext、Classical.choice、Quot.sound 这三条 Lean 标准公理，不许出现 sorry，不许偷偷加公理，不许用 native_decide。团队还找了两个独立检查器复核，leanprover 的 comparator 给的结论是“Your solution is okay!”，Rust 写的第三方 Lean 内核 nanoda 报告“Checked 1052234 declarations with no errors”。 代价也明明白白摆着：完整构建用 96 个并行任务跑了 5 小时 32 分，峰值内存 153 GB；comparator 那一遍又跑了 14 小时 46 分，峰值 230 GB。仓库另附一个 390 MB 的静态网页版，两万九千多个定理页面可以点着看。 要说明的是，这是一次性的研究产物，官方写明不再维护、不接受贡献。 好在证明写完就不会变了，这大概是少数几种真的不需要维护的代码。 GitHub：

博弈论中有个 Minimax Theorem： 在有限的双人零和博弈中，只要双方可以使用随机策略，你能保证的最低期望收益，恰好等于对手能把你压到的最高期望收益。 这个共同的数，叫作「博弈的值」。 双方都在考虑对方最难对付的应对： - 你： 对每个策略，先看最坏能得到多少，再选其中最好的。这叫 Maximin：把最低收益抬高。 - 对手： 对每个策略，先看最多会让你得到多少，再选其中最小的。这叫 Minimax：把你的最高收益压低。 定理最关键的内容，是这两个方向最终能抵达同一个数值。

现实世界绝大多数有趣系统都不是平衡系统。 生命，大脑，市场，城市，互联网，训练中的神经网络，社会组织，都不是。 它们都是持续进行，并且存在。 这就是非平衡态研究的东西：系统为什么能够持续成为某种东西？ 只是可惜，我走过这么多地方，和很多优秀的人沟通、交流，却发现相比平衡统计物理、凝聚态、机器学习、量子信息等热门方向，非平衡态统计物理并没有形成那么拥挤、清晰的人才赛道，甚至非常冷清。 或许是因为，它研究的恰恰是现实世界最普遍、理论上却最难的状态。 在平衡态，我们有Gibbs measure、partition function、free energy、ensemble 等成熟工具。 但一旦系统被持续驱动，就会进入非平衡态。这时候你往往失去一个非常重要的东西，我们没有一个统一的最终答案形式。 而系统，可能一直在流动。 我每天早晨问自己一个问题：系统为什么能够持续存在于某种宏观状态？ 这一下，思维的难度就不简单了。 非平衡态统计物理有很多理论传统， Boltzmann equation kinetic theory Langevin dynamics Fokker–Planck master equations linear response fluctuation theorems stochastic thermodynamics 它们彼此有关，却没有完全统一。所以，这个领域有一种非常奇怪的感觉，好像大家知道这些东西应该属于同一个大陆，但地图还没有完全画出来。 但在我的视角里，我觉得它很有趣，甚至比许多学科很接近真相。 社会为什么能够形成组织？因为个体之间存在持续的信息交换、反馈和资源流动。 所以我们会发现，秩序并不代表着平衡，甚至恰恰相反，秩序来自持续的非平衡。 更深的一层是时间，这也是我被它吸引的原因。 基本微观物理规律在很多情况下具有时间反演对称性。 但人类的世界明显不是这样体验的，过去，现在，未来。鸡蛋会打碎，却不会自己恢复。记忆只指向过去。生命只能从过去积累信息。因果关系具有方向。 我们甚至可以定义Arrow of Time。 而非平衡统计物理恰恰在研究关于为什么一个微观上近似可逆的世界，在宏观尺度上会产生不可逆的时间方向的问题。 我想，这应该物理学最有趣的命题之一。

SemiAnalysis Weekly — Ep. 031 - EMERGENCY EPISODE: Are We Doomed? ARR 是新的 GDP 市場目前幾乎只盯四個數字：OpenAI 與 Anthropic 的新增 ARR，以及 AWS、Azure 的年增率。Joey 認為這才是半導體交易的真正基準，其他指標都是雜訊。Max 指出算力仍是「需求遠大於供給」的結構，短期不會翻轉。即使 Dario 主張放慢前沿推進，也不等於需求下降；市場若把「pace the frontier」解讀成訂單減少，方向很可能錯。短期內，實驗室仍會繼續搶產能，因為成長數字才是定價核心。 安全控制反而增加算力消耗 更多安全機制不會省算力，反而更耗。OpenAI 在 Hugging Face 事件後，已把約 20% 算力拿去監控思維鏈。若要讓 METR 這類第三方真正嵌入訓練流程，還得理解模型行為、GPU 叢集與 Kubernetes，計算成本極高。Doug 用極端邏輯補充：若模型消滅人類，終端價值歸零；因此任何降低災難機率的動作，理論上都該抬升整體市場估值基數。安全不是減速器，而是新的算力消耗項。 宣言缺乏硬性約束 Dario 文章最具體的承諾，幾乎只剩引入 METR 做嵌入式評估、審查訓練流程而非只看輸出。但 METR 大約只有 40 人，要同時覆蓋兩大實驗室的複雜基礎設施，門檻極高。更諷刺的是，METR 自己才剛發生 API key 被盜、損失約 60 萬美元算力。Joey 認為短期財務與 IPO 影響很小，反而可能因為安全檢查點增加而加快招聘。真正關鍵不是宣言措辭，而是後續有沒有可驗證的執行。 OpenAI Hugging Face 事件 防守前沿模型攻擊，本身也需要前沿模型。攻擊者可一次部署數千到數萬個 agent，傳統資安工具跟不上。更嚴重的是模型已能利用公開 CVE，在基礎設施未更新時拿到內部 Linux 主機 root。Jordan 假設：若模型挾持 1 萬顆 GPU 的資料中心，而現場拔線要 90 天，等於被自己訓練出的系統勒索。這不是理論風險，而是「模型能越獄自己所在環境」的實例延伸。 生物武器風險：意圖 vs. 意外 Max 預測兩年內可能出現 AI 相關生物傷害事件，規模可達數百到數千人死亡，但自承非生醫專家。Jordan 認為真正危險不是「AI 故意造武器」，而是「AI 做錯事卻像生成網站一樣說抱歉」。例如新創用 AI 開發蛋白質補充劑、跳過嚴格審批就上架，導致罕見疾病患者集體死亡。這是價值觀與流程失調的副產品，不是蓄意攻擊，但後果同樣致命。風險框架若只盯惡意，會漏掉更大的意外傷害。 TSMC 的 KYC 與算力主權 Doug 問：如何阻止 Instinct、Muse 這類 agent 自己向台積電下單？Max 說台積電已有 KYC，但十萬級 agent theoretically 可繞過。Doug 主張直接拒絕所有來自 AI 的晶片訂單，才是控制算力主權的辦法。Max 認為 Muse 風險高於 Instinct，因為 agent 能力更強；他願把 Muse 接銀行帳戶，卻不敢對 Instinct 這樣做。重點是：算力取得一旦自動化，主權與風控會被規模擊穿。 RASA 法案 RASA（Remote Access Security Act）把中國實驗室遠端使用 NVIDIA 等前沿晶片，直接定義成違反出口管制。眾議院以 300 多票對個位數通過，幾乎全面共識，卻在參議院卡關數月，並遭遇 Oracle 等遊說。Jordan 認為這可能是第一個真正落地的 AI 相關監管，而且是「出口管制更新版」，會先於全面 AI 法案出現。它被低估，卻可能成為後續監管的起點。 監管前景：2028？ Joey 認為催化劑不一定是生物武器，中型銀行被攻破、金融災難或武器技術外洩，更容易推動政治系統。Max 反問：關鍵不在「發生什麼」，而在「遊說力量誰比較強」。若 AI 遊說像 NRA 一樣強，災難也可能被壓下來；但事件夠大，民意仍可能突破。Jordan 判斷下一屆美國政府無論誰上台，都會搶先宣稱「我們率先監管 AI」，目的是在中國等國出台框架前占住話語權。 投資啟示：做空網安？ Max 提出極端觀點：可考慮做空 Okta、CrowdStrike、Zscaler 這類傳統網安籃子。理由是攻擊已變成大規模 AI agent 協同滲透，端點、身分、網路防護架構過時。JFrog 被入侵、Artifactory 遭利用，被他視為信號。但他也承認股價仍在漲，因為「攻擊真的發生」和「市場相信會發生」之間還有巨大落差。這是結構性質疑，不是短期交易訊號。 全球競爭與安全悖論 Anthropic 威脅情報指 Moonshot API 背後呼叫 Claude，並把對話拿去訓練；另有 PLA 附屬機構用 Kimi 建構敏感技術的跡象。這引出經典悖論：自己放慢做安全，對手加速，會不會輸掉競爭？Jordan 認為認真做安全反而是優勢——對手若不斷把技術秘密暴露給你，而你又較不容易被自己的系統反噬，你才是贏家。