AI可思议|0030|上海AI实验室用S2参与证明Ghys猜想,人机协同的科研分工长什么样?

大家好，这里是AI可思议，我是Luca。咱们一起来看看AI行业的最新变化。

上海AI实验室用S2参与证明Ghys猜想，AI进了研究级数学的工作流

上海人工智能实验室的访问学者许地生团队，用书生科学多模态大模型S2，完成了一个数学猜想的三维情形证明。这个猜想叫Ghys猜想，是1995年由法国数学家艾蒂安·吉斯提出的，被复动力系统领域的专家公认为该领域最重要的长期公开问题之一。论文已经发在预印本平台上，形式化代码也在Github公开。

我觉得这件事值得花主要篇幅讲，不是当成一条普通的模型能力新闻。因为它说的不是模型在考试里多考了几分，而是AI第一次以能站上台面的方式，进到了一个真实的前沿数学研究流程里。

Ghys猜想本身很难用一句话说清。它问的是一件听起来有点反直觉的事：一个混沌的动力系统，它的运动方式，能不能反过来决定这个系统所在的空间只能长成什么形状。用揉面来打比方——按压、延展、折叠面团，有的方向被拉伸，有的方向被压缩，初始挨得很近的点会迅速分开。Ghys猜想说的是，只要存在这样一种既像揉面、又完全规则的运动，那么这个空间就只能是一种由简单规则反复拼接、像晶体格子一样高度规整的形状。这个问题的实数版本，到今天还是公开难题，复数情形反而更刚性、更难。

那AI在这件事里到底做了什么？今年三月，许地生成为上海AI实验室的访问学者，双方组建联合团队，同步搭了一套面向数学研究的Harness系统。到八月，内部迭代成型的书生-S2具备大规模递归推理能力，针对三维Ghys猜想的首轮推理，模型就产出了四百页的推导报告。整个攻关过程中，S2先后完成七批接续推演，问题图从十五个节点扩展到三百八十九个，输出总量上千页，还生成了数十种全新论证思路。

但我想强调的是，这不是AI自己把题做出来了。是人机协同。模型负责铺开多条支线、同步尝试、拆解命题、把海量繁琐的推导承接下来，每一轮给出大量尝试结果；研究人员负责把握大方向，判断哪些思路值得深挖、哪些是死胡同，给出直觉建议，作为下一轮迭代的指令。许地生和张洁松是在AI首轮探索的基础上，抓住了关键突破口，持续给模型反馈、校准方向。也就是说，模型是那个能一口气把几百条路都走一遍的推演机器，人是那个决定往哪走的人。

还有一个环节我觉得比证明本身更值得注意，就是验证。北京大学董彬教授、刘若川院士团队用他们自主开发的SHEAF框架，完成了论文全部四个主定理的形式化验证，证明通过了Lean检验。整个过程大约五天，峰值并发达一百个智能体，产出约五十五万行Lean代码。形式化这件事的难度在于，自然语言证明常常依赖读者用数学知识去补全条件和推理，而形式化必须把这些落实成计算机能逐步检查的完整证明。动力系统领域原本的形式化基础设施不足，这次还补了大量基础工作。

我个人认为，这条消息里最值得记住的不是中国大模型攻克世界级难题这个说法，而是它展示了一种新的科研分工。过去我们讨论AI做数学，关注的是它能不能独立解出一道竞赛题。而这次是另一种模式：模型提供规模和耐心，人提供判断和品味，最后再交给形式化系统做严格检查。这三层里，任何一层缺了，结果都站不住。在论文上传之前，动力系统专家谢俊逸教授曾用另一个模型尝试挑战这道题，没有找到证明方案。这说明能力差异是真实存在的，但我不觉得这能推出谁一定比谁强，毕竟单次尝试的结果，受提示方式、交互轮次、人的引导影响都很大。

当然边界也要说清楚。这是一个人机协同的成果，不是模型独立完成的；它经过了形式化验证，说明证明链条是严格的，但不代表这类问题以后都能被这样攻下来。团队自己也说，距离真正破解世界级难题，还需要更紧密的人机协同。所以我会把它看成一个信号：AI开始能进入研究级数学的工作流了，但它在里面扮演的是推演引擎，不是那个提出问题、判断方向的人。

核心的事先聊到这，接下来看几条其他的变化。

禾赛发布Kosmo三维世界数据引擎，含手持空间相机和云平台

禾赛发布了一套叫Kosmo的三维世界数据引擎，包含一台手持AI空间相机Kosmo One，和一个负责重建、编辑、管理三维资产的云平台Kosmo World。它把激光雷达和摄像头集成在一起，激光雷达负责形状、距离、位置，摄像头负责颜色、纹理、光影，再把两部分对齐，重建真实空间。按照公布的数据，普通室内场景扫描约一百平方米，大概需要十五分钟。激光雷达的几何精度做到了毫米级，能辨识网球拍上大约五毫米间距的网孔。

我觉得这条真正有意思的地方，是它在发布会现场做的一组对比：先用不同角度拍下同一个房间的二十张照片，交给一个通用模型重建，结果沙发的位置和形状不对，材质和光影也有偏差；即便把Kosmo采集的三维数据交给那个模型，椅子外形、花的材质这些细节仍有偏差。禾赛CTO向少卿把通用模型比作大脑，把Kosmo比作眼睛。我个人认为，这个比喻背后是一个挺实际的判断：模型再聪明，也需要真实、可靠的空间信息作为输入，而这类高精度数据，目前通用模型自己生成不出来。当然也要说清楚，Kosmo眼下服务的是有明确任务的专业用户，零售价格还没公布，短期内普通人还用不上。

横店影视AI服务平台项目招标完成，深空引擎与火山引擎联合体2.35亿元中标

横店的一个影视AI服务平台项目完成招标，东阳深空引擎和火山引擎联合体以合计2.35亿元中标。招标文件里的表述是要推动横店从拍摄基地向AI影视智能中枢跃升，还明确提到要增强数字群演生成、减少实拍群演的组织成本和调度难度，以及支持把历史演员的风格迁移应用到新角色表演或数字角色的动作与表情驱动上。

和这个投入放在一起看的是另一组数据：今年6月30日到9月29日这十四周里，横店在拍的横屏长剧剧组同比下降31.1%，竖屏短剧同比下降82.5%，而且单个剧组驻留时间在变短，横屏剧组里三分之二只出现一到三周。我个人觉得，这两件事放在一起才说明问题：线下剧组来得快、走得也快，单次复用率在下降，把场景、服化道、群演、经验沉淀成可以反复调用的数字资产，就从锦上添花变成了必须做。招标文件里还有一句我觉得挺关键，说这个平台的预设用户不是头部大厂，而是横店本地那些用不起、也养不起自有大模型团队的中小影视企业。这个定位如果真能落地，意义会比几个炫技的AI短片大得多。

Character.AI申请破产法第十一章重组，迪士尼以2000万美元底价竞购部分知识产权

Character.AI在美国特拉华州法院提交了破产法第十一章的重组申请，开启法院监督下的资产拍卖。迪士尼已经和它提前达成底价竞购协议，出价2000万美元，买走部分知识产权的非独占永久许可，外加用一批前员工提供过渡期技术服务。这笔交易不包含公司主体、产品App和用户资产。这家公司由Transformer论文核心作者创办，巅峰估值50亿美元，到现在的处境，落差很大。

有一个细节我觉得特别有戏剧性：就在一年前，迪士尼还向它发过侵权律师函，指控平台上大量用户创建的迪士尼角色未经许可使用版权形象。现在迪士尼从破产拍卖里买走它的技术资产。我个人认为，这条最值得记的不是一家公司失败了，而是它暴露了陪伴类AI产品的结构性难题：订阅每月9.99美元，大多数用户不掏钱，第三方测算2025年收入约5000万美元，而月活长期在两千多万量级，摊到每个用户一年大约2.5美元，同时每个用户每天都在消耗昂贵的推理算力。这是一个用户越火、烧钱越快的生意。而且随着通用模型逐渐都能做角色扮演，专用陪伴应用的独特性也在被稀释。拍卖窗口预计今年11月底到12月初收尾，如果最终没有买家接手并持续运营，平台会走向关停。

Meta发布Muse Spark Open开放权重模型，称可在苹果M5 Ultra Mac Studio上本地运行

Meta发布了Muse Spark Open模型，声称是目前美国能力最强的开放权重模型，总参数816亿，原生多模态，擅长长周期任务、复杂软件工程和多步推理。它说自己是同类里第一个能在桌面上跑的，用两台搭载最新MLX框架的苹果M5 Ultra Mac Studio。Meta和苹果这次是公开互相站台，扎克伯格在社交平台上感谢了苹果团队，苹果新任CEO也回复祝贺。

我个人觉得，开放权重模型能在桌面级硬件上跑起来这件事，对开发者来说比参数更有意义，因为它意味着不依赖云端也能做本地推理。当然，官方说的最强和跑得好，都还是厂商口径，实际体验要看上手之后。

Rivian CEO称未来车辆可运行其他公司的AI智能体，但车辆级控制不会交给智能体

Rivian的创始人兼CEO在TechCrunch Disrupt上说，未来Rivian的车能运行其他公司做的AI智能体，比如Anthropic的产品。他没有说具体时间，公司也只说会在12月的AI与自动驾驶日活动上给更多细节。目前Rivian已经有一套自研的车内智能体框架，能理解你想做什么，再把它路由到车辆软件的对应部分，大部分时候是调温度、开座椅加热、总结新闻这类事。按他的说法，简单问题用本地模型，复杂问题上云。

但有一条边界他说得很明确：任何车辆级别的控制都不会交给智能体，你不会希望一个智能体来决定什么时候踩刹车、什么时候转向。我个人认为，这句话比智能体上车本身更值得注意，它划出了一条现在就能看清的线——AI可以接管信息和舒适性，但安全和驾驶控制暂时不在讨论范围内。

以上就是今天的AI播报内容。AI可思议，陪你看懂AI。我们下期再见。