这一篇要走进的两个领域，恰好站在"软件判卷"能力的两个极端。数学软件是人类造过的最铁面无私的考场，对就是对，错就是错，连半分灰色地带都没有；量化回测软件则提供了一个更深刻的教训——一个从来不说谎的系统，照样可以把你引向倾家荡产。把这两个软件放在一起看，才能看清"软件验证"这道枷锁的全部力量，和它的最后边界。

2026年6月，Wolfram发布Mathematica第15版，AI Assistant被直接内置进每个笔记本，底部多了一条聊天栏，说人话就能调用整个Wolfram语言；更关键的是，它同时内置了MCP框架——Claude、ChatGPT这些外部AI，可以通过标准协议直接操作Wolfram的计算内核。三个月前，MathWorks在4月发布MATLAB Agentic Toolkit，让Claude Code、OpenAI Codex这类智能体能在MATLAB和Simulink里跑完整的工程流程。

这是"给AI戴上枷锁"这个理念最纯粹的工程样板。它的架构设计值得逐字理解：大模型不被允许做任何数学，它只负责翻译——把人的自然语言翻译成精确的Wolfram语言或MATLAB代码；真正的计算，全部交给确定性的数学内核完成。会胡说的那个部分，被剥夺了计算权；从不出错的那个部分，垄断了计算权。

为什么要这样分工？因为大语言模型做算术的记录堪称耻辱。让它直接算0.86乘以13.7，它会给你一个"听起来合理"的数字，因为它在预测数字的长相而不是在执行乘法；让它符号积分、求矩阵特征值、解刚性微分方程，它能编出一个格式完美、结论错误的推导。但同一件事交给数学内核，结果是确定的、可复现的、精确到任意位数的——同一段代码跑一万次，答案永远是同一个。于是一个绝妙的组合出现了：AI负责理解"你到底想算什么"，软件负责保证"算出来的东西绝对正确"。幻觉在语义层被允许存在（它可以误解你的需求），但在数值层被彻底放逐（它无法篡改计算结果）。

好处是真实而巨大的。一个研究生不必再花三周啃Wolfram语言的语法，可以直接把精力放在问题本身："分析这个三自由度系统在阻尼变化下的分岔行为"，AI写代码、内核出结果、软件画相图，错了立刻在图像和报错里现形。工程师在Simulink里搭控制系统，AI生成初版模块，仿真曲线不符合物理直觉就当场推翻。数值分析、符号推导、信号处理、蒙特卡洛模拟——这些过去被编程语言门槛挡在外面的能力，现在向所有懂问题但不熟语法的人开放了。

但请记住第一篇那句话：软件关得住语法错误，关不住问题问错。在数学软件里，这句话的后果格外严重，因为这里的错误全部穿着"精确"的外衣。

第一种搬迁，叫模型错了。软件可以保证微分方程解得完美，但保证不了你列的方程描述的是真实世界。给流行病模型选错传播假设、给结构模型漏掉一个耦合项、给经济模型设错外生变量——内核会用最高精度求解一个错误的模型，给出一张光滑、收敛、参数齐全的错误曲线。第二种，单位错了。磅和千克、弧度和角度、英制和公制，AI在翻译需求时用错单位，软件里没有任何报错，所有计算自洽，最终结果整体偏一个量级——人类航天史上最贵的几次事故，都死在这个软件根本无法识别的错误上。第三种，边界条件和数值稳定性错了。刚性方程用错求解器、网格在梯度大的地方太疏、迭代初值落在错误的吸引盆里，软件忠实地吐出一个数值，但这个数值是数值方法的幻觉，不是方程的真解。

这些错误的共同特征是：没有红叉，没有报错，没有#REF!，输出格式比任何人类手写的推导都漂亮。数学软件的判官只审判"你的指令是否被正确执行"，它从不过问"你的指令本身是否明智"。而当AI把从问题到代码的整个过程压缩成一次对话，那个原本由人类在手工推导中完成的、慢腾腾的怀疑过程，再一次被省掉了。老学者手算时会在第三步停下来质疑自己的假设；AI一键出图时，质疑的空档根本不存在。

所以数学软件的正确用法，是把AI当成一个极快的研究助理，而不是一个可以签收的结论来源：用它穷举、用它可视化、用它验证你自己已经有物理直觉的结论；而模型假设、量纲检查、结果合理性，必须由那个要在论文和工程报告上签字的人亲自过一遍。数量级直觉在这里是唯一的最终防线——而这种直觉，正如第一篇所说，只能靠亲手算错无数次才能长出来。

从数学软件往金融走一步，就遇到了量化回测平台——聚宽、米筐、Backtrader，以及各家私募自研的回测引擎。它本质上是一台给投资想法用的审判机器：你把"当5日均线上穿20日均线时买入、下穿时卖出"这个想法写成代码，它立刻在十年历史数据上模拟一遍，告诉你如果当年这么干，现在有多少钱。

AI进入这个领域，好处肉眼可见。第一，想法到验证的周期从一周压到一小时，一个研究员可以让AI一天写出几十个策略原型同时回测；第二，AI接管了大量数据清洗、因子构造、绩效报告的苦工；第三，它能快速解释代码、排查语法、做参数敏感性分析。2026年国内头部量化私募已经在生产环境里使用多智能体架构——蝶威量化把系统拆成分析、研究、代码、评判、基金经理五类Agent，让它们"辩论式"协同，同时调用多个厂商的模型交叉验证，用架构而不是用信仰来压制幻觉。

如果故事到这里，这将是软件判官的又一次完美胜利。可惜，回测软件有一个所有其他软件都没有的特殊性，它让整个问题发生了质变：在其他软件里，通过验证意味着你对了；在回测软件里，通过验证什么都不意味着。

先看一个2026年流传甚广的实验。有人让大模型生成20个交易策略，结果14个本质上是同一个东西——它们都有像样的开仓平仓逻辑、合理的仓位管理、漂亮的回测曲线，但全部在利用训练数据里同一个偶然特征。这叫策略幻觉：代码结构完全合法，没有任何语法错误，回测引擎忠实地跑出高收益，但策略里不包含任何真实的市场洞见，它只是碰巧对历史数据的一段噪声拟合得很好。一个人类量化研究员五分钟就能看穿，AI用两个小时才被发现。

这暴露了一个根本错配：大语言模型是文本预测机器，不是数值回归机器，它对市场没有任何理解，它生成的"策略"本质是"量化研报里最像策略的那段文字"。而回测软件这座考场，恰恰最容易被这类考生骗过——因为回测的判卷标准，历史收益曲线，是可以通过死记硬背答案拿满分的。

回测骗人的方式，在量化行业有一份固定的死亡清单，每一项AI都会让它发生得更快、更隐蔽。

过拟合：参数调到历史曲线完美贴合，本质是把答案背下来，而未来的考卷永远是新的。AI一天能跑一万次参数寻优，等于一天背一万遍旧答案，背得越熟，死得越脆。前视偏差：代码里不小心用了当时不可能知道的未来信息——用收盘后才公布的财报在当天开盘交易——回测曲线立刻封神，实盘立刻穿帮，AI写的复杂代码里这类错误藏得比人写的更深。幸存者偏差：股票池里只有今天还活着的公司，那些退市归零的被数据库自动剔除，回测假设你十年前就能预见谁会活下来。还有滑点、冲击成本、涨跌停买不进卖不出、停牌、手续费——AI默认生成的干净世界里没有这些摩擦，而真实市场的全部利润，常常恰好薄不过这些摩擦。

注意这份清单的可怕之处：里面没有一条是软件的错。引擎对每一行代码的执行都绝对忠实，收益曲线的每一个数字都计算准确，它没有撒一个谎。它骗你，恰恰是因为它从不撒谎，所以你放下了对一个满口胡言者本该有的全部戒备。你验证了代码、复现了结果、检查了日志，一切无懈可击——然后把真金白银交给了一个只在过去成立的规律。回测能验证的，只是"你的逻辑被代码忠实执行了"；它永远无法验证的，是"这个逻辑在未来依然有效"。前者是语法问题，后者是认识论问题。软件是语法的终极判官，对认识论问题则彻底失明。

2026年还有一个新的、系统性的风险正在浮出水面：当无数机构用同一个底层大模型、同一套回测框架生成策略，幻觉开始互相印证。中证报4月的调查里，量化从业者已经在警告多Agent集群的"协同幻觉"——多个智能体在复杂任务链中互相放大错误且缺乏制衡；更宏观的层面，海量投资者从AI处获得方向一致的投资指引，分散决策退化成集体行动，资金涌向同一批标的，形成规模空前的羊群效应。当AI生成的趋同策略一起建仓、一起止损，回测里彼此独立的风险，在实盘里变成了所有人同时夺门而出。这是软件层面永远测不出来的风险——回测的历史数据里，没有"所有人都在用同一个AI"这一年。

数学软件和回测软件合在一起，为整个系列划出了那道最重要的边界。

在数学考场，标准答案存在，且不随时间改变——软件是全知判官，AI是合格的速记员，人只需要守住问题定义和结果的物理合理性。在市场考场，标准答案不存在，或者说答案每天都在重新生成，还会因为看答案的人太多而改变——软件只能当一个尽职的会计，记录你假想的行动，判卷的是未来本身，而未来从不提前交卷。

所以成熟的量化机构对AI的使用方式，反而比外行克制得多：让它写代码、查数据、做覆盖、跑穷举，把人类从重复劳动里彻底解放出来；但对一个策略"为什么能赚钱、赚的是谁的钱、这个规律为什么不会被套利者抹平"的拷问，必须由人完成，而且要在AI的一万条漂亮曲线面前保持最大的怀疑。样本外检验、 paper trading 小资金实盘、多周期多市场交叉、对策略逻辑做经济学归因——这些步骤全部是为了对抗同一个诱惑：把"历史上有效"误读成"将会有效"。

数学软件教会我们的是：把计算交给从不出错的东西，把理解留给自己。回测软件教会我们的更冷一层：即使每一步都被验证为真，结论仍可能是假的——如果验证本身发生在一个已经死去的世界里。

下一篇走进最后一个、也是读者最多的考场：人人每天都在用的办公软件。那里的错误没有编译器、没有报错、没有曲线，只有一份精美的PPT，和会议室里所有人的点头。

本文为《给AI戴上枷锁》系列第三篇，产品信息基于2026年10月各厂商公开发布的版本，市场案例来自公开行业报道。