技术日报

{
  "title": "GPT-5攻克数学难题，大模型商业逻辑迎来巨变",
  "content": "# AI重塑科研与商业：从攻克30年数学难题到MaaS盈利范式确立\n\n今天的科技圈被两股力量撕裂又重组：一边是AI在纯科学领域展现出的「神之直觉」，88岁的算法泰斗高德纳都被Claude与GPT联手填平了30年的数学大坑；另一边则是商业模式的剧烈分化，智谱用财报证明技术溢价远比价格战有效，而Anthropic则演示了AI如何像真正的工程师团队一样独立交付软件。与此同时，前端在Pretext的带领下试图摆脱CSS的束缚，英伟达和Kimi则在底层架构上疯狂内卷。这是一个智能外挂与工程进化并存的疯狂时代。\n\n### AI科学突破与范式转移\n\n[88岁算法祖师爷惊呆！Claude联手GPT攻破30年难题，14页论文0修改](https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652687949&idx=1&sn=f3cce03507f65193fa24814d2839dbdd)\n\n这绝对是AI科研史上的高光时刻。困扰数学界30年的「哈密顿分解」难题，被Claude 4.6和GPT-5.4以多智能体协作的方式彻底攻破。更令人咋舌的是，GPT-5.4直接输出了一篇14页、无需任何修改的LaTeX格式论文。这不仅是算力的胜利，更是「AI Agent工作流」的胜利——人类负责定义问题边界和验证审美，AI负责在无限搜索空间中填补深渊。这意味着未来的数学家，其核心竞争力将不再是计算，而是提出问题的直觉和设计系统的能力。\n\n[Kimi 杨植麟「2026 中关村论坛」演讲全文（附视频）](https://mp.weixin.qq.com/s?__biz=Mzk0NDU1MDkyNg==&mid=2247488299&idx=2&sn=312689891b6e96e8d6169ed7b3485538)\n\n杨植麟在论坛上重新定义了「规模化」的内涵。他认为未来的效率提升不只靠堆算力，更在于「Agent集群」的协作能力。通过让100个Agent并行处理复杂任务，执行时间不再随复杂度指数增长，而是保持平稳。这种将人类组织结构映射到硅基智能的思路，或许是通往AGI的一条务实路径。此外，他提到的「注意力残差」架构，也是对十年前ResNet思想的跨时空致敬，证明了基础技术的回溯与重构依然是创新的源泉。\n\n### 工程化与商业落地\n\n[6小时，200美元，0人类代码：Anthropic把AI编程推过了临界点](https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652687949&idx=2&sn=ff2ada2e398e6b4992bfa5b62ece53e1)\n\n如果说写代码是AI的「生成力」，那么能交付项目就是AI的「工程力」。Anthropic的实验表明，单打独斗的AI只能产出「AI Slop」（样子货），而通过Planner、Generator和Evaluator的多智能体分工，AI团队可以像真正的软件公司一样，经历10轮迭代、自我纠错并最终交付。这标志着AI编程从「玩具阶段」迈入了「工业阶段」——生产关系的升级远比生产力提升更让人不安。\n\n[智谱上市后首份财报：超7.24亿元！国内收入最高大模型公司，MaaS发力了](https://www.qbitai.com/2026/03/394135.html)\n\n在行业深陷价格战泥潭时，智谱的财报是一份清醒剂。全年营收7.24亿元，逆势涨价83%后调用量不降反升，证明在ToB领域，效果永远比价格敏感。智谱提出的「Token架构力（TAC）」概念极具前瞻性：未来的竞争不是比谁更便宜，而是比谁能帮客户把智能转化为经济价值。这也印证了技术公司的终极护城河，依然是不可替代的智能上限。\n\n### 架构进化与底层提速\n\n[不加算力，只改一个算法：Muon在万亿MoE模型中最高2倍加速](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651024827&idx=2&sn=dc80269b56b462cf512c3754b935ba2)\n\n普林斯顿和纽约大学团队提出的Gram Newton-Schulz算法，给万亿参数模型的训练打了一针强心剂。通过在更小的Gram矩阵上进行迭代，并利用对称矩阵优化，该算法在不牺牲精度的情况下，将优化器耗时降低了40-50%。在硬件成本高企的今天，这种「算法级提效」比单纯堆GPU更具战略意义，也为MoE架构的进一步普及铺平了道路。\n\n[The Batch： 932 ｜ 开源速度怪兽](https://mp.weixin.qq.com/s?__biz=MzIxNzI0ODE4Nw==&mid=2247498261&idx=1&sn=c6250382392ea92e95d636328c88b4ee)\n\n英伟达发布的Nemotron 3 Super 120B-A12B，不仅开源了权重，更展示了软硬件协同的极致。Mamba-2、Transformer与MoE的混合架构，配合NVFP4低精度训练，使其在生成速度上达到了惊人的442 token/秒。英伟达这招「开源换生态」的棋局深远：用最适配自家GPU的模型，牢牢锁定开发者在Cuda体系内，对抗中国开源模型和华为昇腾生态的潜在威胁。\n\n### 前端与量子计算的跨越\n\n[前端大神 Cheng Lou 开源新项目Pretext ，获两千万人围观！前端要进入“无 CSS 时代”了](https://mp.weixin.qq.com/s?__biz=MzIwNzc2NTk0NQ==&mid=2247616028&idx=1&sn=e3a95a0ce95fe37e7e90d5f675dd9f35)\n\n前端圈沸腾了。Cheng Lou的Pretext项目试图彻底解放文本排版，完全绕过DOM，用暴力计算在用户代码层实现精确布局。这不仅是性能的500倍提升，更是开发哲学的转变——从「浏览器告诉我长什么样」到「我告诉它该怎么长」。在AI生成内容日益复杂的今天，这种对像素级的控制力，或许是下一代高动态UI的入场券。\n\n[1毫秒级，最快的人体动作捕捉服！开源715万帧数据集| CVPR'26](https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652687949&idx=3&sn=4fbd3b99df554b9013485c5e8ccbe9ae)\n\n厦门大学与上科大团队研发的FlashCap，将动作捕捉的帧率推向了1000Hz的毫秒级。通过闪烁LED和事件相机的巧妙结合，他们在低成本下解决了高速运动中的插值失真问题。这不仅对体育竞技分析意义重大，更为具身智能机器人提供了宝贵的高频动态数据基石——要让机器人像人一样运动，首先得看清人类运动的每一毫秒。\n\n### 评估、资本与新风口\n\n[ICLR 2026 | 大模型当裁判也「翻车」？北大清华联合多校提出TrustJudge](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651024827&idx=3&sn=ce5e133b7ab1863f3b633b1af0764d11)\n\n当LLM-as-a-Judge成为行业标准时，裁判本身的公正性却成了大问题。北大清华团队发现，现有模型在评分和成对比较中存在高达23%的不一致性，甚至出现「A>B>C>A」的逻辑循环。TrustJudge通过利用模型内部完整的概率分布而非离散分数，大幅降低了这种「晕轮效应」。这提醒我们，在追求模型能力的同时，评估体系的基准刻度也需要重新校准。\n\n[玻色量子完成10亿元B轮融资，“十五五”规划专用量子计算机赛道唯一代表！](https://www.qbitai.com/2026/03/393856.html)\n\n量子计算正在从实验室走向产业化。玻色量子完成10亿元融资，标志着「专用量子计算机」路线获得了资本的强背书。与通用量子计算相比，专用路线在特定场景（如组合优化、AI加速）更具落地可行性。玻