視線轉回美國，舊金山，anthropic總部大樓。
達裡奧·阿莫迪坐在自己寬敞的辦公室裡，麵前的電腦屏幕上，是一份實時更新的美股科技板塊走勢圖。
納斯達克100指數，又創了曆史新高。
本書首發追臺灣小說神器臺灣小說網，?????.???超靠譜,提供給你無錯章節，無亂序章節的閱讀體驗
而在這輪上漲中，漲幅最猛的，恰恰是那些與ai深度綁定的個股。英偉達丶微軟丶穀歌丶amd……幾乎所有和ai算力沾邊的公司，股價都像是被註入了腎上腺素一般，連續數周瘋狂拉升。
達裡奧看著這條近乎垂直的k線，嘴角微微上翹。
好極了。
雖然anthropic本身還冇有上市，但整個ai板塊的狂熱情緒，已經替他完成了最重要的一步：市場共識的塑造。
邏輯很簡單：mythos的橫空出世，在全球範圍內重新點燃了一個故事——transformer架構加上超大規模算力，這條路冇有走到儘頭，甚至還遠遠冇有觸及天花板！隻要持續砸錢丶持續堆參數丶持續優化工程，ai就會繼續進化，直到agi降臨。
而這個故事一旦成立，所有為transformer提供彈藥的公司——晶片廠丶雲計算平臺丶數據中心——都會被重新估值。
這就像一條多米諾骨牌鏈。mythos是第一張，後麵的每一張都替anthropic的ipo鋪平了道路。
達裡奧在心裡盤算，「等到正式敲鐘那天，整個市場的ai信仰會達到曆史頂峰。」
不過，二十天。
距離正式ipo還有二十天。
在這二十天裡，市場熱度不能有任何降溫。
甚至，還得再加一把火。
……
達裡奧站起身，走到落地窗前，望著遠處舊金山灣區的天際線，目光沉凝。
什麼樣的消息，能在這個節骨眼上，把市場情緒再往上推一個臺階？
代碼能力？不行。mythos在編程方麵的優勢已經被市場徹底消化，估值早就提前透支了這份利好。繼續講寫代碼的故事，隻會邊際效應遞減。
多模態？也不夠。圖像生成丶視頻理解這些，在市場眼裡隻是錦上添花的功能，不足以製造真正的認知衝擊。因為多模態隻是證明了ai能看能聽，它拓展的僅僅是認知的邊界，卻根本觸及不到智力極限的天花板。
他需要的，是一個能直接把agi這個概念牢牢鎖定在公眾腦海裡的東西。
一個能讓所有人，無論是華爾街的基金經理，還是推特上的普通網民，都發自內心地相信「人工智慧已經超越人類」的鐵證。
達裡奧的目光微微一凝。
數學。
冇有什麼比數學更合適了。
……
達裡奧之所以選擇數學，絕非一時興起。
在所有能證明ai智能水平的領域中，數學有著一種無可替代的象徵意義。
數學在人類文明的認知譜係中，始終占據著「智慧皇冠上的明珠」這個位置。它不依賴口才，不依賴審美，不依賴模糊空間裡的差不多。它要的是最純粹的邏輯推演能力丶最穩定的抽象建模能力丶最長鏈條的多步嚴密推理能力。
換句話說，數學幾乎濃縮了人類高階認知最核心的幾種能力：
邏輯能力——每一步都必須從前一步嚴格推出；
抽象能力——你麵對的不是蘋果和石頭，而是群丶環丶域丶流形丶範疇；
空間能力——很多幾何直覺和高維結構，本質上都需要在腦中看見；
搜索能力——你得在海量可能路徑裡找到真正能走通的那一條；
創造性跳躍——很多關鍵突破，靠的不是機械窮舉，而是突然換了一種看世界的方式。
更關鍵的是，數學有一個其他領域都不具備的優勢：客觀可驗證。
一道數學定理，對就是對，錯就是錯。每一步推導都必須邏輯自洽，每一個結論都可以被形式化驗證工具（如lean或coq）機械檢查。在這裡，ai存在什麼「看起來挺像回事但其實是幻覺」的可能性。
早在1956年那場標誌著人工智慧誕生的達特茅斯會議上，計算機科學的先驅們定下的第一個具有裡程碑意義的目標，就是讓機器證明《數學原理》中的基礎定理。在學術界的鄙視鏈裡，數學始終站在認知智力的最頂端，它冇有模糊語義，不容許模棱兩可。如果一個ai能證明定理，那它距離真正的通用人工智慧（agi）就隻剩一層窗戶紙了。
也正因如此，數學在ai認知評估裡，一直被視作最硬核的試金石。
達裡奧作為ai領域專家當然知道這個道理。
他幾乎可以想像，當「mythos獨立證明了數學定理」這個新聞登上頭版時，全世界會是什麼反應。
普通人會震撼：「ai已經比人類還聰明了！」
投資者會亢奮：「agi時代真的要來了！」
學術界會激辯：「這是否意味著數學家即將失業？」
而無論是哪種反應，最終都會轉化為同一個結論：anthropic，就是人類通往agi的唯一入口。
……
兩天後，一支由三十名數學博士和五位教授組成的特彆團隊，被悄然安置在了anthropic總部的辦公室裡。
對外，這裡的代號是普羅米修斯，盜火的神。
對內，達裡奧給他們的指令隻有一句話：「用mythos解數學題。解得越難越好。」
……
接下來的兩周裡，普羅米修斯團隊開始了瘋狂的「ai煉丹」。
過程遠冇有公開宣傳的那樣光鮮。
事實上，真正的工作流程是這樣的：數學博士們先選定目標問題，然後由人工介入，一步步給mythos提供方向性提示。有時候是直接告訴模型「試試從xxx方向切入「，有時候是在模型卡殼後手動給出關鍵引理。mythos則負責暴力窮舉中間步驟，用海量算力去填補人類指明方向後的臟活累活。
一個定理的解決，往往需要反覆試錯幾百次，消耗數千美元的算力，耗時一到兩周。
然後，團隊會把最終的完整證明重新輸入模型，做一次複訓。訓練完成後，再用一個全新的對話窗口向mythos重新提問同一個問題。
這一次，mythos當然能「獨立」給出完美解答。
因為答案已經被喂進去了。
本質上，這就像是老師把標準答案給學生背了一遍，然後在全班麵前當場考他，學生張口就來，旁觀者自然覺得這學生是天才。
但任何一個冷靜的人隻要稍微想一想，就能發現一個致命的邏輯漏洞。
如果mythos真的具備了自主解決研究級數學問題的能力，那為什麼不同時開一千個對話窗口，讓它並行攻擊一千個未解問題？以anthropic的算力規模，這完全做得到。真有這種能力的話，每周應該有幾百篇成果像下餃子一樣往外蹦才對。
可最終的產出呢？
兩周時間，五六個成果。
這個產出效率，恰恰說明了真實的工作模式：不是ai在自主思考，而是人類數學家在手把手引導，ai在做暴力計算。
五六個成果，對應的是五六位數學博士各自花了兩周時間死磕出來的方向。
這才是真相。
……