文章核心观点 - 陶哲轩澄清AI解决数学问题的能力被夸大，旨在纠正将AI产出可验证结果等同于AI具备独立数学创新和替代人类能力的叙事[1][2] - AI在数学研究中的实际角色是工具链的一环，擅长执行体力活和工程活，但数学的灵魂如提出深刻问题、创造新概念等仍高度依赖人类[6][12] AI在Erdős问题上的贡献与案例 - AI在特定Erdős问题上生成了完整或部分解答，例如问题728在2026年1月6日由Aristotle与ChatGPT 5.2 Pro给出完整解答并通过Lean验证，问题729在2026年1月8日至10日也获得完整解答并使用了对728解法的修改版本[8][9] - AI被用于文献检索，以核查问题是否已被解决，例如GPT-5在2025年10月13日对问题[35]、[66]等进行了审核并找到了部分结果，在2025年11月2日对问题[94]找到了完整解法[11] - 存在AI完全解决问题后才发现已有文献解法的案例，例如问题[333]在2025年12月25日由ChatGPT 5.2 Pro和Claude Opus 4.5给出完整解决方案，但结果与Erdős和Newman (1977)的工作相似[10] 评估AI数学进展需考量的多维因素 - Erdős问题难度跨度极大，包含大量研究很少的“长尾题”和超级硬核的核心难题，仅比较“解题数”可能不是同一难度段的对比[2] - 许多问题“是否未解”本身不确定，网站标签“Open”往往是暂定的，AI解出后常发现文献早有解法，这使得“AI首解”的叙事容易翻车[3] - AI生成的证明常缺少背景、动机、文献对比等知识网络连接，其数学价值可能低于人类证明，且解出冷门题不等于够格投顶级期刊[3] - 将AI证明形式化到Lean等证明助手中虽提高可信度，但仍可能因引入额外公理、误形式化问题陈述或利用数学库的“边角行为”而被钻空子[4] AI在数学研究中的实际定位与未来展望 - AI当前擅长数学的体力活和工程活，如跑套路、补漏洞、做形式化、写稿改稿、查文献[12] - 数学的真正“灵魂”——提出深刻问题、创造新概念、将结果嵌入学科知识网络——仍然高度依赖人类[12] - 未来数学家可能扮演统领硅基智能大军的指挥官角色，由人类指引方向，AI负责开路架桥[12]

涉及的行业与公司 * **行业**：计算机行业、AI（人工智能）行业、通信行业、AI算力产业链（包括芯片、光模块、液冷、IDC等）、低轨卫星商业航天行业[1][25][40] * **公司**： * **AI模型/软件公司**：Deepseek、OpenAI、谷歌、快手（可灵模型）、阿里巴巴、字节跳动、Meta[1][8][9][12][14][21][23] * **算力/芯片公司**：英伟达、博通、AMD、寒武纪、海光、升腾、亚马逊、微软[15][19][34][39] * **光模块/光芯片公司**：旭创、新易盛、源杰、世佳、东田微、福晶、天孚、泰辰光、藤井、德科利[34][35] * **其他**：北京大学（TensorRT框架）、润泽、万国（IDC）[4][20][37] 核心观点与论据 1. 计算机行业整体表现与持仓 * **2025年业绩**：计算机行业整体业绩改善，利润增速超过收入增速，主要得益于软件公司裁员降费，利润增速达10%至20%[1][4][5] * **市场表现**：2025年计算机板块整体收益率约10%至15%，大市值公司表现优于中小市值公司，抗周期能力更强，复苏更早[1][3][5] * **公募持仓**：截至2025年底，公募基金在计算机板块持仓比例约2.6%，处于超级低配状态（标配约5%至6%），预计四季度可能继续降低[1][6] 2. AI技术发展与企业级应用前景 * **长期行情**：AI技术进入企业级应用并与软件结合，将催生持续2至3年的长周期行情，但具体时间点未定[1][7] * **模型竞争与成本**： * Deepseek以免费开源和性价比优势推动AI发展，其每百万Token成本仅1-2美元，远低于OpenAI的168美元和Gemini的18美元，毛利率约80%[1][8] * GPT-5.2 Pro定位企业级市场，每百万Token定价168美元，适用于能承受该成本的大型企业客户，可显著降低如法律服务等成本[1][10][11] * 谷歌在多模态AI领域全球领先[12][13] * 阿里巴巴的模型在开源领域领先，拥有从云到芯片的一体化解决方案[9][23] * **企业级部署加速**：企业私有化部署成本从数百万元降至几十万元，ChatGPT 5.2 Pro是首个面向企业级应用的大模型，将加速企业级AI Agent发展[16] * **B端市场潜力**：B端市场对付费AI服务接受度更高，潜力大于C端（C端APP留存率低，如Sora APP留存率仅个位数）[1][17] * **具体应用影响**： * AI生成代码量已占整体代码量的30%至40%，冲击IT行业[15] * 快手可灵模型年度经常性收入（ARR）预计超10亿元人民币[14] * **未来创新方向**：AI手机是除智能眼镜外最重要的C端创新方向，是各公司生态系统的重要组成部分[21] * **生态互通性**：各大科技公司生态体系中短期内仍将保持封闭独立，不太可能实现互通[22] 3. 算力发展、需求与产业链展望 * **资本支出高峰**：Scaling law仍然有效，北美云厂商将在2025和2026年迎来资本支出高峰，中国稍晚一年[1][18] * **巨头投资**：阿里巴巴计划未来三年投入3,800亿元人民币用于算力发展，并可能进一步上调[1][18] * **Token消耗驱动**：Token消耗量快速增长（字节跳动预计明年达400万亿），将带动算力卡需求增加3至5倍[2][19] * **国产化进展**： * 国产芯片能力提升，新一代芯片支持FP8精度，2026年将成为国产卡大模型推理元年[4][19][20] * 北京大学开发TensorRT开源软件框架，替代部分CUDA功能，国产软硬件生态系统逐步完善[4][20] * **2026年供需判断**：AI算力产业链多个环节将供不应求，尤其是在存储、光芯片和法拉第旋光片等光学元器件环节[4][27] * **训练与推理趋势**：推理算力占比将持续提升，训练算力进入10万卡甚至百万卡规模扩张阶段，带来新场景需求[28] * **CAPEX结构变化**：北美大模型公司呈寡头垄断，二线云厂商及新供应商（如美国比特币矿企转型）加入带来变量，2026年上游订单增长确定性高且呈加速趋势[29][30] * **网络架构新场景**：增量场景包括超节点形态下的scale up、大芯片概念、跨数据中心训练等[4][31] 4. 算力产业链细分领域机会 * **光模块/光互联**： * 技术升级（1.6T和硅光）为头部公司带来优势，并存在国产替代机会（如法拉第旋光片）[33] * Scale Up场景下光模块使用是纯增量逻辑，利好相关公司[34] * 关注受益技术升级的龙头、供不应求的光芯片公司、以及OCS与CPU等新兴方向[34][35] * **液冷技术**：冷板式液冷处于重要拐点，加速发展，国产公司份额提升空间广阔[36] * **ASIC芯片**：ASIC芯片逐步成熟，2026年产量将再上台阶，带动配套网络、以太网及液冷需求[32] * **IDC行业**：需求端改善，国产算力CAPEX增加，但供给端过剩导致定价压力，REITs发行有助于提升融资能力、减少财务费用[37][38] * **超节点一体化设备**：是纯增量范畴，国内在跟随产业趋势，预计2026年国产算力将出现更多一体化设备，具备一体化解决方案能力的公司将占据优势[39] 5. 通信行业与低轨卫星 * **通信板块表现**：2025年通信板块涨幅位居申万一级行业前列，仅次于有色金属，当前PE约51.7，高于历史中位数[26] * **通信投资机会**：主要关注AI算力产业链（光互联、液冷、AIDC等）和进入景气周期的低轨卫星[25] * **低轨卫星商业航天**： * 朱雀三号火箭成功入轨增强运力信心，行业需求基于国家战略方向[40] * 核心瓶颈仍是运力，与SpaceX有差距，但民营火箭实现0-1突破，促进行业加速[40] * 目前年发射百颗级别，远期目标达5,000甚至上万颗，有几十倍增长空间，已进入景气阶段[40] 其他重要内容 * **AI投资配置**：算力是基础底仓配置，应用具有弹性，一旦出现软件级企业级应用将带来持续数年的行情[24] * **GPT-5发布情况**：GPT-5实际发布的是动态指针，根据需求选择不同模型，其思想被Gemini 3继承[8][9]