白鹭
AI PC卖不动AMD造了一台AC，但Agent真需要电脑吗？_我的网站
一 | 编辑｜Panda 今天上午，一位在 Anthropic 工作的数学家 Levent Alpoge 发了一条推文。 最近的PC行业，是真的有点难。 以前大家不换电脑，厂商还能怪牙膏挤得不够。 推文开头是一句慵懒的「hello there」，接着他说：雅可比猜想是错的。然后他感谢了两个人：一个是「问起这件事的好朋友 akhil」，另一个是「在世界杯决赛期间还在干活的好朋友 fable」。现在牙膏已经快挤成水枪了，内存、硬盘、显卡价格却一个比一个离谱，新机发布会看下来，性能确实涨了，就是轻薄本也要卖到工作站的价格。 后面那位「fable」自然是 Anthropic 的大模型 Claude Fable 5。 推文正文剩下的部分是一串谁都能抄下来验证的多项式：一个从 C³ 到 C³ 的映射，雅可比行列式恒等于 -2，却把三个完全不同的点 (0, 0, -1/4)、(1, -3/2, 13/2) 和 (-1, 3/2, 13/2) 一起送到了同一个点 (-1/4, 0, 0) 上。 就这么几行字。一个自 1939 年提出、被写进斯蒂芬·斯梅尔「21 世纪数学问题」清单、困住整整一代代数几何学家、连两个变量的最简单情形都没人解决的猜想，被一条推文当成了随手一提的脚注。 消费者一看，旧电脑又不是不能开机，算了，再战三年。 厂商当然也急，于是乎过去两年，所有PC都开始往AI上靠。 简而言之，Fable 5 找到了雅可比猜想的一个反例： 这条推文引发广泛关注，浏览量已经超过 500 万，田渊栋等诸多大佬留言转发评论，宛如过年。处理器有NPU，键盘有AI键，系统里塞个助手，开会能总结，照片能抠图。结果消费者买电脑时还是看性能、续航和价格，很少有人认真说，我就是冲着这些AI功能来的。 这是一条推文，也是一篇论文 学术圈的反应很快。
二 | 归根结底，这PC之所以叫Personal Computer，那本质还是给人用的。 这就给AMD带来了一个新想法，既然给PC增加定义大家不买账，那我直接掏出一个新词：Agent Computer，你们又该如何应对呢？ （图源：AMD） 好家伙，AI还没给我发工资呢，这就跑来找我申请电脑了？ Agent能用的电脑，简称AC 首先，我来解释一下什么叫Agent Computer（下称AC）。
三 | 斯坦福的数论学家 Jared Duker Lichtman 转发并逐步拆解了这个反例，还顺手挖出了一段几乎像电影桥段的历史巧合（后面细说）。 按照AMD的定义，AC是一种专供AI Agent长期运行的设备，主打始终在线、始终可用、始终工作。他把这项工作的署名写作「Alpoge、Mathew 和 Claude Fable 5」——这里的 Mathew 指芝加哥大学的代数几何学家 Akhil Mathew，也就是推文里那位「问起这件事的 akhil」。 如果AI PC是给你的电脑请助手；Agent PC是助手操作你的电脑；那么AC就是你给助手配了个人电脑。用户不需要坐在它前面点鼠标，只要通过手机、聊天软件或者另一台电脑派活，Agent就能在后台调用模型、文件和工具，持续工作几个小时，甚至几天。 在 Hacker News 上，热度同样很高，评论区弥漫着一种混合了敬畏和荒诞的情绪。 （图源：AMD） 因此，AC不一定要有自己的屏幕、键盘和鼠标。 为了给自家产品做宣传，其实AMD有在介绍页面给出一系列推荐产品，可以看到大部分被定义为AC的产品，都是塞满了大内存和AI算力的小主机，主打的就是静音运行、待机低功耗和相对高性能。 对，就像今年年初爆火的Mac mini那样。 （图源：AMD） 说到这里，大家估计也能看出这个概念到底是怎么来的了。
四 | 有趣的是，在今年WAIC上，尽管各家宣传口径不一，但是我们确实能够看到不少符合这个概念的产品。 以联想为例，他们在今年的展会上带来了新近发布的联想AI主机MINI。 （图源：联想） 据悉，这款产品出厂预装Ubuntu系统，用户需通过手机扫描二维码完成设备配置。
五 | 有人写下那句被反复引用的话：「他就……把它发了条推。 它的最大特点就是搭载了国产算力平台——此芯P1处理器，该处理器采用6nm制程，Arm架构，配备12核CPU和G720 MC10 GPU，此外还配有一个专用NPU，使联想宣称的总算力达到45TOPS。
六 | 」另一位补刀：「我给维基百科词条加 {{Cite tweet}} 的时候都有点不好意思。」还有人盯着那个非常规写法的「thanx」感慨：「这个『thanx』要载入史册了。」 也有人被那条推文的形式逗乐了：这个猜想撑了 85 年，而推翻它的公告发在一个七天后就会过期的格式里。 这玩意的本地算力确实一般，它主打的是让全家人或全团队接入同一个天禧Agent，以此实现多成员的任务共享，联想将其定义为一个长年运行的本地AI中枢。 X 上的气氛更松弛，有人说这条推文本来可以让一个人获得博士学位： 还有人说「我太喜欢 AI 让突破性数学变得这么随意了」；有人贴出自己让 Fable 验证结果时模型的反应，按几位网友的描述，模型一边疯狂地用五种方法反复核对，一边不敢相信这是真的。还有一句流传甚广的调侃：「我让 Fable 帮我验证，它彻底炸了！我完全看不懂这些是什么意思，但我的 AI 觉得我是个传奇级数学家。
七 | 当然，想要充足的本地算力，联想这边也能提供。」 事实上，也有人认为这条推文本身就是一篇论文，他们还举例了历史其它一些篇幅很小的数学论文，甚至比这条推文更短： 热闹之外，也有认真的怀疑。例如这款后摩智能和联想推出的联想AI主机P7，整机只有约300克，号称拥有190TOPS本地算力，最高支持千亿级模型部署。 （图源：雷科技） 最重要的是，这款产品有移动电源就能工作、有网没网都能跑模型，你完全可以把视作一台可以随身揣兜里的个人AI服务器。 就是这6999元的价格，不管怎么说都算不上便宜就是了。 此外，现场还有AI WorkMate这类带摄像头、语音交互和投影的Agent桌面设备，可以说外形已经从传统电脑一路滑向桌面机器人。 （图源：雷科技） 至于商汤科技和创盈芯，他们也在本次WAIC上展出了一个“虾盒”。 （图源：雷科技） 不难看出，从硬件厂商、芯片厂商到模型厂商，很多企业都开始注重起软硬结合，他们都在朝着Agent Computer这一定义发力，试图实现硬件与智能体的深度协同。 人和Agent，非得用不同装备吗？ 看到这里，有人肯定就要问了，真的有必要给Agent专门整一台电脑嘛？ 嗯...只能说AMD认为有必要，甚至更夸张一点，他们认为人和Agent最好不要永远共用一台电脑。 （图源：AMD） 理由也很简单，人的电脑负载是间歇性的。有人第一反应是：这个反例这么「小」，degree 这么低、系数也不大，85 年里难道没人做过一次小范围的穷举搜索吗？这个问题，我们放到后面回答。 雅可比猜想到底在问什么 先把这件事说清楚，它其实比听上去友好。写稿、修图、打游戏，用完随手就关；Agent的理想状态却接近服务器，它要持续等待任务、同时推进项目、失败后重试，还可能在你睡觉时继续工作。 想象一个多项式映射：输入几个数，只用加法、乘法和整数次幂，输出另外几个数。 特别是Codex这类应用，主打的就是多Agent并行和长时间任务，你给它电脑关了，它还怎么运行下去？ 至于性能方面的问题嘛……我个人倒是觉得还好。 简单介绍一下配置，目前我在用的PC是i5-13600KF+RTX 4070 Ti，整整10TB SSD+64GB内存，这个配置虽说跑不了什么大参数的本地模型，但是平时跑Codex，确实没有遇到明显卡顿、资源爆炸或者Agent抢走鼠标的情况。 要知道，很多Agent计算本来就在云端完成，本地更多负责读文件、调用工具和展示结果，再加上我基本不需要进行什么批量操作、定时任务，远没到必须给它在隔壁买台电脑的程度。Alpoge 给的这个例子就是把三维空间里的点 (x, y, z) 映射到三维空间里的另一个点。 对任何这样的映射，你都能写出一个叫「雅可比矩阵」的东西，里面装满了它的偏导数，本质上是一张表，描述每个输出对每个输入的微小扰动有多敏感。这张表的行列式是一个数，它告诉你：在某一点附近，这个映射是不是「局部可逆」的。 雅可比猜想问的是一个很具体的版本：如果这个行列式处处等于同一个非零常数，那能不能保证整个映射是全局可逆的。也就是说，你总能从任意一个输出倒推回那个唯一的输入，而且倒推的公式还是个多项式？ 微积分里的反函数定理已经告诉我们，非零的雅可比行列式是局部有光滑逆的必要条件。 但这多少属于配置替我承担了岁月静好，事实上，网上关于Agent占资源、内存不释放、长任务崩溃的反馈并不少。1939 年，德国数学家 Ott-Heinrich Keller 想知道的是：这个「局部」的条件，够不够强到撑起「全局」的结论。 听上去像是 1950 年之前就该被解决的问题。结果它成了现代数学里最著名的陷阱之一。 （图源：reddit） 现在很多大学生用的都是轻薄本，起步内存大多是16GB，自己开着网页、微信、文档和剪辑软件，再让几个Agent并行跑任务，那体验别提有多酸爽了。 为什么它撑了 85 年 雅可比猜想在数学家中间的名声，是「看起来平易近人，实则专啃学术生涯」。它排在斯梅尔那份面向 21 世纪的问题清单的第 16 位，和黎曼猜想、Navier-Stokes 方程并列。即便是最简单的两变量情形，至今也没被解决。 它还以「假证明」多而闻名。
八 | 维基百科词条里就有一句几乎是免责声明式的描述：雅可比猜想以大量后来被发现含有微妙错误的已发表和未发表证明而「臭名昭著」。 人嫌Agent吃内存，Agent嫌人爱关机，属于是相看两厌了。
九 | 几十年下来，研究它的人养成了一种近乎条件反射的谨慎：一个新的雅可比猜想「证明」出现时，默认是「有罪推定」，先假设它错了再说。
十 | 正是这种名声，让这次的公告显得格外不同。因为这一次不是又一个「证明」，而是相反的东西：一个写得明明白白、满足猜想全部前提、却偏偏不可逆的具体函数。 当然，相比性能损失和使用习惯上的小问题，或许权限才是人和Agent应该分开的真正原因。 反例，用大白话说 Alpoge 贴出的这个函数，接收三个数 (x, y, z)，输出三个新数，全部由输入的和与积搭出来。它的雅可比行列式算出来是常数 -2，处处非零——正好是猜想在意的那个条件。 Agent要替你干活，就得接触文件、邮箱、浏览器、代码库，甚至是你的公司内部系统。 但它把三个货真价实不同的起点，(0, 0, -1/4)、(1, -3/2, 13/2) 和 (-1, 3/2, 13/2)，送到了同一个终点 (-1/4, 0, 0)。一个不可逆的函数必须干的，正是这件事：把至少两个不同的输入压到同一个输出上。
十一 | 然而它能力越强，出错时的破坏力也越大，我们已经不止一次看到X上面的精英程序员遭遇删库级别的事故了。 所以AMD才建议，把高自主Agent放进独立设备里，别一上来就把主账号、个人信息和公司机密打包送给它，让它把你的数字人生梭哈了。这里它一口气压了三个。 一次这样的「碰撞」就足以击沉整个猜想。 所以AC会全面取代PC吗？ 我认为AC在未来会持续存在，而且对一部分人非常有用。 比如开发者、研究人员、内容团队，他们本来就有大量需要长时间运行的任务。让Agent常驻在一台独立设备里，处理资料、跑代码、整理数据库，不会因为员工合上笔记本就原地失业，这个逻辑完全成立。 这玩意有点像NAS，对很多人来说可能意义不明，但是对于需要搭影视库、备份素材、管理照片的人来说，那叫一个旦用难回。
十二 | （图源：雷科技） 但你要说用这玩意取代PC，那我觉得根本就是无稽之谈。 对普通人来说，让AI总结文档、修张图片、查点资料，现有PC和云端大模型已经够用，甚至可以说绝大多数人用豆包都绰绰有余了，指望大家舍弃现在的交互方式，完全转向指令式交互，多少是有点痴心妄想了。 此外，考虑到价格飞涨的市场环境，指望大伙为了Agent专门买一台高性能小主机，这点多多少少也有些抽象好吧。 或许有朝一日，这些疯狂的存储、内存的价格下来了，我们终于能够承担得起新电脑了。届时，最理想的状态也就是PC和AC共存，人不必和Agent抢一块屏幕，Agent也终于不用在人关机时被强制下班。
十三 | 剩下的全是算术，任何人拿笔把数字代进去就能验证。也因此，数学圈这次接得这么快。Lichtman 在拆解里写道，由于 F 把三个不同的点送到了同一个像，它不可能可逆。 一个绕不开的问题：为什么以前没人找到？ 回到前面那个怀疑：例子这么小，怎么以前没人穷举出来？ Hacker News 上有人给出了一个不算浪漫但可能接近真相的解释：不是找不到，是没人去找。学术数学里钱不多，真正热爱它的人往往盯着的是「高价值」的大定理，而这种把猜想一击毙命的低次反例，历史上多半是业余爱好者的领地；而近几年「一切皆可变现」的风气，又把人从这类无功利的智力消遣里推开了。
十四 | 换句话说，答案可能不在数学里，而在「谁有闲心去搜」这件事上。 也有人提出，Fable 之所以能合成出这个反例，或许恰恰因为它「读过」大量前人失败的证明。那些错误尝试里对多项式施加的种种约束，可能以某种方式被模型内化，再借着作者的反复提示和 Wolfram Alpha 的验证，一点点逼近到最终这串式子上。这个说法目前只是猜测，反对者的反驳也很直接：那些「假证明」是奔着证明去的，未必对「找反例」有任何帮助；退一步说，反例就是反例，在此之前没人找到过，哪怕他们同样读得到那些前人的工作。
十五 | 这场争论本身，或许比反例更有意思——它触及的是一个更大的问题：当模型开始参与真实的数学发现，它到底是在「检索」人类已有的智慧，还是在「创造」新的东西。 一段关于张益唐的奇异回响 这个故事里最戏剧性的部分，其实和 AI 无关。
十六 | 据 Lichtman 梳理，雅可比猜想（的一个特例）正是曾在孪生素数猜想和黎曼猜想上取得过实质性突破的顶级数学家张益唐博士期间的课题。当年他的导师让他在自己证过的一个引理之上做这项工作，而那个引理后来被发现是错的。
十七 | 张益唐的整篇博士论文，也随之坍塌。 后面的故事很多人都知道了：论文垮掉后，张益唐拿不到需要的推荐信，多年辗转于各种工作之间，直到四十多岁才拿到一个稳定的学术职位；但他最终证明了素数间隔有界这一里程碑式的结果。这被认为是现代数学最励志的翻身故事之一。 而如今，这个曾在张益唐学术生涯起点处把他绊倒的猜想，四十年后被另一群人外加一个大模型在世界杯决赛夜给了结了。历史的回响，有时候安排得比小说还工整。 但先别急着改教科书 有一件事必须说清楚：截至发稿，这个结果还没有经过正式的同行评审。
十八 | 而该猜想的维基百科词条经过多次拉锯式的反复修改，目前已经对该推文的证明给予了认可。 好消息是，这个反例的验证门槛极低：它不是一份几十页、需要专家逐行审查的证明，而是一个把数字代进去就能算的具体函数。也因此，在缺乏正式论文的情况下，社区仍然愿意在几小时内认真对待它。多位数学家已经用 Wolfram Alpha 复算并确认了那几个关键数值。但「大家都算过、看起来对」和「已被学界正式接受」之间，仍隔着一道流程。
十九 | 围绕它的后续问题也已经浮现。比如，猜想的某个「修补版」是否还能幸存？社区里流传着一个据称来自 OpenAI 模型的提议：如果补上一个排除「无穷远处退化」的条件，猜想或许仍然成立。这个补丁版本是真能被证明，还是又一个等着崩塌的死胡同，现在没人知道。 值得追问的，不只是一个猜想的生死 把这件事放进更长的脉络里，它是最近一连串结果中的最新一个。这些结果共同指向一个判断：前沿模型正在从竞赛题和智力游戏，走进真正的开放问题。就在不久前，还有 AI 系统被报道解决了多个悬置数十年的 Erdős 问题，并生成了可被机器验证的形式化证明。 但雅可比这个例子有点不一样。它不是在一个已知题库上刷分的形式化证明搜索，而是一位真正的在职数学家，把模型当成一个研究协作者，去猎捕一个有名有姓、悬了几十年的具体猜想的反例；然后不声不响地发了条推。 参考链接 https://x.com/alpoge/status/2079028340955197566 https://x.com/jdlichtman/status/2079066717762863249 https://news.ycombinator.com/item?id=48973869 https://en.wikipedia.org/wiki/Jacobian_conjecture https://officechai.com/ai/an-anthropic-researcher-says-fable-just-helped-him-disprove-the-85-year-old-jacobian-conjecture/ https://explainx.ai/blog/fable-5-jacobian-conjecture-counterexample-alpoge-july-2026。
Current article:http://www.mengruanpianchengji.cyou/list_fupuc2/f4d26k.html
Published on:01:56:00
