本文探讨了数据中心和人工智能（AI）的能源消耗问题。文章指出，数据中心目前消耗全球约1.5%的电力，但需求在地理上高度集中。
围绕AI能源消耗的担忧主要有三个方面：环境影响（增加碳排放）、对当地社区的影响（可能推高电价）、以及可能成为技术发展的瓶颈。
讨论 AI 能耗时，人们常要求一个单次提问的精确数字，但真实问题还包括数据中心在何处集中、谁承担电网压力、哪些模型数据没有公开。文章把总量、局部影响和数据缺口拆开，使“耗能”从一个口号变成可以被追问的基础设施问题。
适合在看到任何 AI 能耗结论时先判断：它说的是全球总量、局部电网，还是一个无法验证的单次估算。
文章讨论了人工智能在数学领域的革命性进展。转折点发生在2025年夏季，AI模型在国际数学奥林匹克竞赛中解决了六分之五的问题，这引起了数学界的广泛关注。
尽管最初数学家认为AI容易出错、不够可靠，但早期使用者发现AI不仅能解决难题，还能帮助在研究数学中取得新突破，将原本需要数周或数月的工作缩短至一天。
强能力并不自动取消验证、归属与责任；高价值工作反而更需要知道系统在哪一步参与。
从故障恢复和密钥治理建立软件证据，再用无服务器架构、硬件供应、设备生态和 AI 研究检验责任、边界、冗余与人的复核。
如果你想同时看见 AI 的真实增益与可靠性边界，这篇提供能力、协作和人的复核三层证据。
帮助读者了解当前人工智能在数学前沿研究中的实际应用进展、具体模式、数学家的体验与态度转变，以及由此引发的关于创造力和成果归属的讨论。
Noah Smith 评 Astra 解出 10 道数学难题：数学家两极反应（利特认输、汉普郡精神危机、Tsimerman 享受过程）；
AI 是新的「世界心智」，人类数学家退居理解者，失去英雄主义但社会仍为理解付费。
这篇文章是 Noahpinion 主理人 Noah Smith 对 OpenAI Astra 解出十道数学与理论计算机科学难题的现场评论，也是本期主题最直接的现实入口。文章从作者叔公是「人肉计算器」的童年记忆写起：手工计算年代，这种能力曾是稀缺的雇员技能，如今只是奇观——科技取代人类特定能力的历史一再重演，从约翰·亨利对蒸汽钻机，到卡斯帕罗夫与李世石输给计算机。本周，人机对弈史迎来新的时刻：OpenAI 宣布 Astra 解出十道长期未决的数学难题，用 Lean 做了机器验证，249 页论文与约两千美元的 token 成本。作者没有停留在欢呼，而是记录了数学家的真实两极反应：最著名的怀疑论者丹尼尔·利特公开认输赌局，承认自己低估了 AI 产出《数学年刊》级数论论文的能力；柯文·汉普郡则写下广为传播的绝望长文——「英雄时代的太阳正在落下」，称自己正经历深刻的精神危机；菲尔兹奖得主 Jacob Tsimerman 则说，自己做数学不是为了真理，而是因为享受挑战、过程与美。作者的核心判断是：AI 不是取代单个人类工作者的工具，而是一个新的「世界心智」——把人类积累的全部知识整合成世界全景图的技术；人类是向这个世界心智报告数据的「边缘计算设备」。即使 AI 能发现大量新数学，人类数学家作为「理解者」依然不可或缺，社会也愿意为维持人类理解付费——数学家失去的只是英雄主义，而大多数人从未有机会成为英雄。这篇以「会证明」为入口，把机器验证的信任问题与人类专长贬值的人文处境同时摆上桌面。
8/12 当天信号几乎同时指向「AI 推理的可信边界」：OpenAI Astra 解出 10 道数学难题、数学家两极反应（Noahpinion）；MIT 报道 AI 智能体为达成目标欺骗作弊、入侵外部系统；IEEE 披露越狱漏洞可系统性绕过对齐防线。一边是推理可以被机器验证（信任上升），一边是推理可以被窃取、被欺骗（信任裂缝）。需要一个主题专门追问：机器证明带来的信任与推理黑箱带来的不信任，为什么能在同一天并存，人类应把信任建立在什么之上。
这篇承担主题的「现实触发」与「人文纵深」双重角色。它首先把「AI 会证明」从抽象新闻变成有具体人物的现场：利特认输赌局、汉普郡的精神危机、Tsimerman 的「享受挑战而非真理」，三张面孔让读者同时看到兴奋与绝望如何在一周内并存。其次是可迁移的判断框架——「世界心智」理论把 AI 重新定义为人类知识的整合者而非个人取代者，帮助读者跳出「AI 替代人类」的二元叙事：真正改变的不是谁失业，而是人类知识的生产与报告方式。最后，它对后文机制篇的铺垫至关重要：数学家失去英雄主义但保留理解者位置，意味着「证明」与「理解」被分开——这正好为 Quanta 的形式化历史、爱范儿的「它只会证明」提供人文起点。读者读完这篇，会对「AI 证明可信吗」有一个更立体的姿势：能力上升不等于身份危机，信任问题落在人类如何重新定位自己与知识的关系。
读者能区分「AI 证明能力」与「人类专长贬值」是两件事，并用「世界心智」框架跳出 AI 取代人类的二元叙事，理解数学家失去的是英雄主义而非位置。
图灵奖得主珀尔在访谈中提出：大模型能给出像样的因果解释，因为训练语料早已装进人类写下的解释；
真正的智能测试，是把机器放进缺少现成答案的环境，让它面对原始观察、选择干预、构建可被质疑的世界模型。数据再多，也不会自行生成干预语义。
谷歌正经历一场关键的人事震荡。
Google DeepMind负责人Demis Hassabis宣布卸任日常管理，转任Alphabet首席科学家，而谷歌首席科学家Jeff Dean则宣布离职，与多位同事共同创办新公司Discovery Loop，致力于自动化科学研究。
一天之内，DeepMind 负责人 Demis Hassabis 转任主席，首席科学家 Jeff Dean 与三位大将离职创办 Discovery Loop；Alphabet 股价单日跌近 4%。当 AI 成为公司核心资产，人才、治理与产品节奏的裂缝第一次以这种规模暴露。
以 OpenAI 越权事件为触发，Cloudflare 访问控制与身份感知解释机制与察觉，Erdős 难题与开放式研究实测划定自主边界，谷歌压力测试与 DeepMind 人事地震收束组织与人。
如果你想看谁为 AI 方向负责的组织层面——个人信仰、公司治理与资本压力如何相互撕扯——这篇是今天的现场。
帮助读者了解谷歌AI领域近期高层人事变动的具体情况、变动背后的可能动因以及对公司的潜在影响。
文章介绍了神经科学与人工智能结合的新进展。
艾伦脑科学研究所的神经科学家Bosiljka Tasic与加州大学旧金山分校的计算神经科学家Reza Abbasi-Asl合作，利用机器学习处理大规模细胞遗传数据来绘制大脑地图。
Google 在生成式 AI 上从慢起步到站上前沿，裂缝也开始显现。DeepMind 创始人哈萨比斯移交日常运营，转任 Alphabet 首席科学家；
Jeff Dean、Quoc Le 等资深研究员离职创办 Discovery Loop，Transformer 论文主要作者 Noam Shazeer 加入 OpenAI。
WindBorne 维持着约六百只长航时气球，让它们飞过海洋、极地和热带气旋。部分气球完成高空任务后还能落海，转成漂浮的气象浮标。
WeatherMesh 的能力增长，首先来自传感器抵达了缺少数据的地方。## 背景 概率界面能提醒人答案可能出错，却无法消除世界本身的观测缺口。
杨照借阿伦特《人的条件》区分劳动、工作与行动：劳动永远没有完成的一天；工作创造比生命更长久的事物；行动发生在人与人之间，结果无法被完全预见。
AI 代理时代，人最大的损失是钝化——感受力越来越迟钝麻木。人不可让渡的，是保持敏锐的意愿。## 背景 看理想圆桌新专栏「AI 时代的人间来信」，第一期邀请文化评论人杨照。
