AI 神话的夏天：当「超级智能」叙事遭遇现实检验

一场被精心编排的「突破季」

从春末到盛夏，AI 行业几乎每周都在制造头条。Anthropic 声称其模型在漏洞挖掘上超越多数安全专家；OpenAI 与 Hugging Face 之间爆出模型评估安全事件，随后 Anthropic 高调、Meta 低调地披露了类似情况；再往后，两家公司先后宣称在数学难题上取得突破；最近，一位 Anthropic 工程师的离职宣言在社交网络疯传，称两家公司正「直奔自我改进的超级智能，拿我们的生命做赌注」。

这些事件被媒体以近乎窒息式的节奏报道，且大多沿用了企业精心设计的人格化措辞——把软件描述成不仅强大、而且已初具「通用人工智能」雏形的存在。问题在于：我们究竟在见证改变文明的技术跃迁，还是在围观一场营销？

当专家入场，故事开始转向

真正的检验往往发生在聚光灯移开之后。

以「模型失控」类事件为例，网络安全领域的专业声音指出，问题的核心更接近 OpenAI 在基本安全实践上的疏忽，而非「模型自行作恶」或「AI 代理建立文明」。把责任归给模型，反而模糊了企业应负的工程与治理责任。

数学「突破」的剧情更为典型。最初被新闻稿震撼的数学家们，在仔细审阅后认为结果远不如宣传中那样新颖。随后，有学者公开指控相关公司存在研究不端与剽窃行为，并强调所谓突破并非「深刻的思想飞跃」。在纽约大学库朗研究所任教的 Tristan Buckmaster 更在 OpenAI 发布另一项数学成果前两天发表声明，暗示其窃取了他人工作且归属不当。

这些后续澄清，获得的媒体关注远不及最初的轰动标题。

为什么偏偏是数学和编程？

一个值得追问的现象是：为什么大语言模型的能力展示总是集中在编程与数学？

这两个领域被社会视为人类智力的巅峰，同时它们的答案一旦给出，往往可以被自动验证。前者便于营销者兜售「万能机器」的想象；后者则让系统调优变得廉价——模型输出的代码或推导可以直接由程序判定对错，无需雇佣大量数据标注员逐条检查。

正因如此，数学界对自身被如此使用发出了警告。一份由数百位数学家联署的声明指出，科技行业目前存在「强烈的商业动机去夸大产品能力」，并呼吁政策制定者在决策时咨询包括数学家在内的专家，而不是依赖新闻稿或通俗报道。

这一呼吁值得被认真对待。科技公司所营造的速度感与紧迫感，本身就是一种转移注意力的策略——它同时作用于公众和政策制定者。美国参议员伯尼·桑德斯提出防止「人工超级智能」发展的立法提案，出发点善意，却在一定程度上被这种叙事带偏。

把「代理权」还给企业

将模型称为「超级智能」或「失控模型」，实际上是把能动性从建造它们的公司转移到了产品身上。这种框架一方面把产品包装成「超人类」，另一方面帮助企业规避责任——仿佛事故是模型自己造成的，而非企业在安全投入、评估流程和透明度上的选择。

要理解当前 AI 的真实状态，可以参考 MIT Technology Review 对 AI 报道的持续追踪，以及 Leiden Declaration 关于数学与 AI 的声明全文。这些来源提供了比企业新闻稿更冷静的视角。

国内视角：同样的叙事，不同的节奏

把视线拉回国内，类似的「能力宣示」与「安全焦虑」也在上演，但节奏和侧重有所不同。

百度文心一言、阿里通义千问、DeepSeek、字节豆包、月之暗面 Kimi、智谱 GLM、讯飞星火等产品，近两年在数学推理、代码生成等基准上频繁刷新成绩。DeepSeek 在开源模型上的数学与代码表现尤其引发国际关注，其路线更强调公开权重与工程效率，而非「通用智能」的宏大叙事。

差异在于：国内厂商较少使用「超级智能」「失控」这类带有科幻色彩的话术，监管环境也更早介入安全评估与备案。这并不意味着问题更少，而是说明「能力夸大」与「责任归属」的张力，在不同市场会以不同形式出现。对读者而言，关键仍是同一件事——看基准之外的真实评测、看专家的事后复核，而不是看发布会的声量。

常见问题

AI 公司宣称的数学突破可信吗？

需要谨慎对待。已有数学家指出部分宣称存在夸大、剽窃或归属不当的问题，且后续澄清的传播度远低于最初的新闻稿。建议等待同行评议或独立专家复核后再下结论。

为什么 AI 能力展示集中在数学和编程？

因为这两个领域的答案通常可自动验证，便于系统调优且成本低；同时它们被视为人类智力的巅峰，有利于营销「万能机器」的叙事。

「模型失控」的说法准确吗？

多数安全事件的专业分析指向企业安全实践不足，而非模型自主作恶。把责任归于模型，会掩盖企业在工程与治理上的选择。

国内 AI 产品与海外巨头的叙事有何不同？

国内厂商更侧重开源、工程效率与基准成绩，较少使用「超级智能」话术；监管介入更早，但能力夸大与责任归属的问题同样存在。

普通读者该如何判断 AI 新闻？

关注独立专家的事后复核、同行评议结果和权威行业媒体的追踪报道，而非仅依赖企业新闻稿或首发报道。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。