OpenAI声称攻克纳维-斯托克斯方程，但数学界还在核查

主播介绍OpenAI声称其最新模型用约一万个agent协作、约88小时对纳维-斯托克斯方程取得突破，并做了形式化验证。该问题属千禧年七大数学问题之一，目前仅庞加莱猜想被佩雷尔曼解决。数学界有联名质疑，第三方审核未完成，因此不能断言是否真的解决。主播由此引出真正想讨论的问题：如果AI解出人类百年未解的难题，我们该怎么描述这件事。

AGI为什么难定义：我们判断「聪明」的标准本身就很模糊

主播指出AGI常被讲得很玄幻，但真正思考会发现它很难定义。判断一个人聪明，看的是跨领域学习、迁移能力、在陌生场景中摸索、针对环境调整以实现目标。而今天的ChatGPT、DeepSeek、豆包已具备写代码、算数学、多模态、调用工具、规划、搜索、记忆甚至操作真实机器人的组合能力。但大部分人仍不愿承认AGI到来，主播认为关键原因是觉得AI缺「真正的理解」。

大语言模型只是「猜字」，那它到底懂不懂

主播解释大语言模型本质是读token、生成token，按概率分布猜下一个词。你问它玻璃杯掉下来会怎样，它答会碎没问题；但追问它是否理解玻璃杯、重力、碰撞的关系就变得tricky，因为我们无法进入模型内部，只能看表现。主播引用Hassabis的思想实验：把AI训练数据全部截断在1900年以前，看它能否自己推导出相对论——如果能，是否就算AGI？由此指出AGI之争更多是形而上的哲学争论，而非任务难度之争。

「会做」是否等于「理解」：从微信回复到物理课

主播用生活例子说明我们如何判断理解：给朋友发一大段抱怨，对方回「收到」显得敷衍，第二天回「你最近太累了，晚上出来喝一杯」则让人觉得被懂——因为后者捕捉到了言外之意并给出具体行动。老师判断小朋友是否懂重力，会问「为什么月亮没掉下来」「飞机上的人为什么不掉下去」。我们判断理解一直依赖外部表现，而AI在这些外部表现上已经越来越好，核心问题变成：AI到底缺了什么。

中文屋问题与它的最强反驳：系统回应

主播介绍1980年John Searle的中文屋思想实验：不懂中文的人靠规则手册按图索骥地回应中文问题，外面的人看不出他不懂。Searle想区分syntax与semantics——处理符号不等于理解。反驳中最有名的是「系统回应」：不懂中文的是那个人，但理解中文的主体可能是整个系统。主播进一步用水分子与「湿」、神经元与大脑的类比说明：单个部分不理解，组合起来却可能出现理解，那么人为什么可以、AI就不可以？

世界模型：从描述世界到预测世界

主播介绍世界模型（World Model）的核心问题：如果我现在做一件事，接下来世界会发生什么变化？人类不需要真的推杯子就能预演它掉下去会碎。世界模型关注时间、空间、物体、行动、因果及其随时间的变化，可能不需要海量语料和参数，token消耗远低于大语言模型。两者并非互斥：LLM擅长从人类语言中学习与压缩信息，世界模型更关注世界运行的底层规则。自动驾驶和具身智能是这一区别最明显的场景。

产业界押注世界模型：Genie、Cosmos、World Labs与LeCun

主播梳理世界模型的产业动向：Google DeepMind的Genie可从视频学习环境并生成可交互世界；英伟达的Cosmos押注Physical AI与算力基础设施；Meta有V-JEPA；李飞飞创立World Labs强调空间智能；图灵奖得主Yann LeCun认为LLM不是最终路线，需要内部世界模型通过预测、规划、行动走向AGI。这些方向名字各异——世界模型、Physical AI、空间智能、具身智能——本质都在研究机器能否形成关于世界如何运行的内部模型。

语言本身就是一种压缩的世界表征

主播提出反问：语言不只是语言，人类是通过语言记录和压缩世界的。「火很烫」「冰放在太阳下会融化」背后都是世界规律。大模型学到的到底只是语言，还是通过语言学到了背后的世界模型？主播引用维特根斯坦「语言的界限就是世界的界限」，澄清它不是鸡汤，而是追问：能否思考一个完全未被语言表达过的世界？向从未见过颜色的人解释红色，说明语言不是世界本身，却是理解世界最重要的工具。由此主播认为LLM更接近「人类眼中的世界」，世界模型更想学「世界本身如何变化」，未来可能是二者融合。

最恐怖的问题：知识一定要被人类理解吗

主播提出核心担忧：如果AI发现了一个可被形式化验证、但没有任何数学家能理解其为何成立的新定理，我们还会不会说它是知识？如果算，就意味着人类认定的知识可以存在于理解之外；如果不算，就得重新回答什么叫懂。更具体的场景是：AI给出一个人类要读一百年才能读完的证明，形式化验证工具检查无误，数学家确认定理为真，但没人真正理解它——我们只是知道它是对的。这动摇了「知识最终需要被人类理解」这一默认前提。

我们凭什么判断它懂不懂：重新定义思考、理解与智能

主播指出问题可能反转：未来不是AI懂不懂，而是我们还能不能理解AI。我们判断一个人聪明，从来也是看他说什么做什么、能否解决问题，无法直接看到意识。所以对AI的怀疑，也许不是因为它没有智能，而是我们对「智能」本身没有好定义，习惯把人类当作智能的标准答案。中文屋、世界模型、大语言模型、哲学家、脑科学都没给出答案。关键问题是：我们愿意在什么条件下承认一个不是人的东西也拥有智能，并重新定义什么叫思考、理解、知道。