多智能体攻克悬置多年的数学猜想：Antigravity 的 /teamwork 交出成绩单

深度摘要

Google 公布 Antigravity 多智能体系统 /teamwork 搭配 Gemini 4 模型的一批成果：与中大、南加大、CMU 合作，用 Long Proof 模式完整证明了 2013 年的 Courtade–Kumar 猜想，并在 Lean 4 中形式化（约 5,000 万行代码）；自适应数据分析的近优样本界弥合了自 2014 年的缺口；LEAP 框架全程自主完成 Weil 猜想的机器检验形式化（约 180 万行 Lean、28,800 次子智能体调用），还形式化了一般整数环上的希尔伯特第十问题、三维 Navier–Stokes 有限时间爆破、1927 年的 Birkhoff 猜想和三维 Bochner–Riesz 猜想。工程侧同样密集：9x9 围棋引擎从零自学，8 天内涨约 2,600 分至 1,885 Elo；Zircon 微内核剩余 C++ 代码被改写为约 80 万行安全 Rust 并在 arm64 上启动；libgav1 改写为约 17 万行 Rust，比特精确且比 C++ 与手写汇编快 20–30%；DuoDiscover 在 17 个 JAXBench 内核上取得 4.09 倍几何平均加速。STOC 2027 的 Deep Review 收到 578 篇投稿，作者调查中 90% 认为反馈基本属实，超 30% 称其抓到了实质性证明错误。

关键要点

• Courtade–Kumar 猜想（2013）被完整证明并在 Lean 4 中形式化，约 5,000 万行代码
• LEAP 全程自主形式化 Weil 猜想：约 180 万行 Lean，28,800 次子智能体调用
• 还形式化了希尔伯特第十问题、3D Navier–Stokes 爆破、Birkhoff 猜想等多个悬置数十年的难题
• STOC 2027 的 Deep Review 覆盖 578 篇投稿，90% 作者认为反馈基本属实
• 分子结构解析：NMR 数据 top-1 准确率 95%、top-3 达 100%
• 9x9 围棋引擎从零自学，8 天内涨约 2,600 分至 1,885 Elo
• Zircon 微内核剩余代码改写为约 80 万行安全 Rust，libgav1 改写后快 20–30%
• DuoDiscover 在 17 个 JAXBench 内核上取得 4.09 倍几何平均加速
• 生产侧：全舰队内存优化节余超 1 PiB，Borg 调度使部分 TPU 抢占下降 24%
• 向 10,000 名学术研究者开放六个月免费最高用量档

关键事实

Courtade–Kumar 猜想完整证明并 Lean 形式化（约 5,000 万行）；自适应数据分析近优样本界弥合了 2014 年以来的缺口；Weil 猜想形式化约 180 万行 Lean、28,800 次子智能体调用；Deep Review 覆盖 STOC 2027 的 578 篇投稿，作者调查 N=70，90% 认为反馈基本属实、超 30% 称抓到实质性证明错误；NMR 分子结构 top-1 准确率 95%、top-3 100%；9x9 围棋引擎 8 天内从零涨至 1,885 Elo（约 +2,600 分）；Zircon 改写约 80 万行 Rust，libgav1 约 17 万行 Rust 且快 20–30%；DuoDiscover 17 个 JAXBench 内核 4.09 倍几何平均加速；舰队内存节余超 1 PiB；Borg 调度使部分硬件 TPU 抢占下降 24%（以上均为 Google 自述数据）。

作者观点

Google 的主张是长时程推理可以靠三招规模化：并行探索配专用证伪器（Lean 证明检查器、测试集、仿真器等）弥合单次生成的不确定性；按构造切分上下文防止注意力随任务拉长而涣散；把工作流表达为可自我改进的声明式自然语言模式，让系统按提示动态选路。团队认为这套方法已从研究扩展到生产基建，且工具本身正在开放给外部研究者。

为什么重要

这是多智能体从“写代码助手”迈向“做科研的同事”最有分量的一次展示：被攻克的是真有年头的公开难题，且 Lean 形式化提供了机器可验的背书。方法论上，/teamwork 的“生成—证伪—切分上下文”三角，可能是长时程 agent 接下来一年的标准配方。

编辑点评

必须分层读：Lean 形式化过的数学结果含金量最高，因为证明由机器内核逐行核验；围棋 Elo、内核加速、内存节余等工程数字全部来自 Google 自述，未经独立复现，不宜直接当作定论。“全程自主”也要打折扣——问题由人类框定、约束由人类设定，智能体做的是执行与探索。值得跟进的是工具正在开放：10,000 名学者的免费档会很快产生独立复现。

深度摘要

Google Project Zero 宣布改写执行了五年的“90+30”漏洞披露政策：自今日起实行“Full 90”，即漏洞在上报厂商 90 天后披露，不再等厂商确认修复；2027 年 2 月 2 日起收紧为“Full 60”，2028 年 1 月 3 日起进一步收紧为“Full 30”。宽限期与变种政策等多数特例一并取消，仅保留三类例外：在野利用、已公开、厂商主动要求公开。改弦的直接原因是 AI：大模型既让攻击者更快发现漏洞、也让补丁逆向几乎即时，补丁“浸泡期”已失去意义；Project Zero 自身的报告量也从过去某些目标每年寥寥数个，涨到如今每周数个。团队同时说明，严重程度不作为披露决策依据——严重程度只影响危害，不影响漏洞被攻击者发现的概率。

关键要点

• 旧政策“90+30”执行五年后废止，改为按上报日计时披露
• 即日起“Full 90”，2027 年 2 月 2 日起“Full 60”，2028 年 1 月 3 日起“Full 30”
• 取消宽限期与变种政策等多数特例，仅保留在野利用、已公开、厂商要求三类例外
• 改弦原因：AI 加速漏洞发现与利用，补丁逆向到可利用的时间已近乎为零
• 报告量从过去每年数个涨到如今每周数个，逐案协商修复状态已不可持续
• 严重程度不再作为披露决策依据：它只影响危害，不影响被发现的概率
• 仍会追踪漏洞是否修复并通报，但修复状态不再是披露与否的决定点

关键事实

自 2021 年起实行“90+30”政策；新政策“Full 90”即日起生效，2027 年 2 月 2 日起“Full 60”，2028 年 1 月 3 日起“Full 30”；取消宽限期与变种政策；例外仅三类（在野利用、已公开、厂商主动要求）；Project Zero 报告量从某些目标每年数个升至每周数个（团队自述）。

作者观点

Project Zero 的判断是：披露时间线必须反映攻击者的能力而非厂商的方便。AI 让“补丁发布到被利用”的窗口趋近于零，也让“浸泡期”变成虚假的安全感；渐进收紧而非一步到位，是给厂商留出改造修复流程的时间，避免厂商因做不到而直接放弃。

为什么重要

这是 AI 压缩攻防周期最正式的制度回应：全球最有影响力的漏洞披露方把 30 天写进了 2028 年的日程表。所有依赖“90 天窗口”排期的厂商修复流程、合规节奏与补丁分发管线，未来两年都得重排。

编辑点评

政策文本逻辑自洽，且承认了自身的局限：团队坦言并非所有厂商都跟得上，激进披露可能让低危漏洞被优先修复、挤占高危修复资源；“Full 30”能否落地，取决于厂商的修复基建而非 Project Zero 的决心。值得注意的是，披露加速与否并不改变漏洞本身的存在——它只是把压力从“藏多久”转移到“修多快”。

深度摘要

德国安全研究机构 Crissy Field 联合《商报》调查了 159,041 个 Lovable 应用（2025 年 12 月至 2026 年 9 月，数据源自 Common Crawl），发现大量应用在未登录状态下即可读取敏感数据。其中 34,545 个用了 Supabase 数据库，24,664 个网站在加载时就直接返回数据库记录；进一步只读请求后，7,403 个网站（30%）的 10,560 张表里含有邮箱地址。具体案例触目惊心：某德国生活论坛暴露 8 万多份含姓名、邮箱、出生日期与性别的个人资料及 20 多万条聊天记录；多家活动主办方与餐厅泄露数万条含电话、住址、付款信息与票码的订单记录；某物业公司泄露含租户敏感信息的内部邮件 AI 摘要；某服务商泄露 1,000 多条含护照号、有效期与国籍的身份文件记录；另有一处 28 万封客户邮件可直接读取。研究者强调，问题根源不在 AI 本身，而在默认配置与责任划分：Lovable 的营销承诺“无需技术知识”，条款却把数据安全责任推给用户；Supabase 集成模式高度雷同，一处配置错误可被批量复制到成千上万个应用。

关键要点

• 调查覆盖 159,041 个 Lovable 项目，其中 34,545 个使用 Supabase
• 24,664 个网站加载时即返回数据库记录，无需登录
• 7,403 个网站（30%）的 10,560 张表含邮箱地址
• 德国生活论坛：8 万多份个人资料与 20 多万条聊天记录可直接读取
• 活动与餐饮订单记录含电话、住址、付款信息与票码
• 某服务商泄露 1,000 多条含护照号、有效期与国籍的身份记录
• 另有一处 28 万封客户邮件可直接读取
• 根源：默认配置开放 + 集成模式雷同，错误可被批量复制
• Lovable 营销承诺易用，条款却把安全责任推给用户

关键事实

调查 159,041 个 Lovable 项目（2025 年 12 月至 2026 年 9 月，Common Crawl 数据）；34,545 个使用 Supabase；24,664 个网站加载时返回数据库记录；10,560 张表、7,403 个网站含邮箱地址（占深查网站的 30%）；德国生活论坛 8 万多份资料与 20 多万条聊天记录；1,000 多条身份文件记录含护照号；一处 28 万封客户邮件可读；《商报》于 2026 年 11 月 2 日报道了初步发现。

作者观点

研究者的核心判断是：易用开发平台没有取消安全审查的必要，反而让它更难做——没有技术背景的用户更难发现权限错误，而雷同的集成模式让攻击者可以一次手法横扫大批应用。自动化检查不能替代专业安全评估，处理真实数据前必须审查权限、接口与账户隔离，重大变更后要复查。

为什么重要

这是 vibe coding 安全账第一次有了大规模实测数字：问题不是个别新手的失误，而是“默认开放 + 模式雷同”带来的系统性暴露面。对任何用 AI 搭建面向真实用户应用的团队，这篇都是必读的反面教材；对平台方，则是默认配置必须收紧的直接证据。

编辑点评

研究者对数字的限定值得尊重：30% 不是确认的泄露率（邮箱可能是公开联系方式或测试数据），样本来自 Common Crawl、未必代表全部 Lovable 应用，且只下载了部分记录。但具体案例均为核实的真实暴露，结构性结论站得住脚。需要区分的是：漏洞在应用作者的配置，不在 Lovable 平台本身被攻破——但平台把安全责任完全推给非技术用户，正是问题的一部分。

深度摘要

《华尔街日报》新报道（经 Wccftech 转述、TechPowerUp 报道）指控：英伟达通过投资 AI 初创公司，令其购买英伟达 GPU 并建设数据中心，人为维持 GPU 与内存短缺的表象，以消化台积电方面积压的芯片供应。报道援引 8 月的一场会议：时任 CFO、现任临时 CEO Colette Kress 要求缩减循环融资安排并叫停 2,500 亿美元 OpenAI 交易，黄仁勋当场斥责她是“受惊的小鹿”。背景是超大规模客户正转向定制芯片，英伟达面临台积电“一场雪崩般”的 GPU 供应却无即时买家；而获投的小型云厂商本身也买不起这些 GPU，可能成为财务死胡同。指控发布时点敏感：黄仁勋刚离职，英伟达股价一周前已因相关风波大幅波动。

关键要点

• WSJ 指控英伟达投资 AI 初创，令其购买自家 GPU 以维持短缺表象
• 目的被指为消化台积电积压的芯片供应
• 8 月会议：Kress 要求缩减循环融资、叫停 2,500 亿美元 OpenAI 交易
• 黄仁勋被指当场斥责 Kress 为“受惊的小鹿”
• 超大规模客户转向定制芯片，英伟达面临无即时买家的 GPU 积压
• 获投的小型云厂商本身买不起 GPU，或成财务死胡同

关键事实

消息源为《华尔街日报》报道，经 Wccftech 转述；8 月会议参与者包括黄仁勋与时任 CFO Colette Kress；涉及 2,500 亿美元 OpenAI 交易；Kress 现任临时 CEO；黄仁勋已离职（以上均为报道引述的说法，尚未经独立证实）。

作者观点

TechPowerUp 只是转述 WSJ 的指控，未作独立判断；报道的框架是把这一指控放进黄仁勋离职后的连锁反应中：循环融资、台积电积压与定制芯片趋势共同构成事件背景。

为什么重要

若指控属实，过去两年的 GPU“短缺”叙事将被改写：短缺可能部分是人为维持的需求表象，而非单纯的供给不足。对持仓者而言，这直接关系到英伟达需求质量的判断，以及 neocloud 链条上相关公司的估值基础。

编辑点评

必须按指控读，而非事实：这是二手转述（WSJ 经 Wccftech 再经 TechPowerUp），原文三段、正文未附原始文件，关键引述（“受惊的小鹿”、2,500 亿美元交易）均来自匿名信源。但它与此前已公开的循环融资模式相互印证，且与黄仁勋离职的时间线吻合，值得严肃跟进、等待更多信源。

深度摘要

Tunius 用一组民调与行业数据解释：数据中心反对已成 2026 年最突出的公共议题，却让科技圈措手不及。美国中期选举中 44 项相关公投仅 1 项有利于开发商；CBS 出口民调显示 76% 的受访者反对在自家社区建数据中心（民主党 87%、共和党 62%、独立选民 78%）；57% 的人认为 AI 对人类的伤害大于帮助，仅 24% 认为帮助更大；欧洲 11 月单月就有 92 场反数据中心抗议。规模是背景：美国在运与在建数据中心达 1,835 座，十年前仅 352 座，2026 年一年就增长约 60%。作者认为核心不在规模，而在分配：收益集中在少数人手里——仅 62% 的美国家庭持有股票，且股市财富多属最富有的 10%——而成本（电价、水电、空气污染、房价下跌、决策过程被保密协议遮蔽）由社区承担。Pew 8 月数据显示，认为 AI 对环境“大多有害”的美国人已从 1 月的 39% 升至 54%。

关键要点

• 美国中期选举 44 项数据中心公投中仅 1 项有利于开发商
• CBS 民调：76% 反对在家附近建数据中心，跨党派一致
• 57% 认为 AI 害大于利，仅 24% 认为利大于害
• 欧洲 11 月单月 92 场反数据中心抗议
• 美国数据中心 1,835 座，十年间从 352 座增长，2026 年一年增约 60%
• Pew：认为 AI 对环境大多有害者从 1 月 39% 升至 8 月 54%
• 仅 62% 美国家庭持有股票，财富集中于最富有的 10%
• 开发商常用保密协议遮蔽决策，部分机房自备燃气轮机加剧污染

关键事实

44 项公投仅 1 项有利于开发商；CBS 出口民调 76% 反对（民主党 87%、共和党 62%、独立选民 78%）；57% 认为 AI 害大于利、24% 认为利大于害；欧洲 11 月 92 场抗议；美国数据中心 1,835 座（十年前 352 座），2026 年从 1,134 座增约 60%；Pew 2026 年 8 月 54% 认为 AI 对环境大多有害（1 月为 39%）；62% 美国家庭持有股票（以上数据均引自作者列出的民调与行业统计）。

作者观点

作者的判断是：反对数据中心毫不奇怪——对普通人而言，数据中心是 AI 最直观的化身，而 AI 的许诺（治愈疾病、终结贫困、免费的丰裕）与他们看到的现实（电价上涨、环境代价、收益集中、决策不透明）完全脱节。他用 Tegmark《生命 3.0》的“平等主义乌托邦”对照电影《极乐空间》：多数人押注的是后者。

为什么重要

这是本周 AI 议题的需求侧镜像：供给侧在谈算力短缺与模型能力，需求侧却在用选票与抗议否决基建扩张。AI 投资链条的估值建立在“基建可以一直建下去”的假设上，而这篇指出该假设正在遭遇政治现实的硬约束。

编辑点评

数据扎实、论证诚实的一篇：民调数字均有出处，作者也承认数据中心反对自古有之、规模只是放大器。但“人们恨的是 AI 及其代言人”这一核心论点是解释而非证明——民调显示的是反对数据中心，未必等同于反对 AI 本身。宜与本期英伟达短缺一文对照读：供给侧的“短缺”与需求侧的“不要”正在同时发生。

深度摘要

Geerling 借微软两日宕机与 FAA 全国停飞，谈运维文化的另一面：团队需要制造摩擦的人。运维与开发的心态根本不同——运维是在系统崩溃时保持冷静、调试别人写的代码；他以亲身经历为例，曾顶住开发团队的压力，反对把调试日志永久开在生产环境（最后折中为流量激增时自动降低新容器的日志级别），也曾坚持为新旧系统合并争取更多时间。他认为，正是这种“讨人嫌”的较真，能把小问题拦在演变成大灾难之前；没有摩擦，轮子不是磨出可度量的磨损，而是直接飞出去。

关键要点

• 由微软两日宕机与 FAA 全国停飞引出运维文化讨论
• 运维心态与开发心态根本不同：在系统崩溃时保持冷静、调试他人代码
• 亲身经历：反对开发团队把调试日志永久开在生产环境
• 折中方案：流量激增时自动降低新容器的日志级别
• 提早指出风险虽讨人嫌，但能防止小问题演变成大灾难
• 没有摩擦，系统不是磨出可度量的磨损，而是直接失控

关键事实

微软宕机持续两日；FAA 全国停飞发生在前一日；作者曾反对开发团队在生产环境永久开启调试级别日志；折中方案为新容器扩容时自动降低日志级别（以上为作者自述经历）。

作者观点

作者的主张是：每个团队都需要一个爱挑刺的“老顽固”——对多余日志、微小性能回退较真的人。这种摩擦不是官僚主义，而是运维韧性的来源；及早叫停、争取升级与维护时间，是防止系统性故障最便宜的手段。

为什么重要

本周两起重大基础设施事故之后，这篇补上了技术复盘之外的视角：宕机很少只有一个技术根因，组织是否容得下说“不”的人，往往决定小故障会不会滚成大灾难。对管理基础设施的人，这是值得贴在墙上的短文。

编辑点评

短文一篇，无新数据，论证全凭个人经历，信息密度是本期六篇里最薄的；入选理由是它与本周两起事故的直接关联，以及“摩擦即韧性”这个可迁移的观点。宜当作文化随感读，不宜当作事故根因分析。