10月6日，OpenAI（美国开放 人工智能 研究中心）一次性开源了722篇数学成果，引发学术界关注。这些成果来自一个尚未发布的内部模型，涉及大量悬而未决的数学难题，平均每项成果仅消耗约3小时的推理算力。
真正值得关注的，不只是AI又解出了多少道题，而是AI产出答案的速度，正在超过人类理解和验证答案的速度。难怪有学者感叹，这一规模“既令人惊叹，又令人沮丧”，其中不乏学者主张给AI“踩刹车”，把学术研究重新交还给数学家。
9月12日，美国 人工智能 公司Anthropic（安特罗匹克）公开呼吁全行业放慢模型迭代，并警告如果缺乏必要防护， AI智能体 集群可能在未来6至12个月内出现失控风险。OpenAI也一度调整了最新模型的发布计划。
几乎同一时间，OpenAI发布700多篇数学成果，Anthropic和谷歌也相继推出新模型。今年，美国AI基础设施支出预计将超过7000亿美元，同比增长70%以上，由此可见，AI行业仍在加速竞争。
当前，AI领域尚未形成绝对领先的技术壁垒。谁率先踩下刹车，谁就可能让出下一轮技术竞争的主动权。虽然大家都看得见风险，但没人愿意成为第一个停下来的人。
一个容易被忽略的细节是，OpenAI承认这批数学成果中，仍有部分证明未经严格检验。试想，连数学这种最讲究对错、最容易验证的领域，都开始流行“先发布、后检查”，那么对于直接进入医疗、金融等高敏感的AI行业，又如何赢得公众信任？
首先，独立第三方安全评估，应当成为前沿模型上线前的必要步骤。其次，全球应探索建立可核查的协调机制，尽可能降低“单方面放缓”带来的竞争压力。最关键的是，要明确大模型发布者的验证义务和追责责任，坚持“谁开发谁验证，谁发布谁负责”。
越是在这样的关键节点，越不能把技术发展与安全治理对立起来。我们不是要求AI放缓进步，而是要确保每一次进步都在人类可以理解、验证和约束的范围之内。