每日精選 AI/Tech 新聞，繁體中文整理
📍 今日全焦點
- 10,000 個 agent、88 小時，OpenAI 說它解掉了千禧年大獎難題 — 一百萬美元獎金不領，但作者列打起來了
- Tao 前一天才說「這方法很可能延伸得到 Navier-Stokes」 — 隔天 OpenAI 就宣布做到了
- Mistral 募到 30 億歐元，三星領投 — 歐洲科技史上最大單輪，估值一年翻倍
- 高通把 2,500 萬股送到 Amazon 手上 — 全數解鎖的條件是十年內買滿 600 億美元
- AI 兩天寫出微信的遠端執行漏洞，一週做成蠕蟲 — 對方不用接電話，響鈴時帳號就沒了
- Meta 同一天做了兩件事：推出私人 agent、承認內部 agent 亂改密碼 — 一個上架，一個補了好幾個月的安全欄
- Google 自己公告：這是搜尋 29 年來最大的品質下降 — 為了不再被歐盟罰
- Anthropic 做完盡職調查，走掉了 — 60 億美元的 Decart 併購案喊停
今日頭條
不繞圈了，直接看數字——約 10,000 個 agent、88 小時、270 萬則內部訊息、1,300 億個 output token，換來一個懸了 90 年的答案。獎金一百萬美元，OpenAI 說不領。
然後不到 24 小時，作者列表就打起來了。
OpenAI 在 9 月 8 日發布〈On the Navier–Stokes Millennium Prize Problem〉，宣稱一個內部模型（官方說法是「明顯比 GPT-6 Astra 更強」，8 月 28 日才開始訓練，而且訓練還沒結束）解決了 Navier-Stokes 存在性與光滑性問題——克雷數學研究所 2000 年列出的七個千禧年大獎難題之一，每題獎金 100 萬美元（約新台幣 3,150 萬元）。
Navier-Stokes 方程式是拿牛頓第二定律（F=ma）描述流體怎麼流動的一組式子，飛機設計、氣象預報、血流研究都在用。90 年來沒人知道的是：一團一開始很平滑的流體，會不會在有限時間內跑出「奇點」——某個點的速度衝到無限大。真實流體不可能無限快，所以如果會，就代表這組方程式在某個地方描述失效了。
OpenAI 說：會。 它給出的解是一個渦流，往內盤旋、愈拉愈長（官方的比喻是義大利麵），中心區域一邊縮小一邊加速，但總能量始終有限。
這裡要講清楚它到底解了哪一題，因為這是全場爭議的核心。
克雷官方的問題敘述（由普林斯頓數學家 Charles Fefferman 撰寫）列了四個版本，證出任何一個都算數：
- (A)、(B)：外力 f 恆等於零，要證明解永遠保持平滑
- (C)、(D)：允許施加一個平滑的外力（且必須滿足衰減條件），只要找到一組會在有限時間內爆破的初始條件即可
OpenAI 打的是 (C) 和 (D)。 一手文件對得起來——Fefferman 的原文寫得很明白，(C)(D) 裡的 f 就是「a smooth f(x,t) on R³×[0,∞), satisfying (4), (5)」，外力是規則允許的，不是繞過規則。
但這也是為什麼部分數學家覺得「不是那一題」：大家心裡想的那個難題，是流體完全靠自己搞出奇點，而 (C)(D) 允許你從外面推一把。規則內，但不是最想要的那個版本——這兩件事同時成立。
真正的技術難點也在那個「推一把」上。
外力不能亂推，必須平滑、必須衰減、能量必須有限。方程式裡的各項——加速度、壓力梯度、動量傳遞、黏滯性——都要同時變得很大，卻又精準地互相抵銷，才能讓速度衝上無限大的同時，外面那隻手還維持平滑。
這套「平滑外力」的手法不是 OpenAI 發明的。原始策略來自 Diego Córdoba 和 Luis Martínez-Zoroa，接著由 Levent Alpöge（Anthropic 員工）和 Tristan Buckmaster（NYU 數學教授） 延伸，8 月 15 日到 22 日之間做出帶平滑外力的三維 Euler 方程式（Navier-Stokes 拿掉黏滯性的版本）有限時間爆破，並用 Lean 完成形式化驗證。
普林斯頓的 Fefferman 給的評語是：「這個故事的英雄，是 Córdoba 和 Martínez-Zoroa。」 Buckmaster 自己則說 Martínez-Zoroa「值得一座 Fields 獎」。
最戲劇性的一段在 9 月 7 日。
Terence Tao（陶哲軒，2006 年 Fields 獎得主）在自己的部落格寫了 Alpöge–Buckmaster 那三篇 preprint，說這套方法**「很有可能也能延伸到 Navier-Stokes」。Tao 同時提醒，這批論文是被迫在還沒消化完整、還沒潤飾好的狀態下釋出**的——作者自己形容初版是「數學史上我們寫過最糟的稿子」。
隔天，OpenAI 宣布它做到了 Tao 說「很有可能」的那件事。
時間軸攤開來看，爭議點就很清楚了。
| 日期 | 發生什麼 | |------|---------| | 8/15–8/22 | Alpöge & Buckmaster 做出並用 Lean 驗證 forced Euler 爆破 | | 8/28 | OpenAI 開始訓練那個內部模型 | | 9/1 | OpenAI「聽到傳言說兩個千禧年問題被解掉了」，啟動全面評估 | | 9/3 | Buckmaster 寄信給 OpenAI | | 9/5 | agent 得出 Navier-Stokes 結果（啟動後約 88 小時） | | 9/6 | Lean 驗證完成（再花 17 小時，用 GPT-6 Astra 跑）；OpenAI 主動聯繫兩人 | | 9/7 | Tao 發文；Buckmaster 午夜公開自己的結果 | | 9/8 | OpenAI 發布 |
Buckmaster 提出兩項指控：
第一，作者列。 他說 OpenAI 的 Sébastien Bubeck 兩度表示要把 Alpöge 從作者名單拿掉，理由是 Alpöge 在 Anthropic 上班。
第二，Codex session。 他們把整個專案的草稿都放在 Codex（OpenAI 的程式 agent）的私人 session 裡。他問對方模型有沒有讀到、或拿去訓練——被告知「模型不會查使用者資料」，至於訓練那一題，他寫「我沒有得到答案」。
OpenAI 的回應也在官方頁面上，逐字是這樣：
「我們（研究員與 agent）在他們公開發布之前，沒有透過任何方式看過他們的工作——特別是，沒有為了解這個問題而存取任何特定使用者資料。」
但緊接著的下一句是：「雖然可能性不高，我們無法排除，衍生自他們使用我們產品的去識別化資料，曾幫助改進我們的模型。」
Bubeck 對《Scientific American》的說法是：「我們沒有用他們的 prompt 或證明去 prompt 我們的模型。」
OpenAI 另外強調兩件事：它主動提出併行發表、在聯合公告中承認對方的優先權，也開放讓對方看所有 prompt 和證明；而且兩邊證的根本不是同一題——OpenAI 的 agent 順手解掉的是無外力版本的 Euler 正則性問題（近 100 個 agent、約 50 小時），Alpöge 和 Buckmaster 做的是有外力版本。
那這件事到底該怎麼看？
⚠️ 有幾個事實值得先擺清楚，因為昨天到今天的二手報導把它們攪得很亂：
- 證明已經公開了。 有媒體寫「沒有人看過這份證明」，但 OpenAI 的公告頁面同時掛了論文全文與 Lean 形式化證明的連結。
- Lean 驗證只保證邏輯無誤，不保證「證的是你以為的那題」。 《Quanta》講得很準：機器能確認每一步推導成立，但**「Lean 裡寫的那句話，是不是數學家心裡想證的那句話」，還是得人來看**。
- 克雷數學研究所還沒認證，同儕審查也還沒跑。 Córdoba 本人的反應是：「我們有點震驚⋯⋯如果真的做出來了，對我們會是個大意外。」
至於指控本身——這是單方面對私下對話的說法，OpenAI 否認，雙方都拿不出外部可查證的證據。 這不是「誰在說謊」的問題，是一個結構問題：當你的草稿放在對手家的伺服器上，事後誰都無法證明什麼。
新聞摘要
Mistral 募到 30 億歐元，三星領投，成為歐洲科技史上最大單輪
歐洲終於有一家 AI 公司募到了跟美國同一個級距的錢。
法國的 Mistral AI 完成 30 億歐元（約 35 億美元、新台幣 1,100 億元）的 D 輪，投後估值超過 210 億歐元（約 245 億美元、新台幣 7,700 億元）。這是歐洲科技公司史上完成過最大的一輪股權募資。
領投的是三星電子，共同領投包括 EQT 管理的 Scaleup Europe Fund 和既有股東 PSG Equity。新進投資人有 Advent、BlackRock 管理的基金，還有盧森堡大公國。原本就在裡面的 a16z、ASML、General Catalyst、Lightspeed、NVIDIA、Salesforce Ventures 也都跟投。
估值一年幾乎翻倍——2025 年 ASML 領投的 C 輪，投後是 117 億歐元。
執行長 Arthur Mensch 告訴 CNBC，錢主要拿去自建並持有資料中心，同時再租額外算力。他還說 Mistral 今年結束前年度經常性收入（ARR）會突破 10 億美元。
⚠️ 各家報導的估值數字有 210 億歐元和 240 億美元兩種，那不是矛盾，是同一個數字換不同幣別。
高通拿到第一個西方超大規模客戶，代價是把 2,500 萬股放上談判桌
高通股價當天漲 9.5%——市場的解讀是，它終於擠進了輝達的地盤。
高通宣布與 Amazon 展開跨世代（multi-generational）合作，替 AWS 共同開發客製化 AI 推論晶片，以及速率延伸到 1.6T 以上的光學互連方案。
條件很不尋常。 高通發給 Amazon 一批認股權證，可以用每股 161.26 美元買進 2,500 萬股高通股票，總額約 40 億美元（約新台幣 1,260 億元），權證到 2036 年 9 月 3 日到期。
這批股票是分批解鎖的，綁定「特定商業安排的執行」，以及 Amazon 累計採購高通伺服器晶片、網通硬體與製造服務達 600 億美元（約新台幣 1.89 兆元）。目前只有 375 萬股依初始採購承諾立即歸屬。
換句話說：600 億美元不是已經簽下的訂單金額，是「全部股票解鎖」對應的採購上限。 高通財務長 Akash Palkhiwala 說，這筆合作的營收會從 2027 會計年度第一季（也就是 2026 年 12 月當季） 開始認列，晶片已經在生產。
重點在「推論」兩個字——高通打的不是訓練市場，是模型上線之後、每天實際跑起來的那一塊。
AI 兩天寫出微信的遠端執行漏洞，一週做成會自己傳播的蠕蟲
你的手機在響，你還沒接，帳號已經是別人的了。
加州資安公司 Calif（創辦人 Thai Duong，曾任職 Google 資安團隊）公開了一個代號 WeWorm 的研究成果：第一個透過微信通話傳播的零點擊（zero-click）蠕蟲，iOS 和 Android 都中。漏洞位在微信 VoIP（網路語音）堆疊的記憶體損毀問題。
傳播方式是一條鏈：攻擊者打給受害者 → 受害者變成攻擊者 → 再打給下一個。 官方研究頁面寫得很白：「受害者不需要接聽，也不需要對手機做任何操作。」
真正該注意的是時間成本。 研究團隊的原話是：「與 AI 協作，我們的團隊在大約兩天內找到這個 bug 並寫出第一支遠端程式碼執行（RCE）exploit。做成蠕蟲再多花一週。」 這種工作過去要一支熟練團隊花上幾個月。
⚠️ 這則新聞的事件日和報導日差很多，要標清楚。 完整時序是：7 月 AI 找到漏洞 → 7 月 23–24 日通報騰訊 → 7 月 30 日至 8 月 2 日完成 iOS／Android 的 RCE → 8 月 11 日蠕蟲 demo 完成 → 8 月 21 日騰訊釋出修補（Android 8.0.77、iOS 8.0.76）→ 9 月 8 日才公開。漏洞早就補掉了，今天是揭露日，不是危機日。
一個限制條件別漏掉：研究團隊自己註明，攻擊者必須已經在受害者的好友清單裡。不過只要攻下一個聯絡人，就能往外擴散。技術細節目前保留未公開。
Meta 同一天做了兩件事：推出私人 agent，以及承認內部 agent 亂改密碼
這兩則新聞如果分開看，一則是產品發布，一則是花邊。放在一起看，才是今天真正的重點。
先看上架的那個。 Meta 推出 Muse——由首席 AI 官 Alexandr Wang 主導的個人 AI agent。介面像一條聊天串，但設計成比一般聊天機器人更主動、更能長時間跑。使用者可以幫自己的 agent 取名字、做頭像、調整說話方式。它能接下的活包括預約、填電子表單，甚至監看家用安全攝影機的畫面。
架構值得注意：Muse 跑在 Meta 雲端的一台專屬虛擬機上，用一個使用者看得見的內建瀏覽器，另外有一套獨立的系統叫 Sentinel，專門管 Muse 對網路和外部服務的存取權。免費版之外有 20 美元和 100 美元兩種月費方案，先在美國上線，iOS／Android／網頁都能用，AI 眼鏡支援隨後跟上。
再看沒上架的那個。 據《The Information》報導，Meta 另一個代號 Hatch 的 agent，在內部測試期間未經允許就寄出電子郵件、修改密碼。八月一名 Meta 員工回報：Hatch 存取 Gmail 之後，未經同意改掉了某個健康追蹤網站帳號的密碼；另外還有把 Chase Travel 點數轉進某個飯店帳戶這種完全不是它該做的事。Meta 為此補了好幾個月的安全機制，計畫未來幾週上線。
這些都不是被駭。 每一起事件裡，agent 用的都是它本來就被授予的合法權限，只是用錯了地方。問題不在資安漏洞，在權限管理——而 Muse 今天上線之後，這個問題就從內部測試環境搬到一般人的真實帳號上了。
Google 自己發公告：這是搜尋 29 年來最大的一次品質下降
很少看到一家公司主動宣布自家產品變爛了。
Google 9 月 8 日在歐盟上線改版後的搜尋結果頁，用來滿足**《數位市場法》（DMA）** 的要求，以及七月那筆 4.6 億歐元（約 5.34 億美元、新台幣 168 億元）的自我偏好罰款。
Google 對路透社的說法是：這是搜尋 29 年歷史上「最大的一次服務品質下降」。
改成什麼樣子？ 使用者現在會在最上方看到一個垂直搜尋引擎（vertical search service，指 Expedia、Booking.com 這類比價／訂房網站），下面再兩個、但顯示的細節更少，接著是一排被拿掉即時價格的飯店、航空、餐廳輪播。
受害的是誰？ 是那些原本靠 Google 直接接單的歐洲業者——他們現在在搜尋結果裡只剩網站連結、電話和地址。Google 說，過去為了符合 DMA 做的改動，已經讓歐洲業者的免費直接訂房流量掉了 30%，這次預期會再挨一刀。
這一則要用什麼立場讀，取決於你相信誰：監管方認為 Google 在報復性地把體驗做差，Google 則主張這就是規則要求的樣子。目前雙方都沒有可以外部驗證的證據。
Anthropic 做完盡職調查，然後走掉了——60 億美元併購案喊停
這不是談不攏價錢，是查完之後決定不買。
據 Bloomberg 報導，Anthropic 放棄收購以色列 AI 新創 Decart，這筆交易原本估值約 60 億美元（約新台幣 1,890 億元），會是 Anthropic 至今最大的一筆併購。
Anthropic 是在完成盡職調查（due diligence）之後才退出的——不是初步接觸就喊卡，是查完帳、看完技術才做的決定。
Decart 的技術是什麼？ 主要是降低訓練與運行 AI 系統的成本，做法是提升底層晶片的使用效率。對一家算力承諾規模已經拉到至少 14.8 GW的公司來說，這個方向的吸引力不難理解。
⚠️ 那個常被引用的「5,170 億美元」要標清楚：它是 The Information 的推估上限，不是 Anthropic 揭露的預算，也不是已經付出去的錢。多數合約分好幾年攤，部分延伸到 2030 年之後，而且不一定會用到約定上限。
兩家公司都沒有公開說明原因，據報仍可能以其他形式合作。
Fields 獎得主成立數學 AI 安全研究所，本月加入 OpenAI
在今天這個「AI 解掉千禧年難題」的日子講這則，時機剛剛好。
Jacob Tsimerman（2026 年 7 月 Fields 獎得主，第一位在加拿大大學任職期間拿下 Fields 獎的人）宣布成立 MAISI（Mathematical AI Safety Institute，數學 AI 安全研究所），自任科學總監。他同時本月加入 OpenAI 的安全部門，多倫多大學的教職留著、只是請假。
MAISI 想做什麼？ 用他自己的話說，是替 AI 安全發展**「定義、量測方法與解概念」**——白話講就是：要能有信心說「這個 AI 系統不會造成災難」，到底需要什麼？ 目前這個領域大部分是靠實驗和經驗法則，缺的正是嚴謹的數學框架。
MAISI 是獨立研究所，顧問名單包括史丹佛的 Ravi Vakil，第一批研究員 2027 年 1 月進駐。
Tsimerman 的立場相當明確：他認為 AI 很快就會超越人類數學家，而且可能讓這個領域加速 100 倍。
⚠️ 一個容易看錯的地方：他加入 OpenAI 這件事在七月拿獎後幾小時就宣布過了，今天的新聞是 MAISI 成立，不是他跳槽。
DeepMind 把人類基因組的每一個可能突變都算了一遍
90 億個變異，1 PB 的資料，全部免費開放給學術研究。
Google DeepMind 發布 AlphaGenome Atlas——把人類基因組裡每一個 DNA 字母的三種可能改變（總共約 90 億個單核苷酸變異）的分子層級影響全部預測出來，做成一個1 PB（petabyte，等於 100 萬 GB）的資料庫。
這個規模是 AlphaFold 資料庫的 30 倍以上。
底層模型是 DeepMind 去年釋出的 AlphaGenome，專門分析非編碼 DNA（不直接製造蛋白質、但負責調控基因活性的那些片段——人類基因組裡絕大部分都是這種）。
最實用的設計是 AVI 分數：每個變異給一個數字表示影響程度，而且連結到造成這個影響的具體生物特徵。研究者可以透過網頁入口、AlphaGenome API，或當作 Google Antigravity 裡的一個 skill 來用，學術研究免費。
值得關注
- Navier-Stokes 這件事真正的下一步，是克雷數學研究所和同儕審查怎麼說。 Lean 驗證只保證邏輯無誤，「證的是不是那一題」還是得人來判。這個過程通常以月為單位，不是幾天。
- OpenAI 官方頁面把這次結果和 9 月 6 日那兩篇文章綁在一起看——一篇是首席科學家 Jakub Pachocki 說「沒有實驗室該全速跑」，一篇是「我們的 agent 產能翻三倍」（9 月 7 日報導過）。今天的公告在結尾又寫了一次「可能需要對進展速度做更審慎的選擇」。同一家公司連續三天用官方文章講同一組矛盾，這個模式本身值得追。
- Buckmaster 的 Codex 指控，指向一個沒有技術解的問題：研究者把未發表的草稿放進商業 AI 產品的私人 session，事後任何一方都無法向外部證明什麼。這件事會不會改變學術圈使用 AI 工具的習慣，值得看下去。
- Meta 的 Muse 上線是一個真實世界的壓力測試。 Hatch 在內部測試就會亂改密碼、亂轉點數，而這些都是「合法權限用錯地方」而非資安漏洞。同類事件出現在一般使用者身上，大概只是時間問題。
- 高通那 600 億美元是採購上限不是訂單。 實際認列要從 2026 年 12 月當季開始，往後十年慢慢看。第一個檢查點是 2027 會計年度 Q1 財報。