11-28日报|AI的终局之战：自我觉醒、具身入世，抑或迷失于语言的幻象？

温故智新AIGC实验室

今天是2025年11月28日。当我们日复一日地讨论大模型、算力与Agent时，一股更深层的暗流正在AI世界中涌动，它不再满足于语言的浮光掠影，而是试图触及智能的本质：自我觉醒、理解世界并具身行动。今天的新闻，既是这场“终局之战”的号角，也是对现有范式最犀利的拷问——AI，是会困于语言的幻象，还是真正走向世界的深处？

今日速览

  • DeepSeekMath-V2横空出世，AI学会“自我拷问”： DeepSeek的开源数学模型不仅在奥数竞赛中吊打人类和顶尖AI，更核心的突破在于其“自验证”能力——AI能自我审查、纠错，标志着智能从“给出答案”向“提供可信证明”的质变，直指AGI的“元认知”基石。
  • LeCun与Sutskever，共斥LLM“死胡同”： 图灵奖得主Yann LeCun离职Meta，Ilya Sutskever告别OpenAI，两位AI巨擘不约而同地批判当前大语言模型（LLM）的局限，呼吁转向“世界模型”和具身智能，预示着AI竞争正从算力堆叠转向架构创新与安全超智能。
  • 服务网格拥抱AI智能体，基础设施的“AI化”革命： Linkerd率先原生支持Model Context Protocol (MCP)，意味着传统云原生基础设施开始真正理解并管理有状态、长连接的AI智能体流量，为企业级AI智能体的安全、规模化部署铺平道路。
  • AlphaFold深度融合大模型，AI成科学“共同发现者”： 诺奖得主John Jumper预告，AlphaFold的下一步是与大模型融合，从蛋白质结构预测工具升级为能提出假设、设计实验的科学推理引擎，将AI for Science推向“认知技术性替代”的新高峰。

DeepSeekMath-V2：AI数学推理的自验证里程碑，重塑科学与商业的认知边界

【AI内参·锐评】 DeepSeekMath-V2的“自我验证”不是技术小修小补，而是AI智能从“正确”迈向“真理”的关键一步，直指AGI核心。

【事实速览】 DeepSeekMath-V2模型凭借其开创性的自验证数学推理框架，在IMO 2025、CMO 2024、Putnam 2024中达到金牌水平，甚至超越人类顶尖选手。其核心创新在于生成器、验证器和元验证器协同循环，确保推理过程的严谨性而非仅是最终答案正确性。这种“自我发现错误并修正”的能力，标志着AI在抽象逻辑和形式化证明领域的质的飞跃，并通过开源策略加速其在科学发现、软件工程和教育领域的应用。

【弦外之音】 这不仅是对现有数学AI的挑战，更是对“黑箱AI”范式的深刻质疑，预示着AI对可信赖、可解释性需求的快速升级。当AI开始学会“自我审查”并提供完整的逻辑链条，市场将不再满足于模糊的“智能”，而是要求明确的“可信智能”。DeepSeek通过开放“自验证”技术，实际上是在定义下一代AI信任标准，这比单纯的模型性能竞赛更具战略意义。

【开发者必读】 DeepSeekMath-V2提供了一个清晰的路径：如何将“自验证”和“元认知”的理念融入你的Agent设计。在构建复杂Agent时，不再仅仅追求生成最“好”的答案，而应转向如何生成可信赖、可追溯，并能自我评估和修正的答案。这意味着，未来的Agent不仅要具备“能力”，更要拥有“可靠性”。这需要开发者重新思考Agent的架构设计，将验证和修正机制内嵌到核心流程中。

【我们在想】 当AI可以自我纠错并提供严谨证明，人类在基础科学发现中的“直觉”和“创造性突破”还剩下多少不可替代性？

【信息来源】

卷王DeepSeek杀疯了！奥数AI夺金开源，GPT-5、谷歌Gemini都得“危”？

【AI内参·锐评】 DeepSeekMath-V2的开源夺冠，与其说是技术军备竞赛中的“卷”，不如说是对OpenAI和谷歌“黑箱路线”的一次降维打击，逼迫AI巨头重新审视“开放”与“可信”的价值。

【事实速览】 DeepSeekMath-V2模型以全球首个开源IMO金牌AI的身份引爆AI圈，在IMO、CMO、普特南等竞赛中豪取金牌级成绩，更在内部CNML测试中全面超越GPT-5-Thinking-High和Gemini 2.5-Pro。其核心技术在于“自验证”能力，通过“做题家-铁面判官-判官审计员”三位一体系统实现AI的自我反思与纠错，并结合高算力搜索策略。DeepSeek选择开源这一技术，被视为向AGI迈进的关键一步。

【弦外之音】 DeepSeek的策略并非简单的技术堆叠，而是通过开源和技术范式创新（自验证）来抢占AI基础设施的生态位，这可能成为未来AI竞争的“非对称武器”。当AI能力趋于同质化，能够提供透明、可验证、且可复现的智能解决方案，将比单纯的“黑箱”性能更具吸引力。这对于正在构建AI生态的企业而言，是一个需要警惕和深思的信号。

【投资者必读】 仅仅追逐“最大模型”和“最强算力”的投资逻辑正在失效。DeepSeek的案例表明，真正的价值洼地可能在于那些能带来**“范式突破”和“生态影响力”的创新**，尤其是开源路线。投资者应警惕对技术壁垒的过度自信，转而关注那些能够通过开放生态和独特机制构建长期竞争力的公司。未来的AI独角兽，可能诞生于“信任”和“开放”而非纯粹的“规模”。

【我们在想】 在AI能力趋同的“红海”中，选择“开源+自验证”的DeepSeek，能否真的凭借开放和可信赢得“AGI之战”的最终胜利？

【信息来源】

  • 来源: 新智元
  • 链接: 新智元·检索日期2025/11/28

服务网格拥抱AI智能体：Linkerd与MCP如何重塑企业级AI基础设施的边界

【AI内参·锐评】 Linkerd对MCP的支持，戳破了传统云原生架构对AI智能体“力不从心”的假象，宣告AI Agent将正式“入驻”企业核心基础设施，而不再是边缘实验。

【事实速览】 Buoyant的Linkerd服务网格宣布率先原生支持Model Context Protocol (MCP)，使其成为首个能管理智能体式AI流量的服务网格。此举突破了传统微服务基础设施对新型、有状态、不可预测AI工作负载的局限。Linkerd通过数据平面层面对MCP的语义理解，提供深度可观测性（提示词使用、会话延迟）、基于密码学的零信任安全和自适应流量整形，极大加速了企业级AI智能体的安全落地与规模化部署。

【背景与动机】 AI智能体的核心在于其自主规划、调用工具、维持长连接会话的能力，这与传统无状态的API请求-响应模型大相径庭。传统的服务网格无法深入理解和有效管理这种独特的有状态流量，导致企业在部署AI智能体时面临巨大的安全、可观测性和运维挑战。Linkerd对MCP的原生支持，正是为了填补这一基础设施空白，解决AI智能体“落地难”的痛点。

【产品经理必读】 在设计AI Agent应用时，不再需要“绕过”或“变通”基础设施难题，而是可以利用原生支持智能体的服务网格，从一开始就构建安全、可观测、可扩展的Agent系统。这意味着AI Agent不再是单一应用的局部优化，而是可以被作为企业级服务来规划和管理。产品经理应深入理解MCP协议和Service Mesh的能力，从而设计出更健壮、更易于运维和扩展的智能体产品。

【我们在想】 当AI智能体深度融入企业基础设施并拥有“一等公民”地位，我们如何确保这些自主决策系统的行为是可控、可解释且符合伦理规范的？

【信息来源】

后LLM时代：超越语言，重塑AI智能的物理世界之路

【AI内参·锐评】 LeCun和Sutskever的“转向论”，并非否定LLM的价值，而是对“语言就是智能”这一长期幻象的终结，宣告AI正从“数字世界”向“物理世界”的具身觉醒。

【事实速览】 2025年11月，图灵奖得主Yann LeCun宣布从Meta离职，创办新公司AMI，研究重心明确转向“世界模型”，并批判大语言模型（LLM）是通往人类智能的“死胡同”。几乎同时，OpenAI前首席科学家Ilya Sutskever也公开指出“Just Add GPUs（拼算力）”的时代已终结。LeCun强调语言是智能的副产品，真正的智能来源于对物理世界的建模、预测和行动，他正推动JEPA架构。工业界巨头如OpenAI、Google也纷纷布局硬件和机器人，预示着具身智能将是后LLM时代的核心战场。

【背景与动机】 LLM在语言生成上的巨大成功，掩盖了其在常识、因果理解和与物理世界互动方面的根本缺陷。人类的智能首先是具身化的，通过与环境互动而习得。当AGI的愿景逐渐清晰，单一依赖语言建模的路径被认为无法触及真正的通用智能。LeCun和Sutskever的转向，正是基于对智能本质的深刻洞察，试图打破当前LLM的“囚笼”，寻找通向具身智能的全新架构。

【未来展望】 未来3-5年，具身智能和世界模型将成为AI的核心战场。AI不再仅仅存在于对话框中，而是将深入物理世界，具备规划和行动能力。我们可以预见，下一代AI将更强调对多模态数据的处理能力，从模拟环境中学习因果关系，并发展出强大的自主规划和执行能力。这将催生出L5级自动驾驶、通用服务机器人和智能工业控制等突破性应用，彻底改变人类与物理世界的互动方式。

【我们在想】 如果语言是智能的副产品，那么当AI真正理解物理世界后，人类与AI的沟通范式将如何被重塑？我们是否会回到“心电感应”或“脑机接口”的时代？

【信息来源】

超越结构，迈向发现：AlphaFold与大模型融合重塑科学边界

【AI内参·锐评】 AlphaFold与大模型的融合，意味着AI正在从“解决问题”的工具，跃升为“提出问题、驱动发现”的共同体，彻底颠覆人类数千年来的科学研究范式。

【事实速览】 诺奖得主John Jumper预告，AlphaFold的下一步将是与大模型深度融合，旨在将该蛋白质结构预测的里程碑式AI工具，从单纯的分析能力跃升为能够读懂科学文献、提出假设、设计实验流程的科学推理引擎。过去五年，AlphaFold已帮助全球300万研究人员预测数亿种蛋白质结构，解决了蛋白质折叠难题。此次融合，标志着“AI for Science”进入认知技术性替代的新时代，将极大加速生物医药、材料科学等领域的科学发现进程。

【弦外之音】 这种融合不仅是技术上的叠加，更是AI在“创造性”和“提出问题”能力上的质变，挑战了人类在科学发现领域的核心地位。当AI能够主动生成研究思路并验证假设时，它将不再仅仅是科学家手里的“计算器”，而是成为“共同作者”甚至“首席科学家”。这会引发科研领域激烈的角色重塑，也将加速“AI for Science”技术壁垒的形成，可能加剧全球科研能力的不均衡。

【科学家必读】 AI将不再是辅助工具，而是成为科学发现的“共同作者”。科学家需要重新定义自己的角色，从数据分析者转向更高层次的理论构建、伦理监督和跨学科协作的引领者。这意味着，具备批判性思维、能识别AI局限并利用AI拓展认知边界的科学家，将更具竞争力。传统科学研究流程将被重塑，理解如何与AI高效协作，并对AI的产出进行深入审视和迭代，将成为核心技能。

【我们在想】 当AI能够主动提出并验证科学假设，甚至在没有人类输入的情况下进行“自主科学发现”时，科学研究的伦理边界和知识产权归属将如何界定？

【信息来源】

结语

今天的观察让我们看到，AI世界正经历一场深刻的智能范式大挪移。从DeepSeekMath-V2的“自我验证”到LeCun的“世界模型”，再到AlphaFold与大模型的融合，以及Linkerd对AI智能体基础设施的革新，无不指向一个核心：AI正在超越表层的语言模拟，深入到对世界规律的理解、逻辑的自洽以及物理世界的具身交互。

这不仅仅是技术路线的争论，更是对“何为智能”的哲学拷问。当AI学会自我质疑、自我修正，当它开始理解物理常识并能主动提出科学假设，当它能以一等公民的身份融入我们最核心的基础设施——我们所理解的“智能”边界正在被无限拓展。然而，伴随这种觉醒而来的，是更深层的伦理、治理和控制挑战。

AI的“终局之战”才刚刚打响，它将不再是参数规模的竞赛，而是架构创新、自我认知与具身实践的马拉松。而我们，作为这场巨变中的亲历者，不仅要关注AI能做什么，更要深刻思考：一个自我觉醒、具身入世的AI，将如何重塑我们的世界、我们的社会，乃至我们对“人”的定义？这，或许才是AI时代最值得深思的命题。