开场（三人合声）
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓桐开场
晓桐: 大家好，这里是《今日我们AI说》，我是晓桐。57年没人证动的「摆圆」难题，周日被一位业余爱好者带着AI交出证明——数学界还没验收，而这位作者，主业跟数学研究没关系。题目听起来像奥数：把N个一样大的圆盘塞进一个尽量小的大圆里。经典摆法上世纪六七十年代就有人给出，57年来没人证得过「这就是最优、不可能更好」。本期另外四条同样不寻常：一家国产机器人在虚拟住宅里跑公开实测，事先没练过题、自报操作成功率全球第一；美国一家小团队开源了能在自己电脑上离线养AI助手的小引擎；DeepSeek被外媒曝出领投一家成立几个月的机器人大脑初创；还有一家不造芯片、不做模型、专门替人协调算力的公司，单轮募了23亿元。先来五条要闻，云阳播报，稍后我和云健逐条拆。
第二段：云阳播报
要闻一：57年「摆圆」难题被业余爱好者加AI交出证明，数学界还没接住
云阳: 要闻一，10月11日，一位网名nor的技术作者发博文宣布：他和OpenAI的GPT-6系列推理模型GPT-6 Astra合作，严格证明了15、16、17、18、20个等大圆盘的经典摆法就是最优排列。这些摆法方案由多国数学家从1969年到1975年逐一给出，但57年里只有14个以内和19个的情形得到严格证明。这次用的是计算机辅助证明——把人算不完的有限情形交给机器逐一带严格验算，全程精确分数运算、避免舍入误差。作者自述他负责定方向、引导模型、反复核验与重写，证明和材料已公开在个人站点（个人发布，尚未经数学界正式同行评审）。原文见Optimal packings of 15-20 equal circles in a circle。
要闻二：国产机器人在「虚拟住宅」里跑公开实测：公司自报操作成功率75.4%登顶全球榜单
云阳: 要闻二，AI垂直媒体量子位10月13日报道：具身智能公司魔法原子宣布，旗下操作智能体框架EchoPolicy-0在全球具身智能研究机构艾伦人工智能研究所（AI2）的MolmoSpaces基准上，四项任务平均成功率75.4%、完成3915局全量评测，截至10月13日在该榜Combined榜单排全球第一（公司口径，待第三方复测）。同场3.4亿参数的MagicBrain框架列全球第四，抓取任务成功率94.4%。MolmoSpaces这套评测环境包含23万多个室内场景、约13万个物体模型，机器人要到从没见过的房间、从没碰过的物体上找目标、抓取、开门——所谓零样本，就是事先没在这套评测环境里练过这道任务。基准发布页见Ai2官方博客。
要闻三：在自己电脑上离线养AI助手的模型开源了：总共240亿参数、每吐一个字只「醒」20亿
云阳: 要闻三，10月13日，美国端侧AI初创公司Liquid AI开源LFM2.5-24B-A2B——专为在自己设备上跑「智能体」造的模型。智能体就是会自己思考、调工具、连干几步活的程序，不是只会答题的聊天机器人。它总参数240亿，但每输出一个token——可以粗理解为AI吐字的最小单位——只唤醒其中20亿参数，跑起来便宜省电。官方称在顶配苹果笔记本上每秒输出184个token、一次能记住约13万token的长对话，权重已开放下载（公司口径，待第三方复测）。发布文见Run fast, private agents on-device。
要闻四：DeepSeek被曝领投机器人大脑初创：成立没几个月的公司，投后估值约4亿美元
云阳: 要闻四，据外媒彭博社10月12日报道，大模型实验室DeepSeek已同意领投机器人AI初创Winverse AI的种子轮，规模数千万美元，投后估值约4亿美元（知情人士口径，交易尚未敲定、条款可能变动），美团旗下龙珠资本也作出投资承诺。Winverse创始人胡瀚上一个身份是腾讯混元的杰出科学家，负责视觉语言与具身智能基础模型团队，是经典视觉模型Swin Transformer的论文作者之一。这按报道是DeepSeek两个月内第二次伸手机器人领域：8月它认购了人形机器人公司宇树科技上市战略配售约1.41亿元人民币。报道见Bloomberg原文。
要闻五：单轮23亿元、累计43亿元：一家「算力代工」公司刷新国产AI基建融资纪录
云阳: 要闻五，10月12日前后，每日经济新闻、新浪财经等多家国内财经媒体报道：AI原生基础设施公司无问芯穹完成23亿元人民币C轮融资——C轮是按公司成长阶段排的融资轮次——成立以来累计融资43亿元，单轮和累计都创下国内AI原生基础设施赛道新高（公司口径）。这家公司2023年成立、由清华大学电子工程系推动设立，投资方名单里有国资、腾讯和百度等产业方，也有红杉中国等财务机构。定位写在报道里：不造芯片、不做模型，专门把不同品牌的算力协调起来租给别人用。报道见每日经济新闻。
第三段：晓桐×云健逐条点评
晓桐: 那你先说说，摆几个圆盘这种事小学生都听得懂，怎么就让数学界卡了57年？顺带给大家补个课：「猜想」这两个字在数学里到底多重？
云健: 难点从来不在「摆出来」，在「证不出没有更好」。说白了，上世纪六十年代就有人交出漂亮摆法，可排列的可能性是无限的，人没法亲自查遍「所有别的摆法都不如它」。nor和模型这次做的事，是把「怎么摆最好」翻译成一堆几何约束——哪些圆必须贴边、哪几个必须相切——用约束把无限可能裁剪成有限情形，再让计算机用精确分数逐一带严格验算排除掉。注意「精确分数」这四个字：计算机常用的浮点小数有舍入误差，拿带误差的数去「证明最优」是不作数的，所以验算全程只用分数硬算——这是计算机辅助证明的门槛，也是它比「AI随口说个答案」值钱的地方。这条真正的新意不在题，在人：把证明做出来的不是名校课题组，是一位十几年前在奥数里遇见这道题的技术作者，他自述当年就被它难住，而这题此后几乎没进展。今年AI把一批数学难题挨个掀翻——比如10月8日那期咱们讲过OpenAI把七百多份数学手稿挂上GitHub——他索性把旧题丢给了新工具。「猜想」不是「猜出来的答案」，是「大家都试过、谁也没证伪也没证真」的命题——数学里它是一等公民，猜想的地位不看题目像不像脑筋急转弯，看卡住的人够不够多、够不够久，这一道从1969年卡到今天，卡掉的论文数都数不清。计算机辅助证明也不是新词：1976年四色定理就是头一个靠机器穷举情形的著名证明，当年同样吵了半辈子「机器算出来的算不算数」，后来靠形式化验证才把争议压下去。给外行一句翻译：这门手艺里，人类的角色从「解题人」变成「选题人加验收人」——决定证哪道题、模型给的过程哪里站不住、最后拍板信不信。冷水照泼：证明发在个人网站，同行评审还没走完，数学社区认不认，要看接下来审稿的人和复验的人怎么说话。
晓桐: 机器人跑虚拟实测，分数再高也是仿真里的数字，凭什么值得单独一条？
云健: 凭这套实测的规矩立得住：出基准的是中立的非营利机构，打分标准统一、成绩挂出来谁都能查，任何团队都能进场复跑自己的方案——公司报的「全球第一」随时能被别人的成绩刷掉，这跟关起门来开发布会吹演示是两码事。MolmoSpaces这套环境来自做开源研究的艾伦人工智能研究所。你发现没有？这条跟10月9日那期讲的双足人形机器人进零售门店上岗正好接成一句话：身体这边越来越利索，竞争的胜负手已经上移到「大脑」——拿到没见过的房间，它认不认识目标、会不会伸手、门打不打得开。这里给外行拆一个词：行话叫sim-to-real，就是「仿真到真机」的落差——机器人训练越来越多放在游戏引擎式的虚拟世界里，因为那里摔一万个样本不花一分钱；可虚拟地面没有灰尘、机械臂没有磨损、摄像头没有噪点，分数在仿真里越漂亮，越要问一句搬到真实世界还剩几成。仿真分数能不能兑换成真实车间，要看官方论文给的仿真-真实关联性有多硬，那是行业公认的软肋。给魔法原子的样本诚实度记一分：报的是四项任务全量3915局，不是挑几局最好看的；但75.4%和94.4%都还是自家公布口径，等第三方拿去复测，再吹「产线可用」这四个字。
晓桐: 模型能离线跑在自己电脑上，除了省点钱，跟普通人还有什么相干？
云健: 相干在三笔账：钱、隐私、断网。现在手机里多数AI功能走的是云端——你说的话先上别人服务器再回传，按用量计价，卧室里的对话躺在别人机房。离线跑的意思是模型装进你自己的机器，「数据上云」这个选项从物理上消失；断网、山区、宽带被拔，它照用。而且这条赛道中国企业不缺位：10月10日那期讲过16.9MB塞进家电芯片的语音识别模型，走的同是「把模型塞进自己的设备」这条路——端侧这块，全世界的小团队都在往芯片里塞东西。要挑的刺有两根。第一根是硬件门槛：参数总量不等于显存占用——240亿参数就算每步只「醒」20亿，权重本身也得装进内存，按官方描述这代模型面向的是高配笔记本和入门级工作站，五六年前的旧电脑基本无缘，官方那个每秒184个token的成绩同样出自顶配机器，普通机器打几折没人替它背书。第二根是「一次记住约13万token」这个数：token粗算下来，13万大致装得下一本中篇小说或者几十万字代码，听着宽裕，可长对话里模型容易「前紧后松」，记得住不等于用得准。你自己的电脑跑不跑得动、跑快了准头掉不掉，都得等开发者社区接下来几个月的真实跑批。
晓桐: 一家做大模型的，掏钱去投机器人大脑的小公司，这步棋你怎么读？
云健: 先把账本摆开：据报道DeepSeek自己新一轮融资正接近800亿元人民币，钱原本指着训模型和建数据中心，现在分出一支去投成立几个月的初创——它开始给自己找「模型之外的出口」。对话生意的天花板看得见，机器人是下一个最顺理成章的容器：讲真，「聊天模型便宜」这件事，搬到一个会干活的机体上，才变得出实体生意。8月投宇树买的是「身体」，这回胡瀚的Winverse做的是「大脑」——视觉、语言、动作打通的那套基础模型，两个月两手都伸。胡瀚这个人本身有分量：Swin Transformer是他参与提出的视觉模型架构——大白话说，就是让机器「看图」时先切小块再逐层合并、看得细也看得快的一套通用打法，公开论文引用数以万计，是过去几年视觉识别的主流底座之一；他如今带队的方向是把视觉、语言、动作这三样接成一个模型，行业里叫VLA——视觉语言动作模型，机器看到什么、理解你说什么、手上怎么做，一条链路打通。另一层是人的流动：腾讯改组AI研究部门出走的科学家，拿到DeepSeek和美团系资本领投，大厂的人才和资本开始在外圈合流。谨慎的部分别忘了：整件事目前只有彭博社援引知情人士的报道，交易没签字，估值没定案，数字随时可能变。
晓桐: 最后这条：不造芯片不做模型，光靠「租算力」，凭什么募到43亿？
云健: 凭它站在一个谁都绕不过的缝隙上。国内算力市场的情况是芯片品牌杂、机房分散，模型公司拿到的算力七零八落，调不动、等不起。无问芯穹做的事说白了是「算力代工」——这个说法是每日经济新闻报道里用的——把不同来源的卡协调成一朵好用的云，收中间的服务费：半导体里有台积电，AI基建里大家在赌一个类似的位置。它跟听众的距离比想象的近：你每月充的AI会员、公司里跑的AI报表，背后都有一层看不见的中间商在摊薄或抬高成本，这层效率决定这些功能什么时候降价。风险也直说三样：43亿累计是公司口径，「刷新纪录」没有公开全量融资数据库可查；上一轮融资还是5月超7亿元那笔，中间只隔了几个月，节奏越快越要盯住烧钱的账；这门生意的头寸捏在上游手里——芯片从谁家租、机房在哪、供货一紧中间商最先受夹板。它租出去的算力到底服务了几家肯续费的真客户，比融资额更能说明成色。
第四段：收尾
晓桐: 留两个能自己回来核对的时间点：摆圆证明那边，看接下来几周有没有研究者公开复验、期刊审稿收不收——作者把证明和验算代码全公开了，本来就是给人验的；DeepSeek投资那边，等两家公司正式公告落地——媒体报道的口径和签字画押，从来是两码事。到时回头看本期这几条，哪几条是真往前走了，哪几条停在原地。
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！