
一句话:
质检单是数学开的
据 Google DeepMind 官方 X 帖(2026 年 11 月),AlphaProof 系列交出三份成果:用数学方法在数周内证明 Signal 加密代码安全,人工做要数年;从实验室笔记本和原始数据里揪出细微的湿实验错误和数据异常;在大型数据库里找到 40 倍多的相关蛋白质序列,帮模型啃难预测的蛋白质。
一句话:AI 开始给代码和实验开'质检单'了,而且是用数学开的。写代码是创作,验证是责任——过去 AI 只会前一半,这一轮它把后一半也接了过去。
AlphaProof 不算新面孔:2024 年它就在国际数学奥林匹克上达到过银牌水平,靠形式化数学解题。这次不一样的是,同一条路线从竞赛场挪进真实工程和实验室,开始对别人的工作成果挑错。
拆方法:
把代码翻译成数学题
划重点:这套方法的核心叫形式化验证。它不'读'代码的意图,而是把代码的功能写成一条条数学命题,再让机器一步步推演,确认命题真的成立。每一步都可复查,像几何题的完整证明过程。
说白了,就是把'这代码安全吗'翻译成'这道数学题成立吗'。命题只要证出来,漏洞在逻辑上就没有藏身之处——不是'测试过没发现问题',而是'所有可能情况都被证明安全'。单元测试给的是证据,形式化验证给的是结论。
代价也写在明处:问题必须先翻译成数学,翻译不了的性质就验证不了。能翻译的,大多是规则清楚、边界分明的系统。这个限制后面细说。

三条成果,逐个划重点
第一条最直观:AlphaProof Code 用数学方法证明 Signal 的加密代码安全。据官方帖,全程数周;人工做同等深度的验证,业界估计以年计。对数字较真一下:'数周'不等于'全自动',是 AI 与工程师协作的节奏,但把'值不值得做一次彻底验证'这道经济账算过来了。
第二条发生在实验室。据官方帖,AlphaProof 在实验笔记本和原始数据里发现了细微的湿实验错误和数据异常。湿实验和试管、培养皿打交道,错误常藏在记录习惯里的小偏差,人眼一扫就过去;机器用数学约束逐条对账,对不上的就是异常。
第三条最'广':它在大型数据库里找到 40 倍多的相关蛋白质序列,用来帮助建模难以预测的蛋白质。40 倍不是精度变高,是搜索口径变大——以前够不着的远亲序列进了训练视野,等于给模型补了 40 倍的同类样本。
三条放一起看共性:加密证明靠逻辑推演,湿实验检查靠约束比对,蛋白质检索靠数学化的搜索——同一个'把问题翻译成数学'的内核,装了三个场景。翻译得好,验证就成立;翻译得糙,证明再严密也是纸上谈兵。
为什么比「AI 会写代码」
更值钱
写代码是创作,验证是责任。AI 写代码,写完要人审、要测试、要背锅;AI 验证代码,是把'责任判断'本身做成流程——证明安全的东西可以直接上线,信任链条清清楚楚。
况且验证是稀缺活:能对加密协议做形式化证明的人全世界屈指可数,价格贵到多数公司排不上队,需求还得往后排。AlphaProof 把稀缺能力压成可复制的工序,'数周对数年''40 倍'背后是同一个逻辑——把昂贵的人工量级降下来。
再往长看,当 AI 能验证自己写的代码,'AI 工程化'才谈得上落地:创作端已经卷成红海,验证端才刚起步。谁先把验证做扎实,谁才敢把 AI 的产出直接放进生产环境。

但这里有个前提:不是所有代码都能翻译成数学题
但这里有个前提:形式化验证目前只覆盖特定类型的问题。边界清晰、规则严密的系统——加密算法、数据结构、协议——是它的主场;'这个界面好不好用''这段文案会不会冒犯人'这类开放问题,数学暂时插不上手。
翻译环节也会出错:把代码写成数学命题时,命题写歪了,证明再严密也白搭。行业管这叫规范错误——你证明的是写下的那道题,不等于你想要的那个系统。
所以我的收尾判断:AlphaProof 的价值不是取代验证工程师,而是把验证产能抬高几个量级,同时把'翻译'这个瓶颈摆上台面。接下来值得盯的,是它能把哪一类'翻译不成数学'的问题也啃下来。在那之前,把'用数学证明安全'理解成'数学上证明了你写的那道题',更接近事实。