AGI大转向：全球大厂集体放弃“数学成神”路线

近两年AI圈有一个非常微妙、却极少有人讲透的重大战略转折：

以谷歌DeepMind为首的全球顶级大厂，正在大规模收缩、甚至砍掉深耕多年的AI数学、AI基础科学专项团队。

大量顶尖数学推理、科学计算方向的人才流失、项目停更、预算腰斩。

放在几年前，这完全是不可想象的。

曾经整个行业有一个近乎共识的“铁律”：数学，是AGI的唯一必由之路。

几乎所有顶级实验室都坚信一个逻辑：

真正的通用人工智能，绝对不是只会聊天、仿写文字的“高级复读机”。AGI的终极核心，是逻辑自洽、推演自证、绝对严谨。

而人类世界里，唯一具备绝对逻辑、绝对自洽、绝对可证伪的体系，只有数学。

所以顺理成章得出了当年的行业终极判断：

AI 想要通往AGI、通往超级智能，必须先把数学走通。

只要AI能彻底攻克原创数学证明、高阶逻辑推演、前沿科学推导，就证明它拥有了真正的“思维能力”，而非简单的统计拟合。

只要数学通了，AGI就通了。

这就是过去五年，谷歌、国内头部大厂疯狂砸资源死磕「AI for Math、AI for Science」的底层信仰。

但现在，这套曾经统治行业的顶层逻辑，正在被整个硅谷悄然推翻。

今天我们就通俗讲透：这场AGI底层路线的世纪级翻盘，到底推翻了什么、证实了什么，又预示着AI的未来走向何方。

一、曾经的行业信仰：为什么大家认定“数学是AGI唯一正道”？

在2022年之前，DeepMind主导了整个行业的AGI顶层设计，其核心理念非常朴素，却极具说服力。

我们可以把AI能力分为两个层级：

第一层：语言模拟。

也就是当下大众最熟悉的聊天、写作、翻译、总结。

自然语言最大的特点是：模糊、歧义、依赖语境、没有绝对对错。

模型可以靠海量数据模仿人类表达，但全程不需要“理解”，只需要“匹配概率”。

第二层：逻辑真理。

也就是数学、公理、形式化证明、多步演绎推理。

数学没有歧义、没有例外、没有语境漏洞。

对就是对，错就是错，一切结论均可被严格核验。

当时研究者的核心判断是：

语言是“表象智能”，数学是“底层智能”。

如果一个AI解不开复杂奥数、做不出原创证明、无法自主推导逻辑链条，那它所有的对话智能，都只是数据背诵与模式拼接，不是真正的思考。

所以当年的行业共识无比坚定：

1. 自然语言只能练出“仿人外壳”，数学才能练出“智能内核”；

2. 想要摆脱人工智障、走向通用智能，必须攻克形式逻辑体系；

3. AGI的登顶之路，必须从征服数学开始。

也正因如此，谷歌不惜重金组建专项团队，深耕AlphaProof、几何推理、形式化验证、科学计算等方向。

国内大厂也全员跟风，扎堆搭建AI数学团队、冲刺IMO竞赛解题、攻坚数学猜想证明。

所有人都默认：谁先跑通数学，谁就拿下AGI的入场券。

二、巨变降临：大厂不是卷不动了，而是“信仰崩塌”

最近一年，行业发生了肉眼可见的反转：

谷歌解散长期深耕AI数学、AI基础科学的独立专项团队，大量核心人才出走；

曾经重点倾斜的数学推理、基础科学预研项目，优先级被大幅下调；

资源、算力、人力全面撤离长线基础研究，集中涌向商业化落地、Agent、代码助手、场景应用。

很多人解读为：大厂卷累了、投入太高看不到回报、烧不起钱了。

这是极大的误解。

真实的底层逻辑，是行业通过数年试错，彻底推翻了旧有的AGI公理：

旧信仰（已被证伪）

AGI必须先精通完整的严谨数学逻辑，才能拥有通用推理能力，数学是前置门槛、必经之路。

新共识（如今行业主流）

数学是顶级能力的“验证标尺”，但绝不是AGI的“前置门槛”。

这两者的天壤之别，直接改写了AI的顶层发展路线。

通俗来说：

以前大家认为：不懂高阶数学的AI，绝对不可能是AGI。

现在大家发现：AGI可以先拥有通用思维，再通过工具、后天迭代补齐数学能力。

这也是谷歌放弃“专项数学团队”的核心真相：

不是不要数学推理了，而是不再用“从零硬啃数学”的方式造AGI了。

三、通俗拆解：为什么“数学成神”的路线走不通了？

我们抛开专业术语，用最直白的逻辑讲透核心矛盾。

1. 大模型的智能本质，和数学的本质天生相悖

当下主流AI的核心是统计概率拟合。

它的能力来源，是学习人类海量数据里的思维范式、推理步骤、语言逻辑，实现高度泛化。

而数学的核心是绝对公理演绎。

零歧义、零概率、必须严谨自洽、每一步都可溯源验证。

这就导致一个关键结论：

AI会解数学题，不代表它理解数学；它只是学会了“人类解题的逻辑模板”。

哪怕模型能拿下IMO满分、复刻复杂证明，本质依然是高级模式泛化，不是数学家式的底层公理理解。

耗费巨额算力、人力，去训练模型复刻人类数学思维，最终得到的只是“仿真数学能力”，无法诞生真正的底层逻辑智能，投入产出比低到极致。

2. 数学只是智能的子集，不是智能的母体

过去最大的认知误区，是把“数学逻辑”等同于“通用智能”。

真实的通用智能，包含无数维度：

常识因果、物理世界感知、场景规划、社会逻辑、突发问题决策、模糊信息处理……

数学只是其中极小一块“确定性逻辑分支”。

一个能破解顶级数学猜想的AI，依然可能看不懂日常对话隐喻、做不好现实任务规划、无法适配复杂的真实世界场景。

反过来，一个拥有完整世界认知、通用推理能力的AGI，可以随时通过外挂工具、后天学习补齐数学能力。

舍本逐末专攻数学，根本换不来通用智能。

3. 商业与工程现实：长线基础研究，扛不住行业迭代速度

AI数学、前沿科学证明，属于十年甚至三十年尺度的长线基础研究。

而当下的AI行业，是按月迭代、按季度内卷的商业化战场。

母公司的营收压力、资本市场的回报要求、行业的激烈竞争，都不允许团队长期做“看不到落地价值的纯理论探索”。

独立专项数学团队的解散，不是技术失败，是工程性价比与商业周期的必然选择。

四、最重要的澄清：行业从未放弃“逻辑严谨”，只是换了赛道

很多自媒体解读的“AI放弃数学、放弃逻辑”，是完全错误的。

真实的现状是：

专用的纯数学攻坚团队没了，但数学推理能力，被彻底内化进了通用大模型。

1. 谷歌没有停更数学能力迭代，只是不再单独养一支“只为数学而生”的团队，Gemini的逻辑、符号、计算、推导能力，至今仍在持续升级；

2. OpenAI、Anthropic反而在加码高阶推理，数学能力依旧是区分顶级模型上限的核心标尺；

3. 所有头部模型的核心竞争力，依然是逻辑自洽、推理深度、严谨性。

行业真正的升级，是完成了路线迭代：

旧路线（已淘汰）

先攻克封闭、极致、严谨的数学逻辑 → 孵化AGI通用智能

新路线（当前唯一主流）

先打造能理解真实世界、具备通用推理的基础智能 → 再通过模型迭代+工具外挂，补齐数学、科学的严谨能力

一句话总结：

数学不再是AGI的“入场券”，变成了AGI的“高级加分项”。

五、最终大局观：这场转向，决定了AI的未来形态

这场看似低调的战略调整，实则定义了未来十年AI的终极形态：

1. AGI不会以“数学家”的形态诞生，只会以“通用世界决策者”的形态诞生。

优先适配复杂、模糊、真实的物理世界，而非极致严谨的抽象数学世界。

2. 未来AI的严谨性，不再来自先天内置公理，而是来自“模型推理+工具校验”的混合模式。

模型负责思考、拆解、推演，计算器、证明器、脚本工具负责兜底纠错，用最低成本实现最高逻辑精度。

3. 纯理论、纯数学的AI攻坚，彻底退出产业主流，回归学术实验室。

产业端所有资源，将全面向落地、Agent、场景、真实世界交互倾斜。

结尾

曾经，所有人都相信：逻辑自洽的数学，是AI成神的唯一路径。

今天行业终于认清真相：

数学是智能的最高精度检验标准，却不是智能的起源土壤。

AGI的终极真谛，从来不是精通公式与证明，

而是在复杂、模糊、不确定的真实世界里，拥有稳定、通用、可迭代的思考与决策能力。

这一次大厂集体转向，不是倒退，是AI产业从“理想主义科研幻想”，彻底走向“现实主义工程落地”的里程碑。