文章

AI落地双轨：数学深水区与短剧红海战

#1291 · 2026-08-09 · 21ZHAO Blog
深度解读时政调查思想
Reading Path / ARTICLE 先抓主张，再转成行动 #1291 · 21ZHAO Blog · 读完进入产品或下一篇

AI落地双轨：数学深水区与短剧红海战

为什么值得关注

2026年8月，AI在基础科学与内容工业两个看似极端的领域同时交出阶段性答卷。数学家张寿武在2026国际基础科学大会上公开确认，AI已参与找到代数几何中雅可比猜想的反例，但他同时划出一条清晰红线：AI给出的答案仅一两页纸，在深度思考上与人类相差甚远。另一边，资深广告人黄楚杰团队用6-7人、三个月、十几万算力成本，将上万字网文改编为120分钟AI漫剧，并在腾讯火龙漫剧App登顶热搜。

两条新闻并置，暴露一个核心矛盾：AI在“快思考”类任务（组合搜索、图论、短剧生成）已具备工程化交付能力，但在“慢思考”类任务（定理证明、长程逻辑链）仍处于辅助工具阶段。技术决策者若将前者的速度感误判为后者的能力信号，会直接导致资源错配。

信息热度

张寿武的发言在学术圈引发密集讨论。他使用“汽车与飞机”的比喻——强大但危险，必须学会安全使用——被多个学术社群转发。核心争议点在于：AI找到雅可比猜想反例这一成果，究竟算“机器证明”还是“辅助搜索”。张寿武本人态度明确：他不敢与AI竞赛，因为他的想法“特别简单”，这被解读为顶尖数学家对AI工具化的务实接纳。

黄楚杰团队的AI短剧案例在内容行业热度更高。2026年春节两部作品登顶腾讯火龙漫剧热搜，验证了AI漫剧对低成本实拍短剧的平替可能。但黄楚杰在“对齐Talk”中直言，AI短剧已是红海，网文改编的难度远超预期——原著铺垫长、开篇慢，AI直接生成会导致节奏崩坏，必须人工重构叙事线。这一判断被多个影视技术社群转发，成为“AI内容精品化”议题的关键注脚。

关键信息

数学侧：AI的“一两页纸”天花板

张寿武披露的具体事实：

  • AI在图论、组合等结构性较差的数学问题上，解题速度已超越人类。
  • AI参与找到雅可比猜想反例，这是代数几何领域的重要进展。
  • 但AI输出的证明仅一两页纸，缺乏深度推理链条。张寿武原话：“在深度思考方面，目前为止AI跟人类还相差很远。”
  • 他同时警告，这不等于未来几年AI不能赶上来，个人策略是保持“想法特别简单”以规避被替代风险。

短剧侧：6人团队、三个月、十几万算力成本的工业化账本

黄楚杰团队2023年“All in AI”，2026年切入AI短剧赛道，关键数据：

  • 团队规模：6-7人。
  • 制作周期：约三个月。
  • 算力成本：十几万元人民币。
  • 产出规格：上万字小说改编为120分钟短剧内容。
  • 核心难点：网文原著铺垫长、开篇慢，AI直接生成无法满足短剧的快节奏需求，必须人工介入重构叙事结构。
  • 市场反馈：两部作品先后登顶腾讯火龙漫剧App热搜榜首，验证商业可行性。

黄楚杰的路径本质是“AI生成+人工精修”的工业化流水线，而非全自动生产。这与张寿武对数学领域AI的定位高度一致：工具属性明确，但深度环节必须人类兜底。

21ZHAO 判断

两条素材共同指向一个判断：2026年中的AI落地，正在“搜索/生成”与“推理/深度”之间形成清晰的能力断层。

数学侧改变了哪一层默认路径：AI将数学研究中“寻找反例”这一环节从人工枚举变为机器搜索，直接压缩了猜想验证的试错周期。但张寿武的“一两页纸”判断说明，当前AI并未改变“深度证明”这一核心层的默认路径——它仍由人类数学家完成。隐形成本在于：年轻研究者可能过度依赖AI搜索反例，弱化自身构造反例的直觉训练，长期会削弱数学共同体的原始创新能力。

短剧侧改变了哪一层默认路径：AI将短剧制作中“画面生成”环节的成本打到了十几万量级，直接冲击传统实拍短剧的低成本优势。但黄楚杰的实践暴露一个关键瓶颈：AI无法理解网文的长铺垫叙事结构，必须人工重构。这意味着AI改变的只是“像素生产”层，而非“叙事架构”层。隐形成本在于：红海竞争下，团队若只卷AI生成速度而忽视叙事人工精修，作品会快速同质化，登顶热搜的窗口期会急剧缩短。

监管侧信号：张寿武明确提出“如何监管”是AI的核心问题，这与同期云南镇雄煤矿因重大隐患被停产整顿的监管逻辑形成跨行业呼应——任何强大工具（AI或重型机械）在缺乏安全边界时，都会触发监管强制介入。AI在数学与内容领域的监管框架目前仍属空白，但学术圈与产业界的同时发声，预示规则制定窗口正在打开。

可复用建议

  • 为AI能力建立“快/慢”分层评估表：在技术选型时，明确区分“搜索/生成类任务”与“深度推理类任务”。前者（如图论求解、短剧画面生成）可投入工程化资源；后者（如定理证明、长程叙事架构）必须保留人工核心环节，AI仅作辅助。张寿武的“一两页纸”与黄楚杰的“人工重构叙事线”是两条可量化的边界线。
  • 算力成本核算必须包含“人工精修”科目：黄楚杰团队十几万算力成本背后，是6-7人三个月的密集人工投入。任何AI落地项目的ROI模型，若只计算API调用费用而忽略人工重构、审核、兜底的成本，会严重低估真实交付成本。建议将“人机协作比”作为立项评审的必填项。
  • 监管预判纳入技术架构设计：张寿武的“安全使用”呼吁不是空话。在AI辅助数学证明或内容生成系统中，应预设“可解释性日志”与“人工否决节点”，以便在监管框架出台时快速合规。煤矿行业的“清单化、菜单式监管”模式（隐患动态清零）可能成为AI监管的参考模板。

可延展观察

未来几周至几个月，三个方向值得持续跟踪：

  1. 雅可比猜想反例的论文正式发表：若该成果以“AI辅助”身份通过同行评审，将树立AI在纯数学领域的引用先例，后续会有更多猜想验证项目跟进。但若论文因“机器贡献度”界定不清而被卡，会延缓学术界对AI工具的接纳速度。

  2. AI短剧的精品化拐点：黄楚杰已明确红海信号，下一阶段竞争将从“能不能生成”转向“叙事是否独特”。率先将AI生成与专业编剧工作流深度耦合的团队，可能拉开质量差距。腾讯火龙漫剧的热搜榜数据将是观察这一拐点的直接指标。

  3. AI安全监管的跨行业传导：煤矿行业的“重大隐患停产整顿”机制（依据《煤矿安全生产条例》第六十四条）与张寿武提出的AI监管需求，在“强工具必须强监管”逻辑上同构。若国家矿山安全监察局的执法模式被AI监管政策借鉴，可能出现“AI系统重大隐患强制下线”类条款，直接冲击当前AI服务的连续性与合规成本。

参考来源