AI證明黎曼假設、伺服器狂漲又拖累華爾街:算力時代的殘酷真相

CMoney 研究員


Anthropic AI協助寫出黎曼假設機器可驗證證明,引爆對「AI做原創研究」的想像;同時間記憶體成本暴漲逾400%,伺服器報價最高臨交貨前狂漲45%,量化交易等重度算力買家叫苦連天,凸顯算力經濟的機會與風險。

在 AI 科技狂飆的當下,一則震撼全球數學界的消息,與一場正在上演的伺服器報價風暴,意外勾連成同一個殘酷現實:算力正變成最關鍵、也最昂貴的戰略資源。

德國數學家 Bernhard Riemann 於 1859 年提出的黎曼假設,是 Clay Mathematics Institute「千禧年難題」之一,懸而未決達 167 年。它關乎質數分布是否存在「隱藏秩序」,被視為現代數學與密碼學的基石。然而日前,隸屬 Anthropic(ANT) 的數學家 Levent Alpöge 在個人網站發布四頁說明,宣稱自己「在與 Claude 合作後,找到了黎曼假設的證明」,甚至聲稱其方法能同時處理廣義黎曼假設,立刻引爆學術與科技圈高度關注。

更令人側目的是,這次「證明」不是以傳統論文形式亮相,而是完整以 Lean 這套形式化證明助理撰寫的程式碼呈現,由機器逐步檢查每一個邏輯推論。Alpöge 表示,與其丟出一份冗長難讀、充滿機器語句的檔案,不如直接公開可編譯的程式碼,讓社群以電腦驗證。隔天,Lean 與 Mathlib 社群即聯合聲明,認定該程式中「黎曼假設的陳述與證明皆正確」,全球多位研究者也回報能順利編譯程式碼,且多個獨立檢查器皆無錯誤。

MIT 數學家 Andrew Sutherland 對《Scientific American》指出,這份程式碼僅依賴「三個標準公理」,並未偷偷倚賴怪異假設,意味形式化驗證在邏輯框架上站得住腳。Fields Medal 得主 Terence Tao 則提醒,真正的考驗在「理解」:社群仍需將程式中由 AI 協助產生的技術細節,轉譯成可被人類數學家掌握、批判與延伸的論述。Alpöge 也坦言,部分最繁複的技術推導,是由 Claude 完成,他自己都尚未完全吃透。

這起事件之所以被視為里程碑,在於它為「前沿 AI 能否做原創研究」提供前所未見的實證案例。過去,生成式 AI 多被定位在回答問題、寫程式、總結資料,如今卻可能首度「與人類共同完成」一個千禧年難題的機器可驗證證明。對投資人而言,這也被視為 Anthropic 與 OpenAI 在「硬核數學研究」上競賽升溫的訊號,尤其 Anthropic 才剛完成 IPO,公司內部還曾為公告時間點與 CEO Dario Amodei 討論「約束」,顯示其對市場與學界反應高度敏感。

然而,要將 AI 原創研究能力真正轉化為產業競爭力,關鍵在算力。近期《Financial Times》報導指出,多家主力技術供應商在合約簽訂數月後大幅調高 AI 伺服器價格,對 Jane Street、Optiver、Hudson River Trading 等重度依賴高頻運算的金融交易公司造成衝擊。有知情人士形容,合同簽訂與最終交貨價格之間的落差「令人不安」,實際調幅案例包括 25%、30%,甚至高達 45%。

造成成本失控的核心因素,是記憶體價格自 2024 年初以來暴漲逾 400%。根據 JPMorgan 研究,記憶體成本飆升直接推升 GPU 伺服器價格至少 20% 至 30%,而記憶體佔比更高的 CPU 節點,整體成本則可能「翻三倍以上」。在 AI 模型愈趨龐大、參數規模動輒百億、千億的情況下,伺服器設計紛紛加大記憶體與高速儲存配置,讓這波原件上漲迅速放大為系統級的報價風暴。

最具代表性的爭議之一,是英國量化交易公司 XTX 與 Dell Technologies(DELL) 之間的司法訴訟。依據愛爾蘭法院文件,XTX 與 Dell 原先同意以 5.49 億美元購買伺服器,並額外支付 500 萬美元「鎖價」,確保成本穩定。但後續 Dell 主張,因元件成本大幅上漲,XTX需再支付 6,200 萬至 7,000 萬美元才能交貨。XTX 表示震驚,指稱 Dell提到其他客戶在探索替代方案後,最終接受調價,並宣稱公司「無法吸收因記憶體價格飆升所造成的額外成本」。

在外界質疑聲中,多家伺服器與零組件供應商選擇低調以對。HP Enterprise(HPE) 與 Super Micro Computer(SMCI)拒絕評論相關報價調整,Dell 與 Lenovo(LNVGY)則未回覆多次置評請求。同樣深度使用 AI 伺服器的 Hudson River Trading、Optiver 不願評論,Jane Street 則保持沉默。對市場而言,沉默本身就是訊號:當 AI 需求以指數級速度擴張,而關鍵硬體供給相對吃緊,價格機制勢必出現劇烈波動。

從算力經濟的角度來看,一端是 Anthropic 等新創展示 AI 在純理論研究領域的突破可能;另一端則是伺服器與記憶體成本暴衝,壓縮金融機構與科技公司的投資報酬率,乃至引發司法糾紛。若將視野拉長,算力瓶頸也可能反過來限制 AI 研究的腳步──即便前沿模型在數學與科學領域展現驚人潛力,若企業與研究機構難以負擔訓練與推論成本,實際落地速度恐遠不如技術本身的理論上限。

值得注意的是,這波成本壓力並非只牽動科技股,也連動整體市場情緒。近期華爾街三大指數全面重挫,道瓊指數跌 1.9%、S&P 500 下挫 3.6%,以科技股為主的 Nasdaq 更暴跌 5.2%。雖然拖累原因牽涉利率預期、獲利修正與產業輪動等多重因素,但 AI 概念股估值偏高、硬體成本飆升而獲利前景受質疑,明顯成為壓力來源之一。

面對算力時代的機會與風險,市場上已浮現兩種截然不同的聲音。一派認為,Anthropic 與 OpenAI 在高階數學與科學研究上的突破,將重塑製藥、材料設計、金融風險管理等高附加價值產業,即便短期硬體成本飆升,也只是新技術導入初期的「學費」,長期仍看好 NVIDIA(NVDA)、Microsoft(MSFT) 等雲端與 GPU 供應鏈。另一派則警告,若硬體供應端持續以「合約後調價」方式轉嫁風險,企業 IT 預算將難以規劃,最終可能迫使部分 AI 專案延後或縮減,削弱技術紅利的擴散速度。

總體而言,黎曼假設機器可驗證證明與伺服器價格風暴,看似毫不相干,卻共同揭示一個趨勢:AI 不再只是應用層工具,而是滲入最抽象的理論研究,同時讓底層算力成為市場角力焦點。接下來真正關鍵的問題,是全球資本與政策如何在「推動 AI 前沿創新」與「避免算力壟斷與成本失控」之間取得平衡。若無法妥善管理,AI 可能在打開新知大門的同時,也為產業與金融市場帶來前所未見的波動與不確定性。

點擊下方連結,開啟「美股K線APP」,獲得更多美股即時資訊喔!
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考,並無任何推介買賣之意,投資人應自行承擔交易風險。

文章相關標籤

本文內容轉載於此