我为什么要设立孙宇晨奖
孙宇晨宣布设立以自己名字命名的数学奖。他以诺贝尔的生平类比，说明自己财富源自数学（区块链建立在椭圆曲线等密码学之上），设奖是还债。奖项规则：奖跟题走，不跟人走，人与AI均可获奖，以机器形式化验证为唯一发钱标准，题单由他定价且锁死不可更改。他引用Dario Amodei的'数据中心天才之国'理念，强调奖励'悬空但严丝合缝'的纯粹推理。奖池已打入区块链，公开可查验，其公益重心将转向此奖。
相关文档
Let a billion mathematicians bloom
文章回应25位菲尔兹奖得主关于AI将损害数学的宣言。作者以AlphaGo‘第37手’为例：AI出现后职业围棋水平不降反升，因为开源引擎让每位棋手拥有超人类导师。作者认为菲尔兹奖得主担心的核心问题真实存在——AI正在把解题的成果与过程分离，但他们忽略了更深层的变化：验证成本的历史性反转。过去猜测便宜而验证昂贵，如今借助Lean等证明助手和形式化证书，验证变得廉价可复制。数学的制度体系（同行评审、长学徒制）都是围绕验证稀缺建立的。AI不会摧毁数学，反而会让数百万人得以参与，让‘十亿数学家’绽放。
OpenAI公布数学与理论计算机科学十项进展：AI开始触碰长期开放问题
文章介绍了OpenAI于8月1日公布的数学与理论计算机科学领域十项新进展，涵盖高维球堆积、编码理论、Connes刚性猜想、算术电路复杂度、多色Ramsey数等长期开放问题，既有新上下界也有反例。这些结果由内部版Astra模型生成，总成本仅约2000美元，随后由人类研究者配合整理成论文，并用Lean形式化证明系统验证。作者认为AI在科研中的角色正从读论文、辅助推导走向搜索开放问题、提出新证明、形式化验证与人类审查的闭环。
AI 时代形式化验证的供需重构
文章分析了 AI 如何同时推动形式化验证的需求与供给曲线移动。在需求端，AI 代码生成增加了对可信验证的需求，以解决审查瓶颈和意图确认问题；在供给端，AI 自动化了证明生成和规格编写，降低了成本。文章指出，密码学、区块链等高风险领域将率先受益，验证正从高端服务转变为软件基础设施。
数学是终结了，还是仅仅毕业了？
前xAI联合创始人克里斯蒂安·塞格迪以个人经历切入，回忆自己作为匈牙利数学竞赛少年的成长与竞赛结束后的空虚。他将纯粹数学研究比作在未知丛林中的探险：绘制地图、寻找矿藏、打造工具。而人工智能如今正处于莱特兄弟时代的飞机阶段——尚显原始但进步神速，已开始在数学岩石上插旗（解决猜想）。作者认为，AI终将彻底改变数学研究的方式，数学不会终结，而是像他当年的竞赛生涯一样'毕业'，从学术界安静的角落蜕变为驱动一切科技进步的成熟产业。孤胆英雄时代落幕，大规模探索时代开启。
从科技互联网、区块链到AI，我的这十年
作者回顾了从事科技互联网媒体近十年的经历，从区块链、币圈到元宇宙再到AI，见证了行业的风口变迁。他分享了自己在职场中的成长与困惑，包括作为内容写手的坚持与局限，以及为何决定在X上创建个人账号，寻求新的可能性。文章表达了对内容创作的热爱和对未来的期待。
什么是信息论？它和AI是什么关系？
文章深入浅出地讲解了信息论的起源、核心概念及其与人工智能的关系。内容涵盖香农在1948年奠定的信息论基础（如熵、比特、信道容量定理），回顾了奈奎斯特、哈特利及玻尔兹曼等前人的贡献，并探讨了交叉熵、KL散度等概念如何成为衡量AI模型误差的关键工具。文章指出，尽管信息论为AI提供了度量语言，但在解释智能本质上仍有局限。
人工智能/机器学习数学基础与学习路径
文章详细阐述了掌握人工智能和机器学习所需的三大数学支柱：统计学与概率、线性代数以及微积分。作者不仅解释了每个领域的核心概念（如贝叶斯定理、矩阵分解和梯度优化），还强调了它们在 AI 模型（如神经网络、回归）中的实际应用。最后，作者分享了一条个性化的学习路线图，推荐了 3Blue1Brown、Coursera 课程及《统计学习导论》等优质资源，帮助读者从直观理解过渡到理论实践。
数学照妖镜：AI 能发现新的数学定理吗？
文章回顾了人工智能与数学证明的深厚渊源，从1950年代的Logic Theorist到哥德尔不完备性定理，探讨了形式化数学的演进。重点介绍了现代AI数学的基础设施LEAN（包括其核心人物Leonardo de Moura、从v3到v4的演进及mathlib库），以及DeepMind、Harmonic、Axiom Math等科技巨头和初创公司在AI自动定理证明领域的布局。文章指出，AI正在通过神经网络与形式化验证的结合，重新回归逻辑推理的起点。
Bittensor 是 AI 时代的比特币吗？
本文通过 Bittensor 创始人 Jacob 在清华大学的演讲，深入探讨了 Bittensor 如何将 Bitcoin 的底层逻辑应用到 AI 领域。文章提出了“激励计算”的概念，即用真金白银的金融激励替代传统算法中的数字奖励，构建自适应的去中心化计算系统。通过代码生成、模型训练、GPU 租赁等五个实际案例，展示了 Bittensor 如何利用市场机制调动全球算力与智力资源，实现比传统中心化实验室更高的效率。
基于 Hermes 和 Polymarket 构建自学习 BTC 交易代理指南
文章详细介绍了如何利用开源框架 Hermes 和 Polymarket 市场的低效性，构建一个能自我进化的 BTC 上涨/下跌交易代理。内容涵盖了 Polymarket 的盈利模式、Hermes Agent 的核心优势（知识层、执行层、输出层）、以及如何使用 Atomic 工具一键部署 Hermes 环境。此外，文章还列举了多个成功的交易机器人案例，并提供了 GitHub 上现成的交易逻辑库供参考。
AI多智能体应用将助推区块链支付崛起
文章探讨了AI多智能体系统（Multi-Agent System）与区块链结合的必然趋势。作者指出，多智能体组织的高频、微小、跨主体及自动化执行特性，使得传统银行支付体系难以胜任，而区块链的可编程性、智能合约及实时结算能力完美匹配这一需求。这种结合不仅将大幅提升资源配置效率，还能防止科技巨头垄断，为普通人创造新的收入模式，构建全新的AI经济形态。
读天涯神贴《2027年以后，你要活成这个样子》有感
作者结合自己2026年的跌宕经历——离职创业做自媒体、运营X平台粉丝破万、入职头部安全公司担任AI架构师——逐条解读天涯神贴的四条铁律：一是学好英语以获取一手信息、打破信息茧房；二是深度使用前沿AI模型，成为超级个体；三是构建个人IP与自动化工作流，打造第二收入曲线；四是保持轻资产、无负债，拥有全球视野与迁徙能力。作者宣布2027年将All In AI与海外方向，希望活成自己想要的样子。
