最近 OpenAI 和 A/在 NS 方程、费马大定理、孪生素数问题等方向上，通过 AI 在人类已经确认的框架和方向中进行穷举、暴力尝试等工作，开几万个 Agent，连续工作几十个小时，来完成这些方向和框架的验证与尝试，寻找这些方向的具体实现细节，然后再翻译成 Lean 代码，验证其正确性。 
以此来营销自己的 AI 在前沿领域的重要性，打造出 AI 已经可以解决超级难题的形象，推高预期、提高估值，最后为上市捞一笔做铺垫。 
而在这些基于人类数学家已经探明的方向、方法论和猜想，去挖掘和证明难题的过程中，又需要大量长期运行且“不降智”的算力。 
那么，会不会因为这些项目消耗了大量算力，只能调低 ToB 和 ToC 的算力预算，从而导致普通用户使用时感觉模型越来越降智、越来越不稳定？ 
扩展阅读： 
上一代 AI 巅峰 AlphaGo，在围棋领域做到了极致。 
虽说本质上也是大量计算和搜索，但...