Google 智慧體系統破紀錄：解開高德納猜想，從零手寫 CPU 模擬器

如果把高難度的數學證明或底層硬體模擬交給單個大模型，它通常幾分鐘後就會開始胡言亂語。Google 給出的解法是讓一隊 AI 協同打持久戰。

跑幾天不掉線的 AI 團隊

Google 在自家的 Antigravity 平臺中升級了 Teamwork 框架，配合 Gemini 3.7 Flash 模型，讓自主 AI 智慧體團隊能夠分工協作、相互質詢，並在數小時甚至數天的時間跨度裡持續迭代。

拿出來的成績相當硬核。在理論層面，這個多智慧體系統一口氣解決了 FOCS、JMLR 等頂級學術場景中的 7 個公開數學與理論電腦科學難題。其中包括知名的高德納迴圈猜想（Knuth's Cycles Conjecture），並在 Lean 定理證明器中給出了超過 40 頁的形式化機器證明。此外，它在 TCSBench 測試集上拿到了 71% 的成績。

在底層系統工程上，這套多智慧體團隊從零寫出了一個亂序執行的精確週期 RISC-V CPU 模擬器，能順利把 xv6 作業系統啟動到終端命令列，對齊真實硬體的週期誤差只有 0.71%。它還向開源核心庫 Eigen 和 ParlayHash 提交了被上游合併的最佳化程式碼，直接把 ParlayHash 的插入吞吐量拉高了一倍，記憶體佔用壓低了 25%。

為什麼重要

我們認為，這次最有看點的地方不在於跑分，而在於 AI 終於開始啃那些需要極長邏輯鏈條的硬骨頭。

無論是 Lean 裡的形式化定理證明，還是精確到時鐘週期的 CPU 模擬，中間容不得半點幻覺和邏輯跳躍。Google 沒有硬拼更昂貴的超大模型，而是用響應迅速的 Flash 模型組成智慧體群，用互相找茬和多天迭代來換取極高的可靠性。

看起來，這種長週期自主協同的模式一旦走通，受衝擊最大的不僅是學術界的推導門檻，還包括底層軟體、編譯器和硬體驗證等高度依賴高水平人力的工程領域。這也給其他團隊提了個醒：把模型變大不是唯一齣路，讓模型學會長期分工質詢，可能更管用。