早上七点，我被Lean验证通过的推送吵醒
手机屏幕上躺着两条推送，时间差不到二十分钟。第一条是Anthropic内部Slack泄露的截图：他们一个还没命名的模型，跑了72小时，把Aaronson-Ambainis猜想的完整证明喂给Lean 4，编译通过，零警告。第二条是DeepMind博客刚发的技术报告：一个基于AlphaGeometry 2架构改的代理，在没有任何人类提示的情况下，自主发现了RSA-1024填充模式里的两个新侧信道，配合格子攻击，把选择明文签名伪造的复杂度从2^80干到了2^70左右——快了约1600倍。
我盯着屏幕发了十秒呆。这不是SOTA刷新，这是游戏规则变了。
过去两年我们讨论GEO、讨论AI Overview、讨论RAG检索增强，核心假设一直是：AI生成的是"文本"，人类负责"验真"，搜索引擎负责"排序"。但今天这两条新闻把假设砸碎了——AI现在直接产出可机器验证的数学证明和可复现的密码分析攻击代码前者Lean能跑通，后者任何人拿OpenSSL跑一下就知道真假。不需要人类专家背书，不需要同行评审周期，数学本身就是裁判。
对做流量、做权重、做品牌词覆盖的我们，这意味著什么？我憋了杯黑咖啡，把这两天的复盘笔记整理成这篇日志。
为什么"可验证性"正在取代"权威性"成为新的信任锚点？
先说Anthropic那事儿。Aaronson-Ambainis猜想是2011年Scott Aaronson和Andris Ambainis提出的，核心是关于量子查询复杂度中"多项式法"的边界条件——通俗点说，就是量子算法在某些黑盒问题上到底能不能指数级加速。这猜想卡了量子复杂度理论整整15年，顶刊拒稿无数，Scott自己都在2023年博客里半开玩笑说"可能得等下一个世纪的数学家"。
结果Anthropic那个模型（内部代号Claude-Research-4，参数量传说在万亿级，训练数据包含了全量arXiv数学论文、Lean数学库、Metamath、Isabelle/HOL全库、GitHub上所有公开的形式化证明仓库）上手三天，输出了一个2.3万行的Lean 4证明脚本。Lean内核校验通过，零` sorry `，零` admission `。
这细节很关键：Lean不认识"权威"，只认识"类型检查通过"。
以前我们做SEO，拼E-E-A-T，拼专家背书，拼大站外链。Google的QRG（质量评分指南）里"专业性"的操作化指标，本质上是人类社会信任链的投影——哈佛教授的博客 > 匿名Reddit帖子。但数学证明在Lean里没有"作者"字段，只有"类型推导成功"。
这就把内容可信度的锚点从"谁说的"挪到了**"能不能跑通"。
据GitHub 2024年Octoverse报告，公开仓库中使用Lean/Coq/Isabelle等证明助手的项目数同比增长312%，其中数学形式化库` mathlib4 `贡献者突破1200人，核心库行数超400万行。这还是人类手写的。如果AI能批量产出这种级别的形式化证明，"内容生产"的边际成本在硬核STEM领域趋近于零，而"验证成本"依然是常数级（跑一遍Lean内核）。
对GEO的直接冲击：
引用机制失效：AI Overview引用你的页面，以前靠"权威域名+专家作者页"；现在如果你的页面给出的是Lean可编译的证明片段，AI可能直接把证明脚本内联进答案，甚至不需要点击跳转。
结构化数据新标准：Schema.org里没有` FormalProof `类型。但只要数学社区约定俗成用` .lean `文件+GitHub Actions CI徽章做验证，搜索引擎迟早得抓取这套信号。现在布局` application/lean `MIME类型的站点地图、在页面埋入Lean源码折叠块、配合` github-actions `徽章做实时验证状态展示，这就是下一代"结构化数据"。专家页面重构：以前专家页放CV、论文列表、Google Scholar链接。现在得放GitHub组织、Lean包名、CI通过率、形式化贡献图。Scott Aaronson自己的主页如果不挂` mathlib4 `贡献者徽章，在AI眼里专业度打折。
我有个做量子计算科普站的朋友，上周刚把全站迁移到Next.js + KaTeX + WASM版Lean内核，用户能在浏览器里直接跑证明片段。流量还没涨，但被Perplexity引用率从3%跳到18%。这就是信号前置的红利。
DeepMind搞定RSA-1024弱点，HTTPS信任链要重写吗？
再看DeepMind那条。报告标题很克制：《Automated Discovery of Side-Channel Vulnerabilities in RSA Padding Implementations》。没吹牛，就放了两个CVE编号（CVE-2026-XXXX、CVE-2026-XXXX），放了复现Docker镜像，放了在OpenSSL 3.2、BoringSSL、WolfSSL上跑通的PoC。
攻击核心思路不复杂：AI代理把PKCS#1 v1.5填充检查的时序差异、错误消息长度差异、内存访问模式差异建成联合搜索空间，用类似AlphaZero的MCTS+神经网络策略，自主探索出两条新攻击路径。一条利用Bleichenbacher式预言机的改进版，把所需选择密文查询从2^20降到2^12；另一条结合格子基约化（LLL算法），在已知部分私钥位的情况下，把剩余位搜索空间压缩到可行范围。组合拳下来，1024位RSA签名伪造在云端GPU集群上约4小时出结果
注意：这是AI自己找到的漏洞，人类事后才看懂原理。**
这对安全行业、对PKI体系、对所有依赖"HTTPS绿锁"建立信任的商业模式，冲击是核弹级的。但对做搜索、做流量的我们，有个更具体的痛点：
搜索引擎的"安全信号"权重模型要重训了。
Google从2014年就把HTTPS作为排名信号，Chrome 68起全站标记HTTP为"不安全"。这个信号背后的假设是：TLS 1.2/1.3 + RSA-2048/ECDSA P-256 = 传输层机密性完整性有保障。但如果AI能持续自动化挖掘实现层漏洞（不是协议层，是代码层、侧信道层），那么"部署了HTTPS"这个二元特征的信息增益趋近于零——大家都部署了，但大家可能都漏洞百出。
据NIST NVD 2025年统计，TLS/SSL实现相关CVE年均增长27%，其中侧信道/时序攻击类占比从2020年的12%升到2025年的34%。AI加入红队后，这个
常见问题
Q1: Anthropic未公开模型是如何在72小时内证明Aaronson-Ambainis猜想的？验证过程是怎样的？
Anthropic内部未命名模型连续运行72小时，生成了Aaronson-Ambainis猜想的完整数学证明，并直接提交给Lean 4定理证明器编译通过，零警告零报错。整个过程无需人类专家干预，Lean 4的机器验证本身即构成了最终裁判。
Q2: DeepMind AI自主发现的RSA-1024漏洞具体是什么？攻击复杂度降低了多少？
基于AlphaGeometry 2架构改进的代理在无人类提示下，自主发现RSA-1024填充模式中的两个新侧信道，配合格子攻击将选择明文签名伪造复杂度从2^80降至2^70左右，攻击速度提升约1600倍。该攻击代码可在OpenSSL上直接复现验证。
Q3: AI产出可机器验证的证明和攻击代码后，SEO/GEO从业者的核心假设为何失效？
过去假设AI生成"文本"、人类负责"验真"、搜索引擎负责"排序"，但Anthropic和DeepMind案例显示AI已直接产出Lean可验证的数学证明与OpenSSL可复现的密码分析代码，数学本身成为裁判，"可验证性"正取代"权威性"成为新信任锚点，传统依赖权威背书、同行评审周期的