2026年11月10日，星期二，谷歌DeepMind在同一天放出两条消息，一条关于数学，一条关于动手。第一条是AlphaProof Code用人工智能给Signal加密软件做了形式化验证，生成了超过六百万行数学证明；第二条是Gemini Robotics 2.5让机器人学会了几百种身体任务，从叠衣服到在工厂里分拣汽车零件。两件事看起来毫不相干，其实讲的是同一个变化：人工智能正在从会说话、会写字，走向能证明、能干活。
先说Signal这一件。Signal是一款以加密见长的聊天软件，它的加密协议也被用在其他主流聊天产品里，保护着数以十亿计的私人对话。长期以来，密码学家能证明的是协议在纸面上的设计没有问题，却很难证明真正跑在手机里的那份代码同样没有问题。代码和论文之间隔着编译、优化、实现细节，任何一个环节出错，纸面上的安全都可能落空。DeepMind这次要填的正是这道缝隙，而且用的是人工智能。
六百万行证明是怎么写出来的
AlphaProof Code是DeepMind新推出的一个多智能体框架，专门做形式化验证。形式化验证的意思，是用数学方法证明一段代码在所有符合条件的情况下都满足某个性质，而不是像普通测试那样只抽查一部分输入。它被认为是软件安全的最高标准，代价也最高，过去一个复杂系统的验证往往要专家团队花几年时间。AlphaProof Code把这项工作拆开：人类专家和模型一起决定要证明什么，把Signal的安全目标翻译成严格的数学规范，每一条都经过人工审核；然后由Gemini Carbon驱动的智能体去完成证明，写出超过六百万行的Lean证明。Lean是一种可以由机器逐行检查的证明语言，机器说通过，才算通过。
这六百万行不是为了堆数字。它们对应的是Signal核心加密代码的编译结果，一直验证到机器指令层面。也就是说，被证明的对象不是抽象的协议描述，而是真正会被执行的代码。DeepMind表示，这是人工智能第一次以这样的深度，对一个广泛部署的加密协议做形式化验证；按它的说法，就验证的深度而言，此前任何方法都没有做到过这一点。整个过程只用了四周，由五名研究人员完成。时间本身就是新闻的一部分：过去需要以年为单位的工作，现在被压缩到了以周为单位。
需要提醒的是，六百万行里的大头是机器生成的证明，真正需要人类信任的是一份相对小得多的规范。研究人员要先把我们希望Signal做到的事情写清楚，机器才能去证明代码做到了这些事。如果规范本身写错了或者漏掉了关键要求，证明再长也没有意义。DeepMind在设计里把这一点摆在明处：人类负责决定证明什么，机器负责把证明做完、做对。这种分工也是AlphaProof Code和普通代码生成工具最大的区别，它不是让模型自由发挥，而是把模型放进一个每一步都能被机器检查的框架里。
到底证明了Signal的哪几件事
这次验证覆盖的是Signal协议里最核心的一对一会话，重点是两个环节：建立会话的PQXDH握手，以及每次发消息都轮换密钥的三重棘轮机制。前者决定两个人能不能安全地开始一段对话，后者决定对话进行中密钥不断更新、旧消息会不会因此变得不安全。DeepMind说，证明覆盖了四项关键安全属性：消息内容不被外人看到，对方身份真实可信，即使某个密钥将来泄露，过去的消息仍然保密，以及一次泄露之后对话能够恢复安全。
这四项属性对应的是聊天软件最常见的几种威胁。有人在网络中间偷听，有人冒充对方，有人拿到一把旧钥匙想打开以前的信，还有人在一次入侵之后想长期潜伏。证明的结论是，在规范所描述的攻击模型之内，Signal核心加密代码能够抵御这些威胁。攻击模型这个限定词很重要，证明只在它设定的前提下成立，比如攻击者可以控制网络和服务器，但不能绕过规范本身没有覆盖的部分。理解这一点，才能正确理解这条新闻的分量。
为了检验这套方法是不是真的能发现问题，研究团队还做了一个反向实验。他们把两个曾经真实存在、后来已经被修复的漏洞重新放回一份隔离的Signal代码里，再让AlphaProof Code去验证。结果是，智能体给出了数学证明，指出修改后的代码不再满足安全要求，两个漏洞都被抓了出来。这个实验的意义在于，它证明了这套系统不只会说好话，也会在代码真的出问题时亮红灯。对于一套以安全为卖点的验证工具来说，能发现错误和能给出证明同样重要。
它没有证明什么，同样要说清楚
这项工作没有证明整个Signal应用是安全的。被验证的是libsignal这个参考实现的核心加密部分，而且限定在一对一会话。群聊、多设备同步、应用本身的界面、密钥服务器和服务器端逻辑都不在这次验证的范围之内。用户在手机上看到的安全码、联系人验证这些环节，也没有被这次证明覆盖。换句话说，它证明的是地基里最关键的一块砖，而不是整栋房子。
另一个边界在于，形式化验证只能证明研究人员要求它证明的东西。如果某类攻击本来就不在规范里，证明不会主动发现它。规范的质量决定了证明的价值，而规范仍然是人写的，仍然可能有疏漏。DeepMind公开了这次验证的成果和相关材料，供其他研究者检查，这一点值得肯定。真正的安全结论需要同行反复审视，而不是只看一家公司的公告。普通用户不需要读懂六百万行Lean代码，但可以记住这个结论的准确表述：Signal核心加密代码的关键安全属性得到了数学证明，范围有限，意义重大。
对普通人来说，这件事的直接感受可能并不明显。你的Signal不会因为这条新闻明天就变得更快，也不会多出一个新按钮。它的意义在更深的地方：加密软件的安全正在从依赖专家手工审查，走向可以由机器大规模验证。过去只有极少数系统负担得起形式化验证，现在成本和时间都大幅下降，未来可能有更多关键软件走上同一条路，比如操作系统内核、支付系统、医疗设备里的代码。如果这种方法被证明可靠，软件安全的标准本身会被抬高。
同一天，机器人也学会了更多活
同一天发布的Gemini Robotics 2.5讲的是另一端的能力。这是一个视觉语言动作模型，也就是能看、能理解语言、能指挥机器人行动的模型。DeepMind说，它可以学习几百种日常和工业任务，演示里包括叠衣服、用夹子分发糕点、给礼物盒系蝴蝶结、用移液器取液体，以及在工厂里分拣汽车零件。在超过两百项不同任务的评估中，它的成功率比此前的基线高出百分之三十到百分之百，完成任务的速度快了百分之二十到百分之三十。
这些数字来自DeepMind自己的评估，具体任务的表现差异很大，不能理解为所有任务都翻倍变好。但其中有几项变化很能说明问题：有些任务此前的模型成功率是零，比如从设备里取出硬盘、把东西放到高处架子上，用夹子分发糕点时只有百分之五，而新模型在这些任务上达到了百分之百。这说明进步不是在原有基础上的小幅打磨，而是在一些此前完全做不了的任务上实现了突破。对机器人来说，从零到能做，和从百分之八十做到百分之九十，是两种不同性质的进步。
更值得注意的是一次真实的工厂试验。Apptronik的人形机器人Apollo 2搭载新模型，在梅赛德斯奔驰位于匈牙利凯奇凯梅特和德国辛德尔芬根的生产线上做了概念验证，负责汽车套件分拣：从散装料箱里取出金属支架，按每辆车的装配顺序放进排序容器，成功率达到百分之九十六。Gemini Robotics ER模型负责跟踪工作流程和剩余步骤，Gemini Robotics 2.5负责控制手臂和手完成抓取和放置。这不是实验室里的演示，而是在真实运转的生产线上完成的工作。
百分之九十六这个数字需要正确理解。它意味着每做一百次分拣，大约有四次会出问题，对工厂来说仍然不算完美，也没有到可以完全无人值守的程度。DeepMind自己也没有宣布扩大试验的时间表。但它仍然是一个有分量的信号：机器人不再只是在展台上叠毛巾，而是在真实的生产流程里承担了具体环节。工厂愿意让它上线的理由也很实际，把重复的备料工作交给机器人，技术人员可以集中精力做更复杂的装配。
证明与动手，其实是同一条路
把两条新闻放在一起看，会发现它们共享一个思路。AlphaProof Code是把人工智能放进一个可以被机器检查的框架里，让它去完成人类很难手工完成的大规模证明；Gemini Robotics 2.5是把人工智能放进一个可以被真实世界检验的框架里，让它去完成人类很难一一手把手教的身体任务。前者追求的是确定性，后者追求的是泛化能力，但两者都在回答同一个问题：人工智能能不能在真实系统里可靠地工作，而不只是生成看起来正确的内容。
这种可靠性的来源也值得留意。AlphaProof Code的证明由Lean机器检查，错了就是错了，没有含糊的余地；机器人的任务在真实生产线上完成，零件放错了位置就是放错了，无法用语言圆过去。两种工作都把人工智能放到了有明确对错标准的环境里。这和聊天、写作这类开放式任务很不一样，也正是DeepMind选择这两个方向的原因：它们是检验人工智能是否真正可靠的硬标准。
对关注科技的人来说，这一天的消息还有一层含义。谷歌在同一天同时推进了数学验证和机器人操作，说明它的模型能力正在向两个方向延伸：一端是抽象推理和严格证明，另一端是身体控制和真实世界操作。两端都还处在早期，AlphaProof Code还没有变成可以购买的产品，Gemini Robotics 2.5也是先向合作伙伴推广，而不是直接面向消费者。但方向已经很清楚，人工智能的下一个阶段，不只是回答得更好，还要证明得更严、干得更稳。
接下来值得看什么
接下来最值得看的，是AlphaProof Code会不会走出Signal这一个案例。DeepMind公开了验证成果和相关材料，这为同行复核留下了入口，但真正的考验在于它能不能被用到别的系统上。不同的软件有不同的规范，不同的规范有不同的难度，Signal的成功并不自动等于下一个系统也能在四周内完成。如果这套方法能在更多关键软件上复现，形式化验证的成本曲线才算真正被改写；如果它只在Signal这一个经过精心准备的案例上成立，那它的意义就更多是概念验证，而不是通用工具。研究者接下来会关注的，正是这个复现问题。
另一个值得看的，是机器人从概念验证走向规模部署需要多久。梅赛德斯奔驰的试验只有两家工厂，任务也限定在汽车套件分拣这一个环节。百分之九十六的成功率在试验里可以接受，在大规模生产里还需要配套的纠错、监控和人工兜底。DeepMind把新模型先交给合作伙伴，而不是直接推向消费者，这个节奏本身就说明它还在积累真实场景的数据。未来几个月，可以留意有没有新的合作伙伴、新的工厂、新的任务类型出现，这些比演示视频更能说明这项技术的成熟度。
普通用户现在能做的，是用正确的期待看待这两条新闻。Signal的验证值得高兴，但不要理解为聊天软件从此绝对安全；机器人的进步值得关注，但不要理解为家务机器人明天就能进家门。真正值得记住的是方法的变化：数学证明可以用人工智能大规模完成，机器人可以用一个模型学会几百种任务。这两个变化一旦成立，会在未来几年里慢慢改变软件和硬件的面貌，而2026年11月10日这一天，很可能会被当作其中的一个标志。
还有一点容易被忽略，那就是这两项工作都离不开人。AlphaProof Code的规范要人来写、来审核，机器人的任务要人来定义、来评估，工厂里的试验也要人来安排流程和处理异常。人工智能在这里不是取代专家，而是把专家从重复劳动里解放出来，让他们把精力放在最难判断的部分：什么值得证明，什么值得让机器人做，以及做错了由谁负责。这种人机分工如果能持续成立，技术进步的速度会比单纯堆算力更快，因为它同时提高了机器的执行力和人类的判断力。
如果只用一句话概括这一天，那就是人工智能开始同时接受两种最严格的考试：数学考试和动手考试。前者要求每一步都经得起机器检查，后者要求每一次动作都在真实世界里站得住脚。两场考试都通过了初步关卡，但都还没有到交出最终答卷的时候，后续的复核、复现和规模化部署，才是真正决定它们价值的环节。
暂无评论内容