核心内容总结
这篇文章反驳了“LLM是高端制造业”“AI终点是电力”等简化认知，指出LLM竞赛的本质是数学/应用数学与工程化直觉的比拼。中国的DeepSeek和Kimi团队通过原创技术（如MLA压缩、KDA长程推理）打破了“中国只能工程化不能原创”的旧叙事，改写了全球资产定价逻辑；同时强调LLM目前缺乏严格数学基础，存在诸多未解决的理论问题，未来竞赛后半程需更重视数学人才和直觉的价值，否则可能陷入“蒙眼狂奔”的风险。
一、为什么LLM不是“高端制造业”？
制造业的核心是“堆资源+流程化”——比如马斯克有足够的人、芯片、供应链，但他的Grok模型表现平平，还得把十万张芯片租给Anthropic。LLM却不一样：它不是靠买更多卡、调整组织架构就能做好的，关键在于对底层数学本质的洞察。
举个例子：DeepSeek团队发现KV Cache（模型处理上下文时存储的关键信息）看似是高维复杂数据，但其实藏着低维的潜在结构——就像一堆看似杂乱的点，其实都落在同一个平面上。这种洞察不是优化工程师“想办法压缩”的思维，而是物理数学里“识别复杂系统简化模式”的直觉，这是制造业流水线式工作无法替代的。
二、中国团队的原创突破，到底改写了什么？
之前市场普遍认为“中国AI只能做工程化，不能原创”，但DeepSeek和Kimi的技术打破了这个偏见：
- DeepSeek的MLA技术：用数学方法把KV Cache做低秩分解，直接把模型成本骤降，还开源了框架——没有它，智谱等国内模型可能还困在公版开源框架里，墙内自娱自乐。
- Kimi的KDA技术：重新设计注意力核函数，解决了长文本推理时的误差积累问题（比如读几十页文档不“忘事”）。
这些突破不仅让国内LLM追上前沿，还打破了OpenAI和Anthropic的垄断——以前他们能随意涨价，现在LLM百花齐放，连“高端制造业”这种错误叙事都冒出来了。更重要的是，这改写了资产定价：之前市场觉得中国AI被锁死在旧时代，现在因为这些原创技术，中国资产的叙事变了（比如中科院官网都报道了DeepSeek的成果）。
三、“直觉”对LLM有多重要？
这里的“直觉”不是瞎猜，而是在复杂系统中看到本质的能力——比如：
- 标准注意力机制里的KV Cache是高维矩阵，懂线性代数的研究生都知道低秩分解，但只有梁文锋团队意识到“KV Cache在序列维度上本来就有低维结构”（不是“可以压缩”，而是“天生就简单”）。
- 长程推理不是加功能组件（比如让模型多记几页），而是数学骨架的重构：要让注意力机制抑制误差积累，残差连接保持梯度语义——这得靠对“自回归误差指数衰减”的数学直觉。
这种直觉不是训练出来的，是“天赋怪”才有的。比如信息几何学之父甘利俊一，独立提出自然梯度下降；福岛邦彦发明CNN前身——他们的种子在日本发芽，却在美国、中国结果。DeepSeek和Kimi里的这些人，能安静推公式、敢大胆试错，这种“偶然”甚至被作者称为“国运”。
四、LLM的数学短板，藏着哪些“雷”？
现在的LLM就像香农之前的通信行业：工程师能造出电话，但没人知道信息的本质。LLM的很多关键问题都没有严格数学证明：
- Scaling Law（参数越大模型越好）为什么是双幂律？万亿参数后还成立吗？不知道，先训了再说。
- GRPO算法（DeepSeek用的训练方法）为什么能收敛？团队只说“试了没崩”，但后来有人发现它有无法消除的偏差项。
- 幻觉问题：模型胡编乱造，本质是概率分布在高维空间“乱逛”，跑出了正确范围——这是因为没有数学框架让模型在“答对”和“说不知道”之间做最优决策。
这些问题不是小毛病：如果Scaling Law到顶（参数再大模型也不进步），或者压缩-预测token只是“拟合游戏”，那么所有基于“AGI终将到来”的估值都会崩塌，市场可能股债双杀——这正是最近市场波动的核心原因。
五、未来LLM竞赛的关键：补“数学课”
文章说，LLM竞赛后半程，数学会更重要。现在的LLM连“风洞实验”都没有：飞机设计师知道马赫数多少会抖振，但LLM不知道多少参数会触发幻觉，多长上下文会让语义漂移。要解决这些问题，得：
1. 招数学怪才：精通非凸优化、矩阵计算、微分方程的人，让他们推公式，找LLM的“无量纲数”（比如飞机的雷诺数）。
2. 等“香农时刻”：就像香农用一页公式定义信息，未来需要有人用简洁公式告诉我们：LLM的压缩极限是多少？推理一致性的下界在哪里？自回归误差能不能被对冲？
只有这样，LLM才能从“概率生成器”变成真正可信的工具——否则，MaaS（模型即服务）的高毛利叙事都是空中楼阁，谁会为“胡编乱造”付长期钱？
最后：给年轻人的建议
作者呼吁有天赋、有直觉的年轻人去学数学和物理——也许未来有人能写出LLM的“香农定理”，用公式定义等效智能的边界，那才是真正的“创世纪”时刻，是钱买不到的突破。
这篇文章的核心逻辑是：LLM不是“堆资源”的游戏，而是“找本质”的竞赛——数学和直觉才是决定胜负的关键，中国团队已经在这方面迈出了关键一步，但还有很长的路要走。