哈佛物理学家Michael Brenner：大模型不适合大学主导，高校应做AI（人工智能）结果的“真伪裁定者”
哈佛大学官方刊物《哈佛公报》刊出对物理学家Michael Brenner的访谈。
他表示，建设大语言模型（LLM）所需的数据中心成本让大学难以主导前沿模型研发，高校的核心职责是充当“真相的裁定者”，判断AI（人工智能）生成的证明与结论是否成立。
他以一项由LLM辅助完成的纳维-斯托克斯方程相关证明为例，称自己研读约五天后“还不完全确信其正确”，但认可确有进展，并反对过快宣布数学难题已被解决。 上述为受访者个人观点。
《哈佛公报》刊出对Michael Brenner的编辑后访谈。 Brenner在哈佛物理系与哈佛工程与应用科学学院（SEAS）任职，同时是哈佛首批Catalyst Professor之一，该职位用于推动大学与私营部门合作，他本人的合作方为Google。
谈及一项与纳维-斯托克斯方程有关的、由LLM（大语言模型）辅助完成的数学证明时，他说自己放下手头工作研究了约五天，“虽然我还不完全确信它是正确的，但显然取得了进展”，并称外界过快地把“LLM解决了数学重大开放问题”等同于“解答确实为真”。 他表示大学的定位是“真相的裁定者”，认为需要更多而非更少的研究生，因为需要专家判断论证是否成立。
他同时称在Google任职部分原因是有些事情在大学里无法开展，“我们无法阻止LLM给出它将给出的答案”，并称自己参与AI（人工智能）安全工作，认为AI带来的风险“不是玩笑”。
这条访谈提供的不是模型能力数据，而是前沿AI（人工智能）进入科研生产流程后的评价机制问题：当AI能快速生成数学证明或科学结论时，瓶颈从“能否产出”转向“能否验证”。 Brenner的立场意味着高校的公共价值可能更多体现在独立核验、专家训练与方法审查上，而非算力竞赛。 需要注意，他关于具体证明的判断属于个人研读后的评价，并非同行评审结论；
访谈也未披露该证明的技术细节与验证过程。
后续观察信号
- 该纳维-斯托克斯相关证明的原始论文与验证进展如何？
- 高校与企业双聘学者在AI（人工智能）安全研究中的角色边界如何界定？