在 OpenAI 最新数学成果引发业界对加密体系安全性的担忧后，a16z 在最新一期 Podcast 中邀请斯坦福大学密码学教授 Dan Boneh 与 a16z crypto 研究团队讨论：AI 到底会不会破解现代密码学。
这场对谈给出的结论很明确：现阶段，AI 的数学进展并没有触及密码学最核心的难题，也没有出现任何证据显示既有具体密码学假设比过去更脆弱。
对谈阵容与讨论背景
根据 a16z crypto Podcast 整理内容，参与本次讨论的包括：斯坦福大学教授、应用密码学小组负责人及计算机安全实验室共同负责人 Dan Boneh；a16z crypto 特别研究顾问 Eddy Lazzarin；a16z crypto 研究合伙人、乔治城大学计算机科学副教授 Justin Thaler；a16z crypto 投资合伙人 Liz Harkavy；以及 a16z crypto 主编 Sonal Chokshi。
对谈背景是，OpenAI 公布最新数学成果后，业内出现警告声音，担心 AI 可能动摇支撑现代互联网和加密系统的密码学基础。a16z 在节目中将问题拆开讨论，试图区分哪些属于事实，哪些仍只是推测。
AI 数学突破尚未碰到密码学核心
Dan Boneh 在节目 03:00 表示：「这是数学和计算机科学领域了不起的进步，但这里没有任何关于密码学的问题。……所以你可能会想，这是否意味着这些模型在密码学上真的很差？我们不知道。」
Eddy Lazzarin 在 15:19 也说：「我们并没有得知椭圆曲线比以前更脆弱。我们没有得知任何具体的密码学假设的安全性不如从前。」
对谈的基本判断是，近期公开的 AI 数学成果值得关注，但它们并不等于已经对现代密码学的安全前提形成实质冲击。
如果高效算法根本不存在，AI 也找不到
Justin Thaler 在 16:12 提到，现代密码学很大一部分建立在一个前提上：某些数学问题不存在高效解法。
他的原话是：「我们普遍相信这些问题不存在高效算法。不是说我们觉得可能存在、只是人类不够聪明找不到。我们认为根本不存在。如果不存在，AI 有多聪明都无所谓。它找不到那个不存在的算法。」
Dan Boneh 在 06:00 进一步解释，密码学需要假设某些问题是困难的，但目前无法形式化证明这些问题一定困难，这背后牵涉计算机科学著名的未解难题 P 与 NP 问题。
他说：「我们必须假设某些问题是困难的。我们无法证明这些问题是困难的，原因在于这关系到计算机科学中一个著名的未解难题，即 P 与 NP 问题。……本周发布的任何问题都远没有接近解决 P 与 NP 问题。我们在密码学中仍然需要不断做出假设，对吧？」
换句话说，至少从这场对谈给出的判断看，AI 近期的进展距离推翻现代密码学赖以建立的困难性假设，还有很长一段距离。
AI 可能压缩原本长达 10 年的验证周期
在与谈人看来，真正值得注意的变化，不一定是 AI 直接破解密码学，而是它可能大幅提升密码学审查和验证的速度。
Dan Boneh 在 12:10 说，过去研究人员提出一个假设并据此构建系统后，往往要等待约 10 年，给学界足够时间持续分析，才会对部署建立更强信心。
他说：「过去，当有人提出一个假设并基于它构建系统时，我们往往要等上 10 年左右才能部署这个系统，为了建立信心，给人们足够的时间来分析这个假设。……而现在，突然之间，我们可以用这些模型极大地加速这个过程。……我们现在可以让模型跑上一个月，尝试去破解它，如果模型破解不了，那么我们对这个假设有效的信心就会大大增强。」
也就是说，AI 在这里更像是加速安全验证的工具，而不是已经证明能够突破核心密码学假设的攻击者。
量子迁移准备为 AI 风险提供缓冲
对谈还提到，市场近期围绕 AI 产生的部分安全焦虑，其实与此前围绕量子计算的准备工作存在重叠。
Eddy Lazzarin 在 20:52 表示：「由于对量子威胁的担忧，人们已经开始将椭圆曲线密码学视为可能即将变得脆弱的东西。因此，针对这些完全相同的担忧，我们实际上已经参与、准备并部署了许多你需要的缓解措施，只不过原本是针对另一种威胁。」
不过 Dan Boneh 在 22:08 也提醒，AI 风险并不完全等同于量子风险。他说：「AI 的威胁在某种意义上更广泛，因为它实际上也可能审视我们的后量子系统，并以某种方式削弱它们，甚至可能完全破解它们。」
这意味着，既有的量子准备工作能够提供一定缓冲，但不能被视为对 AI 风险的完整应对。
密码学敏捷性被视为关键防线
Dan Boneh 在节目中多次提到「密码学敏捷性」的重要性，也就是系统可以在安全证据或需求变化时，快速切换所使用的密码学方法。
他在 22:47 表示：「我们部署的系统可以在所使用的设计被证明不安全时，快速从一种设计切换到另一种设计。密码学敏捷性在某种意义上是我们防御意外情况的朋友。」
Dan Boneh 在 38:40 还举了互联网连接中的实际例子：「它们实际上已经在使用敏捷密码学了。它们同时使用椭圆曲线和格进行加密。如果你破解了椭圆曲线也没关系，因为它还在基于格的系统下进行了加密。」
从这一定义看，敏捷性并不要求系统一开始就押注唯一正确方案，而是保留在弱点出现后迅速调整的能力。
AI 更现实的价值在开发阶段漏洞检测
对于建设者来说，这场对谈认为 AI 最直接的用途，是在系统上线前扩大安全测试的覆盖面，尤其是更早发现密码学设计与软件实现中的漏洞。
Justin Thaler 在 28:56 谈到复杂密码学系统时说：「漏洞的表面积极得非常大，是的，我非常乐观地认为，这些让人们为密码学感到恐慌的 AI 工具，同样会帮助我们清除所有漏洞。这是一个非常困难的问题。」
Dan Boneh 在 35:05 表示：「系统部署之后会吸引大量密码学家的关注，但那时攻击密码系统其实已经太迟了。而现在，因为我们掌控着这些 AI 模型，任何部署新密码学能力的初创公司，甚至任何部署任何软件的公司，都可以让这些模型分析它的密码学和整体软件中的漏洞。」
文末整理内容还引述 Dan Boneh 说，漏洞可以被消除，也可以通过设计规避和缓解。不过输入内容在这段引语后半部分截断，未披露完整表述。
整体来看，a16z 这场对谈没有给出「AI 已经威胁现代密码学根基」的结论。相反，Dan Boneh 与 a16z crypto 团队的判断是，当前没有证据显示具体密码学假设安全性弱于从前；更现实的变化，是 AI 可能让密码学分析、验证和漏洞检测流程变得更快。