先说结论

OpenAI 又放出了大动作：节目称其一次性发布了 722 篇数学手稿，全部由一个未公开的内部模型产出，并附上了推理轨迹与 Lean 形式化验证，代码与证明放在 github.com/openai/math。它没有解决黎曼假设，也没有证出 P=NP，但 Wes Roth 认为真正该看的是曲线而非单点：今年 8 月 OpenAI 发布约 10 个结果，9 月是 Navier-Stokes 解加上百余个问题，而 10 月才过去 6 天就是 722 篇——大约每月 10 倍。他的核心判断是：数学刚刚从天才手工艺变成工业过程，而全行业即将撞上的新瓶颈不是「AI 能不能证明」，而是「人类能不能验证、要不要理解」。以下事实与数字均为节目陈述，未经独立核实。

发生了什么：一条每月 10 倍的曲线

Roth 强调这批成果的单位成本：节目引用 OpenAI 博客称，每个结果约等于 3 小时 ChatGPT Pro 级别的思考算力——对比人类天才数学家可能为单个问题投入数十年，722 篇覆盖了从素数、等离子体物理到量子电路的 17 个学科领域。他特别指出：没有任何人类能在超过两三个这样的领域同时处于前沿，而这甚至不是一个数学专用模型——它是个通用大语言模型，能写邮件、写诗、写代码，顺便在 17 个数学前沿同时推进。9 月的 Navier-Stokes 解当时被部分媒体歪曲成「OpenAI 偷了某数学家的成果」，Roth 称这「当然不是真的」；OpenAI 也没有去认领千禧年大奖（因为是 AI 解的），但 Roth 预告：722 篇的规模让「偷窃」式叙事很难再自圆其说。

具体进展：三座爬到云雾里的山

Roth 坦言自己读了材料后「感觉懂得更少了」，用他自创的比喻来转述：这些数学问题像云雾笼罩的山峰，每证明一步相当于确认「山至少有这么高」。三个代表性结果：准黎曼假设——黎曼函数刻画素数分布，目标是 0.5 线；人类百年积累爬到了 1.0 线，AI 这次建立了 0.875 的固定边界，比人类能到达的位置近得多，但拿百万美元奖的完整假设仍未解决。BSD 猜想（同样挂着百万美元奖）——AI 给出了某一大类问题的完整公式，Roth 称这是自 1980 年代以来该方向的最大突破。Goldfeld 猜想——预测某类方程有限解与无限解各占一半，AI 补上了通往 50/50 预测的大量桥墩。他的总评：千禧年问题没有一个被正式解决，但周边的「小问题」正被成片拿下，大奖已经被「勒住了脖子」。

机制一：数学被选中，恰恰因为它可验证

为什么第一个被「工业化」的领域是数学？Roth 给出的答案是可检验性：模型吐出一个 crazy theorem，人类（或 Lean 证明器）原则上能判定真伪。这使数学成为「AI 模型抵达某学科前沿时会发生什么」的天然试验场。他同时点破 OpenAI 的动机之一：基准测试快用完了，与其造新 benchmark，不如直接指向未解难题。但验证本身就是新瓶颈——722 篇一天落地，全世界有能力审读单篇的人可能只有几百到一千，每篇要花一周甚至数周（Lean 机器可读证明能缓解一部分）。Roth 认为这标志着数学的核心问题发生迁移：从「能不能证明」变成「能不能检查、能不能理解」。接下来的剧情分岔取决于验证结果：如果 90% 以上正确，他判断这是数学史上最大的单一事件，将改写大学教材；如果错误很多，对机器学习研究反而也有价值——可以定位 AI 推理在哪里崩坏。

机制二：理解掉队的恐惧——从黑猩猩到「家猫」

Roth 引用了一个类比：技术进步像阶梯，黑猩猩能理解「用木棒当武器」这一级，到火与轮子就彻底掉队；人类对这批数学成果的理解，可能正处于同样的掉队边缘。目前至少还能说「人类中有些人懂」，还能让 ChatGPT 给自己讲解——这是他心中的最好结局：AI 边发现边帮人类提升理解。最坏结局是 AI 的发现「超出我们可能理解的许多英里」，人类整体变成他引用的科幻图景里「被照顾得很好的家猫」。这里他引用了 Scott Aaronson（节目称其正在 UT Austin 开设 AI 对齐理论课程，三周前确认了 OpenAI 坐拥重大数学突破的传闻）提出的尖锐问题：**维持一个跨代际的、能理解前沿数学的人类共同体，还是不是我们的目标？**如果数学被工业化、人类只剩下「验证员」角色（最终可能连验证员都不需要），就没有人再有激励去做数学——一个延续四千年的人类学科可能就此枯萎。反抗已经出现：节目称 25 位菲尔兹奖得主联名致信 OpenAI，要求其停止此举。

机制三：数学只是预演，反馈回路与「油门还是限速」

两条传导链决定这件事的分量。其一是对内的反馈回路：节目引用 OpenAI 研究者 Roon（转写疑似）的暗示，这些突破会反哺机器学习本身——影响模型训练方法，甚至影响 GPU 和 AI 芯片的硬件设计；Roth 拿 Google Alpha Evolve 和 Sakana AI 的工作作旁证，「数学突破催生更好的模型、更好的模型产出更多数学突破」的飞轮已经开始转。其二是对外的扩散预演：数学因为可验证所以最先被冲击，下一个就是生物学——他设想明年某个模型吐出「722 种药物」时，人类将面对一模一样的三连问：怎么验证不是幻觉？踩油门让发现全速前进、容忍理解掉队，还是把「人类理解速度」当作巡航限速？以及是否应该像部分对齐悲观者主张的那样，在对齐问题解决前整体暂停。Roth 还补充了一个他自己做过的非正式观察：几乎所有人都能接受「不超越自身潜力、只是把状态分布推向自己最好那 1% 的日子」的医疗干预——这暗示未来 AI 医药突破的社会接受度可能比「超级人类」类改造高得多。

对读者的意味

把链条拉直：可验证学科最先工业化 → 产出量月增十倍 → 验证与理解成为新瓶颈 → 同一剧本将复制到生物、物理、经济。对研究者，可迁移的观察指标非常具体：722 篇的验证正确率（90% 是不是历史级分水岭）、Lean 形式化验证在审稿流程中的渗透率、以及菲尔兹奖得主联名的抵制能否改变 OpenAI 的发布节奏。对内容创作者和科普者，Roth 的判断暗含一个机会：当「发现」过剩而「理解」稀缺，能把 AI 发现翻译回人类理解层的工作（教学、综述、可解释）价值会上升。Roth 收尾用了一个水管工笑话——数学教授改行当水管工，被要求补八年级数学，在黑板上演算了一整版微积分得出负的 πr²，全班水管工小声提醒他「把积分上下限换一下」。笑话归笑话，它恰好呼应了全片主题：当推导过程远超场景所需，理解和判断比蛮力推导更接近人类最后的立足点。

来源：Wes Roth 频道视频转写（约 21.7 分钟）。722 篇手稿、3 小时算力、各猜想进展、25 位菲尔兹奖得主联名等均为节目陈述或节目引用的 OpenAI 公开材料，未经独立核实；「Roon」为转写疑似人名。