开场：一个站在暴风眼中的人

主播介绍苏炜杰今年八月获考普斯奖、学术休假加入OpenAI，并来自北大数院2007级“白金一代”。本期将依次讨论AI for Math、成长史、加入OpenAI的来龙去脉与scaling law等前沿议题。

三个里程碑与一条研究主线

苏炜杰谈晋升正教授、获考普斯奖、加入OpenAI三件事的不同分量。他回顾2016年AlphaGo与2022年GPT带来的转向，说明获奖工作大部分奠基于三年前的应用数学与统计研究。

AI是解题家，数学是文化

苏炜杰区分AI for Math与Math for AI，指出AI目前仍是超级解题家，而数学是几千年形成的共同体文化。他以国际数学家大会与菲尔兹奖说明数学共同体价值判断的独特性。

黎曼猜想进展为何被数学家看低

苏炜杰评价Anthropic把黎曼猜想相关比例从四成提高到六成七，认为这是已有方法上的优化，路径本身无法通向证明，更像一个流量事件而非本质进展。

八爪鱼比喻：AI填满触角之间的空隙

他解释AI在数学上突然加速的原因：模型能力持续上升，同时人类数学高度碎片化，不同topic之间难以交流，AI把不同领域的技术拼接起来，发现大量低垂果实。

无心之举还是营销：雅可比猜想之争

苏炜杰不认为雅可比猜想反例是看世界杯时顺手做出的，猜测是专门扫过一遍，并批评把严肃数学研究放在随意场景中叙述是对共同体的不尊重。他也谈到AI对年轻数学学者的心理冲击。

第九条触角：AI能否创造新数学思想

他判断AI发展是渐进的，但人类感受是阶梯式的。长出第九条触角有两种可能：现有范式的能力延伸，或另一个维度上的突破。他还谈到中美与欧洲数学界对AI的不同态度。

哪些数学分支最容易被AI突破

拓扑需要几何形象、PDE需要大量估计，这两块AI进展较慢；组合数学因语料丰富突破较快。他认为长期看各分支都会上升，只是斜率不同，AI还可能成为不同分支之间的粘合剂。

消化难题：望月新一的启示

讨论AI产出的数学能否被人类消化。苏炜杰以望月新一两千多页的ABC猜想证明为例，说明即使形式化能保证正确性，人类精力有限，理解本身仍可能成为障碍。

白金一代：陈天权、讨论班与转系生

苏炜杰回忆北大数院2007级，认为陈天权老师用现代化方式讲大一数学奠定了基础，自愿参加讨论班是未来做学术的最强预测指标，转系来的同学后来发展显著更好。

绩点第一、经双与寒门叙事

他谈自己本科横向做了很多事，学经双是因为当时的女友、现在的妻子。他感谢奖学金与助学金支撑学业，对“寒门逆袭”的说法表示不反对但觉得有些怪。

AI时代的新障碍是心理上的

他回忆余姚老家农田变城区，认为今天学数学的物质门槛已大幅降低，但AI让年轻人产生“永远达不到”的错觉，关键是找到自己那个能超过AI的维度。

加入OpenAI：一封邮件与四轮面试

OpenAI研究员发邮件询问意向，苏炜杰因学术休假机制决定尝试。他花一个月学PyTorch与Transformer，面试不允许用AI辅助写代码，对数学出身的他是不小的挑战。

学术休假机制与人才迁徙潮

他介绍北美学术休假可保留职位两年，是学术圈被低估的福利。Frontier Labs正在吸引大量数学、理论计算机与理论物理人才，而越是做理论方向的人越感到震撼。

从船长到水手：科学家的新位置

苏炜杰谈加入公司后的角色变化，短期失落不可避免。他认为AI公司会永久性地需要科学家，因为突破人类凸包需要杰出科学家的知识，而公司也有得挑。

Scaling Law 没有撞墙

他用高维函数与导数的框架解释scaling：某个变量放缓时，其他变量导数在变大，还有新变量进来。他也谈到RSI即使部分实现也已改变格局，以及Anthropic呼吁减速的商业动机。

阈值、瓶颈与AI能否跳跃

他引用OpenAI研究员的说法，coding agent在去年底越过一个阈值后开始净加速。物理世界的反馈是最难的瓶颈。他也认同LLM目前能做归纳演绎，但还没看到爱因斯坦式的一跳。

涌入与溢出：两股人才浪潮

讨论顶尖科学家涌入frontier labs与从大厂溢出创办new labs两种现象。他认为新实验室能否突破取决于所需资源规模，AI safety可能是小实验室的机会。

Scaling 是一箩筐，科学家是第四维

苏炜杰说scaling的定义一直在变，只要找到导数大于零的因素就能继续。但scaling像三体只能填满三维空间，科学家才可能让人在第四维长出触角。

硅谷的权力、开源与中国模型

他谈OpenAI与Anthropic的mission差异，认为后者缺乏人文关怀。中国AI通过开源开辟了另一个战场，获得了独特的话语权。他也评价张一鸣不做蒸馏的判断是对的。

建立AI的数学理论：一代人的拼图

苏炜杰说这不是一个人能完成的，而是一代人的事。他不要物理式的大统一理论，而要许多有预测性的局部理论拼成版图。他指出现有理论都是先有现象再构造，失去了指导实践的初衷。

AI与物理反着来：从宏观到微观

物理从微观原子到宏观世界，AI从宏观loss function通过反向传播到每个权重。传统数学分析基于线性分解，而大模型是函数的复合。他认为需要根本性的新数学思想。

偏好循环、对齐与社会选择

他谈到人类群体偏好可能存在孔多塞循环，单一奖励分数无法完整表达，对齐不只是优化问题，也是社会选择问题。他还评价Transformer会长期主导，完全取代的概率极小。

论文体系正在被冲垮

苏炜杰介绍自己提出的评审机制被ICML采用，投稿量指数增长，明年可能破五万篇，地球上已找不到足够审稿人。他认为论文形式本身正在过时，未来可能是GitHub式的综合体。

回到湾区与一个哲学问题

他谈阔别十年回到湾区的感受、对孩子兴趣的态度、太太的经历，以及北大人在OpenAI的小群。最后他把2026年类比为哥白尼时刻：人类智能不再是唯一的，人类的主体性需要重新回答。