为何前沿实验室狂追千禧年数学题，却不管你的生产代码库
BaconShadow · reddit · 2026-10-01
作者批评 Anthropic、OpenAI 等前沿实验室把每次模型发布都包装成 AGI 逼近：因为抽象数学证明和绿地代码生成容易出 PR 头条，而真实软件工程——技术债、混乱的人类协作上下文、长期架构漂移——才是真正考验通用能力的地方，且没有自动化验证器可以打分。
核心论点：
- 如果模型真达到 AGI 水平，实验室大可以部署数千个并行 agent 去清理企业生产环境的积压 issue，那里才是数万亿美元软件劳动力市场的所在；但它们没有。
- 实验室宁愿砸算力解「千禧年数学难题」，因为「AI 攻克无解题」的媒体叙事更能吸引公众和投资人，而修复真实 GitHub issue 的产品 ROI 明显更高（如 Claude Code 场景）。
作者结论：在 AI 能自主递归自我改进并承担自己代码三年后果之前，所有发布都只是裹着营销噪音的增量产品更新。
「漫话AGI」频道最新
- 中国单月用电量创历史新高，但工业电力需求增速放缓 — teortaxesTex · 2026-10-01
- Ingliguori 提炼「AI 2027」路线图五大要点：AI 成战略力量 — ingliguori · 2026-10-01
- Google DeepMind 发文主张严肃研究 AI 意识问题 — coherence · 2026-10-01
- 数学期刊主编：伤害数学的不是 AI，是数学家的反应 — RexDouglass · 2026-10-01
- 扛不住 AI 生成 PR 洪水，Rust 编译器 swc 停收外部贡献 — DanielLockyer · 2026-10-01
- Midjourney CEO 忆少年emo：人生远比当时以为的更自由 — DavidSHolz · 2026-10-01