9 月 8 日 OpenAI 宣布内部系统给出 Navier-Stokes 存在性与光滑性问题的有限时间爆破解，随附论文与 Lean 形式化证明。据腾讯新闻报道，这次攻坚动用了约一万个并发协作的 AI Agent，耗时仅 88 小时；而到了 10 月 9 日，九派新闻援引英国《新科学家》称，菲尔兹奖得主陶哲轩公开批评 OpenAI 无视数学界研究规范，呼吁数学家停止与其合作。一边是机器 88 小时的喷涌，一边是人类领袖喊停——这中间裂开的，正是本文要谈的「验收带宽」。
生产快、验收慢，问题到底出在哪？
过去数学进步的瓶颈在「想出证明」，审稿周期以月、年计，生产与验收大体匹配。现在 OpenAI 把生产端压到 88 小时一次、10 月 6 日又一次性放出数百项新结果，而人类数学家的阅读速度、共识形成速度、乃至克雷数学研究所对千禧年难题的裁决流程，仍以年级别运转。结果是一个倒挂：产出端指数提速，验收端线性爬行。
Lean 形式化看似解决了验收——编译器逐行检查，一步错即报错。但形式化能验证「这串推导内部自洽」，却无法替人类回答「这串形式化对应的数学直觉是什么、它是否真的攻克了那个物理相关的难题」。陶哲轩的不满正在于此：OpenAI 没有走预印本、同行讨论、社区复现的老路，而是直接把成品抛出来，等于把验收成本一次性甩给了整个学界。
验收只是盖章吗？
很多人以为验收只是「看对不对」。其实人类审稿的真正价值，是把一个外来自洽的证明，编织进已有的知识网络：它依赖哪些引理、推翻了哪个猜想、和相邻领域有什么意外联系。这个过程无法外包给编译器，因为它本质是「让另一个大脑重新长出一遍理解」。
当 AI 每月吐出数百项结果，学界没有那么多大脑去重新生长理解。于是会出现两种扭曲：要么草草签收、留下大量悬而未决的「机器产物」；要么像陶哲轩那样用规范把整体拒之门外。两种都是认知系统过载后的保护反应。
接下来最值钱的岗位是什么？
如果验收带宽才是真瓶颈，那么未来有价值的岗位，不是「再训一个更强的证明模型」，而是「理解并签收机器产出」的人——他们是硅基洪流与碳基知识体之间的减压阀。OpenAI 越能生产，这个减压阀越稀缺。88 小时的壮举若无人能签收，在认知意义上它就尚未发生。