一句话看懂：AI 播客作者 Dwarkesh Patel 基于 Anthropic、OpenAI 的内部数据和数学领域进展，更新判断：AI 可能在数年内比肩顶尖人类研究员，并由此大幅压缩通用超级智能的到来时间。
事件核心：发生了什么
在 2026 年 11 月 13 日发布的文章中，Dwarkesh Patel 称自己今年初还认为超级智能至少需要十年，但近三个月已改变看法：距离出现与最优秀人类相当的 AI 研究能力，可能只有“几年甚至几个月”。他引用多项可核查信息：METR 在 Anthropic 内部驻场三个月后认为，其任务推进速度是一年前的两倍，且“大部分加速可能来自 Anthropic 对 AI 研发的广泛使用”；OpenAI 称其研究者中前 10% 的重度用户，内部编码智能体日消耗从夏季初约 1000 美元升至 8 月底超 7000 美元；Anthropic 称截至 8 月，Claude 主导了其超过 26% 的 AI 研发工作，而 2 月尚不足 1%。数学被视为“预览”：AI 已从 2023 年不能可靠做四位数加法，发展到 2025 年拿下 IMO 金牌，并在近期用 88 小时解决了一个千禧年数学难题。
为什么重要
作者的论点是：机器学习研究与数学同属可验证、反馈快的领域，如果 AI 能在数学上高速产出成果，也可能在 AI 研发本身上形成加速闭环。这意味着前沿模型公司正在把训练、评测、调试等环节更多交给 AI 智能体，算力与推理成本会被重新分配。若自动化 AI 研究真的成立，竞争门槛将从“谁有更多人类研究员”转向“谁能更高效地组织 AI 与算力”，开源与闭源阵营的节奏都可能被改写。
对用户/开发者/创作者的影响
对开发者而言，编码智能体在研发中的占比上升，意味着 API 与内部工具链要支持更长的自主任务；成本管理会变得关键。对普通用户，AI 应用迭代可能更快，但“AI 自己研发 AI”也带来评测与安全验证压力。对创作者，图像生成、文本生成等模型的更新频率可能提高，但需注意目前公开信息显示，数学突破集中在可验证的解题类任务，尚不能等同于 AI 已具备提出新理论或新方向的能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 METR、OpenAI、Anthropic 披露的加速数据能否在更多团队复现；二是 AI 在数学之外的开放研究任务上是否出现同等进展；三是前沿实验室是否会把“AI 研发占比”作为常规指标公布，供外界判断自动化程度。
