数学界的"印刷术时刻"：当 AI 一天做完数学家一百年的工作

2026 年 10 月 6 日，美东时间晚上 6 点，一个 GitHub 仓库悄然上线。

没有发布会，没有演示视频，没有奥特曼的推文长文。仓库里是 372 份数学证明，来自 OpenAI 一个尚未对外公开的内部模型。按照 OpenAI 的说法，每一份都解决了一个数学或理论计算机科学领域的重要开放问题，或者取得了实质性进展。

数学界需要几个月时间，才能把这一夜倾泻而下的货物清点完毕。

而真正让这件事显得超现实的，是一个月前的对照。9 月 8 日，OpenAI 刚刚高调宣布：用一万个 AI Agent 组成的集群，耗时 88 小时，烧掉数百万美元算力，攻克了纳维-斯托克斯方程相关的重大问题——那是克雷数学研究所悬赏百万美元的千禧年七大难题之一，20 年来数学界最大的突破。

一个月后，372 份成果。OpenAI 发言人告诉《科学美国人》，其中几乎每一份，都来自"一个 prompt 交给一个 AI Agent"。

从万人集群到一个 prompt，从百万美元到按 ChatGPT Pro 订阅量折算的算力成本——如果这是真的，意味着前所未有的数学能力，很快可能变得人人可用。

但如果这是真的，数学家还剩下什么？

---

372 份战报里有什么

先看货。

这批成果里，最扎眼的是四维 Kakeya 猜想的完整解决——这个源自 1917 年的几何测度论问题，问的是一根针在空间里旋转一圈所需的最小"占地面积"，其高维版本困扰了数学界几十年。此外还包括对一些世界级重要计算机算法的改进，以及在数学界"最可怕的问题"——黎曼猜想——方向上的实质进展。

与以往 AI 数学宣称最大的不同在于：这批成果中的许多证明已经通过了 Lean 的验证。Lean 是一种形式化证明语言，可以把数学证明翻译成机器能逐行检查的逻辑代码。通过 Lean 验证，意味着至少在逻辑层面，这些证明几乎确定是正确的——这一点至关重要，它让"AI 幻觉"这个最常见的质疑失去了着力点。

OpenAI 还做了一件史无前例的事：公布了算力成本的估算，折算成 ChatGPT Pro 订阅的使用量。这是第一次，"AI 做一道顶级数学题要多少钱"有了一个可以公开讨论的数字。

但故事还有另一面。OpenAI 发言人同时承认了两个细节：第一，部分成果可能经过了多次尝试，并非全部一次通过；第二，也是最耐人寻味的——这批成果中的许多证明，OpenAI 自己的数学家也还没有看懂。

---

一封公开信 vs 372 份战报

要理解数学界对这 372 份战报的复杂反应，需要把时钟拨回一个月。

9 月 8 日，Navier-Stokes 官宣。OpenAI 把攻克顶级数学猜想当作模型能力的标杆，高调对外宣传。这直接触发了一批顶尖数学家的集体发声。

9 月 11 日，25 位菲尔兹奖得主——数学界的最高荣誉，每四年只颁给两到四人——联合发布了一份公开声明，标题毫不客气：《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics）。签署人包括陶哲轩、彼得·舒尔茨、德利涅、吴宝珠、邓煜等，几乎囊括了当代数学界最重的名字。声明发布在专门建立的网站 mathandai.org 上，陶哲轩在个人博客转载了全文，随后向全球数学研究者开放联署。

这份声明的核心，一句话可以说完：AI 企业的目标，和数学共同体的目标，严重错位。

错位在哪？声明讲了三个层次。

第一，纯数学的价值，远不止拿到一个答案。数学研究的意义，是在证明的过程中创造新概念、新工具、新框架——这些才是能带动整个数学乃至物理学长期发展的财富。AI 用黑盒方式直接抛出一个证明结论，就算结论正确，人类看不懂中间思路，就无法从中获得新的数学洞察。相当于只收到了快递，却没有收到制造快递的技术。

第二，商业激励会扭曲数学研究的生态。AI 公司为了展示模型能力，会投入巨大算力"暴力攻克"著名难题。难题被一次性打完卡，却没有留下可理解、可复用的理论；学术评价和资助方向，会被商业 AI 的竞赛目标带偏，数学家正常的、缓慢的、循序渐进的基础研究反而被挤压。

第三，黑盒证明的可验证危机。大模型输出的证明容易隐藏错误。即便借助形式化验证，机器也只能核验逻辑的对错，不能自动产生数学洞见。如果重大猜想的证明只有 AI 能"看懂"，数学共同体就失去了几百年来的根基——同行评议、理解、消化、再创造。

声明的诉求同样清晰：区分两件事——AI 作为数学家的助手是好事，以刷榜为目标、不计成本冲击著名猜想是有害的；不要把解决千禧难题当作模型宣传的主要基准；AI 产出的数学成果必须可解释、可理解、可供数学家吸收；建立数学家和 AI 研究者之间的治理与沟通机制。

注意，这不是一封反 AI 的信。签署者里没有卢德分子，陶哲轩本人就是 AI 辅助数学工具最积极的探索者之一。他们反对的不是工具，而是把数学变成一场商业竞赛的计分板。

9 月 21 日，OpenAI 宣布组建一个独立的数学家顾问小组，就"如何负责任地发布 AI 数学成果"提供建议。顾问组拿出的建议很明确：发布这类成果的公司，应当公开模型、公开每个结果背后的精确 prompt、公开算力消耗。

然后，10 月 6 日到了。

372 份成果发布。OpenAI 给了什么？平均算力数据，外加一些统计信息。没有模型。没有 prompt。顾问组的建议，只遵守了一半。

MIT 数学家 Andrew Sutherland 对《科学美国人》说的话，可以视为公开信立场在今天的回声："在他们放出模型、别人能够复现之前，任何关于'一个 Agent 一次搞定'的说法，都应该当作未经验证。我们应该要求看收据。"

当然，数学界并非铁板一块。多伦多大学的数学家 Daniel Litt 就持相反观点："如果我们想知道这些数学问题的答案，我看不出有什么理由要求公司对我们保密。我认为这对数学会是好事。"

一场关于"答案与理解孰轻孰重"的争论，正在数学界内部展开。

---

Wolfram 的清醒剂

在这场争论最激烈的时候，一个经历过上一轮"数学末日论"的人发话了。

9 月 28 日，Stephen Wolfram 发表长文《AI 时代的纯数学研究向何处去》。他是 Mathematica 的创造者、Wolfram 语言之父，1988 年这套软件刚发布时，数学界同样响起过"机器会让数学失去意义"的论调。近四十年过去，当事者亲述历史，格外有分量。

Wolfram 承认，现代 AI 在数学上的作用"毫无疑问是有用的，有时还非常有用"。他把大模型的本质讲得很透：那是一个读完了人类全部数学文献的存在——人类数学家一生精读几百篇论文，AI 相当于读了几百万篇，而且可以廉价地尝试海量组合，发现"这篇 1962 年的论文和那篇 2019 年的预印本拼在一起，恰好就是答案"。这种跨文献的连接能力，是任何人类学者都无法企及的。

但他紧接着做了一个关键区分：现代 AI 是"对人类已有知识库的挖掘者"，而纯数学的核心，从来不在答案里。

"伟大的数学——比任何东西都更——是由它提出的问题定义的。"Wolfram 写道，"AI 可以成功地自动化那些人类过去必须亲自完成的事情。但在纯数学的核心，是引导'该问什么问题'的人类想象力。"

他还举了自己家的例子：1988 年 Mathematica 出现时，人们说符号积分都被机器做了，数学家要失业了。结果呢？Mathematica 没有杀死数学，而是抬高了数学的水位——繁琐的计算被自动化后，人类腾出手去做更高级的数学，几十年间催生了无数新分支。

有趣的是，公开信和 Wolfram，从完全不同的路径到达了同一个结论。公开信说，数学的价值在于证明过程中创造的概念和工具；Wolfram 说，伟大的数学由它提出的问题定义。一位是当代最顶尖的解题者群体，一位是给人造工具的造工具者——答案不是数学的核心，问题和方法才是。

---

OpenAI 为什么非要碰数学

理解这场冲突，还需要回答一个问题：一家商业公司，为什么要在纯数学上投入如此巨大的资源？

OpenAI 自己给出的回答是诚实的：数学问题是证明"AI 真的在变聪明"的不可或缺的试金石。

这个逻辑相当硬。聊天可以糊弄，写作可以糊弄，但数学有唯一的正确答案，而且有 Lean 这样的形式化工具可以无情地核验。一个模型解出了四维 Kakeya 猜想，没有任何公关话术可以假装这件事没发生。在所有衡量智能的标尺里，数学是最难作弊的那一把。

但公开信的视角，恰好补上了另一面。对 OpenAI 而言，千禧难题是能力的宣传品——攻克它，证明模型又强了一截，然后继续向下一个里程碑进发。而对数学家而言，那是几代人数十年缓慢积累的事业，是一个学术共同体的家园。

同一块石头，一边看到的是里程碑，一边看到的是家园。这大概就是"错位"（misalignment）这个词最精确的含义。

还有一个时间上的巧合值得一提：372 份成果的发布，恰逢 GPT-6 系列在 ChatGPT 全面上线的同一周。数学突破与产品发布互相辉映，很难说是纯粹的巧合。但这一层，点到为止就好。

---

清点洪水的人

接下来几个月，全世界数学家的工作将是一项前所未有的任务：清点洪水。

他们需要判断，这 372 份证明里，哪些藏着真正的新思想——那种能催生新分支、新工具的思想；哪些只是已有技术的高效重组——正确，但只是正确地站在原地。

讽刺的是，这个清点工作本身，恰恰是 AI 无法替代的那部分数学。判断一个证明"美不美"、"有没有开创新方向"，需要的不是逻辑核验，而是浸润在一个学科几十年才能养成的品味。机器可以验证每一步推理合法，但无法回答"这一步为什么值得走"。

而整件事里，最让人无法释怀的细节，仍然是 OpenAI 发言人亲口承认的那一句：连公司自己的数学家，也还没看懂这批成果。

两千年前的亚历山大图书馆里，欧几里得写下《几何原本》，为人类建起了第一座演绎推理的大厦。此后两千年，每一代数学家都是这座大厦的建筑师，一砖一瓦，彼此看得懂对方砌的每一面墙。

如今，大厦第一次迎来了不是建筑师的施工队。它一夜之间加盖了 372 个房间，交出钥匙，却连它自己也画不出图纸。

大厦会因此更高吗？也许。但前提是，人类还愿意继续做那个决定"下一层建什么、为什么建"的人。

当 AI 一天能产生 372 个结果，而一个数学家一生只能写就几篇论文——这个世界上最稀缺的，早已不是证明。

稀缺的，是值得被证明的问题。比证明更稀缺的，是理解。