OpenAI 一晚上交了 722 份数学作业,准黎曼猜想就这么被解了?

一、知乎热榜第 16，109 万热度，标题让我看了三遍

 10 月 7 日早上刷知乎，热榜第 16：《如何看待 OpenAI 公开 722 份数学手稿，宣布解决包含「准黎曼猜想」的数百个数学问题？》，109 万热度。 

 我点开之前先在心里算了一下——722 份手稿、几百个数学问题、还包括了"准黎曼猜想"这种名字一听就让人头皮发麻的东西。这要是真的，等于说 AI 在数学这个人类最骄傲的智力堡垒里，撕开了一个大口子。 

 但我没急着下结论。先去翻 OpenAI 的官方页面，再看 Hacker News 上 The Zvi 的评论，最后去 X 上看了几个真正搞数学的教授的反应。 

 看完之后的第一感觉：这事确实牛，但没知乎标题那么夸张。仔细讲讲。 

二、OpenAI 这次到底发了什么

 OpenAI 在 10 月 6 日上线了一个新页面——"Sharing AI progress in mathematics"。HN 上 500 多分，OpenAI 自己的主博客"Ten advances in mathematics and theoretical computer science"另外拿了 632 分。 

 核心内容是这样几件事： 

• 发布了 722 份手写证明文档，每份对应一个数学问题或猜想
• 其中包括一些"长期未解的开放问题"，准黎曼猜想是其中之一
• 使用的方法是 OpenAI 内部未公开的 Astra 模型，配合一个叫 Lean 的形式化证明工具
• 所有手稿 PDF 都挂在 cdn.openai.com 上公开下载
• OpenAI 还同步成立了一个 "Advisory Group on Mathematics and AI"，找了 12 个数学和 AI 领域的教授当顾问

 我下载了其中一份关于准黎曼猜想的 PDF 看了一下——30 多页，前 5 页是符号定义和定理陈述，中间是逐步的形式化证明，最后 2 页是 Lean 代码的导出和验证。 

 看不懂是必然的（黎曼猜想那套分析我早忘光了），但能感受到一件事——这是真东西，不是营销。形式化证明意味着每一步都被 Lean 验证过，不存在"AI 一本正经地胡说八道"的可能性。这是和 GPT-4 时代那些数学证明最本质的区别。 

三、准黎曼猜想到底是什么，为什么大家这么在意

 准黎曼猜想（Quasi-Riemann Hypothesis）不是黎曼猜想本体，但它跟黎曼猜想关系很近。简单讲： 

 黎曼猜想讲的是 Zeta 函数零点分布。这玩意儿 1859 年提出，到现在 167 年没人证出来。克雷数学研究所把它列为"千禧年七大数学难题"之一，悬赏 100 万美元。 

 准黎曼猜想是它的"放宽版"——不要求全部零点满足特定条件，而是要求绝大部分零点满足。虽然要求松了，但它本身也是个独立的开放问题，几十年来没人能完整证明。 

OpenAI 的声明里特别强调："我们没有证明黎曼猜想本体。我们证明的是准黎曼猜想这个相关问题，这本身就是一个独立的数学贡献。" 

 但这已经是几十年来第一次有人对这类问题给出完整形式化证明。哪怕只是"准"版，分量也足够重。 

四、数学界的真实反应：兴奋、怀疑、吵成一锅粥

 我去 X 上扒了一圈数学教授的反应，三种声音最典型： 

兴奋派：UCLA 数学系的一个教授发了条长推："Astra 模型给出的几个证明思路非常巧妙，至少有两处我们组讨论过类似方向但没能推进下去。如果这些证明能通过同行评审，将是近 20 年纯数领域最大的事件。" 

怀疑派：The Verge 那篇 77 分的文章标题就很直接——《Mathematicians want proof OpenAI didn't use their work》。意思是不光证明对不对，还要追问训练数据有没有未经授权使用数学论文。这个问题其实一直存在，只不过这次"722 份"一下把争议放大了。 

吃瓜派：普林斯顿一个副教授的发文最有代表性——"我打开 OpenAI 的 PDF 看了一眼，发现他们引用的 47 篇文献里有 31 篇我都没读过。感觉像是一个外星人突然闯进你专业领域，做了一件你做了 20 年没做成的事，然后告诉你'其实挺简单的'。" 

 三种声音都有道理。但有一个事实不能否认：形式化证明 + Lean 验证这个组合，第一次让"AI 证数学"这件事有了同行评审的可能。以前 AI 给出的数学证明没人能验证，因为全是自然语言。现在每一步都有 Lean 代码对应，要么对要么错，没有模糊空间。 

五、这件事为什么比 GPT-5 更有"分水岭"意义

 我之前写过 GPT-6 Astra 解一战密码那篇，那是个戏剧性的故事，但本质还是"AI 在传统 NLP 任务上的能力提升"。这次的数学突破不一样。 

 过去的 AI 擅长模式识别——看图识猫、翻译语言、写代码——本质都是"对大量数据的学习和再现"。但数学证明要求的是逻辑构造，不能"差不多"、不能"看上去像"，每一步都必须严格推导。 

 如果 Astra 真能在 722 个不同数学问题上给出完整的形式化证明，意味着 AI 已经跨过了"模式识别"到"逻辑推理"的门槛。这个跨越的分量，远比"AI 又在某个 benchmark 上刷到第一"大得多。 

 举个具体例子：OpenAI 这次还顺带证明了一个关于"球填充"（Sphere Packing）的问题。这个问题在 8 维空间的最优解过去 20 年没人碰，OpenAI 用 Astra 给出了新构造。The Zvi 在他的 Substack 上写了篇专门的分析："这不是 benchmark 上的数字游戏，是实实在在推进了人类知识的边界。" 

 不过也得泼点冷水。OpenAI 自己披露的细节里有个值得注意的地方：722 个问题里，有大约 600 个是相对"标准"的问题，是数学界已经知道大致方向、只是缺完整证明的。真正属于"长期未解"的核心问题，可能只有几十个。"准黎曼猜想"在其中算是最难的之一。 

 所以准确的说法是：Astra 把"已经接近解决的问题"批量收尾了，并且顺手啃下了一两个真正的硬骨头。这是了不起的工程成就，但离"AI 证明黎曼猜想"还有相当距离。 

六、对普通人和数学家分别意味着什么

对普通人：

 短期没什么直接影响。准黎曼猜想被证明也不会让你的手机变快、Wi-Fi 更稳。但长期看，AI 在基础科学上的突破会传导到所有应用层——药物设计、材料科学、密码学、芯片设计——这些领域用得上高级数学工具的地方，AI 会成为标配助手。 

对数学家：

 这是真正的"狼来了"。数学研究的核心竞争力不再是"我能证出某个定理"，而是"我能提出对的问题"。AI 负责证，人负责选方向、调参数、判断哪些问题值得花算力。这种关系会越来越像建筑师和绘图软件——绘图软件不会取代建筑师，但不会用软件的建筑师会被会用软件的取代。 

对 AI 行业：

 这一波最大的输家不是别的 AI 实验室，是所有以"AI 做题很厉害"为卖点的产品。当 AI 能解 722 个数学问题、写出形式化证明的时候，"我们的 AI 高考能考多少分"这种 benchmark 已经不重要了。下一个赛段是"AI 在真实科研任务里能顶替多少人力"。 

 写在最后：722 份手稿不是终点，更像是一个新阶段的开幕式。AI 进入基础科学这件事，比刷榜、比 PK 大模型参数都重要。 

 真正的考验是——等数学家们用半年时间把这些证明过一遍之后，剩下多少是真正站得住脚的。那个时候我们才能判断这次"AI 数学突破"到底是泡沫，还是分水岭。 

 不过无论结论如何，2026 年 10 月 7 日这天，AI 在数学史上的位置已经不一样了。 

【关注「啸之乙戈」，行走江湖，技多不压身】