AI 一夜交了 372 份数学答卷,里面藏着几枚菲尔兹奖?

2026-10-08

菲尔兹奖从 1936 年颁到现在，一共也就六十多枚。每四年一次，一次最多四个人，还得不满 40 岁。

10 月 6 日晚上，OpenAI 把一个还没公开的 AI 写的数学论文，一口气传到了网上。700 多篇，归成 372 个结果。

有位博主做了个很有意思的思想实验：假设这些结果全部是对的，而且是人做的，每一个够拿什么奖？

他数出来，够得上菲尔兹奖分量的，有 68 个。

跟菲尔兹奖九十年来颁出去的总数，差不多一样多。

当然，这个「假设全部是对的」是个很大的假设，后面会说。但先感受一下这个量级：人类最聪明的一群头脑花了九十年才放进奖杯里的事，一个 AI 可能在几周里做了一遍。平均每个结果，大概只想了三个小时。

如果这些都是人做的

分档：blog.silencestar.com，据 openai/math 仓库 2026 年 10 月 7 日内容

金字塔最顶上那 4 个，是和千禧年大奖那七道题沾边的。最底下 219 个，放在人类数学家身上，也是能发好期刊、拿教职的水平。

中间那档最吓人。68 个菲尔兹奖级别的结果，意思是：这些如果由一个年轻人独立做出来，这个人大概率会被提名。送到奖托盘上的不是一个，是一整届一整届的。

最厉害的三个，说人话版

数学论文标题几乎没人看得懂。但这批里有三个，其实可以讲给初中生听。

一、祖冲之的密率，是不是「太好了」

小学就学过，π 约等于 22/7。祖冲之更厉害，给出了密率 355/113，小数点后六位都对。分母才三位数，就准到百万分之一，这好得有点不正常。

数学家一直想知道：π 是不是一个特别「好逼近」的数？会不会有无穷多个像 355/113 这样好得离谱的分数？

π 的三个经典分数近似

衡量这件事的数叫「无理性指数」。一个「普通」的无理数，这个数是 2。对 π，人类最好的结果是「不超过约 7.1」，也就是说我们一直没法排除 π 藏着什么奇怪的规律。

OpenAI 的 017 号结果说：就是 2。π 在这件事上完全普通，355/113 只是一次漂亮的巧合。

一个缠着祖冲之密率的老问题，答案可能是一个 AI 给的。不过这一个还没有经过机器验证。

二、一条长街，右边八分之一是空的

素数（2、3、5、7、11……）看起来乱七八糟。但数学家发现，素数「乱」得有多厉害，由一个叫 ζ 函数的东西的「零点」决定。

你可以把这些零点想象成散落在一条无限长的大街上。早就知道它们都在这条街里，不会跑到街外面去。1859 年，黎曼猜：它们全部站在大街正中间那条线上。这就是黎曼猜想，千禧年大奖的七道题之一，悬赏 100 万美元。

这个猜想太难了。难到什么程度？退一万步，不问中线，只问「右边靠路边 1% 的车道里，整条都是空的吗」，人类一百多年都证不出来。我们只能证明紧贴路边、越往远处越窄的一条缝里没有人。

OpenAI 的 003 号结果说：右边八分之一的车道，整条都是空的。而且这一个过了机器验证。

示意图，不按比例；中线上的黑点只是示意

离「全部站在中线上」还很远，所以它被叫作「准黎曼猜想」。但从一条缝到八分之一条街，是一百多年来第一次。

三、ab = 1，那 ba 呢？

小学生都知道，如果 a × b = 1，那 b × a 也等于 1。交换一下顺序而已。

但数学家会发明各种「乘法不能随便交换」的奇怪世界。上世纪中叶，数学家 Kaplansky 问：在某一类这样的世界里，ab = 1 是不是一定推出 ba = 1？半个多世纪里，大家证明了很多「是」的情形，却始终说不清全部。

AI 给出了一个「不是」的例子，一只黑天鹅。

示意图：蓝色那只就是「黑天鹅」

这是整批里最可信的一类。要证明「所有天鹅都是白的」，你得看遍天下的天鹅；要推翻它，只要拎出一只黑的，谁都能亲眼看。这只黑天鹅还过了机器验证。同一批里，AI 还推翻了 Kaplansky 的另一个猜想。上一次有人推翻这一系列里的猜想，是 2021 年，在数学界上了新闻。

但一分奖金也领不到

那位博主顺手算了笔账：按奖金面值加起来，这批结果值大约 500 万美元；如果把菲尔兹级的换成奖金 300 万美元的「科学突破奖」，是 2 亿多美元。

实际能领到的：几乎是 0。

原因很简单。这些奖只发给人；千禧年大奖只认原题，而且要求正式发表后再等两年、学界公认才发；那个「准黎曼」是「准」，不是黎曼本人。

但重要的不是钱，是最后那一条：学界公认。 这一步，一个都还没走完。

这里要说一下前面反复提到的「机器验证」。它用的是一个叫 Lean 的软件，你可以把它想象成一个极其轴的阅卷老师：证明里任何一步跳步、任何一句「显然」，它都不认，全部要写清楚才给分。

但这个老师只管「解题过程对不对」，不管「题目抄对了没有」。如果交上去的题目和论文里说的不是同一道，它也看不出来。而且这批结果里，只有大约四成交给了这位老师，剩下的只是 AI 用文字写的证明。OpenAI 自己在说明里也写了：没做机器验证的，可能有问题。

示意图；覆盖比例据 openai/math 仓库 README（约 42% 主结果有 Lean 证明）

有个前车之鉴。九月 OpenAI 宣布在纳维-斯托克斯方程上取得突破，这也是千禧年七题之一，当时用了约 1 万个 AI 智能体、跑了 88 小时。一个月过去，千禧年奖的主办方至今仍把这道题标为「未解决」。仔细看，AI 证明的其实是一个改过条件的版本。

还有个小细节：发布当天各家报道都写 722 篇，我两天后再去看，仓库里写的是 719 篇。少了哪三篇、为什么少，没有说。

最顶尖的数学家，反而不太高兴

你可能以为数学家会开香槟。实际上，九月份 25 位菲尔兹奖得主联名发了一份声明，标题叫《AI 在数学中的严重错位》。陶哲轩也在里面。

他们不是怕被 AI 抢饭碗。陶哲轩打过一个比方，大意是：好的数学问题就像矿，现在挖矿的速度，已经超过了找新矿的速度。

示意图，按陶哲轩的比方绘制

这会带来很具体的麻烦。以前一个博士生，导师会给他一道「不太难也不太简单」的题，他磨三年，在磨的过程里成为数学家。现在这种题可能被 AI 三个小时做掉了。陶哲轩还说，哪怕只是传出「有人在做某个问题」的风声，都可能引来一大波 AI 把它碾平。结果是有人开始不敢公开自己在做什么。

更深一层的担心是：解题从来不是数学的目的。一个难题被攻克，真正值钱的是攻克过程中长出来的新思想、新工具，以及一代人对这个领域的理解。AI 直接给出答案，就像一本推理小说只给你看了最后一页：你知道凶手是谁，但不知道是怎么推出来的。报道里提到，连 OpenAI 自己的数学家，都还没看懂其中很多结果。

AI 直接给出答案，就像一本推理小说只给你看了最后一页。

当然也有乐观派。多伦多大学的 Daniel Litt 说这对数学是好事，人写的论文本来也很难读，从里面提炼理解，一直就是数学家的活。

两派其实都同意一件事：数学的「游戏规则」要变了。陶哲轩的说法是，靠攻克难题推动学科的「数学 1.0」时代结束了。接下来值得奖励的，可能是谁把答案讲明白、谁问出了新的好问题。

这和你有什么关系

你可能会想：我又不做数学，π 的指数是 2 还是 7，跟我有什么关系？

关系在于：数学只是第一个。

AI 公司拿数学开刀，是因为数学是最好判卷的科目。对就是对，错就是错，还有 Lean 这种不讲情面的阅卷老师。一个 AI 能不能连续想几个小时不跑偏、自己发现错误、自己改，在数学上看得最清楚。

看看速度。五月，OpenAI 的模型推翻了一个 80 年的猜想，只是一道题；九月，攻一道题要上万个 AI、花几百万美元；十月，变成了同一套流程批量生产，每个结果大概是 ChatGPT Pro（就是每月 200 美元那档）想三个小时的量。五个月。

OpenAI 在数学上的三次发布

排在数学后面的，是写代码。我自己天天用 AI 写代码，已经明显感觉到同样的变化：写代码本身不再是最花时间的部分，看懂它、验证它、决定要不要用，才是。

再往后呢？Keras 的作者 Chollet 问了一个谁也答不上的问题：在有标准答案的领域变强，能不能推广到写合同、做商业决策这些没有标准答案的事上？

我的猜测是：你工作里「有标准答案、答案容易检查」的那部分，会最先被改变；「决定做什么、判断值不值、把事情讲明白」的那部分，会变得更值钱。数学家们现在吵的，其实就是这件事。

最后留个问题：一个没有人看得懂、但机器说它对的证明，你觉得算不算数？

来源

• 奖项分档与奖金估算：silencestar 博客，据 openai/math 仓库 2026 年 10 月 7 日内容，分档为作者主观估计
• openai/math 仓库 README（2026 年 10 月 8 日查看：719 篇、372 个结果家族、约 4000 道题、约 42% 主结果有 Lean 验证）
• cellcog.ai、kingy.ai：逐条结果与验证状态
• Scientific American，OpenAI unleashes hundreds more math results upon a field already in shock
• Fortune，OpenAI publishes solutions to more than 370 outstanding math challenges
• 25 位菲尔兹奖得主，A Severe Misalignment of AI in Mathematics；Decrypt，陶哲轩谈好题目被用光