ARTICLE · 1159633
数学难题被AI攻破了,数学家却集体“破防”
数学难题被AI攻破了,数学家却集体“破防”2026年10月，数学界发生了一件令全世界震惊的事。 就在三个月前，中国数学家王虹刚刚凭借证明三维挂谷猜想，拿下菲尔兹奖——数学界的最高荣誉。 全网欢呼，这是中国籍数学家首次获此殊荣。 结果不到一百天，OpenAI用AI把这个问题往前推了一大步，不光解出了难度更高的三维挂谷极大函数猜想，还首次证明了四维挂谷集的豪斯多夫维数等于4，直接顶到了理论天花板。 
按理说，难题被攻克是好事。但全球数学界却出现了一个奇怪的反应反应，用两个字简单概括就是：“破防”。 “我们的整个研究计划，被毁了” 最先“破防”的，是那些正在研究这些问题的数学家。 10月6日，OpenAI在GitHub上一口气放出了722篇数学手稿，涵盖372个成果族，涉及数论、几何、代数、理论计算机科学等多个领域。所有内容出自一个连名字都没公开的内部模型，平均每个问题耗时约3个小时。 
纽约大学数学教授特里斯坦·巴克马斯特在CNBC的节目上说：“他们一下子放出这么多成果，我们整个研究计划都被毁了。 ” 做个类比：你花了好几年爬一座山，营地在半山腰，顶峰大概再几个月就能到。结果突然有人开着直升机，往你营地旁边空投了一队机器人，抢在你前面登了顶。 然后对方扔下一句“爬完了”，连登山日志都没留下。 更让数学家不安的是，巴克马斯特透露，研究人员曾将未发表的草稿输入OpenAI的工具中使用，这些内容是否帮助AI取得了成果，目前无从查证。 这已不是“你比我快”的竞争问题，而是“我的努力有没有意义”的信任问题。 答案来了，理解却没来 如果说第一个“破防”还只是个体层面的焦虑，那第二个就是整个学科层面的危机。 菲尔兹奖得主陶哲轩提出了一个很精准的说法——“证明消化不良”：AI生成数学证明的速度，已经远远超过人类验证、理解和吸收的速度。 具体有多夸张？ 传统数学研究有一套严格的流程：做研究、写论文、同行评议、发表、学术报告、讨论消化。 一个证明从诞生到被学界真正“吃进去”，往往需要数月甚至数年。 而OpenAI这次的做法是：直接扔到GitHub上。 没有同行评议，没有学术报告，没有作者答疑。 西北大学教授布莱娜·克拉直言：“OpenAI没有任何人能够针对这些成果中的任何一项作学术报告，或者回答技术问题。” 更尴尬的是，发布第二天，OpenAI就撤回了3篇手稿——其中一篇在推进证明时出现符号错误，把“-1加-1等于-2”写成了“-1加+1等于0”。 另有14篇被修订。 722篇论文，24小时内就撤了3篇。 如果这是人类学者投稿，早就被期刊拉黑了。但因为发的是GitHub，没有经过任何学术规范约束，所以“发错了再改”就行。 席南华院士的评论很克制但也很尖锐：“学者发表一篇论文，会对其负责，一旦出现粗制滥造的文章，声誉就会受到影响。但OpenAI不受这些约束。” 两个高中生，让菲尔兹奖得主沉默了 还有一件事，对数学家的心理冲击可能比OpenAI的722篇论文更直接。 今年9月，两名来自美国加州橡树公园高中的学生，在UCLA博士后的辅导下，借助Claude Opus 5和ChatGPT-5.6 Sol两款大模型，攻克了菲尔兹奖得主许埈珥曾研究却未能解决的洛伦兹多项式有界比率问题。 论文长达75页，已发布在arXiv上。 两个高中生用AI解决了菲尔兹奖得主没做出来的题，这件事的杀伤力不在于“高中生很厉害”，而在于它揭示了一个残酷现实：在AI面前，数学研究的经验壁垒正在被急剧削平。 一个在某个领域深耕二十年的数学家积累的直觉和方向感，可能不如一个会用AI工具的高中生加上三小时的模型推理。 一位前沿模型研究员私下说得更直白：“我身边搞数学的，最近都去搞趣味数学了。大家都觉得搞数学已经没意义了，竞争不过AI。” “破防”背后，真正被威胁的是什么 数学家的“破防”，归根结底不是怕AI太强。 陶哲轩在博客中写得很清楚：他警惕的不是AI比人类更快地证明定理，而是数学正在逐渐失去“有可靠理由相信答案是真的”这一核心价值。 
换句话说，数学之所以是数学，不仅因为它能产生正确答案，更因为它有一套让人类共同体能够理解、检验、信任这些答案的机制。 当AI用3小时产出一篇人类需要3年才能消化的证明，当722篇论文在没有任何评议的情况下被“暴力发布”，数学家们担心的不是自己被淘汰——他们担心的，是数学这个学科赖以存在的信任基础，正在被速度碾碎。 哈佛大学数学系教授、1998年菲尔兹奖得主柯蒂斯·麦克马伦说了一句让人心里一沉的话：“多年来为N-S方程研究做出贡献的人们，在OpenAI勾勒的证明图景里被完全排除了。没有恰当的引用，没有学术承认。” 那些花了十年、二十年在这条路上攀登的人，在一夜之间被告知：你走过的路，别人用直升机飞过去了。而且飞过去的人，甚至不屑于告诉你沿途看到了什么。 你可能觉得，数学家的事离你很远。但这场“破防”背后有一个更大的问题，值得每个人想一想： 当机器的产出速度超过人类的消化速度，我们该怎么办？ 这不只发生在数学领域。 AI写代码、AI做设计、AI生成报告——每个行业都在经历类似的“消化不良”。 你的老板看到AI10分钟产出的方案，可能觉得比你花一周做的还好。 但你心里清楚，那个方案有多少是你真正验证过的。 陶哲轩提出了一个方向：数学正在从“证明稀缺”时代，进入“证明过剩”时代。 数学家最值钱的工作，不再是“做出证明”，而是“验证它、消化它，把AI吐出的生肉变成人类真正吃得下的知识”。 丘成桐的说法更直接：“AI的冲击如同海啸，我们要冲浪，而不是躲起来。” “破防”可以理解，但“破防”之后的选择，才是真正重要的。