AI用88小时做完的数学题,人类要用几年才能消化

▲ 全文结构导图

10月6日傍晚，OpenAI把700多份数学手稿一次性公开发布。

第二天，一位研究了25年的数学家，在清单里看见自己的问题被攻克了。

媒体说，这是AI攻下数学。

先讲那天晚上发生了什么。

10月6日傍晚，OpenAI没有一篇一篇发，而是把700多份数学手稿一起挂上网^[1]。媒体数出722份，GitHub仓库写的是719份^[2][3]。差的3份不影响判断：这不是研究，这是一次“倾销”。

New Scientist给了两个直观对照：372个结果族，差不多是一本顶级数学期刊十年的量；722份手稿，差不多是arXiv一天的上传量^[3]。

一个晚上，一个机构，把别人十年的量发布到了公共空间。

仓库里还有两个数字：模型试了约4,000个开放问题，最终公开372个结果族；平均每个结果烧约3小时算力^[2]。

719份手稿不是一篇论文，是一次性“倾销”，数学科研变成了生产流水线。

▲ 图1-1：规模拆解：719份手稿、372个结果族、300项主结果

最扎眼的是论据。719份手稿里，完成主结果形式化的只有300项，约42%；3篇因符号错误撤回，截至10月8日已有12篇以上修订^[2][4]。仓库只给了10个结果族的推理摘要，模型版本和提示词没公开^[2][5]。

数学家Andrew Sutherland只回了一句：“我们应该要求看论据。”^[1]

我翻了那份40页的目录：编号、标题、领域，一页接一页。学术期刊不会这样发货，产品发布会才会^[4]。

发布先行，验证滞后。第二天，数学家开始抽样。

▲ 图1-2：公开成果的节奏：从1项到372族，只用了五个月

把时间轴拉开看，5月模型解出一道Erdős猜想，8月Astra给出10项进展，9月是Navier-Stokes，10月直接变成372个结果族^[2][6][7]。前三次还像单点突破，第四次换了打法：先把量堆上来。

▲ 图1-3：累计公开结果数：十月的372族，把累计推到385

Scientific American报道说，OpenAI对外称“单提示、单智能体”，但发言人也承认，部分结果可能经过多次尝试^[1]。你看到的是一批成品，背后可能是无数次重跑。

清单里有黎曼zeta函数无零点区域的改进、四维挂谷猜想、部分BSD猜想，还有乘法复杂度改进2^-182量级的结果^[2][3][4]。数学家Jared Duker Lichtman说，其中有“数十项够得上菲尔兹奖级别”的结果^[4]。

只看标题，确实该震动。

可验证是另一回事。Kevin Buzzard抽了约30篇代数数论论文，觉得印象深刻的约6到7篇，真正过了形式化验证的只有1篇^[3]。722篇论文里，主结果完成形式化的有162篇；372个结果族里，有任一Lean代码的是235个；第三方归档里，附形式化证明的结果是242个^[3][8]。

五把尺子量同一批货：300项对719份手稿，162篇对722篇论文，235个对372个结果族，242个对结果^[2][3][8]。简单说就是，同一批货，五个完成度。

数量可以一夜堆出来，验证不能。

▲ 图2-1：从30到1：人工核验的漏斗

形式化到底是什么？把证明改写成Lean代码，让计算机一行一行检查。它像严格的语法老师：每一步推导都得合法，但它不问这题值不值得做，也不管论文里的文字和代码是不是一个意思。

New Scientist报道，Lemma 8.6的Lean版本和自然语言版本差了m+4和m+5；团队花了约两周才发现，而原始生成只用了88小时^[9]。代码自洽，语义错位。

Brendan Hassett更直接：他最熟悉的问题，文本“快速读下来几乎讲不通”^[4]。

还有更尴尬的。Ben Recht指出，一项“更快的傅里叶变换”依赖精确复数运算模型；在Morgenstern 1973年的下界面前，隐藏常数大约到10^100，工程上不可用。他的原话是：“更像一次恶意利用。”^[10]这离“能用”差着天文数字。

我翻了Buzzard那份30篇的样本。标题都像模像样，真正能让人坐下来复算的，没几篇。

能跑通不等于能复现。能复现，也不等于能理解。

▲ 图2-2：形式化率排行：拓扑17%，数理逻辑100%

▲ 图2-3：七个学科群：谁的结果已经被Lean接住

形式化只保证代码自洽。收据之外，还有人的账。

Francis Johnson研究Wall的D(2)问题25年，写了两本书，后来放弃^[3]。这批成果里，出现了这个问题的解法^[3]。

25年不是一个修辞。是一个人从青年做到中年，把一个问题拆成几块，写进书里，再承认自己走不完。然后某一天，他在清单里看见别人：一个模型和智能体，把缺的那一段补上了。

AI抹掉的不是一篇论文，是一个人二十五年的日程表。

Tristan Buckmaster说，三位研究者的整个研究纲领被“抹掉”^[4][11]；Colva Roney-Dougal说，朋友的基金申请被“清空”^[4]；Bartosz Naskręcki担心，这会“杀死大多数院系”^[4]。

数学家的日历，建立在“一个问题可以研究很多年”上。基金评审、博士选题、终身教职都按这个前提排。现在，一个实验室用88小时跑完一轮，再把七百多份手稿倒进公共目录，前提就松了。

Scott Armstrong的话更直白：“如果AI现在消失，我们接下来十年就是研究这些东西。”^[4]你可以不关心数学，但你熟悉这种感受：做了十年的项目，突然被人用88小时复制了一遍，还被告知这是“进步”。

陶哲轩说：“这就像把生肉的尸体倒在我们村子的公共餐桌上。”^[3]他还提出一个说法，叫“证明消化不良”：生成是一件事，验证是一件事，消化是另一件事^[12]。肉是真的，但没人有时间切、煮、尝。

学界也有组织反应。9月11日，一批数学家发布《A Severe Misalignment of AI in Mathematics》声明，声明页列出28位菲尔兹奖得主签名^[13]。10月7日，AHM的声明写得更重：“一次放出700多份文件，不是学术的展示，而是权力的展示。”^[14]

这些动作不是事后抱怨。数学家关心的是：谁有权决定什么时候、以什么方式、把多少东西倒进公共空间。

时间有价格，算力也有。

Navier-Stokes那一役，OpenAI用了约10,000个智能体，发了300万条消息，跑了88小时，产出166页证明和数十万行形式化代码^[3][15]。New Scientist按API价格折算的“客户等价成本”约为1,500万美元^[6]。

对比另一头：8月Astra的10项结果，按API价格估算，token成本约2,000美元^[7]。同样叫“AI做数学”，一次两千美元，一次一千五百万美元。差别不在模型会不会做题，而在你让它跑多大的战役。

▲ 图4-1：五种口径的收敛：从719份手稿到172篇

▲ 图4-2：一笔账的五个刻度：从1,500万美元到无偿

钱不只花在算力上。10月15日，OpenAI向Simons Foundation牵头的一项1,500万美元计划捐了500万美元，用来帮数学家理解AI生成的研究；Anthropic也参与出资^[16]。这笔钱和战役账单不是一个口径，但意思很清楚：发布之后，消化成本被部分转移给了学术界。

OpenAI在9月组建了数学顾问组AGMAI：9名成员，挂靠高等研究院，无报酬，可提前接触研究^[17]。第一项优先事项是协调这批成果的发布^[17]。但OpenAI明确表示，不受AGMAI建议约束^[17]。

这就带出一个问题：顾问组是咨询，还是背书？AGMAI在发布前与OpenAI保持距离，强调自己不是背书^[3][17]。外界看到的顺序却是：顾问组、批量发布、500万美元消化基金。

模型和提示词没有公开^[5]。Bryna Kra等数学家担心，研究会退回“赞助人时代”^[5]。

Clay研究所没有为千禧年奖加速，且有两年接受期^[6][15]；Caltech的黑客松因Buckmaster争议撤回了OpenAI赞助^[11]。

Andreas Thom对训练数据提出指控，OpenAI回应不能排除去标识化数据的间接影响^[18]。

算力可以按小时买，验证只能按年赊。

这是一场关于“谁来承担验证责任”的谈判。OpenAI出了算力，数学家出时间；前者可以按小时计费，后者只能按年计。

钱能买算力，买不到共识。共识的缺口落在学科分布上。

372个结果族里，组合与理论计算机83个，占22.3%；分析与PDE 62个，几何与拓扑62个，代数与几何68个，概率与数学物理54个，数论31个，动力系统12个^[8]。

▲ 图5-1：372个结果族都落在哪些学科

形式化率的落差更值得看。组合与TCS是88%，分析与PDE 74.2%，动力系统75%，概率与数学物理66.7%，数论54.8%，几何与拓扑50%，代数与几何44.1%^[8]。拓扑18个结果里只有3个附形式化证明，代数与复几何36个里只有8个^[8]。

▲ 图5-2：覆盖与验证不同步：组合与TCS最大，拓扑的形式化率最低

▲ 图5-3：372项成果的五个方向：缺口在末尾那根

什么意思呢？这不是“数学被平均攻下”，是一次有选择的重心转移。Daniel Paleka统计，统计、机器学习、优化、数值分析四个方向合计约占arXiv定理的20%，但在OpenAI这批成果里不足1%；现代密码学则完全没有出现^[19]。他的判断很克制：所谓“数学已被解决”，只是历史性的小插曲^[19]。

密码学的缺席耐人寻味。它离商业利益和国家安全都最近。是模型做不到，还是不想公开做？材料回答不了，只能看形状：这批成果更像按可验证性、可宣传性和成本收益筛过的工业行动。

你可能会问，数学家的事，跟我有什么关系？

这意味着，这套逻辑不只属于数学。只要一个行业的知识可以被写成文本、被批量生成、被机器检查，它就会收到同一张账单。这背后，生成越来越便宜，验证越来越贵；数量越来越多，判断越来越稀缺。今天被倒上桌的是数学论文，明天可能是法律文书、医疗方案、财务报表、代码。

所以，以后看到“AI又攻下了什么”，别只看端上来多少盘，先问三件事：多少经过验证？谁付验证成本？它挑了什么题？人的价值也在从“做题”转向“出题、判断、负责”：能被形式化、能被批量搜索的部分越来越便宜；提出问题、判断什么值得做、为结果负责的部分，越来越贵。这不是安慰，是分工的重排。

肉是真的，桌子也是真的；问题是，谁来收拾？

一桌生肉，肉是真的，桌子也是真的。谁来做熟，谁负责收拾。

下一次，有人告诉你AI又攻下了什么，先别急着鼓掌。问一句：论据呢？