夜雨聆风据The Decoder报道，一道长期悬而未决的数学题被AI推进后，数学圈的兴奋并没有停留太久。OpenAI对单位距离猜想给出反驳，引发了新一轮关于AI辅助数学研究的讨论：大模型不再只是替研究者检索文献、整理思路或做符号计算，而是开始进入过去由专业数学家长期攻关的核心问题，并可能直接给出关键突破。
这场讨论之所以迅速升温，是因为后续案例更具冲击力。菲尔兹奖得主Timothy Gowers称，GPT 5.6 Pro在第一次尝试中，就解出了他曾投入大量时间研究的两个问题。对数学界而言，这类表述的分量并不轻。数学研究往往依赖长期积累、反复试错和高度专业化的直觉，如果一个通用大模型能够在自然语言提示下提出可行解法，它的角色就不再只是“辅助计算器”，而更接近一种能参与研究过程的合作者。
这与传统数学软件形成了明显差异。过去，计算机在数学中的强项通常是精确、可验证、边界清楚的任务，例如符号运算、穷举搜索、形式化验证或数值实验。研究者需要先把问题翻译成机器能处理的结构，再由软件执行。大模型的变化在于，它可以在自然语言、直觉推理和证明构造之间切换，先给出可能的路径，再帮助补全论证或寻找反例。对研究者来说，这降低了启动探索的门槛，也可能把一些卡在中间环节的问题向前推进。
乐观者看到的是效率提升。AI可以生成候选证明，帮助检查推演中的薄弱环节，也能在不同数学分支之间建立可能的联系。对于需要大量尝试的研究工作，它相当于把一部分重复推演、变形和搜索提前完成，让数学家把时间更多放在判断、筛选和提炼上。单位距离猜想相关进展之所以引人注意，正是因为它显示AI不只是在既有答案附近做整理，而可能参与到发现答案的过程中。
但复杂情绪也由此出现。Gowers的担心在于，如果AI能够越来越多地完成困难证明中的关键步骤，数学家的工作形态将被迫改变。研究者需要判断哪些思路真正可靠，哪些只是表面流畅；需要重新安排人的直觉、机器生成和严格验证之间的关系。数学最看重的是证明的可信度，而大模型擅长生成连贯文本，却不天然等同于给出无误证明，这使得“发现”与“确认”之间的距离变得更加重要。
因此，OpenAI在单位距离猜想上的突破和GPT 5.6 Pro的表现，并不是简单宣告AI取代数学家，而是把一个现实问题推到台前：当AI开始提出人类专家也重视的解法，数学研究的分工将如何重组。它可能成为加速探索的工具，也可能改变学术训练和问题选择的方式。对数学界来说，真正的挑战已经不只是能不能使用AI，而是如何在保持严格性的同时，把这种新能力纳入研究本身。