OpenAI 一口气发布 722 篇 AI 数学证明，顶尖数学家为什么集体抵制？
一句话结论：OpenAI 用一款未公开的内部模型，一夜之间“倾倒”出 722 篇数学证明。数学界炸锅的不是“AI 会做题”，而是这家公司把验证的包袱甩给了全世界的数学家，却拒绝公开模型与提示词。
发生了什么：一组需要核对的数字
2026 年 10 月 6 日，OpenAI 在 GitHub 公开了一个未命名内部前沿模型的产出：一次性放出 722 篇数学手稿，覆盖 372 个成果组，横跨数论、代数、几何、理论计算机科学，甚至一部分物理。
| 维度 | 公开口径（需独立核实） |
|---|---|
| 发布时间 | 2026-10-06，GitHub 仓库 openai/math |
| 手稿 / 成果组 | 722 篇 / 372 个 |
| 喂入难题 | 约 4000 道开放难题，命中率约 5% |
| 单题算力 | 平均约 3 小时 ChatGPT Pro 级别“深度思考” |
| 形式化验证 | 口径不一：约 162/722 篇有完整 Lean 证书（约 22%），另有部分 Lean；约 42% 附某种形式化 |
| 撤回 | 发布次日撤回 3 篇（符号错误连锁）；Navier–Stokes 证明被曝“数学翻译错误” |
几个被反复点名的“镇宅级”声称：准黎曼猜想（ζ 函数在 Re(s)>7/8 无零点）、四维 Kakeya 猜想、CM 阿贝尔簇上的 Hodge 猜想、自由群因子同构，以及对千禧年难题（含黎曼猜想）的进展。这些目前都没有经过独立同行评审，OpenAI 自己的 README 也罕见地自曝：“部分未形式化结果可能有问题，我们会尽快修复。”
数学界为什么炸了：陶哲轩的三记重锤
10 月 7 日，菲尔兹奖得主陶哲轩在博客转载了“人类数学协会”（AHM）的声明，呼吁数学家停止与 OpenAI 合作。声明里有三记重锤：
- “没人要求过。” 数学家并没有提出这些目标；实验室自己选了时机和题目，然后把核验成本丢给学界。
- “违背了它自己的顾问组。” OpenAI 声称参考了普林斯顿高等研究院牵头的 AGMAI 建议，但 AGMAI 第一份报告就明确：前沿实验室不该用内部封闭模型去测高难数学问题。OpenAI 咨询完，转头绕开了这条前提。
- “这是权力的展示，不是学术。” 原话大意：“一次性发布 700 多份文件，展示的不是学术研究，而是权力。”
两派交锋：抵制 vs 看好
- 抵制方（陶哲轩、AHM、Scott Aaronson 等）：批量“真/假”断言打断了数学“理解—交流—再创造”的知识循环；连读懂都要靠 AI 辅助，年轻人可能因“人类数学家不再必要”而放弃读研读博，被称为 Mathocalypse（数学末日）。
- 看好方（图灵奖得主杨立昆）：形式证明自动化是“数学的新时代”——就像船降低了游泳的重要性，却让人发现了新大陆，人类可聚焦更高阶的创新。
- 中立观察（《科学美国人》）：领域已陷入震惊；AI 产出的速度跑赢了人类验证的速度。MIT 的 Andrew Sutherland 一句话点题：“我们要看收据（We should ask for receipts）。” NYU 的 Tristan Buckmaster 更尖锐：尚不清楚模型是否无意中“抄”了人类数学家尚未发表的工作。
真正的问题：当解题速度跑赢理解速度
这不仅是“AI 能不能做题”。传统数学靠一个内在循环运转：一道题被解掉之后，过程中的新方法、失败路径、衍生问题，才是滋养下一代数学家的养料。AI 批量输出“真/假”断言，等于把这个循环掐断了——留下一堆人类消化不了的证明，等学者无偿去核验。
陶哲轩因此提出 “Math 1.0 → Math 2.0”：解题不应再是衡量数学进步的主要标准，真正的目标是概念理解、方法沉淀和新方向的开拓。这其实是在问一句更根本的话：如果一份“正确”的答案，没人能讲清它为什么对、新在哪里、是否原创，它还是“数学”吗？
对普通人的意义：AI 先摧毁的往往不是工作，而是议价权
把镜头从数学界拉到写字楼，逻辑是一样的。连人类逻辑密度最高的纯数学都被撕开了一个口子，一切建立在推理之上的现实技能被“平推”只是时间问题。
老板不需要把所有人都开除，只需要留一个工程师带着几个 AI，就能干过去整个部门几十上百人的活。你的岗位可能还在，但你的工资、你的不可替代性、你跟老板谈条件的所有筹码都没了。AI 最先摧毁的往往不是你的工作本身，而是你劳动的议价权。
结语：谁掌握节奏，谁定义下一步
OpenAI 把“解数学题”变成了展示算力，陶哲轩把“理解与验证”拉回了前台。这场争论没有标准答案，但有一件事已经摆在明面上：当一家公司的商业节奏开始主导一个学科的知识生产方式，这个学科的自主性就开始流失。
谁的节奏，决定数学的下一步——这也是当前 AI 科研治理的分歧点。
事实核验说明：本文数字（722 / 372 / 4000 / 42% / 3 小时 / 162 篇 Lean）取自 OpenAI 官方仓库 README 及 The Verge、Scientific American、Washington Post、Fortune 等主流媒体报道（2026-10-06 至 10-09）。关键声称（准黎曼、Kakeya、Hodge 等）尚无独立同行评审；“42%”与“162/722 篇完整 Lean”为不同口径，已分别标注。引用来源原文以一手报道为准。