OpenAI 攻破数百数学难题，发 722 篇论文

你有没有想过这样一个画面：一位数学教授在黑板前推了一辈子的公式，凌晨三点终于看见突破口；与此同时，在大西洋另一边的某个数据中心里，一个你连名字都叫不上来的模型，用大约相当于"ChatGPT Pro 连续思考三小时"的算力，安安静静地把这道题解完了。

最近，OpenAI 一次性甩出了一份 722 篇手稿、涵盖 372 个结果家族（result families）的数学论文合集，对外公布了某款尚未公开的前沿模型在数学领域的最新战果——据负责把关的顾问小组 AGMAI 称，里面包含对"数百个"长期悬而未决公开难题的解答。

这不是一句营销话术。这是数学界第一次如此大规模地、从一家 AI 公司那里，收到一份近乎"批量发货"的成果证明。

一、一份"作业"，写出了别人的一辈子

如果你身边有学数学的朋友，最近可以留意一下他/她的表情。

事情大致是这样的：OpenAI 在九月底放出风声，自家模型"已经解决了一百余个长期悬而未决的公开难题，覆盖数学的绝大多数分支领域"。到了十月初，他们决定不再藏着掖着，一次性把 722 篇手稿摆到了数学社区面前。这 722 篇手稿被归进了 372 个结果家族——你可以理解成"372 类不同题型的解法集合"。

更让人心里一沉的是公布出来的几个细节：

• 每道题的成本大致是"ChatGPT Pro 连续思考三小时"的算力。换句话说，过去要靠一位博士生花几个月甚至几年才能推进一步的问题，今天可以由一台机器"下班前"搞定。
• 公司披露的不仅是结论，还有模型推理过程的摘要、算力消耗估算、尝试求解过的问题数量统计。数学家第一次能像读同行论文那样，去复盘一台机器的思考路径。
• 这件事的"把关人"是一个名叫 AGMAI（Advisory Group on Mathematics and Artificial Intelligence，数学与人工智能咨询小组）的独立小组，由精英数学家组成，专门负责评估哪些成果"够格"以学术形式发出来。

翻译成大白话就是：AI 不再只是"算得快"，它开始"出活"了，而且出的活是经过业内专家审核的、看上去就像真正数学论文的那种活。

二、为什么这件事让数学界又激动又不安

消息一出来，数学圈子的反应并不是一边倒的兴奋。

激动的那部分很好理解。AGMAI 自己就说，这批成果包含对"数百个"未解决问题的解答——这是一个历史级别的批量产出。OpenAI 在公告里反复使用"突破"二字。这其实是它们这一轮成果发布的第一弹，后续还有更多没亮出来。

不安的那部分，分两路人：

一路是研究者本人。他们担心，当一个模型可以高强度、低成本地产出论文的时候，学术发表的游戏规则会不会被改写——审稿人面对的不再是几位署名作者，而是一台机器的输出。要怎么判断这到底是"新证明"还是"漂亮但无意义的演绎"，过去的那套评议流程够不够用，是一个真问题。

另一路是更广意义上的数学工作者。他们更焦虑的是：当模型能解题、能写论文、能跟编辑对话的时候，一个普通数学博士的位置究竟还值多少钱？

这两个担心，本质上是同一件事的两面——AI 已经跨过了"算得快"的门槛，跨到了"产出知识"的门槛。

三、Sam Altman 同一天说的话

耐人寻味的是，就在 OpenAI 这批数学论文亮相的同一时间段，公司 CEO Sam Altman 在一档节目访谈里抛出了一个很直接的观点，原话被 The Hill 概括为——

"We should accept 'some bad things' for the sake of AI supremacy."（为了 AI 的领先地位，我们必须接受一些不好的事情。）

他把这叫做"trade-off"：AI 越变越好，社会要相应容忍一些负面后果，作为换取"巨大繁荣以及健康、财富、寿命整体改善"的代价。

如果说 OpenAI 的 722 篇论文是"AI 已经做到了什么"的实证，那 Altman 这段话就是在坦白"我们打算为此付出什么样的代价"。把这两件事放在一起读，能拼出一幅比单看任何一边都更完整的图景。

我们不是在围观一场学术表演。这是一场关于"AI 在什么时候、以什么代价，进入人类知识生产核心环节"的现场演示。

四、那我们这些"普通人"，到底该慌还是该等

先把情绪放一放，聊聊现实。

如果你正在读本科、读研、读博，方向又刚好跟数学沾边——这次发布的反响确实会让你那一两周不太好过。但被颠覆的从来不是"懂数学"这件事，而是"靠数学写论文换工作"这件事。AGMAI 的建议里其实已经写得很清楚：实验室要尽量走成熟学术渠道发布，要披露模型名称、提示词、算力开销——一句话，未来"署名"会比"刷题"值钱。一台机器能解的题越来越不值钱，但能设计机器去解、怎么审、怎么把它接进真实科研流程里的人，会越来越值钱。

如果你是 AI 行业的从业者，或者你所在的公司正在用 AI 提效——这次的数学突破是一个比 GPT-4 这一刻更清晰的信号：通用大模型正在从"工具"过渡到"参与者"。当它能解出一道连顶级期刊都要花几年才能验收的难题时，它在你工作流里的角色，已经不再是"助手"那么简单了。

如果你是普通读者，不搞数学也不写代码——这件事跟你其实没有"被淘汰"的直接关系。但它可能会以更隐蔽的方式影响你：未来几年，你读到的某篇报道、你看到的某份数据、你信的某个"专家观点"，背后可能都有一台你看不见的机器参与过。这是更慢、更难察觉、但也更值得我们去想清楚的代价。

OpenAI 这次的 722 篇论文，只是一个开始。AGMAI 已经在呼吁更多实验室加入披露协议；Sam Altman 也已经把"接受一些代价"摆到了台面上。

下一次，当你看到一条新闻说"AI 又突破了 X 个难题"的时候，不妨问自己一个问题：

这台机器今天跨过的这个门槛，离我的生活，到底是远，还是近？

参考来源：The Verge「OpenAI drops another batch of mathematical breakthroughs」、IT之家「OpenAI 发布又一批 AI 数学研究成果」、The Hill「Sam Altman admits we should accept 'some bad things' for sake of AI supremacy」。