闪击学术界：722份手稿与起飞的突破曲线
大家好，这里是最佳拍档，我是大飞。2026年10月6日，OpenAI（美国人工智能研究机构）在没有任何提前预警和沟通的情况下，直接把一个名为 math（数学）的开源代码仓库甩到了 GitHub（全球最大的开源代码托管平台）上。进入这个仓库后，映入眼帘的是整整 722篇 数学学术手稿，它们被严密地归入 372个成果家族 之中。在这份长长的清单里，随便拎出一个成果的名字，其理论深度和技术复杂度都足以让数学系的博士生埋头啃上好几年。
回顾整个人工智能攻克纯数学领域的发展节奏，这种突破曲线的演进令人不寒而栗。不知道大家是否还有印象，就在今年8月，OpenAI刚公布了10道数学难题的解法，在当时就已经在整个数学界和计算机科学圈内炸开了锅。那时候学术界的同行们普遍认为，10道题虽然震撼，但只要找几个对应细分领域的资深专家，花时间慢慢看、仔细推敲，学术共同体总归能够逐步消化吸收。
然而仅仅过了一个月，到了9月份，OpenAI又对外宣称其内部模型攻克了被列为千禧年七大数学难题之一的纳维-斯托克斯方程（Navier-Stokes equations: 描述流体运动的基本偏微分方程组）的存在性与光滑性难题，并且外加攻破了100多个跨越多个数学分支的长期未解问题。那一次公布直接引爆了学界的情绪，陶哲轩（Terence Tao: 著名华裔数学家、菲尔兹奖得主）牵头，联合全球 25位菲尔兹奖得主 联名发表了公开信，言辞尖锐地批评OpenAI是在把严肃的纯数学当成普通的人工智能性能测试基准（benchmark）在刷。
现在时间来到10月7日，722份学术手稿被直接倾倒进了GitHub仓库。从8月份的10道题，到9月份的100多道题，再到如今一次性倾泻而出的722份手稿，按照OpenAI官方自身的说法，这仅仅只是2026年以来AI系统所产出的数万个数学解法中最新的一批。客观地审视这一进展，这条代表AI数学推理能力的演进曲线已经彻底脱离了平稳爬坡的线性阶段，它正在以近乎垂直的仰角全面起飞。
仓库架构透视：批量生产与算力黑盒
从具体数据来解剖这批成果的基本分布，372个成果族全面覆盖了多达 17个现代数学方向。在学科分布的密度上，成果最多的是理论计算机科学，占据了40个成果族；紧随其后的是组合数学，拥有37个成果族；代数与复几何方向包含36个成果族；核心的数论方向则有31个成果族。再往后排布，还广泛涵盖了概率论与统计力学、微分几何、数学物理、算子代数等深水区，即便是在产出成果数量最少的数理逻辑方向，也有6个完整的成果族。
整个开源仓库在工程架构上清晰地分为三层目录体系：
- 第一层是
preprints目录，专门存放722篇论文手稿的PDF文档和对应的排版源文件； - 第二层是
lean目录，专门存放经过 Lean（交互式定理证明器与形式化验证编程语言）严格编写的机器形式化证明代码； - 第三层是
reasoning_traces目录，集中存放模型在推导这些定理时生成的推理过程摘要。
根据系统性的统计，在全部372个成果族中，有多达 235个成果族 附带了完整的Lean形式化证明文件，占比达到了大约六成三（约63.2%）。为了向外界展示AI究竟是如何推导出这些极其精妙深奥的数学证明的，OpenAI还在仓库中公开挑选并释放了10份极具代表性的完整推理过程摘要。
在算力消耗的维度上，OpenAI披露了一组关键数据：绝大多数的数学突破均出自同一个尚未正式对外发布的神秘内部模型。平均计算下来，攻克每道重大数学难题仅仅消耗了大约 3小时 的 ChatGPT Pro 级别推理算力。在整个攻坚过程中，研究人员总共向该模型提出了大约 4000个问题。
3小时这个数字具有极其强烈的现实冲击力。一道困扰人类顶尖数学家几十年、甚至跨越上百年的重大科学悬案，在顶级推理模型的算力运转下，仅仅用了3个小时就找到了通向证明的理论路径。手稿文件的时间戳更揭示了一个令人震惊的内部运作节奏：手稿文件夹上标注的生成日期几乎全部密集分布在 9月23日到10月5日 这短短不到两周的时间窗口之内。尤其是在9月23日和9月24日这两天，系统以每天近200篇的惊人通量批量喷涌手稿。换句话说，这份震撼整个国际科学界的成果清单的主体部分，是在不到两周的机器运算周期里被批量集中跑出来的。当然，OpenAI在仓库的 README 说明文档中也没有把话说绝，他们明确提示外界，部分尚未经过形式化验证的推理结果依然可能存在瑕疵和漏洞，研发团队后续会尽快进行修正并持续补充更新。
核心成果解析：从准黎曼猜想到NP困难边界
为了准确把握这批手稿的分量，我们必须深入剖析其中几个在数学和计算机科学理论层面上最具颠覆性的成果。
准黎曼猜想（Result 003）
首先是社交网络和学术圈内讨论热度最高的准黎曼猜想（Quasi-Riemann Hypothesis），在仓库中的编号为 Result 003。众所周知，黎曼猜想（Riemann Hypothesis）被公认为现代数学皇冠上最璀璨的明珠，由德国数学家波恩哈德·黎曼于1859年提出。该猜想断言：黎曼zeta函数的所有非平凡零点，都严格分布在复平面上实部为 $1/2$ 的临界线上。
在长达160多年的漫长岁月里，人类数学家倾尽心血，甚至连证明非平凡零点远离 $1/2$ 的无零点区域都步履维艰。更加棘手的是，在广义数论的研究中还徘徊着一个被称为朗道-西格尔零点（Landau-Siegel zeros: 狄利克雷L函数在接近实数1处可能存在的异常实零点）的理论幽灵。如果这个异常零点存在，整个解析数论的大量既有估计都将面临动摇。正因如此，解析数论学家们退而求其次，提出了准黎曼猜想：即只要能够找到一个严格小于1的常数 $\theta$，使得在实部大于 $\theta$ 的整个复数半平面区域内不存在任何零点，就已经是解析数论领域的划时代里程碑。然而一百多年来，人类能够证明的无零点区域随着虚部的无限增大，都会不可避免地越来越贴近实部为1的垂直边界线，始终无法在复平面上撑出一条宽度固定的垂直矩形安全带。
OpenAI这次给出的计算证明结果直接给出了一个明确的常数：$\theta = 7/8$。也就是说，模型证明了在实部大于 $7/8$ 的整个半平面内完全不存在零点，并且这一结论对黎曼zeta函数以及所有的狄利克雷L函数一致成立。该成果不仅已经完成了完整的Lean形式化证明，其配套论文更给出了针对朗道-西格尔零点的一致性排除结论。
罗格斯大学数学教授亚历克斯·孔托罗维奇（Alex Kontorovich）在社交平台X上看到这篇成果后，回复中连缀了一整串问号与感叹号。他近乎难以置信地写道：“准黎曼猜想？你在开玩笑吗？如果这个证明是由人类数学家做出来的，没有任何疑问，这会立刻锁定下一届的一枚菲尔兹奖。”孔托罗维奇直言，他原本以为学术界如果能把现有的无零点区域再向左推进极其微小的微积分扰动量，就已经是了不起的重大成就，而AI却直接横空划出了一条宽度完全固定、向上下虚部无限延伸的无零点安全条带。
当然，我们必须保持严谨的学术态度，结论中的“准”字绝对不能省略。完整的黎曼猜想要求零点实部严格等于 $1/2$，而AI目前证明的是实部大于 $7/8$ 的区域没有零点，距离最终的山顶仍然存在理论落差。但是，能够一口气把无零点区域推到 $7/8$ 这个恒定的常数边界，并且在理论上一致性排除了西格尔零点，这确实是解析数论界半个世纪以来未曾见过的超级大飞跃。
唯一游戏猜想与基本半定阈值的NP困难性（Result 102）
第二个分量极重的理论成果，涉及理论计算机科学的基石问题——唯一游戏猜想与基本半定阈值的NP困难性，编号为 Result 102。这个问题在概念上更为抽象，但在计算理论中的地位举足轻重。如果说著名的 P vs NP 问题是整个计算机科学皇冠上的终极圣杯，那么基本半定规划松弛阈值下的普通NP困难性，就是决定人类在物理世界中算法极限的无冕之王。
在现实的工业与工程世界中，大量核心的超大规模组合优化问题，诸如超大规模集成电路（VLSI）的芯片布线、海量物流动态调度、全球航线网络编排、图的着色问题等，在本质上都属于NP困难（NP-hard）问题。在计算复杂性理论的限制下，人类无法在多项式时间内找到这些问题的全局最优解，工程上只能退而求其次寻求高精度的近似解。而在构建这些近似算法的技术工具箱中，半定规划松弛（Basic Semi-Definite Programming, 简称 Basic-SDP）被学术界公认为性能最强大、普适性最高的理论工具。
2008年，计算理论学家普拉萨德·拉加文德拉（Prasad Raghavendra）证明了一个极具震撼力的定理：对于任何固定的有限约束满足语言，Basic-SDP所能够达到的近似比，就是人类在多项式时间内能够运行的算法的理论绝对极限。然而，拉加文德拉这栋宏伟的理论大厦存在一个致命的理论阿喀琉斯之踵——该定理的成立完全依赖于唯一游戏猜想（Unique Games Conjecture, 简称 UGC）是真命题。唯一游戏猜想是由学者苏巴什·霍特（Subhash Khot）在2002年提出的前沿假说。在过去的二十年里，UGC始终悬而未决。如果UGC最终被证明是错误的，拉加文德拉关于算法极限的整个大厦就会瞬间崩塌。
因此，整整一代计算理论学者前赴后继地探寻：能否彻底摆脱唯一游戏猜想这一外生假设，在纯粹的、无条件的、仅仅基于经典的 $P \neq NP$ 的正统复杂性框架下，直接证明Basic-SDP阈值对应的间隙问题本身就属于普通的NP困难？如果这一命题能够被无条件证明，就意味着从数学逻辑的底层彻底确立了物理现实：任何试图在表现上超越Basic-SDP的多项式时间确定性算法，在逻辑世界中都绝对不可能存在。
AI在这项编号为Result 102的手稿中所实现的突破，正是在完全不引入唯一游戏猜想的前提下，纯粹基于标准且公认的 $P \neq NP$ 假设，一举确立了Basic-SDP阈值的普通NP困难性。这等于在数学上以无可辩驳的形式，彻底锁死了人类有效近似算法的理论绝对边界。
霍奇猜想子集（Result 032）
第三个里程碑成果直指另一座千禧年大奖难题——霍奇猜想（Hodge Conjecture），手稿编号为 Result 032。霍奇猜想探索的是代数几何与复拓扑的核心交叉点：它探讨在非奇异复射影代数簇这样的复杂几何流形中，某些特定的拓扑同调特征，是否一定能够通过多项式方程所定义的代数几何部件（即代数闭链）以有理系数线性组合的方式完整表达出来。
此次OpenAI的手稿攻关的是复乘阿贝尔簇上的有理霍奇猜想（Rational Hodge Conjecture for CM Abelian Varieties）。这虽然属于大猜想框架下的特殊类别，但其理论重要性无与伦比。具体而言，AI全面证明了在复数域上具有复乘（Complex Multiplication）结构的阿贝尔簇，在所有维度以及所有余维度上的有理霍奇猜想。不仅如此，该证明还被进一步推广到了射影复K3曲面的任意有限乘积空间之上。顺着这套强大的代数几何推导框架，手稿还顺带证明了有限域上所有阿贝尔簇对应的泰特猜想（Tate Conjecture），以及在任意特征域之下的霍奇标准猜想（Standard Conjectures of Hodge Type）。
OpenAI官方在此处专门留下了一条意味深长的注释：仓库中绝大多数常规成果是由系统标准流水线自动推演生成的，但复乘阿贝尔簇霍奇猜想的突破，属于研究团队打破既定常规流程而专门进行的重点攻关战役。
几何测度论与算子代数的一连串攻陷
第四个引发强烈关注的成果涉及调和分析与几何测度论的核心——挂谷问题（Kakeya Problem），编号为 Result 074。在2026年7月，华裔数学家王虹凭借其与合作者约书亚·扎尔（Joshua Zahl）在2025年完成的三维挂谷集合猜想的严谨证明，刚刚斩获了代表数学界最高荣誉的菲尔兹奖，成为人类历史上第三位荣获该奖项的女性数学家。当时国际顶级科学媒体《量子杂志》（Quanta Magazine）在盘点调和分析领域的下一个前沿阵地时，四维挂谷猜想还作为公认的人类智慧未解高地高悬榜首。而在OpenAI本次公开的手稿库中，声称系统同时解决了三维挂谷极大函数猜想，以及四维空间下的豪斯多夫维数猜想。这等于把刚刚摘得菲尔兹奖的巅峰工作，以极快的速度再次向前推进了决定性的一大步。
第五个具有深厚理论价值的成果是算子代数领域的自由群因子同构问题（Free Group Factor Isomorphism Problem），编号为 Result 287。为了通俗理解这个高度抽象的概念，我们可以将其类比为使用两套最基础的操作规则，分别搭建两个结构庞大且复杂的无限维数学运算空间：一个系统从2个自由生成元出发进行构建，另一个系统则从3个自由生成元出发进行构建。数学家长期争论的核心在于：这两套系统在微积分算子代数的von Neumann代数意义下，最终形成的代数结构究竟能否在同构映射下完全一一对应？该手稿给出的确定性答案是完全可以，并且这一证明结论的覆盖范围完整囊括了所有参数大于1的插值自由群因子，乃至延伸到了无穷自由参数的极端情形。在仓库中，该项工作同样配备了完备的Lean形式化代码材料。
除上述五项核心重磅突破之外，整个成果库中还密集分布着大量足以在各个二级学科引发地震的成果：
- 在数论方向，编号为 Result 002 和 Result 006 的两篇论文形成合力，给出了在每条有理椭圆曲线的一个密度为1的二次扭曲族上，完整的 BSD猜想（Birch and Swinnerton-Dyer Conjecture: 另一项千禧年大奖难题）的解析公式证明；
- 编号为 Result 004 的手稿针对有理数域上的希尔伯特第十问题（Hilbert's Tenth Problem for rational numbers），正式给出了否定的解答；
- 在常数与组合几何领域，论文精确证明了圆周率 $\pi$ 的无理性测度恰好精确为2；
- 确立了数学常数卡塔兰常数（Catalan's constant）必定是无理数；
- 证明了凸几何中的马勒猜想（Mahler's conjecture）在所有有限维数空间中一致成立；
- 确立了欧氏平面无法仅使用5种颜色完成单位距离染色的组合拓扑限制；
- 成功构造了针对卡普兰斯基零因子猜想（Kaplansky's zero-divisor conjecture）以及哈德维格猜想（Hadwiger's conjecture）的精巧数学反例。
面对这种超乎寻常的生产力，前OpenAI核心研究人员威尔·德普（Will Depue）利用分析模型对过去三年间人类与机器在数学领域取得的所有突破进行了系统量化排名。在其绘制的数据可视化图表中，蓝色代表人类数学家的纯手工发现，红色代表以往AI系统的辅助发现，而绿色则代表此次OpenAI数学仓库所公开的全新突破。图表呈现出一个令人心惊胆战的统计事实：在全人类近三年的高阶数学重要发现总量中，有高达 81% 的成果全部集中在10月6日这天被AI一次性释放。
幕后实体与学术地震：从闭门密谈到公开抗议
在整个震撼业界的发布过程中，孕育出这批惊人成果的幕后模型本体却自始至终被深锁在黑盒之中。OpenAI没有在公开文档中说明这款模型的具体代号，在其官方技术博客的字里行间，仅仅以谨慎克制的笔调将其称作“内部前沿模型”（internal frontier model），并宣称团队目前正在依照严格的流程推进其“负责任的发布评估”。
根据目前外界所拼凑出的零散信息，这款模型的综合推理性能大幅超越了此前名声大噪的 GPT-6 Astra。该模型从 8月28日 开始启动大规模训练，并且截至发布手稿之时，其后续的训练与自对弈过程仍在全天候不间断地进行中。回顾9月8日OpenAI对外公布的纳维-斯托克斯方程奇点形成的解法，其幕后推手正是这款内部模型。当时的公开报道披露了其惊人的内部工作流：系统动用了大约 1万个并行自主智能体，经过长达 88个小时 的协同计算与多路径搜索，成功证明了在三维不可压缩流体中，在光滑外力的持续作用下，流体可以从完全静止的初始状态出发并在有限时间内发生爆破产生物理奇点。在生成该证明之后，团队又动用GPT-6 Astra耗费了 17个小时，才将整个复杂的非线性分析推导逻辑完整翻译为Lean形式化证明代码。早在发布这批手稿之前，OpenAI官方发言人便已经向媒体证实，这款新内部模型已经在数学的大多数主流分支领域中，连续攻克了超过100个长期悬而未决的公开数学问题。那时候学术界以为“100多个”已经是科幻小说的极限边界，未曾料想仅仅过了两周，真实的数字便直接跳升到了722。
如果外界以为国际数学界会为了这场象征着人类科技巅峰的“量产奇迹”而集体起立鼓掌欢呼，那就彻底错判了学术共同体的复杂现实。整场风暴的伏笔实际上早在今年8月就已经埋下。
当时，OpenAI秘密召集了全球大约 40位 处于金字塔尖的顶级数学家，召开了一场高度保密的闭门闭门研讨会。会议的核心议题直白而残酷：如果人工智能在纯数学研究领域以无可挽回之势全面超越人类，学术界与产业界究竟该怎么办？
根据多位参会学者在事后的回忆，OpenAI的高管和核心研究员在闭门会上隐晦地向大家透露：其内部正在迭代的模型已经连续突破了上百个国际数学界的长期悬案，并主动询问在场的学术领袖，这些成果究竟应该通过何种形式向人类社会公布。参会数学家们当场给出了极为直率严肃的建议：科技公司绝不能再继续沿用硅谷科技网红式的做法，只在推特上发布简短的演示视频或公关博文；必须严格遵循严谨的学术共同体规范，撰写具备完整上下文、逻辑论证和充分引注的正式学术论文，并且必须分批次、有节奏地公开发表，以便给人类学者留出足够的时间去理解、消化和建立同行评审机制。
数位参会学者明确指出，OpenAI的高层在当时的会议现场曾经明确作出了口头承诺，保证绝不会一次性把所有重大成果一股脑全部倾倒进公共空间。然而现实的走向却大相径庭。在722份手稿直接上线GitHub后，面对外界对于违背闭门会约定的质疑，OpenAI官方发言人琳赛·麦卡勒姆（Lindsay McCallum）在回应媒体时却表示，公司管理层完全不清楚曾经做出过任何此类放缓发布的承诺。一边是国际顶尖学者坚称企业违背了伦理信诺，另一边则是科技巨头官方声称不知情，双方各执一词，信任基础瞬间碎裂。
美国西北大学知名数学家布里娜·克拉（Bryna Kra）在回忆起那场闭门研讨会时谈到，当时的会场弥漫着一种诡异的气氛，那是极致的智力兴奋与极致的生存恐惧死死纠缠在一起的感觉。她在事后接受《连线》（Wired）杂志专访时感慨道：“我们身处这个学科领域，必须强迫自己去适应。AI已经彻底颠覆了我们这门古老学科的运作方式，但这也促使我们必须把目光投向更加长远的未来。这确实是一个令人感到极度恐惧的时代，但也绝对是一个极其令人兴奋的时代。”
相比于布里娜·克拉的理性反思，纽约大学访问数学教授内斯特·吉伦（Nestor Guillen）的抨击则要犀利直接得多。他毫不客气地对媒体直言：“在广大的纯数学学者中间有一种极其普遍的感受——大家觉得这些AI头部科技公司的行事作风，在本质上越来越像横行霸道的黑帮。”
学术界压抑的不满在9月份彻底爆发。在9月8日OpenAI宣布攻克纳维-斯托克斯方程奇点问题仅仅三天之后，9月11日，陶哲轩联合全球25位菲尔兹奖得主公开发表了联署声明，正式向AI企业宣战，严正批评硅谷科技巨头正在将高贵的纯数学研究粗暴地降级为单纯刷模型跑分基准（benchmark）的功利工具。联名信深刻指出，AI企业纯粹将攻克历史遗留的开放性数学难题视作彰显大模型推理算力的公关秀场，却彻底无视了数学研究中最核心的理论理解、文献引注传承以及青年学者的人才培养生态。数学家研究世界难题，从不仅仅是为了得到一个终局性的布尔值答案，更重要的是在探索未知的漫长征途中，孕育出前所未见的新数学概念、新理论架构与新工具体系。当最终的答案以工业化的速度被暴力倾泻下来时，人类学术共同体的消化与理论建构机制已经彻底陷入了瘫痪。
陶哲轩在此过程中提出了一个引发全球学界广泛共鸣的深刻理论病理诊断——证明消化不良（Proof Indigestion）。在陶哲轩的系统建模中，一个严谨数学证明的完整生命周期必须包含环环相扣的五个核心阶段：
- 提出解答：针对核心猜想提出逻辑上自洽的解法路径；
- 机器验证：利用形式化逻辑系统校验每一步推演的无漏洞性；
- 翻译为人话：将晦涩的机器逻辑或原始符号转化为符合人类认知直觉的自然数学语言；
- 同行消化：由同行学者进行深度的研读、解构、重构并衍生出新的推论；
- 写进教科书：将沉淀出的核心概念体系编入大学与研究生的标准教材，完成人类智力的代际传承。
陶哲轩极其严肃地指出，当前的AI系统在前两个阶段狂飙突进、跑得飞快，然而在至关重要的后三个阶段上，整个机制却几乎陷于完全停滞的状态。现实的荒诞景象是：AI在算力中心里以工业流水线的方式不停碾压人类历史上的重大数学猜想，但是人类世界中没有人有精力写出条理分明的阐释论文，没有人能在讨论班上做结构清晰的学术报告，甚至于就连在终端上按下回车键启动模型的AI工程师，也完全搞不明白刚才那几个小时的代码运行过程中，高维空间里究竟发生了什么。在最近的一次公开学术演讲中，陶哲轩以罕见的严厉语气向产业界发出呼吁：“整个节奏必须慢下来！完全没有任何合乎理性的理由要跑得这么快，这在科学演进上一点道理都没有。”
富有戏剧性的是，就在短短几个月之前，陶哲轩还是整个硅谷科技界最为推崇、反复引证的“拥抱AI课代表”。在今年3月份，他还曾在各大顶尖学术论坛上公开号召全世界的数学同行全面拥抱人工智能工具，甚至断言纯数学正在经历一场伟大的“哥白尼式革命”。然而仅仅过了半年时间，面对科技巨头工业化碾压学术生态的现实冲击，这位当代最具威望的数学大师的态度发生了几乎180度的大转弯。
当然，在顶尖学者群体内部，对这一历史进程的研判也并非铁板一块。并非所有的菲尔兹奖得主都在那封抗议公开信上签下了自己的名字。例如著名数学家蒂莫西·高尔斯（Timothy Gowers）就在9月17日发布的个人长篇博客中表达了不同的审慎见解。高尔斯认为，即便未来一年之内全球涌现出1000项具有里程碑意义的重大数学突破，人类数学家依然可以通过细分领域的专业分工协作逐步完成消化。这项工程的工作量虽然前所未有地巨大，但人类智力绝非完全无法应对。高尔斯真正深层担忧的核心，在于当学术界的话语权被算力垄断所侵蚀时，原本支撑人类开展纯粹好奇心探索、基础理解和长期学术积淀的基础学术环境，是否会被资本与算力的狂欢彻底破坏殆尽。
为了弥合产业巨头与科学共同体之间日益扩大的鸿沟，9月21日，一个独立的数学与AI咨询小组（Advisory Group on Mathematics and AI, 简称 AGMAI）正式宣布成立。就在同一天，OpenAI发布公告对菲尔兹奖得主们的公开信做出了官方回应，首次正式确认了那款自8月28日启动训练的新内部模型已经独立解决了100多个长期的开放性数学难题，但并未在公告中随附具体成果清单与推导证明。
9月29日，AGMAI针对AI企业的成果发布制定并公布了一套严格的规范性建议，核心诉求包括：
- 必须在手稿中补齐并完善对前人学术贡献的完整引用与文献梳理；
- 必须将机器生成的核心论点改写为便于同行评审与人类学者理解的标准化论文；
- 成果必须提交至开放独立的公共学术存档平台（如arXiv等）；
- 掌握顶尖技术的AI企业必须设立专项基金，资助人类数学家开展这些海量成果的研读、消化与研讨工作。
此外，AGMAI在建议书中极其鲜明地提出反对意见：坚决反对科技巨头继续使用人类学术界根本无法访问到的闭源专有模型，去单方面测试和收割前沿数学的未解问题。
然而，仅仅一周之后的10月6日，OpenAI便以将722篇手稿直接倾倒进GitHub的形式作为对学界建议的“落地答卷”。OpenAI宣称他们已经在仓库中设定了勘误与引用规范，破例公开了10份模型的推理过程摘要，并表态愿意出资赞助后续的人类学术研讨会，目前也在积极寻找符合学术界建议的社区托管方案。针对这一举措，AGMAI在同一天紧急发表声明强调：小组此前为OpenAI提供发布形式的流程建议，绝对不等于AGMAI对这批成果的科学价值和实际影响进行了实质性评定，更绝对不代表咨询小组认可这些成果在封闭环境下被批量生产出来的运作过程。AGMAI再次强烈重申：广大人类数学家必须拥有公平获取顶尖AI工具与底座算力的权利，唯有如此，学者们才能够自由选择属于自己的科学研究课题，而不是被动沦为AI大厂的下游质检员。
这正是当前整个学术危机中最深层的权力矛盾所在：孕育出这些颠覆性突破的超级模型，至今依然处于对全人类科研群体完全封闭的状态。广大的大学教授与青年学者可以去GitHub免费下载终局性的答案，却根本无法在日常研究中调用同一个底层模型去延伸提问、自由探索。整个学术界的精锐力量可能会被迫陷入日以继夜消化AI公司预先圈定好的数学题目的被动怪圈，而学者们自己真正关心的理论构想却只能在算力匮乏中无限期排队。原本人类学者热切期盼的是迎来一个能够解放智力的强大科研助手，而现实的异化趋势，却让顶尖数学家反过来沦为了给科技巨头AI跑分成果擦屁股、做核验的廉价学术助理。
在制度层面的结构性矛盾之外，一场更具具体指控性质的学术伦理风波也在暗中激化。据学术圈内的权威报道披露，OpenAI最初之所以突然集中调配数千个并行智能体发起纳维-斯托克斯方程攻坚战，是因为其内部截获了学术界有人即将彻底证明该难题的非公开传闻。纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）公开指控OpenAI恶意抢跑了他与合作者莱文特·阿尔珀格（Levent Alpöge）的秘密研究成果。阿尔珀格本人的现实身份是OpenAI核心竞争对手Anthropic的在职员工。据透露，两人此前尚未正式公开其工作细节，但一直在日常理论推导中深度使用OpenAI的AI工具辅助研究。尽管这场抢跑指控的具体技术细节与法律是非目前在学界尚无定论，但它所折射出的科学研究伦理危机却极其尖锐：当超级AI巨头一手握有全球最强大的专有计算模型与算力集群，另一手又能通过云端工具在后台洞悉全球前沿研究者正在探索的最新思维路径时，传统科学竞争所赖以维系的公平法则与学术信誉，已经彻底面临降维打击。
机器判官的局限：Lean形式化的现实缝隙
面对汹涌而来的722篇手稿，许多技术乐观主义者可能会提出一个直观的反驳：既然其中超过六成的成果都已经随附了经过 Lean形式化 的机器验证代码，计算机逻辑内核都已经判定通过了，那这些数学结论难道不就已经是板上钉钉、绝对正确的铁律了吗？
客观的科学事实是：事情的真相远非非黑即白那么简单。机器形式化证明确实是数理逻辑领域的划时代工具。它的运行机制是将所有的数学命题、概念定义以及推导步骤，完全翻译为遵循严格公理体系与类型论代码规则的形式化指令，交由计算机内核进行无死角的机械校验。在Lean的冰冷检验下，任何传统人类论文中借助“显然成立”、“同理可证”、“读者自证不难”等含混修辞试图蒙混过关的逻辑断层，都会瞬间导致编译器报错中断。在严密的形式化验证流程中，机器不仅会检查核心逻辑步骤的自洽性，更会层层回溯其底座依赖的每一条公理假设，排查是否存在任何尚未闭合的局部漏洞或隐性循环论证。
然而，将数学真理的裁判权完全让渡给机器编译器，至少存在着两道人类目前无法绕过的根本性逻辑裂缝：
首先，机器形式化系统能够检验推导过程的正确性，但前提是输入的命题定义必须严格对齐原始的真实科学问题。如果一个未解的世纪难题原本要求证明的是“对于所有的数学对象，性质A均恒成立”，而AI在构建形式化代码的过程中，为了规避某些极端的病态反例，悄悄或者无意地给定义打上了一个额外的技术性补丁，将命题修改成了“在满足性质B的特殊子集下，性质A恒成立”——那么在这种情况下，Lean内核即便输出全绿的编译通过信号，它所确认的也仅仅只是被篡改后的后一个弱化命题，而根本没有解决原本悬在人类头顶的原始猜想。因此，机器生成的数万行形式化代码中所嵌入的数理定义，究竟是否在语义层面上百分之百精确对应于人类数论与拓扑学历史上沉淀下来的那个原初问题，必须由精通该领域的顶尖人类专家耗费极其巨大的心力去逐行核查与语义审定。
其次，形式化证明在单篇论文内部的实际覆盖范围存在着显著的结构性断层。以本次引发巨大轰动的准黎曼猜想（Result 003）手稿为例，OpenAI在其配套的说明文档中便白纸黑字地注明：本论文的核心定理虽然通过了Lean形式化验证，但基于该主定理所推导展开的一系列深远推论与后续数学应用，目前完全不在机器形式化的覆盖范围之内。这意味着，即使一篇论文的主干骨架获得了形式化编译器的加盖戳记，也绝不等于整篇论文的所有理论推演和派生结论都获得了不可撼动的绝对免疫。
面对海量涌入的自然语言与形式化混合文本，康奈尔大学数学系副教授丹尼尔·哈尔彭-莱斯特纳（Daniel Halpern-Leistner）目前正在带领团队开发专用的衔接工具，试图将自动化形式化验证深度接入普通数学家的日常研究流水线。他在接受采访时神色凝重地表示，在当下的历史节点，这项工具链建设显得前所未有地刻不容缓——因为由AI模型基于自然语言生成的大量长篇论证手稿，正在以人类肉眼根本无法承载的惊人通量冲垮传统的审稿防线，如果不能尽快建立起可靠的人机协同形式化核验管道，整个数学界的成果信任机制将面临彻底瘫痪的风险。
智能爆炸的倒计时：科学信用地基的重构
如果跳出纯数学这门具体学科的学术藩篱，将视线拉升到整个人类科技文明演进的宏观维度，OpenAI在10月6日突袭开源722项数学成果的历史事件，其折射出的信号更是令人不寒而栗。
就在此前不久的 9月28日，全球人工智能理论界爆发了一次重量级的思想集体共振。图灵奖得主杰弗里·辛顿（Geoffrey Hinton）、约书亚·本吉奥（Yoshua Bengio），联合OpenAI首席科学家雅库布·帕乔茨基（Jakub Pachocki）、Anthropic联合创始人杰克·克拉克（Jack Clark）等20多位在全球AI前沿拥有绝对话语权的顶尖科学家，联合公开发表了一篇极具警示意义的长篇工作论文，其标题直截了当地写道：《如果自动化AI研发引发了智能爆炸怎么办？》。
在这篇重量级工作论文中，披露了一组此前从未向公众展示过的惊人工业数据：截至 2026年8月，在Anthropic这样全球顶尖的AI实验室内部，AI系统在仅仅保留极高层级人类目标监督的半自治状态下，已经能够独立接管并完成整个公司内部 26% 的AI算法与系统研发工作。而在短短五个月之前的2026年3月，这个自动化研发的比例仅仅只有微不足道的 1%。
作者团队在论文中发出了极其严肃的科学警告：一旦人工智能系统在从事AI自我研发的任务上全面跨越临界点、达到人类顶级专家的综合水平，整个研发范式将发生不可逆的相变——届时，单单一名普通的人类软件工程师，就将能够直接调度和指挥相当于数百万名人类顶尖科学家协同作战的超级AI研发集群。论文在核心论述中留下了一句沉重如铅的警世诤言：“一旦智能爆炸（Intelligence Explosion）的链式反应正式开启，留给人类社会采取有效应对措施的行动窗口，可能就会被瞬间彻底关闭。”
极其耐人寻味的是，在这份向全人类拉响智能爆炸防空警报的联署名单上，赫然印着OpenAI现任首席科学家雅库布·帕乔茨基的名字。这种现实与理论的剧烈割裂展现出极度荒诞的一幕：顶尖科技巨头的科学领袖一方面在极具严肃性的理论论文中向世界疾呼AI自我进化的失控风险与突变加速，而另一方面，其所在的公司却在几天之后，将多达722份足以颠覆整个纯数学界的复杂手稿，以近乎倾倒的方式一次性砸向了毫无防备的人类社会。
为什么纯数学这个领域，会成为全人类观察智能爆炸时代降临的最理想观测窗口？因为在人类所有的认知领域中，数学拥有最为纯粹、绝对且毫不妥协的客观评判标准。在这个由公理和逻辑锁死的理性宇宙中，一项推导证明正确就是绝对的正确，存在漏洞就是绝对的错误，没有任何中间的灰色地带或政治修辞的斡旋空间。
在过去的数千年中，人类文明积累和确认新知识的物理速度，完全由人类学者的大脑认知极限与同行评审机制的周转速率所决定。同行评审（Peer Review: 由同一领域的专家对研究成果的学术价值和严谨性进行审查的制度）固然是漫长、迟缓甚至有时充满官僚偏见的，但它构成了整个现代科学大厦之所以能够屹立不倒的最底层信用地基。每一项被学界最终承认并印入教科书的定理，都经过了数名、甚至数十名顶尖学者一字一句的研读、挑剔的质询、反复的争辩与修正。这种慢，本身就是科学知识抵御伪科学与错误的最高价值所在。
而今天，这套维系了现代科学数百年运转的信用地基，在人类历史上第一次被机器那令人窒息的工业化产能远远甩在了身后。人工智能攻克纯数学难题，已经正式跨越了从“能否做出突破”的实验室探索阶段，全面进入到了“流水线批量生产”的重工业化阶段。横亘在科学探索面前的最高屏障，已经不再是那些千禧年难题人类究竟能不能推导得出来，而是当成千上万个高深莫测的解法如海啸般拍向案头时，极其有限的人类神经元网络究竟还能不能核验得过来。
在当下的社交网络上，甚至已经开始弥漫着一些极度悲观的激进论调，有人甚至声称“古典数学在今天已经彻底死亡”，断言人工智能将以不可逆转之势终结全球绝大多数职业数学家的学术生命。平心而论，这种论调在现阶段依然过分夸大了技术替代的单一维度。毕竟，正如陶哲轩与高尔斯等学者所反复强调的那样，将冰冷的逻辑推导转化为人类大脑能够理解的深层数学概念、在抽象世界中构建启发后人的思想灯塔、以及将人类的智慧火种代代相传——这些关乎智力升华的核心使命，在相当长的时间内依然只能由有血有肉的人类学者去承担。
但无论如何，这场知识生产游戏的底层法则，确实已经发生了不可逆转的历史性剧变。在传统的秩序下，一项数学成果要获得全人类文明的最终承认，必须走完完整的学术发表长征：同行逐页挑剔阅读、反复撰写审查意见、学者针对质疑来回修改，最终正式刊印在权威学术期刊上。虽然这一过程动辄耗费数年，但每个沉淀下来的科学事实都坚如磐石。
而放眼当下，722份手稿在一天之内被直接推上GitHub代码库。成果发不发、选择在什么时候发、单次发布多少规模，全部由一家身处硅谷核心的商业科技公司单方面说了算。科学成果究竟什么时候才算被人类确认、由谁说了才算数的话语权天平，正在历史的转折点上悄然完成权力的更迭。
或许，整个人类学术界目前唯一能够寄予厚望的下一个历史节点，是等待这款被严密锁在OpenAI实验室内部的神秘前沿模型真正解除封锁、面向全球科学界全面开放的那一天。到那个时刻，广大的人类数学家才能真正拥有属于自己的算力平权，能够平视地利用这一前所未有的智能工具去验证自己的猜想、去追问深邃的理论本质、并沿着AI所撕开的认知缺口继续向着未知的前沿勇敢拓荒。
唯有在那样的时代到来之际，人工智能才能够真正回归其作为人类学者探索宇宙奥秘的“终极合作者”的本位，而不是作为一个手握绝对算力垄断、居高临下向人类学术界倾倒既定答案的傲慢发布者。
而在那一天真正降临之前，整个国际数学界乃至全人类知识体系，注定要经历一段漫长、剧烈且充满不确定性的认知阵痛期。GitHub上的这722篇数学手稿，仅仅只是一场席卷人类科学认知体系的史诗级超级风暴的冰山一角。更猛烈的智能海啸，必然还在后头。