10月7日，菲尔兹奖得主、加州大学洛杉矶分校（UCLA）数学教授陶哲轩（Terence Tao）在个人博客上转载了一份措辞紧张的声明，矛头直指OpenAI。

　　这份声明来自“数学协会”（Association for Human Mathematics，简称 AHM）。组织批评 OpenAI 大规模发布数学界充分消化的研究成果，并公开呼吁数学停止与 OpenAI 合作，重新回归以人类理解为核心的科学研究方式。

　　声明中有一句话表态非常直接：“一次性发布 700 多份文件，展示的不是学术研究，而是权力。”

　　陶哲虽然不是世界卫生组织的声明人，但他在博客上全文转载，让艾滋病个人争议迅速获得了极高的关注度。就在不到一个月前，他还与另外24位菲尔兹奖得主共同发表公开信，警告AI公司正在让数学研究未知的目标。

　　受到新争议的导火索，是 OpenAI 在 10 月 6 日公布的一批数学成果。当天，OpenAI 在 GitHub 上一次性公开了 722 篇由内部 AI 模型生成的数学手稿，涉及 372 个成果组，涵盖数论、几何、代数、理论计算机科学等多个领域，其中甚至包括多道长期困扰数学家的著名开放难题。

　　对于界来说，这可能是近年来冲击力最大的一次人工智能数学成果发布。然而，随着研究人员开始对这些论证进行核对，兴奋、焦虑与焦虑也随之聚合在一起。一场围绕学术规范、科研权与商业人工智能自治团体影响力的争论，正在持续发酵。

　　700多篇数学手稿，到底有多大？

　　OpenAI此次发布最令人震惊的地方，首先在于实现的规模与生成速度。

　　根据 OpenAI 公布的信息，这批研究由一个尚未公开的内部前沿模型完成。由于该模型在现有的数学基准测试中表现已接近极限，OpenAI 开始尝试真正的未解数学难题来检验其能力。在整个评估过程中，模型共尝试了解答约 4,000 道数学题。经过筛选与，最终得出 372 个成果组，每组包含核心定理、相关推论或不同的证明方案。

　　OpenAI 表示，大部分成果都采用了相近的生成流程，平均每项成果所消耗的算力，相当于 ChatGPT Pro 约三个小时的“思考计算量”。这还不包括所有失败尝试所占用的资源。

　　其中一些成果直接突破了现代数学的核心前沿。例如，OpenAI声称证明了“准黎曼猜想”（即黎曼 z 函数及相关 L 函数在某个固定半平面内不存在非平凡零点）。这虽然与完整的黎曼猜想有很大差距，但如果结论属实，无疑是解析数论领域的重大突破。

　　另一个两周的成果与挂谷猜想有关。2026年，数学家王虹因与合作者论证了三维挂谷集合猜想而陷菲尔兹奖，而四维情况仍是而未决的重点方向。OpenAI公布的手稿，遂称在悬四挂谷问题上取得了突破。

　　图｜OpenAI公布的四维挂谷猜想研究论文《每个四维挂谷集合都具有完整的豪斯多夫维数》（来源：OpenAI）

　　在理论计算机科学领域，OpenAI还宣称提出了“唯一博弈猜想”（Unique Games Conjecture）。该猜想由数学家苏巴什·科特（Subhash Khot）于2002年提出，与许多经典优化问题能否获得更优近似解直接挂钩。

　　只要任何一个问题，只要得到严格确认，都足以成为相应领域的重磅里程碑。而如今，它们却被睡眠储备堆放在了同一个代码仓库里。为了提高结果的可信度，OpenAI 也公开了部分成果的精益形式化代码。精益能够通过计算机算法严格检验推导是

　　否符合逻辑规则，从而省去人工逐行排查逻辑漏洞的繁琐负担。

　　，学界对这批手稿依然持保留态度。截至10月7日的最新版本，代码仓库中保留了719篇手稿，其中约42%的主要结论完成了形式化验证。OpenAI自己也承认，尚未完成形式化的论证中可能存在缺陷；事实上，他们已因符号错误导致的数学缺陷撤回了3篇手稿，另外14篇进行了修订。

　　另外，形式化本身也有呼吸。计算机确实可以确认形式化推导在逻辑上自洽，但尚需数学家手动验证：这些被计算机验证的命题，到底有没有准确答案问题真正的数学内涵。因此，从这批手稿公开，到数百项数学成果真正获得学术界认可，显然中间还有很长的路要走。

　　但即便如此，AI发挥出的在广泛数学领域快速产生候选结果的能力，已经彻底打破了大家对过去推进数学研究的预期。

　　数学界为什么没有一致欢呼？

　　在受到关注的同时，数学界的反应极其复杂。

　　得克萨斯大学奥斯汀分校的理论计算机科学家斯科特·阿伦森（Scott Aaronson），甚至把这一天形容为“Mathocalypse”（数学末日）。

　　他的妻子、同为理论计算机科学家的达娜·莫什科维茨（Dana Moshkovitz），长期深耕的方向是唯一博弈猜想。在 OpenAI 公布的论文后，第一次进行了研读，结果发现论文里充满了她难以理解的构造、语焉不详的推理步骤以及让人摸不着头脑的文献引用。

　　阿伦森在博客中转述了妻子的观点，整篇论文深刻晦涩难懂，甚至必须借助AI工具辅助才能勉强读下去。不过阿伦森也坦言，这仍然可能是数学至关重要的一天。尽管这些证明需要大量的精神去重组，AI所表现出的数学能力仍然足够令人瞩目。

　　同时，也有不少科学家开始积极拆解这些手稿，希望能提炼出新思路。西北数学大学家布赖娜·克拉（Bryna Kra）在接受采访时提到，人工智能确实有望帮助数学家攻克过去无法完成的课题，但她呼吁科技公司提供更透明、更严谨的形式，以便学术界能够真正理解和吸收这些知识。

　　数学家们的担忧，正在从“机器能不能证出定理”，转向一个更现实的问题：当机器生成证明的速度甩开人类理解的速度时，整个数学学术生态还能运转吗？

　　在传统的数学研究中，解决一个大定理往往是起点。学者们通常需要通过发表评论论文、举办研讨会和长期交流，讲清楚论证背后的核心思想、发展了哪些新工具，以及这些方法能否扩展到其他领域。

　　这个吸收吸收的过程可能需要数年的积累，甚至需要几代人的接力。然而，当实验室能够以“批发”的速度投入出几份极其复杂的论证时，数学家们可能会被迫沦为“专职学校对员”。把大量本可以用来做独立原创研究的时间，在验证、修复和解释机器生成的草稿上进行。

　　更现实的矛盾是，这种消化的成本到底由谁来承担？

　　OpenAI虽已承诺出资赞助相关研讨会和学术会议，帮助界消化这些成果，但许多数学学者依然忧心忡忡。如果哪道题优先做、什么时候发布都由商业公司说了算，学术界只负责在后面垫“擦屁股”并消化消化，那么整个数学研究的发展大概，就可能会被商业资本和工程实验室牵着鼻子走。

　　数学界与AI部门的矛盾，早有前因

　　值得注意的是，守护风波在 OpenAI 发布 700 多篇数学手稿之前，就已经持续发展。

　　今年 8 月，OpenAI 曾公布 10 项与理论科学进展，但很快就有焦点指出，其中部分成果存在计算机缺陷和引用问题。9 月 8 日，OpenAI 又宣布，其内部模型给出了纳维—斯托克斯求解性与表面性问题的一个解答。这是七大“千禧年大奖难题”之一。

　　此次发布随即引发了学术优先权争议。纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）质疑 OpenAI 抢先推进了他与 Anthropic 研究员莱文特·阿尔珀格（Levent Alpöge）正在开展的工作。OpenAI 则否认不当使用相关研究数据，目前双方仍存在中断。

　　接连出现的争议，让数学界开始重新利用 AI 公司的研究方式。8 月，OpenAI 曾邀请约 40 名画家讨论成果发布规范。据《连线》报道，参与者建议，公司应提供符合学术标准的论文，方便内心检查、理解和使用，而不只是通过博客或社交媒体宣布突破。

　　报告中，数学与人工智能咨询小组（AGMAI）进一步建议AI实验室公开模型信息、计算成本与失败记录，并支持后续学术研究。OpenAI虽然采纳了部分建议，但仍使用未公开的内部模型。10月6日，AGMAI专门发表声明，强调其咨询工作不代表认可OpenAI的研究方式。

　　与呼吁抵制 OpenAI 的人类数学协会（AHM）相比，AGMAI 更倾向于通过数学沟通建立新的研究规范。菲尔兹奖得主马丁·海雷尔（Martin Hairer）认为，如果家拒绝与 AI 公司接触，也很难影响这些公司的行为。

　　另一位数学家则看到了积极的一面。理论计算机科学家拉古·梅卡（Raghu Meka）指出，数学界长期存在一些由前人经验形成的认知障碍，某些问题因为多年的解决，逐渐被难以突破。人工智能认为的进展可能有助于打破这些固有判断，重新探索存在被搁置的方向。

　　这些封闭背后，还有资源分配的问题。当前最强大的数学推理模型和算力主要掌握在少数商业实验室手中，普通的推理难以获得同等资源，但却又越来越依赖这些工具。即使对 OpenAI 提出批评，巴克马斯特仍然使用其编程智能体 Codex 辅助研究。

　　陶哲轩的态度也体现了这种复杂性。作为探索人工智能数学应用的突破形式，他长期支持利用大模型和化工具推进研究，同时反对将数学问题变成简单但简化模型能力的竞赛。因此，在9月，他参与了25位菲尔兹得主的联合声明；10月7日，又在博客转载AHM呼吁抵制OpenAI的声明。

　　意思是，同一天，他的博客还刊登了梅卡对人工智能数学研究前景的积极思考，双方也发表过海雷尔解释了为何加入 AGMAI 的文章。可以看出，陶哲轩显然没有决定讨论人工智能的可能性，他更关心数学家能否继续自主研究什么，以及如何评价真正有价值的成果。

　　但随着人工智能生成数学成果的速度不断提高，疲劳可能进一步推动数学界调整现有的发表、验证与评价机制。

　　对于数学家而言，未来需要面对的一个重要问题是：当机器越来越多地解决已有问题时，人类是否仍能保有提出新问题、发展新理论和决定研究方向的主动权？