722篇AI手稿砸下，数学家连夜淘金

10月7日，OpenAI在GitHub上一次性放出722篇数学手稿，覆盖数论、几何、概率、理论计算机等17个数学分支。\n\n这些手稿出自一个从未公开的内部模型。有趣的是，从放出到今天，没有任何人——包括OpenAI自己的研究员——通读过一遍。有的证明错了，有的根本读不懂，有的连机器检查都没做过。一位数学家的评价毫不客气：这是一大坨屎被倒在了自家门口。\n\n但偏偏，这堆'屎山'里很可能埋着真金。手稿中最好的一项，被一位数学家评价为：如果是人做出来的，'立刻拿菲尔兹奖，没有任何疑问'。\n\n生成成本已经坍塌，验证能力却原地踏步——这才是这场'手稿海啸'真正的产业信号。\n\n## 📦 一次倒给数学界的手稿海啸\n\n今年夏天，王虹因为挂谷猜想的三维版本拿下菲尔兹奖——数学界最高荣誉，4年才颁一次。不到3个月，OpenAI宣布，它的AI把四维版本也解决了。\n\n紧接着就是10月7日的集体投放。这批手稿的规模感，先看时间线：\n\n`mermaid\ntimeline\n title 手稿海啸时间线\n 今年夏 : 王虹凭挂谷猜想三维版获菲尔兹奖\n 10月7日 : OpenAI在GitHub放出722篇手稿\n 随后数日 : 专家分头审读并陆续发现硬伤\n`\n\n光是目录加摘要就有大约40页。有数学家从头翻到尾，花掉了大半个小时——而这只是'读了个开头'。接下来几天，各个方向的专家各自认领熟悉领域的那几篇，坏消息陆续传来：证明错误、逻辑不通、未经形式化检查，各种情况都有。\n\n业内私下流传的判断很一致：这不是一篇论文，这是一次'倾销'。传统学术生产是'一篇一篇攒'，OpenAI这次是'一箱一箱倒'。\n\n产业逻辑在这儿已经很明显了：当研究的边际成本从'一位数学家数年的智力投入'坍缩为'若干小时机时'，产出的数量级会先于质量管理体系爆炸。数学界遭遇的，本质上是内容行业早就经历过的——AIGC冲击下的供给过剩，只不过这次倒的，是数学证明。\n\n## 💰 算力账本：一次结果值三个小时思考\n\n先算一笔账。OpenAI披露的数据是：模型一共尝试了约4000个悬而未决的数学问题，最后在372组问题上拿出了结果。平均每个结果耗费的算力，大约相当于ChatGPT付费高级版思考3个小时。\n\n`mermaid\npie\n title 四千个问题的产出分布\n 无果 : 3628\n 有结果 : 372\n`\n\n换句话说，九成以上的尝试是空手而归。但这恰恰是关键：过去的数学研究，试错成本高到没人敢这么试。现在，'广撒网'模式的单位成本被压到了订阅用户随手可及的水平。\n\n| 指标 | 数值 | 说明 |\n| --- | --- | --- |\n| 发布手稿 | 722篇 | 覆盖17个数学分支 |\n| 尝试问题 | 约4000个 | 全部是悬而未决的开放问题 |\n| 有结果的问题组 | 372组 | 产出率约一成 |\n| 单次结果算力 | 约高级版思考3小时 | 官方给出的计费口径粗估 |\n| 目录加摘要 | 约40页 | 迄今无人通读全文 |\n\n传统研发的漏斗是窄而深的：一个顶级数学家，一年啃一个难题。现在的漏斗反过来了——入口宽到可以一次塞进4000个问题，瓶颈被推到了出口。\n\n这也是为什么说'屎山里可能有金子'：372组结果哪怕九成是错的，剩下的一成里只要藏着一两个真突破，按传统人力模式可能要等一代数学家。算力把'试错'变成了批发业务，把'验证'变成了稀缺资源。\n\n## 🔍 新的瓶颈：全人类都读不完这722篇\n\n这一节是整场事件最魔幻的部分。\n\n722篇手稿，没有谁通读过一遍，OpenAI自己的研究人员也没有。数学家能做的，是各自翻看自己领域的几篇——于是评估变成了分布式众包，而且是无偿众包。\n\n整个验收链条长这样：\n\n`mermaid\nflowchart TD\n A[内部模型生成] --> B[四千个问题尝试]\n B --> C[372组有结果]\n C --> D[722篇手稿发布]\n D --> E[人类专家审读]\n E --> F[证明有误]\n E --> G[根本读不懂]\n E --> H[疑似真突破]\n H --> I[待形式化验证]\n`\n\n注意右上那条分支：'读不懂'本身就是一个信号。AI的证明路径未必遵循人类数学家的写作惯例，它可能对，但没人能确认它对——这在数学界是不可接受的状态。一个无法被同行评议的'证明'，学术价值暂时等于零。\n\n有接近学术圈的人士私下说，这次事件后，大家讨论的焦点已经不是'AI能不能做数学'，而是'谁来给AI做审稿'。\n\n这就是新的产业缺口：验证即服务。形式化验证工具、AI证明审计、面向机器生成数学的全新评议体系——这些环节目前几乎空白，但需求刚刚被722篇手稿一次性制造出来。谁能把'验收'工业化，谁就卡住了AI科研管线的咽喉位置。\n\n## 🏆 从挂谷猜想看AI科研的临界点\n\n回到最有戏剧性的那个点：三维挂谷猜想给王虹带来的是菲尔兹奖，四维版本被OpenAI的模型宣布解决。\n\n这个对照值得展开。菲尔兹奖的荣誉体系，建立在'人类智力巅峰'的叙事上；而AI用约4000次尝试换372组结果的方式，走的是完全不同的路线——不靠灵感，靠吞吐量。手稿中的平面点集染色问题进展，是这种路线的具象化：不需要'天才一闪'，只需要足够多的尝试和足够诚实的筛选。\n\n对研究机构来说，这是一个必须回答的问题：当'发现'可以被算力规模化生产，稀缺的就不再是产出者，而是甄别者。高校的数学系、期刊的审稿体系、奖项的评审标准，全部建在旧范式上。\n\n业内已经出现两种应对姿态：一种把AI产出当作'矿藏'来对待，组织团队专职淘金；另一种干脆主张所有AI证明必须先过形式化验证这道闸门，否则不进入学术流通。两种姿态背后是同一个判断——数学研究的分工链正在被重写。\n\n据多位接近学术界的说法，接下来的几个月，各方向专家对这722篇的逐篇审读，会是观察AI科研成熟度最好的样本：它到底是一次技术跃迁，还是一次精心包装的算力炫技，答案会慢慢浮出来。\n\n## 结语\n\nOpenAI倒下的这722篇手稿，价值不在于解决了多少问题，而在于把一个事实摆上台面：生成已经过剩，验证才是瓶颈。\n\n从前端看，4000次尝试换372组结果，成本薄到可以忽略；从后端看，人类数学家连40页的目录都要花大半小时。这个剪刀差只会越拉越大。\n\n接下来值得盯的有三件事：这722篇里最终能确认几个真突破；形式化验证工具会不会迎来爆发式投入；以及各家AI实验室会不会跟进这种'倾销式发布'——一旦成为行业惯例，科研的验收体系就必须重构。淘金的故事才刚开始，卖铲子和开验金所的，机会可能更大。\n\n`mermaid\nflowchart TD\n A[生成成本坍塌] --> B[供给海啸]\n B --> C[验证瓶颈显性化]\n C --> D[形式化验证工具]\n C --> E[AI证明审计服务]\n C --> F[新评议体系]\n D --> G[学术流通新闸门]\n E --> G\n F --> G\n`\n\n（本文事实部分来自OpenAI公开披露及数学社区公开反馈，推演部分为产业逻辑分析。）