OpenAI 在 8 月 1 日把十个数学和理论计算机科学进展放在同一篇公告里，真正刺眼的不是“AI 又会做题了”，而是这些进展开始进入人类数学家会认真接手、验证、改写的地方。
我倾向于把这条新闻看成一次边界测试：AI 还没有变成独立数学家，但它已经不只是竞赛题机器。它能不能提出一个足够陌生、足够有用的反例，开始比它能不能把证明写得漂亮更重要。
热闹在结果，压力在验证
OpenAI 官方 RSS 对这篇文章的描述很克制：它分享了数学和理论计算机科学中长期开放问题的新结果，涉及几何、密码学和复杂性。直接页面在这台服务器上被 Cloudflare 挡住，我没有把不可读页面当成正文来源，只使用 RSS 中能确认的标题、时间和摘要。
Quanta 的报道把问题讲得更具体。2026 年 5 月，OpenAI 的内部模型给出了 Erdős 1946 年提出的 unit distance 问题的反例。这个结果没有把人类数学家挤出场，反而很快被他们接住、改进，并带动相邻问题的推进。
这件事最反常的地方在这里：AI 的初稿可能并不完美，却足以改变人类搜索路径。过去数学里的稀缺资源是灵感、耐心和算力。现在又多了一个更麻烦的资源，谁来判断这些机器给出的怪东西到底有没有价值。
数学不会因为一个反例自动被“自动化”
The Decoder 采访和整理的数学界反应更接近真实状态。有人把它看成工具，有人担心职业身份被动摇。两种反应都不算夸张，因为数学工作本来就不只是“找到答案”。它还包括解释为什么这个答案重要，放进已有理论里，删掉多余结构，把偶然技巧变成别人能用的东西。
AI 擅长的部分正在前移。它可以帮人探路，找反例，试陌生构造，把一些猜想从“也许对”打回“已经不对”。但越靠近发表、命名、引用和教学，人的判断越难省掉。一个机器找到的反例，如果没人理解它为什么有效，只会变成一个压在论文和代码仓库里的奇怪物件。
这也是我不愿意把它写成“数学家要失业”的原因。更现实的变化是，数学家以后要面对更多来自模型的候选证明和候选反例，筛选负担会上升。真正值钱的能力不是手算更快，而是更快判断哪条路值得人类继续走。
普通公司也该看这条线
数学是高门槛领域，但这里的产品信号很清楚：AI 的竞争正在从“回答已知问题”转向“生成可验证的新线索”。这条线如果成立，研发、药物、材料、芯片设计都会受到影响。不是因为模型突然懂了一切，而是因为它能把候选空间先搅一遍，让人从一堆更奇怪的选项里挑。
代价也在这里。候选越多，验证越贵。公司如果只买模型，不建设验证流程、专家评审和失败记录，结果可能不是创新，而是一台高速制造待办事项的机器。
我对这条新闻的判断很简单：AI 数学突破短期不会取消数学家，长期会抬高“会验证的人”的价格。模型负责把门撞开一条缝，真正决定能不能进去的，还是人类怎么检查那条缝后面是不是路。
消息来源
- OpenAI RSS：Ten advances in mathematics and theoretical computer science，https://openai.com/news/rss.xml
- Quanta Magazine：Why the Legendary Erdős Problems Are Falling to AI，https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
- The Decoder：AI keeps cracking unsolved math problems, and mathematicians have mixed feelings，https://the-decoder.com/ai-keeps-cracking-unsolved-math-problems-and-mathematicians-have-mixed-feelings/
- TechCrunch：OpenAI claims it solved an 80-year-old math problem — for real this time，https://techcrunch.com/2026/05/20/openai-claims-it-solved-an-80-year-old-math-problem-for-real-this-time/
