OpenAI 说一个内部模型已经解决了一百多个数学开放问题，数学界先等到的却不是论文清单，而是一个独立顾问小组。
这条新闻表面上像是给 AI 成果找背书，我更愿意把它看成一次刹车安装。数学和写代码、做图片不一样，答案不是唯一商品。证明从哪里来、谁先检查、怎么署名、哪些结果可以一起放出来，都会改变一个学科内部的信任关系。
真正紧张的是发布节奏
OpenAI 官方 RSS 把这次动作说得很克制：它正和一个独立的“数学与人工智能顾问小组”合作，指导新出现的 AI 数学结果如何被审查和沟通。直接页面在服务器上被 Cloudflare 拦住，但 RSS 至少确认了标题、时间和官方口径。
顾问小组自己的网站信息量更大。这个小组由普林斯顿高等研究院托管，成员包括 François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten、Melanie Matchett Wood 等数学家。网站明确写着，小组不接受 AI 公司付款，也没有替任何公司做决定的权力；它会发布建议，并且可以向任何可能影响数学研究的 AI 公司给出意见。
最敏感的一句在后面：他们当前正在给 OpenAI 提建议，问题是如何协调发布一大批“据称由内部模型产生”的重要数学结果。TechCrunch 的报道把背景补上了：OpenAI 声称同一个内部模型解决了 100 多个开放问题，而在此之前，关于 Navier-Stokes 千年难题解法的突然发布，已经让不少数学家对 AI 实验室的节奏很不安。
证明不能按产品发布会处理
AI 公司天然喜欢用发布会逻辑处理突破：有数字，有名单，有故事线，最好还能有一个震撼标题。但数学成果不是功能开关。一个证明可能需要几年才被社区真正吃透，错误也可能藏在细节里。把一批“已解决”的开放问题集中抛出来，短期会制造声量，长期可能让同行评审、署名、优先权和学术劳动都陷入混乱。
这里的关键不在于 AI 能不能帮数学家。它当然能，而且迟早会越来越有用。问题是，当模型开始碰到真正有声望的开放问题时，AI 公司不能同时当出题人、解题人、裁判和宣传部门。顾问小组的存在，至少承认了这个冲突。
但我也不把它看成完美解法。网站写得很清楚：小组没有决策权，责任仍在公司。换句话说，它能提高发布前的摩擦，不能替公司承担后果。如果 OpenAI 只是把顾问小组当作信任装饰，这件事反而会更糟。因为数学界需要的不是一个好看的门牌，而是能让结果慢下来、被追问、被分批验证的机制。
AI 进入硬科学，门槛会从能力转向信誉
普通读者看这件事，不必急着判断那一百多个问题到底有多大。更该看的是，AI 公司第一次被迫认真面对一个老问题：当机器产出的东西已经足够像科学成果，谁有资格说它可以进入公共知识？
这和过去的聊天机器人幻觉不是同一层风险。幻觉是回答错了，数学证明一旦被包装成“重大结果”，影响的是研究者的时间分配、学科声望和知识归属。越是高价值领域，越不能只靠公司内部评测。
我的判断很简单：AI 在数学上的真正分水岭，不是某家公司宣布解决了多少题，而是它愿不愿意把发布权让出一部分。能接受外部审查、延迟宣传、公开建议的 AI 实验室，才有机会被科学共同体认真对待。只会抢头条的模型，就算答案偶尔是对的，也很难赢得长期信任。
消息来源
- OpenAI RSS：Advisory Group on Mathematics and Artificial Intelligence，https://openai.com/news/rss.xml
- Advisory Group on Mathematics and Artificial Intelligence 官网，https://agmai.org/
- Terence Tao 博客：Announcing the Advisory Group on Mathematics and Artificial Intelligence，https://terrytao.wordpress.com/2026/09/21/advisory-group-on-mathematics-and-artificial-intelligence/
- TechCrunch：OpenAI forms math advisory group as its AI resolves more than 100 open problems，https://techcrunch.com/2026/09/21/openai-forms-math-advisory-group-as-its-ai-resolves-more-than-100-open-problems/
