这个清晨，全世界数以万计的纯数学家醒来，发现自己的“家”被偷了。

未经同行评审，亦未作任何提前预告，OpenAI 在代码托管平台 GitHub 上悄然上线了一个名为 openai/math 的公开仓库。

里面没有任何花哨的宣传海报，只有冷冰冰的一大堆 PDF 手稿，整整 722 篇。

▲ OpenAI在GitHub上线的数学成果仓库，直接把数百篇手稿倾泻向学术界

横跨数论、代数几何、组合学等十几个核心领域，涉及约 372 个未解的“结果族”，堪称一场席卷学界的无差别算力扫荡。

纽约大学数学教授 Tristan Buckmaster 走上电视，声音沉重地向全行业发出警告：这场毫无防备的论文倾泻，“正在毁掉整整一代年轻数学家的职业生涯”。

▲ 纽约大学数学教授 Tristan Buckmaster 在访谈中直言：许多青年学者的研究被瞬间归零

无数青年博士、博后在电脑前瑟瑟发抖。

但在大洋彼岸，另一位常年泡在象牙塔里的学者，却写下了一篇震动整个学术界的反常自白。

本特利大学数学副教授、哈佛大学教员助理 Noah Giansiracusa（诺亚·吉安西拉库萨）在社交平台上公开坦白：

他那些写进了多年国家科研基金申请报告、被他视作学术生命“北极星”的几个核心课题，赫然出现在了 OpenAI 的战果名单上。

耗费数年心血构筑的学术护城河，在几小时内被算力碾成齑粉。

出人意料的是，诺亚并未感到崩溃或愤懑。

他长长地舒了一口气，写道：

“我感到前所未有的如释重负，甚至格外乐观。焦虑被彻底带走了……墙上的字已经写得清清楚楚：数学正在进入一个全新的时代。”

▲ Noah Giansiracusa 发帖坦白：自己赖以立项的“北极星”课题被 AI 解掉，但他感到解脱与兴奋

这位终身研究代数几何的学者，究竟经历了怎样的心理裂变？

而这 722 篇从天而降的论文，又究竟揭开了人类智力世界怎样残酷的未来？

01暴风雨的前夜：三次重锤，砸碎数学家的傲慢在过去很长一段时间里，纯数学一直被视为人类智力的“终极避难所”。

下围棋输了，画画输了，写代码输了，数学家们总能淡淡一笑：“那些不过是模式识别。

纯粹的数学探索，依靠的是灵光一闪的直觉，以及对严密逻辑架构的深刻洞察。”

但这种优越感，在 2026 年被三次精确计算过的巨响，砸得粉碎。

第一声巨响，发生在 2026 年 5 月

那是数学界神话般的人物保罗·爱尔迪希（Paul Erdős）在 1946 年留下的名题，平面单位距离猜想。

题目极为简单：在平面的白纸上随手点上 $n$ 个点，其中两两距离刚好等于 1 的点对，最多能有多少个？

八十年间，无数人类数学大师在草稿纸上算到白头。

爱尔迪希断言：这个数字的增长速度非常有限。

然而 5 月 20 日，OpenAI 突然公布：内部通用推理模型推翻了这一猜想，给出了精妙的反例构形。

当时，诺亚和大多数数学家一样，并不以为然：“这不过是一个碰巧吃了算力红利的组合几何小题，靠重度计算试出来的罢了。”

曼彻斯特大学的数学家 Thomas Bloom 后来当面反驳了诺亚这种近乎自欺欺人的轻视：那篇证明里根本没有什么暴力枚举的影子，它是纯粹、深刻的数学构造。

第二声巨响，砸在了 2026 年 9 月 8 日。

这次倒下的，是全人类仅存的七个“千禧年大奖难题”之一，纳维–斯托克斯方程（Navier–Stokes）。

▲ 2026年9月，OpenAI发布关于纳维–斯托克斯方程奇点生成的研究

这个统治着现代空气动力学、天气预报乃至血液流动的方程组，悬置着一个核心谜题：平滑流动的液体，在特定扰动下，会不会在有限时间内彻底失稳崩解，诞生出物理量趋于无穷的数学奇点？

这一次，OpenAI 动用了约 10,000 个并发 AI Agent，在庞大的 GPU 集群上不眠不休地推演了 88 个小时。

伴随着海量输出，模型硬生生证明了流体奇点的产生，并且用 Lean 形式化语言把整套证明翻译成了计算机可以一步一步校验的机器代码！

这一刻，诺亚坦言自己“被深深震动，陷入了极度不安”。

但这依然没有击垮他，因为他还能自我安慰：这耗费了数百万美元的算力，是只有超级科技巨头才能玩得起的工程特种作战，“普通数学家的课题组根本没有这种预算”。

直到 10 月 6 日，第三声巨响降临，直接演变成一场覆盖全学科的算力海啸。

02722篇手稿倾泻：象牙塔遭遇“敌意接管”10 月 6 日，OpenAI 彻底摊牌

官方在博客与代码仓库中一并宣布：模型在未经过针对性微调的情况下，一次性扫荡出了成百上千个前沿开放问题的解。

▲ OpenAI发布文章《Sharing AI progress in mathematics》，拉开成果大倾倒的序幕

这一次，再也没有什么“百万美元特种作战”的借口了。

OpenAI 在手稿的说明中轻描淡写地留下了一句话：除了一两个极端攻坚项目外，仓库里的绝大多数成果，平均每个只消耗了大约 3 小时 ChatGPT Pro 的思考算力（thinking compute）。

3 小时

普通人充一个 Pro 会员，挂机吃顿饭、看场电影的时间。

人类数学家在黑板前熬光了头发、申请了数年基金才敢触碰的领域，被几块芯片在几小时内批量“收割”。

学界的情绪瞬间被撕成两半

康涅狄格大学数论教授 Alvaro Lozano-Robledo 在社交媒体上愤怒质问：“为什么？

为什么一定要一次性发布成百上千个题目？

这算什么？

对数学版图的敌意接管（Hostile takeover）吗？”

▲ Alvaro Lozano-Robledo 连续质问 OpenAI 的举动，怀疑这是一场针对学术界的公关秀

知名学者们的情绪完全可以理解

剑桥大学教授 Ben Allanach 在接受《新科学家》采访时感慨万千：“我很庆幸自己并未投身纯数学领域。

否则面对这种局面，你只能茫然地问自己：我们做研究的意义，究竟还剩什么？”

最令人心碎的真实故事发生在伦敦大学学院。

数学家 Francis Johnson 在拓扑学著名的 Wall $D(2)$ 问题上死磕了整整 25 年，为了它写出了两本厚重的学术专著，最终精疲力竭。

而在这个 GitHub 仓库的清单里，这个啃噬了他半辈子的梦魇，赫然被机器画上了句号。

03算力假象与“智力战利品”的残酷游戏然而，只要稍微撕开这层光鲜的外衣，就会发现一个让人背后发凉的真相：

所谓的“3小时解决一道题”，本质上是一场精妙的统计障眼法。

科技评估机构 AGI Watch 迅速对那 722 篇手稿进行了抽丝剥茧的拆解，狠狠戳穿了这个数字游戏：

“3 小时 Pro 算力”，仅仅是 OpenAI 针对最终成功跑出结果的手稿所支付的账面记账成本。

▲ AGI Watch 的深度拆解提醒学界：3小时只是成功者的记账成本，背后隐藏着数千次沉默的失败

它隐瞒了最致命的信息：为了筛出这 372 个结果，OpenAI 实际上向内部模型投喂了整整 4,000 道不同的数学难题！

在这场算力围猎中，成千上万个失败分支被悄无声息地丢弃，数以百万计的模型幻觉被直接清空。

普通学者看到的是“3 小时出奇迹”，看不见的是在黑暗中吞噬天量电力的试错深渊。

抛开庞大的试错成本，这些手稿本身的成色也引发了激烈讨论。

曼彻斯特大学的 Thomas Bloom 教授耐着性子去读了仓库里关于 23 个爱尔迪希问题的解答。

他的评价毫不客气：“东西确实有趣、重要，但论文足足有 1268 页，文笔写得奇差无比（badly written）！要读懂它们得耗死人。”

▲ Thomas Bloom 发文指出：AI 的确啃下了硬骨头，但论文极度冗长晦涩，读懂它们是一场折磨

在科技巨头的眼中，这些充斥着晦涩符号的手稿甚至不需要写得赏心悦目。

正如 Ben Allanach 教授所指出的那样，对于硅谷来说，纯数学已经成了最顶级的“智力战利品（intellectual trophy）”。

它不需要商业变现，它只需要用来向华尔街和公众证明：我们拥有地球上最强大的深度逻辑机器。

传统大学依靠几年申报一次、几十万美元的基金，在以“天”为单位烧掉数百万美元算力的工业化集群面前，就像拿着长矛的骑兵，撞上了轰鸣的重装坦克。

04终极释然：靴子落地后的意外解脱回到最初的问题：既然看清了这一切，Noah Giansiracusa 为什么反而笑了？

答案其实藏在人类最幽微的心理机制里。

过去三年，所有知识精英都在经历一场慢性的精神凌迟，“我的专业会不会被淘汰？

什么时候轮到我？

那一天还会远吗？”

这种悬而未决的无期徒刑，才是最折磨人的。

而当 722 篇论文砸在脸上、连自己赖以生存的“北极星”命题都被摘走的那一刻，诺亚突然发现：第二只靴子终于落地了。

不用再猜了

旧时代的象牙塔已经塌了，既然所有人都无处可逃，那焦虑也就失去了意义。

▲ 研究员 Jonathan Stray 评价道：“这才是现代数学家应有的正确态度”

诺亚顺势提出了一个极其迷人、直击未来的假想：

既然模型尝试了 4,000 道题，最终攻克了不到 400 道，那么倒下的为何偏偏是这 400 道，其余 3,600 道又为何能幸免？

在人类传统认知里，一道数论难题和一道微分几何难题可能“同样费脑子”。

但对 AI 来说，它们的本质完全不同

诺亚提议：我们完全可以借用经典理论中的“柯尔莫哥洛夫复杂度”，去建立一套全新的学科标准，“AI 难度度量（AI-difficulty landscape）”。

哪些人类觉得难如登天的问题，在机器眼里不过是几步简单的逻辑等价代换？哪些人类高中生凭借直觉就能绕过去的问题，却能让超大规模的神经网络陷入无限死循环？这个难度的上界和下界到底在哪里？这本身就是一个前所未有的、极其庞大的全新数学分支！

这正是科技革命最残酷也最动人之处：旧的城池被攻破了，但在废墟的边缘，一座全新的未开垦大陆正在地平线上浮现。

05数学的列车，正在开进无人区2026 年菲尔兹奖得主 Jacob Tsimerman 曾做过一个精妙的比喻：

未来的数学，很快会建立在“人类无法完全读懂的证明”之上。

这听起来让人恐慌，但在现代工业社会，这早已是常态。

今天这个世界上，没有一个人能彻底通晓一列高铁从空气动力学外形、制动合金分子结构，到底层芯片几十亿个晶体管运转的每一个细节。

但这不妨碍高铁以 350 公里的时速载着全人类呼啸向前。

因为我们有可靠的工程检验体系，有工业标准，有严格的模块化验证。

纯数学也是一样

只要有机器能够执行的 Lean 形式化代码作为终极安全网，哪怕手稿晦涩到连教授们都读得直挠头，知识的边界依然在被不可逆转地向外拓荒。

历史从不会为了某一个职业的优雅体面而停下脚步。

两千年前，欧几里得在沙滩上用树枝画下几何图形；

三百年前，牛顿和莱布尼茨在摇曳的烛光下计算微积分；

而今天，算力正在以光速扫过宇宙规律的草稿纸。

对于纯数学家来说，黄金时代的告别固然苦涩。

但正如诺亚所感悟的那样，为旧时代的背影徒劳叹息毫无意义，坦然张开双臂迎向风暴，才是身处大变局中的解法。

沙滩上的贝壳被扫荡一空了，但海平线外，风暴刚刚开始。

不喜欢OpenAI一夜甩出722篇数学论文！高校教授课题被连根拔起，却突然笑了：我彻底解脱了