OpenAI Just Solved 90 of Math’s Hardest Problems

OpenAI 内部未公开模型一口气做出 372 项新结果，把 500 个顶级数学难题中的 90 个完整解决，平均每题只花约 3 小时 ChatGPT Pro 算力。

过去一年 AI 在数学上的进展像连串警告射击：奥数金牌、推翻 Erdős 猜想、证明 Navier-Stokes。这次不是单点突破，而是 372 项新结果、722 篇支撑论文一起放出，把 500 个最著名未解问题里的 90 个直接做掉。真正让人不安的不是 AI 会做题，而是数学家发现自己可能读不完这些证明——当生成速度远超人类吸收速度，数学还是人类的数学吗？

OpenAI 把成果发在 GitHub 上，还专门成立数学顾问委员会，但真正让圈内炸锅的是量级和效率。

• 372 项新结果、722 篇支撑论文，覆盖 Proof Atlas 列出的 500 个顶级未解问题，其中 90 个被完整解决，另有数十个部分证明够得上重要贡献。
• 其中包含 两个千禧年难题的部分突破：黎曼猜想和 Hodge 猜想。Rutgers 教授 Alex Kontorovich 原话："准黎曼猜想？你开玩笑吧？人类做出来就是直接菲尔兹奖，没得商量。"
• 效率更吓人：平均每个结果只用了 约 3 小时 ChatGPT Pro 算力。一个月前 Navier-Stokes 还花了 1 万个 agent 跑 88 小时，几周内效率提升到这个程度。

一边是"人类等数学精灵等了几千年"，一边是研究生问"我还能转行做什么"。

• 多伦多大学 Darren Little 说数学家的工作正从"花几十年解题"变成"验证 AI 产出的证明"；有人直接说这像 Barry Bonds 打出第 756 支全垒打——历史性但早有预兆。
• 恐慌同样真实：一位研究生发帖"AI 把我想做的问题和项目基本全炸了"，Dan McQuade 写道"如果你是数学家，现在感觉像核弹落在你脚下，而你就在爆心"。
• 核心争议由 Francesco Maggi 点破：数学不是靠堆积正确命题增长的，结果必须被理解、连接、解释、挑战、复用，否则只是"死文字"。400 篇 AI 证明没人读，等于没发生。

Google 杰出科学家 Peyman Milanfar 给了一条按"混乱程度"排序的自动化路线图。

• 越有序的领域越先被拿下：数学和编程结构清晰，所以 AI 做得最好；接下来是硬科学，虽然受物理定律约束，但被噪声测量和实验拖累。
• 再往后是金融市场——复杂自适应系统，受人类心理影响，历史数据虽多但统计规律不稳定；医学诊断更难，高风险、信号碎片化、还要处理个体差异。
• 暂时安全的是文化、艺术和战略领导力：这些领域依赖隐性知识、直觉、情商和对复杂道德取舍的判断。Milanfar 的原话是"欢呼吧，我们还会长期拥有艺术家、律师、医生和 CEO"。

"如果你从公元前 5000 年到 2026 年 1 月问任何一个数学家想不想要一个数学精灵，100% 的人都会说想。"——Shriram Kannan

• 如果你在做知识工作，先判断你的领域"熵值"高不高：越结构化、越可验证、越依赖模式识别的工作，越可能被这波能力直接覆盖；越依赖碎片信号、人际判断和隐性知识的，窗口期越长。
• 数学界暴露的真问题不是 AI 能不能生成，而是人类能不能吸收。任何用 AI 批量产出内容的团队都该问自己：我的验证和消化能力跟得上生成速度吗？跟不上，产出就是"死文字"。