今年10月初，AI交出了近年来最扎眼的一份能力成绩单：OpenAI在代码托管平台公开了首批722篇数学手稿，其中一篇175页的证明稿直指四维挂谷猜想。同一周，一场把量子实验室交给AI的测试里，全球17家顶级实验室集体翻车，只有GPT-5.6和Opus断层领先。把两类信号放在一起，这个问题的答案已经比较清楚：AI在数字闭环里，已经从“给你答案”跨到了“自己把事办完”、甚至能向人类知识前沿投稿；但只要走出数字闭环——协作、物理世界、经济账——它还处在实习期。知乎36氪
数学这一跳，先把边界看全：交出手稿，不等于证明了定理
10月6日，OpenAI公开的手稿归入372个成果族，其中两篇都指向挂谷猜想：一篇175页冲四维，一篇97页冲三维的加强版。这批手稿没有具名的研究者，署名统一为OpenAI，据称出自一个未公开名称的内部模型，每个问题平均耗时约三个小时。知乎
三维挂谷猜想卡了数学界半个多世纪，王虹与Zahl在2025年2月完成一般情形证明，王虹也因此拿到了今年的菲尔兹奖——OpenAI的证明稿出现在几个月后。更值得注意的是引用链：四维那篇的一个关键输入，就是这批手稿里三维那篇自己证明的引理，而这条线的源头仍是王虹与Zahl建立的估计。也就是说，AI在这条边上不是绕开了人类，而是踩在人类刚出炉的方法上往前冲。36氪知乎
但边界必须划清：现在推进的只是四维集合版，更强的四维极大函数版没有随之解决，五维及以上只得到“维数至少为4”，而且两篇手稿都还需要独立检验——眼下能确定的只是“它提交了什么”，不是“它证明了什么”。当数学成果可以按小时批量产出时，真正的瓶颈已经从“生产答案”换成“验证答案”。知乎
数学界的反应不是欢呼，而是撕裂。陶哲轩转发了多位数学家抵制OpenAI的文章，而他此前曾联合25位菲尔兹奖得主发表联合呼吁，直言AI公司无休止地加速却对之后会发生什么一无所知，希望商业公司放慢脚步。争论的焦点并不是该不该让AI做数学，而是悬空的研究规范：AI自己不会引用，公司也不补引用，错误论文一旦流入引用链会污染科学研究，因此有研究者要求对AI公司的科学研究设定强制披露底线，包括可复现性和学术规范。知乎知乎
干活这一跳：从给答案到把事办完，但组队协作刚过及格线
对多数人来说，更相关的标尺是AI能不能“干活”。重度使用者中流传越来越广的判断标准是看三件事：能不能自己找资料、能不能连着做完几步、做完能不能留下让人检查的过程，三条都占，它才算从会聊走到会干。这背后是性质变化——AI开始能接住一件有头有尾的事，而不是一问一答地接话。知乎
产品端的推进同样快：OpenAI刚上线的智能体应用dots移动端，5天就进了用户的手机，把Agent从桌面装进口袋。36氪
但天花板同样清楚。在考察多个智能体组队干活的基准里，评测的核心正是它们能否形成有效分工、保持信息同步并把行动连接起来，而结果是最强模型也只完成了约一半的任务。单体会干活了，“一群人”还不会共事——这决定了眼下AI能接手的工作半径。36氪
价格这一账：token越来越便宜，账单和机器人却越来越贵
经济侧正在快速冷下来。美国企业的AI预算已经裂成三层，单价下降反而让总账单更贵，一部分中小市场开始转向中国开源模型。企业侧的幻灭并非孤立情绪：有人援引Gartner 2025年版报告指出，生成式AI已进入“幻灭低谷期”，2024年企业平均在生成式AI上花了190万美元，但只有不到30%的AI负责人说老板对回报满意。连宏观预期也在降温：微软站台的一篇论文给出的判断是，AI十年只能拉动1.5%的GDP。36氪知乎36氪
物理世界的答案更直白。烧掉了数千亿资金的具身智能赛道里，国内有近千家人形机器人企业，行业的普遍预期是最终只留下10到20家，卡住的不是算法而是真实世界数据的荒。ChatGPT共同创造者Liam Fedus的说法最能概括此刻的分层——AI能刷722篇数学论文，却（还）造不出一块超导体。36氪36氪
屏幕之外：产能过剩的内容，和还没补上的规矩
内容行业在消化产能过剩的冲击。AI短剧已经卷到万播收益降至10元以内、爆款率不足0.5%。版权的线也在重画：番茄小说一部原著改编的AI漫剧前两季播放量破亿，第三季还没上线，原著先被平台以内容相似为由下架，作者公开维权。人格权的边界同样在被试探：刘欢去世不到半个月，“他的妻子”就已经出现在带货直播间——那是一段AI生成的影像。36氪微博36氪
风险讨论也在同步升温。OpenAI与Anthropic已在推演断电、断网级别的最坏情形。而在社交平台上，“建议不要长期向AI倾泻心事”登上热门，说明情感依赖已经变成了大众自觉的问题。36氪微博
所以，AI发展到什么程度了？2026年10月的诚实回答是三层：数字闭环内，它是能独立办完一件事、甚至向人类知识前沿投稿的生产者；数字闭环外，它是分工失调、抓不稳杯子的实习生；经济账上，它还是那个单价跳水、回报待证的资产。而对每一个使用者，眼下最有用的分寸只有一条：把AI交出的每个结论都当成待验证的手稿——能批量生成的是答案，批量生成不了的，是信任。
