今天（10月7日）你的信息流，大概率被这几句话刷过屏：
「OpenAI 一夜攻克 722 个数学难题」「AI 证明了黎曼猜想」「古典数学已死」。36氪
一边是科技博主激动到「瘫坐在椅子上，被智能爆炸震撼」；另一边，一个数学博士生十一假期回来，在地铁上刷到 OpenAI 公开的 722 个数学成果，发现自己苦做的课题——四维挂谷猜想——被顺手证明了，「天塌了」。而就在三个月前，王虹刚靠三维挂谷猜想拿下菲尔兹奖。微博
更热闹的是，陶哲轩带着邓煜等 25 位菲尔兹奖得主，联名发了一封《人工智能在数学中的严重错位》的公开信，指着 AI 公司的鼻子说：你们这么搞，在毁掉数学。知乎
同一件事，为什么一边是「智能爆炸」，一边是「毁掉数学」？到底该震撼，还是该冷静？
我把微博、知乎、科技博主的逐条核对扒了一遍。别急着转发，先把三本账分开算：实锤账（哪些是真的硬）、噪音账（哪些是标题党）、代价账（谁在疼、贵在哪、争议在哪）。
第一本账：实锤账——722 篇里，真正「硬」的是什么
先说事实本身，这部分是可核的。
10 月 6 日，OpenAI 在 GitHub 上开了个叫 openai/math 的仓库，一次性公开了 722 篇数学手稿，归成 372 个「结果族」，覆盖大约 4000 个问题。这批成果全部出自一个还没发布的内部前沿模型——据报从 8 月 28 日开始训练，能力号称超过已发布的 GPT-6 Astra，至今不对外开放，连名字都没公布。宽窄观察微博
成本锚点也很具体：平均每个结果，大约相当于让 ChatGPT Pro「思考」3 小时。
那真正硬的东西是什么？
最拿得出手的是「准黎曼」。仓库里 003 号结果给的是：ζ 函数和所有狄利克雷 L 函数，在 Re(s)>7/8 的区域里没有零点，并且一致排除了朗道-西格尔零点。宽窄观察
这个在数论里意义确实大。过去几十年，人类能证明的「无零点区域」是贴着 Re=1 一点点往里收窄的，越收越窄、越收越难；而这次直接给出一条固定宽度的无零点带（7/8），还顺手把朗道-西格尔零点这个老大难一起排除了。这是真本事，不是灌水。
再说验证。722 篇里，有一部分配了 Lean 形式化证明——Lean 是那种「机器逐行检查逻辑对不对」的工具，过了 Lean，基本就等于逻辑上板上钉钉。
据科技博主「宽窄观察」逐条核对：按结果族算，372 个里有 235 个配了 Lean 说明页，约 63%；按篇算，大约 330/722，约 46%。
所以，实锤账的结论是：这不是玩具。一个模型，两周时间，批量扫过 372 个结果族，平均每 3 小时吐出一个「可被形式化验证的候选」，还能把数论、代数几何、组合、理论计算机、数学物理塞进同一个「自动研究—形式化」的闭环里。用宽窄观察的话说，这是「研究辅助工业化」的里程碑——前沿模型已经不只是会做奥数题，而是能当一条「提候选、补细节、做穷举和归约」的研究流水线。
这部分，值得震撼。
第二本账：噪音账——「证明黎曼猜想」是怎么被喊出来的
但如果你只看到「震撼」，那就掉进噪音里了。第二本账，专门拆标题党。
第一个坑：准黎曼 ≠ 黎曼。
刷屏的「AI 证明了黎曼猜想」，是把「准黎曼」直接砍掉了那个「准」字。真正的黎曼猜想，要求的是在 Re(s)>1/2 的整个区域无零点；而这次做到的是 Re(s)>7/8。7/8 和 1/2 之间，还差着整整一条临界带。数论意义很大，但离「解决黎曼猜想」「拿菲尔兹奖」，还差着同行逐行审稿和那一条临界带。「准」字，一个都不能省。
第二个坑：霍奇、BSD、挂谷，大多是「特例」或「声称」。
网传「一口气解决了霍奇猜想、BSD 猜想、挂谷猜想」——听着像把千禧年大奖难题一锅端了。但拆开看：
霍奇：只是 CM 阿贝尔簇、K3 乘积这类特殊情形；
BSD：是按密度覆盖了部分椭圆曲线族；
挂谷：是三维极大函数 + 四维豪斯多夫版本。
而且这些在仓库里的措辞是「声称证明」（claimed），其中霍奇、四维挂谷、有理数域上的希尔伯特第十问题、部分 BSD，要么没配 Lean，要么只形式化了一部分。
最关键的一句：OpenAI 自己在仓库 README 里都写了——「未形式化的结果可能存在问题」。连官方都留了这句免责声明，自媒体却直接写成「攻克千禧难题」，这不是报道，是标题党。宽窄观察
第三个坑：别被「平均数」骗了。
「46% 配了 Lean」不等于「46% 被验证为真」——Lean 说明页常常只覆盖主定理，不覆盖后面的应用和推论。「平均 3 小时一个结果」也很唬人，但 4000 个问题里到底尝试了多少、失败了多少、每个结果背后烧了多少算力，OpenAI 这次并没有拆开公布。
这套流量配方，其实早有前科。赵泠之前就拆过一个「23 岁门外汉用 ChatGPT 攻克 60 年数学猜想」的爆款——真相是那道题是埃尔德什问题 1196，所谓「新闻稿里关于数学的内容，显然是大语言模型的手笔」。这次「722 个难题」「古典数学已死」，是同一锅配方，只是料更猛。知乎
噪音账的结论：把「声称」当「证明」、把「准」字砍掉、把「特例」说成「通解」、把「平均数」当「全为真」——这四步，就是这次刷屏里最该被你过滤掉的东西。
第三本账：代价账——谁在疼，贵在哪，争议在哪
第三本账，是这件事真正让人五味杂陈的地方。
代价一：这不是免费的神迹，是 GPU 堆出来的。
每个结果 ≈ ChatGPT Pro 思考 3 小时；而更早的 9 月那次攻克纳维-斯托克斯（NS）方程，OpenAI 调了大约 1 万个 AI Agent、发了数百万条 Agent 消息、跑了好几天、烧了巨量算力。宽窄观察有句话很扎心：「722 篇里哪怕最终只有 50 篇经得住同行审，也够改写好几个数学分支；但现在就开香槟的，喝的只是 GPU 的热量。」楚团长
代价二：知识产权的「抢发」疑云——这是最敏感的一笔。
时间倒回 9 月。纽约大学的两位数学家 Tristan Buckmaster 和 Levent Alpöge，沿着一条很冷门的路线研究 NS 方程（描述水、空气怎么流的那个千禧年难题）快一年，8 月刚取得重要突破，正准备发表。楚团长
然后 OpenAI 进场了。按 OpenAI 自己的说法：9 月 1 日听说「有人可能在千禧年难题上取得重大突破」，于是用内部模型开测；几天后（9 月 5 日前后）就宣称找到了 NS 方程的一个证明，9 月 8 日正式对外宣布「AI 仅用 88 小时、一份 165 页的论文，攻克了人类 90 多年没解决的难题」，还用 Lean 做了检查。人物
争议点在于：Buckmaster 发现，OpenAI 走的方向，和他们研究了近一年的那条冷门路线高度接近；更敏感的是，两人这一年来的大量草稿、推导，都曾放进 OpenAI 的 Codex 里辅助研究。Buckmaster 直接去问：你们的模型，是不是看过我们在 Codex 里的东西？
OpenAI 的回应很微妙：没有为这道题去查特定用户的私人数据，也没在两人公开成果前看到他们具体做了什么；但是——「不能完全排除用户使用 OpenAI 产品产生的去标识化数据，过去曾帮助改进模型」。楚团长
目前没证据证明 OpenAI 直接翻了私人记录照抄，所以「偷成果」这个帽子扣上去证据不足，双方至今还在吵；但这件事把一个真问题摆到了所有人面前：当你把还没发表的想法、代码、证明全喂给 AI 辅助，你的知识产权，会不会顺手成了别人模型的养料？
代价三：数学家的职业生涯，和「百年开放传统」。
陶哲轩他们那封 25 位菲奖得主的联名信，核心不是「AI 不能做数学」，而是「AI 公司把解决数学难题当成刷 benchmark（跑分）」，危害在于：来不及写论文、来不及提炼新方法、来不及引用在先的工作。陶哲轩自己说得更重：「AI 正在杀死数学的百年开放传统」。知乎
这不是空穴来风。之前的森多夫猜想，爱好者 Lech Mazur 用 AI 跑出了证明、Lean 也验过了，但那份稿子「没人读得懂」，最后是陶哲轩花了好几天替它「做翻译」。证明有了，理解没了——数学最值钱的那部分（人在啃难题过程中长出来的思想），被跳过了。
知乎上有条高赞说得直白：「AI 毁不掉数学，祂毁掉的是数学家的职业生涯」。数学不会消失，但「证明一个有名有姓的猜想能上四大、拿教职、戴帽子」的那套价值体系，正在被「这题是 AI 做的吧」一句话消解。知乎
代价四：情绪现场——「所有人都被 OpenAI 平等射击」。
那位「十一回来天塌了」的博士生，课题是四维挂谷，还在做三维挂谷极大函数——结果这次 722 篇里，两样都被 OpenAI 顺手证明了。而三维挂谷，正是王虹 7 月拿菲尔兹奖的工作（她是史上第三位女性菲奖得主，也是中国籍数学家首次获此殊荣）。微博
一位数学从业者在知乎写：「现在不敢在群里公开讨论 idea 了，怕有人拿 AI 跑一下，直接给做出来了」。还有一句更扎心：全世界都知道 AI 真能做数学猜想了，还有多少人愿意花 10 年，去做一个 AI 可能早就做出来、只是没公布的大猜想？知乎
那个「上午刚确定论文选题、下午就得换方向」的段子，听着好笑，其实是这一代数学研究生的真实处境。
代价五（也最容易被忽略）：认知代价——别因为 AI 会做数学，就高估它的判断力。
知乎有篇《为什么数学证明会让人系统性高估 AI 的判断力》点破了一层：数学上的突破会让 AGI 激进派特别兴奋，但这并不能直接推出「AI 的判断力有了质的飞跃」。人类做数学时为什么那么看重 judgement（判断力）？因为人的搜索预算太小，一天生成不了十万条证明路线，所以必须极其擅长提前判断「哪条路有戏」。而 AI 是靠暴力搜索 + 海量验证器堆出来的——它能做对题，和它「懂事」，是两码事。知乎
那到底该怎么看？给你三条能带走的判断
第一，这是里程碑，不是丧钟。前沿模型确实跨过了「能当研究流水线」的门槛，「机器先验、专家再解释」会变成数学审稿的新范式。但「古典数学已死」是流量话术，不是事实。
第二，转发前先做三个动作：看到「AI 证明黎曼猜想」，先问是不是「准黎曼」；看到「攻克千禧难题」，先问配没配 Lean、是不是「声称」；看到「平均 3 小时一个」，先问失败率和算力拆没拆。这三问，能帮你过滤掉这次刷屏里八成的噪音。
第三，不同的人，带走不同的东西：
吃瓜群众：记住「准黎曼 ≠ 黎曼」这一句，就够你在饭桌上比 90% 的人清醒；
科研 / AI 从业者：真正的护城河，是「会写规格、会验 Lean、会把 AI 输出接回学科脉络」——出题、判题、翻译、归因、挑反例，这些活儿 AI 暂时抢不走；
普通打工人：那条 IP 争议是个警告——没发表的核心想法、代码、创意，别一股脑全喂给 AI 工具。
接下来值得盯的四个信号：① 数学家逐行审稿、Lean 完整形式化后，722 篇里到底有几篇能站住；② IAS 那个「数学与 AI 独立咨询组」要求的「公开模型名、提示词、失败率」，OpenAI 会不会补上（这次只做到一半）；③ Buckmaster/Alpöge 的抢发 + IP 争议怎么收场；④ 那个至今不具名的内部模型，什么时候、会不会真的开放。
数学没死，死的是「不形式化、不公开提示、不交失败率」的发布姿势。而你我这种围观者，能做的就是在下次「智能爆炸」刷屏时，慢半拍，先把三本账分开算。
