9月8日早上，你大概率在群里刷到过"OpenAI解掉千禧年数学难题"的截图；9月11日，画风突变——陶哲轩、邓煜等25位菲尔兹奖得主联名发布公开信，抗议AI公司正在"伤害数学"。一周之内，"能力爆表"和"行业反噬"同时上演，吃瓜看热闹的版本你已经看了很多。
但如果你是那种每天打开ChatGPT、Claude、Codex或豆包干活的人，这件事和你有实打实的关系：它牵扯到你充的会员、你发出去的每一条提示词，以及接下来你该把哪些活交给AI。下面按时间线把事情捋清楚，再算三笔和你有关的账。
一、先把这8天按时间轴对齐
这些信息散在十几篇报道和几十条微博里，我把它拼成一条线。
9月8日上午，纽约大学数学教授Tristan Buckmaster和Anthropic数学家Levent Alpöge公布三项证明，涉及欧拉方程在光滑外力作用下的有限时间奇点，两人主要用的是Codex，也用了Claude——这是你花钱就能订阅到的工具。机器之心
几个小时后，OpenAI发布纳维-斯托克斯方程（NS方程）存在性与光滑性问题的完整证明。 这是克雷数学研究所悬赏100万美元的七大千禧年难题之一，问题本身已悬而未决约90年，七大难题中此前只被解决过一个（庞加莱猜想）。OpenAI公布的参数是：一个未发布的下一代内部模型，约1万个Agent并行工作88小时（9月1日至5日），发送270万条消息，消耗约1300亿输出token——大致相当于100万本书的文本量，结果通过Lean形式化验证，同时公开166页证明文稿。 刚发布不久的GPT-6 Astra在这个流程里只负责核对答案，OpenAI同时声明不申领那100万美元奖金。新浪热点财联社机器之心
争议随即在两个层面爆发。技术层面，OpenAI的构造带有一个施加于流体的光滑外力项，而克雷研究所的标准表述针对的是无外力情形。但真正点燃数学圈的是时间线：Buckmaster公开声明，在他们收尾自己工作的过程中，得知关于其进展的信息已经传到了OpenAI；联系对方后确认，OpenAI第一条prompt发出的时间就在这些信息到达之后。 争执还牵扯到署名——据Buckmaster转述，OpenAI的数学家Sébastien Bubeck曾提出折中方案，要求他撤掉Alpöge的署名（因为Alpöge受雇于Anthropic），并在他坚持公开争议时回了一句"你为什么要毁掉自己的职业生涯？"。OpenAI的官方版本则称其行动始于9月1日，起因是听到两个千禧年难题被解决的传闻，完成后曾主动联系希望联合发布并承认对方优先权。36氪
9月10日，在加州理工学院研究者的批评之后，OpenAI撤回了对该校一场数学活动的赞助。9月11日，25位菲尔兹奖得主联名公开信《人工智能在数学中的严重错位》发布，签名名单横跨48年，从1978年得主德利涅一直排到2026年得主邓煜，陶哲轩把全文贴在自己的博客上，mathandai.org开放继续联署。机器之心
同一周，美国数学学会（AMS）、伦敦数学会（LMS）、克雷研究所（CMI）先后表态；前OpenAI后训练VP Liam Fedus公开回应陶哲轩；陶哲轩透露正在洽谈数学大模型合作；丘成桐牵头办起了AI辅助数学期刊。而在中文互联网，小红书上一篇讲联名信的帖子拿下1.5万赞、2600条评论，知乎相关问题讨论量数以百计——这早已不是数学圈内部的事。小红书
二、数学家抗议的从来不是"AI会不会做题"
先澄清一个被标题党带偏的点：这封信不是反AI。陶哲轩本人是顶尖数学家里最早把AI用进工作流的——今年在前沿研讨会后台，主持人路过时瞥见他在等上台的间隙，头也没抬地说刚让Agent生成了一份19页的Sendov猜想相关证明。 他自己的比喻是：AI是直升机，把我空投到答案附近。量子位
联名信的诉求是三件流程上的事：给写作和思想提炼留出时间、明确标注结果所依赖的先前工作、承认需要有人类数学家愿意接手消化。 签名者的逻辑是：解题只是代理指标，理解和传承才是目标——一个证明就算验证正确，如果没人能讲明白它到底是怎么回事，它还不算真正变成人类的数学知识。机器之心
小红书那条1.5万赞帖子下的最高赞评论（7696赞）把这件事翻译得最直白：问题本身是只下金蛋的鸡，AI直接把鸡杀了，缺少了试错这一步。 下面一条3166赞的回复接着补刀：本来有各种不同的路通往终点，但AI解决问题之后，人们只会沿着它指出的那条路。小红书
好，事件本身说完了。接下来是和你有关的部分。
三、把ChatGPT当生产力之前，先算清三笔账
第一笔：订阅账——解题的那个模型，你订阅不到
这次跑NS方程的是OpenAI未发布的下一代内部模型，你手里刚充值的GPT-6 Astra在流程里只是"对答案"的角色。 这件事有两个推论，方向相反，但都成立。机器之心
推论一：别拿新闻里的能力要求货架上的产品。“AI都解千禧难题了，怎么连我的周报都写不明白”——这种落差不是你用得差，是新闻里的模型和货架上的模型永远差着一代甚至几代。为"下一步就能替我干活"的预期充值，大概率会失望。
推论二：但也别小看你手里的工具。Buckmaster和Alpöge用来逼近千禧难题量级成果的，恰恰是所有人都能订阅的Codex和Claude。陶哲轩形容AI是架直升机，直接把你空投到答案附近，而他强调这种探路方式和人类思路几乎是"正交"的——"正交"比"超人"是更准确的描述。 同一把刀，在不同人手里差距巨大，这个差距不在订阅档位，在用法。量子位
第二笔：数据账——你发出去的提示词，可能正在变成别人的情报
这次风波里，最值得每个普通用户记住的一条不是数学，是数据。TechCrunch报道称，已有数学家开始怀疑自己使用Codex的记录是否已经被喂给了模型。OpenAI的回应是：研究者和智能体没有通过任何途径看到对方未公开的工作，但"无法排除源自其产品使用的去标识化数据曾帮助改进模型"。机器之心
翻译一下：公司在机制层面不排除你的使用数据帮助模型变强。对数学家，这意味着研究方向可能泄露——Buckmaster的愤怒就在这里，他和Alpöge悄悄选定的攻坚方向，几乎没有别人在做。对你，这句话的适用范围要宽得多：还没公开的方案、客户的资料、公司内部文档、你没发表的研究，这些内容正在消费级对话框里被发送出去。
行动建议很简单：敏感内容别在消费级产品里裸聊；花十分钟翻一下你在用的每个AI产品的数据使用条款，找到并关闭"用我的内容改进模型"的开关（主流产品都有，通常默认开启或藏在设置深处）。
第三笔：用法账——答案在变便宜，理解在变贵
陶哲轩把趋势说得很透：当证明生成自动化，数学研究里最稀缺的环节就从"找到答案"转向了"理解答案"，未来更重要的能力，是验证、解释、判断价值，再把它放进已有的知识体系里。量子位
对普通用户的翻译：学习和成长型任务，让AI给答案不如让AI带你走过程——让它出题、追问、检验你有没有真懂；产出型任务，尽管交给它，但验证环节攥在自己手里。这和"AI会不会取代你"无关，和你的成长速度有关。还是评论区那条高赞说得好：真正能被威胁的，其实是那些还没有成长或者正在成长中的人。小红书
顺带说一句，前OpenAI后训练VP Fedus的回应提供了一个对赌的视角：他认为未来的AI不仅能解题，还能提出洞见、建立新概念框架，并举了AlphaGo的例子——AlphaGo之后人类棋手的水平明显提高了。 这个类比的漏洞在于：人类棋手研究的是AlphaGo可复现的棋谱，而不是一个只有结论、没有过程的166页PDF。36氪
四、接下来盯三个信号，别急着下结论
这场风波还没完，比"站队"更有价值的是盯住三个观察点：
克雷研究所怎么认定NS证明。CMI目前的表态是需要公开、经过同行检验、接受长期验证——AI成果的验收标准第一次被正式摆上台面。 这套标准以后大概率会原样传到写代码、写文案、做设计的行业里。36氪
陶哲轩的数学大模型合作落地成什么样。他9月12日在个人博客透露正在洽谈合作，有知乎用户考证他今年2月就已与SAIR基金会接触；同一周，丘成桐办起了AI辅助数学期刊。 顶级学者正在从"抗议"转向"建规则"，这条路线比公开信本身更值得关注。知乎
"理解"会不会被产品化。如果接下来主流AI工具开始主打"解释、检验、带你走过程"的功能（而不是更炫的demo），说明行业真的听进去了；如果只是继续卷解题速度，那数学家们的担忧就会在下一个行业重演。
最后说一句这场风波里我觉得最有分量的判断，来自联名信的结尾：数学是第一个被逼到台前、必须把自己的价值观明确写下来的学科，它不会是最后一个。你的行业大概率也排在这条队伍里。到那一天，"AI能不能做"不会是问题，"过程算谁的、人还练不练基本功"才是。
三句话带走：充值前分清"新闻里的模型"和"货架上的模型"；敏感内容别在对话框里裸奔；答案可以交给AI，理解必须留给自己。
