10月26日，OpenAI宣布其内部模型在数学、计算机科学和物理学三个领域拿下三项成果：证明所有维度下的局部光滑化猜想、证伪被计算机科学界使用了近30年的指数时间假设（ETH），并为包含量子色动力学在内的四维量子场论建立严格数学存在性证明。官方叙事的关键词是：AI展现出"独立发现并证明复杂科学理论的能力，而不只是回答问题或辅助研究"。面对"哪些职业率先被重塑"这个问题，一句话的答案是：最先被重塑的不是程序员，更不是大多数办公室职业，而是站在"证明生产线"上的人——理论计算机科学家、基础数学研究者，以及负责核查、解读、消化这批成果的研究者和学术编辑。逻辑很直接：AI开始直接生产科学结论之后，人类工作的重心正从"做出结果"移向"检查、读懂并改写结果"。当然，这一切还有一个必须写在前面的前提：三项成果目前都处于"已宣布、待同行确认"的状态，落地节奏取决于审查结论，而不是发布会。机器之心新浪科技
先把三项成果"验货"：各自处于什么状态
三项成果的验证安排完全不同，这直接决定了各自的影响时间表。
ETH证伪是节奏最快的一项。模型在10月16日生成自然语言反证，次日完成Lean形式化。被推翻的是1990年代末由Russell Impagliazzo、Ramamohan Paturi和Francis Zane提出的假设：3-SAT问题不存在亚指数时间算法。OpenAI称模型针对固定宽度的CNF布尔公式构造出一种确定性算法，既能判断解的存在、还能精确计数解的数量，运行时间形如2^{O(n/√log n)}，属于亚指数。而审查阵容颇具象征意义：ETH的两位原始提出者与MIT的Ryan Williams正组织开放、独立的审查——近30年前写下这个假设的人，如今亲手检查AI给出的反证。机器之心
数学这一项走"直接公开"路线。模型10月18日证明数学家Christopher Sogge在1991年提出的局部光滑化猜想（研究波在传播中如何聚焦，二维情形2019年由Guth、王虹、张瑞祥解决），19日完成Lean形式化，OpenAI宣称由此连带解决了所有维度下的挂谷猜想与Stein限制猜想。没有指定先行审查小组，研究者自行进入公开材料复核。机器之心
物理这一项恰恰相反，是目前唯一不公开原始材料的。模型9月9日生成杨–米尔斯理论的存在性证明，9月18日推进到量子色动力学，OpenAI沿构造性量子场论研究者Balaban的路线补齐了后半段。必须注意边界：2000年列入克雷千禧年难题的题目是"杨–米尔斯存在性与质量间隙"两件事，这次宣布的只是"存在性"一半，质量间隙未解决，有媒体概括为"证明了杨-米尔斯场论的数学存在，却只敢答一半"。 2004年诺贝尔物理学奖得主David Gross牵头的五人名工作组选择先把证明转化为同行可读的研究文本，再决定如何公开。36氪机器之心
OpenAI自己给这些AI产物定的性质是"原始研究数据"——产生证明与形成科学理解被刻意分成了两段。证据覆盖到这里，职业影响的判断也只能从这里出发。
第一批被重塑：几百篇"把ETH当地基"论文的作者
ETH在过去近30年里是理论计算机科学的基础假设之一，研究者以它为前提推导图算法、数据库查询、计算生物学等领域的计算时间下界，已有数百篇论文建立在"假设ETH成立"的条件性结论上。如果反证通过审查，这批研究面对的不是"结论被判错"，而是地基被抽走：每个"ETH保证这道题快不了"的论断，都要重新回答"究竟哪些子问题仍然难"。这是眼下最具体、最早发生的一条重塑路径——不是岗位消失，而是教科书前提重写、一批研究方向被迫重做，从业者从"引用假设的人"变成"重建下界的人"。
验证本身成了新职业：证明读者、形式化工程师与"翻译"
规模问题先于理论问题砸过来。10月6日，OpenAI一次性公开722份模型生成的数学手稿，分属372个成果族、17个研究方向，其中已有3份因符号错误被撤回。谁来审、谁来解释、哪些包含真正的新思想——这些疑问没有现成的学术编制来承接。于是几个岗位轮廓已经浮现：Lean等形式化工具的工程师（OpenAI内部证明到形式化最快一天内完成，外部社区需要同等能力才追得上复核速度）、专职的核查者与整理者（OpenAI已宣布向Simons Foundation相关计划投入500万美元，资助研讨会与审查研究）、以及把AI产物转写成人能读、可引用的研究文本的"证明翻译"——Gross团队现在做的事，本质上就是这份工作的样本。菲尔兹奖得主陶哲轩则在10月上旬转载"人类数学协会"声明，批评OpenAI无视数学界研究规范、呼吁数学家停止与其合作，署名规则与验证机制的争夺由此公开化。争议本身也在说明：核查、解释与重新分配署名，正在成为一门有对手盘的职业。机器之心知乎
对"AI破解密码"的恐慌可以先收起来
传播中最常见的误读是"ETH被推翻=密码不安全了"。口径要拆清：ETH关于3-SAT的亚指数下界，证伪它不等于P=NP，更不触及保护今天网银与通信的RSA、椭圆曲线等体系——那是另一组数学假设。即便审查通过，给出的也只是渐近时间上界，离"可用的破解算法"还有实现、常数、内存三道没人拿到数据的关。真正的从业者震动发生在理论一侧：以ETH类假设为设计依据的方案，作者需要重新论证安全性。密码工程师这月不会被裁员，但"假设变化时重检安全地基"会从偶尔为之变成例行工作。
第二波与第三波：应用算法在等验证，培养体系已经先被讨论
算法落地要等条件成熟。有界宽度CNF的判定与计数技术，一旦审查确认且被复现出可接受的工程性能，最可能先被重新评估的是芯片验证（EDA）、数据库查询优化和生物序列比对这类天天和SAT式约束打交道的领域。目前这一步连公开的实现数据都没有，时间表无法预测——这是所有"落地"讨论里最容易被跳过、也最不该跳过的一环。
职业讨论倒是已经提前开始了。Anthropic研究员Jascha Sohl-Dickstein一场演讲的热度正好卡在这条新闻前后：他给全球博士生的判断是"你们的职业生涯，已经一夜归零了"，建议研究者选"能被算力放大"的方向。 OpenAI CEO奥特曼则在10月23日的访谈里给了另一个参照：程序员没有被AI淘汰，反而可能比以往更忙碌、创造更大的影响、赚到更多的钱，因为对软件的需求超出想象。两个立场一冷一热，指向其实一致：被重塑的是岗位内容，不是岗位有无。理论科研人员的日常正在从"解题"移向"提问、验证、解释"；对还在选方向的人，这比任何"某某职业消失"的标题都更贴近现实。至于实验科学家——存在性证明改变的是黑板和论文，不是实验台；从AI发现候选新药到临床，奥特曼自己划的时间也是"约两年"起步，还要走完监管与试验流程。36氪36氪
接下来盯住三个信号
判断这三项突破何时真正落地，比站队"AI取代科学家"有用得多的是三个可观察节点：Williams与Impagliazzo团队对ETH反证的独立审查结论；Gross工作组放出整理成果的时间与文本；以及数学社区能否从局部光滑化证明里提炼出可迁移到新问题的方法。可以确定的是，最先被重塑的"职业"不在招聘市场上，而在预印本服务器和审稿办公室里——当AI生成知识的速度持续超过人类消化知识的速度，被率先改写的，是知识的生产与流通体系本身。
