10月26日,OpenAI公布了数学、计算机科学和理论物理领域的三项重要研究成果。OpenAI总裁Greg Brockman在X上将其称为三项重大科学发现,而这三项成果目前都还没有得到学界的正式承认。这份公告真正改变的是一个判断标准:三项成果的"对错",全部处在机器可以自动核验的范围之内。率先被重塑的职业,因此未必是"替代概率排行榜"前列的那批名字,而是三类"答案可被机器核对"的工作——科研的产出执行层、程序员的体力活部分、文书核验型白领。哔哩哔哩36氪
先纠正两个正在刷屏的误读。这两天被反复转发的"攻克纳维–斯托克斯方程"并不在这三项之内,它早在9月8日就被单独公布过一次。杨–米尔斯这项也只为千禧年难题交付了"存在性"这一半,并未解决"质量间隙"。把近两个月的系列发布压缩成"一夜攻克三大千年难题",是对这轮进展最常见的误读。36氪36氪
为什么恰好是这三件事
比起成果难度,更值得注意的是三者的共同结构。局部光滑化猜想的证明10月18日产出,10月19日就完成了Lean形式化;ETH的反例10月16日生成,次日完成形式化。Lean是一个机器证明检验系统,证明一旦通过检验,"对不对"就不再依赖任何权威的背书。数学定理、算法反例、场论存在性,恰好都是输出可以被机械验证的工作。36氪
物理部分是这条规律的最佳反例。这项最靠近现代物理学基础的成果,目前要由专家组先把材料整理成同行能读、能判、能继续使用的研究文本,AI生成的原始证明暂时不公开。牵头整理的是2004年诺贝尔物理学奖得主戴维·格罗斯带领的工作组。机器能验,不等于人能懂——这个时间差,恰恰是判断落地节奏的钥匙。36氪
人类数学家的节奏可以作参照:2019年,Larry Guth、王虹和张瑞祥证明了二维空间下的局部光滑化猜想。一年后,王虹与约书亚·扎尔攻克三维挂谷集合猜想,被同行称为世纪级进展。这一次,OpenAI直接宣称"所有维度",并把挂谷猜想、Stein限制猜想纳入推论。冲击不只在于结果,而在于以年计的人类推进被压缩到了以天计——这才是科研岗位焦虑的真正来源。36氪
第一波:按"答案能否被机器核对"重新排序
替代不会以"某个职业整建制消失"的方式发生,而是按任务一块块转移:过去要10个人干完的活,变成3个人加一套AI系统。以此为标准,这次三项突破点到的第一波有三类。
科研的"产出执行层"最先承压。OpenAI核心工程师翁家翌在今年1月一期播客访谈中的判断被广泛转述:纯 Researcher 可能是第一波被 AI 取代的工作。10月6日,OpenAI集中公开了722篇数学手稿,而此前那批手稿公开后,有三份因证明中的符号错误被撤回。执行层面AI确实在产出,核验瓶颈也随之暴露。研究者保留下来的部分,陶哲轩说得很具体——他痛心的是,这些AI证明背后没有一个人能回答问题、做报告、带学生。职业重心正从"产出成果"移向"把成果变成理解、教学与判断",后者没有Lean可验,短期内仍是人类的地盘。知乎36氪36氪
程序员的"体力活"部分。奥尔特曼10月23日在与研究者马修·伯曼的对谈中说,程序员没有被AI淘汰,反而可能更忙、赚得更多,因为"这个世界对软件的需求,实际上远远超过了我们此前任何人的想象"。但这番话的前提是工作内容已经改变:写重复代码、查接口、改简单Bug这类环节优先转移给AI,人向架构、判断与责任端移动。ETH证伪又把梯度拉到了最高处——AI开始产出理论计算机科学级别的原创结果,"写代码"与"理解什么可计算"之间的难度梯度正在同时被抹平。36氪
文书核验型白领。政策面已经点名。据公开平台对国务院办公厅10月23日公布、国办发〔2026〕29号文件的解读转述,官方判断是:AI对就业的替代效应局部正在显现,制造业流水线工人、文书助理、初级会计等职位受冲击较大。这份文件与三项突破发生在同一周,一个是能力边界前移,一个是治理侧应答,指向的恰是同一批"规则密集、输出可核对、无需现场担责"的岗位。知乎
至于医生、教师、现场管理者这些需要有人签字负责、必须与具体的人打交道的工作,重塑会慢一些;但慢不等于免疫——这些职业内部的文书与核验环节,同样落在第一波。有安全治理学者在中国新闻网的采访中把就业冲击列为AI带来的四类社会风险之一。中国新闻网
从官宣到落地:先过"人读"这道瓶颈
三项突破目前全部处于"待独立验证"状态——相关成果仍有待学术界进一步独立检验。ETH的审查由最有资格"不认账"的人组织:OpenAI邀请了这一假设的两位原始提出者Impagliazzo、Paturi,以及MIT的瑞安·威廉姆斯组建外部团队,审查是开放、独立的。如果证伪成立,数百篇以其为前提的论文要改写。而消化周期已有先例:那份证明由近1万个智能体在88小时内写完,七周过去,一些数学家才开始读懂其中的思路。“机器验证完成→人类审查跟上→工程应用”,会是这轮突破共同的落地节奏;此前8月,OpenAI的一次数学突破公布也曾被质疑夸大,学界对AI产出的信任本身就在这个循环里被反复校准。哔哩哔哩36氪36氪
落地过程还在长出新需求。奥尔特曼在那场对谈里提到,已经有人开始对另一类工作产生兴趣:理解这些新的数学思想,把它们转化成普通人能理解的内容。审查者、翻译者、教学者——"把AI的证明变成可继承的知识"本身,可能就是重塑之后最先补齐的岗位。
对用户来说,与其背一份替代率,不如盯三个可观察的信号:ETH独立审查的结论,决定理论计算机科学重塑的烈度;格罗斯工作组整理出的物理可读证明能否经受同行评议;以及29号文件要求的就业风险评估与转岗支持——对可能造成较大就业冲击的AI应用场景项目,评审时同步开展就业风险评估。这场地震最先改变的不是某个职业的名字,而是判断一份工作是否安全的标准:只要答案能被机器核对,这个环节就不再受"专业性"保护;而需要有人签字负责的部分,暂时还是人的。知乎
当前文章无评论,是时候发表评论了