一句话看懂：据社交平台账号 @MillerAurval 整理，OpenAI 在约一个月内接连公布千禧年难题证明与 722 篇 AI 生成的数学手稿，引发陶哲轩等数学家公开质疑，也让”AI 做数学”的评估方式与学术规则成为争议焦点。
事件核心：发生了什么
按该帖梳理的时间线，2026 年 9 月 8 日，OpenAI 称其内部系统给出了纳维-斯托克斯方程存在性与光滑性问题的证明——这是克雷数学研究所 2000 年公布的七大千禧年难题之一。帖中称攻关动用了约 1 万个 AI agent 并发协作，运行 88 小时，消耗约 1300 亿 token，产出 166 页证明，再用 17 小时在 Lean 中完成形式化验证。
10 月 6 日，OpenAI 又在 GitHub 一次性公开 722 篇 AI 生成的数学手稿，方向涉及准黎曼猜想、霍奇猜想、BSD 猜想等，其中一篇 175 页指向四维挂谷猜想。帖中称这批内容来自约 8000 道开放性数学题测试，命中率约 5%，平均每题约 3 小时 GPT-Pro 级算力。需要注意，这些说法来自该社交帖，目前公开信息显示尚无 OpenAI 官方公告与之对应。
数学界的反应同样迅速。9 月 11 日，陶哲轩、邓煜等 25 位菲尔兹奖得主联署声明《数学领域中人工智能的严重错位》，批评把数学问题当基准刷榜；10 月上旬，陶哲轩牵头的人类数学协会（AHM）呼吁暂停与 OpenAI 合作。Scott Aaronson 用”Mathocalypse”形容此事，杨立昆则持乐观态度，认为形式证明自动化是数学进入新阶段的标志。
为什么重要
这不是单纯的”AI 又赢一局”。数学之所以首当其冲，是因为证明可被客观检验、对象高度可数字化，Lean 这类形式化工具又提供了现成验证器，前沿实验室的重金算力因此在这里最快见效。但陶哲轩提出的”证明消化不良”点出了结构问题：解题分生成、验证、解释、被理解接受、融入理论五步，AI 在前两步狂飙，后三步几乎原地踏步。
对 AI 行业而言，这是一次”用答案换信任”的撞墙。722 篇手稿换来的不是掌声，而是顶尖数学家的联合抵制。如果产出无法被人类理解、验证与吸收，算力肌肉秀很难转化为学术或商业上的正当性。
对用户/开发者/创作者的影响
对开发者和研究人员，最直接的信号是评估方式会变。陶哲轩呼吁透明评估，把失败结果和算力成本一并报告；幸存者偏差会掩盖大量失败案例。厂商只展示精挑细选的成功，会误导后续投入。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对学术与内容创作者，规则可能被重写：Lean 通过不等于论文录用；作者栏可能拆分为模型名、阐释者与验证人；期刊大概率强制披露用过哪个模型、花了多少算力。优先权可能属于第一个给出可读论文与公开阐释的人，而非第一个甩出 AI 预印本的人。AI 能批量生产论文，读不读博的关键不在产出，而在训练吸收硬材料、提出好问题的能力。
值得关注的后续
一是 OpenAI 是否就这些数学结果给出正式说明、可复现材料与失败率数据，而非停留在社交平台流传。二是 AHM 等组织的”暂停合作”呼吁是否影响高校、期刊与实验室的评审和投稿规则。三是形式化验证与可解释性工具能否补上”后三步”，这会决定 AI 在数学之外的知识行业里能否真正落地。
