OpenAI 一次放出 722 篇数学手稿：AI 做科研的范式要变了吗

10 月 6 日，OpenAI 在 GitHub 上放出了一个叫 openai/math 的仓库，里面是 722 篇数学手稿。这些手稿全部由一个尚未发布的内部前沿模型产出，被归成 372 个成果家族，覆盖从数论到量子场论的多个分支。列表里有不少名字能让学过数学的人停下来多看两眼：准黎曼猜想、四维挂谷猜想、唯一游戏猜想……

没有预告，没有经过传统同行评审，甚至无视了学术界习惯的「先打招呼」流程。OpenAI 就这么把结果丢了出来。消息一出，数学界和 AI 圈同时炸了锅。

一、这 722 篇手稿到底是什么

先厘清一个常见的误读：722 篇手稿不等于解决了 722 道独立难题。OpenAI 自己给的口径是「372 个成果家族」——一个家族可能包含一个主结果、若干相关推论，或同一问题的不同证明方式。所以更准确的说法是：一个 AI 模型产出了 722 篇文档，围绕 372 组此前悬而未决的数学问题给出了主张。

这些结果来自对约 4000 个开放数学问题的评估，平均每个结果花费了约 3 小时的推理算力（官方口径是 ChatGPT Pro 级别的思考算力）。其中分量最重的几项，包括对数空间计算去随机化（L = RL = BPL）这类理论计算机方向的声明，以及准黎曼猜想相关的工作。

更重要的是：这不是一个「AI 写了几篇论文」的小打小闹，而是 OpenAI 把「未发布模型的科研能力」直接以公开仓库的形式摊在了所有人面前。模型本身没有开放，只开放了手稿和部分推理摘要。

二、Lean 形式化：让机器验证机器

这堆手稿里最值得关注的工程细节，是 Lean 形式化证明。Lean 是一种交互式定理证明工具，写出来的证明可以被计算机逐行机械验证——不需要信任作者，只需要运行检查。

OpenAI 为不少手稿的主结果提供了 Lean 形式化版本。按后来更新的口径，在全部 719 篇（撤回 3 篇后）中，约 300 篇的主结果已完成形式化，占比约 42%。这意味着相当一部分成果不再依赖「人类审稿人是否愿意读」，而是可以交给程序判定对错。

这是 AI 做科研可信度问题的一个关键答案：与其让人类逐行审，不如把证明翻译成机器能验证的形式。当然，形式化的过程本身也可能出错，而且「形式化的是不是原作者声称的命题」仍然需要人工判断——但这条路径显然比纯文字论文更接近「可验证」。

有意思的是，发布后不久就有反馈说其中 3 篇手稿存在符号错误，OpenAI 已经撤回并修正，同时补充了新的 Lean 形式化。这说明这套流程不是完美的，但它至少在「快速发现并纠正错误」上跑得动。

三、学界为什么炸锅

OpenAI 这次的发布方式，几乎把学术界踩了个遍。

第一，没有同行评审。传统数学论文要经过漫长的审稿、修改、发表流程，而这次是直接把手稿扔进仓库。第二，没有给学界缓冲时间。很多数学家是在社交媒体上看到别人转才发现这件事。第三，部分声明触碰了数学界的「圣地」——准黎曼猜想这类问题，过去几十年无数人投入其中，突然被一个不公开的模型宣称取得进展，情绪上很难平静。

菲尔兹奖得主等重量级人物陆续表态，态度从「需要严肃看待」到「谨慎怀疑」都有。核心争议就一个：这些结果到底有多少能通过验证？722 篇里如果有相当比例被证实，那 AI 数学研究就是实打实的里程碑；如果大量被证伪，那就是一次高调的技术营销。

目前的状态是：部分结果已有 Lean 形式化背书，部分仍依赖非形式化论证，验证工作刚刚开始。结论远没有到尘埃落定的时候。

四、AI 数学的来路：这不是第一次

把时间线拉长看，AI 在数学上的尝试其实是一条不断加速的曲线。2016 年 AlphaGo 赢了围棋，但那是「规则明确、算力可穷举」的游戏；后来 AlphaProof 和 AlphaGeometry 在国际数学奥林匹克上做出过人成绩，但那是「题目有标准答案」的竞赛题。而这一次 OpenAI 面对的是开放了数十年的研究级问题——没有标准答案，没有题库，甚至没有人能预先知道答案长什么样。

从「下棋」到「做奥赛题」再到「啃开放问题」，每一步的难度都不是线性增长的。奥赛题有确定解法和评判标准，开放问题连「证明对不对」都需要专业数学家判断。OpenAI 这次把结果直接公开、并用 Lean 形式化提供部分机器验证，本质上是在回答一个老问题：当 AI 的产出超过单个专家能逐行核查的范围，我们用什么来建立信任。

所以与其说这是「AI 证明了几道难题」，不如说这是「AI 科研的信任机制」第一次被摆上台面。历史对照的意义在于提醒你：每一次「AI 突破数学」的新闻，真正值得看的是它改变了哪条路径——是算力堆出来的偶然，还是可复现、可验证的规模化能力。

五、对普通人的三个启示

如果你不做数学研究，这件事依然值得你更新认知。

• 测试时计算的里程碑。约 3 小时推理算力换一个开放问题的结果，这在「测试时计算」（让模型多想、多验证）的路线图上是标志性事件。AI 的能力边界不再只由「训练时花了多少钱」决定，推理时愿意花多少算力同样重要。
• AI 科研的范式开始分化。一边是 OpenAI 这种「内部强模型 + 公开结果 + 机器验证」的激进路线，一边是传统学术界的谨慎同行评审。两条路线短期内不会互相说服，但「AI 独立产出科研成果」不再是科幻。
• 别把「AI 宣称」当「AI 证实」。这次事件是绝佳的媒体素养案例：同一个事实，有的标题写「一夜攻克 722 个难题」，有的写「部分待验证」。你读到的信息质量，取决于标题后面有没有加「未证实」三个字。

六、创作者可以怎么用这个选题

对内容创作者来说，这是个天然的爆款素材，但也是容易翻车的题材。给你三个稳妥的切入角度。

• 科普向：讲清楚「722 篇 ≠ 722 个定理」，「形式化证明」是什么，为什么机器验证不等于数学界的认可。这类内容有信息增量，且经得起追问。
• 行业向：讨论 AI 进入科研领域后，论文评审、学术发表、科研经费分配会怎么变。这对研究生和科研人员群体很有共鸣。
• 辟谣向：针对「AI 已经证明黎曼猜想」这类标题党做拆解，讲清楚证据链上的每个环节。

无论选哪个角度，记住一个原则：把「OpenAI 声称」和「已经证实」分开写，读者会因此更信任你。

七、接下来盯什么

未来几周，这件事会按几条线展开：

• 验证进度：数学社区会陆续发布对具体手稿的核查意见，看有多少结果能站住。
• 后续更新：OpenAI 会不会继续补充 Lean 形式化，或者公开更多推理细节。
• 模型本身：这个内部模型的能力范围、何时开放、能否被独立复现，才是真正影响行业的事。

一个务实的判断：哪怕这 722 篇最后被证实一半，AI 数学研究这件事也已经完成了从「演示」到「规模化产出」的跨越。真正值得你长期跟踪的，不是某篇论文对不对，而是「AI 独立科研」这条路，正在以多快的速度从边缘走向主流。