8 月 11 日，科技媒体 The Verge 发布了一篇引起轰动的深度报道，标题就叫《AI 对数学的接管已经开始》。报道的核心事实是：OpenAI 用内部一个尚未发布的模型 Astra，解决了 10 个长期悬而未决的数学难题——其中任何一个，放在过去都足够让一位学者在学术界立足。
这 10 道题覆盖了从抽象到应用多个方向：高维空间球体最密堆积（和数据编码、传输效率直接相关）、纠错码的极限（关系到信号噪声中如何恢复信息）、复杂连通网络的结构规律、量子博弈论，以及高维网格中的目标搜索（与后量子密码学相关）。
其中最受关注的成果，是证明了”非 sofic 群的存在性”。sofic 群是一类可以用有限结构近似的无限数学结构，”非 sofic 群是否存在”这个问题已经悬置了几十年，被视为纯数学的核心难题之一。Astra 不仅证出了结果，还用定理证明软件 Lean 把全部 250 多页论文里的每一步逻辑都做成了机器可验证的形式化证明，另附 60 页”思路是怎么来的”说明，所有文件已在 GitHub 上公开。
OpenAI 还给出了一组让人倒吸一口凉气的数字：按当前 API 价格估算，产出这 10 个解法所需的 token 成本大约是 2000 美元。一位伦敦数学科学研究所的数学家 Yang-Hui He 评价说：”这 10 道题，解出任何一道都能在学术界找到一份工作。”
消息传开后，数学界既兴奋又不安。兴奋的是，AI 正在以肉眼可见的速度参与真实的前沿科研；不安的，主要是四件事。
第一件是经费。数学在传统上是一门”便宜”的学科——很多数学家做研究根本不需要申请大额经费。但如果顶尖成果都要靠算力堆出来，哪怕按 OpenAI 自己报的 2000 美元，对于小机构和欠发达地区的研究者来说，都可能是”被锁在门外”的入场券。多位研究者认为，真实成本大概率比这个数字高得多，因为 10 个成功解法背后，可能还有大量没被公布的失败尝试。
第二件是商业化对纯数学的渗透。数学界 6 月刚签署了《莱顿宣言》，批评 AI 公司绕过同行评审、用新闻稿发布成果。这次 OpenAI 也是先发公告、后等验证，流程上绕过了学术界的传统审稿机制。
第三件是功劳归属的争议。OpenAI 最初在公告里说，这些是”至少十年没有进展”的问题。但匈牙利数学家 Gábor Kun 和德国数学家 Andreas Thom 的研究，实际上为其中一个关键结果（非 sofic 群）奠定了基础。剑桥大学的数学家指出，OpenAI 最初的说法低估了人类研究者的贡献。在舆论压力下，OpenAI 修改了措辞，承认证明”关键性地依赖”于 Kun 的工作。
第四件是对年轻一代的冲击。数学家们坦言，研究生通常研究的那类问题，正在被 AI 一个个攻克。如果学生一上来就遇到”AI 已经解过的题”，技能训练和职业路径都会受到影响。牛津大学的菲尔兹奖得主 James Maynard 说，他过去一年花了大量时间做”灵魂拷问”：这个传统上节奏缓慢的学科，要怎么应对 AI 的冲击。
把时间线拉长一点，你会发现这绝不是孤立事件。今年 5 月，OpenAI 一个未命名模型破解了 Paul Erdős 遗留近一个世纪的猜想；7 月，Anthropic 的 Claude Fable 5 用一个反例推翻了几十年未被证伪的 Jacobian 猜想。三个月里连续三个重磅进展，以至于有数学家形容，过去半年数学界发生了一场”相变”——AI 正在产生真正有意义的研究贡献。
这里需要冷静说清楚几件事，避免过度解读。
第一，Astra 目前还没有发布，公众无法使用。它更像 OpenAI 展示”下一代模型能力”的技术窗口，而不是已经上线的产品。
第二，Lean 形式化验证保证了”证明内部逻辑自洽”，但并不能自动保证”解的确实是那道题”以及”结论具有原创性”。10 项成果目前都还没有经过正式的同行评审。
第三，”接管数学”是媒体标题的修辞，不是事实。AI 目前展现的是”组合已知方法、跨领域迁移”的能力，还没有表现出自主开辟全新研究方向的能力。
但对普通人的启示依然是清晰的：AI 的能力边界，正在从”帮你写文案、做图、写代码”，延伸到”参与人类最困难的心智劳动”。这个行业变化的节奏，可能比多数人以为的更快。看懂它，至少能在下一次技术浪潮来临时，少一些措手不及。
