AI能写证明之后，为什么读懂证明的人反而更稀缺了

前几天，我连续刷到几条几乎一模一样的消息。

“OpenAI内部神秘模型Astra，一口气解决10个长期未解数学难题。”

“总成本只花了2000美元。”

“人类数学家可能真的要失业了。”

第一次看到时，我也愣了一下。

10个长期未解问题。

2000美元。

平均一个问题200美元。

这几个数字放在一起，实在太有冲击力了。

在很多短视频的描述里，整件事就像一场数学界的“横扫”。

OpenAI拿出一张特殊试卷，上面写着十道人类几十年都没有做出来的大题。

神秘模型Astra坐下来，思考了一会儿。

然后，“啪”的一声，把十份完整答案拍在桌上。

最后，系统弹出账单：

2000美元。

这个画面极其容易理解，也极其容易传播。

但我认真看完OpenAI发布的原始材料后，发现事情并不是这样。

准确地说，网络上流传最广的那个版本，把几个完全不同的概念压缩成了一句话。

而压缩掉的部分，恰恰比“AI解决十道题”更加重要。

因为这件事真正预示的，并不是AI突然变成了数学之神。

而是人类知识生产的瓶颈，正在发生一次根本性的转移。

被传播标题吃掉的两个字

OpenAI在2026年8月1日发布的原文，标题是《数学与理论计算机科学的十项进展》。

官方对于这十项结果的表述非常谨慎：

每一项成果，都“解决了一个长期开放问题，或者在该问题上取得了实质性进展”。

请注意中间的两个字：

或者。

就是这两个字，在大量二次传播中消失了。

“解决十个长期难题”和“解决或推进十个长期开放问题”，听起来非常接近，实际含义却差得很远。

因为这十项成果根本不是十道规格相同的数学题。

有些成果证明了一条完整定理。

有些成果给出了一个反例，直接推翻了原来的猜想。

有些成果改善了一个几十年没有变化的数学边界。

还有一些成果，解决的是一个关键子问题，而不是整个研究方向的终极问题。

把它们全部翻译成“解决十道数学难题”，就像把登顶珠峰、发现一条新登山路线、刷新海拔纪录和证明某条路线无法通行，全部概括成“爬完了四座山”。

不能说完全错误。

但理解一定会被带偏。

没有解决整个球填充问题，也依然可能是重大突破

我觉得最能说明问题的，是高维球填充。

所谓球填充，可以简单理解成：怎样把很多同样大小的球放进一个空间，让它们尽可能紧密，同时又不能互相重叠。

在二维空间里，它有点像把一堆硬币摆在桌面上。

在三维空间里，它有点像把橙子堆进箱子。

可一旦维度增加到几十维、几百维，问题就不再能靠直觉理解。

Astra并没有直接给出“所有高维空间中球应该怎样排列才最密”的最终答案。

它完成的是另一件事：

改进高维球填充密度的一般渐近上界，并确定一种重要方法能够达到的极限。

OpenAI发布的论文称，这是自1978年以来，高维一般球填充指数上界的首次改进。

这当然是一项重大进展。

但它不等于“整个高维球填充问题已经被彻底解决”。

这也是为什么，阅读AI研究新闻时，我越来越警惕“解决”这个词。

在普通人的理解里，解决往往意味着：

问题结束了。

答案出来了。

以后不用研究了。

可在科学研究中，解决一个子问题、推翻一个猜想、改进一个上界、确定一种方法的能力极限，都可能被视为真正的研究成果。

科学并不是一张只有标准答案的试卷。

它更像一片没有完整地图的大陆。

有人找到终点。

有人修了一座桥。

有人证明前方是悬崖。

这些都叫进展。

“只是找到一个反例”，可能已经一锤定音

很多人还会低估反例的价值。

比如一个猜想说：

“所有天鹅都是白色的。”

要证明它成立，你可能需要检查世界上的每一只天鹅。

但要证明它错误，只需要找到一只黑天鹅。

这就是反例。

所以，当AI找到一个反例时，并不意味着“任务只完成了一半”。

对于某些数学猜想来说，一个有效反例就已经足以彻底终结原命题。

OpenAI公布的十项成果中，就包括对Connes刚性猜想以及极值图论中部分猜想的反例或否证结果。

不过，推翻一个猜想和建立一套全新的理论体系，仍然是两种不同的研究能力。

前者证明旧路走不通。

后者还要告诉我们，新路在哪里。

所以，更准确的说法不是“Astra一次性完成十道同级别数学题”。

而是：

同一个内部模型，在多个数学与理论计算机科学领域中，批量产生了不同类型的研究级候选成果。

我认为，这才是整件事最值得关注的部分。

2000美元是真的，但不是你以为的那张账单

接下来，我们再看那个传播力最强的数字：

2000美元。

OpenAI的原文是，这些问题在“寻找解法”阶段所消耗的token，如果按照Sol API的价格进行折算，总计大约价值2000美元。

真正执行研究任务的是尚未公开的内部版本Astra。

Sol只是计算价格时使用的标尺。

因此，2000美元并不是一个凭空编出来的数字。

但它是一个范围非常窄的数字。

它更像是电影完成渲染后的一张算力小票，而不是整部电影的制作总账。

至少有几类成本没有被这个数字完整覆盖：

Astra本身的训练成本没有算进去。

问题由谁选择、为什么选择，没有算进去。

一共尝试过多少问题，没有公开。

走过多少条失败路线，也没有公开。

后续整理手稿、形式化证明和专家审查，同样不能简单塞进这2000美元里。

这就产生了一个非常关键的“分母问题”。

假如模型只尝试了10个问题，成功了10个，那是一种能力。

假如模型尝试了100个问题，成功了10个，是另一种能力。

假如模型扫描了10000个问题，最后挑出10个最成功的案例，又是完全不同的一种能力。

目前公开材料披露了成功结果，却没有给出完整的问题池规模和失败搜索成本。

因此，我们不能从2000美元直接推出：

“AI解决一道开放数学问题只需要200美元。”

能确定的只有一件事：

在这批成功案例中，生成候选论证所消耗的token，按公开API价格折算已经非常便宜。

候选答案越来越便宜。

但选题、筛选、试错、验证和责任，并没有因此消失。

真正的跨越，不是从银牌到金牌

要理解这次变化，我们还要回到数学竞赛。

2024年，Google DeepMind的数学系统在国际数学奥林匹克竞赛题目上达到了银牌水平。

2025年，Google和OpenAI的实验系统都达到了金牌分数线，能够解决六道题中的五道。

这是非常强的进步。

但奥数再难，本质上仍然是一场考试。

考试具有几个重要条件：

题目已经被确定。

出题人知道问题可以解决。

参赛者知道题目大概率存在可在规定时间内完成的解法。

评委手里还有评分标准。

也就是说，AI面对的是一个边界已经画好的迷宫。

出口很难找。

但人类知道出口存在。

开放数学问题完全不同。

一个问题之所以长期开放，意味着人类可能不知道答案是什么，不知道原猜想是真是假，甚至不知道现有数学工具是否足以处理它。

这里没有标准答案。

没有现成评分表。

有时连“这个结果算不算重大进展”，都需要一个领域经过讨论后才能形成共识。

因此，Astra最值得关注的变化，不是把考试分数从银牌刷到了金牌。

而是模型开始尝试交付：

没有答案本、需要同行判断、可能产生新知识的研究结果。

从“解题模型”到“研究参与者”，中间隔着的就是这一步。

它不是一场神秘聊天，而是一条人机研究生产线

这次公布的成果横跨高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码和极值组合数学等方向。

更重要的是，它们并不是模型在聊天框里吐出十段文字后，OpenAI就宣布胜利。

官方披露的流程至少包含三个阶段。

第一阶段，Astra寻找候选解法和核心数学论证。

第二阶段，人类研究人员与同一模型合作，把论证整理成可以阅读的数学手稿。

第三阶段，模型将证明形式化为Lean证书。

OpenAI同时公开了一份249页的论文，以及与十项成果对应的Lean形式化仓库。

所以，这不是一次“AI灵光一闪”。

它更像一条新型研究流水线：

模型负责大规模搜索和生成候选论证。

人类负责整理、对应原问题和解释数学意义。

形式化工具负责检查逻辑链条。

专家负责判断创新性和研究价值。

AI并没有独立运营一家研究所。

但它已经开始占据研究生产线中最核心、也最昂贵的环节之一：

产生此前不存在的候选成果。

Lean很严格，但它不是“数学界自动盖章机”

这里必须解释一下Lean。

Lean是一种交互式定理证明工具。

研究人员把数学定义、命题和证明步骤翻译成形式语言后，Lean的内核可以检查一个证明是否能够从既定定义、公理和前置结论中严格推出。

你可以把它想象成一台极其严格的数学验算机。

普通数学论文中，一句话可能写成：

“显然可得。”

Lean不会轻易接受“显然”。

每一步如何推出，依赖了什么定义，使用了什么定理，都要能够被系统检查。

OpenAI公开的仓库元数据显示，形式化项目的 sorry_count为0，也就是没有使用代表未完成证明的占位符；项目记录的形式化流程实际耗时约一周，审查状态则标记为agent-reviewed。

这是一个很强的形式验证信号。

但它仍然不等于“数学界已经完成验收”。

因为Lean能回答的问题是：

“按照这些形式定义和前提，这个结论能否严格推出？”

它无法单独回答：

“形式化的命题，是否准确对应数学家原本提出的问题？”

“这个成果是否真的首次出现？”

“是否遗漏了前人的相关工作？”

“这个结果对所在领域究竟有多重要？”

Lean官方文档也明确区分了两件事：

一个命题是否拥有有效证明，与这个形式命题在人类语境中究竟意味着什么，并不是同一个问题。

这就像一份合同。

电脑可以检查合同内部是否自洽。

但它不能仅凭形式逻辑判断，这份合同是否准确表达了双方原本想达成的交易。

AI数学成果至少要过三道门

我把AI生成的数学研究成果，大致分成三道验收关。

第一道，是形式正确性。

证明的每一步是否成立？

有没有逻辑跳跃？

有没有隐藏使用不允许的假设？

Lean在这一关非常有价值。

第二道，是语义对应性。

形式化后的命题，是否真的是原来的开放问题？

有没有在转换定义的过程中悄悄缩小范围？

有没有证明一个看起来很像、实际却不同的命题？

这一关需要形式化专家和领域数学家共同完成。

第三道，是创新性与重要性。

结果是否已被别人提前证明？

引用是否完整？

它解决的是核心问题，还是技术性分支？

能否带来新的方法和后续研究？

这一关，依然需要数学共同体的同行评议。

截至2026年8月6日，OpenAI仓库公开标注的仍是“代理审查”，而不是“已完成外部同行评审”。

这不代表成果存在错误。

它只意味着：

机器验算通过，不能被提前翻译成整个数学界已经完成验收。

AI越会生产结果，人类的验收账单可能越贵

看到这里，我反而觉得数学家不会突然没活干。

他们可能会变得更忙。

因为当模型能够低成本生成大量候选证明后，人类专家需要完成的工作会迅速增加。

核对问题。

阅读证明。

还原关键思想。

排查隐含假设。

搜索既有文献。

判断创新程度。

评估成果是否能够推广。

最后，还要有人公开署名、背书并承担责任。

过去，数学研究最稀缺的是能够写出证明的人。

未来，更稀缺的可能是愿意把几百页证明读完，并且真正有能力判断它意味着什么的人。

这就是我从Astra事件中看到的关键趋势：

知识生产的瓶颈，正在从“生成候选答案”，转向“验证答案、理解答案和使用答案”。

这和互联网时代很像。

当内容生产变得便宜后，稀缺的不再是内容。

而是注意力、判断力和可信度。

当AI研究成果也开始批量出现后，稀缺的将不只是研究能力。

而是高质量同行评议、形式化基础设施、领域共识和责任机制。

这件事和普通人的工作有什么关系

很多人看到数学新闻，会觉得离自己的工作很远。

其实并不远。

因为几乎每一份工作，都同时包含两类任务。

第一类任务，有答案本。

代码能不能通过测试。

数据加总是否正确。

合同有没有漏掉必要条款。

流程是否缺少审批环节。

表格公式是否写错。

这类任务的特点，是结果容易被验证。

第二类任务，没有答案本。

这个产品到底要不要做。

这个人值不值得招聘。

这条业务路线是否应该继续投入。

某项风险是否值得承担。

一份方案究竟能不能在现实环境中运行。

这类任务的特点，是你不仅要给出答案，还要定义什么叫“好答案”。

以前我们习惯认为，AI只能完成第一类任务。

Astra所代表的变化是，AI正在开始进入第二类任务：

它可以在没有现成答案的情况下，生成一套新的候选方案。

但请注意，是“候选方案”。

能生成，不等于能采用。

能论证，不等于能落地。

能通过内部测试，不等于能对现实后果负责。

数学之所以会走在前面，是因为数学拥有Lean这样的形式化验证工具。

而企业战略、医疗决策、法律意见、组织管理和产品方向，往往没有一台可以直接按下按钮的“正确性检查器”。

可验证性越强的行业，越容易率先引入高自主性的AI。

可验证性越弱、现实责任越大的行业，人类验收者就越重要。

当答案变得便宜，真正昂贵的是问题和责任

所以，看完整件事后，我最大的感受并不是：

“AI只花2000美元，就把数学家打败了。”

我看到的是另一幅画面。

模型正在让候选答案的生产成本快速下降。

过去需要少数专家长期搜索的思路，现在可能被模型并行探索。

过去因为时间不够而被放弃的路线，AI可以继续尝试。

过去无法规模化的研究探索，开始呈现出工业化生产的雏形。

但当答案越来越多，新的难题也随之出现。

哪些问题值得解决？

哪些结果值得相信？

哪些证明真正有新意？

哪些结论能够进入现实世界？

出了问题，谁承担责任？

Astra最重要的意义，不是它给数学家交了十份答案。

而是它把一张更大的试卷，递到了所有人面前。

以前，我们竞争的是谁更会回答问题。

接下来，我们竞争的可能是：

谁能提出真正重要的问题。

谁能设计可靠的验收标准。

谁能从海量候选结果中识别价值。

以及谁愿意为最终决策负责。

当“给出一个看起来不错的答案”变得异常便宜以后，真正昂贵的，从来不是答案。

而是问题。

是判断。

也是责任。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）