---
id: "mb-20261012-486149"
kind: "deep"
title: "被重型卡车碾过：菲尔兹奖得主面对OpenAI一夜解开350个数学猜想的震动"
topic: "被重型卡车碾过：菲尔兹奖得主面对OpenAI一夜解开350个数学猜想的震动"
source_type: "generated"
status: "published"
generated_at: "2026-10-12 16:14:26"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 被重型卡车碾过：菲尔兹奖得主面对OpenAI一夜解开350个数学猜想的震动

一个拿过数学界最高荣誉菲尔兹奖的顶尖学者，周二半夜醒来，发现自己这辈子剩下的研究课题全被清空了。
这不是开玩笑，也不是夸张修辞。
他在法国数学学会的研讨会上放了一张画满大卡车的幻灯片。
他说，那种感觉就像好几辆重型卡车直接从自己身上碾了过去。

这位学者叫雨果·迪米尼-科潘。
他是 2022 年菲尔兹奖得主，现任法国高等科学研究所和日内瓦大学的教授，专攻概率论和统计物理。
按理说，到了他这个级别，站在人类数学金字塔的最顶端，早就没有任何升学或者评职称的世俗压力。
但 2026 年 10 月 6 日周二夜里发生的事情，把他彻底震懵了。

那天下半夜，OpenAI 在 GitHub 上突然公开了一个代码库。
里面没有任何商业发布会预热，直接扔出了 722 篇数学研究手稿，涵盖 372 个问题族。
一晚上时间，一口气解决了大约 350 个重大公开数学难题。

这批论文不是在打草稿，也不是大语言模型平时那种充满幻觉的信口胡诌。
其中相当大一部分结果，直接附带了计算机定理证明软件 Lean 的形式化代码。
什么叫 Lean 验证？
就是每一行推导都写成了计算机能读懂的程序，由底层编译器在毫秒级检查逻辑。
只要代码跑通了，就意味着从公理到结论每一步都在严密运行。
不存在任何逻辑跳步，也不存在人工审稿里的疏漏。

更让他浑身发凉的细节，藏在他自己的名字里。
他顺着那批论文搜了一下自己的学术引用。
这一搜，他发现 OpenAI 这批论文里，光是直接引用他本人过往工作的机器手稿，加起来就足足有 3500 页。
3500 页是什么概念？
迪米尼-科潘从求学到拿下数学界最高荣誉，穷尽整个学术生涯迄今写下的所有论文，总共大约是 3700 页。
人类顶尖学者几十年如一日、呕心沥血搭建起来的知识大厦，机器一个晚上就顺着他的地基，吐出了体量几乎相等的后续证明。

更绝的是他第二天在讲台上说的那句话：
他在过去的学术报告、发表过的论文展望、以及正在申请未来几年科研经费的项目书里，写下的所有后续研究方向和未解问题；
全部被这批手稿解完了。
没有一个留给他，一个都没剩下。
他过去几十年的知识积累，和未来几十年的工作规划，在短短几十个小时内被机器全平推了。

很多人第一反应可能是：AI 能解题不是好事吗？难题被攻克了，科技不就进步了吗？
问题在于，做数学和跑外卖不一样。
人类数学家研究一个未解猜想，从来不只是为了要那一个“是”或者“否”的最终答案。
猜想在数学里是灯塔，也是脚手架。
为了攻克一个悬了上百年的难题，一代代数学家往往需要发明全新的数学语言、创造全新的概念工具。
就像当年数学大师格罗滕迪克打过的一个比方：
面对坚硬的核桃，真正的数学家不该拿榔头去硬砸；
要把核桃泡在水里，让概念的水位慢慢上涨，几个月过去，坚果在水里自然软化破开。
在这个漫长的探索过程中，衍生出来的新工具、新理论，往往比最初那个问题本身重要十倍。
它不仅养活了一批又一批年轻的博士生和教授，更构成了整个人类理性思维的演进生态。

而大模型是怎么解决这些问题的呢？
按 OpenAI 披露的数据，这次解决每个难题，平均只消耗了其前沿模型大约 3 小时的高强度思考算力。
3 小时。
在算力和形式化编译器的加持下，机器把原本需要人类数年探索的概念建构过程，压缩成了一场超高速度的逻辑空间路径搜索。
它就像一台马力全开的工业联合收割机。
人类学者负责在荒野里开垦农田、播种施肥、标出哪里有宝藏。
迪米尼-科潘花了半辈子写了 3700 页，把渗流理论的边界全部摸清，并在论文结尾写明“这里还有哪些方向值得挖”。
结果机器开过来，顺着他标出的藏宝图，几个小时就把农田里所有的庄稼全收割光了。

早在这次大爆发前的 28 天，也就是 9 月 11 日，包括迪米尼-科潘在内的 25 位菲尔兹奖得主，就罕见地联名发表过一封公开信。
他们当时呼吁科技公司：不要把数学研究变成单纯的刷题打怪和掠夺性收割。
因为一旦所有的中短期未解课题在几小时内被清空，整个学术生产关系就面临中断。
一个年轻的研究生，辛辛苦苦读了三年文献，刚确定一个博士课题；
周二睡一觉起来，发现 GitHub 上已经有一份几十页的机器证明，连形式化代码都跑通了。
他拿什么去毕业？大学又凭什么给他教职？
当解题变得像自来水一样廉价，传统依靠“提出问题、申请基金、培养学生、缓慢解题”的学术训练链条，瞬间失去了时间缓冲。

更讽刺的是，数学界的工作瓶颈在这一夜之间彻底倒转了。
过去是“想出一个好证明极难，看懂并验证一个证明相对容易”。
现在倒过来了。
机器用极便宜的算力，在几天内倾倒出几百篇高难度手稿。
全世界就算把所有顶尖数学家集中起来，不吃不喝，三年也看不完这些机器证明背后的逻辑全貌。
机器负责不知疲倦地生产答案。
而人类坐在讲台前，看着那几千页密密麻麻的符号，竟然成了那个根本来不及理解答案的看客。

_Rendered by mubei-terminal._