这两天，科技圈最炸的不是新手机，也不是新模型参数，而是OpenAI直接把数学界的桌子掀开了一角。722篇数学手稿，一口气甩出来，目录长得像一本厚到离谱的工具书。普通人第一反应大概不是“看懂了”，而是“这也能一次性发？”评论区最吵的点也很直接：这到底是重大突破，还是先把结果扔出来再说。

之所以大家会盯着这事不放，是因为它碰到的不是一般题目，而是黎曼猜想、霍奇猜想、BSD猜想这种级别的老问题。说白了，这些东西在数学圈就像悬了很多年的硬骨头，谁都知道难，谁都想啃，但真啃下来的人极少。现在OpenAI不是扔出一篇，而是扔出一整仓库，还带着论文、源码、部分Lean证明，架势很像“先把卷子交了”。这事要是放在你我身上，其实也不陌生，像那种项目群里有人一口气甩来几十个文件，你都不知道先点哪个。
更让人有情绪的是，它不是单纯的“快”，而是快到有点超出人类阅读节奏。OpenAI自己说，模型前后试了大约4000个研究问题，平均一项结果消耗的算力，差不多相当于ChatGPT Pro思考3小时。这个速度放在实验室里，已经不是加班能解释的了，更像是机器自己在夜里不停往前跑。现实里很多行业都这样，机器负责铺量，人负责消化，最后最累的反而是看结果的人。数学家现在面对的，就是几百篇论文一夜堆到眼前，读都读不过来，更别说逐条核验。

为什么这类热点一出来就容易引发争论？因为大家都知道，数学不是“发出来”就算完事，真正值钱的是证明能不能站住，能不能被同行一点点拆开验证。现在的情况是，仓库里有的结果已经配了Lean形式化，有的还在人工整理，有的甚至只是推理摘要。对外行来说，这像是“答案都给你了”；但对圈内人来说，恰恰是最头疼的地方——你得知道它怎么来的，哪里能复现，哪里还能继续往下推。很多人不是不想相信，而是现实里根本没有那么多人手去逐篇拆。
更微妙的是，这种事以后大概率不会少。以前是人类数学家十年磨一篇，现在可能变成模型几天吐一批，速度差太大，舆论自然会先震一轮。就像做生意的人最怕的不是没单子，而是单子来得太快、自己接不住；数学圈现在面对的，就是类似的压力。有人会觉得这是进步，有人会担心这是失控，但不管怎么说，AI已经不只是帮人改错别字、写代码了，它开始往最硬的基础研究里挤。

OpenAI这次把东西端上桌，数学界接下来要做的，不是跟着热搜表态，而是慢慢验、慢慢拆、慢慢看哪些真能留下来。问题也就来了：当机器开始成批产出人类一辈子都未必读完的成果时，这到底是数学研究的新开端，还是数学家以后只能追着AI补课？