一则关于AI实验室「压着不发」数学证明的消息，正在数学界持续发酵。
德州大学奥斯汀分校理论计算机科学教授、曾在OpenAI对齐团队担任访问研究员的 Scott Aaronson，9月15日在一篇长博文中写道，他13岁的女儿开玩笑说：「如果我想当数学家，看来大概只剩两周了。」Aaronson在同一篇文章里列出过去一个月里由AI证明或协助证明的一批长期开放问题，其中包括雅可比猜想的反例、经 Lean 验证的费马大定理，以及量子复杂性理论中悬置多年的难题。
更受关注的是清单末尾的一则传闻。Aaronson称，在纳维-斯托克斯方程证明遭遇一轮带有敌意的公众反应后，一些AI公司正把若干「非常重大的问题」的解法压在手里，准备等找到更合适的处理方式后再公开。
沃顿商学院副教授 Ethan Mollick 转发时专门表示，自己平时不传谣，但判断这条消息来自掌握内部信息的人，因此可信度不低。随后，纽约大学数学教授 Scott Armstrong 又给出更具体的说法：他被告知，OpenAI 至少从 7 月的国际数学家大会（ICM）起，就压着「数百个」数学证明没有发布。
对数学界来说，真正刺耳的不是又有一道难题被解开，而是外界不知道还有哪些题已经被AI先做出来了。
AI解题速度，已经快到按小时计算
在 Aaronson 的描述里，「数百个」未公开证明听上去惊人，但放到前沿AI实验室的算力和组织方式里，并非无法理解。
8月1日，OpenAI一次性发布了 10 项数学和理论计算机科学成果，并称每一项都解决或实质性推进了长期开放问题。到 9月1日，OpenAI 又听到消息称，有两道千禧年难题已被人解决。由于无法确认具体是哪两道，公司把所有尚未攻克的千禧年难题以及一批高影响问题，一并交给一个能力强于 GPT-6 Astra 的内部模型处理。
一个接近 100 个智能体组成的小组，用约 50 小时先解出了无外力版本的欧拉方程问题。随后，资源被集中投入纳维-斯托克斯方程。负责这一问题的系统大约有 1 万个智能体并发运行，从首批智能体启动算起约 88 小时后得到解法，之后又用了 17 小时完成 Lean 形式化验证。
仅纳维-斯托克斯这一题，就消耗了约 1300 亿个输出 token。Aaronson 估算，这份 166 页的证明至少耗费了约 1500 万美元算力，而目前大概还没有任何一个人类真正读懂它。
Armstrong 还称，实验室现在几天内就能拿出一篇 160 页的论文，以及一份数十万行规模的 Lean 形式化证明。只要听到一点风声，就能迅速调动 1 万个智能体连续运行 88 小时，这种算力规模并不是传统大学体系能够轻易复制的。
机器按天出结果，人类按年消化结果
AI产出速度与学术共同体的消化速度，已经出现明显错位。
按照 Clay 数学研究所的规则，千禧年难题的认定需要正式发表、等待两年，并接受外部专家严格审查。到目前为止，Clay 仍将纳维-斯托克斯列为未解决问题，并表示会对整个事件进行详细审查。
这意味着，机器给出结果可能只要几天，但人类真正读懂、验证、讨论并纳入学术体系，可能需要数年。同行评审、学术报告、教材吸收，这套运行了数百年的机制，面对AI批量生成证明的节奏，已经显得吃力。
在这种情况下，实验室里积压一批尚未公开的证明，在 Aaronson 和 Armstrong 的叙述中，几乎成了算力爆发后的自然结果。
公开、优先权、评审和署名都被推到台前
这场争议首先冲击的是成果公开的惯例。Aaronson 提到的「AI公司」并不只一家，而 Armstrong 直接点名 OpenAI，并给出「数百个」这一数字。作为索邦大学与法国国家科学研究中心（CNRS）的研究员，Armstrong 担心的不只是有多少证明被做出来后没有公开，更担心知识获取正在从「人人可查」转向「圈内人先知道」。他写道，关于重大成果的传闻四处流传，一个人与实验室的社交距离，会影响他知道多少。
第二个被冲击的是优先权规则。过去通常是谁先做出来并公开，谁就获得相应声誉。但在纳维-斯托克斯事件中，纽约大学数学家 Tristan Buckmaster 与 Anthropic 的 Levent Alpöge 此前已在相关方向取得进展。根据文中说法，OpenAI 正是在听到风声后，才在不到一周内集中庞大资源推进证明，并在事后联系两人提出同时发布。
陶哲轩随后在 Mastodon 上发出警告：如果现在只要传出「有人在研究某个问题」，就可能引来大规模AI算力介入，那么人类研究项目还没成熟，就可能被提前完成。这会让研究者更不愿意与同行分享有前景的思路。
第三个问题是「发表前先被读懂」这条默认规则正在失效。Lean 可以保证证明逻辑无误，但不保证人类能迅速理解。Aaronson 形容，如今的期刊编辑像《魔戒》里守城的刚铎士兵，面对海量证明涌来，如果不把部分审稿工作交给AI，人类系统根本接不住。
9月11日，陶哲轩等 25 位菲尔兹奖得主联名发表公开信，批评AI公司把数学难题当作跑分工具。公开信指出，数学真正追求的是理解，解题只是手段。
第四个问题则落在署名上。如果研究者在寻找证明的过程中几乎没有参与，是否还能署名；如果主要工作由模型完成，把 GPT-6 Astra 写进作者栏又意味着什么。Aaronson 说，现在数学家们聊天，不管从哪里开始，最后总会绕回AI。
当答案先落在服务器里，学术界面对新的不确定性
这场讨论背后，是一种此前并不常见的焦虑：一名博士生可能已经在一道难题上投入 3 年，而这道题的答案也许早就躺在某家AI实验室的服务器里，只是没有公开。
过去，学术界比的是谁先证明；现在，问题可能还包括谁先知道哪些题已经被证明。围绕公开时间、公开形式、署名归属以及由谁决定公开，争论正在变得更尖锐。
Aaronson 在博客中写道：「奇点已经开始了，只是分布得极不均匀。」他还说，自己照样要收拾洗碗机、剪脚趾甲，但在余生里，大概不会再因为「真的被需要」去证明一个定理；即便再去证明，也更多是为了乐趣。
在这层不均匀之下，被重新分配的不只是解题能力，还有知情权，以及做数学这件事本身的价值感。过去几千年，数学家的核心问题是「这道题谁能解」；现在又多出两种担忧：自己正在研究的问题，会不会早已被机器解出；手里的思路一旦说出口，会不会被算力抢先完成。
数学长期以来依赖公开交流推进。一个证明写出来，全球研究者都能阅读、检验并继续推进。可当答案先进入AI实验室的服务器，公开共享这套传统还能维持多久，已经成了摆在数学界面前的现实问题。
参考资料
- Scott Aaronson 博客：https://scottaaronson.blog/?p=10062
- Ethan Mollick 在 X 的发文：https://x.com/emollick/status/2099996799750623665