引言
想象这样一个场景：你是一位菲尔兹奖得主——相当于数学界的诺贝尔奖——你花了多年时间研究一个困扰人类近170年的终极难题。某天晚上，你在餐桌下偷偷看手机，因为有人告诉你"海啸要来了"。
然后，你睡前最后一次刷手机的时候，海啸真的来了：一家AI公司一夜之间释放了700多篇数学论文，其中一篇直接推进了你挚爱的那个难题。
这不是科幻。这是2026年10月6日真实发生的事。
牛津大学数学家、菲尔兹奖得主James Maynard后来说：“我就像圣诞节的小孩。哪怕送礼物的是一只可怕的怪物，我也太兴奋了。”
一个改变了数学的晚上
2026年10月6日深夜，OpenAI在它的研究页面上释放了一批数学论文。数量超过700篇，全部由AI模型生成。
这些论文看起来是在解决各种数学问题——几百个长期悬而未决的命题，被逐一攻克。数学界炸了锅。
《Science》杂志后来用了一个标题：“OpenAI just changed math forever. Exactly how, no one yet knows.”（OpenAI永远改变了数学。具体如何，尚无人知晓。）
但对Maynard来说，700篇论文中只有一篇是他最关心的——一篇关于黎曼猜想的论文。
黎曼猜想：数学界的"灯塔"
要理解这件事有多震撼，得先知道黎曼猜想到底是什么。
你大概知道素数——只能被1和自己整除的数：2、3、5、7、11、13……它们看起来像是随机散落在数轴上，没有规律。
但18世纪的数学天才高斯在少年时代就猜测：素数其实遵循一条简单的曲线，数字越大，素数越稀少。而实际分布在这条曲线附近波动。
1859年，高斯的学生黎曼进一步发现：这些波动可以被一个复杂的数学函数编码——具体来说，被这个函数在0到1之间的那些让它"等于零"的输入值所决定。
黎曼猜想说的是：这些零点全部精确地落在x=1/2这条线上。
如果这个猜想被证明，就意味着素数的分布远比我们以为的更有秩序——它们被一条看不见的规则紧紧约束着。
数学家已经验证了超过10万亿个零点，全部乖乖待在x=1/2上。但只要有一个例外，整个素数分布图就会被彻底颠覆。
证明黎曼猜想之所以是数学界的终极挑战，是因为它太难了。难到数学家们拿研究黎曼猜想的人开玩笑。哪怕只是微小的推进——比如Maynard自己在2024年的工作——都会被视为重大突破，因为每一步努力往往能打开全新的数学分支。
西北大学数学家Bryna Kra说：“黎曼猜想在数学中拥有特殊的地位。它就像一座灯塔。”
AI做到了什么？
现在回到OpenAI那700篇论文。
AI模型证明了一件事：在临界带的右边缘（从7/8到1的区间内），不存在任何零点。
这个结果被称为"准黎曼猜想"（quasi-Riemann hypothesis）。它还没有完全证明黎曼猜想，但它缩小了"零点可能藏在哪里"的范围——就像在茫茫大海中排除了一大片区域。
更重要的是，这个结果不仅仅适用于黎曼的那个函数，而是推广到了一大类函数——在这个过程中，它同时排除了一个叫"Siegel零点"的存在。
Siegel零点是什么？它是数论中一个困扰了数学家近一个世纪的幽灵。如果存在，它会严重扭曲我们对素数分布的理解。
OpenAI释放的另一篇独立论文，也从不同路径排除了Siegel零点。
Maynard说：“两篇独立的、不同路径的Siegel零点排除证明——这完全令人震撼。”
罗格斯大学数学家Alex Kontorovich说得更直接：“我不认为我能活着看到这个结果——而我还没那么老。”
AI的思考方式：把冷门想法组合出奇迹
最有趣的细节是：AI是怎么想到这个证明的？
Maynard仔细阅读后发现，AI使用了一些"在数学中不太主流"的技术角落——那些很少被人想到和黎曼猜想联系在一起的冷门想法。
“它把这些想法以极其聪明的方式拼在一起，然后完成了一个跳跃。“Maynard说。
讽刺的是，这个发现反而让Maynard对人类数学家更有信心了。因为AI证明的不是"需要超人的智力才能到达这里”，而是"用我们已有的工具，可以走得比我们预想的更远”。
换句话说，答案一直在那些旧想法里——只是没有人想到用这种方式组合它们。AI擅长的是在海量已有知识中发现隐藏的连接。
“AI给你看门，人类来打开它”
在OpenAI释放的700多篇论文中，只有一篇经过人类编辑——就是这篇准黎曼猜想的论文。
OpenAI没有公开这些人类合作者的名字，这让很多数学家感到沮丧，因为他们很想当面问AI是怎么想的。
但人类参与显然起了作用。不同于OpenAI上个月发布的纳维-斯托克斯方程的AI证明（那个结果混乱难懂），这篇准黎曼猜想的论文"写得异常好"。
Maynard说：“这不像是某种不可穿透、无法理解的证明。这里面确实有金子。”
另一位数学家Youness Lamzouri有更直接的经验。2026年8月，Anthropic的Claude模型在黎曼猜想上取得了另一个进展——将"必须落在x=1/2上的零点最低比例"从41.7%提高到了67.2%。
Lamzouri一开始觉得那篇论文是晦涩的"AI垃圾"。但当他追踪AI引用的参考文献时，他发现了一种非常规的方法。他用人类的方式重新整理和扩展了AI的结果，得出了更干净的证明。
“AI给你看门，人类来打开它。“他说。
焦虑的数学家
但AI进入数学领域也不全是好消息。
Lamzouri在发表自己的预印本后，发现了一批来自"业余数学家"的论文——这些人利用他的方法，配合AI模型，批量产出增量性的结果，而他们自己甚至无法解释这些结果的含义。
“我觉得自己在一个有毒的研究环境中工作。“Lamzouri说，“一切都太快了。”
他不得不加速自己的研究进度，以免被AI公司或者带着AI的个人研究者"抢先"发表。这不是一个正常的学术竞争——这是一场你无法确定对手是谁、甚至不确定对手是否理解自己在做什么的竞争。
这种焦虑正在成为数学界的常态。当AI可以在几小时内生成数百篇看起来合理的数学论文时，怎么区分"真正的突破"和"AI的幻觉”？当任何人都可以用AI"产出"数学成果时，数学家的价值在哪里？
不只是数学的问题
OpenAI这次释放的论文，涵盖的远不止黎曼猜想。几百篇论文涉及各种数学领域，推倒了数百个长期悬而未决的问题。
加上不到一个月前OpenAI对纳维-斯托克斯方程的AI解答——那是千禧年七大数学难题之一——我们正在目睹一个明确的趋势：没有数学问题对机器来说是禁区。
但这次和上次不同。纳维-斯托克斯的AI证明被数学家描述为"曲折难懂”，而准黎曼猜想的论文却被评价为"写得异常好”、“里面确实有金子”。AI在数学证明的质量上，正在快速进步。
一个新时代的开始？
让我试着说说这件事更深层的意义。
数学和物理、化学不同。它不需要实验室，不需要数据，不需要仪器。它的整个宇宙就是逻辑和证明——而这恰恰是语言模型最擅长的领域。
如果AI能在纯数学领域取得这样的突破，那么在那些需要结合实验和数据的学科中，它的潜力只会更大。
但更重要的是，AI正在改变的不是数学的"答案”，而是数学的"方法论"。
Maynard从AI的证明中看到的最深刻的东西，不是"机器比人聪明"，而是"人类用已有的工具可以走得比想象中更远"。AI不是在发明全新的数学，它是在用一种前所未有的方式重组旧知识，发现隐藏的连接。
这是一种全新的智能形态——不是替代人类的创造力，而是在人类的知识海洋中发现那些被遗忘或忽视的岛屿。
至于这些岛屿通向哪里，可能还需要人类来画出地图。
参考来源：