首发于公众号“贼叉”。

　　最近看到一批很刺激的新闻：人工智能解决了一堆数学猜想。

　　2026 年 7 月 20 日，Anthropic 的研究员借助 Claude Fable 5 模型，在三维空间中找到雅可比猜想的反例。这个 1939 年提出的代数几何难题困扰了数学家 87 年，AI 用寥寥数行多项式就给出了反例，且易于其他研究者验证；

　　2026 年 5 月，OpenAI 的通用推理模型自主推翻了 1946 年提出的 Erdős 单位距离猜想。菲尔兹奖得主蒂莫西·高尔斯评价这是"AI 数学的里程碑"，认为如果这是人写的论文会毫不犹豫建议顶刊接收。

　　‌2026 年 4 月，北京大学北京国际数学研究中心董彬课题组构建的 AI 框架解决了交换代数中的 Anderson 猜想，并在 Lean 4 中完成约 19000 行的形式化验证。该系统包含两个协作智能体：Rethlas 负责自然语言推理，Archon 负责形式化验证。

　　很多旁友看到这里，第一反应大概是：贼叉你也有今天，要被AI抢饭碗了吧？以前AI只能写诗、画图、编几句像模像样的代码，现在居然开始碰数学猜想了。数学家不是人类最后的防线么？这防线怎么说破就破了？

　　讲道理，相比于其他一些没有经过同行评议的结论，以上三个宣布被AI证明的猜想正确的可能性应该是相当大的。事实上，AI证明数学猜想不外乎以下几种情况：

　　一是验证了海量情况。比如人类借助计算机证明的第一个重要猜想：四色定理。事实上，四色定理的证明过程相当的暴力，靠人类的算力无法实现，但是计算机可以——给电就行。

　　二是AI找到了新的规律，这就非常有价值了。数学家最痛苦的地方，往往不是最后几步推导，而是根本不知道该往哪里走。面对一个看起来毫无头绪的问题，AI可以搜索海量的公式、结构和已有定理，尝试人类不容易想到的组合。它有点像一个永远不睡觉、不会嫌麻烦、草稿纸管够的研究生。

　　不过这个研究生有一个问题：它可能根本不知道自己为什么这么做。

　　数学研究可不是把答案撞出来就算完事。你要知道这个构造为什么自然，这个引理为什么值得证明，这个方法能不能推广，能不能和别的数学分支发生联系。一个证明即使逻辑上正确，如果没人看得懂，也很难真正推动数学前进。数学家真正关心的，往往不只是“这道题做出来没有”，而是“我们因此多看见了什么”。

　　三是AI在形式化系统中给出了完整证明。这个成果的含金量当然很高，因为形式化证明能够逐步检查每一个逻辑环节，不会因为作者少写了一个条件，或者某一步凭直觉跳过去，就把错误混进结论里。

　　但这依然不等于AI拥有了数学家的全部能力。形式化系统可以告诉你证明没有错，却未必告诉你这个定理为什么重要，更不会主动告诉你下一个值得研究的问题在哪里。它像一台极其严格的验算机器，能把你的每一步都检查得清清楚楚，可是“这条路为什么值得走”，还得有人来判断。

　　所以，AI真正可怕的地方，不是它像数学家一样思考，而是它可以把数学家过去大量浪费在计算、检索、试错和整理上的时间压缩到极短。以前一个人需要几个月才能试完的方向，AI可能几分钟就全部排除。以前需要几十页手算才能发现的反例，现在可能直接被机器找出来。

　　这对数学的意义很大。

　　数学史上，很多重大突破并不是因为某个人比别人多会算几步，而是因为他发现了一个全新的角度。欧拉、黎曼、希尔伯特这些人厉害的地方，从来不是单纯计算速度快，而是能把一个问题放进新的框架里。AI目前最有希望做的，就是帮助人类更快地寻找这些框架。

　　当然，也不要因为AI碰了几个猜想，就急着宣布AI要取代数学家了——毕竟黎曼猜想还在这里。说到底，AI可能会解决越来越多的数学问题，但数学家不会因此消失。真正可能被淘汰的，是那些只会重复计算、不会判断问题价值的人。

　　以后数学研究的竞争，恐怕不再是谁算得更快，而是谁更会提出好问题，谁更会使用AI，谁能从机器吐出来的大量结果中挑出真正有意义的东西。所以这件事既不用恐慌，也不能轻视。

　　AI还没有替代数学家，但它已经开始改变数学家工作的方式。至于未来会不会出现一个由AI独立创造的新数学时代——这个问题现在还没有答案。

　　不过猜一个应该不犯法。

　　我猜，会。