本周末，OpenAI 的新一代模型引发了数学界的巨大震动。这家公司公布了一份令人咋舌的成绩单，其内部代号为“Astra”的模型，在高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码学和极值组合等十项前沿领域取得了突破性进展。这些成果中，有的问题已沉寂十年甚至数十年未获核心突破，有的则悬而未决长达数十年。具体而言，模型成功构造了非Sofic群、推翻了Connes刚性猜想、解决了三个经典的Erdős问题，并显著推进了与后量子密码学密切相关的最近向量问题。
随后，OpenAI 研究科学家 Noam Brown 补充道，他们并没有在这些难题上投入过多算力。按照当前的 API 价格计算，模型寻找全部解法仅消耗了约2000美元的 Token 成本，平均每个问题花费不到200美元。他强调，这仅仅是测试时的计算，未来还有巨大的提升空间。
这一消息公布后，整个数学界瞬间沸腾。撰写《证明：长篇数学教科书》的数学家 Jay Cummings 感到不可思议，直言 AI 解决了他耗费大量心血研究的问题。多伦多大学数学教授 Daniel Litt 则坦言，自己此前严重低估了 AI 的潜力，认为大模型发表能登上《数学年刊》级别的数论成果已不再是遥不可及的梦想。
然而，许多研究者的心情却异常复杂。一方面，他们对 AI 加速科学发现感到兴奋；另一方面，作为数学家，他们不得不面对职业身份受到的冲击。最常被提及的疑问是：数学家未来还有工作吗？人类还能从事数学研究吗？数学专业还值得投入吗？
关于职业前景，观点两极分化。有人认为，社会对数学家的需求并非为了堆砌证明数量，而是为了保留由人类主导的判断权，这恰恰为纯数学保留了不可替代的位置。但也有人持悲观态度，认为当繁琐的证明工作变得不再稀缺，仅掌握选题与判断力的研究者，其生存空间将被不断压缩。
关于数学专业是否值得读，NVIDIA 机器学习专家、六届 Kaggle 特级大师 Jean-François Puget 认为风险较大。他以自己的博士研究方向为例指出，纯符号化的脑力工作正在被大语言模型迅速吞噬。若想避开被替代的命运，研究者需转向与物理实体结合更紧密的领域。
一篇题为《数学的暗夜》的长文，进一步揭示了这场危机的深层内核。文章作者、青年数学研究者 Kirwin Hampshire 写道，真正让数学家感到崩溃的并非工作被抢走，而是学科意义的改变。在他看来，数学最珍贵的并非证明本身，而是人类发现未知、创造新知识的过程，这种探索赋予了数学近乎宗教般的神圣体验。Hampshire 担忧，如果 AI 能瞬间给出无数种漂亮的证明，人类虽然仍能学习、讲授和评价数学，却失去了“发现”数学的机会。他借用了博尔赫斯《巴别图书馆》的隐喻：假如所有伟大的小说都已存在，AI 总能第一时间挑出最好的一本，作家当然可以写作，但创作的意义已不可避免地改变。Hampshire 认为，这带来的是精神危机，而非职业焦虑，人类探索真理的独特体验正在被剥夺。
对于这种绝望，有人感到恐惧，认为这真切地揭示了 AI 带来的威胁；也有人表示不解，认为 AI 是将人从枯燥的形式化泥沼中解放出来，让人重新聚焦于直觉与方向判断。Noam Brown 也回应称，他们的 AI 并未解决数学难题，也未开创新的数学分支或提出新猜想，数学家在耕耘这些问题上仍有大量工作可做。
还有人认为，这是一场迟来的计算革命，其根本目标与过去并无二致——都是为了读懂宇宙的根本规律。
无论走向如何，O3 模型的十个结果已不可逆转地改变了讨论的基调。问题不再局限于“AI 能否做数学”，而是转变为“当 AI 已经做得相当出色时，人类数学究竟在追求什么？”这一命题，或许其他学科也应提前思考。对此，你怎么看？