本周末，OpenAI 的新一代模型 Astra 在数学界投下了一颗深水炸弹。OpenAI 公布了一份令人咋舌的成绩单：在群论、算术电路复杂性、格密码学等高难度领域，该模型一举取得了十项新的研究成果。其中不少问题已经沉寂了数十年，甚至从未取得过核心突破。
这些成果涵盖高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码学以及极值组合等多个领域。具体而言，模型成功构造出了非 sofic 群，推翻了 Connes 刚性猜想，解决了三个 Erdős 问题，并推进了与后量子密码学密切相关的最近向量问题。OpenAI 研究科学家 Noam Brown 补充道，他们并未在这些难题上投入过多精力，测试时的计算能力仍有巨大的提升空间。所谓的“没花大力气”，按 Sol API 的价格计算，模型寻找全部解法仅消耗了约 2000 美元的 token，平均每个问题成本仅为 200 美元。
这一消息公布后，整个数学界陷入了沸腾。撰写《Proofs: A Long-Form Mathematics Textbook》的数学家 Jay Cummings 惊呼“不可思议”，直言 AI 解决了他耗费大量心血研究的问题。多伦多大学教授 Daniel Litt 则坦言自己此前低估了 AI 的能力，认为距离让大模型发表能登上《数学年刊》级别的数论成果，只是时间问题。然而，也有研究者心情复杂，既兴奋于 AI 正在加速科学发现，又因职业身份受到冲击而感到迷茫：数学家以后还有工作吗？人类还能做数学吗？数学专业还值得读吗？
针对前两个问题，有人认为社会对数学家的需求并非为了凑够每年的证明数量，而是需要人类来掌握选题与判断的权力，而将繁琐的证明工作交给 AI，这反而为纯数学保留了不可替代的核心地位。但也有悲观者指出，数学家的薪酬往往与定理证明挂钩，当证明工作不再稀缺，仅掌握选题与判断力的研究者，或将面临生存空间持续收缩的现实。
针对第三个问题，六届 Kaggle 特级大师、NVIDIA 机器学习专家 Jean-François Puget 认为，继续攻读纯数学方向存在风险。他结合自己的博士经历指出，纯符号化的脑力工作正在被大语言模型迅速吞噬，想要规避被替代的风险，就必须转向与物理实体结合更紧密的研究领域。
近期，青年数学研究者 Kirwin Hampshire 撰写的一篇长文《数学的暗夜》，进一步揭示了这场危机的深层内核。Hampshire 在文中指出，真正让人感到崩溃的并非 AI 会抢走数学家的饭碗，而是数学这门学科赖以存在的意义正在发生改变。在他看来，数学最珍贵的从来不是证明本身，而是人类首次发现未知、创造新知识的探索过程。正是这种探索，让无数数学家感受到了一种近乎宗教般的神圣体验。他担心，如果未来任何问题 AI 都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，却可能永远失去了真正“发现”数学的机会。为此，他借用了作家 Jorge Luis Borges《巴别图书馆》的比喻：假如世界上所有可能写出的伟大小说都已存在，且 AI 总能瞬间挑出最完美的一本，作家当然仍可写作，但创作本身的意义已不可避免地发生了改变。Hampshire 坦言，这种变化带来的不是职业焦虑，而是一场精神危机。他担忧人类几千年来借由数学探索未知、触碰真理的独特体验，正在被一点点剥夺。
文章最后，Hampshire 未给出任何解决方案，只留下一个发人深省的问题：我们究竟在做什么？有人表示这篇文章让自己第一次真切感受到了 AI 带来的恐惧；也有人表示无法理解这种绝望，认为 AI 并非要抢走数学家的舞台，而是将人从枯燥的形式化泥沼中拽出来，重新把专注力放回最珍贵的直觉与方向判断上。Noam Brown 在回复网友时也直言，他们的 AI 并未解决数学难题，也没有开创新的数学分支或提出有趣的新猜想。如果一个数学家依然在这些方面耕耘，那么暂时还有很多事情可以做。还有人将其视为一场迟来的计算革命，认为这与其他领域早已发生的变革本质相同，目标始终是为了读懂宇宙的根本规律。无论未来走向如何，Astra 的这十个结果已不可逆转地改变了讨论的基调。它不再仅仅是“AI 能否做数学”的问题，而是“当 AI 已经能做得相当不错时，人类数学到底还在追求什么？”。类似的问题，或许其他学科也应提前深思。