配图：AI与数学难题

先说一个你可能错过的新闻。

上个月底的国际数学家大会上，两位中国数学家拿了菲尔兹奖——这奖相当于数学界的诺贝尔。消息还没凉透，8月初，OpenAI又炸了一次。

他们的下一代模型Astra，一口气攻克了十个菲尔兹奖级别的数学难题。

对，不是一道。是十道。

高维球体堆积问题，搞数学的人知道这有多难。Connes刚性猜想，在算子代数领域挂了四十多年。多色Ramsey数，组合数学里的大山。还有P vs NP的变体、Langlands纲领的局部情况……

8月4日那天，OpenAI直接把62页手稿甩了出来。

不是PPT，不是新闻稿。是62页的数学推演，每一步推理清清楚楚。当然，这些成果还需要数学界独立验证。但手稿里那些严谨的推导，已经让不少数学家沉默了。

最魔幻的是什么？

有人算了一笔账：这些困扰人类数学家几十年的难题，Astra烧掉的Token成本仅2000美元。

2000美元。不到一万五千块人民币。

够你买一台中端手机。不够在北京租一个月一居室。

却够AI把数学界的天花板捅了个窟窿。

这意味着什么？

别急着说”AI要取代人类了”这种车轱辘话。真正值得琢磨的是另一件事：当推理能力变得如此廉价，人类的工作方式要变了。

以前数学家的模式是：一个人，一支笔，几十年，一道题。安德鲁·怀尔斯证明费马大定理用了七年。佩雷尔曼搞定庞加莱猜想，把自己关在屋子里好几年。

现在AI的模式是：输入问题，等几分钟，拿到完整推导。

这不是”AI比人聪明”。这是”AI的算力成本已经低到令人发指”。

那数学家还能干什么？

答案可能是：问出更好的问题。

AI擅长的是在给定的框架里推演。但”该往哪个方向推演”这件事，现在还离不开人的判断。就像有了计算器不等于不需要数学家，有了DeepMind的蛋白质折叠也不等于生物学就终结了。

工具的进步，从来不是让人闲下来，而是把人的时间解放出来做更难的事。

再想深一层。

OpenAI这次选择公开完整手稿，而不是藏着掖着。这里面有他们自己的考量——可能是在开源大潮下的舆论压力，也可能是想用这种方式巩固自己的地位。但客观上，62页手稿一旦被数学界消化吸收，受益的是整个领域。

就像黄仁勋说的：这个世界既需要最前沿的闭源模型，也需要最前沿的开放模型。

回到Astra这件事本身。

2000美元，十道数学难题。这件事最大的隐喻不在于AI有多强，而在于：人类引以为傲的”智力壁垒”，正在被一点一点消解。

以前说”这玩意儿太难了，只有极少数人能做”，那是一种稀缺性。稀缺性带来价值。但当稀缺性被打掉之后，剩下来的是什么？

是创造力。是提出新问题的能力。是在混乱中看到方向的本事。

这些，AI还没有学会。

所以与其焦虑AI会不会抢饭碗，不如想想：你能不能问出一个值钱的问题。

那才是未来真正的壁垒。