打开GitHub，你会发现一个叫openai/math的仓库里，静静躺着722份数学手稿。涵盖黎曼zeta函数零点区域、马勒猜想、海森堡铁磁体的自发磁化——每一个名字，都够一个数学系博士生啃上好几年。
据新浪财经等多家媒体报道，这是头部AI公司最新公开的一批内部模型产出的数学成果。从今年8月的10道题，到9月的100多道，再到如今的722份，这条加速曲线已经不能用"爬坡"形容了。
一、3小时解一道人类难题？
官方披露的细节令人咋舌：
- 绝大多数结果来自同一个未发布的内部模型；
- 每道题平均消耗约3小时的订阅级推理算力；
- 累计对模型提出了约4000个问题，722份手稿归入372个问题家族；
- 仓库里连模型的推理过程摘要都一并公开了。
但注意官方自己留下的那句话——"部分未形式化的结果可能存在问题"。翻译一下：这批手稿里有真金白银，也可能有看起来很像证明的错误。放出来的速度，快过了验证的速度。
二、数学家为什么不但不高兴，还很愤怒
有人会问：白送的研究成果，还挑什么理？
问题出在"怎么发"。按学术惯例，一条数学结论要被承认，得走同行评审：专家逐页审读、来回修改、期刊发表。这套流程慢，但慢有慢的价值——每个被承认的结果都经得起推敲。
此前一批数学家曾建议这家公司走正式论文渠道，一篇一篇发，让学界有时间消化。据WIRED报道，这些建议"显然被忽略了"。一位数学教授的措辞更直白：数学家中间有一种感觉，觉得AI公司的行为方式有问题。成果什么时候算数、由谁说了算，正在悄悄换人做主。
三、这场争论跟你有什么关系
别以为这是数学界的"神仙打架"，它戳中的是每个行业的软肋：当机器生产答案的速度远超人类验证答案的速度，"对不对"和"谁来确认对不对"就成了大问题。
写代码的人已经体会过了——AI十分钟生成一个项目，review它的人要花三天。做内容、做设计、做分析，全都一样。生产力的瓶颈正在从"造出来"转移到"验得过来"。
回看这条时间线更有意思：今年8月，该公司第一次公开10道题的解法时，数学界虽然震动，但还能一道道拆着看；9月宣布攻克千禧年难题级别的问题后，25位菲尔兹奖得主联名发声；10月，722份手稿直接上架。从"月抛"到"日抛"，知识生产彻底进入了流水线时代——问题只剩一个：流水线的末端，谁来验收？
普通人现在能做什么
一是把AI产出当成"待验证的初稿"而不是"最终答案"，尤其是关键数据和结论；二是在团队里建立自己的验证流程，谁生成、谁复核，责任到人；三是培养"快速验证"的能力，会提问、会核查、会挑错的人，正在成为AI时代最紧的岗位。
答案越来越便宜，确认答案的能力越来越贵。