一个不寻常的发布
昨天，OpenAI 发布了一批由内部前沿模型产出的数学新结果：722 篇论文，覆盖 500 个最重要开放数学问题中的 90 个，被外界称为"百年来数学界最重大的时刻之一"。发布流程参照普林斯顿高等研究院 AGMAI 委员会的公开建议，结果连同 Lean 形式化证明、10 份模型推理摘要一起放在 GitHub 仓库里，平均每条结果耗费约 3 小时 ChatGPT Pro 级算力。
很多讨论集中在"AI 解决了 90 个开放问题"这个数字上。但我认为，这次发布里最值得深挖的不是模型有多聪明，而是一个更结构性的事实：这批结果的信任基础，不是同行评议，而是 Lean。
理解了这一点，你就能看懂未来十年"AI 产出知识"的基本形态。
被绕过的同行评议
传统数学界确认一个新结果的流程是：作者写论文 → 投稿 → 审稿人逐行检查证明 → 发表 → 社区长期消化。这个过程平均以"年"为单位，且完全依赖审稿人的专业能力和耐心。历史上著名的教训不少：2012 年 Shinichi Mochizuki 声称证明 ABC 猜想，望月新一的 600 页证明至今没有被数学界主流消化或确认，双方僵持十余年没有结局。
现在设想一个 AI 一次性产出 722 篇论文。人类审稿力量根本不可能在合理时间内消化这个体量——这不是能力问题，是吞吐量差了几个数量级。如果沿用传统流程，这批结果会变成 722 个"望月新一式的悬案"。
OpenAI 的做法是把大量证明用 Lean 形式化。Lean 是一门编程语言，但它的类型系统允许把数学证明写成代码，由计算机内核检查。一个 Lean 证明一旦通过编译器检查，它的正确性就不依赖于任何人类的阅读和理解——你不需要信任作者，不需要信任审稿人，只需要信任一个可以独立复核的、几千行规模的验证内核。数学界对这类内核的信任，远比对任何机构或个人的信任更牢固。
换句话说，当产出者从人类变成 AI，“信任"必须从社会过程迁移到机械过程。Lean 不是这次发布的装饰品，它是整个发布能够成立的承重墙。
为什么是现在：形式化的成本曲线
形式化验证不是新想法。Coq/Rocq、Isabelle 这些证明助手已经存在了几十年，数学家陶哲轩从 2020 年代初就开始大力推广 Lean 和 mathlib，DeepMind 的 AlphaProof 也在 IMO 竞赛上拿过银牌级别的成绩。但形式化一直有个致命短板：把一个人类证明翻译成 Lean 的成本极高。形式化一个中等复杂度的定理，熟练工作者往往需要数周甚至数月。费马大定理这种级别的形式化，至今还是社区里流传的"多年计划”。
这就形成了一个死锁：形式化太贵，所以没人做；没人做，工具链和库就不成熟；不成熟，就更贵。
AI 改变的正是这个成本结构。当模型能够直接在 Lean 里工作——生成证明、接受编译器的即时纠错、迭代到通过——形式化从"昂贵的后处理"变成"生成的副产品"。这次 722 篇论文附带的 Lean 形式化，本质上是一次公开演示：形式化的边际成本正在坍塌。
而形式化成本一旦坍塌，连锁反应不止于验证 AI 的结果。人类数学家的论文也可以随手附一份机器可验证的版本；期刊可以要求 Lean 附件如同要求代码仓库；整个领域的可复现性标准被重置。
3 小时 Pro 算力：数学探索的经济学
另一个被低估的细节是成本数据：平均每条结果耗费约 3 小时 ChatGPT Pro 级别的思考算力。OpenAI 同时公布了模型推理摘要和尝试问题数量的统计。
把它翻译成经济学语言：一个原本需要顶尖数学家投入数月认知劳动的开放问题探索，现在的一阶成本是几百美元级别的算力。当然这个比较不公平——模型尝试了大量问题，只成功了其中一部分，失败尝试的算力也是成本；而且"解决一个问题的子步骤"和"解决一个重要问题"之间还有距离。但方向是清晰的：数学探索正在从稀缺的专家认知资源，变成可以批量并行调用的计算资源。
这会改变数学家的分工。当"产生候选证明"变得便宜，“判断哪个方向值得投入”、“把零散结果组织成理论”、“提出好问题"这些品味型工作的相对价值会上升。类比软件行业：编译器和生成式工具没有消灭程序员，但把"写代码"的中心地位换成了"定义问题和审查方案”。
AGMAI 协议：知识生产的治理实验
这次发布还有一个制度层面的看点：OpenAI 主动参照了普林斯顿高等研究院 AGMAI（数学与 AI 顾问组）的建议来设计发布流程——GitHub 仓库、论文修订与引用协议、承诺资助理解 AI 重大结果的学术活动，并计划负责任地发布产出这些结果的模型。
为什么需要这个？因为"AI 产出重大数学结果"触及了学术界最敏感的神经：优先权、可信度、以及商业公司对公共知识基础设施的影响力。如果一家公司可以随时倾泻几百个结果，学术界的激励体系（论文、职位、奖项都建立在稀缺性上）会被冲击得七零八落。AGMAI 协议是学术界和工业体之间摸索出的第一个"缓冲接口"：结果可以来，但要按学术共同体认可的容器装。
我认为这是一个更大趋势的早期样本：AI 产出速度超过人类消化速度的领域，都会长出自己的 AGMAI。药物发现、材料科学、蛋白质设计，接下来十年会逐个面对同样的问题。
冷静的一面：90/500 到底意味着什么
回到数字本身泼一点冷水。“解决 500 个最重要开放问题中的 90 个"听起来惊天动地，但开放问题列表不等于重要问题本身——黎曼猜想、Navier-Stokes 这些皇冠明珠大概率不在其中（Latent.Space 的报道标题里"quasi-Riemann"一词暗示某些结果是接近而非触及核心猜想）。这些结果的价值需要数学界花数年去定位：是真正的新知识，还是已知技术的重新组合。
而且 Lean 形式化只覆盖了"许多"证明，不是全部。未被形式化的部分，信任问题依然存在。形式化本身也可能有漏洞——陈述写错了，证明再严格也没意义。AI 时代的一个新风险恰恰是：模型形式化的命题和人类以为的命题之间存在微妙错位。验证内核保证"这个命题为真”，不保证"这个命题是你想要的那个"。
判断：信任基础设施的更替已经开始
把这次发布放在行业脉络里看：AlphaProof 证明了 AI 能在形式化系统里做竞赛数学，mathlib 证明了大规模形式化库可行，而这次 722 篇论文证明了形式化验证可以规模化地承载数学前沿的产出。三步走完，范式成立的证据链闭合了。
我的判断是：
- 三年内，主流数学期刊会出现"欢迎 Lean 附件、优先处理带形式化的投稿"的明确激励，形式化从加分项变成事实标准。
- AI 产出知识的社会确认机制会从"人类逐行审读"转向"机器验证 + 人类审查陈述与意义"的两层结构。人类审的是"这个定理重要吗、放对了语境吗"，机器管"它真吗"。
- 这个模式会外溢。凡是产出可以用可执行规范验证的领域——代码、硬件设计、协议证明、法规合规逻辑——都会复制"AI 生成 + 机械验证"的结构。Decisions API 这类把复杂判断压缩成可校验输出的产品，走的是同一条路。
对技术从业者的启示很直接：当模型的输出不可信时，验证能力就是瓶颈；而验证瓶颈的最佳解法，往往不是"更强的模型"，而是把输出放进一个可以被机器检查的形式系统里。这条原则在你的领域里叫什么？类型系统、测试、形式化规格、还是数据库约束——值得现在就想清楚。
数学是人类最古老的信任游戏，它的规则刚刚被改写了第一条。
（本文数据来自 OpenAI 官方发布与当日 AI 洞察日报，观点为作者独立分析。）