每题200美元攻克数学世纪难题，AI科研范式正被重写

事件概述

OpenAI确认，其下一代模型Astra以约2000美元推理成本攻克十道数学与理论计算机科学前沿难题，平均每题约200美元，涵盖高维球堆积、编码理论、群论、量子复杂性和极值组合学等领域，每道题学术积压均超十年。全部成果通过Lean形式化验证，代码已开源至GitHub。

需要说明的是，这十道题是从多次尝试中筛选出的成功案例。据OpenAI披露，模型早期探索存在大量失败，GPT-5.2 Pro对Erdős问题的一次通过率仅1%—2%。Astra呈现的是“成功精选集”，而非全面碾压。即便如此，其标志性意义在于：AI已从“解已知答案的题”跨越为“产出人类也未知的原创证明”。

能力跃迁：从文献检索到独立发现

AI数学能力的进化曲线记录了这次范式转变：

• 2025年10月，OpenAI宣称GPT-5解决十个Erdős问题，后被澄清为文献搜索——在已有论文中找到未被数据库收录的解答，并非原创证明。
• 2026年1月，软件工程师Neel Somani用GPT-5.2 Pro生成Erdős问题#397的原创证明，经Harmonic的Aristotle系统完成Lean验证，陶哲轩确认该论证不存在于此前文献。随后#728、#729号问题在数日内相继被攻克。
• 2026年5月20日，OpenAI内部通用推理模型推翻自1946年提出的平面单位距离问题核心猜想，借用代数数论中Golod-Shafarevich定理构造反例族，实现多项式级别改进。Tim Gowers称之为“AI数学的里程碑”。
• 2026年8月，Astra以2000美元解决十题。

从GPT-5的“查资料”到GPT-5.2的“原创三题”，再到5月模型“推翻80年猜想”、Astra“2000美元横扫十题”，八个月完成从“图书馆管理员”到“独立研究者”的跃迁。

多智能体协同与全球竞争

Astra的核心不是参数规模更大，而是组织方式根本不同：多个智能体协同工作，由协调者将问题拆解为子命题，分配给不同专长的子智能体并行执行，再由验证智能体筛选、合并、检查逻辑一致性，可连续推进数小时甚至数天。Anthropic的Managed Agents、OpenAI的Agents SDK、微软Agent Framework 1.0、LangChain的supervisor-as-tool均指向同一共识：管理者分配任务、执行者交付结果，优于多个AI自由讨论。

全球范围内同类进展密集：

• Google DeepMind的AlphaProof Nexus自主解决9个Erdős开放问题，最早一题困扰学界56年，单题成本最低7.5美元。
• 北京大学AI4Math团队用双智能体框架（Rethlas+Archon）推翻Anderson猜想，生成约19000行Lean代码，完成国内首次AI自主解决数学开放问题并大规模形式化验证。
• Math Inc的Gauss在5天内完成8维（E8）球堆积定理形式化，再用约一周完成24维（Leech格）情形，产出约20万行Lean代码；原人类团队估计剩余工作量需6个月。
• Anthropic、字节跳动Seed-Prover、月之暗面Kimina-Prover、DeepSeek-Prover-V2等也在推进神经定理证明自动化。

信任锚点：Lean形式化验证

Lean是由微软研究院开发的交互式定理证明器，将数学证明写成可被计算机逐行检查的代码，验证结果“非对即错”。Astra十项成果的GitHub仓库中“sorry”计数为零，意味着无任何步骤遗漏。Lean提供了独立于AI的“终极裁判”，人类无需逐行审阅数千行推理，只需确认编译器通过。

生态数据：据Mines Paris PSL官方数据，Lean数学库Mathlib已积累约210万行代码、超27万条形式化定理；Meta的ATLAS项目消耗1830亿token，将26本数学教材翻译为Lean代码库。

产业界已率先买单。芯片验证领域，Axiom Math的AxiomProver在2025年12月Putnam数学竞赛获满分12/12，2026年3月以超16亿美元估值完成2亿美元A轮融资；密码学领域，形式化验证被用于后量子密码原语安全性证明；生物医药领域，“靶点-疾病”因果链推演迁移进入早期探索。

成本崩塌与连锁影响

2000美元仅指推理算力的边际成本，不含模型训练（数亿美元级）、基础设施投入和人类研究者的选题与验证时间。传统上，一个Erdős级别开放问题可能耗费顶尖数学家数年乃至数十年，考虑终身教职薪资、研究经费和博士生培养，折算成本在百万美元量级以上。Astra每题200美元，约等于初级软件工程师一周工资。

成本下行趋势明确：2026年5月单位距离问题推理成本约1000美元；8月Astra十题合计2000美元；同期DeepMind单题最低7.5美元。

两大连锁反应值得关注：

• 密码学冲击波：7月28日，Anthropic披露Claude Mythos Preview在约60小时、10万美元成本内发现NIST后量子签名候选算法HAWK-256的格结构对称性缺陷，将密钥恢复理论工作量从2的64次方降至2的38次方。次日HAWK开发者宣布从NIST标准化进程撤回方案。这是纯粹由AI推理驱动的密码分析，不需要量子比特和超低温冷却。
• 科研预算结构重配：科研能耗正从实验密集型转向推理密集型，高校计算中心采购将从“更多GPU”扩展为“更多形式化推理管线算力配额”。OpenAI 7月29日推出“ChatGPT学术研究者计划”，向十万名科学家免费提供前沿模型访问，承诺2027年前投入2.5亿美元。

科学家的新任务与验证困境

6月2日，国际数学联盟（IMU）正式背书《莱顿人工智能与数学宣言》，截至撰写时已获超3000人签署，陶哲轩称其为“必要框架”，《自然》6月18日发表社论全面支持。宣言指出AI对数学的五大威胁：不可靠结果、归属缺失、依赖不平等、过度炒作、自主性丧失。

Astra解决的是“证明长期猜想是否成立”的证明型突破；“提出全新交叉方向、需要直觉跳跃的猜想”的概念型突破仍是人类最稀缺的能力。不过，单位距离问题的突破也展现了AI将代数数论工具应用于离散几何的跨域联想能力，被数学家Arul Shankar评价为“具备原创、精妙的独立思想”。人类数学家的工作重心预计将从“产生证明”向上游迁移到“提出好问题”。莱顿宣言的务实建议是：人类研究者选择问题、设定标准、批判想法、验证结果；AI贡献广度、速度和并行探索能力。

陶哲轩在2026年初演讲中判断：“AI将成为数学研究中值得信赖的合作者。”Tim Gowers在5月20日当晚误以为AI“证明”了单位距离猜想，写道“数学家的好日子可能很快就要结束了”；次日得知AI是“推翻”猜想后明确表示“如释重负”。这一细节折射出数学界对AI能力的复杂心态。

更大的挑战在于验证的递归困境：若Astra以每天几十个问题的速度产生候选解，人类同行评议体系无法消化。Lean提供部分答案，但将自然语言证明翻译为Lean代码本身需要成本，AI辅助自动形式化仍在缩小差距。要规模化验证AI的产出，需要AI来自动化验证过程，这又回到“谁来验证验证AI的AI”的递归问题。当AI产出速度超过人类验证百倍以上，最终裁决权可能退化为抽样检查权。

2000美元是一道分水岭：左边是科学发现作为人类智力专属领地的时代——昂贵、缓慢、依赖天才的偶然出现；右边是科学发现被工程化、规模化、定价服务的时代。当数学猜想的边际解决成本降到200美元，它从“科研”变成“查询”，而重新定义成本结构往往意味着产业变革的开始。“什么值得发现、发现之后如何理解、谁来为发现负责”，这些问题仍然只属于人类。