722事变

2026年10月6日，OpenAI公开了722份由内部模型产出的数学研究手稿。它们处在不同的核验阶段，不能直接等同于722个已经获得确认的独立突破。但这个数字，还是让数学研究中的一些事情变得难以回避。

分析学爱好者用“数学氢弹雨洗地”来形容这次发布。薛金鑫在随后的文章中，将它称为“第四次数学危机”。

这些说法里有震动，也有对未来的判断。漫士的讨论把我带到了一个更让人在意的问题上，当证明开始变得容易获得，我们过去引以为傲的研究，究竟有多少价值来自对世界的理解，又有多少来自能够做成这件事的人实在太少？

我想把这次冲击记作“722事变”。

它逼着人重新分辨几件过去常常连在一起的事情：一个结果成立，一个问题得到解决，一个人因此获得认可，以及他相信自己正在做一件有意义的事。

这些事情原本就不完全一致。722让它们之间的区别，变得更加难以忽略。

四十分钟，和此前的那些日子

漫士在视频里讲过一段自己的经历。他与同伴研究了数月仍没有进展的问题，后来交给GPT-5.5，模型用了40分钟给出证明。他又花了几天检查，发现一处跳步，再让模型用20分钟修补。

这个过程仍然需要人的核验，但那种冲击并不难想象。

一个问题，在人的生活里可能占据很长一段时间。走路的时候想，吃饭的时候想，隔了几天突然冒出一个念头，又赶紧回去试。失败的尝试未必能写进最后的论文，却占据过实实在在的日子。

等到另一种东西很快给出了结果，过去的这些日子会突然显得很安静。

按漫士的判断，那次修补解决了问题。站在知识的角度，这应当是一件值得高兴的事情。但对于曾经围绕它安排生活的人，感受未必只有高兴。

因为他原本期待获得的，还有另一件事：由自己完成这一步。

这个期待可以非常纯粹。人确实会因为第一次想通一个问题而快乐，会因为自己发现了一条别人没有走通的路而兴奋。它也可以与论文、学位、职位和同行认可连在一起。一个成果既是知识，也可能是一个人进入某种生活的凭据。

如今，知识增加了，这张凭据的价值却可能发生变化。

一个结果对数学有价值，与一个人能否凭借它获得位置，是两个问题。

它们过去经常同时得到回答，以至于我们很容易把它们当成同一件事。722让这种区别变得格外明显。

高尚与庸俗，都是真的

漫士把研究动机分成了两种说法：一种关乎探索未知、理解世界的满足，另一种关乎发表论文、取得教职、获得收入与社会认可。

我觉得，这两种愿望都没有什么难以启齿的。

一个人可以真心喜欢数学，同时希望靠数学生活。他可以享受钻研问题，也希望自己的能力受到尊重。要求研究者只谈真理，不谈工作与收入，本身就忽略了研究发生在人怎样的生活里。

只是，过去两种愿望能够互相支撑。

因为问题难，所以解决它的人少；因为能解决的人少，所以成果能够带来认可；这些认可又让研究者有机会继续做自己喜欢的事。探索、稀缺与职业回报，形成了一种相对稳定的联系。

AI开始改变的，正是其中一部分联系。

如果一个结果很容易获得，它仍然可以很有用，却未必还能为产出它的人带来同样多的回报。一个猜想得到解决，可能对知识有益，同时使原本围绕它展开的某种职业竞争失去意义。

因此，面对同一份证明，有人看到的是数学向前走了一步，有人看到的却是自己原本准备投入的几年时间，需要重新安排。

这两种感受可以同时存在。

讨论职位和认可的变化，就应当允许人把这些担忧讲出来。它们不必被说成数学本身正在死亡，才能获得重视；具体研究工作的变化，也不能直接被放大成人类已经没有价值。对于数学发展的批评，仍然应该回到各自的理由。

我不觉得这些问题必须包装得那么宏大，才配被认真对待。

失去某种职业优势，本来就足以让人难过。它不需要再被证明成整个学科的灾难。承认AI能够做出值得研究的东西，也不意味着我们必须假装，那些投入多年的人没有承受损失。

这场事变最刺痛人的地方，可能就在这里：我们终于需要把“我热爱它”和“我希望凭借它得到什么”，分别说清楚。

被奖励的，究竟是哪一步

漫士还把数学研究拆开来看：建立框架、提出问题、给出证明、理解与阐释，再从中生长出新的问题。证明只是其中一个环节，却长期是荣誉分配中非常醒目的部分。

这很容易理解。

一个问题摆在那里很多年，谁最后把它证明出来，谁就完成了最容易被指认的突破。相比之下，让问题逐渐变得清楚的人，整理出可用语言的人，帮助同行真正理解证明的人，他们的贡献未必那么容易被一个名字、一篇论文概括。

于是，难以替代的解题能力，往往同时承担了两种角色：它推动数学，也帮助人们排列数学家的位置。

当其中一部分能力能够被更大规模地提供，评价就不能只沿着原来的惯性继续。

这也是“数学不只是解题”这句话，在此时显得格外重要的原因。

但我觉得，这句话不能被草率地说成数学家遇到AI后才临时增加的标准。早在1994年，Thurston就在《论数学的证明与进展》中，把推进人的数学理解放在重要位置，并反思过度围绕证明定理的功劳分配认可的问题。

理解本来就是数学的一部分。

更值得追问的，是这件被承认很重要的事情，过去到底获得了多少实际的重视。

假设一个年轻研究者花了一年，把一份极其难懂的证明重新整理出来，说明为什么要这样定义，哪些步骤可以推广，它与另一个方向有什么联系，让更多人真正学会这套方法。他所做的工作，能不能成为一项受到认真评价的研究贡献？

如果答案仍然只是“你又没有第一个证明这个定理”，那么鼓励大家转向理解与阐释，就还只是口头上的鼓励。

不能一边说数学的目标是增进理解，一边要求愿意做这件事的人，在职业上自己承担全部代价。

当然，并非每一次讲解都具有同样的价值。有的只是换一种措辞，有的却真正发现了联系，澄清了概念，打开了新的研究方向。这些工作同样需要判断，不能换个名目就免于评价。

但它们应该有机会被评价。

如果722使证明的产出方式发生了变化，数学界需要调整的，就包括怎样看见这些贡献。否则，大家仍然会围着最容易兑换成认可的那一步竞争，哪怕嘴上已经换了一套关于理解的说法。

答案出现以后，问题并没有全部结束

我很能理解另一种不安：一个长期没有解决的问题，会吸引人不断尝试。新的方法、新的联系，有时候就是在这些失败中长出来的。如果AI很快给出了答案，人是不是就失去了这段探索？

这份担忧并非没有道理。研究过程确实能产生超出原问题的东西。

但一个答案已经存在，也会带来新的研究对象。

一份证明为什么成立？它真正依赖的是什么？为什么这里必须引入这个概念？原来的难点是被解决了，还是被转换成了另一个角度？其中的方法能不能用于其他问题？

这些事情，不会因为最后的结论已经写在纸上，就自动被人理解。

我们读一份人类写出的证明，也不会因为知道作者已经成功，就没有必要继续读。恰恰是因为它走通了，我们才想知道它为什么能走通。

面对AI产出的证明，我觉得也应当保留这种好奇。

当然，不能只要一个文本看起来像证明，就认定里面藏着深刻思想。前提仍然是它经得起检查。在这个前提下，理解它、简化它、寻找可以迁移的方法，本身就是继续研究的方式。

它甚至可能迫使我们修正原来的判断。

一个被认为极其深刻的问题，可能存在我们没有想到的简单路径。一个原本被当作边角的问题，也可能牵出更广泛的联系。问题的声望与它实际能够带来的东西，并不总是完全一致。

这种修正有时候令人兴奋，有时候会让人失落。可是，如果我们愿意让数学改变自己对世界的认识，就也应当允许它改变我们对某个问题的评价。

我更在意的，是在答案越来越容易获得之后，人会不会逐渐失去读懂答案的耐心。

把问题交出去，把结果存下来，再拿一份摘要确认自己似乎已经知道了。这套流程可以非常顺畅，却未必让使用者多理解了什么。

如果722最终只在我们这里留下一个震撼的数字，那么无论那批材料包含多少值得研究的东西，我们获得的都很有限。

别急着安排一个永久的位置

说到这里，很容易得出一个看起来令人安心的分工：机器负责证明，人类负责提出问题、理解和讲解。

但漫士在视频结尾也补充了一点：AI的讲解能力同样会进步，单纯把东西讲清楚，未必会一直稀缺。

这句话很重要。

否则，我们只是刚刚离开一个受到冲击的位置，又赶紧宣布下一个位置永远安全。今天认为解题属于人类的智力高峰，明天把高峰移到提问，后天再移到阐释。每次技术向前走，都要重新寻找一块能够证明人仍然特殊的地方。

这会让我们理解数学的方式，始终被比赛牵着走。

我当然希望自己有独特的能力，希望自己的工作不容易被替代。但如果必须先确认某件事只有人能做到，才能相信它值得去做，那么这种价值就太依赖竞争对手的状态了。

我们学习一个已经被证明的定理时，本来就不可能再成为它的首位证明者。它仍然能够改变我们分析问题的方式。某种能力已经存在于别人那里，并不会自动出现在自己身上。

AI能够提供更好的解释，也一样。

解释可以被迅速生成，理解仍然需要在学习者这里形成。一个定义与另一个定义怎样联系，什么时候可以使用某个结论，条件一旦改变会发生什么，这些判断需要经过自己的思考，才能真正变成能够使用的东西。

从这个角度看，数学值得学习的理由，可以比“我要比别人更快解出更难的题”更宽一些。

但这也不意味着，原有的数学研究岗位与职业回报，会因此得到保证。

“学数学对你有价值”与“你可以沿着这条研究道路获得稳定生活”，需要不同的依据。对年轻人来说，把这两句话分开，尤其重要。我们不能拿热爱替未来作保证，也不能因为职业道路有风险，就把他们已经形成的理解与能力一并否定。

722之后

我觉得，722提出的问题，最后还是会回到人怎样参与数学。

可以把AI当作拿到结果的捷径，也可以用它追问那些过去没有条件追问的问题。可以在遇到一个结论时就停下来，也可以继续问：为什么是这样，哪里可能不成立，还有什么是我没有看见的？

工具能够改变这些事情的难度，却不会替我们决定，自己究竟愿意走到哪一步。

因此，让一个人愿意学习、愿意继续读下去，也会变得重要。

一份讲解可以回答问题，而一个值得信任的引导者，有时候会让人相信，这个问题值得自己花时间。他能够看见你卡在哪里，也能够让你在暂时听不懂的时候，不急着认定自己没有能力进入这个领域。

这种引导可以来自教师、同伴，也可以有AI的参与。它的价值在于帮助学习发生，并不能直接保证某种职业永远安全。我们依然需要关心，那些已经得到的答案，最终能否成为后来者真正掌握的东西。

我愿意继续学数学，也愿意借助更好的工具。一个困扰过人的问题得到推进，仍然值得高兴。一份证明让人看到新的联系，也仍然值得花时间。

与此同时，我也愿意承认：有些过去被高度重视的能力，可能不再获得同样的回报；有些原本被忽视的工作，需要被重新看见。这样的调整不会没有痛苦，更不会因为一句“数学永远有意义”，就自动完成。

我把它叫作“722事变”，是因为它让我们很难再含糊地把所有价值放在一起。

结果是否成立，研究推进了什么，一个人从中理解了多少，他能否因此获得职位与尊重，这些事情仍然相互关联，却需要被分别回答。

探索真理的愿望，和凭借稀缺能力获得位置的愿望，都可以诚实地存在。

而722让人越来越难以回避：它们原本就是两件事。