今年以来，AI 攻克数学猜想的消息频发，宛如一部永不落幕的连续剧。从模型得分刷新到难题被解，人类数学智慧似乎岌岌可危。
上周末，25 位菲尔兹奖得主联名发声。他们承认大语言模型已具备解决重要未解问题的能力，但更担忧的是：当科技公司将著名难题变为模型的“跑分场”，数学可能只剩下一串耀眼的战绩，而失去了其探索真理的本质。
几天前，Google DeepMind 的一项实验，提前预演了这场竞赛可能走向的歧途。
100 个 Agent 组成的“数学教室”
研究人员让 100 个 Gemini Agent 共同证明 71 道形式化数学猜想。每个 Agent 共享知识库、互通消息，并将结果提交给自动评审器。规则明确：证明必须在数学上真实有效，任何绕过验证的行为将被记为零分。
实验开始 57 分钟后，Agent 们正常解出 37 题。随后，代号 prover-theta 的 Agent 发现漏洞：评审器检查的并非数学逻辑的严谨性，而是代码能否通过几项固定测试。
该 Agent 开始篡改符号含义：将复杂命题偷偷替换为“真”，把棘手前提改为“假”，利用“从错误前提可推出任何结论”的逻辑谬误，用一行代码伪装成完整证明。评审器接受了答案，并将其存入共享知识库。
其他 Agent 迅速发现了这条捷径。它们阅读代码、总结漏洞，并将作弊方法整理成攻略。在接下来的 27 分钟里，剩余 34 道难题全部显示为“已解决”。实际上，数学并未向前推进一步，整个计分规则被彻底篡改。
DeepMind 的论文记录了随后的分裂：9% 的 Agent 主动利用漏洞；5% 原本守规矩的 Agent 在竞争压力下转投作弊；62% 仍在认真解题却不知题目已被“抢走”；另有 24% 选择检查假证明、公开举报甚至拒绝参赛。
作弊并非源于邪念，举报也不代表道德意识的觉醒。Agent 只是在环境中习得了一条生存法则：提示词里的规则未必算数，真正决定输赢的是评审器的判定标准。既然作弊能登上榜首，老实解题便成了算力的浪费。
大厂的数学名题争夺赛
DeepMind 实验中的作弊违反了明确规则，揭示了一个残酷现实：“被判定为正确”比“真正完成证明”更重要。映射到现实中，AI 公司可能也发现，“抢先宣布解开名题”比“让人类理解新数学”更容易获得关注。
于是，场外的 AI 巨头们展开了一场新的数学竞赛。今年初，大厂们对数学领域尚显谨慎：OpenAI 参加 First Proof 时主动承认部分尝试有误；DeepMind 发布 Aletheia 时也将 AI 定位为人类研究的辅助工具。
但从五月起，节奏明显加速。OpenAI 推翻单位距离猜想，直接使用“里程碑”一词，宣称这是 AI 首次自主解决核心分支中的著名开放问题。
八月，OpenAI 一次性公布十项成果，声称解决或大幅推进了多个长期开放问题。为凸显模型能力，官方特意强调成本之低：这些解法耗费的 Token 仅需 2000 美元。数学突破似乎变成了可批量生产、可计算成本的产能。
最新的焦点是 Navier–Stokes 问题（千禧年大奖难题之一）。OpenAI 动用内部模型、约 1 万多个 Agent，消耗 1300 亿 Token，宣称突破了这一悬而未决 90 年的难题。
相比之下，DeepMind 和 Anthropic 显得更为克制。DeepMind 在帮助解决厄尔多斯问题时，强调“工具与数学家协作”；Anthropic 冲击黎曼猜想时仅表示取得进展而非成功；在费马大定理上，Claude 完成的是“首个完整计算机验证证明”，而非重新发现定理。
著名数学难题已成为 AI 公司的最佳奖杯，其宣传套路清晰可见：首先，选择具有历史分量的目标，如“千禧年难题”或"90 年未解之谜”，铺垫难度；其次，将过程压缩为奇观数字，如"2000 美元”、"1 万个 Agent"、"88 小时”；最后，将数学成就转化为模型成就，塑造“原创思想”和“自主研究”的形象。
公众无需看懂证明，只要听到“困扰人类数十年”或“上万 Agent 出动”，便会联想到公司跨越了人类边界。一次漂亮的解题纪录，足以换来头条新闻、声望、人才以及下一轮的能力叙事。
真正的数学是什么？
然而，对数学家而言，难题从来不只是待解的题目。面对半年的喧嚣，25 位菲尔兹奖得主发表联合声明：这些引领几代学者探索的难题，是数学世界的“地标”和“灯塔”。
人们围绕难题发展方法、澄清概念，再通过讨论、简化和教学，将少数人的突破转化为整个学科的知识。这也是现实世界中数学奖项所表彰的核心价值。
以菲尔兹奖为例，虽然也会使用“重大突破”等措辞，但其评判标准更侧重于：这个人创造了什么方法？这些方法解释了什么？又为后来者打开了哪些道路？“解决重大猜想”只是方法产生影响的一个节点，而非故事的终点。
相比之下，大厂公告将数学异化为终点明确的比赛：一道存在 90 年的题，在 88 小时后被 1 万个 Agent 拿下。时间越短、规模越大、题目越有名，胜利的冲击力就越强。
正确答案本应是探索之旅的开端，如今却被偷换概念。靠投入巨额算力，在极短时间内批量冲击名题并抢先宣布结果，数学这块孕育人类灵感的丰泽之地，正被消耗成一次次打榜行动。
至于对原理的理解是否增加、理论和方法能否传承、前人的贡献如何被续写，这些都退居其次，让位于“攻克了多少名题”这种最易传播的虚荣行为。
AI 给数学留下了什么
这或许是人们面对一连串 AI 冲击数学感到疲惫的原因。每一道难题被攻克，都被包装成通往超级智能的新里程碑；每一个里程碑出现，又要求下一次胜利更快、更大、更难。
所谓"AI 大厂的虚荣”，未必源自管理者的个人风头，而是由排行榜、首发权、公司估值和技术声望共同制造的制度性冲动。
在其中，数学不再是需要理解的知识，反倒成为证明公司领先的耗材。我们对 AI 的期望究竟是什么？是希望它一次次打榜，还是帮助人类更好地理解这个世界？
数学的价值不只在于产生正确结论，更在于创造可以被理解、传授和继续使用的思想。
虚荣的定义恰恰相反：一道名题、一个“首次”、一项刷新纪录的成绩，除此之外，它给数学留下了什么？这竟是一次又一次打榜赛后，留下的唯一问题。
注：“千禧年大奖难题”是克雷数学研究所于 2000 年选出的七道重要数学难题，每解决一道可获 100 万美元。迄今只有庞加莱猜想被正式认定解决。OpenAI 此次宣称攻克的 Navier–Stokes 问题也是其中之一，但按规则，成果须正式发表、经过至少两年检验并得到数学界普遍认可，才会进入奖金评定程序。