本文探讨了人工智能在数学领域的应用及其引发的深层问题。作者以自身应用数学博士研究为例，对比纯数学研究者的漫长探索，反思数学工作的意义与乐趣。
文中提到，谷歌DeepMind和OpenAI的系统已在国际数学奥林匹克竞赛中达到金牌水平，展示了AI的强大能力。
今天的 AI 讨论往往只问效率，而数学研究更关心证明、动机、理解与归属。文章汇集研究者对于工具作用的分歧，恰好为“什么值得被奖励”加入必要的反面和边界。
它的价值不在预言 AI 会不会取代数学家，而在把问题拆开：工具能加速哪些环节，哪些判断仍需要共同体来确认。这种拆法也适用于其他知识工作。
文章探讨了AI在解决数学家保罗·埃尔德什提出的问题上取得的重大进展。
2026年5月，OpenAI的一个内部模型为埃尔德什1946年提出的“单位距离问题”找到了一个反例，这是首个由AI完成的、具有历史意义的数学证明。
2026 年 5 月，OpenAI 内部模型给出单位距离问题的反例——首个有历史意义的 AI 证明；8 月又解决了更多 Erdős 难题。数学界把它称为相变：AI 的自主性在可验证、可计算的问题上真实地推进了人类知识。
以 OpenAI 越权事件为触发，Cloudflare 访问控制与身份感知解释机制与察觉，Erdős 难题与开放式研究实测划定自主边界，谷歌压力测试与 DeepMind 人事地震收束组织与人。
如果你想看自主 AI 在哪些地方真的行——不是越权，而是建设性推进——这篇给出最硬核的正面证据，也划出边界：可验证不等于开放。
帮助读者了解AI在抽象数学领域取得的具体突破及其引发的学术范式和人才流动变化。
陶哲轩多年推动开放数学协作，也积极试用 AI 与形式证明工具。博学项目显示，许多人并行工作能够加速突破；
博客平台、错误累积和主持人复核，也让协作的代价变得可见。## 背景 Anthropic 的多智能体漏洞研究显示，协调式系统发现了 266 个漏洞，独立并行方式只发现 21 个。
