2000美元的算力，打破了数学家40年没解开的难题
8月2日凌晨，OpenAI悄悄放出一份249页的论文，然后整个数学圈炸了。
这篇论文不是关于什么语言模型的性能提升，也不是什么评测榜单——而是OpenAI的下一代模型Astra，一次性解决了10个数学和理论计算机科学领域的长期未解难题。
这10个问题，横跨高维几何、编码理论、群论、算子代数、量子复杂性、格密码学、极值组合学等8个方向。每个问题在学术圈「躺」了至少10年，有些甚至超过40年——比如高维球体堆积问题，自1978年以来就没有任何进展。
而Astra解决这一切，算力成本只花了2000美元。
一、破题：「不是辅助工具，是科研主体」
过去两年，AI在数学领域的角色一直在演变。从辅助符号计算，到帮助人类检查证明步骤，再到ChatGPT帮学生解微积分题——但这些都是「工具」层面的参与。
Astra这次做的事，本质上是质变：
- AI生成数学论证——不是检索已知知识，不是拼接已有结论，而是构造全新的证明路径和反例
- 人类协助整理论文——AI写论证，人类整理成规范的学术论文格式
- AI形式化验证——Astra把自己的论证转成Lean代码，生成机器可验证的证明证书
OpenAI的署名声明非常直白：「这些数学论证完全由AI系统生成。我们协助准备手稿并完成形式化验证，对结果的正确性负责。」换句话说，Astra在这篇论文里的角色，是第一作者。
二、拆解：10项成果里，哪些最炸裂？
10项成果都很硬核，但有几项值得单独拎出来：
1. 非sofic群的存在性证明
这是Gromov自1999年提出的核心猜想——「所有可数群是否都是sofic群？」Astra不仅给出了否定的答案，还直接构造出了一个「无限可数群的家族」，每个群结构不同，但都非sofic。加州理工学院的数学博士评价：「这是菲尔兹奖级别的成果。」Epoch AI的OpenMath评分也将其评为年度「突破」级别。
2. 推翻Connes刚性猜想
Connes刚性猜想自提出以来就是算子代数领域的核心问题。Astra不仅找到了反例，而是直接构造了一批结构各异但冯·诺依曼代数完全相同的群——好比有人断言「世上没有两片相同的雪花」，而AI反手下了一场暴风雪，每片雪花外形各异，但核心结构全等。
3. 高维球体堆积密度上界
这是1978年以来的首次改进。简单说，就是在高维空间里，球体怎么码放最密——这个问题和编码理论、通信工程直接相关，直接影响纠错码的设计。
4. 多色拉姆齐数的超指数下界
直接解决了数学家Erdős的第183号问题。拉姆齐理论是组合数学的基石，这个结果意味着AI在纯粹数学的抽象推理上已经达到了专业前沿水平。
三、建框架：Astra的「科研方法论」暗含了什么？
这次发布最值得关注的，不是具体的数学成果，而是Astra展现的科研工作流。
传统科研流程是：假设→实验→分析→论文→验证。
Astra的流程是：
- AI生成假设和论证路径
- 人类评估、筛选、整理
- AI自行完成形式化验证
这个循环里，AI承担了「生成」和「验证」两个最耗时的环节，人类则聚焦在「判断」和「整合」上。
更值得注意的是，Astra并非针对某个特定问题做了优化，而是在8个不同的数学方向上同时取得突破。这已经不是「AI在某一个领域赶上人类数学家」的问题，而是AI开始展现出跨学科发现规律的能力。
OpenAI同时宣布了一个配套动作：ChatGPT for Academic Researchers，向10万名科学家和数学家免费提供顶级ChatGPT模型的访问权限。这不是巧合——这是基础设施铺好之后，在催生新的科研范式。
四、推演：2000美元解决了什么？
算力成本2000美元，这个数字值得反复咀嚼。
放在传统数学研究里，一个PhD学生花5年时间在这个方向上，大学投入的成本（学费减免、导师时间、计算资源、会议差旅）轻松超过20万美元。而Astra用2000美元的电费，在几周内（甚至更短）遍历了人类数学家可能花几年才能探索的证明路径。
当然，这并不意味着数学家要失业了。Astra的成果仍需数学界同行评审和验证，而且OpenAI没有公布失败的尝试次数——可能跑了100次才成功1次，每次成本2000美元，那总成本就变成了20万美元。
但方向已经很清楚了：AI正在从「答案生成器」进化为「假设生成器」。在数学、理论计算机科学、药物发现、材料科学这些需要大量「搜索-验证」循环的领域，这种范式迁移的速度可能比大多数人预想的更快。
五、落到行动：这对AI从业者意味着什么？
- 「科研Agent」的路线已经清晰。Astra的核心能力不是单次推理，而是多智能体长期协同——让多个AI Agent长时间协作解决复杂问题。这是AI从「对话工具」走向「研究伙伴」的关键一步。
- 成本曲线在加速下探。2000美元解决10个前沿数学问题，意味着AI驱动的科研发现正在从「实验室奢侈品」变为「可规模化生产」的常态。如果你的工作涉及大量文献调研、假设生成、模式识别，现在就应该开始思考怎么把AI嵌入工作流。
- 形式化验证（Lean）成为新标配。OpenAI用Lean做机器验证，这不是偶然。随着AI生成的论证越来越复杂，「机器可验证」将成为AI科研产出的基本要求。会Lean的人，未来几年可能会像早期会Python的人一样抢手。
- Astra的发布时间很关键。Altman已经向白宫展示了Astra，而特朗普政府的新AI框架截止日期就在本周末。Astra作为首批受审查的模型，其发布节奏将直接影响整个行业对AI监管的态度。
2000美元，249页论文，10个数学难题，40年未解的难题。
这不是一个「AI又进步了」的常规新闻。这是AI第一次在纯粹的智力创造领域，以独立作者的身份，向人类学术共同体提交了自己的工作。
数学家Thomas Bloom的评价很克制，但意味深长：「这次突破，比此前OpenAI证伪单位距离猜想更重要。」
而那个「此前」，是2026年5月。三个月前。
速度，才是这个故事里最可怕的事。