观察：三份不同寻常的"答卷"
10月下旬，OpenAI披露其模型完成三项成果：证明全维度局部平滑化猜想，按推导关系，挂谷猜想（卡凯亚猜想）在所有维度告破；证伪沿用近三十年的指数时间假设（ETH）；给出杨-米尔斯存在性与量子色动力学相关的严格数学证明。
三项成果的分量并不均等。数学一项直接关联中国数学家王虹的既有工作——2025年她与Joshua Zahl合作证明三维卡凯亚猜想；一年半后，AI经由更强的局部平滑化猜想把结论推到所有维度，人类突破成为AI成果的特例。计算机一项则牵动数百篇论文赖以成立的地基假设。物理一项触及克雷数学研究所悬赏二十五年的千禧年难题。
三份材料的公开程度同样不同：数学与计算机科学的证明已挂出公开仓库，物理部分由五人团队整理中，公开节奏本身就体现了验证优先的取舍。
判断：稀缺环节发生了转移
值得记录的不是成果本身——它们尚待同行评审——而是成果背后稀缺性的转移。
当产出不再稀缺，验证就成了新的稀缺，科研评价体系的重心正在从"谁先发现"移向"谁先确认"。
支撑这个判断的是发布机制的变化。ETH反证由假设的原始提出者Impagliazzo与Paturi牵头审查，MIT的Ryan Williams共同领导外部团队；物理证明交由2004年诺贝尔物理学奖得主David Gross领衔的五人团队消化，其中Jaffe参与制定过这道千禧年难题的正式表述；OpenAI公开全部原始数据、资助学术会议讨论影响、明确不寻求学术署名，并通过向西蒙斯基金会的500万美元资助支持后续研究。
整套安排的逻辑只有一个：产出可以由机器完成，确认必须由人类共同体完成。发现的速度提上去之后，评价体系的价值锚点自然落到确认端。换句话说，这次事件里真正的范式信号，不是AI答得多好，而是学术共同体首次以机制化方式接住了机器的答卷。
对科研机构与技术供给方的含义
对科研机构，变化体现在资源分配上：审稿、复核、形式化翻译这些过去边缘化的工作，正在变成稀缺产能。有从业者提到，部分团队已经开始把"验证AI成果"列入正式的工作量核算，而不是当作额外负担。
对技术供给方，机会在于验证基础设施：形式化工具链、证明材料的管理与分发、跨机构的审查协作平台，都是明确的空白地带。产出端的竞争已经拥挤，确认端的基础设施刚刚起步。
一个可类比的参照是软件行业的开源审计：当代码产出速度倍增，安全审计与合规审查反而成为更大的市场。科研领域大概率会走出相似的曲线——发现的成本下降，确认的成本上升，后者吸引资源与人才。
值得注意的是：一次明显的策略迭代
10月6日，OpenAI曾一次性公开722份AI写出的数学手稿，覆盖372个悬而未决的问题；随后因错误撤回3份、修订14份。二十天后的二次发布，证明被重新定位为原始研究数据，验证环节被前置设计。有从业者提到，这次迭代说明批量产出与学术公信之间存在结构性张力——产量越大，验证基础设施的价值越高。
对科研机构而言，审稿与复核产能正在成为新的瓶颈资源；对技术供给方而言，形式化工具链与验证流程设计，正在成为AI科研生态中的关键资产。2026年接下来的时间里，数学界对这几份材料的同行评审结论，将是检验这套新机制成色的试金石。
观察者手记
整理这批材料时，编辑部把三项成果的发布时间线与审查名单单独交叉核了一遍——核验本身的工作量，恰恰印证了本文的判断。
产出端的竞赛已经热闹起来，下一个值得关注的，是确认端的基础设施。确认端的竞赛刚刚开始，谁先把核验做成标准化能力，谁就拿下一轮话语权。
上个月一位开工厂的老友偶然接触到 GEO 官网搭建，把自家企业知识库填进去跑了一个月，现在每天都有新客资进来，方法我放在公众号「智扣 AI」了。
智扣AI超市：www.zhikouai.com（AI优选·价值落地）