当AI开始批量生产数学证明，数学界的第一反应不是欢呼，而是抵制。

发生了什么

据 The Decoder 报道，OpenAI 一次性发布了 700 多篇由 AI 生成的数学手稿，规模之大在数学圈引发强烈反弹。一个名为 Association for Human Mathematics（人类数学协会）的组织随即呼吁对 OpenAI 发起抵制。更尴尬的是，发布次日 OpenAI 就因一处符号错误撤回了其中三篇论文。菲尔兹奖得主陶哲轩（Terence Tao）也发出警告：AI 对开放问题的大规模“收割”，正在让整个数学分支变得不再“肥沃”。

为什么重要

数学研究有一套不成文但极重要的规范：问题的提出、证明的打磨、同行评审与公开讨论，共同构成一个缓慢但自我纠错的生态。AI 一次性抛出数百篇手稿，绕过了这套流程，把“数量”直接砸进了以“质量”和“可信度”为硬通货的领域。

符号错误导致撤稿这件事本身并不致命——人类论文同样会出错。真正刺痛数学界的是节奏与姿态：当生成成本趋近于零，评审、验证和后续研究的成本却被转嫁给了人类社区。陶哲轩所说的“收割”，指向的正是这种不对称——AI 快速消耗掉那些本可以支撑多年研究的开放问题，却未必留下可被继承的、扎实的中间成果。一个分支如果被“摘走”了低垂的果实却没有长出新的枝干，后来者面对的将是一片贫瘠。

抵制呼吁因此不只是情绪宣泄，而是对研究规范被单方面改写的防御性反应。

影响与看点

对 AI 行业而言，这是一次关于“发布伦理”的提醒：模型能力越强，发布方式本身就越是一种价值判断。把海量生成结果直接倾泻到某个学术社区，与把它放进可复现、可评审的框架里，后果完全不同。

对开发者与研究者，值得关注三点：其一，AI 生成内容的验证成本正在成为新的瓶颈，工具链的机会可能不在“生成”而在“校验”；其二，学术社区大概率会加速形成针对 AI 投稿的披露与过滤机制；其三，数学这类形式化程度高的领域，或许会率先走向“机器可验证证明”的路径，用形式化工具替代部分人工评审。

一句话判断：这轮争议的核心不是 AI 能不能做数学，而是它以什么方式进入一个由人类信任机制支撑的领域——方式选错了，能力越强，反弹越大。