物理学家被找上门拿到免费代币，被承诺解决整个领域，从此专心发论文而非做物理。2026年10月上旬，OpenAI 实现了每个数学家童年时的梦想。作者并非数学家，无法100%确定什么激励人追求数学，但猜想这一梦想为学者共有：仰望星空、玩解谜或受老师启发，继而梦想无情公司机器人烧毁雨林，整理700条冷僻无人能懂的事实作营销噱头炒作。

起初，他们冲着艺术家而来，
我没有发声，因为我不是艺术家。
接着，他们冲着数学家而来，
我没有发声，因为我不是数学家。
然后，他们冲着物理学家而来，
而这其实非常酷，他们给了我免费的 token，还承诺替我解决我整个领域的问题；现在，我终于可以投身于发表论文这项重要工作，而不是去做物理了。

十月初，OpenAI 实现了每个数学家童年时的梦想。

我自己并不是数学家（只是一个理论粒子物理学家，有些人认为这甚至也算不上科学家），所以我无法百分之百确定，究竟是什么激励着一个人去追求数学。但我想，这个梦想在所有学者中都很普遍：

或许是惊奇地仰望星空，或许是享受一个复杂的解谜游戏，又或许是受到一位善于鼓励的老师的启发，然后梦想着有一天，一个毫无感情的企业机器人[1]会烧毁一片雨林，整理出一份包含 700 条极其晦涩、几乎无法阅读的事实的清单；这些事实可能是真的，但没人能理解，而这样做只是为了一个营销噱头，为 IPO[2] 炒作造势。

这大概就是你们大多数人读到这里时走进学术界的原因。至少，我是这样的。

1941 年，Jorge Luis Borges 想象了一座图书馆，里面藏着所有可能被写出来的书。在这座巴别图书馆的某个地方，存着黎曼猜想的证明、量子引力的完整全阶理论，以及我将要写的所有论文。当然，那里也有错误的证明、理论，以及具有误导性的 Lean 证书，但这都无关紧要。

以 2026 年的科研标准来看，Borges 的巴别图书馆会成为人类历史上最成功的研究机构，它包含数量大到不可思议、可能正确的数学与物理结果，远超OpenAI 那区区 722 篇文稿，甚至也让物理学界最近的 2500 篇文稿相形见绌。

当然，大多数人都认为 Borges 是个没有远见的傻瓜，没能看出这座图书馆的商业潜力，因为他从未真正把它建出来。他缺乏创业的 STEM 精神，不去拉风险投资、启动 IPO，并宣布自己有潜力解决所有数学问题。他太过在意一件徒劳的事：在随机生成的垃圾中筛选，试图弄清哪些正确、哪些不正确，以及该如何理解这一切。但 Borges 懂什么呢？他不过是个作家，而我们早就认定艺术家已经过时了。

幸运的是，OpenAI 让我们离实现 Borges 的愿景又近了一步。他们没有去生成所有可能的数学论文，而是找到了一种方法，以概率方式生成那些看起来正确的东西。这种效率提升的一个重要方面，是把判断真实正确性与理解含义这件乏味、没有声誉且无利可图的工作外包给数学界（过去，这通常是由写论文的那群人自己做的），同时也不浪费任何时间让论文变得能被人类理解。当然，这是一项巨大的突破。在过去几个世纪，科学家和数学家解决问题的能力受限于他们理解答案的能力。如今这个瓶颈被消除了，现在，我们无法理解的科学和数学“事实碎片”在数量上不再有任何理论上限。

据我对学术界的了解（主要来自 Twitter 和 LinkedIn，我假定它们具有代表性），似乎有一种近乎一致的共识：数学与科学研究的目的，就是把大量可能为真的事实碎片收集到一个实际上永远不会有人去读的存储库里，这套仪式被称为“推进人类[3]的知识”。至于这些结果是否写得好、是否易懂、读起来或看起来是否舒服，甚至是否完全正确，都是次要的——事实上，在尽快推进人类知识的过程中，许多学者一听到“值得花时间让结果能被人类理解”这种建议，就会愤怒地退缩。当这些资源可以用来再生成一条结果时，去解释或检查一条结果就是低效的。

这也符合我自己的亲身经历——我成为理论物理学家并不是为了 亲自去了解宇宙，或更好地欣赏自然之美（那是哲学，我可绝不会去读个哲学博士）。我花多年时间学习写代码、画好看的图，或撰写写得很好的论文，也不是为了创造某样东西带来的单纯满足（那是艺术，而我们早就认定艺术已经过时）。相反，我成为物理学家，是为了盯着由某个洛夫克拉夫特式自动补全生成的、正确性可疑的大型直方图数据库，然后说“嗯，大概没问题吧”，以此为人类的知识前沿添砖加瓦。

我活着就是为了服务知识的前沿，除此之外别无他求。

数学和科学关乎冷冰冰、硬邦邦的答案，就像艺术关乎生产图像，音乐关乎生产声波，文学关乎生产字符串。这些东西的存在就是为了作为内容被消费。没有理性的人——尤其是我们这些 STEM 领域里自诩理性大师的人——会为了创造、学习或美的快乐去追求这些东西；所有这些都是低效，我们绝不能低效，否则会阻碍人类的进步。LLM 没有这些低效的包袱，而这些追求只会留给那些被落下、整天没有更有生产力的事情可做的人。

就我个人而言，我期待有一天，ChatGPT 能替我欣赏日落或享用美餐，从而腾出我的时间，就像我用 Uber 省下在风景优美的徒步上花的时间一样。既然 AI 已经解决了我们所有的问题，我们就可以投身更重要的工作：去做量化金融，vibecoding 体育博彩应用，消费 AI 生成的 TikTok 短视频，以及在 Twitter 上和政治机器人对骂。

归根结底，这不只是关于数学或物理——它关乎从根本上重新想象“为人”意味着什么。通过把好奇心、创造力和理解的重担外包出去，我们终于可以专注于最重要的事：创造价值、最大化生产力，并加速迈向科学的终极目标：在一个没人会费心去读的巴别图书馆里，建起一个包含所有可能为真的事实的完整仓库。

而且，说实话？这可不多见。

[1] 说明一下，在你童年的梦想里，你并不能自己造那个机器人。那是一家巨头公司的机器人，他们制造它的过程中，有一部分是从你和你的朋友那里偷来的。而且它也算不上什么特别酷的机器人，只会用 HR 那套话术说话。

[2] 说明一下，在你童年的梦想里，那是别人的 IPO，钱也全归他们，而不是你。

[3] 这里的“人类”是比喻意义上的，并不指代任何真正理解了某些东西的真实个人。

讨论气氛尖锐且两极：许多评论认为文章准确刺破了 AI 参与科研后“量产无人理解的可能为真之事实”、学术追逐指标与企业逐利所导致的荒诞，因而产生强烈共鸣。反对者则讨厌其虚无与讽刺，强调 AI 已是提升生产力和拓展探索的工具，并反驳把 AI 数学产出比作满是噪声的“巴别图书馆”，而背后的暗线其实是研究者社会地位、劳动谋生意义，以及“人类是否还能信任并理解 AI 证明”的焦虑。

认为文章准确揭示了 AI 时代知识生产与企业逻辑的荒诞

• AI 与学术激励正在把研究变成“收集大量可能为真、却无人阅读的事实”的仪式，解释和检查被当成低效；企业则用 AI 生成无人深究的内容去服务 KPI、炒作和上市，历史补贴与租金逻辑进一步推动其替代劳动、追求统治，而利润动机被认为会毁掉本不该盈利的事。（较多人）
• 不少评论者共鸣文章中的焦虑与讽刺：觉得它写得深刻、有趣又悲伤，甚至称其保留了“人的精神”，并把学术界对 AI 接管好奇心与创造力的恐惧表达得很到位。（较多人） > 这是很棒的讽刺，很高兴还有人保留人的精神。（@ahsgtq）

认为 AI 是增强生产力与探索的工具，反对虚无主义

• 程序员视角：AI 最先冲击的其实是程序员，但很多人反而因它获得巨大生产力提升，过去几年的工作现在一个下午就能完成，因此“AI 只配优化购物车”之类的嘲讽被认为严重低估了它的价值。（少数人）
• 乐观者认为，把 AI 带来的存在主义哀叹视为奢侈：对战争或贫困中的人来说，“AI 让生活失去意义”的抱怨像是何不食肉糜；真正该做的是用它加速技术发展、探索更多未知，而不是沉溺于犬儒。（少数人） > 如果工具让我们更深入地追问存在之谜、看到从未想过的问题与答案，那就是好事；真正好奇的人会把省下的时间加倍投入探索，而不是抱怨。（@mwillis）

认为文章只是令人厌烦的抱怨，讽刺风格削弱了观点

• 不少读者承认作者想表达的情绪可以理解，但无法接受通篇的讽刺、愤世和“企业社会主义残渣”式措辞；这种风格被认为让论点失分，也让人不想认真对待。（较多人）
• 更尖锐的批评认为文章叙事糟糕且与大众无关：它担心的“外包好奇心”根本触及不到亿万普通人，用讽刺或犬儒包装也拯救不了这个叙事；有人只回了一句“别闹了”，反映出部分人对这类抱怨已不耐烦。（较多人） > 我同情作者想传达的某些感受，但那种愤世嫉俗和讽刺的写法在我看来真的削弱了他的论点。（@cbdumas）

认为 AI 的产出并非巴别图书馆式的噪声，且远未解决所有问题

• 反对文章的核心类比：博尔赫斯的巴别图书馆点“随机”几乎只出乱码，而当前 AI 在数学上给出的是大量可信、且被指出经常正确的证明，信噪比很高，情况与纯噪声库正好相反。（少数人）
• 也有人提醒别被“AI 已解决所有问题”的反话带偏：像 Collatz 猜想仍需全新数学方法，现在说所有问题都被解决为时过早。（少数人） > 在巴别图书馆模拟器里点随机几乎全是乱码，但 AI 给出的数学证明却常常可信且正确，信噪比很高，这与满是噪声的图书馆正好相反。（@ADEPT）

认为争议实质是研究者社会地位与学术奖励机制的错位

• 有评论指出，文章其实没说到点子上：真正让人难受的是人类长期把重大认知洞见等同于意义、价值和社会地位；当这类洞见可被 AI 自动生成，原先靠“在纸上解数学谜题”获得的尊崇就会转移，这种失重感解释了为什么反对者显得像在闹情绪。（少数人）
• 学术界的奖励机制也被认为没有跟上价值观变化：数学界仍以菲尔兹奖表彰“推进”和证明，而现在又被告诉“解释、理解、提出新问题”更重要，却并没有相应奖项或职位来承接这种新标准。（少数人） > 他们不过是因自己不再是最顶尖的知识分子而恼羞成怒，这让人很难认真对待他们的说法。（@ciefa）

认为多数人工作只是为了谋生或维持经济增长，而非追求文章讨论的崇高意义

• 对“我们到底为什么做这些”的直接回答是：为了钱；如果住房、医疗和食物都有保障，很多人会立刻停止。STEM 教育也被形容成“为工厂培养合格工人的工厂”，创造欲、学习之乐或美感并非驱动力。（少数人）
• 一条来自转行做商业装修项目管理的前程序员经历显示：离开编码后工作更辛苦，常自问“为什么要做这些花哨的接待台”，这些折腾只让经济总量增长，却带来巨大人力消耗；这从体力劳动角度呼应了“工作意义”的空洞。（少数人） > 做这些只是为了钱；如果住房、医疗和食物都有保障，我会立刻停下。（@micromacrofoot）

有价值的补充

• 冷知识：博尔赫斯笔下的巴别图书馆共有 25^1312000 本书，随机翻看几乎全是胡言乱语；网上有 libraryofbabel.info 模拟器，点“random”可以直观体会这一点，评论常借此检验“AI 是否等于巴别图书馆”的类比。（@ADEPT）
• 关于人类是否值得花资源去理解 AI 的数学结果，有评论认为文章说得还不够：未来 AI 可能比人类更擅长自我解释，真正的难题会变成“人类是否信任这个证明”；如果证明依赖人类无法理解的技巧，再强的形式验证也不足以建立信任，只有人类可理解性才是关键，而这恰恰是 AI 无法自己完成的。（@bryan0）
• 针对“AI 与数学家产出都不可读”的说法，一个精巧类比指出：现代数学离普通人常识极远，外行请数学家解释和请 LLM 解释没有区别，都是在求一个“神谕”把内容降到自己的抽象层级；对非职业数学家来说，两者都在输出只有自己懂的东西，差别只在于数学家用公理而非定理来解释。（@eadwu）
• 关于“社会为什么资助纯数学”的讨论，有评论重新抛出问题：我们资助纯数学是因为相信其中一部分最终会有用（图灵提出图灵机时就是在做纯数学），因此真正值得辩论的不是数学家喜不喜欢 AI、工作有没有趣，而是“2026 年 AI 做出的纯数学”和“2026 年人类做出的纯数学”哪个更有用。（@lacker）