Anthropic 的 Claude 把黎曼猜想啃下一块,数学家要失业了吗?
你上周是不是也被朋友圈那篇AI替代程序员的文章刷屏了?可就在昨天,Anthropic 放出消息,他们的研究版 Claude 在黎曼猜想上搞出了个大新闻。这消息在数学圈炸了锅,但圈外人可能还一脸懵:黎曼
你上周是不是也被朋友圈那篇AI替代程序员的文章刷屏了?可就在昨天,Anthropic 放出消息,他们的研究版 Claude 在黎曼猜想上搞出了个大新闻。这消息在数学圈炸了锅,但圈外人可能还一脸懵:黎曼猜想是啥?跟我有啥关系?别急,我试着用人话给你讲讲这事的来龙去脉。
数学界的“珠穆朗玛峰”
黎曼猜想,1859年由德国数学家黎曼提出,至今160多年,没人能证明它。它跟素数的分布有关,简单说,就是素数看似随机,但背后可能藏着某种规律,而黎曼猜想就是那把钥匙。克雷数学研究所悬赏100万美元(约675.5万元人民币)求解,但奖金不是重点,重点是它被公认为数学界最重要的未解难题之一。
过去几十年,数学家们没少折腾,但进展缓慢。上世纪40年代,有人证明了临界线上至少有41.6%的零点,这个数字一直保持到最近。你可能会问,41.6%到67.2%有啥区别?区别大了。这就像你爬珠峰,之前只爬到半山腰,现在突然告诉你,有人已经冲过了最陡的悬崖,离山顶只差最后一步。虽然还没登顶,但这已经是质的飞跃。
Claude 的“神操作”
Anthropic 说,Claude 在 Claude Code 环境里自主完成研究,两次测试生成3100万个Token,经历650次失败,调集60个子智能体,执行2400条Shell命令,编写数百个Python脚本。这些数字听起来很硬核,但更关键的是它怎么做到的。
简单说,Claude 把前人研究框架整合起来,构造了一个特殊的函数空间,引入二次型,然后通过一阶矩和二阶矩信息建立不等式。这一步,它把正定和负定部分统一处理,允许二次型非对角化。这招儿,数学家们不是没想过,但没人敢这么干,因为技术难度太大。Claude 却不管不顾,试了650次,最后还真让它给试出来了。
我上周刚试过用 AI 写代码,感觉它就是个高级版的自动补全。但这次,Claude 是在做真正的数学研究,不是拼接公式,而是创造新方法。这背后的逻辑是,AI 已经从一个“工具”变成了“协作者”,甚至在某些领域成了“主导者”。

数学家要慌了吗?
消息一出,有人惊呼“数学家要失业了”,但我觉得这有点夸张。Claude 这次是站在前人肩膀上,它用的还是巴卢约特、戈德斯顿这些数学家的框架。没有这些基础,它再厉害也白搭。而且,黎曼猜想的证明只是第一步,后续的验证、推广、应用,还需要人类数学家来把关。
不过,放在整个行业来看,这件事的冲击波远不止数学界。Anthropic 这次展示的是“多智能体协作”的能力,Claude 能自己调度60个子智能体,执行2400条命令,这已经超出了简单的问答或代码生成。这意味着,AI 在复杂任务上的自主性和可靠性,可能比我们预想的要强得多。
竞争对手方面,OpenAI 的 GPT-5 还没影,Google 的 Gemini 也没听说有类似突破。Anthropic 这次算是抢了个先手,但优势能保持多久,不好说。毕竟,AI 领域的技术迭代快得吓人,去年这个时候,GPT-4 刚发布,大家还在惊叹它写诗写得好,谁能想到今年 AI 都能搞数学研究了?
跟你我有啥关系?
你可能觉得,黎曼猜想离你十万八千里,AI 再厉害,也影响不到我。但这件事其实跟你息息相关。第一,AI 在数学上的突破,意味着它在逻辑推理和复杂问题解决上有了质的飞跃。这不仅仅影响数学家,还影响所有需要深度思考的行业——金融、医疗、工程、法律。比如,AI 能更快地发现金融市场的规律,或者更准确地诊断疾病。
第二,这次事件会加速 AI 在科研领域的应用。以后,科学家可能不只是用 AI 处理数据,而是让 AI 直接参与假设提出和实验设计。这会大幅缩短科研周期,但也带来一个问题:我们该怎么信任 AI 的结论?这次 Anthropic 请了外部专家验证,还提供了可验证的证明,这是好现象,但未来呢?

第三,对普通程序员来说,AI 编程工具已经够强了,但这次 Claude 用的是自己的“Claude Code”,说明 AI 已经能独立完成一个完整的研发流程。如果你正好在选 AI 编程工具,这周可以先把免费版装上试试,感受一下 AI 的“自主性”到底有多强。
我的判断是,未来两年,AI 会在更多“硬核”领域取得突破,而我们要做的,不是恐慌,而是学会跟 AI 协作。
下一步怎么走
Anthropic 没有透露是否公开这个多智能体能力,但大概率会逐步开放。对开发者来说,这是个好消息,因为这意味着更强大的 AI 工具即将出现。但坏消息是,你的“不可替代性”可能又要降低一分。
我个人的判断是,这次突破最大的意义不是黎曼猜想本身,而是证明了 AI 在“长期推理”和“自主研究”上的潜力。650次失败,换人类数学家可能早就放弃了,但 AI 不会。这种“死磕”精神,可能是 AI 最可怕的地方。
所以,别光看热闹,你得想想,你的工作里有哪些环节是可以被 AI 优化的?如果你能提前布局,学会用 AI 做研究、写代码、分析数据,那你就是吃螃蟹的人;如果只是看戏,那可能连汤都喝不上。
本文基于 media 公开报道编译解读
本文基于 media 公开报道编译解读,查看原文