奥尔特曼称OpenAI数学投入数亿美元 仍有未公开成果

时间：2026 年 11 月 2 日（36 氪中文解读发布日，也是本条快讯的报道日）。事件本身的时间线是：访谈在 10 月 29 日（周四）发布的《Cheeky Pint》第 39 期节目中播出，The Verge 于 10 月 30 日报道，中文读者在 11 月 2 日通过 36 氪的梳理看到这一轮披露。 地点：美国旧金山。节目由科技播客《Cheeky Pint》主播 John Collison 主持，OpenAI 首席执行官 Sam Altman 接受连线访谈，双方均为远程连线。 人物：Sam Altman，OpenAI 首席执行官；John Collison，《Cheeky Pint》主播，负责提问与追问。在 36 氪同批梳理中还涉及 OpenAI 与 PerturbAI、Scripps Research 的合作团队，以及生物技术公司 Generate Biomedicines 的研究人员。 事件详情：在这一期节目里，Collison 先提到单份数学证明的算力投入量级，他以纳维耶-斯托克斯证明为例说是一千万美元左右，Altman 回应说平均每份证明的花费远低于这个数。当主持人把话题转向整体投入并追问“数学研究上是不是花了数亿美元”，Altman 确认了这个量级，并补充说这笔投入“包含远多于我们已公开的其它发现”。 更具体地说，Collison 追问“除了那 700 个证明之外还有更多吗”，Altman 的回答是“当然有”。他同时给出了一个平衡式的表态：一方面他坚持“人类理应拥有基础知识”，不该把重大基础科学发现捂在手里，世界的知情权“超过”另一项同样重要的公平性考量，即科学家的职业成就感有相当一部分来自发现本身；另一方面他也承认“我对方法上有同理心”，指的是数学界对 OpenAI 公布方式的不满。 他还谈到算力投入的下降速度，说做纳维耶-斯托克斯证明时“我们对智能体团队的 scaling law 一无所知”，现在略有理解，并估计一年后可以用当时的百分之一成本重做这一证明。 背景：The Verge 在同一报道中采访的数学家对 OpenAI 的公布方式提出批评，指其署名不足、上下文太少、验证不够，导致研究者要自己承担核查与理解这些成果的繁重工作。OpenAI 自己的动作也在调整：10 月 26 日，公司在官方说明《Building scientific understanding with academic communities》里把当天新公布的研究手稿定位为“原始研究数据”，并介绍了邀请外部专家牵头、组织团队解释结果等做法，其数学仓库同时说明相关结果处于不同验证阶段，部分尚未附有可由计算机检查的形式化证明。 第三方统计也在印证 AI 进入科研日常的程度。Epoch AI 10 月 30 日发布的统计显示，2026 年 9 月受检的 4922 篇 bioRxiv 预印本里，有 846 篇披露使用过大模型，占 17.19%；其中 190 篇把大模型用于研究或分析环节，例如实验设计、数据标注和统计分析，占受检预印本的 3.86%。作为对照，一年前的 2025 年 9 月，披露使用大模型的比例是 6.40%。 影响：对研究者与开发者的直接含义是，AI 参与数学研究的边际成本正在快速下探。当一个机构把内部算力预算直接用于分配研究资源时，“做出一个可验证证明”的价格会越来越低，但同时也会挤压以发现问题为职业价值的科学家的空间。 科研协作的闭环已经出现在两个公开合作里。10 月 21 日，OpenAI 与 PerturbAI、Scripps Research 公布了一项合作，由数千个 GPT-Rosalind 驱动的智能体分头分析数百万小鼠脑细胞的已有实验数据，每个智能体围绕一种基因扰动分析细胞反应、查找文献并提出解释，最终汇总成一份推理图谱，供研究者挑选下一步要检验的线索。10 月 27 日，Generate Biomedicines 公布借助 Claude Code 改造 CAR-T 受体的进展，他们从模型参与设计的方案中挑出 186 个做首轮实验，再把结果交回系统继续修改，经过三轮设计与筛选，得到一个仅由 45 个氨基酸组成的信号结构，比用作对照的第二代 CAR 信号结构短约 70%；团队报告在体外实验中，使用相同剂量 mRNA 的新设计 T 细胞表面出现了更多 CAR 受体，杀伤目标细胞的能力也维持得更久。 争议因此不在于 AI 会不会做数学，而在于公布与验证流程能否跟上：一端是数亿美元量级、且明确表示还有更多成果尚未公开的产出，另一端是缺少署名、上下文与可机器检查证明的发布方式。 总结：Altman 在播客里第一次明确给出两个数字级信息，数学研究投入是数亿美元量级，已公布的 700 个证明之外还有更多成果，并且给出了公开优先的立场，同时承认数学界对发布方式的反弹。这条消息把讨论从“AI 会不会做数学”推到了更具体的工程问题上，成果如何公布、谁来验证、验证成本由谁承担。配合 Epoch AI 的披露数据和两个生物方向的合作看，模型已经进入科研流程的多个环节，科研共同体的适应速度而不是模型能力，正成为新的瓶颈。 参考来源： The Verge：Sam Altman sympathizes with mathematicians, but says OpenAI’s math onslaught won’t stop（2026 年 10 月 30 日） https://www.theverge.com/ai-artificial-intelligence/1023054/altman-cheeky-pint-ai-math-interview Cheeky Pint 第 39 期访谈全文记录（含“100s of millions of dollars of math”“We have more than the 700 proofs”等原话） https://cheekypint.transistor.fm/39/transcript Cheeky Pint 第 39 期节目页 https://cheekypint.transistor.fm/39 Epoch AI：bioRxiv 预印本中的大模型使用统计（2026-10-30） https://epoch.ai/data-insights/biorxiv-llms-vs-ai-tools 36氪中文解读：数亿美元做数学，奥特曼：OpenAI还有发现没公开 https://www.36kr.com/p/4051772496139397