一個搜尋詞掛上B站熱榜：「AI為何能解決數學難題」，看的是模型能力的時間差

在B站搜「AI為何能解決數學難題」，跳出來的結果橫跨至少兩年：2024年11月討論停機問題的舊片、2025年1月測試DeepSeek R1解1982年未解難題的實測、2025年5月「AI一口氣解開9道Erdős問題」的科普影片，到最近一週內多達七、八支剛上傳的新片。其中柳智宇的分享《AI攻克10項菲爾茲獎級難題》累積83.4萬播放，蟲洞WormHoleNew的《AI數小時攻克87年數學難題》有15.5萬播放。一個知識型問題在短影音平臺被反覆生產，這件事本身透露的訊號，值得用數據拆一遍。

這不是本週突發的新聞事件，而是過去兩年模型能力躍遷的累積效應，最近又因新一輪內容供給集中上架而再度被搜尋。先看能力端的時間線，再看內容端的帳。

能力端的時間線：從猜想到獎牌

模型解數學題的進展，有幾個可量化的節點。2023年12月，DeepMind的FunSearch在組合數學的「上限集問題」上找到新的構造，這是首次有大型語言模型在未解數學問題上產生真正的新知識，結果發表於《Nature》。2024年7月，AlphaProof與AlphaGeometry 2組隊參加國際數學奧林匹亞（IMO），拿下了42分制中的28分，達到銀牌水準，距離金牌線僅差一分。到了2025年7月，Google的Gemini Deep Think與OpenAI的實驗性推理模型分別在同一屆IMO中達到金牌水準，解題時間壓縮到數小時以內。

另一條線是反例與構造。2025年5月一篇發布於arXiv的論文用大規模語言模型輔助搜尋，解開了9道Erdős遺留的組合數學問題，並證明了線上整數數列資料庫OEIS中的44個猜想，這正是B站那支1.6萬播放影片的素材來源。更早的2021年，Adam Wagner已用類神經網路在多個數學猜想中找到反例，證明「機器負責搜尋、人類負責驗證」的分工在反例這一側可行。

把這些節點排開，可以看到一條清晰的替代曲線：從「輔助計算」（形式化證明工具Lean、Coq的推廣），到「猜想的生成與證明」（FunSearch、Peltomaki與Walter等人的OEIS工作），再到「封閉競賽環境中達到人類頂尖水準」（IMO金牌）。每一階段的單位成本都在下降：2019年前後讓模型解一道競賽幾何題需要大量人工特化，2025年則是通用推理模型的副產品。

為何是「難題」先被解：問題結構的篩選機制

需要先釐清一個常見誤讀。AI目前解掉的「難題」高度集中在特定結構：組合數學、圖論、可化為有限搜尋空間的構造問題。這類問題的特徵是，答案可能很短，但搜尋空間極大，而驗證一個候選答案是否成立可以機械化。Erdős問題與OEIS猜想大多落在這個區間，這也是為何它們成了模型的第一批戰果。

相對地，涉及連續結構與物理直覺的難題（如流體力學的Navier-Stokes存在性與平滑性）仍是人類數學家的主場。上海科技官方帳號一月發布的影片裡，ICCM數學獎金獎得主鄧煜講的仍是「靈感、長期積累、合作」，對象正是這類問題。換句話說，目前的分工邊界相當清楚：可機械驗證的離散構造，模型的勝率快速上升；需要新數學概念發明的問題，人類仍握有定義問題本身的權力。

這條邊界本身就是需求分層的依據。工具鏈上，形式化證明助手（Lean及其數學庫mathlib）的採用率在大學與研究機構上升，GitHub上mathlib的貢獻者數量過去數年維持年增兩位數的成長，輝達與DeepMind都投入了將AI與形式化驗證結合的研究團隊。證明的「編譯」環節正在被工程化，這對數學期刊的審稿流程、對密碼學與形式驗證晶片設計的商業應用，都會產生傳導。

內容端的帳：一個知識熱詞的供給結構

回到B站這個搜尋現象。一個知識問題能被反覆生產成影片，靠的是供需兩側的條件同時成立。需求側，模型能力的躍遷製造了持續的資訊落差，一般觀眾需要有人解釋「機率模型為何能產生確定性的證明」。供給側，每一輪模型更新（DeepSeek R1在2025年1月、各家推理模型在年中的密集發布）都提供新的素材錨點，內容創作者只需圍繞最新一次「AI解難題」的事件就能產出一支影片。

這與我們先前分析的詹姆斯辯題在B站的流量結構邏輯相近：一個可辯論、可反覆延伸的題目，會在平臺的搜尋與推薦機制中形成長尾供給。差別在於數學這個題材的折舊更慢，一支講清楚FunSearch原理的影片，素材保鮮期以年計，這讓科普創作者有動機投入更高製作成本的長片。

細看播放分布也能印證分層：頭部是柳智宇（本身具數學奧賽金牌背景的跨界名人）的83.4萬播放，中段是科普帳號的1萬至16萬播放，尾部則是大量千次級播放的跟風短片與標題聳動但內容存疑的影片（例如宣稱AI找到雅可比猜想反例的內容，該猜想至今並無公認的反例或證明，此類影片應視為流量導向的誇大標題）。內容平臺的經典結構：可信度與流量分布不完全重疊，驗證成本由觀眾承擔。

影響推演：誰受惠，誰承壓

受惠端有三個層次。最直接的是AI實驗室與算力供應商，數學證明是評估推理模型最乾淨的基準，IMO級表現直接寫進融資與產品敘事，這維持了推理模型的資本支出週期。第二層是形式化驗證工具鏈與相關服務，Lean生態、AI定理證明新創（如專注該領域的多家矽谷公司已獲千萬美元級融資）獲得需求外溢。第三層是知識內容平臺與創作者，如前述的B站供給結構所示，這是一個素材不斷自我補充的題材庫。

承壓端同樣可以指出兩處。其一是數學教育的部分變現環節：競賽培訓與解題付費內容的稀缺性基礎正在鬆動，當一個模型的解題能力超過多數付費講師，這門生意的定價必須轉向「教懂」而非「解出」。其二是學術出版的審稿與驗證環節，如果機器可驗證證明成為常態，人工審稿在形式正確性這一欄的價值會被壓縮，期刊的加值必須往問題選擇與重要性判斷移動。傳導機制不神祕：驗證成本的下降，會沿著「誰原來靠驗證收費」的路徑逐層擠壓。

至於人類數學家，短期帳面上是受惠的：構造性苦工被機器分擔，稀缺資源移向問題的提出與概念的發明。長期的分配問題（頂尖數學家與普通研究者的產出差距被工具放大）存在，但現有數據尚不足以對此下定論，此處只標記為待觀察變數。

收束：能力曲線與內容曲線的時間差

一個搜尋詞的走紅，通常滯後於能力突破十二到十八個月。FunSearch是2023年底的事，內容端的爆發出現在2025年；IMO金牌是2025年7月，對應的科普影片高峯在隨後數週。這個時間差就是知識內容市場的基本套利空間，也是為何同類影片能一波接一波上架。

對觀察者而言，判斷下一波的位置不難：盯住能力端的可驗證節點（形式化證明庫的成長率、頂級競賽基準的分數、arXiv上機器輔助證明的論文數量），內容端的熱度只是它的影子，且永遠滯後一拍。與珠峯熱量帳那類經典科普熱問不同，這個題目的搜尋量會隨模型版本跳動，折舊更快，也更容易被誇大標題污染。看到「AI推翻百年難題」之類的影片，先查該問題在arXiv與同行評審體系的實際狀態，再決定要不要點開，這個驗證動作的成本，目前仍是觀眾自己在付。