OpenAI 这波,外界盯着"AI 会不会做数学",我盯着另一件事:它把"专家手稿"这种原本靠人熬年头、靠稀缺性定价的产出,第一次摆上了批量生成的流水线。700 多份、一次甩出、声称解决数百个未解问题——不管水分多少,这个动作本身比单篇结论更值得琢磨。

数学家们的反应很说明问题。100 多位研究者的回应里,震惊和"反感"并列。震惊好理解,反感才是信号。当你的领域里金贵的产出——未被证明的猜想、精巧的构造、独一份的推导——被一个系统以工业节奏成批产出,专家身份的稀缺溢价就被抽掉了一块。这不是情绪问题,是定价逻辑问题。

数学家喊的那句"我们失去了什么美",别当文艺腔跳过。它点的是一个真问题:当产出能批量生成,过程里的"人味"——那种只有熬过死胡同才有的直觉和品味——会不会被冲淡。产业侧不必为这个伤感,但得承认:系统能给你"够用"的结论,给不了"漂亮"的论证。专家未来的卖点,恰恰会是系统给不了的那种判断力。

把镜头从数学圈拉开,对所有靠"专家独家产出"做生意的行当,这是一次预演。咨询报告、尽调、专利分析、技术尽调、精算意见书——本质都是高价专家手稿,过去贵在写的人少、门槛高。当生成质量逼近"够用"那一档,买方的决策会变成:先让系统出三版,再让专家挑错和拍板。

专家不会消失。但专家时间的计费方式,会从"按份卖"转向"按核验和拍板卖"。这是整件事里最硬的对比:过去你为"写得出来"付钱,以后你为"判得准"付钱。会写的人会变多,会判的人会更贵。

数学是难度极高的领域,OpenAI 选它当靶子,恰恰想证明上限。但对绝大多数产业场景,需要的不是"解决未解猜想",而是"把已知方法正确执行出来并写清楚"。这条线 AI 已经能帮上忙,而且比数学圈以为的更早。所以别被"700 份"吓去重估自家博士团队——先想清楚你的业务里,哪些"专家产出"其实没那么独家,只是过去没人能批量生成。

三类买家该重算账。卖专家报告的服务商,护城河若是"我有人",得赶紧换成"我的核验流程别人抄不走"。买专家服务的企业,以后谈价格可以理直气壮把"系统初稿加人工核验"当标配议价。内部有研究分析职能的团队,这批手稿提醒你:产能上限可能不在人头,在你能不能把生成和把关拆开。

当手稿能被批量生成,专家的价值就从"写得出"挪到了"判得准"。会写的人变多,会判的人更贵。