88小时破解千禧年数学难题，为什么数学家反而警惕 AI？

就在刚刚过去的周末，两名美国高中生在数学圈扔下一枚重磅炸弹。

高中生Aayush Bathija和Prince Rohatgi，在UCLA博士后的辅导下，借助ClaudeOpus5与ChatGPT-5.6 Sol两款大模型，破解了菲尔兹奖得主许埈珥曾研究却未能攻克的洛伦兹多项式难题，论文已经上传至学术预印本平台。

犹记得几年前，AI还做不好高考数学题，如今已没人再怀疑它的数学能力。

但就在这场“高中生+AI就能超越顶尖数学家”的狂欢发生前两天，一场更沉重的抗议在数学界的金字塔尖爆发。

9月11日，陶哲轩、邓煜、彼得·舒尔茨等25位菲尔兹奖得主联合发布公开声明，向全世界发出警告：AI可以解难题，但如果我们只比拼解题速度，数学这门学科，将被彻底扭曲。

事件迅速登上热搜，评论区不乏认为“AI砸了数学家的饭碗，所以数学家抵制AI”的声音。但事实也许恰恰相反，这群全世界最懂数学的人，最先承认了AI的巨大价值。他们真正担忧的，是一场目标的错位。

一场关于速度的警告

9月8日，OpenAI宣布，他们调动约1万个并发AI智能体，用下一代大模型耗时88小时，攻克了纳维-斯托克斯方程的存在性与光滑性问题。这道题困扰了学界近90年，是克雷数学研究所2000年列出的七大千禧年大奖难题之一，悬赏100万美元。

这无疑是一条激动人心的消息。在大众眼里，这是人工智能又一次证明能力的里程碑；在商业叙事里，这是大模型能力最强有力的证明。

但争议接踵而至。就在OpenAI官宣的前一天，纽约大学数学家特里斯坦·巴克马斯特与Anthropic研究员莱文特·阿尔珀格，刚刚公开了他们在同一问题上的关键进展。巴克马斯特随后公开质疑，自己曾将未发表的草稿放在OpenAI的代码工具中使用，他怀疑模型“偷看”了自己的思路，靠海量算力抢先跑通了证明。

OpenAI否认了这一指控，但学术界的不安已经蔓延。

更微妙的信号是，宣布攻克纳维-斯托克斯问题的第二天，OpenAI就向媒体透露，他们在另一道千禧年大奖难题上已经取得“重大进展”。攻克经典难题，正在变成AI公司最吸睛的性能广告。

就在这场“抢跑”争议发酵之际，一场覆盖全球顶尖数学家的集体发声随之而来。

9月11日，陶哲轩在个人博客发布了《人工智能在数学中的严重错位》声明，首批联署的是25位菲尔兹奖得主，几乎覆盖了全球大半顶尖数学家。声明同时上线专门网站开放全球学者联署，不到一天时间，签名人数就突破了2500名。

声明首先承认，过去几个月来，大语言模型的数学能力提升速度惊人，已经能够解决多个领域的重要开放问题。真正的分歧在于，AI公司的目标，与数学共同体的目标，存在严重错位。

答案不是数学的全部

在大众的认知里，数学研究约等于做题。一道题求出正确的解，就算结束。但在数学家眼中，答案从来不是终点，难题只是路标。

为了解决一个猜想，数学家会发明新的工具，构建新的理论，开辟新的分支。这些过程中诞生的思想方法，才是数学留给人类真正的财富。

过去，数学家想要攻克一个猜想，往往要经历漫长的跋涉——反复试错推演，构造全新的数学对象，打磨一套自洽的逻辑体系，甚至从零搭建起一整套此前并不存在的理论框架。成果诞生之后，还要交由整个学界反复核验、辨析、解读，慢慢消化其中新的洞见。这个过程动辄数年，乃至数十年。

然而AI就像是一台马力无穷的高速挖掘机。它可以凭借海量算力，快速刨开土层，把最终成果摆在人类面前。也因此，上述过程中产生的副产品，会被它高速的钻头一并打碎。

商业AI追求跑分、迭代、宣传，“能不能快速拿到正确答案”就是实力的证明，至于推导过程里的新方法、新思想，和结果比起来显然不够亮眼。

只要答案正确，就是模型能力的胜利。这种逻辑带来的伤害是逐层渗透的。

短期来看，匆忙发布的成果缺少严谨的学术溯源，破坏了学术归属的规则，也模糊了真正的创新贡献。长期来看，当年轻的数学家和学生发现，靠AI可以快速得到答案，他们很可能会慢慢转向“寻找答案”的捷径，而忽略了深度推理和方法构建的训练，数学创新的土壤会被一点点蚕食。

陶哲轩在声明中强调，这不止是数学界面临的问题，而是越来越多领域都要面临的问题。

其实，我们每个人都身处这场速度竞赛里。从职场工作日益依赖AI，到学生写作业，直接拍照搜题，甚至我们在思考问题时，也已经习惯先让AI给个方向或结论。当AI日益渗透进日常生活，越来越多人正在慢慢丢掉思考的能力。

克雷数学研究所关于千禧年大奖难题的介绍页面

速度不应定义一切

声明一出，各方反应不一。这份由顶尖菲尔兹奖得主联署的公开声明，迅速引发超出数学圈的讨论。

克雷数学研究所所长马丁・布里森在公开报道中表示，千禧大奖难题的评审绝不会“赶进度”，必须确保绝对严谨。按照研究所的官方规则，候选解答需先在同行评审期刊正式发表，再经数学界长期充分验证，不会仅凭企业的发布通稿就认定问题“已解决”。

针对纳维-斯托克斯成果引发的争议，OpenAI回应称，在特里斯坦・巴克马斯特与莱文特・阿尔珀格公开发布成果前，其团队与AI智能体从未以任何方式获取过对方未公开的研究内容，也没有为解这道题调用过特定用户数据。但OpenAI同时坦言，尽管可能性极低，但无法完全排除“用户使用产品产生的脱敏数据间接助力模型优化”的可能。

在高校和科研机构内部，两种声音已经开始显现。一些年轻数学家在社交媒体上表示，担心AI会挤压传统数学家的生存空间，尤其是博士生和博士后的职位可能因此减少。但也有不少研究者持开放态度，认为AI是一个强大的辅助，关键在于如何驾驭它，而不是抗拒它。

这场学术圈的争论也引起了公众的广泛关注。在国内社交平台上，#25位菲尔兹奖得主联名反对AI解数学题#的话题迅速登上热搜。有人调侃“数学家急了”，也有人认真讨论：“如果AI能解出所有难题，数学这门学科还有什么意义？”——这个问题，恰恰戳中了声明的核心。

数学家的目的不是禁止AI的发展，声明中提出：AI辅助的数学证明需要完整溯源，标注清楚前人的研究成果；要留给人类学者足够的时间，去消化、提炼、发展AI给出的结论。AI应该是数学家的助手，而不是替代者，更不应该成为评判数学价值的裁判。

没有人否认AI的价值。它可以帮数学家完成繁琐的计算，验证复杂的猜想，从海量数据里更快找到规律，把人从重复的劳动里解放出来，去做更有创造力的思考。工具本身没有对错，决定它走向的，是我们用什么标准去评价它。

如果我们只以“答案”为唯一标准，数学就会变成一场单纯的速度竞赛，从而失去它最珍贵的深度与创造力。