数学界彻底炸锅了！陶哲轩当众宣布，AI把百年规则撕了个稀碎！

很多人印象当中，数学是一门极其看重严谨逻辑与深度思考的学科。长久以来，新定理的发现、重大猜想的证明，几乎都依靠顶尖数学家经年累月的钻研。从猜想提出，到一步步推演论证，再到同行漫长的评审核验，这套运行了上百年的学术范式，早已成为数学领域不可动摇的基本规则。但最近几年，随着人工智能在数学领域持续突破，菲尔兹奖得主陶哲轩多次在公开报告与学术文章当中提出，我们正在告别过去“证明稀缺”的时代，步入“证明过剩”的全新阶段。AI能够快速产出大量数学证明，旧时代以产出证明数量、解题速度作为重要评判标准的学术体系，正在迎来前所未有的冲击。很多人读完相关报道之后才意识到，AI不是简单帮数学家算几道计算题，它正在撼动延续百年的数学研究底层规则。

想要读懂这场变革，我们先要明白传统数学研究长期处在“证明稀缺”的状态，也就是陶哲轩所说的Math 1.0阶段。过去一百年，数学研究整套激励机制、论文评审、人才评价，全部建立在一个基本前提之上：高质量的数学证明很难产出。想要攻克一个悬而未决的难题，往往需要顶尖数学家耗费数年甚至数十年时间，一条重要定理的诞生，本身就是一件十分珍贵的成果。

正因证明来之不易，学术界形成了大家耳熟能详的规则。谁率先完成重大猜想证明，谁就会获得极高学术荣誉；高校、科研院所评价数学家，论文数量、证明成果是核心考核指标；学术期刊接收论文，核心目标之一，就是收录那些人类很难得到的新证明。在这套体系之下，数学家既是探索者，也是证明的创造者。产出有价值的证明，就是数学家最核心的本职工作。这套体系平稳运行百年，支撑着现代数学持续向前发展，直到前沿人工智能工具开始大规模介入数学研究。

近几年，AI辅助数学接连交出亮眼成果。陶哲轩团队和DeepMind合作，基于AlphaEvolve开展大规模数学探索实验，利用大模型生成代码，自动搜索数学当中的例子与反例，帮助研究者发现过去很难想到的数学结构。在Erdős系列经典难题的研究当中，部分悬置许久的问题，依靠AI自主查询、辅助推演，短时间之内就找到了可行的证明思路，甚至出现AI先给出证明，人类数学家再回过头去理解这套证明方法的现象。

这里很多读者容易产生误解，以为AI现在已经可以独立包揽全部数学研究。陶哲轩多次客观评价AI能力是“参差不齐”的，在部分特定问题上面AI表现惊艳，但是很多高难度、需要深刻数学洞察的领域，AI依旧力有不逮，并且大语言模型普遍存在“幻觉”问题，AI给出的推导，有可能表面看起来逻辑通顺，内里却藏有隐蔽错误，不能直接拿来当作可靠结论，必须由人类数学家仔细核验，甚至借助Lean这类形式化证明工具逐行校验逻辑是否成立。AI擅长快速搜索、大量试算、生成候选证明路径；而深度洞察、判断成果价值、把新方法融入整个数学知识体系，依旧离不开人类数学家。

真正冲击百年旧规则的关键点，在于证明产出速度和人类消化速度之间巨大的失衡。过去几年，前沿AI工具可以在较短时间内批量生成大量候选证明。如果仅仅依靠算力，短时间就可以得到大量看似成立的证明。可问题在于，证明写出来，不等于数学共同体真正掌握这项成果。人类数学家想要读懂证明、验证证明是否正确、判断这项成果有没有全新思想、能不能迁移到其他数学问题，需要耗费大量时间。AI产出证明的速度，已经超过人类评审、消化、吸收新知识的能力，也就是陶哲轩所说的“证明过剩”。

过去，评价一名数学家，很大程度看他能够拿出多少高质量证明。可当AI可以批量生成证明的时候，如果继续沿用旧标准，单纯比拼证明产出数量，这套评价指标就会快速失效。这也是陶哲轩反复提醒同行，必须改革学术评价体系的根本原因。如果仍然简单以产出多少条定理作为核心考核目标，大家会过度追求快速生成证明，而忽略更加珍贵的数学洞察，整个学科的发展方向，就有可能被带偏。

除了学术评价，AI介入数学之后，还有一系列过去很少遇到的新问题，摆在整个数学共同体面前。

第一，成果归属与AI使用透明化问题。一篇论文当中，哪些思路来自人类，哪些部分来自AI辅助，应当如何标注？AI不能作为论文作者，但是AI对成果做出重要贡献的时候，研究者有责任如实披露AI的使用情况。陶哲轩本人支持负责任地公开AI使用记录，在论文、研究笔记当中说明AI在研究过程当中起到的作用，避免隐瞒AI辅助带来学术争议。2026年，陶哲轩联合多位菲尔兹奖得主共同发表联名声明，呼吁学界理性看待AI在数学领域的应用，同时警惕AI企业以解题数量作为单一能力指标带来的负面风险，妥善处理成果归属、引用规范、人才培养等一系列议题。

第二，论文评审压力急剧放大。过去期刊收到一篇论文，审稿专家重点核验证明逻辑。未来，如果大量带有AI辅助的论文涌入期刊，审稿人不仅要检查推导本身，还要甄别AI幻觉带来的隐藏漏洞，工作量大幅上升。传统同行评审机制诞生的时候，完全没有预料到AI可以批量产出候选证明，现有的评审流程，已经很难适配新的研究环境。

第三，数学人才培养方式需要迭代。过去学生训练，大量时间用来练习推导、寻找证明。未来基础推导工作越来越多地交给AI工具，新一代数学专业学生，学习重点就要随之调整。学生不能仅仅学会机械推演，更要学会提出好问题、辨别证明价值、看懂AI给出的结果，并且能够发现AI证明里面暗藏的缺陷。学会驾驭AI工具，而不是单纯和AI比拼计算与基础证明，将会成为未来数学家必备能力。

在这里，我们理清大众流传很广的五大认知误区，避免大家片面看待AI与数学之间的关系。

误区一：AI出现之后，数学家很快会被取代，不再需要人类数学家。

AI目前更像数学家的超级助手，而不是完整替代者。AI擅长搜索、试算、快速生成候选证明路径，但是数学真正珍贵的部分，是提出有价值的猜想、洞察不同分支之间内在联系，把零散的证明构建成完整知识体系，这些核心工作，现阶段仍然依靠人类。就像计算器普及之后，没有消灭数学家，只是把数学家从繁重手工计算当中解放出来，把精力投入更深层次的思考。

误区二：AI给出的数学证明，直接就是正确无误，可以放心拿来使用。

大语言模型存在幻觉，即便一段证明文字看起来逻辑流畅，也有可能暗藏逻辑漏洞、引用错误文献。任何AI产出的数学论证，都必须经过人类专家核验，有条件的情况下最好借助形式化证明系统逐步骤校验，不能直接默认AI给出的结论全部正确。

误区三：AI撕碎百年规则，意味着过去所有数学学术传统全部要抛弃。

延续百年的同行评审、严谨求证、成果公开、学术讨论这些核心科学精神，永远不会过时。需要调整的，只是评价指标、论文标注、评审流程这类具体制度，而不是抛弃数学严谨求真的底层价值观。变革是迭代升级，不是全盘推倒重来。

误区四：AI对数学的价值，仅仅局限于攻克历史上遗留的著名猜想。

解决经典难题只是AI众多用途当中的一项。AI同样可以用来发现新例子、寻找反例、快速验证猜想、辅助编写代码、文献检索，帮助数学家从海量文献当中找到相关研究，全方位提升数学探索的效率，应用场景远比大众想象更加广阔。

误区五：AI时代，普通人学习数学就没有意义，全部交给AI计算即可。

数学教育的核心，不只是算出答案，更是训练逻辑思维、培养严谨分析问题的能力。哪怕未来AI计算能力持续变强，普通人学习数学，依旧可以锻炼理性思考能力，更好看懂科技世界背后的底层逻辑，理性辨别信息真伪。

面对这场巨大变革，数学界并没有选择回避，很多顶尖数学家正在主动探索全新范式，也就是陶哲轩提出的Math 2.0。

首先，调整学术评价导向，降低单纯证明数量在评价体系当中的权重，更加看重研究背后的原创思想、方法创新，以及这项成果能不能带动后续一系列新研究。同样是产出证明，能够创造全新数学方法，远比单纯证明一条孤立结论更有价值，评价重心从“得到证明”转向“创造洞见”。

其次，建立AI使用规范，倡导透明披露。研究者应当如实说明AI在研究过程当中参与了哪些环节，哪些猜想由人类提出，哪些推导借助AI完成，保障学术成果可追溯、可复现，维护学术诚信。

再者，完善形式化证明工具建设。Lean、Isabelle这类形式化证明语言，可以把数学证明转化为计算机能够逐行校验的逻辑代码，利用计算机自动检查每一步推导是否严谨，能够有效对抗AI幻觉带来的隐患，未来会成为核验复杂证明非常重要的基础设施。

最后，重塑数学教育。高校数学教学，逐步把AI辅助工具融入课程，教会学生合理使用AI，同时训练学生批判性核验AI输出结果的能力，培养新一代既懂数学理论，又能够熟练驾驭人工智能工具的数学人才。

站在更长的历史维度来看，数学从来不是一成不变。人类很早就借助对数表、计算器、计算机辅助数学研究，每一次计算工具革新，都会改变数学家的工作方式。今天AI带来的变革，是这条漫长历史脉络当中新的一环，只是这次变革速度更快，影响范围更深，直接触动学术评价、论文发表这些过去很少变动的顶层规则。

我们更应该看到，基础数学的突破，最终会转化为现实世界当中巨大价值。密码学、芯片设计、航空航天、人工智能本身，全部建立在坚实数学基础之上。数学领域每一次工具升级，长期来看，都会推动整个国家高端科技向前进步。AI和人类数学家协同合作，有望加快数学前沿探索速度，释放数学家的创造力，催生更多过去难以想象的新成果。

当然，机遇背后同样伴随挑战。如何平衡AI企业商业目标和基础数学纯粹的学术追求，如何避免过度追求短期成果而忽视长期、高风险的基础探索，如何保障青年数学家在AI时代拥有公平发展机会，这些都是全球数学共同体需要持续探讨、共同协商解决的课题。

AI没有消灭数学，而是把数学带到一个全新的阶段。过去一百年，数学家最大的难点，是艰难寻找证明；而在刚刚开启的新时代，人类需要学会在海量候选证明当中，辨别真正有价值的思想，守住数学严谨求真的底色。百年学术规则不是被彻底摧毁，而是正在经历重塑，适应人工智能时代的全新数学秩序，正在全世界数学家共同讨论之下慢慢成型。

话题互动：你觉得未来学习数学，更应该重视解题计算，还是逻辑思维与洞察力？你看好人类数学家和AI协同开展数学研究吗？欢迎大家理性留言交流。

免责声明：本文基于陶哲轩公开学术报告、论文与行业公开资讯进行科普解读，AI数学工具能力仍在持续迭代，学术规范以全球数学共同体后续正式共识为准。