数学与AI双向奔赴：奥数满分与雅可比猜想的对话

2026年7月24日，一场聚焦数学与人工智能交叉融合的重量级学术论坛在云南玉溪举办。本次论坛由中国数学会指导，十六省（区、市）数学会联合主办，云南省数学会、玉溪市教育体育局、玉溪师范学院承办，以“交融·创新·赋能——数学与人工智能的双向奔赴”为主题，共吸引五百余名来自各地高校的专家学者与数学教师代表参会。

开幕式由中山大学数学学院姚正安教授主持，中国数学会副理事长、中国科学院数学与系统科学研究院副院长黄飞敏研究员在致辞中强调，基础数学是原始创新的核心根基，呼吁广大数学工作者主动推动数学与人工智能的交叉创新，聚焦国家关键科技难题开展科研攻关。此外，玉溪市人民政府副市长陈静、玉溪师范学院院长段红云研究员、云南省数学会理事长杨汉春教授等嘉宾也出席开幕式并致辞。

本次论坛主论坛邀请了多位重磅嘉宾发表演讲，包括北电数智首席科学家、复旦大学计算机与智能创新学院教授窦德景，著名数学家张益唐，以及中国科学院数学与系统科学研究院周向宇院士。其中窦德景以《人工智能大模型在科学和产业的应用》为题，系统梳理了大模型在数值计算、数理推演、工业仿真、产业优化等场景的落地路径，深入剖析了两者交叉融合的创新机遇，为应用数学对接产业需求提供了全新思路。

论坛期间，窦德景与周向宇院士围绕AI在数学领域的能力边界、数学家的角色变迁及AI赋能数学研究的未来图景等议题展开了深度对话。窦德景分享了一组极具对比性的数据：2024年，十余款主流大模型的高考数学成绩均未达到一本线；而到2026年，这些模型已普遍能考取重点大学分数线，数学单科最低分达到135分，最高分突破140分。更值得关注的是，当前主流大模型无需提前获知题目即可拿下奥数满分，能力已达到人类顶尖智力群体的水平。

针对“如果OpenAI、Anthropic、谷歌以及国内多家企业的顶尖大模型协同讨论，是否会催生全新理论突破”这一问题，周向宇院士从数学家视角给出了回应。他表示，近年来人工智能在赋能数学研究方面取得了长足进步，但AI的核心优势主要集中在模式检索与机械推演等领域，而非真正意义上的数学创新。在可程序化、符号运算、离散构造等数学分支中，AI依托海量学术文献与定理数据完成深度表征学习，能够高效完成人类因计算规模庞大、变量耦合复杂而难以推进的命题验证、实例构造工作。但AI数学推导的可解释性始终是难以突破的瓶颈——人工智能究竟在多大程度内化并理解了数学概念与内在逻辑，抑或只是在高维数据空间中通过统计拟合匹配出有效的数学关联？这一核心疑问至今仍无定论，有待学界持续深入研究。

对话中，双方聚焦雅可比猜想这一数学难题展开了深入探讨。周向宇院士介绍，当前主流专家普遍认为雅可比猜想在三维及以上维度存在反例，但二维情形的真伪仍是未解难题。不少数学家会因变量繁杂、推演规模过大而止步于手工演算，而AI几乎不受人力局限，只要配套算力充足，就能不间断开展大规模启发式搜索与高强度数值、符号运算。

窦德景就此提问：如果AI在证伪雅可比猜想时只给出答案却无法解释推理路径，是否算“真正理解”？周院士坦言，这正是当前AI的核心争议点：AI可以“硬生生”给出反例，人类验算后确认无误，但无法得知答案的推导过程。这一“黑箱”问题既是数学家的困惑，也恰恰是未来研究的重要发力方向。他同时指出，AI大规模批量演算的能力恰好弥补了人类与生俱来的短板：面对极多变量的复杂推演，人类极易疏漏出错、难以长期持续运算，而机器可以不间断执行运算，这一特质让AI在命题验证、复杂反例搜寻工作中具备得天独厚的优势。

针对“AI是否会取代数学家”这一话题，周向宇院士给出了明确判断：数学家从古至今都在创造计算工具，核心使命始终是让机器辅助人类。机器能做的事，数学家不必重复去做；数学家要做的是机器不能做的事，从这个分工逻辑出发，他认为数学家不存在被取代的风险。

周院士进一步阐释，数学不仅仅是解题和计算，其本质是“找规律”。人类数学家擅长从纷繁复杂的现象中提炼简洁的数学结构，通过直觉、联想与抽象思维建立新的理论框架，这种创造性过程远非当前AI所能企及。AI的定位是“助手”而非“对手”，在数学研究中承担大规模验证、重复性计算、文献检索等基础工作，将数学家从繁琐的体力劳动中解放出来，使其专注于真正需要创造力的核心问题。

他同时指出了AI辅助研究中的学术规范挑战：传统数学研究中，论文引用必须严格标明思想来源与方法出处，但当前AI生成的结果无法清晰追溯其具体参考了哪些已有工作，直接冲击了学术界的引用伦理与成果归属体系，建立有效的规范机制是亟待解决的课题。

数学家的真正优势在于“知其然，更知其所以然”。即便AI能通过暴力计算给出反例或验证猜想，数学家追求的仍是对数学结构的深层理解与解释——真正推动数学前进的，从来不是孤立的答案，而是答案背后的思想与方法。数学家的使命不是担忧被取代，而是善用这一新工具，去做那些机器永远做不到的事：提出新问题、构建新体系、发现新规律。

在论坛中，窦德景还系统阐述了北电数智的产业落地路径与实践成果。在算力基础设施层面，公司以全国30余个城市为支点推进算力中心建设，整合万卡级算力资源，为万亿参数级大模型的训练与迭代提供底层支撑。依托这一算力底座，北电数智构建了“数算模用”全栈闭环体系——数据、算力、模型、应用四者缺一不可，真正实现了技术突破与产业场景的深度咬合，完成价值跨越。

在这一理念驱动下，北电数智已在医疗、工业制造等多个领域落地实践。在医疗领域，其与中日友好医院合作的皮肤专病大模型，通过专病数据训练后，准确率达到医院中级医师考核的90%，诊疗时间缩短20%；在先进制造业领域，相关大模型已投入实际应用；在国产算力方面，公司正推动国产芯片从“可用”走向“好用”，为AI赋能民生筑牢自主可控的技术底座。

正如2026世界人工智能大会“数学与人工智能”创新论坛上菲尔兹奖得主埃菲·杰曼诺夫所言，AI可被视为“极具天赋的年轻数学家”，但真正理解证明、提取数学洞见的责任仍须由人类承担。AI与数学的关系，不是工具与使用者的简单叠加，而是“乘”的关系——只有深度拆解、同频共振，方能推动真正的范式跃迁。

从Anthropic的Claude Fable 5在一个周末证伪雅可比猜想，到云南玉溪这场数学论坛上五百余位专家学者共同探讨AI与数学的融合未来，再到北电数智推动大模型在科学和产业中的落地实践，这一系列事件正在共同书写AI与数学“双向奔赴”的全新历史。