25位菲尔兹奖学者联名警示AI冲击数学：数学界为何集体吹哨？

2026年9月11日，25位菲尔兹奖学者联名警示AI冲击数学，发表《人工智能在数学中的严重错位》公开声明，直指AI公司以解决数学难题为基准的做法与数学共同体目标严重错位，可能摧毁孕育新思想的学术土壤。

一、一场震动数学界的“集体吹哨”

2026年9月11日，数学界发生了一件前所未有的事。

25位菲尔兹奖得主——这个星球上最顶尖的数学大脑——联合署名发表了一份题为《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics）的公开声明。签署者包括2006年菲尔兹奖得主陶哲轩、2026年新晋得主邓煜、1978年获奖的皮埃尔·德利涅、2010年获奖的吴宝珠，以及彼得·舒尔茨、马克西姆·孔采维奇、阿图尔·阿维拉等横跨近半个世纪的数学巨匠。

这不是某位数学家的个人感慨，而是25位菲尔兹奖学者联名警示AI冲击数学的集体行动。陶哲轩将声明全文发布在个人博客“What’s new”上，他坦承，这份声明源于25位菲尔兹奖得主在过去一周的紧急讨论，由于“当前问题具有紧迫性”，他们决定尽快公开发表，而非等待更广泛的协商流程。

声明的核心判断只有一句话：AI公司的目标与数学共同体的目标，正在发生严重错位。

但这句话背后，是一个远比表面看起来更复杂、更深刻的故事。

二、导火索：88小时“速通”千禧年难题

2.1 OpenAI的“数学冲刺”

这场风波的直接触发点，是OpenAI在本月初的一次高调发布。

9月8日，OpenAI宣布其内部模型通过约1万个AI智能体并发运行，仅用88小时就“解决”了纳维-斯托克斯方程的存在性与光滑性问题——这是克雷数学研究所2000年选出的七大“千禧年大奖难题”之一，单题悬赏100万美元。据披露，这些智能体交换了约270万条消息，生成了1300亿个token。

紧接着，OpenAI又向媒体透露，其在另一个千禧年难题——霍奇猜想上取得了实质性进展，并正在用内部模型尝试黎曼猜想和P与NP问题。

OpenAI的姿态很明确：拒领100万美元奖金，因为这些成果的目的不是获奖，而是展示模型能力。

2.2 “抢跑”争议与署名风波

然而，这场“突破”的叙事很快就出现了裂痕。

就在OpenAI公告发布的前一天，纽约大学数学家Tristan Buckmaster和供职于Anthropic的数学家Levent Alpöge刚刚发表了他们在纳维-斯托克斯方程相关问题上（受迫欧拉方程）的成果，外加三篇论文草稿，合计245页。

Buckmaster公开质疑OpenAI“抢跑”。他指出，他和Alpöge数月来一直在使用OpenAI的Codex工具整理和简化数学推导，而OpenAI的模型会利用用户数据进行训练。他说：“没有证据表明他们这样做了，但OpenAI证明中的方法和事件的时间线，高度暗示这正是所发生的事。”

更令人震惊的是OpenAI提出的“合并方案”。据Buckmaster描述，项目负责人Sébastien Bubeck向他提议：你可以率先发表成果、成为OpenAI论文的第一作者、获得充足的计算资源、分享100万美元奖金——条件是不要把Levent Alpöge列在论文上，因为Alpöge在Anthropic工作，是OpenAI的竞争对手。

Buckmaster拒绝了。随后，他被告知：“如果你不想让我友善，那我就不必友善。”

OpenAI对此全盘否认，坚称Buckmaster的Codex提示“不可能以任何方式影响系统”。但数学界的愤怒，已经被点燃了。

三、AI数学能力的真实图景：有多强，就有多脆弱

要理解这场冲突的深层逻辑，有必要先厘清一个事实：AI在数学领域的能力到底发展到了什么程度？

3.1 从奥赛到研究前沿的跃迁

2026年，AI在数学领域的进展确实令人目不暇接。5月，OpenAI的推理模型推翻了一个与埃尔德什“单位距离问题”相关的猜想，该猜想已悬置80年。Google DeepMind也在多个埃尔德什问题上取得成果。截至2026年8月，据数学家Thomas Bloom的粗略估计，已有大约3到5个同等量级的埃尔德什问题被AI解决。

在形式化验证方面，Lean证明助手与AI的结合正在改变数学论文的生产方式。Anthropic的AI成功形式化了费马大定理的证明。清华大学的FormaTheoria项目截至2026年8月已完成四个关键定理的Lean形式化，产出超过99.4万行代码化数学理论。MathlibLemma等工具已经能够自动挖掘、形式化并证明数学家日常使用但未被正式记录的“民间引理”，产出1506个经过Lean验证的证明。

3.2 但“验证”仍是瓶颈

然而，AI生成的数学证明是否可靠，仍然是一个巨大的问号。

一项针对OpenAI在2026年8月公布的10项数学结果的人类审计发现，这些报告的深度参差不齐，若干依赖关系仅被部分检查，其中一章被专家评审认为需要“重大修订”。FrontierMath的Erdős基准测试中，AI解决的部分问题后来被发现“此前已由人类数学家取得过类似结果”。

目前最先进的微调LLM在Lean 4上的通过率（Pass@128）在研究生级别定理上最高仅为22.5%。这意味着，AI在形式化证明领域的实际能力，远没有公关叙事中那么“势如破竹”。

3.3 关键对比：AI当前数学能力的真实水位

四、目标错位：问题到底出在哪里？

4.1 数学的目的不是“通关”

25位菲尔兹奖学者联名警示AI冲击数学的核心论点，可以用一个比喻来理解。

想象一座古老的城市，城中散布着许多灯塔。每座灯塔都代表一个著名的未解数学问题。数学家的日常工作，不是简单地“到达”某座灯塔，而是在前往灯塔的路途中发现新的道路、新的地形、新的连接——这些发现最终会改变整座城市的地图。

公开信明确指出：“一个知名问题常常充当数学世界里的路标和灯塔，解决其中某个问题，一直是新洞见和方法的明确标志。”随后，数学界会通过漫长而艰苦的讲座、讨论和简化过程来研究这些成果，有些数学思想甚至会走得更远，在几十年或几百年后成为被广泛理解和使用的工具。

声明强调：“解决问题只是实现概念理解和洞察这一首要目标的工具和代理指标。”

但AI公司做的事情是：用算力直接“轰炸”灯塔，然后在社交媒体上宣布“我们到达了”。至于到达的路线是什么、沿途发现了什么、这些发现对数学的整体理解有什么贡献——这些都不重要，因为公关稿已经发出去了。

4.2 陶哲轩的“五个环节”框架

陶哲轩用一个精炼的框架解释了数学研究的完整链条。他指出，数学成果要真正有用，需要经历五个环节：

第一，创造——发现新的定理或证明。
第二，验证——确认证明的正确性。
第三，解释——理解为什么这个证明有效，它揭示了什么结构。
第四，接受——通过同行讨论和评审，获得学术共同体的认可。
第五，消化——将成果整合进教材和课程，传承给下一代。

陶哲轩尖锐地指出，AI公司只关心前两个环节。“这些公司把生肉的尸体倾倒在我们的公共村桌上，说：‘给你，我解决了你的食物问题。’然后就走了。”

这个比喻很“陶哲轩”——直白、准确，而且带着一种科学家特有的黑色幽默。

4.3 当“手段”变成了“目标”

声明中有一个极为关键的论断：“当产出结果变得无比容易，最初我们为何而做，就被遗忘了。”

这在理论层面触及了一个经典的系统设计问题：古德哈特定律——当一个度量标准变成目标本身时，它就不再是一个好的度量标准。

数学难题的解决，原本是衡量数学理解进步的“代理指标”。AI公司把这个代理指标当成了优化目标本身，用算力大规模“刷分”，结果反而偏离了数学研究的真实目的。

这不是AI的问题，而是使用AI的方式的问题。

五、更深层的危机：学术生态正在被侵蚀

5.1 “粗糙的数学”：AI出成果，数学家擦屁股

加州理工学院的数学家们在公开信中描述了一种正在蔓延的现象：AI公司宣称其模型“解决”了复杂难题，但之后需要人类数学家来验证、修正，有时甚至要彻底驳斥这些成果。这项工作没有得到报酬、没有署名，也没有得到承认。 他们把这种做法称为“粗糙的数学”。

陶哲轩曾警告：“AI公司负责宣布‘突破’，而数学家负责免费验证、修补，甚至收拾烂摊子。这笔账，他们不想再忍了。”

这种模式的危害是多重的：数学家的时间被大量消耗在验证AI产出的“半成品”上；年轻研究者在这种氛围中难以获得系统的学术训练；而那些真正需要深度思考的研究方向，因为无法快速产出“可量化成果”而被边缘化。

5.2 保密文化取代开放传统

过去几个世纪以来，数学一直是最开放的学术领域之一。数学家公开发表想法，彼此合作，逐步推进。一个难题可能需要十年、二十年才能解决，但知识在过程中不断积累、传承。

但现在，如果前沿AI实验室发现一条有助于新发现的途径，他们就可以花费数千万美元，利用大语言模型抢在原研究人员之前完成证明。Buckmaster的遭遇就是典型案例——他和Alpöge在纳维-斯托克斯方程上的多年工作，因为OpenAI的算力“截胡”，被迫仓促发布。

这种机制无疑会助长保密行为。数学家们开始不敢公开自己的研究方向，因为一旦被AI公司嗅到，就可能被“暴力截胡”。陶哲轩为此发出愤怒的警告：“AI正在杀死数学数百年来的开放传统。”

5.3 署名与抄袭的灰色地带

声明还指出了一个极为棘手的问题：AI快速批量生成数学成果，可能压缩成果验证、方法总结、学术交流和引用前人成果的时间，并引发严重的署名和抄袭问题。

想象这样一个场景：你花了三年时间研究一个数学问题，积累了大量的中间结果和直觉判断，这些都以非正式的方式（比如和同事的讨论、笔记、代码注释）存在。然后一个AI模型在训练过程中“学习”了这些信息，产出了一个证明，而你的名字不在署名之列。

这不是科幻小说，而是Buckmaster怀疑正在发生的事情。

六、对教育与人才传承的冲击

6.1 “数学界最宝贵的资源是学生和想法”

声明中有一句话格外引人注目：数学界最宝贵的资源，就是学生和想法，而AI公司的做法，正在破坏这片土壤。

这不仅仅是一句修辞。Nature对近3800名博士生的调查显示，四分之三的受访者认为AI能提高学习和研究效率，但65%担忧AI会削弱思考、研究和写作能力。

如果AI可以快速“解决”数学问题，那么年轻数学家为什么要花五年时间攻读博士学位，去学习如何做那些AI几分钟就能完成的事情？这个问题看起来简单，但回答起来极其复杂——因为数学训练的价值从来就不只是“解题”。

6.2 断裂的传承链条

声明指出：如果没有那些愿意负责发展和整合AI方案、将其纳入数学体系的数学家，AI提出的想法就永远无法真正落地，数学家之间至关重要的传承链条也将断裂。

陶哲轩的“五个环节”框架在这里再次适用。AI可以完成“创造”和“验证”，但“解释”“接受”和“消化”这三个环节，需要人类数学家的深度参与。而如果下一代数学家不再接受系统的训练——因为他们觉得“反正AI什么都能做”——那么谁来承担这些环节的工作？

七、从“莱顿宣言”到“25人声明”：数学界的持续抗争

7.1 莱顿宣言：更早的预警

25位菲尔兹奖学者联名警示AI冲击数学并非孤立的行动。2026年6月2日，由来自15所国际大学的16位研究者联合发布的《人工智能与数学莱顿宣言》已经明确提出了警告。

莱顿宣言捍卫了数学研究的五项核心价值：证明与确定性、可归属的作者身份、透明且可独立验证的论证、开放的研究文化、以及对下一代数学家的培养责任。该宣言明确表示，其目的不是禁止AI，而是呼吁采取行动确保数学的持续繁荣。

国际数学联盟（IMU）已正式认可莱顿宣言，将其视为关于AI在数学中角色的重要讨论起点。

7.2 千人联署与Mathathon事件

数学界的抗争也在其他战线同时展开。2026年9月，超过一千名数学家联署叫停加州理工学院举办的AI数学马拉松赛事（Mathathon），认为这项活动“可能对数学界造成破坏性影响”。随后，OpenAI撤回了对该活动的赞助。

7.3 丘成桐的声音

在这些集体行动之外，首位华人菲尔兹奖得主丘成桐的观点也值得关注。丘成桐指出，面对AI浪潮，AI已在数学推演、定理证明等方面展现出强大效能，但AI仅为辅助科研的高效工具，无法替代人类独有的原创思考、瞬时迸发的灵感以及对科学真理与自然之美的永恒求索。他特别强调：“AI并不擅长提问，其能做的是解答。”

“一个题目，不单是答案重要，找答案的过程可能更重要——这个过程里能看到的东西，跟答案本身一样重要。”

八、历史回响：计算机辅助证明的百年争议

8.1 从四色定理到AI数学

当前的争论其实有着深厚的历史脉络。1976年，四色定理通过计算机辅助证明被攻克，引发了数学界关于“计算机证明是否算数学证明”的激烈争论。当时有数学家在《纽约时报》上以这样的标题发问：“没人能检验的证明算是数学证明吗？”

1998年，Thomas Hales利用计算机证明了开普勒猜想。高等研究院代数几何学家德利涅——他正是这次25人联名声明的签署者之一——是当时众多不认可计算机辅助证明的数学家之一。

8.2 历史在更高维度上重演

近半个世纪后，同样的争论以更高的维度重现。不同之处在于：

第一，规模不同。 四色定理的计算机证明大约需要检查上千种情形，而AI生成的证明可能涉及数十亿token的推理链条。

第二，速度不同。 过去的计算机证明仍然需要数学家来设定问题、设计算法、解释结果。而AI可以自主“发现”问题并生成证明，人类的参与度被进一步压缩。

第三，动机不同。 四色定理的证明是由数学家驱动的学术追求；而AI公司的“数学突破”在很大程度上是由商业竞争和公关需求驱动的。

九、AI与数学的共生之路：建设性思考

9.1 AI可以做什么：互补而非替代

声明本身并没有否定AI的价值。恰恰相反，25位签署者中有多位是AI工具的积极使用者和构建者。陶哲轩本人就在推动AI辅助数学研究方面投入了大量精力。

AI在以下方向具有明确的建设性潜力：

文献检索与细节补全。 邓煜指出，AI擅长检索已有文献和补全细节推导，而这部分工作对数学家而言往往烦琐耗时。

形式化验证。 Lean等证明助手与AI的结合，可以大幅提高数学证明的可靠性。MathlibLemma项目已经证明，AI可以帮助构建和维护形式化数学库，将“民间引理”自动形式化并验证。

猜想发现。 AI可以通过大规模模式识别，在已有数学结构中识别出潜在的规律和猜想，供数学家进一步研究。

9.2 AI不应做什么：需要建立边界

基于声明的核心观点，以下边界值得数学界和AI公司共同讨论：

不以“解决难题数量”作为AI能力的核心基准。 数学的价值不在于答案本身，而在于理解过程。AI公司需要找到更能反映真实数学贡献的评估方式。

不将未经验证的成果作为公关素材传播。 仓促发布的“突破”会误导公众、扰乱学术秩序、浪费数学家验证的时间。

不以算力优势碾压人类研究者的优先权。 学术优先权的判定规则需要适应AI时代的新现实。

不在训练中使用用户未公开的研究数据。 这涉及学术诚信的基本底线。

9.3 制度层面的可能路径

从制度设计来看，以下几个方向值得探索：

建立AI数学成果的验证标准。 参照克雷数学研究所的规则——同行评审发表加两年考察期——为AI数学成果建立类似的验证流程。

保障人类数学家的署名权和知识产权。 当AI的“发现”实质上基于人类研究者的未公开工作时，需要有明确的归属机制。

维护开放研究文化。 数学的进步依赖于开放的知识共享。AI公司的保密竞赛如果持续下去，最终损害的是整个数学共同体。

改革数学教育。 在AI可以快速解题的时代，数学教育的重点需要从“解题技能”转向“问题提出能力”“批判性思维”和“跨领域连接能力”。

十、结语：当答案变得廉价，问题变得更加珍贵

25位菲尔兹奖学者联名警示AI冲击数学，本质上是在为一个古老的学科争取思考的时间。

数学从巴比伦泥板上的二次方程，到格罗滕迪克的概型理论，经历了三千多年的积累。每一个重要突破的背后，都站着一代又一代数学家的对话、争论和传承。这种传承不仅是知识的传递，更是一种思维方式和文化传统的延续。

AI带来了前所未有的计算力和模式识别能力，这无疑是数学研究的强大助力。但当算力可以“轰炸”任何难题，当产出答案的速度超过了人类消化知识的速度，数学——这门以理解为核心的学科——面临的可能不是一次飞跃，而是一次身份危机。

25位菲尔兹奖学者联名警示AI冲击数学，不是反对技术，而是呼吁对齐。对齐AI的目标与数学的目标，对齐产出的速度与理解的速度，对齐商业的野心与学术的初心。

正如公开信结尾所言：这些变革最终是造福数学还是带来破坏性影响，将在很大程度上取决于掌控这项新技术的人类所做出的决断。

这个决断，现在就需要做。

常见问题解答（FAQ）

Q1：25位菲尔兹奖得主联名声明的核心诉求是什么？

核心诉求是警告AI公司与数学共同体的目标正在发生“严重错位”。AI公司将“解决著名数学难题”当作衡量模型能力的基准，而数学共同体追求的是概念理解、新洞见的发现和知识的代际传承。声明呼吁AI公司不要在宣布“突破”后把验证和消化的工作留给学术界，不要把开放合作的学术文化变成保密竞赛。

Q2：这份声明的直接导火索是什么？

直接导火索是2026年9月8日OpenAI宣布其AI模型仅用88小时解决了纳维-斯托克斯方程的存在性与光滑性问题，并同步公开了166页论文和Lean验证代码。在此之前，纽约大学数学家Tristan Buckmaster和Anthropic的Levent Alpöge已经在同一方向取得了重大进展，他们公开指责OpenAI“抢跑”，并在论文署名问题上提出严重质疑。

Q3：声明的签署者都有谁？

签署者包括25位菲尔兹奖得主，横跨1978年至2026年的获奖者。其中包括陶哲轩（2006年获奖）、邓煜（2026年获奖）、皮埃尔·德利涅（1978年获奖）、彼得·舒尔茨、吴宝珠、马克西姆·孔采维奇、阿图尔·阿维拉、Cédric Villani等。陶哲轩将声明全文发布在个人博客“What’s new”上，并开设了mathandai.org页面供更多数学家继续联署。

Q4：数学界之前是否已有类似行动？

是的。2026年6月2日，来自15所国际大学的16位研究者联合发布了《人工智能与数学莱顿宣言》，捍卫数学研究的五项核心价值，并呼吁负责任的AI使用。国际数学联盟（IMU）已正式认可该宣言。此外，2026年9月，超过一千名数学家联署叫停加州理工学院举办的AI数学马拉松赛事。

Q5：AI在数学领域的实际能力到底有多强？

AI在特定任务上表现突出：能在Lean中完成部分研究生级别的形式化证明（通过率约22.5%）；已解决3-5个埃尔德什问题（截至2026年8月）；在定理证明速度上远超人类。但在概念理解、原创性提问和系统性知识构建方面，AI与人类数学家仍有本质差距。邓煜指出，AI面临的挑战与人类数学家遇到的困难并非同一类，人类所具备的原创性思维是当前AI所无法替代的。

Q6：这份声明是否意味着数学家反对AI？

并非如此。声明中多位签署者本身就是AI工具的积极使用者和构建者。陶哲轩长期推动AI辅助数学研究，邓煜也对AI在文献检索和细节推导方面的能力给予肯定。声明反对的不是AI技术本身，而是AI公司将数学难题作为公关素材的做法，以及由此引发的学术生态失衡。

Q7：陶哲轩提出的“五个环节”框架是什么？

陶哲轩指出，数学成果从产生到真正有用需要经历五个环节：创造（发现新定理）、验证（确认正确性）、解释（理解为什么有效）、接受（获得学术共同体认可）、消化（整合进教材传承给下一代）。AI公司只关心前两个环节——创造和验证——而将后三个环节的工作留给了人类数学家。

Q8：这场争议对未来数学研究有什么影响？

短期内，数学界与AI公司之间的紧张关系可能持续升级。中期来看，需要建立AI数学成果的验证标准、署名规则和伦理框架。长期来看，数学教育的方向可能需要从“解题技能”转向“问题提出能力”和“批判性思维”的培养。声明本身已经打开了这场对话的空间，这或许是25位菲尔兹奖学者联名警示AI冲击数学最重要的意义。