OpenAI数学证明遭痛批，学者启动开源数学反击
2026年10月的某个深夜，某商业AI巨头发布了一篇名为《分享AI在数学领域的进展》的公开内容，一次性披露了700多篇前沿数学证明，声称攻克了纳维-斯托克斯方程的有限时间爆破难题，还在近半个世纪里首次将准黎曼猜想的相关边界推进到新的范围。
“别把我们数学家当免费的找错民工。”
消息一出，科技圈陷入狂欢，社交网络上充斥着“人类数学家已死”“科学圣殿被大模型单向碾压”的论调，仿佛怀尔斯独居七年攻克费马大定理的古典时代，在一夜之间被冰冷的算力集群扫进了历史的垃圾堆。
然而，仅仅四天后，菲尔兹奖得主陶哲轩在公开场合发表言论，撕碎了这层光鲜的外衣。他直言不讳地将这些机器生成的成果比作“毫无营养的合成食品”，痛斥商业巨头以“炸鱼式解题”的方式摧毁了青年学者的研究生态，更严厉地指出：“商业公司为了单方面的公关冲刺，在社交礼仪上表现得极其粗暴、缺乏教养。”
更具黑色幽默的转折接踵而至：该巨头不得不紧急从公开库中撤回三篇重磅预印本，原因荒谬——这台吞噬了人类数千年智慧的超级机器，在关键推导中犯下了最基础的正负号错误，其声称的自然语言推导与附带的形式化代码存在严重的逻辑脱节。
25位菲尔兹奖得主随即发起联名抗议，学术界终于忍无可忍：商业巨头未经引文标明就抓取人类数千年的智力资产以炫耀算力，反手将一堆未经验证的“工业半成品”抛向学术领域，公然将全球顶尖数学家降级为他们免费的“找错人员”。
在这场狂热与荒诞交织的震荡期，由陶哲轩担任董事会主席的科学与人工智能研究基金会峰会在旧金山如期启幕。这一次，陶哲轩身边坐着的，是三个月前在国际数学家大会上刚凭攻克狭义希尔伯特第六问题百年难关、实现中国大陆数学家菲尔兹奖“零的突破”的芝加哥大学教授邓煜。
面对商业巨头的算法霸权与未消化的技术残渣，两位处于人类智力金字塔尖的学者，不再停留在情绪化的口诛笔伐，而是正式打响了学术界的制度性反击。他们宣布启动完全开源、对齐科学价值观的独立数学模型生态，并由邓煜系统性提出了“数学双重边界理论”。
AI与数学的核心关系：不是取代，而是平衡
在谈及AI介入数学研究的态度时，邓煜认为拥抱AI是大势所趋，合理使用能拓宽数学研究的边界，延伸人力不可及的科研半径，但核心前提是必须以合乎规范的方式驾驭它，这不仅涉及学术道德，也关乎技术层面的正确应用。抛开过度炒作，这批证明里确实蕴含着全新的构想，AI正在以深度学习人类思想的方式演化出新的思路，而这些新点子人类也能尝试读懂消化，实现人机协同进化。
陶哲轩则用汽车与步行的比喻点破本质：任何颠覆性工具都同时背负收益与代价，我们不能只放大某一面而遮掩另一面。AI赋予了我们超强的行动能力，能自动化完成繁复的机械计算与推演，但也在以粗暴的方式挤压那些缓慢却极具学术滋养价值的古典研究方式。
理想的局面是兼收并蓄，正如汽车不会取代步行，我们也不该为了AI放弃人类的思考与探索。我们需要找到微妙的动态平衡：既要守住古典时代“慢工出细活”的研究特质，也要审慎利用高阶算力工具提速，而速度绝不是科学的终极指标。
双重边界理论：AI撕裂了人类的认知根基
邓煜提出的“双重边界理论”，精准点出了AI介入带来的核心冲击：数学宇宙中存在两道同心圆式的边界，第一道是“存在数学证明”的子集边界，第二道是“人类能够真正理解其背后机理”的子集边界。在过去几百年里，这两道边界完全重合，因为人类不仅是证明的发现者，更是阅读者和消化者，只要有证明，就意味着至少有顶尖学者洞悉了其中的逻辑。
但AI的介入彻底撕裂了这一默契，当只有机器知晓推导逻辑而人类一头雾水时，就会在“已被证明”与“已被理解”之间凭空撕开巨大的鸿沟，制造出充满未知的断裂带。数学的价值坐标系从未改变，变的是我们面对的技术地貌，绝不能因为机器狂飙突进，就放弃了对“人类理解”的终极执念。
开源数学底座：对抗商业黑盒的制度反击
对于为何要打造学者主导的开源数学模型，陶哲轩表示，商业巨头的闭源黑盒正在割裂科学传统：它在剥夺人类理解力的同时倾倒未消化的证明，甚至连最基础的引文链条都残缺不全。我们曾设想过长期的开源技术演进路径，但商业巨头的突击倾倒彻底拉响了警报，全球学者对替代路径的需求前所未有的迫切。
因此，他们全面加速了开源数学操作系统的发布节奏，这套框架免去了学者自购昂贵GPU或复杂部署的痛点，将推理模型与形式化验证工具、协同网络与引文追踪机制紧密咬合，为数学家搭建起安全贡献数据、算力与思想的协作网络。未来几个月，随着全球学者的数据沉淀，将推出完全由学术界自主训练的下一代开源数学模型。
邓煜则强调，科学从诞生起就是开源的，服务于科学的AI底座也必须保持开源，绝不能受制于商业垄断。打造由学者主导的开源数学底座，已经不再是可有可无的选择，而是一场迫在眉睫的防守反击。
人类数学家的不可替代：提出本质问题的能力
对于年轻学者的焦虑，陶哲轩认为，AI带来的不是取代，而是赋能。人类不可替代的特质，是提出真正本质问题的能力，是构筑全局战略蓝图的能力。面对任何被机器解答的难题，顶级学者总能在此基础上提出更深层次的全新问题。
邓煜也用案例说明，当人类对问题本质有了深刻理解，制定了严密的全局路线图，AI就能在承接局部工作时展现出爆发力。而提出全新数学概念、设计跨领域宏观构想的能力，这些属于数学灵魂的领地，永远是人类心智独占的疆域。
