文｜周艾琳
编辑 | 刘鹏
近期，顶级数学学者陶哲轩等25位菲尔兹奖得主发表联合声明《人工智能在数学中的严重错位》，引发全球关注，并重新审视AI对学科的深远影响。
核心信息是，大语言模型（LLM）的数学能力大幅提升，已经能够解决多个数学领域中重要未决问题。数学这个职业最宝贵的资源是学生和思想，而模型公司以“结果”驱动的行为毁坏了数学研究的“过程”。声明反对AI公司把破解难题当作算力军备竞赛式的性能展示，跳过人类消化、提炼、传承的关键步骤。
然而，AI浪潮已成既定事实。值得探究的是，学术圈现在的现状究竟如何？喊话背后的真相又是什么？喊话在滚滚而来的AI浪潮之下是否还有意义？
对此，腾讯财经和目前在美国知名高校的X教授聊了聊。X教授是活跃在学科前沿的数学家，多次斩获来自如美国国家科学基金会（NSF）等的重要奖项。然而，由于AI时代下的学术圈现状越发成为行业敏感话题，因此他要求我们匿名处理。
在他看来，由于现代数学极高的专业壁垒，数学一直是“高贵”的学科，数学家解答问题的能力价值极高。然而，过去一个普通博士生可能需要数年才能完成的工作，今天的AI可能只需要几个小时。在以往的学术评价体系中，这类工作构成了大量研究者考核、晋升和基金等重要资源分配的基础；但在AI时代，数学单纯“解决问题”本身的价值正在迅速贬值。
“陶哲轩所说的‘研究过程’固然重要，但这份声明所谓的“严重错位”，本质上触及了一个更深层的问题：数学究竟主要是为了‘理解数学对象’，还是为了‘解决数学问题’？”在X教授看来，美国向来是一个注重工程、应用和结果的地方，因此未来全球对职业数学家的需求很可能会明显减少，类似于今天市场对职业文学家和艺术家的需求。在中国，由于基础数学长期获得相对较多的资源投入和社会关注，这种变化可能会出现得更慢一些。但中长期来说，向往学术的年轻人很可能需要重新审视自己的职业路径。
AI进步速度震动学术圈
腾讯财经：近期随着前沿模型不断更新，你对AI的能力表示惊叹。早前你认为自己的工作可能是少数难被AI取代的，因为需要极高的创造性和发散性思维，但最近你的立场已经动摇。在你眼中AI有多强？正在如何颠覆基础学科？
X教授：与数学紧密相关的基础学科，包括基础数学、应用数学、统计学、运筹学和理论计算机科学等，传统上并不高度依赖人力和物质资源，而更多依赖研究者自身的智力投入。过去，一个研究者往往需要经过数年的学习，并不断对已有知识和方法进行组合、迁移和运用，才能真正熟悉一个细分领域的通用方法，进而进入前沿，从事更具原创性的研究。
但随着近几个月AI的数学推理能力发生质的飞跃，这些学科传统的科研模式事实上已经开始被颠覆。对于大量普通基础研究中以已有知识和方法的“排列组合”为主的创新，AI如今已经可以相当轻松地完成。过去一个普通博士生可能需要数年才能完成的工作，今天的AI可能只需要几个小时。在以往的学术评价体系中，这类工作构成了大量研究者考核、晋升和基金等重要资源分配的基础；但在AI时代，其中相当一部分工作的学术价值正在迅速贬值。
与此同时，由于学术体制本身以及既有利益结构的惯性，学术评价体系在短期乃至相当长一段时间内，很可能都会严重滞后于AI能力的发展。GPT-5.6 Sol发布后的短短数月里，我们已经看到arXiv等公开预印本平台上这些领域的论文数量出现爆炸式增长，其中不少文章甚至明显带有完全由AI生成的痕迹，在圈内常被称为“AI slop”。
这些变化正在对整个基础学科的研究生态产生巨大冲击。它迫使我们重新思考：什么样的研究仍然具有真正的原创价值，研究者的核心能力究竟是什么，以及在AI已经能够大规模参与甚至独立完成科研工作的时代，应当如何重建新的学术评价体系和研究伦理。
OpenAI并行计算和搜索能力远超人类
腾讯财经：OpenAI 在 2026 年 9 月 8 日的宣布：他们调用约 1 万个并行 AI 智能体，用一个尚未公开的下一代模型，仅用 88 小时就“解决”了纳维-斯托克斯方程（Navier–Stokes）的存在性与光滑性问题，并同步公开了 166 页论文和 Lean 形式化验证代码。AI是如何把这个困扰大家这么多年的开放性难题解答出来的？
X教授：Navier–Stokes方程的存在性与光滑性问题是著名的千禧年难题之一。事实上，在一些更简单的偏微分方程中，近几年已经出现了一系列新的数学工具，用来研究有限时间内出现奇异性的“爆破解”。不少领域专家此前就认为，沿着这些技术路线继续推进，有可能最终构造出Navier–Stokes方程的爆破解。
OpenAI宣布解决这一问题后，引起了巨大关注。它的核心思路并不是完全另起炉灶，而是建立在近年来这些已有技术路线之上，再利用远超单个人类研究者的并行计算和搜索能力，在极其庞大的可能构造中寻找满足条件的具体反例，最终得到一个爆破解的构造。
AI在“构造反例”这类问题上的优势此前已经在包括高维Jacobian猜想在内的一些数学问题中有所体现。这一次，如果结果成立，则意味着这种能力已经进一步扩展到了Navier–Stokes方程这样复杂得多的问题上，也再次显示出大规模AI搜索在数学研究中的潜力。
数学研究重在结果还是过程？
腾讯财经：也就在三天后的 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》联合声明，联署者达 25 位菲尔兹奖得主。他们并非抵制 AI，而是反对“目标错位”，反对 AI 公司为融资和股价把破解难题当作算力军备竞赛式的性能展示，跳过人类消化、提炼、传承的关键步骤。
具体而言，仓促发布挤压“人类消化”环节：数学界传统上通过漫长的讲座、讨论、简化过程来消化成果，有些思想要几十年后才成为通用工具。AI 批量生成“真假命题”会阻碍验证、新方法确立及成果融入知识体系。你是否认同这种想法？或者说人类思考的价值未来还是否有意义？
X教授：数学的发展对人类科技进步有毋庸置疑的巨大贡献，但真正直接推动科技进步的，更多体现为数学的工具和结果，而未必是现代数学家所强调的对数学对象本身的“理解”。因此，这份声明所谓的“严重错位”，本质上触及了一个更深层的问题：数学究竟主要是为了“理解数学对象”，还是为了“解决数学问题”。
从数学史来看，强调“理解”当然有其合理性。历代数学家在解决困难问题的过程中，往往发展出新的概念、工具乃至整个研究领域，而这些新工具又会进一步催生新的问题；其中一部分最终还可能产生重要的现实应用。因此，数学的发展确实从来不只是不断攻克一个个孤立的问题。
但如果从现实的学术评价体系来看，这份声明的说服力就要弱得多。自数学研究职业化以来，整个激励体系在很大程度上都是结果导向的：谁首先解决重要问题，谁就更容易获得论文、职位、奖项和学术声望；相比之下，对已有成果进行消化、提炼和解释的工作，长期以来得到的制度性激励非常有限。
更深层的问题在于，“什么数学对象值得理解”以及“什么才算好的理解”，本身就是高度依赖小型学术共同体及其话语权的判断。
在没有AI的时代，决定哪些问题重要、哪些思想值得学习，以及什么样的解释被认为深刻，这种权力往往集中在极少数掌握学术评价权的人手中。由于现代数学极高的专业壁垒，这些知识及其解释方式事实上也很容易被少数专家及其学术网络所垄断。
从这个角度看，强大的AI未必会削弱人类对数学的理解，反而可能极大扩大这种理解的可及性。对于绝大多数数学工作者而言，只要愿意学习，AI可以帮助他们迅速跨越过去需要多年训练才能跨越的知识壁垒，使一个人能够理解的数学范围大幅增加。
目前的AI在既有知识框架内解决数学问题的能力已经达到了惊人的水平，但在需要极强原创性、尤其是创造全新概念和研究范式的问题上，仍然存在明显局限。不过，随着技术继续发展，AI未来也完全可能具备高度原创和概念性的数学创造能力。
即便到了那一步，人类思考数学本身仍然会有价值，只是这种价值可能与今天非常不同。我认为，它会越来越接近文学或美学的价值：重要的不再只是人类能否首先得到一个正确答案，而是能否以人类能够理解、欣赏和传承的方式组织这些知识。例如，把一份高度复杂、非常“不自然”的AI证明重新提炼成一个优美、清晰、具有解释力的人类证明，本身就可能成为未来数学家的重要工作。
“解决问题”本身的价值迅速下降
腾讯财经：随着AI快速打破数学研究的“高贵性”，如何看待学术研究在AI时代的意义？做数学家还有什么价值？或者说精神愉悦也是一种价值？
X教授：就数学而言，我认为，单纯“解决问题”本身的价值正在迅速下降。正如陶哲轩所说，未来数学家的工作重心，可能会更多转向如何把复杂的数学结果解释得清晰、自然、可理解。从这个意义上说，未来数学家的角色，可能会越来越接近今天的文学家和艺术家：其价值不再主要来自比机器更快地得到答案，而在于创造、理解、表达和审美本身。
精神上的愉悦当然也是一种真实的价值，尤其是对学者。即使AI最终能够解决绝大多数数学问题，人类仍然可能因为好奇心、美感和智力上的满足而继续研究数学，就像今天人们依然会写诗、作画和创作音乐一样。
但从职业需求来看，我认为全球对职业数学家的需求很可能会明显减少，类似于今天市场对职业文学家和艺术家的需求。在中国，由于基础数学长期获得相对较多的资源投入和社会关注，这种变化可能会出现得更慢一些，因此在未来一段时间内仍可能维持相当数量的学术岗位。但从更长期来看，数学作为一种职业与数学作为一种智力和精神活动，很可能会逐渐成为两件不同的事情。
