AI能否解开雅可比猜想？数学与智能的“乘法效应”重塑产业落地逻辑

数学与AI的边界重构：从“工具”到“乘法”的范式转变

在2026年7月于云南玉溪举办的“十六省（区、市）数学学术年会暨应用数学与人工智能学术论坛”上，一个核心议题引发了学界与业界的广泛共鸣：当人工智能的能力边界不断外延，它与基础数学的关系究竟是怎样的？是简单的工具叠加，还是能够产生“乘法效应”的深度交融？

中国数学会副理事长、中科院周向宇院士与北电数智首席科学家窦德景的对话，为这一命题提供了极具前瞻性的注脚。他们指出，基础数学作为原始创新的源头，正通过与AI的交叉融合，迎来前所未有的科研范式变革。这种变革不仅体现在算法精度的提升，更在于对数学本质理解的深化以及产业落地路径的重塑。

能力跃升：从“不及格”到“奥数满分”的跨越

回顾过去两年，主流大模型在数学领域的表现呈现出指数级的增长态势。2024年，多数大模型在处理高考数学题时表现平平，甚至未能达到一本线水平；然而到了2026年，这些模型在重点大学入学测试中，数学单科最低分已稳定在135分以上，最高分突破140分大关。

更令人瞩目的是，当前顶尖大模型已能在无预知题目的情况下，在奥数竞赛中取得满分。这一成绩标志着AI在逻辑推理、符号运算及模式识别方面，已达到人类顶尖智力群体的水平。这种能力的跃升，并非偶然，而是基于海量学术文献、定理数据以及高强度算力支撑下的深度表征学习结果。

然而，能力的提升也带来了新的疑问：如果多个顶尖大模型协同讨论，是否会催生全新的数学理论突破？周向宇院士指出，AI的核心优势在于模式检索与机械推演，而非真正的数学创新。在可程序化、符号运算及离散构造等分支中，AI能高效完成人类因计算规模庞大而难以推进的命题验证与实例构造工作。但AI是否真正“理解”了数学概念，仍是一个待解的开放性问题。

雅可比猜想：AI的“黑箱”优势与人类直觉的局限

在讨论具体数学难题时，雅可比猜想成为了检验AI能力的试金石。该猜想涉及多维空间中的变量变换，传统数学家往往因变量繁杂、推演规模过大而止步于手工演算。AI的出现，打破了这一人力局限。

周向宇院士分析，只要算力充沛，AI便能不间断地开展大规模启发式搜索与高强度数值、符号运算。在证伪雅可比猜想的过程中，AI甚至能“硬生生”给出反例，且经人类验算无误。这种永不间断运行的特质，使其在复杂反例搜寻工作中具备得天独厚的优势。

但争议随之而来：如果AI只给出答案而无法解释推理路径，这是否算作“真正理解”？周院士坦言，这正是当前AI的核心痛点——“黑箱”问题。AI在高维数据空间中通过统计拟合匹配出有效的数学关联，但其内在逻辑的可解释性始终难以突破。数学家追求的不仅是答案，更是答案背后的思想与方法。AI可以给出结果，但无法替代人类对数学结构的深层理解与解释。

数学家不会被取代：做“机器不能做的事”

面对“AI是否会取代数学家”的担忧，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，其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。

数学的本质不仅仅是解题和计算，更在于“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的定位应是“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。

此外，AI辅助研究也带来了学术规范的挑战。传统数学研究强调思想来源与方法出处的严格引用，而AI生成的结果往往无法清晰追溯其具体参考了哪些已有工作。如何建立有效的规范机制，明确成果归属，是亟待学界解决的课题。

北电数智的产业实践：从“技术高原”到“价值落地”

在学术探讨之外，北电数智首席科学家窦德景分享了AI在产业落地的具体路径。北电数智正以全国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。在这一理念驱动下，AI已在多个领域实现实质性落地：

在医疗领域，北电数智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，已达到医院中级医师考核90%的准确率，并将诊疗时间缩短了20%。这一案例证明了AI在垂直领域专业能力提升上的巨大潜力。

在先进制造业，星火大模型已投入实际应用，通过工业仿真与工艺优化，提升了生产效率与产品质量。同时，北电数智正推动国产芯片从“可用”走向“好用”，为AI赋能民生筑牢自主可控的技术底座。

结语：双向奔赴，共创智能新生态

2026世界人工智能大会上，菲尔兹奖得主埃菲·杰曼诺夫曾言，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。

从Anthropic的Claude Fable 5在一个周末证伪雅可比猜想，到云南玉溪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，这一系列事件正在被写入AI与数学“双向奔赴”的历史。

未来，随着AI能力的持续进化，数学家与AI的协作将更加紧密。数学家将专注于提出新问题、构建新体系、发现新规律，而AI则负责处理海量数据、执行复杂计算、验证理论假设。这种分工协作，将推动数学研究从“经验驱动”向“数据与逻辑双驱动”转变，进而加速科技成果向现实生产力的转化，开辟产业落地的新路径。

在这个过程中，保持对数学本质的敬畏，善用AI工具，同时坚守学术伦理与创新精神，将是每一位数学工作者与AI研究者共同面临的使命。唯有如此，方能真正实现数学与人工智能的深度交融，推动人类认知边界的不断拓展。