25位菲尔兹奖得主联名警告：AI解数学题正在破坏数学传承
AI解题太快，反而伤了数学的根
9月11日，陶哲轩把一封公开信贴在了自己的博客“What’s new”上。标题很直白：《人工智能在数学中的严重错位》。联署人名单横跨48年——从1978年的皮埃尔·德利涅到2026年刚获奖的邓煜，中间挤满了彼得·舒尔茨、许埈珥、吴宝珠这些名字。基本等于在世菲尔兹奖得主里拉了一大半。
信里没说AI不能做数学。相反，他们承认大模型确实能解决重大未决问题。真正让他们坐不住的，是AI公司把解题当成跑分 benchmark 的做法：结果一出来就急着发新闻稿，既不写像样的论文，也不提炼新方法，更不引用前人的工作。
在数学家眼里，这等于抽掉了数学得以代代相传的骨架。
解题只是手段，理解才是目的
数学处理的是形状、数字和自然现象的基本结构。几百年来，它靠的不是一堆孤立的“正确答案”，而是一整套精巧的思想、方法和抽象工具。著名问题之所以重要，是因为它们像灯塔，照亮一片未知地貌；解决一个，往往意味着新洞见的诞生。
但这些洞见不会自动变成知识。它们需要报告、讨论、简化，最终被写进研究生甚至本科生能看懂的教科书。有些思想甚至要等几十年、几百年，才变成全人类共用的工具。
公开信强调：解题只是通向理解的代理指标。一旦忘了这点，工具就会反噬目标。当AI以越来越快的节奏批量生产“真/假”判断，孕育新思想的土壤就被摧毁了。
更麻烦的是归属问题。AI生成的解答常常跳过对先前工作的引用，这在创造性行业里就是剽窃。而如果没有人类数学家愿意接手、发展并整合这些想法，它们永远活不起来——那条关键的人类传承链就此断裂。
导火索：88小时、1万个智能体和一场署名争执
这封信的直接诱因发生在三天前。
9月8日上午，纽约大学教授Tristan Buckmaster公布了三项关于欧拉方程奇点的证明，合作者是Anthropic的数学家Levent Alpöge。两人主要用了Codex和Claude。成果本身过硬，但Buckmaster在PDF里加了一句：“这个故事还有另一部分，而说实话，我非常希望自己不必去操心这一部分。”
几小时后，OpenAI宣布解决了Navier-Stokes存在性与光滑性问题——克雷数学研究所七大千禧年难题之一，悬赏100万美元。公司称，证明由内部下一代模型完成，约1万个智能体并行工作88小时（9月1日至5日），发送270万条消息，在Lean中完成形式化验证，并附上166页文稿。
技术上，OpenAI的构造包含一个光滑外力项，而克雷标准针对无外力情形。公司自己也说这仅确立了官方表述中的陈述C和D，并明确表示不申领奖金。
但引爆数学圈的不是技术细节，是时间线。
Buckmaster声称，在他和Alpöge收尾工作时，得知进展已传到OpenAI。联系对方后，被告知“已拿到完整证明”。但当追问何时开始研究、有多少人类输入时，回答变得含糊。最终确认：第一条prompt发出时间就在最近几天——也就是他们的信息到达OpenAI之后。
他怀疑路径选择被复制。通过光滑外力攻Navier-Stokes这条路（对应陈述c和d），是他和Alpöge悄悄选定的方向，据他所知几乎没人做。“这不是把题目丢给模型几天就能走到的路径。”
争执还涉及署名。Buckmaster说，OpenAI的Sébastien Bubeck曾提议让他撤掉Alpöge的署名，因为Alpöge在Anthropic。当他坚持公开争议时，据转述，Bubeck回了一句：“你为什么要毁掉自己的职业生涯？”随后又补了句：“如果你不希望我好好说话，我也可以不好好说话。”
OpenAI的版本不同：行动始于9月1日，起因是听说两个千禧年难题被解决；9月6日完成Lean验证后，以为对方也有解，主动联系希望联合发布并承认优先权；沟通过程中开放了全部prompt和证明。公司强调，研究者和智能体在对方公开前未通过任何途径看到其工作，未调取特定用户数据，但无法完全排除去标识化数据曾间接帮助模型改进。同时指出两份证明差异显著——欧拉情形下所证结果甚至不同（有外力vs无外力）。
9月10日，在加州理工学院研究者批评后，OpenAI撤回了对该校一场数学活动的赞助。一天后，25人联名信发布。
2026：数学被推到AI伦理台前的一年
把时间拉长看，这封信是“AI+数学”压力曲线的顶点。
今年5月，OpenAI内部模型给出了Erdős单位距离猜想的反例，推翻了这个悬置80年的组合几何猜想。结果被认为达到数学顶刊水准，配套论文的九位作者中就有后来的2026年菲尔兹奖得主。
6月2日，16位来自15所大学的数学家发布《关于人工智能与数学的莱顿宣言》。源头是2025年9月莱顿大学一场十国六十人研讨会，经八个月打磨成稿。宣言首日130人签名，24小时内破千，获国际数学联盟（IMU）背书，彼得·舒尔茨等人署名。它明确反对三件事：未经同意用论文训练模型、绕过同行评审直接发媒体、不对先前工作做归属说明。
7月，Alpöge用Claude Fable 5找到雅可比猜想的反例，推翻了这个87年老问题。陶哲轩随后在博客专门写了一篇消化解读。
7月23日，国际数学家大会在费城开幕，2026年菲尔兹奖授予邓煜、王虹、John Pardon和Jacob Tsimerman。邓煜与王虹是继丘成桐后的华人得主，王虹是该奖90年历史上第三位女性。Tsimerman领奖后宣布停薪留职，8月加入OpenAI做AI安全研究。他的判断很直接：“世界正在改变，我们所知的那种数学家职业生涯，我认为不会以现在的形式继续存在。”他选择进实验室提供形式化保证，而不是在场外旁观。他没签那封公开信。
9月8日，Navier-Stokes风波。9月11日，联名信。
数学界真正怕的不是AI解不出题
公开信的诉求其实很具体：给写作和思想提炼留时间、明确标注依赖的先前工作、承认需要人类数学家接手消化。这三条和莱顿宣言方向一致，只是签名分量更重。
但它没有强制力。AI公司没义务放慢节奏，也没义务接受共同体审查。25位顶尖数学家齐声说话，创造的是一个参照点——政策制定者、期刊编辑、资助机构在处理AI生成的数学主张时，可以指向它。
陶哲轩的立场最微妙。他是AI辅助数学最认真的实践者，长期用ChatGPT配合Lean做形式化，也公开描述过模型绕圈、引错定理、需要人盯着的情形。评论Navier-Stokes结果时，他打了个比方：找到一条通往瀑布的路径是有价值的，但一旦有人指出了这条具体路径，人们就只会走这条路。
数学界担心的从来不是AI解不出题，而是解出题之后，那些原本会因为“解出来了”而被生产出来的东西没人再去生产——方法的提炼、思想的传播、教科书、下一代。
AI抢先证明还可能危及数学研究的开放文化。已有数学家开始怀疑自己使用Codex的记录是否已被喂给模型。如果前沿AI实验室看到一条有希望的路径，就能用上千万美元算力抢在原始研究者之前完成证明，开放协作的文化就会被系统性推向保密。
Keras作者François Chollet还提到一个更难量化的损失：士气。他说在数学学生中听到一种普遍情绪——“我不想再当数学家了”。AI或许不会在功能上取代数学家，但完全可能通过压垮年轻一代的心气，造成事实上的近乎灭绝。
数学是第一个，但不会是最后一个
公开信最后一段写道：“这些问题必须被紧急处理——在数学共同体内部，在开发这些技术的公司那里，以及更广泛地，在一个将以许多其他形式遭遇同样问题的社会之中。数学是第一个被逼到台前、必须把自己的价值观明确写下来的学科。它不会是最后一个。”
这场冲突的核心，其实是两种时间观的碰撞。数学需要慢：慢读、慢想、慢写、慢传。而AI竞赛追求快：快出结果、快发新闻、快占高地。当快压倒慢，知识的深度和传承就被牺牲了。
25位菲尔兹奖得主的警告，不只是给AI公司的，也是给整个社会的。当技术有能力直接产出结果时，我们如何确保不忘记这项工作最初是为了什么？数学被迫先回答了这个问题。其他领域，很快也会轮到。