一道悬而未决近100年的数学难题，AI用88小时就证出来了。
9月8日，OpenAI发布公告：其内部模型组织约1万个AI智能体并行作战，用88个小时，跑通了纳维—斯托克斯方程的形式化证明，还附带166页论文和计算机逐行验证过的代码。
看到这个消息时，浙江大学数学科学学院百人计划研究员孔嘉正在准备下一节课的教案。手机里，数学同行的讨论开始刷屏。她思考着，是不是可以把这个新变化加入课堂跟学生探讨一下。
这个问题的分量有多重？它被列为“七大千禧年难题”之一，悬赏100万美元，挂了20多年，无人攻克。现在，这道难题被AI用不到四天时间给出了结果。
消息一出，数学界震动了。当大家都以为数学家会欢欣鼓舞时，邓煜、陶哲轩等25位菲尔兹奖得主联合发布了一份名为《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，宣称随着大语言模型的数学能力快速提升，AI公司正在以解决数学问题作为其能力基准，这与数学界追求数学研究要理解、提出新问题和培养人才的核心目标严重错位，可能损害数学研究生态，尤其影响学生和职业生涯早期的数学家。
顶尖数学家们担心的不是AI太强，而是：答案来了，理解却没来。
越来越多的数学家开始发现，人类消化一个证明的速度，已经追不上机器产出证明的速度。当AI敲开数学的大门，它带来的是一次关于“数学究竟是什么”的叩问。
数学研究，不止于获得一个答案
关于这份公开声明，许多人把它看作是数学家对AI的一次联名警告，认为AI正在摧毁数学。这个说法其实并不准确，声明中反而强调：AI有增强并加速真正的数学研究与理解的潜力。
声明没有否认AI的作用，而是忧虑：当AI公司把攻克著名的数学难题当成衡量模型能力的基准，这对数学研究的生态构建及未来发展是不利的。
理解这份呼吁，要从数学界一直以来秉持的理念说起，即数学这门学科，从来不止于获得一个答案。
以费马大定理为例，它从1637年提出到1995年被证明，用了358年。这道题被称为“会下金蛋的鹅”，因为在试图证明它的过程中，催生了代数数论、椭圆曲线理论、模形式理论等一整片数学大陆。
浙江大学数学科学学院长聘副教授刘东文进一步解释：“现在AI主要靠已有算力来输出结果，但这对数学研究来说，不算一个问题真正意义上的终结。因为一道难题被解开之所以重要，不只在于最后的答案，更在于有人找到了新的洞见与方法。从证明验证到阐释清楚，再到这些思考逐渐被打磨成数学系学生都能读懂的教科书内容，甚至在多年后成为整个社会都在使用的工具，这才是数学研究的目的。”
追溯历史，数学研究催生了许多意料之外的应用。如爱因斯坦在构建广义相对论时借助了黎曼几何，今天GPS卫星导航需要根据广义相对论修正时间误差；又比如，曾被认为“没用”的数学分支数论，RSA加密算法就是基于它诞生，该算法成了现代互联网安全的核心支柱……
从前，数学一直活在“证明稀缺”的年代。谁第一个证出难题，谁就获得荣誉，因为第一个人通常也是对这件事理解最深的人。“第一个证出来”和“真正理解”几乎是同一个意思。但当AI以越来越快的速度产出答案，这两者开始脱钩了。数学问题名义上被解决了，可人类的理解没跟上，这不仅没有开创新的数学领域和思想，反而可能扼杀新思想的孕育。
今年8月，一个至今约70年的数学猜想——森多夫猜想，被一位初创科技公司CEO借助AI完成证明。但证明论文没人读懂。后来，2006年菲尔兹奖得主、华裔数学家陶哲轩花费数天时间把这份证明消化、简化并重新翻译。更关键的是，他在这一过程中得到意外收获，证明了另一个更强的猜想。
中国科学院数学与系统科学研究院副研究员黄治中说，这个时代，声称自己是某个猜想的首位证明者在某种角度上来说已经失去了意义，“数学家的一个重要使命是帮助整个数学共同体更加清晰、有效和深刻地理解各种数学对象和结果。”
“数学品味”，需要持续训练养成
在浙江大学数学科学学院，AI已深度融入从研究到课堂的各个环节。
刘东文的办公室里有块大黑板，上面用粉笔密密麻麻写着各类数学公式的推演。乍看之下，研究跟从前没什么两样。但他清楚，有些东西变了。
“以前想到一些假设，觉得它可能是对的，但一时证不出来，得自己动手。”他说，有时要翻一些旧文献，看看从前有没有人做过类似的东西，费时费力还不一定能找到。
现在他会把想法发给AI。“它强在算力嘛。”刘东文说，让它做计算推演，或者检索文献中不容易注意到的细节，又快又方便。
对AI接连攻破数学难题这件事，刘东文也颇为淡定：“第一次听到AI解出数学猜想时，还挺激动，但随着它解题数量变多，反而平静下来。”
数学被认为是人类智慧的皇冠。图源：视觉中国
他发现数学圈内正在形成共识——AI在数学推演、定理证明等方面具有强大效能。但AI不是万能的。至少目前，它还无法自主提出一个新问题或产生新思想。
刘东文称其为“数学品味”。这具体表现为对未知的探索、对数学的洞察，知道什么问题值得做，也能看出一项论证里哪些步骤是常规操作、哪些包含了真正新颖的思考。
他直言，培养“数学品味”是一个漫长的过程。他在博士毕业后，也花了很长时间打基础，去寻找值得做的问题。
“数学品味”如何养成？刘东文认为，关键是要锻炼、提升判断能力和思考能力。
孔嘉也认为，这是数学教育一直在做的事，只是在AI介入数学越来越深入的当下，它变得更重要了。
在孔嘉的课堂上，她会有意识引导学生把解题思路和推导过程讲出来，而不只是看结果。她也支持学生在合适的学习环节尝试使用AI，但提出了明确要求：“用AI获得思路或解答后，仍需要自己理解和核查关键论证，并在此基础上尝试提出问题、形成自己的判断。”
她说，AI 可以是一个好助手，但你得知道自己要往哪儿走，而不是被它牵着走。
这并不容易。浙大数学科学学院博一学生刘琦踩过坑。那是一个关于代数拓扑的经典问题。里面涉及一些他不擅长的细节，他想偷个懒，就把问题输入给了AI。AI很快给了回复，构造复杂，验证过程看起来也很“巧妙”。他没读懂，追问了好几轮，甚至画了示意图让AI解释。折腾到最后，他发现AI是错的。
“半个下午就这么没了。”他说，后来还是翻书找到了答案。这件事让他开始自省：对AI的依赖是不是正在削弱自己“学术独立”的能力？
另一位博一学生赵世民把AI当成了日常小助手。读文章、翻教材，上课时随手搜一个陌生的关键词，把黑板上的板书拍下来识别，都少不了AI搭把手。
但他心里有条红线。
“如果时间充裕，碰到难以攻克的题，我会选择自己先琢磨，哪怕这个过程很挣扎。”他说，啃难题时，为了找到出口，会往很多方向试探——那些方向往往超出证明本身，甚至超出问题本身。这些“绕远路”的探索，会形成对问题更深刻的认知。相比之下，直接看AI给的答案再倒推回去弄懂，得到的收获也不如自己探索来得多。
2026年菲尔兹奖得主、中国籍数学家邓煜这样区分AI与人类数学家的不同：AI擅长检索已有文献和补全细节推导，但人类具备的原创性思维是当前AI无法替代的。
原创性思维从哪来？恰是从那些看起来浪费时间的“挣扎”中来，从为一个问题反复纠结的训练中来。
在刘东文等人看来，AI时代，学习数学的年轻人更需要通过长期训练形成自己的判断力——不被AI给出的现成答案牵着走，也不因为答案来得容易，就忘了追问它从何来、往何处去。
明晰边界，探寻AI与数学共生未来
在众多基础学科中，数学为何成为大模型最先产生突破的地方？西湖大学工学院通用人工智能（AGI）实验室创始人张驰认为，这和数学“规则分明”的属性相关，它天然适合AI计算与推理。
物理、生命科学等需要积累现实证据的学科，提出思路后得进实验室，做实验、等数据，时间和成本高很多。可数学不一样，只要搜索空间明确，又能快速验证，AI可以提出大量假说，再去搜索新的发现。
所以，看到AI在数学上接连突破，张驰并不感到十分意外。“本质上，这是把论证猜想变成了一个在确定规则空间中的检索。如果只是比搜索速度，计算机自然有绝对优势。”
数学“规则分明”的属性，天然适合AI计算与推理。图源：视觉中国
这不意味着数学家会被取代。“AI时代，人类的价值在于能不能提出一个好问题。”张驰说。
他举例表示：当你借助AI解决某个问题时，AI只会根据这个领域已有的想法往前推。但人类思考时，可以关联其他领域的知识，并可能从中受到启发，这就是所谓的灵光乍现。当有了灵感，人类能从模糊的直觉里抓住它，把它变成一个问题。这种能力，AI还没有。计算机的搜索能力再强，也无法穿透所有复杂性壁垒。
但数学家们也意识到：“数学界需要制定新的行业规则来应对AI带来的变化。”
今年6月，《人工智能与数学莱顿宣言》发布，由国际数学联盟背书，为无序生长的“AI+数学”科研生态，划定了规则边界与伦理底线。宣言不反对用AI，但列出五个威胁：结论不可靠、署名与溯源失守、依赖与不平等、成果被过度炒作、自主性丧失。
这份宣言呼吁建立AI使用规范：何时使用、如何使用、如何披露、如何评价。这也不仅限数学，任何一个被AI深度进入的领域，都要回答这些问题。
“AI未来会不会有更大的突破，我们说不清。但会学数学和会用AI，两者从不矛盾。”刘东文说，我们警惕的从来不是AI越来越强大，而是数学研究者在技术红利中，逐渐放弃思辨、弱化深耕、丢失敬畏。
就像他办公室里那块黑板，粉笔字写了又擦、擦了又写。AI可以帮他算得更快、查得更全，但黑板上每一个新的问题和推演，都要他自己往下写。
AI可以帮人类攻破数学的关卡，但后面的路，终究还是要人来走。
版权和免责申明
凡注有"浙江在线"或电头为"浙江在线"的稿件，均为浙江在线独家版权所有，未经许可不得转载或镜像；授权转载必须注明来源为"浙江在线"，并保留"浙江在线"的电头。
