当 AI 能登顶数学珠峰，人类的价值在哪里？

2026年9月的数学界，上演了极具戏剧性的一幕。
9月8日，OpenAI扔下一颗重磅炸弹：其内部未公开的AI系统，调动上万个智能体并行运算，仅用88小时就给出了“纳维-斯托克斯存在性与光滑性问题”（ 这是克雷数学研究所2000年公布的七大千禧年大奖难题之一，悬赏100万美元，困扰人类学界近90年）的完整证明，并附带 166页论文与Lean形式化验证代码。
消息一出，全网沸腾。“AI超越人类数学家”“百年难题一夜破解”的论调铺天盖地。然而仅仅3天后，风向陡转——陶哲轩、邓煜、彼得・舒尔茨等25位菲尔兹奖得主联合发表《人工智能在数学中的严重错位》声明，直指AI公司的解题逻辑与数学研究的本质目标背道而驰。截至目前，已有近7000名学界人士公开联署支持。
一些媒体将此解读为“老派数学家破防抵制AI”，但这恰恰是对这场争议最大的误解。

他们从来不是AI的反对者

首先必须澄清一个事实：这批联名的顶尖数学家，非但不是AI的抵制者，反而是AI在数学领域应用的先行者与推动者。
陶哲轩多年来一直在大力推广形式化证明工具Lean，主张用AI辅助验证证明细节、补全推导步骤，将数学家从繁琐的计算与校验中解放出来；2026年新晋菲尔兹奖得主邓煜，更是在多个公开场合提出“AI将带领人类进入数学的黄金时代”，并积极探索大语言模型在数学猜想中的辅助作用。
联合声明中也明确写道：“过去几个月，大语言模型的数学能力出现显著提升，已经能够解决多个数学领域的重要未决问题，这一技术有潜力加速数学研究。”
那这批数学家反对的是什么呢？

他们反对的从来不是AI本身，而是AI公司正在把“攻克经典数学难题”异化成一场模型能力的“跑分竞赛”。

在数学家看来，这种做法正在消解数学研究最核心的价值——比起答案本身，探索答案的过程中生长出的新思想、新方法、新领域，才是数学这门学科真正的生命力。

数学难题的价值，从来不止是一个答案

很多人以为数学难题就是一张等待填写答案的考卷，谁先做出来谁就拿奖。但事实上，经典的公开问题更像是数学世界里的“灯塔”与“枢纽”。在没有答案的时候，它会吸引全球一代代学者从不同方向尝试探索，有人走到半路发明了新的研究工具，有人另辟蹊径开创了全新的数学分支，有人虽然没登顶，却发现了旁边更值得攀登的山峰。
比如著名的费马大定理，历经358年才被证明。但在这三百多年里，数学家为了证明它，发展出了模形式、椭圆曲线理论，催生了代数数论的半壁江山，这些衍生成果的价值，远远超过定理本身。
而当AI用海量算力暴力砸开答案，却没有贡献新的概念、新的框架、新的可迁移方法时，本质上是一次性消耗掉了这个问题几十年积累的学术组织价值与符号价值，却没有给学科带来对等的增长。就像一座山被人用直升机直接登顶，路线直接公之于众，它就不再是探险者的圣地，而只是一个观光打卡点。年轻的数学家很难再怀着探索新大陆的热情，去 “用人脑重新走一遍”已经被AI踏平的路。

错位的本质：工程成就不等于数学突破

这场争议的核心，其实是两套评价体系的根本错位。
对AI公司而言，这是一次完美的商业秀：用88小时、上万智能体破解人类百年难题，是模型能力最直观的证明，评价标准只有一个——“能不能做到”。
但对数学共同体而言，一项成果的价值从来不止于“答案对不对”，更在于“思路新不新”“能不能迁移”。从目前披露的信息看，OpenAI的方案本质上是大规模智能体协作下的“反例搜索+形式化验证”：通过算力穷举构造出特定初始条件下的流体奇点，再用形式化工具完成逻辑校验。这是一项惊人的工程成就，但它没有提出新的数学思想，没有建立新的分析框架，也无法给其他流体问题提供可复用的研究路径。

这也是为什么克雷数学研究所在9月11日的声明中，谨慎地表示问题“看来已得到解决”，而非正式颁奖。按照千禧年大奖的规则，成果需要公开发表、经历至少两年同行检验、获得数学共同体的广泛认可，且必须对学科发展有推动意义。截至目前，该问题在官方层面仍处于“未解决”状态，OpenAI也明确表示不会申领百万美元奖金。
更耐人寻味的是同期爆发的优先权争议：在 OpenAI 宣布成果前一天，纽约大学数学家巴克马斯特与 Anthropic 研究员阿尔珀格刚公开了相关的欧拉方程奇点研究。巴克马斯特质疑，自己曾将未发表的草稿在OpenAI工具中使用，研究思路可能被模型借鉴后，用算力抢先完成了证明。
争议背后，是商业逻辑与学术逻辑的深层冲突：AI公司追求的是速度、曝光与标杆效应，而学术界看重的是思想原创性、过程可追溯性与学科长期价值。当经典难题沦为AI的跑分题库，透支的是整个数学学科持续生长的土壤。

AI时代，人类该重新锚定自己的价值

技术发展的潮流不可逆转，AI必然会成为所有科学研究的基础工具。但这场争论给所有领域的人都提了一个醒：当AI可以快速给出答案时，人类的核心价值到底是什么？
可以确定的是，AI永远不会取代数学的本质——它可以完成推导、验证、反例搜索，但它没有数学审美，不知道什么问题是重要的，不懂得判断一个方向值不值得投入，更无法凭空创造出一套新的理论体系。它是威力无穷的挖掘机，但决定去哪里挖、挖出来的东西有没有价值，始终只能是人类。

未来的科学研究范式，必然会朝着“人机分工、各展所长”的方向重构。研究者会从“解题者”逐步转向“提问者与架构师”：划定探索疆域、搭建理论框架、定义问题价值，而把具体的计算、推导与验证交给AI。经典难题也会完成价值转型：从“比拼谁先登顶的终点”，变成“测试新工具、探索新方法的基准”。

结语：

科学的终极目的，从来不是得到一个又一个答案，而是在探索答案的过程中，长出新的思想，成为更好的自己。AI越强大，人类提出问题、定义意义、开辟新道路的能力，就越珍贵。