如果AI解开了世界难题，人类数学家还剩下什么？
继知名数学家陶哲轩公开批评OpenAI后，近期另一位新晋菲尔茨奖得主邓煜也炮轰OpenAI——不能你蒸馏了全世界，不让别人来蒸馏你。随着顶级模型公司不断破解世界级数学难题，数学家们集体破防。 邓煜近期提出的观点大意是，AI公司在构建大模型时，通过“知识蒸馏”或抓取全人类的网络文献、学术论文与知识库来训练自己。然而...
继知名数学家陶哲轩公开批评
OpenAI后，近期另一位新晋菲尔茨奖得主邓煜也炮轰OpenAI——不能你蒸馏了全世界，不让别人来蒸馏你。
随着顶级模型公司不断破解世界级数学难题，数学家们集体破防。
邓煜近期提出的观点大意是，
AI公司在构建大模型时，通过“知识蒸馏”或抓取全人类的网络文献、学术论文与知识库来训练自己。然而，当外界或同行希望了解模型的推理过程（即“思维链”）时，这些公司却以“防止被蒸馏”为由进行全方位加密和拒绝公开。
邓煜直言：
“你不能在只有你蒸馏全人类的网络文献、全人类的知识的时候，就大大方方地去蒸馏；然后觉得别人想要了解一下思维链，就开始说这个不行、那个不行。”
早在
9月，陶哲轩等25位菲尔兹奖得主就发表联合声明《人工智能在数学中的严重错位》，引发全球关注。
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浪潮是既定事实，更是势不可挡。
笔者近阶段采访了多位在美国高校任职的知名数学家。例如，华盛顿大学的数学系博士、
Rutgers罗格斯统计系副教授韩启阳，他多次斩获来自美国国家科学基金会（NSF）等的重要奖项。他对笔者表示，随着AI在解题、证明乃至数学发现方面的能力迅速提升，传统数学研究的部分价值与稀缺性正受到严重冲击。
“过去需要长期专业训练才能完成的工作，未来可能越来越多地由AI辅助甚至它独立完成。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。”
究竟在
AI时代，人类数学家的意义是什么？数学学科应该如何重新审视教育本身？
数学家们为什么破防？
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。之所以AI让数学家集体破防，原因也很简单：
数学研究过程是艰苦的，数学家的愉悦来源是，解决问题本身的精神愉悦，以及别人对自己
“智力巅峰”的仰慕。然而，AI使得智力价值迅速贬值，这是一种价值体系的崩塌，这在距离应用最远的数学学科上尤为突出。
近期前沿
AI模型接连更新
。
例如，
OpenAI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就这样突然把这个困扰大家多年的开放性难题解答了出来。而后，OpenAI还发布了更多难题破解案例。
韩启阳对笔者表示，
自己对
AI能力的看法已经变了。他原本认为，基础学科研究对创造性和发散性思维要求极高，是少数难被AI取代的工作。现在他的这一判断已经动摇
，
而且变化就发生在短短的一年，甚至几个月之间。
在他看来，
基础数学、统计学、应用数学、运筹学和理论计算机科学等与数学紧密相关的学科，传统上不太依赖人力和物质资源，主要靠研究者自己的智力投入。研究者通常要花数年时间学习，反复组合、迁移和运用已有的知识与方法，才能掌握一个细分领域的通用方法，进而进入前沿做原创研究。近几个月
AI的数学推理能力出现质的飞跃，这些学科的传统科研模式已经开始被颠覆。
普通基础研究中，有大量创新是对已有知识和方法的
“排列组合”，这类工作AI现在已能相当轻松地完成。一名普通博士生过去要花数年完成的工作，今天的AI可能只需几个小时。在以往的学术评价体系里，这类成果是考核、晋升和基金分配的重要依据，如今其中相当一部分的学术价值正在快速贬值。
他提到，
GPT-5.6 Sol发布后短短几个月，arXiv等预印本平台上相关领域的论文数量呈爆炸式增长，不少文章明显带有完全由AI生成的痕迹，圈内称之为“AI slop”（AI 泔水）。
这些变化正在给基础学科的研究生态带来巨大冲击。学界不得不重新思考几个问题：
什么样的研究仍有真正的原创价值？研究者的核心能力到底是什么？
AI已经能大规模参与
，甚至
独立完成科研工作，学术评价体系和研究伦理又该如何重建？
邓煜的最新批判
事实上，继
9月
“只许州官放火，不许百姓点灯”
——
这是邓煜最新对
OpenAI等模型公司的开火。
原因在于，
AI公司在构建大模型时，通过
“
知识蒸馏
”
或抓取全人类的网络文献、学术论文与知识库来训练自己。然而，当外界或同行希望了解模型的推理过程时，这些公司却以
“防止被蒸馏”为由进行全方位加密和拒绝公开。
韩启阳对笔者表示，邓煜对
OpenAI的主要批判点在于，OpenAI
没有公开思维链
。
“
一般做数学的确实都会公开讨论这些。不愿意公开思维链可能是有商业考虑
，
不想被其他公司看到训练里面的一些方法
，
但确实不符合数学科研方式的传统
。
”
在邓煜看来，
拒绝公开思维链，违背学术规范
。
具体而言，
如果将
AI或AI公司产出的数学证明视为一种“研究成果”，它就理当接受学术界的公开检验。人类学者做出重大突破后需要做学术报告、详细解释思路，但AI公司却以防蒸馏为借口，绝大多数情况下拒绝公布证明背后的“思维链”和推演路径，这不符合学术界的开放与透明惯例。
邓煜还提及，
闭源
AI公司往往在没有经过充分的形式化验证和严谨检查前，就仓促发布部分数学证明来获取轰动效应。实际上，后续发现其中不少文章存在错误甚至不得不撤回。
此外，他认为，模型公司的做法是
不合理的商业剥削与知识溯源缺失
。
从商业和用户角度来看，数学家和研究者付费使用
AI产品，将自己的专业想法和思路输入给模型；AI公司利用这些高质量的用户输入训练下一代模型，再用新模型解决公开数学问题并赢取荣誉。
邓煜质问：
“
我们作为用户，得到了什么？我们什么都没有得到。既然什么都没得到，我们为什么要向你付这么多钱？
”
他提出，应当建立可追溯性机制，明确厘清
AI、人类研究者以及不同个人之间的思想贡献。
数学学科遭遇AI时代大挑战
尽管如此，数学家们并无力阻挡
AI的跃进步伐。
在
AI
狂飙突进的背景下，数学界正迎来前所未有的危机与大讨论
。
原因在于，
随着
AI介入数学推演，研究者将未成熟的思路喂给模型，可能几周后就会发现类似的证明和创新直接出现在AI公司的最新发布中。这引发了严重的版权、署名权以及想法被“隐形剽窃”的危机。
人类思考主体地位的动摇
也是邓煜所担心的，换言之，
“给AI当狗”的风险
。
原因在于，
AI拥有无限的知识面和极低的试错成本（可以通过成千上万个Agent同时并行尝试）。面对远超人类计算和试错速度的AI，部分人可能会产生焦虑或放弃独立思考。
邓煜引用帕斯卡的名言
“人是一根会思考的芦苇”强调
，
如果人类因为有了
AI就彻底放弃自主思考和探索的能力，“那就和动物没什么区别了”。
如果完全依赖
AI盲目输出结论而缺乏严谨的同行评议、正式写作以及人类数学家之间
代际
的思想传递，数学经典的内涵和理解将面临无法完全实现的风险。
在韩启阳看来，
AI的冲击固然大，但作为一名学者和教育者，数学研究范式的深刻变化，并不意味着基础数学教育失去意义。基础数学训练的核心价值，远不止于掌握公式与解题技巧，更在于培养严谨论证、识别错误和独立判断的逻辑思维能力。这些能力需要长期训练，无法简单通过调用AI获得。相反，过度依赖AI可能使学生跳过关键的思考与试错过程，反而削弱独立推理的能力。
话虽如此，笔者也了解到，业内人普遍认为，数学学科单纯
“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。
那么从这个意义上说，未来数学家的角色也可能发生巨变
——可能会越来越接近今天的文学家和艺术家，也就是说，数学家的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。
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，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。未来，数学作为一种职业与数学作为一种智力、精神活动，很可能会逐渐成为两件不同的事情。
AI席卷各行各业的速度，已经远远超出多数人的想象。未来会怎样，今天还没有人说得清。唯一可以确定的是，那些曾被我们视为理所当然的东西，正在一件件被重新定义。它会迫使我们重新回答：人之所以为人，价值究竟在哪里。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
