把邓煜气到要“改行写小说”，新晋“学术小偷”惹毛这群全世界最聪明的人

Vista看天下 2026-09-16 22:30

⏎ 返回 ⭢阅读原文

数学从来不只是把一个个问题做出来。它更像一场跨越几千年的对话，一代人把新的知识交给下一代。

文｜邵楚芮

栏目｜Vista天下奇点

“最近我接触到的数学界，弥漫着一股浮躁不安的氛围。”

7月刚拿下菲尔兹奖，数学家邓煜就在社交平台上感叹AI给数学界带来的变化。他好奇AI的上限，也忍不住开玩笑，如果AGI真能解决所有数学问题，那自己“无非回家好好写我的百合小说”。

图源：网络

导火索，是数学界最近发生的“AI抢发人类论文”风波。

9月8日，OpenAI宣布，公司曾调动约1万个Agent攻坚三维Navier-Stokes（纳维-斯托克斯）问题。这是北京大学教师韦东奕的长期研究方向，也是数学界近90年的100万美元难题。

第一批Agent启动的约88小时后，系统找到了解法。

但几乎同时，两位数学家，特里斯坦·巴克马斯特和莱文特·阿尔珀格公开质疑，他们的研究数据和方向，被AI“抢”了。因为两人一直是Codex等AI工具的重度用户，大量草稿和中间思路都曾输入其中。目前，OpenAI已明确否认。

比数据争议更让数学界不安的，是速度。一些原本需要人类长期投入、反复试错才能推进的研究，正在被AI以远超人的速度直接获得结果。

乍看之下，这很像一群数学家开始担心被AI抢饭碗。实际上，他们更担心，AI的抢先，会影响数学思想的传播，以及下一代对数学难题的探索意愿。

9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联合发表《AI在数学中的严重错位》，直指AI公司与数学共同体之间正出现裂痕。这25位初始签署人的获奖年份横跨近半个世纪，这是数学界最顶尖头脑的一次集体表态。截至发稿前，已经有超过7000人联署了这份声明。

陶哲轩提到，这份声明并没有经过更广泛的协商，因为他们认为“时间紧迫，需要尽早而非拖延”。

而在大洋彼岸，最懂AI的人也在面对类似的怅然。DeepSeek v4.1发布后，机器学习系统工程师刘胜与写下一篇名为《我不得不把才华埋葬在昨天》的长文。

图源：《钢铁侠2》

面对AI能力的快速进步，刘胜与提到，自己不至于会“失业”，但可能必须要“转业”。“我的饭碗尚且能保住，但这可能会导致我再也没机会从事那份我曾热爱过的工作。”

当答案越来越容易得到，数学家到底在害怕失去什么？他们今天的焦虑，会不会也是其他行业的明天？

科技巨头之间“幼稚的闹剧”，

受伤的却是数学家

几天之内，巴克马斯特的办公室，从一个普通的数学系办公室，变成了临时“作战室”。

有人帮他检查证明，有人处理与OpenAI的沟通，他们甚至开始咨询律师。巴克马斯特承认，和一家万亿美元级别的公司发生冲突，让他感到“非常可怕”。“他们根本不在乎我们这个群体。”

点燃巴克马斯特怒火的，是所有科研人员最难接受的结果，近似于自己苦心钻研的论文被AI“摘桃”了。

局部不可压缩运动快照。图中橙色表示角旋转较快，蓝绿色表示较慢。环流速度同时取决于半径大小。运动轨迹呈现出向内螺旋与轴向拉伸的形态。

OpenAI的研究结果之一。（图源：OpenAI）

巴克马斯特和阿尔珀格已经沿着一条与纳维-斯托克斯方程相关的路线，研究了近一年。纳维-斯托克斯方程被广泛用来描述空气、水流等流体运动，天气模拟、管道输送都会用到它。

他们想证明的是，一股原本正常流动的流体，在某些条件下，会不会突然在数学上“失控”。8月中旬，他们终于等来了关键突破，把两位西班牙数学家几年前提出的一种方法，又往前推进了一大步。

一周后，其中一份AI生成的证明通过了数学证明软件Lean的形式化验证。

如果把它类比成一篇普通论文，巴克马斯特和阿尔珀格的进度就是，实验已经跑出了关键数据。接下来要做的，是花几周时间，把结果检查、解释，再写成同行真正能看懂的论文。

就在这时，OpenAI急了。按照OpenAI后来公布的时间线，9月1日前后，公司得知，有数学家可能已经接近两个千禧年大奖问题。OpenAI立即让内部新模型尝试相关问题。

Sam Altman talks on stage during the G20 conference.

萨姆·奥尔特曼

一开始，大约100个Agent被投入一个相关的欧拉方程问题。发现有戏之后，公司迅速加码，不断从其他任务里抽调了更多Agent。

1万个Agent同时尝试不同路线、检查证明，再把有用的中间结果传给其他组。传统数学家可能几个月只能认真追几条思路，OpenAI却只花了不到4天，就让AI交卷了。

微妙的是，OpenAI提到的研究路线，跟两位数学家几乎一模一样。

偏偏过去几个月，巴克马斯特和阿尔珀格又一直是OpenAI旗下Codex的重度用户。研究中的草稿、中间推导和不少尚未公开的思路，都曾被输入其中。

这很难不让人多想，OpenAI为什么会在听到他们的进展之后，迅速沿着如此接近的路线跑到前面？他们此前留在Codex里的研究内容，有没有可能影响了后来的结果？

Tristan Buckmaster standing in front of a chalk blackboard with various dates and names written on it.

特里斯坦·巴克马斯特

此后，OpenAI明确表示，巴克马斯特此前两个月的Codex提示词“不可能以任何方式影响系统，包括训练”。

OpenAI为什么这么急？至少不是为了那100万美元。

公司后来明确表示，无意申领千禧年大奖。真正的原因，还是OpenAI和Anthropic两家公司的竞争。

阿尔珀格并不只是数学家，他还是Anthropic的员工。因此，对OpenAI来说，两位数学家的进展意味着“宿敌即将获得成果”。

后来，巴克马斯特和OpenAI争论时，OpenAI甚至明确表示，无法给阿尔珀格署名，因为他们很难接受，“让OpenAI的内部项目里有一个Anthropic员工”。

这并不是两家公司第一次在数学上隔空较劲。过去半年，数学几乎已经变成前沿AI公司最密集的“秀肌肉”场地之一。

OpenAI的CEO奥尔特曼（中）与Anthropic的CEO达里奥·阿莫代伊（右）（图源：网络）

近几个月，OpenAI已经屡次宣布，自家模型在数学和理论计算机上的科学成果。Anthropic也让Claude研究模型去“硬碰”黎曼猜想，重新解释费马大定理。

两家公司公布成果的节奏，已经很像在轮流往桌上拍成绩单。对他们来说，数学有一个其他领域很难同时具备的优点，它既足够难，又相对容易判定输赢。

如果AI能解答困扰数学界多年的难题，那么模型到底变强了多少，一下就有了所有人都认识的参照物。

“这不过是两家市值万亿美元的公司之间幼稚的闹剧，他们就像小孩子一样行事。”巴克马斯特说。

但对数学界来说，被AI“抢成果”的后果，远不只是谁先发论文、谁少了一个署名。

“一场革命，或者毁灭”

在接受《连线》采访，提起过去一周AI在数学领域的突破时，67岁的康奈尔大学数学家史蒂文·斯特罗加茨突然哽咽了。

他并不是害怕失业，而是突然想到了，“数学已经以一种特殊的方式延续了4000年”。

在斯特罗加茨看来，数学从来不只是把一个个问题做出来。它更像一场跨越几千年的对话，一代人把新的知识交给下一代，不只告诉他们“什么是真的”，还要解释“为什么是真的”。一个证明被提出之后，还要被别人读懂、简化、重新讲述，再变成后来的人可以继续使用的工具。

“然后，2026年，AI浪潮突然撞进了数学。”

图源：《美丽心灵》

几乎同一时间，25位菲尔兹奖得主签署的《AI在数学中的严重错位》发布。同样，他们并不反对AI做数学，声明里明确承认，AI有机会“增强和加速真正的数学研究与理解”。

作为联合签署者之一的陶哲轩，一直是机器辅助数学最积极的实践者之一，他曾用计算机做大规模搜索、借助形式化证明工具验证结果，也不断尝试AI能在研究中做到什么。

他们真正反对的，是AI公司正在把著名数学难题变成一张模型能力排行榜。

在数学家的传统里，那些几十年、甚至上百年没有解决的难题，并不是几道等着被勾掉的“大题”。

联名信把它们称作数学世界里的“地标和灯塔”，人们朝着它们走，未必马上抵达终点，但沿途可能发明新的工具，建立新的理论，甚至发现原先根本不知道存在的另一片领域。

陶哲轩

王虹解决的三维挂谷猜想就是如此。

这个问题困扰数学家超过一个世纪。最终答案直到2025年才出现，但在此之前，数学家为了不断逼近它，以及与它紧密相连的一批难题，已经发展出了尺度归纳、波包分解等一整套方法。其中一些在之后被用到了完全不同的领域。

而AI，被陶哲轩比喻成“直升机”，可以直达，但人“完全无法学会怎么到那里”。

过去，一道难题真正留下来的东西，并不是最后那句“证毕”。它通常意味着一个人已经在这片领域里走了很远。深刻的定理既困难又稀缺，因此，人们往往可以用最终成果反推背后的理解深度。

但AI正在拆掉这种对应关系。它可以直接生产过去只有经过漫长训练才能得到的结果，却不一定经历形成这种理解的过程。

王虹

各数学家在声明里强调：“在许多领域与活动中，多年的训练传统上不仅是为了产出一个最终答案或产品，也是为了发展理解力，以及提出新问题和新思想的能力。”但现实是，AI在人类工作的基础上，已经有能力直接产出这类工作的结果。

长期研究尼瓦特猜想的布莱娜·克拉最近经历的一件事，也体现了这一现象。

尼瓦特猜想被提议放进谷歌DeepMind的形式化猜想项目之后，突然获得了更多关注。很快，克拉开始收到一些声称已经完整解决这个猜想的论文，其中一些作者此前几乎没有进入过这一研究领域。有人承认使用过AI，不过解释说，AI只是帮忙润色英文或检查证明。

克拉没有直接质疑这些论文是假的。她只是提议：“我们开个Zoom会议，你给我讲讲你的证明。”

然而，当时没有一个人接受邀请。

图源：《蜘蛛侠4》

这件事最让克拉在意的，并不是“这些人到底有没有偷偷用AI”。哪怕所有证明最后都被验证为正确，“作者到底理解了什么”“证明为什么成立”“它又能告诉其他数学家什么启示”……这些问题依然存在。

“证明不只是一张确认某件事为真的凭证。”克拉写道。

在她看来，一个好的证明还应该是“一则故事、一幅图景、一种洞见和解释”。它不仅告诉人们答案，还应该改变人们理解问题的方式，并留下可以继续使用的方法。

不仅如此，AI的出现，也开始让一些数学家怀疑，未来还要不要像过去那样做数学。

丘成桐在9月的采访中说：“对于博士生和青年教师来说，挑战难题本就意味着巨大的时间和职业风险。”如今，他们还要面对拥有海量算力的AI公司，可能更加不愿意把几年时间押在一个雄心勃勃的问题上。

图源：《奇怪国家的数学家》

“纯数学正在经历一场革命，或者毁灭。”斯特罗加茨说。很多数学家喜欢的问题正在被快速解决，但这些问题之所以吸引他们，本来就不只是因为终点。

数学家的不安，在其他行业里，已经变成了具体的职业选择。

职场新人受到的影响可能更大

“再过上半年或者一年，AI写的算子大概率就会和我写得同样优秀，甚至将我超越。”《我不得不把才华埋葬在昨天》中，刘胜与写道。他很高兴，因为模型的主Attention算子正是自己写的。但他也清楚地知道，自己正在亲手加速AI的进化。

AI最吸引人的地方，本来就是跳过过程。比如不会写代码，也可以直接得到一个App。不想读材料、做PPT，只要动动手指，AI就可以自动读取并做出成品。

AI未必首先消灭一个职业，却可能先消灭这个职业里原本必须亲自走过的一段路。

图源：《美丽心灵》

过去，刘胜与会坐在工位上花一整个下午设计、调试和优化一个算子。找到一个更好的调度方案，或者让性能超过厂商官方实现时，他会获得一种近似游戏速通刷新纪录的兴奋感。

但随着AI越来越会写代码，工业界真正需要的，也正在从“会写高性能算子的人”，变成“能用AI更快地产出高性能算子的人”。

图源：《心灵捕手》

刘胜与把自己未来的角色叫作Agent的“机甲驾驶员”。“那份坐在工位上静心写上一下午算子的清欢，可能会在这个夏天成为绝唱。”

对于已经有多年经验的人来说，AI或许首先改变的是工作方式。但对于刚刚进入一个行业的人，问题可能更复杂。

刘胜与在文章里举过一个学生做实验室作业的例子。一个选择是花8个小时自己写代码，最后可能还拿不到满分。另一个选择，是花几毛钱、几分钟，让AI直接生成一份满分代码。大多数人会选哪个，并不难猜。

图源：《知无涯者》

偏偏那些最容易被AI拿走的工作，过去也是新人用来“练级”的工作。一个人是通过看起来琐碎但充斥着训练、材料的工作，学习行业是怎么运转的。

今年一项基于美国就业数据的研究《煤矿里的金丝雀？》发现，在AI暴露程度最高的职业里，22岁至25岁年轻人的就业表现已经明显弱于低AI暴露职业，而资深员工受到的影响要小得多。

数学家斯特罗加茨也在采访中提问：“我们会不会是煤矿里的金丝雀？”

过去矿工会带金丝雀下井，因为它们对毒气更加敏感。一旦金丝雀先倒下，就意味着人类也即将遇到危险。

数学之所以可能成为最早的“金丝雀”，恰恰因为数学结果相对容易验证，一个证明至少还能检查对不对。

但如果连这种拥有严格标准的领域，都开始面对“有结果却没人真正理解”的问题，那么到了科学、法律、公共政策和艺术这些证据与解释本来就更有争议的领域，人类又该怎样从海量AI产出中判断什么真有价值？

图源：《挽救计划》

目前几个领域摸索出的答案比较相似。科学界开始把“发现、证明、形式化、解释”拆开分别记功，法律界干脆放弃判断AI说得对不对，只咬住"谁签字谁负责"。而在艺术市场，一份干净的人类创作过程记录，变得和作品本身一样值钱。

判断的重心，正从产出本身，悄悄挪向产出背后那段留痕的人类过程。

这也是刘胜与自己在意的东西。他反复纠结的，是“未来人们还能不能潜下心来认真做一件事情”。

他最后也不会选择停下来。“在不得不把才华埋葬在昨天后，我还有明天的光明可以追逐。”

今日互动

你怎么看AI破解数学难题这件事呢？

说说你的看法。

新刊预告

把邓煜气到要“改行写小说”，新晋“学术小偷”惹毛这群全世界最聪明的人

相关文章