10月22日，《陶哲轩邓煜最新对谈，呼吁数学「慢科研」》：针对商业AI批量发布数学证明引发的争议，两位菲尔兹奖得主——陶哲轩与邓煜——在科学与人工智能研究基金会（SAIR）发布的一场访谈中给出系统性回应。这场对谈的核心观点是：AI能给出数学证明，不代表人类真正理解了这道题；比起机器又解出了多少道题，两位数学家更关心这些证明能否被理解、推导能否被核查，以及思想的来路和贡献是否可以追溯。对谈还介绍了Open Math Model开放数学模型计划与Open Math OS平台的最新进展。本文对这场持续月余的AI数学证明争议及开放数学路线作全景解读。
一、事件全景：700多个AI数学证明引发的争议与两位菲尔兹奖得主的回应
7月23日，2026年国际数学家大会（ICM）在费城开幕，王虹、邓煜两位北京大学数学科学学院2007级校友在开幕式上获得菲尔兹奖，中国数学家首次摘得这一数学界最高荣誉。中新社英文快讯报道了颁奖消息，并提到两人均为北京大学本科毕业；《知识分子》对中科院院士田刚的专访亦确认了颁奖时间与两位得主的教育背景。而就在三个月后，两位新科菲尔兹奖得主共同面对的，是一场由商业AI公司批量发布数学证明引发的持续争议。
图1 2026年AI数学争议事件时间线
梳理时间线可以看到，这场争议在近半年内经历了多次升级。6月，《人工智能与数学莱顿宣言》发布，呼吁数学界就AI使用建立清晰规范。9月8日，OpenAI宣称其一款未对外公开的前沿大模型仅耗时88小时，便解决了千禧年大奖难题之一的纳维-斯托克斯方程存在性与光滑性问题，并称动用约一万个AI智能体并行计算、耗资数百万美元；纽约大学数学家巴克马斯特随即质疑该成果借鉴了其本人与Anthropic数学家阿尔珀格的研究思路，OpenAI首席执行官奥尔特曼否认相关抄袭指控。9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联名发表宣言《人工智能在数学中的严重错位》，警示AI公司将攻克数学名题当作模型能力展示的营销手段。9月21日，OpenAI宣布成立数学与人工智能咨询组（AGMAI，设在普林斯顿高等研究院）；9月29日，该咨询组发布建议，明确反对前沿AI实验室使用外界无法访问的内部模型测试高难度数学问题，并要求发布AI数学结果时公开所用模型、提示词与计算时间。
10月6日深夜，OpenAI发布博客《Sharing AI progress in mathematics》，在GitHub一次性公开722篇由内部前沿模型生成的数学手稿，按372个"成果族"归类，覆盖数论、代数几何、微分方程、理论计算机科学、数学物理等前沿方向，部分成果附有可由计算机逐步检查逻辑推导的Lean形式化证明。转折在次日出现：因一处符号错误及其连锁影响，OpenAI于10月7日撤回3篇与代数几何领域霍奇猜想相关工作有关的预印本，公开目录降至719份；10月8日，官方math仓库发布首个成果更新日志，撤回3篇、修订14篇、另有13篇更新引用。同花顺财经的报道完整记录了这一撤稿与修订过程；10月6日发布722份、10月7日因符号错误撤回3份的时间线。此后，OpenAI未对外公开生成手稿的核心模型，仅通过仓库持续迭代修订手稿内容。
10月10日，同花顺财经报道，陶哲轩在个人博客转发了人类数学协会（AHM）的联合声明，对OpenAI发起抵制，呼吁全球数学家停止与OpenAI的合作。10月20日，由陶哲轩担任董事会主席的科学与人工智能研究基金会（SAIR）峰会在旧金山举行，陶哲轩与邓煜的对谈在其间发布；网易号"奇点折射"刊出了这场访谈的中文全译。10月22日，将这场对谈带入了更广泛的公众视野。
二、核心争议：'解出来了'与'弄明白了'——批量证明冲击下的学术诚信与价值体系
AI能给出数学证明，不代表人类真正理解了这道题；"解出来了"和"弄明白了"，可能是两回事。这一判断背后，是批量发布模式对数学研究范式的多重冲击。
第一重冲击在于核验与理解的速度差。一个直观的对照是：王虹与Joshua Zahl于2025年2月将三维挂谷集猜想的证明（约127页）挂上arXiv，此后经历作者自查、陶哲轩等学者的长篇分析，验证工作一直持续到2026年7月菲尔兹奖揭晓，前后近一年半。而这一次，722篇手稿在同一个晚上公开，OpenAI发言人承认，其中有不少结果连OpenAI自己的数学家也未完全理解，其中包括讨论挂谷问题的074号手稿。
图2 核验瓶颈对照：人类标杆案例与AI批量发布的速度差
第二重冲击指向研究的动机与价值坐标。陶哲轩在Numberphile访谈中将机器批量产出的证明比作"毫无营养的合成食品"——逻辑校验及格，但人类并未因此获得深刻的数学理解，并痛斥商业巨头"炸鱼式做题（dynamite fishing）"损害青年学者的研究生态。在SAIR对谈中，他进一步指出，AI科技公司几乎是在"顺带"解决数学难题：难题只是训练更通用模型时一个有用的基准，解出的题目成了某种副产物，"你甚至可以说是'有毒废料'"，随后要么由公司处理，要么由数学界收拾。他认为，我们并不需要为了把题解出来而解题，想要的是更广泛的理解和洞见；产出这些证明的公司应当与数学家合作，帮助大家理解这些证明，甚至在工作开始之前就让数学家参与进来。
抵制不止停留在言论层面。10月10日报道的AHM联合声明写道："发布超过700个数学文件不是展示学术，而是展示权力。"该声明认为OpenAI无视了数学与人工智能咨询组建议的核心前提，呼吁全球数学家停止与OpenAI的合作，重回以人类理解为核心的科学愿景。陶哲轩将传统数学研究称为"数学1.0"：一个突破性证明会催生后续研究、学术报告与专题研讨会，最终被学界充分理解、简化优化，编入教材讲义，传承给下一代研究者。而对于批量发布模式，他沿用了此前的判断——"证明消化不良"（proof indigestion）：AI能高速生成命题和证明，但人类来不及验证、理解、写作、教学和吸收，结果出现大量无人能消化的证明，数学或从证明稀缺时代进入证明过剩时代。
将抵制的原因归结为：基础数学研究的价值不在于快速得出标准答案，而在于人类在推演、论证、思考过程中诞生的全新数学思想、概念体系与研究方法；批量发布可能打乱学科研究节奏，并引发署名混乱、引用失当、隐性抄袭等学术伦理问题。
三、理解与溯源：两条边界、思想链条与引用可追溯的开放科学原则
在对谈中，邓煜系统提出了"数学双重边界"的论述：所有数学问题的全集之内，存在两条边界——边界一是"已被证明的问题集"，边界二是"人类能够理解的问题"。在传统时代，这两个集合高度重叠：一个问题的证明被给出，往往也意味着研究者能够解释它、教授它；而在AI时代，大模型强行撕开了第二道断裂带——机器拿到了结果，人类却可能彻底断联。"解出问题与理解证明，是两条不同的边界"；机器产出证明之后，人类仍需要理解其中的关键思想，解释它为什么成立，以及它能引出什么新问题。邓煜的结论是：如果全宇宙只有AI懂证明，数学就失去了存在的意义。
与双重边界相伴的，是"思想链条"的存续问题。陶哲轩指出，AI建立在人类数千年积累的文献之上，它以一种不透明的方式把文献转化成答案：有时会告诉使用者它引用了某篇论文的某个结果，有时却无法一路追溯到源头，没有展示这些想法来自哪里。"我们开始切断这条思想传承的链条，是真正意义上的'思想链条'。"在他看来，解决一个问题时学到的一部分内容，恰恰是它受到过哪些影响、哪些关键想法已经以不完整的形态存在于文献之中。为此，两位数学家强调：思想的来路和贡献应当可以追溯，引用已有成果、说明关键想法的来源，是研究过程的一部分；科技公司有动机让人觉得AI仿佛凭空解决了问题，但它们与人类科学家一样，建立在数千年人类努力的基础上。
这一主张的根基，是陶哲轩所称的"开放科学"共识：现代科学之所以能发展数百年，基石就是开放科学——科学文献库被视为人类全体的公共财富，论文发表后，同行在严格的学术规范下引用，每一条引注都清晰标明某个开创性的点子最初来自谁、又在哪位学者手中得到演进，正是这种严密的引文链条构成了人类思想的因果脉络。
对谈还给出了人机分工的操作性原则。邓煜以自己的研究场景举例：当研究者已经有了明确的证明路线图，知道每一步该做什么，只是推导与验证过于浩繁、人工演算要耗费数月甚至数年时，把这部分工作交给AI是合适的——让机器节省时间精力，让研究者专注于更根本的问题。而提出本质问题、构筑宏观路线（Global Planning），以及提问、规划、判断的能力，仍然是人类不可让渡的领地。
四、开放数学路线：Open Math Model计划与Open Math OS平台的进展与愿景
回应争议之外，这场对谈更重要的信息量在于给出了建设性方案：由学术界主导的开放数学基建。本次对谈的发布方SAIR（科学与人工智能研究基金会）由陶哲轩担任董事会主席，对谈场景为其旧金山峰会。按访谈时的进展，团队的新模型仍在筹备，率先推出的是Open Math OS——一个整合现有开放模型、研究工具与协作功能的工作平台。
图3 Open Math OS平台功能要素框架（要素取自对谈表述）
Open Math OS的思路可以拆为四个层面。其一，模型底座：起步阶段不直接训练全新的顶尖大模型，而是接入既有的开源模型底座。其二，部署门槛：平台免去学者自购昂贵GPU与本地复杂部署的负担。其三，工具整合：将推理模型与形式化验证工具、协同网络与引文追踪机制整合在一起——形式化验证回应"推导能否被核查"，引文追踪回应"思想的来路能否追溯"，与第三章的两条原则一一对应。其四，协作网络：为全球数学家搭建能够安全贡献数据、算力与思想，并实现去中心化验证的协作网络。
在OS平台之后，是完全由学术界自主训练的下一代开源数学模型——这构成Open Math Model开放数学模型计划的目标：按对谈中的表述，随着全球学者数据的沉淀，新模型将在未来几个月内正式推出。陶哲轩希望，当工具的控制权重新回到科学家手中时，这个共同体能展现出新的生产力；两位数学家参与该计划的动机之一，正是让数学共同体参与工具开发，使AI真正服务于数学研究。
工程侧的公开信息为这一路线提供了旁证。GitHub公开数据显示，一个与SAIR相关的开发者组织已在10月12日、10月13日先后创建两座Open Math OS集成测试仓库（omm-github-integration-test与omm-production-github-test，其中一座持续推送至10月19日），与对谈所述的平台工程推进相互印证。
五、人机分工与展望：'慢科研'的价值主张对学术共同体与AI产业的影响
对谈发布前后，陶哲轩的立场在另一条线上同步展开。10月11日，他发表"数学2.0"主题博文：AI正在让数学证明变得泛滥，建立在证明稀缺之上的"数学1.0"时代即将落幕。结合其"证明消化不良"的判断，这条博文把问题从单一事件上升为范式命题——当证明从稀缺品变为过剩品，建立在证明稀缺之上的学术激励机制、评价体系与传承方式都需要重新设计。
规范层面的建设也在加快。6月发布的《人工智能与数学莱顿宣言》并未要求禁止AI，而是呼吁建立清晰规范：证明是数学的基石，理解与表述的清晰性至关重要，研究者应透明披露工具的使用、保持结论正确性与引用完整性，责任归属人类，结论应当能够独立复现验证。9月29日AGMAI的建议则划出操作红线——反对前沿AI实验室使用外界无法访问的内部模型测试高难度数学问题，并要求公开模型、提示词与计算时间。从6月到9月，国际数学界对AI的回应经历了从原则共识到具体规则的演进。
学术冲击的具体样本已经出现。在722篇手稿中，编号074的成果族推进了三维与四维挂谷问题，两篇手稿合计272页；而此前王虹与Zahl的三维挂谷证明用了近一年半才被学界逐步吸收。量子位在报道中提到，有观点认为"这届菲尔兹奖，将是人类最后一次拿到这个奖"，往届得主Gowers跟帖称这一过程有滞后、"大概能撑到2030年"——下一届菲尔兹奖恰在2030年颁发。田刚专访则提供了审慎的对照：AI辅助证明会出现，但目前AI能解决的问题仍有局限，即使AI提供帮助，最终仍需人类作出实质性贡献并完成验证。
图4 争议各方立场与规范建设图谱（2026年6月至10月）
在这场新旧范式的碰撞中，两位菲尔兹奖得主给出的关键词是"慢科研"。陶哲轩将其界定为：保留那些慢慢做科学、做数学的方式所带来的好处，包括增进理解、建设共同体，让人类持续掌握对一个学科的理解；速度不是科学唯一需要追逐的终极指标。这不是对技术的拒绝——对谈明确肯定AI证明中的创造性，也欢迎它承担繁琐推导——而是对研究方向的重申：让AI服务于人类的理解，而不是替代理解本身。随着Open Math OS平台与开源数学模型的推进，以及莱顿宣言、AGMAI建议等规范的落地，数学界正在"解出来了"与"弄明白了"之间，重建属于自己的价值坐标。
