专访｜白磊：当所有成果都被装进AI大模型，真正的创新如何被看到

9月8日，OpenAI公开了一份千禧年数学难题——纳维-斯托克斯方程存在性与光滑性问题的解答：约1万个AI智能体协同工作88小时，给出解析证明，随后由GPT-6 Astra用Lean完成形式化验证。目前该证明仍有待数学界进一步审查。

与此同时，这项成果也引发优先权争议：纽约大学数学家Tristan Buckmaster质疑OpenAI在获悉同行研究进展后加速推进，并担忧其此前与Codex的草稿数据可能被利用。

三天后，陶哲轩等25位菲尔兹奖得主联名发表声明称，AI公司推动把解决数学问题作为一种“基准”（benchmark），对数学这门科学和数学共同体“有害”，并直言“AI公司的目标与数学共同体的目标严重错位”。

声明强调，解决问题“只是实现概念理解和洞见这一首要目标的工具和代理指标”，匆忙公布AI解答还会引发“严重的成果归属和剽窃问题”，并可能使数学家之间“关键的人类传承链条”丢失。

过去一周，AI已经把数学推到了一个前所未有的位置：曾经需要顶尖数学家多年推进的问题，开始被大规模AI系统以天为单位集中突破。

上海人工智能实验室青年科学家白磊在接受澎湃新闻美数课工作室专访时表示，近期AI在数学上取得较大突破，本质上是AI把长程推理、大规模并行搜索和快速形式化验证结合了起来，通过组合搜索的方式取得突破性进展。尤其是在“找反例”这类数学证明任务上，海量尝试本身就可能转化为突破。

在AI资本叙事冲击AI for Science的当下，白磊表达自己的担忧：“有些突破明明是专用模型完成的，最后却包装成某个通用大模型赋能；还有一些工作本来已经快做出来了，最后再加一个AI去讲故事。”他强调，过度营销会造成不同层面的技术误判，进而影响政策和资源分配，甚至出现“劣币驱逐良币”。

以下为专访实录，略经编辑。

AI破解千禧年数学难题，靠的是搜索与验证飞轮

澎湃新闻：OpenAI用约1万个智能体推进纳维-斯托克斯问题，您怎么看这件事？如果后续被数学界认可，对AI for Science意味着什么？

白磊：数学首先是在一个符号空间里，它可以被规则化验证。意味着AI可以提出大量猜想，再通过明确的验证规则快速筛选。在这种领域里，AI“提出假说—验证—继续搜索”的效率已经能够超过人类。

影响的也不仅仅是数学。所谓“可规则化验证”，并不只存在于数学里。只要存在比较明确的搜索空间，又能快速验证，AI就可以大量提出假说，再用“爆破”的方式去搜索新的发现。但它的局限也很突出，这条路径最适合可规则化验证、而且突破空间比较明确的问题。

澎湃新闻：您刚才用了“爆破”这个词，可以把这波数学突破理解成“大力出奇迹”？

白磊：某种程度上是，不过这里面有着很高的智能需求，不是随机枚举试错，而是根据问题由模型提出构造进行尝试，然后从失败中抽取规律动态调整策略、持续优化。现在的AI推理成本很高，一个问题可能就投入几百万美元，背后还可能经历了更长时间的模型训练和尝试。今天看到它搜索出了一个结果，并不代表换一个问题就一定能复制。

在一组开放数学难题上，OpenAI内部模型整体显著领先GPT-6 Astra，最高通过率接近48%。图片来源：OpenAI

尤其是找反例的问题，很适合这种方式：在很大的假设空间里不断搜索，只要找到一个满足条件的反例，就足以否定一个普遍命题。

（注：OpenAI不是证明了纳维-斯托克斯方程永远有光滑解，而是找到并严格证明了一个有限时间奇点的反例，从而否定“所有满足条件的三维解都全局光滑”这一方向）

AI为何先在数学取得较大突破

澎湃新闻：为什么这一轮AI最先在数学、尤其是数学证明上表现出接近“自主科研”的能力？

白磊：我认为关键不只是“数学”，而是一类“类数学”的问题。数学只是最有代表性的领域。

第一，“类数学问题”是高度符号化的。这意味着它可以直接利用这一轮语言模型、推理模型的能力，不需要先解决复杂科学对象怎样表示的问题。

第二，验证可以规则化，而且速度很快。Lean这样的形式化工具可以快速判断证明是否成立。对比物理、生命科学，很多结果必须进入真实世界做实验，高能物理实验、材料合成、蛋白质实验，时间和成本都会高很多。

相同数学证明的纸面写法与 Lean 形式化表达。图片来源：对齐Lab

第三，LLM目前最有分量的成果集中在“找反例”上。很多应用科学是在巨大空间里找一个比现有方案更好的“正例”，比如更好的药、更好的材料；正例不仅要找到，还必须超过已有结果。但找反例往往只需要找到一个，就足以推翻一个普遍结论。

换句话说，AI最先在数学上获得巨大突破，并不只是因为它突然更懂数学了，而是数学最早给AI提供了一个可以低成本反复试错、即时验证的闭环。

澎湃新闻：AI在数学证明上的突破和在编程上的突破，是类似的逻辑吗？

白磊：在我看来非常像。代码的数据形态也是完全符号化的，天然和语言模型对齐；同时代码验证也非常快。写完代码可以马上编译、运行、做功能测试，立即知道有没有问题。

包括网络安全也是类似逻辑。很多攻击任务本质上是在找一个可以把系统攻破的反例，只要找到一种有效方法就通过了。所以你会看到编程、网络安全和数学在这一轮模型里都进展得很快，它们底层有相似的条件：符号化、验证快，以及部分任务只需要找到一个有效解。

把突破都算在“AI”头上，真正的创新会失焦

澎湃新闻：AGI、AI for Science、Agent等概念现在不断被用来抬高智能上限。您怎么看资本和大模型公司的这种叙事？

白磊：资本一般更关注宏大的愿景，比如AGI、SuperHuman的智能上限，不会一直关注很多技术细节和当下瓶颈。做技术的人，关注的问题会更具体：这个任务真正独有的困难是什么？到底是哪项AI的能力解决了它？现在卡在哪里？

OpenAI首席科学家Jakub Pachocki称，“我们有生之年将看到明显比人类更聪明的机器”，并将其称为可能“超越人类自身的异星智能”。图片来源：X

我比较担心的是，“AI”这个词实在太大了。公众和投资人很容易把不同年代、不同技术路线的进展放到同一个叙事里。比如AlphaFold是非常重要的AI for Science成果，但它和今天的大语言模型不是一回事；很多早期机器学习、专用模型的成果，最后也会被讲成“大模型在做科学”。这会拉高大家对大语言模型的预期。

还有一种情况，是一个突破本来已经快做出来了，最后再加一个AI去讲故事。这样会掩盖真正的技术创新，甚至造成错误归因，影响政策和资源判断。如果不区分AI到底发挥了什么作用、真正新增了什么技术价值，那今天几乎所有科学成果都可以被说成“有AI赋能”。

澎湃新闻：这种叙事会反过来影响AI4Science本身吗？

白磊：我认为是会的。第一是过度期待会让大家更倾向做短平快的“AI+应用”，对真正需要长期投入的科学智能原创技术关注不足。如果所有人都追热点，就没人愿意沉下来做难的问题，也会影响人才培养。

第二是错误归因。有些突破明明是专用模型完成的，最后却硬说成某个通用大模型赋能；还有一些工作本来已经快做出来了，最后再加一个AI去讲故事。这不一定构成学术造假，但会让大家误判到底什么技术有效，进而影响政策和资源配置，甚至出现“劣币驱逐良币”。

澎湃新闻：那您觉得AI4Science已经出现泡沫了吗？

白磊：我觉得目前还没有“过度泡沫”。热度确实会吸引人才和资源进入这个方向，只要其中有相当一部分最终溢出到长期有价值的问题，可能也比无人关注更好。

但传播时至少要讲清两件事：问题到底有没有被解决，AI在其中发挥了什么真实价值；以及这里真正的技术挑战和创新是什么。

AI已经开始做科研了，但语言模型不足以突破科学边界

澎湃新闻：如果给AI一个真实、开放、没有标准答案的科研任务，它距离独立完成科研闭环还有多远？

白磊：这首先取决于你说的是多大尺度的任务。在单一任务、相对短程的任务上，闭环已经能跑通；在通用任务和长流程任务上，还有很多路要走。

单一任务比如优化一个化学反应，或者设计一种材料的合成方案；通用任务可以理解为同时具备设计一个蛋白质和设计一个合金材料的能力。另外也要注意科研任务的规模和粒度差别非常大，蛋白质设计是一个明确的设计任务，而设计一款治疗癌症的药物要跨越靶点、机制、实验、临床等很多环节。

澎湃新闻：您现在会把AI称为“科学家”吗？

白磊：我一直的观点是，AI已经开始做科研了。

科学研究是一个体系，不能说只有提出一个伟大理论才算科研。AI现在已经在知识工作、计算加速、工艺和配方优化等很多任务里发挥很强的作用，所以它当然已经进入科研。

但“自主”是有程度的，不是非零即一。 AI已经参与科研，不等于它已经变成一个完全自主、什么都能做的通用科学家。“再发现”不是“发现”，这是大模型最容易制造的错觉。

澎湃新闻：如果AI要继续突破科学边界，单纯继续扩大语言模型够吗？

白磊：我觉得肯定不够。现在的语言模型还主要处在“知识空间”，但AI for Science真正要处理的是分子、蛋白质、细胞、气象、宇宙这些“科学对象”，所以必须进入“科学对象空间”。

比如，模型要看到细胞怎样随时间演化，不同细胞怎样交互，分子和蛋白质怎样作用；如果要解决实际问题，还要真正设计新的分子和蛋白质。这些都离不开观测表征和实验验证。

所以我认为下一阶段真正需要的，不只是语言模型，而是一种“科学多模态智能体模型”或者科学世界智能体模型：多模态负责表征不同的科学对象；智能体负责在实验中交互、调用设备、获得反馈，再根据反馈继续规划和迭代。

澎湃新闻：如何理解“科学对象空间”？

白磊：可以类比具身智能。语言模型再强，也不能只靠文字拿起一个杯子；同样，语言模型再强，也不能直接合成一个分子。它必须理解分子的性质、结构和相互作用，然后借助实验设备，和设备交互、操纵并规划。

所以我一直认为，AI for Science和具身智能面对的本质问题很相似。主要的区别在于，具身智能面对的是人类尺度的客观世界，而科学本身是跨尺度的：量子、电子、原子、分子，一直到地球和宇宙。AI for Science需要的是不同尺度的世界模型。

AI真正产生科研价值，临界点在“发现”的原创性

澎湃新闻：模型发展到今天，我们该如何定义AI for Science？

白磊：我认为主要有两个层面，两者紧密不可分。一方面是通过人工智能的方法加速科学研究，把AI应用到科研流程中；另一方面是打造真正赋能科学研究的人工智能，让它能够理解科学数据、理解自然，并进行预测、设计和验证。前者是把AI用到科学里，后者是在改变AI本身。

过去二三十年，AI for Science更多依赖专用模型：气象预测、蛋白质结构、基因分析，各自有不同的模型和工具。最近两三年的变化，是通用大模型先成为“知识工具”和“认知工具”，随后又借助Agent去调用更多科研工具，开始进入科研流程中的更多环节。

“通专融合”的能力与人工智能的发展趋势不谋而合，图片来源：上海人工智能实验室

澎湃新闻：模型学习人类已经写下来的论文、数据和代码，能产生真正新的科学知识吗？

白磊：肯定能，但必须要清楚什么是“新的科学知识”：

第一种是“再发现”。模型给出一个结果，但这个结果早就在文献里存在，只是论文太旧、很少有人读，或者没有被检索出来。这类“发现”不能再包装成人类第一次发现。

第二种是发现人类遗漏的关联。人的大脑记不了所有知识，也无法同时保持所有知识之间的联系；语言模型学习了大量论文后，可以把过去没人同时看到的知识连接起来。我们把这类东西称为“未知的已知”——知识本身已经存在，但关系过去没有被看见。

人工智能调用工具的能力已经开始助力生命科学、数学、生物、材料科学等具体领域的科学研究。图片来源：上海人工智能实验室

第三种更进一步：AI调用工具，对基因组、蛋白组、细胞、气象、天文等海量科学数据进行综合分析，从数据里发现此前没有被识别出来的规律。这就不只是已有文字之间的重新组合，而是在产生新的知识。

“模型更聪明”“形成科学发现”“最终解决现实问题”，其实是三个不同层次的问题。所以很重要的一点是，在评价AI对科学知识的发掘上，一定要把“再发现”和“发现”分开。

而公众期待的“发现”，是根本上解决现实层面的问题，比如寿命、能源、疾病。但很多现实问题不是智能更高就会自动解决，中间还有非常长的验证、工程和转化过程。

澎湃新闻：如果AI参与科研的环节越来越多，人类科学家最核心的角色会是什么？

白磊：我觉得至少有三点。第一是设定目标。任何AI都需要围绕一个目标学习和进化，这个目标从哪里来，还是由人决定。第二是价值判断。AI可以产生大量假设和方案，但资源应该投向哪里，需要人来判断。第三是验证和判断。一个科学发现或技术发明要被认可，需要严谨的实验或理论验证，最终的判断权仍然在人类手里。

未来科研组织也会变化。一个趋势是从“学科导向”走向“问题导向”：人们不再首先说自己是做AI、生命科学还是地球科学，而是先说要解决气候、能源、药物等什么问题。另一个可能性，是科学资源和实验平台逐渐开放后，出现更多“One- Person Research（OPR）”——个人借助AI和开放科研设施，完成过去只有大团队才能完成的一部分研究。

对AI4Science来说，真正值得观察的质变，也许不是又一个Benchmark接近满分，而是三件更难的事：它能不能真正理解科学对象，能不能持续执行长程研究，以及能不能产生可以被世界重新验证的创造性结果。