AI用88小时解了90年数学难题，25位菲尔兹奖得主说：别这样

9月初，OpenAI宣布了一件事：他们用AI，解决了纳维-斯托克斯方程的存在性与光滑性问题。

这道题是什么来头？它是2000年克雷数学研究所列出的七大千禧年大奖难题之一，困扰了数学界将近90年，悬赏100万美元。简单说，这个方程描述的是流体（比如水和空气）的运动规律，工程师天天用它造飞机、算洋流，但数学家一直没搞清楚一个最基本的问题：给定一个足够光滑的初始状态，方程的解会不会在有限时间内"爆炸"——出现无穷大的速度？

OpenAI的方案是这样的：调动约1万个AI智能体，用一套尚未公开的下一代模型，花了88小时搜索出解析证明。之后又用GPT-6 Astra花了17小时，把证明转写成Lean（一种计算机定理证明器）的形式化代码。全程约490万条消息，消耗约3000亿个输出token。OpenAI同步公开了166页论文和Lean验证代码。

消息一出，媒体标题写得很燃："AI 88小时破解90年数学难题"。但三天后，一群你可能没听过名字、但在数学界如雷贯耳的人，发出了一个完全不同的声音。

25位菲尔兹奖得主联名："严重错位"

9月11日，陶哲轩、邓煜、彼得·舒尔茨等25位菲尔兹奖得主联合发表公开声明，标题叫《人工智能在数学中的严重错位》。

菲尔兹奖是数学界的最高荣誉，每四年颁发一次，每次只给四个人，获奖者必须不满40岁。25位菲尔兹奖得主联名——这基本等于把活着的大半顶尖数学家都叫到一起了。

陶哲轩在个人博客上发了声明全文，说这封信源于他们过去一周的紧急讨论。因为形势太严峻，没走正常的协商流程，直接公开。声明上线不到一天，签名人数就突破了2500人。

他们不是在反对AI做数学。声明的第一段就承认，过去几个月大语言模型的数学能力确实提升很快，已经能解决多个领域的重大未解问题。他们反对的是AI公司使用数学的方式。

声明的核心判断是：AI公司把解决数学难题当作衡量模型能力的基准来推进，这种做法与数学共同体的目标之间存在"严重错位"。

错位在哪？说清楚这个问题，得先聊聊"做数学"到底意味着什么。

|解题不是目的，理解才是

在大众眼里，数学就是解题。给你一道题，你算出答案，对了就行。

但在数学家的世界里，"给出答案"是最不重要的一步。真正有价值的是：你为什么想到了这个思路？这个证明揭示了我们之前不知道的什么结构？它能不能用在新问题上？它有没有帮我们理解某个现象的本质？

克雷数学研究所在纳维-斯托克斯问题的官方说明里写了这么一句话："为什么要求一个证明？因为证明不仅给出确定性，更给出理解。"

换句话说，100万美元的奖金不是在悬赏一个"答案"，而是在悬赏一份"理解"。

AI给出的166页证明，Lean验证器检查过了——形式上没问题。但问题在于：这个证明太长了，太复杂了，人类数学家需要花数月时间才能逐行读懂、确认它到底对不对。而且，Lean检查的是"逻辑是否自洽"，但"这个证明有没有用新的思路、有没有增进人类对流体方程的理解"，Lean回答不了。

陶哲轩在之前一篇论文中探讨过类似的问题。他的核心观点是：一份由AI生成、形式上完全正确、却没有任何人能真正理解的证明，算不算完成了数学工作？他的回答倾向于——不算。因为数学不只是"证明为真"，更是"让人理解为什么为真"。

这就是25位菲尔兹奖得主说的"错位"：AI公司追求的是"解题——证明模型强"，数学界追求的是"理解——推进学科"。两件事方向不一样。

|还有一件让数学家不舒服的事

在25位菲尔兹奖得主发声之前，围绕这次成果还有一个争议。

就在OpenAI官宣的前一天，纽约大学数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge公开了他们在同一问题上的关键进展。Buckmaster随后公开质疑：他和Alpöge在研究过程中使用了OpenAI的代码工具Codex，把未发表的草稿放在里面让AI帮忙推理和核对。他怀疑OpenAI的模型在Codex里看到了他们的思路，然后用海量算力抢先跑通了证明。

OpenAI否认了这个指控。但Buckmaster还提到另一件事：OpenAI曾试图影响最终论文中谁该获得署名和贡献认定，这让他更不舒服。

这个争议目前没有定论。但它暴露了一个更普遍的担忧：当AI公司既提供研究工具，又自己做研究，研究者放在平台上的未公开成果，到底安不安全？平台方既是裁判又是选手，这个角色冲突怎么处理？

|如果连"理解"也能外包

说了这么多，回到一个最实际的问题：这件事跟普通人有什么关系？

表面上看，纳维-斯托克斯方程离日常生活很远。但它背后的逻辑，其实正发生在越来越多的领域。

当一个AI系统88小时给出了一个证明，人类数学家要花几个月才能验证它——这跟AI写代码、人类审代码，AI写文章、人类改文章，本质上是同一个结构：AI负责生产，人类负责检查。而且随着AI能力增长，人类检查的难度会越来越大、速度会越来越跟不上。

数学家担心的不是AI解出了这道题。他们担心的是：如果"解题"变成了AI的主场，"理解"也可能慢慢被定义为"AI能给出自洽的证明"，那人类数学家在这个过程中的位置在哪？

这个担忧不止适用于数学。当AI写的代码、AI做的诊断、AI生成的法律文书越来越多，人类在这些领域的角色也在悄悄变化——从"创造者"变成了"审核者"。而审核的难度，可能比创造更大。

当然，也有另一种看法。有人觉得，AI给出证明，人类花时间验证，这不挺好的吗？以前连证明都没有，现在至少有东西可以验证了。AI帮忙干掉了粗活，人类可以专注在更有创造性的部分。

这个说法有道理，但忽略了一个问题：如果AI给出的证明越来越长、越来越复杂，人类验证的速度跟不上AI产出的速度，那"人类审核"这个环节就会变成瓶颈。到最后，可能没人能真正确认AI给的东西对不对，只能选择"信不信"。

从"理解"到"相信"，这个变化，才是数学家真正紧张的。

最后说两句

截至现在，克雷数学研究所仍然把纳维-斯托克斯问题列为"未解决"。100万美元奖金没人领走。这说明什么？说明在数学界，"AI给了个证明"和"这个问题被解决了"之间，还隔着很远的距离。

25位菲尔兹奖得主不是反AI的人。恰恰相反，他们中很多人都用AI做研究。他们反对的不是工具，而是工具被怎么用、被谁来定义"成功"。

数学的价值从来不在于给出答案，而在于让人理解世界。如果有一天，AI能算出所有答案，但没人能理解为什么——那不是数学的胜利，也不是AI的胜利。那只是理解消失了。

当然，这一天还没到。但88小时这个数字，确实让很多人开始想了。