陶哲轩、邓煜等25位菲尔兹奖得主联合声明：AI公司正在摧毁数学

编辑｜Panda

9 月 11 日，陶哲轩、邓煜等 25 位菲尔兹奖得主联合署名发表了一份公开信《人工智能在数学中的严重错位（A Severe Misalignment of AI in Mathematics）》。陶哲轩把全文贴在了自己的博客「What's new」上，另有专门页面 mathandai.org 承载并开放继续联署。

地址：https://terrytao.wordpress.com/2026/09/11/a-severe-misalignment-of-ai-in-mathematics/

公开信第一段内容就解释了原因：「过去几个月，大语言模型的数学能力急剧提升，已经能解决多个数学领域中重大的未决问题；但 AI 公司把解决数学问题当作基准测试来推进的做法，对数学这门科学、对数学共同体都是有害的。AI 公司的目标与数学共同体的目标严重错位。我们认为，这属于更广泛的错位问题的一部分，影响着其他科学与创意职业，乃至整个社会。」

这倒不是一封反对 AI 做数学的信。声明后文明确承认 AI 有加速真正数学研究的潜力。

它反对的是公布方式：匆忙宣布、来不及写出像样的论文、来不及提炼新方法、也来不及引用他人在先的工作。在数学界看来，这套流程正是数学之所以能被传承下去的重要依托。

值得一提的是，声明选用的核心词 misalignment（错位/对齐失败）原本是 AI 安全圈的术语。这两天，AI 公司的自己人也经常说到这个词。比如，就在今天，刚离开 Anthropic 安全团队、即将加入独立评估机构 METR 的 Joe Benton 在 𝕏 上写道，AI 公司正竞相打造比任何人类都聪明得多的机器，而我们可能无法在这场竞赛中幸存。

而三天前辞职的 Jacob Coxon 措辞更硬，称他待过的两家公司 OpenAI 和 Anthropic 都没有负责任地行事。其推文引发广泛关注，已有超过 1.66 亿次浏览。

这些警告都指向了同一个判断：AI 推进的方式似乎和它本该服务的目标之间出现了偏差（misalignment）。

一份没有时间打磨的公开信

这份公开信签名名单横跨 48 年的菲尔兹奖史，从 1978 年的皮埃尔·德利涅（Pierre Deligne）一直排到 2026 年的邓煜（Yu Deng）。中间是彼得·舒尔茨（Peter Scholze）、玛丽娜·维亚佐夫斯卡（Maryna Viazovska）、许埈珥（June Huh）、詹姆斯·梅纳德（James Maynard）、马克西姆·孔采维奇（Maxim Kontsevich）、曼朱尔·巴尔加瓦（Manjul Bhargava）、森重文（Shigefumi Mori）、吴宝珠（Ngô Bảo Châu）这样的名字——基本可以理解为在世菲尔兹奖得主中相当大的一部分。

正如前文截图所示，陶哲轩在个人博客里补了一些说明：这份声明由 25 人在过去一周的讨论中形成，遗憾的是没有时间像 Leiden 宣言那样走一个更具协商性的流程，但他们认为情况的紧迫程度要求尽快发声。

其中的论证链条并不长。数学处理的是形状、数字和自然现象的基本结构，几代人积累下一整套精巧的思想、方法与抽象工具；著名问题之所以重要，是因为它们是丈量这片地貌的地标和灯塔，解决其中一个，向来意味着新洞见和新方法的出现，接下来会经过报告、讨论、简化的漫长过程被共同体吸收，理想状态下最终变成研究生甚至本科生能读懂的教科书内容。有些思想还会在几十年甚至几百年后，变成全人类都在使用的工具。

问题在于，解题只是达成理解与洞见这一首要目标的工具和代理指标。声明写道，在 AI 的语境下忘记这一点，可能让工具反过来伤害目标：以越来越快的节奏批量生产「真/假」判断，会摧毁孕育新思想的土壤。

这些 AI 解答常常在匆忙中被公布，来不及写出像样的论文，来不及提炼出新方法和新思想，也来不及引用他人相关的在先工作。声明说，和所有创造性行业一样，这引出了严重的归属与剽窃问题；而如果没有愿意接手的数学家去发展这些思想、把它们整合进数学的正典，AI 构想出的想法永远不会真正活起来，数学家之间那条关键的人类传承链会就此断掉。

导火索：88 小时、1 万个智能体、一场署名争执

要理解这封信为什么此刻出现，需要回到三天前。

9 月 8 日上午，纽约大学数学教授 Tristan Buckmaster 公布了三项证明，涉及欧拉方程等系统在光滑外力作用下的有限时间奇点，合作者是 Anthropic 的数学家 Levent Alpöge。两人主要使用 Codex，也用了 Claude。这本身是硬成果，但 Buckmaster 在声明 PDF 里写了一句：这个故事还有另一部分，而说实话，他非常希望自己不必去操心这一部分。

几小时后，OpenAI 发布了 Navier-Stokes 存在性与光滑性问题的完整证明。

这是克雷数学研究所（Clay Mathematics Institute）七个千禧年大奖难题之一，每题悬赏 100 万美元，此前只被解决过一个。

OpenAI 称，证明由一个未发布的下一代内部模型完成，约 1 万个智能体并行工作 88 小时（9 月 1 日至 5 日），发送了 270 万条消息，消耗约 1300 亿输出 token，结果在 Lean 中完成了形式化验证，并同时公开了一份 166 页的证明文稿。刚发布不久的 GPT-6 Astra 在这个流程里只负责核对答案。

技术上的争议随即出现：OpenAI 的构造带有一个施加于流体的光滑外力项（forcing term），而克雷研究所的标准表述针对的是无外力情形。OpenAI 自己的说法是这「确立了千禧年大奖问题官方表述中的陈述 C（以及 D）」，但公司明确表示不申领这 100 万美元奖金。

但真正点燃数学圈的不是技术边界，是时间线。

据 Buckmaster 的公开声明，在他和 Alpöge 收尾自己工作的过程中，他们得知关于其进展的信息已经传到了 OpenAI。联系对方后，他们被告知 OpenAI 已经拿到了完整证明；但当他们追问 OpenAI 何时开始研究这个问题、其中有多少人类输入时，回答变得闪烁。最终确认的是，第一条 prompt 发出的时间就在最近几天，也就是在他们的工作信息到达 OpenAI 之后。

Buckmaster 的怀疑集中在路径选择上。他说，通过光滑外力通往克雷问题的这条路（c 和 d）是他和 Alpöge 悄悄选定要攻的方向，据他所知几乎没有别人在做，这不是把题目丢给模型几天就能走到的方向。

争执还牵扯到署名。Buckmaster 声称，OpenAI 的数学家 Sébastien Bubeck 曾提出一个折中方案，要求他撤掉 Alpöge 的署名，因为 Alpöge 受雇于 Anthropic。当 Buckmaster 坚持把争议公开时，据他转述，Bubeck 回了一句「你为什么要毁掉自己的职业生涯？」，随后又说如果对方不希望他好好说话，他也可以不好好说话。

OpenAI 的官方页面给出了不同版本：其行动始于 9 月 1 日，起因是听到了两个千禧年难题被解决的传闻；在 9 月 6 日完成 Lean 验证后，因为以为对方也拿到了 Navier-Stokes 的解，主动联系希望联合发布并承认对方的优先权；沟通中向对方开放了全部 prompt 和证明。关于训练数据，OpenAI 表示研究者和智能体在对方公开前没有通过任何途径看到其工作，没有为解决此问题调取任何特定用户数据，但补充说虽然可能性不大，无法排除源自其产品使用的去标识化数据曾帮助改进模型；同时强调两份证明差异显著，在欧拉情形下所证的精确结果甚至不同（有外力与无外力）。

9 月 10 日，在加州理工学院研究者的批评之后，OpenAI 撤回了对该校一场数学活动的赞助。

一天后，25 位菲尔兹奖得主的联合声明发布。

2026 年，数学界被推到台前的一年

把时间轴拉长，这封信可以说是「AI+数学」方向一条压力曲线的顶点。

今年 5 月，OpenAI 的内部模型给出了 Erdős 单位距离猜想的反例，推翻了这个在组合几何中悬置约 80 年的猜想，结果被广泛认为达到数学顶刊的发表水准。值得注意的是，联名撰写配套论文的九位数学家里，就有后来的 2026 年菲尔兹奖得主。

6 月 2 日，16 位来自 15 所大学的数学家发布《关于人工智能与数学的莱顿宣言》（Leiden Declaration），源头是 2025 年 9 月莱顿大学 Lorentz 中心一场汇集十国约六十名研究者的研讨会，此后由工作组打磨八个月成稿。宣言首日 130 人签名，24 小时内突破 1000 人，国际数学联盟（IMU）正式背书，彼得·舒尔茨（Peter Scholze）等人署名。它反对有三：未经同意把论文当训练数据、绕过同行评审直接向媒体发布结果、以及不对结果所依赖的先前工作作出归属说明。

地址：https://leidendeclaration.ai/#declaration

7 月，Alpöge 用 Claude Fable 5 找到了雅可比猜想（Jacobian conjecture）的反例，推翻了这个存在 87 年的猜想。陶哲轩随后在博客上专门写了一篇对该反例的消化解读。

7 月 23 日，国际数学家大会在费城开幕，2026 年菲尔兹奖授予邓煜、王虹、John Pardon 和 Jacob Tsimerman。邓煜与王虹是继 1982 年丘成桐之后的华人得主，王虹也是该奖 90 年历史上的第三位女性得主。邓煜是这次 25 人联署名单中最年轻的一位。

而 Tsimerman 在领奖后宣布，他将从多伦多大学停薪留职，于 8 月加入 OpenAI 从事 AI 安全研究。他给出的判断是：世界正在改变，我们所知的那种数学家职业生涯，他认为不会以现在的形式继续存在。他的逻辑是数学家应该进到实验室里去，为这些系统提供它们目前缺乏的形式化保证，而不是在场外旁观。Tsimerman 不在这 25 人名单上。

9 月 8 日，Navier-Stokes。9 月 11 日，公开信。

结语

这封公开信的诉求其实是关于流程的三件事：给写作与思想提炼留出时间、明确标注结果所依赖的先前工作、承认需要有人类数学家愿意接手消化。这三条与莱顿宣言方向一致，只是签名的分量不同。它同样没有强制力：AI 公司没有义务放慢发布节奏，也没有义务接受共同体的审查。25 位菲尔兹奖得主齐声说话所创造的是一个参照点，政策制定者、期刊编辑和资助机构在处理 AI 生成的数学主张时，可以指向它。

陶哲轩是这批签名者里立场最微妙的一个。他长期是 AI 辅助数学最认真的实践者，用 ChatGPT 配合 Lean 做形式化，也公开描述过模型绕圈、引错定理、需要人盯着的具体情形。评论 Navier-Stokes 结果时，他用了一个向导带路的比方：找到一条通往瀑布的路径是有价值的，但一旦有人指出了这条具体路径，人们就只会走这条路。数学界担心的并非 AI 解不出题，而是解出题之后，那些原本会因为「解出来了」而被生产出来的东西没有人再去生产，包括方法的提炼、思想的传播、教科书、下一代。

此外，AI 抢先证明还可能危及数学研究的开放文化。TechCrunch 报道称已有数学家开始怀疑自己使用 Codex 的记录是否已经被喂给了模型；如果前沿 AI 实验室在看到一条有希望的路径后，能用上千万美元算力抢在原始研究者之前完成证明，开放研究的文化就会被系统性地推向保密。

Keras 作者、ARC Prize 联合创始人 François Chollet 还补了一个更难量化的士气：他说自己在数学学生中听到一种非常普遍的情绪——「我不想再当数学家了」；AI 或许不会在功能上取代数学家，但完全可能通过压垮年轻一代的心气，造成事实上的近乎灭绝。

这个问题，或许需要我们整个社会一起回答，正如这份公开信最后一段写的那样：「这些问题必须被紧急处理——在数学共同体内部，在开发这些技术的公司那里，以及更广泛地，在一个将以许多其他形式遭遇同样问题的社会之中。数学是第一个被逼到台前、必须把自己的价值观明确写下来的学科。它不会是最后一个。」

以下为公开信全文（中文版）：

AI 在数学中的严重错位

地址：https://mathandai.org/

过去几个月，大语言模型的数学能力急剧提升，以至于它们能够解决许多数学领域中重大的未决问题。然而，AI 公司把解决数学问题当作基准测试来推进的做法，对数学这门科学、也对数学共同体是有害的。AI 公司的目标与数学共同体的目标严重错位。我们认为这属于更广泛的对齐问题的一部分，这些问题正在影响其他科学与创造性行业，乃至整个社会。

研究数学所处理的，是形状、数字与自然现象的基本结构。在一代又一代人的努力中，它建立起了一整套庞大的、精巧的思想、方法、抽象与其他工具，用以理解数学的地貌。反过来，现代技术与科学也建立在数学工具之上。

著名问题常常扮演地标与灯塔的角色，人们以它们为尺度，衡量自己对这片地貌的理解是否有所推进。解决其中一个问题，向来是新洞见与有趣方法出现的确切标志，而这些洞见与方法随后会被整个数学共同体研究——通过报告、讨论、简化这一漫长而艰苦的过程。在这个过程的终点，理想情况下，人们会得到一份适合任何研究生、甚至本科生学习的教科书式表述。有些数学思想的旅程还会走得更远，在几十年甚至几个世纪之后，成为被全体民众理解和使用的工具。

数学共同体在许多方面都像一个人类社会的微缩版本。它由使用各种不同方法的个体组成，因共同的核心价值观而结合在一起。我们这个行业最珍贵的资源是学生和思想，我们以极大的用心呵护它们。我们感到有责任让它们成长到充分的潜力，直到它们能够在数学世界中拥有自己的生命。对于学生，我们布置问题时的核心意图往往是培养技能，使他们能够在研究以及其他领域取得进展。对于我们的思想，我们通过报告、私下讨论和精心的写作来传播，并把它们与他人在先的思想联系起来。这些过程无一例外都需要时间，并且建立在人与人的互动之上。

最近几个月，AI 在解决重大数学问题上的成功，甚至在数学圈之外也登上了头条。但解决问题只是一种工具，是通向首要目标——概念性的理解与洞见——的代理指标。在 AI 的世界里忘记这一点，可能会使工具反过来对抗首要目标。事实上，以越来越快的节奏大规模生产「真/假」陈述，可能摧毁孕育新思想的沃土，而不是为它注入生命。

这些解答常常在匆忙中被公布，没有留出时间写出像样的论文、提炼出新的方法与思想、并引用他人相关的在先工作。正如在所有创造性行业中一样，这引出了严重的归属与剽窃问题。此外，如果没有愿意承担责任的数学家去发展这些思想、并将其整合进数学的正典，AI 构想出的想法将永远无法真正活起来，数学家之间那条至关重要的人类传承链条也会就此失落。

我们正在目睹一种对智力工作的普遍威胁：AI 使用的结果与其最初目的之间出现了错位。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。然而，在庞大的人类既有工作的基础上，AI 系统正变得越来越有能力直接产出这类工作的结果，于是这些目标不再一致。数学共同体当下面临的问题，与其他科学和创造性行业正在面临的问题相似，并且预示着全人类可能面临的问题：当 AI 改变工作的方式时，我们如何确保自己不会忘记这项工作最初是为了什么。

AI 提供了增强并加速真正的数学研究与理解的潜力。作为一个行业，数学需要在若干方面适应这些变化。然而，这些变化最终是让这个领域受益，还是产生破坏性的效果，将在很大程度上取决于掌控这项新技术的人所做的决定。

这些问题必须被紧急处理：在数学共同体内部，在开发这些技术的公司那里，以及更广泛地，在一个将以许多其他形式遭遇同类问题的社会之中。

阿图尔·阿维拉（Artur Avila，2014 年菲尔兹奖）

曼朱尔·巴尔加瓦（Manjul Bhargava，2014）

考切尔·比尔卡尔（Caucher Birkar，2018）

皮埃尔·德利涅（Pierre Deligne，1978）

邓煜（Yu Deng，2026）

西蒙·唐纳森（Simon Donaldson，1986）

雨果·杜米尼-科潘（Hugo Duminil-Copin，2022）

阿莱西奥·菲加利（Alessio Figalli，2018）

马丁·海雷尔（Martin Hairer，2014）

许埈珥（June Huh，2022）

马克西姆·孔采维奇（Maxim Kontsevich，1998）

埃隆·林登施特劳斯（Elon Lindenstrauss，2010）

皮埃尔-路易·利翁斯（Pierre-Louis Lions，1994）

詹姆斯·梅纳德（James Maynard，2022）

柯蒂斯·麦克马伦（Curt McMullen，1998）

森重文（Shigefumi Mori，1990）

吴宝珠（Ngô Bảo Châu，2010）

安德烈·奥昆科夫（Andrei Okounkov，2006）

彼得·舒尔茨（Peter Scholze，2018）

斯坦尼斯拉夫·斯米尔诺夫（Stanislav Smirnov，2010）

陶哲轩（Terence Tao，2006）

玛丽娜·维亚佐夫斯卡（Maryna Viazovska，2022）

塞德里克·维拉尼（Cédric Villani，2010）

文德林·维尔纳（Wendelin Werner，2006）

叶菲姆·泽尔马诺夫（Efim Zelmanov，1994）