过去两年，资本市场将AGI、AI for Science、自动科研等概念写入对科技公司的增长预期，投资者关注的焦点已从模型生成文字、代码和图像的能力，转向其能否介入科学发现中最稀缺的环节——提出问题、形成猜想、构造证明并持续产出新知识。数学因其几乎不受实验设备和现实噪声干扰、证明结果非真即假的特性，成为检验这一叙事最苛刻也最干净的试验场。2026年以来，AI在数学领域的动作密集，但围绕其真实能力的争议也在同步升级。
从公开记录看，AI在数学竞赛层面的进展相对清晰。2024年，DeepMind的AlphaProof与AlphaGeometry 2在国际数学奥林匹克竞赛（IMO）中解出6题中的4题，得分28分，相当于银牌水平，距金牌线差1分，前提是题目需由人类先翻译为形式语言，最难的题目计算耗时三天，两道组合题未能求解。2025年升级版模型解出5题、达到金牌级分数，但处理的仍是竞赛题，未涉及真正的开放问题。这一阶段的AI能力边界，基本停留在“会做奥赛题”。
2026年，AI开始向研究现场推进。5月，相关模型为埃尔德什单位距离猜想构造出反例；9月，有团队宣称动用约一万个智能体、耗时88小时处理纳维—斯托克斯方程这一千禧年难题；10月6日，OpenAI在GitHub一次性发布722篇由内部模型生成的数学手稿，归为372个结果族，覆盖从“准黎曼猜想”到“唯一游戏猜想”等方向，平均每项消耗约三小时“思考算力”。OpenAI首席执行官奥特曼当晚表示“我们正进入一个全新的发现时代”，公司数学家布贝克则提出，到2030年AI有望与数学家共同站上菲尔兹奖领奖台。
但发布次日的事实给出了另一组数据：722篇手稿中有3篇因一处符号正负号写反而被撤回，14篇被修订，OpenAI自己的数学家也承认大部分结果“尚未被理解”。批量生成与可理解性之间的落差，成为这场讨论的核心。AI证明的真实刻度，是从“会做奥赛题”到“能批量生成待核验的候选”，中间隔着“人类能看懂、能消化、能传承”这道它至今没有逾越的鸿沟。
数学界的反应罕见地集中。2026年6月，16位数学家发布《莱顿宣言》，提出23条建议，反对未经同意使用论文训练模型、绕过同行评审直接发布结果、不标注前人工作，24小时内签名人数破千，并获得国际数学联盟背书。9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联名发表《人工智能在数学中的严重错位》，指出“解题只是达成理解与洞见的工具与代理指标；以越来越快的节奏批量生产‘真/假’陈述，可能摧毁孕育新思想的沃土”。
值得注意的是，这封声明并非反对AI参与数学研究。陶哲轩本人是AI工具的重度用户，曾指出数学几乎是唯一能自动核验AI输出的学科，同时警告“没有独立核验能力，就不要用AI工具”。学界反对的核心，是将数学变为企业跑分、争夺声量的战场。陶哲轩在2026年7月国际数学家大会上将这一冲击称为“数学价值观与实践的危机”，并提出“证明消化不良”概念：生成与验证被AI加速，理解与传承仍依赖人类节奏，速度错位之下，海量证明反而成为新的认知负担。他主张近乎苛刻的发表门槛——如果作者不能就自己的结果做一场清晰、专业的报告，该结果就不应发表。10月7日，他在博客转载“人类数学协会”声明，呼吁数学家停止与OpenAI合作，称一次性发布700多份文件“展示的不是学术研究，而是权力”。
这场冲突的实质，是科研生产函数中“生成”与“理解”两个环节的速率失配。对企业服务与AI基础设施市场而言，这一案例提供了评估AI科研能力的参照坐标：模型在形式化验证、候选生成、搜索与计算加速上的价值已经可测量，但从候选到被学界消化、传承的知识增量，仍需人类评审与教学体系承接。若企业将“批量产出”直接等同于“科学发现”，估值逻辑与学术共同体的评价体系将持续摩擦。未来一到两年，围绕AI生成结果的标注规范、同行评审流程与训练数据授权，可能成为AI for Science领域最先落地的制度性基础设施。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
