陶哲轩批OpenAI一次性公开722篇数学手稿：解题只是工具，数学正在失去沃土

2026年10月6日，OpenAI将一个内部模型生成的722篇数学手稿批量推送至公开GitHub仓库。这批手稿横跨纯数学与理论计算机科学，组织为372个结果族系，模型训练于2026年8月28日启动。菲尔兹奖得主陶哲轩公开发声：AI以优化解题为目标，但解题过程中孕育的方法论、失败路径、衍生问题等副产品全部消失。他称“Math 1.0”已被优化至不可持续的临界点，“Math 2.0”必须重新定义数学进步。

陶哲轩此前参与OpenAI于9月21日成立的数学与人工智能顾问组。他以顾问身份表述使命：“我们目前面临一项非常具体的挑战——就如何协调发布大量重要数学成果向OpenAI提供建议，这些成果据报道由其内部模型生成。”顾问组的存在显示，数学共同体与OpenAI在成果发布时机与方式上尚未形成共识。

AI把解题做成了流水线，却绕开了真正重要的过程

陶哲轩的批评需置于数学知识生产的内在逻辑中理解。在数学界，一个开放问题的价值不仅在于答案。它首先是地标，解决它检验人类对某片数学地貌的理解程度。解决后，数学共同体通常持续数月乃至数年围绕成果工作：理解证明结构、识别新方法、与已有体系连接、简化至可教学程度，最终某些思想在数十年后成为普通工具。这个消化过程是数学的核心产出。

AI批量解题打断了这一循环。722篇手稿并非经传统同行评审发布，而是模型直接生成后推送。其中能以Lean形式化语言验证的仅162篇，其余560篇仍需数学界进行传统严格审查。陶哲轩判断：解题只是实现数学目标的工具，真正目标是概念理解与洞见；若AI仅生产“真/假”断言而不提供思路路径，数学便失去培育新问题与方法的沃土。

他将此延伸为对“Math 2.0”时代的呼吁：数学进步需更全面衡量，阐释质量、社区建设、新方向开辟应与解决问题同等重要。否则AI只是将旧的不可持续优化替换为新的算力批量消耗。

Navier-Stokes争议：一次让问题集中爆发的导火索

讨论爆发的直接导火索是OpenAI于9月8日宣布解决Navier-Stokes方程存在性与光滑性问题。这是克雷数学研究所2000年设立的七个千禧年大奖难题之一。OpenAI调用约1万个AI智能体持续工作约88小时，给出构造平滑外力使流体在有限时间发生爆破的证明，符合克雷题面C、D情形。截至目前，克雷数学研究所官方页面仍将该问题标记为“活跃”。

验证状态的落差暴露出AI数学成果与数学界接受标准之间的结构性断层。数学界验证是社会过程：同行阅读、质疑、简化、再生产，最终形成共识。OpenAI使用“自动化验证方法”，公司称其正在成为数学严谨性的新标准，但这与数学共同体期待的验证方式是两套不同体系。

Navier-Stokes事件还引发归属权争议：纽约大学数学家Tristan Buckmaster与Anthropic研究员Levent Alpöge被卷入，围绕模型是否在知悉数学家研究进展的前提下暴力破题、成果署名是否合理等问题，引发数学界对“Prompt算不算未发表研究材料”的公开讨论。这触及更深层问题：顶尖模型接受用户对话数据，模型给出的证明究竟借用了多少数学家的半成品思路。

25位菲尔兹奖得主：这是AI与科学界目标的系统性错位

2026年9月11日，陶哲轩、邓煜等25位菲尔兹奖得主发表联合声明《人工智能在数学中的严重错位》。声明将问题定性为系统性：AI公司以“解决数学问题”作为衡量模型能力的基准，这对数学学科和数学共同体构成伤害，且已影响到其他科学与创意职业。

声明列出三个具体结构性问题。其一，AI解题速度超过数学共同体消化知识的速度，存量开放问题被快速消耗，但AI尚不具备提出具有深远价值的新开放问题的能力，地标正在消失而新地标产生速度跟不上消耗。其二，AI发布成果的方式存在合规问题：成果常匆忙向媒体宣布，未能撰写严谨论文，也缺乏对前人工作的妥善引用，引发归属与剽窃争议。其三，若无数学家负责将其整合进知识体系，AI产生的思想无法真正“活起来”，人类数学家间的传承链条可能断裂。

对数学界、AI行业与评测生态的分层影响

对数学共同体而言，722篇手稿的冲击是多重的。首先是资源挤占：数学家需花费大量时间审查AI生成的声明，而这些时间原本可用于推进研究。其次是寒蝉效应：事件引发研究者对大厂后台监控Prompt数据、窃取灵感并凭算力抢跑的恐慌，研究者开始犹豫是否向对话框透露半成品思路。若数学界从开放协作走向防御性闭门造车，将是对学科生态的严重倒退。

对AI行业而言，事件将隐患推到台面：数学基准成绩越来越高，这个分数究竟在衡量什么。当模型调用1万个智能体穷举验证，分数提升主要来自算力投入而非推理能力本质进步，数学问题作为能力评估工具的有效性大打折扣。此外，OpenAI这批发布“并未包含独立数学顾问组建议的所有披露内容”，意味着即便OpenAI自己设立的顾问机制，其建议也未被完整采纳。

对企业用户和开发者而言，这场争议提供选型参照框架：在部署AI解决专业领域问题时，“模型声称解决了问题”与“解决方案经过该领域社区验证”之间存在本质差距。162篇Lean形式化验证的手稿与其余560篇之间的区分，正是这种差距的量化体现。在高风险决策场景中，依赖未经领域专家验证的AI输出，意味着承担难以量化的系统性风险。

战略判断：数学基准的公信力危机将倒逼评测体系重构

陶哲轩的“Math 2.0”框架，本质上是对AI能力评估体系的一次哲学挑战：当“解题率”这个代理指标被优化至接近天花板，它就不再是真实能力的可靠信号，甚至开始与真实能力发生背离。这个逻辑不仅适用于数学，也适用于所有以“解决可验证问题”为基准的领域。

最可能发生的一个走向是：数学领域率先形成独立的AI成果验证标准，要求发布方提供形式化证明（如Lean或Coq格式）而非自然语言手稿，且验证工作须由独立数学家完成，而非依赖发布方自有的“自动化验证”。可观察的信号包括：克雷数学研究所是否最终承认Navier-Stokes问题已解决，以及OpenAI是否调整下一批成果的发布方式。

另一个方向，是陶哲轩提出的“Math 2.0”从理念走向制度设计：不再以“解决了多少问题”衡量AI的数学价值，而是以“产生了多少可以被消化、传承和教学的理解”为标准。这需要数学共同体、AI公司和学术机构三方同时调整激励结构，难度极高，但25位菲尔兹奖得主联合发声这一事实本身，说明这条路正在被认真讨论。

一个底层矛盾是：AI公司需要通过解决著名问题来证明模型进步，这是商业传播逻辑的必然；但数学共同体需要慢下来才能真正从中受益，这是知识生产逻辑的必然。这两套逻辑的时间尺度完全不同，而目前AI行业的节奏明显是前者在主导。陶哲轩的警告表明，这个节奏的代价正在积累，且已引起领域最顶尖群体的注意。