近日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主以首批签署人身份，联合发布了一份重要声明。他们直言，当下AI企业推进数学发展的方式，与整个数学界的追求之间已出现「严重偏移」（severe misalignment）。
考虑到AI技术近期对数学领域造成的冲击着实严峻，发起方放弃了常规协商程序，而是选择紧急公开发声以回应这场危机。
过去数月，大语言模型在数学求解能力上实现了突飞猛进，已陆续破解多个数学领域的顶级悬疑问题。然而AI企业对数学问题的处理方式却令人担忧——他们越来越倾向于将问题解决视作检验模型能力的基准指标来对外宣传，这种做法对数学学科本身、对整个数学共同体而言都有害无益。
AI公司的进军路径与数学共同体的真实诉求，已然严重错位。
声明认为，这只是更广泛错位问题的冰山一角，类似的失衡现象正影响其他科学领域、创意工作，乃至整个社会。
回看过去六个月，AI在攻克数学难题方面频频斩获突破——
五月，OpenAI的内部模型推翻了埃尔多什单位距离猜想。
七月，Claude参与推翻雅可比猜想。
九月初，GPT-6 Astra在孪生素数猜想上取得进展，以Lean形式化证明将相邻素数间距上界从246降至186。
本周，OpenAI调用1万个Agent运算88小时，宣布破解了Navier-Stokes方程，却由此引发了OpenAI、Anthropic及数学家三方的舆论风波。
从数学进展的层面看，这些无疑都是了不起的成就。
但与此同时，我们也无法忽视随之而来的一系列深层冲击。
本周围绕Navier-Stokes事件的争议，直接引爆了这次联合声明，促使25位菲尔兹奖得主在一周内火速磋商，迅即对外公布了他们的观点。
声明全文链接：https://mathandai.org/
首先需要说明的是，这份声明并非呼吁停止使用AI，也不是要求放弃用AI驱动或辅助数学研究，更不是否认AI取得的这些成就。
他们真正的核心担忧，可以概括为以下三个方面：
其一，AI的求解速度已经超越了数学共同体消化新知的能力。
其二，AI企业追求基准测试的高分，数学界追求理论、洞见与知识传承，两套评价体系正在分道扬镳。
其三，当AI具备快速破解开放问题的能力后，数学研究的优先权、人才培养模式与学术文化的游戏规则都需要重新定义。
Navier-Stokes风波暴露出的灵魂拷问
几天前，OpenAI宣布投入1万个Agent耗时88小时，解决了Navier-Stokes问题（即构造光滑外力使流体在有限时间爆炸，符合克雷千年大问题C、D表述）这一数学顶级难题，却由此卷入了一场涉及纽约大学数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge的舆论漩涡。
（详见：《难评！OpenAI刚官宣的NS方程大突破，被数学家手撕了》）
由此引发的争议，每一个都指向了根本性问题：
研究者输入AI系统的提示词，是否应被视为未发表的研究素材？
模型公司是否在获悉数学家研究思路的前提下，依靠算力优势进行「暴力破题」，从而抢占成果？
OpenAI要求将Anthropic员工Alpöge除名的提议，是否违背了学术伦理、违反了学术规范、有悖常理常情？
这些顶尖模型曾接收过相关用户数据，如何证明其数学证明完全来自AI的独立思考？
AI产生「证明」后，谁负责把它转化为人类能理解的数学？
AI声称破解难题并署名为单个机构的成果，但后续的验证、论证工作却要靠人类数学家去承担，这个流程的各环节是否合理？
……
更令数学界恐慌的是，这一事件让研究者们开始怀疑——AI背后的公司是否在偷偷监控Prompt数据、截取灵感、靠算力霸权进行「截胡」。
原本倡导开源互助的数学界，眼看着就要陷入相互猜忌的僵局，研究人员开始犹豫——还能否向对话框里分享未完成的思路？
学术共同体会不会被迫从开放协作退缩到防御性的闭门造车，导致学术生态的倒退？
这些问题错综复杂，讨论越深入越显复杂，冲突也就越演越烈。
总之，这次风波留下的警示与焦虑，既说不完也道不尽。
网友们爱引的《三体》金句之一，是「不要回答，不要回答，不要回答」。
如今，所有的困惑、担忧与痛点都凝聚成了一个问题——
无法回答，谁能回答，到底该如何回答？
25位菲尔兹奖得主声明的核心要点
数学的价值远不止于解题、证明与发明新方法
声明首先阐述了在数学家心目中，数学、数学问题、数学证明与数学研究本应具备的真实内涵。
数学家眼中，一道著名数学难题就像是一座地标建筑和引路灯塔（landmark and lighthouse）。
破解它成为了检验人类对某一数学领域的理解程度达到了什么高度的试金石。
因此当一个重大问题被解决后，学术工作往往还会延续多年。
数学共同体需要理解新证明、识别其中的创新技巧，将这些方法与既有知识相连接，再通过报告、讨论、化简等环节逐步消化。
理想的终局是把这些成果编纂成研究生甚至本科生都可学习的教材。
有些数学思想的传播周期甚至跨越几十年乃至数百年，最终成为普通人都能理解和使用的工具。
solving problems is only a tool and proxy。
因此解题只是数学研究的工具与参考指标，数学研究更深层的追求是对概念的透彻理解与直觉洞见（conceptual understanding and insight）。
一道好题既能锻炼研究者，也能指引方向、催生新方法，还能聚集众多数学家围绕它展开协作，逐步完善认知体系。
现状：AI的商业目标与数学学科本质严重背离
如前所述，声明指出数学的核心价值在于深化对基本原理的认识、获取概念洞察（Insight&Understanding）与提炼方法论，而解题仅是实现这些目标的手段。
但遗憾的是，商业公司只把「解决数学难题」作为衡量模型能力的基准，用功利心态推进，忽略了「理解」这个根本目标，以极快的速率批量生产「是/否」的判断。
顶尖数学家无法漠视的三层隐忧
表面看，用Scaling Law那样的暴力美学来推进数学发展确实攻克了前人的难题，而且速度骇人。
然而声明表示，「这非但孕育不了新思想，反而会毁坏数学生长的土壤」。
声明展现了顶尖数学家们的更深层隐忧。我们将其梳理为三个维度。
第一个维度涉及程序性、合规性问题。
1、 AI生成的解决方案往往仓促向公众宣讲，没有留出时间撰写严谨的学术论文。
2、AI及其背后的机构对前人工作（Prior Work）的引用与归属做得不足，引发了严肃的署名争议与潜在的学术不诚实问题。
第二个维度，围绕「开放问题被AI迅速耗尽，却无法快速补充」这一现象。
1、随着AI以搜索与推理的暴力方式大量解决或推翻各领域的长期悬疑问题，如果仅为了消灭问题而消灭问题，那就沦为了对问题的「功利性耗尽」。
2、然而当今AI缺乏「向前探索（Forwards Exploration）」的能力，即无法敏锐地感知数学地貌，提出具有深远价值的「新开放问题」。
3、数学的存量地标问题在被AI快速消耗和填平，它又提不出新问题，这……？
第三个维度，涉及对数学人才培养与知识传承的摧毁。
1、多年的学术训练不仅是为了产出最终答案，更是为了培养人类「深度理解」与「提出新问题」的能力。AI直接输出结果的方式破坏了这一培养过程。
2、数学发展高度依赖人类共同体通过讨论、讲授、化简，最终将想法融入教材与教学的消化过程。如果没有人类数学家愿意接手并把AI想法整合进数学经典，这些思想将无法真正活跃。
换言之，代际之间关键的人类知识传承链（Human Transmission Chain）将断裂。
声明的结尾写道：
这些问题必须紧急处置，数学界、开发这些技术的公司以及更广泛的社会都必须重视，因为在许多其他形式的智力工作中，社会也将面临类似的挑战。
署名的25位菲尔兹奖得主都有谁？
声明末尾列出了署名的25位菲尔兹奖得主的完整名单。
这份名单跨越代数几何、数论、动力系统、概率论、偏微分方程、数学物理，涵盖近五十年数学最核心的突破。
其中最为人熟知的，无疑是陶哲轩和今年新获菲尔兹奖的邓煜。
讽刺的是，这两位此前对于用AI来推进数学研究的态度都相当开放。
陶哲轩几乎是这一波AI浪潮中第一批身体力行使用AI进行个人研究的数学家，甚至可称为AI辅助科研的积极倡导者。
他把AI视为优秀的「研究助理」。
在他看来，AI在代码生成、文献检索以及基于Lean等工具进行形式化证明验证方面表现卓越，能够大幅减轻学者的繁重、套路化工作，从而提升科研效率。
然而他始终对「AI神话」保持清醒，坚决反对对其的过度神化。随着AI技术进展，他的关注也逐步延伸到学术伦理与制度建设。
今年获得菲尔兹奖后，邓煜在多家媒体采访中也谈过对AI的看法。
邓煜表示自己日常会用AI来辅助科研（如验证特例、查找文献或核验推理），面对当前AI热潮，他直言相比直接使用AI，更关心AI背后的数学基础。
邓煜认为AI改变了传统数学难题的突破门槛（许多因精力限制搁置的高难度技术细节得以加速攻克），未来三四年数学界很可能进入快速发展期。
他相信「未来数学家与AI将走向人机协作」。
仅在一周前，邓煜在朋友圈发的一段话还被广泛转发。
想来那时的他，对AI与数学关系的心态，与几天后签署声明时已大不相同。
变化的速度太快，事态的发展太急迫。
One More Thing
这份重磅声明之前，今年六月还有一份《莱顿AI与数学宣言》发布。
该宣言呼吁采取行动应对AI在数学研究中的应用，呼吁制定规范让AI作为辅助工具，保护数学作为人类智力活动的核心价值。
宣言由来自十国约六十位数学家、计算机科学家、学者参与，由六人工作组历时八个月起草。当时就获得国际数学联盟IMU背书，众多数学家（含陶哲轩、Peter Scholze等菲尔兹奖得主）公开支持署名。
三个月后的今天，25名菲尔兹奖得主再次发布联合声明。
