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（ASevereMisalignmentofAIinMathematics）》。陶哲轩把全文贴在了自己的博客「What'snew」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JoeBenton在上写道，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JacobCoxon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（PierreDeligne）一直排到2026年的邓煜（YuDeng）。中间是彼得·舒尔茨（PeterScholze）、玛丽娜·维亚佐夫斯卡（MarynaViazovska）、许埈珥（JuneHuh）、詹姆斯·梅纳德（JamesMaynard）、马克西姆·孔采维奇（MaximKontsevich）、曼朱尔·巴尔加瓦（ManjulBhargava）、森重文（ShigefumiMori）、吴宝珠（NgôBảoChâu）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TristanBuckmaster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LeventAlpöge。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（ClayMathematicsInstitute）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-6Astra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（forcingterm），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SébastienBubeck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》（LeidenDeclaration），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（PeterScholze）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ClaudeFable5找到了雅可比猜想（Jacobianconjecture）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、JohnPardon和JacobTsimerman。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。

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、ARCPrize联合创始人FrançoisChollet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（ArturAvila，2014年菲尔兹奖）

曼朱尔·巴尔加瓦（ManjulBhargava，2014）

考切尔·比尔卡尔（CaucherBirkar，2018）

皮埃尔·德利涅（PierreDeligne，1978）

邓煜（YuDeng，2026）

西蒙·唐纳森（SimonDonaldson，1986）

雨果·杜米尼-科潘（HugoDuminil-Copin，2022）

阿莱西奥·菲加利（AlessioFigalli，2018）

马丁·海雷尔（MartinHairer，2014）

许埈珥（JuneHuh，2022）

马克西姆·孔采维奇（MaximKontsevich，1998）

埃隆·林登施特劳斯（ElonLindenstrauss，2010）

皮埃尔-路易·利翁斯（Pierre-LouisLions，1994）

詹姆斯·梅纳德（JamesMaynard，2022）

柯蒂斯·麦克马伦（CurtMcMullen，1998）

森重文（ShigefumiMori，1990）

吴宝珠（NgôBảoChâu，2010）

安德烈·奥昆科夫（AndreiOkounkov，2006）

彼得·舒尔茨（PeterScholze，2018）

斯坦尼斯拉夫·斯米尔诺夫（StanislavSmirnov，2010）

陶哲轩（TerenceTao，2006）

玛丽娜·维亚佐夫斯卡（MarynaViazovska，2022）

塞德里克·维拉尼（CédricVillani，2010）

文德林·维尔纳（WendelinWerner，2006）

叶菲姆·泽尔马诺夫（EfimZelmanov，1994）