▲美国卡内基梅隆大学数学系教授、数学教育家罗博深 图/南方人物周刊记者 梁辰

　　一代代数学家接力攻关的“诗和远方”，正被AI接连插上征服的红旗。数学界的质疑、抵制和争论愈发激烈，技术竞赛的车轮却未曾因此减速。当AI开始深入人类智识创造的腹地，数学遭遇的或许只是一个开始。未来，数学家存在的意义是什么？

　　“妈妈，听说你这下惨了！听说机器人把你研究了一辈子的数学难题给解决了！啧啧啧！”2026年10月7日，计算机科学家斯科特·阿伦森在博文开篇，记录了自己的9岁儿子对妻子达娜·莫什科维茨的调侃。

　　阿伦森是美国德克萨斯大学奥斯汀分校的计算机科学教授，研究方向包括量子计算与计算复杂性理论。他的妻子莫什科维茨同样是一位知名的理论计算机科学家，长期研究概率可检验证明等领域。

　　就在前一天，OpenAI一次性公布了722篇数学研究手稿，并将相关成果归为372组。这些成果主要由一款尚未向公众发布的内部前沿模型生成。OpenAI表示，团队曾让该模型尝试解决约4000个开放研究问题，涵盖多个数学领域及理论计算机科学。其中一项成果声称解决了理论计算机科学中的重要开放问题——“唯一博弈猜想”，这也是莫什科维茨长期致力解决的问题之一。

　　10月7日，OpenAI宣布撤下其中三篇手稿。官方解释称，一篇手稿中的符号错误使其中一个论证失效，并影响了另外两篇依赖该论证的论文；另有14篇手稿得到修订。即便如此，对数学界来说，这次集中发布依然是动荡难安的一个月里承受的又一枚“核弹”。

▲OpenAI 公布的数学研究成果目录 图/资料图片

　　9月1日，一则将Anthropic对“受迫欧拉方程”的研究成果误传为“解决了纳维-斯托克斯方程”的消息，促使OpenAI团队启动相关研究。9月5日，OpenAI的AI智能体经过约88小时的协同工作，声称找到了“纳维-斯托克斯方程”的解法。9月6日，相关Lean形式化和验证工作完成。9月8日，OpenAI正式公布了这一成果。“纳维-斯托克斯方程”的存在性与光滑性问题，是克雷数学研究所于2000年公布的七个“千禧年大奖难题”之一，长期以来一直未获公认的解答。

　　如果说这样的终极难题距离许多数学家的日常研究还相当遥远，那么一个月后，数百篇数学研究手稿的集中公布，更像是一场波及数学领域的“无差别扫射”。

　　这种冲击不仅体现在成果的数量和覆盖范围上，也在于这些能力正以怎样的成本进入数学研究。在这次集中公布的数学成果中，OpenAI称，平均每项成果的计算消耗相当于ChatGPT Pro思考模式运行约3小时。

　　“数学末日”——阿伦森为自己的博文取了这一标题。

　　过去几年，AI已在化学、生物学等领域展现出改变基础研究方式的潜力。以AlphaFold为代表的工具，主要帮助该领域的科学家突破特定研究瓶颈，后续的实验验证、机制解释和新假设的提出，仍离不开研究者的参与。数学面临的变化更为直接：AI开始进入猜想提出、证明构造和验证等研究的核心环节，甚至成批生成数学研究成果，这颠覆的是数学家赖以开展研究的核心工作方式。

　　在这场釜底抽薪式的冲击下，一时“无题可证”的数学家们面临着一道更大、也更紧迫的证明题：当AI越来越多地介入数学研究，人类数学家的价值何在，数学将走向何方？

　　主张维护数学研究中人类主体地位的组织人类数学协会（Association for Human Mathematics，AHM）对OpenAI的做法提出了强烈批评，认为一次性释放七百多份文件，“不是学术研究能力的展示，而是权力的展示”，并呼吁数学家停止与OpenAI合作。

　　由九位知名数学家组成的独立咨询组织数学与人工智能咨询组（Advisory Group on Mathematics and Artificial Intelligence，AGMAI）则表示，公开发布只是第一步，人类对这些成果的理解和吸收才刚刚开始。该组织强调，数学研究的未来不能只是理解AI实验室产出的结果，数学家还必须能够自主提出问题、发展自己的研究方法，探索AI尚未选定的方向。公平获取强大的研究工具和充足的算力，是保障这种研究自由的必要条件。

　　▲2026年9月7日，在波兰华沙的数字事务部大楼外，抗议者操控机器人参加抗议活动，要求政府加强对人工智能发展的监管 图/视觉中国

　　有些人会再次回味十年前的那场人机棋局。2016年，AlphaGo以4∶1战胜李世石；2017年，升级版AlphaGo Master在乌镇以3∶0击败了当时世界排名第一的柯洁。2026年9月，就在数学家们为AI带来的冲击重新思考自身价值时，柯洁开始在社交平台上更新自己的《围棋入门课》。镜头里，那个曾坐在AI对面、戴着黑框眼镜、神情严肃的19岁棋手，如今留着一头黄发，身着宽松的黑色西装、白色休闲裤，画着精致的idol妆容，坐在毛绒玩偶环绕的直播间里，笑着向观众打招呼：“宝宝们好啊！”接着娓娓道来。

　　从围棋到数学，或许没有哪个领域能够置身事外。面对新的智能形态，人类不得不重新校准对自身能力、价值和意义的认知，并在持续的变化中自我安放。

　　在这个可能成为又一个分水岭的时刻，我们采访了美国卡内基梅隆大学数学系教授、数学教育家罗博深。作为一名“非典型数学家”，获得终身教职后，他没有将全部精力投入传统数学研究，而是不断尝试将数学带入更广阔的社会实践，这也让他得以从不同角度审视AI正在带来的变化，以及数学在未来的意义。2026年9月，罗博深写下了《Why Do We Need Human Mathematicians Anymore?》（《为什么我们还需要人类数学家？》），被菲尔兹奖得主、数学家陶哲轩刊登在个人博客上。我们与罗博深的对话，也与“为什么我们还需要人类数学家”这个主题有关。

　　“存在性危机”

　　南方人物周刊：为什么“千禧年大奖难题”这么有吸引力？

　　罗博深：很多数学家之所以选择这份职业，就是因为享受这样的过程：一支笔、一张纸，面对一个非常难的问题。对他们来说，这本身就是一种莫大的乐趣。千禧年大奖难题的意义，不只是解决几个具体的问题。像这样的重大数学问题，往往会吸引一代又一代数学家，沿着相关方向探索几十年。在这个过程中，他们可能会产生很多新的发现。一个发现即便在当下看起来没有太大的用途，也可能在多年后显现出巨大的价值。与此同时，一个重要问题由此逐渐发展成一个研究方向，吸引更多研究者加入，并为这个领域持续获得大学、政府和资助机构的投入创造条件。如果AI能够很快攻克这些重要问题，原本沿着这些方向长期工作的研究者就麻烦了。

　　南方人物周刊：已经有一些数学家的科研经费受到影响了吗？

　　罗博深：对。这也是很多数学家签署各种公开信和声明的原因之一。他们会产生一种“存在性危机”。

　　南方人物周刊：用通俗的方式解释一下，“纳维-斯托克斯方程”要解决什么问题？

　　罗博深：可以举枪虾的例子。枪虾生活在海床附近，体形很小，但它的一只螯可以瞬间合拢，推动周围的海水，形成空化气泡。周围海水的压力会让气泡迅速塌缩，产生极高的局部温度，并形成强烈的冲击波。

　　“纳维-斯托克斯方程”就是用来描述水、空气这类流体怎么运动的一组方程。它要解决的一个核心问题，可以简单理解成：一个原本平滑的流体，如果让它按照自身的运动规律发展下去，会不会在某个时刻突然出现极端情况，让流体运动不再保持平滑？也就是说，可不可能出现“气功”。

　　南方人物周刊：解决这样的问题，对人类数学家的挑战在哪里？

　　罗博深：其实今年早些时候，就有数学家认为，如果AI真能攻克一道千禧年难题，“纳维-斯托克斯方程”可能会是第一道被解决的。因为相较于其他六道千禧年难题，这个问题有一条很特别的解题路径——举反例。只要证明流体会在有限时间内产生奇异性，就可以证明其解并非始终保持光滑。

　　不过，这样的反例并不好找。就像枪虾的螯，需要非常精细的形状和运动配合，才能制造出极端的流体效应。这个数学问题的反例构造也是如此，需要处理极长、极繁琐的细节。这就特别适合AI来做。OpenAI这次公布的证明论文长达166页。对人类数学家来说，要在如此漫长的过程中始终保持高度谨慎，可能已经超出了人类耐力和处理复杂细节的极限。

　　南方人物周刊：目前，唯一解决过千禧年大奖难题的人类数学家，是证明庞加莱猜想的佩雷尔曼。包括他在内，那些顶尖数学家在解决极其困难的数学问题时，解题路径与AI有什么不同？

　　罗博深：人类数学家在解决特别困难的问题时，往往倾向于找到一种更“优雅而经济”的解法。一个数学家的重要贡献，有时就是发现：一个问题从通常的角度来看非常复杂，但如果换种表述或换个视角，突然就变得可解。数学家真正享受的，往往是这样的时刻。

　　南方人物周刊：这种“优雅而经济”也可能被AI习得吗？

　　罗博深：如果数学家能在研究中不断发现新的东西，AI也可以被训练成这样。如果有经验丰富的数学家参与AI的训练，不遗余力地教它如何观察、发现问题、提出问题，它就有可能越来越像一个真正的数学研究者：不只是解决已经提出的问题，还会主动观察周围的现象，发现值得研究的问题，提出新的猜想、新的理论，甚至创造新的定义。

▲图/视觉中国

　　“蝗虫过境”？

　　南方人物周刊：一些数学家会将这类开放问题比作数学界的“不可再生资源”。

　　罗博深：这让我想到9月10日，一群现任和前任加州理工数学家发起联名公开信，呼吁暂停加州理工今年首次举办的Mathathon活动（注：该活动由学生组织发起，计划邀请100支团队参与。按照最初的计划，OpenAI和Anthropic将提供总额超过200万美元的AI计算额度，供各团队在40小时内利用前沿AI模型，集中探索开放的数学问题，并展示研究成果）。签署公开信的数学家担心，当成百支团队同时涌向开放的数学问题，就像蝗虫过境，大量研究问题会在短时间内被快速“啃食”。OpenAI在争议后退出了赞助。但问题在于，即便没有这项活动，其他人难道就不会做同样的事吗？（注：9月28日，Mathathon的组织方和公开信的两位共同发起人已经共同调整了活动方案，从最初集中利用AI探索开放问题，转向围绕已经解决、但仍难以理解的问题，进行新的证明和数学阐释。）

　　南方人物周刊：10月7日，OpenAI一次性公布了722篇数学手稿，并表示此前大约尝试了4000个研究问题。这样的集中发布是否也与过去一个月数学界的讨论有关？

　　罗博深：有可能。他们之前已经表示，模型取得了数百项新的发现，只是当时还没有立即公布。后来，不少数学家也提出，如果这些问题已经有了潜在的解答，最好尽早公开。至少在避免重复投入这一点上，尽早公开确实很重要。

　　南方人物周刊：长痛不如短痛。

　　罗博深：是的。

　　南方人物周刊：这批OpenAI公布的手稿中，有一组与2026年菲尔兹奖得主王虹的获奖研究密切相关。如果这些AI研究成果在菲尔兹奖评选前就已公开，会不会影响本届奖项的归属？

　　罗博深：我不清楚。这项结果还没有经过Lean形式化验证，也尚未经过同行评审。

　　▲2026年7月23日，菲尔兹奖获得者中国数学家邓煜（左一）、王虹（右一）、美国数学家约翰·帕登（左二）和加拿大数学家雅各布·齐默曼在美国费城举行的2026年国际数学家大会开幕式上合影 图/新华社

　　目标函数该调整了

　　南方人物周刊：2026年会不会成为一个分水岭，当AI在越来越多的数学问题上展现出“碾压式”的能力，未来的数学奖项又该如何评选和评定？

　　罗博深：你听说过“吃热狗大赛”吗？以前，吃得多可能意味着身体更强壮；但现在，尽管这种比赛依然有人爱看，但吃得多已经很难成为某种有价值的衡量标准了。数学奖项也一样。一个奖项会影响一个领域里的人追逐什么。如果你设定的目标是去做那些AI已经能够以更低成本做得很好的事情，就可能把一大批人引向错误的方向。即便是那些得到过菲尔兹奖的数学家，如果他们不能够继续提供价值给人类，他们也需要改变他们在做的东西。

　　南方人物周刊：据你观察，数学社区正在发生什么变化？

　　罗博深：如果你关注欧美的社交平台，会发现很多数学教授都在撰文讨论数学研究的未来，而且写得很长。包括一些非常有影响力的数学家，都在认真、审慎地思考“数学研究的未来是什么”、“数学应该做什么”。这种讨论非常健康，因为只有这样，才能带动一个领域一起改变。

　　比如有很多美国教授开始讨论：我们还应不应该继续发论文？如果AI已经可以越来越低成本地产生论文，数学教授就不应该只是把“发表论文”当作目标，而应该把更多时间花在更根本的问题上：比如思考当前数学工作的价值应该是什么？

　　这也关系到大学现有的运行机制。大学每年会设定一套目标，希望教授完成什么、发表多少论文、取得什么成果。如果这些目标函数本身是错误的，那么按照这套目标去招聘新的教授、培养新的学生，方向也会跟着错。最终，整个大学都会出问题。

　　南方人物周刊：你怎么思考人类数学家的意义？

　　罗博深：AI会成为一种新的智能。我们不能指望一个更强大的智能主动把控制权交给一个更弱的智能。我们需要数学家继续站在这个领域的前沿，保持对数学的深入理解。只有这样，我们才能始终有人理解AI在做什么、判断它发现了什么，哪些方向值得继续探索，以及我们应该如何应对。

　　今天，AI能解决一些艰深的数学问题；未来，它也可能具备攻击各种系统、造成严重危害的能力。随着AI越来越强大、渗透性越来越强，而我们又无法完全理解它内部的运行机制，也就不能再理所当然地相信，所有技术系统都能始终在人类的掌控之下。

　　所以我反而认为，人类数学家的作用会更加重要。但有一个前提：无论你是继续研究纯数学，还是有一个非常具体的目标，你的初衷必须是有益于人类，而不能只是为了骗别人、骗经费而编造一个故事。作为数学家，你足够聪明，也应该足够诚实。我们不应该只想着如何保护数学，更应该思考数学家能做些什么来保护人类。

　　这也不只是数学的问题。未来，每一个推动技术发展的人，都需要真正理解自己的领域，同时把人类福祉放在首位，参与其中、保持掌舵能力。如果偏离了这个目标，就应该停下来。因为我们并不需要那些聪明人去为一枚可能失控的“核武器”继续加码。

　　南方人物周刊：你在获得终身教职后，就开始走一条与传统数学研究不太一样的路，把数学带到教育、创业以及更多现实问题中。但你身边也有一些同事，一直深耕纯理论研究。他们对此的观点会跟你不同么？

　　罗博深：我非常认同罗格斯大学数学系主任、数论学家Alex Kontorovich的观点：过去，你做的事情有人愿意付钱，但未来，你未必还能为别人创造价值。无论是数学家还是其他职业的人，面对这样的不确定性，感到担忧都很正常。重要的是，想想自己还能在哪里发挥作用。没人说这件事很容易，但不能因为自己投入了多年的训练、积累了丰富的经验，就认为社会理应给你一份工作。

　　这与其他领域没有什么不同。一家百年老店，如果有一天顾客不再购买它的产品，它也必须设法转型。终身教职同样如此：它不意味着一个人成了资深教授，就理应获得所有人的尊重。恰恰相反，终身教职的意义在于，让学者有底气承担更大的风险，去探索那些困难重重、却可能对人类产生长远价值的事情。

　　过去，有些人可能从未认真思考过这个问题，因为他们所在的领域已有一套成熟的方法，只要沿着既定的路径走下去就好。现在，每一个从事纯数学研究的人，都需要重新思考：自己的研究如何与真正有益于人类的事情联系起来？至于具体的路径在哪里，他们是数学家，这道题需要他们自己来解。

▲2023年12月28日，罗博深教授为北京八中百万庄校区的学生做演讲 图/南方人物周刊记者 梁辰

　　数学教育不应被困于数学

　　南方人物周刊：如果这就是未来，面对那些真正热爱数学的学生，你的教学方式会因此改变吗？

　　罗博深：对我没有影响。我的选修课（注：普特南数学竞赛研讨班）要教的是，面对一道陌生的数学题，应该如何开始思考。我会把题目写在黑板上，让学生们一起头脑风暴，尝试提出自己的想法，再从中逐步找到解决问题的策略。我希望课堂上超过一半的时间都由学生自行讨论。更重要的是，我希望他们能在共同思考、课后聚餐的过程中认识彼此、建立信任。

　　每年秋季学期第一堂课，我都会告诉学生：毕业以后，你们会找不到工作，但通过这门课，你们会找到志同道合的伙伴，组成团队，自己创办企业，卡内基梅隆大学也设有专门支持学生创业的机构。如果还沿用传统的教学方式，那些东西已经派不上用场。

　　对我来说，最大的变化可能在博士生培养上。过去五年，我一直没有招博士生，因为我做的事情并不主流，可能发不了很多论文，这会影响他们未来找工作。现在，随着AI深度参与研究，一篇论文中究竟有多少工作是由AI完成的，很难准确判断，研究者使用AI的程度也未必会被如实披露。论文已经很难成为评价能力的可靠依据。

　　我现在开始考虑招收博士生。我可能会跟他们一起去乡村教书，先了解当地学生真正需要什么、当地教育还缺什么，再根据这些真实需求，尝试发明新的东西。

　　南方人物周刊：技术会拉平能力的差距么？还是说，认知、视野和判断力的差异很难被轻易拉平？

　　罗博深：AI确实会拉平一部分数学研究能力，但拉平并不意味着所有人就都一样了。真正拉开差距的反而是一个人的视野，也就是你知道这些能力应该用来做什么。你能不能跳出一个狭窄的领域，看到整个数学，甚至把受到的数学训练带到更广阔的现实世界中，发现并解决那些真正值得解决的问题。

　　其实，数学训练的价值从来就不只囿于数学研究中。比如罗马尼亚现任总统尼库绍尔·达恩，他是数学博士，曾两次在国际数学奥林匹克中获得满分，后来进入政治领域，组建政党，并长期将反腐败、公共行政改革等作为重要的政治议题。现任教皇利奥十四世本科主修数学。新加坡前总理李显龙在剑桥大学读的也是数学。

　　南方人物周刊：你能从他们理解和解决现实问题的方式中，看到数学训练留下的印记吗？

　　罗博深：无论是国家领导人处理一个国家的问题，还是教皇思考整个世界的问题，面对复杂的系统，都有点像在写一个数学证明：不断寻找其中可能存在的漏洞，确保解法严密。同时，数学训练能帮助你理解不同的人、不同的群体真正需要什么，比如通过博弈论寻找彼此共赢的方式。

　　过去确实有很多人这样看待数学：解决一个非常难的问题，证明自己比别人聪明。但如果数学只是用来证明自己比别人更聪明，那么在AI时代，这种价值会变得极为有限，因为AI会越来越擅长完成这样的任务。我会建议那些喜欢数学的人，视野不妨更宏大些，去思考这个世界真正需要什么。当你既有这样的视野，又保留数学家的思考方式，现在反而是个契机，你可以借助AI补足你能力体系中的短板，完成很多以前做不到的事。

　　南方人物周刊：想象一下50年后的小学数学课堂，你会看到怎样的画面？我们还会像现在一样教授小数、分数这些知识吗？

　　罗博深：这也是我在思考的问题。教授的内容未必需要改变，但你需要一直引导孩子去思考。在我们家，我太太教育孩子的方式一直是，首先要让他们知道，我们爱帮助别人。这不是一场你争我夺的竞赛，而是一群孩子共同成长的过程。我们希望每个孩子都能成功。如果有孩子提出了新的想法，我们就应该鼓励他。这才是教育小学生应该做的，而不只是要求他们把乘法表背得更熟。

　　过去，我们的教育体系可能更强调筛选谁能做出最难的题。但如果教育的目标还是这些，几年后你会发现自己永远敌不过AI。我们必须谨慎思考教育究竟要培养什么，而这个目标应当是AI无法替代的。

　　如果一个孩子从小就不习惯提出新想法，只习惯通过与别人比较、争取更高的排名和分数来确认自己的价值，这样的人以后会非常失落。因为他为这条路牺牲了那么多，一直拼命往前跑、努力挤进更靠前的位置，成为“最会做题的人”，最后却发现，自己一直拼命想赢得的那场比赛，已经失去了意义。就算其他人还在埋头走老路，你为什么要跟着他们？