一句话看懂：9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联署公开信，承认AI已能解出真正的前沿数学难题，但警告“以解题数量衡量能力”的导向正在伤害数学最核心的开放交流与思想传承。争议焦点是近期Navier-Stokes方程事件：OpenAI调动约1万个智能体、88小时完成证明，而数学家刚公布的研究方法随即被AI“蒸馏”。
事件核心：发生了什么
这封公开信的署名者包括陶哲轩、邓煜等25位菲尔兹奖得主，时间点为9月11日。他们并未反对AI参与数学研究，反而明确承认大模型已经开始攻克真正的前沿难题。真正的分歧在于评价标准：AI公司倾向把“解出多少难题”当作能力指标，而数学研究的价值还包括理解问题、发展方法以及把思想传给下一代研究者。
引发这轮焦虑的直接案例与Navier-Stokes方程有关。目前公开信息显示，OpenAI调动约1万个智能体，在88小时内完成相关证明；而此前有数学家刚找到一条可行的独家研究路径，其方法随即被AI蒸馏吸收。这意味着人类研究者一旦公开思路，AI就可能凭借巨额算力迅速跑完剩余的路。
为什么重要
这不只是一场学术礼仪之争，而是触及AI for Science的生产关系问题。当大模型、智能体集群和算力可以批量“收割”人类刚提出的研究路径时，数学界最理性的策略可能从公开分享转向保密。而开放交流、同行讨论、可复现的证明链条，恰恰是数学几百年来积累知识的方式。
对AI行业而言，这也是一个信号：基准测试式的“解题能力”与真正的科学理解之间存在错位。如果公司只把前沿难题当作模型宣传的分数，却不参与方法沉淀和人才培养，短期榜单会很好看，长期生态却会变薄。
对用户/开发者/创作者的影响
对开发者来说，智能体集群在推理阶段大规模并行搜索的路线已被验证可行，这会推动更多AI应用从单次问答转向长周期、多智能体协作的任务编排，API调用量和算力成本结构也会随之变化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对科研用户和内容创作者而言，需要重新考虑“公开到什么程度”。方法、数据和中间结果一旦发布，就可能被模型快速学习并规模化复现。开源与闭源的取舍，在数学这类高度依赖思想传承的领域会变得更敏感。企业采购AI科研工具时，也应关注其是否提供可追溯的证明过程，而不只是最终答案。
值得关注的后续
一是联署方是否会推动数学界形成新的成果发布与署名规范，例如对AI辅助证明的披露要求。二是OpenAI等公司是否公开Navier-Stokes相关证明的完整方法与可验证细节，而非只强调88小时和1万个智能体。三是智能体集群能否在数学之外的其他基础科学领域复制这种模式，以及由此带来的算力与人才竞争会如何演变。
来源：@wangjupaian
