一句话看懂：Wolfram Research 创始人 Stephen Wolfram 于 2026 年 9 月 28 日发表长文，讨论 AI 时代纯数学研究的未来。他并不认同“把数学研究全部交给 AI”的说法，认为 AI 的强项是挖掘和连接人类已有数学知识，而纯数学的核心——提出什么问题——仍依赖人的想象力。
事件核心：发生了什么
这篇题为《AI 时代，纯数学研究的未来如何？》的文章，背景是近年来“AI 又解决了某个数学难题”的新闻持续出现，也逐渐出现一种声音：是否还需要人类做数学研究，是否可以把这件事整体交给越来越强的大模型。Wolfram 在文中回应了这种观点，并把它放回自己亲历的历史中：1988 年 Mathematica 发布时，也有人说数学会被工具接管，但结果是 Mathematica 抬高了可做数学的层次，催生了新的数学成果，而不是终结数学。文章还讨论了 AI 在数学中的实际价值、形式化的力量与困难、自动定理证明、开放式数学以及数学的审美与目标等议题。
为什么重要
这轮争论不只是学术话题。当大模型在推理、定理证明和数学基准上不断刷分，产业界容易把“解题能力”直接等同于“数学研究能力”，进而影响科研经费、人才配置和工具路线。Wolfram 的判断提供了一个区分：AI 擅长主题式检索与跨领域连接，能在海量论文中低成本尝试大量组合；而纯数学作为一个由柏拉图、欧几里得延续至今的抽象理性大厦，其价值很大程度由它提出的问题定义。他还强调，现代 AI 本质上是利用人类已有知识库，而计算——尤其是 Wolfram Language 式的符号计算——才是开放地生成新东西的路径。
对用户/开发者/创作者的影响
对做 AI 应用和科研工具的开发者，这篇文章提示了一条更现实的产品方向：把大模型当“数学知识矿工”和“连接器”，而不是“自动数学家”。在自动定理证明、形式化验证、符号计算等场景中，LLM 与 Wolfram Language、Lean 等工具链的组合，可能比单纯让模型端到端输出证明更有落地价值。对教育、科研和内容创作者，这意味着检索、梳理、验证和提出问题的能力仍难被替代。目前公开信息显示，文章本身是观点性长文，未发布配套产品或基准测试。
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。
值得关注的后续
第一，Wolfram 是否会把这套判断落到具体工具上，例如把 LLM 检索与 Wolfram Language 计算能力打包成面向数学研究的 API 或产品。第二，自动定理证明与形式化社区是否会对“AI 生成证明”的可靠性和审美给出更明确的评价标准。第三，围绕“人类该问什么问题”的讨论，可能进一步影响科研资助与 AI 数学基准的设计方向。
