菲尔兹奖得主陶哲轩公开呼吁AI公司放缓数学研究进展，引发学界与工业界激烈争议

一句话结论

陶哲轩呼吁AI公司放慢数学解题速度，指出当前“证明消化不良”将导致知识体系断裂，并引发OpenAI成立独立顾问小组回应。

关键要点

• 陶哲轩在SAIR演讲中明确指出，AI在生成解答和形式化验证上加速，但阐释、评审和教科书环节停滞，造成知识拥堵。
• 25位菲尔兹奖得主联名公开信，批评AI公司将数学当作基准测试工具，忽视推导过程中的“认知摩擦”。
• OpenAI宣布成立“数学与人工智能顾问小组”，设于普林斯顿高等研究院，协助评估成果重要性与传播方式。
• 该顾问小组官方声明明确排除“就数学内部进展提供建议”，仅负责审查与传播协调。
• 菲尔兹奖得主Cédric Villani公开表示，AI解决千禧难题的冲击如同“世界末日”，与此前称LLM为“统计学复读机”的态度形成鲜明对比。

背景与事实

2026年3月，陶哲轩在IPAM会议上曾公开呼吁同行接纳AI，称当前AI在数学和理论物理领域“已准备好进入主流”，并断言数学正经历“哥白尼革命”。他当时表示，未来初中生也能借助AI与Lean工具对数学前沿做出贡献。然而，在最新SAIR演讲中，其立场发生显著转变。陶哲轩使用“灯塔”比喻说明未解决数学问题的价值：它们本身非终点，而是照亮研究海域的参照物，真正珍贵的是过程中建立的工具与理论框架。他将数学证明的完整生命周期分为五环节：提出解答、机械验证、阐释工作、同行评审、写入教科书。目前AI仅加速前两步，后三步进度接近零，导致大量AI生成证明无人理解、发表或解释，形成“证明消化不良”（Proof Indigestion）现象。他类比20世纪初汽车涌入马车街道导致的交通瘫痪，强调这种知识拥堵将埋下两大隐患：一是“智子危机”，即AI跳向最终答案，抹杀人类在漫步式探索中产生的偶发灵感与新方向；二是数据污染，未来AI训练依赖当前人类打磨的教科书数据，若充斥无法理解的海量AI证明，将如同“克隆小鼠”实验般导致缺陷逐代累积。

同期，包括Peter Scholze、邓煜、Pierre Deligne在内的25位菲尔兹奖得主联名发表公开信，炮轰OpenAI等模型公司将数学研究降格为基准测试，认为这种做法与数学界追求的目标严重错位。信中强调，数学研究的核心价值在于推导过程中的“认知摩擦”，单纯量产真值判断会摧毁思想生长的土壤。菲尔兹奖得主Cédric Villani在目睹OpenAI解决千禧难题后，公开表达震惊，称其为“数学界有史以来从未见过的浩劫”，与其三个月前批评LLM“连洗车问题都会答错”的轻视态度形成强烈反差。

面对学界抗议，OpenAI回应称将成立“数学与人工智能顾问小组”，设于普林斯顿高等研究院（IAS）。该小组职责包括为新兴研究成果的审查和传播提供建议，协助评估成果重要性并协调传播方式。但其官方声明明确限定，小组“不负责就数学上的内部进展提供建议”。这一回应被解读为OpenAI在维持研发节奏与安抚学界情绪之间寻求平衡，既展示开放姿态，又明确保留核心研发自主权。

影响分析

对中文开发者与从业者而言，此事件标志着AI在纯基础研究领域的伦理与认知范式冲突正式公开化。明确这是分析判断，该冲突将直接影响数学相关AI工具的开发方向：未来模型需在“解题能力”与“可解释性/过程完整性”之间寻找新平衡点，而非单纯追求基准测试分数。对数学研究者而言，若AI继续高速产出不可消化的证明，可能导致下一代人才缺乏理解基础，长远削弱领域创新能力。对AI公司而言，OpenAI的回应显示其已将学界反对声浪视为需管理的“传播风险”，而非实质技术约束，这或将重塑AI公司对待基础研究的策略，从忽视转向“受控互动”。

适用边界

此分析基于当前公开信息，主要适用于纯数学及依赖人类认知迭代的理论研究领域。在工程应用、数据驱动或AI可完全主导验证闭环的领域（如机器视觉、自然语言处理），AI加速可能不引发同等程度的“证明消化不良”问题。OpenAI顾问小组的效力及学界后续行动目前未知，结论可能随事件发展而调整。

孤本观察

陶哲轩从“AI课代表”到“减速派”的半年转身，揭示了当前AI数学研究的核心矛盾已非技术能力问题，而是知识生产速度与人类认知消化能力的结构性失配。明确这是判断，OpenAI“顾问小组”的限定条款表明，工业界与学界在AI是否应“为数学服务”而非“将数学变为服务”的根本定位上，尚未达成共识。

来源：量子位