77 岁菲尔兹奖得主丘成桐迎战“AI 海啸”：集结千名学者造数学大模型
面对“AI 海啸”，77 岁菲尔兹奖得主丘成桐为数学破局：集结千名学者造大模型
研究数学超过半个世纪，见证过无数次学术突破的丘成桐坦言，自己从未见过学术界受到如此猛烈的冲击。
10 月 11 日，在清华大学求真书院，这位菲尔兹奖得主、中国科学院外籍院士给出了一个罕见的判断：AI 让今天成为学者最兴奋、也最危险的时代。过去半年，机器完成数学研究的速度与能力，已经远远超出他的预期。
更让他担忧的是，当海外 AI 巨头汇聚全球顶尖学者，模型能力不断跃升时，中国的基础科研力量仍然相对分散，国内大模型在前沿数学和基础科学能力上还有明显差距。
丘成桐不打算继续观望。
当天，他牵头联合清华求真书院、北京雁栖湖应用数学研究院、中国科学院晨兴数学中心、香港中文大学致真交叉数学科学院等八大顶尖科研机构，在清华成立“丘成桐数学与人工智能实验室联盟”，汇聚近千名科研人员，准备自主研发数学科学专用大模型。
这场行动背后，是 AI 给全球数学界带来的一场深刻震动。
OpenAI 此前一次性公开 722 篇数学手稿，引发学术规范、成果归属与数学创造力的激烈争论。而丘成桐自己的最新论文，也已经将 GPT 与 Claude 写进致谢。
当机器越来越擅长解决数学家的问题，这位研究数学超过半个世纪的大师，决定亲自参与塑造下一代 AI。
宗师出剑，终结集体观望
1949 年出生的丘成桐，是 1982 年菲尔兹奖得主，也是首位获得这一荣誉的华人数学家。
27 岁时，他证明了困扰数学界多年的卡拉比猜想，后来以其名字命名的“卡拉比-丘流形”，成为现代弦理论的重要数学基础。他在几何分析、广义相对论数学研究等领域，也留下了诸多开创性成果。
正因为有这样的学术经历，他对 AI 的评价格外引人注意：“我从 1969 年开始做学问，从数学、物理到应用科学与工程，都有许多涉猎，但是从来没有见过学术界受到如此大的冲击。”“AI的冲击如同海啸，我们要冲浪，而不是躲起来、避开它。年轻人面对变革不能害怕和灰心。”
在清华的这场活动上，丘成桐用了一个数学上的类比，解释这场冲击为何不同寻常。
过去，基础科学的发展更多依赖少数天才研究者的创造性突破，是一种从个体出发、逐步积累的“微分”式进步。人工智能却带来了“积分”效应：利用强大算力，将人类长期积累的数学知识与研究成果聚合起来，加速探索。这种能力使科学进步不再完全依赖个别天才的突破，也改变了知识生产的速度。
但它也让中国面临一个现实问题。
丘成桐直言，海外 AI 巨头已经吸引大量顶尖数学家、物理学家参与模型研发，而国内高校和研究机构的力量仍然相对分散。他认为，人工智能的发展呈现非线性、近乎指数级的增长趋势，而国内如果仍然依靠不同机构各自推进局部研究，便很难追上。
“我们用线性增长追指数增长，最后难免跟着走。” 这句话，也是千人联盟成立的直接动因。
按照清华大学公布的规划，联盟将围绕数学科学专用模型、AI 辅助数学研究、形式化证明、可解释性与安全性等方向展开研究，并在北京、上海、南京、深圳、香港等地布局实验室。
不同机构还将共享算力平台、模型训练资源和形式化数学库，尝试让分散的科研力量形成协作。
这不是简单地让数学家使用 AI 工具，而是让数学家直接参与 AI 的开发，甚至以基础数学研究反过来推动模型架构、算法和推理能力的改进。
事实上，丘成桐已经亲自在使用 AI。
（图注：论文署名为丘成桐英文名 Shing-Tung Yau）
今年 9 月 24 日，他与合作者发表预印本论文《Positive Sectional Curvature on All Smooth 7-spheres》，报告了关于全部 28 类光滑同伦七维球面正截面曲率的重要研究结果。
论文致谢中特别提到ChatGPT 6 Astra 和 Claude Pro，感谢它们在部分证明策略与计算探索中提供帮助，同时强调作者承担人工核验与论述责任。
联盟此前也已积累实质性成果。例如，清华相关团队利用大语言模型智能体集群，在 Lean 4 中完成卡拉比猜想的形式化验证，涉及 27.3 万行代码。
AI 批量解题，数学界为何集体焦虑？
丘成桐的紧迫感并非空穴来风。过去一个多月，AI 接连刷新了数学界对机器推理能力的认知。
9 月 8 日，OpenAI 宣布，其内部模型调动约 1 万个并发智能体，经过 88 小时探索，找到了 Navier-Stokes 千禧年难题的一个证明方案，随后又花费 17 小时完成 Lean 形式化验证。
10 月 6 日，OpenAI 又在 GitHub 上一口气公开了722 篇数学手稿，涉及 372 组研究成果，覆盖数论、代数几何、理论计算机科学等多个前沿领域。
然而，发布还不到 24 小时，OpenAI 就因为一处符号错误，撤回了其中 3 篇相互关联的手稿，并对另外 14 篇进行了不同程度的修订。
对软件公司而言，发布后修复错误早已司空见惯；但数学研究有着不同的学术责任体系。
AI 可以批量生成证明，数学家却需要投入大量时间判断这些证明是否正确、是否真正构成有价值的新知识。
更重要的是，数学论文并不只是一个能够通过验证的结论，还需要清楚说明研究方法、与既有成果的关系，以及它究竟带来了怎样的新理解。
中国科学院院士、中国数学会理事长席南华，在 10 月 11 日的交流中直接指出了科技企业与数学界的规则冲突。传统数学家发布研究成果，需要以自身学术声誉承担责任；但企业发布大量 AI 成果，即使出现错误，承受的学术声誉压力也不完全相同。
国际数学联盟副主席何旭华则认为，OpenAI 公布的部分数学手稿没有经过充分检查，数学家需要花费大量精力核验，给整个学术共同体留下了沉重的整理工作。
这种矛盾，也早已在海外数学界爆发。
9 月 11 日，陶哲轩、邓煜等 25 位菲尔兹奖得主联合发表《人工智能在数学中的严重错位》公开声明，批评 AI 公司将攻克数学难题当作模型性能测试。
他们认为，数学研究的核心价值并非不断产出正确或错误的判断，而是通过解决问题，获得新的概念、方法和理解。随后，部分数学研究者组建了“人类数学协会”（AHM），明确反对与商业 AI 公司合作，以及发表由 AI 模型生成的数学文本。
但数学界的态度并非完全一致。
Google DeepMind 的数学家兼 AI 研究员 Timothy Nguyen 公开反驳称，菲尔兹奖得主们对 AI 的部分反对意见可能经不起时间检验。
在他看来，人类对数学证明与理解的标准本就不断变化。从几何作图、符号计算到计算机辅助证明，每次技术变革都在拓展数学研究的方法。AI 生成的证明需要数学家花费大量精力解释，未必意味着它没有价值。相反，这可能迫使人类重新判断，究竟哪些数学问题真正值得理解。
甚至连参与联名声明的陶哲轩，也没有停止探索 AI 在数学研究中的应用。他在 10 月 9 日的《Math 2.0》演讲中提出，数学研究正从证明稀缺走向证明日益充裕的时代，未来应更加重视概念理解、知识联系与新理论的发现。
可见，这场争论并不是简单的支持 AI 与反对 AI。
真正的分歧在于：当机器可以不断生成新的定理和证明，数学的发展究竟应该由解题数量衡量，还是由新思想、新理论和新理解衡量？
席南华在清华的讨论中，用了一个更直观的比喻：“只有定理，就像建筑只有砖块，形成不了建筑。”
在他看来，AI 已经表现出强大的解题能力，但数学不只是定理的集合，更是一整套概念结构、研究方法和思维体系。今天的 AI 可以快速生产大量“砖块”，但它能否自主设计出一座前所未有的数学大厦，仍然是一个开放问题。
不愿数学家转投 AI，却亲自下场造 AI
丘成桐对于这场争论的态度，其实比单纯的积极拥抱 AI 更复杂。
在《晚点 LatePost》的专访中，记者提到 2026 年菲尔兹奖得主 Jacob Tsimerman 加入 OpenAI，认为他可能希望借助 AI 为人类作出更大贡献。
丘成桐直接回答：“我不同意。我认为，一个数学家最重要的事情就是继续安心做数学研究。加入 AI 公司，我不认为是对数学发展最有贡献的选择。” 这次采访发生在 8 月，比联盟成立早了两个月。
如今再看，便出现了一个颇有意味的对照：丘成桐不赞成顶尖数学家放弃数学研究、加入 AI 公司，却又亲自组织千名数学家研发 AI。
这并不一定矛盾。
他所坚持的，或许是两种不同的科研关系：数学家可以利用 AI 探索新理论，也可以参与建设新一代 AI，但不应让数学本身完全服从科技公司的产品路线与商业目标。
事实上，丘成桐对于什么才算真正重要的数学研究，一直有自己的判断。
他在《晚点》的采访中回忆，21 岁时，数学大师陈省身曾建议他研究黎曼猜想，但他没有选择这道声名显赫的难题，因为他当时真正感兴趣的是几何和广义相对论。
后来，他在探索时空几何结构的过程中接触到卡拉比猜想，并最终完成了影响其一生的证明。这段经历恰恰体现了他对数学创造力的理解：真正重要的研究，不只是找到一道最难的题并把它解出来，而是知道自己为什么要研究它，以及它能够帮助人类理解什么。
这也是 AI 时代人才培养面临的核心挑战。
过去，中国数学教育高度重视计算能力和解题技巧，但这些能力恰恰正在成为 AI 最擅长的部分。
北京雁栖湖应用数学研究院副院长刘正伟在清华现场指出，过去数学教育侧重的计算、解题能力，AI 现在已经可以完成得更快、更好，因此学生培养必须提升到新的维度。
丘成桐则在《晚点》采访中进一步批评了过度依赖奥数筛选人才的做法。他认为，中国学生擅长解决既有问题，但缺少主动提出问题、探索原创方向的训练。当 AI 把解题速度推向新的极限，这种教育模式的局限也愈发明显。
他在近期采访中表示，AI 目前已经能够有效解决给定的问题，但在寻找真正重要的问题、开创数学前沿方向方面，依然存在不足。这种能力边界未来会不会被突破，没有人能够给出确定答案。
但数学家显然不能只依靠机器尚未掌握某种能力，来证明自己的不可替代性。
从 OpenAI 的千亿级 Token 数学攻关，到 25 位菲尔兹奖得主联名质疑，再到丘成桐牵头千名数学家研发专用模型，一场更深层的变化已经发生。
数学界不仅需要适应新的研究工具，还需要重新思考科研成果的验证标准、学术贡献的认定方式，以及下一代数学家的培养目标。而对丘成桐而言，问题还多了一层：在 AI 基础研究竞争中，中国数学家能否从技术使用者，转变为真正的技术创造者？
本文来自微信公众号 “AI前线”（ID：ai-front），作者：四月，36氪经授权发布。