[北大国发院].[经济重塑与AI革命双重挑战下的组织与人].[2026-09-03-18-36-45]
80年与一个世纪，两道难题接连失守
2026年，数学研究成果的发布节奏出现了罕见的变化。据公开信息，今年5月，OpenAI宣布利用代数数论工具，构造出反例，推翻了匈牙利数学家保罗·埃尔德什1946年提出的“平面单位距离问题”的最优下界猜想——这一问题已困扰数学界80年。仅仅两个月后，7月，供职于Anthropic的数学家Levent Alpöge宣布，借助该公司大语言模型Claude Fable 5，找到了困扰代数几何界近一个世纪的雅可比猜想的反例。
8月，Alpöge再次与Claude合作，宣称六维球面存在复结构，论文长达100多页。这一结论与数学界长期主流认知相反，目前仍在人类验证中。同济大学数学科学学院长聘副教授陈小杨评价称，其反例构造过程“极其不平凡”，若最终被验证为正确，将成为里程碑式的成果。
[IMG:1]
“几乎每天一个大新闻，感觉要震蒙了。”陈小杨这样形容过去几个月数学界的感受。在他看来，转折点正是今年5月——AI数学成果开始密集涌现，“去年和今年就像处在两个不同的世纪”。
数据与节奏：从一年一篇到一月数篇
从产出效率看，变化是量级性的。陈小杨介绍，过去一位普通高校数学教师一年大约完成一篇论文，而现在AI一个月就能生成几篇中等水平的论文，并开始向经典猜想发起冲击。他本人的工作方式也随之改变：过去是纸笔推演、黑板演算，如今是同时运行多个大模型账号，“每天早上到办公室第一件事，就是看昨晚AI跑出了什么结果”。
AI目前最亮眼的表现集中在“证伪”环节，即寻找反例。陈小杨分析，这类问题历史悠久、知名度高，一旦解决即引发关注；构造反例需要调用海量数学知识并进行复杂搜索，这恰是大模型的长项。相比之下，证明大猜想往往需要发展全新的数学工具，AI尚未展现出突破现有数学框架的能力。
[IMG:2]
“抽卡式科研”兴起，浮躁风险浮现
速度的另一面是焦虑。陈小杨坦言，24小时不间断工作的AI让他担心“做得太慢、被别人抢先”。学术界甚至出现了“抽卡式科研”的说法——像抽卡游戏一样，运气好就能“中奖”。同时，研究门槛在降低，非数学专业背景的人士也纷纷借助AI探索经典猜想。
但生态风险同样真实存在。据公开信息，近期多个AI产出的数学成果在未经充分验证的情况下直接公开发布，冲击了传统数学生态的审慎传统。“有点像赛跑机制，不管对不对，先公开成果，把新闻抢了再说。”陈小杨指出，由于缺乏验证和知识吸收机制，这对数学生态并非全然有利。
另一个不容忽视的趋势是资源集中。陈小杨预判，未来数学领域最前沿的成果，将越来越多地出自少数掌握顶级模型和巨量算力的研究者之手，传统数学学者与头部机构之间的产出差距可能持续拉大。
[IMG:3]
十字路口：机器证伪，人类的价值在哪
时间线拉长看，这场变革早有伏笔。2016年，陈小杨曾向一位计算机系任教的老同学提议用AI研究数学，对方认为“简直不可思议”；2022年他牵头筹建AI for Math方向的公司时，投资机构几乎无人相信AI能在纯数学领域有所作为；即便2024年，多数纯数学研究者仍对此不以为意。而到了今年，“情况变成了不相信也不行”。
AI擅长在已有知识中搜索联系、构造反例，但提出全新数学框架、定义全新问题，目前仍是人类的领地。对数学界而言，当务之急或许是建立与AI产出速度匹配的验证机制——否则，被推翻的可能不只是陈年猜想，还有这门学科延续百年的严谨传统。
本文由AI辅助生成
