2026年，人工智能（AI）正在切实改变数学研究的运行方式。以往需要数学家数年乃至数十年攻坚的证明工作，如今可以由模型在短时间内批量生成。随着AI产出的数学成果快速爆发，学界讨论的焦点已然转移。机器能否涉足数学研究不再是争议话题，如何核验、理解并传承机器生成的海量证明，成为摆在全球数学界面前最现实的难题。

9月8日，OpenAI宣布其未公开模型调动约一万个智能体，用88小时生成了纳维-斯托克斯方程存在性与光滑性问题的证明手稿。作为克雷数学研究所七大千禧年难题之一，该问题悬赏100万美元，但OpenAI明确表示不会申领奖金。

争议几乎同步爆发：纽约大学柯朗数学科学研究所教授特里斯坦·布克马斯特指出，他与一名Anthropic研究员此前在相近方向已有成果，质疑OpenAI模型是否接触过相关对话数据。截至发稿，该质疑未获独立证实，OpenAI虽否认访问其数据，但其说明前后存在反复。

这一事件尚未平息，更大规模的冲击接踵而至。10月6日，OpenAI在GitHub一次性公开722篇由内部前沿模型生成的数学手稿，按372个“结果族”分类，覆盖数论、几何、代数、理论计算机科学等17个领域，包含准黎曼猜想、四维挂谷问题等长期悬而未决的难题。模型此前尝试了约4000个研究问题，平均每项结果消耗约3小时ChatGPT Pro算力。据《新科学家》报道，伦敦大学学院数学系教授弗朗西斯·约翰逊研究沃尔D（2）问题长达25年，写了两本书后最终放弃，近几个月与AI协作时，他对AI“分析的精密与清晰程度”感到震惊。

这场发布的高光时刻迅速被技术瑕疵打断。发布次日，OpenAI因一处符号错误撤回3篇涉及霍奇猜想的手稿。问题出在第一篇论文：一处关键论证中把一类几何操作的符号记成了+1，而按论文自己的约定，它应当是-1，原本应相互抵消、最终归零的计数变成了非零数，论文所依赖的经典定理前提恰恰要求计数必须为零，整套构造随之失去支撑。另两篇论文借用了这套构造，被一并撤回。OpenAI同时修订14篇手稿、更新13篇参考文献，手稿总数从722篇降至719篇。

这一撤稿事件，进一步印证了学界对AI生成内容可靠性的既有忧虑。据《纽约时报》报道，早在手稿发布之初，牛津大学数学教授、克雷数学研究所所长马丁·布里德森便称这次发布“令人惊叹”，但提醒数学界“拥抱机器提供的力量，不应被它们牵着走”。西北大学数学系教授布赖娜·克拉则从学术规范角度发出警告：结果总体“惊人”，但“写作方式让人无法理解”，数万页成果亟待核验，“而在这个过程里，同行评审却缺位了”。

克拉口中“无法理解”的困境，并非孤立感受，而是数学界集体焦虑的缩影。早在2026年夏，菲尔兹奖得主、加州大学洛杉矶分校数学系教授陶哲轩就在国际数学家大会公开讲座上，将这种AI高速生成证明、人类来不及验证理解的状态定义为“证明消化不良”。他把数学求解拆分为证明生成、验证、消化等环节，指出前两者正被AI加速，而消化等环节仍依赖人类节奏，二者之间出现了明显的“脱节”。正是这种速度错位，让海量AI产出的数学成果难以被真正吸收，反而成为新的认知负担。

面对“证明消化不良”的危机，数学界的态度并非铁板一块。值得注意的是，陶哲轩本人对AI的态度就经历了显著转变。2026年3月，他在IPAM会议上还公开称当前AI在数学和理论物理领域已“准备好进入黄金时段”，因为AI“省下的时间比浪费的多”；同月接受《MIT科技评论》专访时，他更是断言数学正经历一场“认知版本的哥白尼革命”。然而到了9月，他却成为25位菲尔兹奖得主联名声明《AI在数学中的严重错位》的首批签署人之一。这种转变本身，折射出数学界对AI态度在过去一年间的急剧变化，更反映出重建AI与数学研究生态的紧迫性。

个体层面的回应则走向两极。美国得克萨斯大学奥斯汀分校计算机科学系教授斯科特·阿伦森在博客长文《数学末日》中写道：“在我剩下的岁月里，我不指望再因‘真的需要我来证明’而证明定理，人类数学家作为主要定理证明者的地位已被永远废黜。”与之形成鲜明对比的是，麻省理工学院数学系教授、美国艺术与科学院院士帕维尔·埃廷戈夫在2026年5月撰写的AI使用指南中明确：使用AI输出必须彻底核实每一个细节，以自己的方式重写，而非复制粘贴。这两种截然不同的姿态，实则指向同一个身份追问：当机器接管证明，人类是该重新定义“理解”的内涵，还是承认自身角色的终结？