“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。”10月11日，菲尔兹奖得主、清华大学讲席教授丘成桐在其牵头组建的“丘成桐数学与人工智能实验室联盟”（以下简称“联盟”）成立大会上抒发了近半年来AI冲击数学给他带来的感受。他说：“这倒逼我们重新思考数学的本质价值，也要求我们必须在AI浪潮中冲浪，而不是躲起来。”

那么数学家该如何在AI中冲浪？新成立的“丘成桐数学与人工智能实验室联盟”的一大目标是整合国内数学研究力量，集中研发具有自主原创性的数学科学专用大模型。一方面，利用AI探索数学猜想、辅助定理证明；另一方面，以数学理论创新改进AI底层算法、模型架构和推理能力。各机构将共享算力、模型训练资源和形式化数学库，并陆续在北京、上海、南京、深圳、香港布局数学人工智能实验室。

此外，《返朴》注意到，由丘成桐先生领头，一本新的AI辅助数学的期刊将于2027年年初发布，该刊名为《Journal of AI-Assisted Mathematics》，由丘成桐创办并担任主编。该刊将汇聚全球顶尖学者，聚焦人工智能与数学的深度融合，打造AI与数学交叉领域具有国际影响力的旗舰学术品牌。

科研力量的组织方式需要跟上AI的时代需要

丘成桐强调说，人工智能正给数学研究带来前所未有的冲击，而中国科研机构各自为战，难以与汇聚顶尖人才的国际AI巨头竞争。他在接受记者采访时表示：AI国产大模型已经能够较好地处理日常问题，甚至能写比较好的诗，但若要完成OpenAI近期展示的前沿数学研究，还有一定差距。

“现在欧美有大量的人参加了OpenAI和DeepMind等大公司。他们不是几十个人，而是有几千个学者在帮忙。”丘成桐说，人类学者使用AI时是在接受机器的帮助，但机器也在吸收人类问题的精华，也增加机器的能力。“最前沿的研究不是抽象的研究，因为它会改变AI本身最基本的做法。”丘成桐忧心地说：“我们需要的资源还远远不够，无论是经费还是机器。现在全世界最先进的AI不准我们中国用。ChatGPT等全部不准中国用，这对我们很不利。”

丘成桐在致辞中直言，这是“学者们最兴奋的时代，也是最危险的时代”。差距背后是基础技术创新能力和科研力量的组织方式。OpenAI等AI巨头投入巨额资金，吸引顶尖数学家、物理学家参与研发，不断改进模型的底层算法；国内科研力量相对分散，许多工作仍是在国外现有技术路线上的局部改进。要改变这一局面，必须集中人才、算力和资金，长期支持原创模型研发。他尤其批评只看一两年产业回报的投资思路：如果只看到现有AI已经能在工业应用中赚钱，就会缺少继续投入基础模型研发的动力。如今前沿AI技术的进步已经快到以几天、一个月为尺度，如果过于看重短期产业回报，就很难跟上技术发展速度。

据悉，丘成桐数学与人工智能实验室联盟联合了清华大学求真书院、中国科学院晨兴数学中心、上海数学与交叉学科研究院等8家数学科研机构，目前已汇聚超1000名科研人员。成立仪式上还集中展示了多项该联盟产出的AI辅助数学研究成果，包括借助AI构造退化阿诺德猜想的反例，以及利用AI智能体、27.3万行代码完成卡拉比猜想的形式化验证。

AI仍未有真正原创性，数学方向仍靠人类把握

尽管对AI研究能力的进步感到震撼，丘成桐仍认为机器缺少开辟数学新方向的创造力。当《返朴》提问“如果数学直觉来自对大量经验的提炼，那么读过数学证明比任何人类都多的AI，是否可能获得超越人类的数学直觉？”丘成桐回答称：“最前沿的创造能力，不是单看从前就行的”，他说过去积累的知识可以提供帮助，但仍不足以产生真正的原创性。

“找重要的问题，开创数学的前沿，这个怎么走，AI不懂。”在他看来，AI已经能够有效解决给定的问题，但发现真正重要的新问题、判断数学发展的方向，仍然离不开数学家的创造力。

尽管OpenAI为代表的国际AI巨头发布了诸多数学重大问题的研究成果（尽管发布机制备受争议），但丘成桐表示，这些巨头找的是全世界最前沿的学者，比如哈佛大学、普林斯顿、斯坦福的教授，学术的重心仍然在学术界而不是产业界。

商业逻辑与学界文化有多重尖锐冲突

在当天的媒体交流环节上，多位专家对AI之于数学的影响发表了各自看法。中国数学会会长席南华院士谈到近期围绕OpenAI数学成果的争议时指出，OpenAI作为企业和资本力量，首先希望展示自身的技术实力，商业逻辑与数学界长期形成的学术文化存在冲突。数学家即使发布未经同行评议的预印本，也必须对其负责；企业却不受同样的学术伦理约束，发布错误论文代价很低，甚至出现“摘桃子、抢地盘”的做法。席南华形容当前的局面是“旧的秩序失去了，新的秩序还没有产生”，数学界需要在与AI的磨合中逐步建立新的规则。

国际数学联盟副主席、香港数学会会长何旭华则指出，人工智能在数学研究中的进展，带来不少冲击和混乱。一些AI公布的数学结果缺乏充分检查，核实其正确性可能给数学家留下大量额外工作；他希望联盟推动讨论人机协作成果应达到何种标准才能发表。他对人工智能参与数学研究持积极态度，认为研究能力的提升能够帮助数学家充分释放想象力、展开更多探索，从而敢于提出更艰深的问题。实验室联盟把不同领域、不同机构的研究者凝聚在一起，为数学家共同探索创造了良好契机。

教育培养、评价机制同样面临变化。中国科学院院士田野认为，传统作业、考试乃至仅凭论文评价学生的方式都受到AI冲击，未来应更加看重对知识的深入理解和学生的创造力，以及判断数学前沿方向的能力。清华丘成桐数学科学中心副教授徐文强介绍，求真书院鼓励学生在老师和博士后的指导下更早接触前沿问题，也反复提醒他们检验自己是否真正理解了借助AI得到的答案。

以下是丘成桐在联盟成立仪式上的致辞讲话全文：

演讲|丘成桐

文字整理|牛芸

今天很高兴在这里宣布实验室联盟的成立。这是一个学者们最兴奋的时代，也是最危险的时代。如果能够合理使用人工智能，我们的学问、成果和影响将是划时代的；但处理不当，就可能带来灾难性的后果，尤其对中国的科学和技术。我从1969年开始做学问，从数学、物理、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。

有史以来，我们没见过半年内可以有这么多如此重要、甚至可以讲伟大的学问，能够很快的完成。同时，很多做法是我们想象不到的。这当然不是说，机器要替代人类。我讲一个很简单的比较，大家就比较清楚了。从古到今，数学和基础科学的进展，基本上是依靠几个人的思考或者进步，这是一个“微分”的进步。我们看的是个体，看他怎么向前走，从小的方面走向更广泛的影响。

人工智能的出现，是一个“积分”的效应。它把人类有史以来直到今天的所有思考，通过强大算力聚合起来。科学真理是无穷的，人工智能远远不能够全面了解所有真理，但是我们看到它理解真理的能力越来越强大。人类自以为很伟大，但要和希腊学者开始到今天学问的累积比起来，没有一个人能比得过。而人工智能做得到集合所有学问，一同向前走。我从事研究50年来，见证了诸多伟大数学进展，每一次都很震撼。我做研究生的时候，看到韦伊猜想的解决，我同学Thurston解决的史密斯猜想，以及我自己做卡拉比-丘猜想得到的进展。但人工智能是把这一切都累积起来。

同时，中国学者也遇到很大的困难：国内模型的性能还未能领先。国外人工智能几个大公司集合了欧美最重要、最有能力的学者，群策群力，才能够达到最先进的水平。国内每一个学校、机构都做一点点，这就很难跟人家聚合之力比较。人工智能是一个非线性增长的体系，它一边不停学习，一边不断进步，基本上是一个指数的增长。我们用线性增长追指数增长，最后难免跟着走。

因此，我们需要大量学者共同努力，做成自己原创的数学人工智能模型，能够跟海外比较。我们需要许许多多有学问的学者，才能让机器更好的思考和推理。实验室联盟聚集了一批优秀学者，联盟成员机构的1000个数学家共同努力打造一个模型，实现非线性增长。通过这个联盟，我们希望能把国内学者组织起来，自主研发一个真正有用的人工智能模型，可以跟西方国家争个短长。