撰文：Gandalf，Techub News
摘要
2026 年 9 月 11 日，25 位菲尔兹奖得主以首批签署人身份发布 A Severe Misalignment of AI in Mathematics（《人工智能在数学中的严重错位》）。声明并不否定 AI 辅助数学的潜力；它批评的是将“攻克知名难题”当作模型能力展示和竞争指标的发布逻辑。签署者认为，这会把数学研究从概念理解、方法传播、学生培养和学术归因，挤压为高速度的“真／假”结论生产。
声明的直接背景，是 OpenAI 于 9 月 8 日声称其内部多智能体系统给出了三维不可压缩纳维 - 斯托克斯存在性与光滑性问题的一个反例式解答：构造在平滑外力作用下、有限时间形成奇性的流体演化。OpenAI 同时发布了 166 页论证及 Lean 形式化验证。争议并非只在数学结论本身，而集中于独立人类审阅尚未完成、相邻研究成果的优先权与署名、以及研究者使用产品时数据隔离和披露是否足够清楚。
一、声明的定位与判断
声明将数学定义为跨世代积累的概念、方法、抽象与工具体系。著名问题原本是“路标”和“灯塔”：它们的价值在于催生可由共同体讨论、简化、写作、教学并最终复用的新思想，而不是仅产生一个可判定为真或假的终局答案。
因此，“严重错位”指目标函数的冲突：AI 公司以速度、榜单表现和重大难题的完成度衡量进展；数学共同体则以理解、可解释的方法、可靠归因、可学习和可传承的知识为中心。声明还将此视为科学与创意劳动更广泛对齐问题的一个先兆。
二、声明的核心诉求
|
诉求 |
声明依据 |
可操作含义 |
|
1. 给数学“消化”的时间 |
匆忙宣布结果，往往没有时间完成严谨写作、分离新方法与新思想，以及讨论和简化。 |
发布不应以抢先为唯一目标；应让独立专家有时间阅读长证明、复现形式化环境、识别关键引理、澄清适用范围与局限。 |
|
2. 归因与引用透明 |
声明明确指出，仓促发布会缺少对前人工作的引用，并引发严重的署名与剽窃问题。 |
披露问题来源、提示与训练／检索边界、相关并行工作、工具链和贡献分配；对尚未公开但可能受产品数据影响的研究，应采用更严格的隔离、审计和说明。 |
|
3. 人类消化与知识传承 |
数学思想须借由报告、私下讨论与细致写作传播；若没有数学家将 AI 构想培育并纳入典范，它们不会真正“活起来”。 |
把成果转化为人可理解的证明、讲义、方法论和教材；保留学生通过解题形成问题意识和提出新问题的训练链条。 |
关键区分
声明不主张停用 AI。其结尾承认 AI 可以增强和加速真正的数学学习与理解；其条件是人类对技术目标、发布节奏、整合方式和责任归属作出审慎选择。
三、25 位首批签署人
以下名单按公开声明所列顺序整理；25 人均为菲尔兹奖得主，获奖年份横跨 1978 至 2026 年。
|
序号 |
签署人 |
菲尔兹奖年份 |
|
1 |
Artur Avila |
2014 |
|
2 |
Manjul Bhargava |
2014 |
|
3 |
Caucher Birkar |
2018 |
|
4 |
Pierre Deligne |
1978 |
|
5 |
Yu Deng（邓煜） |
2026 |
|
6 |
Simon Donaldson |
1986 |
|
7 |
Hugo Duminil-Copin |
2022 |
|
8 |
Alessio Figalli |
2018 |
|
9 |
Martin Hairer |
2014 |
|
10 |
June Huh（许埈珥） |
2022 |
|
11 |
Maxim Kontsevich |
1998 |
|
12 |
Elon Lindenstrauss |
2010 |
|
13 |
Pierre-Louis Lions |
1994 |
|
14 |
James Maynard |
2022 |
|
15 |
Curt McMullen |
1998 |
|
16 |
Shigefumi Mori（森重文） |
1990 |
|
17 |
Ngô Bảo Châu（吴宝珠） |
2010 |
|
18 |
Andrei Okounkov |
2006 |
|
19 |
Peter Scholze |
2018 |
|
20 |
Stanislav Smirnov |
2010 |
|
21 |
Terence Tao（陶哲轩） |
2006 |
|
22 |
Maryna Viazovska |
2022 |
|
23 |
Cédric Villani |
2010 |
|
24 |
Wendelin Werner |
2006 |
|
25 |
Efim Zelmanov |
1994 |
四、OpenAI 纳维 - 斯托克斯争议时间线
注：以下将“当事方陈述”与“已公开可验证的技术状态”区分开来。Lean 形式化检查可验证形式化代码与其定义、定理之间的逻辑链条，但不自动替代人类对建模选择、问题映射、研究新颖性与科学解释的审查。
|
日期 |
事件 |
意义与争点 |
|
8 月 28 日起 |
OpenAI 称开始训练一款新的内部模型，训练仍在进行。 |
模型性能与训练边界成为后续“用户输入是否可能影响结果”争议的背景。 |
|
9 月 1 日 |
OpenAI 称听闻“两道千禧年难题已被解决”的传闻，随后让多智能体系统评估所有未解千禧年问题及若干高影响问题。 |
OpenAI 表述称，最初并不知道传闻指向 Alpöge 与 Buckmaster 的工作。 |
|
9 月 5 日 |
OpenAI 称约 1 万并发智能体在约 88 小时后得到纳维 - 斯托克斯结果；随后由 GPT-6 Astra 完成约 17 小时 Lean 形式化与验证。 |
OpenAI 披露纳维 - 斯托克斯过程约 270 万条消息、约 1300 亿输出 token。 |
|
9 月 6 日 |
OpenAI 称项目与 Lean 验证完成后联系两位数学家，提出并行发布并承认其优先权；它后来得知对方结果是受迫 Euler，而非纳维 - 斯托克斯。 |
围绕联系时点、交流措辞、共同发布及应如何归功，双方叙述出现尖锐分歧。 |
|
9 月 7 日 |
Tristan Buckmaster（纽约大学）和 Levent Alpöge（Anthropic）公开三项工作：受平滑外力驱动下的不可压缩多孔介质、Boussinesq 与三维不可压缩 Euler 方程有限时爆破，并附 Lean 形式化。 |
这不是公开的全纳维-斯托克斯解；但 Euler 与纳维 - 斯托克斯密切相关，且该成果构成优先权、相似路径与引用问题的导火索。 |
|
9 月 8 日 |
OpenAI 正式宣布：内部系统给出三维不可压缩纳维 - 斯托克斯有限时间奇性证明，声称满足 Clay 表述中的 C、D 情形；发布 166 页写作与 Lean 形式化，称不申领奖金。 |
公司称证明为“受迫”纳维 - 斯托克斯：平滑外力下初始静止流体可有限时奇异；由此反驳“所有光滑解始终光滑”的方向。 |
|
9 月 8 - 10 日 |
舆论和数学界集中讨论优先权、数据隔离、独立审阅与署名。OpenAI 先表示无法完全排除去标识化产品使用数据影响模型的可能，9 月 10 日更新称调查确认 Buckmaster 过去两个月的 Codex 提示不可能以任何方式影响该系统（包括训练）。 |
核心不是已证实的不当使用，而是透明度与可审计性的要求；Buckmaster 也表示自己没有看过 OpenAI 证明，并未直接指控其使用数据。 |
|
9 月 11 日 |
25 位菲尔兹奖得主发布《人工智能在数学中的严重错位》。 |
争论从单一成果的优先权纠纷，升级为对 AI 数学发布激励、学术生态与知识传承的制度性批评。 |
五、各方数学家的核心反驳与回应
|
主体／代表 |
核心观点 |
应如何理解 |
|
Buckmaster 与 Alpöge |
他们公开的是受迫 Euler 等相邻流体方程的有限时爆破结果，而非已公开的全纳维-斯托克斯解。Buckmaster 对 OpenAI 知悉其进展后抢发、互动中的归功安排及其研究曾存于 OpenAI 产品服务器表示担忧；同时明确称“不知道其数据是否被使用”，并“不指控任何人”。 |
这是对程序、信息边界与优先权叙事的质疑，而不是一项已经证实的抄袭指控。其要点是：在 AI 产品既服务研究者又推进模型研发时，用户研究内容与模型开发之间必须有可验证的防火墙。 |
|
OpenAI |
公司称研究人员和智能体在对方公开前没有通过任何方式看到其工作，也未访问具体用户数据；经调查，Buckmaster 在此前两个月的 Codex 提示不可能影响该系统或训练。公司还称两者证明有显著差异：对方为受迫 Euler，OpenAI 的 Euler 结果为非受迫；纳维 - 斯托克斯主张则另有证明。 |
这是针对数据使用与技术独立性的直接否认。该否认降低了“直接挪用”的推断，但外部共同体仍须评估调查披露的充分性、独立审阅和方法脉络。 |
|
Gregory Eyink（约翰斯·霍普金斯大学） |
尽管 Lean 已检查形式化，尚没有人在人类层面完整核验 166 页证明；他认为最严峻且持续的问题，是 AI 参与时如何进行贡献归属。 |
形式验证与同行理解互补而非替代：前者强于机械正确性，后者负责发现概念错误、确认问题等价、解释创新与建立可用知识。 |
|
Dallas Albritton（威斯康星大学麦迪逊分校） |
若结论成立，这是一个巨大的数学事件，因为该问题长期是该领域的“引导性问题”。 |
该观点说明：对成果保持审慎，并不等于否定其潜在重要性；相反，重要性越高，越需要缓慢、独立且可教学的审核。 |
|
25 位签署人（以陶哲轩博客所载声明为准） |
反驳把“解出题目”本身当作数学研究的终点。大量快速生产真／假断言，若不能形成可理解、可归因、可传播和可培养后继者的思想，可能破坏而非滋养数学土壤。 |
这是系统层面的批评，不依赖于 OpenAI 单一证明最终是否成立。它要求将 AI 能力展示重新对齐到理解、归因、教育和共同体整合。 |
六、评估：这场事件真正改变了什么
- “已形式化”不等于“共同体已消化”
Lean 可为形式化陈述提供强力检查，但数学共同体仍需将长证明压缩为关键机制、对照既有文献、解释为何构造有效，并确认其确实对应 Clay 问题的精确要求。
- “相邻成果”也需要精确归因
受迫 Euler、非受迫 Euler 与受迫 Navier-Stokes 在技术上不同，不能简单视为同一成果；但它们共享问题生态与方法背景。正确做法不是抹平差异，也不是以差异为由忽略上下游思想和先行工作。
- 模型能力展示需要研究治理
对重大数学宣布，最低限度的良好实践包括：
- 冻结并记录模型版本
- 披露训练、检索与工具使用边界
- 提供可复现的形式化工件
- 分层说明人类与代理的贡献
- 给独立审阅者合理时间
- 对并行研究作完整引用和清楚的优先权说明
- 教育与研究的“人类回路”是成果的一部分
若 AI 只交付答案，学生和研究者可能失去形成直觉、学习失败模式、提出新问题和将方法迁移到新领域的机会。声明所说的“人类消化”不是公关延迟，而是数学知识真正成为公共能力的生产过程。
结论
这份联合声明的最强论点并非“AI 不能做数学”，而是“数学不能只剩下 AI 已经做出答案”。OpenAI 的纳维 - 斯托克斯主张若经人类共同体充分审阅后成立，将是极具历史意义的成果；但由它触发的争议已经显示，证明的可形式化性、发布的速度与能力叙事，并不能自动解决研究的可理解性、优先权、数据治理和长期人才培养问题。
对数学及其他知识劳动而言，真正的对齐目标应当是：让 AI 扩展人的理解与创造力，而不是让可量化的“解题胜利”取代这些目标。
说明
本报告优先采用三类公开材料：
- 陶哲轩于 2026 年 9 月 11 日发布的联合声明全文与完整首批签署人名单。
- OpenAI 于 2026 年 9 月 8 日发布、并于 9 月 10 日更新的技术公告。
- Science News 对技术状态、独立数学家初步评价和归因争议的报道。
对尚未完成同行评议或尚在独立人工审读中的部分，本文均使用“声称”“公开材料显示”“尚待核验”等表述，避免将其写成既成数学定论。
