2026年9月的数学界，正在经历一次前所未有的集体震荡。25位菲尔兹奖得主联署公开信，直指AI公司“用暴力解题摧毁数学精神”。OpenAI声称用10000个Agent、88小时给出纳维-斯托克斯方程的候选解法。Anthropic的Claude在11天内写完了费马大定理的完整形式化证明——1300万行Lean代码，约29500个中间定理。而就在这场风暴的中央，陶哲轩个人博客上出现了一篇客座文章，标题像一句预言，更像一声召集令：
“We're gonna need a lot more mathematicians.”
这篇文章的作者是UCLA计算机科学教授、顶级密码学家Amit Sahai。他不是在哀叹数学家将被AI取代。恰恰相反，他提出了一个远比表面焦虑更深刻、也更有建设性的判断。
从“跟不上一个人”到“跟不上所有人”
Sahai在文章开头讲了一个故事：他上大学时，很多同学觉得天才同学的理解速度太快，自己跟不上，最终放弃了数学研究的梦想。“我们正在进入一个需要谦卑的时代：一个我们所有人都会知道‘跟不上’是什么感觉的时代。”
这句话写在2026年9月24日，绝不是修辞。仅仅在过去的四个月里，AI在数学领域完成了一系列让人类瞠目结舌的突破——
5月，OpenAI的一个内部推理模型推翻了Paul Erdős在1946年提出的单位距离猜想，一个悬而未决80年的组合几何难题。9位数学家的验证团队——包括1998年菲尔兹奖得主Tim Gowers——联合撰写了一篇19页的认证论文，确认了这个发现。
8月，OpenAI宣布GPT-6 Astra在10个开放数学问题上取得了突破性进展。所有证明都通过了Lean形式化验证，报告中实现了“零遗憾”——没有一个sorry（Lean中表示“此处证明未完成”的关键词），这在AI形式化工作中尚属首次。
9月4日，Anthropic释出了费马大定理的完整Lean形式化证明。数十个Claude Agent通过Prove2Me依赖图协调工作，自主运行了11天。最终产物是约1300万行Lean代码和约29500个中间定理。数学家Kevin Buzzard亲自编译并运行了验证——结果通过。
9月5日，OpenAI将一个未发布模型的10000个并发实例投入运行，耗用约1300亿个输出Token和270万条Agent间消息，在88小时内给出了纳维-斯托克斯方程存在性与光滑性问题的候选解法。这是克雷数学研究所2000年选出的七个千禧年大奖难题之一，此前悬而未决近200年。
问题不再是“AI能不能做数学”。问题是：当AI以每周一个的速度解决人类花了数十甚至上百年啃不动的难题时，人类数学家还能做什么？
一种更艰难的回答
在数学界内部，对“理解”的价值分歧正在撕裂这个共同体。
25位菲尔兹奖得主在9月11日的公开信中愤怒地指出：AI公司把“解决著名数学难题”当作模型能力的基准，是对数学这门科学和数学共同体的伤害。签名者包括1978年获奖的Pierre Deligne、2010年的吴宝珠，以及2026年刚刚获奖的邓煜。公开信的结尾写道：“AI公司的目标与数学共同体的目标严重不一致。”
但分歧在于：如果你只是批判AI“答题太快、不讲武德”，却没有回答“人类数学家到底能提供什么是AI不能的”，那这个批判就是不完整的。陶哲轩本人并未签署这封信。他在9月17日发文解释了原因——他理解签名同道们的担忧，但他认为单纯的抵制并不是答案。
四天后，另一位菲尔兹奖得主、前美国IMO队总教练Po-Shen Loh在陶哲轩博客上发文，提出了一个更尖锐的问题：“Why Do We Need Human Mathematicians Anymore?”（我们为什么还需要人类数学家？）
Loh的核心论点不是情感上的——而是一个经济论证。他的出发点是：“人类应该帮助人类繁荣。”从这个公理出发，他提出：当AI系统承担更多关键工作时，“控制点”——需要人监督、验证或否决AI决策的节点——数量会指数级增长。
Sahai在9月24日的回答可能是9月这场大讨论中最具建设性的一个。他承认——不是假设、不是怀疑，而是基于与AI系统合作的经验——AI已经在产生“美丽的新想法”，远不止于令人印象深刻的计算。
“如果AI兑现了它的承诺，我们将遇到比以往任何时候都更美丽、更重要的思想。我们必须通过建立能够共同理解它们的人类社区来回应。”
面对这种碾压式的速度差异，数学界的第一反应自然是恐惧。那些曾经因为跟不上天才同学节奏而放弃数学的学生，他们的故事正在变成所有人的故事。Sahai警告说，如果数学家因此放弃理解AI产生的成果，那将是“对人类责任的深刻放弃”。
他提出了一条截然不同的路径：接受AI的速度，但把“理解”本身提升为数学研究的最核心任务。这意味着，一个数学家的首要工作不再是发现新定理——因为AI可能比你更快——而是理解AI发现了什么、为什么它对、以及它意味着什么。
这在数学史上并非没有先例。20世纪初，当集合论悖论撼动数学基础时，数学家花了整整三十年重新定义“证明”意味着什么。那场危机没有杀死数学，而是催生了数理逻辑和计算理论的诞生。但这次有一个根本不同：上一次是内部危机，这次是外部冲击。AI不是数学共同体内部成长起来的思想运动——它是带着亿万美元的算力和压倒性的解题速度从外部闯入的。数学界没有三十年的缓冲期。
一个一万亿瓦的核聚变思想实验
Sahai在文章中设计了一个思想实验，可能是整篇论述中最有说服力的部分。
假设一台未来的AI系统提出了一个全新的一万亿瓦（1 terawatt）核聚变发电站设计方案——一个人类从未设想过的、能维持和控制聚变反应的构型。这个方案承诺廉价、充足的清洁电力。机器人已经准备好制造组件并开始建设。
你会批准建设吗？
一万亿瓦是一个疯狂的电力规模。这个决定意味着用一种人类从未构思过、更不用说实践过的原理去管理巨大的能源流。在批准之前，人类需要理解：失效模式是什么？系统关机时已经储存的能量怎么处理？材料在预期条件下能否保持行为稳定？还有哪些我们没想到的问题需要先问清楚？
“如果我不是一个对自己说‘AI已经证明了它是对的，直接建吧’的人，我就不会批准。”
Sahai希望看到人类的共同体能够理解这个设计为什么成立，以及什么证据能支撑对其安全性的信心。他明确承认：人类参与并不自动改善一个技术决策——他引用了一项2024年发表于《自然·人类行为》的研究，表明专家群体的直觉判断有时比AI模型还要差。问题不在于人是否比机器“好”，而在于社会是否保留了足够的能力去质疑、验证和否决AI的结论。
这个区分让他的立场与两种极端观点都保持了距离。他既不同意“人类数学家永远不可替代”的保守派——因为他承认AI在解题速度上已经碾压人类；也不同意“把一切交给AI”的技术原教旨主义——因为他认为人类必须保留对重大决策的“有意义审议”能力。
“有人可能会说，这些问题也应该由AI系统来处理，最终让AI决定是否建设电站。这是一个严肃的立场。但它要求我们接受一个未来：影响巨大的决策建立在没有任何人类群体理解的理由之上。”
Po-Shen Loh在同一系列讨论中提供了一个互补的视角。Loh指出，形式化的公理数学最好由计算机来做——“人类在这一战场上已经输了。”但还有大量尚未公理化的领域——确切地说，除数学之外的所有学科都没有完成公理化——那里有大量从真实问题中涌现的数学难题。数学家需要明白，他们必须去做AI做不到的事，否则他们将“成为最后一代人类数学家”。
把Sahai和Loh的视角放在一起，一幅更完整的图景浮现出来：AI负责公理世界内的快速行进，人类负责公理边界之外的探索和对整个知识体系的安全监管。
从数学危机到社会契约
Sahai的论证在这一点上从数学延伸到了社会治理。这不是一个关于数学家的职业焦虑的问题——这是一个关于人类社会在AI时代如何保留“有意义的人类意志”（meaningful human agency）的问题。
推理链可以分为三个层次。
技术层。AI的解题速度已经到了人类无法追赶的程度。这不是预言，这是2026年秋天的事实。从组合几何到流体力学，从数论到概率论，AI正在以“月”为单位攻克人类以“代”为单位奋斗的难题。
认知层。如果人类无法理解AI的推理过程，那么任何被AI“证明”的结论对人类来说都是一个黑箱。数学的价值不只是“知道结论正确”——而是理解“为什么正确”。这个“为什么”才是人类智慧能迭代、能迁移、能产生新洞见的基础。
治理层。如果被黑箱化的不仅是数学定理，还有核电站设计方案、疫苗安全性验证、气候模型的预测——那么人类社会的重大决策将不可逆转地从人类手中转移出去。这不是一个技术问题，这是一个政治和社会契约问题。
因此，“我们需要更多的数学家”这句话不是在为一门学科争取经费，而是在为人类文明保存自主决策的能力。数学家在这个新格局中扮演的角色不再只是证明定理的人，而是“人类理解力的基础设施工程师”。
“理解”本身需要大规模投资
如果接受上述论证，接下来的问题就是：怎么做？
Sahai给出了一个具体却极其雄心壮志的愿景。他设想“大批研究小组，每个都有持续的支持，每个花一个学期或一年来理解AI系统产生的一套非凡想法——在AI系统的辅助下。”他认为这将成为未来几年最重要的数学工作之一，应该以此为标准予以支持和优先级分配。
这意味着数学教育的范式转换。当前数学博士的培养模式——学生在头两年学习基础课程，然后用两到三年证明一个新定理——建立在“新定理发现是数学家的核心产出”这一前提上。但如果这个前提已经被AI打破，训练目标就必须从“教你怎么证明新定理”转向“教你如何理解复杂推理、区分严谨论证和表面合理、在巨大不确定性中找到可信的判断依据”。
这也意味着数学家的数量不是“够用就好”，而是远远不够。Sahai的标题不是悲观的叹息——他真的是字面意思。那些曾经因为跟不上节奏而离开数学的人——Sahai说他在不断地想起他们。在AI时代，所有人都将感受到那种“跟不上”的恐惧。但这次的关键不是“跑得更快”，而是“换一种方式跑”。
一个时代的十字路口
2026年9月的这场讨论——从25位菲尔兹奖得主的愤怒公开信，到陶哲轩的不署名解释，到Po-Shen Loh的尖锐提问，到Amit Sahai的建设性方案——标志着数学界与AI的关系进入了一个全新阶段。
第一阶段（约2018至2024）是“AI做数学题”的阶段：机器学习模型在IMO竞赛、奥数题、本科生级别的数学问题上取得突破。数学家们觉得有趣但无关紧要。
第二阶段（2025至2026年上半）是“AI做数学发现”的阶段：AI开始提出新猜想、推翻旧猜想、发现新的数学结构。数学界开始警觉。
第三阶段（2026年9月至今）是“数学界重新定义自身”的阶段：AI不再是工具或对手，而是环境本身——一个数学家们必须学会在其中生存和发挥作用的新的知识生态。
Sahai文章中最有力的一句话或许不是关于数学的。当他说“如果人类社区放弃理解的工作，那将是对人类责任的深刻放弃”时，他其实是在为全人类定义AI时代的公民义务：我们不需要更多的AI能力证明——我们缺的是能够理解AI、能够与AI对话、能够对AI说“不”并且说出充分理由的人。
We're gonna need a lot more mathematicians.
这句话不是说给数学系听的。它是说给每一个在乎人类自主决策权的人听的。
快报