2026 年 10 月，数学界经历了一个难以轻描淡写的星期。OpenAI 一次性公开了数百份由内部模型生成的数学稿件，涉及数百组开放问题或研究结果。对于习惯以年为单位推进一个证明的数学家来说，这种规模甚至比其中某一个结论更有冲击力：一项成果还没被充分理解、检查、讨论，下一批已经出现。
十天后，《纽约时报》刊登了对陶哲轩（Terence Tao）的专访，标题引用了他近乎进入战时状态的表达：“I'm on a War Footing”。这位 2006 年菲尔兹奖得主、加州大学洛杉矶分校的数学教授，已经不再只是发表研究成果。他还要参与讨论数学家如何应对 AI、年轻研究者如何继续成长，以及整个学科究竟应当奖励什么。
“战争”因此是一个容易让人误会的词。陶哲轩并不是要与 AI 比赛解题，也不是呼吁把计算机赶出数学。他对机器辅助研究的兴趣，远在这场争论之前就已存在。真正使他不安的是：如果数学发现突然能够工业化生产，数学作为一种由人理解、交流、传承的活动，会不会反而变得脆弱？
要理解这场战争，必须先回到他自己的来路。
一个很早就找到答案的孩子#
陶哲轩 1975 年出生于澳大利亚阿德莱德，父母有华人背景。他在自己的个人介绍里写得颇为轻松：虽然多年生活在美国，仍首先认为自己是澳大利亚人，喜欢当地的生活方式、体育和食物。后来公众惯于把他称作“数学莫扎特”，他对自己的叙述却不那么神秘。
他确实很早便显示出非凡的数学能力。1986 年、1987 年和 1988 年，他连续代表澳大利亚参加国际数学奥林匹克竞赛，依次获得铜牌、银牌、金牌；1988 年获得金牌时只有十二岁，成为赛事历史上最年轻的金牌得主。这个履历很适合被写成天才童话：一个孩子闯入成年人的知识世界，然后一路赢下去。
真实的成长并不止于竞赛。他在弗林德斯大学学习数学，1992 年进入普林斯顿，师从调和分析大师 Elias Stein，1996 年获得博士学位。随后他来到 UCLA 任教，2000 年晋升正教授。2006 年，31 岁的陶哲轩获得菲尔兹奖，研究涉及偏微分方程、调和分析、组合数学与数论。
这些经历塑造了一个相当特殊的起点：在多数人还需要证明自己有能力做研究时，他已经多次获得学术世界的最高肯定。但他并没有变成只在一小片领域里独自工作的专家。
2004 年，陶哲轩与 Ben Green 证明了后来被称为 Green–Tao 定理的成果：素数中存在任意长的等差数列。一个看似只属于数字游戏的问题，实际需要不同数学分支的工具在同一处相遇。他后来也持续参与大型协作研究和公开讨论。对他来说，数学不是在黑板上写出一个正确式子便结束；一个发现还会成为他人的方法、训练材料、讨论对象，有时甚至成为不同领域彼此交流的语言。
也正因为如此，2026 年的变化击中了他特别看重的东西。
解出一道题，不等于完成一项数学工作#
数学当然需要答案。费马大定理、庞加莱猜想、素数问题之所以吸引世人，一部分原因正是它们让人可以用清楚的语言说明：这个问题解决了吗？
可是，对于实际研究者，证明的意义常常远超过结论本身。为了得到证明，人们会发明方法，弄清旧理论的边界，发现原本没有意识到的联系。一个课题可以培养几代学生；一篇最初只有几个人读得懂的论文，可能在十年后成为一门课程的基础。
陶哲轩并不是在 2026 年 10 月才想到这一点。8 月，他公开了一篇题为 《Mathematics in the age of AI》 的文章，依据当年国际数学家大会的公开演讲整理。文中有一个极聪明的处理：他没有执着于预测“AI 到底什么时候能达到人类数学家的水平”，而是暂且假设，AI 终将能完成相当比例的研究级数学任务，然后反问数学共同体自己。
如果假设成立，数学研究真正的目标是什么？
他列举的目标里当然有解决未解难题，也有发展新理论、理解世界、培养下一代研究者、维系共同体、积累可以传承的知识，以及创造具有持久美感的成果。过去，这些事情经常结伴发生：解决一项难题，需要发展方法；发展方法又能训练人、产生合作和新理论。因此，数学界可以把“解出重要问题”当作衡量进步的一个方便指标。
机器改变了这种关系。如果有一天，答案的数量能够以近乎无限的速度增长，但理解、训练、交流和消化成果的能力没有同步增长，那么原本被看作进步的数字，就可能与真正的学术进步脱节。
陶哲轩援引的是古德哈特定律所描述的困境：一项指标一旦成为追逐的目标，便可能失去原本的衡量能力。对数学而言，“解决了多少未解问题”原本可以代表学术繁荣；在自动化时代，它也可能只代表机器吞吐量。
这是他在争论爆发前已经形成的判断，不应被误写成看见 OpenAI 的发布才临时产生的恐慌。
十月六日，证明像文件一样涌来#
2026 年 10 月 6 日，OpenAI 公开了大量由内部模型生成的数学稿件。公开资料将它们整理为约 719 份文稿、372 组结果，覆盖数论、几何、组合数学、理论计算机科学等多个方向。一些结果附有 Lean 形式化证明，另一些尚没有相应的机器核验。
这里必须划清边界：“发布了证明稿件”不等于“数百道数学难题已经获得学界确认的解决”。形式化检查也不是全部学术评价：它通常能够帮助确认特定形式系统内的推导正确，却不自动保证自然语言论文的每一项主张都与形式化结果完全对应，更不能替人判断一个结论对现有理论究竟意味着什么。有些稿件后来被修改或撤回，另一些则在数学家检查后表现出相当重要的价值。
对 AI 研究者来说，这场发布展示了模型能力惊人的跃升。对于数学家，却出现了另一份账单：谁来逐一阅读？谁有足够专业能力发现关键缺口？如果某项证明确实成立，谁能把它改写成可供后来者使用的知识？如果它不成立，谁来说明错误在哪里？
一些批评者认为，企业展示技术进步的收益，与学术界承担验证、解释和整合的成本并不对称。10 月 7 日，Association for Human Mathematics 的一份声明在陶哲轩博客以客座文章形式转载，批评企业把大批研究稿件同时抛给数学共同体。必须强调：该声明的作者是这一团体，不能因为托管在陶哲轩博客上就把它的每一句话算作陶哲轩本人的立场。
陶哲轩自己也提出了相近而更具体的担忧：有人借助 AI 自动攻克问题，却没有能力在之后回答数学同行的问题、解释证明的意义，甚至不打算进入这一研究领域的后续讨论。学科传统中的发表不是单向交付一份答案，还意味着接受质询、补充论证、承认先前工作，以及让后来者知道这项成果究竟改变了什么。
当然，反方也有有力的问题：如果机器真的找到一个正确而重要的新证明，为什么应该为了某些人尚未准备好而延迟公开？知识不属于任何一名学者，也不存在一条天然赋予人类研究者优先权的法则。更快的发现可能带来新的研究方向，甚至让许多人第一次有机会解决从前只能旁观的难题。
这场争论之所以激烈，正是因为双方都抓住了真实的价值。科学不应阻止正确知识出现；科学也不能把知识的公共理解当成无足轻重的尾工。
他为什么特别关心年轻人#
一个已经拿到菲尔兹奖、拥有稳定教职的数学家，或许比大多数人更容易把 AI 当成有趣的新工具。它能替他处理枯燥计算，帮他寻找文献，尝试形式化证明；即使一个研究题目被别人抢先解决，他也有能力转向新的方向。
但博士生和博士后通常没有这样的余地。
数学人才的培养，本来就以极长的时间为尺度。一个青年研究者常常需要几年学习背景知识，寻找真正属于自己的问题，再靠一篇或几篇论文证明自己能够独立研究。教职、经费、同行的认可，都可能系于这一阶段逐渐形成的成绩与声誉。
如果某个研究方向突然迎来一批由机器生成的成熟结果，这不仅会改变大家接下来研究什么，也可能改变哪些努力有机会被看到。即使 AI 没有犯错，它也未必能照顾那些刚进入这个领域、尚未积累足够声望的人。
这并不证明应该保护所有人的研究题目不受竞争，更不能保证每个因技术变化而失去价值的课题都值得继续资助。陶哲轩真正指出的是一种结构性困难：当数学界过去用来培养和辨认新人的路径发生变化，新的路径在哪里？我们还能不能让一个人通过学习、尝试、失败和与同行辩论，慢慢成为数学家？
他本人是这套体系极成功的受益者。从少年竞赛、大学、普林斯顿到 UCLA，他得到的不只有一连串正确答案，还有老师、同伴、长期训练和能够不断提出新问题的环境。
年轻的陶哲轩因比别人更快找到答案而被看见。五十岁以后，他却开始替那些可能再也无法靠同样路径被看见的人担忧。这不是一个可以靠怀旧解释的反差，而是一位数学家的个人历史与学科未来之间真实的碰撞。
Math 2.0：既不是投降，也不是封锁#
10 月 9 日，陶哲轩在加州理工学院作了题为 Math 2.0 的公开演讲。第二天，他在个人博客上传了讲义，并解释自己的设想：旧的数学活动方式，过度依赖把解决未解问题当作最醒目的成功标志；新的数学共同体应当借助 AI，反过来强化理解、应用、合作与知识积累。
他没有给出一个可以在次日实施的完美制度。实际上，他的问题要比答案更清楚：如果机器能快速给出证明，数学研究的奖励体系、学术发表、验证责任以及人才培养，都得重新考虑自己的目标。
同年 10 月 16 日，几乎与《纽约时报》专访同时，陶哲轩宣布自己参与创办的非营利组织 SAIR 试运行 Open Math OS。这是比发表宣言更有说服力的一步：他不是仅仅要求大公司放慢脚步，也在尝试建设属于数学共同体的另一条技术路径。
Open Math OS 的早期版本使用已有的开放数学模型，能力还落后于当时最前沿的闭源系统，做不到随手解决顶级难题。不过，它已可用于中等规模的 Lean 形式化、数学论证的梳理与讨论。它特别强调团队账户：同一研究小组的成员可以看到彼此的提示词，试着让 AI 使用方式更接近共同研究，而不是每个人与一个私有助手单独对话。
这套设计当然仍很粗糙。免费算力来自捐赠，访问申请、团队边界、资源分配和未来模型的训练方式都需要摸索；陶哲轩也在博客评论区直接回应使用者的质疑。它距离成为成熟的数学基础设施还有很远。
但 Open Math OS 至少说明了他究竟想打什么仗。他并不反对数学家得到更强的 AI，而是反对数学家只能作为外部成果的被动接收者。
他真的能够赢吗？#
也许“赢”本身就不是合适的问题。
一旦模型能够完成某些研究级任务，人们很难仅靠约定或制度，把相关能力重新装回盒子里。企业有自己的研究目标，个人也有权使用公开工具探索数学。数学的历史从未要求每一项发现都必须得到所有现有从业者的同意。
另一方面，技术能力的出现不等于制度安排已经完成。证明的机器核验、对自然语言论证的解释、重要成果的优先权、与现有文献的关系、青年研究者的成长空间，以及由谁为错误负责，都不是多训练一个模型便自然得到答案的问题。陶哲轩的批评不因此全部正确，却也不能被简化成既得利益者阻挠进步。
他的想法更像是把数学界长期默认的价值观重新写出来：我们不仅想拥有更多正确命题，还想理解它们为什么正确；不仅想让今天的专家获得成果，还想让明天的研究者有能力提出属于自己的问题；不仅想展示系统有多聪明，还想让人类社会真正使用并继承它带来的知识。
数学曾经经历过基础危机。二十世纪初，逻辑悖论与不完备性问题迫使数学家重新追问：什么才算严格的证明？今天的危机则是另一回事。问题不再主要是“机器交出的证明能否正确”，而是：当正确证明不再稀缺，数学家究竟还在从事什么工作？
对于一个十二岁便拿下国际数学奥林匹克金牌、二十岁取得博士学位、三十一岁获得菲尔兹奖的人，这个问题尤其尖锐。他的一生似乎一直在证明，人能够怎样超越知识的边界；现在，他却得思考，当边界被机器大规模推进时，学科还能怎样容纳人。
或许这就是《陶哲轩与AI的战争》真正的含义。他要守住的不是某一道题的解答权，更不是一条禁止机器进入数学的边界，而是数学为什么值得被人研究，以及当答案不再难求时，理解、创造和培养后继者是否仍值得珍惜。
机器可以更快地找到答案。陶哲轩所争取的，是不要让我们因此忘记，为什么人类原本要提出那些问题。
资料与事实边界#
- 《纽约时报》：《‘I’m on a War Footing’: Terry Tao and the Crisis in Math》，2026-10-16 —— 本文选题缘起；因付费页面无法完整读取，本文不复述未经独立核实的采访细节或场景。
- UCLA：关于《纽约时报》陶哲轩专访的校方报道，2026-10-16 —— 核对采访身份、日期及青年研究者议题。
- 陶哲轩个人自述《Who I am?》 与 个人履历 —— 童年、教育和研究履历。
- 国际数学奥林匹克基金会：Terence Tao 简介 —— 三次奥赛及最年轻金牌纪录。
- Terence Tao：《Mathematics in the age of AI》，2026-08 —— 数学研究目标、学术价值和指标失灵的主要一手论证。
- Terence Tao：《Math 2.0》，2026-10-10 —— 10 月 9 日加州理工公开演讲和讲义。
- Terence Tao：《SAIR Open Math OS released》，2026-10-16 —— 非营利组织工具的早期能力、团队协作设计与限制。
- Association for Human Mathematics：10 月 7 日声明，陶哲轩博客客座转载 —— 代表该团体，不等同于陶哲轩本人声明。
- TechCrunch：OpenAI 数学成果与验证标准争议，2026-10-08 —— 第三方报道及陶哲轩对成果解释责任的批评。
《见π》008 人物小传编辑稿。本文为基于公开材料的独立人物写作，并非《纽约时报》专访的翻译或转载；研究者的主张、第三方争论与编辑判断分别呈现。
