丘成桐论文致谢AI，77岁数学泰斗，也逃不过“真香定律”？

文 | 新质动能 77岁菲尔兹奖得主，也用上AI了。 9月24日，学术平台arXiv 上线一篇微分几何领域的预印本论文，论文最后一位署名作者，是华人数学泰斗、菲尔兹奖得主——丘成桐。 这篇论文能引发学界热议，不只是研究内容本身，还有论文中的致谢环节。团队明确感谢了ChatGPT 6 Astra、Claude Pro两大AI大模型，并称这些工具“为部分证明策略的探索与计算提供了有价值的帮助”。 值得玩味的是，仅仅2个月前，丘成桐还公开表示，AI无法攻克真正高难度的纯数学难题。 从公开质疑AI能力，到亲自在核心研究中落地应用，这位顶尖学者的态度反转，格外引人关注。 其实，这不只是丘成桐一个人的转变。近一年来，AI在数学推理、证明和验证领域不断取得进展。 当AI开始进入过去主要由人类学者独立完成的研究环节，传统科研模式也正在面对新的问题：AI究竟会成为数学家的得力工具，还是会重塑学术竞争的整套规则？ 丘成桐也拥抱AI了 在全球数学界，丘成桐的学术地位毋庸置疑。 他是全球唯一集齐菲尔兹奖、麦克阿瑟奖、克拉福德奖、沃尔夫奖、马塞尔・格罗斯曼奖五项国际顶级大奖的数学家。 27岁时，丘成桐成功证明卡拉比猜想，由此开创了影响全球学术界数十年的“几何分析”领域。这一研究不仅推动了多个纯数学难题的解决，也与高能物理、宇宙学等领域的研究紧密相连。 丘成桐直接培养指导的博士超过70名，MIT著名教授IM Singer曾评价：“丘成桐教授一个人顶得上哈佛大学半个系”。 深耕学术之余，丘成桐近年将重心放在国内基础数学人才培育上。 他担任清华大学求真书院院长，牵头推行“丘成桐数学科学领军人才培养计划”，俗称“丘班”，面向全球选拔人才，每年培养名额不超百人，采用本博贯通的3+2+3培养模式，致力于在中国本土培养能够引领世界潮流的基础科学顶尖人才。 就是这样一位深耕纯理论研究、依靠人工脑力丈量学术边界的宗师级学者，最终也选择了接纳AI。 回看丘成桐近几年的公开观点，能清晰看出他对AI的认知变化。 2022年9月，丘成桐仅将AI视作校对论文、检查证明的基础工具；2023年4月，他认为尖端数学研究不受AI影响；直至2025年7月，他依旧表示AI对自己的研究冲击不大。 但到了2026年，这种态度开始松动。 今年9月，丘成桐在接受采访时坦言，AI为基础科学带来了看不清楚的变数。由他担任总编、计划2027年创刊的《AI辅助数学杂志》，核心定位就是依托AI攻克纯数学领域的顶级难题。 在丘成桐的推动下，清华大学求真书院也已组建团队，尝试借助AI完成庞加莱猜想的形式化证明工作。 而他此次引发关注的论文，解决的是一个悬置多年的经典问题。 早在1956年，数学家米尔诺提出奇异球面理论，发现七维空间内存在28种球面，它们的拓扑结构一样，但光滑形态各不相同。标准球面能拥有均匀的正截面曲率，剩下27种奇异球面能不能做到这一点，一直没有答案。这个问题，还在1982年被收入丘成桐的经典难题集。 如今，这篇得到AI辅助的论文宣布，28种球面全部实现了正截面曲率。 其实，丘成桐的态度转变，是整个前沿数学领域的真实缩影。 当下，各类旷世数学难题亟待突破，全球学者纷纷借助AI实现科研提速。在行业大趋势下，固守传统研究模式的成本越来越高，这也倒逼老一辈顶尖学者打破固有思维，重新审视 AI 这一全新的科研工具。 这场改变的背后，是AI在推理和推演能力上发生的质变。 AI正在批量攻克数学难题 过去半年，AI在数学领域的进展，已经让整个学术界为之震动。 有统计对arXiv平台三万余篇数学论文进行梳理，今年3月，借助AI完成实质性科研工作的论文占比仅为1.39%；短短五个月后，8月的占比已经飙升至14.09%，整体规模半年翻十倍，而AI的核心应用场景，正是复杂定理推导、数学证明构造等核心科研环节。 凭借强大的逻辑推演、自主试错与批量运算能力，AI打破了传统数学研究的漫长周期。 2026年9月初，OpenAI调动近万个AI智能体，消耗1300亿Token算力，仅用88小时便成功破解了七大千禧年难题之一，纳维-斯托克斯方程的存在性与光滑性问题。 相比之下，人类数学家此前带着AI助手，在这个方向上磨了一年才取得部分进展，而企业级的大模型短短数日便可输出166页的完整、严谨的证明文稿。 除了解题，AI在证明验证领域也开始发挥作用。 针对世纪难题庞加莱猜想，丘成桐的弟子Ben Chow带领团队，借助证明助手Lean以及ChatGPT、Claude等AI工具，将Hamilton和佩雷尔曼的相关证明进一步形式化，最终形成约470万行代码。 其中，约270万行代码是在AI直接协助下生成的。整体任务由AI智能体统筹拆分、并行落地，人类研究者则退居幕后，主要负责确定数学路线、检查结果并完成最终定稿。 更具颠覆性的是，AI的科研产出已经达到顶尖学术水准。 2026年8月，OpenAI展示下一代内部模型Astra在10个重大数学难题上的突破，其中包括1999年提出、困扰学界二十余年的非sofic群问题。据公开信息，这些研究成果的API调用成本不足2000美元。 如果这些进展最终得到数学界的充分验证，那么AI带来的变化就不只是“帮数学家节省时间”。 过去，数学研究比拼的是天赋、积累和时间；而现在，模型能力与算力也开始成为科研效率的一部分。十年磨一剑的研究，有可能被拥有更强模型和更多算力的团队在更短时间内推进。 工具差距，正在越来越直接地转化为科研速度差距。 顶尖学者的集体焦虑 AI带来的不仅仅是效率的飞跃，还有对传统学术价值的剧烈冲击。 2026年9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主联合发表公开信，针对AI公司将解决数学问题作为模型能力测试的做法表达担忧。 在这些数学家看来，如果AI不断以极高速度批量给出“对”或“错”的答案，研究者可能越来越关注结果本身，而没有足够时间去提炼新的数学方法、形成完整的理论体系。 更进一步，成果归属、原创性以及学术不端等问题，也可能变得更加复杂。 过去，一篇数学论文背后通常能够清晰对应到研究者的思考、推导和证明过程。但当AI开始参与其中，究竟哪些部分属于人的原创贡献，哪些部分来自模型，又该如何评价不同程度的AI参与，都会成为新的学术问题。 而在这些讨论之外，中国数学界还面临另一层现实挑战：AI工具本身的差距。 丘成桐曾用通俗的比喻点明现状：AI之于现代基础科研，就如同望远镜之于天文学，是不可或缺的核心基础设施。 在全球科研竞速的背景下，掌握顶级AI模型与算力集群，就能占据研究先机；而缺失核心工具、被技术壁垒限制的团队，研究速度与创新上限都会被彻底拉开差距，科研的公平性无从保障。 问题在于，目前全球最先进的数学AI工具，仍主要掌握在少数海外科技公司手中。 数据显示，在承认用AI做实质研究的数学论文中，中国作者占比高达32.9%，与美国相近。但从论文致谢中出现的AI模型来看，OpenAI约占60%，Anthropic约占22%，国产模型仅约2.24%。 中国数学家做前沿研究，手里握的“望远镜”绝大部分来自海外。这种对关键工具的依赖，让不少科研人员开始担忧本土基础研究的自主性。 当77岁的数学泰斗都开始借助AI摸索前行，我们不得不承认，科技工具的演进已经