近日，数学与人工智能领域的交叉动态引发广泛关注。一则关于丘成桐教授悬赏十万元征集佩雷尔曼庞加莱猜想形式化验证的消息在网络流传，尽管尚未证实截图真实性，但该话题已激起学界对AI数学能力的深度讨论。
庞加莱猜想作为拓扑学核心命题，其证明过程曾推动现代数学工具发展。2006年佩雷尔曼完成证明后，数学界持续探索形式化验证路径。与此同时，另一则更受瞩目的传闻称，Anthropic公司开发的Claude模型已攻克千禧年大奖难题之一的纳维-斯托克斯方程，相关证明正接受专家评审。该方程自19世纪提出以来，始终是工程界与数学界的双重挑战。
科技博主Andrew Curran在社交平台发布的预测引发连锁反应，多条信源交叉印证相关进展。有消息称OpenAI员工曾转述内部信息，数学家Elliot Glazer追踪发现，最初版本声称解决两个千禧年难题，后修正为一个。爆料者"草莓哥"则宣称攻克多个难题，但所有线索均指向OpenAI员工转述，缺乏独立证据支撑。Epoch AI最新评估显示，GPT-6 Astra模型能力指数为169，而传闻中的Claude模型能力或超170。
克莱数学研究所官网显示，纳维-斯托克斯方程仍列在未解问题清单，百万美元奖金尚未认领。这场争议中，数学家陶哲轩的数千字分析引发强烈共鸣。他指出，著名数学猜想的价值在于求解过程催生的理论工具，而非答案本身。若AI以黑箱方式直接给出证明，可能切断数学发展的内在逻辑链。
以纳维-斯托克斯方程为例，数学家在长期探索中发展出Leray-Hopf弱解理论等基础工具。费马大定理的求解过程更催生了模形式理论，在密码学领域持续发挥作用。陶哲轩构建的思想实验显示，若2005年就有AI公司暴力求解素数间距问题，可能埋没梅纳德筛法等重大突破，导致整个领域发展停滞。
但陶哲轩也承认，AI与数学家的协作模式存在积极案例。他以Erdos问题#1026为例，说明AI参与可同时解决问题与推进人类理解。真正需要警惕的是刻意追求基准分数、回避同行评审的商业行为。当前AI数学竞赛已呈现明显特征：Anthropic模型在11天内完成费马大定理的1300万行Lean形式化证明，伦敦帝国理工学者确认其不依赖额外假设，但证明文件规模已超出人类逐行审阅能力。
这场竞赛呈现加速态势。8月，Anthropic未发布模型在探索黎曼猜想时，将零点比例下界从41.6%提升至67.2%，突破人类纪录。值得关注的是，驱动该突破的员工并无数学背景。同期，OpenAI宣布Astra模型解决10个悬而未决十年以上的数学问题，包括构造非sofic群，总成本约2000美元。谷歌DeepMind的AlphaProof Nexus则证明44个OEIS猜想，并附带机器验证。
学界担忧正在成为现实：当AI推理能力持续攀升，顶尖数学家开始难以理解其中间步骤。9月4日Anthropic公布的费马大定理证明显示，60亿token输出中包含29500条中间定理，人类验证已退化为运行编译器检查错误。这种趋势预示着超人工智能（ASI）时代的来临，人类在数学探索中的主导地位面临根本性挑战。
商业利益与学术价值的冲突愈发尖锐。为支撑万亿美元级IPO估值，科技公司需要展示超越人类水平的AI能力，而解决历史性数学难题成为最佳证明方式。预测市场显示，2026年AI攻克千禧年难题的概率已达38%。但陶哲轩警告，若解决方式导致数学发展停滞，百万美元奖金换来的可能只是技术空心化。当指标成为唯一目标时，其度量价值必然失效，这场竞赛的终极代价或许超出所有参与者的想象。
