数学家陶哲轩近日就人工智能在数学研究领域的应用发表长文，引发学界对AI与数学研究关系的深度讨论。他以纳维斯托克斯方程正则性问题的传闻为切入点，指出若此类基础数学问题仅被用作AI技术展示的"宣传素材"，而非推动学科发展的契机，将造成难以估量的损失。
这场争论的导火索源于近期两起数学研究事件。奥地利数学家Julia Stadlmann在arXiv平台上传的预印本论文，将相邻素数间隔上界从246推进至240。这项耗时两年的研究成果，因传闻OpenAI即将发布同类成果而被迫提前公开。随后数日内，多家科技公司相继宣布突破：Claude Opus 5.1将数值降至260，Axiom Math达到220，GPT-6 Astra更报出186的新纪录。
陶哲轩通过构建"AI提前二十年介入数学研究"的虚拟时间线，揭示技术竞赛可能带来的负面影响。在这个假设场景中，2005年GPY方法公布后，AI公司迅速将素数间隔上界刷至三位数区间，导致研究资源过度消耗。由于缺乏系统性整理，这些计算结果既未形成学术论文，也未进入教学体系，最终使张益唐、Maynard等数学家的突破性发现延迟或转向其他领域。
学界对AI的双重影响存在显著分歧。支持者认为，2026年3月UCLA会议上陶哲轩曾肯定AI在数学领域的价值，指出其节省的时间已超过消耗成本。但反对声音强调，当前部分机构将AI单纯作为"刷榜工具"的做法，与数学研究的本质背道而驰。国际数学家联盟六月发布的《莱顿宣言》特别警告，过度依赖AI生成的证明可能威胁数学研究的严谨性，科技公司的介入更可能扭曲研究导向。
对比两种研究范式，Stadlmann的34页论文展现了传统数学研究的严谨性。她通过改进数值计算方法，在保持论证完整性的前提下取得突破。而科技公司宣称的186上界尚未通过独立验证，其计算过程是否蕴含可推广的数学方法仍是未知数。这种差异使得学界开始反思：在算力竞赛中产生的"成果"，究竟有多少能真正推动数学发展？
陶哲轩在讨论中提出建设性方案，建议AI机构优先公布新的数学见解而非单纯追求数值突破。他以Erdős问题#1026的解决过程为例，说明人机协作如何同时推进问题解答与理论理解。这种观点得到部分学者响应，他们认为应当建立机制，保护具有教学价值的基础问题免受短期技术竞赛的影响。
随着AI技术持续渗透数学领域，如何平衡技术创新与学术传承成为关键命题。传统数学研究强调论证的完整性与可验证性，而AI驱动的"快速迭代"模式则可能打破这种节奏。这场争论的核心，实质是数学界对自身发展路径的重新审视：在技术浪潮中，如何守护那些需要长期沉淀的数学智慧？
