2026-11-04 · 来源:虎嗅·中继

李欣意:按克雷研究所标准AI或算解决,人类却完全没有消化那些结果
上个月,OpenAI与Anthropic极限内卷:一边宣布攻克尘封百年的数学猜想,一边立刻甩出破解千禧年难题的大新闻,社交媒体随之陷入流量狂欢。就在《OpenAI又拿下一个千禧年难题》一类报道刷屏之后,北大北京国际数学研究中心(BICMR)副教授、北大07级数学系校友李欣意主动找上门来,与记者进行了一场三十多分钟的深谈。这场谈话的核心并非质疑AI的数学能力,而是直指围绕这些成果展开的宣传方式正在对数学学科本身造成看不见的伤害。
他的忧虑直指大厂的PR手法:“解决这些猜想,其实只是一些奖杯。”在他看来,数学难题的终极意义不在结论本身,而在于漫长征途中培养一代又一代人类数学家、沉淀深刻的理解。传闻中OpenAI解决了霍奇猜想、BSD猜想等神级难题,但在他眼中这个“解决”必须打上引号:按克雷数学研究所的标准,AI的答案或许勉强算某种维度的解决,却造成“被解决了,但完全没有被理解”的割裂——人类根本没有消化AI给出的反例或结果。
这种割裂对行业外的人可能难以体会。数学史上,一个猜想的证明过程往往比结论更珍贵:证明途中诞生的新工具、新分支,常常在几十年后反过来支撑物理学、密码学与工程计算。如果AI直接“提交答案”,过程被压缩成一纸公告,人类获得的只是结论的空壳。这也是他形容这些猜想是“刷榜奖杯”的原因——它们更像大模型竞赛中的benchmark,用于展示模型能力曲线,而非服务于数学共同体的知识积累。
配套宣传的杀伤力更直接。李欣意指出,铺天盖地的“AI攻克数学”叙事吓退了原本想学数学的年轻人——如果顶尖猜想都能被模型秒杀,苦读十年的意义何在?同时也误导了掌握经费决策权的人:当资源被宣传导向“机器可以替代证明”的想象时,培养活人数学家的长期投入就可能被低估。
仿佛历史的默契,对谈结束的第二天,陶哲轩在内的25位菲尔兹奖得主联名发出公开信,主旨与这场谈话如出一辙:数学界还是需要活人,需要以同样的力度支持活人数学家。李欣意强调,具体做法与评判标准可以变,但对虚假繁荣不加批判,就是在为糟糕的未来推波助澜。换句话说,问题不在AI太强,而在社会叙事把“AI强”简化成了“人不再必要”。
他还提到一件刚发生在身边的真事:团队一位博后研究员长期死磕一个冷门猜想,习惯借助GPT-5.x时代的早期内测版大模型,一边与AI探讨、一边推演自己的思路。这个案例颇具象征意义——AI最好的用法不是替人给出终稿,而是作为思辨的陪练。这场对谈的主题恰恰是:AI吸干了人类智慧的精华,却要毁灭产生精华的群体。
从AI算力买家的角度看,这场争论同样有采购层面的启示。大模型展示的数学刷榜成绩,常被解读为“模型越强、越值得堆卡”的信号,但买家真正需要评估的是模型在自身业务链条中的可验证性与可解释性——正如数学界需要“被理解”而非“被解决”,企业需要的是可审计、可复现的推理结果,而不是无法消化的黑箱答案。在为前沿推理模型规划预算时,不妨参考数学界的克制态度:与其追逐刷榜奖杯,不如把算力投向能被人消化、沉淀为组织能力的场景。
顺便一提与本文话题相关的算力行情侧信息:该型号当前无在售挂价数据。对于关注高端推理卡的采购方而言,这一信号说明相关算力资源在现货端流通有限,采购决策更应回到对实际工作负载与验证需求的评估上来,而非被宣传热度牵引。
回到李欣意的核心提醒:AI与人类数学家的关系,最终取决于我们选择什么样的叙事。如果只讲“奖杯”故事,年轻人会离开数学,经费会偏离培养人的轨道;如果把AI定位为拓展理解的工具,它反而可能成为下一代数学家的杠杆。数学界如此,算力行业亦然——真正稀缺的从来不是结论,而是消化结论的能力。
Q: 李欣意对OpenAI“解决”霍奇猜想、BSD猜想的评价是什么?
A: 他认为这个“解决”要打引号:按克雷数学研究所的标准,AI的答案或许勉强算某种维度的解决,但造成“被解决了,但完全没有被理解”的割裂,人类根本没有消化那些结果。
Q: 这场对谈后数学界有什么呼应动作?
A: 对谈结束的第二天,陶哲轩在内的25位菲尔兹奖得主联名发出公开信,主张数学界还是需要活人,需要以同样的力度支持活人数学家。
主题标签: OpenAI · Anthropic · GPT-5 · Li Xinyi · Terence Tao · AI Mathematics
萬安算交所 AIXX · 萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅