当地时间2026年9月11日，一场席卷学术界的风暴正式降临。25位历届菲尔兹奖得主联合发布了一份分量极重的公开声明，直指各大科技公司争相把未解之谜当作“表演项目”的做法，正在对这门学科造成深刻的破坏。

在这份几乎涵盖了当代数学界半壁江山的联署名单中，2026年新科菲尔兹奖得主、中国数学家邓煜的态度尤为引人深思。面对AI给圈内带来的剧烈躁动，这位顶尖学者在社交媒体上半调侃地留下一句名言：“如果AI能解决所有数学问题，那我就回家写我的百合小说去。”

这既是一句极具反差感的戏谑，更折射出人类智者面对算力粗暴入侵时的无奈与清醒。当千禧年难题被科技巨头们异化为证明其模型能力的燃料，学术界最珍视的代际传承与探索精神正面临前所未有的危机。这场让全球顶尖头脑集体愤怒的危机，并非一日之寒。

回看这起事件，一切的核心纠纷都要从那个率先被AI公司强行攻克的著名难题说起。这个 NS 方程的历史起源可以追溯到欧拉。欧拉最早在十八世纪写下了描述理想无粘性流体运动的方程。但是真实的流体是有粘性的，比如说蜂蜜的粘性，就比水要强。

所以纳维和斯托克斯两个人，分别独立在十九世纪的时候，往欧拉方程里加入了粘性项，得到了全新的描述流体运动的方程，就管它叫 NS 方程。这个方程本身的结构是比较明确的。可以把它想象成对流体当中每一个微小单元写下的牛顿第二定律。

有外力在推动流体，有压力差在挤压它，还有粘性摩擦在拖慢它。再加一个约束，就是这个流体本身不可压缩，体积保持不变。在这样几个条件之下，描述流体运动的状态。因为它涉及的因素就是刚刚说的这几项，基础且简洁，所以在这样基础的方程下，它的应用范围就会非常广。

包括飞机设计、空气动力学、天气预报，各类流体模拟，都在使用它，它是流体力学的基本方程。结合中国数学家邓煜发言和25位得主的最新声明来看，背后隐藏着更深的学术掠夺隐忧。其实这也是整件争议里最核心的伦理和学术归属问题。

把整件事的贡献层级清晰拆分出来，就能看懂为什么学术界的愤怒会如此集中，而不是简单的商业竞争纠纷。第一层核心贡献，是西班牙两位数学家搭建的底层理论框架。没有这套可以层层叠加修正、逼近光滑爆破解的构造逻辑，后续所有基于 AI 的微调、验证、迭代都无从谈起。

这套理论工具是从零到一的突破，是解决 NS 方程爆破问题的唯一可行路径，也是困扰学界多年的核心瓶颈。

第二层贡献，是巴克马斯特与阿尔伯格的 AI 落地优化。他们精准捕捉到了这套理论的优化空间，借助 AI 工具完成了无数次精细的数值微调，弥补了原有理论中外力光滑性不足的缺陷，把接近成立的证明，推进到了完全符合千禧年问题严苛标准的完整证明。

这一步是从一到一点九的精进，技术难度极高，需要大量的试错和精密计算。第三层贡献，才是 OpenAI 的算力复现与快速落地。

OpenAI 没有开辟新的理论路径，也没有优化核心技术逻辑，只是在听闻圈内研究风声后，动用海量算力和团队资源，复刻并快速完成了 NS 方程版本的完整证明，同时完成了形式化验证。这也是为什么业内学者普遍不认可 OpenAI 此次成果的核心原因。

传统学术研究的逻辑，是先有长期的理论深耕、思路探索、技术攻坚，最后才有突破性成果的诞生。而 OpenAI 的模式，是依托资本和算力优势，抢占他人多年深耕的理论成果，在关键节点完成最后一步落地，进而收割整个核心成果的话语权。

这种依靠算力直接“摘桃子”的做法，正是引发集体抗议的导火索，也让人更加理解为何邓煜会调侃，若AI能解出所有数学题，行业的生态将彻底变味。很多人可能会疑惑，AI 辅助科研本身是大势所趋，为什么学界这次反应如此激烈，甚至集结菲尔兹奖得主集体抗议？

本质问题不在于 AI 参与数学研究，而在于AI 巨头凭借算力垄断，掠夺人类学者的原创学术成果。在以往的学术研究中，工具永远是辅助人类的。无论是计算机算力、各类科研软件，都是学者用来验证理论、优化数据的辅助手段，核心的思路、框架、创新点全部来自人类研究者。

学术成果的归属，也始终以人类原创团队为核心。但这次的事件彻底打破了这个平衡。OpenAI 的操作模式，让资本和算力成为了学术成果的最终收割者。

人类学者耗费数年打磨核心理论、摸索技术路径，AI 巨头只需要捕捉研究线索，投入短期的算力和人力，就能快速完成收尾工作，直接抢占全部成果归属。长此以往，基础数学研究的生态会彻底崩塌。

基础学科的研究本身周期极长、容错率极低、回报周期极慢，大多数学者都是凭借对学科的热爱长期深耕。如果所有人的原创思路、数年研究积累，最终都会被 AI 巨头凭借算力优势轻易收割，将不再有人愿意深耕基础理论创新。这也是二十五位菲尔兹奖得主集体发声的核心诉求。

他们反对的不是 AI 解数学题，而是 AI 公司无序、无规则、无学术底线的科研掠夺模式。我们把时间线拉长来看，AI虽然在解题速度上形成了降维打击，但却不可逆地割裂了思考与理解的过程，这也是包括中国数学家邓煜在内的一众学者感到担忧的原因。

高尔斯有一个很有意思的观点，AI 在数学直觉方面不如人类数学家，原因恰恰是 AI 运算速度太快。AI 算力充足，可以承受低效的大范围搜索。人类数学家没有充足资源做海量试错，所以必须学会判断方向，做好剪枝。

就好比一个拥有无限时间的人，不需要学习看懂地图，只要把每一条道路全部走一遍，最终总能抵达目的地。人类数学家没有这样的条件，所以直觉才会成为核心能力。AI 拥有无限试错的能力，自然不会重视对研究方向的判断。

这就涉及数学直觉的来源。直觉一部分来自天赋，更多来自后天大量的训练积累。很多数学家评价，依靠 AI 完成解题，会缺失这种后天训练过程。直觉的培养，需要大量尝试、不断犯错，在迷宫一样的研究路径当中反复摸索，在摸索的过程里慢慢建立判断能力。

如果所有试错环节全部交给 AI 完成，那人类研究者就会缺失这整套训练过程。这也就是陶哲轩所说的，即便 AI 破解了难题，人类对数学本身的理解，也没有随之进步。这种试错和直觉培养环节的断裂，不仅让当下的学者感到迷茫，更可能让人类失去继续探索高深数学题的肥沃土壤。

另一重损失，是下一代数学家的培养素材。优质的开放数学问题，是培养博士生，训练新一代数学家的绝佳材料。如果所有开放难题都被 AI 快速解决，下一代数学家就缺少合适的研究素材用来锻炼能力。陶哲轩用了一个比喻，数学领域当中的开放问题，就像是低背景钢。

也就是核爆之前生产出来的钢材，因为没有受到人工放射性同位素污染，在制造部分精密仪器的时候有着不可替代的作用。虽然现在也可以人工生产同类钢材，但本质上属于不可再生资源。陶哲轩认为，数学里的开放问题，同样属于这类不可再生资源。

AI 快速解决难题，一方面损失潜在的数学工具，另一方面损失培养新一代研究者的素材。就算拿到一份漂亮的证明结果，如果没有人能够完整理解整个证明过程，那这份成果也无法推动人类数学认知前进。

当时很多人认为只要机器跑出结果就是技术的胜利，但现实是，缺乏人类深刻理解的答案，终究只是一堆冰冷的代码输出。归根结底，这场由算力霸权引发的学术地震，绝非是人类学者对新技术的盲目抗拒，而是对纯粹求知精神的拼死捍卫。

邓煜的那句“回家写小说”，表面上是对大模型算力无所不能的调侃，骨子里却是对人类创造性思维不可替代性的坚守。当科技巨头为了商业利益，将千禧年难题当作炫耀火力的标靶，而不顾署名权与代际传承时，学术界发出的这声怒吼显得尤为悲壮。

技术可以碾压枯燥的试错，却永远无法代替人类在黑夜中摸索出那份灵光乍现的数学直觉。如果不去约束这种割裂“理解过程”与“产出结果”的异化行为，那么纯粹的数学家们，或许真的只能在文学虚构的世界里，去寻找属于人类文明的最后浪漫了。