AI正在深刻冲击数学家的自我认知，但远未到“取代”的地步。当前的影响可以概括为：工具性解放与主体性焦虑并存。

冲击：从“解题”到“提问”的焦虑

AI最直接的冲击，是打破了“解题能力等于数学能力”的传统共识。过去，攻克一个悬置数十年的难题，是数学家毕生成就的象征。如今，AI能在极短时间内批量解决这类问题。例如，OpenAI的AI智能体用88小时攻克了千禧年难题之一的纳维-斯托克斯问题；AlphaProof Nexus解决了9个悬置的埃尔德什问题，其中两个已开放超过50年。

这让一些数学家产生了“主体性危机”。当AI能高效“解题”时，数学家不得不重新思考：自己不可替代的价值究竟在哪。

不可替代：AI的“解题”不等于数学的“理解”

AI目前擅长的是在已有框架内寻找答案，本质是超强的模式匹配和搜索。它像一个记忆力惊人、算力无限的“解题机器”，能快速组合已知工具去攻克目标明确的难题。

但数学的核心远不止于此。数学家的工作包含大量AI难以企及的环节：

· 提出好问题：判断哪个方向值得探索，比解一道现成的题更有价值。陶哲轩用“剧透”来形容AI企业过早公布答案的危害——过早知道答案，可能“污染”了本该在探索中孕育的新思想和新工具。
· 构建理解：解决一个问题后，需要有人“进入房间并打开灯”，理解这个解到底揭示了什么，并将其纳入更广阔的知识网络，教给下一代。
· 创造新工具：数学史上的重大突破，往往源于为解决老问题而发明的全新概念（如复数、高维几何）。AI目前还无法凭空创造这样的颠覆性工具。

真正的风险：评价体系与科研自主性

更现实的担忧在于，AI公司主导的“解题竞赛”可能扭曲数学研究的价值导向。

菲尔兹奖得主们联合声明指出，将攻克难题作为AI性能基准，对数学本身可能造成损害。压力正从“解题”转移到“评估和消化”——AI生成结果的速度远超人类审稿能力，可能导致成果发表链条“拥堵”。同时，对算力和商业模型的依赖，也引发了关于研究自主性和公平性的担忧。

数学家的应对：工具 vs. 主体

当前数学界的态度大致分为两派：

· 拥抱派（如陶哲轩、丘成桐）：视AI为强大的新工具与合作者，主张数学家应引领方向，利用AI拓展探索的边界。
· 警惕派：担忧数学作为“人类理解形式”的本质被侵蚀，认为需要捍卫研究自主权，避免被商业议程绑架。

对个体数学家而言，AI带来的是一种能力结构的重构。纯靠“苦思冥想”和“单打独斗”的古典研究模式正在被冲击，而善于定义问题、判断价值、整合AI产出的能力变得更为关键。

所以，AI没有“杀死”数学家，但它正在迫使数学家重新回答一个根本问题：数学，究竟是为了得到答案，还是为了理解世界？ 如果答案是后者，那么数学家的核心工作——提问、理解、创造、传承——AI在可预见的未来仍无法替代。