2026年，数学界弥漫着一种前所未有的危机感。不是来自经费削减，也不是来自生源萎缩——而是来自一个越来越擅长做数学题的AI。

一、AI在数学领域的三次“登陆”

第一次登陆：数值计算与符号运算。 计算机代数系统（Mathematica、Maple）早已能完成人类需要数小时才能完成的积分、方程求解和矩阵运算。但这只被认为是在“计算”，而不是在“做数学”。

第二次登陆：定理证明的自动化。 2024-2025年，AI系统开始能够独立证明中等难度的数学定理。虽然尚未触及千禧年难题级别，但已经能在组合数学、数论等领域生成可验证的新定理。

第三次登陆：数学直觉的逼近。 这是让数学家真正感到不安的一步。2026年多个前沿模型在FrontierMath和IMO-style基准测试中，已能解决国际数学奥林匹克竞赛难度的题目——而且是生成完整的、可验证的证明，而非仅仅给出答案。

二、危机感来自哪里？

数学界的焦虑不同于其他行业。程序员担心AI写代码，律师担心AI审合同——但这些都是“应用层面”的工作。数学家的焦虑更根本：如果AI能比人类更有效地发现数学真理，那数学家还剩下什么？

训练数据正在枯竭。 前沿模型的研究人员发现，高质量数学语料已接近耗尽。人类历史上积累的数学文献，从欧几里得到现代，在被大模型反复消耗之后，新增数学知识的生成速度远跟不上模型对“新鲜数据”的吞噬速度。

从“可验证”到“可发现”的跨越。 模型生成的证明已经可以被形式化验证系统（如Lean、Coq）自动检查正确性。这意味着数学界长期依赖的“同行评审”防线正在失效。如果AI能生成正确证明，而人类评审员甚至无法跟上AI的生成速度，数学知识的认证机制将面临根本性挑战。

三、但“危机”不等于“终结”

面对这种危机，数学界正在分化出两种态度。

第一种态度认为：AI只是更强大的工具，如同计算器之于算术、计算机之于数值模拟。AI可以发现模式、生成猜想，但理解这些猜想为何重要、将它们嵌入更大的数学框架中——这仍然需要人类数学家。

菲尔兹奖得主陶哲轩在多个场合表达过一个观点：AI不是要取代数学家，而是要让数学家的工作方式发生根本变化——从“解决问题”转向“提出正确的问题”。AI能证明一个定理，但无法判断哪个定理值得证明。

第二种态度更为谨慎：当AI能生成可验证的证明时，数学家的角色将不可避免地发生位移。未来的数学研究更像是在“指导”一个超级智能系统探索数学宇宙——数学家设定方向和目标，AI负责执行和验证。

四、数学教育的转型压力

危机感不仅来自前沿研究，还来自教育层面。

当AI能轻易解决IMO级别的数学题时，数学教育的目标必须重新定义。过去那种以“解题技巧”为核心的数学训练，正在面临被AI替代的风险。如果学生能在手机App里随时获得一个比老师更强大的数学解题助手，那大学数学课应该教什么？

答案正在浮现：教直觉、教提问、教抽象。 未来的数学教育将更加注重培养学生发现问题的能力、构造数学结构的能力、以及判断什么是有意义的数学问题的能力——而这些，恰恰是当前AI系统最不擅长的。

五、结论

2026年，AI给数学家带来的与其说是“危机”，不如说是一次“边界重构”。数学作为一门学科，不会因为AI而消亡。但数学家的日常活动——证明、推演、验证——将越来越多地与人机协作的新模式融合。正如显微镜改变了生物学家的观察方式，但并不让生物学家失业一样，AI也在做类似的事情：扩展数学家能够触及的数学空间的边界。

真正的危机不在于AI做数学比人类快，而在于我们是否准备好了迎接一个“人类设定方向、AI执行证明”的新数学时代。