Liam Fedus赞同陶哲轩对概念理解的重视，但认为未来AI能参与创造数学知识；这场分歧的背景是25位菲尔兹奖得主联署声明，以及OpenAI近期在Erdős猜想和Navier–Stokes方程上的进展与争议。
AI解读：这场争论的核心不是AI能不能做数学题，而是AI做数学的方式会不会挤掉更重要的东西——概念理解和知识传承。25位菲尔兹奖得主的联署声明担心，AI公司把“解出著名难题”当成衡量能力的标准，会让数学只剩下答案。
Liam Fedus的回应是：这些担心针对的是今天的AI，不是未来的AI。他同意数学不能只见答案，但认为能力继续提升后，AI本身也能提出洞见、建立概念框架。换句话说，他和数学家们对未来方向的判断接近，分歧在于AI能不能自己走到那一步。
近期争议把问题从理念拉到了现实。OpenAI说约1万个AI Agent在88小时内找到了三维Navier–Stokes方程奇点证明；纽约大学和Anthropic的研究者几乎同期公开了同方向研究，随后围绕优先权、署名和模型是否接触过未公开数据发生争执。
对真正相关的人来说，这组信号很具体：AMS强调突破建立在几代数学家积累之上，LMS把AI定位为加速工具、提出问题仍属人类，克雷数学研究所则表示结果仍需公开、同行检验和长期验证。AI参与数学的门槛，正在从“能不能做出来”转向“怎么进入人类知识体系”。
通常读者不需要因此调整什么。但如果你在数学或AI研究一线，眼下值得盯的不是模型的下一个分数，而是署名规则、结果验证流程和研究方向的来源是否透明——这些决定AI产出的东西能不能变成可用的数学知识。
OpenAI前后训练VPLiam Fedus回应了陶哲轩等数学家关于“AI不应只追求解题，更应推动数学理解”的观点。他赞同陶哲轩对概念理解的重视，但认为不能用今天AI的能力边界框定未来的可能性。
此前9月11日，陶哲轩在个人博客发布《人工智能在数学中的严重错位》，由25位菲尔兹奖得主共同署名，名单从1978年菲尔兹奖得主Pierre Deligne一直到2026年菲尔兹奖得主邓煜。
声明认为，当前AI公司将“解决著名数学难题”作为衡量模型能力的重要标准，与数学共同体追求概念理解、方法提炼和知识传承的目标存在严重偏移，甚至可能损害数学科学本身的发展。
25位菲尔兹奖得主声明的五条要点
声明提出五点：解出难题只是数学研究的一部分，更重要的是理解背后结构、发展能用于其他问题的新概念和新方法；答案需要被理解才能成为共同知识，成果要经过讨论、简化和系统整理才能进入教材；AI匆忙发布成果可能忽视前人贡献，缺少完整论证、方法梳理和恰当引用会带来成果归属与剽窃问题；培养人的过程不能被最终答案替代，研究训练也为了让人学会理解问题、提出问题并形成自己的想法；AI有潜力促进数学，但如何使用它至关重要。
声明认为数学界需要适应变化，AI公司也需要调整方向，让技术进步真正服务于理解与探索。
AI从竞赛数学进入开放问题
2024年，AI在数学上的代表性突破主要集中在IMO这样的竞赛数学，从银牌水平一路逼近金牌。2025年至2026年，模型开始快速进入真正的开放数学问题，陆续挑战Erdős系列问题、几何猜想、千禧年问题等长期未解难题。
今年5月，OpenAI内部模型反驳了已有近80年历史的Erdős单位距离猜想。这个离散几何问题研究的是：平面上给定n个点，最多能有多少对点之间的距离恰好为1。模型构造出了无穷多反例，并在证明中引入代数数论工具。相关结果经外部数学家检查后，被菲尔兹奖得主Tim Gowers等人称为“AI数学的里程碑”。
9月初，OpenAI宣布利用约1万个自主AI Agent配合内部高级模型，在约88小时内找到三维Navier–Stokes方程出现奇点的证明，并通过Lean进行了形式化验证。量子位报道称，如果该结果最终得到数学共同体确认，AI面对的就已不再只是人类设计好的考试题。
Navier–Stokes证明的署名与优先权争议
9月初，纽约大学数学教授Tristan Buckmaster与Anthropic数学家Levent Alpöge公开了一项关于流体方程奇点的研究，OpenAI几乎同期宣布内部模型也在约1万个AI Agent协作下完成了相关证明。随后争议迅速爆发：Buckmaster怀疑OpenAI是在得知他们尚未公开的研究方向后才开始攻题，双方围绕署名、优先权以及模型是否可能接触过相关用户数据发生争执。
三家数学机构的表态
美国数学学会（AMS）强调，围绕Navier–Stokes方程奇点问题的最新进展并不是AI凭空完成的一次突破，它建立在Navier、Stokes、Leray，以及近年的Córdoba、Martínez-Zoroa、Buckmaster、Alpöge等几代数学家的长期积累之上。AMS明确提出：数学的目的，是人类的理解。
伦敦数学会（LMS）把AI定位成一种强大的新工具：它可以加速探索和发现，但提出问题、创造新概念和形成真正的数学理解，仍然是人的工作。
负责千禧年大奖认定的克雷数学研究所（CMI）没有直接确认Navier–Stokes新证明已经成立，而是表示结果仍需公开、经过同行检验，并接受长期验证。CMI也再次强调，重大数学难题的价值不只是最后那个答案，还包括解题过程中产生的新思想、新方法和新理论工具。
Liam Fedus的回应与围棋类比
Liam Fedus认为，随着AI能力边界不断扩展，“解决一道题”和“给人类提供新的思考方法”最终并不矛盾。未来的AI完全可能既负责找到答案，也负责建立一套能够被人理解、复用和继续发展的概念框架。
他引用Noam Brown此前的判断：AlphaGo出现后，人类棋手的水平明显提高，数学领域或许也会出现类似变化。他也赞同围棋的类比——AlphaGo不会解释自己的走法，但人类棋手通过研究它的落子和胜率学到了东西。
文章指出，问题在于未来AI有能力产生洞见，并不能自动回答今天应该怎样组织研究，让洞见被人理解和使用。当AI开始参与知识创造，这些知识如何产生、如何署名、如何被理解、又如何进入人类原有的学术共同体，答案还远没有形成。