2026年，AI对人类科研的冲击，正式从效率工具层面，击穿到学科根基层面。
OpenAI内部模型Astra，近期在纯理论领域完成了一次颠覆性突破：一次性攻克10个悬置多年的数学与理论计算机科学开放难题，或是取得关键性实质进展。覆盖领域横跨高维几何、编码理论、算术电路复杂度、群论、算子代数、量子复杂度、格密码学、极值组合学等硬核方向，多项成果具备全局学科影响力。
如果依靠传统科研模式，攻克这批难题，需要至少10名顶尖领域数学家，耗费数年深耕钻研。而Astra完成这一切，仅消耗价值约2000美元的Token算力成本。
成本近乎可以忽略不计、效率呈指数级碾压、精度对标顶尖博士团队。AI求解数学难题的能力，已然超越人类顶级科研个体，且迭代速度仍在持续加速。面对这场颠覆，传奇数学家陶哲轩给出了一个极具分量的定性：当下AI带给数学界的冲击，堪比百年前撼动整个学科体系的“数学基础危机”。
百年前的危机，是人类质疑自身数学体系的逻辑自洽性；而这一次由OpenAI掀起的危机，是人类开始失去对数学证明的解释权、验证权与责任归属权，甚至开始质疑数学研究本身的意义。
01 署名权与责任归属：AI与数学界的根本对立
这场博弈的核心，从来不是“AI能不能解题”，而是科学成果的归属、对错责任的界定、科研价值的定义——这是现代科学界延续百年的基本价值观：科研成果归属于人类，由人类科学家定义、验证、负责。
但OpenAI公开推翻了这套规则。针对Astra产出的数学证明，OpenAI明确表态：完全由AI生成的证明，不应归属人类作者。
在其公开说明中，OpenAI清晰界定权责边界：论文由人类协助整理、证明通过Lean形式化核验、发布流程由团队推进，但核心数学论证与证明逻辑，完全由Astra系统生成。最终成果的正确性，由OpenAI体系承担，而非人类研究者背书。
这套逻辑，直接冲撞了全球数学界刚刚形成的统一共识。
两个月前，全球顶尖数学家联合发起《人工智能与数学的莱顿宣言》，截至8月4日，已有3423名全球高校及科研机构数学家签署背书，同时获得国际数学联盟正式支持，成为当下数学领域应对AI变革的核心纲领。
宣言划定了两条不可动摇的行业底线，字字针对OpenAI的新模式：
第一，作者权专属人类。AI不具备科研作者资格，学术功劳与荣誉永远归属于人类研究者，智能工具无法替代。
第二，责任权专属人类。无论是否借助AI自动化工具，所有发表成果的论证正确性、逻辑完备性、文献引用准确性，全部由人类作者全权负责。
简单来说，数学界的共识是：AI只是工具，人类才是科研的主体、责任人、价值归属者。
而OpenAI推行的是混合新范式：AI负责最核心、最难、最具创造性的证明推导，人类仅承担辅助整理、形式化核验的边缘工作，最终成果权责由AI体系承接。
这并非简单的学术规范争议，而是两套科研体系的正面碰撞：一套是人类主导、人类负责的百年学术传统；一套是AI生成、AI主导、人类辅助的未来新范式。
02 真正的危机：人类开始“看不懂、验不了、控不住”数学证明
如果只是效率颠覆，AI只会成为数学家的辅助工具；但如今的变革，已经触及数学学科的底层逻辑，催生全新的基础危机。
数学的核心从来不是“得出答案”，而是可理解、可解释、可传播、可迭代的逻辑体系。
陶哲轩在2026年国际数学家大会（ICM）的演讲中，抛出了直击本质的终极拷问：如果AI生成一段极度冗长、形式上绝对严谨的证明，机器自主核验无误，但包括提问者在内的所有人类，都无法完全理解这套逻辑，那么这项成果的价值究竟是什么？
这正是新时代数学危机的核心：AI产出证明的速度、数量、严谨度、复杂度，已经开始超越人类的验证与理解极限。
过往的数学证明，无论多难、多深奥，都可以被顶尖数学家拆解、复盘、解读、延伸，成为整个学科的公共知识资产，滋养后续研究。正如菲尔兹奖得主威廉·瑟斯顿在经典论文中所言：数学研究的终极目标，不是堆砌定理与证明的数量，而是让人类更清晰、更高效地理解数学、思考数学。
但AI生成的部分全新证明，正在变成“孤立的技术奇观”：逻辑自洽、机器认证正确、无从辩驳，却无法被人类彻底吃透、拆解、延伸。这些成果无法融入人类数学知识体系，无法启发新的研究，只是冰冷、封闭、无法迭代的“正确答案”。
当数学失去“可理解性”，本质上就失去了学科生命力。
03 从证明稀缺，到AI时代的证明过剩
长久以来，高深数学证明是人类智力的顶级稀缺产物。
顶尖难题的突破，需要数年甚至数十年积累，依赖天才学者的灵感与深耕，稀缺到菲尔兹奖四年一评，全球仅少数人能够触及顶尖研究高度。数学研究的价值，正源于这份稀缺性与创造性。
但AI彻底颠覆了这套稀缺逻辑。仅需2000美元算力成本，Astra就能批量攻克困扰人类多年的开放难题，将顶级数学突破变成可规模化、可低成本复制的标准化产出。
陶哲轩预判，数学研究即将迎来证明过剩时代。当AI可以无限量产严谨、正确的数学证明，人类数学家的传统解题价值将被彻底稀释。
未来数学家的核心使命，将彻底迭代：不再是耗费数年攻坚难题、推导证明，而是筛选有价值的问题、甄别优质的AI证明、解读证明逻辑、提炼学科价值、推动知识传播迭代。人类的核心竞争力，从“会解题”变成“懂选择、懂理解、懂升华”。
行业格局的剧变已然落地：新晋菲尔兹奖得主Jacob Tsimerman已正式加入OpenAI；另一位得主Timothy Gowers公开预判，未来2—3年内，AI将全面超越人类，包揽出题、解题、建理论、定定义等几乎所有数学研究环节。AI的研究水平，或将快速追平顶尖华人菲尔兹奖得主邓煜、王虹的高度。
04 不止数学：AI正在动摇整个科学的根基
这场危机早已超越数学单一学科，延伸至所有基础科学领域，直指现代科学的底层逻辑。
现代科学的核心根基，是可证伪、可验证、可理解、可复盘。所有科学结论，必须能够被人类认知、拆解、核验，才能纳入公共知识体系。
但当下的AI科研范式，正在打破这一根基：AI生成的理论、证明、模型，复杂度远超人类认知边界，人类既无法完整理解，也无法有效证伪、复盘追溯。
当科学结论的对错，只能由AI自证、AI闭环核验，人类彻底失去评判能力，现代科学的底层规则便开始崩塌。
这也是《莱顿宣言》被全球数学界集体拥护的核心原因：它守护的不只是数学界的学术传统，更是人类对科学的主导权、解释权与责任权。
结语
百年前的数学基础危机，是人类怀疑自己的逻辑；今天的数学基础危机，是人类开始失去对知识的掌控。
OpenAI的Astra模型，用2000美元的算力，颠覆了延续百年的科研规则：证明不再稀缺、突破不再珍贵、智力壁垒不再牢固，甚至连学术归属与责任体系都面临重构。
未来的数学乃至基础科学，不会被AI取代，但一定会被AI彻底重塑。AI将成为规模化生产“正确答案”的工具，而人类研究者的终极价值，将回归本源：提出更深刻的问题、建立更宏大的框架、理解更本质的逻辑，为冰冷的机器证明赋予思想与学科意义。
机器负责解题，人类负责思考；机器负责产出真理，人类负责筛选价值、传承文明。这，或许是AI时代基础科学唯一的破局之路。