ARTICLE · 1293033

哈佛数学界“分裂”了:AI 解出 90 年难题,留学生该站哪边?

发布时间：2026-11-01 22:08:59 最近访问：2026-11-01 22:09:00

🧠 今年 9 月，OpenAI 宣布他们通过指挥1万个Agent，花了88小时，烧了1300亿token，终于解决了"纳维-斯托克斯方程(NS方程)问题——这道题悬在数学界头顶快一个世纪，是克雷数学研究所七大千禧年大奖难题之一，解出来直接拿 100 万美元。消息一出，哈佛数学系直接吵翻了天。

纳维–斯托克斯方程（Navier-Stokes existence and smoothness problem），是流体版的牛顿第二定律：它根据压力、黏性和外力，计算水或空气下一刻怎么流动。通俗来说，是一套描述"流体怎么流动"的数学公式——水、空气、油、咖啡在杯子里被搅动，都归它管。从天气预报到飞机设计，从血管里的血液到台风路径，靠的都是这套方程。你可以把它想成一场"天气预报的终极赌局"——物理学家用这套方程天天算明天的天气，算得挺准；但数学家要的是保证：不管明天刮多大的风、下多大的雨，这套方程给出的数字永远有意义、永远不会在某一刻变成"无穷大"然后彻底失效。这个保证，两百年了，没人能给出来。

而如今，AI补上了这块两百年没人补上的空白，这确实是一件足以改写教科书级别的大事。而数学家们争论的，恰恰是：这个"证明"，到底站不站得住。

《哈佛深红报》采访了十几位哈佛数学教授、研究员和讲师，观点大相径庭。

支持派：结果对了就行，谁解的不重要

CMSA 研究员 Ahsan Khan 的话很直接：“如果有人能告诉你广义相对论的方程，是爱因斯坦推导的、希尔伯特推导的、还是 ChatGPT 推导的，有区别吗？它仍然是广义相对论。” 在 Khan 看来，准确性远比过程重要。

反对派：没有过程的证明，算证明吗？

哈佛教授 Melanie Wood 的态度很明确：“AI 应该是增进人类理解的工具，而不是取代理解、把我们的知识只存在机器里。” 她参与成立的“数学与人工智能顾问小组”，目标就是给 AI 公司发布数学成果定规矩——毕竟，没有引用、没有推导过程的“黑箱证明”，同行根本没法验证。

中间派：AI 当工具可以，当“代笔”不行

不少教授的态度其实更务实：用 AI 做文献检索、整理讲义、写代码没问题，但核心的 idea、证明思路，还是得人自己来。数学系 Benjamin Peirce Fellow Michał Szachniewicz 说得好：“我还是更喜欢和其他数学家讨论问题，而不是坐着跟 ChatGPT 打字。”

如今，由于AI引发的话题络绎不绝。如今这场争执已不再停留于学术界的茶余饭后——今年秋天，哈佛多门入门数学课已经推行“课堂无科技”政策，上课和研讨课期间全面禁用电子设备。

入门数学项目主任 Brendan Kelly 说了一句话很值得琢磨：这些政策的目的是“提升学生的技能、思维倾向和学术身份认同”。翻译一下就是：你可以用 AI，但不能让它替代你“变成”一个数学家。

在 9 月的哈佛峰会上，24 位数学家达成了一项共识建议：更重视面对面的书面和口头评估，同时培训学生在研究中合理使用 AI 工具。换句话说，未来的考核方式，可能越来越“反 AI”——越是在 AI 能作弊的环节，越要靠面对面来检验。

对于我们的启示

AI 不是敌人，但也不是替身。文献检索、代码辅助、整理笔记——这些放心用。但你的独立思考、论文的核心论证、课堂的口头表达，这些东西 AI 替代不了，学校也在想办法保护它们。
读懂规则比用好工具更重要。搞清楚学校课程的 AI 使用政策，不是“能不能用”，而是“怎么用才算合规”。提前了解这些规则，你在用 AI 写论文、做研究时才能不踩线。
别把“无科技课堂”当成倒退。它其实是在保护我们最值钱的东西——和真人深度讨论、即时思辨的能力。这些是未来职场和学术圈真正区分我们和AI的东西。

最后，哈佛数学系本科培养主任 Laura DeMarco 说的那句话，送给每一个在海外读数学的你：

“成为数学家，就是成为一群共同探索者的一部分。我对这个社群的未来，非常乐观。”

AI 可以帮我们算得更快，但真正定义一个数学家的，是你愿意花时间去“想”的那部分——那部分，AI 抢不走。