夜雨聆风先说一件让整个数学圈地震的事。
8月初，OpenAI公布了一个叫Astra的内部模型——它在数学和理论计算机科学领域，一口气拿下了10道悬而未决的世纪难题。
什么概念？
高维球体堆积问题，卡了46年。Gromov的非sofic群猜想，悬了27年。菲尔兹奖得主Connes的刚性猜想，挂了44年。
10道题，按API价格折算，总成本不到2000美元。平均每道200美元——大约是一个北美研究生一个周末的津贴。
消息一出，菲尔兹奖得主Gowers那天晚上没睡着。他以为AI"证明"了埃尔德什单位距离猜想，写了一句"数学家的好日子可能很快要结束了"。第二天发现AI其实是"推翻"了猜想，长舒一口气。
而就在同一周，新晋菲尔兹奖得主齐默尔曼宣布：加入OpenAI。
7月的ICM大会上，陶哲轩公开敲响警钟：AI正在引爆数学界前所未有的"价值观危机"。
· · ·
但这篇文章不是来贩卖焦虑的
我想聊的是另一件事。
气象学，本质上是一门靠数学、物理、化学撑起来的学科。流体力学、偏微分方程、数值分析、热力学、统计物理——天气预报的每一步，底层都是这些基础科学在运转。
既然AI在纯数学领域都杀疯了，
气象学家是不是更该慌？
先说结论：短期不慌，长期必须警惕。
· · ·
先看清AI到底干了什么
这次Astra突破的10道题，分布在群论、高维几何、编码理论、格密码学、算子代数等领域。全是纯数学的"硬骨头"。
注意——这些是纯数学问题。不是应用数学，不是工程优化，不是物理建模。
纯数学的核心是：给定一个猜想，证明它对，或者找到一个反例推翻它。问题有明确的边界，答案非对即错，可以用Lean等形式化工具逐行验证。
这恰好是AI擅长的战场：大空间搜索、跨领域工具调用、穷举构造、自动化验证。
但气象学面对的世界完全不同。
· · ·
气象学的"难"，跟数学的"难"不是一回事
天气预报的核心方程——Navier-Stokes方程——至今没有人能证明解的存在性和光滑性。这是千禧年七大数学难题之一，悬赏100万美元，AI也没解出来。
也就是说，气象学的地基，有一块连AI都还没搬动。
更关键的是，气象学的困难不在于"证不出来"，而在于：
▸ 方程太复杂，无法精确求解，只能数值近似
▸ 初始条件不可能完美观测，微小误差会被混沌放大（蝴蝶效应）
▸ 大气是一个开放系统，边界条件随时在变
▸ 物理过程跨多个尺度——从云微物理到行星波，差好几个数量级
这些问题不是"算力不够"或"搜索空间太大"，而是对不确定性的根本性处理。AI可以帮你跑得更快，但它不能替你说清楚"这个物理过程到底该怎么参数化"。
· · ·
但AI气象模型已经很强了
这一点不能回避。
谷歌的WeatherNext Cyclones上周刚在《Nature》发文，台风预报精度提前了一整天——相当于十年的气象预报进步。华为的盘古气象、微软的GraphCast早已进入业务运行。中国科学院的AI台风路径预报系统也在持续提升。
这些AI模型不是在"解方程"，而是在做数据驱动的模式识别——从海量历史数据中学习大气状态到未来状态的映射关系。
它们跑得快、成本低、短期精度高。在24-72小时这个时间窗口内，AI气象模型已经能和传统数值预报掰手腕。
但72小时以上呢？极端事件呢？
气候变化背景下的系统性风险呢？
目前这些领域，AI的表现远不如传统数值模式。因为这些问题需要的不只是"模式识别"，而是对物理机制的深刻理解。
· · ·
真正该想的问题
回到那个核心问题：气象学家会不会恐慌？
我采访了一圈同行的感受（好吧，是我自己的感受），总结起来就一句话：
不是"AI会不会取代气象学家"的问题，
而是"气象学家会不会被会用AI的气象学家取代"的问题。
这跟数学界的情况很像。ICM大会上，记者当面问了20多位数学家"你慌不慌"，大多数人的态度是：短期不慌。
新晋菲尔兹奖得主邓煜说得最到位：
"未来可能是数学家提出新理论、新框架，AI去做那些技术细节。AI会变强，但到那时，我们会重新定义什么叫技术细节。"
这句话放到气象学一样成立。
AI可以跑完1000个台风路径集合预报，但"这个台风为什么突然快速增强"的物理机制解释，还是需要人。
AI可以帮你优化模式参数，但"大气边界层到底该怎么表征"，还是需要人想。
AI甚至可以帮你发现数据中的隐藏模式，但"这个模式有没有物理意义"，还得人来判断。
· · ·
真正的风险
但我要说一个可能不太舒服的事实。
AI在纯数学上能做到这一步，意味着"科学发现中最困难的那部分——从海量可能性中找到正确结构——正在被工程化"。
从数学到物理，从物理到气象，这个传导链条迟早会打通。
当AI能够自主发现人类从未想到过的数学结构（这次Astra证明它已经能做到了），谁能保证它未来不会找到比我们现有的参数化方案更好的大气过程描述方式？
当AI气象模型的精度继续往上走，从24小时到72小时、到7天、到15天不断突破，传统数值模式的"物理可解释性"优势还能守多久？
所以，与其问"气象学家会不会恐慌"，
不如问：你准备好和AI一起工作了吗？
计算器出现的时候，心算不算"研究"了，但数学家退到更高层，发明了更深刻的理论。
AI做数学的时候，"证不出来"不再是障碍了，但数学家开始思考"什么值得证"。
同样的事正在气象领域发生。AI跑得快、算得准、成本低，但它不能替你提出问题、不能替你判断物理意义、不能替你在不确定性中做决策。
至少目前不能。
· · ·
素材来源：Nature（2026.08.06）、36氪（2026.08.03）、央视新闻（2026.08.03）、科技日报（2026.08.05）、Google DeepMind Blog（2026.08.06）、ICM 2026费城
👇 加入「编外气象人」读者群
和同行一起聊气象服务、聊行业趋势
扫码添加，备注"读者"
