中科院院士对话产业专家：聚焦AI与数学交叉融合

2026年7月24日，「十六省（区、市）数学学术年会暨应用数学与人工智能学术论坛」在云南玉溪举办，论坛以「交融·创新·赋能——数学与人工智能的双向奔赴」为主题，汇聚十六省高校专家学者及数学教师代表共500余人参会。中国科学院院士周向宇与北电数智首席科学家窦德景围绕AI在数学领域的能力边界、数学家的角色变迁等议题展开深度对话。

大模型数学能力两年内大幅跃升

窦德景在分享中给出一组对比数据：2024年，十余个主流大模型的高考数学成绩均未达一本线；而到2026年，这些模型已普遍能考取重点大学，数学单科最低分135分，最高分突破140分。他同时指出，当前主流大模型已可在不提前获知题目的情况下取得奥数（国际数学奥林匹克）满分，能力达到人类顶尖智力群体水平。

周向宇对此回应称，近年来AI在赋能数学方面取得长足进步，但核心优势主要体现在模式检索与机械推演，而非真正意义上的数学创新。在可程序化、符号运算、离散构造等数学分支中，AI依托海量学术文献完成深度表征学习，能够高效完成人类因计算规模庞大而无意推进的命题验证工作。然而AI数学推导的可解释性始终是难以突破的瓶颈——AI究竟在多大程度上内化并理解了数学概念与内在逻辑，抑或仅是在高维数据空间中通过统计拟合匹配出有效关联，这一核心疑问至今仍缺乏定论。

雅可比猜想：AI能否打破人类直觉局限

双方在对话中聚焦雅可比猜想这一数学难题展开讨论。周向宇介绍，主流专家认为该猜想在三维及以上维度情形普遍存在反例，但二维情形的真伪仍是未解难题。不少数学家因变量繁杂、推演规模过大而止步于手工演算，AI却几乎不受人力局限——只要配套算力充沛，便能不间断开展大规模启发式搜索与高强度数值、符号运算。

窦德景就此追问：AI在证伪雅可比猜想中若只给出答案却无法解释推理路径，是否算「真正理解」？周向宇坦言，这正是当前AI的核心争议点：AI可以「硬生生」给出反例，人类验算无误，但无法得知答案从何而来。这一「黑箱」问题，既是数学家的困惑，也是未来研究的发力点。

数学家不会被取代：做机器不能做的事

面对「AI是否会取代数学家」这一话题，周向宇给出明确判断：数学家从古至今都在创造计算工具，核心使命始终是让机器辅助人类。机器能做的事，数学家不必重复去做；数学家要做的是机器不能做的事——从这个分工逻辑出发，不存在被取代的风险。

他进一步阐释，数学不仅仅是解题和计算，更本质的是「找规律」。人类数学家擅长从纷繁复杂的现象中提炼简洁的数学结构，通过直觉、联想与抽象思维建立新的理论框架，这种创造性过程远非当前AI所能企及。AI的定位是「助手」而非「对手」，承担大规模验证、重复性计算、文献检索等基础工作。

周向宇同时指出AI辅助研究中的学术规范挑战：AI生成的结果无法清晰追溯其参考了哪些已有工作，直接冲击了学术界的引用伦理与成果归属体系，如何建立有效规范机制是亟待解决的课题。

产业落地：从技术高原到价值落地

窦德景在演讲中系统阐述了AI大模型在科学和产业中的应用路径，涵盖数值计算、数理推演、工业仿真、产业优化等场景。在医疗领域，与中日友好医院合作的皮肤专病大模型已通过专病数据训练达到医院中级医师考核90%准确率，诊疗时间缩短20%；在先进制造业领域，星火大模型已投入实际应用。

正如菲尔兹奖得主埃菲·杰曼诺夫在2026世界人工智能大会相关论坛上所言，AI可被视为「极具天赋的年轻数学家」，但真正理解证明、提取数学洞见的责任仍须由人类承担。AI与数学的关系深度拆解、同频共振，方能推动真正的范式跃迁。