中科院院士对话北电数智AI专家：以 AI 与数学 “乘法效应” 开辟产业落地新路径

中科院、北电数智等专家共探数学与AI边界

2026年7月24日，数学界重量级会议“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”在云南省玉溪市举办。论坛由中国数学会指导，十六省（区、市）数学会联合主办，云南省数学会、玉溪市教育体育局、玉溪师范学院承办，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计五百余人参会。

开幕式由中山大学数学学院姚正安教授主持，中国数学会副理事长、中国科学院数学与系统科学研究院副院长黄飞敏研究员在致辞中指出，基础数学是原始创新的源头根基，鼓励广大数学工作者主动推进数学与人工智能交叉创新，面向国家关键科技难题持续开展科研攻关。玉溪市人民政府副市长陈静、玉溪师范学院院长段红云研究员、云南省数学会理事长杨汉春教授等也出席开幕式并致辞。

北电数智首席科学家、复旦大学计算机与智能创新学院教授窦德景，与著名数学家张益唐教授，中国科学院数学与系统科学研究院周向宇院士，共同作为主论坛特邀演讲人发表演讲。

窦德景以《人工智能大模型在科学和产业的应用》为题展开分享，系统梳理了大模型在数值计算、数理推演、工业仿真、产业优化等场景中的落地路径，深度剖析了人工智能与数学交叉融合所蕴藏的创新机遇，为应用数学对接产业需求提供了新思路。

AI能力跃升：从“不及格”到“奥数满分”

论坛期间，北电数智首席科学家窦德景还与中科院周向宇院士围绕AI在数学领域的能力边界、数学家的角色变迁及AI赋能数学研究的未来图景等议题展开深度对话。

窦德景分享了一组引人注目的对比数据：2024年，十余个主流大模型的高考数学成绩均未达一本线；而到了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。更令人关注的是，当前主流大模型已可在无提前获知题目的情况下取得奥数满分，能力达到人类顶尖智力群体水平。

如果OpenAI、Anthropic、谷歌以及国内的多家企业的顶尖大模型能够协同讨论，是否会催生全新的理论突破？

对此，周向宇院士从数学家的视角给出了回应。近年来人工智能在赋能数学方面取得长足进步，但AI的核心优势主要在模式检索与机械推演等方面，而非真正意义上的数学创新。在有关可程序化、符号运算、离散构造等一些数学分支中，AI依托海量学术文献与定理数据完成深度表征学习，能够高效完成人类因计算规模庞大、变量耦合复杂而无意推进的命题验证、实例构造工作。然而AI数学推导的可解释性始终是难以突破的瓶颈：人工智能究竟在多大程度内化并理解了数学概念与内在逻辑，抑或只是在高维数据空间中通过统计拟合匹配出有效的数学关联？这一核心疑问，至今仍缺乏定论，有待学界持续深入研究。

雅可比猜想：AI能否打破“人类直觉”的局限？

对话中，双方聚焦雅可比猜想这一数学难题展开了深入讨论。

周向宇院士介绍，其实，主流专家对雅可比猜想在三维及以上维度情形普遍认为存在反例，但二维情形的真伪仍是未解难题。不少数学家会因变量繁杂、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，它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。

窦德景对此提问：AI在证伪雅可比猜想中如果只给出答案却无法解释推理路径，是否算“真正理解”？周院士坦言，这正是当前AI的核心争议点：AI可以“硬生生”给出反例，人类验算确实无误，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，也恰恰是未来研究的发力点。他同时指出，AI大规模批量演算的能力恰好弥补了人类与生俱来的短板：面对极多变量复杂繁琐推演，人类极易疏漏出错、难以长期持续运算，机器却可以不间断执行运算。这种永不间断运行的特质，让AI在命题验证、复杂反例搜寻工作中具备得天独厚的优势。

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，周向宇院士给出了明确判断：数学家从古至今都在创造计算工具，其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，他认为不存在被取代的风险。

周院士进一步阐释，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”——在数学研究中承担大规模验证、重复性计算、文献检索等基础工作，将数学家从繁琐的体力劳动中解放出来，使其专注于真正需要创造力的核心问题。

周院士也指出了AI辅助研究中的学术规范挑战。传统数学研究中，论文引用须严格标明思想来源与方法出处。但当前AI生成的结果无法清晰追溯其具体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。如何建立有效的规范机制，是亟待解决的课题。

数学家的真正优势在于“知其然，更知其所以然” 。即便AI能通过暴力计算给出反例或验证猜想，数学家追求的仍是对数学结构的深层理解与解释——真正推动数学前进的，从来不是孤立的答案，而是答案背后的思想与方法。 数学家的使命不是担忧被取代，而是善用这个新工具，去做那些机器永远做不到的事：提出新问题、构建新体系、发现新规律。

北电数智的产业视角：从“技术高原”到“价值落地”

在论坛中，窦德景系统阐述了北电数智的产业路径与落地实践。

在算力基础设施层面，公司正以全国30余个城市为支点推进算力中心建设，整合万卡级算力资源，为万亿参数级大模型的训练与迭代提供底层支撑。依托这一算力底座，北电数智构建了“数算模用”全栈闭环体系——数据、算力、模型、应用四者缺一不可，真正实现技术突破与产业场景深度咬合的价值跨越。

在这一理念驱动下，北电数智已在医疗、工业制造等多个领域落地实践。在医疗领域，北电数智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；在国产算力方面，公司正推动国产芯片从“可用”走向“好用”，为AI赋能民生筑牢自主可控的技术底座。

正如2026世界人工智能大会“数学与人工智能”创新论坛上菲尔兹奖得主埃菲·杰曼诺夫所言，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，不是工具与使用者的简单叠加，而是“乘”的关系——深度拆解、同频共振，方能推动真正的范式跃迁。

从Anthropic的Claude Fable 5在一个周末证伪雅可比猜想，到云南玉溪数学论坛上五百余位专家学者共同探讨AI与数学的融合未来，再到北电数智推动大模型在科学和产业中的落地实践——这一系列事件正在被写入AI与数学“双向奔赴”的历史。

本文由北电数智提供，量子位获授权转载，观点归原作者所有。

版权所有，未经授权不得以任何形式转载及使用，违者必究。