菲尔兹奖得主马丁·海尔谈 AI 数学：已达博士推演水平，但不会取代数学家

据 IT之家 8 月 15 日消息，2026 国际基础科学大会已于 8 月 9 日在北京开幕。菲尔兹奖获得者、中国科学院外籍院士马丁·海尔出席开幕式并担任颁奖嘉宾。围绕人工智能对数学研究的影响，他在央视《高端访谈》专访中表示，AI 在数学能力上进步显著，已经能够完成博士层级的数学推演，正成为研究中非常实用的工具；但他同时强调，数学家的核心工作往往正是探索那些尚不能被自动化解决的问题，AI 不会终结数学，而会改变数学研究的方式与方向。

AI 已能承担部分高阶数学推演

马丁·海尔认为，过去一段时间人工智能在数学任务上的能力提升非常明显，尤其是在推演、辅助证明、处理复杂步骤等方面，已经具备相当高的实用价值。对于数学研究而言，这意味着 AI 不再只是搜索资料或生成文本的工具，而可能成为科研流程中的“计算与推理助手”。

不过，他并不认同“人工智能将在两年内全面超越人类数学家”的判断。在他看来，AI 可能在某些特定领域表现非常强，但这并不等同于能够覆盖数学研究的全部工作。数学并非只由形式化推导构成，还包含问题选择、概念创造、研究路线判断，以及对一个理论为何重要的理解。

这一区分对于当前 AI 科技产业同样重要。模型能力的快速提升，正在把许多原本依赖高水平训练的局部任务自动化，但局部能力突破并不等于通用科研能力完成替代。在数学这样高度抽象的学科中，AI 更可能先改变工具链，而不是直接替代研究者。

对数学研究的影响：提速、重组与方向迁移

马丁·海尔指出，人工智能会改变数学学科本身。一些工作会被大幅提速，一些细分方向可能因自动化能力提升而缩小，但数学研究并不会因此消失。相反，研究者可能把更多精力转向更难被机器处理的领域，例如提出新问题、建立新框架，或理解不同理论之间的深层联系。

• 推演效率提升：AI 可帮助处理复杂证明中的步骤验证与思路探索。
• 研究重心变化：部分可自动化任务减少后，数学家会转向更具创造性的方向。
• 学科边界扩展：AI 工具可能推动数学与物理、工程、金融等领域更紧密结合。
• 人才要求变化：未来科研人员或需同时理解学科本身与 AI 工具的能力边界。

从科技观察角度看，这一判断也反映出基础科学与 AI 工具融合的现实路径：AI 不只是“答案生成器”，而是被嵌入科研流程，承担验证、探索、辅助建模等角色。对于大模型厂商和科研软件平台来说，如何让模型在严谨性、可解释性和可验证性上满足科研场景，将成为关键竞争点。

中国基础科学投入与人才回流受到关注

在谈到中国基础科学发展时，马丁·海尔表示，过去五到十年，中国数学研究水平实现了质的飞跃。他提到，中国政府持续向数学乃至整个基础科学领域投入大量资源，并通过长期政策吸引海外学者归国，已经吸引了大批优秀人才回到中国。

他还特别提到，现在有大量优秀青年科研学子选择留在中国攻读博士学位，并在中国完成完整的学术生涯，这一点令他印象深刻。来源显示，今年两位中国数学家邓煜、王虹获得菲尔兹奖，这也被他视为中国顶尖数学人才已经在国际最高层级舞台获得认可的体现。

国际基础科学大会本身也体现了这种学术交流趋势。本届大会以“聚焦基础科学，引领人类未来”为主题，覆盖纯数学、应用数学、理论物理以及工程学等领域，并吸引多位菲尔兹奖、图灵奖得主及中外院士、学者代表出席。对于中国科技生态而言，基础科学能力的提升不仅关乎论文与奖项，也会长期影响 AI、芯片、工程软件和前沿计算等产业底座。

从随机偏微分方程到科研工具文化

马丁·海尔于 2014 年因对随机偏微分方程理论的贡献获得菲尔兹奖。他在专访中解释，随机偏微分方程可用于描述带有随机扰动的系统演化，例如海面波浪可以被看作受风力随机作用影响的偏微分方程，这类理论也可应用于物理、金融等多个领域。

值得注意的是，马丁·海尔本科至博士阶段学习物理，之后转向数学研究，同时也是一名程序员。他学生时代开发的音频处理软件 Amadeus 至今仍在更新使用。这种跨学科背景与工具开发经历，恰好与当下 AI 时代的科研趋势形成呼应：基础研究者越来越需要理解工具，工具也越来越深地影响研究范式。

对于青年科研人员，马丁·海尔建议应找到自己真正热爱的方向，而不是仅仅因为某个方向当下热门就投身其中。在 AI 热潮持续升温的今天，这一提醒同样适用于技术从业者和研究者：真正长期的竞争力，仍来自问题意识、专业积累与持续创造。