菲尔茨奖得主邓煜质问OpenAI，你蒸馏全人类知识，为何拒绝开放思维链？

菲尔茨奖得主、清华大学数学教授邓煜近日再度就AI与数学研究的关系发声，直指OpenAI等头部大模型厂商存在系统性“双标”行为：在模型训练阶段毫无顾忌地吸收全人类公开知识，却在模型推理环节层层设防，拒绝学界探究其内部逻辑。

邓煜的核心质疑聚焦于“知识蒸馏”的不对称性。他指出，当前大语言模型的训练高度依赖网络文本、学术论文与公共知识库——这本质上是对人类集体智慧的规模化提取与压缩；但当数学研究者希望理解模型如何得出某个证明结论、复现其思维链（chain-of-thought）时，厂商却以“防止模型被逆向蒸馏”为由，将推理过程完全闭源加密。

“你不能在只有你蒸馏全人类的网络文献、全人类的知识的时候，就大大方方地去蒸馏；然后觉得别人想要了解一下思维链，就开始说这个不行、那个不行。”邓煜在近期讲话中直言不讳。这一表述迅速引发学界广泛共鸣。

更深层的矛盾在于科研生态的失衡。邓煜提到，许多数学家作为付费用户，向AI服务输入尚未发表的独家研究思路与技术路径；这些高质量输入被企业用于训练下一代模型，后者随即凭借新能力攻克公开数学难题，并对外发布成果、获取声誉。而原始贡献者既未获得署名权，也未分享后续收益。

“我们作为用户，得到了什么？我们什么都没有得到。既然什么都没得到，我们为什么要向你付这么多钱？”他提出的质问，直指当前AI服务商业模式中的伦理缺口。

值得注意的是，邓煜并非孤例。今年9月11日，包括陶哲轩、彼得·舒尔茨在内的25位菲尔茨奖得主曾联合签署声明《人工智能在数学中的严重错位》，系统阐述了数学界对AI介入的深层忧虑。声明明确指出：AI厂商习惯以“解题数量”衡量模型能力，而数学研究的核心价值在于概念理解、思想沉淀与推导过程的严谨性——二者目标根本冲突。

声明特别警惕一种趋势：将破解数学难题异化为算力军备竞赛。例如，OpenAI于2026年9月8日宣称，其调用约1万个并行AI智能体，在88小时内“解决”了纳维-斯托克斯方程的存在性与光滑性问题，并同步公开166页论文及Lean形式化验证代码。此类高调发布虽具技术突破性，却跳过了人类学者长期依赖的“理解—验证—修正—传承”闭环。

多位一线数学家证实，这种模式已带来现实冲击。华盛顿大学数学系博士、罗格斯大学统计学副教授韩启阳表示，过去一年间，AI在数学证明与发现上的能力出现质变，“基础数学、统计学、理论计算机科学等传统上依赖智力投入的领域，其科研模式正被快速颠覆”。他坦言，自己原先认为创造性工作最难被替代，如今判断已发生根本动摇。

问题不仅限于技术层面。邓煜担忧，若缺乏有效约束，人类研究者可能逐步沦为“给AI当狗”的辅助角色——提供原始灵感与数据，却丧失对思想产出的控制权与归属权。他主张建立可追溯性机制，明确厘清AI输出中人类个体、团队与模型各自的贡献边界，尤其需保障早期探索者的权益。

与此同时，学界正尝试主动应对。据公开信息，六位数学家已发起名为“数学之舵”（Mathematical Helm）的协作项目，系统梳理并剖析OpenAI发布的722篇相关论文，重点检验其数学证明的严密性与可复现性。初步发现显示，部分高调宣称的“突破”在形式化验证环节存在疏漏，甚至需事后撤回——这印证了邓煜所提“仓促发布、缺乏严谨检查”的批评。

事实上，AI在数学领域的进展确有实绩。除纳维-斯托克斯问题外，GPT-4o、Claude 3.5 Sonnet及Gemini 2.0等模型已在组合数学、代数几何与数论多个子领域生成新颖猜想或简化经典证明路径。但争议焦点从来不是“AI能否做数学”，而是“它以何种方式参与数学”，以及“谁有权定义数学的价值标准”。

数学作为一门极度依赖逻辑自洽与共识验证的学科，其文化传统强调：一个证明的价值不仅在于结论正确，更在于过程清晰、可被同行检验与继承。当AI以黑箱方式输出结果，即便附带形式化代码，若无法还原其启发式跳跃与直觉来源，仍难以融入数学共同体的知识生产链条。

邓煜的批评，折射出更广泛的科技伦理命题：在数据与知识日益成为关键生产要素的时代，如何平衡商业保密与学术开放？当企业利用公共知识构建私有资产时，是否应承担相应的回馈义务？这些问题已超出数学界范畴，触及整个科研体系的可持续性根基。

目前，OpenAI尚未就邓煜的具体指控作出公开回应。但业内观察认为，随着AI在基础科学领域的渗透加深，类似张力将持续加剧。未来数月，国际数学联盟（IMU）计划召开专题研讨会，探讨AI辅助研究的规范框架，其中包括模型透明度、用户贡献认定与第三方验证机制等议题。

数学家们并非抗拒技术进步，而是警惕一种危险的倒挂：当工具的效率掩盖了思考的本质，当结果的轰动取代了过程的尊严，数学或将失去其作为“人类理性最高表达之一”的独特地位。邓煜的诘问，正是对这一风险的清醒预警。