25位菲尔兹奖得主联名警告：AI公司正在”毁灭”数学
25位菲尔兹奖得主联合签署声明，指控OpenAI等头部AI公司滥用未解数学难题作为性能基准，认为这一做法正在侵蚀数学研究的严谨性，并误导公众对机器智能能力的认知。
争议核心
问题焦点在于：越来越多AI实验室通过展示模型在著名开放问题上的表现来证明能力——从黎曼猜想到长期未解的组合数学猜想。联名学者指出，当AI系统对这类问题给出部分性或启发式输出、并被包装成”突破”时，会形成扭曲的反馈循环：基准被针对性优化，资金流向博眼球的演示，而真正的数学严谨性被边缘化。
一位菲尔兹奖得主在独家回应中将这一现象称为”范畴错误”。数学不是排行榜。问题之所以开放，是因为它们编码了深层的结构性问题，而不是因为没人投入足够的算力。把数学难题当作基准目标，混淆了地图与疆域，也误导了政策制定者、投资者和公众对AI真实能力的判断。
对AI与加密交叉领域的影响
这场争论正落在加密与AI融合的核心地带。去中心化算力网络、AI智能体协议、模型代币化平台，越来越多地以”基准表现”作为卖点，常常引用数学与推理评分来证明实用性。一旦学术界正式否定这些基准的有效性，AI加密板块相当一部分的营销基础将被削弱。
- 去中心化算力网络：宣称可训练或推理前沿模型的平台，将面临更严格的验证能力质疑。
- AI智能体代币：价值主张建立在”推理基准”之上的项目，可信度可能受损。
- 数据市场：出售数学或科学数据集的平台，需要重新思考质量认证机制。
前瞻视角
这份声明不太可能阻止AI实验室继续用数学问题做评估目标——基准的商业价值太大。但它可能加速行业分化：一边是严谨、经同行评审的评估标准，另一边是营销驱动的基准文化。对加密AI项目而言，明智之举是向前者靠拢。可验证计算、透明的评估方法、模型输出的链上证明，可能成为真正的差异化优势——不是因为监管要求，而是因为学术界的反弹让无法验证的声明代价越来越高。
菲尔兹奖得主们提出的更深层问题是哲学性的：如果AI的价值要靠它无法完全解决的问题来衡量，那么行业对基准饱和度的执念，也许从一开始就在测量错误的东西。
