数学界在争议声中选择了另一条路：不只在社交平台上批评AI，而是把AI拉进自己的组织里。
10月11日，丘成桐数学与人工智能实验室联盟成立仪式在清华大学举行。联盟由菲尔兹奖得主、清华大学讲席教授、求真书院院长丘成桐牵头，联合清华大学求真书院、清华大学丘成桐数学科学中心、北京雁栖湖应用数学研究院、中国科学院晨兴数学中心、上海数学与交叉学科研究院、东南大学丘成桐中心、河套数学与交叉学科研究院（深圳）、香港中文大学数学科学研究所等多家数学科研机构共同组建。
先说清楚这个联盟的分量从哪里来。「菲尔兹奖得主」是数学界最高荣誉之一，而牵头人丘成桐的身份还有第二层——他是清华大学求真书院院长，长期主导国内的数学领军人才培养计划。联盟不是松散的倡议，而是把国内最主要的几家数学研究机构一次性拉进同一张桌子：北京雁栖湖应用数学研究院、中国科学院晨兴数学中心、上海数学与交叉学科研究院、东南大学丘成桐中心、河套数学与交叉学科研究院，加上香港中文大学数学科学研究所，覆盖内地与香港的数学重镇。目前已集结超过1000位数学家和科研工作者的力量。
联盟公布的攻关方向有四条主线：数学科学专用大模型研发、AI辅助数学形式化证明与猜想发现、可解释人工智能，以及交叉领域智能计算。这四条不是并列的时髦词汇，而是一条递进的链条——先有面向数学的专用模型，再用它辅助形式化证明与猜想发现，然后要求过程可解释，最后把能力外溢到其它需要严密推理的学科。
成立仪式同时发布了10余项「AI+数学」重点成果和研究方向，涉及退化阿诺德猜想问题、极小修改的有界性问题等具体课题。这些课题的名字对普通人相当陌生，但它们的共同特征是：长期悬置、进展缓慢、验证成本高。把这类问题列成清单公开发布，本身就是一种信号的释放——联盟愿意让AI在这些硬骨头上接受检验，而不是先在容易的题目上刷分。
时间点是理解这件事的关键。就在此前不久，OpenAI将一个内部模型生成的722篇数学手稿批量推送至公开仓库，引发数学界强烈反弹：菲尔兹奖得主陶哲轩批评这种「一次性倾倒」造成「证明消化不良」，多位数学家联名呼吁抵制此类发布方式，克雷数学研究所方面也未认可其中与千禧年难题相关的声明。争议的核心从来不是「AI会不会做数学」，而是「机器产出的证明怎样进入人类知识体系」。
丘成桐联盟给出的答案，是把这套流程建制化：由数学共同体自己来定义什么样的AI产出值得收录、怎样验证、以什么形式进入文献。这与陶哲轩提出的「数学2.0」判断殊途同归——当证明不再稀缺，数学家的价值从产出证明上移到定义什么值得证明，而定义权需要组织载体。
对国内AI产业而言，这条消息的实际含义是：模型评测榜单上，「能证明什么」这一项的权重会继续上升。过去两年国内大模型的竞争焦点集中在通用能力、编程与Agent，数学能力更多作为单项分数存在。当顶级数学机构开始成建制地投入专用模型与形式化证明基础设施，相关的评测标准、数据集与工具链会随之成形，而这恰恰是当前国内生态里相对薄弱的一环。
需要标注的不确定性是：联盟公布的是方向、成果清单与课题，具体的模型指标、开源计划与验证流程尚待后续披露，落地节奏以各参与机构的官方发布为准。
可以确定的观察点有两个。其一，联盟所列的10余项课题中，哪些会在一年内出现可复现的AI辅助进展——形式化证明的门槛在于可机器核验，这是最容易验证、也最容易造假的环节。其二，这批工作是否会产生面向全行业开放的数学专用数据集与验证工具。如果会，国内模型在推理类任务上的竞争将获得一层新的公共基础设施；如果不会，联盟的成果将主要停留在学术共同体内部。