OpenAI称其AI用88小时攻克纳维-斯托克斯方程，随后25位菲尔兹奖得主联名警告AI与数学界存在严重错位。数学家担忧AI跳过理解、检验与传承过程，使数学丧失本质。陶哲轩指出，AI公司只关心解题与宣传，不参与知识消化，好问题将比好答案更稀缺，代际传递链条或断裂。

陶哲轩发文征集关于数学目的、价值与本质的书籍和文章资源，以纠正公众对数学的简单化误解，并列举了相关经典著作、非正式链接及本人访谈写作，邀请读者在评论区补充更多资源。

25位菲尔兹奖得主联名警告，AI公司以解数学题为基准测试，与数学共同体目标严重错位。AI解题速度已超学界消化能力，且无法提出新问题，只会功利性耗尽开放难题，并破坏学术规范与人才培养。声明呼吁紧急应对，防止人类知识传递链断裂。

陶哲轩发文征集AI与数学相关的在线资源，涵盖声明倡议、报告分析、观点讨论及其他资源列表，并邀请读者在评论区补充链接。

陶哲轩警告，AI快速解答数学难题可能阻碍数学发展，因其过程不透明，掩盖了探索中“失败”带来的宝贵洞见。他以纳维-斯托克斯方程为例，指出AI虽能解决难题，但若过程封闭，数学界无法从中提炼新思想，影响或从正面转为净负面。他强调，数学价值在于探索过程而非答案本身。

陶哲轩与同事发表论文，量化了伍利和齐格勒定理：正密度整数集包含形如x+P_i(n)的多项式递进，其中x+1为素数。他们改进了线性情况的界，比先前结果优一个迭代对数，但未达到格林在两项情形下的多项式依赖。方法结合了素数均匀性、传递定理及Siegel近似，处理了系数模数带来的技术难点。

陶哲轩宣布Palomar数学验证注册表开放提交，旨在验证Lean证明的可靠性。该注册表由Lean FRO和ICARM孵化，检查代码是否通过类型检查、无额外公理，且形式化陈述与描述匹配。提交需通过机械检查和AI模型验证，但非同行评审。陶哲轩已成功提交Sendov猜想证明，欢迎新旧结果及AI辅助提交。

陶哲轩宣布，借助AI工具Lech Mazur的证明，Sendov猜想及Phelps–Rodriguez猜想已完全解决。证明过程简洁，仅用代数基本定理和Maclaurin不等式，并已用Lean形式化验证。文章详细介绍了证明中的关键不等式和恒等式，并讨论了Borcea、Schmeisser和Smale等未解的相关猜想。

AI端侧应用与领域知识是使用AI的关键。专家如陶哲轩能精准提问，AI响应高效；普通人缺乏专业背景，效果差。AI奖励专家，瓶颈在于提问能力，而非提示词技巧。未来专家因善用AI更贵，需深耕行业知识，而非依赖模板。

陶哲轩在ICM大会演讲中警告，AI正引发数学界“百年危机”。他提出假设AI能完成研究级数学任务，指出数学目标将因“古德哈特定律”脱钩，导致“证明过剩”和“消化不良”。他建议披露AI使用、降低“首个解出”权重、提高“消化”权重，并强调人类需定义规则，避免被AI公司逻辑主导。

陶哲轩探讨了利用现代编码工具创建数学可视化应用的优势，特别是对“zeta过程”的可视化，该过程由多个随机变量组成，具有良好的数论性质。此外，他还开发了一个展示天体运动的应用，灵感来源于游戏“Katamari Damacy”。

陶哲轩，菲尔兹奖得主，积极推动数学与人工智能的结合。他预言未来数学将依赖形式化语言，并通过Lean工具实现自动验证，促进数学协作。他发起的Equational Theories项目在AI和全球志愿者的协作下，迅速解决了大量数学问题，展现了新型数学研究模式的潜力。陶哲轩的实践证明，前瞻性思维与实际行动相结合，能够推动数学领域的创新发展。

arXiv新规要求所有署名作者对论文内容负责，若发现AI生成的错误内容，所有作者将被封禁一年。此政策旨在提高学术论文质量，防止低质量AI生成论文泛滥。陶哲轩对此表示支持，并提出改善学术环境的建议。AI的普及降低了论文生成成本，但也带来了学术诚信危机，影响科学进步。

数学家Timothy Gowers对AI在数学研究中的能力表示担忧，认为AI可能会取代博士生的研究工作。尽管AI能快速解决问题，但人类数学家的理解能力不可替代。陶哲轩强调，理解和探索数学的过程是人类独有的，AI无法完全替代。两位数学家对AI的影响看法不同，Gowers感到危机，而陶哲轩关注人类思维的深度。

陶哲轩利用AI工具Claude Code提高论文修改效率，通过输入审稿反馈与论文文件，快速识别并修正问题，仅需15分钟。他强调AI应作为数学家的助手，帮助解决细节问题，而人类则专注于核心难题。这一趋势在数学界逐渐普及，AI辅助研究的潜力不断被挖掘。

陶哲轩在普林斯顿的经历让他认识到，专注于学术并非总是有益。他指出，科学不仅要创造理论，还需讲述故事。AI的崛起改变了科学研究方式，未来需要更有效的验证和筛选机制，以应对信息泛滥的挑战。

数学家陶哲轩创立SAIR基金会，旨在促进AI与科学的结合，推动科研普惠化。他强调AI在科研中的可信度和可解释性，倡导跨学科合作，培养年轻科学家。AI将改变科研模式，但基础训练仍然重要。