2025世界人工智能大会的一场论坛上，一个有趣的环节掀起了现场高潮。

　　首位华人菲尔兹奖得主丘成桐教授亲自遴选并审核10道数学难题，上海人工智能实验室、商汤科技、阶跃星辰、MiniMax四家机构的通用大模型现场推理解题，展现出各具特色的数学逻辑推理能力。

　　这让人想到两个月前发生在加州大学伯克利分校的那场数学峰会。30位全球顶尖数学家聚在一起讨论出题，尝试难倒OpenAI新发布的推理模型o4-mini。但面对极具挑战性的难题，AI的解答行云流水、游刃有余，令数学家们诧异不已。

　　两场会议彰显了同一个趋势：数学与AI的关系，正在被颠覆。

　　在这样的语境下，“AI三问”——数学之问、科学之问、模型之问，成为本届WAIC的热门话题。

　　从传统的角度看，三者的关系基本是单向的：数学是最基础的，支撑着几乎所有科学的发展；而以大模型为代表的AI工具，则是科学发展的无数产物之一。

　　但今天，逻辑已不是那么简单。

　　2014年，“AI for Science”被提出，倡导用AI工具分析数据，推动科研工程化。AI能从人类无法处理的海量数据中挖掘出内在联系，在化学、材料、生物等诸多领域已形成了一大批科学成果。

　　到深度学习和大模型兴起的今天，“AI for Science”的概念进一步演进，人们期待AI能辅助人类提出科学假设并完成验证，甚至能独立发现新的科学规律，自行走完全过程。

　　当然，要实现这一目标，AI大模型只做到解博士生级别的数学题是远远不够的。但一些顶尖数学家已着手与AI合作进行数学研究，有的智能体已接连突破几道尘封数十年的数学难题。

　　也就是说，无论走得快还是慢，“AI反向赋能数学与科学研究”这条路已被证明是走得通的。

　　更进一步地看，前沿探索的范式正迎来全面革新。今后即便很多专门领域的研究，数学、科学、AI都缺一不可。

　　一个新近案例很好地证明了这一点：谷歌的AlphaEvolve依托其数学能力，设计了更高效的任务调度算法，反过来加速了支撑自身的大语言模型的训练过程，进一步加强了自身能力。

　　而如果在数学、科学、AI三方面“偏科”严重，就可能在新一轮全球科技竞争中落后于第一梯队。

　　也就是说，做不到“1+1+1”，成果可能是“0”，而做到了“1+1+1”，成果可能远大于“3”。

　　对志在打造人工智能高地、进而成为全球科技创新高地的上海来说，回答“AI三问”，无疑有特殊的紧迫感。当前，亟需系统布局，深度发力。

　　这里有三个重点。

　　最根本、最关键的，在于人才。

　　回答“三问”，基础是“数学之问”。即便仅仅从纯粹应用（而不考虑情怀）角度，全社会对数学这样的基础学科，也有必要给予空前的重视，基础学科的人才培养亦应有更大力度、足够耐心。

　　越到后面越会发现，有了大量解决“底层问题”的人才之后，应用领域的突破水到渠成。这方面，不能急功近利。

　　同时，只懂一门专业的人才在融合研究中很难发挥作用，新时代需要更多交叉学科人才——基础学科的人才培养，本身也要不断破界。

　　近年来，上海推动复旦大学、上海交大等高校开设“AI+数学”交叉学科，培养既通代数拓扑又懂深度学习的复合型人才。本届WAIC上，也有“数学青年与AI青年”的结对仪式，以联合研究跨领域问题等形式，创新人才培养模式。

　　平台同样不可或缺。它能承载人才，还能作为连接基础研究与市场应用的枢纽。

　　本届WAIC上，两个菲尔兹奖获得者冠名实验室落地上海，研究方向涵盖数学与AI交叉课题。由丘成桐担任首任理事长的上海数学与交叉学科研究院也于此前揭牌，集聚了一批全球数学人才，为许多交叉项目提供支持。

　　场景，则是上海的最大优势。

　　时至今日，已经无须再用政策引导需求侧优先选择AI相关的解决方案，随着AI工具的发展成熟，市场会自发选择性价比更高的一方。政府能做的，是消除供给侧和需求侧的信息差，让场景需求更真实全面地摆在研究者面前，牵引融合研究更加精准，更加有的放矢，避免资源浪费。

　　“AI三问”是个前沿话题，进一步破题，还需要很多探讨和思辨。但上海已经把重要的问题提了出来。

　　提出来了，就要努力求解——上海可以做在前头，也完全有机会走在前头。