对普通大众而言，读懂这些高深猜想都并非易事，可严谨的数学证明，已然成为全球大模型巨头角逐的新赛道。
海外Google DeepMind、OpenAI、Anthropic纷纷入局，国内字节跳动 Seed‑Prover、DeepSeek、腾讯也投身其中。与此同时硅谷涌现一批 AI4Math初创企业，团队大多兼具顶尖数学科研与AI行业双重背景。
大厂布局数学证明赛道，不只为摘取数学荣誉。数学证明逻辑链条长、对错标准清晰，训练模型完成证明，能够打磨大模型长程推理能力；精进的数学能力，又能反哺模型算法、架构与安全研发，菲尔兹奖得主Jacob Tsimerman加盟OpenAI，便投身AI安全相关的数学研究。
当下AI做数学证明，依靠大模型生成推导思路，搭配Lean形式化验证系统协同工作。模型输出证明步骤，Lean逐条核查逻辑漏洞，出现错误即刻反馈，模型不断迭代修改直至完成证明。
这套模式有迹可循，此前菲尔兹奖得主主导的液体张量实验，数十位学者耗费两年，才将手写数学证明转化为机器可读代码。而今迭代后的大模型可直接输出适配 Lean 的证明文本，省去人类繁琐的转译工作。Lean 诞生于微软研究院，配套开源数据库mathlib沉淀数十万条定理定义，也是 AI研究数学的重要基石。
赛道之内路线也出现分化，早期企业深耕垂直专用数学模型；如今头部企业选择打磨通用基座，把提升通用推理作为核心目标。资源有限的初创公司，则聚焦垂直模型与形式化数据库，摸索商业化方向。
不过商业化仍处在萌芽阶段，不少海外企业瞄准芯片、航空、金融系统的形式验证，或是面向科研机构提供论文转译、数据库服务，但大多尚未实现营收。受商业模式、高端复合人才的约束，国内也暂未兴起同类创业热潮。
当机器可以批量攻克遗留的数学谜题，人类数学家的定位正在发生改变，未来的数学研究，究竟会走向AI取代人类，还是演化成人机共生的全新科研范式？
文章节选自《第一财经》杂志9月刊
