AI 正在从“知识回答工具”走向“科研合作者”：Claude 最新数学研究意味着什么？

一、先说清楚：Claude 并没有证明黎曼猜想

过去几年，我们已经习惯向 AI 提问。

不会写代码，问 AI；不懂一份财报，问 AI；需要整理资料，问 AI；甚至面对一个陌生的专业领域，我们也越来越习惯先让大模型解释一遍。

在这种使用方式下，AI 的角色其实非常明确：

它是一个知识回答工具。

人提出问题，AI 根据已有知识进行理解、检索、推理和组织，然后给出答案。

但 2026 年，一个越来越明显的变化正在发生：

AI 开始不满足于“回答已有问题”，而是逐渐参与到人类探索未知问题的过程中。

2026 年 8 月 10 日，Anthropic 公布了一项关于 Claude 数学能力的最新研究。

研究人员给一个尚未公开发布的 Claude 研究版本提出了一个几乎“不讲道理”的任务：

尝试真正挑战一下黎曼猜想。

Claude 最终当然没有证明黎曼猜想。

但事情有意思的地方恰恰在这里。

在尝试解决这个世界级数学难题的过程中，Claude 意外在一个与黎曼猜想密切相关的问题上取得了进展。

按照 Anthropic 公布的结果，Claude 将黎曼 ζ 函数中满足黎曼猜想的零点比例的一个长期已知下界，从 41.6% 提高到了 67.2%。

如果这类能力能够继续发展，它所代表的意义可能远远超过“AI 数学又变强了”。

它真正值得关注的地方是：

大模型正在从知识的使用者，逐渐变成知识探索过程的参与者。

这可能是 AI 下一阶段最值得关注的变化之一。

在讨论这件事情之前，首先必须避免一个非常容易出现的误解：

Claude 没有解决黎曼猜想。

黎曼猜想由德国数学家 Bernhard Riemann 在 1859 年提出，是现代数学最著名的未解难题之一，也是克雷数学研究所“千禧年大奖难题”之一。

它与素数的分布密切相关。

如果用非常简化的方式理解，数学家研究黎曼 ζ 函数时，会发现这个函数存在很多特殊的“零点”。

黎曼猜想认为：

所有非平凡零点，都位于复平面中实部为 1/2 的那条直线上。

这条线通常被称为：

Critical Line——临界线。

过去一个多世纪里，大量数学家尝试证明：

到底有多少比例的零点确实位于这条线上？

数学研究已经证明至少有相当一部分零点满足这一条件，而此前长期已知的重要下界大约是：

41.6%。

Claude 做出的并不是：

41.6%
↓
100%
↓
黎曼猜想成立

而是 Anthropic 声称：

原有已知下界
41.6%

↓

Claude 得出的新结果
67.2%

所以更准确的描述应该是：

Claude 没有证明黎曼猜想，而是在研究黎曼猜想的过程中，对一个相关的数学下界问题提出了新的结果。

这个区别非常重要。

因为真正值得研究的，并不是“AI 解决了数学世纪难题”这样的夸张标题。

而是：

AI 到底是怎样得到这个结果的？

二、Claude 最值得关注的不是答案，而是研究过程

Anthropic 公布的实验过程其实比最终的 67.2% 更值得关注。

Claude 并不是得到 Prompt 后立刻输出了一篇漂亮的数学证明。

它经历了一个非常复杂的探索过程。

Anthropic 表示，这个尚未公开的 Claude 研究版本通过两次 Claude Code 会话完成相关探索，总共使用了大约：

3100 万个输出 Token。

而且最开始并不顺利。

Claude 一共尝试了大约：

650 种不同思路。

绝大多数都失败了。

这件事情非常有意思。

因为我们过去使用 ChatGPT、Claude 或其他大模型时，通常习惯于这样的交互：

问题
↓
模型思考
↓
答案

但真正的科学研究并不是这样进行的。

真实研究过程通常是：

提出问题
↓
寻找可能的方法
↓
尝试
↓
失败
↓
重新寻找方向
↓
再次尝试
↓
发现新的联系
↓
验证
↓
继续修改
↓
最终形成结果

Claude 在这次实验中表现出来的行为，已经开始更接近后一种模式。

也就是说：

AI 不只是“知道答案”，而是在进行搜索。

而科学研究的本质之一，本来就是在巨大的可能性空间中寻找一条可行路径。

三、650 次失败，可能比最终答案更重要

如果只看最终结果，人们很容易产生一种错觉：

AI 很聪明，所以一下子发现了人类没有发现的数学方法。

实际上并不是这样。

Claude 尝试了大约 650 个方向，大多数都失败了。

这反而揭示了 AI 在科研领域可能拥有的一种非常重要的优势：

它可以进行大规模、低心理成本的失败。

人类研究人员面对一个数学问题时，每尝试一种方法都需要付出时间和精力。

如果一个方向研究几个星期甚至几个月以后发现行不通，成本非常高。

而 AI 不会因为连续失败 100 次而沮丧。

它可以：

Idea 001 → Failed

Idea 002 → Failed

Idea 003 → Failed

...

Idea 417 → Failed

...

Idea 650 → Interesting

这可能产生一种新的科研模式：

Massive Hypothesis Exploration——大规模假设探索。

过去计算机主要帮助科学家进行：

大规模计算

未来 AI 可能开始帮助科学家进行：

大规模思路探索

这两者之间的区别非常大。

计算机擅长回答：

给定这个公式，帮我计算一亿次。

AI Agent 则可能逐渐能够回答：

关于这个问题，我们可以从哪些完全不同的方向尝试？

这实际上把计算机的作用从：

计算工具

推进到了：

研究探索工具。

四、Claude 做的另一件事情更值得关注：连接不同研究成果

Anthropic 对 Claude 结果的解释中，还有一个非常重要的信息。

Claude 并不是凭空创造了一套完全独立的数学体系。

它大量利用了过去几十年数学家的研究成果。

其中包括 Montgomery 在 1970 年代提出的相关方法，以及后来 Baluyot、Goldston、Suriajaya、Turnage-Butterbaugh 等数学家的进一步研究，同时结合了数学家 Enrico Bombieri 在 2000 年左右发表的一项工作。

换句话说，Claude 做了一件非常像科研人员的事情：

论文 A
+
论文 B
+
论文 C
+
论文 D
+
一个新的组合方式
↓
新的结果

这其实可能是 AI 在科研领域最有潜力的能力之一。

今天全球每天都会产生大量论文。

一个人类研究人员不可能阅读：

几十万篇论文

也不可能长期记住：

几十年前不同领域的所有研究细节

因此很多潜在的知识联系实际上可能一直隐藏在文献中。

未来 AI 一个非常重要的价值可能就是：

发现人类知识体系中已经存在、但尚未被充分连接起来的节点。

可以把整个科学文献体系想象成一张巨大的网络：

论文 A ───── 论文 B

   │

论文 C        论文 D
                 │
              论文 E

论文 F ─────────┘

人类研究人员通常只熟悉其中一个局部区域。

而 AI 可能同时看到更大的知识图谱。

于是它可能发现：

论文 A 的方法
+
论文 F 的结论
+
论文 D 的数学工具

组合起来，恰好可以解决另一个问题。

如果这种能力被证明具有普遍性，它对科研效率的影响可能非常大。

五、这意味着 AI 正从“回答问题”走向“提出研究路径”

过去大模型最主要的能力可以概括为：

Human Question
↓
AI Answer

但科研 Agent 的模式可能逐渐变成：

Research Problem
↓
AI 阅读已有研究
↓
提出假设
↓
设计方法
↓
执行推理 / 计算
↓
发现失败
↓
调整方向
↓
再次实验
↓
形成候选结果
↓
验证
↓
Human Review

这里发生了一个本质变化。

过去：

人负责研究，AI 帮忙回答问题。

未来可能逐渐变成：

人定义研究目标，AI 参与探索，人负责验证和关键判断。

于是 AI 的角色就从：

Knowledge Assistant

逐渐变成：

Research Collaborator。

也就是：

科研合作者。

六、Claude Code 出现在这次实验里，也非常值得注意

还有一个容易被忽略的细节：

Anthropic 表示 Claude 是通过 Claude Code 会话完成相关探索的。

Claude Code 原本主要被很多开发者理解为：

AI 编程智能体。

它能够：

• 阅读文件；
• 修改代码；
• 调用工具；
• 执行命令；
• 持续完成任务。

但这种 Agent 架构其实并不只适用于软件开发。

因为科研本身也是一个长任务。

传统 Chatbot：

Prompt
↓
Response
↓
结束

Agent：

Goal
↓
Plan
↓
Research
↓
Tool
↓
Result
↓
Reasoning
↓
New Plan
↓
Tool
↓
Result
↓
...

当 AI 需要探索 650 个研究方向的时候，传统“一问一答”模式显然已经不够了。

因此，这次 Claude 数学实验还有一个更大的行业信号：

Agent 架构可能不仅会改变软件开发，也可能成为未来科学研究的重要 AI 基础设施。

七、为什么“形式化验证”会越来越重要？

AI 进入数学和科学研究以后，一个巨大的问题马上出现：

怎么知道 AI 是对的？

大模型非常擅长生成看起来合理的内容。

但：

看起来正确
≠
数学上正确

这也是为什么这次 Anthropic 特别强调了验证环节。

Anthropic 的两名数学家对 Claude 的论文进行了研究和验证，并整理了面向专家的说明；Anthropic 还邀请了 Brian Conrey 和 Dan Goldston 两位该领域专家审阅相关工作。

与此同时，Claude 还生成了一份：

可以进行形式化验证的证明。

这件事情非常重要。

未来 AI 科研可能逐渐形成一个新的闭环：

AI 提出猜想
      ↓
AI 推导证明
      ↓
Formal Verification
      ↓
机器验证
      ↓
专家 Review
      ↓
研究成果

这可能会成为 AI 数学研究的重要基础设施。

因为随着 AI 生成研究成果的速度越来越快，仅靠人类逐行检查所有内容可能越来越困难。

于是未来非常重要的一类 AI 系统可能不是：

负责发现答案的 AI。

而是：

负责验证另一个 AI 的 AI。

八、未来可能出现“AI 科研团队”

如果继续沿着这个方向发展，未来科学研究甚至可能出现 Multi-Agent Research。

例如：

                 Human Scientist
                       │
                       ↓
                Research Agent
                       │
        ┌──────────────┼──────────────┐
        ↓              ↓              ↓
 Literature        Hypothesis      Experiment
   Agent             Agent           Agent
        │              │              │
        └──────────────┼──────────────┘
                       ↓
                 Verification Agent
                       ↓
                   Human Review

不同 AI Agent 分别负责：

Literature Agent

阅读全球论文。

Hypothesis Agent

提出研究假设。

Experiment Agent

执行模拟、计算或者实验设计。

Coding Agent

编写科研程序。

Verification Agent

检查数学证明和实验结果。

Writing Agent

整理研究论文。

最终，人类科学家负责：

确定方向
+
判断价值
+
审核结果
+
承担科研责任

这可能形成一种新的科研组织模式：

Human + AI Research Team。

九、科研真正的瓶颈可能从“产生想法”转向“验证想法”

但 AI 科研能力快速提高，也会带来一个非常现实的问题。

如果未来一个 AI 每天能够产生：

100 个研究假设

10 个 AI Agent 就可能产生：

1000 个研究假设

那么真正稀缺的资源是什么？

可能不再是：

Idea。

而是：

Verification。

也就是验证能力。

这意味着未来科研体系可能出现一个非常有意思的变化：

过去：

提出假设
↓
实验
↓
论文


未来：

AI 大规模提出假设
↓
筛选
↓
验证
↓
复现
↓
专家审核
↓
论文

于是科研基础设施的重要性会越来越高。

包括：

• Formal Verification；
• 自动化实验；
• 仿真平台；
• 高性能计算；
• 科研数据库；
• 自动化实验室；
• AI Review Agent；
• 可重复性验证。

未来科学进步的瓶颈，也许会逐渐从：

我们想不到新的研究方向。

变成：

AI 给出的研究方向太多，我们来不及验证。

十、AI 会不会取代科学家？

看到这里，一个很自然的问题就是：

科学家会不会被 AI 取代？

至少从目前来看，这个结论还远远过早。

Claude 这次实验本身就很好地说明了这一点。

AI 可以：

搜索大量可能性
发现数学联系
生成证明
形式化结果

但整个过程中仍然需要人类数学家：

理解结果
验证意义
判断创新性
检查证明
与已有研究比较

更重要的是：

科学研究不仅仅是解决问题。

它还包括：

什么问题值得解决？

这是一个完全不同层级的问题。

AI 可以非常擅长优化：

How?

但科学家仍然需要判断：

Why?

所以未来更可能出现的，并不是：

AI
↓
取代科学家

而是：

会使用 AI 的科学家
↓
拥有远高于过去的研究杠杆

这和 AI Coding Agent 对程序员的影响非常相似。

AI 不一定首先替代职业。

它首先改变的是：

一个人能够完成多少工作。

十一、真正值得关注的是“科研杠杆”

假设过去一个数学研究团队一年能够认真探索：

20 个研究方向

未来借助 AI Agent，也许能够探索：

200 个

甚至：

2000 个

即使其中 99% 都失败，只要剩下 1% 有价值，科研效率依然可能出现巨大变化。

所以 AI 对科学最大的影响，可能不是：

AI 成为科学家。

而是：

AI 大幅提高每一个科学家的研究杠杆。

一个研究人员未来可能同时拥有：

论文阅读 Agent

数学推理 Agent

Coding Agent

Simulation Agent

Data Analysis Agent

Verification Agent

Writing Agent

一个人实际上开始拥有一支：

AI Research Team。

这才是更值得关注的变化。

十二、从 Coding Agent 到 Research Agent

如果把最近几年 AI 的发展放在一起看，会发现一条非常清晰的路线：

2022–2023

Chatbot
↓
回答问题

然后：

2023–2025

Copilot
↓
辅助工作

再到：

2025–2026

AI Agent
↓
执行任务

而下一阶段可能是：

Research Agent
↓
探索未知

这几个阶段背后的能力升级分别是：

知识
↓
推理
↓
工具调用
↓
自主执行
↓
长期任务
↓
探索
↓
验证

当 AI 具备最后几个能力以后，它的角色就发生了本质变化。

它不再只是一个：

答案生成器。

而开始变成：

问题解决系统。

十三、这可能比“更大的模型”更重要

过去 AI 行业最受关注的指标通常是：

参数规模

Benchmark

Context Window

Coding Score

推理能力

但未来评价 AI 科研能力的指标可能完全不同。

我们可能开始关注：

Research Success Rate

Hypothesis Quality

Experiment Success Rate

Proof Verification Rate

Scientific Novelty

Research Reproducibility

也就是说：

AI 行业可能逐渐从：

这个模型知道多少？

转向：

这个模型能够发现什么？

这是两个完全不同的问题。

前者衡量的是：

知识能力。

后者衡量的是：

探索能力。

而真正能够改变科学研究的，显然是后者。

十四、但我们仍然应该对这类结果保持谨慎

面对 Claude 这次研究，还有一个非常重要的态度：

不要因为 AI 热潮而降低科学验证标准。

目前公布这项结果的主要来源仍然是 Anthropic 自己。

而且使用的是：

尚未公开发布的 Claude 研究版本。

Anthropic 表示内部数学家验证了相关工作，也邀请了外部专家检查，并进行了形式化验证。

这些都是积极信号。

但一个科研结果真正成为被广泛接受的科学成果，仍然需要：

公开
↓
同行评议
↓
独立验证
↓
复现
↓
学术共同体检验

所以目前最合理的态度不是：

Claude 已经创造了重大数学突破。

也不是：

这只是一次 AI 营销。

更合理的判断是：

这是一个非常值得关注的信号，但它仍然需要经过传统科学体系的持续检验。

AI 可以加速科研。

但不能因为结果来自更强大的 AI，就跳过科研最重要的环节：

验证。

十五、AI 科研真正的时代可能才刚刚开始

回过头来看 Claude 这次数学实验，最值得关注的其实并不是：

41.6% → 67.2%。

真正重要的是它背后的工作方式：

阅读已有研究

↓

理解复杂数学问题

↓

提出大量候选思路

↓

接受大量失败

↓

连接不同论文的方法

↓

发现新的研究路径

↓

形成数学证明

↓

形式化验证

↓

人类专家审核

这已经不再是传统意义上的：

问 AI 一个问题。

它越来越像：

和 AI 一起做研究。

这可能是未来几年 AI 最重要的变化之一。

过去我们讨论 AI，更多是在讨论：

AI 能帮人类完成多少已有工作？

而下一阶段，我们可能开始讨论：

AI 能不能帮助人类发现原本不知道的东西？

如果答案逐渐变成“可以”，那么 AI 对社会真正巨大的影响可能并不仅仅发生在客服、写作、编程、设计这些领域。

它还可能发生在：

数学

物理

化学

生物

医学

材料科学

气候科学

工程研究

因为人类文明真正长期的增长，本质上来自：

新知识的产生。

过去 AI 最擅长的是学习人类已经创造出来的知识。

而 Claude 这次数学研究真正值得关注的地方在于：

AI 开始尝试参与新知识的产生。

这也是为什么，“AI 从知识回答工具走向科研合作者”，可能比又一个 Benchmark 被刷新，更值得我们关注。

结语

我们可能正处于 AI 角色变化的一个重要节点。

第一阶段，我们把 AI 当作：

搜索引擎的升级版。

第二阶段，我们把 AI 当作：

工作助手。

第三阶段，我们开始把 AI 当作：

能够自主执行任务的 Agent。

而下一阶段，它可能逐渐成为：

Research Collaborator——科研合作者。

当然，这一天还远没有完全到来。

Claude 没有证明黎曼猜想，这次结果也仍然需要接受更加广泛和长期的学术检验。

但方向已经越来越值得关注。

未来真正重要的问题可能不再是：

AI 能不能回答这个问题？

而会变成：

AI 能不能和人类一起发现一个以前没有答案的问题？

当这个问题的答案越来越多地变成“可以”，AI 对人类社会的意义也将发生一次真正的变化。

它将不再只是帮助我们更快地使用已有知识。

而可能开始帮助我们：

创造新的知识。