7月26日，由斯梅尔数学与计算研究院、中国工业与应用数学学会主办，华院计算技术（上海）股份有限公司承办，世界人工智能大会组委会办公室指导的2025年世界人工智能大会“数学与人工智能”学术会议在世博中心圆满落幕！

作为WAIC的核心活动之一，会议由斯梅尔数学与计算研究院执行院长，华院计算技术（上海）股份有限公司董事长、创始人，中国工业与应用数学学会副理事长，中国人工智能学会逻辑专委会常务委员宣晓华主持。

本次会议迎来了全球数学与人工智能领域的顶尖学者，包括（以下排名按姓氏首字母排序）:

世界科学院院士，南非布隆方丹自由州大学教授，阿勒福赞杰出青年科学家国际奖得主，非洲工业与应用数学学会（ASIAM）主席Abdon Atangana院士；

• 北京大学博雅特聘教授，北京大学国际机器学习研究中心副主任，北京中关村学院常务副院长董彬教授；

• 欧洲人文和自然科学院外籍院士，欧洲科学院院士，上海交通大学自然科学研究院院长金石院士；

• 西安交通大学教授、博士生导师，现任西安数学与数学技术研究院副院长，中国工业与应用数学学会副理事长孟德宇教授；

• 加泰罗尼亚理工大学数学系讲席教授，加泰罗尼亚研究和高级研究机构（ICREA）杰出学术教授，西班牙数学研究中心（CRM）首席研究员，巴黎亨利·庞加莱研究所董事会成员Eva Miranda教授；

• 里约热内卢联邦大学应用数学副教授兼数学研究所副所长Fabio Ramos教授；

• 欧洲科学院院士、欧洲人文和自然科学院院士，阿卜杜拉国王科技大学应用数学与计算科学教授许进超院士；

• 武汉大学弘毅特聘教授，湖北国家应用数学中心主任，武汉数学与智能研究院副院长，湖北省数学学会理事长杨志坚教授；

• 中国科学院院士，世界科学院院士，巴西科学院通讯院士，中国科学院数学与系统科学研究院研究员袁亚湘院士；

• 1994年菲尔兹奖得主，美国艺术与科学院院士，美国科学院院士，欧洲科学院院士，中国科学院外籍院士，南方科技大学讲席教授Efim Zelmanov院士。

上海市经济和信息化委员会副主任张宏韬为本次会议致辞。他指出上海始终高度重视数学与人工智能融合发展，推动数学基础创新与人工智能产业发展更上新台阶，实现1+1大于2的效能，让数据源的理论研究与产业应用需求精准对接，搭建各类产学研用的平台，营造创新人才优越的发展环境。

会议围绕三大核心议题展开深入探讨，为数学与人工智能的交叉融合提供了创新思路与发展路径。

您如何看待“数学与人工智能”的关系？在这一领域，您有哪些观点、兴趣或研究工作？

袁亚湘院士表示数学与人工智能的融合发展将日益紧密，数学在人工智能发展中的基础性作用将愈发凸显。他指出，当前亟需提升社会各界，特别是科技政策制定部门（如国家自然科学基金委、科技部等）对数学重要性的认识。在布局国家人工智能战略时，不能仅聚焦于计算机等工科领域，而应当充分重视数学学科的关键支撑作用，吸纳数学家深度参与，以充分发挥多学科协同创新的优势。

Abdon Atangana教授认为数学与人工智能的研究尚未达到理想状态，由于AI只能基于已有知识进行推导，若研究者对该领域不够精通，将难以察觉这其中的错误。虽然人工智能能够拓展数学研究的边界，但数学家仍需在保持专业素养的前提下，审慎地借助这一工具来突破自身的研究局限。

Eva Miranda教授指出传统数学研究方法在人工智能时代正经历革命性变革，并以自身研究为例介绍了团队运用人工智能技术来证明流体运动轨迹的研究。她强调这种交叉研究拓展了人工智能的应用边界，呈现出数学与人工智能呈现协同发展的良性关系。随着技术进步，人类将能更好地理解和解决复杂系统问题，为数学研究开辟了新的可能性，也推动着人工智能向更深层次发展。

数学如何为人工智能提供更坚实的基础，特别是在学习、推理和规划等方面，从而提升算法的效率、鲁棒性、可解释性与泛化能力？”

许进超院士强调数学家不应仅满足于对已有AI模型的"事后解读"，而应主动引领下一代AI发展。当前AI研究面临资源分配的结构性困境，数学家虽能提供理论突破，但缺乏大算力、大数据和团队支持，难以快速验证构想。为此，他提出数学界需建立更紧密的产学研合作机制，将逼近论、优化理论等传统优势领域转化为AI创新的核心驱动力，提升模型架构设计、优化算法解释等关键环节。

孟德宇教授强调了数学思维在机器学习中的核心作用，认为数据、模型和算法的本质是一种形式化语言，只有通过严格的数学分析才能深刻理解并改进机器学习方法。他以损失函数和卷积算子为例，指出传统工科方法往往基于简化假设（如固定损失函数或仅考虑平移等变性），而数学视角能揭示更复杂的数据噪声结构和算子性质（如旋转/尺度等变性），从而设计出更鲁棒的模型。他呼吁数学研究者应积极介入AI领域，通过理论创新与工科团队合作，在算法设计、模型解释等环节发挥不可替代的作用，最终推动机器学习在性能和可解释性上的双重突破。

Fabio Ramos教授指出当前人工智能的核心局限在于难以有效处理真实世界的物理问题，如热传导、流体力学等，尽管AI能生成逼真的模拟数据，却缺乏对底层物理规律的建模能力。为此，他提出通过数学结构将物理原理嵌入神经网络架构，而非简单引入物理变量，以构建更泛化的框架，利用数据驱动方式实现物理规律的隐性表达，通过物理解法知道AI模型的设计，可以推动AI在科学计算领域的突破性应用。

您希望人工智能在数学教育与研究中发挥哪些作用？特别是在数学问题求解、定理证明、验证，乃至猜想生成等方面，您有哪些期待？

Efim Zelmanov院士指出，数学作为一门具有实验性质的科学，在猜想提出和数论研究等需要大量计算的领域，人工智能确实能够有效替代人工计算，但数学证明的本质在于理解而非单纯计算，其价值体现在对问题本质的深刻把握和理论体系的融会贯通。然而，人工智能在需要深度思考和创造性思维的数学证明领域，尚难以完全替代人类研究者的独特作用，反映出其对于人工智能在数学研究中的作用的辩证性见解。

金石院士认为AI与数学的结合本质上是一种"认知增强"，它打破了人类固有思维的限制，使得研究者能够同时处理多尺度、高维度的复杂问题（如跨行星科学计算与微观分子模拟的协同）。因此，AI for Math的真正价值不在于替代传统方法，而在于创造更多新的机会去探索更多未知世界，系统性地拓展人类科学的认知边界，最终实现从解决既定问题到发现未知问题的范式转换。

董彬教授表示，数学证明过程的精确性要求使得任何微小差错都会导致整个证明失效，而AI工具（如Lean证明辅助系统）不仅能够帮助数学家将自然语言表述的直觉转化为严格的形式化证明，有效规避人为失误，还可以快速识别新理论与既有数学体系的联系，为数学家提供关键的研究方向评估。此外，AI可自动化处理繁琐计算等重复劳动可以显著降低数学研究的技术门槛。这种变革不仅会加速数学研究进程，更将重塑数学作为"基础语言"的学科定位，使其从封闭的专家系统转变为开放的问题解决平台。

杨志坚教授犀利地指出，当前AGI的发展模式是"乱战"状态，缺乏像传统科研那样的组织性。他提出AI有“三条腿”：数据、算力、算法，其中数学界最能发力的是数据——包括构建数学专用数据集、建立数据标准等基础性工作。针对当前发展，他提出三个具体建议：第一，数学界需要组织起来，系统性地开展数据基础设施建设；第二，重视边缘分布等关键数据特征的挖掘，提升研究效率；第三，在拥抱大模型的同时，要保持理性认知，建立科学的评估体系。

上海市经济和信息化委员会主任张英受邀出席了此次会议并和与会嘉宾进行了交流。

此次会议，与会专家学者就数学与人工智能的融合发展提出了诸多前瞻性见解，不仅搭建了跨国界、跨学科的高端对话平台，更推动了全球科研机构与企业间的深度协同。斯梅尔数学与计算研究院、中国工业与应用数学学会也将持续深化国际合作，通过开放共享的研究范式，加速数学与人工智能领域的交叉创新，为人类社会智能化转型提供坚实的理论基础与技术支撑，并继续搭建高水平国际交流平台，助力开创更具包容性与可持续性的智能未来。