邓煜：只在蒸馏全人类时才支持蒸馏

同一家公司，训练时把全人类的论文和网页读一遍，叫做技术进步；别人想看它怎么推出一道证明，就叫做蒸馏。这个不对称，是邓煜这次发言的靶子。

一、发生了什么

潮新闻 10 月 26 日报道，菲尔兹奖得主、芝加哥大学数学系教授邓煜上周末在「知识分子」「赛先生」论坛做了主旨演讲，谈 AI 时代的数学研究。IT 之家次日转述了演讲内容。

他先给了判断，再给要求。判断是：AI 相对人的优势有两条，一是知识面几乎无限，二是试错成本极低。但前提不能丢——人是主体，AI 是工具。

要求是：如果把 AI 当作研究者，它就该遵守学术规范。他举的具体一条是，当 AI 证出一个重大问题，公布思维链是「非常合理的要求」。而据他说，这家公司并不愿意这样做：在其公布的所有证明里，只有极少数真正公开了思维链，多数时候以「防止蒸馏」为由，连思维链和相关材料一起拒绝。

然后是那句被广泛转引的话，大意是：你不能在只有你蒸馏全人类文献和知识的时候大大方方，别人只是想了解一下思维链，你就说这也不行那也不行。

他给了替代方案：开源数学模型，让数学界手里有自己的一套，不必依赖某几家 AI 公司；模型的使用也要套学术规范，包括数据来源、思维链公开、可追溯。

这不是孤立发言。9 月 11 日，包括陶哲轩、邓煜、舒尔茨在内的 25 位菲尔兹奖得主作为最初签署人，发表过一份题为《人工智能在数学中的严重错位》的声明。里面几点很具体：AI 公司把数学难题当基准来推，对数学本身有害；成果发布仓促，没时间正式写作，也没时间把新方法隔离出来、引用前人工作；由此引发署名和抄袭问题；更关键的是，如果没有数学家愿意为结果负责、把它们编进数学经典，数学家之间那条人的传递链会断掉。

二、跟你有什么关系

数学研究者。 你面对的不只是「AI 会不会做数学」，还有「做出来的东西能不能进文献」。可复核、可引用、有人负责，这三条缺一条，结果就进不了学科记忆。

用 API 做产品的团队。 你每天在用的模型，多数不公开训练数据，也不公开推理过程。这不是道德问题，是采购风险：出问题时你无法回溯它依据什么。

关心训练数据来源的人。 这场争论的真正落点是标准一致性。同一件事，用于训练叫学习，用于被学习叫侵权——如果没有一套双方都认的规则，谁体量大谁定规则。

三、怎么判断

1. 分清三样东西。 公布思维链、公布权重、公布训练数据，是三件成本完全不同的事。他要求的是第一件，提议的是第三件的一种替代，不要混成一句「他要求开源」。
2. 看适用边界。 他谈的是数学证明这类可验证产出。证明对不对，同行能查；查不了过程，就只能信结论。这个逻辑搬到写文案、做图上，力度会弱很多。
3. 要求定义。 「蒸馏」在这类讨论里常被当成万能词。问清楚指的是复制输出、模仿推理路径，还是拿输出做训练数据，结论会完全不同。

四、三个别信的说法

「他要求 AI 公司开源模型。」 开源数学模型是他提的一个方向，用来让学界有替代品，不是要求所有公司交出权重。把提议读成强制，就歪了。

「反蒸馏纯粹是借口。」 模型输出被拿去训练竞争对手，是真实存在的商业风险，也有安全考量。问题不在防不防，在于标准是否对称：自己读别人的，别人不能读自己的。

「数学界在抵制 AI。」 那份声明的标题是「错位」，不是「禁用」。他们反对的是把数学难题当跑分、发完就走，不是反对用工具。

五、一句话结论

他要的不是免费模型，是一套两边都认的规则。

信息来源

• 潮新闻报道、IT 之家转述邓煜演讲，2026 年 10 月 27 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。