AI狂产数学证明，数学家改当“知识厨师”

2026年4月的一个周一下午，23岁的数学爱好者Liam Price花20美元订阅的GPT-5.4 Pro，只用了80分钟就啃下了困扰学界60年的Erdős#1196猜想。而在此之前，斯坦福数学家Jared Lichtman为逼近这个问题的上界，花了整整数年。更颠覆的是，在陶哲轩维护的AI数学贡献页面上，20多份AI生成的证明正堆在“待评估”栏——这个分类常年只有1-2份。一夜之间，数学证明不再是少数天才的勋章，AI正以洪水般的速度输出答案，可没人来得及看完。为什么会这样？陶哲轩的判断戳破了真相。

从“三件套合一”到“阻抗失配”

陶哲轩把数学研究拆成了环环相扣的三件事：生成、验证、消化。生成是把猜想推到“有解”，验证是确认逻辑无漏洞，消化是把证明提炼成能滋养整个领域的方法论。过去几百年里，这三件事是同一个人的闭环——你证出定理，自然理解它，写论文讲透它，三个环节速度匹配，没有瓶颈。

但AI来了之后，平衡彻底被打破。生成环节被LLM（大语言模型）直接拉满，验证有Lean、Coq等形式化工具兜底，唯独消化环节，那个需要人类大脑去理解“证明到底意味着什么”的步骤，还是手工砌的堤坝。陶哲轩用了一个工程术语形容这种错位：阻抗失配。

就像电路里信号传输不匹配会浪费能量，AI生成的“生肉证明”堆得越多，没人能消化的话，这些“答案”就只是一堆无法被利用的数字垃圾。

从“证明猎手”到“知识厨师”

陶哲轩用食物社会的变迁打了个比方：过去数学界是“狩猎采集”时代，谁能猎回证明这头“鹿”，整个部落都会感激，哪怕肉质一般也有人抢着处理。但现在AI把数学直接推进了“食物过剩”的派对——你扔一块来路不明的生肉在桌上，没人会高兴，甚至会嫌你添乱。

真正受欢迎的，是能把生肉做成家常菜的人。就像Erdős#1196的突破，AI给出的只是粗糙的证明框架，陶哲轩用24小时验证核心思路，再把它重组、打磨，最终挖出了整数解剖学和马尔可夫过程理论之间的全新联系——这才是让整个领域受益的关键。

数学家的核心竞争力正在彻底迁移：不再比谁先找到答案，而是比谁能选对问题、设计工作流，把AI的生肉证明，煮成整个学界能吃下的知识。

学术评价体系的隐形革命

当证明的成本被AI压到几乎为零，过去围绕“谁先证了什么”建立的学术体系，正在悄悄崩塌。过去消化证明是“免费附赠”的劳动——你证了定理，自然会在论文里解释它，没人单独为这个环节计价。但现在，生成和消化彻底分离，理解的价值被瞬间放大。

陶哲轩在Nature访谈里直接说，拒绝用AI的研究生，未来机会会越来越少。而那些能把传统数学功底和AI工具结合的人，才会真正繁荣。Citation（引用）体系、论文评审标准、奖项评选规则，所有这些靠“首创证明”分配声望的机制，都得重新写。

更关键的是，如果数学界自己不重新定义“贡献”，科技公司和资本就会替他们定义——到那时，数学可能不再是追求理解的学科，而是AI输出答案的流水线。

当AI能在80分钟内解决60年的难题，我们突然发现，数学最珍贵的从来不是“有解”，而是“为什么有解”。那些能把冰冷的证明，讲成能启发后人的故事的人，才是数学未来的主角。

稀缺的不再是答案，而是理解。

就像陶哲轩在博客里写的：如果我们自己不回答“数学的本质是什么”，就会被别人替我们回答。而AI带来的这场过剩，或许正是让数学回归本质的契机——它逼着我们重新思考，到底什么才是值得被记住的数学。