夜雨聆风数学，这个人类智慧皇冠上最硬的那颗宝石，第一次面临一个荒诞的危机，过量的证明正成为新的负担。
2026年7月24日，费城，国际数学家大会（ICM 2026）。当菲尔兹奖得主、被广泛认为"在世最伟大数学家之一"的陶哲轩走上讲台，台下数百位顶级数学家等待的，是一场关于AI能力边界的技术报告。但他们听到的，是一记警钟
陶哲轩没有讨论AI"能不能"做数学他跳过了这个问题，直奔一个更棘手的假设，如果AI很快就能完成相当一部分研究级数学任务，我们怎么办？
他给出的答案，是一个让所有人都坐不住的新词："证明消化不良"（proof indigestion）。
▲ 陶哲轩ICM讲义核心页，红色标注"阻抗失配"与"从证明稀缺走向证明丰裕"
一个反直觉的危机：AI帮你做了太多证明，然后呢？
先回到常识
过去几百年，数学界的逻辑很简单：证明是稀缺资源。 谁先证出来，谁就是英雄整个学术声望体系、期刊评审制度、奖项评选标准，全都围绕一个核心运转，谁第一个把猎物扛回来。
陶哲轩用了一个绝妙的比喻：这就像原始部落的狩猎。食物稀缺的年代，谁带回一块能吃的肉，谁就是全村最靓的仔。清洗、烹饪、分配？那是次要的事
但现在，AI来了，一夜之间往村口倒了一卡车冷冻生肉。
问题来了，你有那么多厨师吗？你有那么大的锅吗？你有那么多人能吃得下吗？
这就是"证明消化不良"的本质AI让证明的生成飞速提升，甚至连验证都可以通过Lean等形式化语言让机器完成。但人类对证明的消化，理解它为什么成立、它与已有知识的关系是什么、它对后续研究意味着什么、它怎么写进教科书，这个速度根本没变。
机器在疯狂产出，人类在原地喘气一个阻抗失配（impedance mismatch）正在形成。
证明的一生：从婴儿到成人，大多数被遗弃在半路
陶哲轩在讲义中画出了一条证明的生命线，精确到令人心惊，
- 生成
：找到一个解 - 验证
：确认解确实成立 - 阐述
：把证明写清楚，让别人能读懂 - 发表
：通过同行评审，被共同体接受 - 定论化
：进入教科书，成为标准知识
▲ 证明的五个生命阶段：从诞生到"成年"，每一步都可能堵塞
他借用了菲尔兹奖得主塞德里克·维拉尼的隐喻：证明像新生儿，作者像父母，有责任把它养大。但AI时代最诡异的景象是，机器批量"生"出婴儿，然后扭头就走，留下一堆"正确但没人懂"的孤儿证明，堆在arXiv和社交媒体上，等着不存在的志愿者来"抚养"。
最有价值的恰恰是最后一步，定论化 一个定理被写进教科书、成为后续方法的基石，才会产生长期影响。但这一步最慢、最依赖人类判断力、也最难由AI替代。
陶哲轩还观察到一个反常现象：AI生成长而复杂的证明，比生成短而优雅的证明更容易。这跟帕斯卡那句经典名言形成了黑色幽默的呼应，"我没时间写短信，所以给你写了长信。"验证和消化的成本随证明长度非线性上升，瓶颈进一步恶化。
Gary Marcus紧急转发：“必读！”
就在陶哲轩讲义PDF公开后不到两周，另一位重量级人物出手了。
认知科学家、长期担任AI"最强怀疑论者"角色的Gary Marcus，在X上发帖，称陶的讲座是"必读"（must read），并一针见血地补充了两个判断：
第一，"证明消化不良"是真实风险；第二，数学目标并非同质，AI可能擅长其中某些环节，却根本不会构建新理论。
▲ Marcus推荐陶哲轩讲义，配图为"阻抗失配"页与"目标分叉"示意图
这条帖子发布时，OpenAI刚刚公布数学向模型Astra，宣称在若干开放数学问题上取得突破，附带Lean形式化证书。舆论一片沸腾，"数学被AI攻克"的说法甚嚣尘上。
Marcus把陶的框架当作解毒剂扔了出来：解出某些题 ≠ 建立理论。在框架内搜索优化 ≠ 发明框架本身
评论区的反应同样犀利一位用户写道：
"解证明和创造理论是根本不同的能力。一个是在框架内优化，另一个是发明框架。"
▲ 评论区的精准区分：解题 vs 建理论，是两种完全不同的智力活动
另一位写道："优秀的助手，糟糕的发明家。"
一场比"能不能"更深的危机
陶哲轩在讲义中做了一件极其聪明的事：他拒绝在"AI行不行"这个问题上站队。
他提出了一个工作假设（Working Hypothesis）：
假设AI工具在合理成本、合理监督下，将在合理时间内完成相当一部分研究级数学任务。
在这个假设下，问题随即落到价值层面。数学共同体的目标是什么？什么算"贡献"？什么值得被奖励？
▲ 讲义中的目标分叉示意图：若只为"解更多题"做AI优化，数学的多种正当目标可能彼此撕裂
他画了一张高维投影图：数学研究的正当目标至少包括，解决未解问题、发展新理论、理解世界、建设共同体、培养下一代、创造审美作品……这些目标在证明稀缺时代大致对齐，但在证明丰裕时代，如果只为"解尽量多的题"做极端AI优化，它们会像撕开的扇面一样急剧分叉。
"解了一千道题但没有人理解答案"的数学，还是数学吗？
这已进入元数学问题的范畴，关乎数学这个学科的灵魂。
教育：最让陶哲轩睡不着的事
在《新科学家》的专访中，陶哲轩罕见地流露出焦虑。他提到，已经有学生过度依赖AI导致能力不可逆下滑。
他给出了一个极其朴素却杀伤力极大的学生自测标准：
如果你能不看手机，走到导师面前，把你的工作讲清楚，并回答提问，那才算你自己会。
这句话的潜台词是：如果你离了AI就讲不清自己在干什么，那你什么也没学到。 品味、判断力、讲述能力，会从痛苦的试错过程中长出来。它们恰恰是"证明消化"所依赖的核心人类能力。
他甚至说了一句极具冲击力的话：如果科学全面自动化，下一代高度策展的知识可能失传。
整个世界都在"消化不良"
评论区里有人一语道破：这种困境也出现在其他行业。
"生成变便宜了，验证没有。总得有人读完。"
▲ 引用转发："证明丰裕造成证明消化不良"，这句话适用于每一个被AI冲击的领域
软件工程师对着AI写的代码做code review，律师对着AI起草的合同逐条核实，编辑对着AI初稿做事实核查，每一个行业都在经历同样的阻抗失配。数学因为有证明传统和形式化工具，率先勾勒出这一结构。
这也解释了为什么陶哲轩的演讲引发了远超数学圈的共鸣。演讲触及了人类认知与机器产出之间那条正在撕裂的裂缝。
下一步：从"谁先抢到"到"谁能讲清"
面对危机，陶哲轩还提出了方向：
声望应该转移 从奖励"谁最快把预印本扔上arXiv"，转向奖励"谁能在学术场合把结果讲清楚并回答问题"。他推动的Mathematical Discourse，一个以视频为载体的期刊实验，正是这个思路的制度化尝试。
莱顿宣言已经落地 2026年6月，《莱顿人工智能与数学宣言》获国际数学联盟（IMU）背书，呼吁全球数学界主动回应AI对学科价值的冲击。陶哲轩签名时说：这些讨论本应更早开始。
▲ 莱顿宣言呼吁数学共同体面对AI挑战，获IMU背书
上一次数学经历这种级别的"灵魂拷问"，是一百年前的基础危机，罗素悖论和哥德尔不完备定理迫使整个学科重建逻辑地基。那场风暴的产物，是更清晰、更坚固的形式框架。
陶哲轩相信，这一次也会如此动荡之后，会长出新的东西 但前提是，我们不能只顾着让机器生产更多证明，而忘了问自己：我们到底想要什么样的数学？
毕竟，能被机器证出来的定理有无穷多个。但能让人类变得更聪明的洞见，从来都是稀缺品。
