陶哲轩喊"放缓AI"，反对的并不是让AI做数学——恰恰相反，他是数学圈里用AI用得最早、最深的人之一。他真正要叫停的，是AI公司把数学当成刷分竞技场的玩法：用算力批量生成证明、拿"解决了多少难题"给模型排位，让整条学术生态为此变形。这篇呼吁的价值，不在"放缓"两个字，而在它出自一个既懂AI能力边界、又懂数学共同体规则的人之口——这让它成为观察"AI盲目跟风坑"的极佳样本。
从"直升机"到"战时状态"，只用了四个月
陶哲轩与AI的关系不是对抗，而是深度合作。今年9月的一场对谈里，他上台前还让AI跑着一份证明，事后描述自己的感受是"做数学像徒步去远方，AI是架直升机，直接把你空投到答案附近"。知乎36氪
转折的信号其实早有铺垫。他警告：“哪怕只是有人正在研究某个问题的传闻，都可能引发海量由AI驱动的努力，在原始研究项目尚未充分发挥其潜力之前，就将其夷为平地”，呼吁公开分享的文化正在被侵蚀。随后，“9月11日，陶哲轩在个人博客发布《人工智能在数学中的严重错位》。这份声明由25位菲尔兹奖得主共同署名”。更早的铺垫在6月：他的项目里"几周前还需要志愿者花数周才能认领完成的形式化任务，现在AI几小时就能搞定"。36氪36氪36氪
真正让他说出"放缓"的，是接下来的连环冲击：5月，OpenAI用AI解决了埃尔德什单位距离问题——这可能是AI模型解决的第一个重大数学问题；9月8日，OpenAI宣布其内部模型通过约1万个Agent并发、仅用88小时就"解决"了纳维-斯托克斯方程这一千禧年难题，需要说明的是，这份证明尚未经过同行评审；10月6日，该公司又集中放出722篇机器生成的数学手稿，涵盖372个问题的结果——而据媒体报道，其中只有162篇主要结果通过了计算机验证，第二天还有3篇被撤下。36氪智东西36氪
10月9日，他在加州理工贝克曼礼堂把原定《机器辅助证明》的演讲整个改写成了"数学2.0"，并抛出那个著名的思想实验：如果AI给你开出了一副完美的抗癌药，你敢用吗？就在讲座前后，一段他发言的视频刷屏全网，警告史无前例地严重："我们必须放缓AI。现在的速度简直疯了，根本没有理由这么快——毫无理由可言！“面对《纽约时报》采访，他则说"现在已经没有规则可言了”，以往的主要工作是探索数学问题，如今越来越难把时间留给研究。36氪36氪知乎
他怕的不是AI能力，是"答案过剩"的两个窟窿
这场讲座随即把他推上中文社区的风口浪尖，而且是被两头夹击。知乎上"黑盒AI治癌药"话题下的高赞回答指出，他的思想实验在数学语境里锋利，但搬到医学类比就挨了打——大量已上市药物机理同样没有完全阐明，“有药救癌症却故意不用和蓄意谋杀有什么区别"这类反问收获大量赞同。但批评者大多打错了靶子：陶哲轩本人天天在用AI开"药方”，他反对的不是用药，而是没人能检查成分就把药整箱上架。知乎
他的第一重担忧是可靠性，而这一点在他自己的表述里最直白。谈到那份纳维-斯托克斯方程的证明时，他认为文章在技术上可以阅读，但自己接触过的专家没有人真正理解了整套论证。他甚至把OpenAI那批成果先称为"有毒废物"，随后才改口为"或许经过处理的废物"——措辞可以软化，标准没有松动。数学的进步从来不只靠"对"，还靠"被理解"：没有能与之深聊的作者、无法进入共同体讨论的证明，正是最典型的"答案过剩"。知乎
第二重担忧是生态。3Blue1Brown创始人Grant Sanderson在他博客发表的客座文把问题说透了："解决问题和生成证明，一直以来只是数学家真正目标的’代理指标’。而数学家的真正目标，是增进人类的理解。"当指标可以被机器批量刷出来，评价体系的根基就空了。公开分享换来的是方向被算力瞬间冲平，于是理性选择变成把想法锁进抽屉——逆转数百年来开放科学传统，伤的恰恰是产生下一个好问题的土壤。36氪
这个热点本身，就是一堂跟风课
比"放缓AI"跑得更快的是关于AI解决数学难题的谣言。9月初，博主Andrew Curran发帖声称"Claude已解决纳维-斯托克斯问题、正接受专家评审"，这条帖子很快获得超过250万次浏览，也被越来越多账号转发。陶哲轩不得不专门澄清：他并不了解纳维-斯托克斯问题出现任何重大新进展。而按克雷数学研究所的规则，解题者要先在同行评审期刊发表成果、再经过两年考察期，这道悬赏百万美元的千禧年难题至今仍未被正式解决。传播链条上加码的说法不止一个：热搜文标题里"25万数学博士临绝境"，通篇没有给出数字出处；媒体转述OpenAI成果时，常常省略"尚未经过同行评审"和"仅162篇通过机器验证"这两个限制条件。36氪智东西36氪
社区撕裂同样是各说各话。前OpenAI后训练副总裁Liam Fedus公开回应：“不能用今天AI的能力边界，框定未来的可能性”。而在知乎、B站抽样出的热评里，约七成是嘲讽他"现代卢德分子""自己用AI却反对别人用"的双标指责；挺他的人则强调，现有的测试与评审范式需要为AI重建。两边吵的其实是同一件事的正反面：不核对来源、不理解条件就转发结论，盲目乐观和盲目恐慌就是同一枚硬币。36氪
启示：普通人的三个"反跟风"判断标准
其一，把AI的输出当"待审稿"而不是"答案"。陶哲轩对AI证明的态度是照用，但只有过了机器验证、有人能解释的那部分才算数。日常工作中，AI给出的数字、引用和结论应默认处于"未验证"状态——越直接影响决策，越要有独立核验这一步。
其二，警惕"代理指标"陷阱。用解题数证明模型能力，就像用刷题量证明学习。真正稀缺的永远是界定问题、判断答案值不值得相信的能力。岗位价值正从"找到答案"向"消化理解"迁移，这比"数学专业已死"的标题更值得焦虑就业的人盯住。
其三，看到大数字先问口径。722篇、372个问题、25万博士、88小时——这次热点里疯传的每个数字，要么带着验证状态的限制，要么干脆查无出处。转发前问一句：这是原始发布方的口径，还是传播链上的加工？
陶哲轩没有要求禁止AI，他讲座的主题"数学2.0"本身就是在给出路：AI负责生成证明，人类负责理解、阐释和提出下一个问题。在AI浪潮里，最清醒的位置不是站在船头喊加速或喊停，而是持续检查这艘船能不能被理解、被验证、被信任。这个位置，普通人今天就能站上去。
