九月中下旬，一支视频在B站和小红书同时刷屏：Big Think对陶哲轩的专访，他把整个数学拆成六根支柱——数、代数、几何、概率、分析、动力系统，从开普勒量酒桶讲到三体问题，从球堆积讲到压缩感知如何改造MRI。哔哩哔哩
数据很有意思。B站搬运版（中配）播放5.8万、点赞3358，收藏却高达8612；小红书一条切片笔记点赞3980、收藏6052。收藏是点赞的两倍还多——这在视频平台只有一个解释：大部分人收藏完就没再看。热评区有人直接@AI助手"总结下视频内容"，还有一条高赞评论替所有人说了大实话——收藏了6000多次的视频，你们还会看吗？哔哩哔哩
巧的是，这正是陶哲轩自己最近反复在说的病：消化不良。他警告的是"证明消化不良"——AI生成和验证证明的速度，正在远远超过人类读懂、消化这些证明的速度；而我们现在得的是同款症状的轻量版：知识消化不良，发生在每个收藏党的收藏夹里。这篇就替你把它消化一遍。
一、这支视频到底讲了什么（10分钟版）
陶哲轩的六个支柱，每个都配了一条"当时看不出有什么用、几十年后改变世界"的支线：
数：从计数骨刻开始，数学最古老的起点；
几何：非欧几何诞生时纯是思维游戏，几十年后成了爱因斯坦广义相对论的语言；同一根支柱下还挂着数学最古老的应用题——橙子、炮弹怎样堆得最密。三维版本就是开普勒猜想，后来由黑尔斯给出证明，近年又连同八维、二十四维的球体堆积问题，被放进Lean证明助手里形式化、交给机器逐行验算。知乎
分析：开普勒为了量酒桶体积鼓捣出来的方法，后来长成了微积分；
动力系统：三体问题的混沌说明，确定性方程也能算不出未来；
概率与代数同样各有一条应用线；
被评论区问得最多的是压缩感知——陶哲轩参与奠基的成果之一，它证明了"采样远低于传统极限也能重建信号"，直接推动了更快成像的MRI，评论区那句"他真的很喜欢压缩感知"（60赞）不是玩笑：这是他少数亲手从纯数学走到工程落地的例子。哔哩哔哩
而整支视频真正的主线只有一句话：纯好奇心驱动的抽象，往往在几十年后变成科学和工程的核心语言。这就是数学"不合理的有效性"。
顺带一提，他还说了句做数学的真相：少有灵光一现，多是反复试错。 B站那条"我也发现了这个惊天大错误！我们都超越了陶哲轩！"（玩的是评论区挑刺几何口误"相似是两倍不是五倍"的梗，13赞）恰恰反证了这点——连陶哲轩都在犯小错，你怕什么。哔哩哔哩
二、为什么你收藏了却看不下去
翻完三个平台的评论区，"看不下去"的原因出奇一致：
叙事顺序反了。高赞评论："这些概念其实特别简单直观，跟学校里教的那套完全不一样。“学校是先定义后例子，陶哲轩是先问题和直觉、最后才形式化——被学校顺序训练过的大脑，遇到反顺序会本能地"收藏再说”。
信息密度不均匀。有人留言"我听东西基本都开1.25倍速，听陶哲轩根本不用加速"——他的讲解节奏本身就是筛子：跟得上的段落说明是你的起点，跟不上的段落才值得回头精看。
收藏≠消化。@AI求总结的行为已经说明：用户要的不是"存着"，是"带走"。
三、按人下菜：这90分钟值不值得花，怎么看
数学恐惧症/纯入门：只看开头六大概念部分，当科普故事片看，一个晚上够了。带回去的认知只有一条——数学不是算得快，是把问题分类的六种语言。
家长：适合和小学高年级到初中的孩子一起看球堆积和开普勒量酒桶两段。它能回答一个高频亲子矛盾：“学这些到底有什么用”——答案是"当时没用，几十年后人人要用"。
学生/技术向：重点啃压缩感知→MRI这条链和动力系统部分，这是"数学如何变现成工程"最完整的案例，也是面试和转方向时能讲出来的谈资。
AI用法：别再@AI替你总结，反过来用——看完一个支柱，让AI出题考你、让你给它讲一遍。小红书那条父子对谈切片里up主概括的陶哲轩态度很适合当原则：答案可以交给AI，理解必须留给自己。小红书
另外，看完视频还意犹未尽、想亲手练两道的，他的那本《陶哲轩教你学数学》是顺手的下一站——菲尔兹奖得主专门写给普通人的思考方法册子，讲的不是解题套路，是怎么把一个陌生问题拆开。
四、接下来看什么
这支六支柱访谈是8月底开始发酵的，B站今天（9月22日）还有新搬运在发，长尾明显。如果你是被"AI是猜谜机"那条热搜切片吸进来的——那条父子对谈的微博视频拿了1500多赞、270多次转发。 建议把两支视频按顺序看完：六支柱讲"数学是什么"，直升机比喻（AI像直升机带你去瀑布，但你错过了徒步路上的发现）讲"AI时代还要不要亲自走一遍"——前者给地图，后者给态度，拼起来才是陶哲轩这一轮输出的完整拼图。微博哔哩哔哩
还有一条值得长期跟踪的暗线：上面说的球体堆积Lean形式化里，证明八维堆积最优性靠的是两条精心构造的函数曲线（一个核心函数和它的傅里叶变换），这样的东西正在被机器逐行验算——"AI批量产出证明"和"人类验证证明"的赛跑，就是陶哲轩说的"消化不良"战场——他在演讲里把这拆成三个环节：证明生成、证明验证、证明消化，而前两个正被AI以远超第三个的速度自动化。 这条"机器验算证明"的路其实已经铺了很多年——菲尔兹奖得主维亚佐夫斯卡的演讲，讲的就是8维和24维球体堆积问题形式化的路径。 接下来几年，这条线都值得盯着。哔哩哔哩知乎
收藏夹里吃灰的那支视频，今晚就把它点开吧——这次别收藏，看完。
