当AI能解数学题、写代码，我们却陷入“对而不值”的怪圈

2026年过半，一个尴尬的现实正在浮出水面：AI已经攻破了90%的“语言符号处理”任务——尤其是数学和代码这两个最硬核的领域。可奇怪的是，技术越强大，人们的价值感反而越低。

这不是AI不行，恰恰相反，是它太行了。行到我们开始怀疑：那些我们曾经引以为傲的能力，到底还值不值钱？

文章配图-1

数学博士的窘境：该信导师还是信ChatGPT？

有位数学博主分享过一个真实经历：遇到前沿数学问题，最靠谱的求助对象居然不是导师，而是ChatGPT。因为经过测试，人类专家出错的概率，比AI还高。

更扎心的是另一个实验：数学家拿出10道从未发表过的前沿题目，GPT当场做对了6道。

这意味着什么？意味着如果未来数学家提出任何假设，AI都能给出解答，那么“证明一个猜想”这件事，对数学家本人的意义感将大打折扣。你花几个月甚至几年推演的成果，AI几分钟就能给出答案——哪怕答案不完全正确，它也提供了一个人类难以超越的起点。

数学这门古老的学科，正在被AI“掀地皮”。

代码世界的自我循环：人类正在被请出局

如果说数学还停留在“辅助解题”的阶段，那么代码领域已经进入了彻底的“无人驾驶”模式。

AI自己写代码、自己跑测试、自己Debug。安全领域里，Claude和GPT系列模型挖漏洞的效率比人类高出一个数量级。更关键的是，AI已经开始给自己写训练代码了——Anthropic称之为“AI的自举”。

这意味着什么？意味着AI的发展可能很快就不再需要人类参与了。当正确率超过某个阈值，具有高鲁棒性的自动化链条就会形成，也就是我们常说的AI Agent。

Agent听起来很酷，对吧？但现实是，大部分Agent的用法，一点都不酷。

一个真正酷的案例：不会编程的农夫，用AI管好了100公顷西兰花

先讲一个正面故事。

一位前东京公务员，毫无编程背景，在北海道经营着100公顷的西兰花农场。他出于好奇，用Codex和一个5美元的微控制器，在手机聊天软件上搭起了一套完整的智能农业系统。

这套系统能自动监测温度、控制温室通风、结合卫星数据分析作物健康状况，甚至通过拍摄配电盘照片自动生成接线图。过去只有大型农场才能负担的自动化技术，被他一个人平民化了。年营收1亿日元，还受邀去了OpenAI东京办公室。

这个案例妙在哪里？

第一，他做的是第一产业——种西兰花，是人类赖以生存的真实需求，而不是已经严重过剩的软件工程。

第二，他完全没有编程经验。这一点至关重要。正因为不会写代码，他才不会被“已有的知识框架”束缚，才能让AI真正成为自己的外延，而不是仅仅把AI当作一个更快的打字机。

第三，他完成了一次漂亮的模态转换。通过传感器把现实世界的现象抽象成符号，交给大模型处理，再让AI直接输出可执行的方案——比如用图像直接画出电路接法，而不是用语言告诉你“红线接哪里，蓝线接哪里”。

这才是Agent该有的样子：连接现实世界，而不是在软件领域自我增殖。

可惜，绝大多数案例是“刻舟求剑”

然而，在AI Agent正式登场的这半年里，我们听到的大多是反面教材。

GitHub被冲烂了。大量能跑、但与项目主干价值不匹配的PR涌入，堵塞了基础设施。据统计，今年的代码递交量预计是去年的1400%。

苹果App Store也被冲烂了。大量价值寥寥的小工具类应用堵塞了审核通道，用户找不到真正有用的东西。

企业里更是一片“死亡内卷”。老板焦虑，要求员工大量使用AI编码；员工放弃深度思考，只想着如何消耗更多Token来证明自己“在努力”；结果是零价值产出，Token账单爆炸。

大量代码涌入已经严重过剩的领域。人们用AI做的，恰恰是自己本来就会做、但做了也没什么价值的事。

这叫刻舟求剑。

我们在为已经有一万把工具的人，创造第一万零一把工具。他们真正需要的，可能只是五把。

更离谱的：“AI内战”，人类买单

再来看一个荒诞的案例。

Anthropic帮Firefox挖漏洞，抓出了几百个技术漏洞，然后警告说：在AI时代，这样的漏洞非常危险，很容易被高级AI抓住利用。所以，我们需要用Claude Mythos这种级别的模型来对抗由Mythos级模型产生的风险。

你听明白了吗？AI在制造问题，AI在解决问题，人类作为旁观者，要为这场“内战”支付巨额的算力账单。Firefox什么都没得到，只得到了一份“Anthropic税”。

用户只是想用一个浏览器而已，一个能打开HTML的工具。

AI在内部玩着“自己制造问题，自己解决问题”的无限游戏，形成一个巨大的资源消耗黑洞。最终，人类每年可能要支付千亿、万亿美元来给AI擦屁股，仅仅为了维持住AI出现之前的基本体验。

“对而不值”：这个时代的最大陷阱

我们正处在一个过渡阶段，我称之为“对而不值”——Right, but maybe valueless.

AI能解数学假设，能通过形式化验证（比如Lean），但它无法替代数学家进行“内化理解”。当一个证明极度冗长、晦涩、缺乏人类心智框架时，它的学术价值就消失了。AI过了Lean，数学家却无法内化、无法产生真正的知识信念，留给数学界的只有耗散的心气和一堆“正确但无人能懂”的命题。

AI能写代码，能跑通测试，但它无法判断最终用户真正需要什么。当万亿Token跑出来的代码末端，实际上没有真实需求时，留给人类的只有崩溃的基础设施、堆积如山的技术债务，以及围观AI打群架把世界榨干的荒诞感。

那么，什么才是“对而价值”的事？

这个过渡阶段，本质上是一场关于价值的全民大讨论。

对个人来说，你需要问自己：我正在做的事情，AI能做得更好吗？如果能，那我的不可替代性在哪里？答案可能不是“更快的计算”，而是“更好的判断”——判断什么问题值得解决，什么答案值得相信，什么路径值得走。

对企业来说，你需要问：用AI是为了“做得更多”，还是为了“做得更对”？如果只是用AI批量生产没有需求的功能、没有价值的代码、没有意义的PR，那AI不是增效工具，而是破产加速器。

对社会来说，我们需要回答一个更根本的问题：当AI能解决所有“对”的问题，谁来定义什么问题是“有价值”的？

那个北海道农夫给出了一个朴素的答案：连接真实世界，解决真实需求，创造真实价值。不需要炫技，不需要内卷，不需要和AI赛跑。

他只是在种西兰花。而AI，帮他种得更好。

这才是AI Agent该有的样子。不是替代人类，而是让人类更像人类。