陶哲轩质疑的不是AI能不能给出正确答案，而是“正确等于有价值”这个前提。他今年4月提出的判断是：数学正从“证明稀缺时代”进入“证明过剩时代”，正确答案的生产速度超过了人类的理解消化速度，答案因此整体贬值。由此得出的结论，就是标题里的说法——稀缺的能力正在从“给出答案”转向“理解答案”。这不是某位学者的个人感慨：9月初，25位菲尔兹奖得主联署声明强调“答案需要被理解，才能成为共同的知识”。10月初，陶哲轩又在个人博客转载了一份呼吁数学家停止同OpenAI合作的声明，把“正确答案到底值多少钱”的争论彻底推上热搜。36氪第一财经
正确答案贬值，因为“解题”从来不是一个环节，而是三个
陶哲轩把“解决一道数学问题”拆成三个环节：生成（产出证明）、验证（确认逻辑无误）、消化（读懂、讲透、提炼出能让整个领域受益的方法论）。过去三个环节由同一拨人完成，速度天然均衡；如今生成被大模型大幅加速，验证有Lean等形式化工具兜底，唯独消化仍然完全依赖人脑。他把这种失衡称为“阻抗失配”：三个环节的速度不匹配了，证明像洪水一样涌来，但理解的堤坝还是手工砌的。他常用的比喻是“自助餐派对”：食物稀缺的年代，带回猎物的人最受尊敬；食物过剩的年代，陌生人扔在桌上的来路不明的生肉不是贡献，而是麻烦。AI交出的“生肉证明”就是这样一块肉——它可能是对的，甚至通过了形式化验证，但没人说得清它意味着什么。陶哲轩对这种产出的评价相当严厉：它没有推进问题的实际进展，反而可能杀死别人继续研究这个问题的兴趣——问题被宣布“已解决”，却没人懂这个解。36氪
一个可核验的样本：答案80分钟给出，理解用了更久
他反复引用的案例是Erdős问题#1196：一个1968年提出、近60年悬而未决的本原集猜想。2026年4月，23岁的Liam Price没有博士学位，用每月20美元的订阅账号把问题丢给GPT-5.4 Pro，模型走通了一条数学界忽视了近90年的路径，80分钟交出证明。但这只是第一块生肉：真正把答案变成知识的，是随后的人类消化——陶哲轩在24小时内验证了核心思路，再把它扩展、重组、打磨，从中提炼出“整数解剖学”与马尔可夫过程理论之间一条此前从未被描述的联系。他称这是目前唯一一个生成、验证、消化三个环节都基本跑通的案例。换句话说，那道题的答案本身几乎免费，人类为“读懂它”付出的劳动，才是知识增量的来源。36氪
“理解力”到底是什么：判断、解释、放进知识体系
在9月的一场对谈里，陶哲轩给出了流传最广的那个比喻：数学问题像需要徒步前往的远方，AI则像一架直升机，直接把人送到答案附近。但数学的价值在于沿途修的路、画的地图和发现的联系——一个证明就算验证正确了，如果没人能讲明白它到底是怎么回事，就还不算真正变成人类的数学知识。把“理解力”落成具体技能，它是四件事：判断证明是否可信、向别人解释证明、发现文献中不同论证之间的相似之处、把结果放进已有的知识体系。3Blue1Brown创始人Grant Sanderson 10月在陶哲轩博客发表的客座文章进一步给出了可操作的标准——“动机阐释”：证明告诉你“这个定理是对的”，阐释要回答它为什么对、怎么被想出来。36氪36氪
争议在哪：反方观点与适用边界
这一转向并不缺少反对意见。曾任OpenAI后训练副总监的Liam Fedus回应说，不能用今天的AI能力边界框定未来——如果训练目标延伸到解释为什么、提炼方法、帮助人类理解，AI最终可能成为既能给答案也能创造新思路的研究伙伴。更现实的冲突来自成果发布方式：OpenAI公布了内部模型尝试解决约4000道数学问题、最终整理出涉及372组成果的研究材料，但第一时间研读论文的研究者发现，其中充斥着难以理解的构造、语焉不详的推理步骤——后续核验、修订与知识整合的成本，反而可能转移给学术共同体。36氪第一财经
同样要说清的是适用边界：陶哲轩的全部论据来自数学和科研培养，而不是对一般职场的直接研究。但他本人已把判断延伸到职业层面——他在4月的采访里表示数学家的“岗位描述”正在改变：拒绝AI工具的传统型人才机会越来越少，在扎实功底之上善于驾驭新工具的人才会真正繁荣。同样的逻辑可以外推到一切以“正确答案”为核心交付的知识工作——写代码、做尽调、写分析报告：答案成本下降后，验证与消化的负担就转移到人身上。但外推能否成立有前提：这个行业得跟得上类似Lean的验证基础设施，评价制度也愿意为“消化”单独计价。目前只有数学界把这些规则摆上了桌面，其他行业的改写进度还没有可靠证据。36氪
真正值得盯的，是评价规则的改写
对普通职场人来说，这场热点的价值不在于多一句“理解力比答案重要”的口号，而在于评价规则已经在被真实改写：美国数学学会在回应AI的Navier–Stokes结果时明确重申，数学的目的，是人类的理解。伦敦数学学会把AI定位为加速探索与发现的新工具，但提出问题、创造概念、形成理解仍被认为是人的工作；克雷数学研究所则没有为AI证明直接“认证”，只要求结果公开、经过同行检验并接受长期验证。陶哲轩给年轻研究者的建议也直接对准了个人层面：当AI已经能生成难与研究生四年成果区分的“论文”，教育的价值恰恰剩那些无法被交付物复制的能力——吸收复杂材料、综合信息、提出问题。答案会越来越便宜，“把答案变成理解”的劳动会越来越贵——在由答案定义产出的工作里，谁能消化答案，谁就是稀缺的那一方。36氪36氪
