菲尔兹奖得主陶哲轩在斯坦福大学的一场演讲中，亲手给数学界按下了重启键。这位每年审阅上百篇论文的数学家宣布，他将改变工作习惯，不再试图实时跟进所有新证明。原因并非体力不支，而是一个他亲眼见证的事实：AI生成数学证明的速度，已经远远超过人类消化证明的速度。数学，正在被AI撑爆，几千年来建立在“证明稀缺”基础上的学科体系，正面临前所未有的冲击。

陶哲轩在演讲开头就抛出一个判断：数学正在经历其他科学领域早已发生的革命。生物学有基因测序爆炸，天文学有望远镜数据洪流，每个学科进入“数据丰裕”时代后，都被迫重建工作流程。而AI时代，数学的版本是“证明丰裕”。他直接放出一张对比图，显示数学论文的署名传统——其他学科早已习惯10人、20人、50人合著，数学一百年来还卡在1-2人。原因在于“证明很贵”：一篇定理的诞生需要几年甚至几十年，比如Andrew Wiles花了7年才证明费马大定理。在那个稀缺时代，“谁第一个走出帐篷”就是最自然的衡量标准，整个学科的激励体系全部建立在此之上。如今，稀缺性正在被AI抹掉。Erdős问题网站——数学界最著名的未解难题清单之一，目前已有大约20篇AI辅助解题方案处于积压待审状态，提交者坦言根本没有时间手动验证。陶哲轩将此比作19世纪的汽车困境：车越来越快，但道路系统承载不了，结果不是交通更快，而是更堵。

陶哲轩将数学生产过程拆解为三步：证明生成、证明验证、消化与理解。AI如今已在批量产出证明，GPT-5.5、Claude Opus 4.7及专门的形式化数学求解器，一夜之间能涌出几十条新证明。验证环节也因Lean、Coq等工具的迭代实现了半自动化，GPT-5.2解Erdős#728时，验证由工具Aristotle自动完成，陶哲轩本人只在终点确认。但消化与理解环节完全空白，没有任何工具能帮数学家把机器证完的东西转化成人类读得懂的洞察。一条证明被形式化验证为正确，和这条证明对数学家有用，是两回事。前两阶段越快，第三阶段越追不上。目前学术界没有任何成型的方法论，让数学家批量消化AI产出的证明。陶哲轩说了一句被现场反复引用的话：“数学的本质，不是积累正确证明的数量，是让人类理解这个世界为什么是这样运行的。”

真正让陶哲轩警觉的，是AI生成的证明长什么样。他区分了数学研究的两类目标：显性目标（证明定理、解决猜想）和隐性目标（理解与文献关系、发现后续问题、提炼新技术、训练直觉）。过去几百年，这两类目标从不需分开讨论，因为人类数学家解决问题时，隐性目标自动完成。AI把它们拆开了：AI可以在技术层面解决显性目标，给出逻辑上正确的证明，但它不引用已有文献，不突出核心思想，不启发后续研究，不帮任何人变得更聪明。用陶哲轩的表述：“这种证明技术上正确，但与数学的真正进步目标脱节。一道题被AI解了，但数学界对这道题的理解没有增长一毫米。”未来，数学家的工作重心或许必须从“生产证明”转向“设计问题”和“提炼洞察”，否则，数学将陷入技术正确但无人理解的尴尬境地。