当AI可以低成本攻克博士生耗费数年才能啃下的前沿数学难题时，数学界正在迎来一场全新的挑战。菲尔兹奖得主陶哲轩在ICM国际数学家大会上发布专题论文，系统剖析AI给数学研究带来的深层变革与潜在风险，向整个行业抛出尖锐命题：AI可以完成解题，那人类数学家的核心价值究竟是什么？

相关测试数据显示，面对10道未公开的研究级数学难题，4套前沿AI系统有7道产出近乎无瑕的解答。完成整套计算的成本仅几十至几百美元，对比人类博士生数年的钻研周期，AI在产出答案层面展现出惊人效率。但陶哲轩的论述并非为AI的解题能力唱赞歌，而是抛出一道开放式的AI能力猜想，引导学界跳出“AI能不能做数学”的争论，转而思考：倘若AI真的大规模承接研究级数学任务，数学学科该如何自处。

陶哲轩把完整的数学研究拆解为五级流水线，层层递进，越往后越依赖人类的主观思考与学术共同体的参与。 第一级是攻克未解难题，只求产出尽可能多的答案，但单纯追求数量很容易产生大量错误结论； 第二级是完成正确性验证，可以借助形式化证明工具校验逻辑链条，可一份逻辑正确的证明，未必具备学术洞见； 第三级是清晰通俗的表述，实现人类可读可理解。AI生成的证明往往过于“光滑”，逻辑步步严丝合缝，却缺少人类证明自带的自然摩擦。人类数学家的文稿会记录思考路径，坦诚标注不易理解的步骤，留下可供后人参考的研究路标。AI证明如同直接传送抵达山顶，而人类证明更像是带着同行一步步爬山，沿途标注陷阱与备选路径； 第四级是获得学术共同体消化与接纳，经过同行评审、期刊发表，这一步离不开学术社区的判断与节奏； 第五级，也是最高层级，就是成果融入学科标准理论，写进教科书完成经典化，这是整条流程耗时最长，但价值最高的环节。

五级流程越往后推进，机器的作用持续减弱，人类的参与权重不断升高。

基于这套五级模型，陶哲轩提出极具冲击力的概念——证明消化不良。长久以来数学处于证明稀缺时代，难题多、可靠的证明少，期刊、评审、教学体系全部围绕这一现实搭建。AI的到来彻底改写供需格局：机器生成证明的速度，远远超过人类验证、解读、评审、沉淀理论的速度。流水线入口被AI大幅拓宽，但后端处理能力没有同步提升，数学的主要矛盾从“缺少证明”变成“消化不完海量证明”。

上一次数学界遭遇同等量级的动荡，是百年前的数学基础危机，学界围绕数学底层根基展开激烈辩论。而这一轮危机，不再挑战数学逻辑根基，冲击的是数学的价值理念与科研实践模式。陶哲轩选择一种务实的研究思路，把“AI能否大规模做数学”当作工作假设，不去纠结猜想何时落地，重点探讨假设成真之后，数学共同体该如何应对变局。

面对这场潜在风暴，陶哲轩亮出自己的核心准则：即便形式化工具已经验证证明无误，如果作者无法清晰讲解自己的研究成果，这份成果就不应当发表。

这直接反驳了当下一种流行心态：依靠AI产出证明，工具完成校验，即便研究者本人无法完整拆解推理过程，也直接投稿发表。但陶哲轩并不排斥AI工具本身，他本人也会使用AI完成文献检索、文本补全、图表绘制等辅助工作。工具可以辅助科研，但人类研究者必须掌握完整理解成果的能力，承担最终责任，这一点也与《莱顿宣言》的精神彼此呼应。

AI可以源源不断生成定理证明，却无法代替人类完成理解。如果科研追求仅仅是把名字刻在定理之上，AI正在快速稀释这份价值；如果数学的内核是理解世界运行的底层逻辑，这件事依旧属于人类。

百年前的数学危机催生哥德尔、图灵等一批学者，危机没有摧毁数学，反而推动学科走向更深的层次。如今AI掀起新的震荡，填空题的各个空格，等待整个数学共同体交出属于时代的回答。正如数学家Thurston所言：我们不是定理的生产机器。证明的最终目的，是理解。