AI产业链 当 AI 把证明变成廉价商品，数学最稀缺的能力才刚刚浮出水面

信源：a16z｜Lisha Li 对话多伦多大学数学家 Daniel Litt｜Can AI Learn Mathematical Intuition?｜2026-09-01⁠

“数学的目标不是生产论文，而是获得理解。”Daniel Litt 在访谈中的这句话，点出了当前 AI 数学能力最容易被误读的地方。AI 已经开始解决真正的开放问题，但这并不等于它已经掌握了数学家的全部工作。更准确地说，数学正从“证明稀缺”进入“证明过剩”：符号推导、技术组合和大规模搜索迅速降价，新的瓶颈转向了提出什么问题、选择什么表述、如何建立理论，以及如何判断一个结果是否真的增进了理解。

这里的“数学直觉”并不是神秘灵感。它是一组可以观察的能力：从大量现象中选出值得研究的变量，把模糊感觉压缩成正确命题，在不同领域之间建立类比，并从一个证明中抽取能够解释更多问题的结构。证明回答“这个命题是否成立”，直觉决定“为什么要研究这个命题，以及应该以什么形式研究它”。当前模型在前一类任务上的进步，明显快于后一类。

不能因此低估 AI。2026年5月，OpenAI 的内部通用推理模型自主推翻了 Erdős 单位距离猜想：它把代数数论中的工具引入离散几何，构造出单位距离数量呈多项式改善的无限点集。原始论证由模型一次性产生，之后由人类数学家整理、简化和验证。OpenAI 官方材料⁠与数学家联合撰写的评注⁠都确认，这不是把最后几步补完，而是一次出乎领域共识的跨学科构造。它随后还启发了实数域 sum-product 猜想等问题的新进展。

但这个案例同时暴露了 AI 的优势来自哪里。模型拥有近乎百科全书式的知识，不会疲劳，可以同时尝试大量人类认为成功率过低的路线。OpenAI 8月公布的十项数学和理论计算机成果，寻找解法所需 token 按公开 API 价格计算约为2000美元，之后全部生成了 Lean 形式化证书。这已经很像一条数学证明生产线⁠。

Anthropic 的黎曼 ζ 函数结果把这种生产方式展示得更加彻底：Claude 先尝试了650个想法，随后用约3100万输出 token、60个子代理、2400次 shell 命令和数百个 Python 脚本，把临界线上简单零点的无条件下界从41.6%提高到67.2%，并完成交叉审查和 Lean 验证。Anthropic 公布的过程⁠说明，AI 数学的当前核心能力，是把搜索宽度、持续运行时间、工具调用和验证机制组合成一个研究系统。

然而，子代理数量并不等于认知多样性。几十个代理可以探索几十条路线，却仍可能共享相似的训练分布、问题表述和“什么看起来值得尝试”的先验。如果把同一个数学家复制一千次，计算量增加了，学术共同体原本由不同审美、经验和好奇心形成的高维探索空间，却未必同步扩大。

Litt 在视频里举了一个很准确的例子：他曾有一个模型无法证明的引理，自己计算大量实例后，重新找到了一个更好的命题表述；一旦表述正确，Gemini 很快就完成了证明。后来更强的模型也能直接给出原命题的十页暴力计算，但那个证明没有解释为什么命题成立，也不会自然导向更一般的理论。

这就是“完成证明”和“产生理解”的差别。暴力证明可以关闭一个问题，好的表述却能打开一片问题。

验证也正在成为新的稀缺资源。短而巧的证明容易审查，数百页 AI 生成论文即使每一行看起来合理，也可能没有任何人真正理解其全局结构。人类专家检查长证明时，通常不是机械地逐行重算，而是判断结论是否强得反常、论证能否错误地推出已知反例、特殊情形是否成立。模型擅长局部推导，却仍不稳定地掌握这种“全局单元测试”。Lean 能证明形式推导有效，却不能自动回答结果是否新颖、重要，或者它是否改变了我们理解问题的方式。

因此，AI 对数学界近期最大的冲击，可能不是取代数学家，而是击穿现有评价体系。Litt 在视频中说，他让 Codex 自行寻找代数几何猜想并尝试证明，一个小时就得到三篇“正确但很差”的论文。如果职位、声望和经费仍然奖励论文数量，最理性的行为就会变成反复拉动模型这台老虎机。论文数量增长，反而可能伴随有效知识密度下降。

最有力的反驳是：理论构建也许只是暂时落后。Litt 本人并不认为能力会停滞；Claude 在挑战黎曼猜想失败后意外找到重要下界，也说明大规模搜索能够涌现出未被直接指定的发现。因而，直觉未必是模型无法跨越的天花板，更可能是训练目标和研究 harness 尚未覆盖的能力。

下一阶段竞争的重点，由此不会只是模型能解多少道题，而是谁能构建更好的“发现系统”：奖励新的问题表述、可迁移的方法和彼此独立的研究路线；同时具备形式验证、全局压力测试、来源追踪和人类可理解性。一个只会输出更多证明的系统，可能只是让数学家更忙；能够把证明转化为新概念、新问题和新理论的系统，才真正接近数学研究。

检验这条边界是否被突破，关键不是再看一次开放问题排行榜，而是观察 AI 能否自主提出被专家采用的新定义和新猜想，并由此连续解决一族问题。当模型开始创造可供人类继续工作的理论框架，数学直觉才算真正进入机器内部。在那之前，AI 首先工业化的是证明，而人的价值正在从计算迁移到选题、解释与意义。