OpenAI刚高调官宣GPT-6攻克了世界级数学难题“孪生素数猜想”，引发全网狂欢，一直力挺AI的华人数学天才陶哲轩却扭头给了一盆冰水。他仔细审查完AI给出的百页证明后，直接丢出四个字：“令人无语！”

这句话为什么杀伤力那么大？因为陶哲轩不是那种在争论里喜欢站队的人。他是长期拥抱AI的数学家，是最早把大模型当工具的人之一。

你可以不同意他看问题的角度，但很难否认，他对AI的熟悉程度，远比普通网友更“懂行”。所以他不是一句情绪化吐槽，他更像是在当众提醒，别把“看起来像证明”当成“证明本身”。

事情的关键并不在“AI有没有算出东西”。数学圈最怕的从来不是得出结论，而是得出结论的方式不可信。

AI给的那套东西，形式上很像论文，符号很密、推导很长、段落很标准；但当陶哲轩真正把它从头到尾拆开审查，问题就出在最要命的地方——关键步骤不成立。

它甚至可能出现循环论证，用尚未证明的结论去支撑前置条件；更夸张的是，某些“引理”不是推出来的，而是被凭空捏出来的，读起来像那么回事，落到逻辑上却是断裂的。

你想象一下：建高楼最难的不是把钢筋码齐，而是地基要真的扛得住。外行看钢筋，内行看受力。数学也是一样。

真正的严谨不是“写得漂亮”，而是每一步都有交代、每一步都能被复核，最后逻辑闭环。只要有一处卡住，之前所有“看上去顺滑”的步骤都可能瞬间归零。

更让人不舒服的是，这类AI产物常常像“科幻小说”，用数学符号包装出一种确定性。它可能给你一种错觉：只要字够多、推得够长，离真理就更近了。

可数学恰恰相反，数学不接受“接近真理”的状态。差之毫厘就是谬以千里。证明不是愿望，不是叙事，是精确到每一环都必须经得起审判。

第二个更刺的点，是过程正在被替换成“结果”。下篇把陶哲轩的担忧说得更透，一个开放问题的价值，往往不只在最终答案，还在探索过程中产生的新方法、新视角。

数学史反复证明，失败也能带来新路标：你失败在哪里，就暴露了下一次应该绕开的坑在哪里，你卡在某个瓶颈，就逼得后续研究换一种思路。

可如果AI把“成功”包装出来，却把失败、推理分叉、关键检验全部藏在黑盒里，那么公众看到的就只剩高光镜头。久而久之，大家学到的不是数学的生长逻辑，而是“看起来很对”的表演逻辑。

这就是陶哲轩真正可能生气的地方，不是AI快，而是AI把数学变成了只输出答案的机器，把验证和理解的过程剪掉了。

数学不是把题目交给机器，然后等机器吐出最终数字就结束；数学是人类一次次试错、一次次逼近、一次次推翻再重来。它靠的是“能解释”，不是“只能相信”。

那如果未来你每次看到“AI攻克了某个难题”，都只能得到一个结论，却很难拿到可核查的推导链条。

你读不到失败，找不到关键环节，也无法复现实证，那我们到底是在看数学进步，还是在见证“证明被去过程化”之后，一种更容易传播的幻觉被包装成真理？

你觉得，真正应该被庆祝的是那个冷冰冰的数字，还是那个还能让人追问、还能让人复核、还能让后人从里面学会“怎么走下一步”的过程？