一个曾经最热情拥抱AI的顶级科学家，公开调转了枪口。
菲尔兹奖得主陶哲轩，UCLA数学系教授、公认最早把AI工具深度融入科研工作流的数学家——最近在一场公开演讲中直接向模型公司开火。据量子位等媒体报道，他的原话相当激烈："AI公司无休止地加速，却对那之后会发生什么一无所知。必须慢下来。完全没理由这么快，一点理由都没有。"
一、从"AI课代表"到"减速派"，发生了什么
时间线耐人寻味。今年3月，他还在公开场合说AI在数学领域已经"ready for primetime"，随时可以大规模使用；接受媒体专访时，他断言数学正在经历一场哥白尼革命。
短短半年后，他造了一个新词——"证明消化不良"（Proof Indigestion）。
他把一道数学证明的完整生命周期拆成五步：提出解答、机器验证、翻译成人类能懂的语言、同行评审、写进教科书。问题在于：AI在前两步狂飙突进，后三步的进度几乎为零。没有人写论文，没有人做报告，甚至连按下回车生成证明的人，都说不清刚才发生了什么。
二、"灯塔"比喻为什么精妙
面对"AI解开世纪难题难道不是好事吗"的质疑，陶哲轩打了个比方：未解决的数学问题像灯塔。大多数人出海不是为了抵达灯塔，但灯塔照亮了整片海域。
数学研究的真正价值，是攻克过程中沉淀的工具、框架和洞见。AI直接跳到终点，恰恰抹掉了这条路上最重要的东西——人类在漫长摸索中的偶发灵感和理解。
还有更深一层的担忧：今天的AI数学能力强，是因为吃透了人类几百年沉淀的高质量教科书数据。如果未来学术界充斥着海量没人能理解的AI证明，下一代AI再拿这些数据去训练，会发生什么，没人知道。
三、争论背后的真问题
这场风波的背景是：一家头部AI公司近期批量公开了数百份数学手稿，多位顶级数学家联名发声，认为这种"跳过学术共同体消化流程"的做法正在伤害整个知识生产体系。模型公司则回应称已设立独立顾问小组听取建议。
两边都有道理，但陶哲轩点破了一个被速度掩盖的常识：知识的价值不在产出那一刻，而在被理解、被使用的那一刻。生产速度可以指数级增长，理解速度不能。
普通人现在能做什么
一是用AI加速你的"生产"，但别跳过你的"理解"——写报告、做代码，让AI起草没问题，过目和消化必须自己来；二是教育孩子时少追求"秒出答案"，多追问"为什么"；三是任何行业里，"能解释、能落地、能教会别人"的人，永远比"只会按回车"的人值钱。
工具跑得越快，走得远的人越是那些知道自己在干什么的人。