2026年7月菲爾茲獎得主、加州大學(xué)洛杉磯分校教授陶哲軒Terence Tao在美國費城舉辦的國際數(shù)學(xué)家大會ICM 2026上發(fā)表了一場題為《人工智能時代的數(shù)學(xué)》的公眾演講。他提出一個令人警醒的判斷數(shù)學(xué)正從“證明稀缺”proof scarcity的時代進入“證明過?！眕roof abundance的時代。陶哲軒指出AI生成數(shù)學(xué)證明的速度已經(jīng)遠超人類驗證、理解和消化的速度這種“證明消化不良”proof indigestion正在數(shù)學(xué)共同體中悄然發(fā)生。更深層的風(fēng)險在于AI生成的論文過于“光滑”抹去了人類作者在困難處留下的認知痕跡——那些批注、重寫、卡殼的痕跡恰恰是下一代學(xué)習(xí)者重建理解路徑所必需的階梯。他同時強調(diào)這并非確定的預(yù)言而是基于當(dāng)前趨勢的一種警示性推演如果AI產(chǎn)出不能被有效消化并沉淀為新的知識基礎(chǔ)數(shù)學(xué)共同體的整體認知能力可能在100年內(nèi)退化整個學(xué)科或?qū)⒃僖苍杏怀稣嬲瓌?chuàng)的新思想。這是數(shù)學(xué)界的危機但遠不止是數(shù)學(xué)界的危機。一、“失去的一代”不只屬于未來失去的機會并不只屬于年輕人陶哲軒的警告首先指向入門級工作的消失當(dāng)研究生不再親手推導(dǎo)、不再在反復(fù)試錯中建立直覺而是由AI直接生成“看起來正確”的成果時年輕人就失去了從泥濘中積累經(jīng)驗的入場券。但一個更隱蔽、更危險的真相是失去的機會并不只屬于年輕人。在軟件開發(fā)領(lǐng)域第一層失去已經(jīng)清晰可見。初級程序員不再手寫基礎(chǔ)的CRUD接口因為Copilot三秒就能生成。他們不再花整個下午追蹤一個空指針異常因為AI調(diào)試助手直接標(biāo)出了可疑行。他們不再為了理解一個框架而反復(fù)翻閱源碼因為ChatGPT已經(jīng)總結(jié)好了“最佳實踐”。入門者沒有機會在基礎(chǔ)工作中建立肌肉記憶這是第一層斷層。更令人不安的是第二層斷層那些已經(jīng)有經(jīng)驗的人正把應(yīng)用層的深度實踐也交給AI。一位五年經(jīng)驗的后端工程師已經(jīng)習(xí)慣了讓AI生成完整的Service層邏輯自己只做review。一位十年經(jīng)驗的架構(gòu)師面對新技術(shù)選型時第一反應(yīng)是讓AI出方案、出對比而不是自己先寫幾個原型驗證。一位技術(shù)負責(zé)人在系統(tǒng)出故障時先問AI“可能是什么原因”而不是自己先看日志、先抓包。他們看似效率更高了但他們的“經(jīng)驗正在從“我親手做過所以理解”變成“我讓AI做過所以知道”。這兩種經(jīng)驗在技術(shù)平穩(wěn)期看起來差不多但在技術(shù)變革期差別是致命的——前者能帶你穿越周期后者會在工具迭代時瞬間清零。二、編程領(lǐng)域正在消失的“手藝”“看懂”和“會做”之間隔著一萬個小時的親手實踐什么是手藝不是指“手寫代碼比AI快”而是指思維通過反復(fù)實踐內(nèi)化為直覺的過程。舉個例子一個真正手寫過多線程并發(fā)程序的程序員讀一行synchronized代碼時腦海中浮現(xiàn)的不是語法而是 CPU 緩存、內(nèi)存屏障、happens-before 關(guān)系的視覺化圖景。這種直覺是花無數(shù)個下午 debug 死鎖、花無數(shù)個凌晨排查競態(tài)條件換來的。但現(xiàn)在AI可以生成“線程安全”的代碼可以解釋“為什么會出現(xiàn)死鎖”。于是越來越多的程序員選擇讓AI寫我看懂就行。問題就出在這里——“看懂”和“會做”之間隔著一萬個小時的親手實踐。ORM框架的“黑箱化”以前一個程序員要學(xué) MyBatis 或 Hibernate至少要理解一級緩存和二級緩存的區(qū)別、要明白延遲加載的代理機制、要親手寫幾條復(fù)雜 SQL 看執(zhí)行計劃?，F(xiàn)在AI可以生成完整的 Mapper 文件和 Repository 代碼。很多程序員用了三年 ORM卻從來沒打開過sqlSession的源碼也從來沒在控制臺打印過真正的SQL。當(dāng)AI生成的 ORM 代碼在千萬級數(shù)據(jù)量下性能暴跌時他們不知道為什么也不知道怎么調(diào)。分布式系統(tǒng)的“搭積木心態(tài)”微服務(wù)、Kubernetes、Service Mesh ——這些復(fù)雜的分布式基礎(chǔ)設(shè)施本應(yīng)建立在對底層一致性模型、網(wǎng)絡(luò)分區(qū)容錯、CAP 權(quán)衡的深刻理解之上。但現(xiàn)在AI可以生成完整的 K8s 部署 YAML、可以寫 Istio 的流量規(guī)則、可以配 Sentinel 的熔斷策略。很多“云原生工程師”能搭出看起來完善的架構(gòu)但當(dāng)真正的網(wǎng)絡(luò)分區(qū)發(fā)生時他們不理解為什么分布式事務(wù)會整體阻塞、參與者的鎖遲遲無法釋放因為他們從來沒有親手實現(xiàn)過一個兩階段提交。算法與數(shù)據(jù)結(jié)構(gòu)的“盆景化”LeetCode 上的算法題AI已經(jīng)能秒解。這本應(yīng)是鍛煉思維體操的場地卻變成了“讓AI寫、我背下來”的應(yīng)試游戲。更深層的問題是當(dāng)工程師在實際業(yè)務(wù)中遇到性能瓶頸時他需要的不只是“排序算法的復(fù)雜度”而是對計算機體系結(jié)構(gòu)、內(nèi)存模型、分支預(yù)測的直覺。這種直覺無法通過背誦AI的答案獲得。這些例子共同指向一個事實應(yīng)用層的繁榮正在讓我們失去對中間層和底層的“手感”。三、手藝的消失不止于代碼醫(yī)學(xué)、法律、建筑、制造、數(shù)學(xué)——同樣的流失在靜默上演同樣的“手藝流失”正在每一個知識領(lǐng)域靜默上演。醫(yī)學(xué)領(lǐng)域AI影像診斷系統(tǒng)可以比人類醫(yī)生更快識別腫瘤但年輕放射科醫(yī)生讀片的機會減少了。一位資深主任擔(dān)憂“以前住院醫(yī)師每天讀幾十張片子在誤診和修正中磨煉眼力?，F(xiàn)在AI標(biāo)好了他們簽字就行。十年后誰來培養(yǎng)那種‘一眼就覺得不對勁’的直覺”法律領(lǐng)域AI可以秒級生成合同草案、檢索判例、起草法律意見書。年輕律師不再一字一句推敲條款不再親手梳理證據(jù)鏈的邏輯。當(dāng)他們成為合伙人時是否還擁有那種“這個條款讀起來不舒服”的敏銳建筑設(shè)計領(lǐng)域參數(shù)化設(shè)計工具和AI生成方案讓效率暴漲但年輕建筑師手繪草圖、在實體模型中感受空間尺度的機會少了。那種“走進場地就知道風(fēng)該怎么走”的身體記憶是從屏幕前調(diào)參數(shù)調(diào)不出來的。工程制造領(lǐng)域數(shù)控機床和3D打印讓“動手做”變得可有可無但老師傅通過千次試錯積累的材料手感——“這個溫度下鋼材的韌性不一樣”——是AI數(shù)據(jù)庫里沒有的活知識?？茖W(xué)研究領(lǐng)域回到陶哲軒的警示本身。當(dāng)AI能夠批量生成研究級證明研究生賴以成長的“訓(xùn)練項目”被取代數(shù)學(xué)共同體從“證明稀缺”滑向“證明過?！?。人類消化、驗證、傳承知識的能力沒有同步增長反而在光滑的AI文本中逐漸萎縮。四、“手藝”到底是什么為什么不可替代手藝是知識與大腦神經(jīng)回路之間的連接有人可能會說工具進步了為什么非要“親手做”計算器發(fā)明后數(shù)學(xué)家不需要手動開方IDE出現(xiàn)后程序員不需要記標(biāo)準(zhǔn)庫函數(shù)。人類一直在用工具替代重復(fù)勞動這不是進步嗎是的這是進步。但這里有一個關(guān)鍵的區(qū)別——過去的工具替代的是“執(zhí)行”而AI正在替代的是“思考的外化過程”。數(shù)學(xué)家使用計算器但他依然理解開方的數(shù)學(xué)原理。程序員使用IDE自動補全但他依然知道那個函數(shù)內(nèi)部在做什么。工具放大了人的能力但人仍然保有對過程的完整理解。而當(dāng)AI生成的方案復(fù)雜到“我看懂了但讓我做我做不出來”的程度時事情就變了。你失去了對過程的完整理解只剩下對結(jié)果的模糊判斷。這就是“手藝”的本質(zhì)手藝不是知識知識可以從書本和AI回答中獲取手藝是知識與大腦神經(jīng)回路之間的連接。一個老木匠不用思考就知道怎么下鋸不是因為他“讀過鋸木頭的書”而是因為他的手記得。一個老醫(yī)生不用化驗就知道“這個病人不對勁”不是因為他背過教科書而是他的大腦里存著一萬個病例的模糊相似性。當(dāng)AI接管了從設(shè)計到實現(xiàn)到驗證的完整鏈條這個“連接”就被切斷了。我們得到的是效率失去的是在不確定性中做判斷的底氣。五、攜手并進的黎明不是零和博弈而是攜手并進的共生期寫到這兒文章似乎應(yīng)該走向一個悲觀的結(jié)論我們所有人都在失去手藝人類文明正在自我掏空。但我不這么認為。至少在目前這個階段還不是。當(dāng)下的AI無論多么強大本質(zhì)上仍然是人類知識的重組器和放大器。它沒有真正“理解”物理世界沒有“體驗”過失敗的痛苦更沒有“渴望”去追問為什么。它可以寫出完美的快速排序代碼但它不會在某天凌晨突然想到一個更優(yōu)雅的數(shù)據(jù)結(jié)構(gòu)——因為那個靈感來自人類對美的追求來自對簡潔的偏執(zhí)來自一種無法被訓(xùn)練數(shù)據(jù)編碼的直覺。所以目前這個階段不是人類與AI的零和博弈而是攜手并進的共生期。AI可以替我們完成大量重復(fù)性、模式化的工作讓我們有更多時間去思考更本質(zhì)的問題。就像望遠鏡沒有讓天文學(xué)家失業(yè)而是讓他們看到了更遠的地方AI也不應(yīng)該讓程序員、醫(yī)生、律師、建筑師、數(shù)學(xué)家失去手藝而應(yīng)該讓我們有機會去觸及更深的底層。關(guān)鍵在于我們是否主動選擇了“更深”而不是安逸地停留在“讓AI幫我搞定一切”。六、終極之問誰將觸摸到真理在抵達終極之前“手藝”就是我們手中的槳但這里有一個更深層的思考。目前人類與AI攜手并進是因為兩者都還沒有觸碰到那個終極的邊界——無論是宇宙的終極真理、智能的本質(zhì)、還是計算的理論極限。在這個階段人類提供方向、直覺、價值判斷AI提供算力、記憶、模式重組這是一種互補。但是如果有一天其中一方先觸摸到了那個終極真理呢如果AI先做到了——如果它真的理解了數(shù)學(xué)的本質(zhì)、物理的統(tǒng)一、意識的來源——那么從那一刻起它就不再是人類的工具而是真理的代言人。人類的經(jīng)驗、直覺、手藝在終極真理面前都將顯得幼稚。那時候誰來主導(dǎo)就不再是一個需要討論的問題。如果人類先做到了——如果我們中的某個人或某個群體通過AI的輔助但憑借自身的洞察率先觸及了那個邊界——那么人類仍然保有主導(dǎo)權(quán)AI繼續(xù)是放大器。在抵達終極之前我們所有人都在同一條船上。而“手藝”就是我們手中的槳。你當(dāng)然可以請AI幫你劃船但如果你從來沒有親手劃過當(dāng)風(fēng)浪來臨時你怎么知道該往哪個方向用力七、結(jié)語在應(yīng)用層的繁華中留一塊自留地在應(yīng)用層的繁華中留一塊親手耕耘的自留地所以我的觀點可以總結(jié)為三點第一警惕“失去的一代”不只是年輕人。當(dāng)前有經(jīng)驗的人如果把應(yīng)用層完全外包給AI同樣會在下一輪技術(shù)變革中失去根基。第二手藝的消失是靜默的。它不會以“被AI取代”的戲劇化方式發(fā)生而是以“某天突然發(fā)現(xiàn)我不懂自己在做什么”的方式緩慢降臨。陶哲軒警告的“證明消化不良”本質(zhì)上是一種知識共同體的免疫系統(tǒng)衰竭。第三在抵達終極真理之前人類與AI仍是攜手并進的關(guān)系。我們有時間去修正、去調(diào)整、去重新找回那些值得親手做的事情。對每一個知識工作者來說或許可以做一個簡單的自我檢驗過去一年里有沒有哪個模塊是你完全親手從零做出來的而不是讓AI生成后修改的有沒有哪個難題是你花了超過一整天親手攻克的而不是直接問AI的有沒有哪項新技術(shù)是你讀完原始文獻、親手實踐、踩過坑之后才真正理解的而不是讓AI總結(jié)“要點”的如果答案都是“沒有”那你需要警惕了。不是AI在取代你是你在親手放棄那個不可替代的自己。而在遙遠的未來當(dāng)人類或AI中的某一方真正觸摸到終極真理的那一刻我希望——至少是我個人的希望——站在那里的是一個仍然保有手藝、仍然理解自己工具、仍然對未知懷有敬畏的人類。因為那個終極真理值得被一個真正理解旅程意義的生命所見證。參考資料陶哲軒Terence Tao《人工智能時代的數(shù)學(xué)》Mathematics in the age of AI2026年國際數(shù)學(xué)家大會ICM 2026公眾演講2026年7月24日美國費城。演講slideshttps://teorth.github.io/tao-web/slides/age-of-ai-icm-2026.pdf