侃AI 00412 当证明不再稀缺：孙鑫论AI奇点下数学的智识重定价、理解稀缺与共同体危机 20261101

潘力刚地产.激光.IT.AI医学

前世：

何以中国

今生：

读懂中国，认识中国，讲好中国故事，提高文化自信： 这就是中国

千里姻缘一线牵，公益相亲平台： 圆梦缘
科学、医学、人文、历史、文学、音乐、影视、摄影、数、理、化、计算机、人工智能、......： 仰望星空 文库
你在加拿大魁北克的家园： 蓬莱仙阁楼台 加拿大魁北克傍山依水家园 文库
赏心乐事谁家院： 好山好水好风光 文库
别时容易见时难： 千里江山 文库

千流归大海，高山入云端（数据总库）： 仰望星空脚踏实地 BECC CECC
勘、侃、龛、看人生： 圆桌派

逻辑思维

加中教育促进会 BECC-CECC 《仰望星空 文库》列表

侃AI by BECC-CECC 加中教育促进会

侃AI 00412 当证明不再稀缺：孙鑫论AI奇点下数学的智识重定价、理解稀缺与共同体危机 20261101

‍

‍

2026年10月25日，北京大学北京国际数学研究中心教授孙鑫在《知识分子》与《赛先生》主办的论坛上做了一场主旨演讲，题为“AI冲击数学，我的个人体验、反思与倡议”。这篇演讲的独特之处，不在于它提出了多么系统的纲领，而在于它是一份带有精确时间戳的认知记录：一个以“30年”为尺度做判断的数学家，如何在不到半年的时间里，被自己亲历的若干具体事件逐一推翻，并在此基础上重新定位数学研究的意义。在AI与数学的关系已被大量宣言、警告和争议性叙事占据的当下，孙鑫的文本提供了一种稀缺的品质：可追溯的诚实。

‍ 本文试图以这份“体验报告”为锚点，将其置于论坛中袁新意、邓煜、陶哲轩等人的不同回应之间，追问一个比“AI能否做数学”更困难的问题：当数学共同体被孙鑫判定为率先进入“奇点”时，那个“奇点”究竟意味着什么，以及数学的智识传统在这一判定之后如何自处。

‍

一、从“30年”到“两个月”：一次预测的坍缩及其方法论意义

‍

孙鑫演讲中最具冲击力的段落，不是任何一项AI成果的列举，而是他对自身判断失误的复盘。2026年6月，他在课题组内做问卷调查，问“AI独立开展数学研究的能力何时超过‘AI＋人’的组合”，学生们给出5到10年的估计，他一个人坚持“至少30年”。他的理由是，自己研究的二维随机几何涉及漫长的逻辑链条和强烈的几何直觉依赖，AI在可预见的将来难以逾越这道门槛。

然而到10月演讲时，他已将这一判断彻底悬置，转而提出一个“最乐观的假设”：不远的将来，一个个人AI账号就可以在短时间内生成数以千计的新定理及其证明。使这一转变发生的，是一连串他无法再用“领域不均衡”来消化的具体事件：同事的AI智能体推翻了交换代数中的安德森猜想，综合运用了分散在六个领域的既有论文；OpenAI公布了埃尔德什单位距离猜想的反例，而他在MIT读博时就听同学讲过这个问题；他的学生在研究中遇到一个极其冗长的表达式，AI发现它其实是一个很短的已知函数；剑桥同行用AI在几分钟内直接求解了此前难以处理的偏微分方程，而孙鑫与合作者此前刻意绕开了这条路径。

这段叙述的认识论分量在于：孙鑫不是被论证说服的，而是被自己研究领域内部的事件击穿的。他用来防御AI的那个理由——几何直觉和长推理链——恰恰被他最熟悉的同行和研究对象所突破。这提示了一个比“AI能力边界”更值得注意的问题：数学家的领域知识在AI冲击面前，同时是最后一道防线和最脆弱的一环。你越了解自己领域的深度，越容易低估AI跨越该深度的速度；而一旦跨越发生，你的专业判断力又恰恰使你成为最先感知到震动的人。孙鑫用“春江水暖鸭先知”来形容这种处境，是准确的，但只说出了一半：鸭先感知水温，也先承受寒意的全部重量。

‍

‍

二、“奇点”不是终结，是评价体系的悬置

‍

孙鑫将数学共同体的处境判定为“率先进入AGI导致的奇点”，并给出一个极为具体的标志：以定理证明优先权为核心的评价体系失灵了。这一判断的锋芒不在于“AI能证明定理”，而在于它指出了一个制度性后果：如果AI可以在数小时内沿着人类数学家已经开辟的路径完成剩余推导，那么“谁第一个证明”就不再是一个有意义的信号。袁新意在论坛上用了“截获”一词——人类数学家已经看到问题路径，正在朝正确方向推进，AI比较快地搞定了——这个说法在情感上是准确的，但它掩盖了一个更棘手的结构性问题：优先权体系失灵之后，数学共同体用什么来分配声誉、资源和注意力？

孙鑫没有给出制度设计，但他对“奇点”的界定本身已经暗示了答案的方向。他说奇点“并不意味着‘爆破’或‘塌缩’，而是会按照新的方式演变”。这里的“新方式”是什么，他没有明说，但从他随后提出的倡议中可以反推：他呼吁数学界“百家争鸣、百花齐放”，包容“纯素派”和积极使用AI的群体，全力支持身处“不确定性风暴中心”的青年学者、博士后与学生。换言之，在旧的单一标尺失效之后，共同体的存续依赖于它能否从“统一评价”转向“多元生态” 。这不是一个退而求其次的方案，而是一个在逻辑上被逼出来的结论：如果AI使“第一个证明”不再稀缺，那么稀缺的就变成了别的东西——判断力、品味、提问的能力、以及在诸多AI生成的路径中识别哪一条值得走的能力。而这些能力无法用同一把尺子衡量。

‍

‍

三、论坛中的三条分岔：孙鑫的位置

‍

将孙鑫置于同一论坛中袁新意和邓煜的发言之间，可以看到三种不同的重心位移。

袁新意的框架最为“古典”：他将数学拆为提问、解题、总结三个环节，断言AI解题能力超强、总结可期待，但提问是瓶颈，因为提问依赖好奇心、直觉和品味，而当前的教育与评价体系恰恰过分强调解题。他由此得出一个规范性结论：人类必须主导数学的发展，数学是“科学的第一道防线”，不能任由AI发展出人类不理解的东西并推广应用。袁新意的立场有一种清晰的康德式结构：AI可以处理现象界的推导，但本体界的立法——什么值得问、什么算理解——必须留在人类手中。

邓煜的重心则在程序正义。他并不质疑AI的数学能力，而是追问AI公司以何种方式介入数学共同体：如果AI证明了一个重大问题，一个合理的要求是公布思维链；如果沿用了人类的思路，应当说明；发表之前应当保证正确性。他将AI公司定位为工具提供方，反对其“亲自下场”代替用户做研究，并指出用户在贡献了思路和数据之后“什么都没有得到”。这实质上是将问题从“AI能否做数学”转移到“AI以什么身份做数学”——一个共同体成员，还是一个不受共同体规范约束的外部力量。

孙鑫的位置与两者都不同。他没有像袁新意那样为人类划出一块不可让渡的领地，也没有像邓煜那样聚焦于公司行为的规范性。他的问题是存在论层面的：如果AI生成的证明和定理超出了人类理解的范围，它们还是“数学”吗？他的回答是：那些尚未被人类理解的内容，“不属于人类智识的范畴，而应当被看作物质世界的一部分”。这个区分极为关键。它意味着，孙鑫并不把“人类理解”当作数学的构成性条件，而是把它当作人类数学活动的构成性条件。AI产出的形式化定理可以是真的，可以是有用的，但如果没有人理解它、消化它、将它编织进一个可传承的认知结构，它对人类智识而言就只是“物”，不是“文”。正是在这个意义上，他回到司马迁的“究天人之际，通古今之变，成一家之言”，将数学研究的实质定义为“在与今人、古人的思想碰撞中拓展认知边界，并将有价值的认知传播、传承下去”。

‍

‍

四、“倡议”的深层张力：多元生态何以可能

‍

孙鑫的倡议在语调上是温和的：相互尊重，包容多元，保护青年。但这一温和语调之下隐藏着一个尚未被充分正视的张力。“纯素派”数学家与AI深度使用者之间的共存，不是一个可以通过“相互尊重”来维持的静态多元格局，而是一个动态的竞争性场域。 如果AI使用者以数量级的速度产出定理、占据arXiv、消耗审稿资源、重塑招聘和晋升的信号体系，那么“纯素派”的生存空间将不是被说服所压缩，而是被制度惯性所压缩。孙鑫正确地指出了评价体系已经失灵，但他没有回答：在一个失灵的评价体系中，多元生态靠什么制度机制来维持？是靠学术共同体自觉的配额意识，还是靠不同路径各自形成平行的声誉系统？

这或许是孙鑫演讲中最值得进一步推进、也最容易被其温和措辞所掩盖的问题。他呼吁“全力支持身处不确定性风暴中心的青年学者、博士后与学生”，这一倡议在道义上无可指摘，但在实践上指向一个更尖锐的追问：如果青年学者恰恰是最积极使用AI的群体，而资深学者的“保护”又以传统的评价标准为 implicit 参照，那么“支持”会不会变成一种代际之间的认知错位？ 孙鑫自己记录的那个细节——学生们对AI能力的估计远比他乐观——已经暗示了这种错位的存在。真正的多元生态，或许不是让“纯素派”和“AI派”在同一个屋檐下互相容忍，而是承认数学研究正在分化为几种不同的活动类型，并为每一种类型找到不依赖同一种稀缺性（“第一个证明”）的评价方式。

孙鑫演讲的结尾引用了陈省身先生的话：“数学好玩。”在一个AI可以在几分钟内求解此前人类数学家刻意绕开的PDE、在数小时内完成千禧年问题一个版本的时代，这句话听起来既天真又固执。但孙鑫的整篇演讲实际上为这句话提供了一个并非天真的解读：“好玩”恰恰是那种无法被“生成”所替代的数学经验。AI可以生成证明，但“好玩”发生在一个人与一个问题、一个人与另一个人、一代人与另一代人之间。剑桥同行在借助AI求解PDE之后写道，他们庆幸这些结果最初是通过其他方法得到的，因为探索过程催生了新的思想和数学结构，如果一开始就用AI直接求解，“这些数学发现或许根本不会出现”。这或许是整场论坛中最安静、也最沉重的一句话：AI可以给我们答案，但它不会给我们在寻找答案的过程中被改变的那个自己。孙鑫的“奇点”判断如果成立，那么数学共同体真正需要保护的，不是某一种方法或某一类人的优先权，而是那种使“被改变”得以发生的条件。这个条件叫什么，如何制度性地供养它，是演讲留下的、比任何关于AI能力的预测都更难回答的问题。