二十五位菲爾茲獎得主——數學界最接近諾貝爾獎的榮譽——共同簽署了一份關於 AI 的警告。網路的反應自然而然地出現：舊勢力感到恐懼。專家們捍衛他們的權威。擁有終身職的路德派。
然後你打開聲明，反應就消失了。
它開始於對人工智慧的肯定。在過去幾個月中，大型語言模型已經解決了多個數學領域中的重要開放問題。沒有保留，沒有否認。最有資格檢查這項工作的，是那些確認其有效性的人。
警告是在勝利之後發出的，而不是針對勝利的。他們自己對這個問題的稱呼在標題中：嚴重的錯位。人工智慧公司正在優化答案。數學的存在是為了產生理解。這兩者並不是相同的產品。
簡而言之：這份聲明並不是反對人工智慧——其主要簽署者以測試前沿模型為生。實際的主張是：著名的未解決問題是燈塔，而不是高峰。它們的價值在於它們強迫的導航和沿途建立的工具——費馬最後定理產生了350年的數論機械，至今我們仍在使用。人工智慧現在解決了問題並跳過了旅程，提供的證明幾乎不增加任何知識。最稀缺的資源是「學生和想法」——按此順序——當答案是免費的時候，學徒制就會崩潰。這是古德哈特法則應用於整個文明的計分板，而同樣的錯位將會影響每一個知識產業，包括我的產業。
我是詹姆斯，水星科技解決方案的首席執行官。來自香港數碼港——2026年9月15日。我的公司為企業建立人工智慧與人類之間的橋樑，因此來自世界頂尖數學家的聲明，描述機器輸出與人類理解之間的差距，對我來說並不是一個抽象的概念。這是產品規格。更多內容如下。
發出警報的人
陶哲軒於9月11日在他的博客上發佈了這份聲明。記住你正在與誰打交道：陶被邀請進入前沿人工智慧實驗室，以壓力測試他們最強的數學模型，他在YouTube上展示了他如何使用人工智慧即時解決問題。他比大多數構建模型的人更具人工智慧原生性。
在同一個部落格的同一天，他發佈了第二件事：一個圍繞著數十年未解問題的公開挑戰公告——安德魯斯-柯提斯猜想——他協助組織，並且其規則明確歡迎 AI 工具。
同一個人。同一天。一篇文章中發出警報，另一篇則向機器發出邀請。"保護領土"無法解釋這種組合。解釋這一點的是一個區別：他歡迎這個工具，卻拒絕計分板。
前二十五位簽署者都是菲爾茲獎得主，名單仍然開放，並且包括2026年獎得主來自中國的鄧宇。這些人並不是其相關性正在減弱的人。
著名的問題實際上是為了什麼？
外部人士將著名的未解問題視為高峰。費馬最後定理、黎曼假設、雙質數猜想——山峰，誰最先插上旗幟誰就贏。問題結束。
聲明稱它們為地標和燈塔。這個隱喻就是整個論點，所以慢慢來。高峰是一個目的地。燈塔是一個方向。它位於沒有人跨越的水邊，其整個功能是將船隻引導到那裡——而在途中，船隻建造了東西。
費馬最後定理花了三百五十年。懷爾斯在1994年解決了它。但我們所保留的不是旗幟。我們所保留的是機制——在這個過程中發展出來的整個代數數論領域，至今仍在數學和密碼學中日常使用。如果你只盯著最終的證明，你無法看到這個學科實際上走了多遠。問題從來不是重點。旅程才是重點，而這段旅程留下了基礎設施。
照著燈塔找路，和直接把燈泡擰下來，是兩回事。導航靠燈塔和擰下燈泡是兩回事。燈泡給你光亮。燈塔給你海岸線。
沒有人需要的千萬行證明
我找到的最清晰的解釋不是來自二十五，而是來自評論中的一位數學家。以雙質數猜想為例——至今未被證明，但該領域的每個人都相信它是真的，並大致知道為什麼。現在把一個千萬行的、機器驗證的證明交給那位數學家。
他的知識大約增加了零。
唯一的新事實是AI現在已經證明了它。「那然後呢？」即使每一步都經過機器驗證，人類仍然需要閱讀、消化、理解——在任何人能夠在此基礎上進行建設之前。這項工作無法壓縮。它不是你收集的收據；它就是產品本身。
我們已經進行過這個實驗。在2002年和2003年，格里戈里·佩雷爾曼發表了三篇極為簡潔的預印本，證明了百年來的龐加萊猜想——沒有期刊，沒有精緻的論證，步驟被跳過。這個答案在公共互聯網上存在了三年，免費且正確，期間多個數學家團隊填補了每個空白，產出了數百頁詳細的論證，並舉辦了一場又一場的研討會。到2006年左右，這個結果終於屬於數學。
注意這意味著什麼：答案在2003年就已存在。理解在2006年到來。只有第二個才算數，因為只有理解才能承載下一個結果。沒有人理解的證明不會進入數學。它進入檔案館。
學生在想法之前
這段聲明中最安靜的激進語句：這個領域最珍貴的資源是「學生和想法」——按這個順序。
這句話背後的實踐是：數學顧問故意給學生分配那些答案已知的問題——有時是幾十年前已經在文獻中解決並印出的問題。答案從來不是作業的重點。作業是三天卡在牆上、錯誤的轉彎、凌晨三點兩個想法終於結合在一起的那一刻。這就是學習工具的方式——在負荷下——而這些工具必須承載四十年的研究。
現在，人工智慧在掙扎中將答案放在桌面上。學生們接受了這個答案。當然他們會接受；我也會。在卡住三天的時候，正確的提示就在一個提示之遙，而明智的做法是拒絕？不會。
這段聲明並不責怪學生。它責怪評分系統。當整個行業根據人工智慧解決了多少著名問題來評分時，所有下游的東西都會優化到公告上，而不是理解上。排行榜可以衡量快速、正確、可比較的結果。它們無法衡量「寫得讓其他人能夠跟隨」、「其他人可以重用的方法」、「一個從另一端變得更強的學生」。這就是不對齊的地方：被優化的事物和實際上有價值的事物已經分開。古德哈特法則，從一個指標擴展到整個文明。
為什麼一家人工智慧公司應該傾聽
水星的創始前提是，人工智慧的最後一公里是人類——在機器產出與人類吸收之間的差距中，失去了大量的價值。數學家簡直是最純粹的案例：他們的答案需要最長的時間來消化，因此他們最先感受到這個差距。
但這個模式並不僅僅屬於他們。沒有人閱讀的報告。沒有人信任的儀表板。執行長在董事會面前無法辯護的 AI 分析，沒有翻譯者。產出並不等於理解——在任何行業中都是如此。隨著模型以機器速度提供答案，理解成為每個接觸它們的組織的瓶頸。我們為客戶衡量的本質上是答案產出率：機器產出的多少轉化為人類的決策和能力。菲爾茲獎得主們整年都在這條曲線的艱難端生活。
他們以克制的方式結束。他們不指責任何人錯誤。他們說：這項技術的發展取決於控制它的人將其指向何處——而數學只是第一個答案開始比理解更快到達的行業。
如何處理不對齊的問題
對於 AI 建設者：停止僅僅基準答案。添加理解度指標。一個合格的人類能在合理的時間內驗證輸出嗎？一個非專家從中學到了任何可重用的東西嗎？一個證明沒有人能消化的模型已經為新聞稿進行了優化。
對於領導者：有意保護學徒制度。在課程中保留已知答案的問題——掙扎就是內容。根據他們能解釋的內容來評分團隊，而不是根據他們能提示的內容。
對於現在採購 AI 的任何人：在簽約之前先問數學家的問題。當機器正確時，我的團隊實際上獲得了什麼？如果供應商的回答僅僅是「速度」，那麼你買的是一個燈泡，而不是海岸線。
停止評分答案。開始評分理解。
二十五位獲獎者不會停止基準賽——數學對於機器推理來說是一個太好的健身房，實驗室也知道這一點。但他們已經寫下了整個經濟即將進行的交易的最尖銳描述。船隻剛學會如何拆卸燈塔。現在是否還有人知道海岸線，這已經成為一個管理問題。
水星科技解決方案：加速數位化。