摘要

Tao 对所有为“AI+科学”下注的人给出的核心判断是：想法生成的成本如今接近于零，验证才是瓶颈。 “AI 已将想法生成的成本压到接近于零，这与互联网将通信成本压到接近于零的方式非常相似。这是一件惊人的事情，但它本身并不会创造充裕供给”——期刊已经被论文淹没，人工同行评审无法应对每天1000个 AI 理论，“我们还不知道如何在规模化层面解决这个问题”。
Erdős 问题的计分板是目前最清晰的实时基准：约1100道题中约50道在 AI 协助下被解决，随后进入平台期。 3次让前沿模型 AI 同时攻克全部问题的尝试都没有产生新的纯 AI 解答；系统性研究显示，单题成功率约为1–2%——“它们可以买规模，然后挑出赢家”。顶级开放问题也会出现同样的宣传效应，因此需要标准化基准，不能依赖 AI 公司主动披露失败结果。
Tao 自己的生产力提升主要体现在辅助任务上，约为5倍，核心工作几乎没有变化。 “我真正工作的核心——解决数学问题中最困难的部分——其实没有太大变化。我仍然用纸笔完成这件事。”论文“更丰富、更宽，但未必更深”。
他对缺失要素的诊断是：当前系统是人工巧智，还不是他所描述的那种智能。 它们像能跳2米高、却“不能稍微跳一下，抓住某个支点，停在那里，把其他人拉上来”的机器。不同会话之间无法累积学习，因此他判断，“人类加 AI 的混合模式将在更长时间内主导数学”，还需要“在现有成果之外取得额外突破”。
Dwarkesh 提出、Tao 接受的乐观转折是：AI 的广度是质变级别的，一旦模型达到某个水位线，就能同时清掉这一高度上的所有问题，而人类做不到。 Tao 认为科学应围绕广度重新设计，同时对数千个问题开展实验数学——“大规模做数学还处在婴儿期……我认为，之后科学将变得面目全非。”
一个值得了解的具体尾部风险是：数学家基于“素数随机模型”相信黎曼猜想；如果 RH 为假，“我认为我们会非常迅速地放弃任何基于素数的密码学”。一个未知模式可能意味着更多模式，而模式就意味着漏洞。
回看他的历史判断，Tao 在2023年预测到2026年 AI 将成为“只要使用得当就值得信赖的合著者”，如今看来相当准确。 他的前瞻判断是：10年内，数学学生目前所做的大量工作，以及今天论文中的大量内容，都可以由 AI 完成；但就像人类计算员和1000美元基因组测序一样，“我们会继续前进，转向另一个规模”。

精读

1. Kepler 是“高温 LLM”——但造就他的是 Brahe 的数据

Dwarkesh 开场时提到，Kepler 花了20年随机尝试各种关系：在行星球体之间嵌入柏拉图立体、研究占星术和音乐谐波，甚至认为地球的苦难可以用它的音符是“mi-fa-mi”来解释；而第三定律只是一本讨论宇宙和谐的书中的顺带内容。“Kepler 是一个高温 LLM。”Tao 进一步指出，只要有像 Brahe 数据那样可验证的数据银行，随机生成加验证就能推动深层进展，而 LLM 能做的正是这类工作。
Dwarkesh 重新校准了重点：我们庆祝的是想法生成这个最具声望的环节，但“它必须匹配同等规模的验证，否则就是垃圾”。Brahe 数十年的肉眼观测比此前任何数据都精确10倍——“多出来的那个小数点，对 Kepler 得出结论至关重要。”
Tao 提醒，第三定律其实是对6个数据点做回归，Kepler 只是碰巧走运。Johann Bode 用同一组数据拟合出一个平移后的等比数列，预测存在一颗缺失行星；Uranus 和 Ceres 恰好吻合，所有人都兴奋起来——“但后来 Neptune 被发现了，偏差非常大。基本上那只是一个数值巧合。”

2. 想法生成免费，验证无法规模化

本期最值得引用的经济学判断是：“AI 已将想法生成的成本压到接近于零，这与互联网将通信成本压到接近于零的方式非常相似。这是一件惊人的事情，但它本身不会创造充裕供给。现在瓶颈变了。”
制度层面的问题在于：同行评审原本是抵挡宇宙业余理论的那堵墙，但它正在崩塌——“很多期刊都在反映，AI 生成的投稿正淹没投稿系统。”单篇论文，科学家还可以“用几年时间”讨论到形成共识；但如果每天生成1000篇，这套机制就无法运转。
Dwarkesh 观察到，科学的方法论正在部分倒转：传统上是先提出假设，再收集数据；现在则是先收集大数据，再提取假设。Tao 的反驳是，Kepler 早已符合这一模式：他在1595–96年提出的柏拉图理论是错的，只有 Brahe 的数据集，以及20年随机尝试，最终才产生了经验规律。

3. 价值判断无法靠强化学习得到

面对如何从100万篇 AI 论文中找出下一个关键“比特”的问题，Tao 坦率回答：“很多时候要靠时间检验。”深度学习曾多年处于小众且充满争议的领域；Transformer 也不必然胜出；十进制优于罗马数字，但“10这个数字本身并没有什么特殊之处”。价值取决于未来的采用和文化，因此它可能永远无法直接通过强化学习获得。
Dwarkesh 的反驳值得保留：正确理论一开始往往看起来更差。Copernicus 的准确性不如经过1000年调校的 Ptolemy 地心说；Newton 对惯性质量与引力质量等价感到震惊，Leibniz 也攻击超距作用；这些问题最终都只能由 Einstein 解决。AI 同行评审要如何识别一个“可证伪但有缺陷”的理论正在取得进展？Tao 补充说，进步往往意味着删除假设，而不是增加理论——地心说之所以能延续，是因为亚里士多德物理学认为物体趋向静止。
谈到 Darwin 与 Newton——《物种起源》发表于1859年，《自然哲学的数学原理》发表于1687年，Huxley 曾感叹“不知道这件事有多蠢”——Tao 将差异归因于传播。Darwin 用通俗英语写得有说服力；Newton 用拉丁语写作，为解释自己的思想发明了新的数学，还对竞争者隐藏洞见。“你怎么给说服力打分？……也许这永远会是科学中属于人类的一面。”
他对当下的概括是：“我们正在经历一场认知版本的哥白尼革命”——人类智能并不是宇宙的中心，而“我们对哪些任务需要智能的判断……必须大幅重新排序”。

4. Erdős 计分板：解决50道，随后进入平台期

Tao 在自己的帖子中给出的状态是：约1100道 Erdős 问题中，约50道在 AI 协助下解决，约600道仍然开放；一击即中的时代已经停止——“不是因为没人尝试。我知道至少有3次单独的尝试，让前沿模型 AI 同时攻克每一道问题”，结果只有一些细小观察或文献发现，没有新的纯 AI 解答。
真正被攻克的题目是：“几乎所有由 AI 解决的50道题，基本都没有什么文献。”解法通常是把一个晦涩技巧与既有结果结合起来。“这就是 AI 能做到的中位数水平，而这已经非常好了。”
他最具代表性的比喻是黑暗中的悬崖，以及“能跳到空中2米高、超过所有人类”的 AI 工具。它们曾在一段令人兴奋的时期清掉所有低矮围墙，但“在创造部分进展或识别中间阶段方面一直非常差”。
基准率提醒是：每当进行系统性研究时，对任意一道问题，AI 工具的成功率“可能只有1%或2%”。只是“它们可以买规模，然后挑出赢家”。因此应建立标准化挑战集，而不是依赖“AI 公司只发布胜利结果、不披露失败结果”。

5. 广度 × 深度：为大规模数学重做科学

Dwarkesh 提出的乐观情景、Tao 也接受：悲观解读和乐观解读其实是同一个事实——一旦 AI 达到某个水位线，“它们会同时清掉那个高度上的所有问题”。“我们不可能复制100万个你，再给每一个复制体100万美元的推理算力。”
Tao 的综合判断是：“它们擅长广度，人类擅长深度……两者非常互补。”新的领域可以先由广泛但能力中等的 AI 勘测地形、做出容易的观察，再“识别出一些困难岛屿，之后由人类专家前来攻克”。
数学过去几乎完全是理论性的；AI 让实验性的一面成为可能——同时拿1000道问题测试哪些方法真正有效，就像软件公司寻找能够规模化的工作流。“大规模做数学还处在婴儿期……我们甚至还没有真正充分利用它的范式。但我们会找到，而后科学将变得面目全非”，Tao 说。

6. Tao 自己的提升：辅助任务5倍，核心工作几乎不变

当被追问“到哪一年生产力能提升2倍”时，Tao 拒绝了这种单维度框架。他的论文如今包含多得多的代码和图表，而今天的论文“如果没有 AI，肯定要花5倍时间”——“但我不会用那种方式写论文。”复现一篇2020年风格的论文“说实话，其实没有节省太多时间”。论文更丰富、更宽，“但未必更深”。
对于自己本来就能完成的任务，他会用前沿模型做错误检查：“有时它们能发现我的错误，有时我能发现它们的错误。现在大约是平局。”但当标准技巧留下空缺时，追踪 AI 的建议“节省的时间还不如浪费的多”。
他对当前进展的感受是：“进步同时令人惊叹，也令人失望。”但人们适应得很快，就像适应 Google 搜索一样。“2021年的人如果看到2026年水平的 AI，一定会震惊。”他在2023年的预测——到2026年，AI 只要使用得当就会成为“值得信赖的合著者”——如今“回头看相当准确”。

7. 巧智不是累积式智能：没有支点，也没有会话延续

他用一个例子定义真正的协作：先做出策略原型，测试、失败、修改，逐步累积对有效方法的认知。那些跳跃机器人“可以跳、可以失败，再跳、再失败。但它们做不到的是稍微跳一下，抓住某个支点，停在那里，把其他人拉上来，然后从那里继续尝试跳跃”。
Dwarkesh 进一步追问，Tao 直接确认：如果 Gemini 3 或 Claude 4.5 解决了一道题，它对数学的理解并没有因此进步——“你开启一个新会话，它已经忘了刚才做过什么。”Dwarkesh 补充说：“也许你刚才做的事，会成为下一代训练数据的0.001%。”

8. 不可理解的证明不令他担忧；策略需要一种语言

如果 Lean 证明黎曼猜想会变成一堆没人读得懂的汇编代码？“我们不知道。”四色定理曾靠暴力计算证明，“直到现在我们仍没有找到概念上优雅的证明……也许永远也找不到。”但 RH 之所以珍贵，正是因为“我们非常确定必须创造一种新的数学”——不过“它实际上也可能是错的”；如果计算发现一处不在临界线上的零点，那会“非常令人失望”。
他“不那么担心”不可理解的证明，是因为 Lean 允许逐个研究每条引理，而 Erdős 网站上已经在做后处理：一个 AI 生成3000行代码，其他 AI 负责总结，人类再重写。他预想，未来会出现“整个职业的数学家”，专门拿一份由 Lean 生成的巨大证明做消融分析。
他希望有一种用于表达策略和可信度的半形式化语言，为猜想做 Lean 为证明所做的事情；关键是不能留后门，“因为强化学习太擅长寻找这些后门”。他举的例子是 Gauss 计算约100,000个素数并提出素数定理猜想，这或许是第一个重要的统计性猜想，后来发展为“素数随机模型”。这一模型是启发式的、非严格的，却“极其准确”，也是所有人相信孪生素数猜想和 RH 的原因。“如果 RH 失败，我认为我们会非常迅速地放弃任何基于素数的密码学。”
其底层是数据问题：我们只有一条时间线和约100个转折故事。“如果我们能接触100万个人类之外的文明”，或许就能把进步形式化。他的现实代理方案是，在简单问题上进化小型 AI，把它们当作“小型实验室”，例如寻找能完成10位数乘法的最小网络。

9. 时间表、偶然性，以及给不可预测时代的建议

Dwarkesh 对自主 AI 的下注是：如果今年解决了一道千禧年大奖问题，“他愿意押95%的概率是 AI 自主完成的”。Tao 认为，“人类加 AI 的混合模式将在更长时间内主导数学”……这需要在现有成果之外取得额外突破。10年内，“数学学生目前做的大量工作，以及今天论文中的大量内容，都可以由 AI 完成”——而且就像19世纪的方程计算员、人类计算员，以及从完整 PhD 级别降到1000美元的基因组测序一样，“我们会继续前进，转向另一个规模”。
一个力度不轻的保留意见是：“也有可能，我们摧毁了偶然性，反而抑制了某些类型的进步。”他的证据来自个人经历：在图书馆浏览时偶然发现相邻论文，走廊喝咖啡时与人相遇，这些都被 COVID 期间的日程安排所打断；他在高等研究院待了一年，几个月后灵感耗尽：“生活中确实需要一定程度的分心。”
职业建议是保持适应性，同时保留资历；但获取机会的门槛正在变化：“现在在高中阶段也完全有可能……借助这些 AI 工具、Lean 以及其他一切，参与一个数学项目并真正做出贡献。”他最后的语气保持了原本的保留：“这是一个令人恐惧的时代，但也非常令人兴奋。”

Dreamer：面向所有人的 Agent OS——David Singleton Palantir CTO 谈 SaaS 末日与阻止下一场世界大战 | a16z