9月10日，2026外滩大会开幕式上，普林斯顿大学人工智能创新中心主任王梦迪向台下抛了一个问题：当前大模型的知识，是否已经超越人类？现场的反应分成两半——一半认为还不及，一半认为已经超越了。
过去一周，我把三份材料并排读了一遍：王梦迪这场演讲的报道、上海人工智能实验室主任周伯文9月12日在浦江创新论坛的主旨演讲，以及陶哲轩、邓煜等25位菲尔兹奖得主联署的那封公开信。读完发现，知乎热榜上那个问题——"为何OpenAI等AI公司集中花大力气卷数学猜想？数学之后，下一个学科是谁"——三份材料指向的是同一个答案：三个字，验证器。
数学不是目标，是健身房
先看量子位梳理的时间线：5月，OpenAI内部模型给出Erdős单位距离猜想反例；7月，Claude参与推翻Jacobian猜想；9月初，GPT-6 Astra用Lean形式化证明把连续素数间距上界从246推到186；9月8日，OpenAI宣布约1万个Agent并发跑了88小时，攻破千禧年难题之一的纳维-斯托克斯方程——这道题悬赏100万美元，26年间人类此前只攻克过一道。
为什么密度这么高？王梦迪的回答很直白：在数学和编程这两个领域，强化学习能得到精准反馈，也就是存在明确的"验证器"。编程的验证器是编译器和测试，代码跑通就是对；数学的验证器是Lean，形式化证明要么通过检查，要么不通过。
对AI公司来说，这意味着两件事。训练上，验证器是不知疲倦的裁判：模型可以自己刷题，错了重来，对了给奖励，不需要人类专家打分——这是把"推理能力"规模化练出来的最便宜路径。传播上，还有什么比"解开千禧年难题"更有说服力的广告？数学就这样成了AI的健身房兼发布会舞台。
数学家们不干了。9月12日，陶哲轩发文宣布25位菲尔兹奖得主联署公开信（签署人包括1978年得主德拉涅、2010年得主吴宝珠和今年刚获奖的邓煜），抨击AI公司把"解决著名数学难题"当作衡量模型能力的基准，是"对数学这门科学和数学共同体的伤害"。导火索正是纳维-斯托克斯那次发布——公告前几小时，两位数学家刚发表同一问题的突破，公开指责OpenAI抢跑。《经济学人》的报道标题更直白：《顶尖数学家对OpenAI的方法感到愤怒》。
一边把数学当杠铃，一边把数学当圣殿。这个分歧，不会随任何一次发布会结束。
下一个学科，是谁先有验证器
那数学之后呢？王梦迪泼了冷水：大模型在数学和编码上的成功，目前无法延伸到科学发现。原因出在训练方法本身——大模型学的是概率分布里最大似然的知识，常常高估通用情况、低估少见情况；而生物、化学、物理这些实验学科，人类真正的创新恰恰发生在长尾。在基础学科前沿找新发现，像在宇宙中寻找一颗从未被观测、训练数据里也没有的新星。
翻译一下：数学题摆在那儿，证明可以逐行检查；化学实验要验证结果，就得把实验做一遍，验证器又贵又慢。验证器贵的地方，AI跑不起来。
周伯文的判断则更进取。他提出"Research is the next Coding"——科研会成为下一个像编程一样展现AI能力的前沿领域。他复盘去年提出的"AGI4S六问"时说，预测、交叉、验证三问进展较快。注意，六问里恰好就有一问叫"验证之问"。
两种立场其实不矛盾：**AI攻克学科的顺序，不按重要性排，按验证器的成熟度排。**编程有编译器，所以先被攻克；数学有Lean，所以正在被攻克；理论物理里可形式化的部分紧随其后；实验科学，则要等验证成本降下来的那一天。
你的工作，也是同一道题
这个洞察可以直接搬到日常用AI上。判断一件事适不适合交给AI，不用懂那件事本身，只问一句：能不能给它写一个"验证器"？
验收标准写得出来的——数字能对着信源核、代码能跑通、格式能逐项比对——放心交出去，让AI改到通过为止。只能"凭感觉看"的——策略判断、情感表达、创意方向——要么先把"好"拆成几条可检查的条件再委托，要么把决定权留在自己手里。
我的笨办法：委托AI做材料前，先写下三条验收条件再开工；核对多源信息时，在 spark1.cn/tools/ 里把搜索、资讯类工具并排开几个，同一件事分别问一遍。验证器不是玄学，常常只是多一道检查的习惯。
AI公司花几千万美元找验证器，因为它们清楚：能力长在可验证的反馈上。你不需要那么多算力，只要在接活的时候先想一步"这事怎么验收"，就能比大多数人更从容地使唤AI。
💬 评论