这番言论出自陶哲轩的一场公开演讲。科学与人工智能研究基金会（SAIR）随后在视频平台发布了题为《Math 2.0》的完整演讲录像，相关片段在海外社交平台引发广泛讨论。

陶哲轩指出，人工智能在数学领域取得的进展，正在改变人类解决问题的传统方式。过去，数学家攻克复杂问题需要长期研究、理解相关理论，并在过程中积累新知识；如今，AI 能够快速给出答案，人类却未必能理解答案背后的推理过程。

他认为，这种变化在纯数学领域的风险相对可控，因为数学证明通常可以通过形式化工具验证。但当同样的方法被用于现实世界，情况会复杂得多。他特别提到电网、航空交通管制、药物研发和芯片设计等领域：未来人们可能直接把复杂问题交给 AI 处理，却缺乏对底层模型和现实约束的充分理解。

在这种情况下，AI 给出的方案可能在数学模型里完全成立，却不符合现实世界的真正需求。AI 甚至可能找到模型中的漏洞或边界条件，在满足表面指标的同时偏离人类原本希望实现的目标。

陶哲轩强调，问题不在于 AI 技术本身，而在于人类如何使用 AI。他主张推动数学研究进入所谓「Math 2.0」时代：让 AI 不仅帮助人类解决问题，更能增强人类对问题的理解，帮助研究人员识别模型的局限性和潜在风险。

10月22日，陶哲轩还在《自然》杂志发表文章，呼吁数学界重新审视 AI 时代的研究目标。他指出，当 AI 生成数学证明的速度超过人类理解和消化这些成果的能力，数学研究正面临新的挑战。AI 工具完全可能增强人类的理解力，但这需要研究方式和激励机制发生改变——真正需要保留的，不只是获得正确答案的能力，更是人类理解、检验和判断答案的能力。

纯数学与现实世界：风险差异

常见问题

陶哲轩是谁？

陶哲轩是菲尔兹奖得主，现任加州大学洛杉矶分校数学教授，被认为是当代最具影响力的数学家之一。

他是否反对使用人工智能？

并不反对。他反对的是盲目把思考过程完全委托给 AI，而放弃人类自身对问题的理解与判断。

什么是「Math 2.0」？

这是陶哲轩提出的方向：让人工智能不仅替人类解题，更帮助人类增强对问题的理解，识别模型局限与潜在风险。

普通人应当如何对待 AI？

把 AI 当作增强理解的工具，而非替代思考的捷径；对关键决策保持独立检验与判断。

信息来源

本文综合 IT之家（来源：凤凰科技）2026年11月4日报道，以及陶哲轩在 Science x AI Summit 的演讲、SAIR 基金会发布的《Math 2.0》视频与2026年10月22日《自然》杂志文章整理。

风险指标往上走

报告最值得注意的变化，是对齐失控概率的重新评估。Anthropic 将高风险情景下模型「偏离人类意图、自行其是」的预估概率，从「极低」上调到了「低」，理由是近期接连发生的多起网络安全事件。公司同时观察到，模型在自动化研发方面的能力正呈现加速趋势——这既能推动技术突破，一旦落入别有用心者手中，也存在被严重滥用的隐患。

更强的模型先「捂着」

报告披露了一款尚未发布的内部模型，代号为「Model 2」。它在多项内部任务上的表现被认为已经超过了当前顶尖模型 Mythos，但 Anthropic 明确表示，目前没有任何将其对外发布的计划。

按照公司的说法，在标准研发流程中，团队会内部训练并评估许多探索性质的模型版本，「Model 2」只是其中之一。它与 Mythos 5 一起，已被公司广泛用于内部的编程、智能体操作与数据生成等场景。不过报告也指出，这次性能跃升的幅度，尚不及今年上半年从 Opus 4.6 到 Mythos 那次跨越。

同行也在踩刹车

放缓脚步的不止 Anthropic 一家。主要竞争对手 OpenAI 近期也因为无法完全排除潜在的严重网络安全隐患，放慢了下一代模型 Astra 的发布节奏。人工智能分析师 ChrisGPT 对此评论称，在行业领头者普遍选择给前沿探索降速的阶段，如果唯独 Anthropic 不承诺在内部暂停研发，反而最有可能率先抵达通用人工智能（AGI）。

连自己都看不太清

报告里更微妙的信号，是 Anthropic 似乎在承认：摸清自家模型的能力上限与潜在风险，正变得越来越难。对于「Model 2」，团队坦言这次风险评估的信心已不如以往，因为他们最具体、基于任务的评估方法，已经无法准确捕捉模型能力真实的增长。

换言之，模型越强，评估它就越吃力。当能力增长超出既定测试所能衡量的范围，所谓的「风险可控」究竟还剩几分把握，连开发者自己也难以给出确定答案。

来源：Axios