当25位菲尔兹奖得主对一家公司说不！- 大数跨境

首页

当25位菲尔兹奖得主对一家公司说不！

华夏幸福产业研究院

2026-10-23

导读：机器算出了答案，谁来为人类的思考买单？

机器算出了答案，谁来为人类的思考买单？

事情要从一则听起来有点儿荒诞以至于像科幻小说的公告说起。

2026年秋天，地表最强大的AI公司之一（对，又是OpenAI）宣布：他们动用一万个智能体，只用88小时，就“速通”了那道困扰数学界九十年的纳维-斯托克斯方程难题。

一台不知疲倦的机器正吐出人类几代都读不完的稿纸

这个消息立刻像一颗石子投进原本安静的数学池塘，而池塘的反应，比石子本身更耐人寻味：先是两位数学家发现，自己前一天刚发表的研究路线，和AI的“独立发现”几乎一模一样；接着，25位菲尔兹奖得主联名写了一封公开信，标题就叫《人工智能在数学中的严重错位》；再之后，人类数学协会（AHM）发表声明，几乎是指着那家公司的鼻子说：你这不是在做研究，你是在“展示权力”。

一个值得停下来想一想的细节是：数学家这个群体，通常是地球上最不爱写公开信的人。他们习惯用论文说话，用证明互相致敬，为了一个引理可以沉默十年。所以，能让二十多位站在人类智力金字塔尖的人放下手里的公式、集体署名抗议一家公司，这件事本身，就比那道千禧难题到底“是不是看上去被解决了”被更值得品读。

或许是巧合，几乎同一时刻，另一群人正在悄悄把机器人的时钟往回拨：原本预计要五年才会规模化进厂的人形机器人，因为“世界模型”和“VLA”的技术结合取得了明显进展，这一进程可能将提前两三年。

于是，在这个红叶渐染的季节，一边是最杰出的人类头脑在抗议，一边是具身智能在加速学会干活。这两件事的背后，都指向了同一个问题——当机器开始大规模吸收人类的智力与劳动，谁来记账，谁来付账？

数学家们怕的，不是被AI抢饭碗

我们必须先澄清一个可能的常见误会。

很多人看到这则新闻，第一反应是：哦，又一批老登学者恐慌了，就像当年他们反对计算器、反对计算机证明一样。这种给足情绪价值的解释很顺手，但它错了。数学界对AI的接受度其实高得很——形式化证明、定理搜索、符号计算、猜想生成，这些工具早就写进了数学研究的日常。陶哲轩本人就是最早一批把大模型当成研究助理的顶尖大脑，没有人反对“帮忙”。

那他们到底在生气什么？AHM声明里有一个词，叫“PowerShow”——力量秀、权力秀。意思是：你OpenAI发布那七百多份手稿，不是在跟同行交流，而是在向世界炫耀算力。把人类花了九十年没啃下来的难题，当成一道可以被打勾的KPI；把学术共同体几百年慢慢积累的信用，一次性换成自己公司的公关素材。

这里面有一个很隐蔽、却极不公平的经济账。

想象一下：一家公司拿走了图书馆里所有的藏书，关起门来训练了一台机器，然后这台机器源源不断地吐出书稿。公司上了头条，拿了融资，股价上涨；而那些写书的人，既没被咨询过，也没分到一分钱，反倒被要求义务审稿、义务挑错、义务证明“这堆东西里到底有没有真货”。换句话说——AI公司收获了“我们最聪明”的声誉，整个学界承担了“帮你擦屁股”的成本。陶哲轩管这叫“证明消化不良”：答案像潮水一样涌来，人类的胃却只有这么大。

还有一层，比钱更深也更重要。联名信里打了个比方：把学生直接空投到珠穆朗玛峰顶，和让他自己一步一步爬上去，完全是两回事。数学训练的价值，从来不只是“拿到答案”，而是那个走弯路、犯错、推倒重来的过程——正是这个过程，塑造了一个数学家的判断力、品味和提出新问题的能力。如果AI总是直接把终点塞到人类手里，学生得到的是结果，失去的却是能力。

这个担忧一点都不狭隘。它悄悄延伸到了所有人头上：当写作、画画、写代码、看病历、写诉状都有了“一键生成”，人类还愿不愿意、还需不需要练习基本功？当工作退化成“审核AI的输出”，我们是不是已经忘了，工作最初是为了什么？

“白嫖”这件事，不只数学家遇到了

如果你把这件事讲给一位画师听，他大概会苦笑。

过去两年，画师群体经历过几乎一模一样的剧本：把自己的画发在网上，本来是给人欣赏、接稿、攒口碑；结果这些画被悄无声息地爬走，喂给了绘图模型。模型学会了画风，开始批量出图，反过来挤压画师的接单空间。数学家的抱怨结构，和画师几乎是一个模子里刻出来的——先用我的东西训练，再拿模型替代我。

并且，“白嫖”这件事，不只某一家AI公司在做，在座的诸位，无论公司大小，都有份（请原谅我不能写出那个你懂的梗），或多或少而已。

当然，这里必须停一下，有些细节问题不能一概而论。

在法律上，数学家和画师的处境并不完全相同。著作权保护的是“表达”，不保护“思想”。一幅画的具体笔触、构图、配色，是受保护的表达；而一个数学定理、一条证明思路，属于人人都可以学习的公共知识——这正是科学能一代代接力的原因。人类数学家读论文、吸收思想、再往前推一步，天经地义；说AI读论文等于偷窃，在法律上很难站得住脚。所以更准确的说法，不是“盗窃”，而是一种价值贡献与收益分配的不对称：几代人的智力积累被一次性吸收进商业模型，公司拿去变现，原作者既没有选择权，也没有分红，甚至还要反过来替模型纠错。

这件事的尴尬之处在于：公开，本来是学术共同体的美德。论文挂在arXiv上，预印本免费开放，是为了让同行尽早看到、尽早引用、尽早碰撞。没人写论文时想的是“这是我将来要授权给某公司训练用的资产”。可一旦“公开可读”被默认等同于“可免费商用训练”，开放科学这条传统美德，就被商业世界悄悄改写了条款。

联名信还揭破了一个新冲突角色：AI公司不再只是“工具提供商”，它成了学术共同体里一个特殊的、权力不对等的参与者。它可以和你谈合作，也可以绕过你直接发布；它既当运动员（产出证明），又当裁判员（宣布自己独立发现），还顺手拿走了观众的掌声。而数学家手里唯一的筹码，是多年攒下的学术声誉——和一封公开信。

当答案可以被批量生产，稀缺的反而成了“读得懂”。

机器人的闹钟，为什么被往前拨了三年

如果说数学家的抗议是“软件”层面的雷声，那么另一头，“硬件”世界正在开始下雨。

聊机器人之前，我们得再次先破除一个对演示视频的迷信。你在网上看到的机器人后空翻、跳箱子、端咖啡，大多是精心剪辑的“高光时刻”。真实工厂里的机器人，最大的痛点并不是“酷不酷”，而是“稳不稳”——一把抓下去，差一毫米，杯子倒了；环境稍微变一点，它就懵了；任务超过三步，误差像滚雪球一样累积。在业内，管这叫“长时序误差累积”。

2026年的突破，瞄准的正是这个软肋。两项技术合在了一起：一个叫VLA（视觉—语言—动作模型），相当于给机器人装上了“听得懂人话、看得懂东西”的眼睛和耳朵；另一个叫“世界模型”，相当于给机器人装了一个“脑内模拟器”。以前的机器人是“反应式”的——看到什么做什么，走一步算一步；世界模型取得显著进步之后，它可以先在脑子里把动作预演一遍：推这个箱子会倒吗？抓这个杯子用力过猛会碎吗？门口有人走过要不要停？

这就从“条件反射”升级成了“三思而后行”。宇树的UnifoLM、阿里达摩院的WorldVLA、极佳视界的行为世界模型、谷歌DeepMind的GeminiRobotics2，走的都是这条路：动作拆成毫秒级的Token、能提前预测下一步会发生什么、还能发现自己“预料和实际不符”并当场纠正。

正因此，原本预计要五年才会发生的事——仓储分拣、上下料、质检、清洁巡检、后厨备餐——时间表被压到了两三年。

当然，也先别急于恐慌。这件事，有两个让你先冷静冷静的注脚。

第一，技术进步降低的是“开发成本”，不是“硬件成本”。人形机器人身上的减速器、力矩传感器、电池，这些金属零件的价格不会因为模型变强就magically跌下来。模型再聪明，本体太贵，使用的账就不划算。所以两三年内批量上岗的，或许是那些任务极重复、昼夜不停、人力又贵又危险的场景——工厂里的一条流水线，仓库里的一个工位，而不是你家客厅。

第二，“任务被重组”不等于“所有人失业”。更可能发生的是：一个岗位里，重复的部分被机器拿走，剩下需要判断、审核键决策、共情、处理意外的部分留给人。入门级岗位变薄了，职业阶梯的第一级被抽掉，这对刚毕业的年轻人冲击最大；而护理、维护、跟人打交道的活儿，还需要时间。

换句话说，这不是机器人某事某刻就把工人全赶走的恐怖片，而是一个慢火收汁的过程：炉火开得比预想大了，但锅还在灶上。

先别急着喊“AI税”，要先搞清楚税的是什么

气氛烘托到这儿，业界很多人又一次顺理成章地得出一个结论：那就对这些AI巨头征税吧，拿这笔钱补偿被白嫖的数学家和艺术家，再给将来被机器人顶替的工人发UBI（全民基本收入）。逻辑听起来无懈可击。

但政策的选择从来没有如此简单明了到令人觉得幸福的时候，真正头疼的，恰恰是这个“听起来对”。

先说一个常被混淆的概念：“算力霸权”。它并不是骂人的话，而是一种市场结构——少数几家公司同时攥着最先进的芯片、最强大的数据中心、最关键的模型权重和分发渠道。当这些瓶颈叠在一起，AI巨头赚的就不再是“辛苦干活的钱”，而是经济学里说的“租金”：因为卡住了位置而躺着收的钱。这就像一个小镇唯一的桥头堡，不管谁过桥，都得留下买路钱——修桥的辛苦早就收回本了，后来收的每一笔，都是位置带来的。

在经济学的世界，习惯把AI的超额利润拆成四种，性质并不相同：

一是创新租金——我技术领先，暂时多赚一点。这是市场对创新的奖励，太早重税等于扼杀进步，不该动。

二是垄断租金——靠市场支配地位、生态锁定、芯片瓶颈持续收钱。这是真正该调节的。

三是数据与知识租金——因为无偿用了你的论文、我的画、他的代码，才省下来的成本。这是补偿创作者的重点。

四是劳动替代外部性租金——机器替了工人，省下的工资揣进自己腰包，却把失业、培训、社保这些成本甩给了社会。这是过渡保障的重点。

看出来了吗？这四种钱，该由四种不同的机制来处理，根本不该用同一把“大锤”砸下去。

那大家最顺口的两种税，为什么不好使？

“算力税”——按烧了多少电、跑了多少GPU来收。问题在于，你税的是“投入”，不是“赚的钱”。一个真正在做前沿探索、可能血本无归的小团队，和一个靠垄断躺赚的巨头，烧同样多的算力，凭什么交一样的税？这等于打击研发，而且账单最后大概率转嫁给普通用户。

“机器人税”——给每台上岗的机器收一笔钱（或者社保）。听起来最解气，操作上却处处是坑：软件自动化算不算机器人？替代一个“岗位”还是一个“任务”？怎么测量？更别扭的是，你一边用政策鼓励制造业升级、一边对工厂买机器人征税，等于自己跟自己打架。历史上给挖掘机、给计算机征税的提议，从来没真正落地过——因为问题从来不在工具，而在工具创造的财富怎么分。

更稳妥的思路，可能是把“征税”改成一套组合拳：对AI业务里“超过正常水平的那部分利润”征收附加税（而不是对算力本身征税），配上向创作者收的“数据集体许可费”，再配上企业为替代人工缴纳的“转型过渡基金”。税率要累进，给研发、开源、中小企业留足豁免，还要靠国际协议防止公司把利润挪去低税率国家。一句话：抓租不抓本，抓大不放小，抓持久不抓临时。

收上来的钱，该往哪儿花？

钱收上来，怎么花，比怎么收还容易吵架。目前看，大致可以分成三层。

最贴近地面的一层：定向补偿。给那些被AI白用了作品的画家、作家、摄影师、导演演员等等创作人群发放集体许可费。例如，给被七百份手稿砸中的数学家设立一笔“验证基金”——毕竟帮AI挑错、复现、同行评议，是高智商的苦役，凭什么免费？相对应的，给被机器人顶下来的工人发再培训券、工资保险和过渡期收入。这一层，是“谁被征用，补谁”。

中间一层：社会转移支付。把一部分AI租金，以公共服务的形式还给全体公众。它不需要审查你的动机，也不附带“你必须去找工作”的条件——因为AI本来就是站在全人类公共知识的肩膀上，它赚的钱，理应有一份属于公众。

最长远的一层：UBI的“基础设施”。这是最容易被误解的地方。UBI（全民基本收入）听起来像“不管上不上班，人人都发钱”，浪漫又昂贵。连英国工会NIPSA这样最该欢迎它的组织，都在要求先把UBI的全部成本和风险算清楚再谈。所以短期内，真正该做的，并不是直接撒钱，而是先把“管道”铺好：每个人的电子账户、税务和福利数据打通、自动发放的系统、小范围试点。等哪天真的需要大规模启用，不会临时抱佛脚。

这三层里，藏着一个常被忽略的财政闭环：AI替代工人→公司省下工资、产生超额利润→政府从中抽一部分租金→发给被替代者维持消费→消费撑住总需求→总需求反过来又创造新的就业。这个闭环一旦断开，就是经济学家最担心的剧本：钱都集中到少数人手里，多数人没钱消费，连带着连工作岗位都没了。

最后，给两边都泼点冷水

写到这儿，我得赶紧给这种“设计一套完美制度”的快感降降温。因为这件事最迷人也最危险的地方，就是它特别容易走向两种浪漫。

一种浪漫，是把AI当成十恶不赦的小偷。这不对。AI帮数学家搜反例、生成猜想、检查逻辑，是实打实提升了生产力的；学习前人的知识，本就是科学进步的方式，不是原罪。问题不是“机器参与了”，而是“参与之后，权、责、利怎么分”。曾几何时，四色定理的计算机证明刚出来时，也被老派数学家骂成“不是真正的证明”；但它最终拓展了数学的边界。我们真正要警惕的，不是机器给出了证明，而是一个连作者自己都读不懂、却要求全人类替它验账的证明。

另一种浪漫，是把这场危机渲染成“末日倒计时”。也不对。两三年大规模替代，是一个情景，不是预言。如果机器人的安全性认证、硬件成本下降慢于预期，这把火就烧得没那么快；反过来，如果世界模型再次突破，时间表可能还会再提前。正是因为不确定，最聪明的做法不是现在就征一笔重税、把企业一棍子打死，而是搭一套“可扩展、可暂停、可随时调整”的制度——先低税率起步，先小范围试点，用试点数据说话。

为了避免极端化情绪化，还有三个“不能简化”，值得记住：

其一，不能把一切都叫“AI白嫖”。公共知识、受版权保护的作品、个人数据、商业秘密、帮AI纠错的验证劳动，法律地位天差地别。一刀切，既会冤枉正常的学术学习，也保护不了真正该补偿的人。

其二，不能把答案简化成“开征算力税”。税的是租金，不是技术本身；否则打掉的可能是真正的创新者。

其三，不能把未来简化成“靠UBI养懒人”。UBI是远方的方向，不是眼下的药方；眼下最该做的，是给转型中的人兜底。

尾声：技术是季度的，制度是十年的

回到那个最初的画面：25位菲尔兹奖得主放下笔，联名写了一封几乎从不写的公开信。

他们真正在警告的，与其说是AI太强，不如说是我们给AI立规矩的速度，远远跟不上它变强的速度。技术的迭代是按季度算的：这个月模型还不会，下个月就“速通”了九十年难题；而税收立法、福利制度、国际协议，是按十年算的。等大规模替代真的发生了，再慌慌张张去补税、去建保障网，人类社会只会同时吞下失业、财政缺口和政治对立三颗苦果。

所以最稳妥的姿态，不是现在就对谁喊打喊杀，而是赶紧把“前期工作”做起来：把税基算清楚，把法律授权谈下来，把创作者的补偿试点跑起来，把UBI那根水管先埋进地下。这不是在跟技术进步作对，恰恰相反——只有当人们相信AI赚到的钱会被公平地分回来，这场技术革命才不会同时变成一场社会撕裂。

九十年前那道纳维-斯托克斯方程，描述的是流体怎么在混沌中保持秩序。有点讽刺的是，今天我们自己正站在一股名为AI的洪流里，手忙脚乱地，想为它修一道不至于决堤的堤。

机器已经算出了答案。接下来该问的是：这个答案，人类，准备好怎么结账了吗？