从一件真事说起
最近，AI在数学上干了一件很实在的事。DeepMind的AlphaProof Nexus在353个厄多斯开放问题中，解决了9个。其中最早的一道题，已经悬置了56年。
这不是小新闻。厄多斯是20世纪最著名的数学家之一，他一生提出过大量猜想和问题，很多问题陈述简单，但证明极难。AI能啃下其中9个，说明它确实在进步。
但我们也别急着喊“AI要取代数学家了”。因为厄多斯问题有个特点：问题说得清楚，验证路径也明确。你知道题目问什么，也知道一个答案交上来后，怎么检查它对不对。AI最擅长的，就是在已有框架里疯狂搜索，找到一条可验证的证明路径。
这跟怀尔斯证明费马大定理，完全不是一个层级的事。
怀尔斯证明费马大定理，不是“找到一条现成的路”，而是自己造了一整套新地图。他把椭圆曲线、模形式、伽罗瓦表示这些原本隔得很远的领域连起来，构建了全新的数学框架。没有这个框架，证明根本无从谈起。
所以，AI现在强在“在已有框架内搜索证明”，还不强在“发明新框架”。
陶哲轩说的“数学2.0”是什么意思
菲尔兹奖得主陶哲轩在加州理工演讲时说：数学2.0正式到来，AI让数学证明不再稀缺，数学家还有什么价值？
这句话听起来吓人，其实意思很朴素：过去一个证明可能耗掉一个数学家一辈子，未来大量证明会被AI以极低成本生产出来。证明本身不值钱了，值钱的东西上移了。
什么东西上移了？好问题、好定义、好框架、好审美、跨领域连接、意义判断。
数学家的未来大概有三条路：一是理解、整理AI产生的成果；二是做教育，人类学生还是需要人类老师；三是极少数超级天才，站在AI肩膀上继续开拓新框架。
对个体来说，转型当然痛苦。一个数学家花了一辈子证明的东西，被AI几天拿下，心里肯定不好受。但趋势不可逆。叫喊挡不住新时代，关键是怎么适应、利用、发展。
把这个思路推到所有科学
数学只是开头。真正的重点是：除了数学，现在人类就应该赶紧用AI把所有能算出来的科学都推演到极致。然后剩下的，才是需要人类攻克的难题。
这里要先把话说清楚：不是“所有科学”都能算，而是所有“可计算、可形式化、可模拟、可验证、可优化”的部分。
什么叫可计算？就是能用明确规则一步步算出来，能模拟，能验证对错，能优化参数。比如数学证明、物理仿真、材料筛选、药物分子设计、蛋白质结构预测、聚变等离子体控制、航天轨道优化、纳米制造路径搜索。这些都可以交给AI做高通量推演。
人类应该尽快建设“科学2.0”的基础设施：形式化知识库、自动定理证明、AI假设生成、机器人实验室、数字孪生、大规模优化。让AI把可计算空间穷尽，把人类从重复证明和试错实验中解放出来。
但“能算”有边界。可控核聚变不是纯计算问题，还受材料、工程、能量密度、氚循环约束。物质纳米转换受物理定律限制。长生不老、不死涉及生物复杂性、伦理和价值选择。超越太阳系需要推进、能源、闭环生态、辐射防护等全新工程范式。AI不能绕过物理，只能加速探索。
所以更准确的口号是：AI穷尽可计算世界，人类攻克不可计算难题。
可计算交给AI，不可计算留给人
可计算部分，交给AI。不可计算部分——新数学框架、新物理理论、新范式、新伦理——留给人。
这不是说人类只配干剩下的苦活，而是说人类的价值上移了。过去人类花大量时间做证明苦役和试错实验，未来这些交给AI。人类成为提问者、定义者、框架发明者和价值判断者。
长生不老、星辰大海、纳米转换、可控核聚变，这些宏大目标不应只当口号。它们应该被分解成无数可计算子问题，先让AI推演到极致，人类再在剩余处突破。
比如“可控核聚变”，可以分解成等离子体不稳定性预测、磁场位形优化、材料抗辐照模拟、氚循环建模、热流控制等大量可计算问题。AI先把这些推到极限，人类再解决那些算不动、验不了、必须靠新理论和新工程范式突破的部分。
比如“超越太阳系”，可以分解成轨道优化、推进系统仿真、闭环生态模拟、辐射防护材料筛选。AI能算的先算，人类再攻克新型推进原理和长期生存架构。
别阻止，别仇视，赶紧用起来
新时代谁也挡不住。与其反对AI进入科学领域，不如利用AI。
文学界、演艺界已经感受到冲击，数学界也不会例外。但历史反复证明，技术革命不会因为有人反对就停下。真正的问题是：谁能更快适应，谁能更好利用。
AI不是来抢饭碗的，它是来把苦活累活干掉的。它会让一部分旧技能贬值，也会让一大批新问题变得可解。人类要做的，不是站在门口喊“别进来”，而是赶紧学会和AI一起干活。
数学2.0只是序幕，科学2.0才是主战场。
AI穷尽可计算世界，人类攻克不可计算难题。可计算部分交给AI，不可计算部分留给人。这样，我们才有可能更快走向长生不老、星辰大海、纳米转换、可控核聚变这些曾经只属于科幻的目标。
不是阻止AI，而是利用AI。不是仇视AI，而是与AI共生。