陶哲轩用「难度地形」比喻数学研究的生态结构：平原是易解问题，高山是需数年攻坚的核心猜想，深渊是无法逾越的死胡同。这种起伏构成学科的美学与导航——数学家据此判断「哪些问题值得做」。AI不加区分地涌入，就像推土机把地形夷为平地，人们再也看不清哪条路有前景，哪条是死路。更关键的是，找到「有前景的问题」本身就是数学界最稀缺的才能。

2025年陶哲轩还称AI是「效率极低的研究生」，认为其生成的数学证明漏洞百出、浪费人力。但到2026年中期，AI已在国际奥数拿金牌、攻克埃尔德什数十道悬题、推翻平面单位距离猜想，让菲尔兹奖得主高尔斯公开表示「若人类论文可直发《数学年刊》」。陶哲轩随之改口称AI为「初级合作者」——不是AI变聪明了，是它解决实际问题的硬能力一年内跃升了好几个台阶。正是这个转变，让这次NS方程抢发事件显得格外讽刺。

陶哲轩的预警并非杞人忧天。2026年6月，卡耐基梅隆博士生哈里哈兰用两年时间做八维球体堆积定理的形式化验证，团队按数学界惯例公开了研究路线图。硅谷初创公司Gauss顺着路线图调用10万美元算力，5天就用AI跑完全程、在arXiv上抢发。哈里哈兰面对屏幕痛哭——损失的不只是论文署名，是两年青春。硅谷把这叫「效率」，数学界把这叫「掠夺」。

面对AI抢发潮，学术界已开始摸索新规则。路透社报道显示OpenAI自身也承认「失配」事件需建立披露框架。从学界讨论看，三条路径正在成型：一是在预印本平台引入「AI标注」强制声明，把算力解与人类解分类存档；二是建立类似专利「优先权日」的研究想法登记制度，让框架性探索获得时间戳保护；三是资助机构把「过程价值」纳入评审——不只看最终答案，也看探索过程中提炼的新方法、新直觉。这些机制的可行性窗口在2027年底前。

陶哲轩点破一个反直觉的事实：数学界不缺问题，缺的是「值得研究的问题」。圆周率第10^10^10位数字也是一种问题，但它像海水——浩瀚却无法饮用。过去数百年，数学家靠开放交流共同判断哪些方向有价值；现在AI+资本组合下，任何你公开说出口的灵感都可能被算力瞬间碾平。真正值得追问的不是AI能不能解题，而是：当数学家不敢在咖啡馆说出「我在研究X」时，下一代好问题从哪里长出来？