即使AI證明定理完全超過人類，數學的價值幾乎不會改變
數學的錢主要來自教學，而非證明本身；AI把定理證明變成原始數據後，稀缺的是搭建理論、練口頭表達，以及誰該獲得學術功勞。
核心論點 · 點時間戳可跳到原聲
數學資金主要靠教學而非科研
他指出一個反直覺的事實：數學系最大的收入來源不是NSF撥款或Simons基金會這類私人資助，而是教學——因為數學系教的學生遠不止數學專業本身，靠學分和學費拉動了經費。這意味著個人層面的價值（問題解決能力的訓練、做數學帶來的審美愉悅）主要是通過教學這條渠道變現的，而不是直接靠科研產出換錢，這也是後面討論AI衝擊時的一個關鍵前提。
— Karpathy進步速度比當前水平更值得關注
他用幾個例子說明AI數學能力的進步速度被低估，而不是現有水平被高估：2023年DeepMind的奧數幾何模型靠的是專門設計、略顯生硬的技巧；後來通用的自然語言模型已經能按任何合理標準解出IMO級別的題目；最早的Erdős問題證明被質疑是撿漏，但現在沒人再這麼說了。結論是：四年前這些模型連加法都做不利索，現在已經能對嚴肅的研究級問題給出證明。
— Karpathy證明能力不是數學價值核心
即使AI在證明定理上全面超過人類，他認為對數學的資金和價值幾乎沒有影響，因為真正產生應用價值的從來不是單個證明，而是證明背後生長出的理論體系——不是費馬大定理的是非判斷本身重要，而是為證明它而發展出的整套代數幾何和橢圓曲線理論後來催生了密碼學。對公共和私人資助者來說，數學家只會因此更有槓桿，而不是變得多餘。
— KarpathyAI出證明後數學家的兩種反應
線上的聲音大多是負面的：如果一個數學家正在攻關的問題被OpenAI成批傾倒出證明，那種感覺像是被人抽走了幹勁。但當面交流時他看到的更多是興奮。他分享了普林斯頓高等研究院的Konstantin Kogler的經歷——對方把自己領域裡最重要的公開問題之一拿去問模型，週四就看到了關鍵想法，週日問題就解開了，那種又興奮又睡不著覺的狀態，是他親口描述的。
— Karpathy / Konstantin Kogler證明正在變成一種原始數據
他提出一個重新定義：應該把證明當成一種像數值計算一樣的原始數據，而不是終點。多年來數學界把證明出來等同於理解了，但他認為這套評價標準正在失效——比如他並不關心Navier-Stokes方程證明本身，真正值得在意的是有沒有人把這些證明背後的想法梳理成一套連貫的理論，誰做到了這一步，千禧年大獎該頒給誰，而不是頒給生成證明的模型。
— Karpathy資金未必流向最優的AI本身
設想一個極端情形：AI不僅會證明定理，連提出猜想、搭建理論、把理論應用到科學工程裡都比人類強。按純粹效率算，這時候把公共和私人資金砸向一大坨專門做數學的算力才是理性選擇。但他不相信政策制定者真會把開關一撥讓公共資金直接流向機器；更可能的情況是，被AI造富的個人自己成立私人基金會去砸算力搞數學研究，而公共資金會轉而強調數學訓練問題解決能力這類外部性，或者把人類做數學重新定義為一種該被資助的藝術。
— Karpathy教學是AI最難替代的數學工作
他認為教學是AI衝擊下最安全的崗位之一，原因不是AI講不清楚——哪怕AI能把知識點講得比任何人類都清楚，學習的瓶頸從來不是講解的清晰度，而是動機：人想不想學。而驅動動機最大的因素往往是看到另一個真正在乎這件事的人，這是高度依賴人際關係的東西，屏幕上的清晰講解替代不了。
— Karpathy新人能重寫數學的記功方式
他給2026年數學博士生的建議不是去用AI解鎖新數學，而是抓住這個時機：整個數學共同體都知道自己的學術評價體系必須改，正在到處找範本，這意味著新人有機會真正塑造數學以後怎麼記功。他舉自己為例——十年前如果提出把可視化數學做成博士論文，大概率會被轟出系裡，但現在正是這種想法可能被接納的時刻。他還建議，不管是用證明機器做前所未有的理論構建，還是堅持人做給人看的數學，都該多練習講座和口頭表達，因為這會越來越成為衡量一個數學家的標準。
— Karpathy原話 · 已逐字校驗
there has never been a better time to go into math, that there's never been a better time to fund math, and that maybe the most radical change that we'll see in this moment is a reframing of how we assign academic credit
現在是投身數學最好的時代，也是資助數學最好的時代，這一刻最激進的變化或許是我們重新定義該如何分配學術功勞。
Karpathy1:00
you know, did DeepMind just crush Olympiad-level geometry?
DeepMind是不是剛剛碾壓了奧賽級別的幾何題？
Karpathy11:09
four years ago, these things couldn't even add numbers. They came to be able to do contest level math much faster than anyone anticipated.
四年前這些模型連加法都不會，後來它們達到競賽級數學水平的速度比所有人預期的都快。
Karpathy14:10
First I felt incredible excitement because about the math, about the power, about the truth I would learn, about the power of ideas I saw.
一開始我感到難以置信的興奮，是為了數學本身，為了那種力量，為了我即將學到的真相，為了我看到的那些想法的力量。
Konstantin Kogler18:12
The proof is just data, it's like giving me more digits of π.
證明只是數據，就像給我多算出幾位π的小數。
Karpathy23:14
Let's call this the anything you can do I can do better future.
我們就把這個叫做「你會的我都更會」的未來。
Karpathy31:18
Teaching in general just feels to me like one of the most safe positions from a standpoint of AI job displacing because it's so relational, because it depends so much on a human-to-human interaction.
教學在我看來是AI衝擊就業裡最安全的崗位之一，因為它太依賴人際關係，太依賴人與人之間的互動。
Karpathy34:22
The reason I think it's one of the best times to go in is because the community as a whole knows that it needs to change, and so many people are leaning back looking for guidance and examples on what that change should be.
我認為現在是入行最好時機的原因是，整個數學共同體都知道自己必須改變，很多人正等著看該往哪個方向改。
Karpathy37:25
數字與實體
| OpenAI 投放的數學證明數量 | 數百個問題的證明 | 13:09 |
| Karpathy 數學家訪談項目起始時間 | 2025年年中起 | 11:09 |
術語
- Erdős problems厄多斯問題集
- 數學家Paul Erdős提出的大量公開問題，常被AI模型公司當作證明能力的基準測試。
- rising sea上升的海平面（Grothendieck比喻）
- 格羅滕迪克用海平面上漲比喻理論建設：不硬解難題，讓整體理解抬升，問題自然消解。
- anything you can do I can do better future「你會的我都更會」的未來
- 文中假設AI在證明、提猜想、建理論、搞應用上全面超過人類的極端情景。
- spiky frontier參差不齊的能力邊界
- AI數學能力在不同領域、不同人之間表現差異極大，沒有統一水平線。
收聽指南
在讀或考慮讀數學/理論方向博士、以及要給學生做職業建議的數學教授，擔心AI讓這條路失去價值的人。
熟悉學術資助結構的人可跳過5-8分鐘的資金來源框架講解。