TechOrange专栏作者刘永信：AI产出变多了，但谁在负责理解？

过去几个月，我们大概都用AI做了不少事——写报告、整理会议纪要、生成提案。产出确实变多了，但有没有哪一次停下来问过自己：这些东西有没有让公司的任何一个决定变得更好？刘永信在TechOrange专栏中提出这个问题，并说数学界正在发生同样的事：当AI可以大量产出证明，原本用来衡量好坏的标准突然就不准了。

2026年9月，OpenAI放出一万个AI Agents，让它们同时往不同方向搜索、互相交换中间结果，整个过程送出270万则消息，花了88小时、烧掉大约1500万美元，解出了纳维-斯托克斯方程——克雷数学研究所七大千禧年难题之一。二十年前，俄罗斯数学家格里戈里·佩雷尔曼独自沿里奇流方法建立新的证明工具，花了将近十年解开庞加莱猜想，论文直接公开在arXiv上让全球数学家自行检验。2006年他拒绝菲尔兹奖，2010年他再次拒绝100万美元的千禧年大奖。两件事都算成功，但刘永信指出关键差别：佩雷尔曼留下了一套方法，让后来的人有新的工具可用；OpenAI留下的是一个答案。

这就是企业在AI落地时遇到的同一个问题。一份用AI几分钟生出来的提案，谁负责确认它是对的？多数时候，答案是没有人——因为把关的速度跟不上产出的速度，而且把关常常没人当作一个业绩。报告交出来了，但团队有没有因此多懂一件事？

刘永信引用另一位菲尔兹奖得主陶哲轩2026年10月在加州理工「Math 2.0」演讲中的判断：数学界长期把率先解出难题当作衡量成就的核心标准，但当AI能够大量产出证明，这个标准已经「misaligned」——偏离开了它本来要衡量的东西。陶哲轩说得更重：继续盲目地只优化解题这件事，现在已经在实质伤害数学的长期健康。他有一句被刘永信视为整场演讲最重要的话：「问题是灯塔，不是目的地。」如果你用最快的速度直直冲到灯塔底下，你确实抵达了，但你也放弃了航行本身。

克雷数学研究所在承认OpenAI的结果「看来已经被解决」时，特别强调验证与功劳归属的程序「deliberately slow——刻意放慢」。刘永信说这个「刻意放慢」让他想了很久：在一个比谁先抵达顶点的时代，为什么有人说成功要归功于慢慢来？因为如果AI一天产出一千份数学证明，却没有足够的研究者能够阅读、理解或延伸这些成果，我们并没有取得一千倍的科学进步。

对企业来说，道理是一样的。刘永信认为，伟大的突破往往不是结束一个问题，而是开启更多新的研究方向；真正的AI转型，是能不能做到以前做不到的事，而不是部署了多少Agents。他最后把问题拉回一个具体的管理判断：你的团队里，有没有人负责理解？没有人理解，就没有人能判断；没有人判断，决定就只是在签核一堆产出。AI可以帮我们更快抵达月球，但那些星星，还是要有人抬头才看得见。