当数学从“证明稀缺”走向“证明过剩”，经济学还有研究价值吗？

本文来自微信公众号： AI时代我的人生下半场 ，作者：席春迎博士

人工智能正在迫使数学重新审视自己。

在很长时间里，数学研究的核心价值与“发现并证明新的定理”紧密相连。一个重要问题被解决，往往意味着数学家找到了新的方法、建立了新的理论，也为后来者打开了一条新的道路。证明之所以重要，不只是因为它正确，更因为它稀缺。一个高质量证明可能需要数学家投入几年甚至几十年的时间，能够率先完成证明，也因此成为学术贡献的重要标志。

华裔澳大利亚裔美国数学家、菲尔兹奖获得者陶哲轩教授在2026年国际数学家大会的演讲中提出了一个值得整个知识界重视的问题：如果人工智能能够以可接受的成本，持续完成相当一部分研究级数学工作，数学会不会从“证明稀缺”的时代进入“证明过剩”的时代？届时，数学真正稀缺的将不再是证明本身，而是提出什么问题、如何解释证明、怎样判断其意义，以及如何把机器产生的大量成果整合为人类能够理解和继承的知识。

这个问题对经济学的冲击，可能比对数学更深。

数学至少还有一个稳定的形式基础：一个证明是否成立，原则上可以通过逻辑和形式化工具加以验证。经济学面对的却是由人、制度、权力和预期共同构成的开放系统。如果AI不仅能够计算、预测和优化，而且开始直接参与生产、交易、投资和资源调度，那么传统经济学所研究的许多问题，可能都会从“如何实现”变成“由谁决定”。

当资源配置越来越自动化，经济学是否还有研究价值？答案不是经济学会消失，而是经济学必须重新定义自己。

一、当证明不再稀缺，数学的价值从“解题”转向“理解”

陶哲轩真正质疑的并不是数学本身，而是数学共同体长期依赖的一套价值衡量方式。

过去，证明数量、首创性和论文发表之所以能够代表学术价值，是因为它们通常与知识进步同步发生。一个数学家解决重要问题，往往同时创造了新方法、培养了学生、推动了理论发展，也获得了同行认可。

AI可能打破这种同步关系。First Proof等研究级数学评测已经开始用尚未公开的问题测试AI，目的不是观察模型能否完成标准答案，而是判断它是否能够参与真实数学研究。相关研究显示，前沿模型已经可以在部分研究级问题上产生具有实质价值的证明尝试，但同时也暴露出引用错误、解释不足和可靠性不稳定等问题——这意味着数学成果的生产链条正在被拆分。

AI可以负责生成候选证明，形式化工具负责验证逻辑正确性，人类数学家负责判断问题是否重要、方法是否具有普遍意义、证明能否被解释，以及它与已有理论之间是什么关系。证明只是知识生产的前端，验证、阐释、评审、整合和传承才构成完整的知识形成过程。

如果机器可以在一天内生成过去需要几年才能完成的证明，数学就不会因此失去价值。恰恰相反，数学将更需要人类判断什么值得证明，什么只是正确但琐碎的结果，什么能够真正改变学科结构。

这对经济学提出了一个直接类比：如果AI能够更快地找到资源配置方案，经济学的价值就不能继续停留在“寻找最优解”。

二、经济学长期研究稀缺，但AI正在改变稀缺的结构

传统经济学最经典的定义，是研究如何将有限资源配置到相互竞争的用途之中：土地有限，资本有限，劳动有限，信息有限，而人的欲望相对无限，因此社会必须进行选择，价格、市场、企业和政府，都是解决稀缺和选择问题的制度安排。

AI和机器人可能显著改变这一前提。当模型能够低成本生成文字、软件、设计和分析，当机器人能够承担越来越多制造和服务工作，当自动化系统能够持续提高生产率，大量标准化商品与服务可能从稀缺走向相对丰富。

马斯克在接受《经济学人》采访时预测，AI可能在未来数年超过人类整体智能，并在十年左右带来高度自动化和物质丰裕，甚至削弱金钱在经济生活中的作用——这种判断未必会按照确定时间表实现，但它提出了一个重要问题：如果普通商品和基本服务越来越便宜，经济学是否还需要研究稀缺？

答案是：稀缺不会消失，只会迁移。传统稀缺主要集中在商品、劳动和资本，AI时代的稀缺可能更多集中在能源、算力、优质空间、可信数据、社会信任、责任承担、注意力、时间和意义。

数字内容可以无限复制，但人的注意力不能无限扩张；机器可以生成无数方案，但社会无法同时执行所有方案；AI可以提供海量答案，但人类仍要决定哪些答案可信、哪些目标值得追求；物质商品可以更加丰富，但核心城市土地、优质医疗、生态环境和社会地位仍具有排他性。

因此，AI并不是消灭稀缺，而是把稀缺从生产端推向治理端、选择端和意义端。正如数学从“证明稀缺”走向“理解稀缺”，经济学也可能从“商品稀缺”走向“信任、权力、责任和意义稀缺”。

三、当配置成为机器的日常功能，真正重要的是谁设定目标

经济学不会因为资源配置更高效而失去价值，因为任何配置都必须先回答：优化什么？

AI可以实时读取库存、价格、能源、物流、客户需求和设备状态，可以比人类更快地调整生产和调度。但机器不会自然知道，社会应该优先追求利润、就业、公平、环境、韧性还是安全。

不同目标会产生完全不同的配置结果。一个以利润最大化为目标的医疗系统，可能把资源集中于支付能力更强的人群；一个以成本最低为目标的供应链，可能牺牲冗余和安全；一个以点击率为目标的平台，可能不断放大情绪和冲突；一个以GDP最大化为目标的政府，可能忽略居民时间、心理健康和环境损失。

传统经济学常常把目标视为既定条件，然后研究如何实现最优配置；AI时代的经济学必须进一步研究目标本身如何形成：谁有权定义算法的目标函数？谁决定哪些指标进入模型？谁可以修改权重？谁能代表消费者、员工和社会授权AI行动？如果机器按照既定目标造成损失，由开发者、企业、使用者还是监管者承担责任？

这些问题已经不是简单的技术优化，而是经济权力问题。

在传统经济中，土地所有权、资本所有权和企业控制权决定了谁拥有资源配置权；在AI时代，数据控制权、模型控制权、智能体授权权和目标设定权会成为新的经济权力来源。

因此，经济学的核心将从“如何配置资源”，进一步转向“谁拥有智能配置权”。

四、当工作不再是必要条件，分配问题将取代生产问题

如果AI和机器人承担越来越多生产任务，社会可能第一次面临这样一种局面：生产能力极大提升，但人类劳动不再是生产体系不可或缺的投入。

这会动摇现代经济最基本的一条链条：人通过工作获得工资，再用工资购买商品和服务。

在工业社会中，劳动不仅承担生产功能，也承担收入分配功能：企业雇佣劳动者，工资把一部分生产成果分配给大多数居民。即使资本收益高度集中，只要就业充分，劳动收入仍可以维持消费和社会稳定。

但当企业依靠少量员工、海量智能体和机器人创造收入时，利润和就业可能逐渐脱钩。一家公司可以拥有巨额收入和市值，却不再创造相应数量的岗位，届时，经济学面临的最大问题不是“生产不够”，而是“谁有权分享机器生产的财富”。

生产能力丰富并不等于居民自动拥有购买力。如果模型、算力、机器人和平台集中在少数企业和股东手中，物质丰富完全可能与财富高度集中同时存在。

因此，AI时代的分配理论不能只研究工资、利润和税收，还要研究智能资本收益如何分配。公共基础设施、社会知识、历史数据和全体用户行为共同参与了AI能力的形成，机器创造的收益是否应当完全归属于资本所有者，将成为新的政治经济学问题。

全民基本收入、社会分红、公共资本基金、数据收益权和智能资本税，不再只是福利政策，而可能成为维持宏观经济循环的基础制度，经济学的研究重点也会由“如何提高劳动生产率”，转向“当劳动不再决定收入时，购买权和参与权如何重新建立”。

五、AI时代最危险的不是答案过剩，而是目标和权力被少数人垄断

数学中的证明过剩主要带来知识消化问题，经济中的智能过剩则可能带来权力集中问题。

当AI能够批量生成方案、预测市场、控制平台和执行交易时，掌握模型和数据的机构，会获得远超传统企业的协调能力。它们不仅能够适应市场，还可以塑造市场；不仅能够满足偏好，还可以影响偏好；不仅可以参与交易，还可能决定谁能够进入交易。

平台经济已经显示出这种趋势：推荐算法决定注意力流向，电商平台决定商家曝光和佣金规则，金融模型决定贷款与信用，未来的智能体还可能代表个人和企业自动签约、采购和投资。

经济学如果仍然只研究价格变化和供求均衡，就会忽略最重要的问题：市场规则本身正在被算法化，而算法由谁控制决定了市场如何运行。

未来的竞争也可能不再只是企业之间的产品竞争，而是不同智能系统之间的规则竞争。一个大型平台可以通过模型、数据和入口形成自我强化的闭环，使后来者越来越难以进入。

因此，AI时代经济学必须重新关注权力、制度和治理，它要研究算法垄断如何形成，智能体之间的交易如何监管，自动化决策如何审计，模型错误如何追责，以及如何防止少数平台把社会资源配置权转化为永久控制权。

经济学的价值不会降低，反而会因为技术能力增长而上升——技术越强，目标设定和制度约束越重要。

六、经济学应从“效率科学”转向“价值与治理科学”

AI不会让经济学失去研究价值，但会淘汰一部分过于狭窄的经济学。

如果经济学只研究如何在既定目标下提高效率，那么它确实会受到AI挑战。机器可能比人类更快地计算均衡、更准确地预测需求、更及时地调整库存和价格。

但经济学从来不只是计算技术，它研究人如何在制度中选择，利益如何分配，权力如何形成，风险由谁承担，以及社会如何在效率、公平、自由和安全之间作出取舍。

AI越擅长回答“怎么做”，人类越需要回答“为什么做”“为谁做”和“做错了谁负责”。

未来经济学至少需要完成几个根本转变：它要从资源配置转向目标配置，从信息稀缺转向信任稀缺，从劳动分工转向人机智能分工，从企业边界转向智能控制边界，从收入分配转向智能资本权利分配，从GDP增长转向人的能力、参与、尊严和社会韧性。

传统经济学研究的是如何用有限资源生产更多产品，AI时代经济学研究的则是如何把近乎无限的智能能力约束在有限的人类目标、社会信任、生态边界和责任制度之中。

结语：经济学真正的价值不是替社会计算答案，而是帮助社会选择问题

当数学从证明稀缺走向证明过剩，数学并不会失去价值。真正有价值的数学家将更多承担提出问题、解释结果、组织知识和建立共同理解的责任。

经济学也是如此。当AI能够自动配置越来越多资源，经济学的价值不再主要体现为找到更快的配置方案，而在于帮助社会判断什么应该被优化、谁有权设定目标、机器创造的财富如何分配，以及人类如何保留选择权和主体性。

未来最稀缺的可能不是商品也不是答案，而是可信的判断、公共目标、责任承担和有意义的参与。

经济学不会因为物质丰富、智能过剩而终结。相反，它将面对比稀缺时代更加复杂的问题。因为在稀缺社会中，人们争论的是如何分配有限资源；在丰裕社会中，人们必须争论的是谁拥有丰裕、谁控制机器，以及什么样的丰裕才真正值得追求。

所以，当数学从“证明稀缺”走向“证明过剩”，经济学不仅仍然有研究价值，而且可能比过去任何时候都更重要，它的使命将不再只是解释价格和配置资源，而是研究人类如何在机器能够提供无限答案的时代，仍然拥有提出问题、设定目标、分配权利和决定未来的能力。

（本文配图由AI生成）