這幾個月，我們應該也用 AI 做了不少事，寫報告、整理會議紀錄等，但產出變多了，有沒有哪一次停下來問過自己，這些東西有沒有讓公司的任何一個決定變得更好？
我會這樣問，是因為數學界其實也在發生一樣的事，當 AI 可以大量產出，原本用來衡量好壞的標準，突然就不準了。
2026 年 9 月，OpenAI 的一萬個 AI Agents 花了 88 小時，解開一道困擾數學界一個世紀的難題，過程燒掉大約一千五百萬美元，二十年前，一個俄羅斯數學家獨自解開另一道同等級的難題，花了將近十年，事後別人要頒給他一百萬美元，他拒絕了。
兩件事都算成功，差別在於，俄羅斯數學家留下了一套方法，讓後來的人有新的工具可用；OpenAI 留下的是一個答案。
這就是我們在公司裡遇到的那個問題，報告交出來了，但團隊有沒有因此多懂一件事？
證明完成之後，佩雷爾曼拒絕了一百萬美元
先說留下方法的那一位，2002 年，一位俄羅斯數學家開始在網路上發表論文，他的名字是格里戈里・佩雷爾曼，他要解的是龐加萊猜想，一道從 1904 年提出以來困擾數學界近一個世紀的難題，也是克雷數學研究所列出的七道千禧年難題之一，每一道的獎金是 100 萬美元。
他沒有研究團隊，也沒有今日 AI 系統的運算資源，沿著前人開創的里奇流方法，一步一步建立新的證明工具，論文完成後他直接公開在 arXiv 上，沒有投給學術期刊，讓全球數學家自己檢驗。此後數年，世界各地的數學家花了大量時間確認，這道困擾數學界近百年的難題，終於獲得解決。
2006 年，國際數學聯盟決定頒發菲爾茲獎給他，他拒絕了，2010 年，克雷數學研究所正式授予他 100 萬美元的千禧年大獎，他再次拒絕。
佩雷爾曼認為，前人對這項研究的貢獻不該被忽略，他拒絕的不是錢，是那套決定誰有功勞的制度。
一萬個 AI Agents 花了 88 小時，解開一道百年難題
二十年後，同樣等級的難題又被解開了一道，上次佩雷爾曼花了十年，這次 OpenAI 只花了 88 小時。
OpenAI 一次放出一萬個 AI Agents，讓它們同時往不同方向找，再互相交換有用的中間結果，整個過程送出 270 萬則訊息。
這次 OpenAI 是用內部一個尚未公開的模型，解出了「納維－斯托克斯方程」，這也是千禧年七大難題之一，執行長 Sam Altman 說，他們是聽到 Anthropic 的模型解出一道重要數學問題的傳聞之後才啟動這個專案的，他說「我們很好奇我們的模型是不是也做得到。」
9 月 11 日，克雷數學研究所發表聲明，承認這個問題看來已經被解決，但強調驗證與功勞歸屬的程序「deliberately slow （刻意放慢）」，目前這道題在官網上的狀態是 active（活躍），意思既不是未解，也不是已解。
「deliberately slow 」讓我想了很久，為什麼在一個比誰先抵達頂點的時代，有人說成功要歸功於「慢慢來」？
這件事我們在公司裡其實也遇得到，一份用 AI 幾分鐘生出來的提案，誰負責確認它是對的？多數時候，答案是沒有人，因為把關的速度跟不上產出的速度，而且把關常常沒人當作一個業績。
陶哲軒說，這個衡量標準已經偏離了
所以我們到底用什麼衡量一個人做得好不好？有一個人把這件事講得很清楚，另一位菲爾茲獎得主、華裔數學家陶哲軒，2026 年 10 月在加州理工學院發表了一場演講，講題是「Math 2.0」。
數學界長期把率先解開難題當成衡量成就的核心標準，但當 AI 能夠大量產出證明，這個標準就失準了。
陶哲軒用的詞是「misaligned」，意思是這個指標已經偏離了它本來要衡量的東西，他說得更重「繼續盲目地只優化解題這件事，現在已經在實質傷害數學的長期健康。」
他講了一句話，我覺得是整場演講最重要的一句「問題是燈塔，不是目的地。」如果你用最快的速度直直衝到燈塔底下，你確實抵達了，但你也放棄了航行本身。
假設 AI 一天產出一千份數學證明，卻沒有足夠的研究者能夠閱讀、理解或延伸這些成果，我們真的取得了一千倍的科學進步嗎？佩雷爾曼的證明之所以重要，除了龐加萊猜想終於獲得解決，更因為他留下了方法，里奇流推進了幾何分析與相關理論，讓後來的研究者有新的工具可用。
我覺得，偉大的突破往往不是結束一個問題，而是開啟更多新的研究方向，企業也不能只衡量 AI 完成多少任務，而企業現在面對的是同一件事，就是 AI Agent 可以自動產生一百份報告，但這些報告有沒有幫企業做出更好的決策？畢竟，完成任務，不等於創造價值。
當 AI 抵達月球，人類仍需要仰望群星
有一句話是這樣說的：「朝著月亮出發，即使未能抵達，也能置身群星之間。」這句話的重點不在月亮，而在過程中看到的那些星星。
你為了抵達終點而出發，最後真正帶走的，一定是沿途發現的東西。
對數學家來說，真正的成就是讓一道難題成為通往新知識的起點，對企業來說，真正的 AI 轉型，是能不能做到以前做不到的事，而不是部署了多少 Agents，所以回到前面那個問題，我認為是「你的團隊裡，有沒有人負責理解？」
沒有人理解，就沒有人能判斷，沒有人判斷，決定就只是在簽核一堆產出，AI 可以幫我們更快抵達月球，但那些星星，還是要有人抬頭才看得見。
(本文訊息由劉永信 Spencer Liu 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。首圖來源：Shutterstock。)
