关注我们：

张伟

2026年8月15日

在爱游戏体育APP下载中，您可以直接查看每场比赛的实时数据——控球率、射正次数、角球数。这些数字背后藏着战术博弈的真相，学会解读它们，您就能像教练一样分析比赛。

读到DeepSeek工程师刘胜与所写的《我不得不把才华埋葬在昨天》，我脑海中浮现出《笑傲江湖》里令狐冲在思过崖后洞目睹壁刻的场景。

石壁上刻有五岳剑派的招数，以及对应的破解方法。

令狐冲猛然意识到，自己多年认真修炼的本门武功，在另一种视角下竟显露出缺陷。一个人经历这种时刻，痛苦之处在于过去用以理解自我、印证师门的信念也随之动摇。

现在，摆在刘胜与面前的“石壁”，是一个越来越擅长写代码的AI。

他精于开发高性能算子，但他辛勤工作的成果却在不知不觉中，为这个终将取代自己的工具加快了进程，并让他说出了那句广为流传的“我不得不把才华埋葬在昨天”的名言。

最近，数学家们也遇到了类似的石壁。

OpenAI公布纳维斯托克斯问题的进展后，又被曝接近攻克霍奇猜想；陶哲轩与多位菲尔兹奖得主发出警示，AI正在冲击数学的价值观、研究模式及人才培养。

当解答难题可以被大规模组织、加速甚至自动化完成时，数学界需要重新商议的，已远不止如何界定顶尖高手。前人的贡献如何衡量，机器证明怎样转化为人类可理解的知识，下一代数学家又该如何培养，这些都需要新的答案。

AI的短短几天，人类的数百年

刘胜与的工作通常发生在普通人难以察觉的底层。

同一块GPU、相同的计算任务，指令如何调度、数据怎样传输、哪里能减少等待，都会影响模型效率。别人觉得已经够快，他仍要逼近硬件极限，算子工程师的功力就体现在这些细节中。

早期的AI最多帮忙查文档、找错误，现在它已能读懂底层代码，与工程师共同优化算子。面对自己打磨出的成果，刘胜与既感到自豪，也意识到AI正逼近人类专家的水平。

外界容易将这种感慨归结为饭碗焦虑，但真正热爱一门技艺的人，珍惜的还有发现隐藏问题、反复推敲后让程序再快一点的创造感。刘胜与留恋的既是一份职业，也包括一个人通过长期训练达到高处后，对自身能力的确认。

数学界同样珍视这种确认。

研究依赖代代积累，个人却常需花费数年甚至十几年追踪线索、完成证明。漫长的探索塑造了成果，也塑造了数学家的声望与身份，如今实验室正在尝试另一种知识生产方式。

大量AI智能体可以并行探索、交换中间结果，再将算力集中到更有希望的路径上。个人多年的摸索，逐渐变成一项可并发执行、快速筛选的系统工程。

当地时间9月8日，OpenAI公布了千禧年难题纳维斯托克斯问题的相关成果。根据披露，大约一万个并发智能体用了不到四天提出解答，随后完成了Lean形式化验证。

9月17日，The Information援引知情人士称，OpenAI已接近解决另一道千禧难题霍奇猜想。部分研究人员甚至判断，数学可能成为软件工程之后快速自动化的领域，并给出了“六到九个月”的激进预期。

法国数学家、菲尔兹奖得主塞德里克·维拉尼形容，数学界弥漫着一种历史已走到尽头的气氛。当机器将以年计的探索压缩到几天时，围绕个人才华、时间投入和独立证明建立的价值尺度也开始动摇。

然而，人们容易看到AI在最后阶段展现的速度，却忽略了它站在怎样的起点上。

《倚天屠龙记》里，张无忌在明教密道中迅速练成乾坤大挪移，依靠的是之前练就的九阳神功。只看密道里的几天，就会漏掉故事前面的漫长积累。

AI的数学能力同样来自人类数百年的知识积淀。前人的定义、定理、方法和未完成的尝试，共同铺设了通往答案的道路。机器即使在最后阶段跑出惊人的速度，构成起点的工作依然应该被记入成果的功劳簿。

当证明比理解来得更快

《侠客行》里，龙、木二位岛主与众多高手长期钻研侠客岛图谱，却始终无法参透奥义。

石破天不识字，反而绕开众人熟悉的解释路径，从图形、字形和笔画中领悟太玄经。AI或许也能绕开人类惯用的推理方式，找到无人想到的证明路线。

一条证明通过机械检查，只能说明推导链条在形式上成立。

数学家仍要解释它为何成立，关键思想位于哪里，哪些方法可以迁移，以及它改变了人们对相关领域的哪些认识。机器能够抵达终点，数学共同体还要把道路画进地图，让后来者看得懂，并从那里继续前行。

证明的生产速度一旦超过人类的阅读速度，谁能调动更多智能体，谁就更可能率先宣布结果，也更容易决定哪些问题获得关注。理解问题因此迅速延伸到署名、归属与研究权力。

OpenAI公布成果前，纽约大学数学家Tristan Buckmaster与任职于Anthropic的Levent Alpöge，已经借助AI在相关流体方程上取得进展。

Buckmaster随后质疑，自己此前交给OpenAI工具的研究信息是否影响了公司的工作。OpenAI否认使用二人的未公开成果，并表示调查显示，相关内容不可能通过训练或其他方式影响此次系统。

争议暴露了传统学术共同体与科技公司之间的新矛盾。

学者把尚未成熟的想法交给AI时，工具背后的公司既掌握模型和算力，也可能组织团队研究同一道题。过去由论文、会议和同行交流维系的署名、引用与优先权规则，已经很难覆盖封闭系统中的合作关系。

商业竞争还会把资源引向最知名、最容易判定结果的问题，因为一道千禧年难题足以成为醒目的模型能力勋章。

陶哲轩指出，AI公司追逐数学名题，也在借用数学共同体积累数百年的声望。容易评分的成绩适合模型竞赛，却无法涵盖一门学科重视的全部价值。

9月11日，陶哲轩、邓煜、彼得·舒尔茨、皮埃尔·德利涅等25位菲尔兹奖得主共同签署声明，批评将数学难题变成模型基准的竞赛方式，认为商业目标与数学共同体的科学需要已经严重错位。

同一天，陶哲轩把开放问题比作灯塔。

人们很少为了灯塔脚下的一小块地方出发，灯塔的意义在于照亮周围地貌，让后来者知道如何继续航行。一道大题能够推动研究者发明工具、建立联系并提出新问题，最终答案只是成果的一部分。

纽约大学数学教授Scott Armstrong随后披露，他被告知OpenAI至少从7月的国际数学家大会开始，就积压了数百个尚未发布的数学证明。

人们过去担心重要问题迟迟得不到证明，如今机器制造结果的速度，可能超过同行审查、重新解释和写入教材的速度，知识生产由此遭遇陶哲轩所说的“证明消化不良”。

假如机器每天写出大量无人理解的证明，人类得到的只是持续膨胀的结果仓库，还没有获得与之相称的数学知识。

把难题外包给AI，年轻人的判断力从哪来

让AI解题，让数学家负责选题、审查和解释，看似分工明确，却绕不开判断力如何形成的问题。识别什么值得研究，发现哪一步推导值得怀疑，都需要长期训练，而训练来自亲自解题、犯错和修正。

当地时间9月15日，德州大学奥斯汀分校理论计算机科学教授Scott Aaronson在博客中写道，他13岁的女儿开玩笑说：“如果我想当数学家，看来大概只剩两周了。”

Scott Aaronson

Aaronson曾在OpenAI对齐团队担任访问研究员，面对学生询问毕业后的职业前景，他承认自己已经不知道该怎样回答。

未来的学生可以让AI补全证明、查找反例和解释定理，可当探索中最费力的部分不断交给机器，他们也可能失去对异常的敏感，以及在漫长失败中形成研究直觉的机会。

工程教育面临同样的问题，学生迅速得到漂亮代码的同时，可能错过设计架构、排查底层Bug和理解机器运行机制的训练，最终难以判断机器答案是否可靠。

《倚天屠龙记》里，觉远临终诵出《九阳真经》，无色、郭襄、张君宝各有所得，后来分别留下少林、峨眉、武当三脉九阳功。同一部经书经过不同人的理解，最终形成各不相同的传承。

一份证明公布以后，研讨班、讲义、课程、教材和反复阐释也承担着类似职责。机器生成的成果越多，帮助知识进入人类认知体系的工作越重要，学术评价也应给予这些工作相应的位置。

回到思过崖，风清扬传授独孤九剑，指点令狐冲观察对手、寻找破绽，使他逐渐摆脱对固定招式的依赖。石壁记录了许多剑法，风清扬的指点则改变了他理解和使用武功的方式。

未来的数学家或许会把更多精力投入成果审查、思想提炼与知识传承，让机器生成的复杂论证被人类掌握，并继续生长出新的理论。

提出好问题、辨认关键思想、建立不同领域的联系、把艰深证明转化为可以学习的知识，这些工作都依赖判断力，也决定数学将朝什么方向发展。

AI会在思过崖的石壁上越来越快地刻下各种绝世武功。数学家需要守住的，是让后来者仍然能够看懂石壁、质疑石壁，并沿着石壁没有写出的方向，走出一条新的路。

*封面由AI生成

本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。