震撼！菲尔兹奖得主领奖当天宣布加入OpenAI！几天后AI用1400块解出一道世界级难题，数学是否还有用？

（来源：陆向谦）

作者：赵老师

7月23日，美国费城，国际数学家大会。

四枚菲尔兹奖颁出：中国数学家王虹、邓煜，美国数学家John Pardon，还有一位38岁的加拿大数学家——雅各布·齐默尔曼（Jacob Tsimerman）。

齐默尔曼是谁？他的履历，堪称「解题机器」的模板：2003、2004连续两年代表加拿大参加国际数学奥林匹克，拿了两块金牌，其中2004年是满分；16岁进多伦多大学，两年读完本科；普林斯顿博士，导师是大名鼎鼎的Peter Sarnak；后来回多伦多大学任教，成为该校数学系历史上最年轻的正教授。这次获奖，是因为他证明了悬置了近40年的安德烈-奥尔特猜想（André-Oort conjecture）。

按剧本，这种时刻他应该在台上感谢师长、展望自己下一个十年的数学研究。

可当记者问他「下一步做什么」时，他给出的答案让全场哗然：

他要离开学术界，加入OpenAI，去做AI安全。

他说得很直接：「我认为世界正在改变。我们所熟知的数学这个职业……我不认为它还会以现在这种形式存在。」

一个刚刚站上人类数学最高领奖台的人，转身说：这个行业，要变天了。

而更让人心里发凉的是，仅仅几天之后，OpenAI就用一份公告，给他这句话做了注脚。

249页论文，10道世界难题，总成本约2000美元

8月1日，OpenAI公布了一份249页的手稿。

他们内部一个尚未发布的下一代模型，代号Astra，一口气在10个数学与理论计算机科学的开放难题上取得了突破。这些问题有一个共同点：每一道，人类数学家至少十年没有推进过，大部分远不止十年。

其中最重磅的一个，是群论中的「非索菲群」问题。1999年，数学家格罗莫夫提出「索菲性」这个概念，随之而来的问题是：是不是所有可数群都是索菲群？此后27年，全世界最顶尖的群论学家，没有一个人能证明或证伪它。

Astra直接构造出了第一个已知的非索菲群，把这个问题终结了。

除此之外，它还证伪了菲尔兹奖得主Alain Connes的刚性猜想，证明了Ehrhart体积猜想，解决了三道埃尔德什难题，并把高维球堆积密度的上界，做出了自1978年以来的首次改进——那是一道卡了46年的坎。

最关键的是：所有核心证明，都用Lean 4做了形式化验证。这意味着每一步对错，都由计算机程序逐行核验，不需要人类「相信」OpenAI。

而所有这一切，最让数学圈失声的，是那个成本数字。

按API价格计算，产生这10项突破性成果的全部算力开销，总共不到2000美元，平均每道题约200美元——折合人民币，大约1400块钱。

英国曼彻斯特大学数学家Thomas Bloom的评价是：这比OpenAI此前证伪单位距离猜想那件事，还要重要。

1400块钱，换一道曾让全世界最聪明的头脑困顿几十年的难题。

而更让人心头一紧的是齐默尔曼那边的故事：他有一位学生，前不久用另一家AI公司的模型，在一夜之间攻克了雅可比猜想，如今人在Anthropic。老师去了OpenAI，学生去了Anthropic——两个最懂纯数学的大脑，一起去了AI公司。

定居硅谷三十年的陆向谦教授，看到这条新闻，说得很平静，也很直白：

「那位老外说，数学已经到头了，我拿到奖了，我就去做AI。他加入了OpenAI，去了才没几天，就有十个菲尔兹奖级别的项目是人工智能做出来的。」

我们和AI的差距，正在变成人和大猩猩的差距

陆教授接着打了一个比方，让我印象极深。

他说，前一阵ChatGPT出来的时候，AI大概跟人一样聪明。而现在，它已经超过人类了。

「举个例子，我们比大猩猩聪明得多，所以你看，我们创造的世界比大猩猩厉害得多，大猩猩现在都成了要保护的动物。那现在人工智能超过我们——我们和大猩猩之间的那个差距，正在变成人工智能和我们之间的差距。」

这个比喻听着扎心，但它把问题说透了。

不过，陆教授的态度并不悲观，反而带着硅谷特有的那种兴奋。他说，AI看我们，就像我们看大猩猩，那它就能帮我们解决那些我们自己解决不了的问题——气候变化、世界和平。

「我们在硅谷大概都是这么想的，我们等着它帮我们解决这些问题。你看，一夜之间出现了十个菲尔兹奖级别的成果，明年可能有100个，后年可能有1000个，还会有诺贝尔奖，还会出现爱因斯坦那样的物理学家。我们很激动，在等着这件事。」

这段话给了这条新闻一个特别重要的另一面：这不是世界末日，是一次巨大的加速。问题不在于要不要恐慌，而在于——当机器把「解题」这件事做到如此便宜、如此强大，我们的孩子，该往哪儿走？

陶哲轩一句话点破：真正稀缺的能力，换了

这里必须补上一个更冷静的声音，否则这篇文章就成了单纯的制造焦虑。

陶哲轩——同样是菲尔兹奖得主，公认当今最有影响力的数学家之一，他对AI的态度，比很多媒体渲染的要审慎得多。

他明确指出，现在的模型是「有用的助手，但还不是同行」。它们更擅长不知疲倦地扫描已知方法、把问题和相关文献连接起来，而不太擅长提供真正原创的深刻想法。他还特别提醒：AI可能产出「看起来打磨得很漂亮、却把薄弱那一步藏起来」的论证，所以像Lean这样的形式化验证工具才如此重要。

《自然》杂志也报道过，不少数学研究者认为AI的实际能力常被夸大，现在就宣告这个职业死亡还为时过早。

但陶哲轩说了一句话，我认为是这整件事里，对家长最有价值的一句：

当AI把「常规解题」的成本压到极低，稀缺的技能，就变成了：选对问题、设计路径、检验结果。

请把这句话读两遍。

过去几十年，我们的教育在拼命训练什么？解题。给一道有标准答案的题，比谁算得快、算得准、算得对。

而现在，这项本事的市场价格，是1400块钱一道菲尔兹奖级难题。

陶哲轩说的那三样——选对问题、设计路径、检验结果，恰恰是我们的课堂里最少训练的部分。题目永远是老师给的，路径永远是标准的，答案永远在书后面。孩子从来没有机会问一句：这道题，值得做吗？为什么是这道题？

北大教授乔晓春最近也有一个几乎一样的判断：AI时代分数高低已经没有意义，现在缺的是定义问题、发现问题的人。

陆教授把这几家的说法，浓缩成了自己那句讲了很多年的话：

「不要去卷那个第一，要做你的唯一。」

他解释得很实在：卷第一，是在一条已知的赛道上比谁算得快，而这条赛道上跑得最快的，已经不是人类了。做唯一，是去找到那个只属于你的问题，然后一头扎进去。

那孩子到底该怎么练？陆教授的答案是「三大童子功」

道理说到这儿，落到具体的孩子身上，该怎么办？

陆教授的答案，是他讲了三十一年的「三大童子功」：

第一，英语要变成原住民。因为全世界最前沿的知识，绝大部分仍在英文世界里。

第二，最新的数字语言——人工智能，也要变成原住民。他说的「原住民」，不是学几门课、考几个证，而是从小就泡在里面，像用母语一样自然。

练好这两样，他说孩子就是「英才少年」。

而第三个童子功，就是「不要卷第一，要做你的唯一」——练好它，孩子会更上一层楼。

这三样怎么练？陆教授的方法论只有一句：

「学理论不如学案例，学案例不如做案例，做案例不如玩案例；一人玩不如几人玩，几人玩不如聚天下英才名师从小玩真的。」

而他对当下教育最尖锐的一句批评，恰恰扎在这个「做」字上：

「我们的教育，全世界都有一定的问题，就是大家都懒得做真项目。」

他说，最开始大学不是这样的，后来大家发现「考个试多容易」，就把真项目那部分给省了。

「那我们说，我们陆向谦实验室不能怕麻烦，我们就带着同学们做。」

实验室里有个真实的例子。有个学生，家里花了几百万送他去英国爱丁堡大学读人工智能专业——注意，专业本身就叫人工智能，结果毕业后找工作并不顺利。后来她到陆教授这里，用这套方法学了一年，尝试了后端开发、产品经理、设计、运营、辅导等不同类型的工作，做了AI客服、RAG、AI数字人微调等一堆项目。这一年帮她确立了自己真正想做的方向，之后，她进了中国头部的AI企业智谱。

一个AI专业的名校毕业生，缺的不是AI知识——那些知识AI自己都会。她缺的是「我到底想解决什么问题」，以及「我真的动手做成过什么」。

当解题只值1400块，这三件事得从今天补起

第一，把「这道题怎么做」的训练，换成「这个问题值不值得做」的训练。

陶哲轩说，稀缺的技能已经变成了「选对问题」。每周找一个孩子生活里真实存在、但没有标准答案的小麻烦，让他自己定义——问题到底是什么？为什么它值得解决？打算怎么验证自己做对了？家长只问过程，不给答案。选题的能力，只能靠一次次自己选，才练得出来。

第二，让孩子从「做题」转向「做真项目」，哪怕很小。

陆教授那句「大家都懒得做真项目」，是全篇最该被家长记住的批评。给孩子定一条规矩——每个季度，必须做成一件能拿给陌生人看的东西。一个小工具、一段视频、一个AI应用都行，标准只有一条：必须做完，必须有人能用。做完后让他自己复盘：最满意哪里？哪里没做好？为什么？做过的项目，比刷过的题，值钱得多。

第三，教孩子「验收」AI，而不是崇拜AI。

Astra那10项成果，每一项都配了Lean 4的机器验证证书——连世界最顶尖的AI实验室，都不敢让人「相信」它，必须让机器逐行核验。陶哲轩也反复提醒，AI最危险的地方是「看起来漂亮，却藏着薄弱的一步」。孩子每次用AI得到答案后，加一道属于他自己的关——「它这一步的依据是什么？如果我不同意，我能不能找出反例？」让孩子从小就习惯当那个验收的人，而不是那个照单全收的人。这份怀疑和检验的能力，是AI再强也替代不了的。

一个刚站上人类数学之巅的人，转身离开了那座山峰。几天后，一台机器用1400块钱，解开了那座山上最难的一道题。

这看起来像是人的失败。但把两件事连起来看，其实是另一回事：齐默尔曼不是被打败了才离开的，他是看清了下一个更值得去的问题在哪儿，然后主动走了过去。

这恰恰是这场剧变留给我们孩子最重要的启示——机器接管了「把题解对」，人剩下的、也是最珍贵的，是决定去解哪道题。

所以别再只盯着孩子把题做对了。这个世界从来不缺答得又快又准的头脑，缺的是那个能在漫天答案里，抬起头问一句「我们真正该解决的，究竟是什么」的人。

自己一次次走出去，走出来的。

来源与核验

来源名称：新浪财经

原文标题：震撼！菲尔兹奖得主领奖当天宣布加入OpenAI！几天后AI用1400块解出一道世界级难题，数学是否还有用？

原始发布时间：2026-08-06T22:43:43+08:00

数据来源：新浪财经原始报道及文中列明资料

核验日期：2026-08-06T22:43:43+08:00

本页当前为内部编辑草稿，尚未完成本站独立分析、版权复核和发布审核，不构成投资建议。