DeepSeek工程师刘胜与写下《我不得不把才华埋葬在昨天》——一个擅长写高性能算子的底层工程师，发现自己打磨多年的手艺正在被AI逼近甚至替代。最近，数学家们走到了相似的"石壁"前。

一、AI的几个时辰，人类的几百年

刘胜与的工作藏在GPU指令调度、数据搬运、等待消除这些细微处。早期AI只能帮他查文档找bug，如今已能读懂底层代码共同优化算子。他既骄傲又清醒：自己打磨的成果，也在为替代自己的工具加速。

数学界同理。9月8日OpenAI公布纳维斯托克斯问题成果：约一万个并发智能体用不到四天提出解答并完成Lean形式化验证。9月17日The Information曝出OpenAI接近解决另一道千禧难题霍奇猜想，部分研究者甚至给出"六到九个月"内数学快速自动化的激进预期。菲尔兹奖得主塞德里克·维拉尼形容：数学界弥漫着"一段历史已经走到尽头"的气氛。

但人们容易只看AI冲刺的几天，忽略它站在人类数百年积淀上。正如张无忌密道里几时辰练成乾坤大挪移，靠的是之前的九阳神功。前人的定义、定理、未竟尝试铺就了道路，机器跑出速度，起点应写进功劳簿。

二、当证明比理解来得更快

《侠客行》里石破天不识字反而悟透太玄经——AI也可能绕开人类惯用推理找到新证明路线。但一条证明通过机械检查只说明形式成立，数学家还要解释"为何成立"、关键思想在哪、哪些方法可迁移。机器抵达终点，共同体还得把道路画进地图。

问题来了：证明生产速度一旦超过人类阅读速度，谁调更多智能体谁先宣布结果，署名、归属、研究权力全被重构。

OpenAI公布成果前，NYU数学家Buckmaster与Anthropic的Alpöge已借助AI在相关流体方程上取得进展。Buckmaster质疑自己交给OpenAI工具的研究信息是否影响了公司工作——OpenAI否认。争议暴露了传统学术共同体与科技公司的新矛盾：学者把未成熟想法交给AI，工具背后的公司既掌握模型算力，也可能组织团队研究同一题。过去由论文、会议、同行评议维系的优先权规则，已难覆盖封闭系统中的合作。

商业竞争还会把资源引向最知名、最容易判定结果的问题——千禧年难题是醒目的模型能力勋章。9月11日陶哲轩、邓煜、舒尔茨、德利涅等25位菲尔兹奖得主联合声明，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严重错位。陶哲轩同日把开放问题比作灯塔：灯塔意义不在脚下那块地，而在照亮周围地貌。答案只是成果一部分，推动工具发明、建立联系、提出新问题才是大题的真正价值。

纽约大学Scott Armstrong披露，OpenAI至少从7月国际数学家大会起积压了数百个未发布的数学证明。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——陶哲轩称之为"证明消化不良"：每天大量无人理解的证明，只是膨胀的结果仓库，不是数学知识。

三、把难题外包给AI，年轻人的判断力从哪来

让AI解题、数学家审查解释，看似分工明确，但判断力需要亲自解题、犯错、修正才能形成。9月15日UT Austin教授Scott Aaronson写博客：13岁女儿开玩笑"想当数学家大概只剩两周了"。他曾在OpenAI对齐团队任职，面对学生问职业前景，承认自己不知怎么回答。

未来学生可用AI补全证明、查反例、解释定理，但探索中最费力的部分不断外包，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。工程教育同理：学生拿漂亮代码的同时可能错过架构设计、底层debug、理解机器运行机制的训练，最终无法判断机器答案是否可靠。

《倚天屠龙记》觉远临终诵九阳真经，无色、郭襄、张君宝各得其所，分创少林、峨眉、武当三脉——同一部经书经不同人理解形成不同传承。机器生成成果越多，帮助知识进入人类认知体系的阐释工作越重要，学术评价应给这些工作相应位置。

四、思过崖的石壁

回到《笑傲江湖》思过崖：令狐冲看到五岳剑法壁刻与破解之法，信念动摇。风清扬传独孤九剑，教他观察对手找破绽，摆脱对固定招式的依赖。

AI会在石壁上越来越快地刻下各种"绝世武功"。数学家需要守住的，是让后来者仍能看懂石壁、质疑石壁，并沿石壁没写出的方向走出新路。

提出好问题、辨认关键思想、建立跨领域联系、把艰深证明转化为可学习的知识——这些依赖判断力的工作，决定数学往哪走。才华不必埋葬在昨天，但"才华是什么"的定义，正在被改写。