新智元报道
7月23日，第30届国际数学家大会（ICM）将在费城开幕，菲尔兹奖将在开幕式上颁出。
而在这之前的18日，Anthropic技术员工Alek Dimitriev在X上发帖称：下周颁发的菲尔兹奖，将是人类最后一次拿到这个奖。
Alek此前在Google做高级机器学习工程师，参与过Gemini的微调和推理系统建设，UT Austin机器学习博士毕业。
第二天，Christian Szegedy转发了Alek的推文。
Szegedy在深度学习圈里颇有影响，他是Inception网络（GoogLeNet）第一作者，Batch Normalization共同作者，最早发现并系统研究对抗样本（adversarial examples）的人。
它们都是现代深度学习的重要基石。
Szegedy是波恩大学的数学博士，2023年3月进入xAI创始团队，2025年创立了Math Inc，方向是用自动形式化（autoformalization）做出可验证的超级智能。
一个是天天和最前沿的模型打交道，一个是深度学习的奠基者，如今在研究怎么让机器验证数学。
他们却都在说，菲尔兹奖到头了。
当天下午，菲尔兹奖获得者Timothy Gowers在Szegedy那条转发底下现身：
我也有过类似的想法。不过这个过程有滞后，所以我想它们大概能撑到2030年。
Szegedy当即接了一句：
这是个高风险的赌注。但我认为接下来两年会出现大量突破，而AI的贡献会越来越占主导。这可能会让这个奖，很难再按它最初的精神被公平地颁出去。
虽然Gowers并未亲自说出「菲尔兹奖即将终结」这样的话，但他的确有过类似的想法，并给出了一个大概的期限：2030年。
而且，他也有这样推测的理由。
就在这条推文的两个月前，他自己刚做完一次实验。
不到两小时
AI搞定一章博士论文
2026年5月8日，Gowers在个人博客文章中，讲述了他近日用ChatGPT 5.5 Pro的一次经历。
他说道，我们所有人都得不断上调对大模型数学能力的评估，而这一次的上调幅度相当大。
他给大模型出的题，来自数学家Melvyn Nathanson的一篇论文。
题目大概是这样的。
挑出k个整数组成集合A，把里面任意两个数两两相加，得到的所有不同结果凑成另一个集合，叫和集。Nathanson要求A有多少个数、和集有多少个数，这两个数值都事先指定死。
问题只有一个：在满足条件的前提下，A里最大的那个数，能压到多小？
说白了就是，这k个数最紧凑能挤到什么程度。
Nathanson自己给出的答案是2的k次方这个量级。以20个数为例，最大的那个得取到一百万上下。他在论文里留了一问：这个界能不能改进？
ChatGPT 5.5 Pro想了17分5秒，交回来一个构造，把它压到了平方量级。同样是20个数，最大的一个只要几百。而且这已经是最优，不可能再压。
Gowers又让它把论证写成正规的数学预印本格式，2分23秒交稿。
然后他加码，换了一个更难的版本：能不能改进MIT学生Isaac Rajagopal论文里的界。
16分41秒，模型把那个界从「随k指数式膨胀」压到了「随k的平方根指数式膨胀」，写成预印本又花了47分39秒。Rajagopal本人看过，说看起来是对的。
Gowers问它能不能再进一步，一路压到多项式级，也就是彻底摆脱指数式膨胀。
13分33秒，模型说有戏，但有两条技术命题需要核实。他让它去核。9分12秒，核完了。再花31分40秒，预印本出来。
Rajagopal看完的评价是：几乎可以肯定是对的。他还特意强调，不只是逐行检查通过，而是连想法都对。
全程加起来不到两个小时。Gowers给这份成果的评价是：相当于组合数学博士论文里完全合理的一章。
真正扎心的，是他后面补充的那句话：
我的数学输入是零，我甚至没在提示词上做任何花样。
数学家们
慢慢笑不出来了
Gowers在博客里回顾，早期那些所谓「大模型解决了研究级问题」，笑一笑就能过去：
不少所谓的解，其实是模型发现答案早就躺在文献里，或者能从已知结果轻易推出来。
慢慢地，这些笑声一点点变小了。
再后来，碰上那种乍看挺聪明的论证，仔细一查往往还能找到先例。于是还能自我安慰一句：它只是在拼装已有知识，算不上真正的原创想法。
这一回，连这些安慰也没有了。
被AI改写论文的Isaac Rajagopal，在Gowers的博客里专门写了一节，解释模型到底想出了什么。
他没有一上来就夸，而是把模型的两步改进分开打分。
第一步，从指数级压到平方根量级。他的评价是，这是对我工作的常规改动。顺着他论文的思路往下推，就能推出来。
真正让他坐不住的是第二步，彻底摆脱指数式膨胀。
原来那串数是一路翻倍上去的，1、4、16、64，涨得太快。
ChatGPT换了个思路：先找一批彼此之间加起来不会撞车的数，任你挑几个相加，都不会和另一组的和碰上；再把每个数乘以同一个倍数，复制出一份。
这样一来，翻倍数列里那种「四个小的正好等于一个大的」的关系被原样复刻了出来，而所有数都被关在一个很小的范围里。
Rajagopal说，这像是把半条几何级数塞进了一个多项式区间，相当反直觉。而且这个想法据他所知，完全是原创的：
这是我琢磨一两个星期之后想出来、会非常自豪的那类想法。而ChatGPT用了不到一个小时，找到它，并且证明了它。
即将领菲尔兹奖的人
在这道题上输给了AI
Gowers博客发布后不久，OpenAI公布了另一件事：一个内部的通用推理模型，推翻了埃尔德什1946年提出的平面单位距离猜想。
普林斯顿的Noga Alon说，这是埃尔德什最喜欢的难题之一，而OpenAI这个内部模型给出的解法，在他看来彻底攻克了这个历史悠久的难题，改变了几十年来的共识。
数论学家Arul Shankar更是直言，它证明了当前的AI模型不只是人类数学家的助手，它们有能力产生独创而精妙的见解，并且能把这些见解做成实际成果。
和Alon、Shankar、Gowers一起代表数学界发声的，还有Jacob Tsimerman，他即将走上7月23日的菲尔兹奖领奖台。
7月13日晚，ICM 2026官网闹出一次事故。四条标着「HIDDEN菲尔兹奖演讲」的记录被扒了出来，今年的获奖名单提前泄露：
Yu Deng（芝加哥大学）、John Pardon（石溪大学）、Jacob Tsimerman（多伦多大学）、Hong Wang（NYU Courant与IHES）。
据报道，这四人各自解决了一个悬置30年到125年的问题。
而Tsimerman在评价那份AI证明时透露过一件事：他自己曾短暂研究过这道题，试着构造反例，但没能取得进展。
他即将为人类领走数学的最高荣誉，而在埃尔德什这道题上，他刚刚输给了AI。
AI将如何改变数学
说回Szegedy。
他说，诺贝尔奖奖的是推动一门学科往前走的成果，菲尔兹奖奖的是相对年轻的天才，目的是鼓励他们继续做数学。
如果这类成就里的AI成分难以评估，那菲尔兹奖的全部意义就成了问题。
评论区当然有人不认。有人回他：这说不通，菲尔兹奖按定义就是给最优秀人类数学家的奖章。
但争议的焦点已经偏移了，是AI时代这个奖要用什么标准去认定「这是你做的」。
Gowers曾在博客中抛出一个假设：
假设一位数学家解决了一个重大问题，方式是跟大模型长时间对话，他在其中起了有效的引导作用，但技术活全是大模型干的，主要想法也是大模型出的。我们会把这当成这位数学家的重大成就吗？
他的答案是：不会。
他还说，如果你做数学的目标是某种意义上的不朽，是让自己的名字永远和某个定理、某个定义绑在一起，那你要明白，这件事可能撑不了太久了。
但跟难题死磕仍然值得。
Gowers说，价值在于你能获得对解题过程本身的洞察，这种洞察只读别人的答案是换不来的。
他举了一个比方：代码写得好的人，用AI写代码也比水平一般的人强；算术基本功扎实的人，用计算器也更容易察觉出答案不对劲。
把名字留在某个定理上的那个时代，可能正在结束。但解过难题留下的「手感」，正在变成驾驭AI的入门级能力。
在即将到来的国际数学家大会上，另一名菲尔兹奖获得者陶哲轩会在大会上做一场公开讲座，题目叫《AI时代的数学》。
西蒙斯基金会公布的ICM公共活动安排：7月24日晚，陶哲轩主讲《AI时代的数学》。（图源：Simons Foundation）
今年5月，他在斯坦福讲完《新数学工作流》后，曾在Mathstodon上宣布改变自己的工作习惯：不再试图实时跟进所有新证明。
因为AI生成证明的速度，已经超过了人类消化它们的速度。
他还提过一个建议：也许该给AI生成的数学和人类的数学分设不同的发表场所，就像高速公路和人行道。
正在被推向2030年的，除了菲尔兹奖评委会，还有每一个正在选题的博士生、每一个正在带学生的导师，以及原有的学术评价体系。
Gowers曾算过一笔时间账：今年秋天入学的博士生，最早也要2029年才能毕业。
他的猜测是，到那时候，做数学研究这件事意味着什么，可能已经变得面目全非了。
参考资料：
https://x.com/tensor_rotator/status/2078335791156310369
https://x.com/haider1/status/2078993287634137424
https://x.com/ChrSzegedy/status/2078624857223536824
https://gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/
编辑：元宇
