xAI联创宣判”数学毕业了”，两千年英雄史落幕——但飞机能画地图，不等于能造山
AI飞行客 xAI联创宣判”数学毕业了”，两千年英雄史落幕——但飞机能画地图，不等于能造山
先说我的立场：Szegedy 这篇文章里最危险的，不是他的结论，是他那个太漂亮的比喻。
xAI 联合创始人 Christian Szegedy 发了篇长文《数学何去何从？》，在 X 上炸了。核心论断一句话：数学要毕业了，两千年孤独攀登者的英雄时代，结束了。
他的比喻漂亮得像一句广告词：数学家是原始丛林里徒手攀岩的探险家，AI 是一架飞机，已经把旗插上了没人爬上去过的山顶。
但漂亮不等于对。而恰恰是这个比喻，藏着整篇文章最该被质疑的地方。
先承认：他的赌注赢了，而且赢得很难看
必须承认 Szegedy 的预言兑现得让人没法嘴硬。
他是谁？深度学习史上好几块绕不开的基石都刻着他的名字——图像识别的经典网络 Inception，论文第一作者是他；揭开神经网络会被”对抗样本”轻易骗过的开山论文，第一作者也是他；教科书必讲的批归一化，是他和同事一起提出的。2023 年，他成了马斯克 xAI 的 12 位创始成员之一。
2019 年他就写下立场论文，主张走”自动形式化”路线——让 AI 把人类写的数学自动翻译成机器能逐行检验的证明——目标是 2029 年造出超人数学家。2024 年他把时间表提前三年，并在 X 上和 Keras 之父 Chollet 打赌：”2026 年 6 月之前，出现超人 AI 数学家。”
然后 2026 年真的来了，而且比他的赌注还狠：
– 5 月，OpenAI 推翻了悬置 80 年的单位距离猜想； – 7 月，Anthropic 研究员用 Claude Fable 5 证伪了 1939 年提出的雅可比猜想； – 9 月 4 日，Anthropic 内部模型只用 11 天，在定理证明器 Lean 里写完费马大定理的完整证明； – 9 月 8 日，OpenAI 宣布 1 万个 Agent 跑了 88 小时，攻破千禧年难题 Navier-Stokes 方程； – 9 月 21 日，OpenAI 又称内部模型解决了 100 多个长期悬而未决的数学问题。
全都发生在他最初预言的 2029 年之前。所以别急着说”他在吹牛”——先去读一遍这份时间表。
但那个比喻，恰恰是最大的问题
回到那架飞机。
Szegedy 说，数学探险家干三件事：画地图、找矿、造工具。最受尊敬的是爬上高山、在山顶画草图的人。飞机来了，能飞进以前坠落的地方，还能降落在没人爬上去过的石头上——也就是解决了几个猜想。
接下来是他最关键的论证：有人说”飞机飞不了那么高、画不出大片地图”？Szegedy 说这是静态思维的谬误——今天的飞机比几个月后的还原始，更别说几年后。他最后撂下一句：”别跟飞机打赌。”
这句话我同意一半。在能力上不跟飞机打赌，是对的。 任何把自己身份押在”AI 做不到 X”上的人，确实是在沙子上盖房子——去年春天的模型，几个月后描述就不成立了。
但”别跟飞机打赌”和”飞机能取代攀岩”，是两回事。
飞机能做的是：快速到达、批量测绘、把已知地形数字化。但 Szegedy 自己承认，飞机目前降落的那些石头”没那么有意思”——人类爬它们，是为了给真正的大山磨工具。那么问题就来了：
如果你承认飞机暂时够不着真正的大山，那”地质学家会发现新矿脉”这件事，就不该被”飞机能画地图”这件事替代掉。
这里我想起 Mathematica 之父 Wolfram 的反驳。就在 Szegedy 发文前 5 天，Wolfram 写了篇 7000 多字的长文，说自己对”不再需要人做数学”这类说法”有点不耐烦了”。他的核心观点是：数学的目标”几乎按定义，必须来自系统之外，具体来说，来自我们”。
换句话说，飞机能测绘一片大陆，但”哪片大陆值得测绘”这个问题，飞行手册里没有答案。这恰恰是 Szegedy 文章最后承认的那三种新本事的第一条——选择哪片地形值得探索。
他把”人的痛苦”讲得比谁都清楚，却低估了它的分量
这篇文章最好看的部分，其实不是技术预言，是他讲”毕业”的那段。
他从自己的高中毕业讲起。数学特长班，每周 8 小时数学课，青春大半耗在竞赛题上。毕业考结束后的头两个小时，是他这辈子最自由的时刻——随后，空虚就来了。再也没有竞赛，没人再教他，也没人在乎。他写道：”我第一次不知道，没有了它，我是谁。”
他说，全世界的数学家接下来要经历的，就是这种感觉。
这段写得真好。但我想指出——这份哀伤，他自己其实并不真的站在那个位置上。 他是一个已经把身份从”攀登者”成功迁移到”造飞机的人”的转型者。对他来说，”毕业”是解脱；对每天在丛林里摸爬的人来说，是悬崖。
帝国理工数学家 Kevin Buzzard 用”悲伤五阶段”给数学界画了像：否认、愤怒、讨价还价、抑郁，前四个都能找到大把代表。菲尔兹奖得主舍尔策公开表示不会用 AI，”愿意为此死守到底”。
更扎心的是一个细节：一位博士生研究卡在某个引理上，ChatGPT 一次就把它证了出来——然后这位博士生开始怀疑，自己做的这一切到底还有什么意义。
Szegedy 的回应是：”这种哀伤是真实的，只是不会持续太久。”我认为这句话对宏观趋势可能是对的，但对个体是残忍的。趋势不等人，可人需要时间消化。
我的判断：这不是”数学完了”，是”数学的地基要塌了”
把三方观点摊开看，我的结论和 Szegedy 不一样。
第一，”数学毕业”这个说法，把两种不同的事混为一谈了。
Szegedy 骨子里想说的是：形式化数学的产业要来了。这个判断我完全同意。数学注定是第一个被 AI 工业化的基础学科——它能被机器逐行检验，不用做实验，对就是对，错就是错。所以 AI 最先啃下的硬骨头，全在数学里。
但他把”数学会被工业化”和”数学的英雄时代结束了”绑在一起讲，这是两个命题。官僚化的期刊、终身教职委员会、论文奖励体系确实会剧变，这部分他说得没错。可是”爬上别人爬不上的山”这件事会不会变得不重要，取决于一个更根本的问题——提出新山的人从哪来。
第二，”证出”和”理解”，是两回事。
自动形式化最大的诱惑是：证明可以被机器逐行验证，所以不会有错。对，但机器验证的是”从公理到结论的逻辑链没有断”，它验证不了”这个结论重不重要”。
Wolfram 就亲身踩过坑：AI 告诉他”证明通过了”，证的却不是他想证的东西。这说明形式化系统里，最难的从来不是把证明写对，而是把”你想证什么”翻译准确。 而这个翻译动作，本身就需要理解。
第三，真正会变的不是”要不要人做数学”，是”什么算数学成就”。
Szegedy 其实给了答案，只是他自己可能没意识到这个答案有多颠覆。他说未来的三种本事是：选择哪片地形值得探索、指挥飞机编队、把发现讲给全世界听。
翻译成人话就是：提出问题、组织算力、传播结果。 这三件事里，有两件是”人”的技能，只有一件是”用机器”的技能。也就是说，数学不会不需要人，它会从一门”手工攀岩的手艺”，变成一门”考察队调度的手艺”。
给普通人的实操结论
如果你不是数学工作者，这篇长文对你的价值在两句话里：
1. 别把身份押在”AI 做不到 X”上。 这是适用于所有行业的通用原则——你能守住的从来不是”某项具体技能”，而是”判断力 + 组织力 + 表达能力”这套组合。 2. “毕业”的真实含义不是终点，是换赛道。 Szegedy 说得好：孤独攀登者的时代正在结束，测绘整片大陆的时代正在开启。对能完成这次迁移的人，这是机会；对完成不了的人，这就是他讲的”空虚”。
1930 年，希尔伯特在柯尼斯堡留下一句话，后来刻在他的墓碑上：”我们必须知道，我们终将知道。”
这句话，Szegedy 在文章里用了，Buzzard 在结尾也引用了。同一句话，被正反两方同时引用——这本身就说明了数学界的撕裂：大家都相信”终将知道”，但对”谁去知道、怎么算知道”，已经吵翻了。
飞机确实来了。它画地图的速度，人类追不上。
但地图不是大陆。而两千年人类真正在追逐的，从来不是那张图，是图上还空着的地方。