梦溪沉迷于王者荣耀这款游戏，个人最佳战绩曾达巅峰赛排名1955分。身份的另一面，他是数学领域的博士研究者。
短短十四天时间内，他就把某角色辅助的评分从九千出头激增至11000+的高度。
这一转变的驱动力，源于人工智能在数学证明上的突破，让他的研究信念产生了动摇。
其实他一直对自己的数学能力充满自信，认为若非没时间投入，高端比赛中会有一席之地。因为他笃定，读研这几年的黄金时光，应当投注于探索数学领域的奥秘与挑战。
直到某个新闻彻底打乱了这种节奏——五月二十日，OpenAI宣布，他们开发的模型首次推翻了人类学者近八十年来的一个未解难题，而采用的手法极其巧妙。
这一难题被称为”平面单位距离问题”，是数学大师Erdős留下的经典悬题。其陈述方式很直白：在二维平面任取n个点，两两间距恰为单位长度的点组合，总数最多为n^{1+o(1)}。
即使你理解不透彻，享誉数学界的Timothy Gowers菲尔兹奖得主也说过类似的话：假如你从事数学研究，这则新闻足以让你震撼地瘫坐在椅子上（他的原话大意是确保坐稳）。
梦溪对我们讲述，以前没有余力参与游戏，因为总是忙着钻研数学理论。而现在，这种投入仿佛失去了意义，不妨就再打两局排位。
在和我们的对话时，梦溪正住在某个城市的宾馆里，享受着许久未有的假期。此前的习惯是每日自习或做学术研究。
他觉察到，现在应该停一停了，先从这座城市逃离，寻找一处不涉及数学的净土。
或许有些读者会感到困惑：作为全球人工智能技术吹牛吹得最频繁的领地，你们的言论似乎没有什么可信度。AI怎么可能在数学研究上有所建树？
但这一次的情形确实与众不同。
“平面单位距离难题”属于组合几何学，其内核为：在二维空间放入n个点，理论上最多能有几组点之间恰为单位距离？
这道题的难度虽然不及黎曼猜想、哥德巴赫猜想那样闻名世界，但在专业领域内属于重要课题，Erdős本人还曾为其悬赏。
Erdős曾指出一种构造方式，能使得点对总数达到n^{1+o(1)}，此即AI所推翻的所谓”猜想”。
AI所采用的思路令人叹为观止，通过构造反例的方式成功推翻了该猜想。
其独特之处在于，AI把这个看起来属于几何学的问题，创意地迁移到了另一个似无关联的学科领域：代数数论，借用该学科既有的工具完成了反例的构造。
OpenAI：用完全陌生的视角秒杀难题，你们的感受如何？
尽管梦溪早有听闻AI在数学领域的进展，但这种转变的速度超乎他的预想。
最初接触AI辅助数学，源于前一年DeepSeek突然走红的时期。他用过那个系统处理过一些题目，在某些问题上的表现还不如本科生。
同时期，他还收到过一些自称爱好研究的人寄来的各种证明稿，其中不乏荒诞之作，比如某个用二次元游戏设定来论证黎曼猜想的版本。读到这类材料时，他觉得最大的挑战就是忍住笑。
但进入二〇二六年初，梦溪和他的学术圈子都意识到，AI的数学水准发生了质的飞跃。以前连基础习题都会出错的系统，现在已经能胜任研究生水平的课程练习。
他与几位同学曾打算合作编著一套代数学教材的习题集，后来意识到将任务交给AI能快速完成，编著的必要性也就消减了。于是他开始与AI携手完成这个编著项目。
他做过计算：从表现不如本科生，到推翻数学猜想，AI仅用了十五个月。
考虑到公开版本与内部版本存在的代差，AI真实能力的升跃周期不会超过两年。
人类完成这个进度曲线，少说要费二三十年光阴，超过这个期限就与菲尔兹奖无缘了。
按照这个发展轨迹，三年后会是怎样的局面呢？梦溪说，连他也不敢做出预测。
历史有着惊人的重复性，数学学科现在也分化成两种流派。
一派坚信AI不可能做出什么成就的，另一派已经把AI视为必不可少的合作者。目前来看，相信AI的阵营已经有OpenAI这样的巨头为他们论证有力。
曾有一名来自西交大的本科生汤泉宇接受过采访，他很早就开始利用AI展开数学研究，在专业圈内享有盛名，但也引发不少争议。
怀疑论者认为他的基础不够扎实，这样的做法会吃大亏。结果呢，这个学生随后竟与菲尔兹奖得主陶哲轩开展了合作。
但想成为这样的”新派”也不简单。梦溪感受到，他身边的同学都弥漫着焦虑的气氛。
他有个同学，原本致力于在大学从事教职工作，现在彻底放弃了这个理想，只想尽快完成博士学位，然后争取获得事业编制。
另有一位博士同学，花费了五六年脑力思考的某道题，在AI的辅助下几天就被攻克了。这让他陷入了困顿：若是AI几天就能办到，那我过去五六年的努力算什么？
梦溪首次深切体会到AI的强大之处，是在研究生的讨论班上。他察觉到，以前发言时导师反应平淡。
直到有一回，他在巅峰赛打得太投入，已经到了没有退路的程度，才想到用AI来理解相关知识点。在那次讨论班上，他明显感受到导师表示很欣赏。从那时起，他领悟到AI真的是个好工具。
此后，他也开启了一种崭新的思维方式——”灵感数学”的能力，他的每个同学也都意识到了这一点。
于是，他设计了一套新颖的方法论：利用王者荣耀对战的时间来做数学研究。
由于GPT类模型生成回答通常需要大约十五分钟，这恰好对应一场排位赛的时长，他采用的策略是在”英雄选择”阶段选定某个角色，随即输入提示词，发送给GPT模型，然后投身于游戏对战，等比赛结束时AI的数学证明也新鲜出炉了，整个流程自然顺畅。
打从那以后，这种”灵感数学”的方式让他着了迷，他甚至会研究到凌晨三点。
进一步观察就会看出，这不仅是一个人的困境。
梦溪坦言，若是一名数学博士要在学术圈站住脚，就必须推出有分量的科研成果。
而要获得成果，只能朝那些方法论已被验证、路数相对安全的研究方向走，这样才有产出的保证。但问题是，这恰恰正是AI最在行的事——涵盖和整合各种知识，或者像推翻”单位距离猜想”那样，跨学科地应用既有知识，最后是工作量的堆砌。
梦溪告诉我们，许多博士生为了达到毕业要求而发表的研究文章，其本质就是把领域A的方法挪用到领域B。而从AI目前的发展趋势看，批量制造这样的”知识转移”方向的成果，只是个时间问题。
这样的”知识转移”向的产出在现行的学术考评制度下，已经被视为相当可观的贡献了。OpenAI这次取得的突破性进展，本质上就是”知识转移”的一个示范。
基于这些观察，梦溪判定，继续下去的话，或许只有5%的数学工作者能躲开AI的冲击。
“AI对数学最具伤害力的，并非它有多聪慧，而是让绝大多数从业者认清自己的平庸。”
“从某个角度讲，这打脸了之前那种’学科鄙视链’的风气吧。以前呢，学数学的瞧不起学工程的，学计算机的瞧不起学化工或材料的。现在形势倒过来了。学化工和材料的起码还得亲手做实验，不会轻易被AI取代。”
那么，传统派的数学工作者真的就要彻底败北了吗？
我们请教了一位福州大学数学系的副教授，有意思的是，黄书棋老师对这个问题的态度显得平静而乐观，甚至颇有信心。
黄老师的见解是，AI冲击只会涉及数学的某些分支，并不会替代掉数学工作者，因为数学家具备”品味”与”审美”的能力。
AI处理数学的方式，核心思路是：大量吸收既往的文献与已知成果，在那些已被形式化的领域——比如代数、组合数学——进行训练，再通过名为Lean的形式化验证体系不间断地自我修正。现在AI的主要突破，几乎全部聚集在这类”规范化”的数学领地。
前面提及的单位距离问题，确实是个很好的注脚：AI拿起代数数论领域的既有工具，创意地挪到离散几何的问题中，完成了一次知识的重新整合。厉害吗？毫无疑问是厉害的。
可从根本上讲，它运用的每一件工具都来自人类的既往创造，它做的只是把这些工具按人们从未设想过的方式拼凑在一块。
但黄老师的观点是，这不能算是数学最深层的那种创造力。
他举了一个例子——数学泰斗哥德尔和科恩研究连续统假设问题时，并没有采用业已存在的数学工具，而是努力把”怎样定义数学证明”这个概念本身转变成一个可以被数学化的课题。
恰是在这样的基础之上，哥德尔和科恩各自构造出了不同的数学结构，在其中一个里连续统假设是真的，在另一个里它是假的。
这样的洞察和创新对现在的AI而言，还显得过于深远。
黄老师的判断是，AI缺乏一种来自学科发展逻辑的领悟力，因为这种领悟并不存在于训练数据中。AI不会理解，为何必须要发展某个特定的工具，而这个”为何”，恰好源自数学家内在的审美与直觉。
这，才是人类数学工作者的防线。
但问题的残酷之处在于，”审美”与”品味”在数学中恰好是最难掌握的能力，这不是下功夫就能练就的，很多数学家用尽毕生之力也未能触及。
绝大多数的数学工作者，他们的职业之路都在这个”防线”之外展开。
由此可见，黄老师与梦溪的观点不谋而合。AI在不远的将来筛选掉”研究型民工”，已经是不可逆转的趋势了。
那些学数学的新人们究竟该往何处走，甚至整个数学专业该何去何从？
谁都说不清楚。一切都在迅速演进。
梦溪还不到二十六岁，在启动博士研究之前，AI在数学上的能力在他眼中还是不值一提。启动博士之后，AI就碾压性地超越了自己。
在他人生的头二十五年，他从未想过会有一种非生物的、由硅与电构成的存在，在数学领域的智慧会远远压倒自己。
他的原始理想是在大学里耕耘一生，以与数学为伴。用他的说法，那就是在打”单机游戏”。
但现在，单机的道路已然堵死了，他开始了转向，投身于与人打交道的”多人竞技”里，因为他相信在AI时代，与人类的互动会愈发显得珍贵。
当然，他也从来没有后悔选择数学这条路，就像他在游戏里秒选某个角色一样，这本质上都是他人生的一部分经历。
他的看法是，假如没有经历过这些变化，对AI的认知深度就不会这么全面，也就失去了审视自我价值的机会。当一切逐渐清晰后，他对未来依然抱有积极的信心。
