「当 AI 也会做数学」听起来像一句口号。准备这场讨论时，备选题目也曾更情绪化：「低垂的果实」「数学的黄昏」「震惊瘫坐的我们」。把它们拼成一句长标题，听众或许会点头，问题却未必更清楚。

更稳妥的做法，是把情绪拆成三个不同的问题。

这三项不能被「工具始终只是工具」或「人永远不可替代」一句话打发。也不必公开自己的焦虑；可以在心里先选一个最想听清楚的问题。下文按这三问组织，但尽量写成连贯论述，而不是页码流水账。

另有一条贯穿全文的方法约定：把事实、专家观点、分析模型与个人经历分开。事实要有来源；观点要有作者与理由；模型要有假设；个人经验要诚实说清范围。机构公告证明其公开了什么，不代替独立正确性认证；审查中主张保持「非定论」；「金牌标准」不等于正式参赛奖牌；相对就业缺口不等于失业率暴增。这些措辞边界不是修辞谨慎，而是避免把不同性质的陈述混成一个「AI 已经／必将如何」的故事。

早期自动推理并不是 2020 年代才出现。1956 年前后的 Logic Theorist 属于符号人工智能：人给出表示、规则与搜索方法，程序在已知定理空间中搜索证明。1996 年 EQP 找到 Robbins 猜想的证明并于次年发表，说明自动搜索参与新数学结果早已发生。关键点是：候选很多，合法推理与可核查结果才是关键；证明搜索与今天的大语言模型也不是同一种技术。

机器学习进入「发现」环节后，故事又变了。2021 年前后的合作中，模型帮助看见数据中的结构，人修正猜想并完成证明——不宜统一说成「模型独立解决了长期猜想」。2022 年 AlphaTensor 把算法设计变成可验证的张量分解搜索：乘法次数更少，不自动等于每台机器更快，也没有解决所有矩阵乘法的最优复杂度。定理与算法不宜用同一分数排高低；预测规律、提出猜想、严格证明，需要不同检查。

国际数学奥林匹克（IMO）相关表现常被用来暗示「研究级能力已到」。讲义中的公开节点更值得按条件阅读：2024 年报告约 28/42、银牌分数范围，题目经人工形式化，部分题最长约 3 天；2025 年高级研究版本报告约 35/42、达到金牌标准，自然语言、时限内作答，并由 IMO 协调员评分。这里必须保留两条边界：竞赛表现说明特定条件下的解题能力，不等于研究数学的全面能力；金牌标准 ≠ 正式参赛奖牌，也不是说普通产品用户可稳定复现。自然语言评分与 Lean 内核核验，同样不是同一种验证。

2026 年 9 月 4 日，Anthropic 公布沿 Wiles 路线完成费马大定理的 Lean 形式化并公开代码。突破在形式化工程，不是首次发现 FLT 的数学证明；官方称多代理主要自主工作约 11 天，但仍依赖既有数学路线、Mathlib 与人类构建的平台。已知结论的形式化，本身也是一类重要数学工作——它回答的是「能否被机器检查地重建」，而不是「人类是否第一次想到」。

若把「近一个月」粗定为 2026-09-28 至 10-28，窗口内出现了若干高可见度主张。讲义所述、核验时可见的公开摘要包括：

对近月材料，更稳妥的态度是：把机构公告当作「公开了什么」的证据，而不是「已经成立什么」的判决书。撤回与修订说明审查成本真实存在；两家同时提出相近主张，仍不等于外部独立复现；波方程与挂谷相关推论即便附带 Lean 工件，完整独立理解仍可能滞后于公告节奏。本科课堂更需要的，往往不是最新题名，而是把命题、条件、核验范围说清楚的习惯。

读这类突破时，本科生不必立刻复现整份证明，但可以学会提问：命题在哪个空间？结论是维数、体积还是算子估计？推理箭头方向如何？形式化是否同题？独立复查覆盖哪一部分？新增了什么方法，哪些应用真的随之成立？这些问题本身就是数学能力的一部分。

若把数学工作粗分为方向与语言、探索与可信度、理解与传播、现实与反馈，并承认公共资料、证明库与协作制度支撑全部任务，则 AI 也可能参与每一组——不宜预先划定「提问题／解释／教学」为永久人类专属领地，而应考察具体输入、产物与检查方式。

历史上，任务本就在变：Bourbaki 重组概念与教材；四色定理从计算机辅助检查走到 Coq 形式化；Polymath 说明想法更多时，筛选、解释与整理更重要。这是数学工作史，不是 AI 史；历史变化不提供就业保证。

对探索求解，按产物检查：候选问题是否新且有意义、能否复现、假设与反例是否诚实。对理解与使用：能生成说明 ≠ 说明可靠；成品完成 ≠ 学习发生。解题与概念创造经常相互促进，没有通用价值次序；作者省时，读者可能新担核对与重建直觉的成本。合格交付至少包括关键思想、依赖、失败边界与可复用引理。

落到本科训练，四项能力仍然朴素：把陈述读成命题（对象、量词、条件能否交换）；把证明读成依赖图（「A⇒B」与「B⇒A」分别核对）；在例子⇄猜想⇄结构⇄证明之间往返且每次有理由；讲清关键选择后再离开提示做迁移测试。有限次实验不能证明「对所有」；会使用 AI 也不直接等于已经掌握数学。

能力问题的小结： 先承认变化——AI 已参与解题、发现与形式化；较稳健的学习目标，是准确表达、核对依赖、找结构、解释并检验新情境。「数学仍有价值」推不出「岗位不会少」。下一问是入口。

数学的认识价值不会自动转化成相同数量的有薪岗位。一个任务可以变得容易，一家机构也可能同时改变招聘；反过来，没有学术职位也不表示不能贡献数学。

新闻里的「就业下降」常混用不同变量：任务产出、招聘广告、实际新聘、在岗人数、失业率。百分比不能直接相加或互相抵消。流量可先于存量变化：即便没有大规模裁员，少招聘也可让新人更难进入。更关键的链条是：暴露 ≠ 采用 ≠ 替代。暴露度通常由任务与模型能力估计；实际采用还取决于数据、合规与组织投入；暴露相关的就业差异，不能直接读成「企业采用 AI 造成的因果效应」。

美国方面，Brynjolfsson 等基于 ADP 的修订研究（讲义使用 2026-08-12 修订版）指出：22–25 岁高暴露组就业相对低暴露同龄增长轨迹约低 19%；差异主要表现为少招聘而非更多离职。必须强调：19% 不是因 AI 消失的岗位比例，也不是失业率增加 19 个百分点；观察差异与证明因果仍有距离；部分差异早于 ChatGPT，控制教育构成后结果减弱。美国职业分组观察证据，也不直接预测中国数学毕业生求职结果。

丹麦方面，Humlum 与 Vestergaard（2026-03）连接调查与行政记录：约 2.5 万员工、约 7000 工作场所、11 个高暴露职业，行政数据至 2024-12；收入与工时平均效应接近零，置信区间可排除超过约 2% 的影响。鼓励采用 AI 的工作场所，未发现 early-career／职业早期员工占比的显著额外下降（主文术语为 early-career；精确 null，可排除约三分之一个百分点）。需要指出的是，该定义使用的是「职业早期员工」，与美国研究限定的 22–25 岁特定人群未必等同，两国的社会保障和劳动制度也截然不同，因此不能简单用一国早期的平稳去抹平另一国出现的摩擦，更不宜将两者的不同变量混为一谈。「未发现显著变动」不等于「永远没有影响」；非随机采用、国家制度差异以及较早的观察窗口，都限制了结论的随意泛化。观察窗口也不同：丹麦截至 2024-12，美国研究多看到 2026-06，应分别解读，而不是用一国早期近零效应「抵消」另一国后续描述性差异。

此外还有多源提示：总体失业可相对平稳，而青年入职与初级招聘仍可能承压；美国软件招聘广告中，初级相对高级约减 14–15%（工作论文，方向性保留；≤3 年不等于应届生）；中国在线招聘平台数据也显示无经验要求的初级岗位承压更为明显。对此类平台端发布的数据，我们宜保持审慎，将其作为结构性趋势的观察线索，而不宜将单一平台的初步统计直接当成全行业的定论。不同研究测量不同变量与人群，不宜简单合并为一个笼统的「AI 失业率」。

在岗生产率证据与入口结构也要分开：客服研究中产出约 +15%、低经验约 +30%（QJE 正式版），说的是特定工具下的效率，不是就业概率；某前沿 AI 公司自报技术员工初级份额 21%→14%、技术新聘初级 27%→9%，同时绝对技术招聘仍可增长——份额下降不等于人数同比例下降。在岗获益 ≠ 多招新手。

更稳妥的综合判断： 入口风险值得单独跟踪。尚不足以宣称全国性大规模失业，或把所有青年困难归因于 AI；对教育更直接的问题是：基础任务易自动化后，新人在哪里得到真实反馈？

初级任务不仅是「便宜劳动力」，也是看见错误、接收反馈、逐步承担责任的训练。学校与雇主需要共同补可检查的真实工作：任务可小但用途清楚，反馈者明确，责任逐步增加；不要把「初级」写成「无需培养」。这是机制推论与教学建议，不声称所有初级岗位都将消失，也不保证录用。

学术入口上，成果认证同样承压。SIAM 等观察提到低标准投稿与虚构引用增加编辑负担；arXiv 2026 年前九月投稿同比约 +30%（208,241→270,685，官方 CSV）；2026-10-01 起每提交者每月最多 2 篇新增（拒稿计入，旧 3 篇 active 规则另列）。限额约束提交者，不等于期刊同行评议必然变慢；增长本身也不识别 AI 因果。

审稿过程指标中，BISE 社论概括可见：审稿邀请接受率 66.0%→57.5%；首轮等待约 31→约 43 天（逐年到一位小数的格点若未附 Table 3，不宜死咬）。找审稿人、评审、修订、录用、出版是不同阶段，勿混用时钟。若硬截止缺替代评价，等待不确定性会传到毕业／晋升压力——这是条件性风险推断，不是已测得「AI 导致延毕」。

全职以数学谋生，与对数学作贡献，是两种不同选择。「业余」描述安排，不评价水平。可持续安排可以多种：全职学术、相关职业兼研究、范围清楚的协作。选择标准是能否持续投入、完成自己能负责的部分，并建立可工作的反馈关系——不是身份门槛。

非传统入口也出现了可讨论案例：2026 年 4 月 Price 与模型启发 Erdős 问题 #1196，5 月 1 日八人预印本由人类生成并复核。这一成果最终由 Lichtman 等八位作者共同联署发表，而在学术共同体的开放讨论中，来自社区的 Nat Sothanaphan 等研究者也给出了独立的简化路线。理清这种署名与社区独立推进的边界，恰恰展现了现代数学协作的生动常态：他属于社区的第三方独立贡献，并不在那份八人预印本的作者名单之中。入口可以更开放，但核查责任依然清晰——必须能解释、能复核、能继续使用。

用历史人物做「若当时有 AI」的思想实验，不能偷渡后来答案，也不能做成就排行榜。拉马努金提示文献与反馈可缩短，假证明与误判仍在；费马／高斯提示碎片连续性与计算可缓解，但时间与「算力≠AI」仍要分清；诺特提示工具可助传播，制度排斥不会自动消失。即使工具显著缓解其中一项，其他条件仍可能决定结果——这也解释了为什么不能笼统说专业者或业余者必定更占优势。

行动上，选安排先看可持续：时间、生活条件、反馈渠道能否长期保留；从能解释、能核查、能维护的小范围开始；准备可检查的贡献证据（范围写清、关键判断留住、反馈与修改可追溯）。入口质量更需要共同体协同维护：学习者负责可负责的工作，指导者给可用反馈，组织保留培养位置。这一层制度与生态的思考，自然将我们引向三问在全局上的汇合。

能力、入口、成长相关，但不能互相代答。一个人可以把近月算法主张读得很仔细，却仍然不知道自己毕业那年初级招聘发生了什么；也可以找到一份相关工作，却在离开 AI 提示后无法独立核验关键步骤。反过来，只强调「练基本功」而不看入口流量与反馈机制，也可能把制度问题说成个人态度问题。

因此更稳妥的阅读姿势是并列三张清单。能力清单问：这份输出声称什么、在什么条件下成立、我核对到哪一步。入口清单问：测量的是广告、新聘还是在岗；相对缺口还是失业率；early-career 还是某一年龄带；单国窗口还是可外推结论。成长清单问：这次合作里我做了哪些判断、哪些仍依赖提示、下一次换参数后我能否独自完成检查。三张清单共用同一条克制原则：不把审查中结果写成定论，不把相对缺口写成失业率暴增，不把非联署作者写成共同作者，也不把「会用工具」写成「已经掌握」。

当外部世界的喧嚣与证据被逐一厘清之后，我们最终要面对的，其实是那个坐在屏幕与纸笔前的自己——使用 AI 之后，我们的真实能力究竟发生着怎样的变化？

前两问讨论公开证据与制度观察；第三问换成个人使用体会。某次报告制作中，「100% AI 实现」若被误解，很容易变成宣传。更准确的说法是：页面、排版与文件生成可由 AI 执行；选题、删改与审核仍由人负责；研究资料、历史图像与个人经历不能都归为 AI 原创。「100%」限定页面制作执行，不是全部思想、素材或责任的比例。

真实修改意见往往落在结构、讲述与依据三条线：听众能不能跟上；一页是否承担过多；找到资料是否等于用对资料（例如 arXiv 增长 ≠ 期刊审稿变慢）。结构性思考首先是决定材料与问题的关系，而不只是列长目录。

个人层面，常见变化可以概括为三类——不是对所有人的分类，也不是因果研究。

表达： 更愿用 Markdown、HTML 等层次可见、便于迭代的格式；同时要计算维护成本。格式不保证数学质量；动态展示应让一个关系可见，不能替证明；某种工具合适，不代表所有课程都应更换软件。

思考： 更习惯动手前先问谁来读、先知道什么、最后理解什么；更习惯站在审核者位置——条件齐吗？图像是否藏了前提？看起来顺的证明是否漏条件？AI 自查可作辅助，不能替代独立核验。真实反馈曾指出：含糊标题让人不知道怎么讲，后来改成更直接的「探索求解／理解使用」对照。

行动： 过去被技术门槛卡住的事，现在更愿意试——读取并整理设备轨迹、科普视频工具链、相对复杂的讲义等。需求应先于工具；涉及儿童等敏感数据，只谈处理思路，不展示真实位置；工具分工可以不同，数学内容仍要核；复杂讲义最怕局部正确、整体脱节——一段话正确 ≠ 一章节连贯 ≠ 一份材料可用。

不必宏大项目，也可不必照搬他人工具。可自选的方向包括：换一种表达把熟悉知识点讲清（核对条件、量词、结论范围）；解决自己有权处理的小麻烦（先写清输入与失败标准，批量修改先备份）；把「卡在这里」说具体并跨过一道技术门槛（先做到能解释、能运行）；把结果交给合适的真实读者，根据不懂处、失败输入与缺依据处再改。

与 AI 协作时，目标与检查条件宜一起说明：不确定处请标出，勿替自己补未经核对的依据。页面执行可大量交给工具，内容判断仍需人参与——这不是永久能力边界，而是当前合作中可检查的分工。把「成品已经像那么回事」与「我已经能够负责其中的关键判断」分开，是第三部分最想留给听众的习惯：前者可以很快，后者仍然需要时间、反馈和一次次离开提示的迁移测试。

回到开场的三问。

关于能力：不必承诺某项技能永远不会自动化；值得练的是可迁移的判断——准确表达问题与结果，在工具变化后继续学习。近月主张再耀眼，也要区分公开、核验、独立理解与认证；竞赛上的金牌标准也不等于正式参赛奖牌，ETH 一类主张仍属审查中、组织审查不等于认证。

关于入口：相对缺口、招聘流量与在岗效率是不同故事；暴露≠采用≠替代；在岗获益≠多招新手；early-career 效应与 22–25 岁轨迹不可不经说明混用；审稿等待写约 31→约 43 天即可；非联署作者不要写成共同作者。入口风险值得单独跟踪，训练与反馈值得补上。

关于成长：最后值得留下的，不只是生成结果，还有自己多理解了什么、下次能独立判断哪一部分。可以小：一个解释、一个工具、一份材料；认真做到能用：理解结果、检查边界、听取反馈。若一定要用一句话收束：先把证据读清楚，再把入口与成长分开跟踪，然后从一件自己确实在意、并且结果可被核对的事情开始。

没有一个答案适合每位同学，我们也不需要先相信某一种单向度的未来预言，才能开始当下的思考与学习。如果在这场喧嚣的技术浪潮中，我们今天只能带走三句具体的清醒之言，那或许是：竞赛里的金牌标准不等于正式奖牌；审稿与发表的等待周期要看阶段，不必死咬缺乏完整表格的小数点；而开放协作中的每一份贡献，都要分清谁是联署作者、谁是社区的独立推进。

工具越强大，清醒的判断力便越珍贵。先把证据读清楚，再把外部入口与内心成长分开跟踪，然后，从一件自己真正确信、并且结果可被反复检验的小事开始。