夜雨聆风
菲尔兹奖得主说，数学家冠名定理的时代要结束了
2026年5月，英国数学家蒂姆·高尔斯在个人博客发了一篇文章。
高尔斯是谁？菲尔兹奖得主——数学界的诺贝尔奖。他研究加性数论几十年，名字跟好几条定理绑在一起。
这次他测了一个最新的大模型。几乎不给提示，零学术输入，就想看看AI能做到什么程度。
结果让他沉默了。
十七分钟。AI优化了一个公开数学问题的上界证明。十六分钟，把指数阶结果改进为多项式阶。不到两小时，完成了一篇博士论文章节水平的原创研究。
高尔斯在博客里写了一句让我愣了很久的话：
钻研数学问题仍然非常有价值，但那种可以享受自己名字永远与某个定理或定义绑定的快感的时代，很可能即将结束。
翻译成人话就是：以后解出难题可能还是你的功劳，但「这条定理叫高尔斯定理」这种事，AI也能干了。
我当时的第一反应是——这关我月薪六千什么事？
直到我往下想了一层。
如果数学家都逃不掉，我呢？
高尔斯说的「冠名权」，我琢磨了一下，不只是数学家的专利。
医生有冠名权——「张医生的独门疗法」。律师有——「李律师的经典案例」。剪辑师也有——「这个风格是王师傅的手艺」。
冠名权的本质是什么？是你的名字跟某个专业成果绑在一起，别人想复刻，得先过你这一关。
但现在AI在干什么？它在批量生产「够得着专业门槛」的成果。不是顶尖，但足够好。好到让「入门级冠名」变得不值钱。
高尔斯说，以前导师给博士生一个「温和问题」练手，现在AI分分钟解了。数学研究的入门门槛变成了——「至少难住大模型」。
我读到这儿，脊背发凉。
因为我想到了自己。
我踩过的坑，AI都记得
2024年，我大学还没毕业，听说AI绘画能赚钱。我学了Stable Diffusion、Midjourney，熬夜跑图，做了几百张壁纸。
零单。
不是图不好，是太好的人太多。AI把「会画画」这个门槛直接削平了。以前你叫得出名字的画师有冠名权，现在谁都能出图，冠名权就稀释了。
后来我做了信息流剪辑师。去年剪了几百条短视频，千川净成交40万。
工资六千。没涨。
为什么？因为剪辑的「冠名权」也在消失。AI剪视频的速度是我的十倍，成本是我的百分之一。我能做的，AI差不多都能做了。我不能做的——比如真正懂用户心理、懂产品卖点——公司没觉得我有多不可替代。
我又试过AI壁纸赛道，还是零单。美工行业不景气，我转运营。
这一路走过来，我发现一个规律：
每次我觉得「学会这个技能就稳了」，AI就把这个技能的「冠名权」抬走了。
不是AI故意针对我。是AI在系统性地抬高每一个专业领域的入门门槛。以前你学会剪辑就能吃饭，现在你得会剪辑+懂运营+懂AI工具+有个人风格，才能勉强不被替代。
冠名权不是被抢走的，是被抬高的
高尔斯的文章里有个细节特别扎心。
他说，以前培养博士生，最常用也最有效的办法，是给一个看起来难度温和的问题。现在这条路走不通了——因为温和问题已经被大模型包揽。
数学研究的新门槛是：证明大模型证不出来的东西。
其他行业呢？
法律行业，AI已经能通过律师资格考试，起草合同的速度是资深律师的几十倍。编程行业，GitHub Copilot写了35%以上的新代码。设计行业，Midjourney出图的速度让初级美工根本接不到单。
AI没偷你的饭碗。它只是把门槛抬到了你够不着的地方。
这不是坏事，也不是好事。这是一个你躲不掉的事实。
那普通人怎么办？
高尔斯给了两个限定，我觉得特别实在。
第一，博士生可以选择用大模型。任务不是「证明AI证不出的东西」，而是「与AI合作，做出它们独自做不出的结果」。
第二，组合数学首当其冲，其他领域可能还有缓冲。因为组合数学高度聚焦问题，从问题出发逆向推理。其他领域更强调正向推理——从一组思想出发，看能走向何方。要成功做到这一点，需要区分有趣与无趣观察的能力，AI在这方面还不行。
这两个限定给了我一个启发：
冠名权消失不等于专业死亡。
消失的是「入门级冠名权」——你会某个技能，就能挂名吃饭。留下来的是「高阶冠名权」——你能提出AI提不出的问题，你能判断AI判断不了的价值，你能把AI的成果组合成别人想不到的东西。
说白了，就是从「手艺人」变成「导演」。
手艺人靠手艺吃饭，导演靠眼光吃饭。AI可以替代手艺，但替代不了眼光。
我的三步自救法
这不是鸡汤，是我正在做的事。
第一步：识别你的「可冠名资产」
什么是只有你能做、AI做不了的？
不是「我会剪辑」。是「我懂这个产品的用户痛点，能用剪辑把它讲清楚」。不是「我会PS」。是「我能把客户的模糊需求翻译成视觉语言」。
可冠名资产=你的独特经历+你的判断力+你的审美。
第二步：把技能变成IP
不是会剪辑，是「瑞雪有话聊懂AI+剪辑」。不是会运营，是「瑞雪有话聊做过千川40万的运营」。
IP的本质是信任。信任的本质是「这个人我认得，他的判断我信」。
AI可以产出内容，但产不出「你」。你的口音、你的偏见、你的审美、你踩过的坑——这些才是护城河。
第三步：持续进化，而非死守
我现在的状态：主业剪辑+运营，副业做公众号、单词小程序、小红书虚拟产品。
每个都在试，每个都不深。但我在找那个「AI够不着」的位置。
高尔斯说，2029年数学研究的含义将彻底改变。我猜，不止数学。所有靠深度思考吃饭的行业，都会面临同样的重构。
写在最后
高尔斯在文章结尾写了一段话，我反复读了几遍。
他说，钻研困难数学问题的意义在于：通过解决难题，你能深入理解解题过程本身。自己解决过难题的人，借助AI解决问题的能力会强得多。就像优秀程序员比普通程序员更擅长直觉式编码，扎实掌握基础算术的人更擅长使用计算器。
数学是高度可迁移的技能。研究级数学也是如此。
从事数学研究，你或许得不到上一代人那样的回报，但很可能会为即将到来的世界做好充分准备。
我把「数学」换成「剪辑」「设计」「运营」「写作」——一样成立。
那个仅凭个人天才灵感，就能留下冠名成果、实现专业永恒的时代，确实在渐行渐远。
但另一个时代正在开始。
在这个时代，铁饭碗从来不是某个技能，是你持续进化的能力。
我是瑞雪，一个月薪六千但不想只拿六千的剪辑师。
我在记录自己用AI突围的过程。如果你也在找那个「AI够不着」的位置，欢迎关注我，我们一起进化。
