·聚焦：人工智能、芯片等行业
王虹站上菲尔兹奖领奖台，《王的猜想》登上《广西日报》头版。与此同时，AI 已能攻下奥数金牌题，尝试解决开放数学问题。答案似乎触手可及，人类却比任何时候都更需要回答一个问题：什么才值得被追问。
一份涨价的报纸，一场沉默的投票
《王的猜想》本是《广西日报》为数学家王虹撰写的人物特稿。上个月，35 岁的王虹在费城捧起菲尔兹奖，成为该奖自 1936 年创立以来第三位女性得主。她与邓煜同届登顶，中国籍数学家首次斩获两枚奖牌。
两天后，总编辑打破常规，用头版头条加半版的篇幅刊出此稿。标题中的“王”字，既是姓氏，也是加冕。报纸一份难求，二手平台转让价从 15 元飙升至 65 元。
有人称之为当代版“洛阳纸贵”。在手抄年代，复制成本高昂；而在边际成本趋近于零的数字时代，人们却愿意为一张纸排队。
王虹与 Joshua Zahl 攻克三维挂谷猜想的论文半年前已在学术圈流传，任何大模型都能在 3 秒内复述。然而 Graphite 数据显示，过去 12 个月 AI 内容增长势头明显放缓。原因在于，单纯堆量的 AI 稿件在搜索排名中表现糟糕，无法转化为真实流量。
"AI 万能叙事”本质是面向资本市场的修辞，它许诺产能，回避定价。《王的猜想》被炒至 65 元，恰恰揭示了答案：产能是这个时代最不稀缺的东西，而独特的价值才值得付费。
创造力常在弯路里生长，效率模型容易删掉它
人们曾用数学题审问机器是否聪明，如今考卷本身正在失去威严。2024 年，Google DeepMind 的 AlphaProof 与 AlphaGeometry 2 已触及国际数学奥林匹克银牌水平；2025 年，Gemini Deep Think 更是越过金牌线。它们无需专家将题目译成形式化语言，便能直接阅读自然语言并在规定时间内写出证明。
奥数如同围墙整齐的花园，规则清晰，答案可验。真正让数学界震动的是，AI 开始走进开放问题。今年 5 月，DeepMind 推出形式化证明系统 AlphaProof Nexus，在 353 个 Erdos 开放问题中解出 9 个，在 492 个 OEIS 猜想中证明了 44 个，并实际参与到图论、量子光学等多个方向的研究中。
在单位距离问题上，内部模型甚至找到新构造，撬动了延续约八十年的主流猜测。机器不仅能踏入无人走过的路径，还能拼出专家未曾想到的方法。
继续将 AI 视为“复读机”已是掩耳盗铃。局部跃升常被误读为整条价值链的替代，复杂分工被简化为模型大小与算力多少。但科学、工程与创作远比考试辽阔。答案只是中途的一盏灯，前面还有“问题为何被提出”，后面还有“结果为何重要”。AI 值得敬畏，但人类真正稀缺的，仍是提出好问题，并知道何处值得点灯。
答案正在工业化，问题意识反而更加昂贵
OpenAI 内部模型对平面单位距离问题给出突破性反例，近期公开的圈双覆盖猜想证明稿也声明由 GPT-5.6 Sol Ultra 完成。将这些成果简单归结为“高级复读”，是另一种拒绝现实。
陶哲轩在 2026 年国际数学家大会预判，数学可能从“证明稀缺”进入“证明充裕”时代。机器抬高了证明吞吐量，但人类共同体的理解速度未同步翻倍，新的拥堵由此产生。
更上游的稀缺是“问题品位”。AI 能批量提出候选假设，甚至找到人类未见过的构造，但候选数量无法自动兑换成研究意义。ICML 2026 论文《LLMs can't jump》指出，大模型擅长归纳规律和演绎推理，但科学发明还包含“溯因推理”——即面对异常时提出新的解释框架。这种创造往往来自身体经验、反事实想象与概念重组，而非海量数据的压缩。
把能力曲线的斜率外推成“万事皆可替代”，更像资本故事里的直线，而真实创新常常走弯路。
科学突破最昂贵的部分，是决定什么值得追问
一项科研成果抵达论文首页之前，往往经历漫长而混乱的过程：观察异常、辨认问题、判断重要性。许多探索会在途中迷失，也有不少正确答案终其一生无人问津。
AI 已能介入阅读文献、生成猜想、寻找反例及形式化验证等环节。随着推理成本下降，这些能力将像显微镜一样成为基础设施。然而，显微镜不会决定人类应该观察哪一块组织。
Google 将 AlphaEvolve 推向半导体、物流等商业应用，但其工作流程仍要求使用者提供基础算法、问题定义和评分函数。优化器能够寻找更高的分数，却无法独自决定什么应该被计入分数。
芯片设计中，性能、功耗、成本相互牵制；降低 1% 功耗是否值得增加制造复杂度？牺牲可靠性换取峰值性能，产品能否进入汽车市场？这些选择不能靠抽象的最优值裁决，目标函数背后藏着商业利益和工程经验。
当答案生产越来越自动化，定义问题的权力便变得更集中、更昂贵。这种权力可称为“问题主权”。
人机协作的新边界，是问题主权与责任归属
今年的《莱顿人工智能与数学宣言》提出，AI 可能成为数学发现的强大伙伴，但数学共同体仍需维护证明、署名、透明度和对洞见的追求。
当 AI 进入芯片设计、药物发现等领域，验证机制、知识产权、责任划分成为现实问题。模型给出的架构失败由谁负责？推荐的材料配方依据什么确信可行？生成的专利构想如何识别前人贡献？无法被写入评分函数的安全、尊严与公共利益由谁守护？
技术越接近创造环节，人类越不能只做鼓掌者。下个重要数学猜想也许由 AI 生成，证明由机器完成，但仍需有人判断猜想是否重要、证明是否可信，以及它将把世界推向何处。
结尾
下一个《王的猜想》很可能布满 AI 的指纹：录音由模型整理，资料由智能体检索，某个数学引理由机器率先发现。但让一根针值得旋转，让一个人的来路值得书写，仍需有人先感到好奇、珍视与责任。
技术能够扩大创造的半径，方向依旧来自人的内心罗盘。
参考资料：中国记协网、广西日报、中国新闻网、Leiden AI & Mathematics、arXiv 相关报告。