菲尔兹奖得主0贡献躺赢：GPT-5.5 Pro两小时搞定博士级数学，我直接一个焦虑的大动作

TL;DR：

菲尔兹奖得主亲测GPT-5.5 Pro，17分钟破解博士级数学难题，全程贡献为零。这位剑桥教授直接破防，给数学系拉响了红色警报：AI这波迭代，是冲着年轻人的饭碗来的。数学家陶哲轩则淡定得多，表示“真正的人类价值在于消化证明，而不是卷证明数量”。

数学界最近炸了锅。

原因不是哪位大神证明了世纪难题，而是一个人们熟悉的“常客”——ChatGPT，带着它的5.5 Pro版本，把一位菲尔兹奖得主给整“瘫软”了。

这位数学家就是剑桥大学的 Timothy Gowers，加法组合论的顶级大佬。他搞到了ChatGPT 5.5 Pro的“尊贵内测”权限，像拿到新玩具一样，随手就把几个加法数论的公开丢给了AI。

他想看看这个“新玩具”到底什么水平。结局，完全超出了他的认知边界。¹

Gowers丢给AI的问题，来自数学家Mel Nathanson的一篇论文。核心是：给定一个整数集合，已知元素数量和它们两两相加的和集大小，求这个集合的最小直径能是多少？

Nathanson自己只证出了一个指数级上界（2^k），并且猜测还能优化。这属于典型的“方向明确、难度适中”的博士生练手题。

然后，高能预警：

ChatGPT 5.5 Pro思考了17分钟零5秒。

它不仅给出了一个理论上最优的二次上界，还用了 Sidon集（一种让求和集最大化的特殊集合）和等差数列进行组合构造，思路比原作者更巧妙。

你可以理解为——大家都在用大块乐高搭房子，难免浪费空间（导致直径巨大）。而GPT直接掏出了一套精密的小颗粒积木（更高效的Sidon集），空间利用率直接拉满，把房子造得更紧凑了。

Gowers自己都承认：“Nathanson本人没想到这一步，ChatGPT想到了。”¹

Gowers看它挺能整，又追问了一个更难的升级版问题。AI再次搞定，随后用了47分钟，把两个结果写成了一篇格式标准的LaTeX预印本。

事情到这里已经有点离谱了，但Gowers决定再上难度。他问了更一般化的k重求和集问题，这属于连基本构造框架都不清楚的领域。

结果呢？

整个过程，Gowers的数学输入：零。

他做的唯一工作就是当“项目经理”：提出需求，确认方向，要求交付。数学本身，全是ChatGPT在做。

这件事如果只是一个酷炫的Demo，那还好。但Gowers看到的，是逼近的危机。

最现实的问题是：AI搞出来的成果，论文算谁的？

但比这更焦虑的，是数学培养体系的被动摇。

过去，博士生练手的经典路径是：导师给一个难度适中的公开问题，你花几个月甚至几年去啃下来。这本身就是训练。但现在，ChatGPT 5.5 Pro两小时就解决了。

Gowers说：“如果AI的数学水平继续按目前速度发展，我们（数学研究者）很快会面临一场危机。”¹

入门门槛被瞬间抬高：以前你需要证明一个没人证过的东西，现在你需要证明一个AI也证不了的东西。

这时候，另一位菲尔兹奖得主 陶哲轩 站了出来，给出了不同角度的思考。

作为AI和数学交界线的“老玩家”，陶哲轩比较淡定。他提出了一个 “金字塔”模型：

前两个AI干得越来越溜，但第三个——消化——远远没有被解决。

陶哲轩称其为 “证明消化不良”（proof indigestion）。意思是，证明像不要钱一样被生成，但没人能真正消化它们。他打了个很绝的比方：

如果为了提高消化效率，把所有食物丢进搅拌机打成糊，用管子灌进胃里。技术上确实解决了问题，但没人想这么吃饭。³

这就像数学学习中那些 “自然难度”——你必须自己咀嚼、摸索，才能真正理解并迸发灵感。如果AI把所有“嚼头”都优化掉了，你也就失去了学习的意义。

两位菲尔兹奖得主，给了我们两套方案：

Gowers 看到了危机和路径——数学研究者需要从追求“个人冠名定理”转向“与AI协作”，沉淀可迁移的底层思维能力。

陶哲轩 则划出了边界——AI能生成和验证，但“消化”这件事，触及智能本身，我们必须守住。

AI正在把我们逼到墙角，反复追问：到底什么才是独属于人类的、最珍贵的东西？

在数学领域，可能是那些必须自己“嚼”才能理解的艰难证明。在其他领域，可能是那些无法被流程化和量化的“烟火气”。

不要沦为黑客帝国里，被插着管子的生物电池。

这或许，是AI时代给我们每个人留下的，最诚实的作业。

引用