Tim Gowers菲尔兹奖得主、剑桥数学教授用了不到一小时让ChatGPT 5.5 Pro产出了一项博士级数学成果。全程没提供任何数学输入纯旁观。他对这件事的结论是培养数学博士的方式可能要变了。这话从一个菲尔兹奖得主嘴里说出来跟普通人讲分量完全不一样。周六早上刷Hacker News这篇文章602分挂在榜首。点进去以为又是新模型评测还不错的常规水文看完第一段我就坐直了。Gowers写得云淡风轻内容炸裂。他让GPT-5.5 Pro去啃Mel Nathanson论文里的开放问题——整数集合的sumset上界估计。这问题之前最好结果是MIT学生Isaac Rajagopal做的上界是指数级。GPT-5.5 Pro想了17分钟甩出一个构造上界从指数压到了多项式。多项式。在组合数论里这个差距不是优化了一点是物理意义上的降维。还没完。Gowers贪心了又问能不能搞一般情况。模型断断续续想了一个多小时吐出来一份预印本级别的LaTeX。Gowers自己没看懂——他没读过Rajagopal的原论文——直接转给了原作者。Rajagopal的回复干净利落几乎肯定正确。不是客气。他逐行检查过了又从想法层面确认了——这是我花一两周思考后会非常自豪能想出来的那种idea。ChatGPT用了不到一小时就找到并证明了。一个MIT优等生一暑假的心血。AI一小时改进到连他自己都觉得聪明的程度。它怎么做到的展开一点技术细节不然像我在吹牛。问题核心整数集合Ak重和集kA的大小有上下界。已知A的大小nkA的最大可能大小能算出来。问题kA取某个给定大小A的直径至少多大经典构造Sidon集所有两两之和不同的集合 等差数列 一个调参元素。Nathanson用2的幂次当Sidon集导致直径指数级。GPT-5.5 Pro干了什么换了一个更高效的Sidon集。这东西数学界早就知道——二次直径的Sidon集。重点不是Sidon集多难找。重点在于没人想到把它嫁接到这个框架里。这才是AI最瘆人的地方。不是发明了新数学是把已有知识用在了没人想过的地方。像一个棋手突然下出人类棋谱里从未出现的妙手仔细看每一步都有章可循。Gowers自己也困惑这不就是把已知技术拼在一起吗但话又说回来好多人搞数学也就是把已知技术拼在一起。HN吵翻了数学家还剩什么价值428条评论几条直击要害。一个数学家解决重大问题但AI做了全部技术工作和核心idea数学家只起了引导作用——我们会认为这是数学家的成就吗我不认为。更扎心的人们把工作丢给LLM工作有时候还行。但作者不比任何人更懂这个东西他们无法解释它。价值为零只是中间人是透明的。vibe math。把问题丢给AIAI出结果你签个名。你能站黑板前讲清楚每一步逻辑吗Gowers提了个更现实的问题怎么培养博士以前标准操作找一个看起来不太难的开放问题让学生入门。现在废了——不太难的问题AI已经秒杀了。原话数学贡献的下限现在变成了证明一个LLM证不出来的东西而不仅仅是证明一个没人证过且有人感兴趣的东西。大白话以前做出别人没做过的结果就行现在还得做出AI做不到的。门槛直接抬高了一档。也有人乐观。一条评论说解过难题的人比只读过别人解法的人更擅长用AI解题。跟好程序员比差程序员更擅长vibe coding一个道理。专家的价值在转移从亲自算变成知道让AI算什么、怎么判断对不对。判断计算器出现前会计师的核心竞争力是算得快。计算器普及后竞争力变成了知道该算什么、怎么验算。数学正在经历一样的转变。GPT-5.5 Pro不是数学家的末日。但它把纯技术型的数学工作挤压到了接近零。以后数学家的价值不在我能证这个引理在我知道这个方向值不值得挖和我能判断这个证明对不对。Gowers还提了一个很实在的问题这种AI产出的数学成果放哪arXiv拒收AI撰写的论文——政策上我觉得没问题。但这些结果是正确的、有价值的。放个人网站怎么被检索、怎么被引用现在这问题不大。但如果AI每周产出几个可发表的数学结果一两年后就是一个真实的学术出版危机。最让我不踏实的是Gowers说他没有任何数学输入。不是谦虚是真就提了几个问题全程旁观。这不是人机协作。是人提问机器干活。以前我们安慰自己AI只是工具人在回路里把关。Gowers这个案例说明回路里的人已经可以只当观众了。现在GPT-5.5 Pro极贵、极慢、极少人能接触到。Gowers也说了其他任务上模型还是犯错。但这个特例的方向性信号太强——它在告诉你能力上限在哪而那个上限正在以离谱的速度往上移。