15分钟一局的王者荣耀，成了数学博士生的避难所

今天要聊的这个事儿，挺有意思的。

梦溪，一个王者荣耀爱好者，巅峰赛最高打到过1955分，同时他也是一名数学博士生。最近他花了两周时间，把元流辅助的战力从9000多一口气打到了11000。

他原本一直觉得自己像个战神，巅峰赛手拿把掐，只是没打而已。毕竟在他看来，研究生宝贵的时间，应该花在挑战那些真正有趣的数学难题上。

直到一条新闻打乱了他的节奏——5月20日，OpenAI宣布，他们的内部模型

这个猜想叫“平面单位距离猜想”，由传奇数学家Erdős提出。用一句话概括就是：平面上任意给定n个点，其中距离恰好为1的点对数量，最多为n^{1+o(1)}。

不管你看不看得懂，菲尔兹奖得主Timothy Gowers的原话是：

梦溪告诉我们，以前没时间打游戏是因为忙着研究数学，但现在感觉，没有意义了，不如上两把分。

01 只需要15个月吗？

和差评君聊天的时候，梦溪正在酒店里享受一场久违的旅行。在此之前，他一直保持着不错的习惯，不是上自习，就是搞科研。

他只是觉得，是时候出去走走了，先逃离上海，逃到一个没有数学的地方。

有些差友可能满脑子问号：

但这次确实不太一样。

“平面单位距离问题”是离散几何领域的核心问题，描述很简单：平面上给定n个点，最多能有多少对点之间的距离恰好等于1？

虽然比不上黎曼猜想、哥德巴赫猜想那样的明珠，但这也算是教科书级别的经典难题了，Erdős本人还为它设了悬赏。

Erdős本人给出过一种构造，能让点对数量达到n^{1+o(1)}——这就是被AI推翻的那个“猜想”。

而AI的解题思路，可以说相当惊艳——靠构造反例，成功推翻了猜想。

而且它的做法，是把一个看似几何的问题，迁移到了一个看似毫不相关的领域：代数数论，调用该领域的现有工具构造出了反例。

梦溪对AI研究数学其实早有耳闻，但他没想到，这一天来得这么快。

AI研究数学第一次进入他的视野，是去年DeepSeek爆火的时候。他拿DeepSeek做过一些题，某些方面还不如本科生。

同时，还有一群俗称“民间科学家”的人，拿着AI生成的黎曼猜想证明给他投稿。其中有一份叫《基于某二次元游戏的黎曼猜想证明》，当时他觉得最难的事情是绷住。

但仅仅到2026年初，梦溪和他的同学们就发现，AI的数学能力发生了断崖式的跳变。之前做本科习题还会翻车的AI，现在硕博课程的习题已经能轻松拿下。

他和同学原本计划编一本代数教材的习题答案，后来发现喂给AI就能哐哐哐写完，这还编啥？所以他已经开始尝试借助AI完成这个习题答案的编著工作了。

考虑到内部模型和公开版之间存在代差，AI能力实际的跃迁时间也不会超过两年。

一个人要走完这段路，至少得二三十年吧，再长就拿不到菲尔兹奖了。

按这个速度，三年以后会是什么样？梦溪说，真的不敢想。

02 数学科研：传统派VS维新派？

历史总是惊人的相似，数学研究现在也分成了两派：传统派和维新派。

一派是不相信AI能做出啥成果的，另一派已经把AI当成了不可或缺的伙伴。虽然现在，维新派已经有OpenAI替他们辩经了。

《返朴》曾采访过西交大的一名本科生汤泉宇，他很早就开始用AI做数学研究，在圈子里很有名，也很有争议。

传统派觉得他功底不扎实，这样是要吃大亏的。结果，人家后来就去跟菲尔兹奖得主陶哲轩合作了。

但想成为维新派，也并非那么容易。梦溪说，他身边的圈子，已经充满焦虑了。

他有个朋友，曾一心想留高校做教职，现在直接放弃了，打算赶紧把博士读完，争取拿个编制。

另一个博士生朋友，曾经有个思考了五六年的问题，在AI的辅助下，几天就攻克了。于是他陷入了惶恐：如果AI几天就能做到，那我这五六年算什么？

而梦溪第一次感受到AI的魅力，是在研究生讨论班的时候。其实他能感觉到，之前讨论时，导师对他的发言不是很满意。

直到有次打巅峰赛上头，走投无路了，就拿AI研究了下内容。那次讨论班，他明显感觉到导师很满意。从那之后他就明白，AI太好用了。

于是，他自研了一套基于王者荣耀的Vibe mathing策略。

因为GPT模型生成一轮答案的用时大约是15分钟，恰好是一把巅峰赛的时间。所以他会在BP阶段秒选元流之子辅助，然后写提示词，发送给GPT后投入战斗，战斗结束刚好就能收到来自GPT的证明，形成良性循环。

从此，他就对Vibe mathing（不是王者荣耀）上瘾了，甚至能研究到半夜三点。

再往下看，这事儿也不只是一个人的问题。

梦溪说，如果一位数学博士想在高校体系里生存，就必须出成果。

要出成果，就只能做那些偏保守的、方法成熟的研究，这样产出才有确定性。然而这种研究，恰恰也是AI最擅长的事——整合各种知识，或者像推翻“单位距离猜想”那样，迁移不同领域的知识，然后堆工作量。

很多数学博士生为了毕业而发表的学术论文，本质就是把A领域的方法迁移到B领域。而从AI目前的势头来看，批量生产这种“知识迁移”向成果，只是时间问题。

而这种“知识迁移”向成果在当前的学术评价体系下，已经算是相当大的创新了。OpenAI这次取得的重大突破，就是一个“知识迁移”向的成果。

“也算打脸了之前一些‘学科鄙视链’的风气吧。之前嘛，学数学的看不起学工科的，学计算机的看不起生化环材的，现在，只能说反转了。人生化环材至少还得做实验呢，不会被AI取代。”

03 数学真会被消灭吗？

说了这么多，传统派真的要完败了吗？

我们也询问了一位福大数学系的副教授。有意思的是，黄书棋老师的态度比梦溪冷静很多，甚至可以说乐观。

AI做数学的路径，简单来说是这样的：吃掉海量的历史文献和已有成果，在那些已经高度形式化的领域——比如代数、组合——进行训练，再通过一个叫Lean的形式化验证工具不断自我纠正。如今AI的突破，几乎全集中在这类“标准化”的数学方向上。

刚才提到的单位距离猜想，就是个典型案例：AI把代数数论的现有工具跨领域迁移到离散几何上，完成了一次漂亮的知识重组。厉害吗？当然厉害。

但本质上，它用的每一个工具都是人类已经发明好的，它做的事情是把这些工具以一种没人想过的方式拼在一起。

黄老师认为，这并不是数学里最核心的那种创造。

他举了个例子：数学家哥德尔和科恩在研究连续统假设时，并不是采用已知的数学工具，而是努力把“什么叫数学证明”这件事，变成一个可以研究的数学问题。

正是在这个基础上，哥德尔和科恩才分别构造出了不同的数学宇宙——一个让连续统假设成立，一个让它不成立。

黄老师说，AI一定缺少一种来自学科发展动机的判断，因为它没有这类训练数据。它不会知道为什么我们非要发明某个工具，而这个“为什么”，恰恰就来自数学家的审美。

这，就是人类数学家的安全区。

绝大多数数学从业者，他们的职业生涯都会在“安全区”之外。

那数学专业的毕业生们何去何从？甚至数学专业本身又何去何从？

没人知道。一切都还在飞速向前。

04 结局：道心破碎之后

梦溪今年25岁。在转博之前，AI的数学能力在他面前还是智障。转博之后，AI突然就碾压了自己。

在他人生的前25年，从来没想过会有一种硅基的东西，在数学能力上能远远超越自己。

他之前想在高校待一辈子，觉得跟数学打交道就够了。用他的话说，他喜欢打PVE。

但现在，PVE打不下去了，他开始投身PVP，因为他觉得跟人打交道，在AI时代会越来越重要。

当然，他也从没后悔过选择数学，就像排位时秒选元流之子——本质上，这都是一段经历。

他说，如果没有这些经历，他对AI的认识就不会这么深刻，也不会有时间去思考自己的价值。当一切想清楚之后，他依然相信，明天会更好。