昨天刷到一篇博客，看完之后我盯着屏幕发了大概两分钟的呆。

写这篇博客的人叫 Timothy Gowers，菲尔兹奖得主，剑桥数学教授，加法组合论领域的顶级学者之一。他不是那种会轻易被 AI 噱头吸引的人，恰恰相反，他对 AI 的态度一直相当审慎。但这次他写下的内容，让我觉得某个临界点可能真的到了。

事情经过

Gowers 把一篇关于 sumset 理论的数学论文里的开放问题喂给了 ChatGPT 5.5 Pro。这个问题来自数论学家 Mel Nathanson，核心是关于加法集合的界的估计——原有的结论给出的是指数级别的界（2^k），而研究者们希望知道能不能把它压缩到多项式级别。

ChatGPT 思考了 17 分钟零 5 秒，给出了一个构造，把指数界改进到了多项式界，大约是 k^(10h³) 的量级。

Gowers 找来一位叫 Isaac Rajagopal 的研究者对结果做了评估。结论是：几乎肯定正确。更重要的是，Rajagopal 认为 ChatGPT 的核心贡献——构造一个所谓的 h²-dissociated 集——是「原创且巧妙的」。

这不是 AI 在检索已有答案，也不是在重新排列文献里的证明步骤。这是一个新的构造，一个人类研究者正常情况下需要一两周才能想出来的东西。

我第一反应是怀疑，然后是不安

说实话，我的第一反应是：会不会是 AI 在胡说，只是胡说得很像样？这种情况以前不是没有过。

但 Gowers 本人是这个领域的专家，他能判断答案的方向是否合理，而 Rajagopal 的独立评估也不是走过场。这件事的可信度是相当高的。

然后我开始感到不安，不是那种「AI 要取代人类」的泛泛焦虑，而是更具体的一种感受：我们对「解决难题」这件事的定价体系，可能正在被悄悄重写。

Gowers 在博客里问了一个很尖锐的问题：如果 AI 完成了大部分技术工作和概念开发，这还算数学家的「重大成就」吗？他没有给出答案，但这个问题本身已经足够让人坐立不安。

这不只是数学家的事

我知道很多开发者看到这里会想：数学研究离我很远，这跟我写业务代码有什么关系？

关系其实挺大的。

数学研究是人类智识活动里最难被「外包」的那种工作之一，因为它需要真正的创造性推理，没有捷径可走。如果这个领域都开始出现这样的突破，那工程领域里那些我们以为「需要深度思考」的工作，处境其实更脆弱。

我自己最近在用 AI 辅助做一些架构设计的工作，有一个感受越来越强烈：AI 不只是在帮我写代码，它开始参与我的决策过程了。我问它「这个场景下用消息队列还是直接 RPC」，它给出的分析不是照本宣科，而是结合了我描述的具体业务约束，给出了有取舍理由的建议。大多数时候，我最终的决策和它的建议是一致的。

这让我想到一个问题：我在这个过程里的价值是什么？是我的判断力，还是我提出了正确的问题，还是我知道什么时候该信任它、什么时候该质疑它？

博士训练的困境，以及它对应的工程版本

Gowers 在博客里提到了一个很现实的担忧：博士训练正在面临冲击。过去，导师给学生一个「足够难但可以做」的问题，学生花几年时间啃下来，这个过程本身就是训练。但现在，光「提出问题」已经不够了，问题需要难到 LLM 也解决不了才行。

这个困境在工程领域有一个完全对应的版本。

初级工程师的成长路径，很大程度上依赖于「解决中等难度问题」的积累。调一个 bug、理解一个框架、设计一个小模块——这些事情现在 AI 都能做，而且做得越来越好。如果这些「训练题」都被 AI 包办了，一个刚入行的工程师怎么建立起真正的技术直觉？

我没有答案。但我觉得这个问题值得认真想，而不是用「AI 只是工具」这句话糊弄过去。

Gowers 的态度，我觉得是目前最务实的

Gowers 最后说，数学家可能需要从追求个人功劳，转向把「与 AI 协作解决问题」本身当成工作目标。他的语气不是愤怒，也不是投降，更像是一个人在认真重新校准自己的坐标系。

这个态度我觉得是目前最务实的。

不是「AI 只是工具，人才是主体」——这句话没错，但说了等于没说。也不是「AI 会取代一切，我们完了」——这是另一种懒惰。

而是：这件事正在发生，它改变了某些东西，我需要搞清楚改变的边界在哪里，然后重新想清楚我的位置。

对我自己来说，这意味着我需要更认真地思考：哪些能力是 AI 很难复制的？不是「创造力」「情感」这种大词，而是具体的、可操作的能力。比如在一个复杂的组织环境里推动技术决策落地，比如在信息极度不完整的情况下判断风险，比如在多个相互矛盾的需求之间找到真正的优先级。

这些事情不是不重要，只是以前被「写代码」这件事的光环遮住了。

最后

我不想用一个漂亮的结论来收尾，因为我自己也还没想清楚。

但有一点我比较确定：Gowers 那篇博客里描述的那 17 分钟，是一个值得认真对待的信号。不是因为它证明了 AI「有多厉害」，而是因为它来自一个极其可靠的观察者，在一个极其难以造假的领域，给出了一个极其具体的案例。

这种信号，比一千篇「AI 改变世界」的营销文章更值得花时间消化。

---

原文出处：Timothy Gowers 博客，A recent experience with ChatGPT 5.5 Pro
https://gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/