AI 把題目都解完了，然後呢？一位費爾茲獎得主與一位 DeepSeek 工程師的自白

🧭 兩個人，同一個九月

2026 年 9 月，兩個行業裡的頂尖好手，各自寫下一段很難受的文字。

一位是 2022 年費爾茲獎得主 Hugo Duminil-Copin（法國高等科學研究所 IHÉS 與日內瓦大學教授），研究滲流（percolation）：一塊滿是小孔的石頭，孔多到某個程度，水會突然從滲不過去變成整塊流得通。他在 10 月 8 日的線上講座說，自己寫進論文、演講、經費申請的研究題目「沒有一題沒被解掉」。另一位是 DeepSeek 工程師劉勝與，寫讓顯示卡真正做事的底層「算子」，9 月中旬發表長文〈我不得不把才華埋葬在昨天〉。

一個在自己的研究裡不用 AI、一個天天用 AI，兩人最後講到的卻是同一件事：理解與手藝，是在親手做的過程裡長出來的。

本文用三支影片拼成，每一節都會說清楚論點出自哪一支：

• 主幹（Step 01～03）：Duminil-Copin 在法國數學學會（SMF）MIAM 系列講座的開場演講。底稿是 AI 101 頻道的剪輯中文版，本站另對照了 32 分鐘的法語原片。
• 第二主角（Step 04）：中文頻道「誕視」挑出劉勝與長文的五句話逐一解讀，我們會分清楚哪些是原話、哪些是解說者的延伸。
• 附欄（Step 05）：「字野 | WordWild」解讀《AI 經濟學》的影片，只取「哪些任務會先被 AI 接走」的判準和一個盤點練習。

🗓️ 時間軸：2026 年 4～10 月發生了什麼

Duminil-Copin 開場第一句就說，這場演講他「差不多每 3 天就得改一次，尤其是昨天」。把他講到的事件，和劉勝與那條線排在一起，是這樣：

📉 「沒有一題沒被解掉」

Duminil-Copin 說，至少對他自己，真正的轉捩點在 4 月。一位同事「好玩而已」，這輩子第一次用大型語言模型，就把手上的題目丟給新版 ChatGPT（他記不清是 5.5 還是 5.6）。那是 Benjamini 與 Schramm 提出的猜想：Duminil-Copin 大約 10 年前在《Duke 數學期刊》用 70 頁證出維度大於 4 的情形，這位同事前一年證出維度大於 2，而他要 ChatGPT 證的是「真正的那個猜想」，所有大於 1、甚至是碎形的維度。

ChatGPT 給了一頁證明，「漂亮得不得了」，而且看不出是從哪篇沒讀過的論文裡撈出來的。年輕同事埋頭好幾年的題目，一秒就被解掉。「我們當時就想：好吧，很明顯，結束了，剩下的只是幾週、幾個月的事。」

AI 強在哪：長距離的類比

4 月那一題、5 月一道有名的 Erdős 問題，他看到同一種模式：有一條很遠的連結，大家一直沒看到；連結一旦被找出來，證明本身其實沒那麼複雜。靠的是百科全書式的知識，加上把很遠的東西類比起來的能力。他說這種本事很強，但跟職業數學家的本事「對不太上」。

燈塔被拆掉：θ(p_c)=0

滲流這一行最有名的猜想寫作 θ(p_c)=0：孔剛好多到臨界點的那一刻，水到底流不流得過去？三維的版本幾十年沒人證得出來。8 月底到 9 月初，圈內流傳 Anthropic 解掉了它，「我們只有傳言，其實什麼都不知道」。9 月 2 日，他們找到一份事前毫無公告、也沒有任何消息的 Lean 證明（Lean 是讓電腦逐行檢查數學證明的程式語言）。

「像我這種跟電腦處不太來的人，老實說，我覺得自己一下子老了一倍，連自己在看什麼都看不懂。」最後是同事用 AI 把它轉成一篇「完全讀不懂」的論文，幾位年輕同事硬是讀完、正在重寫；演講當天早上，Arthur 才寫出一版比較短、比較好懂的。他說這次跟之前不同：「這是我們這一行真正最大的難題，是我們的燈塔之一，一路引著大家做研究的東西。」

然後是 Navier–Stokes，和一整車的題目

他們決定不對外講這件事，不想讓它上新聞。可是 6 天後，Navier–Stokes「被宣布證出來了」，他特別強調是「被宣布」。媒體一窩蜂撲上去，因為數學界過去就是用「千禧年難題」「費爾茲獎」這類字眼找媒體的，「這次，套句話說，OpenAI 中了頭獎」。

更大的衝擊在演講兩天前的 10 月 6 日。OpenAI 一次公布一大批證明，「我們很多人光是證出其中一題，就會高興得不得了」。他在投影片上放了「好幾台卡車」：上面每一題，他都在演講裡講過、寫進論文、寫進經費申請，過去的和未來的都有，結果全部被解掉了。

• 滲流的共形不變性：他們進展很順的大計畫之一，對方一出手就是 6 篇論文、超過 600 頁。
• 自迴避隨機漫步：他打開一篇看不懂的論文，花了一整天才搞懂那是第 13 篇，前面還有 12 篇，總共超過 1,000 頁。
• 引用他的頁數：那批論文光是直接引用到他的就有 3,500 頁；他這輩子總共發表 3,700 頁。

影片結尾補了一段：團隊猜到 OpenAI 要大公布，週一晚上趕在最後一刻把自己的一篇論文貼上 arXiv。原片裡他還說，OpenAI 那批也有同一個結果，「用的還是完全一樣的證明」（本站譯自法語），他願意相信是各自獨立想到的。

⚖️ 他反對的不是 AI，是「刷題」

講到這裡，他先處理「房間裡那頭大象」：「我不認為自己是反 AI 的人，我只是自己不用它；有些情況用它完全合適，這我一點意見都沒有。」他反對的是現在 AI 被拿來用的方式：大公司的用法，以及一部分（他強調不是全部）同行的用法。

9 月 11 日，25 位費爾茲獎得主發表聯合聲明〈A Severe Misalignment of AI in Mathematics〉（AI 在數學上的嚴重錯位），他是最早私下討論這件事的那一小群人之一；這場講座的標題，就是聲明標題的法文譯法再加上「28 天後」。他們反對的事，他用電玩的字眼形容：「挖礦」，或者說「刷」，一題一題、有系統地把題目打掉。他事後才知道曾有人想聯絡他，對方講得很白：其實是程式自己在挑要解哪些題目，「這已經是數學發現的全自動化了」。

聲明寫得很節制。它承認大型語言模型的數學能力幾個月內大幅進步，接著指出：著名難題是衡量理解的「地標和燈塔」，解題只是通往概念理解的工具；給學生出題，主要目的在於培養能力；匆忙公布的成果，沒有時間好好寫成文章、釐清新方法、引用前人的工作。

成效呢？他很坦白：也許讓數學界敢講話了；對 AI 公司的影響，看 10 月 6 日那次公布就知道，「等於零」。最重要的那句「別把引導我們的那些未解猜想全部拆掉」，完全沒被聽進去。

學生全面恐慌，加上一場溝通災難

他說這件事很急，因為它關係到現在的年輕人：「我帶的博士生跟博士後，現在全陷入恐慌，我懂他們。」大學部與碩士班的學生也在問同一個問題：數學還有未來嗎？

他也點名溝通出了問題，而且不只是 AI 公司的問題。公司愛話題，10 月 6 日公布時間改了 3 次，最後等到一句「我們搞定數學了」。數學界自己也有問題：他夏天那篇自認節制的短文，只因為寫了一句「我自己在創作的時候不用 AI」，就收到一堆措辭很兇的信、被歸類成反 AI，「只要同行開了頭，我跟你們保證，記者跟輿論會放大 1000 倍」。原片裡他說，社群如果自己撕裂就撐不過去，而政策制定者接下來幾年就要做經費決定。

接下來，他打算怎麼做

1. 讀懂這幾千頁。跟同事、學生一起，讓這些結果周圍重新有人在做研究。點子從數學家傳到同行、再傳到一般人，是一條長長的鏈；以後證明也許不再從數學家腦中長出來，但這條路還是得有人顧。
2. 繼續自己做研究，不靠 AI。他發現自己真正傳出去的，是理解難題、面對難題的能力。「我跟你們保證，16 歲的孩子才不在乎什麼自迴避隨機漫步、什麼滲流。可是研究到底是什麼，解開一道題目是怎樣一場腦袋裡的冒險，這個他們就聽得很入迷。」
3. 多做科普、多投入教學。「想對社會有貢獻，就得捲起袖子親自下去做。」

他給這一切的定位是：數學也是一門研究人的學問，研究人怎麼抽象思考、怎麼面對難題、怎麼在思考上超越自己。原片裡他也說，理想是讓用 AI 加速的做法和更屬於人的做法兩者並存。他沒有要所有人放下 AI。

⚙️ 「我不得不把才華埋葬在昨天」

把鏡頭轉到工程界。劉勝與是 DeepSeek 的機器學習系統工程師，9 月 10 日發佈的 V4.1 Flash，主注意力算子是他寫的。就是這樣一個人，在文章裡判斷：再過半年到一年，AI 寫的算子很可能會和他寫得一樣好，甚至超過他。

「誕視」的解說者（自述做 AI 產業投資十幾年）挑了文中五句話逐一解讀。以下五個小標題的引文，以及標明「劉勝與寫」「他寫」的引號，是劉勝與的原文（本站已對照轉載原文逐字核對）；標明「解說者」的段落與引號，是誕視的解讀，不是劉勝與的話。

第一句：「如果非被革命不可的話，我希望革我自己命的人是我自己」

明知道算子寫得越好、自己越早被取代，為什麼還要盡力？因為就算擺爛、甚至故意耽誤訓練，別家的模型也會照常發展，最後照樣取代他，所以他「也不得不加入這場殘酷的軍備競賽」。解說者稱之為個體理性導致集體非理性：所有人都理性地往前衝，結果一起加速了一個自己未必想進入的未來；一家踩煞車等於把位置讓給對手。

第二句：「我不得不把才華埋葬在昨天，去做一位機甲駕駛員。我的手中多了些齒輪，但心中少了些節拍。」

照解說者的讀法，他捨不得的不是飯碗，是親手把一件事做好的樂趣。他寫道：「我不至於會『失業』，但必須要『轉業』」，從寫算子的人，變成駕駛 AI Agent 產出算子的人。他用織毛衣打比方：你最享受的是坐在窗邊、泡一壺清茶織上一下午；機器來了，你用機器還是比同行強，飯碗還在，但那份臨窗慢織的意趣，被機器的轟鳴碾碎了。

解說者引社會學家 Richard Sennett 的《The Craftsman》（影片說中譯書名為《匠人》）：手藝是為了把事情做好而好好工作的欲望，練久了就長成身份的一部分。所以他認為「AI 會不會造成失業」只是很淺的問題，更深的是：花十年、二十年練成的手藝，幾年內就變成廉價的基礎設施，人要怎麼和那個被抹掉的自己和解。

第三句：「一個工程能力很差的人，在搭配上 AI 後，產出〔爛程式〕的效率可以達到先前的數倍」

解說者認為這句講的是判斷力的流失。他再引 Sennett：現代制度越來越容易把設計和執行分開，放到 AI 時代，就是人提目標、模型實作、人只負責驗收。從手藝的角度看，問題在於很多知識恰恰是在實踐裡產生的：

這個口子從學校就開始了。劉勝與在文中問：一邊是苦哈哈花八小時做完一個 Lab，一邊是用幾毛錢、幾分鐘讓 AI 寫出滿分程式，大部分學生會選哪個？解說者把它接到數學界：劉勝與發文前幾天，正是 9 月 11 日那份費爾茲獎得主聲明，聲明的官方中文版也寫：「我們經常向學生提出問題，其主要目的在於培養他們的能力」。一線工程師和頂尖數學家擔心的是同一件事：AI 省掉的時間，正是把人練出來的時間。最大的隱性風險可能不是 AI 取代人，而是人最後只剩下驗收，卻已經沒有能力判斷 AI 做得對不對。

第四、五句：前沿的 AI 該給誰？權力會不會比智商重要？

劉勝與寫，未來可能走向兩個極端：「共產主義」，生產力極大解放；或「賽博朋克 2077」，少數科技公司控制大部分資源，「你得先有最強的 AI，才能跨越階層，形成了一種死循環」。他寫，「最前沿的智能應該以一種開放、廉價的方式，供應給所有人」，並說自己不信任 Anthropic 或 OpenAI 能做到（原文措辭相當重），這是他留在 DeepSeek 做開源的原因。

解說者在這裡反駁：權重開源，不等於人人擁有前沿智慧。V4.1 Flash 光模型檔就有 500 多 GB，得用資料中心等級的伺服器才裝得下；你開一個對話框，別人開一萬個 Agent 日夜不停地跑。分水嶺不是開源或閉源，而是算力怎麼分配。至於第五句，劉勝與只寫了一個問題：「在未來社會中，權力（power）是不是會比技術或智商更加重要？」並沒有給答案。解說者的讀法是，AI 正在把智力變成可以購買的商品；用解說者自己的話說：「從你是誰，變成你買得起什麼。」

🗂️ 回到辦公室：盤點你的 20 項任務

這兩位的處境離我們很遠嗎？其實不遠。機關的承辦人、學校的老師、中小企業的主管，每天做的也是一連串任務。「誕視」的解說者最後給一般人兩個建議：

1. 盡早、盡量把最強的 AI 用在你最核心的工作上。算力握在誰手裡我們左右不了，但比別人用得早、用得明白，這一步自己能做主。
2. 給自己留一塊親手做的地方。你越是把「做」整段交出去，越判斷不了 AI 交回來的東西對不對。等到人人都交得出成果，值錢的是看得出成果對不對的人。解說者的原話是：「智力可以買，這個本事買不來，它主要是從自己動手裡長出來的。」

那哪些先交、哪些要留？第三支影片給了一個好用的判準。「字野 | WordWild」解讀 Jason Yi Liu 的《AI 經濟學》，核心是一句話：公司從來不買職位，公司買的是任務。你以為公司雇的是會計，其實買的是記帳、報稅、出報表這一組任務。一項任務只要輸入清晰、流程重複、結果容易驗證，就會被 AI 接管，或被一個會用 AI 的人用十分之一的時間做完。

影片建議的練習分三步（說明欄稱為「30 天轉身計畫」，內容是三個階段）：

1. 第一週，任務審計。把一個月內反覆做的 20 項任務全部列出來，分成上圖三類。
2. 接下來一週，只做一條工作流。例如把四小時的例行報告壓到一小時、同時建一份人工複核清單；或把合約初審、風險標記、人工確認串成一條線。實戰至少三次，記下它在哪裡出錯、什麼情況必須由人接管、哪些資訊不能直接信。
3. 最後一週，寫成真實案例。原本花多少時間、現在花多少，AI 負責什麼、人負責什麼，哪些結果必須複核。

🪡 一句話總結

數學家發現研究題目一夕之間被 AI 解光，工程師發現自己最得意的手藝即將被 AI 追上。兩個人都沒有叫大家別用 AI，他們提醒的是同一件事：理解與判斷力不是讀答案讀出來的，是在親手做、做錯、再做的過程裡長出來的。借誕視解說影片的結語來說：用最強的工具去當機甲駕駛員，但是別把手全撒開。