如果你打算在今年10月报名考数学方向的研究生，过去半个月你大概率被两股完全相反的力量拉扯过。
8月15日，一篇叫《数学行业将迎来一波巨大的萎缩》的知乎专栏刷屏。作者自称"底层数学工作者"，结论比标题还狠：不要选数学专业，更不要读数学博士，“2025年之后取得的数学博士学位将会持续贬值”，“这是数学这个行业最后的狂欢”。知乎
五天后的8月20日，"AI对数学冲击这么大，考数学研究生还有必要吗"这个问题下，一位高校几何方向的老师给出了反方向的回答：“我真用了AI反倒对AI祛魅了……AI的发展重新点燃了我的学术热情。”知乎
两篇都是亲历者口吻，两篇都有具体细节，两篇评论区都吵出几百条。而它们背后，是同一个不寻常的8月。
先快速对齐：这个8月到底发生了什么
给没跟上进度的朋友补一张时间线，细节不展开：
7月23日，国际数学家大会公布菲尔兹奖：35岁的王虹成为历史上首位中国籍、世界第三位女性菲尔兹奖得主，与邓煜同时获奖，两位中国背景数学家同届拿奖是头一遭。数学圈久违地出了个全民话题。光明网微博
7月20日到8月24日，35天里AI参与改写了三道著名悬案：87年无人能解的雅可比猜想被找到致命反例；黎曼zeta函数零点落在临界线上的已证比例从41.6%推到67.2%；悬了78年的"六维球面上是否存在复结构"被哈佛数学家Alpöge与Claude联手构造出肯定答案，108页论证被同行用大模型反复挑刺，暂时挑不出毛病。知乎
菲尔兹奖得主Gowers公开表态：两个月前他用GPT-5.5做研究时就判断，AI已能完成数学博士级别的工作。另一位菲尔兹奖得主则抛出更刺激的说法——“人工智能可能会杀死数学”，相关讨论在知乎拿到187赞45评。知乎
紧接着，就是开头那两篇针锋相对的帖子，以及"张雪君数学消亡定理"等衍生争吵。
一边是悬案像多米诺一样倒下，一边是获奖的华人面孔站上最高领奖台。你说这个时刻，一个准备报考数学的人该信哪边？
我的答案是：两边都不用全信，因为他们吵的根本不是同一件事。
分歧一：AI是学会了"数学"，还是只学会了"数学里适合暴力搜索的部分"
悲观派最有力的证据是现象层面的：冷门领域论文从一个月一篇变成一周一堆，硕士高年级学生从综述里挑个问题丢给AI就能出成果，连协和一位医生都借AI解决了Crouzeix猜想。“读博的门槛被AI填平了”，这是萎缩论的起点。
但把Gowers本人的完整观点看完，会发现事情没那么简单。这位用AI用得最凶的菲尔兹奖得主解释过：LLM目前的优势其实是"知道得足够多，又能很低成本地试错"——它读过海量数学材料，一个方向不行换一个，一小时能试几十条路。他管这叫"搜索树宽"。而人类数学家的优势是"剪枝狠"：厉害的数学家看一眼就知道整个大方向没戏，或者某个现象值得深挖，能把10⁸的搜索空间砍到10²。他给这种直觉起了个名字，叫mathematical nose，数学嗅觉。
同一个问题下还有一条反驳更狠：黎曼猜想固然有名，但纯论难度，数论里"所有奇数zeta值与圆周率代数无关"这类folklore猜想才叫"荒唐级"——“每证明一个odd zeta值的无理性都值一个菲尔兹奖”，而人类现在"只是脚稍微抬了一下"。说AI能搞定这种问题，“恐怕要AI自我迭代进化很多代以后才有希望”。
考数学研的评论区里也有类似声音：AI掌握了太多已有技巧，人学不完它能学，但"稍微脱离一点常规就不能自己想到"。
把三层说法叠起来，能挤出一个相当靠谱的共识：AI接近清空的，是"方法很多、大多没用、试够次数就能撞上"的那类问题；依赖深层结构洞察的问题，暂时还轮不到它。这不是安慰，是划边界。
分歧二：正在萎缩的是"数学"，还是"数学博士流水线"
再看萎缩论的逻辑链：AI填平"提出问题到解决问题"的gap → 博士授予标准失效 → 市场充斥"真实水平最多硕士的数学博士" → 高校缩减招聘 → 读博意愿下降 → 大部分博士项目取消，数学"沦为工具学科"。
这条链每一步都成立吗？成立——但注意它宣判死刑的对象：是"用已知方法磨论文"这条流水线。而这条流水线，恰恰是过去几十年大多数数学博士的谋生方式。所以评论区才会出现那句被高赞的话："这确实是数学最好的时代，但是是数学工作者最坏的时代。"还有人预言未来只剩两类数学从业者：“不愁吃喝的贵族"和"钻研数学的苦行僧”。
而乐观派那位老师的祛魅点在于：训练语料用得差不多了，剩下的难题都是硬骨头，“不认为可以一次抽卡直接解决”；而且不同人用AI的能力天差地别，“他们看到AI生成的答案受到的启发是不同的”。他的硕士生看完AI在Hopf猜想上的潜力，直接被他拉进了这项研究——用AI做掉琐碎部分，人去做AI点不破的那一层。知乎评论区一条留言把这种心态说得很透：“垃圾工作做多了确实让人失去动力，现在有AI帮忙做垃圾工作，终于能去探索好玩的了。”
知乎上有人转述陶哲轩对人机共存阶段的判断，大意是：AI做饭，人类品评，数学家要开始关注数学写作与"正典化"本身。换句话说，AI攻破的是执行壁垒，不是品味壁垒。流水线会萎缩，但流水线不等于数学。
分歧三：考数学研，你到底在买什么
这才是真正值钱的拆法。两派说服不了彼此，是因为他们在讨论三种完全不同的"购买项"：
第一种：论文壁垒型。读博、进高校、靠磨论文安身立命，指望"数学研究的行业壁垒"保你三十年——萎缩论精准命中的就是这一种。壁垒已经被攻破的是它，学位持续贬值的也是它。尤其双非院校、冷门方向、纯靠解题手艺的组合，风险最高。
第二种：放大器型。把数学能力当成驾驭AI的杠杆。Gowers描述的人机分工是"宽搜索树×狠剪枝"，数学品味越好的那个人，从AI里撬出的东西越多——那位老师说得直白，随便找个数学能力平庸的本科生，“能做到的事情绝对和真正有热情的人不一样”。这一类资产眼下不贬反升：AI越强，懂数学的人用它做得越深。
第三种：转行门票型。数学硕士转量化、算法、密码、大模型评测、教育。数学作为工具的价值没有下降，AI时代反而多了两个新岗位：给AI的证明做验证，给AI的推理能力做评估。知乎这条路不性感，但稳。
所以"还要不要考数学研"这个问题本身就是错的问法。对的问法是：你打算用这张录取通知书买上面哪一种。
那么，谁还该考
按人群说结论：
如果动机只有"逃避就业+觉得数学高大上"：认真劝退。你想象中的护城河，正是这轮被AI冲垮的那一段。与其赌三年后的教职市场，不如现在就想清楚转向第二种或第三种买法。
本科数学在读、尝过研究的滋味、确认自己不讨厌它：可以考，但从报名起就调整姿势——研究方向避开"AI一键能做"的区间，主动学形式化验证与机器辅助证明这套新手艺，同时给自己留一个统计、计算机或金融的应用接口。
跨专业考数学、目标其实是量化/算法/大模型：数学能力是增值资产，值得考，但报方向时优先选应用与交叉方向，别冲着"纯数浪漫"去。
极少数硬核选手——你能脱口说出自己领域里哪三个猜想AI够不着：不需要看这篇文章，去吧，这个8月对你是利好，人类剪枝手从没这么值钱过。
给已经上岸的人补三条：别把AI一键能做的事当主业产出；学会做AI的质检员，这是眼下数学圈最缺的新技能；别切断与外部应用的连接，萎缩论里"趁早学点有应用背景的东西"这句，其实两派都会签字。
值得继续盯的三个信号
萎缩论是预测，预测要跟数据对账。接下来值得盯：
"AI给出证明"到"人类完成核验"的时间差。这个差值决定流水线塌缩的速度。S⁶那篇108页论证目前还挂着"如果站稳脚跟"的前缀，核验本身也在用AI做，这个循环怎么演化，比任何口号都重要。知乎
形式化验证工具的采用速度。数学界什么时候把"AI证明+形式化核验"变成发表标准，就是博士培养标准重建的开始。
AI什么时候开始"提出问题"。Gowers说，AI目前最大的短板是"缺乏判断定理价值的能力"，他期待的AI数学时刻是AI发明一件数学家没有过的"武器"。在那之前，提出问题的权力还在人手里——这也是报考决策里最该押注的部分。
最后说句值不值
数学依然值得学，但"学数学当数学家"这个默认选项，第一次变得不那么值了——它从一只闭眼买入的蓝筹，变成了需要看方向、看姿势、看自己手里有没有"剪枝"天赋的选择权。
这个8月真正改变的，不是数学难不难，而是"数学能力"这四个字的定价方式：流水线部分归零，品味部分涨价。
10月就是报名季。希望你交出去的那份报名表，是一次看明白之后的买入，而不是一次随大流的信仰充值。
