数学天才合作，是1+1>2还是相互竞争？

当两颗炽热的脑子靠近，会相互牵制还是点亮银河？在数学的天穹里，答案常常是：若方向一致、分工得当，1+1真的会远大于2。你可以把一次伟大合作想象为“拼图遇见拼图”——形状不同，缺口彼此吻合，拼好的一刻，画面忽然跃出原有边界。看当下的实例足够动人。王虹与Joshua Zahl联手，以127页的多尺度与归纳巨著，宣布三维挂谷猜想的解决；调和分析与几何测度论在她身上彼此“跨界合流”，由此引出塞勒姆奖与“华人菲尔兹奖”的双响。邓煜与马骁、Zaher Hani从稀薄气体的硬球模型起步，沿Boltzmann方程搭起一条严谨链路，一步步跨越粒子系统、气体动力学到流体方程，为希尔伯特第六问题打通微观到宏观的裂谷。不同专长的拼接，产生了单兵突进难以企及的整体跃迁。合作的化学反应，常发生在“群星合唱”的生态里。北大“黄金一代”的故事就是范例：袁新意与谢俊逸完结几何Bogomolov全情形，又与张伟、导师张寿武在模性与Waldspurger公式的算术几何模拟上一路攻坚。导师的评价极妙：一个基本功近乎苛刻，一个灵感泉涌；风格南辕北辙，却能互补共振。更重要的是他们的日常：遇到不懂就打电话给同学，另一端常是另一个领域的高手——这不是“比谁更快”，而是“让彼此更强”。历史也留存了最能说明问题的画面。哈代说他对数学最大的贡献是“发现拉马努金”。这不是谦词，而是真相：一位严整的经典主义者接住了一位野生天才的火焰，帮他把直觉锻造成定理；而后者的奇想也逼着前者突破习惯的疆界。合作的本质，是让你的优势在对方的土壤里继续生长。当然，竞争并非反派。奖项、报告席位、竞赛与会议，会把聚光灯投向最难的方向，形成“共同的最高目标”，激发速度与质量的双重迭代。Putnam与IMO磨砺出的技巧，常转化为研究中的快速突破口。塞勒姆奖被视作菲尔兹风向标，本身就是一种“善意的压强”。健康的竞争，是“同登一座峰”的赛跑；它让合作更有张力，促使团队在关键假设、细节验证和写作标准上自我加码。但失衡的竞争，会把加速度变成向心力。科学史上也有令人唏嘘的师友龃龉与署名之争，甚至在颁奖礼仪上计较“先谁后谁”。这类零和心态会吞噬合作的信任成本，掩盖真正的贡献者，降低群体的创新效率。它提醒我们：规则与伦理是合作的地基，透明的署名、清晰的分工、及时的致谢，能把潜在的摩擦化为建设性的“友好对抗”。今天，还有一种更大的“合作者”加入了战局——AI。DeepMind与顶尖数学家的共创，催生了新定理；形式化工具让验证像“跑代码”一样可检；新一代系统能在竞赛级几何与代数上达银牌水准，靠“引理式证明”和反思改进扩展人类的搜索半径。人机同台并非挤占人，而是把“穷尽搜索”和“严格检验”交给机器，把“选题判断”“美感品味”“跨域拼接”留给人类。这是另一种1+1>2：把时间从可替代环节赎回，投向不可替代的创造。如果你问，怎样让合作稳定地产生“超额回报”？选择大问题而非小技巧；让差异成为资产而非障碍；把署名和数据管理说清楚；把“挑错”当作互赠的礼物；更别忘了把AI纳入你的团队——让它做你最严格的审稿人、最高效的“备忘脑”和最大胆的猜想生成器。你会发现，彼此成就的速度，往往比彼此说服的速度还快。归根到底，伟大的数学进步，既需要共同攀登的绳索，也需要各自飞行的翅膀。合作与竞争像双螺旋，相互纠缠、彼此牵引，推动知识向更远处舒展。下次当你面对一道真正难题，不妨问问自己：我该寻找怎样的同伴，把我的局部最优，接上他的全局视野？而当“第三位队友”是一台冷静的机器时，你愿意让它站在猜想的前线，还是站在验证的最后一道闸门？也许，答案本身，就是通往下一个定理的起点。

数学家的灵感，是算出来的还是猜出来的？

一束闪电，还是一串算盘珠？当王虹用127页的多尺度论证直指挂谷猜想，当邓煜在一次闲聊后转身踏上从硬球模型到Navier–Stokes的严密链路，人们恍然发现：数学家的“灵感”，既像天外来电，又像漫长计算后自然而然冒出的火花。如果非要二选一——算出来，还是猜出来？更贴近真相的答案是：被长期算出来的“猜”，和被瞬间猜出来的“算”。直觉不是空降的预言，它是被训练过的快速推理，是无数次计算、画图、失败、重来之后在脑中被压缩的模型。当灵感出现时，往往只是这台隐形“压缩机”的解码瞬间。看几条新鲜的轨迹。王虹在调和分析与几何测度论中步步为营，傅里叶限制、Falconer距离集、到挂谷猜想，背后是极致的细节控制与层层尺度的归纳；可为何走得通？是因为她“看见”了结构的可能性——这份看见，像猜，也像久算后的自然选择。邓煜突破希尔伯特第六问题的路线并非事先写在黑板上，而是“无心插柳”地意识到可借Boltzmann方程延长时间尺度，再以流体极限落到欧拉与Navier–Stokes–Fourier方程；但从灵感到定理，是厚重的技术城墙。怀尔斯的故事更具象：多年耕耘铺路，一次与岩泽理论的不期而遇，点亮了最后的灯。神经科学也给出侧证：我们大脑中处理高等数学的网络与语言区分家，却与我们做最简单加减法时激活的区域近似。这意味着“高深直觉”与“日常算力”本是一体两面——天才之感，并非神秘天授，更像是经年累月在同一神经回路上加训后的速度与稳定性。难怪有人说，直觉是我们忘了自己做过的计算。灵感也从不只是个体的独舞。Thurston提醒我们，数学的进步不止在于定理数目，更在于共同体如何保留、传递、丰富那些最初的洞见。灵感在黑板边被追问，在走廊里被修正，在合作中被放大。你会看到“泡泡理论”式的隐喻点亮直观，也会看到形式化与机助验证把直觉钉牢。今天，AI甚至开始“算出”某些灵感：物理信息神经网络在流体方程里探出奇点族的隐藏结构，专用模型与大语言模型帮助提出新猜想、做大规模搜索，形式化工具把强质数定理这类结果严密地刻进代码。它们不是替代者，而是扩展我们“算”的半径、加速我们“猜”的质量。那么，灵感如何发生？通常是这样的循环：问题意识唤起类比，你用粗略估计与图形想象先搭脚手架，再用反例和小实验去撕扯它的薄弱处；与同伴交换“疯狂的想法”，在一次次否定中逼近可行的模型；隔夜再看，许多枝蔓已自动掉落，留下更精炼的骨架。此刻，一道“猜”的微光出现；随后，你用“算”的洪流把它照亮成日光。日复一日，直觉被校准，灵感便更可靠。传奇故事并不神化灵感，反而去魅。张益唐说，关键是自得其乐与不患得失；当你不被“可不可能”的舆论所裹挟，才敢押注那些真正重要而艰难的问题。也正因此，灵感更像是一种性格：对困难的耐心、对失败的宽容、对结构的品味，以及对同伴的信任。如果要给一句面向未来的回答：数学家的灵感，是算出来的猜，也是猜出来的算；是人与工具、与同伴、与问题本身共同进化的结果。在一个AI与数学深度共舞的年代，我们更该珍视两件事——一是把想法说出来、画出来、跑起来，让灵感有发育的土壤；二是把证明做扎实，让灵感经得起时间。至于哲学上的注脚，或许依然朴素：对真理的追求比占有更可贵。下一次某个念头像流星滑过，请感谢昨天那些枯燥的演算，也感谢你仍愿意大胆一猜。

我们能用数学公式“写出”人的情感吗？

如果有一天，你的心情能被写成一行方程：快乐等于“奖赏预期×社会支持÷睡眠负债”，你会信吗？数学刚刚攻克了挂谷猜想、打通了从微观粒子到流体方程的推导链条，人类理性锋芒毕露。可当我们转身问一句：人的情感能不能也“写成公式”？答案，既令人振奋，也需要敬畏。我们确实已经把情感的某些环节变成了可计算对象。嗅觉绕过丘脑直抵杏仁核，这是大脑少有的“直通车”；在杏仁核的基底外侧区，Drd1+与Drd2+两条并行通路把气味信息分发到伏隔核与管状纹状体，参与评估奖赏、动机与行为选择。把它画成图，是一个网络；把它写成数学，是一组动力系统与信号传递模型。它说明：情绪不是一个“点”，而是一段在脑网络里流动的轨迹。在工程世界，情感早就是可计算的任务。自然语言处理里，情感分析把一句话变成概率：这条评论为正向的可能性有多大？模型通常用预训练语言模型（如BERT、RoBERTa）微调，派生出细粒度判断、基于属性的情感归因、情感与意图区分等多种能力。难点也很真实：讽刺、语境跳跃、文化隐喻与实体消歧，常让“看起来像对”的公式在真实世界里失手。人并非只在文字里流露情绪。清华团队提出的多模态感知推理网络同时看表情、动作、语调，像一位训练有素的心理学家，用跨模态的证据合并来还原“内在状态”。在生成侧，语音合成的时间编码机制让机器首次能精确控制语音时长，并把“音色”与“情感”解耦：你可以指定同一种嗓音说出不同情绪的台词，并通过文本描述调节细腻的情绪色彩。更进一步，有研究提出“七维量化社交坐标系”，把熟悉度、信任度、情感共鸣等维度投射到一个可计算空间，预测关系的演化——这本质上是在为“人际情感动力学”写状态方程。神经科学也在告诉我们：情绪是时间的函数。大脑会在休息时“回放”白天的经历；清醒安静时像做质量检查，深睡时做结构性整理，快速眼动期则进行“创造性重组”。记忆的巩固与重组会改变我们对同一事件的情绪阈值。把这件事写成数学，意味着采用分层、跨尺度的状态空间模型：短时的生理波动、小时级的睡眠与觉醒节律、天—周级的社会脉络，共同塑造情绪的演化。那么，能不能用一个“总公式”写出人的情感？严格说，不行。原因不在于数学不够强，而在于对象是“多层涌现”的：基因—神经环路—身体状态—社会语境—文化叙事层层叠加，且具强情境依赖与个体差异。我们能写的是不同层面的“投影方程”：概率模型去判别情感极性，图模型去描述脑区耦合，动力系统去拟合情绪随时间的轨迹，生成模型去合成带情感的语音与表情。它们各自有效，却都不是“全部的你”。这并不妨碍它们产生社会价值。情感计算实验室正把这些模型用于客服质检、舆情洞察、心理健康早筛；多模态系统帮助教育与医护识别非言语求助；情感可控的语音与“AI玩具”正在提供陪伴与康复训练。理解嗅觉—杏仁核—伏隔核的通路，未来有望为焦虑、PTSD等人群设计更精准的干预。要警惕的，是把“可计算”误当“可还原”。情感分析仍难以跨越讽刺与文化隐喻，多模态识别可能引发隐私与偏见风险，情感生成可能制造“拟社会关系”的依赖。好的数学模型，既要追求误差最小，也要尊重人的主体性，给人留下决定与成长的空间。回到那句提问：我们能用数学公式写出人的情感吗？我们正在写，写的是测量、预测与合成的“可计算侧影”；我们也承认，有些东西只能被照亮，不能被完全化约。数学像一盏灯，照见情绪的结构与轨迹；人像一座城，灯光所至，仍有深巷与星空。也许最动人的答案是——让数学帮助我们更理解彼此，同时保留那一点无法被写尽的温度与自由。

破解百年难题后，下一个山峰在哪里？

当一根“针”终于能在最小的空间里自由转身，数学的地平线也随之被推远。三维挂谷猜想的突破，不只是攻下了一座峭壁，更像打开了通往群峰的山口：风从更高处吹来，视野忽然辽阔，新的路线在阳光下清晰起来。顺着调和分析与几何测度论这条主脉，最近在眼前的，是把“挂谷现象”推进到所有维度与更多模型：从三维到高维，从经典到离散与有限域版本，从“粘性”情形到真正的极限端点。与之并行的，是同属“风向标级”的难题群：傅里叶限制猜想的端点、Bochner–Riesz在临界指数的收敛、局部平滑与端点解耦的完全图景，以及Falconer距离集与“钉住距离”阈值的再提升。它们彼此牵引：多尺度分解、算术组合法与多线性方法在挂谷上的新威力，很可能改写这些门槛。工具层面也在进化。多项式划分与多线性插值已成“标准装备”，但更锋利的刀具正在锻造：把算术组合学与微局部分析联姻，量化“分形不确定性原理”在更高维与更粗糙几何上的效力，打通离散-连续的桥梁，让有限域直观反哺欧氏空间的硬核估计。这些方法论的跃迁，往往决定了下一个高度。沿着偏微分方程与数学物理的路线，山势同样雄浑。通过稀薄气体硬球模型与Boltzmann方程打通“微观→中观→宏观”的严密链条之后，更艰难的段落还在前面：含边界与粗糙数据的长时极限、从库仑相互作用到Landau方程的严格推导、Boltzmann到Navier–Stokes–Fourier的粘性极限与边界层控制、以及弱湍流理论在多方程、多尺度中的严格化。与此呼应的，是波动与薛定谔方程的“孤子分解”纲领、流体中湍流统计律的可证性，这些都是写在二十一世纪数学物理“路线图”上的红字。数论与算术几何的山系则以高度见长。几何Bogomolov之后，是统一与有效性的双推进：统一Mordell的有效边界、Zilber–Pink与Vojta纲领的关键台阶、L函数特殊值与BSD的明晰化、相对朗兰兹与p进L函数的结构加固。动力学方法、等分布与高度理论的交火点，正在把若干“传说中的路径”变成路线实测。更耐人寻味的，是这些山系正在彼此会师。挂谷与限制问题的阈值，常常卡在加法-乘法现象的临界处；解耦理论已在数论（如指数和与均值估计）中显示威力；分形不确定性原理连到量子混沌与谱隙；距离集与离散几何则反向馈入调和估计。这种“全局理论式”的汇流，往往孕育范式迁移：当一套多尺度框架可以跨题目复用，峰与峰之间就连成了山脊。新的“攀登器材”正在改变海拔上限。面向深度定理的形式化验证，会让长达百页的证明变得可检查、可复用；AI在文献核验、反例搜索、构造启发与代码化实验中的表现，已在真实案例里露出锋芒。把机器变成可靠的“证明副驾”，再把大定理的关键引理库格式化沉淀下来，既能加速前沿，也能减少路线误判。这需要共同体建立新规范：何时署名、如何审校、怎样让“人机合奏”更安全、更可继承。生态与时间同样重要。顶尖机构的任聘与大会报告，给了年轻团队稳定的攀登窗口；面向前沿的长期资助，鼓励“十年磨一刃”的耐心工程。当跨校、跨代、跨方向的“team-of-teams”常态化，原来必须“单兵突进”的问题，才有机会被并行攻克。所以下一个山峰，不是一座，而是一条山脉：高维挂谷与限制端点的合围，动力学与几何测度的会通，动理学到流体的极限统一，算术高度到朗兰兹的纵深，以及形式化与AI把“可证性”本身推到新层级。真正的挑战，不只是更高的高度，而是在攀登中塑造新的方法论与协作范式。每一次登顶都会把“最高峰”改写成复数。选择哪一座，取决于你的工具、同伴与耐心。数学的壮丽，正在于它总能让人看到更远处的微光——那是下一条攀登线在云海间若隐若现，召唤着后来者继续向上。

如果她没转专业，地球会更懂我们一点吗？

一门课目的地改变，往往像一只蝴蝶掠过大气层——轨迹细微，涟漪深远。王虹从地球与空间科学转入数学，这个选择看似偏离“读懂地球”的直路，却把她带到了描述世界更底层语言的源头：调和分析与几何测度论。如果她没转专业？她或许会投身气候模型、地震成像、遥感反演，在数据和方程的交汇处直接“与地球对话”。这是理解地球的一条近路：用观测、实验、数值模拟追索板块、洋流、云系的脉搏。这样的工作绝对重要，也充满挑战。但她选择了另一条路——磨砺“工具的工具”。调和分析是处理波与信号的语法，几何测度论是衡量“粗糙几何”的尺子。她与Joshua Zahl合作的127页论文宣告三维挂谷猜想的突破，背后是对多尺度、振荡、稀疏结构的极限掌控；相关的最大函数与振荡积分估计，正是地震勘探、卫星遥感、医学与地球物理成像算法的数学内核。傅里叶限制理论塑造我们对色散波的理解，关系到大气与海洋中波动的传播与衰减；Falconer距离集思想触及“从稀疏采样重建几何”的极限，影射传感网络定位与反演的可能边界；分形与几何测度论提供描述海岸线、断裂带与多孔介质的语言。换句话说，她让“地球科学的显微镜”更清晰、分辨率更高、误差更可控。她的履历也在为这种底层能力背书：MIT博士、普林斯顿高研院、UCLA、纽约大学库朗研究所正教授、IHES终身教授——IHES历史上首位女性终身教授。2025年塞勒姆奖与ICCM金奖同日加冕，理由直指“解决调和分析与几何测度论主要开放问题的作用”。当基础不确定性被一寸寸收紧，上层应用的可信度与效率就会随之跃迁。把镜头稍微拉远，这一代学者在“从微到宏”的桥梁上同时用力。邓煜团队沿稀薄气体硬球模型和Boltzmann方程，搭出通往欧拉与Navier–Stokes–Fourier的严谨链条，为气体与流体的宏观方程奠定更扎实的公理化路径。这些进展与地球系统科学的核心模型血脉相连：湍流、对流、边界层、辐射传输，都需要更精确的数学地基。所以，地球会不会更懂我们？也许关键不在她是否留在地球科学，而在她是否把“理解的语言”打磨得更锋利。一个人的选择，可能换来千百位地球科学家手里更好用的算子与不等式、更可靠的重建与预报。这种间接之力，往往走得更远。王虹常说，研究与考试不同：研究允许你“把脑子里乱七八糟的想法都试一遍”。科学的进步，也像这样在看似“绕路”的探索里前行。有人直面冰川与地震，有人雕刻傅里叶与分形；路径不同，指向同一片真实。或许真正的问题不是“地球是否更懂我们”，而是“我们能否学会更多种与世界对话的语言”。当你在人生路口犹豫要不要“转一道弯”，不妨想想：最锋利的工具，常常诞生于那一次勇敢的偏航。

能从单个水分子，算出明天的天气吗？

如果我告诉你：我能追踪北京空气里一枚“跳舞”的水分子，连它此刻的坐标和速度都握在手心——你会愿意把明天的雨伞交给它吗？听起来很酷，但天气这部“交响乐”的乐谱，并不由一枚音符来决定。从物理学的底层看，分子层面确实能“托底”宏观方程。通过玻尔兹曼方程到流体力学方程的严谨链条，数学家们已经在理论上打通了从“粒子世界”到“风云变幻”的桥——这正是近期在希尔伯特第六问题上取得突破的那条路。然而，能“证明”宏观方程来自微观，并不等于能“用一个分子”做天气。预测需要的是整个大气的状态：三维的温度、湿度、风场、气压与云的微物理过程，覆盖从地表到平流层的连续场，而非孤零零的一粒信息。这时，混沌理论走上前台。劳伦兹用一组简单方程告诉我们，大气对初始条件异常敏感——“蝴蝶效应”并不是夸张修辞，而是硬核数学。单个分子携带的信息量，相对于亿万亿分子的海洋几乎为零；更要命的是，即使全知道了，微小测量误差也会像利息一样指数级滚大。这就是为什么气象部门从不承诺100%精准，也为什么预报越远越不确定。现代预报的办法，是拥抱不确定性而不是幻想抹去它。全球观测网把卫星、雷达、飞机、浮标、地面站织成一张巨网，数据同化技术把这些碎片拼成当下最可能的大气“全景照”。像四维集合变分这类方法，会把时间也当作变量纳入“拼图”，计算出一组彼此略有差异的初始状态，再让它们各自演化——这就是集合预报。结果不是一句“下”或“不下”，而是一张概率地图，告诉你“下雨的可能性有多大、风险在哪儿”。 AI正在把这套流程提速。GraphCast学会了40年再分析数据中的模式，在关键的500百帕位势高度场上表现亮眼；Earth-2 家族的FCN3用球面神经算子做全球预报，单卡几分钟就能“跑完”60天的中期集合，速度大幅领先传统数值模式，还把集合的统计校准做得更稳；HENS能合成相当于“27000年”的多样天气数据，帮助更快识别极端事件。这些模型并不靠一粒分子的“八卦”，而是吞下全球尺度的经验与物理约束，再把不确定性以概率的方式吐出来。别忘了云。云是气候系统里最难的角色：它由无数水滴、冰晶与凝结核的微观相互作用组成，却决定地表能量收支和降水。我们不会追踪每一滴水的个人史，而是用“参数化”的办法，把无数微观细节压缩成少数可计算的宏观量。正因为如此，云相关的不确定性成为误差的重要来源，也正是AI与高分辨率模式合力攻坚的战场。回到那个浪漫的提问：能不能从单个水分子算出明天的天气？答案是，不行。它给不了足够的信息，也撑不起混沌系统的误差放大。更接近真相的图景是——如果我们拥有尽可能完整、准确的“全大气”初始状态，再用物理+AI的联合引擎，以集合的方式表达不确定性，我们就能把明天、后天、未来一两周的风险窗口逐步照亮。也许科学最迷人之处不在于全知，而在于承认有限后的优雅进步。从一枚分子到一场季风，人类靠的是观测、方程、算法与概率的合奏。明天要不要带伞？让一粒分子独唱太冒险，把决定权交给一支训练有素的“气象交响乐团”，才是现代文明的选择。哲学上，这提醒我们：世界并非由孤立的确定性构成，而是由彼此耦合的不确定性编织。理解局部，敬畏整体，在有限中追求最优，这或许就是预报之外，科学给我们的生活之道。

AI能帮我们找到下一个“哥德巴赫猜想”吗？

想象一台好奇心无穷的“数学望远镜”，它不停扫过整数与图形的宇宙，把零碎的模式压缩成一句简洁而震撼的话——这句话，或许就是下一个“哥德巴赫猜想”。AI正快速进化为这样的仪器：会搜索、会推理、会验证，甚至会自我反思。问题是，它真的能捕捉到那条让人类惊呼“原来如此！”的深层法则吗？现实的边界既清晰又在后退。强如o3-PRO，在面向真实未解问题的评测中，经多重验证只有少数答案站得住脚；在“Putnam-AXIOM”这类地狱难度的考试上，顶级模型的分数仍令人捏汗。研究者还发现，简单的自动验证会出现“自恋偏置”，模型偏好给自己人放行。而在另一面，进展同样令人振奋：AI已能协助数学家完成繁重推导与形式化，三周内在Lean中铺开数万行严谨代码；竞赛级系统在奥赛题上展现出接近“瞬间构造”的直觉；过程监督与并行思维让推理更稳、更可解释。陶哲轩亲历的协作也很真诚：小尺度运算，AI很强；中尺度策略，容易带歪；宏观层面的探索与弃坑，反而更高效。要问“能不能找到下一个哥德巴赫”，不如换个问法：“怎样的AI，更有机会提出一句值得被世界铭记的简单陈述？”路径其实在成形。其一，面向海量数学语料与数据序列，构造“简洁性优先”的猜想生成器：以最小描述长度、压缩增益与跨领域稳定性为筛子，让模型产出短而硬的命题。其二，把严谨刻在流程里：自动反例搜索、Lean/Isabelle形式化、独立多模型交叉验证，避免“听上去像对的”泡沫。其三，用“难度条形码”衡量价值：当自动证明器在多种技法下反复受挫，却始终无法构造反例，而数值证据在超大范围内稳固成立，这类命题更像“深水区”的好猜想。其四，人机共创闭环：数学家评估关联与美感，AI继续扩展证据、提出等价命题、生成攻击面，双向打磨到“既简洁又顽强”。哪些领域更可能诞生“新哥德巴赫”？加性数论、组合极值、图论阈值、动力系统的简洁阈值命题，最容易凝练为一句短话却牵动深网。AI已在模式挖掘与算法发明中展示过“超越经验”的苗头，强化学习与结构化推理正在把“想法工厂”变得更会思考。与此同时，必须记住丘成桐的提醒：真正的观念跃迁常来自“千万分之一的异常”。AI习惯把它们当噪音，人类的直觉却会停下来凝视。这正是人类与AI的分工——人指向价值与稀有，机放大搜索与验证。所以答案是：可以，而且概率在升高。但它更像一场合奏，而非独奏。下一个“哥德巴赫式”猜想，多半出自一种新范式——人类提出“何为值得”、定义“美与深”，AI在巨量空间里寻找那句最短、最硬、最难被摧毁的话。等到它出现时，命题旁边可能刻着双重签名：一笔写着人类的好奇与品味，另一笔写着机器的耐心与力量。真正重要的，也许不是谁发现，而是我们是否准备好，去理解那句简单话背后的无穷深意。

新知 - 大圆镜｜群星闪耀时：华人数学家如何联手叩开科学殿堂之门

对抗知识焦虑，从看懂这条开始

App 下载

如果说基础科学是一片浩瀚的星空，那么数学家便是孤独的观星者，他们用一生追逐那些遥远、幽暗却可能定义宇宙法则的星辰。长久以来，这片星空中的主角多是 одиночные, 璀璨的巨星。然而，2025年的秋天，一幅前所未见的星图正在展开：一个由华人数学家组成的耀眼“星团”，正以集体的力量，照亮人类知识的边界。这仅仅是巧合，还是一种新范式的崛起？

一场席卷全球的“金色风暴”

故事的序幕，由34岁的王虹拉开。10月28日，两项重量级数学大奖同时将聚光灯投向了她。一项是国际数学界的“菲尔兹奖风向标”——塞勒姆奖。在过去半个多世纪里，近五分之一的塞勒姆奖得主最终摘得了数学界的最高荣誉菲尔兹奖，陶哲轩便是其中之一。另一项，则是被誉为“华人菲尔兹奖”的世界华人数学家大会（ICCM）数学奖金奖。

双喜临门，已是传奇。但更令人震撼的是ICCM金奖的完整名单：王虹、邓煜、袁新意。三位获奖者，拥有一个共同的身份烙印——北京大学数学科学学院校友。这并非孤立的事件，而是一场酝酿已久的“金色风暴”的集中爆发。它标志着，一个由顶尖华人学者构成的学术共同体，正从个体突破走向集体崛起，在全球科学舞台上发出振聋发聩的和声。

三位“解题人”与百年难题

要理解这场风暴的量级，必须审视他们攻克的难题。这些并非寻常的学术课题，而是横亘在数学史上近一个世纪的“巨石”。

王虹，这位从北大地球科学专业“半路出家”的数学家，将目光投向了“挂谷猜想”。这个源于1917年的问题，简单来说，就是“在多维空间中，让一根针掉头180度，所需要的最小面积是多少？”。这个问题看似简单，却触及了调和分析与几何测度论的深层结构。今年，王虹与合作者在一篇长达127页的论文中，彻底解决了该猜想的三维版本。这一成就，被菲尔兹奖得主陶哲轩誉为“百年一遇的数学突破”。如今，王虹已是法国高等科学研究所（IHES）历史上首位女性终身教授——一个此前13位教授中诞生了8位菲尔兹奖得主的地方。

与王虹同为北大数院07级校友的邓煜，则向另一座高峰——“希尔伯特第六问题”发起了冲击。1900年，数学巨匠大卫·希尔伯特提出了23个将指引20世纪数学发展的问题，第六问题旨在为物理学建立严格的数学公理体系。邓煜与合作者，巧妙地通过玻尔兹曼方程，在微观的粒子碰撞与宏观的流体运动之间，架起了一座坚实的数学桥梁，完成了从牛顿力学到流体力学方程的严谨推导。这一“无心插柳”的灵感，解开了困扰物理学和数学界一百多年的谜题。

而ICCM金奖的第三位得主袁新意，则是北大数学“黄金一代”的代表人物。他师从著名华人数学家张寿武，深耕于数论的“无人区”。近年来，他接连在几何Bogomolov猜想等核心问题上取得决定性进展。他与张伟、恽之玮、朱歆文并称为“数学界四小天鹅”，这个群体本身就是华人数学家合作精神的缩影。

从“黄金一代”到合作范式

袁新意的故事，引出了这场集体突破背后的深层动力——一种根植于顶尖学府的合作文化。以袁新意、许晨阳、刘若川等人为代表的北大数学“00级”毕业生，被誉为群星闪耀的“黄金一代”。他们不仅个人成就斐然，包揽了科学突破奖新视野数学奖等一系列国际大奖，更重要的是，他们形成了一个紧密的学术网络。

他们的导师张寿武曾如此评价：“他们不是一个人，而是一批人。他们有什么东西不懂，就马上打电话给同学，同学也是另一行的高手，马上就知道是怎么回事了。他们之间不是相互竞争者，而是合作者。”

这种描述精准地捕捉到了新一代华人数学家的特质。袁新意基本功扎实，结论精准；而他的同门师兄张伟则思想活跃，创意迭出。性格迥异的两人合作无间，共同攀登学术高峰。这种“1+1>2”的效应，正是他们能够持续产出颠覆性成果的关键。

如今，这种合作范式正在更广泛的华人数学家群体中传承和发扬。王虹、邓煜、袁新意三位ICCM金奖得主，都来自北大数院，都将在2026年国际数学家大会上作45分钟报告。这绝非巧合，而是学术血脉与合作精神共同作用的结果。他们共享相似的知识背景、思维方式和学术网络，在面对最前沿的科学难题时，能够迅速形成智力合力。

一个时代的序章

这场由华人数学家引领的集体突破，不仅仅是学术荣誉榜上的数字更新，它更深远的意义在于，它为基础科学的发展提供了一种新的可能性。在科学分工日益精细、难题日益复杂的今天，单打独斗的“孤胆英雄”模式正面临瓶颈，而跨领域的集体智慧与协作，正成为推动历史性飞跃的核心引擎。

正如世界华人数学家大会的发起人、首位华人菲尔兹奖得主丘成桐所期望的，一个由中国本土培养、在全球范围内合作的数学家群体正在形成。他们不再仅仅是追随者，而是议题的设定者、领域的开拓者。

2025年的这场“金色风暴”，或许只是一个序章。当王虹在北大的讲座上，台下坐着田刚院士和韦东奕；当“黄金一代”的成员们通过一通电话就能解决彼此的难题时，我们看到的不仅是几位天才的灵光乍现，更是一个学术共同体的脉搏与心跳。这股力量，正以前所未有的方式，推动着人类对宇宙的理解，走向更深邃、更广阔的未来。