他刚获得菲尔兹奖，却停止招收数学博士生

2026 年菲尔兹奖领奖台上，与王虹、邓煜同届站上领奖台的，还有一位加拿大数学家。
他拿下数学最高荣誉后宣布的第一件事，却让同行意外：已停止招收数学博士生，将入职OpenAI。
他叫 Jacob Tsimerman（雅各布·齐默曼）。

2026 年 7 月，国际数学家大会上，和王虹、邓煜同时站上菲尔兹奖领奖台的还有一位加拿大俄裔数学家 Jacob Tsimerman。获奖后的记者会上，他抛出一句让很多人意外的话：已经停止招收新的数学博士生，很快会入职 OpenAI，做 AI 安全研究。

图片

一个把数学做到世界之巅的人，去一家 AI 公司？表面看是"学界流向工业界"的寻常故事。但把他的来路、他的判断、他真正去做的事摊开看，这事比"跳槽"有意思得多——它牵出一条少有人讲清的线：一个最懂"严格证明"的数学家，为什么偏偏在最顶峰时，选择放下纯粹数学研究、去给最不确定的 AI 找确定性。

一、他把"证明确定性"走到极致

要理解他后来的转向，得先看清他这一生干的是什么。

Tsimerman 是数学神童的典型样本：2004 年拿下 IMO（国际数学奥林匹克）满分金牌；16 岁上大学，两年读完本科；之后赴普林斯顿攻读博士，如今是多伦多大学最年轻的正教授之一。

真正让他站上菲尔兹奖领奖台的，是他在数论与代数几何上的硬核贡献。菲尔兹奖官方授奖理由写道：他将 o-极小性（o-minimality） 重塑为算术几何与复代数几何的基础性方法，并在多个核心猜想的证明中发挥了作用——其中包括格里菲斯关于周期图像代数性的猜想，以及关于西格尔模簇的 安德烈-奥尔特猜想（André-Oort conjecture）。

这些名词对普通人很陌生，但它们的共同内核只有一个：用最严格的推导，去证明"某件事在任何情况下都成立"。换句话说，Tsimerman 一辈子在做的事，是用严格证明建立"确定性"。这是理解他后面所有选择的钥匙——也正因他太懂"确定性"的可贵，当 AI 开始威胁这种确定性时，他才会如此警觉。

二、他为什么去OPENAI：不是赶风口，是被亲眼看说服

Tsimerman 对 AI 的认真，早于这次跳槽好几年，而且来路清晰。

一、他早就在写 AI 灭绝风险的论文

2025 年，他与 Andrew Critch 合写论文，系统梳理了 AI 可能导致人类接近灭绝的潜在路径。这不是网红式的惊人之语，而是学者式的：把"如果失控，会怎么失控"列出来，想推动预防。基于类似判断，他得出结论——"AI 可能在两年内超越数学家做数学研究"，并因此已停止招收新的数学博士生。他不想让学生为一个"可能不复存在的职业"做准备。一个导师最朴素的责任感——既然看清方向在变，就不把年轻人推进一条正在剧变的路。

二、他是被 AI 亲眼"说服"的

最直接的刺激在 2026 年 5 月：OpenAI 的模型攻克了悬置约 80 年的厄尔德什单位距离猜想，而 Tsimerman 正是参与验证这个结果真实性的九位数学家之一。他后来还与人合写了"人类验证版"的论文。也就是说，他亲眼看着 AI 推翻了数学界几十年的老问题，知道自己这行的地基正在被撼动。他说："世界正在改变，我不认为数学职业还会以现在这个样子存在下去。"

三、他选择"进场"，而不是"躲避"

面对失控的焦虑，他的姿态很特别。原话把立场说透了——对为什么去 OpenAI，他说："我支持暂停 AI，但我不认为这会发生，所以选择进场，去参与塑造 AI。" 一个怕 AI 的人，没有躲开，而是走进去，想亲手给这头快速长大的猛兽加上缰绳。

补充一个背景：就在一个多月前的 2026 年 6 月 2 日，全球 16 位数学家联署《人工智能与数学莱顿宣言》，警告"不受控制的自动化不仅威胁数学的研究方式，还危及这门学科本身代表的意义"。Tsimerman 的转向不是孤例，是一批顶尖数学家的共同焦虑——他们比谁都先看清：AI 最先啃动的，可能就是"证明"这件事。

三、他去 OpenAI 到底做什么：用数学给 AI "上锁"

"AI 安全"听起来玄，但落到他这样的人身上，其实很具体——用严格的数学，去证明 AI 系统是可控、可靠、不会乱来的。

今天的大模型强归强，却有个致命短板：我们说不清它为什么给出某个答案，也无法保证它在关键时候不出错。AI 安全里最核心的几块——对齐（让 AI 目标与人类一致）、可解释性（搞懂它怎么想的）、形式化验证（用数学证明系统满足安全属性）——底层全都是数学。

举个通俗的例子：自动驾驶不能只靠"试了几万次都没撞"就放心，因为总有没试到的极端情况。形式化验证是把系统转成数学模型，用逻辑推导证明"在所有可能状态下都安全"——这恰恰是数学家最擅长的活：把"大概没问题"变成"在所有路径下都被证明没问题"。Tsimerman 干了一辈子"用严格证明建立确定性"，现在只是把这套本事，用在 AI 身上。

所以他的选择一点都不矛盾：不是离开数学，是把数学用到最该用的地方。而 OpenAI 也清楚这点——Brockman、Bubeck 等高层公开表示欢迎，因为要让模型不只是"聪明"，更是"可被证明安全"，最缺的就是深懂严格推理的人。现代 AI 的地基本就是数学：机器学习的优化靠数学，神经网络的表达能力靠数学分析，大模型的训练稳定性靠概率统计；而要让 AI"可信"，又回到形式化验证、逻辑、证明论。AI 今天能跑，是因为数学；AI 明天要可靠，还得靠数学。 一个证明过悬置数十年难题的数学家，转身去做 AI 安全，不是跨界，是顺着同一条河往下游走。

四、回到 AI 时代，我们如何引导孩子

抛开热闹，这件事对今天养孩子有几点实在的提醒。

一、别把"学数学"和"学 AI"对立起来报班

很多家长在"学数学"和"学编程/AI"之间二选一。真相是：数学是 AI 的底层操作系统。孩子把推理、证明、建模的思维练扎实，比早学某个会用淘汰的 AI 工具值钱得多。Tsimerman 的转身恰恰说明——顶尖的数学能力，在 AI 时代不是被淘汰，是被更需要。

二、面对颠覆性技术，最清醒的姿态是"进场"，不是"躲避"

他对 AI 的态度是：怕，但不逃。"不支持暂停、但知道不会发生，所以进去参与塑造。" 这给焦虑 AI 的家长一个样本——与其替孩子担心被取代，不如带孩子从"被技术带着走"，练出"理解并参与技术"的能力。 未来稀缺的，不是会用 AI 的人，是能替人类守住边界的人。

三、真本事是"可迁移的思维肌肉"，关键在敢转身

他在 38 岁拿到最高荣誉，却没困在成功里，去啃一块更不确定、更难的地。这提醒我们：我们逼孩子练的，究竟是"某一题的解法"，还是"换了场地也能用的思维肌肉"？ 前者换张卷子就废，后者走遍天下。成材不是"到一个位置就停"，而是持续回答"此刻什么最值得我去做"。

他停止招收数学博士生，
不是不看好数学，
恰恰是因为太懂数学——
知道"确定性"可贵，
才要亲手去给最不确定的 AI，加上缰绳。
越是被技术颠覆，越需要扎实的思维底色；
给孩子最好的准备，
不是躲开浪潮，是让他有能力，驾驭浪潮

参考文献

[1] ICM 2026 / 国际数学联盟：2026 年菲尔兹奖官方颁奖词（o-极小性、格里菲斯周期图像代数性猜想、安德烈-奥尔特猜想）

[2] 腾讯新闻《菲尔兹奖得主 Jacob Tsimerman 宣布加入 OpenAI 专注 AI 安全》，2026-07-25

[3] IT之家《2026 年菲尔兹奖得主 Jacob Tsimerman 宣布加入 OpenAI》，2026-07-24

[4] AMS Notices 访谈：Tsimerman 谈"两年内 AI 在证明定理上可能比我们强"

[5] Tsimerman & Critch (2025)，AI 导致人类灭绝潜在路径的分类学论文

[6] ResearchGate，Tsimerman 个人主页，2026-05《对 OpenAI 给出的厄尔德什单位距离猜想反例的人类验证版》

[7] 腾讯/企鹅号报道（2026-07-24）：停招博士生、9 位验证者之一等转述

[8] 《人工智能与数学莱顿宣言》（Leiden Declaration on AI and Mathematics），2026-06-02，16 位数学家联署