数学的奇异时刻：当菲尔兹奖得主加入OpenAI

当地时间7月23日，2026年国际数学家大会（International Congress of Mathematicians, ICM）在美国费城开幕。国际数学联盟在开幕式上正式公布第21届菲尔兹奖（Fields Medal）得主名单，中国数学家王虹和邓煜，与美国数学家约翰·帕登（John Pardon）及俄裔加拿大数学家雅各布·齐默尔曼（Jacob Tsimerman）一同获奖。这是中国数学家首次获得菲尔兹奖这一有着“数学界诺贝尔奖”之称的至高荣誉，王虹和邓煜同为北京大学2007级本科校友，两人同届获奖令整个中国为之振奋、欣喜。另外两位获奖者中，帕登中文名为白杰文，能说一口流利的普通话，曾获第十届汉语桥·世界大学生中文比赛美国东部赛区冠军；齐默尔曼则因在获奖当日宣布将暂时离开多伦多大学、加入OpenAI公司而引发关注。

当地时间2026年7月23日，美国费城，2026年菲尔兹奖得主中国数学家邓煜、美国数学家约翰·帕登、加拿大数学家雅各布·齐默尔曼和中国数学家王虹在国际数学家大会上领取菲尔兹奖后在台上合影。视觉中国 图

《华尔街日报》以“对AI感到恐惧的数学超级明星刚刚在OpenAI得到了一份工作（The Math Superstar Who’s Terrified of AI—and Just Took a Job at OpenAI）”为题对此事进行了报道。文章指出，齐默尔曼的决定既令人震惊又在意料之中。齐默尔曼去年曾发表了一篇题为“关于人工智能导致的全人类灭绝未来的分类学（A Taxonomy of Omnicidal Futures Involving Artificial Intelligence）”的论文，对人工智能可能导致人类灭绝的方式进行了分类，将数学家追求秩序的本能运用到了对世界末日的分析之中。如今，他决定投身人工智能安全领域的研究，希望利用数学专业中的形式语言和验证方法推动AI研究，通过评估AI模型的运作过程、理解其决定从而确保其不会导致人类灭绝。

现年38岁的齐默尔曼出身于一个知识分子家庭，父亲是计算机科学家，母亲是高中数学教师。他出生于俄罗斯，幼年移居以色列，后在加拿大长大。他在高中时期就曾两度摘得国际数学奥林匹克竞赛金牌，16岁入读多伦多大学，仅用两年时间便完成了本科学业。此后，他在普林斯顿大学获得博士学位，曾在哈佛大学做博士后，最终回到母校多伦多大学任教，成为该校历史上最年轻的数学教授，并在安德烈-奥尔特猜想（André-Oort conjecture）和格里菲斯猜想（Griffiths' conjecture）等问题上做出了开创性贡献。

在职业生涯的大多数时间里，齐默尔曼都对人工智能能够具有的能力持怀疑态度，他尤其难以相信人工智能能够复刻直觉和创造力等人类独有的特质。但在过去十年间，一些时刻让他开始重新考虑这一看法，在2022年开始使用ChatGPT后彻底改观。“如果它能谈论巧克力和写诗，它为什么不能谈论数学和写方程式呢？”，这个顿悟让齐默尔曼确信人工智能会变得极其强大。最近几个月，人工智能开始攻克困扰数学界的著名猜想：5月，OpenAI宣布用一款未发布模型解决了有着80年历史的“单位距离问题（unit-distance problem）”，这不仅是说明了AI可能比人类更聪明，更展示了AI可以连贯思考的时间远超人类。该公司展示的模型推理过程的思维链条长达125页，而齐默尔曼说他读到第12页就会开始头疼了。随后，Anthropic公司的Fable模型找到了“雅可比猜想”（Jacobian conjecture）的反例，这一难题困扰了数学界87年，这一发现来自Anthropic公司一位拥有数学博士学位的员工，他曾获得表彰美国顶尖本科生研究者的摩根奖（Morgan Prize），他的导师正是齐默尔曼。

尽管人工智能不断取得突破，齐默尔曼还是更喜欢传统的研究方式，即独自站在黑板前用一根粉笔进行演算。但鉴于数学学科的未来充满不确定性，他不再招收不将人工智能纳入研究范围的研究生。在工作中，他也会将研究过程中枯燥的部分外包给AI，撰写数学论文时也会咨询人工智能，最近有一次他让AI帮他概括一个论点时，AI指出了该论点存在的错误，他随后对其进行了修正，但AI的发现令他印象深刻。

当地时间2026年7月23日，美国费城，加拿大数学家雅各布·齐默尔曼在国际数学家大会上登台领取菲尔兹奖时庆祝。视觉中国 图

齐默尔曼认为，几年之后，人工智能系统的数学能力无疑将远超人类，这一发展的社会后果——我们选择如何应对，我们对此有何感受——则是更难回答的问题。AI的发展也的确带来了意想不到的危险，例如最近涉及OpenAI和Anthropic失控智能体的黑客攻击事件。这些事件说明理论数学家可以在驯服当下最强大、最危险的科技方面扮演重要角色。数学家一直以来都在用他们的工具尝试理解人类行为，而齐默尔曼想做的是用数学工具理解机器行为，他最终的愿望是人工智能能够满足我们的需求，让我们能够自由地去做自己喜欢的事情。

《大西洋月刊》则以“数学界正在发生奇异之事”为题，刊登了记者莱拉·什罗夫（Lila Shroff）对齐默尔曼的专访。什罗夫在背景介绍中提及齐默尔曼此举引发的争议——一位机器学习教授在X上发帖称“这就像雇梅西当产品经理”，不过她随即指出，不论是对于人工智能安全研究还是数学而言，齐默尔曼的举动都发生在一个重要的时刻。正如著名数学家陶哲轩上周在一次发言中所说，数学正在进入一个“动荡时期（turbulent period）”。

在访谈中，齐默尔曼在被问及为何将AI安全风险作为当下的首要关切时表示，他从20年前就开始关注关于AI的讨论，从2016年AlphaGo问世之后变得更加投入，而到ChatGPT诞生之后就认定人工智能系统会变得越来越强大，从那时起就明确了自己最终很可能会转向AI安全领域。而他之所以认为当下是合适的时机，是因为直到最近AI系统才获得了编程能力，这对于像他这样没有受过编程训练的研究者而言会让事情变得简单很多。

关于他在OpenAI将从事的实际工作，齐默尔曼指出目前的AI是一种经验科学，对于AI系统如何工作，它们为什么可以以及如何做到这些事情，以及在特定条件下它们会如何行动，我们并没有完善的理论解释。而数学有史以来就是一门用来将关于事物如何工作的直觉和模糊概念变得清晰的语言。信息论（information theory）、复杂理论（complexity theory）都曾被用于实现这样的目标。一点点理解加上准确的定义就可以带来巨大收获。只要我们有了这样的理解，就可以更好地预测新的AI系统，并对其进行调整、控制和反应。这是数学家可以做的工作。

至于为什么选择进入业界而不是留在学界进行研究工作，以及是否担心进入企业后会受到限制而失去独立性，齐默尔曼表示进入公司、为政府工作和留在学界都各有利弊。他认为我们需要一个AI安全的健康生态，其中公司实验室的前沿工作是很重要的，而独立追求AI安全的第三方机构也是多多益善，还需要政府和由政府直接资助的组织对这些系统进行评估。这些组成部分之间需要保持定期互动，他自己也一直和一些AI安全组织保持着联系。而他之所以选择加入OpenAI，是因为他认为自己最欠缺的是软件工程背景，他对于神经网络和AI系统如何工作的理论方面较为熟悉，而对于如何训练AI、如何实现其功能的整体研发生产系统则缺乏了解。因此为了让自己能够获得一个理解全局的位置，加入OpenAI的实验室目前看来是最好的选择。同时他在多伦多大学只是休假，他仍然会是那里的教授和教职员工。同时，因为事态发展如此之快，他甚至不愿意对一年之后的事情做出确定的预测，而是尝试保持开放心态，从他个人的理解以及世界对AI的不断变化的反应出发，去观察AI能力会如何发展。

齐默尔曼也谈到，写作那篇AI导致人类灭绝的论文是为了让人们直观地理解可能存在哪些类型的风险。为什么大多数人对AI毁灭世界的可能性持怀疑态度？齐默尔曼认为存在一种偏见，即科幻小说里写的故事不会真的发生，觉得相信小说会变成现实过于天真。同时我们生活在一种宣称每一项新技术都是“下一个重大突破”因此我们应该彻底为其改变行为方式的文化当中，我们对此具有免疫反应是合情合理的。但他建议人们写下自己对未来的预测，比如三个月后、六个月后、一年后的世界会是什么样，届时将实际情况和自己的预测进行对比。如果我们在五年前向人们描述今天的人工智能系统，恐怕很少有人会相信。因此通过这种预测和现实的对比，我们或许会发现事情的发展可以远远超出想象。

访谈中还提到，近日，一封目前已有1300多名顶尖AI公司员工签署的题为“pacing the frontier（把控前沿）”的公开信（https://www.pacingthefrontier.com/）在网络上流传，签署者包括OpenAI和Anthropic的高管。公开信全文如下：

人工智能或许能够帮助我们创造一个激动人心的美好未来，但这并不是确定的结果。世界领先的人工智能公司认为它们已经接近实现AI研究自动化。尽管难以预测这会在多大程度上加速AI的发展，但存在这样的真实的风险：人工智能能力的快速发展可能会超出我们的理解或控制最终系统的能力范围。

为实现AI的潜能，业界、政府和社会或许需要争取时间，以便应对新出现的风险、制定安全措施并加强监管。然而，无论是企业还是国家都面临着巨大的竞争压力，不愿单方面放慢速度。而今天，世界缺少技术和监管工具来有意识地把控前沿进度。

在现有监测前沿模型发布的工作基础上：

我们呼吁美国政府支持一项国际行动，开发能够有意识把控前沿自动化AI发展的技术和监管工具。

齐默尔曼在网络上表示他很高兴看到这封公开信，当被问及如何通过协作放缓或暂停研发时，他强调协作是我们在人工智能领域必须做的最重要的事情之一，同时也是最具挑战性的任务之一。他反感的一种论调是认为协作难以实现，因此没有必要尝试。齐默尔曼指出，这是一种不健康也不正确的世界观，事实是，世界上有许多运作良好的事物，其背后都需要大量决策以协调一致的方式进行，互联网就是其中的一个例子。他想传达的理念是：不要让愤世嫉俗的心态阻碍我们去解决那些为了全人类福祉而必须面对的复杂协调难题。这是一直以来都被证明正确的原则，如今对于AI仍然适用。这并不意味着不同党派或组织的人不会有自己的动机和利益考量，但只要尝试去做，就能够达成很多成果。我们曾在过去取得成功，如今在AI领域也应该这么做。

“云霸权”如何成为全球政治领导者

谁才是现代资本主义的统治者？学者塞西莉亚·里卡普（Cecilia Rikap）的回答再清晰不过：亚马逊、谷歌和微软就是统治者。研究者Ben Wray近日在《雅各布》发表了对其新书的评论。

在里卡普著作《统治者：人工智能和云计算时代的企业权力》（The Rulers: Corporate Power in the Age of AI and the Cloud）中，里卡普详尽考察了这三家公司如何主导全球知识生产。她发现，几乎所有其他企业——无论是否属于科技行业，也无论国籍——都已被卷入它们的网络之中，不得不向这些“云霸权”支付“知识租金”，才能在数字经济中维持竞争力。这种广泛的经济控制力，使亚马逊、谷歌和微软不仅是经济巨头，更是全球层面的政治领导者。里卡普认为，它们的权力已强大到能够控制几乎所有依赖人工智能和数字技术的组织与国家。

《统治者：人工智能和云计算时代的企业权力》（The Rulers: Corporate Power in the Age of AI and the Cloud）书封

里卡普的分析建立在无形资产对当代企业权力的核心地位之上。有形资产一旦买卖，所有权便随之转移；无形资产则不同——它们是知识的商品化形式，公司凭借专利等法律工具持续抽取知识租金，所有权永不易手，而使用者的每一次租用还会为所有者积累更多数据与价值，形成新的知识源泉。

这些知识掠食者凭借结构性优势不断集中对无形资产的控制：它们掌握着创新所需的绝大部分资金与知识资源，在人工智能时代拥有远超对手的数据处理能力，还享有平台网络效应带来的天然垄断倾向。亚马逊、谷歌、微软和Meta的研发支出，均超过除美中之外任何一国；本世纪前二十五年间，能够取代大公司的新兴企业数量已减半。

作者认为，里卡普最重要的论断或许在于：亚马逊、谷歌和微软能够通过“云”，对它们并不拥有的公司实施有效控制。云构成了数字经济运转的基础设施——三家公司占据全球公共云市场约65%的份额，意味着大多数经济参与者都要为数据存储与算力向它们支付知识租金，软件、平台与数据集也都以云服务形式出售。试图自建私有云绕开云霸权的企业和国家，大多因成本高昂、技术滞后而放弃。

云服务商与客户的关系颠覆了传统委托-分包模式：分包商本应处于从属、信息有限的一方，但在云服务中，恰恰是提供商掌握着整条价值链的全部数据，雇用它们的公司反而只拥有“碎片化且边缘化”的知识。正如里卡普所言，唯有云霸权掌控并从系统产生的全部知识中获利。大公司即便意识到自己的从属地位，转换供应商的成本也极为高昂，人工智能的普及更进一步加深了这种依赖。西班牙最大的银行桑坦德银行一位数字技术负责人说：面对亚马逊、谷歌和微软，“你必须按它们的规则、时间表和流程行事”。

与互联网、半导体诞生的战后时期不同，美国大型科技公司如今并不依赖国家资助；相反，美国政府自身也高度依赖大型科技公司，尤其是云霸权，缺乏可替代的供应源，国家与资本间的权力天平已然倾斜。目前，美国“科技-工业复合体”与国家配合无间：科技巨头获得政治接触渠道，政府则拒绝对其施加监管。支持者称此举有利于整体经济，但生产率提升的证据却十分匮乏。更合理的解释是，其真正意图在于将尽可能多的国家拖入技术依赖，从而为美国帝国主义赋能，使硅谷公司得以从全球共同创造的数据与知识中攫取价值。里卡普认为，多数国家的数字主权已“遭到显著侵蚀”。

各国的应对同样乏力：欧盟侧重监管“看门人”、扶持本土科技产业，却对市场竞争抱有过高期待；印度的人工智能“超级工厂”仍依赖与美国科技公司合作；巴西试图建立公共计算中间层，最终仍需依靠美国云巨头。唯有中国建成了包括自主云生态在内的完整主权科技栈，成为其他国家减少对硅谷依赖的潜在替代者。但里卡普对此持怀疑态度，认为中国的路径很大程度上是对美国技术的模仿，这意味着中国始终在追赶，并复制着同样的知识垄断问题。

作者认为，里卡普较少考虑到，中国国家与资本间的权力平衡与美国迥异——2020至2021年对大型科技公司的整顿，正体现了国家目标对资本的重新规训。此外，正如尼克·斯尔尼塞克在其近作中指出的，中国虽在人工智能前沿开发上落后于美国，却在应用落地层面持续发力，这可能导致中美走向截然不同的创新路径。

此前在《论坛》杂志的一篇文章里，里卡普就强调了为何数字主权那么重要。一个云服务的故障就会引起连锁反应。此外，更令人担忧的是数字资产出于地缘政治目的而被有意“武器化”。2019年，为遵守美国对委内瑞拉的制裁，Adobe停止向委内瑞拉提供Photoshop服务；乌克兰战争期间，马斯克多次将基辅军队使用星链的权限作为施压手段。最近，据称微软为遵守美国制裁，切断了国际刑事法院（ICC）首席检察官卡里姆·汗的电子邮件服务。

此前卡里姆·汗推动ICC对以色列总理内塔尼亚胡和前防长加兰特发出逮捕令，指控他们在加沙犯下战争罪。特朗普政府认为ICC对美国及其亲密盟友以色列采取了“非法且毫无根据的行动”，于2025年2月签署行政令，对ICC官员实施制裁，卡里姆·汗是首批也是当时唯一被点名制裁的人。

微软事后否认了切断卡里姆·汗的邮箱，但耐人寻味的是，事发之后，微软主动在与欧洲各国政府及欧盟委员会的协议中加入了一条新条款，承诺如果某个政府命令它关闭或停止提供云服务，微软将保留通过法律手段进行抗争的权利。这从侧面说明，这类“断供”风险绝非空穴来风。

按理说，这些事件应该给欧洲的政策制定者敲响警钟，促使他们真正采取行动、兑现“数字主权”的承诺。冯德莱恩执掌欧盟委员会期间，确实把数字主权列为核心目标之一——这也符合欧盟想让自己“更具地缘政治分量”、拥有更大“战略自主权”的整体愿望。讽刺的是，欧盟对美国技术的依赖程度不但没有下降，反而进一步加深了。

当人工智能需要相当规模才能发挥效用，许多国家又难以独自企及时，数字主权该如何建立？里卡普主张构建作为“国际公有物”管理的公有制替代方案，以体现知识跨国共创的本质。里卡普认为，既然知识是跨国共同创造的，那么替代这种私人垄断的公共基础设施，理应也不属于某一个国家单独所有，而应该是多国共同治理、共同受益的国际性公共资源——类似“全人类共同的云基础设施”，而不是某国政府的国有云或某家公司的私有云。

但作者认为，这一构想虽美好，却回避了政治主体性问题：在一个民主几乎完全以国家为单位存在的世界里，谁能构成足以对抗美国科技霸权的国际“人民主体”？现实是，具有实质意义的国际政治领域要么陷入瘫痪（如联合国、金砖国家），要么被试图摆脱的科技寡头所主导（如达沃斯论坛）。

《统治者》延续了近年一系列著作的主题：现代技术正在巩固美国的全球权力。如果说亚当·图兹（Adam Tooze）的《崩盘》揭示了美联储对美元互换线的控制力，里卡普则将目光投向云计算对当代美国地缘经济权力的重要性。这与自伊朗战争以来盛行的“美国衰落论”形成鲜明对比——按后者的逻辑，美国越来越难以将意志强加于他国，甚至连伊朗这样的中等强国都能封锁全球关键航道。美国怎能既在国际上日益强大，又迅速衰落？

或许答案在于：美国在高度数字化的科技与金融领域确实握有新型地缘政治武器，但在制造业与关键原料等实物领域正节节败退，而中国恰恰在这些领域占据全球主导。这正是同一价值链的两端——科技与金融终究依赖于物质世界。这也让人质疑里卡普“无形资产高于有形资产”的前提：在企业间的权力比较中此说或许成立，但用于国家间的权力较量则未必。美国只有在拥有可靠原料供应与制造能力的前提下，才能维持主导地位；特朗普在对华关税战中被迫退让，正是因为担心被切断硅谷所需的关键资源。

现代技术在扩大美国科技公司全球触角的同时，也让其资产暴露在更大风险之下——伊朗以廉价无人机袭击美国雷达及海湾数据中心的能力，表明数字依赖可能瞬间从资产变为软肋，尽管切断海底数据电缆的威胁尚未兑现。此外，华盛顿软实力的流失也不容忽视：美国越是炫耀武力，世界其他地区就越能感受并警惕枷锁的存在。若非特朗普第二任期如此清晰地暴露了依赖美国的风险，关于寻找美元与美国云替代品的讨论也不会兴起。

因此，简单的“衰落论”或许失之片面。更平衡的图景是：美国在无需硬实力威胁的地区（如欧洲、拉美）收紧了控制，却在仍需物理力量维持主导的地区（如东亚、西亚）显得更为软弱。问题的关键不在于是否衰落，而在于重新理解数据时代美国权力的具体轮廓。

大型科技公司的崛起，撕裂了美国经济——高收入科技岗位与低薪服务业并存，科技公司与传统企业分道扬镳。经济学家将此称为“K型经济”：人工智能推高股价，多数工人却举步维艰，企业破产率不断攀升。

里卡普指出，自动化正是这种分裂的底层动因。它通常并不直接导致失业，却使工人被“去技能化”——人工智能接管创作核心，工人只能从事简化的低质量任务，编剧、平面设计、软件开发等创造性岗位受冲击尤为明显。长远来看，工人可能被挤出创造性劳动，转向已被数字技术深刻重塑的非正式服务业。零工经济的扩张，正是劳动力市场结构性转变的体现：算法管理系统引导工人在需求高峰完成任务，公司借此压低成本，又无需为空闲时段付酬。零工经济由此成为一支建立在“就业不足”而非“失业”之上的新型产业后备军。

这也解释了为何就业数据显示劳动力市场“紧俏”，工人议价能力却毫无提升——市场的冗余被不稳定的服务业工作所掩盖。里卡普提醒，正是这种经济上的分裂，让我们必须对传统的、依赖统计平均数的分析方法保持警惕：“为更同质化的企业时代设计的指标，用于知识垄断资本主义时具有误导性”。若左翼要真正理解这个由数据主导的现代世界，重新审视数字时代所需的分析指标，非常重要。这依然是资本主义，却已不再是我们熟悉的模样。