TL;DR：7 月 23 日，2026 年費爾茲獎揭曉。王宏與鄧宇——兩位北京大學校友——成為同一年獲獎的首批中國籍得主。但這不是一篇新聞稿，而是一場「竊取」行動。這四位數學家的論文裡，藏著四種思維模型，你今天就能偷來用。

無關緊要的細節

誰獲獎、在哪所機構、年紀多大——新聞已經報導完了。這裡只給你重點摘要：

得獎者 機構 核心貢獻
王宏 紐約大學柯朗數學研究所 三維 Kakeya 猜想（百年難題）
鄧宇 芝加哥大學 Hilbert 第六問題突破
Jacob Tsimerman 多倫多大學 André-Oort 猜想
John Pardon 石溪大學 三維 Hilbert-Smith 猜想

我真正關心的是：這四人的論文裡藏著四種心智模型。這些模型同樣適用於 AI 工程、寫作與產品決策。

這不是「給初學者的數學」，而是「方法論竊取」。

王宏：用三個字解決百年難題——多尺度分析

Kakeya 猜想是什麼？一句話：在三維空間裡，取一段長度為 1 的線段，旋轉 180°，它掃出的最小體積是多少？答案：零。

二維情形已在 1917 年解決——面積可以趨近於零。但三維呢？懸宕逾百年。直覺認為三維 Kakeya 集合的維度應該是 3，卻缺乏嚴謹證明。

2025 年，王宏與 Joshua Zahl 發表 127 頁論文，附 14 張圖，嚴格證明：在三維空間中，任何包含各方向單位線段的集合，其 Minkowski 維度與 Hausdorff 維度皆恰為 3。

核心方法，用他們自己的話說：多尺度分析。

你不必一次掌握三維空間中所有管線的排列。先把問題拆成不同尺度。粗尺度：分佈模式——哪些方向會聚集在同一個凸集合內？細尺度：局部密度——若管線在某區域密集堆疊，體積貢獻為何？兩種尺度分別處理，再以組合估計縫合。

具體來說，他們研究：若 δ-管在三維中無法過度塞進同一個凸集合，則其聯集必有近乎最大的體積。這個看似狹窄的中間結果，恰足以導出完整的 Kakeya 猜想。

影響遠超純數學。CT/MRI 重建演算法仰賴傅立葉分析——正是 Kakeya 猜想的領域。MIMO 天線波束成形與雷達方向估計也直接受益。

但你真正該記住的是方法：面對複雜問題，先粗後細。

不要一次想「如何把部落格流量加倍」。先在粗尺度分類：工具評測的閱讀量是產業分析的 3–10 倍，95% 以上的爆文來自推薦。接著在各類別內微調：如何用數字寫標題、封面風格、發佈時間。把尺度分開，問題才變得可解。

鄧宇：用四年搭起微觀到巨觀的橋樑

先從一個比喻開始。

神經網路的訓練規則極其簡單——梯度下降，每一步把一兆個參數微調一點點。這種微觀規則簡單到近乎荒謬。但訓練結束後，模型突然會推理、寫程式、編輯文章。盯著那一兆個參數，你看不到任何智慧藏在裡面。

這與鄧宇在波動湍流理論中研究的問題本質相同。

2023 年，鄧宇與合作者 Zaher Hani 發表 138 頁論文，附 44 張圖。他們從立方非線性薛丁格方程（描述光纖中的光傳播、海洋波浪）出發，在尺度極限下嚴格導出波動動理方程。

設定：在邊長為 L 的大盒子內，波動彼此作用極弱（參數 α）。當 L → ∞、α → 0，且 α ~ L⁻¹ 時，系統的長期統計行為完全由波動動理方程描述，有效至動理時間尺度 T ~ α⁻²。

翻譯：無數遵循相同微觀規則的簡單波動 → 給予足夠時間 → 可預測的巨觀統計定律自動湧現。

此框架直接影響電漿物理（核融合雷射-電漿交互作用模擬）、天氣預報中的大氣非線性波動建模，以及海洋學的長期海流演化。

鄧宇與 Hani、馬驍合作，另一方向也取得突破：從硬球動力學出發，在遠超先前定理的時間尺度下嚴格導出波茲曼方程，推進 Hilbert 第六問題（物理公理化，1900 年提出）的核心。

對你而言，記住這句話：微觀規則 × 足夠時間 × 眾多粒子 = 可預測的巨觀定律。

這不只是數學。每天寫一篇文章看似微觀行為。寫到 100 篇後，巨觀模式會自行浮現——哪些標題吸流量、哪些主題爆發、演算法喜歡什麼開場。

相信複利，不要找捷徑。這不是勵志雞湯，鄧宇用 138 頁數學證明了它。

Tsimerman：論文被撤稿，卻拿下費爾茲獎

Tsimerman 的 André-Oort 猜想論文 v2，有一段我重讀多次的註記：

「前一版本（v2）宣稱證明一般情形，但經 Klingler、Ullmo 與 Yafaev 指出存在嚴重錯誤。因此本文將撤回……」

翻譯：前一版本有嚴重錯誤。撤稿。

你沒看錯。一位費爾茲獎得主的論文曾有「嚴重錯誤」，被同行指正、撤回。之後他修正、重新投稿，並以此作品拿下數學最高榮譽。

這不只是「聰明」。方法更重要。

Tsimerman 證明了 A_g 的 André-Oort 猜想——這是關於高維模空間中橢圓曲線「特殊點」（CM 點）分佈的核心問題。橢圓曲線是現代密碼學的基礎，這些特殊點的分佈直接影響某些後量子密碼方案的安全性。

但他獲獎的真正原因不是結論，而是他組裝的工具。他把看似毫不相干的三個領域縫合在一起：

  1. 解析數論：數域類群 Galois 軌道的下界
  2. 模型論：用 o-極小結構控制特殊點的拓撲行為
  3. 代數幾何：用 Shimura 簇理論描述模空間的幾何結構

單一領域的工具都不夠，合在一起才剛剛好。

他與 Bakker 等人合作，利用 o-極小框架進一步發展 GAGA 理論，解決了關於週期映射像的 Griffiths 猜想——在模型論與 Hodge 理論之間搭起新橋。

這正是 AI 目前的狀態。下一個突破很可能不是「更好的 Transformer」，而是把代數拓撲嫁接到神經網路架構，或用波動湍流理論重新描述訓練動態。

Tsimerman 教你兩件事：

  1. 撤稿並不可恥。修正後重新投稿。
  2. 不要只在擅長的領域苦幹。真正的突破在交會處。

Pardon：整篇論文只做一件事——找到正確的窗口

Pardon 證明了三維 Hilbert-Smith 猜想。全文 24 頁。

問題：在三維空間裡，哪些對稱可以「存在」？p-adic 整數 Z_p 可以嗎？Pardon 的答案：不行。

他後來在辛幾何領域貢獻更多——虛擬基本鏈、wrapped Fukaya 範疇的局部化、Calabi-Yau 三維簇上的曲線計數（MNOP 猜想）。這些工作已成為拓撲量子錯誤校正碼的數學基礎——量子電腦尚未問世，但其錯誤校正已在他的基礎上建構。

但最令我著迷的是他 Hilbert-Smith 論文中的一句方法論短語：「方法在 M 上是局部的。」

整個證明不需要理解三維流形的所有幾何性質。他只需在流形 M 上找到一個 Z_p 不變的開集合 U，在 U 內找到一個不可壓縮曲面 F，分析 Z_p 對 F 的同位類作用所誘導的映射類群同態——矛盾便浮現。

不要掃描全貌。找一個窗口。窗口內的信息已足以推導出全域結論。

這可以直接套用。

你想分析 55 篇 AICDragon 文章的數據，以找出決定閱讀量的因素。你可以對全部文章跑統計——但那只是自找麻煩。只要挑三篇：閱讀量最高、最低與中位數。它們之間的差異已包含大部分模式。

你想除錯編碼損壞。不需要追蹤 OpenClaw 的完整程式路徑。只要看一個檔案的前 4 個位元組——E9 94 98 3F——這是 UTF-8 BOM 經 GBK 解碼。根本原因找出，不需全域調查。

Pardon 的教訓：不是擁有更多資訊，而是擁有正確窗口內的正確資訊。

那麼這些論文與 AI 有什麼關係？

不是「這個公式可以優化 Transformer」。

而是思維方式。

你每天做的事——選題、寫作、除錯、數據分析、產品決策——都具有數學級的複雜度。唯一的差別是你還沒察覺。

王宏說：多尺度思考，先粗後細。
鄧宇說：微觀規則 × 足夠時間 = 巨觀定律。相信複利，不要找捷徑。
Tsimerman 說：不要只在單一領域苦幹。真正的突破在交會處。撤稿並不可恥——修正後發佈。
Pardon 說：不要試圖理解一切。找到正確的窗口。

這四種方法論不是數學家的專利。它們是任何需要持續思考與迭代的人的武器。

包括你。

參考文獻