菲尔兹奖照出中国教育最大的短板：为什么两位数学天才，都去了欧美？

两位中国籍数学家首次同时获得菲尔兹奖，却都在欧美完成博士培养。这不是简单的人才流动，而是一面照向教育土壤的镜子：为什么中国能培养世界级学霸，却很难培养更多原创科学家？从邓煜、王虹的成长经历，到 AI 前沿创新，这篇文章讲透"保护天才"与"滋养创新"之间最关键的差距。

"教育不是灌输，而是点燃火焰。" —— 苏格拉底 "我们的应试教育最大的失败，不是学生记不住公式，而是从不告诉他们：真正的数学，是没有标准答案的。"

2026 年 7 月 23 日，美国费城，国际数学家大会开幕式上，两枚菲尔兹奖章同时刻上了中国人的名字——邓煜、王虹。这是中国籍数学家首次摘得这一"数学界的诺贝尔奖"，更难得的是，两人竟出自北京大学同一个年级：2007 级数学科学学院。

历史性的突破背后，一个无法回避的问题浮出水面：为什么两位在北大接受本科教育的顶尖人才，最终都是在海外完成博士训练、在欧美学术体系中成长起来的？

他们的轨迹，像一面镜子，照出了中国教育与西方教育之间那道若隐若现的裂缝。而这道裂缝，恰恰和我在上一篇 里讲的是同一件事——土壤能长出好苗子，却未必能让它长成参天大树。

一、邓煜：天才的"出走"与重塑

邓煜的故事，像一条笔直向上的线。1989 年生于深圳，2006 年获国际数学奥林匹克（IMO）金牌，保送北大数学系。在燕园，他是最耀眼的存在——同学称他为"邓神"，成绩断层领先。

但这条直线在北大画了一年后，突然拐了个弯。他向麻省理工学院（MIT）提交了转学申请，在北大办理了退学手续，前往大洋彼岸。

在 MIT，他获得全额奖学金，一个学期选五六门数学课，同时读三本书；曾经花一周时间逐页核对一篇 85 页的长篇论文，把所有细节都检查一遍。

2010 年，他斩获普特南数学竞赛最高荣誉；2011 年进入普林斯顿大学，师从 Alexandru Ionescu 教授，2015 年获博士学位。

邓煜自己说：

"在北大时，我最早上的是陈天权老师的数学分析课……大二以后跟随刘和平老师学习调和分析，开始接触前沿问题。总体而言，北大的学习为我打下了很扎实的基础。"

但扎实的基础之后，是 MIT 和普林斯顿让他真正看到了数学的前沿。Ionescu 教授"对证明细节要求很高，同时兴趣非常广泛，涉及调和分析、流体方程、色散方程和广义相对论……这些习惯和数学品味也深刻影响了我。"

注意这个细节：邓煜博士论文的方向是非线性色散方程，而他后来最广为人知的成果却是概率方向的工作。一个人敢于从自己博士训练的领域跨界出去，这种勇气不是天生的——它来自导师"兴趣非常广泛"的示范，来自一种"你可以去别的地方看看"的默许。

二、王虹：从"小透明"到菲尔兹奖——法国给了她自信

如果说邓煜的故事是直线，王虹的轨迹则更像一条曲折的河流。

1991 年，她出生在广西桂林平乐县沙子镇，一个并不起眼的地方。16 岁高考，她因为分数不够，没能直接进入数学系，而是进了北大地球与空间科学学院。大二时，她通过转系考试进入数院。但在高手如云的环境里，没有竞赛背景的她，成绩只能算中下等，是同学眼中的**"小透明"**。

本科毕业后，她去了法国。在巴黎综合理工学院，她甚至一度认真考虑过转行学建筑，去事务所实习了一个月。但最终她发现：

"建筑需要先说服别人，创作自由受限；而数学可以完全靠自己在头脑中'建设'想法。"

正是在法国，她遇到了改变她一生的导师 Yvan Martel 教授：

"他告诉我，如果我研读中遇到任何困难，我只需要收集它们，在下次见面时向他提问。这让我头一回意识到，我不必靠自己一个人解决所有问题，会有人愿意帮助我，这让我感到安心。我变得更有耐心，也不再那么紧张。"

后来，Martel 帮她联系了 MIT 的 Larry Guth 教授。在 Guth 的指导下，王虹找到了自己的方向：

"研究数学的那段时间，我非常煎熬，因为我经常和身边的人观点不一。他一直倾听并跟上我的思路，这让我获得了自信。"

2025 年 2 月，她与 Joshua Zahl 合作，以 127 页论文证明了三维挂谷（Kakeya）猜想，解决了困扰学界逾百年的难题。

三、"点燃火焰"的两种译法：给知识，还是给信任？

对比两位数学家的成长轨迹，一个共同点极其扎眼：他们都在人生的关键节点，遇到了"对的导师"。

而"对"在哪里？不在于导师教了多少知识——北大的刘和平、刘张炬、陈天权，学识丝毫不逊色。区别在于，欧美的导师做的是另一件事：

中国导师普遍擅长

邓煜/王虹的海外导师做到了

传授

给定的知识体系、标准的方法

同样深厚，甚至更严苛（Ionescu"对细节要求很高"）

空间

训练你把已知问题做对

"你不必独自解决所有问题"（Martel）

信任

筛选出最优秀的

"你的观点值得被倾听"（Guth）

越界

沿既定方向深耕

鼓励跨界（邓煜从色散方程跨到概率）

苏格拉底那句"教育不是灌输，而是点燃火焰"，在这里有了两种截然不同的译法。

中国教育把"点燃"理解为填得更满、烧得更旺——把最好的燃料（生源）、最标准的助燃剂（题海）堆到极致。这套模式高效得可怕：它能在极短时间内，让一个孩子掌握别人几年才能掌握的知识，横扫竞赛金牌。

但王虹的那句话，泄露了另一种"点燃"的真相：

"我不必靠自己一个人解决所有问题，会有人愿意帮助我。"

真正的火焰，不是被填满的，是被信任点着的。 一个在北大数院自我怀疑的"小透明"，需要的不是更多的题，而是有人告诉她：你想的是对的，你值得被听见。这种安全感——被接纳、被信任、被允许犯错——才是创新最稀缺的燃料。

四、做题家与数学家的分水岭：前沿没有标准答案

我在上一篇文章里反复讲一个母题：几乎所有"解题技巧"，本质都是同一件事——换一个视角，让藏起来的结构暴露出来。 做题家背招式，数学家看结构，这是两者真正的分水岭。

现在把这个母题放大到教育土壤上，会看到一个更尖锐的事实：

中国教育最擅长的，恰恰是"有标准答案"的那部分数学；而数学研究的前沿，恰恰是"没有标准答案"的那部分。

看看这些让两位获奖者成名的问题：

问题

悬置时间

课本上有吗？

三维挂谷（Kakeya）猜想

逾 100 年

❌ 没有

希尔伯特第六问题（邓煜相关方向）

125 年

❌ 没有

非线性色散方程的长期行为

数十年悬而未决

❌ 没有

这些问题在课本上根本不存在。它们没有参考答案，没有标准解法，甚至没人保证它们"有解"。一个被训练了十几年"找标准答案"的大脑，面对这样的问题时，第一反应往往是无所适从——因为整个训练体系，从未教过他如何面对"不知道答案是否存在"的处境。

欧美学术土壤的优势，用三个词概括就是：允许慢、允许错、允许不一样。

• 王虹在法国可以花 一年 时间尝试建筑学再回归数学——这种"弯路"在中国教育体系里几乎不可想象；

• 邓煜在 MIT 可以 一个学期只钻研一篇论文 ——这种"低效"在国内的评价体系里可能早被判定为不合格；

• 王虹"经常和身边的人观点不一"——这种"不合群"，在一个追求标准答案的环境里，往往先被纠正掉，而不是被保护下来。

天才最需要的，恰恰是一片能容忍更大试错的空间。 而这一点，正被现代中国教育的"功利"底色一点点侵蚀。

我们的评价与资助体系，越来越像一台追逐热点的机器：项目要有明确的产出周期，论文要能快速见刊，方向要"有用"、要"对得上国家需求"、要"能落地"。这套逻辑在工程和应用领域或许无往不利，但对基础研究却近乎致命——因为真正伟大的问题，在被解决之前，看起来往往既不热门、也不实用，甚至像是在浪费生命。

若用"功利/热门"的尺子去衡量

它当年"该被资助"吗？

三维挂谷猜想（一个关于"针能扫过多小面积"的几何问题）

看起来毫无用处——却成了调和分析的核心

伽罗瓦临死前写下的群论

当时无人问津——今天是整个现代代数与密码学的地基

哈代引以为傲的"纯粹无用"的数论

半个世纪后成了信息安全的命脉

一个越功利的土壤，越难为这样"暂时看不出用处"的问题买单——不敢让一个年轻人花十年只啃一道没人保证有解的题，不敢资助一个"冷门到没有热度、没有帽子、没有短期回报"的方向。于是最有天赋的头脑，要么被迫转向能快速兑现的热点，要么——像邓煜和王虹一样——去了一片愿意为"暂时无用"长期埋单的土壤。

王虹能在法国花一年试建筑再回归数学，邓煜能在 MIT 一学期只读一篇论文，背后不只是导师的宽容，更是一整套允许长期投入冷门问题、不急于兑现的资助与评价制度在托底。这，才是"保护"与"滋养"之间最实的那道坎。

张平文院士有一句话说得极准："北大数学的天才不是培养出来的，而是保护出来的。"

但请注意这句话的分寸：北大做到了**"保护"——给学生最宽松的本科环境、充分的自由。这已经了不起。可是"保护"不等于"滋养"。保护是"不去掐灭那把火"，滋养是"主动往火上添柴、并且相信它能烧成燎原之势"。从"保护天才"到"滋养创新"，中间隔着的，正是博士培养体系、学术评价机制、导师与学生之间的信任关系——这些软实力**的差距，比硬件更难追赶。

五、这面镜子，也照着 AI

有人会说，这只是数学界的事。但如果你在做 AI，你会发现这面镜子照得更清楚。

大模型时代，最核心的能力早已不是"记住知识"——参数里存的知识，比任何一个博士的脑子都多。真正稀缺的，是在没有标准答案的地方做出判断：如何设计一个从没人做过的实验，如何在一堆失败的 loss 曲线里看出该换哪个假设，如何把一个模糊的直觉，硬生生"建设"成一个可跑通的架构。

这恰恰是王虹说的那种能力——"完全靠自己在头脑中建设想法"。

而当下 AI 领域最前沿的突破，几乎全都长在"允许慢、允许错、允许不一样"的土壤里：一个看似"低效"的方向被允许烧上几年，一个"和主流观点不一"的人被允许坚持——Transformer、扩散模型、RLHF，无一不是如此。反过来，一个只会"对齐标准答案、复现已有 SOTA"的团队，永远只是在别人点燃的火堆边取暖。

做研究和做题的分水岭，在数学里叫"换视角看穿结构"，在 AI 里叫"敢于探索没有答案的前沿"——它们是同一把火。

而说到底，这把火要点燃的，正是中国未来最欠缺、也最迫切需要的东西——从零到一的原创能力。

过去几十年，我们最擅长的是"从一到 N"：别人从零趟出一条路，我们能以惊人的速度、规模和成本优势把它做大做透。这套能力让中国成了世界工厂、也成了 AI 应用的沃土。但它的底层逻辑，和应试教育是同构的——给定标准答案，比谁复现得又快又好。

问题是，"从一到 N"的红利，本质上依赖于总有别人先完成"从零到一"。挂谷猜想的证明、Transformer 的诞生、群论的第一笔——这些"零到一"的时刻，没有任何前人的标准答案可抄，只能靠一个被信任、被允许长期试错的头脑，在一片没有地图的荒野里自己走出第一条路。

从一到 N

从零到一

本质

复现、优化、规模化已知的路

在没有答案的地方走出第一条路

教育对应

做题、刷题、对齐标准答案

换视角、啃百年难题、容忍试错

土壤要求

效率、执行力、快速兑现

信任、耐心、允许"暂时无用"

中国现状

世界顶尖

正是邓煜、王虹出走去补的那一课

菲尔兹奖照出的，不只是两个数学家的荣耀，更是一个正在爬坡的国家最深的一道课题：当"从一到 N"的红利见顶，谁来完成"从零到一"？ 答案不在更快的做题机器里，而在那片敢于点燃、愿意等待的土壤里。

六、反思：我们离第一梯队还有多远？

一个略显尴尬的事实是：王虹和邓煜的博士学位，分别来自 MIT 和普林斯顿。

这意味着，中国为他们提供了初始土壤，但真正让他们长成参天大树的养分，却在国外。

正如一位评论者所言：

"什么时候本土大学培养出来的博士能够拿菲尔兹奖，才真正象征着中国数学进入了第一梯队。"

这不是要否定中国教育的成就。从"黄金一代"到"白金一代"，北大数学的本科教育已经跻身世界前列。田刚院士说得中肯："世界级数学家的成长，是个人天赋努力、教育、文化多个因素共同塑造的结果。"

我们也不必纠结于"回不回国"的道德绑架。真正需要思考的是两个问题：

1. 为什么我们的土壤能长出好苗子，却未必能让他们长成参天大树？

2. 为什么我们的学生能在竞赛中横扫金牌，却在需要十年磨一剑的基础研究领域鲜有突破？

答案，或许就藏在王虹那句朴素的话里：

"我不必靠自己一个人解决所有问题，会有人愿意帮助我。"

邓煜和王虹的获奖，是中国数学的里程碑，但更是一面镜子。它照见了我们的优势——扎实的基础、优秀的生源、宽松的本科学术环境；也照见了我们的短板——博士培养体系、创新文化氛围、导师与学生之间的信任关系。

从"保护天才"到"滋养创新"，这条路还很长。但至少，两位从燕园走出的数学家已经证明：中国人完全有能力站在数学的最高峰。 接下来要做的，是让更多的"邓煜"不必转学也能看到前沿，让更多的"王虹"不必出国也能获得自信——也是让这个国家真正长出"从零到一"的能力，而不只是"从一到 N"的速度。

菲尔兹奖不是终点，而是一个起点——它提醒我们：

教育的真谛不仅是传授知识，更是点燃那把敢于探索未知的火。 灌输，只能造出更快的做题家；点燃，才能长出敢啃百年难题的数学家。这，也正是 AI 时代对每一个想站在前沿的人，最真实的要求。

参考来源： 新华社、虎嗅、36 氪、澎湃新闻等媒体报道；北京大学官网、北京国际数学研究中心专访；邓煜、王虹获奖后公开发言及访谈。

关注本公众号，不错过本文更多数学史数学有趣故事更新～