第三十三章 多元数学怎样形成职业与服务

一、新研究机会与新职业之间还有多远

发现一个值得研究的问题，并不等于已经形成一份职业。研究机会只表明存在可能增加知识的活动；职业还要求有人愿意并能够持续提供资源，使从业者通过这种活动维持生活；服务则要求成果进入某类使用者的具体任务。三者可以相互促进，也可能长期分离。一项深刻理论没有即时市场，并不因此失去数学价值；一个收入稳定的服务，也未必需要新数学。

工具封装可以降低提供某些服务的成本，但低成本不是需求的充分条件。一个过去昂贵的计算现在能够迅速完成，使用者可能因此增加需求，也可能只是用更少预算完成原有任务。若服务仍围绕相同对象与指标竞争，供应增加甚至会压低收入。数学家的转型不能只问自己现在会做什么，还要问这些能力能够让谁完成此前难以完成的活动。

这种提问也不能退化为迎合即时购买意愿。基础研究的重要性常常无法由当前客户表达，它可能通过训练、方法积累和未来应用获得价值。因此，学术支持、公共投入、行业合作与直接收费服务应当并存。典范多元化需要多种资源渠道，任何单一渠道都可能把问题选择限制在自己的时间尺度和评价范围内。

SIAM于2012年发布的《工业中的数学》报告与其职业资源表明，数学活动早已分布于大学之外的多种组织，数学与计算、领域知识、沟通和协作共同进入实际工作。这里能够得到的启示是职业形态具有多样性，而不是报告已经证明未来AI一定创造更多数学岗位。岗位总量、收入和进入门槛仍需具体时期、地区与行业证据，不能从工具潜力直接推出。

本章因而讨论形成机制，而不提供热门职业名单。行业名称变化很快，持续有效的问题是：谁拥有需要处理的困难，困难能否被表达为可检验任务，新的数学活动增加了什么价值，谁承担试错和维护成本，以及成果怎样在组织中被使用。只有这些连接逐步建立，研究机会才可能转化为可持续职业。

对于纯数学家，这并不要求人人成为企业家。有人通过新理论形成学术方向，有人为既有行业提供结构分析，有人建设公共库，有人发展课程与研究平台。个人可以选择其中一类，也可以在合作中组合不同角色。多元职业的意义在于增加参与方式，而不是把所有数学家迁移到同一种商业模式。

二、从一次建模委托到持续的问题共同体

考虑一个明确标注的假想案例。某城市设施维护团队希望安排巡检顺序，现有方法把每个设施视为独立对象，按故障评分排序。实际工作人员发现，相邻设施共享施工条件、交通影响和维修窗口，逐个排序会产生反复进场。数学合作的起点不是立即发明新数，而是共同确认问题构成：被管理的是独立设施，还是具有重叠影响范围的维护活动。

如果常规图模型已经足以表达这些关系，应当优先比较它的效果，而不把范围性描述自动宣布为新典范。若某些影响随操作历史变化，且现有简化导致稳定的决策偏差，可以进一步提出历史依赖模型。新结构的必要性需要通过差异显现：在相同资源约束下，它是否改变可行方案，是否减少某类遗漏，是否让使用者理解此前难以表达的冲突。

初次合作可以限定为一组经过允许使用的历史任务，比较现行方法、一个简单基线和候选模型。评价不应只有预测误差，还应包括计算成本、解释负担、数据需求和执行限制。一个模型即使平均表现更好，如果需要现场无法获取的信息，也可能没有实际使用价值。数学上的表达收益必须与组织中的可实施性共同检验。

持续服务的对象由此可能发生变化。团队起初以为需要一个排程算法，后来发现更需要一套能够更新对象边界、解释例外和记录决策的方法。数学家提供的也就不只是一次计算，而是与使用者共同维护问题表达的能力。新的职业活动可能在这里形成，但前提是使用者确实反复遇到这些变化，并愿意为持续处理提供资源。

服务关系也可能止于一次成功交付。如果问题稳定、工具容易维护，使用者能够自行完成后续工作，那么减少对数学家的依赖就是合理结果。不能为了维持收入故意制造不透明性。职业升级应寻找新的活动价值，而不是用复杂包装保护本可被封装的旧劳动。这正是本书工具史命题在数学服务中的直接检验。

当多个使用者面对相似问题，可以逐渐形成问题共同体。他们共享的未必是同一行业，而可能是相似的结构困难：范围重叠、历史依赖、目标冲突或对象边界变化。数学家能够比较这些情形，识别可迁移部分与不可迁移部分。服务由个案走向方法，再由方法走向研究方向，需要这样的比较积累，不能仅靠把同一产品卖给更多人。

三、把数学成果变成能够使用的作品

从定理到使用之间有大量工作。定理说明在给定条件下什么成立，使用者还需要知道自己的情形是否满足这些条件，怎样准备输入，怎样解释输出，以及何时停止依赖结果。软件、文档、课程和示例可以把这段距离缩短，但它们不是可有可无的包装。它们共同参与成果进入实际活动的过程。

一个新模型的研究作品，首先应保留数学核心：定义、命题、证明和适用条件。围绕核心，可以建立最小可运行实现、能够手工检查的小例子、与已有方法的比较，以及失败案例。使用者不必阅读全部证明才能开始探索，但需要有路径返回依据。封装的意义是允许分层使用，而不是把根据永远隐藏。

软件维护则具有独立成本。数据格式变化、依赖库升级、使用范围扩大，都可能使原来正确的实现失效。若数学家只计算首次开发时间，就会高估服务可持续性。一个合理合作应明确哪些更新包含在当前支持中，哪些变化属于新的研究问题，哪些故障需要暂停使用。边界清楚，才能避免研究者被无穷的小修补吞没。

课程也是一种数学能力封装，但优质课程不能只交付固定答案。在AI能够生成大量解释的条件下，课程的价值更加依赖问题顺序、反馈方式和真实能力的观察。面向某个问题共同体的课程，可以让学习者改动模型、比较后果并说明失败原因。学习者逐步获得参与研究的能力，课程就与持续数学发生相连。

研究平台则需要谨慎区分功能和活动。把文献、聊天、代码和图表放在同一页面，不自动形成研究平台。平台需要帮助使用者保存问题版本、连接依据、展开不同分支、发现冲突并形成可以接续的成果。它的价值应通过真实任务检验：使用者是否更容易发现错误，是否减少重复试验，是否能够把个人探索转化为可讨论作品。

在这些形态中，数学家可以与软件开发者、设计者、教师和领域专家合作。没有必要假定一个人独自承担全部环节。人—AI复合体也不只是个人加上一个模型，它可以在更广的协作网络中形成。不同参与者共同改变问题与能力，职业价值才有可能从单项解题扩展到持续活动的组织。

四、价值形成、付费意愿与公共支持

一个模型创造价值，并不意味着提出模型的人自动获得收益。价值可能由使用组织、平台提供者、数据拥有者或渠道控制者取得。工具史已经显示，能力扩张与劳动者收入之间不存在简单对应。数学职业的讨论因此需要进入资源分配，而不能只鼓励研究者不断提升能力。

在直接服务中，可以区分研究探索与稳定交付。前者有较高不确定性，双方应共同确认试验目标、阶段材料和停止条件；后者则可以围绕明确功能与维护范围形成约定。若把探索按确定结果承诺，数学家可能为无法保证的突破承担压力；若把稳定服务永久称为研究，又可能使使用者无法评价成本。具体安排应依实际制度与专业协助确定，本书不代替合同设计。

付费意愿也受到组织结构影响。某项改进节省很多人的时间，却没有任何一个部门拥有相应预算，服务便可能难以成立；某项新方法对社会有益，却在短期内无法被单个使用者独占收益，也可能需要公共支持。这些情况说明市场反馈有用，但不是研究价值的完整裁判。

基础数学、开放形式化库和公共数据工具尤其如此。它们常常为大量后续活动提供条件，而难以把收益逐一回收。公共资助、大学岗位、共同体维护和不同机构合作，能够支持这类活动。具体资助机会会随地区与时期变化，应依据当期规则申请，不能把一般支持原则写成随时可获得的经费承诺。

即使存在公共支持，也需要说明成果如何接受评价。长周期研究可以不承诺即时应用，但应呈现问题重要性、方法进展、失败所提供的信息和后续路径。评价应允许不同发展节奏，同时避免用“基础研究无法预测”保护永远不受检验的主张。开放时间尺度与保持论证责任可以并存。

收入模式还会反过来影响数学对象。按调用次数收费，可能鼓励制造更多操作；按短期预测效果付费，可能排斥难以立即测量的结构研究；按论文数量评价，又可能鼓励分割成果。研究者与机构需要看见这些影响，争取让资源安排支持实际目标。职业不是研究外部的附加条件，它参与决定什么问题容易发生、什么问题持续被忽略。

五、新理论方向怎样形成共同体

新理论能够成为持续职业活动，通常需要更多人发现它值得投入。这里的关键不是拥护人数，而是出现独立使用与修订：他人能否用它提出新问题，能否找到作者未预见的反例，能否把它与既有理论连接，能否培养新的研究者。一个只有创始人不断解释的体系，还没有充分证明接续能力。

形成共同体需要可进入的梯度。若所有材料都从宏大本体论开始，后来者可能找不到可以动手的地方；若只提供零散算例，又难以理解研究方向。可以让读者从最小对象与命题进入，再逐步理解更广问题。学习资源、研讨活动和可运行实例因此具有研究作用，它们使不同背景的人能够参与检验。

共同体还需要容纳不同程度的接受。有的参与者认可模型的计算价值，却不接受整体哲学解释；有的研究者愿意发展一个分支，却反对把它称为数体系。这些分歧不应自动被理解为不忠实。典范候选要发展为能够持续研究的方向，就必须允许局部使用和实质批评，否则它只能依赖对创始叙事的整体认同。

数学家可以通过共享问题而非共享口号组织合作。例如，围绕某类范围对象，分别研究表示、组合、稳定性与应用边界。参与者使用不同工具，甚至采用不相容定义，也能通过共同算例比较后果。这样的共同体以研究活动连接，而不是先要求所有人接受同一结论。

理论方向的职业基础可能逐步形成：课程带来训练需求，软件带来维护需求，跨学科问题带来合作，可靠成果带来机构支持。但每一环都存在失败可能。课程可能有人感兴趣却无人继续研究，软件可能受欢迎却难以获得维护资源，合作也可能在项目结束后消散。不能把这些可能环节写成必然增长曲线。

对创始研究者而言，真正的成长标志可能是失去部分控制。后来者给出不同定义，发现更好表示，甚至证明原有解释需要修改。若研究者只能接受扩张而不能接受修正，共同体便难以独立。多元数学的职业形态应奖励可接续的开创，也应承认后续维护、反驳和改造的贡献。

六、辨认服务升级与新一轮内卷

AI使数学服务更容易进入市场，也使相似服务更容易复制。如果每个人都提供同样的自动解题、报告生成和标准模型，竞争可能迅速集中于价格与速度。此时增加工具调用量未必带来更多价值，甚至可能使成本与收入同时下降。职业升级需要检查服务是否进入新的问题层次，而不能仅看生成能力是否增强。

新的层次可能来自更清楚的问题构成、更可靠的验证、更合适的对象表达和更持续的共同学习。例如，设施维护服务的升级，不是把旧排程报告从一周缩短到一分钟之后不断降价，而可能是使使用者能够及时重构任务、识别模型失效、比较不同目标，并在实际反馈中修改下一轮安排。价值形成于活动改变，而不是文本增多。

但不能因此把所有标准服务贬为内卷。标准化可以降低门槛，让更多人受益，也可以为复杂探索提供稳定基础。问题是从业者是否被迫在没有新需求与合理分配的条件下无休止增加相似劳动。衡量内卷需要同时看工作量、使用价值、收入和可选择性，不能只凭同业竞争存在就下结论。

研究者可以定期选择几个真实任务，比较工具介入前后的变化。使用者是否完成了过去无法完成的活动？研究者是否获得更深的问题理解？维护负担是否增长过快？服务是否依赖无法替换的平台条件？如果改进只发生在输出数量，其他方面没有变化，就需要考虑调整方向。判断应基于任务记录，而不是销售语言。

个人也需要保留退出某种服务的可能。若一种模式持续侵蚀研究时间，却无法支持生活与学习，退出可以是合理调整。机构若希望数学家参与社会服务，也应提供相应支持，不宜一边要求学术成果，一边把全部合作成本视为个人兴趣。跨界活动的真正成本需要被看见。

这个建设过程可以通过一次明确的服务复盘来观察。假想的维护项目结束第一阶段后，数学团队发现模型生成只占很少时间，大量劳动用于确认记录含义、解释异常和与现场人员沟通。如果他们仅按计算时间估计报价，就会误判成本；如果把所有沟通都视为数学之外的杂务，又会忽略对象正是在这些互动中被修正。服务真正的生产单元，是共同形成可行动判断的过程。

第二阶段因而可以改变分工。现场人员学习自行完成稳定的数据整理，数学家集中处理无法按既有规则分类的情形，软件人员维护输入与结果的可追溯关系。AI支持各方查找类似问题并生成候选解释。这样，成熟步骤逐渐封装，新的困难被明确留出来。若使用者只是减少购买，而没有出现新的困难与活动，数学家也应接受这项服务的需求可能收缩，再寻找其他研究连接。

复盘还应考虑价值的分布。某种排程提高总体效率，却可能把不便利集中到某些社区或工作人员身上。数学模型能够呈现不同目标之间的取舍，但不应替所有相关者自动决定什么分配公平。把隐藏影响转为可讨论问题，本身是一种服务价值；掩盖这些影响以提高单一指标，则可能损害长期信任。

这说明服务的数学含量并非由公式数量决定。有时增加一个新变量很容易，困难在于明确它代表什么、能否被观察、由谁承担改变。多元数学发生若要进入职业世界，就需要尊重这些构成条件。它既包括理念中的结构创造，也包括现实中的试验与自我世界中的信任形成，三者相互制约，任何一项都不能由另一项的成功直接代替。

多元数学能够形成职业与服务，但这种形成是一项需要共同建设的事业。它要求问题、方法、使用者与资源之间建立稳定而可修订的连接。工具封装提供新的起点，数学家和共同体要做的，是把这个起点变成更多人能够参与、能够持续、能够检验价值的数学活动。