10月17日，中国数学奥林匹克四十周年大会在长沙启幕。22位IMO奖牌得主获颁纪念章，田刚院士致辞，邓煜线上致辞——2026年菲尔兹奖得主的身份让这段连线格外引人注目。
田刚院士在致辞中提及：
"当前人工智能正在成为数学研究的重要工具，也在深刻改变人们学习数学、研究数学的方式……更应该重视学生对数学本质的理解，重视数学直觉、独立判断和原创性思维的培养。"
这段话被多家媒体截取传播，多数解读将其归为"AI时代数学依然重要"的定心丸。但置于国际竞赛与国际学科的具体语境中，它的指向其实更为锋利——
AI没有削弱数学教育的价值，但它正在系统性地淘汰一种特定的训练方式：以答案为终点的封闭式刷题。
01、能力边界的迁移
2026年7月，国际数学奥林匹克（IMO）上海赛场，一个值得记录的细节是：多家AI系统通过独立通道完成同题测评并取得满分。这一事件在竞赛圈与家长群中引发震荡，核心焦虑并非"AI会不会取代数学家"，而是"孩子花了三五年训练的竞赛技能是否正在贬值"。
要回答这个问题，需要区分两类能力：
第一类是条件完整、目标明确、存在标准路径的封闭型任务。AMC选择题中的大量题目属于此类——识别题型、匹配方法、执行计算。这类能力AI的执行效率已显著超过人类，且边际成本趋近于零。
第二类是问题识别、路径选择、构造反例、口头论证与过程校验。BMO证明题、STEP/MAT加试题、牛剑数学面试中的追问环节，考察的正是这一层。AI目前能辅助其中部分环节，但无法独立完成"判断一道题是否值得做""在两条可行路径中解释为何选择其一""面对面试官的连续追问保持推理链的完整性"。
袁新意（未来科学大奖得主）在同期访谈中的表述可作注脚：AI擅长整合已有理论、批量构造示例，但"缺乏原创好奇心，不懂分辨数学的好坏轻重"。田刚在北京日报的另一场访谈中也明确提到：AI给出的证明是否正确，最终仍需要人来判断。
这意味着，竞赛训练的价值锚点正在发生位移。过去十年，大量竞赛备赛以"覆盖率"和"速度"为核心指标——刷够题型、练熟套路、限时抢分。这套逻辑在AI介入之前是有效的筛选机制，但在当前阶段，它的区分度正在被快速压缩。
02、从AMC到BMO：一条被忽视的能力断层
- 思路可及，但书写无法完整呈现推理链；
- 能感知到正确方向，但无法在第三步之后维持逻辑严密性；
- 面对"请解释你为什么选择这个切入点"的追问时，回答停留在"感觉应该这么做"。
这不是智力问题，是训练结构的惯性。选择题模式下，"选对"是充分反馈，过程可以内隐。证明题模式下，每一步推导都必须外显、可检验、可辩护。两种模式对人的要求存在本质差异。
今年SMC赛制改革提供了一个旁证：UKMT将最后三题从单选改为000-999填空，起始分25分、答错倒扣1分。这一调整直接取消了"排除法"和"特值代入"的容身空间，考生必须对推导过程有完整把握才能落笔。
中国数学奥林匹克四十年，竞赛教育的外部环境发生了两次根本性转变：第一次是从"少数人特权"变为"可规模化训练的标准化产品"；第二次是AI介入后，标准化训练本身正在失去稀缺性。
田刚院士口中的"数学本质"，落实到国际竞赛与国际学科的具体场景中，指向的是同一件事：训练学生成为推理过程的主人，而非答案的搬运工。
竞赛不会消失，但竞赛教育的分野正在拉开——一端是逐渐被AI覆盖的"答题流水线"，另一端是AI无法触及的"独立判断与原创推演"。家庭的选择，决定了孩子站在哪一端。
