7月23日，在美国费城，数学家邓煜（左）、王虹在获奖后的记者招待会上合影。新华社记者 李睿 摄

7月23日，美国费城，2026年国际数学家大会开幕式上，大家共同见证了一个历史性时刻：中国数学家王虹和邓煜双双获得菲尔兹奖。

这是中国数学取得的一次重大突破。消息一出，全网刷屏。盛赞之后，一个更现实的追问随之而来：数学跟普通人有什么关系？我们为什么要学好数学？那些写在论文里的公式，又是如何“算”出生产力的？

玩起来：回归数学“好玩”的本真

北京中关村，中国科学院数学与系统科学研究院的办公楼前，立着一块牌子，上面写着几个递进的词：“认识数学，爱上数学，迷上数学。”

“数学是美好的，是有趣的。”这是全国政协常委，中国科学院院士、数学与系统科学研究院研究员袁亚湘想传递的一个信息。

数学如何好玩？袁亚湘在科普报告中常常讲到一个“洛必达法则”的故事。这个大学数学定理说的是两个函数比大小，看不清楚时，就求导数，看谁“跑”得快。

“我常跟孩子们讲，‘洛必达法则’说明一个道理：谁跑得快，关键看速度，而不是起点。”袁亚湘说，“希望小朋友们明白，数学公式不是枯燥的符号，它刻画的可能是生活中很深的哲理。更重要的是，要快乐起来。”

那么，数学之美，美在何处？

全国政协常委、中国科学院院士、中国数学会理事长席南华曾这样描述：“有形美，比如一些让人有惊艳之感的几何图形，一些简单函数迭代产生的图形、分形，但更多的是抽象思维的美。比如，三角形三条中线交于一点，这种出人意料的‘巧合’让人惊奇……此外，数学对象内涵的丰富性也让人惊讶。比如关于素数分布的问题，催生了素数定理、黎曼猜想，黎曼为此引入的黎曼ζ函数，其本身又被认为是‘美极了’的……”

“现实中复杂的问题，用数学语言可以优雅地解决。如欧拉解决哥尼斯堡七桥问题，或证明任意六人中必有三个人互相认识或互不认识，都展现了智慧的魅力和思维的美。”席南华说。

“中国古代数学言约旨远。”时常出现在数学科普场合的全国政协委员、中国科学院数学与系统科学研究院研究员周向宇尤为热爱“考古”。

央视开年大剧《太平年》热播时，主角钱弘俶经常摆弄一种小棍。周向宇一眼认出：“这是古代以‘筹’为工具做的数学。这种小棍是‘算筹’，他在做的事叫‘筹算’。”

周向宇一直呼吁将中国古代数学与数学教育、数学普及紧密结合起来，让更多年轻人感受到数学的力量。

数学的“好玩”无处不在。但这种“好玩”如何被发现、被吸引？全国政协委员、中国科学院自动化研究所研究员赵晓光认为，关键在于基础教育阶段的实践导向教学。“建议用真实科研场景替代机械刷题，通过科学探究、工程实践等环节，保护学生的好奇心与探索欲。”

用起来：让数学“算”出澎湃生产力

在距离北京数百公里外的山西阳高，一排排服务器在中联绿色大数据产业基地的机房内高速运转，跳动的数据流在光纤网络中奔涌，勾勒出数字经济最生动的产业图景。

中联数据集团副总裁、学术委员会主任康楠每天面对的，正是数学在产业一线“被使用”的真实场景。

“在国家‘东数西算’战略工程背景下，我们参与了全国多个算力基础设施枢纽节点集群建设，在打造更高效率、更低能耗、更优模式的绿色算力底座等方面，广泛需要数学理论工程转化的支持。”康楠说。

他举了两个例子：一个是通过深度强化学习（Deep RL）‌在数据中心物理数字孪生环境中训练出专门智能体，让它学会“什么时候该用免费的自然冷源、什么时候该提前预冷、什么时候该把计算负载搬到电价便宜的时段”等。另一个是在数据中心散热气流的模拟优化方面，大量使用了数学理论工具，生产管理对象在CFD（计算流体力学）仿真精度上得到了大幅提升。

“数学为工业创新提供的，正是把复杂系统变得可理解、可计算、可优化和可验证的能力。”南方科技大学教授王凭慧表示，很多工业竞争表面上表现为设备、软件或产品竞争，往深处看，往往是模型精度、算法效率和系统优化能力的竞争。

他以人工智能为例阐释：“模型训练离不开概率统计、线性代数和优化理论，模型能否泛化、是否鲁棒（‌抗干扰‌和‌容错‌）、结果是否可信，同样是数学问题。工业软件的核心，不是把流程搬到计算机上，而是把材料、结构、流体、电磁、热等物理规律转化为可求解的模型，并通过数值方法在可接受时间内得到稳定结果。”

在王凭慧看来，未来数学的重要性还会进一步上升。第六代移动通信的信息处理、量子科技的算法和纠错、脑科学与脑机工程的神经信号解析，都需要数学提供理论和方法；在生物制造领域，蛋白质结构预测、基因序列设计需要综合运用数学建模、统计推断、机器学习和优化算法；在未来能源领域，复杂流体计算和多物理场模拟则是开展系统设计、性能分析和安全评估的重要手段。

“可以说，数学帮助人们认识系统规律、提高计算和预测能力，为产业的探索和演进提供了支撑。”王凭慧表示。

强起来：锻造“算得准、可信赖”的数学底座

数学强，则科技强；科技强，则国家强。

那么，从纯数学突破到真正走进机房、车间和实验室，中间还隔着什么？

王凭慧认为，数学在复杂系统工程及高端制造领域至少有三重作用：把复杂物理过程表达为可分析的模型；在多目标、多约束条件下找到更优的工程方案；用概率、统计和误差分析回答系统在真实环境中是否可靠。

“重大工程性能的提升，有时确实源于人们对一个数学模型、一种计算方法或一组系统规律的重新认识。但这需要数学家、工程师、软件人员和试验人员的长期接力与深度协同。”王凭慧说道。

“数学理论→工程封装→标准发布→企业集成→反馈优化，这个链条环环相扣。”康楠认为，“企业需要的，是‘跑得稳、算得准、能上线’的数学模块，而我们的供给还跟不上。”

为什么跟不上？王凭慧点出了关键：“企业提出的需求不是‘需要什么数学成果’，而是如何解决具体的工程性能瓶颈。基础研究成果回答原理问题，企业关心的却是能否稳定运行、能否制造、成本是否可接受。中间还需要算法工程师、系统工程师、试验平台和首批用户共同完成大量工作。”

那么，好的成果转化合作模式长什么样？王凭慧认为是建立场景牵引、闭环验证的协同机制：企业或用户先开放真实场景、数据和明确的性能指标；高校或科研团队负责机理研究、模型与算法创新；概念验证和中试平台把原理样机推向工程样机；龙头企业或应用单位再承担系统集成、试验定型和首批应用。

采访中，康楠还提到了另一个“卡脖子”环节：“桥梁型人才”的匮乏。“社会上既懂数学证明、又能写出高性能算法程序、还能实现产品平台化搭建的‘科学翻译者’太少了。”

对此，赵晓光深有同感。她建议搭建校园概念验证空间，降低成果转化“最初一公里”的试错成本；建立技术成果成熟度评价体系，培育专业技术经理人队伍；打通数学理论与AI技术衔接链条，培养交叉学科人才。同时，要进一步打破“以帽取人”的导向，建立长周期学术评价体系，以成果原创性、论文质量为核心标准，保障青年学者的科研条件与生活待遇。

王凭慧建议，要进一步完善科教融合、产教协同育人机制，把基础研究、工程实践和人才培养贯通起来，让学生在前沿科技创新实践中淬炼成才，使科技企业从用人方转变为共同育人方。

“玩好”，是让一代代年轻人在好奇与热爱中走进数学；“用好”，是让数学从公式变成数据中心里的优化算法、飞行器设计中的气动模型、工业软件里的求解内核；“强起来”，则是对未来的承诺。

正如赵晓光所说：“要鼓励科研人员挑战高难度冷门重大问题，培养能开辟新方向的顶尖人才，这是一个国家从科技大国迈向科技强国的必经之路。”（本报记者 周佳佳）