这事像老楼里的一堵承重墙：每家门牌都还挂着，先酥掉的却是墙缝。我觉得，OpenAI 这次推翻离散几何里的老猜想，真正先被AI打薄的，不是岗位，是学科边界。
题目本身朴素得近乎天真：平面上摆 (n) 个点，距离恰好为 1 的点对，最多能有多少？从 1946 年起，很多数学家长期相信，像地砖那样排出的方格，已经差不多是极限了。OpenAI 一款通用推理模型给出的答案，却不是在几何屋里继续磨地板，而是从代数数论那条后巷翻墙进来，直接把这层“常识”掀了。外部数学家随后核过证明，还专门写了伴随说明。
这条消息最容易被说俗：又一个“AI 要抢人饭碗”的故事。错了。饭碗没那么好抢，墙倒是比门更好拆。
岗位是劳动合同、责任链、审批权、签字权，厚得像防盗门。学科边界是什么？是课程表，是期刊圈，是评审口味，是“这不归我”的职业礼貌。门后面站着制度，墙后面多半只是习惯。制度难搬，习惯先裂。
岗位是门牌，学科边界才是承重墙。
凌晨一点，数学楼的白板上还是密密麻麻的方格。做离散几何的博士生在试第十七种摆点法，隔壁研究数论的人还以为这事跟自己隔着一层楼。结果钥匙偏偏藏在隔壁抽屉里。最讽刺的不是 AI 会做几何，而是它根本不认“几何系”这块牌子。
人是按学科长出来的，AI 是按问题游走的。
这才是反常识处。人类专家当然聪明，但专家有一个隐秘的缺点：太像本地人。谁都知道巷子深浅，谁也不爱翻墙。论文审稿奖励你把一口井挖得更深，不奖励你提着别家的桶来打水；基金申请看重你“持续耕耘本领域”，不鼓励你像走街串巷的小贩一样，把几条街的手艺混在一起。AI 恰恰没有这种体面。它不怕越界，也不觉得串门丢人。
AI 最危险的不是会写周报，而是会串门。
周二上午，肿瘤会诊室里，影像科盯着片子，病理科看切片，药师翻药物相互作用，谁都专业，谁也都只负责一角。以前要三拨人把各自的半句真话凑起来，才勉强拼成一句完整判断。AI 一旦能把影像、病理、药理和病例史同时拎到桌上，先被削薄的不是“医生”这个职业，而是“这个信息归哪一科看”的边界。
晚上九点，电池实验室里，工程师看循环寿命曲线，材料组追晶体结构变化，采购组盯稀有金属价格，法务还在翻专利。每个人都像一颗拧紧的螺丝，认真得很，也局限得很。要是 AI 能把实验数据、论文、专利和供应链一起穿起来，最先过时的不是某一颗螺丝，而是整块按职能切开的抽屉柜。
最先过时的，不是某个人，而是“这不归我管”这句话。
所以，OpenAI 这次真正令人发冷的地方，不在于它证明了一段多长的数学论证，而在于它示范了一种新的知识运动方式：一道看上去是拿尺子和格点玩的几何题，最后却被研究整数深层结构的工具撬开。学科本来像知识的户口本，投胎在哪一页，就最好老死在哪一页；AI 的麻烦在于，它没有户籍警。
这也是为什么我觉得，大学、研究所、公司接下来最先松动的，不会是岗位编制本身，而是那张把问题切碎、再分包给不同学科和部门的地图。地图会先失真，门牌反而还会撑一阵。因为人类社会不是只靠“会不会”运转，它还靠责任、信任、问责和后果运转；这些东西，决定岗位更慢被替代。可知识边界不同，它靠的是谁有资格碰什么问题。一旦 AI 开始稳定地把甲学科的锤子，抡到乙学科的钉子上，边界就会像受潮的墙皮，一片一片往下掉。
专家不会因此贬值，反而更贵。只是以后最值钱的，未必是守着一间屋子的人，而是知道哪堵墙该拆、哪堵墙拆了房子会塌的人。因为 AI 能把远处的工具搬过来，却不天然知道哪些结果值得信，哪些问题值得做，哪些连接是桥，哪些只是术语走私。
我对这件事的判断很简单：AI 当然会碰岗位，但它更早改写的，是谁有资格处理哪类问题。门牌还在，墙已经发潮。等大多数人终于听见裂缝声，粗黑的学科分界线，早就只剩铅笔印了。