AI推翻ETH猜想，计算机专业还值得报吗

AI独立证伪ETH猜想，说明理论计算机的苦力活正被机器接管；对求职者而言，算法岗门槛会抬高，但懂形式化验证、能提问题的人更值钱。

OpenAI与Anthropic在同一天宣布，各自内部模型推翻了统治理论计算机科学27年的指数时间假设（ETH）。Anthropic的论文里，核心算法由Claude在零人类干预下独立推演发现，唯一作者只有Claude。这条新闻在技术圈刷屏，但真正该紧张的，不是数学家，而是正在准备秋招、正在选专业、正在纠结要不要读博的计算机求职者。

ETH被证伪，和普通程序员有什么关系

先说不相关的一面。ETH是理论计算机科学里的一个复杂性假设，它被推翻，不会让你明天写的业务代码跑得更快，也不会让某个框架突然失效。绝大多数应用开发岗位的日常工作，和这个猜想没有直接交集。

再说相关的一面。ETH之所以重要，是因为过去二十多年里，大量论文以它成立为前提，去推导各种计算问题的复杂性下界。原文提到，从图论、组合优化到数据库和计算生物学，很多研究都建立在这个假设上。这意味着，一批以ETH为前提的研究结论需要重新评估，一批正在做相关课题的研究生和博士后，可能要面对选题前提被动摇的现实。

对求职者的启示不是「计算机不行了」，而是「知识半衰期在缩短」。你读研时押注的方向，可能在你毕业前就被一个新结果改写。选方向时，把「这个结论依赖哪些前提」问清楚，比记住结论本身更重要。

AI当第一作者，算法岗还香吗

原文里有个细节值得反复看：Anthropic的论文标注，核心算法由内部模型在10月16日找到，消耗1400万输出Token，没有任何人类输入。多位顶尖学者评估后表示，这相当于一个AI模型在几天内完成了一个人类顶级博士后一到两年的科研量级。

这不是说算法岗要消失，而是说算法岗的「入场券」在变。过去，能复现论文、能调参、能把一个已知算法工程化，就是不错的竞争力。当AI能在几天内推演出一份60多页的证明，单纯「会算、会证、会复现」的稀缺性必然下降。

反过来，原文提到英伟达高级AI架构师把60多页的证明压缩成22页精简版，目标是「让人类同行能真正看懂」。这个动作本身就是一种新岗位的缩影：把AI产出翻译成人类可理解、可继续推进的知识。能读懂AI的输出、能判断它哪里可能出错、能把它接进真实业务，这类能力在涨。

形式化验证，可能是被低估的求职方向

这次事件里，两家公司都没有只扔一篇PDF，而是同时公开了Lean形式化证明代码。Lean像一个铁面无私的电子审稿人，哪怕有一步逻辑跳跃都会直接报错。代码能跑通，说明逻辑底层几乎封死了出错的可能。

对求职者来说，这是一个信号：当AI大量产出需要被验证的内容，验证能力本身就成了硬通货。形式化验证、测试工程、代码审计、模型评估，这些岗位的共同点是不直接生产内容，而是判断内容对不对。AI越能写，判断力越贵。

如果你正在选细分方向，不妨把「可验证性」作为一个筛选维度。一个方向如果只有少数人能判断对错，那这些人的议价能力就高；一个方向如果谁都能一眼看出好坏，那它被自动化的速度就快。

科研求职者：从做题人变成出题人

原文引用了三年前的一个判断：AI不会简单粗暴地取代任何领域，而是会重塑它们。就像照相机发明后，画家不再比拼谁画得更像，于是诞生了印象派和现代艺术。当AI接管了算与证的苦力活，人类可以把精力花在更根本的问题上：寻找下一个值得探索的问题，建立跨越学科的现实连接。

这话对科研求职者尤其成立。过去，一个博士生的核心竞争力很大程度体现在「能算多难的题」。现在，AI在几天内就能完成顶级博士后一到两年的科研量级，纯计算能力的溢价在下降。取而代之的，是提出好问题、判断问题值不值得做、把不同学科的工具接在一起的能力。

这不是鸡汤，而是招聘逻辑的变化。实验室招人、企业研究院招人，越来越看重你能不能定义一个有价值的问题，而不是你能不能把别人定义好的问题算完。

给正在找工作的计算机人三条实在建议

• 别把「会用什么框架」当护城河。框架更新以月计，ETH这种级别的假设都能被推翻，工具层面的技能贬值只会更快。把时间投在底层原理和判断力上。
• 关注AI产出之后的环节。验证、审计、评估、翻译成人类可读的结论，这些环节目前人比AI便宜，也比AI可靠。
• 选方向时问一句「这个结论依赖什么前提」。前提被动摇时，能第一时间反应过来的人，比埋头执行的人更安全。

想看同类技术岗位的实时变化，可在求职者营地（qzzyd.com）按城市和行业订阅大厂官网在招岗位，比等新闻刷屏更早一步看到风向。

27年前，两位学者写下ETH猜想时，想不到终结它的不是人类。今天坐在工位上的计算机从业者，也未必想得到下一个被改写的会是自己熟悉的哪个前提。能做的，是别把任何一条结论当成永久地基。