2026年8月1日，OpenAI宣布其尚未正式發布的新一代模型Astra，以不到2,000美元的推論成本，一口氣攻克了橫跨高維幾何、群論、格密碼學、量子複雜度等領域中，懸而未決超過十年的十道數學難題。這個消息在國際數學社群引起極大震動。菲爾兹獎得主陶哲軒隨即在國際數學家大會上警告，數學界正從「證明稀缺」走向「證明過剩」的新時代。這不只是一條科技新聞，更像是一記重捶，敲醒那些多年來仍相信人類智識不可取代的學者。
問題隨之而來，當AI開始展現出原創推理的能力，大學裡的學術研究，究竟何去何從？
人才出走誰之過
過去幾年，科技巨頭對AI研究人才的爭奪幾乎到了瘋狂的地步。2025年，Google、Amazon、Microsoft與Meta合計斥資3,800億美元投入AI建設，預計2026年將進一步飆升至6,500億美元，其中很大一部分流向頂尖技術人才的薪酬。Meta甚至傳出以四年2.5億美元的天價薪酬，挖角一位專注於AI訓練的研究者。
這種薪水差距，讓大學根本無從招架。一項追蹤逾4萬名美國AI研究者的報告指出，40歲以下研究者離開大學的機率，大約是資深同儕的六倍，且轉職後約七成的人五年後仍留在企業。企業頂尖AI研究者的年收入從不到60萬美元飆升至近200萬美元，而大學同等層級的學者薪酬僅從30萬元出頭增至不到40萬，雙方的差距已擴大至150萬美元以上。這不是個人選擇問題，而是結構性的資源不對等，讓最優秀的學者無從抗拒。
離開的不只是教授，帶走的還有整個研究生態。當明星教授離去，研究生失去的不只是一門課，還包括推薦資源、研究網路、接觸研究問題的機會，以及整個研究群組的運作能力，因為指導老師去科技公司「休假」了，不知何時回來。
研究生態的撕裂
人才問題之外，研究議題的結構性偏移同樣令人憂慮。當前的學術AI圈，幾乎已被大型語言模型（LLM）所主宰，但許多真正重要的問題，既不適合LLM，也不受科技公司青睞。有學者長期研究語言模型是否對不同性別提問者給出差異化的回應，這類研究若由OpenAI或Anthropic自行推動，結果若對自家產品不利，很可能根本不會問世。更不用說氣候科學、生態保護、公共衛生等需要長期田野調查的研究，這些既無法產品化，也難以轉換成具有市場價值的模型功能，在資源爭奪中自然處於極不利的地位。
這種由市場邏輯主導的知識生產模式，意味著某些問題會被集中放大，另一些問題則被系統性地忽略。學術研究本應承擔的那種長期、非功利、甚至反商業的角色，正在悄悄萎縮。
大學的生存之道
那麼大學還剩下什麼？或許答案恰恰藏在那些看似不利的條件之中。
資源匱乏迫使學者思考更精簡、更高效的研究方式，無力訓練百億參數模型的實驗室，只能開發更小、更有解釋性的模型，或者探索完全有別於現有模式的新架構。歷史上，許多真正影響深遠的突破，恰恰來自資源有限卻思路自由的環境。
更根本的問題是我們期待大學扮演什麼角色？如果大學的功能只是訓練人才、輸送給企業，那麼它注定是這場競賽的輸家。但如果大學是社會批判性思維的最後堡壘，質疑科技公司不願質疑的問題、保存那些無法立即變現的知識、培養願意等待十年才能看到結果的研究者，那它的價值根本無從被取代。
AI攻克數學難題的速度可以繼續提升，但決定「該解哪些問題」「解了之後意味著什麼」「誰有資格詮釋這些答案」，仍舊是人類的責任。這份責任落在學者身上，也落在社會對學術研究的態度上。我們給大學多少空間、多少耐心、多少資源，決定了我們最終能得到什麼樣的知識。
若AI是洪水，大學不應只是被淹沒的低地，而應是引水灌溉的渠道。這個轉變，需要的不只是學者的努力，更需要整個社會對知識本身的重新珍視。 （相關報導： AI時代有望實施週休3日？美國科技巨頭工程師曝「真實情況」，用AI省下來的時間都在這 ｜ 更多文章 ）
＊作者為台北商業大學榮譽講座教授
