一句比喻，为什么值得求职者先停下来

消息提到，有观点把AI在数学中的角色想象成“巅峰、非厄米形式的格罗滕迪克”，形容它覆盖面极广、是“绝对的机器”，还提到“装满它们的数据中心”。这只是观点，不代表数学界或AI界共识，也推不出哪类岗位在扩招。但对数学、物理背景的求职者，它引出一个具体问题：你想做的是数学研究、AI研究，还是AI工程支持？

三类角色，日常交付不一样

三类差别不在头衔，在交付物。数学研究看证明与理论：读文献、找反例、写严格论证，评价来自数学共同体。AI研究看模型与实验：设计实验、跑对比、分析失败原因，产出可能是论文、技术报告或可复现的实验结论。工程支持看系统与数据管线：数据清洗、训练流程、评估脚本、算力调度，让别人的实验能重复跑起来。素材里“数据中心”只提示AI与数学结合可能涉及算力和工程侧，具体分工必须向目标团队核实。

假设场景（模拟）：你拿到两个岗位描述，一个写“证明”“推导”，一个写“实现”“维护”。前者更看重你能否独立提出问题；后者更看重你能否把问题拆成可验证的小步骤。这不是谁高谁低，而是两种耐心。不要因为一句比喻就认定某条路径一定适合自己。

面试时，用具体问题替代自我想象

可问团队最近一个具体项目：数学背景成员实际负责什么？产出如何评估？与工程成员怎么分工？如果回答“什么都做”，可追问最近一个月时间大致分配。还要问：这个岗位是研究导向还是支持导向？日常有没有独立提出问题的空间？对编程、数据管线要求到什么程度？这些不是断言面试官一定会问，而是你可用来自查的核查问题。

如果暂时不进入AI团队，先梳理证明能力、建模能力、编程能力各占多少，再对照目标岗位动词。一个实际可做的小建议：找一份你感兴趣的交叉岗位描述，圈出所有动词，看它们是“证明”“设计”“实现”还是“维护”，再对照过去一年真正花时间做的事。对不上的部分，就是面试前要补或要问清楚的。