这条预测里哪些是可核查的，哪些只是预测？

消息提到，Sam Altman在《财富》杂志采访中回忆了一条时间线：三年前的夏天，AI在小学数学上都不算好；两年前的夏天，能在AIME上取得不错到很好的成绩；一年前的夏天，勉强拿到IMO金牌；今年夏天解决了千禧年大奖难题。他还说，再往前推四次，正是人们担忧的来源。

对求职者来说，这条信息要拆成两层看。前三段是时间线陈述，具体题目、成绩和验证方式都可以去查；而“再推四次”是个人判断，不是已发生的事实，也不代表OpenAI官方路线图或行业共识。至于“解决千禧年大奖难题”具体指哪道题、由谁验证、数学界是否认可，素材没有交代，不能当成定论。

所以，看到这类预测先别急着改简历。把它当作一条待核查的动态，而不是招聘市场的信号。

我的目标岗位里，哪些任务真的和数学能力相关？

素材只谈AI在数学竞赛上的表现，没有提任何岗位或行业。这意味着，从“AI数学变强”推到“某类岗位会消失或新增”，中间缺了关键一环。

你可以做一次任务盘点。假设你正在考虑算法、数据分析或量化方向，先列出日常真正依赖数学推理的环节：是推导模型、设计实验，还是清洗数据、写业务报告？两类方向关注点不同——偏研究的岗位看重问题定义和验证方法，偏工程的岗位更看重把方案落到可维护的系统里。同一道数学题，工具能算出答案，但要不要用这个答案、误差多大、业务上是否成立，仍要人来判断。

读岗位描述时，还要确认：这个岗位的数学要求是面试筛选，还是每天真的在用？团队用什么工具、成果如何验收？这些信息比一条能力预测更能帮你做决定。

面对不确定的能力预测，求职者现在可以做什么准备？

与其押注预测成真或落空，不如把精力放在可迁移的部分：把目标岗位的核心任务拆细，练习用工具辅助自己完成其中一环，再向在职的人核查这一步到底有没有价值。

可以给自己设一个观察周期，比如每季度回看一次：目标岗位的招聘描述有没有变化，面试里出现的题目类型有没有调整。如果发现某类任务正被工具接手，就补相邻技能；如果暂时没变化，就继续投入当前方向。

一个实际可做的小建议：挑一个你目标岗位的真实任务，用现有工具做一遍，记录哪一步省力、哪一步仍需你判断，再拿这份记录去和从业者聊十分钟。这比追着预测跑更接近你自己的答案。