夏一新／加拿大英屬哥倫比亞大學哲學博士、副教授、精神科醫師
2026年7月23日，國際數學家大會（International Congress of Mathematicians，ICM）在美國費城揭幕，國際數學聯盟（International Mathematical Union，IMU）於開幕式公布本屆費爾茲獎（Fields Medal）得主：鄧煜、王虹、John Pardon與Jacob Tsimerman。鄧煜與王虹成為首批獲此殊榮的中國籍數學家，王虹也是費爾茲獎自1936年創設以來第三位女性得主。
費爾茲獎每四年在國際數學家大會頒發，得主須在頒獎年度元旦前未滿40歲，不僅已有重大成果，也被期待繼續突破。諾貝爾獎未設數學獎，因此費爾茲獎常被稱為「數學界的諾貝爾獎」，是青年數學家最具代表性的國際榮譽。
從北大走向國際研究重鎮
鄧煜在北京大學就讀兩年後，轉赴麻省理工學院完成本科教育，再於普林斯頓大學取得博士學位，現為芝加哥大學數學系教授。他在偏微分方程、統計物理與數學物理領域均有突破，其中一項重要成果，是從微觀粒子運動嚴格推導氣體的波茲曼方程，朝希爾伯特第六問題所追求的目標邁進：為物理定律建立嚴密的數學基礎。芝加哥大學形容，這項成果回應了延續逾百年的數學挑戰。
王虹最初進入北京大學地球與空間科學學院，一年後轉入數學科學學院。本科畢業後，她赴法國接受約三年學術訓練，再於麻省理工學院取得博士學位，現為紐約大學柯朗數學科學研究所教授，並任職法國高等科學研究所（IHES）。她專攻調和分析與幾何測度論，與 Joshua Zahl 合作解決懸宕數十年的三維掛谷猜想，是最受矚目的成果；這項難題也牽動傅立葉分析與偏微分方程的研究。
兩人的求學與研究歷程，無法用單一國家的教育成就概括。鄧煜在美國完成本科後期、博士訓練及主要研究工作；王虹的學術足跡則遍及中國、法國與美國。北京大學奠定早期基礎，美法頂尖機構接續提供博士教育、學術社群與長期研究條件。這兩面獎牌，映照的是全球數學界多年交流與人才流動的成果。
馬克宏看見的是人才競爭
王虹獲獎後，法國總統馬克宏在X發布影片公開祝賀。他特別強調，王虹曾在法國綜合理工學院（École Polytechnique）接受培訓，目前任職於法國高等科學研究所（Institut des Hautes Études Scientifiques，IHES），展現法國研究與教育的卓越，並以「Choose France for Science」作結。
這場祝賀不只是禮貌，更帶有鮮明的人才政策訊息。王虹不是法國籍，法國卻把她的成功視為本國高等教育與研究制度的成果。中國官方媒體強調中國數學發展的里程碑，法國也不忘指出自己在人才養成中的角色。世界級科研人才跨國求學、任教已成常態，各國爭奪的關鍵，在於能否提供足以留住人才、催生成果的研究條件。
從華人數學家到本土研究體系
華人數學家早已在國際數學界留下深刻足跡。出生於中國、後來入籍美國的陳省身，是20世紀微分幾何的重要奠基者。國際數學聯盟於2010年設立陳省身獎章（Chern Medal Award），每四年表彰一位對數學作出傑出終身貢獻的學者。
丘成桐則於1982年獲得費爾茲獎，成為首位獲此殊榮的華人數學家。他出生於中國大陸、成長於香港，後來入籍美國，並當選中央研究院院士。自哈佛大學退休後，丘成桐將主要工作轉往北京清華大學，主持「求真書院」與「丘成桐數學科學中心」，推動中國本土數學人才培育。
費爾茲獎公布後，丘成桐期待鄧煜與王虹日後能在中國本土建立具有國際影響力的數學學派。這也點出中國數學的下一道考題：發現並輸送世界級人才只是第一步，能否讓突破性成果直接誕生於本土研究機構，才是研究體系成熟與否的真正考驗。
台灣有金牌，卻缺研究沃土
再看台灣，從來不缺有數學天分的學生。台灣選手歷年在國際數學奧林匹亞競賽屢創佳績，解題能力有目共睹。但奧數是在有限時間內破解既定難題，費爾茲獎肯定的則是提出新方法、建立新理論，甚至用十年、二十年攻克前人未解之題。從競賽金牌走到世界級研究，中間隔著的是漫長的學術訓練與穩定的研究支持。
台灣的問題，不只在於大學教職有限、薪資缺乏吸引力、研究經費競爭激烈，更在於尚未形成足以孕育世界級數學家的研究聚落。哈佛、普林斯頓、芝加哥大學與紐約大學柯朗研究所（Courant Institute of Mathematical Sciences, New York University）等國際數學重鎮，長年匯聚頂尖學者，研討活動密集，博士後制度穩定，跨校合作成熟，也有充足經費與研究資源。置身其中的學者較能擺脫短期績效壓力，沉潛於多年未必能見到應用成果的基礎問題。
近年北京清華大學透過「丘成桐數學科學中心」與「求真書院」延攬人才，逐步搭建支持長期研究的制度。台灣的純數學研究群體規模較小，大學教職與博士後職缺不足，經費審查又常要求短期可見的成果。相較之下，醫學、電機、資訊與半導體產業的收入和職涯路徑更為明確，優秀學生選擇醫學或工程，而不願投入前途不明的純數學，也就不難理解。
AI大軍不能少了數學根基
政府提出「AI新十大建設」，規畫從智慧應用、關鍵技術與數位基礎等面向推動人工智慧發展，目標是到2040年創造50萬個就業機會。然而，培訓人次不等於AI人才，AI人才也不必然轉化為就業機會。光有亮眼數字，還稱不上真正的科技實力。
人工智慧離不開數學。線性代數、微積分、機率統計與最佳化理論，都是機器學習和生成式AI的基礎。如果政策只計算培訓人數、證照張數和短期應用，卻未同步投資純數學與基礎科學，培養出的多半是熟悉工具的使用者，而非能改寫演算法、提出新理論的研究者。
台灣不缺數學人才，缺的是讓人才長期投入的制度與環境。費爾茲獎不會靠競賽成績、政策口號或一次性預算催生，而要靠穩定的研究資源與對基礎科學的耐心。若只追逐AI應用，不肯扎穩數學根基，台灣終究只能跟隨技術，難以成為創新者。
