黄骄阳，全国数学竞赛第一名，国际奥数满分金牌，清华姚班天才学子，哈佛大学顶尖博士，双胞胎弟弟黄政宇被保送至北京大学。
 
在旁人看来，难题绕来绕去，既枯燥又费脑子。对他们而言，解题却像一种乐趣。能不能把一道题拆开，再找到更简洁的办法，可能比奖项本身更能让人投入。
 
2009年，黄骄阳代表中国参加第50届国际数学奥林匹克，拿到满分金牌。IMO一共考6道题，每题满分7分，总分42分，满分意味着每一道题都拿到满分。比赛看的是短时间内解决高难度问题的能力，但学术研究比的不是几小时内做出答案，这两种能力有关联，却不能简单画等号。
 
拿下金牌后，他进入清华姚班，师从姚期智院士。姚班的学习环境让他接触到数学与计算机交叉的方向，也让他逐渐确认，自己更想深入数学。于是，他作出一次不太常见的转向，离开清华，转学麻省理工学院数学系。
 
这一步不只是换一所学校。对已经站在热门培养路径上的学生来说，继续沿着现成路线走，显然更稳妥。黄骄阳却把选择落在了自己的兴趣上。为什么转学？从现有经历看，重要原因是他想把精力放到数学本身，而不是只追着一条外界看来更顺的路走。
 
当然，竞赛成绩不是科研成就的自动保证。数学界也有不同的成长路线。陶哲轩少年时期就在数学竞赛中表现突出，后来成为数学家，并于2006年获得菲尔兹奖。玛丽安·米尔扎哈尼则走过另一条道路，长期投身曲面与几何研究，2014年成为首位获得菲尔兹奖的女性。竞赛可以让人早早被看见，却不能替一个人决定以后研究什么，也不能替他完成长期积累。
 
黄骄阳从MIT本科毕业后，进入哈佛大学攻读博士，师从随机矩阵领域学者姚鸿泽。2019年，他取得数学博士学位。随后，他先后在普林斯顿高等研究院和纽约大学柯朗数学研究所做博士后研究。
 
他的研究方向包括深度神经网络优化、大规模逆问题和不确定性量化。简单说，一类研究关心复杂模型怎样更有效地学习，一类研究尝试从有限或间接信息中推断未知情况，还有一类研究则要回答结论有多可靠。这些问题不只属于纯数学，也和数据科学、计算机等领域相连。
 
这类交叉研究并不意味着数学只剩下给技术“打辅助”。反过来，实际问题也会提出新难题，推动数学工具继续发展。比如医学影像需要从测量信息中还原身体内部结构，图像重建就涉及逆问题；神经网络训练要不断调整参数，优化方法也会影响模型能否有效学习。它们说明数学与应用之间有来有回，但不能据此说每一项数学研究都能马上落地。
 
2022年，黄骄阳任职宾夕法尼亚大学统计与数据科学系助理教授，同时在数学系任教。2024年，他获得斯隆研究奖，此后还获得伯努利学会新研究员奖等荣誉，多篇成果发表在数学顶级期刊。
 
把这段经历压缩成“天才一路开挂”，容易漏掉最重要的部分。他的竞赛成绩确实亮眼，但从清华转到MIT、从本科走到博士和博士后，再进入大学任教，每一步都需要持续投入，也需要知道自己更愿意研究什么。
 
双胞胎兄弟都在数学竞赛中取得好成绩，却走进不同学校；黄骄阳也没有把一次金牌当作终点，而是不断调整方向。天赋能让人更早起跑，兴趣决定愿不愿意走远，自律则关系到能否把一时优势变成长期成果。对年轻人来说，比照着“天才模板”复制人生更实际的问题，或许是自己真正想做什么，又愿意为它坚持多久？