微信扫一扫
2026年7月，北大校友王虹因在调和分析与几何测度论领域的突破性贡献荣获菲尔兹奖。这一里程碑式的事件让公众视线再次聚焦到数学这门基础学科——它既能孕育出站在人类智慧顶峰的纯数学研究，也能作为底层工具广泛服务于金融、计算机、人工智能等现代产业。
本文基于 QS 2026 数学学科排名、REF 2021 英国数学科研质量评估等权wei数据，为对于数学方向感兴趣的同学及家长们把"学校怎么选、本科怎么读、研究生怎么转、毕业怎么就业"四个核心问题一次梳理清楚。
一、英国数学强势学校：基于 QS 2026 与 REF 2021 的交叉验证
单看某一个榜单容易产生偏差。QS 2026 数学学科排名反映国际学术声誉与就业认可度，REF 2021 则体现英国本土科研质量。两份榜单对照看，英国数学的格局会更清晰。
QS 2026 数学学科排名中的英国院校
数据来源：QS 官方 2026 数学学科排名。
REF 2021 数学科研质量评估（英国本土视角）
REF 2021 按"4*（世界ling先）/ 3*（国际优xiu）/ 2* / 1*"评级。在数学科学单元中：
-
牛津大学：78% 的研究成果评为 4*
-
剑桥大学：4* 比例约 71%
-
帝国理工学院：4* 比例约 69%
-
布里斯托大学：70% 评为 4*，数学科学单元在英国第 4
-
华威大学：数学在英国第 6
不同梯队的定位参考
牛津、剑桥、帝国理工：三校在 QS 2026 中包揽英国数学前 3。牛津数学系规模庞大，纯数学、应用数学、数学金融均有深厚积累；剑桥以 Mathematical Tripos 考试制度闻名，数学与物理交叉传统深厚；帝国理工更偏应用，金融数学、统计、数据科学方向与业界结合紧密，地处伦敦，毕业生进入量化金融和数据科学岗位具备地理优势 。
华威、爱丁堡：华威数学 QS 2026 全球第 28 ，与统计及运筹学（全球第 27）形成强大协同 ，其 MORSE（数学+运筹+统计+经济）项目在量化金融圈口碑良好；爱丁堡大学数学 QS 2026 全球第 33 、软科 ARWU 数学 2025 全球第 36 ，统计与运筹见长，且与赫瑞-瓦特大学联合提交的数学研究在 REF 中位列英国前 4 。
布里斯托、格拉斯哥、曼彻斯特、UCL：布里斯托数学在 REF 2021 中英国第 4 ；格拉斯哥数学 REF 英国第 5，名次较 2014 年大幅上升 ；UCL 凭借伦敦区位，在数学与金融、数据科学交叉方向具备产业连接优势 。
💡 选校匹配建议
目标纯数学科研 / 读博 → 牛津、剑桥、帝国理工、华威、布里斯托
目标量化金融 / 数据科学就业 → 帝国理工、华威、UCL（伦敦区位）
目标扎实本科训练与应用数学 → 爱丁堡、布里斯托、格拉斯哥、曼彻斯特
二、本科阶段：数学的具体方向
英国本科数学专业通常在前两年打好共同基础（数学分析、代数、几何、概率论、微分方程），第三或第四年开始按方向深耕。主要分流方向包括：
-
纯数学（基础数学）：代数、几何、数论、拓扑、泛函分析（王虹所从事的调和分析与几何测度论即属此范畴 ）
-
应用数学：微分方程、数学建模、流体力学、数学物理
-
数学与统计：概率论、数理统计、随机过程（数据科学的理论基础 ）
-
数学与计算机：算法、密码学、计算复杂性
-
金融数学：随机过程、衍生品定价、风险模型（帝国理工、华威、UCL 的特色方向）
-
MORSE 类交叉项目：数学 + 运筹 + 统计 + 经济（华威特色，量化金融的热门跳板）
-
数学与物理 / 工程交叉：剑桥、帝国理工的传统强项
三、研究生阶段：可选专业方向
数学本科毕业后，硕士阶段具备非常宽的转向空间：
学术科研向
-
基础数学（纯数学）：代数、几何、数论、调和分析等——通向 PhD 与科研院所
-
应用数学：微分方程应用、科学计算与数值分析、人工智能的数学基础
应用就业向（规划人数较多）
-
金融数学 / 金融工程：随机过程、偏微分方程、衍生品定价 → 对应量化分析师、风险管理等岗位
-
数据科学 / 应用统计：高维统计、贝叶斯推断、机器学习 → 对应算法工程师、数据科学家
-
运筹学与控制论：最优化算法、物流优化 → 对应供应链优化、交通调度
-
计算数学 / 科学计算：有限元、CFD、高性能计算 → 对应工业软件、自动驾驶
-
精算学：概率论与数理统计在保险 / 退休金中的应用
-
计算机科学 / AI / ML：算法、密码学、计算机视觉、NLP
⚠️ 一个值得关注的现实：数学本科直接就业的岗位天花板相对有限，量化研究、算法工程师、数据科学家、精算师等高质量岗位几乎都要求硕士起步。"数学本科 + 应用型硕士"是较为主流的高薪路径。
四、就业方向与代表企业、岗位
数学背景的就业出口极宽，主要赛道如下：
赛道一：金融与量化
-
典型岗位：量化分析师、量化研究员、风险管理师、精算师、衍生品定价
-
代表企业：
-
对冲基金 / 量化私募：Two Sigma、Jane Street、Citadel、Millennium、幻方量化、九坤投资
-
投行 / 券商：高盛、摩根士丹利、JPMorgan、中金、中信证券的量化与衍生品部门
-
保险与精算：平安、国寿、友邦的精算部门
-
FinTech：蚂蚁集团、陆金所
-
赛道二：互联网与 AI
-
典型岗位：算法工程师、机器学习工程师、数据科学家、NLP / CV 工程师
-
代表企业：谷歌、Meta、字节跳动、阿里、腾讯、华为、大疆、美团、京东
-
数学背景在推荐算法、大模型训练、计算机视觉等岗位具备底层优势
赛道三：科研与高端制造
-
典型岗位：科研院所研究员、工业软件研发、CAE/CFD 仿真、控制算法
-
代表企业 / 机构：中科院各研究所、中国工程物理研究院、华为 2012 实验室、ANSYS、达索系统、西门子工业软件、大疆（路径规划 / 控制算法）、小马智行、文远知行等自动驾驶公司
赛道四：运筹与供应链
-
典型岗位：供应链优化、物流调度、运营管理
-
代表企业：亚马逊、顺丰、京东物流、波音、空客、新能源汽车企业
赛道五：教育与公共部门
-
典型岗位：高校教师（需 PhD）、重点中学教师、统计局 / 科技部公务员、经济政策研究
-
代表机构：国家统计局、央行、发改委、世界银行、IMF
写在后面
王虹获菲尔兹奖代表的是数学的"深度极限"——纯数学基础研究可以走到人类知识的最前沿。但对绝大多数选择数学的人而言，数学真正的价值在于它是"wan能底层"：往金融方向转就是量化，往计算机方向转就是算法，往统计方向转就是数据科学，往工程方向转就是工业软件。
英国数学教育的优势在于：本科阶段打下坚实的理论基础，硕士阶段（通常为 1 年）提供丰富的应用转向可能，加上伦敦作为全球金融与科技中心的区位辐射，使得"英国数学本科 + 应用硕士"成为通往量化金融与数据科学的一条可行路径。
但是这里要提醒各位，一个容易被忽视的细节，英国数学硕士（MSc）通常只有 1 年，课程压缩度高。如果目标锁定量化金融或大厂算法岗，建议在本硕期间同步补充 Python / C++ 编程、LeetCode 练习、Kaggle 竞赛以及相关实习，仅靠课堂知识较难直接进入头部量化机构或一线大厂算法岗。
