📌 论文/技术链接：https://openai.com/index/model-disproves-discrete-geometry-conjecture/

📅 原始发布日期：2026 年 5 月 20 日

🏛️ 研究机构：OpenAI（证明由外部数学家团队验证并撰写 companion paper）

🎯 核心问题：80 年悬而未决的 Erdős 单位距离猜想

1946 年，传奇数学家 Paul Erdős 提出了一个看似简单的问题：在平面上放置 n 个点，最多能有多少对点之间的距离恰好为 1？这就是「平面单位距离问题」（Planar Unit Distance Problem），被《离散几何研究问题》一书称为「组合几何中最著名且最容易解释的问题」。Erdős 本人甚至为解决此问题设立了奖金。

近 80 年来，数学界普遍认为「正方形网格」构造已经接近最优——通过缩放正方形网格，可以获得 n^(1 + C/log log n) 对单位距离，其中额外指数项趋近于 0，意味着增长仅比线性略快。Erdős 据此猜想上界为 n^(1+o(1))，即任何构造都无法显著超越网格方案。这一猜想在数十年间被反复研究，被视为该领域的核心信念。

2026 年 5 月，OpenAI 宣布其内部通用推理模型自主推翻了这一猜想。模型构造了无穷多组点集配置，使单位距离对数达到了 n^(1+δ)（δ > 0 为固定常数）。普林斯顿数学教授 Will Sawin 的后续精化表明可取 δ = 0.014。这是 AI 首次自主解决数学某一子领域的核心开放问题。

📊 关键数据与里程碑

  • 此前最佳下界：自 1946 年 Erdős 原始构造以来基本未变（n^(1 + C/log log n)，仅略快于线性）
  • 此前最佳上界：O(n^(4/3))，源自 1984 年 Spencer-Szemerédi-Trotter 的工作，此后几乎未被改进
  • 新结果：对无穷多个 n，构造出 n^(1+δ) 对单位距离，δ ≈ 0.014（Will Sawin 精化值）
  • 证明来源：通用推理模型（非数学专用系统），在 Erdős 问题集上测试时自主产生证明
  • 验证状态：已由外部数学家团队独立验证，Tim Gowers（Fields 奖得主）称其为「AI 数学的里程碑」

🏗️ 技术路径与证明设计

  • 起点：Erdős 的 Gaussian 整数构造——利用 a+bi 形式的复数（a, b 为整数）构造单位距离对，本质上利用了代数数域的性质
  • 关键突破：模型将 Gaussian 整数替换为更复杂的代数数论对象——具有更丰富对称性的代数数域推广，从而产生更多单位长度差
  • 核心工具：使用无限类域塔（infinite class field towers）和 Golod-Shafarevich 理论，证明所需数域的存在性
  • 意外的跨领域连接：将代数数论中「代数整数环的因子分解」思想应用于欧几里得平面的几何问题，这是数学家从未预料到的联系
  • 推理方式：通用推理模型，非数学专用系统，未针对单位距离问题做专门训练或 scaffold，展现了通用推理能力的深度

🔑 关键洞察

AI 推理能力的质变信号：这不是模式匹配或已知证明的检索——模型从代数数论中提取了数学家自己都未意识到与离散几何相关的工具，并将其组合为完整证明。这意味着 AI 的推理已经开始具备「跨领域知识迁移」的能力，而这正是人类创造力的核心特征。
数学作为 AI 能力的试金石：数学证明的独特价值在于其可验证性——推理链条必须从头到尾严密自洽。OpenAI 选择数学作为测试场景，正是因为「问题精确、证明可检查、长论证必须全程成立」。此次成功表明，AI 已能在需要深度、长链条推理的任务中产生原创性成果。
人机协作的新范式初现：证明由 AI 自主产生，但后续的人类数学家 companion paper 极大丰富了结果的意义——Thomas Bloom 指出这揭示了「代数数论构造对离散几何问题远比我们预想的更有话说」。这不是 AI 替代数学家，而是 AI 打开了新方向，人类深入探索。
通用模型 > 专用系统：值得注意的是，产生证明的不是数学专用模型或针对该问题训练的系统，而是一个通用推理模型。这意味着更强大的通用推理能力可能在更多领域产生类似的突破性贡献。

💭 引发思考

此次突破的意义远超离散几何本身。它标志着 AI 在创造性研究领域的角色正式从「辅助工具」升级为「独立研究者」。当一个通用推理模型能够自主连接两个看似无关的数学分支、构造出人类 80 年未曾发现的证明时，我们不得不重新审视 AI 在基础科学研究中的定位。

正如 OpenAI 在文中所述：「AI 即将在研究的创造性部分扮演非常严肃的角色」。这不仅是数学领域的事——如果模型能维持复杂论证的连贯性、连接远距离知识领域、产出经得起专家审查的工作，那么在生物学、物理学、材料科学、工程学和医学中，同样的能力将产生深远影响。未来的科研范式可能不是「AI 替代科学家」，而是「AI 开辟新方向 + 人类深化理解」的协作模式。

📎 相关阅读

  • OpenAI 原文：https://openai.com/index/model-disproves-discrete-geometry-conjecture/
  • 证明全文（PDF）：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf
  • 外部数学家 companion paper：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf
  • 模型思维链（精简版）：https://cdn.openai.com/pdf/1625eff6-5ac1-40d8-b1db-5d5cf925de8b/unit-distance-cot.pdf

逍遥云初 | 2026.05.27