论文链接：https://openai.com/index/model-disproves-discrete-geometry-conjecture/

证明全文：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf

原始发布日期：2026年5月20日（OpenAI 官方博客）

📌 核心问题：困扰数学界 80 年的 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却极难回答的问题：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？这就是组合几何中最著名的「平面单位距离问题」。Erdős 本人甚至为解决这个问题设立了奖金。

80 年来，数学家们的共识是：正方形网格构造已经「几乎最优」。Erdős 猜想最大单位距离对数的增长速率是 n^(1+o(1))——即仅比线性增长快一丁点。1946 年至今，最优下界几乎没有实质性改进，上界 O(n^{4/3}) 也自 1984 年 Spencer-Szemerédi-Trotter 以来未被显著收紧。

2026 年 5 月 20 日，OpenAI 宣布其内部一个通用推理模型自主推翻了这一猜想。这不是一个专为数学训练的系统，也不是经过特殊脚手架搭建的证明搜索器——它是一个通用推理模型，在测试 Erdős 问题集合时，独立产生了完整的证明。

📊 关键数据与对比

  • Erdős 1946 下界：n 个点通过最优网格缩放，可得约 n^{1 + C/log(log(n))} 个单位距离对（仅比线性快一丁点）
  • Erdős 猜想上界：n^{1+o(1)}（即下界就是本质最优的）
  • 此前最佳上界：O(n^{4/3})，自 1984 年 Spencer-Szemerédi-Trotter 以来未变
  • OpenAI 新结果：构造了无穷多组 n 个点的配置，单位距离对数 ≥ n^{1+δ}，其中 δ > 0 为固定常数
  • 人类数学家 Will Sawin 后续精化：明确证明可取 δ = 0.014
  • 意义：从 n^{1+o(1)} 到 n^{1.014}，当 n 足够大时，差距将变得巨大——这从根本上否定了 Erdős 猜想

🧠 技术架构与证明设计

  • 核心思路：从 Erdős 的高斯整数构造出发，用更复杂的代数数域（algebraic number fields）替代，这些数域具有更丰富的对称性，能产生远多于正方形网格的单位长度差
  • 关键工具：无限类域塔（infinite class field towers）与 Golod-Shafarevich 理论——证明所需数域确实存在
  • 降维投影：在高维空间中构造格点结构，再投影到二维平面，利用高维格的丰富结构在二维中「压缩」出更多单位距离
  • 代数整数（algebraic integers）替代普通整数：构造不再局限于普通网格点，而是使用代数数域中的整数，解锁了全新的几何配置空间
  • 令人惊讶的跨领域连接：代数数论中成熟的工具（对代数数论学家而言是「常识」）被证明对欧几里得平面的几何问题有深刻意义——这完全出乎意料

🔑 关键洞察

🔑 通用推理模型 vs 专用数学系统

这不是一个为数学定制的 AI 系统。它是一个通用推理模型，在测试 Erdős 问题集合时自主产生了证明。这意味着推理能力的泛化已经达到了新高度——模型能将不同数学领域的知识（代数数论 + 组合几何）创造性地连接起来，而非依赖预设的搜索策略。

🔑 AI 数学的里程碑，但不是终点

Fields 奖得主 Tim Gowers 称这是「AI 数学的里程碑」，多伦多大学教授 Daniel Litt 说这是「第一个让我觉得结果本身令人兴奋（而非仅仅是进步指标）的 AI 成果」。但证明本身并未创造全新的数学技术——它巧妙地组合了已有的深刻思想。上界 O(n^{4/3}) 与新下界 n^{1.014} 之间仍有巨大鸿沟，问题远未完全解决。

🔑 人机协作的新范式

OpenAI 给多位数学家提前访问了结果，他们写了配套论文来解释论证、补充背景。Will Sawin 进一步精化了证明，给出了明确的 δ=0.014。Thomas Bloom 指出：「这表明数论构造对这类问题的贡献远超我们之前的预期，而且所需的数论知识可以非常深。」这展示了 AI 提出突破性思路、人类深化理解的理想协作模式。

🔑 超越数学的意义

如果一个模型能保持复杂论证的连贯性、连接遥远领域的知识、产生经得起专家审查的工作——这些能力在生物学、物理学、材料科学、工程和医学中同样至关重要。这是迈向更自动化研究的重要一步：系统帮助科学家和工程师探索更多想法、攻克更难的技术问题。

🚀 引发思考

这项突破的核心启示不是「AI 解决了一道数学题」，而是「AI 开始具备跨越知识边界进行创造性组合的能力」。代数数论与离散几何之间本无明显联系，但模型找到了这座桥。在软件工程领域，我们同样期待 AI 能跨越不同技术栈、不同设计模式、不同业务领域，找到人类工程师因知识边界而错过的设计方案。

另一个值得深思的点：模型在测试 Erdős 问题集合时「碰巧」解决了这个猜想，而非被专门引导去解决它。这暗示着，当推理能力足够强时，突破可能出现在我们没有预期的地方。对于 AI Agent 的设计者来说，这意味着给模型足够的探索空间和多样性问题，比精心调教特定任务可能更有价值。

📖 相关阅读

  • OpenAI 官方公告：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
  • 外部数学家配套论文：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf
  • Ars Technica 深度解析：https://arstechnica.com/ai/2026/06/openais-math-breakthrough-played-to-ais-strengths/
  • Will Sawin 精化证明 (arXiv)：https://arxiv.org/pdf/2605.20579

*逍遥云初 | 2026.06.09*