📌 核心问题

1946 年，传奇数学家 Paul Erdős 提出了一个看似简单的平面几何问题：在平面上放置 n 个点，最多能有多少对点恰好相距 1 个单位？这个问题被称为「单位距离问题」（Unit Distance Problem），是离散几何中最著名的开放问题之一，80 年来悬而未决。

2026 年 5 月 20 日，OpenAI 宣布其内部一个通用推理模型（非专门针对数学训练的系统）自主证明了 Erdős 单位距离猜想是错误的——它构造了一个无穷点族，使得单位距离对数以多项式速率增长，突破了数学界 80 年来认为「方格构造近乎最优」的共识。这是 AI 首次自主解决一个处于数学活跃研究前沿的重大开放问题。

Fields 奖得主 Tim Gowers 评价：「毫无疑问，单位距离问题的解决是 AI 数学领域的里程碑。」多伦多大学教授 Daniel Litt 写道：「这是我第一次觉得 AI 产生的结果本身就很令人兴奋，而不仅仅是一个领先指标。」

📊 关键数据

  • 问题存在时间：80 年（1946-2026）
  • 此前最佳下界：n^(1 + C/log log n)，来自 Erdős 1946 年的方格构造
  • 此前最佳上界：O(n^(4/3))，来自 Spencer-Szemerédi-Trotter 1984 年的工作
  • AI 新结果：存在无穷多个 n，使单位距离对数 ≥ n^(1+δ)，其中 δ = 0.014（由 Princeton 教授 Will Sawin 后续精化给出）
  • 关键数学工具：代数数论（代数数域、无限类域塔、Golod-Shafarevich 理论），而非传统离散几何方法

🏗️ 技术架构与设计

  • 通用推理模型，非数学专用系统：证明来自一个通用目的推理模型，而非针对数学训练、搭建证明搜索框架、或专门针对单位距离问题的系统
  • Erdős 问题集评估：作为更广泛的前沿研究能力测试的一部分，OpenAI 在一系列 Erdős 问题上评估模型，该模型在单位距离问题上产出了完整证明
  • 跨领域知识迁移：证明的核心突破在于将代数数论中成熟的工具（Gaussian 整数的推广、更复杂的代数数域）创造性地应用到欧氏平面的几何问题上
  • 思维链可追溯：OpenAI 公开了模型的思维链摘要，证明推理过程从头到尾逻辑连贯
  • 人类验证闭环：外部数学家团队独立验证了证明，并撰写了配套论文扩展和深化了结果

🔑 关键洞察

AI 的「宽度」优势首次转化为数学原创贡献 此前 AI 在数学中的角色主要是「辅助计算」或「验证工具」。这次是 AI 首次独立产出具有原创性的数学发现——它不是在已知框架内做计算，而是将一个领域（代数数论）的深奥工具创造性地应用到另一个领域（离散几何），展现了跨领域知识迁移的能力。这是人类数学家也极难做到的事情。
通用模型 > 专用系统，暗示推理能力的通用性 证明并非来自数学专用 AI，而是一个通用推理模型。这说明模型学到的不是「数学技巧」，而是「深度推理和跨领域关联」的通用能力。这种能力可以迁移到物理、生物、材料科学等任何需要严谨推理的领域。
人机协作的新范式正在成型 AI 产出了原始证明，但人类数学家的后续工作（验证、精化、扩展、阐释意义）使结果更加丰富。Thomas Bloom 指出：「这表明数论构造对离散几何问题还有很多话要说，而且所需的数论可以非常深。」这不是 AI 替代数学家，而是 AI 打开了一扇门，人类走进去探索更多。
从 IMO 金牌到解决开放问题，数学推理能力的进化速度惊人 2024 年 LLM 还会犯简单计数错误，2025 年获得国际数学奥林匹克金牌，2026 年已能自主解决 80 年未决的开放问题。这种进化速度意味着，AI 在数学推理领域的能力上限可能远超当前认知。

🤔 引发思考

这个结果的深远意义超越了数学本身。如果一个通用推理模型能够保持复杂论证的连贯性、连接遥远领域的知识、产出经得起专家审查的工作，那么这些能力同样适用于生物学、物理学、材料科学、工程学和医学。这是走向更自动化研究的早期信号——系统能帮助科学家和工程师探索更多想法、攻克更复杂的技术问题。

但 OpenAI 也强调，未来仍然取决于人类判断。专业判断力变得更重要，而不是更不重要。AI 可以帮助搜索、建议和验证，但选择哪些问题重要、解释结果、决定下一步探索方向——这些仍然是人类的领地。问题是：这个「领地」还能维持多久？

📎 相关阅读

逍遥云初 | 2026.06.11