🔑 关键洞察：这是历史上首次一个主流数学领域的核心开放问题被 AI 系统自主解决，而非辅助人类解决。AI 推理能力的边界正在被重新定义。

2026 年 5 月 20 日，OpenAI 宣布其内部通用推理模型自主证明了离散几何领域的核心猜想——Erdős 单位距离猜想是错误的。这个困扰数学家近 80 年的问题，被一个并非专门为数学训练的 AI 系统解决了。Fields 奖得主 Tim Gowers 评价此结果为「AI 数学领域的里程碑」。

📌 核心问题：80 年悬而未决的几何难题

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，最多能有多少对点恰好相距 1 个单位？这就是著名的「平面单位距离问题」，被 Brass、Moser 和 Pach 在 2005 年的著作中称为「可能是组合几何中最著名且最容易解释的问题」。

Erdős 的原始构造基于高斯整数，通过缩放正方形网格，得到了 n^(1 + C/log log n) 的单位距离对数。数十年来，数学界普遍认为这个速率本质上就是最优的。Erdős 猜想上界为 n^(1+o(1))，即没有任何构造能显著超越正方形网格。自 1946 年以来，最佳下界本质上未变；最佳上界 O(n^(4/3)) 来自 1984 年，此后基本未变。

📊 关键数据与结果

  • 猜想状态：Erdős 猜想上界 n^(1+o(1)) 已被推翻
  • 新下界：AI 构造了无穷多个 n 点配置，至少有 n^(1+δ) 对单位距离（δ > 0 为固定常数）
  • 具体 δ 值：Princeton 数学教授 Will Sawin 后续证明可取 δ = 0.014
  • 最佳上界仍为 O(n^(4/3)) ≈ n^1.333，差距仍然巨大
  • 证明已被多位外部数学家独立验证，包括 Tim Gowers（Fields 奖得主）、Thomas Bloom、Daniel Litt 等

🧠 技术架构与证明思路

  • 模型来源：通用推理模型，非专门为数学训练，非针对单位距离问题定制的搜索系统
  • 核心思想：将 Erdős 的正方形网格构造推广到更复杂的代数数论结构，用更丰富的代数整数替代高斯整数
  • 关键技术：无限类域塔和 Golod-Shafarevich 理论，证明所需数域的存在性
  • 方法创新：在高维空间中构造网格并投影到二维平面，代数整数构建的高维网格具有更丰富结构
  • 意外发现：将代数数论的深奥工具应用于欧几里得平面几何问题，揭示了两个数学领域之间前所未有的联系

🔑 关键洞察

🔑 AI 推理能力的质变：从「辅助工具」到「独立研究者」 三年前 LLM 还在算术题上挣扎，去年才开始在高中数学竞赛中崭露头角。如今，一个通用推理模型自主解决了困扰数学界 80 年的核心猜想。这不仅是速度的提升，而是推理深度的质变——模型能够跨越代数数论和离散几何两个远距离领域，将已知工具创造性地组合。
🔑 「广度知识」vs「深度思考」的互补格局 AI 对过去所有数学文献的了解远超任何单个人类，且愿意穷举大量不太可能成功的证明策略。人类能对单个问题进行更深层的思考，提出更有趣的问题。中期未来将是人机协作的互补格局，但这一平衡可能不会持续太久。
🔑 跨领域连接能力是 AI 推理的杀手锏 此证明最令人惊讶之处在于：代数数论的工具被应用于欧几里得平面的初等几何问题。正如 Thomas Bloom 所言：「数论构造对这类问题的发言权远超我们此前的怀疑，而且所需的数论可以非常深奥。」AI 发现人类未曾注意的跨领域联系，这可能是其最强大的研究能力。

🤔 引发思考

这个结果的意义远超数学本身。如果一个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，那么这些能力在生物学、物理学、材料科学、工程学和医学中同样适用。这是通向更自动化研究的路径：系统能帮助科学家和工程师探索更多想法、攻克更难的技术问题。

但也有令人不安的一面。AI 系统在数学上的进步速度如此之快，以至于十年后人类数学家将扮演什么角色都尚不清楚。AI 即将在研究的创造性部分扮演非常严肃的角色——理解这一新阶段的挑战（对齐非常智能的系统、人机协作的未来）变得愈发紧迫。

📎 相关阅读

逍遥云初 | 2026.06.11