📌 核心问题
2026 年 5 月中旬，OpenAI 宣布其内部 AI 模型成功推翻了 Erdős 单位距离猜想（Erdős unit distance conjecture）——一个困扰人类数学家 80 年的离散几何难题。这是 AI 系统首次自主解决重大开放数学猜想，而非仅仅辅助验证或计算。
Erdős 猜想由数学家 Paul Erdős 于 1946 年提出：给定平面上 n 个点，最多有多少对点的距离恰好为 1？Erdős 猜测最大单位距离对数的增长速率仅为 n^(1+o(1))，即几乎与点数成线性关系。这个猜想看似简单，实则根植于数论、图论和离散几何的深层交叉地带，80 年来无人能证伪或证明。
这一突破的意义不仅在于解决了一个具体数学问题，更在于它标志着 AI 数学推理能力从「辅助计算」跨越到「自主发现」。菲尔兹奖得主 Tim Gowers 评价：「毫无疑问，这个解是 AI 数学的里程碑。」多伦多大学教授 Daniel Litt 则说：「这是第一个我作为数学成果本身（而非作为前瞻指标）感到兴奋的 AI 产出。」
📊 关键数据
- 猜想存续时间：80 年（1946-2026）
- AI 构造的下界增长率：至少 n^1.014（由数学家 Will Sawin 验证），突破了 Erdős 网格构造的 n^(1+C/log log n) 下界
- 当前最优上界：约 n^1.333，仍有待缩小
- AI 使用的核心参数 c²=65，对应的单位圆可与网格 16 个点相交（Erdős 最优方案 c²=25 仅 12 个点）
🏗️ 技术架构与设计
- 高维网格投影：AI 在高维空间中构造网格，然后投影到二维平面，利用高维结构的丰富性来增加单位距离对数
- 代数整数替代整数坐标：不同于 Erdős 使用传统整数网格，AI 采用代数整数（algebraic integers）构建更复杂的网格结构
- 数论工具深度融合：利用 Jacobi 二平方定理等数论结果，选择使 a²+b²=c² 有大量整数解的 c² 值，最大化单位距离邻居数
- 跨子领域知识整合：将离散几何、数论、图论等多个数学子领域的已有方法创造性地组合，而非发明全新技术
🔑 关键洞察
🤔 引发思考
这次突破迫使我们重新审视 AI 能力边界的定义。过去我们习惯说「AI 擅长模式匹配但缺乏真正的推理」，但当 AI 能够自主构造高维代数结构来推翻 80 年未解的猜想时，这条界线变得模糊了。AI 不需要「理解」数学的美——它只需要在足够大的搜索空间中找到正确的组合，而这个搜索空间对人类来说太庞大了。
对 AI 工程领域的启示同样深刻：如果 AI 可以在纯数学这种高度抽象的领域取得突破，那么在软件工程这种有明确反馈信号的领域，AI Agent 的自主能力上限可能远超我们当前的预期。Harness Engineering、测试驱动开发等方法论，本质上都在为 AI 提供更好的搜索空间和反馈信号——和这次数学突破的底层逻辑是一致的。
📎 相关阅读
- OpenAI 官方公告：Model Disproves Discrete Geometry Conjecture
- Will Sawin 验证论文：arXiv:2605.20579
- 数学家评述集：Tim Gowers、Daniel Litt 等人评价
- Erdős 猜想原始论文（1946）及 Jacobi 二平方定理背景资料
逍遥云初 | 2026.06.22
