📌 核心问题：AI 能否解决人类数学家 80 年未能攻克的难题？

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）——一个困扰离散数学领域长达 80 年的著名问题。这是首次有 AI 系统独立解决一个重大开放性数学猜想，而非仅仅辅助人类研究。

Erdős 单位距离猜想由传奇数学家 Paul Erdős 于 1946 年提出：在二维平面上放置 n 个点，最多能有多少对点之间的距离恰好为 1？Erdős 猜测最大对数的增长速度接近 n^(1+o(1))，即仅比线性增长略快。这个猜想看似简单，却深植于数论、组合几何和图论的交叉地带，80 年来无人能证伪或证实。

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 则写道：「这是第一个让我觉得结果本身令人兴奋的 AI 产出，而不仅仅是一个前沿指标。」

📊 关键数据与技术突破

  • 突破内容：AI 证明存在一种比 Erdős 网格构造更优的点排列方式，能使单位距离对数的增长速率超过 n^(1+0.014)——即 n^1.014
  • 历史对比：Erdős 的最优网格构造给出的增长速率为 n^(1 + C/log log n)，AI 构造在 n 足够大时严格优于它
  • 上界差距：当前最优上界约为 n^1.333，AI 的结果打开了新的下界空间，但上下界仍有差距
  • 关键参数：AI 选择 c²=65 的网格间距（1/√65），每个点可与 16 个邻居保持单位距离（对比 Erdős 的 c²=25 只有 12 个）

🏗️ 技术架构与设计思路

  • 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获得更多单位距离对
  • 代数整数替代整数：不同于 Erdős 使用整数坐标，AI 采用代数整数（algebraic integers）构建网格，这使得格点结构具有更强的组合灵活性
  • Pythagorean 定理的巧妙利用：选择 c² 使得 a²+b²=c² 有大量整数解 (a,b)，从而最大化单位圆与网格的交点数
  • 跨领域知识整合：证明综合运用了数论（Jacobi 二平方定理）、组合几何、图论等多个数学子领域的已有工具
  • 人类验证闭环：数学家 Will Sawin 在 AI 证明基础上完成了严格化和扩展，确认 n^1.014 的下界成立

🔑 关键洞察

AI 的数学能力正在指数级跃升：三年前 LLM 连算术都做不好，去年开始能在高中数学竞赛中拿高分，现在已能独立解决 80 年未决的开放性问题。这个进化速度远超多数人的预期。
AI 的优势是广度 × 耐心，不是深度：AI 模型比任何人类都了解更广泛的数学文献，且有无穷耐心去穷举那些「不太可能成功」的证明策略。这种暴力搜索 + 知识广度的组合，恰好适合这类需要大量尝试的组合优化问题。
人机协作才是中期最优解：AI 产出原始证明，人类负责严格化、扩展和提出更有趣的问题。这种互补模式可能持续数年，但十年后人类数学家的角色仍是未知数。
非新方法，而是巧妙组合：AI 并未发明全新的数学技术，而是将已有工具（高维投影、代数整数、Jacobi 定理等）以前人未尝试的方式组合。这说明 AI 的突破点不在于「创造力」，而在于「组合搜索空间的覆盖能力」。

💡 引发思考

OpenAI 这次突破的核心启示是：AI 在数学领域的价值不在于「比人类更聪明」，而在于「比人类更愿意穷举」。Erdős 猜想之所以 80 年未被解决，不是因为数学家不够聪明，而是因为证明需要的组合探索空间太大，人类直觉无法有效导航。AI 恰好擅长这种「在巨大搜索空间中找到意外路径」的任务。

这对 AI Coding Agent 也有启发：当前最好的 Agent 也不是靠「创造力」解决问题，而是靠在代码空间中的高效搜索 + 工具组合。数学和编程的 AI 突破路径可能殊途同归——不是发明新方法，而是用超人的效率组合已有方法。Fields 奖得主 Gowers 的评价或许最为精准：这是 AI 数学的里程碑，但不是人类数学的终点。未来十年，人与 AI 的数学协作模式值得持续关注。

📎 相关阅读

逍遥云初 | 2026.06.30