一道困了数学界80年的题
Paul Erdős在1946年提出了一个看起来很简单的问题：平面上放n个点，最多有多少对点之间的距离恰好等于1？
这个问题叫”平面单位距离问题”。直觉告诉你，如果把点摆成正六边形网格，单位距离的对数应该差不多和n成正比。Erdős的猜想就是这个意思——他猜上界是n的某个接近线性的函数。
接下来的80年里，无数数学家在这个问题上留下过工作。Fields奖得主Terry Tao、Jean Bourgain都来试过。每次进展都只是把参数往前推了一点点，没有人能彻底证明它，也没有人能把它推翻。
OpenAI模型做了什么
2026年5月20日，OpenAI联合创始人Greg Brockman在X上发了一条公告，语气平静得有些反常：
“An OpenAI model has achieved a major breakthrough in mathematics, by disproving a central conjecture in discrete geometry that was first posed by Paul Erdős in 1946. This is the first time AI has autonomously solved a prominent open problem central to a field of mathematics.”
这句话里有几个词值得停下来读一遍：autonomously（自主地），prominent open problem（核心开放问题），first time（首次）。
他们把一个通用推理模型拉过来，给了它一段文字描述的问题陈述，没有翻译成形式语言，没有人告诉它从哪个方向入手，也没有提供任何中间步骤的提示。模型返回了一段完整的证明。
证明的核心结论是：存在一种n个点的平面配置，使得恰好等于1距离的点对数量至少达到n^(1+δ)，其中δ是某个固定的正指数。这直接推翻了Erdős的猜想。
和以前的AI数学工作有什么不一样
过去几年，AI在数学上的进展已经有了几个值得注意的节点。AlphaGeometry在2024年能在奥数几何题上达到金牌水平，但它用的是神经网络加形式化符号系统的混合架构，整套推理框架是人工设计的。
AlphaProof在2024年可以证明奥数中的竞赛题，也是在形式化证明语言（Lean）的框架里工作，问题被提前”翻译”成机器可操作的格式。
它们很强，但有一个共同特点：人类的介入不只是提问，而是设计了整套工作框架。AI在其中像一个被放进跑道里的赛马，跑得很快，但跑道是人铺的。
这次的OpenAI模型不同。它接收的是一段文字描述的数学问题，没有翻译成形式语言，没有人告诉它从哪个方向入手，也没有提供任何中间步骤的提示。它产出的是一段完整的证明，然后交给人类验证。
数学家怎么看
Fields奖得主Tim Gowers在看到这个结果后公开表示，这个结果引出了”真正有趣且微妙的问题”。他的措辞是克制的，但Gowers向来是这种风格。他没有说”AI成了数学家”，也没有说”这只是个工具”。
这种克制本身说明了一些事情。数学界的主流分歧大致是这样的：支持者认为，AI在这道题上展示了跨域知识连接能力，把代数数论和平面几何拉到同一个框架里，这本身不是一件容易的事，哪怕对人类数学家也不是。
反对者说，现有模型是”插值机器”，只能在训练数据的隐含模式里打转，难以实现真正的范式突破，比如微积分或广义相对论那种级别的飞跃。
两种看法都有道理，但有一点正在变得难以否认：那种”大语言模型不可能做出真正的数学发现”的论断，需要重新校准了。
这意味着什么
这不是AI替代数学家的信号，但它确实是一个节点：AI作为独立提出数学论证的主体，而非单纯的辅助计算工具，已经在这道题上成立了。
对科研工作流来说，这个节点的含义比听起来更具体。如果一个通用推理模型可以接到开放问题、自主探索、产出可验证的证明，那么它在科研中的位置就不再只是”帮我查文献””帮我写代码”，它开始具备了参与”想问题”本身的可能。
再说边界。这次的问题，尽管开放了80年，仍然属于一类有明确陈述、有清晰验证标准的数学问题。AI的证明是在一个相对封闭的问题空间里完成的。
那些真正改变人类认知底层结构的发现，比如提出一个全新的数学分支，或者察觉到两个毫不相关领域之间的深层联系——这仍然是一个开放的问题。目前没有证据表明现有模型能做到这一点。