人工智能突破Erdős单位距离猜想
2026年5月20日，OpenAI发布了一则重磅消息：其内部研发的通用推理模型，成功证伪了匈牙利数学家Paul Erdős在1946年提出的一个关键猜想。该猜想被视为离散几何领域最具知名度、表述最为简洁却悬而未决八十年之久的难题之一。
外部数学家团队已对证明过程进行了审核，并发表了配套论文，详细阐述证明的逻辑框架与学术背景。普林斯顿大学数学家Will Sawin教授进一步优化了这一结论。剑桥大学菲尔兹奖获得者Timothy Gowers发表评论指出，这一成果"在未来数月乃至数年内，将在各数学分支中涌现类似突破"。
要领会此事的重要性，首先需要厘清这道题目的本质。
题目原文表述如下：
在平面内任意布设n个点，最多能形成多少对恰好相距一个单位长度的点对？
"恰好相距1个单位"看似简单直白，但随着n的增大，问题的复杂本性便显露无遗。
当n=3时，三个点构成边长为1的等边三角形，3对单位距离已是极限。当n=4时，将两个等边三角形拼接，可得5对单位距离。到了n=7，通过正六边形加中心点的简洁布局即可获得12对单位距离——已明显超越点的总数。
数学家将"n个点能达到的最大单位距离对数"记作u(n)。Erdős在1946年的论文中提出的核心问题是：u(n)的增长极限究竟如何？
Erdős本人给出了一个精妙的构造方案：将点排列成√n × √n的方形网格。
在此构造下，u(n)至少为n^(1+c/loglog n)。该指数虽大于1，但仅略微超出——超出部分（c/loglog n）随n增大逐渐趋近于零。换言之，方格构造呈现"略超线性"的增长态势。Erdős进一步推测：即便是更精妙的构造，其增长速度也不会比方格快太多。他猜测u(n)的真实增长形式为n^(1+o(1))——其中o(1)是数学家对"任意小量"的简称，意指"额外指数随n增大趋于零"。
他对这一猜测颇具信心，公开悬赏500美元，并在1983年与1985年的论文中多次重申，并额外追加250美元用于证明上界版本。
数学家从两个路径攻克这道难题：
下界（构造方向）几乎停滞不前——Erdős 1946年提出的方格构造给出的n^(1+c/loglog n)，数十年来无人能实现实质性突破。
上界（证明方向）则在1984年迎来关键进展：组合数学家Joel Spencer、Endre Szemerédi、William Trotter三人证明了u(n) ≤ O(n^(4/3))。该上界至今仍是最优结果。
然而n^(1+o(1))与n^(4/3)之间存在显著鸿沟。此后四十年，研究工作几乎全部聚焦于压缩上界——Pach、Tardos、Székely、Katz、Silier、Pach-Raz-Solymosi等学者均有尝试，但n^(4/3)的天花板始终未被实质性突破。
学界普遍默认一个假设：真相位于下界一侧，4/3仅是技术工具尚不够锐利。Erdős在1982、1983、1985年的论文中反复强调：他确信指数就是1+o(1)，方格构造基本已达最优。
直到2026年。
OpenAI此次公布的结果，恰恰在相反方向取得突破——推进了下界。
模型构建出一种全新的无限点集族。对于该族中无穷多个n值，单位距离对数至少为n^(1+δ)，其中δ为固定正常数。
这直接否定了Erdős的猜想。因为n^(1+δ)中的δ不再是o(1)（趋于零）的小量，而是永不消失的常数。普林斯顿大学数学教授Will Sawin在后续工作中进一步将δ提升至0.014。
0.014这个数值看似微小。但对于原本被推测"渐近为零"的指数而言，"它根本不为零"意味着结构性转变。八十年来的学术共识由此改写。
更引人注目的是构造本身——其中运用了代数数论。
代数数论探究整数、有理数、代数数（如√2、黄金分割等代数方程的根）的算术特性。它与"平面几何"看似毫无关联。但OpenAI模型构造的点坐标恰好源自精心挑选的代数数，单位距离对的数量正是从这些代数数之间的算术结构中"涌现"而来。
这座桥梁并非模型凭空创造——代数数论与组合几何之间的零散联系此前已有端倪。但将这种联系精确应用于"证伪Erdős单位距离猜想"，是模型独立完成的。
Thomas Bloom（参与配套工作的数学家之一）评论道：这一发现提示我们，许多悬而未决的几何难题，或许需要从数论视角重新审视。
七个月前，OpenAI时任产品副总裁Kevin Weil在X平台上宣称："GPT-5解决了10个此前未解的Erdős问题，并在另外11个问题上取得进展。"
事后验证：GPT-5找到的"解"实际早已存于文献之中。模型并非发现新答案，而是在复述其训练数据中未出现过的已有论文。Meta首席AI科学家Yann LeCun、DeepMind CEO Demis Hassabis等人公开批评，Weil随后删除了帖子。
此次的不同体现在三个维度：
第一，结果是原创的。没有任何先前文献给出过这一构造。外部数学家团队已审核证明并发表配套论文。
第二，模型是通用的。OpenAI在博客中明确指出：这一证明源自全新通用推理模型——非专门数学训练系统，未配备证明策略搜索框架，也未为单位距离问题专门构建工具。工程师对此问题未做任何针对性准备。
第三，过程可追溯。配套论文不仅呈现证明本身，还展示了模型的推理链条与解法发现路径。它确实进行了"思考"——这与GPT-5当时"瞬时输出"的检索行为存在结构性差异。
需要先澄清不意味着什么：
它未完全解决单位距离问题——上界n^(4/3)与新下界n^(1+0.014)之间仍有巨大差距。它未使数学家"过时"——证明的验证、撰写、上下文构建仍由数学家完成。它也不能直接移植到其他领域——一次证伪不等于一种新范式。
但它意味着：
第一，AI首次在主流数学的核心开放问题上做出原创贡献。不是辅助证明、不是批量搜索、不是重新表述，而是发现。
第二，这种贡献源自通用推理模型，而非专用定理证明器。这暗示长链推理能力在跨越某个阈值后会"破壳而出"——开始具备探索性数学发现的能力。这对所有依赖长链推理的领域（物理、生物、工程、医学）都有连带影响。
第三，它揭示了一座新的研究桥梁。代数数论与离散几何之间的联系，过去仅是零星迹象。如今拥有了一个具体的、可操作的实例。Thomas Bloom与Tim Gowers均表示，未来一段时间将会看到大量数学家"借助这座桥梁重新审视旧问题"。
这件事的形态，已与过去所有"AI做数学"的故事截然不同。
过去的模式是：AI加速已有方法、检索已知答案、形式化验证人类证明。此次的模式是：AI洞察出八十年来所有顶尖数学家都未察觉的事实——而这一事实本身重要到足以改写一个领域的认知。
Erdős一生提出约1500个数学问题，许多至今未解。他于1996年辞世，未能见证自己最钟爱的猜想之一被证伪。
这一证伪，并非来自他熟悉的那类数学家。