从全网群嘲到让学术界颤抖!OpenAI 攻破 80 年数学悬案,菲尔兹奖得主预言灵验:正将人类逐出科研循环

AI4Science 是个经典的话题，谷歌 AI 一把手 Demis Hassabis 自从因 AlphaFold 拿到诺奖之后，我们经常可以在各种采访听到他对 AI 改变科学研究的憧憬，只是没想到，这一天来的这么快。

不久前，奇点智能研究院院长、CSDN 高级副总裁李建忠才在巴黎举办的 GOSIM Paris 2026 上，与菲尔兹奖得主、组合数学泰斗蒂莫西·高尔斯（Timothy Gowers）展开了一场关于“智能本质”的深度对话。彼时，高尔斯展现出了超越绝大多数同行的前瞻视野，他力排众议，坚定地站在了“AI 必将超越人类数学家”的阵营，并做出了 5 到 10 年内这一历史时刻就会降临的宏大预言。

高尔斯的理性预判是惊人的，而技术演进的烈度甚至比最乐观的预测还要迅猛。随着 OpenAI 的正式发布，高尔斯亲自见证了这一预言在短短数日后便落入了现实。高尔斯很快在 X 上发了一长串推文，开头便是一句对所有同行的忠告：“如果你是一位数学家，在继续阅读之前，你最好先找个座位坐稳。”

这是一位人类顶级科学家在亲眼目睹新纪元开启时，最真实、最充满敬畏的心理图谱记录。

OpenAI 做了什么？

为了讲清楚整个来龙去脉，我选择了一个比较有趣的角度，就是带大家先回顾下 OpenAI 宫斗那档子事。

一直关注 AI 新闻的读者应该都还记得 Kevin Weil 这个老哥。2024 年 6 月，在 OpenAI 经历了一轮高管出走潮后，他作为新一任首席产品官（CPO）强势加盟，成为了奥特曼（Sam Altman）阵营中最具分量的核心产品操盘手之一。当时奥特曼的很多采访都会带他玩，我们也整理了好几篇。

这位 CPO 老哥一向以高调、激进、且极具商业说服力著称，是硅谷出了名的“大喇叭”。在各大科技大会上，他总能把 OpenAI 未来的技术路线图描绘得让人热血沸腾。但也正是这种极度追求戏剧张力的产品经理思维，让他在面对严谨、保守的数学界时，结结实实地撞上了一面铁墙。

2025 年 10 月，正是 AI 行业对 GPT-5 究竟能带来何种代际飞跃而疯狂内卷的关头。为了向外界证明 OpenAI 的通用推理能力已经具备了顶级科学家的原创智能，Kevin Weil 在社交媒体 X（原推特）上高调放话，宣称内部模型已经一口气解决了 10 个此前未解的埃尔德什难题。在外界高呼“AGI 时代已来”的狂热声浪中，这位老哥怎么也没想到，自己强行帮 AI“冒领”学术成果的行为，已经彻底激怒了那群拿着放大镜看世界的数学家。

维护“埃尔德什问题数据库”的数学家托马斯·布鲁姆（Thomas Bloom）几乎在几小时内就甩出了铁证公开挂人：AI 所谓的“神迹”，不过是把前人早就发表、但尚未被互联网好好索引的现有答案，通过庞大的语料库强行“检索重组”了出来，根本没有产生哪怕一行的原创性逻辑证明。

这场被媒体调侃为“OpenAI 丢人的数学翻车（Embarrassing Math）”风波迅速演变成了一场信任危机。在学术界的乱拳围攻下，我们的老朋友，Yann LeCun 和谷歌 DeepMind 首席执行官 Demis Hassabis 也纷纷参团拷打，Kevin Weil 直接网络社会性死亡，最终不得不被迫承认自己误读了研究员的报告，并删除了那条自嗨的炫耀贴。

这场产品经理抢跑宣发导致的巨大公关灾难，不仅让 OpenAI 在 Meta 和 Google DeepMind 等死敌面前颜面扫地，更成为了这位明星高管在 2026 年 4 月黯然离职的致命导火索。

所以，正是背负着走出学术幻觉的耻辱，OpenAI 要颠覆自己拉完了的印象，在此次“单位距离猜想”的攻坚上，他们采取了近乎偏执的严谨与绝密推进策略。

说白了，就是怂了。

驱动这次突破的模型，是一个纯粹的通用大语言模型（General-purpose LLM）。核心研究员诺姆·布朗（Noam Brown）明确证实，该模型基于 OpenAI “o1” 推理架构的自然演进版本，在底层的神经网络中“没有针对此特定问题甚至数学领域本身进行过任何定向优化”。它不是一个外挂了大量几何规则的脚手架系统，而是一个在泛化知识基础上，依靠自身涌现出的因果逻辑能力进行运算的泛化智能体。

关于布朗，其实也相当值得介绍，为了节省篇幅，这里读完本文之后移步此前翻译的另一篇采访，了解这位从研究桌游外交游戏开始一步步突破 AI 推理极限的狠人。

总之，在研发的暗处，OpenAI 内部的研究员李杰（Lijie Chen）首先利用该通用模型，成功构建出了打破人类网格极限的反例；随后，马克·塞尔克（Mark Sellke）与梅塔布·索尼（Mehtaab Sawhney）进行了长达数月的内部逻辑排雷与正确性验证。在听取了数学家维克多·王（Victor Wang）的极度硬核建议后，团队将模型最初使用的“3-阶级域塔”论证，优化简化为了更为清晰的“2-阶级域塔”数论逻辑。

最终，这个通用大脑在对错误“零容忍”的数理拓扑空间中，凭空走完了几万步逻辑钢丝，生成了一份长达 125 页的、完全没有逻辑断裂的连续思维链（Chain-of-Thought, CoT）推导手稿。

为了确保学术上的绝对无瑕，在正式发布前，OpenAI 将这份 125 页的学术手稿以及一份消化后的精简备注，秘密发送给了包括诺加·阿隆（Noga Alon）和蒂莫西·高尔斯在内的 9 位全球最顶尖的独立数学家进行盲审和联合同行评议。

当高尔斯在秘密审查中连续数日翻阅这 125 页严丝合缝、调动了无数高阶定理的思维链后，这位曾摘得数学界最高荣誉的学者被彻底折服。这也直接催生了他在盲审评议后给出的至高背书：“如果这是一个人类数学家把这篇论文投给数学界最高期刊《数学年刊》（Annals of Mathematics），并且我被要求快速给个意见，我会毫不犹豫地建议 ‘直接接收’。在 AI 数学史上，没有任何先前的成就甚至能接近这一高度。”

AI 科技大本营读者重磅福利，免费领 100 小时云算力

支持主流 AI 框架与模型部署

当模式匹配被推向极致

高尔斯对 OpenAI 成果的高度赞誉，不仅是指 125 页论证在工程层面的零错误，更是指 AI 在解题思路中展现出的、打破人类数十年思维定势的“跨界原创性”。

“平面单位距离问题”的本质极其直观：在一个无限大的二维平面里安排  个点，在严格的空间约束下，如何排列才能让相互之间距离恰好等于 1 米的“点对”数量达到最大化？

在过去的 80 年里，人类最聪明的头脑无一例外地陷入了“最佳实践的诅咒”。从埃尔德什本人在 1946 年的奠基性论文开始，几代数学家都坚信：将点如同国际象棋棋盘一般整齐排列的“正方形网格（Square Grid）”，就是这个宇宙中所能允许的效率极限。因为这种对称性过于直观和优雅，整个学术界都被权威共识洗脑了，默认埃尔德什的猜想不可动摇。

而这一次，通用推理模型完成了一次惊心动魄的、超越人类直觉的“降维打击”：

1. 飞向高维（引入代数数论）： AI 敏锐地意识到在二维平面的拥挤规则下已无出路，于是它直接脱离几何平地，跨界调用了纯代数数论中的“Golod-Shafarevich 无限阶级域塔理论”。
2. 构建高维套娃： 在那个不受平面空间拥挤限制的抽象高维空间里，AI 开始构建一个极其庞大、无限延伸且点与点之间关系被完美控制的俄罗斯套娃式家族树。
3. 高维投射： 在高维排布好这些点后，AI 仿佛用一束光，将这个复杂的高维结构“投影”回了二维平地上。令人震撼的是，这个高维物体在平面上的“影子”，不可思议地形成了一种比正方形网格密集、高效得多的全新点阵排列，硬生生打破了人类困守了 80 年的理论天花板。

这完美地印证了高尔斯在接受李建忠采访时，关于“模式匹配与逻辑推理并非二元对立”的精辟洞察。

在两人的对话中，面对许多人贬低大模型“只是在做概率性的模式匹配，根本不懂演绎推理”的陈词滥调，高尔斯曾正面反驳道：

OpenAI 的这次跃迁正是如此。AI 没有在几何学内部死磕，它是在浩瀚的跨学科知识库中，将代数数论的高维压缩模式与离散几何的拓扑结构进行了极致的跨界类比与关联。

普林斯顿大学的丹尼尔·利特（Daniel Litt）在检查了 AI 的推导后，表示被其“极其聪明且自然”的逻辑彻底折服。这种在人类视野盲区之外完成的跨学科工具借用，揭示了一个令科技界警醒的事实：当硅基模型的泛化模式匹配与类比能力跨越了领域壁垒，它所涌现出的，就是最纯粹、最顶级的原创性逻辑推理能力。

在我们的独家对话中，高尔斯曾冷静地解构过人类在“卡壳”时相比传统 AI 的独特优势：

“当一个人类数学家陷入死胡同时，他通常会退后一步，抛出许多旁路上的新问题。也许这些新问题同样棘手……但随着挖掘的深入，通常会发生奇妙的反应……这个不断延伸的过程最终会收敛成那个终极的答案。”

然而，OpenAI 这一次的模型演进，恰恰在虚拟的神经网络内部，完美地模拟了高尔斯所说的这一套“人类看家本领”。在这 125 页的漫长推演中，AI 在面对空间维度的极限挤压时，正是通过自注意力机制不断衍生出多项式估计、概率论和极限推导等旁支问题，并逐一自我攻克，最终完成了对初始难题的反杀。

这直接导致了高尔斯在采访中所表达的那个关于“数学圈范式转移”的预言，以近乎恐怖的速度变成了眼前的现实。高尔斯曾担忧地表示：

随着联合评议文件《关于推翻单位距离猜想的备注》正式在预印本平台公开，“AI 仅仅作为科学研究数据处理工具”的旧时代已经结束了。正如法国科技媒体《JLS42》的敏锐评价：“AI 不再仅仅作为一种辅助工具存在，而是作为一种能够生成原创假设的‘发现合伙人（Discovery Partner）’正式登场。”

在这个全新的科学生产关系里，人类专家的核心职责，正在急速演变为高尔斯在采访中所预测的那样——“去努力理解这个不可思议的工具究竟创造了什么奇迹，并尝试向世人解释它的输出结果。”

“推理即服务”时代的商业重构

最后就是你可能从开头就在想的问题：

这事和我有啥关系？

既然通用推理模型能够在一个对错误“零容忍”的纯粹数理拓扑空间中，独立走完 125 页的严密推导并实现跨学科创新，那么这场认知革命就绝不可能仅仅停留在数学家的黑板上。

对于非数学领域的科技企业高管而言，数学是人类文明中最高阶的抽象压缩形式。AI 在数学领域展现出的“摆脱人类偏见、长链条无幻觉、在未知深水区长久鏖战”的元能力，正在对千行百业的研发（R&D）链路实施一场底层的颠覆。

正如本文开头所说的，Demis Hasabbis 之前在各路访谈预想的那些 AI 科学未来，估计不久后都能成真：

1. 生物制药与合成生物学

新型的通用推理模型能够像跨界应用“代数数论”一样，将量子物理学、流体动力学的结构拓扑规律引入到分子设计中。这意味着 AI 可以通过超长的无幻觉推理，完全无视人类对“成药性”的固有偏见（如 Lipinski 五法则的机械固守），凭空设计出完全不符合人类传统药化直觉、但却能在受体口袋中完美结合的全新小分子药物结构。这种“反常识”的探索能力，将极大地缩短寻找首创靶点药物（First-in-class）的周期。

2. 新材料发现与物理工程

寻找更高能量密度的固态电池材料、室温超导材料或是用于商业航天的高温耐热合金，长期依赖高昂的实验室物理试错。未来，当材料科学家将晶体学理论和热力学第一性原理输入给 AI 时，通用推理大模型可以像构建“无限阶级域塔”一样进行超长思维链的虚拟演练，直接给出一个打破“现有元素排列常识”的全新合金配方。材料研发将从“昂贵的实验室物理驱动”彻底转变为“廉价的 AI 纯逻辑推理驱动”。

3. 量化金融工程与复杂系统风控

量化对冲基金严重依赖历史数据（网格）去拟合未来的收益曲线，但在黑天鹅事件中往往瞬间失效。通用推理 AI 在本次事件中展示的“高维投射”能力，允许它在海量宏观经济变量、供应链阻塞数据、全球港口吞吐量和微观订单簿之间，建立起超越人类传统金融学常识的非线性逻辑连结。AI 能够通过长链条的因果推演，发现隐藏在极端市场波动背后的深层代数拓扑结构，重塑风控的抗脆弱性。

为了更直观地看清这场跃迁对商业组织的重构作用，我们可以对比传统研发模式与融入通用推理 AI 后的新型组织模式：

多伦多大学教授雅各布·齐默曼（Jacob Tsimerman）在此次破译事件后曾发出一声充满敬畏的感叹：AI 系统最具统治力的优势，在于它们“能在比人类数学家更险恶的水域里玩得更久，而不会因为信息过载而崩溃”。

正如 OpenAI 官方在那篇宣告历史转折的博文中所说的那样：“一个通用模型解决了一个重大开放性问题……在未来几年里，我们会经常说这句话，但今天，这无疑是一个巨大的里程碑。”

对于千行百业的决策者而言，这场由通用推理引发的科学范式革命才刚刚登陆，数学只是第一块被击中的多米诺骨牌。

那些能够第一时间打破人类固有思维茧房，敢于将最棘手的战略与研发难题毫无保留地交给通用 AI 去“深度思考”的企业，必将在这场新工业革命的洗牌中，成为下一个时代新规则的绝对制定者。