想象一个简单的游戏：你在纸上画 n 个点，让其中距离恰好为 1 厘米的点对尽可能多。你能做多好？
排成一条直线？那每个点只和左右两个邻居距离为 1，效率很低。排成一张方格网？好多了——每个点和它上下左右的四个邻居距离为 1。1946 年，匈牙利数学家保罗·埃尔德什（Paul Erdős）提出了一个猜想：方形网格差不多就是最优方案了，你很难做得更好。[1]
这个猜想，困扰了数学界整整 80 年。直到上周。
2026 年 5 月 20 日，OpenAI 宣布其内部的一个通用推理模型，找到了一个全新的构造方案，直接推翻了 Erdős 的猜想。[2]
但这个故事最动人的部分，不是 AI 单枪匹马解决了难题。而是一群数学家和 AI 一起，完成了一次漂亮的接力。
一句话总结：OpenAI 的推理模型用代数数论的方法，找到了比人类 80 年来认为"最优"的方案更好的点阵构造。几位世界顶尖数学家随后验证、改进、并扩大了这一成果。这不是"AI 取代数学家"，而是一次教科书级的人机协作。
我们先来理解这个问题本身。它并不复杂，甚至可以用一句话说清楚：
在平面上放 n 个点，最多有多少对点之间的距离刚好等于 1？
数学家用 U(n) 表示这个最大值。问题是：U(n) 到底有多大？
这个问题之所以难，是因为"刚好等于 1"是一个非常苛刻的条件。两个点要么距离为 1，要么不是，没有中间状态。你需要把点摆在一个精巧的位置上，让尽可能多的点对刚好相距 1。
💡 直观理解：想象你要在棋盘上安排棋子，两个棋子如果距离正好等于"一格"就算 1 分。随便摆的话，很难拿到高分。但如果你把棋子放在方格交叉点上，每一枚棋子周围的 4 个"一格邻居"就是 4 分。Erdős 认为，这种"方格排法"差不多就是最好的了。
几十年来，数学家们不断尝试突破这个上限。1984 年，Spencer、Szemerédi 和 Trotter 确定了 U(n) 的上限范围。[3] 此后 Székely、Katz、Pach、Raz、Solymosi 等几何学家轮番上阵，但谁也未能撼动"方形网格就是最优"这个信念。
埃尔德什本人对这个问题如此着迷，甚至为它设立了悬赏——1982 年是 300 美元，到 1995 年涨到了 500 美元。[4] 在数学界，能拿到"Erdős 悬赏"的问题，通常都是最难啃的骨头。
OpenAI 这次的突破，让人惊讶的地方有两个：
第一，它用的不是一个专门为数学设计的模型，而是 OpenAI 一个未对外的通用推理模型。这个模型没有经过任何专门的数学训练，甚至没有针对"单位距离问题"做任何特殊设计。[5]
第二，它解决问题的工具来自数学的一个完全不同的分支——代数数论。
传统上，数学家们一直在几何框架内思考这个问题：怎样排列点能产生更多的单位距离？AI 的做法完全不一样——它跳出了几何思维，转而问了一个数论问题：什么样的数域结构能在平面上映射出更多的等距关系？
💡 用类比理解：想象你在修一座桥。几代工程师都在研究怎么用更好的钢材、更坚固的铆钉来加固桥身。这时候来了一个人说——也许我们不需要加固桥，我们可以换一个地方建桥，那里的地质条件天然就比这里好得多。
AI 的做法就是这个意思：它没有在"怎样排列点"这个几何框架里打转，而是发现了一种完全不同的数域结构，这种结构天然就能产生更多的单位距离。
OpenAI 科学家 Noam Brown（AI 德州扑克的提出者）说，这个模型并不是针对这个问题设计的，而且它也不是一个"辅助工具"。公司现在"想尽快推出它，让每个人都能使用"。[6]
到这里，故事进入了最精彩的部分。
OpenAI 发布成果的同时，同步公开了一篇由 9 位数学家联合署名的评论文章。[7] 文章第一节给出了 AI 证明的完整推导，后续章节是各位数学家对结果的独立评论。
这份名单里包括——
蒂莫西·高尔斯（Timothy Gowers），剑桥大学的菲尔兹奖得主。他说："如果这篇论文以人类署名投到顶级期刊《数学年鉴》（Annals of Mathematics），我会毫不犹豫地推荐发表。"[8]
还有 托马斯·布鲁姆（Thomas Bloom），曼彻斯特大学的数学家。这个名字特别值得说一下——7 个月前，正是他公开批评了 OpenAI 的一次"虚假突破"。当时 OpenAI 前副总裁声称 GPT-5 解决了 10 个 Erdős 问题，布鲁姆迅速查证并指出那只是模型从文献中检索到了已有的解答，并非原创证明。那件事最终以 OpenAI 删帖、当事人今年 4 月离职告终。
而现在，同一个布鲁姆，亲手为新成果签字背书。他在评论中说："AI 在这种水平的问题上给出解答，既令人惊讶也令人印象深刻。"[9]
但他同时也指出了一个重要的细节：AI 的原始证明虽然完全有效，但被 OpenAI 的人类研究员和参与论文的数学家显著改进了。人类在讨论、消化和改进这一证明、探索其后果方面，仍然扮演着关键角色。
普林斯顿大学的数学家威尔·索因（Will Sawin）随后还做了一件事：他精炼了 AI 的成果，给出了一个更精确的指数——c = 0.014。这意味着 AI 的发现不仅在"定性"上是突破，在"定量"上也可以精确表达。
这个接力过程，恰恰是这次事件最有价值的地方：AI 负责打开一扇没人想到的门，数学家负责走进去、看清楚、然后告诉全世界这扇门通往哪里。
看到这里你可能会问：那 AI 是不是很快就能解决所有数学难题了？
我觉得不是。事实恰恰相反，这次事件最值得深思的，是它展示了"人机协作"的真正模式。
OpenAI 的模型贡献了什么？
数学家贡献了什么？
两者缺一不可。
布鲁姆在自己的评论中写了一段非常优美的话：
"知识的前沿往往呈现出一种崎岖不平、充满尖峰的形态。AI 正助力我们去更全面地探索那座历经数个世纪才得以巍然耸立的数学大教堂；在这座宏伟殿堂的深处，又有哪些尚未被发现的奇观正静待着我们的发掘？"
他还说，这次成果最有价值的遗产，不是解决了某一个具体问题，而是揭示了代数数论和离散几何之间意想不到的关联。这可能为数学家们搭建起一座桥梁，引领他们去探索更多相关的问题。这不是终点，而是一个起点。
人类探索世界的方式，经历了几个阶段：先是凭经验和直觉（古代），然后靠理论和实验（近代科学革命），再靠计算和模拟（计算机时代）。
现在，AI 为科学发现带来了第四种可能：由 AI 提出原始假设和构造方案，由人类负责验证、理解和拓展。
OpenAI CEO Sam Altman 在宣布这一成果时发了一条推文，说"很期待 AI 大大扩展人类对世界的理解，但今天他心情复杂"。[10] 这种复杂，也许正来源于此——当 AI 开始做人类以为只有自己能做的事时，既兴奋又不安，再正常不过。
但这次的故事告诉我们：AI 不是来终结数学的，而是来帮数学家打开更多门的。未来的数学家，可能不再需要独自面对一张白纸苦思冥想——他们可以把 AI 当成一个"思路合伙人"，一起探索那些人类独自难以触及的角落。
而这，也许才是科学发现最激动人心的未来。