AI 推翻 80 年数学猜想，中国也开始为它定规矩了

luyuanhong

AI  推翻 80 年数学猜想，中国也开始为它定规矩了

原创  AI 龙卷风  AI 龙卷风  2026 年 5 月 23 日 14:04  北京

昨晚躺床上刷新闻，看到两条消息前后脚出现。

一条是 OpenAI 5 月 21 日的官宣——一个通用推理模型推翻了 Erdos 于 1946 年提出的“单位距离猜想”，一个困住数学家 80 年的问题。

另一条是中国发改委 5 月 22 日的表态——正在开展人工智能立法研究。

刚想感叹 AI 又进化了，突然觉得这两件事连在一起的画面有点意思：一只手在改写数学规则，另一只手在思考要不要给它画个圈。

一张平面图上的 80 年僵局

先说被推翻的这个猜想。

数学家 Paul Erdos 在 1946 年提出一个问题：在平面上放 n 个点，有多少对点之间的距离恰好等于 1 ？

这听起来像个中学几何题。但它困扰数学界近 80 年——从 1984 年 Spencer 、Szemerédi 、Trotter 证明上界为 O(n^(4/3)) ，到 2005 年被写进《Research Problems in Discrete Geometry》列为“组合几何中最知名的问题”，学术界长期认为平方网格构造已经接近最优。

OpenAI 内部一个通用推理模型，没有专门的数学训练，没有为这道题量身定制的算法，直接给出一种原创构造方案，推翻了 Erdos 的上界猜想。

更不可思议的是它用的工具——组合数学家几十年想的是几何和组合结构，这个模型把问题带到了代数数论领域，用上了 Golod-Shafarevich 理论和无限类域塔。这些纯数论工具从未被用来处理过平面点集，结果意外好用。

普林斯顿大学教授 Will Sawin 后续把精度推进到了 δ=0.014 ，写进了论文。菲尔兹奖得主 Tim Gowers 在配套论文里直接称这一结果为“ AI 数学的里程碑”（a milestone for  AI  mathematics）。

这跟我以前看到的 AI 做数学题不太一样。以前要么是 DeepMind 的 AlphaProof ，本质上算一个专门的数学系统；要么是某个模型做对了一道竞赛题，但方法上算不出“原创”。这一次，是一个通用模型在没有任何预设框架的情况下，给出了人类没有想过的新思路。

组合数学家 Noga Alon 的评语很直白：正确答案没有落在长期预期之内，而且新构造使用了相当高级的代数数论工具。

换句话说，AI 在数学上越界了——不是越过了人类的能力边界，而是越过了人类思维习惯的边界。

一条新闻和它背后更值得想的事

几乎同时，国家发改委新闻发言人李超在 5 月 22 日的新闻发布会上说，中国正在开展人工智能立法研究，强化安全治理能力建设，推动 AI 朝着"有益、安全、公平"的方向发展。

两个消息出现在同一个晚上：一边是用权威数学家的背书确认“ AI 能独立创造新知识”，一边是立法机关开始为 AI 划定行为框架。

这里面有一个非常值得注意的时间差。

OpenAI 的模型在 2026 年 5 月推翻了 1946 年的猜想。中国立法研究的启动也在 2026 年 5 月。两个时间节点不是巧合，而是同一件事的两面——当 AI 不再是“辅助工具”，可以直接创造人类没想到的知识，规则制定就从“鼓励创新”变成了“管理创造性”，难度完全不一样了。

立法不是目的，是回应。对 AI 的反应速度越快，说明感受到的变化越真实。这次发改委提到的不只是立法研究本身，还有在制造、医疗、能源等十多个行业出台“人工智能+”政策，在制造、医疗、交通等领域布局国家 AI 应用中试基地，以及谋划出台加快 AI 落地的配套文件。

一个含义很明显：技术落地在加速，制度建设也在加速。

两条线拧成一个问题

Erdos 猜想的推翻 +  AI 立法的启动，两条线拧完之后，落到我自己身上是一个问题：

当 AI 能给出数学家都没想到的证明路径时，“学习和思考”这件事本身，意义变了吗？

这个问题其实跟“ AI 会不会取代数学家”属于两个层级。更深层的是：如果 AI 的思维方式已经开始超越人类习惯的领域边界（从组合几何跳到代数数论），那么人类教育里按领域分学科的逻辑，是不是也有被撞松的风险？

德国数学家 David Hilbert 在 1900 年列出的 23 个未解问题，其中不少后来被独立子领域解决。Erdos 单位距离问题一直留在“组合几何”的篮子里，没有人想过用纯数论来推平它。AI 偏偏走通了。

这不是 AI 比人聪明，是 AI 没有被“这个问题属于哪个领域”这个标签限制。它在更大的空间里做搜索，而这个空间大到人已经无法靠直觉穷尽。

那立法研究在约束什么？不是 AI 的智能上限，而是 AI 行为的社会后果。有益、安全、公平——三个词都在说一件事：当 AI 能独立生成新知识时，谁对它产生的结果负责、谁来验证它是不是真的对——这些问题跟技术能力一起变大了。

这个月能想到的几件事：

1. 如果你在用 AI 辅助工作，可以试着问自己：AI 给出的方案里，有没有哪些部分是你的直觉绝对不会想的？那些部分不一定对，但值得记下来——它们可能是你自己的“思维盲区”。

2.  AI 在数论和几何之间打通了桥，意味着跨学科思考会更值钱。不是让你去学数论，是提醒自己遇到卡壳的问题时，别只在自己熟悉的工具箱里翻。

3. 国内 AI 立法还在研究阶段，未必短期内出细则。但从释放的信号来看，“安全可控”会是长期主题。如果你在做 AI 产品或服务，提前考虑合规，不是更麻烦，是更稳。

写在最后

OpenAI 推翻了一个 80 年的数学猜想，中国开始了 AI 立法的研究。两件事同一天出现在我的信息流里，第一次让我有种清晰的感觉：

技术发展从来不是最大的问题。更大的问题是，技术在往前跑，制度在追赶，人卡在中间。

普通人能做的，不是预测终点，是保持对“技术+制度”组合变化的关注。等规则出来再适应，和提前想一步，差距会在未来三年里慢慢拉开。

这可能就是 2026 年 5 月的寻常夜晚：一条新闻说 AI 又越界了，另一条新闻说我们准备画条新线。两个都是真的，而且互为因果。

你最近有没有觉得，你正在学的某个技能，或者用的某个工具，慢慢变得跟 AI 的关系越来越近了？

那个感受本身，就是信号——最准的信号。

AI 龙卷风

xfhaoym

我也看了这条新闻。我以为AI只会查找已有的事物，这回可好，它想的比人还超前！问问它：哥式猜想怎么办？