雅可比猜想：一个 87 年数学之谜在 AI 时代的突破

luyuanhong

雅可比猜想：一个 87 年数学之谜在 AI 时代的突破

原创  见色非色  见色非色  2026 年 7 月 21 日 10:20  江苏

从 Keller 的 1939 年论文，到张益唐的博士论文，再到世界杯决赛夜的一个 X 帖子

2026 年 7 月 19 日，美国东部时间晚上 9 点 14 分。世界杯决赛正在激烈进行，全球数亿人盯着屏幕。而在 X（前 Twitter ）上，一位名叫 Levent Alpoge 的数学家发了一条只有五个单词的帖子：“hello there the jacobian conjecture is false .”附带的不是论文摘要，不是预印本链接，而是一组多项式——三个关于三个变量的多项式，最高次数为七次。就是这组多项式，在几小时内被 SymPy 、SageMath 、Lean 4 三个独立的计算机代数系统验证通过，推翻了一个悬置 87 年的数学猜想。

这个猜想的正式名字叫雅可比猜想（Jacobian Conjecture），由德国数学家 Ott-Heinrich Keller 于 1939 年提出。它位列 Stephen Smale 1998 年开列的“21 世纪 18 个最重要的数学问题”之中，与黎曼猜想、庞加莱猜想并列。87 年来，无数数学家试图证明它，其中包括多位菲尔兹奖级别的人物。所有人都失败了。不是因为这个猜想太难——恰恰相反，它的陈述简单到任何一个学过多元微积分的大二学生都能读懂。它难在另一个层面：这个看似无害的问题，像一个设计精巧的陷阱，一次又一次地把最有才华的头脑引入歧途。

一、一个看似简单的问题

让我们从最基本的地方开始。

假设你有一个函数，输入一个数，输出一个数。如果这个函数的导数处处不为零，那么它在每一点附近都是可逆的——这是微积分课本上的反函数定理。更进一步，如果这个函数是多项式，且导数是一个非零常数，那这个函数只能是线性的：f(x) = ax + b ，其中 a ≠ 0 。它的逆函数也很简单：f^(-1)(y) = (y - b)/a ，仍然是一个多项式。

这个单变量的结论如此平凡，以至于你很难相信把它推广到多个变量后会变成一个困扰数学界 87 年的难题。但事情就是这样发生了。


Jacobian 行列式的几何意义：它度量了映射在局部对面积的拉伸/压缩比例。当 Jacobian 为常数时，意味着映射在任何地方都以相同的比例变换空间。

现在把问题推广到多个变量。假设你有一个从 n 维空间到 n 维空间的映射，每个输出分量都是关于输入变量的多项式。你可以计算它的雅可比矩阵—— 一个 n×n 的矩阵，每个元素是对应的偏导数。这个矩阵的行列式叫做雅可比行列式。反函数定理告诉我们：如果在某一点雅可比行列式不为零，那么这个映射在该点附近是局部可逆的——也就是说，在该点的一个足够小的邻域内，你可以找到逆映射，而且这个逆映射是光滑的。

雅可比猜想问的是：如果雅可比行列式在整个空间上都是一个非零常数（而不仅仅是在某一点不为零），那么这个多项式映射是否一定在整个空间上全局可逆？而且，它的逆映射是否也是多项式？

用更数学化的语言说：设 F: C^n → C^n 是一个多项式映射，如果 det JF ≡ c ≠ 0（c 是一个常数），那么 F 是否一定是一个多项式自同构？也就是说，是否存在另一个多项式映射 G ，使得 F○G = G○F = 恒等映射？

直觉上，这个问题似乎应该有一个肯定的答案。雅可比行列式是常数意味着这个映射在任何地方都不会"折叠"空间——它不会把不同的点粘在一起，也不会在某些方向上压缩到零。局部的可逆性处处成立，那么全局的可逆性难道不是顺理成章的吗？

问题在于，局部和全局之间，隔着一道深渊。

想象一条公路。你在每一段路面上看，路面都是平坦的、没有交叉的，但这并不意味着整条公路不会绕回原点。一个映射可以在每一点附近都表现得像一个完美的坐标变换，但在整体上却可能把两个相距很远的点送到同一个目的地。雅可比猜想断言：对于多项式映射来说，这种“绕路”是不可能的——多项式的代数结构足够刚性，足以阻止任何全局的折叠。

这个断言在 n = 1（单变量）时是对的。在 n = 2 时，没有人能找到反例，但也没有人能够证明。在 n ≥ 3 时，情况更加扑朔迷离。直到 2026 年 7 月 19 日，人们才知道：这个断言在 n ≥ 3 时是错的。

值得注意的是，雅可比猜想的“常数雅可比行列式”条件比单纯的“处处不为零”要强得多。如果雅可比行列式只是处处不为零（但不一定是常数），那么即使在实数域上，反例也早已存在——这就是 1994 年 Pinchuk 的著名反例。Keller 的猜想之所以特别，是因为它要求行列式是一个常数，这意味着映射在任何地方都以相同的“比例”拉伸或压缩空间。正是这种全局的一致性，让人们长期相信它足以保证全局的可逆性。

二、Keller 的遗产与“民科坟场”

雅可比猜想的正式诞生通常被追溯到 1939 年。那一年，德国数学家 Ott-Heinrich Keller 在《Monatshefte für Mathematik und Physik》上发表了一篇题为“Ganze Cremona-Transformationen”的论文。但实际上，两变量的版本早在 1884 年就由 Ludwig Kraus 提出过，Kraus 甚至给出了一个证明——只是那个证明是有缺陷的。Kraus 的错误在于他假设了某些在无穷远处成立的性质可以自动推广到整个空间，而这种推广正是雅可比猜想的核心难点所在。


Ott-Heinrich Keller（1906–1990），德国数学家，雅可比猜想的提出者。图片来源：MacTutor 数学史档案。

Keller 的论文讨论的是所谓的“整 Cremona 变换”，即多项式自同构。Cremona 变换是代数几何中的经典对象，指有理映射下的双有理变换。Keller 观察到，如果一个多项式映射的雅可比行列式是常数，那么它似乎必须是一个自同构。这个观察后来被称为 Keller 问题，也就是我们今天所说的雅可比猜想。

1998 年，Stephen Smale 在《Mathematical Intelligencer》上发表了他著名的“ 21 世纪数学问题”清单。黎曼猜想排在第 1 位，庞加莱猜想排在第 2 位，而雅可比猜想排在第 16 位。Smale这样评价它：“这个猜想已经抵抗了所有攻击超过半个世纪，它的解决似乎需要全新的思想和方法。”Smale把它与黎曼猜想、庞加莱猜想、P vs NP 等问题并列，这本身就说明了它在数学界的核心地位。


Stephen Smale ，1966 年菲尔兹奖得主。1998 年他开列的“ 21 世纪 18 个最重要的数学问题”中，雅可比猜想位列第 16 。图片来源：MacTutor 数学史档案。

但雅可比猜想在数学史上还有另一个不那么光彩的名声：它是所谓的“民科坟场”（crank graveyard）。

这个问题的陈述如此简单，以至于任何有一定数学基础的人都觉得自己可以试一试。87 年来，成百上千的“证明”被提交给数学期刊，其中绝大多数都包含微妙的错误。有些错误隐藏得很深，需要专家花几个月才能发现。有些错误则在于作者混淆了“实数域”和“复数域”上的不同版本，或者把“局部可逆”和“全局可逆”混为一谈。

数学家 T.T. Moh 在 2008 年分析一篇错误证明时，写下了这样一段令人啼笑皆非的历史：

Beniamino Segre 发表过三个错误证明。Claude Chevalley ——是的，那个在代数几何和数论中留下深刻印记的 Chevalley ——曾经接受了一个错误证明为正确。Igor Shafarevich ，另一位代数几何的巨擘，在他的著作中把这个猜想当作已经证明的定理来使用。

连 Chevalley 和 Shafarevich 这样的大师都会在这个问题上栽跟头，可见这个陷阱设计得多么精巧。它不是那种需要高深技术才能触及的问题——恰恰相反，它太容易触及了，以至于每个人都觉得自己站在答案的门口。而真正的困难在于，从“看起来对”到“真的对”之间，隔着一道几乎看不见的裂缝。那道裂缝的名字叫“无穷远”。

雅可比猜想的所有错误证明，几乎都在某个时刻偷偷地把“在有限区域内的行为”推广到了“在整个空间上的行为”。多项式映射在复数域上的行为在无穷远处可能极其复杂，而 Jacobian 行列式作为常数的条件只约束了有限点处的局部性质。要建立从局部到全局的桥梁，需要处理无穷远处的拓扑和代数结构——而这正是问题的核心难点。

这种“平易近人的外表 + 深不可测的内核”的组合，让雅可比猜想成为了数学界的一个独特现象。它不像黎曼猜想那样需要数年的专门训练才能理解其陈述，也不像庞加莱猜想那样需要拓扑学的全套装备。你只需要懂一点微积分，就可以读懂这个问题。但读懂和解决之间，差了整整 87 年。在这 87 年里，它像一面镜子，照出了数学家们最脆弱的直觉盲点。

三、张益唐的七年

在雅可比猜想的漫长历史中，有一个中国数学家的名字与之紧密相连——张益唐。这段故事不仅仅是关于一个数学问题的，它是关于命运、关于师徒关系、关于一个天才如何在最艰难的时刻坚守自己的道路。


张益唐在南开大学讲课。图片来源：南开大学陈省身数学研究所。

1984 年夏天，代数几何学家莫宗坚访问北京大学。时任北大校长的丁石孙向他推荐了几位学生，其中就有张益唐。莫宗坚的研究方向之一就是雅可比猜想，他希望能找到中国学生和他一起工作。张益唐对这个难题充满热情，于是 1985 年，他赴美进入普渡大学，师从莫宗坚攻读博士学位。

张益唐在普渡待了七年。对一个数学博士生来说，七年是异常漫长的。美国数学博士的平均毕业时间是五到六年，而张益唐用了整整七年。他的博士论文题目是《The Jacobian Conjecture and the Degree of Field Extension》——雅可比猜想与域扩张的阶。他相信自己解决了这个猜想。

但故事在这里发生了戏剧性的转折。

张益唐的证明依赖于他的导师莫宗坚之前发表的一个结果作为引理。在论文投稿后的审稿过程中，张益唐发现这个引理可能不成立。这意味着他整个证明的基础被动摇了。论文最终未能发表。

关于这个引理的具体内容，外界所知不多。它涉及域扩张的某个次数估计，莫宗坚曾在之前的论文中声称证明了某个关于雅可比猜想相关映射的上界。张益唐把这个结果作为自己证明的关键步骤，但在仔细审查后发现，莫宗坚的论证中存在一个漏洞——在某些特殊情况下，那个上界并不成立。而这个"某些特殊情况"，恰恰出现在张益唐的构造中。

更复杂的是师生关系的变化。张益唐决定放弃代数几何，重回数论领域。莫宗坚后来在给《纽约客》记者的邮件中说：“我当时不太高兴。然而我捍卫学生改换研究领域的权利，所以我友好地跟他告别了。这 22 年来，我对他的情况一无所知。”

但莫宗坚没有为张益唐写推荐信。在学术界，没有导师的推荐信几乎等于死刑。博士论文未发表、没有推荐信、再加上 1991 年前后苏联解体导致大量苏联数学家涌入美国就业市场，张益唐毕业后陷入了长期的失业和漂泊。他做过赛百味（Subway）的会计、在中餐馆打过工、送过外卖，甚至一度无家可归，借宿在朋友肯塔基州乡下的汽车里。北大同学得知他的处境，邀请他回国工作，但被他拒绝——他仍然梦想在美国数学界取得认可。

“我从不怀疑自己能够解决重要问题，”张益唐后来回忆道，“物质上的困难可以忍受，只要让我继续思考数学。”

后来的故事我们都知道了。2013 年，张益唐在《数学年刊》（Annals of Mathematics）上发表论文，证明了存在无穷多对素数，其差距不超过 7000 万——这是孪生素数猜想的一个里程碑式突破。他从一个“学术界的流浪者”一跃成为世界级数学家。2014 年，他获得了麦克阿瑟“天才奖”（MacArthur Fellowship）。2022 年，他又在朗道-西格尔零点问题上取得重要进展。

但很少有人追问：如果当年那个引理是正确的，如果张益唐的博士论文得以发表，数学史会如何改写？当然，历史没有如果。雅可比猜想继续悬置，而张益唐在数论中找到了属于他的战场。只是每当人们谈论这个猜想的“民科坟场”属性时，张益唐的故事提醒我们：即使是真正的天才，也可能在这个陷阱中失去方向。而一个错误的引理，足以改变一个人的一生。

四、八十年的攻防

尽管完整的雅可比猜想始终未被证明，但数学家们在这八十年间建立了一座令人印象深刻的"部分成果大厦"。这些成果没有直接解决问题，但它们勾勒出了问题的边界——告诉我们，在什么条件下猜想是成立的，在什么方向上寻找反例可能是徒劳的。理解这些成果，是理解 2026 年反例为何如此令人震惊的前提。


复平面上多项式映射的可视化。随着次数的增加，多项式在无穷远处的行为变得越来越复杂。图片来源：Mathematics Stack Exchange 。

4.1 二次情形：Wang 的突破

1980 年，S.S.S. Wang 证明了一个关键结果：如果多项式映射的每个分量的次数都不超过2（即二次映射），那么雅可比猜想成立。这个证明相对简洁，核心思想是利用二次多项式的特殊结构：如果一个二次 Keller 映射把两个不同的点送到同一个输出，那么通过分析连接这两点的直线上的行为，可以导出矛盾。这个证明揭示了一个重要现象：低次多项式的刚性足够强，足以保证全局可逆性。

Wang 的结果给了数学家们一个错误的希望：也许通过逐步提升次数，最终可以覆盖所有情形。但这个策略很快遇到了瓶颈。三次多项式的行为远比二次复杂，而 Wang 的证明技巧在三次情形完全失效。

4.2 降次定理：Bass、Connell 与 Wright

1982 年，Hyman Bass 、Edwin Connell 和 David Wright 发表了一篇里程碑式的综述论文，证明了一个惊人的结果：要证明一般情形下的雅可比猜想，只需要证明一个极其特殊的情形——三次齐次情形。具体来说，任何多项式映射都可以被“稳定化”（增加额外的变量）转化为一个形如 F = I + H 的映射，其中 H 的每个分量都是三次齐次多项式或零。如果这种特殊形式的映射满足雅可比猜想，那么一般情形也成立。

这个降次定理把问题从"任意次数的多项式"压缩到了“三次齐次多项式”。随后，Ludwik Druzkowski 进一步证明，甚至可以假设这些三次齐次多项式具有特殊的“三次线性型”结构，即每个 Hi 都是某个线性形式的立方。Michiel de Bondt 和 Arno van den Essen 在 2005 年又证明，对于复数域上的情形，问题可以约化到雅可比矩阵是齐次、幂零且对称的情形。

这些约化定理给了数学家们一种“问题已经被简化到最核心形式”的错觉。但正是这种“最简形式”，在长达四十年的时间里依然纹丝不动。更讽刺的是，2026 年的反例告诉我们：所有这些约化方向可能都是错的——真正的反例并不符合任何已知的约化形式。

4.3 两变量的进展：Moh 的百年之墙

在 n = 2 的情形，数学家们走得更远。1983 年，T.T. Moh 证明了：如果两个变量的多项式映射的次数不超过 100 ，那么雅可比猜想成立。这个数字后来又被推进到更高的界限。但“不超过 100 ”和“所有次数”之间，仍然隔着无穷远。

Moh 的证明基于对多项式在无穷远处行为的精细分析，使用了所谓的“近似根”（approximate roots）技术。这种技术与 Abhyankar-Moh 定理密切相关——后者是代数曲线理论中的一个深刻结果，描述了一类具有特殊无穷远行为的平面曲线。

两变量情形还有一个相关的经典结果：Jung 在 1942 年证明的自同构定理。它断言，复平面C^2 上的每一个多项式自同构都是“驯服的”——可以分解为线性自同构和形如 (x , y) → (x + p(y) ,  y ) 的初等自同构的有限乘积。Van der Kulk 在 1953 年把这个结果推广到了任意特征的域上。这个定理与雅可比猜想密切相关，但它只描述了“已知是自同构的映射”的结构，而不是回答“满足雅可比条件的映射是否一定是自同构”。

4.4 实数域的反例：Pinchuk 的惊雷

1994 年，Sergey Pinchuk 投下了一颗炸弹。他构造了一个从 R^2 到 R^2 的多项式映射，其雅可比行列式处处不为零（虽然不是常数），但这个映射不是单射。这否定了实数域上的强雅可比猜想——即“处处不为零的 Jacobian 蕴含全局可逆”。

Pinchuk 的反例是一个高度复杂的多项式，其中一个分量的次数为 10 ，另一个分量的次数为 25 。后来的研究者进一步简化了这个构造，目前已知的最小反例中一个分量的次数为 9 ，另一个为 15 。这些反例的共同特点是：它们的雅可比行列式不是常数，而是在实数域上处处为正（或处处不为零），因此不适用于 Keller 的原始猜想。

但 Pinchuk 的反例仍然具有深远的心理影响。它让人们意识到：如果复数域上的雅可比猜想也有反例，那么它可能也需要相当高的次数。数学家们开始猜测，复数域上的反例——如果存在的话——可能需要次数在 100 以上，甚至更高。毕竟，实数域上最简单的反例都需要次数 9 和 15 ，而复数域上的条件更强（要求行列式为常数而非仅仅处处不为零）。

这个猜测在 2026 年 7 月 19 日被证明是错的。错得离谱。Alpoge-Fable 反例的最高次数只有 7 ，而且系数都是小整数。它打破了所有关于“反例需要高次”的直觉。

4.5 概率方法的尝试

2023 年，E. Bisi 、P. Dyszewski 、N. Gantert 、S.G.G. Johnston 、J. Prochno 和 D. Schmid 六位数学家提出了一条全新的进攻路线。他们建立了随机平面树与雅可比猜想之间的联系，证明了一个惊人的等价性：如果存在某个整数 d ≥ 3 ，使得对于所有自然数 p ，在足够大的 d-Catalan 树上存在一个以均匀分布为不变分布的 p-洗牌马尔可夫链，那么雅可比猜想成立。

这条概率途径为雅可比猜想打开了一扇全新的窗户。它把代数和几何的问题转化为了概率和组合的问题，把“是否存在反例”的问题转化为了“是否存在某种随机过程”的问题。湘潭大学的向开南教授在 2023 年和 2025 年的一系列报告中详细阐述了这一方法，并确认了“一致无穷 d-Catalan 树在某非平凡 p-洗牌作用下具有不变性”这一关键性质。

但概率方法需要回答的问题是：那个关键的马尔可夫链是否真的存在？在 2026 年 7 月 19 日之前，没有人能够给出确定的答案。现在我们知道，这个马尔可夫链不可能存在——因为雅可比猜想在 n ≥ 3 时是错误的。概率方法的失败，不是因为它的逻辑有问题，而是因为它的前提（雅可比猜想为真）不成立。这个结果本身也提供了关于 Catalan 树和洗牌算子的新信息——只是这种信息的形式，与最初设想的完全不同。

4.6 等价的猜想：Dixmier 与 Poisson

雅可比猜想还有一个迷人的侧面：它与另外几个看似无关的数学猜想是等价的。这种等价性不是偶然的，它反映了代数几何、非交换代数和数学物理之间的深层联系。

Dixmier 猜想问的是：Weyl 代数 An（n 个变量的多项式微分算子代数）的每一个自同态是否都是自同构？这个猜想由 Jacques Dixmier 在 1968 年提出，看起来与雅可比猜想风马牛不相及—— 一个关于多项式映射，一个关于微分算子。但 2007 年，Alexei Belov-Kanel 和 Maxim Kontsevich 证明了稳定版本的等价性：雅可比猜想在 2n 维的成立蕴含 Dixmier 猜想在 n 维的成立，反之亦然。K. Adjamagbo 和 Arno van den Essen 进一步证明了 Jacobian 、Dixmier 和 Poisson 三个猜想在一般意义上的等价性。

这意味着，雅可比猜想不仅仅是一个孤立的问题。它是整个代数几何、非交换代数和数学物理交汇点上的一个枢纽。推翻雅可比猜想，意味着我们必须重新审视这些等价猜想的命运。Dixmier 猜想现在是否也在 n ≥ 3 的某些维度上被否定了？还是说等价性在稳定化的过程中隐藏了某些微妙之处？这些问题将在未来几年内被仔细梳理。

luyuanhong

五、世界杯决赛夜的地震

5.1 Levent Alpoge 是谁

Levent Alpoge 不是一位普通的数学家。他在哈佛大学读本科时就已经崭露头角，2015 年获得了美国数学协会（AMS）、数学协会（MAA）和工业与应用数学学会（SIAM）联合颁发的 Morgan Prize ——这是美国本科生数学研究的最高荣誉。他的本科研究涉及数论中的多个方向，包括椭圆曲线上的有理点和模形式。

随后他进入普林斯顿大学攻读博士学位，导师是 2014 年菲尔兹奖得主 Manjul Bhargava —— 一位以研究高斯复合律和椭圆曲线平均秩闻名的数论大师。Alpoge 的博士论文研究的是曲线上的有理点，属于数论中的核心领域。毕业后，他在哈佛大学 Society of Fellows 做了 Junior Fellow ，之后加入了 Anthropic ——那家以 Claude 系列大语言模型闻名的 AI 公司。他在 Anthropic 的身份是“数论学家”，这个头衔本身就暗示了他的工作性质：用数学的严谨性来理解和改进 AI 系统。


Anthropic 公司标志。Alpoge 目前在该公司以“数论学家”的身份工作。

2026 年 7 月 19 日，美国东部时间晚上。世界杯决赛正在激烈进行。Alpoge 的一位朋友——他在 X 帖子中只提到了名字“Akhil”，外界推测这可能是数学家 Akhil Mathew ，一位在代数拓扑和代数几何中做出重要贡献的年轻学者——在比赛期间向他提起了雅可比猜想。Alpoge 把这个问题的描述输入了 Anthropic 最新发布的推理模型 Claude Fable 5 。

然后，事情发生了。

5.2 一个七次多项式的诞生

Claude Fable 5 给出的不是一个证明，而是一个反例。这比证明更有力——证明可能有漏洞，但反例只需要通过两个简单的检验：第一，雅可比行列式是否真的是非零常数；第二，是否存在两个不同的点被映射到同一个输出。

反例是这样的。设 u = 1 + xy ，定义映射 F: C^3 → C^3 为：


Alpoge-Fable 反例（ 2026 年 7 月 19 日）

三个多项式的总次数分别是 7、6 和 4 。系数全是整数，没有分数，没有根号，没有超越函数。这个映射的雅可比行列式经过计算，恒等于 -2 。这是一个非零常数，满足雅可比猜想的全部条件。

但接下来是致命的一击。考虑以下三个点：

三个碰撞点

p1 = (0, 0, -1/4)
p2 = (1, -3/2, 13/2)
p3 = (-1, 3/2, 13/2)

它们都被映射到同一个输出：(-1/4, 0, 0)

三个不同的输入，同一个输出。这意味着 F 不是单射。一个不是单射的映射，当然不可能有全局逆映射——因为如果 F(a) = F(b) = c ，那么 c 的原像至少包含 a 和 b 两个点，你无法唯一地确定“ c 来自哪里”。雅可比猜想在三维情形被否定了。


不同次数多项式在复平面上的流线图。随着次数增加，多项式的全局行为变得越来越复杂，局部可逆性不再保证全局可逆性。图片来源：Mathematics Stack Exchange 。

更进一步的推论是：对于任何 n ≥ 3 ，我们都可以把这个三维反例通过添加恒等坐标的方式推广到 n 维。具体来说，定义 F : C^n → C^n 为 F(x1, ..., xn) = (F1(x1,x2,x3), F2(x1,x2,x3), F3(x1,x2,x3), x4, ..., xn)。这个扩展映射的雅可比行列式仍然是 -2 ，而且仍然把至少三个不同的点送到同一个输出。因此，雅可比猜想在所有维度 n ≥ 3 时都是错误的。

5.3 验证：数小时内的全球共识

Alpoge 的帖子发出后，数学界和 AI 界的反应几乎是即时的。但与其他“宣称证明著名猜想”的事件不同，这一次没有人需要等待几个月的同行评审来判断真伪。因为反例的验证是纯粹计算性的，任何人都可以在自己的电脑上完成。

几小时内，独立验证从四面八方涌来：

SymPy ：Python 的符号计算库，用有理数精确计算了 Jacobian 行列式和三个点的像。代码不到十行，运行时间不到一秒。

SageMath ：开源数学软件系统，同样给出了确认。SageMath 的优势在于它内置了丰富的代数几何工具，可以自动处理多项式环上的计算。

Lean 4 ：交互式定理证明器，由微软研究院开发。Lean 4 的验证不仅仅是数值计算，而是形式化的数学证明——它证明了“对于所有 (x,y,z) ∈ C^3 ，det JF(x,y,z) = −2 ”以及“ F(p1) = F(p2) = F(p3) ”这两个命题。这意味着，从 Lean 4 的角度来看，雅可比猜想的否定是一个已经被机器验证的定理。

Wolfram Alpha ：Alpoge 本人在帖子中附带了 Wolfram Alpha 的链接，任何人点击即可复现计算。这种“可点击的验证”是数学传播史上的新现象。

Hacker News 的帖子在几小时内获得了 363 个赞，登上首页。Wikipedia 的“ Jacobian Conjecture ”词条被迅速更新。数学家 Qiaochu Yuan 在 X 上评论：“这是迄今为止语言模型解决的最著名的开放问题。” Jared Duker Lichtman ——另一位在数论中做出重要工作的数学家——称这个结果“remarkable”。斯坦福大学的一位教授详细分析了为什么这个反例有效，并指出了一个“几乎像电影一样的巧合”：张益唐的博士论文正是关于雅可比猜想的一个特殊情形。

但值得注意的是，数学家们保持了他们一贯的谨慎。PacketNebula 等技术分析网站明确指出：反例本身的数学正确性已经得到验证，但“ AI 是如何找到它的”、“人类在多大程度上引导了发现过程”、“完整的工作流程是什么”——这些问题的答案仍然不透明。Alpoge 的帖子只说了“thanks to my close friend fable for working during the world cup final”，没有透露任何关于提示词、交互过程或模型版本的技术细节。

5.4 为什么以前没人发现？

这个反例最令人困惑的地方在于它的“简单”。

七次多项式。整数系数。三个有理数点。这些对象在 87 年里理论上可以被任何一位代数几何学家计算出来。SymPy 的验证脚本不到十行。一个勤奋的本科生用一下午的时间就可以穷举低次多项式并检查它们是否满足条件。但没有人找到它。

数学家 Jared Duker Lichtman 在评论中提到了一个关键的历史参照：1994 年 Pinchuk 的实数域反例，次数高达 35 。Bass-Connell-Wright 的降次定理把问题约化到了三次齐次情形，这让人们把注意力集中在特定的代数结构上。概率方法（Bisi 等，2023）又把问题引向了随机组合结构。所有这些方向都是合理的、深刻的，但它们也共同构成了一种“认知框架”——数学家们在这个框架内寻找答案，而反例却躲在框架之外。

Claude Fable 5 找到的 (1 + xy) 加权结构，并不是人类数学家们传统上会考虑的形式。它不是三次齐次的，不是对称的，不是幂零的。它不符合任何已知的约化定理的假设条件。这个结构的核心是一个巧妙的变量替换：令 u = 1 + xy ，然后让 u 在多项式中以不同的幂次出现—— u^3 、u^2 、u^1 ——形成一种有层次的依赖关系。这种构造在人类看来“不自然”，因为它不对应任何经典的代数几何对象。但对 AI 来说，“自然”不是一个约束条件。

这揭示了一个深刻的认知科学问题：人类数学家的“直觉”和“审美”在帮助他们发现优美结构的同时，也可能系统性地遮蔽某些类型的解。当我们说一个构造“看起来有希望”时，我们实际上是在用过去的经验来过滤搜索空间。这种过滤在大多数情况下是高效的，但在某些罕见的情况下，它会把正确答案排除在外。Alpoge-Fable 反例就是这样一个被人类审美过滤掉的解。

这正是 AI 辅助发现最令人不安也最令人兴奋的地方：AI 不受人类直觉的约束，不受“这看起来像一个有希望的方向”这种判断的影响。它可以在一个更广阔的、更异类的搜索空间中漫游，找到那些对人类来说“不自然”但数学上完全有效的对象。它不是更聪明，它只是没有偏见。

六、未竟的战场

6.1 两变量的雅可比猜想仍然开放

Alpoge-Fable 反例生活在 C^3 中。它通过添加恒等坐标可以推广到任何 n ≥ 3 的维度。但它不能告诉我们任何关于 n = 2 的信息。

两变量的雅可比猜想——也就是 Keller 最初关心的问题——仍然是一个开放问题。这有点像庞加莱猜想的故事：庞加莱猜想最初是针对三维流形提出的，后来被推广到高维，而高维版本（n ≥ 5）在 1960 年代就被 Smale 证明了，四维版本在 1980 年代被 Freedman 证明，但三维版本——即原始的庞加莱猜想——直到 2002 年才被 Perelman 解决，而且 Perelman 的证明使用了全新的 Ricci 流技术，完全不同于高维的证明方法。

雅可比猜想现在呈现出类似的结构：高维（n ≥ 3）已被否定，低维（n = 2）仍然悬置。Moh 的结果告诉我们，次数不超过 100 的两变量情形是对的。但 100 以上的广阔空间仍然是一片未知。而且，即使我们证明了所有有限次数的两变量情形，仍然需要处理无穷次数的情形——因为多项式的次数没有上界。

更有趣的问题是：Alpoge-Fable 反例的结构是否能在两变量中被复制？答案是否定的。两变量的多项式映射具有一些特殊性质——例如，Jung-van der Kulk 定理对自同构结构的完整描述——这些性质在三维中不再成立。因此，n = 2 的雅可比猜想可能是一个完全不同类型的问题，需要完全不同的方法。

6.2 GPT-5.6 的“修复版”猜想

在 Alpoge 发布反例之后，GPT-5.6 迅速介入——不是去质疑反例，而是去分析它，并提出了一个“修复版”的雅可比猜想。这个修复版试图通过添加额外的条件来排除 Alpoge-Fable 反例，同时保留猜想的本质精神。

这种“猜想被否定后立即提出修复版”的模式在数学史上并不罕见。当 Pinchuk 在 1994 年否定了实数域上的强雅可比猜想后，数学家们迅速区分了“雅可比行列式为非零常数”（Keller 条件）和“雅可比行列式处处不为零”（实数域上的弱条件）两个版本。现在，随着复数域上的三维反例出现，我们可能需要进一步细化问题的陈述。

GPT-5.6 提出的修复版具体是什么，目前公开信息有限。但一个合理的猜测是：修复版可能会要求映射是“proper”（逆像紧致的映射是紧致的），或者要求映射在无穷远处具有某种非退化行为。事实上，数学上已知的一个结果是：proper 的 Keller 映射一定是自同构。Alpoge-Fable 反例显然不是 proper 的，因为它的像集在复空间中可能遗漏某些点。因此，“proper Keller 映射是自同构”这个修正后的命题可能仍然成立。

但这个细节本身就具有象征意义：AI 不仅参与了猜想的否定，还参与了猜想的重构。这在数学史上是前所未有的。传统的数学发现模式是：人类提出猜想，人类证明或否定猜想，人类根据结果提出新的猜想。而现在，AI 已经介入了每一个环节。

6.3 对代数几何的影响

雅可比猜想的否定并不意味着过去八十年的工作化为乌有。恰恰相反，那些部分结果、约化定理、等价猜想，现在获得了新的意义——它们告诉我们，在什么条件下猜想是成立的，在什么条件下它不成立。

例如，Bass-Connell-Wright 的降次定理告诉我们：如果三次齐次情形的雅可比猜想成立，那么一般情形也成立。现在我们知道一般情形不成立，因此可以立即推出：三次齐次情形也不成立。这是一个纯粹的逻辑推论，不需要构造任何新的反例。虽然我们还不知道三次齐次情形的具体反例长什么样，但我们知道它一定存在。

同样，由于雅可比猜想与 Dixmier 猜想、Poisson 猜想的等价性，我们需要重新审视这些等价关系的精确形式。Belov-Kanel 和 Kontsevich 证明的是“稳定等价”——即 2n 维的雅可比猜想蕴含 n 维的 Dixmier 猜想。现在 2n ≥ 3 的雅可比猜想已被否定，这是否意味着某些维度的 Dixmier 猜想也需要重新评估？具体来说，当 2n ≥ 3 时，2n 维的雅可比猜想是假的，但这并不直接否定 n 维的 Dixmier 猜想，因为稳定等价是一个单向蕴含：JC(2n) => Dixmier(n) 。JC(2n) 为假并不蕴含 Dixmier(n) 为假。但如果我们能找到 Dixmier(n) 的反例，那么根据等价性的另一个方向，我们也能得到 JC(2n) 的反例——而我们已经有了 JC(2n) 的反例，所以 Dixmier(n) 也应该是假的。这个推理链需要更仔细的检查，但它无疑为未来的研究开辟了新的方向。

6.4 Moonshine 与神经雅可比猜想

在 2026 年 6 月——也就是 Alpoge-Fable 反例出现的一个月前—— 一篇有趣的论文出现在 arXiv 上，题为“Moonshine: An Autonomous Mathematical Research Agent Centered on Conjecture Generation”。论文介绍了一个名为“Moonshine”的自主数学研究智能体，它以雅可比猜想为案例研究，提出了一个“神经雅可比猜想”（Neural Jacobian Conjecture）：如果一个单层仿射-脊线 sigmoid 网络的雅可比行列式在全空间上严格为正，那么它必须是全局单射的。

Moonshine 使用 GPT-5.5-pro 和 DeepSeek-V4-pro 分别独立证明了这个神经版本在 N = n + 1 情形下的正确性。这个工作与 Alpoge-Fable 反例形成了一个有趣的对话：在神经网络的连续世界中，类似的猜想可能是对的；但在多项式的离散代数世界中，它已经被证明是错的。这种“连续对、离散错”的反差，可能为理解雅可比猜想的本质提供新的线索。

更深层的问题是：为什么多项式映射比神经网络映射更容易“折叠”？多项式的刚性——系数固定、次数有限——在某种程度上反而给了它们更多的“自由度”来构造复杂的全局行为。神经网络的激活函数（如 sigmoid ）是单调的、有界的，这种结构约束可能阻止了全局折叠的发生。而多项式在无穷远处是无界的，它们可以在某些方向上趋向无穷，在另一些方向上保持有限，从而创造出复杂的拓扑结构。

6.5 AI 与数学的未来

Alpoge-Fable 事件在 AI 社区引发的讨论，远比在数学社区更激烈。这不仅仅是因为 AI 解决了一个数学问题，而是因为这个问题解决的方式挑战了我们对"数学发现"的传统理解。

一方面，这是迄今为止语言模型在纯数学领域取得的最显著成就。不是模式识别，不是代码生成，不是辅助证明已有的定理，而是发现一个新的数学事实——一个推翻 87 年猜想的反例。这个成就的分量，远超此前 AI 在数学领域的任何成果，包括 AlphaTensor 对矩阵乘法算法的改进、AlphaGeometry 对奥林匹克几何题的解答，以及 Lean 4 对已有定理的形式化验证。

另一方面，冷静的观察者指出了关键的一点：这个反例之所以有价值，恰恰是因为它可以被人类独立验证。Claude Fable 5 给出了候选构造，但 Alpoge 本人用 Wolfram Alpha 进行了验证。SymPy 、SageMath 、Lean 4 的独立确认才是让这个结果站稳脚跟的东西。如果 Fable 5 给出的是一个长达百页的证明，而不是一个可以直接检验的反例，那么它的可信度将大打折扣——因为我们无法确定那百页证明中是否隐藏着一个微妙的错误，就像过去 87 年里那些错误的“证明”一样。

这揭示了一个关于 AI 辅助数学研究的深层原则：AI 的产出只有在人类可以独立验证的情况下，才具有数学价值。验证是数学的基石，而 AI 目前还不能替代这个基石。它可以加速发现，可以扩展搜索空间，可以提出人类想不到的构造——但它不能代替人类对正确性的最终判断。至少，现在还不能。

PacketNebula 的分析文章标题问得好：“Did Claude Fable 5 disprove the Jacobian Conjecture ?” 答案是：不完全是。是 Levent Alpoge —— 一位训练有素的数学家——使用 Claude Fable 5 作为工具，找到了反例，然后由全球数学社区在数小时内完成了验证。AI 是工具，不是作者。但这个工具的威力，已经超出了我们此前的想象。

更深层的哲学问题是：如果 AI 可以在一个“不自然”的搜索空间中找到人类忽视的解，那么“数学直觉”的价值是什么？直觉帮助我们快速收敛到正确的方向，但它也可能让我们错过那些“看起来不对但实际上是对的”的答案。未来的数学研究，可能越来越依赖于“人类直觉 +  AI 搜索”的混合模式：人类提出正确的问题和验证框架，AI 在广阔的搜索空间中寻找候选答案。

七、尾声：为什么 87 年？

让我们回到文章开头的问题。

为什么一个七次多项式，三个有理数点，能够躲过敏锐的数学头脑 87 年？

一部分原因是搜索空间的爆炸性增长。即使在次数为 7 、三个变量的情况下，多项式映射的系数组合空间也是天文数字。人类数学家需要依靠直觉、类比和结构来缩小搜索范围，而 Alpoge-Fable 反例的结构—— (1 + xy) 的加权形式——并不符合任何已知的、被深入研究过的代数模式。

但更深的原因可能是认知层面的。数学家们——和所有人类一样——受限于他们的训练、他们的工具、他们的审美偏好。当一个领域长期沿着某个方向发展时，后来者会自然而然地继承这个方向的假设和偏见。Bass-Connell-Wright 的降次定理如此优美，以至于它几乎定义了“什么是研究雅可比猜想的正确方式”。三次齐次、幂零矩阵、对称条件——这些成为了一代又一代研究者眼中的“自然框架”。而反例却住在一个“不自然”的角落里，一个被人类审美过滤掉的角落里。

Claude Fable 5 没有这种偏见。它不“觉得”某些结构比另一些更优美。它不会在看到 (1 + xy) 时想“这看起来不像一个标准的 Keller 映射”。它只是搜索，计算，反馈，再搜索。正是这种没有审美负担的机械耐心，让它找到了人类忽视的角落。它不是更聪明，它只是没有偏见——而偏见，有时候比无知更致命。

但这并不意味着人类数学家将被取代。恰恰相反，Alpoge-Fable 事件展示了最理想的人机协作模式：AI 负责在广阔的搜索空间中发现候选，人类负责验证、解释、赋予意义。反例本身只是开始。接下来，数学家们会问：这个反例能否被简化？是否存在次数更低的反例？n = 2 的情形与 n ≥ 3 有什么本质区别？Dixmier 猜想和 Poisson 猜想的命运如何？

这些问题需要人类的洞察力、创造力和对数学结构的深层理解。AI 可以帮忙找答案，但提出正确的问题，仍然是人类的领地。而且，正是人类对“为什么”的追问，才能把一个个孤立的反例编织成一幅连贯的数学图景。

1939 年，Keller 在一篇德文期刊上写下了一个看似无害的观察。2026 年，一个 AI 模型在世界杯决赛夜找到了推翻它的公式。87 年间，这个猜想见证了 Segre 的错误、Chevalley 的误判、Shafarevich 的信任、张益唐的挫折、Wang 的突破、Pinchuk 的惊雷、Bisi 的概率桥梁，以及最终—— Alpoge 和 Fable 的终结一击。

数学史上，很少有哪个问题能像雅可比猜想这样，把如此多不同类型的故事编织在一起：个人的命运、学科的演进、工具的革新、认知的边界。它的否定不是终点，而是一个新的起点。两变量的雅可比猜想仍在等待。Dixmier 猜想的命运尚未确定。而 AI 与数学的共舞，也才刚刚拉开序幕。

在 X 帖子发出后的几个小时里，有人注意到 Alpoge 的帖子时间戳：世界杯决赛正在进行时。一个 87 年的数学问题，在一个全球数亿人关注的体育盛事的背景下，被一条五个单词的帖子终结了。这种反差本身，就是 2026 年这个时代最恰当的注脚：最深刻的变化，往往以最不经意的方式发生。

见色非色