OpenAI 于 2026 年 5 月 20 日宣布，其内部使用的一款通用推理 AI 模型，找到了一个新的点集构造，推翻了在离散几何领域被研究近 80 年的著名猜想——埃尔德什的“平面单位距离猜想”。
这一定位于平面几何与组合数学交叉地带的问题，被称为“单位距离问题”：在平面上放置 (n) 个点，最多可以得到多少对距离恰好为 1 的点对？OpenAI 将本次工作所针对的对象，明确为保罗·埃尔德什（Paul Erdős）在 1946 年提出的“平面单位距离问题”。
据 OpenAI 介绍，他们的内部通用推理模型发现了一种全新的点配置方式。经过公司内部研究人员的检查与整理后，结果被提交给外部数学家进行独立验证。最终，人类数学家确认：传统上被广泛接受的一个有力猜想并不成立。
埃尔德什在 1946 年提出的“单位距离问题”
保罗·埃尔德什是 20 世纪最具影响力的数学家之一，在数论、组合论、图论等众多领域都留下了大量深刻的问题和猜想。至今仍有专门的网站系统整理他提出的未解难题与猜想，统称为 “Erdős Problems”。本次涉及的单位距离问题，在该网站中被列为 “Problem 90”。
单位距离问题的核心问题是：在平面上放置 (n) 个点，最多能得到多少对距离正好为 1 的点对？
例如：
- 如果把点排成一条直线，并让相邻点之间的距离为 1，那么每一对相邻点就构成一对单位距离点对；
- 如果像方格纸的格点那样，把点放成规则的格状，那么在横向和纵向上都可以得到大量距离为 1 的点对。
长期以来，数学界普遍认为，类似规则格点这样的构造，在本质上已经“接近最优”。埃尔德什曾提出一个有力猜想：当点的数量 (n) 变大时，单位距离点对的最大可能数量，增长速度只会比 (n) 略快一点点，不会快太多。
AI 给出增长更快的点集构造
OpenAI 的内部 AI 模型给出了与这一传统观点相矛盾的点集构造。根据 OpenAI 公布的证明资料，这一构造表明：
- 存在某些点集，其单位距离点对的数量不仅与点的数量 (n) 大致成正比；
- 而且增长速度要比“线性增长”更快，明显超过“几乎与 (n) 成正比”的水平。
这意味着：
“单位距离点对的数量至多与点的数量几乎成正比”这一长期被广泛接受的猜想，被新的构造所推翻。
OpenAI 因此宣称，埃尔德什关于平面单位距离问题的这一具体猜想已经被反证。
值得注意的是，OpenAI 特别强调：
- 找到这一构造的并不是专门为数学设计的模型；
- 而是公司内部的一款通用推理模型；
- 模型接收的是由 AI 自动生成的问题描述；
- 其输出先经过 AI 评分流水线与公司内部研究人员的初步核查，随后才交由外部数学家进行严格验证。
外部数学家验证，并给出明确下界
在 OpenAI 公布这一成果的同时，多位外部数学家在预印本平台 arXiv 上发表了题为《Remarks on the disproof of the unit distance conjecture》的论文，对 OpenAI 生成的反例进行了系统化的数学整理与验证。
这篇论文的工作，可以理解为：
- 在 AI 给出的构造基础上，人类数学家完成了形式化的论证；
- 对关键步骤进行了严格推导与阐述，使之符合数学界的标准表述方式。
此外，数学家 Will Sawin 还在另一篇论文《An explicit lower bound for the unit distance problem》中，给出了更为“显式”的结果：
- 他证明存在点集，其单位距离点对的数量可以超过 (n^{1.014})；
- 这为单位距离问题提供了一个明确的、可写成具体指数形式的下界；
- 在一定程度上，可以视作对 OpenAI 结果的“量化版本”和补充说明。
AI 参与数学研究的“探索阶段”
这次事件被视为一个重要信号：AI 在数学研究中的角色，正在从“计算工具”与“证明检查器”，扩展到“新构造与反例的探索者”。
过去，AI 在数学中的典型应用，多集中于：
- 辅助进行大规模计算；
- 检查形式化证明是否正确；
- 在既有框架内做自动推理。
而在这次单位距离问题的进展中，AI 扮演的角色更接近于：
- 在庞大的可能构造空间中进行搜索；
- 提出人类此前未曾发现的新点集配置；
- 由人类数学家对这些候选构造进行验证、整理与改进。
需要强调的是，这并不意味着 AI 已经可以“完全取代”数学家、独立解决所有难题：
- 本次工作中，AI 提供的是关键构造思路和反例；
- 严格的证明、结构化的论证与进一步推广，仍由人类数学家完成；
- 单位距离问题的整体图景依然远未完全清晰。
目前被推翻的，只是埃尔德什提出的一个具体、有力的增长速度猜想。关于“单位距离点对的数量在理论上究竟可以增长到多快”，数学界仍有大量问题尚待研究。
从更宏观的角度看，这一案例更适合被理解为：
AI 与数学家协同合作，在探索新构造与新反例方面展现出潜力，而不是 AI 单独“攻克”难题。
OpenAI 的这次发布，为“AI 参与基础数学研究的探索阶段”提供了一个具有代表性的实例，也预示着未来在更多未解难题上，类似的人机协作模式可能会越来越常见。
@YouTube
