2026 年 7 月 27 日，北京协和医院神经外科住院医师兼博士后金山木（Shanmu Jin），在预印本平台发布了单人署名论文《The Numerical Range Is a 2-Spectral Set》。该论文给出了克鲁泽猜想（Crouzeix's Conjecture）的完整证明，宣告这一困扰应用数学与矩阵分析领域 22 年的难题正式告破。
随后，猜想提出者米歇尔·克鲁泽（Michel Crouzeix）及资深学者亚历克斯·汤森、安妮·格林鲍姆对手稿进行了逐行核验，一致确认证明成立。令人瞩目的是，金山木并非全职数学家，其高等数学知识源于研究“经颅超声”技术时的自学。协助其完成突破的，是连续运行约 16 小时的 GPT-5.6 Sol。
8 天后，荷兰两位数学家埃米尔·洛里斯特与菲利克斯·施温宁格也在 arXiv 发表了独立的五页极简证明，并坦言同样借助了 ChatGPT 5.6 梳理思路。这一事件不仅解决了数学难题，更为 AI for Science、代码形式化验证及工业仿真软件提供了极具价值的复盘样本。
外科医生的跨界 AI 实践
克鲁泽猜想由法国数学家米歇尔·克鲁泽于 2004 年提出。其核心在于：任取一个矩阵和一个多项式，将矩阵代入多项式后，新矩阵对信号的放大倍数，不会超过该多项式在复平面特定区域内取值幅度最大值的 2 倍。
简而言之，极难计算的矩阵问题可被易计算的平面几何问题所界定，且误差上限仅为 2 倍。然而，这看似简单的"2 倍”常数，二十余年间无人能证。从 2007 年的 11.08 到 2017 年的 2.414，学界虽在特殊矩阵类上取得局部进展，但在一般情形下始终无法逼近"2"。
2026 年 7 月底，金山木通过改良对抗式多智能体提示词框架，利用 AI 改变了局势。他并未直接索要答案，而是为 GPT-5.6 设定了四条核心规则：
- 断掉外援：物理切断联网，禁止检索过往研究，仅基于已知定理进行纯粹逻辑推理，避免错误路径干扰。
- 拉宽搜索面：并行开启多个子智能体，分别从代数、结构归纳、复分析等不同路径探索，严禁早期收敛。
- 内部互审：设立专门挑刺的智能体，对每条候选路线提出反例验证。
- 不许提前收工：在产出经得起严苛逻辑检验的完整证明前，禁止终止任务。
在这种“数字角斗场”模式下，AI 经过 16 小时运算，提出了创新思路：无需逐一解决无穷多种情形，只需验证几个关键位置，若全部合格则结论对所有情形成立。这种类似“水质取样化验”的逻辑，最终攻克了悬置 22 年的难题。
澄清"AI 终结猜想”的误读
该突破引发广泛关注的同时，也伴随着诸多误读。
并非 AI 暴力破解
媒体常将此归结为"AI 靠算力暴力破解”，实则不然。无论是金山木团队的证明，还是荷兰学者的五页论文，其使用的数学工具均为 20 世纪 80 年代已成熟的复分析与线性代数经典理论。阻碍解题二十多年的并非工具缺失，而是缺乏从“采样和补全”角度切入的思路。
非人类甩手掌柜的运气产物
认为这是“随手指令碰运气”的观点，忽视了金山木的跨界自学能力与提示词工程功底。其研究起点源于临床痛点：在“经颅超声”治疗中，需精准计算声波穿过颅骨后的聚焦效果，以避免损伤脑组织。这涉及到复杂的声场仿真与误差上限评估，迫使他深入矩阵分析领域，进而邂逅克鲁泽猜想。
从临床需求追溯至数学命题，再到巧妙改装 CDC 猜想的对抗式提示模板，这一完整链条缺一不可。若无深厚的领域理解与精准的指令设计，AI 难以在此类高深问题上产生实质性突破。
AI 赋能工业仿真的深远影响
此次突破的意义远超数学界，直指现代工业的核心——迭代求解器。无论是航空气动设计、5G 基站电磁仿真，还是芯片工艺参数提取，底层均涉及数十亿维度的复系数线性方程组求解。
面对海量计算，工业界普遍采用 GMRES 等迭代求解方案。工程师长期面临一个两难困境：停止迭代过早会导致结果不准（如飞机设计缺陷、芯片短路），停止过晚则浪费巨额算力与电力。而传统“特征值”方法在处理“非正常矩阵”时往往失效，无法提供可靠的误差上限预估。
克鲁泽猜想的证明，恰好提供了这把衡量误差的“新尺子”。一位临床医生凭借数月自学与精心设计的 AI 交互，在 16 小时内走通了学界 22 年未竟之路。这一案例表明，在 AI 时代，解决复杂难题不再是少数顶尖高手的特权。只要善用 AI 工具链，各行业从业者均有机会突破专业壁垒，解决诸如编程、设计及仿真等领域的深层次问题。