AI 叩开理论科学大门：当机器独立完成数学猜想证明

很长一段时间里，

大众对 AI 的印象停留在

文案生成、图像绘制、语音对话……

这类应用层面。

大家默认 AI 擅长模仿、生成内容，

却很难触及需要严谨推演、

创新猜想的基础理论科研。

Open AI

再次进化

在计算机理论领域，指数时间假设 ETH，

是过去近三十年整个领域的一块基石。

简单来说，针对 3-SAT 这类经典 NP 问题，学界长期默认一个共识：这类问题不存在亚指数级的求解算法，最优解法只能跟着变量数量呈指数级上涨。成千上万篇算法论文、复杂度边界结论，都是建立在 ETH 成立这个前提之上。

几乎所有研究者都默认它是对的，却始终没有人给出严格证明。直到 OpenAI 的 AI 给出反证：找到了 3-SAT 的亚指数求解路径，直接证明指数时间假设是错误的。

这里要厘清一个关键点：推翻 ETH，并不等于证明了 P=NP。它只是打破了过去大家默认的复杂度边界，改写了约束算法设计的底层前提。但这个冲击已经足够巨大，大量依托 ETH 推导出来的结论，都需要重新审视。

最震撼的是效率：从产出自然语言证明，到转换成 Lean 形式化语言、完成机器校验，整套流程 AI 只用了一天时间。负责核验这份证明的，正是这个领域的权威学者、ETH 假设的提出者之一 Ryan Williams，他完成复核之后公开确认结论成立。

如果说 ETH 的证伪撼动计算机理论根基，挂谷猜想的全维度证明，则是解决了数学界流传百年的经典难题。 

1917 年提出的挂谷猜想，通俗描述是：在空间里放一根单位长度的针，原地旋转 180 度，覆盖的区域最小面积能有多小。早期二维版本已经被证明，面积可以无限趋近于零；延伸到更高维度之后，猜想提出：高维空间里满足旋转条件的集合，必须拥有满维度。

过去多年，数学家只能一步步在低维空间完成证明，不断推进边界。而 OpenAI 的模型，一次性给出了所有维度下局部平猜想的完整证明，顺带拿下全维度的挂谷猜想证明。这条证明链条还顺带撬动了 Stein 限制猜想，一串绑定多年的数学难题，被一次性打通。

和计算机理论成果一样，这份证明同样走 “自然语言初稿 + Lean 形式化验证” 的闭环，严谨性经过学术共同体的校验。在纯数学这个极度依赖灵感、构造、巧思的领域，AI 不再是简单计算工具，已经可以完成原创性构造。

第三项成果，落在理论物理。诺奖得主 David Gross 领衔团队，核验了 AI 产出的量子色动力学（QCD）相关证明，给出了米尔理论存在性的严格证明。量子色动力学是描述夸克、胶子强相互作用的核心理论，是粒子物理标准模型的关键一环。

长久以来，QCD 的很多物理结论在实验上被反复印证，但对应的严格数学证明一直缺失。很多物理学家可以熟练使用这套理论做计算、解释实验现象，却无法从数学层面严谨证明这套框架自洽成立。

这次 AI 产出的证明，补齐了理论和数学之间的缺口。参与审核的学者很多就是当年奠定这套理论的奠基人，由他们亲自完成复核，本身就是对这份成果分量的最好背书。

OpenAI 同步设立 500 万美元专项基金，用来支持这套科学证明工具的开放、验证、学术讨论。所有产出的证明、Lean 代码全部对外开源，不设保密协议，交给全球学术界复现、讨论、挑错。

接连拿下三项重磅成果，很容易催生一种焦虑：AI 是不是很快就要取代数学家、理论物理学家？

OpenAI 给出的定位非常清晰：AI 不会替代科学家，而是重塑学科。它不是凭空造出真理，而是一套和学术界协同的工具。整套机制里，人类学者负责提出问题、判断方向、核验逻辑、解读成果的科学意义；AI 擅长的，是在庞大的逻辑空间里寻找证明路径、完成海量严谨推导、快速完成形式化转换。

基础理论科研最大的瓶颈，往往不是算力，而是寻找那条巧妙的证明路径。很多难题卡壳数十年，不是算力不够，是人类很难在无穷多的逻辑组合里找到正确构造。AI 恰恰擅长在巨大的逻辑空间里搜索可行方案。

当然，它的短板同样明显：AI 没有自主的科研审美，不知道哪些问题值得研究，无法判断一项结论的长远价值，所有探索，依然依赖人类划定方向、定义问题。未来的科研范式，会变成 “人类提问题，AI 找路径，人类审结论” 的全新协作模式。

AI 写代码、生成图文，只是技术落地的前序篇章；当 AI 能够独立完成严谨的理论猜想证明，才标志着它真正踏入人类知识创造的核心地带。

ETH 假设被推翻、挂谷猜想全维得证、QCD 数学证明落地，三件成果叠加在一起，向我们展示了一种全新可能：基础科学的探索，不再只是人类独有的领地。但技术再强大，也只是科研的工具。真正定义科学走向、分辨价值、解读意义的，永远还是人。

这一轮突破，开启的不是机器取代学者的时代，而是人机协同，向人类长久未解的底层难题发起冲锋的新阶段。