OpenAI攻破拟黎曼猜想？200页证明、八分之七警戒线与纯数学的范式剧变

如果一个人类数学家独立证出这个结果，今年的菲尔兹奖当场就得写上他的名字。 过去 160 多年，全世界最顶尖的数论专家加在一起，谁都没能在这堵死墙上凿开一个缺口。 结果 OpenAI 的一个内部模型，花了大概 3 个小时的思考算力，把一篇 200 页的证明甩在了 GitHub 上。 它宣称解决了一个困扰人类一个半世纪的难题：拟黎曼猜想。

两周前，OpenAI 一口气公开了 377 个数学难题的解答，打包发了 722 篇论文手稿。 整个纯数学界当时的第一反应是发懵： 这是哪里来的灌水大乱斗？ 但大家翻到第 003 号成果时，所有人的呼吸都停了一下。 因为那篇 200 页的手稿标题上，赫然写着实部大于八分之七的无零点半平面。 这到底是什么意思？ 为什么连大名鼎鼎的陶哲轩都为之震动，甚至让《量子杂志》发出「接下来会发生什么」的追问？ 我们把这件事情彻底拆开来看。

先说黎曼猜想。 1859 年，德国数学家伯恩哈德·黎曼提出了这个数学史上最著名的猜想。 简单来说，它关乎整个宇宙中所有素数的分布规律。 黎曼定义了一个特殊的函数，叫黎曼 Zeta 函数。 这个函数有一批非常关键的非平凡零点。 黎曼猜想断言：所有这些非平凡零点，全都老老实实排在实部等于二分之一的那条垂线上。 零点只要全在这条线上，素数的分布就有一种极其对称、规整的秩序。 克雷数学研究所把它列为七大千禧年难题之一，悬赏 100 万美元。 从 1859 年到现在，整整 167 年过去，人类最聪明的大脑排队撞上去，全被弹了回来。

既然直接证明二分之一太难，那退一步行不行？ 数学家们试着退而求其次： 已知这些零点全都落在 0 到 1 之间的带状区域里。 1896 年，两位法国数学家证明了实部等于 1 的线上绝对没有零点，顺带证明了素数定理。 但问题是，只要往无穷高的地方走，零点会不会无限贴近 1 呢？ 谁也说不准。 于是数论界退了一步，提出了一个稍微弱一点的命题，叫「拟黎曼猜想」。 它的要求很简单： 我不奢求你一口气证到二分之一。 你能不能在 1 的左边，给我划一道固定的垂直警戒线？ 比如实部 0.99，或者 0.9。 只要你能百分之百确保，在这道警戒线右边永远没有任何零点，就等于给这头巨兽套上了一具坚硬的铁笼。 就这么一道退让了无数步的防线，人类数学家攻了上百年，依然寸步难行。 经典的解析方法一往高处走，防线就会无限收窄，根本立不住一面垂直的死墙。

这时候，OpenAI 的手稿砸下来了。 它给出的结论极其凶狠： 警戒线直接推到了八分之七，也就是 0.875。 在实部大于 0.875 的整个半平面内，黎曼 Zeta 函数、狄利克雷 L 函数和黑克 L 函数，一个非平凡零点都没有。 甚至连数论界悬而未决几十年的兰道西格尔零点，在这个区域也被顺手扫平。

看到这里，任何一个严肃学者的本能反应肯定是： 扯淡吧？ 现在的 AI 连两件衣服几个扣子都经常数错，让它去推导 200 页的高等解析数论？ 这大概率是胡说八道，可能算到第四行就逻辑穿帮了。 但这一次，事情的发展超出了所有人的预料。 数学家们没法直接把它当垃圾扔掉。

第一个原因是，OpenAI 这次留了硬证据。 他们用交互式定理证明器 Lean 4，把核心论证的关键推导全部形式化成了计算机代码。 什么叫形式化验证？ 就是把每一个数学符号、每一步逻辑推理，翻译成严丝合缝的代码。 计算机底层内核按规则逐行跑，有一个符号没闭合、有一处逻辑跳跃，代码当场报错。 而这些代码，跑完了，全部通过。

第二个原因更震撼。 《量子杂志》的资深科学记者康斯坦丁·卡卡埃斯在报道里跟进了后续： 世界上最顶尖的一批数论专家并没有在推特上打嘴仗，真的坐下来，一页一页去拆解这篇 200 页的手稿。 原本大家是抱着挑刺、找漏洞的心态去的。 想看看这个所谓的黑盒模型到底在哪里露了马脚。 结果专家们越往下看，越觉得后背发凉。 这篇论文不是靠堆砌算力暴力穷举。 它在几个极其关键的解析变形上，找到了一条极其刁钻、人类数论学者摸索了几十年都没注意到的不等式压缩路径。 它绕过了以往让人类学者卡死几十年的积分瓶颈，用一种不可思议的紧凑方式把界限锁死了。 人类专家不仅看懂了它的思路，而且发现： 这套推导是真成立的。

这才是最让学界震动的时刻。 如果只是跑一个不可解释的神经网络，输出一个「我相信它是八分之七」，数学家只会一笑置之。 但在 Lean 4 的严密代码和人类专家的逐行验证下，黑盒被拆开了。 它没有胡说，它真的给出了一套可以被人类理解、被严谨证明的数学论证。 而生产这篇论文的成本是多少呢？ 据 OpenAI 披露，解决这道百年未解的难题，模型平均只消耗了大约 3 个小时的深度思考算力。 3 个小时。 3 个小时的算力成本，大概就值几张 ChatGPT 专业版订阅的零头。 但这 3 个小时跑出来的成果，如果算在某一个博士后或者教授头上，足够让他直接奠定终身教职，甚至冲击菲尔兹奖。

这就是陶哲轩等顶尖学者感受到的深层冲击。 在数学界，大家把过去的时代称为「数学 1.0」。 那是人类最纯粹的手工业时代。 几百年来，数学的演进全靠极少数天才在大脑里构建直觉，通过师徒传承、讨论班、同行评审，几年磨一篇论文。 生产一个新定理极其昂贵，理解一个定理却相对从容。 而现在，整个游戏规则被完全颠倒了。 机器以每 3 个小时一篇的速度，批量生产几百页的高难度证明。 学术界瞬间遭遇了前所未有的「证明消化不良」。 以前是找不出答案。 现在是答案一麻袋一麻袋倒在你面前，每一袋都有形式化代码背书，人类学者却根本没有足够的精力和时间去逐一阅读和理解。 不少年轻的研究员和博士生甚至产生了存在危机： 自己苦读十年、掉光头发才掌握的复杂推导工具，机器只要通上电，几个小时就能以更高的精度倾泻而出。 那人类研究数学的意义到底是什么？

这种危机感很真实，但它并不意味着人类数学家的终结。 仔细看这篇 200 页的证明就会发现： 机器确实擅长在高维的符号迷宫里高速搜索，找出那条几乎不可能被人类穷举出来的复杂不等式链条。 但它不知道为什么这个结构本身是美的，它也无法替人类总结出宏观的数学图景。 从八分之七到二分之一，中间依然横跨着巨大的认知鸿沟。 过去，数学家不得不把自己当成计算的苦力，耗费毕生精力去手算每一段积分边界、去给微小的扰动打补丁。 往后，人类终于可以从繁重的机械推导中解脱出来。 机器成了开路的先锋，在人类未曾踏足的高维迷雾里打下一根根坚固的铁桩。 而人类数学家的角色，变成了架构师、审计员和领航者。 去看懂机器踩出的那些未知小径，提炼出真正深刻的概念框架，然后把整张地图拼接起来。 纯数学的大厦没有坍塌。 它只是第一次迎来了完全不同维度的建造方式。