OpenAI 连抛三项科学突破：AI 推翻了教科书里的“不可能”，也把发布规矩改了

凌晨的数学圈群聊里，有人贴出一行链接，配文只有四个字：“真的假的”。链接指向 OpenAI 的 GitHub 仓库，里面躺着一份用 Lean 形式化过的证明：局部光滑猜想，在所有维度上成立。几个小时前，这个猜想还只是调和分析领域里一块难啃的骨头；几个小时后，挂谷猜想和斯坦因限制猜想也跟着一起被“顺带”解决了。

这不是一次普通的模型升级，而是 OpenAI 在不到一个月里第二次把 AI 生成的数学成果直接扔到学术圈面前。上一次是几百篇手稿的“批发式”发布，被数学家形容为“纯粹的疯狂”；这一次，OpenAI 换了打法：请外部专家当“牧羊人”，先公开原始输出，再谈解释。

一分钟速览

• OpenAI 宣布 AI 在数学、计算机科学、物理学三个领域各取得一项重大发现，并公开证明与原始数据。
• 数学成果证明所有维度下的局部光滑猜想，同时解决挂谷猜想与斯坦因限制猜想。
• 计算机科学成果推翻了长期被广泛接受的指数时间假设（ETH）。
• 物理成果给出量子色动力学以及标准模型一种统一完备化的严格数学存在性证明，触及杨–米尔斯千禧年难题的一部分。
• 数学与计算机科学的证明已用 Lean 完成形式化验证；物理成果仍在由诺贝尔奖得主等专家审查。

三件事，分别难在哪

数学：从二维、三维，直接推到所有维度

局部光滑猜想由数学家克里斯托弗·索格在 1991 年提出，讨论的是波在聚焦时的行为：即使出现极其强烈的聚焦，也只能维持很短时间；随机取一个时刻观察，聚焦程度会远低于最极端的情况。这个猜想之所以重要，是因为它站在许多分析问题的上游——挂谷猜想、斯坦因限制猜想都能由它推导出来。

2019 年，古思、王虹、张睿翔证明了二维情形；2025 年，王虹与扎尔证明了三维挂谷猜想。而这次，模型直接给出了所有维度下的证明，关键在于构造出一个新的辅助偏微分方程。OpenAI 的时间线是：10 月 18 日拿到 AI 生成的证明，19 日完成 Lean 形式化，随后联系外部专家讨论合作机制。最终按专家建议，把自然语言证明和 Lean 证明一起放上公开仓库。

计算机科学：把“地基”抽掉一块

指数时间假设（ETH）是计算复杂性理论里的一块地基。它研究布尔公式可满足性问题的计算难度，与 P 和 NP 问题关系密切。数百篇论文以它为前提，推导出图论、计算生物学、数据库、计算几何等领域的难度结论。

OpenAI 的系统给出的却是反证：ETH 不成立，并且通过了 Lean 验证。论文给出了一个确定性算法，能在亚指数时间内精确统计固定宽度 CNF 公式的满足赋值数量，3-SAT 情形直接构成对 ETH 的反驳。ETH 一旦被推翻，很多“做不到更快”的结论都要重算——这不等于明天就能写出更快的程序，但理论天花板被抬高了。

这次 OpenAI 请来三位专家牵头验证与解释：加州大学圣迭戈分校的拉塞尔·因帕利亚佐、拉马莫汉·帕图里，以及麻省理工学院的瑞安·威廉姆斯。因帕利亚佐和帕图里正是当年提出 ETH 的人。OpenAI 还答应了两个条件：公开全部原始数据；出资办一场学术会议，讨论这项成果对计算机科学的整体影响。

物理：给“存在性”补上一块砖

物理成果目前只公布了概要：从严格数学意义上证明四维空间中某些包含规范场和费米子的相互作用量子场论确实存在，其中包括量子色动力学（QCD），以及粒子物理学标准模型的一种统一完备化理论。证明沿用了构造性量子场论中巴拉班的方法，并顺带解决了纯杨–米尔斯理论的存在性问题——这是克雷数学研究所千禧年大奖难题的一部分。

牵头的是 2004 年诺贝尔物理学奖得主大卫·格罗斯，团队成员包括迈克尔·道格拉斯、阿瑟·贾菲、伊戈尔·克莱巴诺夫、尼基塔·涅克拉索夫。格罗斯 1973 年参与的渐近自由研究，正是 QCD 成为公认强相互作用理论的基础，也是严格证明这类理论数学存在的关键机制。

比成果更值得看的，是发布方式

就在 OpenAI 公布成果的前一天，它自己组织的数学顾问小组 AGMAI 发了一份建议：AI 公司不应该再指定少数人优先拿到输出，理由是访问不平等、借用他人声誉、挑选对象有偏。顾问小组主张，未来的 AI 成果应当发布在学术仓库里，附带 Lean 形式化证明、问题选择说明，并为理解成果的研究者提供资助。

OpenAI 这次的安排，多少是在回应这套批评：数学成果直接公开模型输出；计算机科学成果按专家要求立即公开材料；物理成果交给五人小组“牧羊”。The Verge 的报道点出一个尴尬之处——OpenAI 一边承认这套做法可能有问题，一边还是把“谁先看到结果”的决定权握在自己手里。

数学家的反应也很真实：有人称这是“纯粹的疯狂”，也有人认为理解这些证明需要数年。形式化验证能保证证明在逻辑上成立，却不能自动产生“人话解释”。数学不只是正确与否，还包括为什么这样想、这条路为什么走得通。AI 把答案递过来了，过程仍然需要人来补。

数据与时间线

• 10 月 6 日：OpenAI 发布数百篇据称解决长期数学问题的手稿。
• 10 月 16 日：生成推翻 ETH 的自然语言证明；17 日完成 Lean 形式化。
• 10 月 18 日：拿到局部光滑猜想的 AI 证明；19 日完成 Lean 形式化。
• 10 月 26 日：三项成果与学术合作机制一并公布，证明上传 GitHub。

三项成果里，两项已经过机器验证，一项还在人工审查。这个组合本身就说明了一件事：AI 可以批量生产“候选真理”，但确认真理的社会过程，仍然要靠人。

趋势洞察

第一，AI for Science 的竞争焦点正在从“预测结构”转向“给出证明”。预测蛋白质折叠、预测材料性质，本质上是高维拟合；而证明数学猜想、给出量子场论的存在性，要求的是符号推理与构造能力。后者一旦可用，影响的就不只是科研效率，而是知识生产的分工。

第二，学术共同体的规则正在被反向改写。过去是论文先经过同行评审再公开，现在是 AI 先把结果扔到 GitHub，再邀请专家“边审边解释”。OpenAI 出钱办会议、公开原始数据，看起来是让步，实际上是在争夺“AI 成果如何被承认”的定义权。

第三，验证工具成了新的基础设施。Lean 在这三件事里扮演的角色，类似于科学论文里的统计软件：它不能替你判断问题值不值得做，但能告诉你证明有没有漏洞。随着 AI 生成证明变多，形式化验证会从“数学家的选修课”变成“成果发布的标配”。

结语

“AI 又发论文了”这句话，过去两年已经听腻。但这次的不同在于：它不是在既有框架里跑分，而是动了框架本身——把一块被当作前提的假设掀翻，把一个猜想从二维三维推到所有维度，把“量子场论到底存不存在”从物理直觉变成数学证明。至于这些证明要花人类多少年才能读懂，那是另一个问题，也是一个更诚实的问题。

参考链接：OpenAI 官方公告