在数学界与人工智能领域，2026年5月20日被视为一个极具里程碑意义的日子。OpenAI 的内部推理模型成功推翻了由数学大师保罗·Erdős（Paul Erdős）于1946年提出的“单位距离猜想”(Unit Distance Problem)，这是离散几何领域困扰数学界近80年的核心开放问题。
核心突破:从“检索”到“原创”
与此前曾引发争议的 AI 数学能力宣称不同，此次成果得到了学术界的广泛背书。
非检索式解决: 此次证明并非模型从历史文献中“拼凑”出来的，而是模型基于数论方法（特别是代数数域构造）自主发现的新型构造方案。该方案证明了在平面上存在点集，其单位距离对数超出了此前人类认为的最优上限，从而直接推翻了 Erdős 的猜想。
专家级验证: 这一发现随后由多位知名数学家组成的团队进行了详细审查，包括 Thomas Bloom， Noga Alon， Tim Gowers 等专家。数学家 Tim Gowers 明确表示，如果该论文由人类撰写并提交给《数学年鉴》（Annals of Mathematics），他会毫不犹豫地推荐录用。
技术意义:AI 推理能力的进化
长链逻辑能力: 该问题的解决要求模型展现出处理长链推理的能力。数学证明过程涉及数百步严密的逻辑推导，不仅需要极高的逻辑连贯性，还需要在开放问题面前进行创造性探索，而非仅仅重复训练数据中的模式。
不仅是工具，而是合作伙伴: 此次事件标志着 AI 正式从“辅助计算工具”进化为“原创研究伙伴”。它能够执行计算、构建理论，并提出人类此前未曾构想的数学路径。
应用影响:超越数学本身
单位距离猜想的研究成果往往具有广泛的辐射效应。理解点集在空间中的高效排列规律，对于以下领域具有深远的实际价值:
材料科学: 优化晶体结构的设计;
工程与通信: 网络拓扑优化及无线通信系统设计;
生物医学: 分子设计、蛋白质折叠及生物分子结构模拟。
历史的回响与警示
这一成就被业界类比为1976年计算机辅助证明“四色定理”的时刻。尽管 OpenAI 此前在数学领域有过“夸大宣传”的争议，但此次证明的严谨性与原创性已在 arXiv 上公开发布（arXiv:2605.20579v1），接受了全球数学界的同行评审。
正如数学家 Melanie Wood 所言，理解平面中点集的分布规律是科学进步的关键。AI 在这一领域的“初试啼声”，预示着人工智能在解决复杂基础科学难题方面的潜力才刚刚开始释放。