一、一块硬凿出来的石头
我写东西，向来靠“流淌”。碰到真正戳我的话题，心里有话要往外挤，坐下来，键盘自己会动。那过程像溪水漫过石面，不费力，也不值得夸耀——不过是顺着一个已有的坡度，水自然就流了。
但今天不一样。好几天没更新，后台的“日更”两个字像根细刺，不深，拔不掉。我决定硬写一篇。
坐下来才明白，创作这回事，一旦从“应心”变成“应名”，整个房间都变了。空气板结，光标在闪，像荒地上一只挑衅的眼。我手边没有现成的种子，连风向都在跟我作对。
所以先说清楚：这篇文章，从时机上讲，本不该出现。它不是在灵感的河道里自然冲积出来的，是我在岸边硬凿下来的一块石头。棱角粗粝，带着凿痕。
可石头既然凿下来了，就不让它白白滚落。我把它当成一次瞭望——从认知的浅滩上，远远望一望人机交互的洋面。我是个数学小白，算法、模型、概率推导，对我而言是天书。但我想，面对一个快速变形的世界，我们未必都要成为数学家，我们真正需要的，是一种对变化速率的敏感。
跑网约车时我想过这个问题。我不需要知道每位乘客叫什么、做什么、家里几口人。我只需要读路况的松紧、红绿灯的节奏、乘客拉开车门时的急或缓——这些浮在表层的信号，已经够我把车开稳、把路走对。面对AI、大模型、人机协同这些庞然大物，我们也可以做那个“感知风速”的人，去捕捉技术落地时，在生活褶皱里激起的那些细小涟漪。
这篇稿子带着凿痕，不够圆熟。它是我在“非自然”状态下的一次主动出击。不奢求惊艳，只愿给读到这里的你，掀开一扇小小的瞭望窗。
好了，我们出发。
二、一份迟到的悼词，写给人类的孤胆时代
先抛出一个足够重的判断：这一届菲尔兹奖，或许是仅属于人类的最后一届。
这不是危言。仅仅几年前，AI连小学阶段的算术都算不利索，闹出过把9.11和9.9比大小的笑话。转眼间，它接连啃下多道尘封数十年的世界级难题——那些够格冲击菲尔兹奖的核心堡垒，正在被逐个推平。
把时间线摊开，你会看见一种近乎蛮横的加速度：
一月，OpenAI发布的最新模型被报道独立完成了近半个世纪悬而未决的埃尔德什问题证明，陶哲轩亲自核验，确认证明成立。五月二十日，OpenAI内部模型推翻了存在八十年的单位距离问题上界猜想。第二天，DeepMind一口气解开九道埃尔德什遗留的开放难题，顺带证明了四十四个整数序列猜想，单题研究成本仅数百美元。七月十日，OpenAI耗时不足一小时，证出了图论里的核心难题——圈双覆盖猜想。十天之后，Anthropic团队借助AI，找到了存在八十七年的雅可比猜想的三维反例。八月一日，OpenAI又放出十道历史难题的完整证明，高尔斯翻看后评价：其中一份足以直接投递顶级数学期刊。
单位距离猜想、雅可比猜想、圈双覆盖猜想——每一道，都是曾经挂在数学家书房墙上的“圣杯”。AI靠的不是蛮力，而是极强的跨领域知识整合，它已经全面越过了绝大多数职业数学家的护城河。
下面我想讲三个具体的故事。它们不枯燥，我保证。因为它们本质上，都是关于“看见”的故事——看见旧地图的边界，再看见新大陆。
三、升维：把平面撕开，从高处往下看
先说单位距离猜想。
这个猜想是埃尔德什提出来的，问的是一件听起来朴素的事：在平面上撒N个点，最多能画出多少条长度恰好为一的线段？
人类早先证明了线段数的上界大约是N的四分之三次方。埃尔德什不甘心，他用整数格点做构造，推测线段的增长速度其实更接近线性——也就是线段数大约不超过C乘以N的（1加一个极小的ε）次方，而且这个ε可以无限趋近于零。
一句话：点越多，单位线段的增长应该越“温顺”，接近一条直线。
这个猜想困住了学界八十年。
人类手里最好的构造，依赖一类特殊的质数——形如4k+1的数，比如5、13、17。它们满足费马平方和定理，能拆成两个数的平方和。借助婆罗摩笈多-斐波那契恒等式，数学家把这些质数组合成平面网格，让每个点最多能连出三十二条单位线段。
听上去不错。但网格有边界。网格越大，边缘那些点的有效连线就越少，像一池水，越往边上越浅。你画一个更大的圆去兜，平均连线数却不再提升。人类就这样，被锁死在二维的地面上，怎么也突破不了线性增长的顶棚。
AI的做法，是干脆把地面掀了。
它构建了一个四维数域。高维空间的好处是，一些在平面上拆不开的质数，到了四维里能拆。每个点位因此能生成双倍的等长线段。然后把高维坐标重新编织，投影回二维平面——如同从高处俯瞰，再把看见的图景摊平给你看。
但单纯升维有个麻烦：多出来的维度会撑大基础单位，高维里的点反而变得更稀疏。球面上有用的点数增长停滞，大量高维结构落回平面时变成了“幽灵家族”。
我第一次读到这个词，停了一下。这个名字起得太准了——有东西会在维度里消散，你能看见它存在过的痕迹，但抓不住。
AI的补丁堪称漂亮：它搬出了类域塔。
这是一套可以无限拔高维度的数域层级结构。它的妙处在于，每升高一层，根判别式不会扩大，点不会变稀，原本拆不开的数字结构，反而能被转化成可用的格点。数学家早在1964年就证明了类域塔可以无限延伸——这是人类埋下的种子，AI把它长成了树。
靠着这套结构，AI实现了“无代价持续升维”，最后算出一个稳定常数：ε等于0.014。
这个小数点的意义，重如山岳。它意味着线段的增长指数不会无限趋近于零，它会稳稳地、持续地高于线性。埃尔德什坚守了八十年的猜想，被一纸证伪。包括菲尔兹奖得主高尔斯在内的九位顶尖数学家逐行核验，确认AI的构造逻辑成立。
一个人类想了八十年没想通的问题，AI用“升维加投影”四个字，讲清了。
四、三个点，撞上同一个地址
第二个故事，关于雅可比猜想。
1939年，凯勒提出了一个直觉上几乎“理应成立”的命题：如果一个多项式变换的雅可比行列式恒为非零常数，那么这个变换可逆，而且它的逆变换也是多项式。
雅可比行列式衡量的是局部空间的缩放倍数。行列式恒定且不为零，意味着空间里任意一块区域都不会被压缩，缩放幅度处处统一。在人类直觉里，不压缩、不重叠的变换，没有理由不可逆。
可八十七年过去，没人证得出来。1997年学界搞了一次投票，百分之六十二的数学家猜测三维及以上不成立——大家心里有数，却始终抓不到反例。
AI直接构造出了三维变换的反例。
这个变换的行列式恒为-2，完全满足猜想的前置条件。但问题出在映射上：存在三组不同的坐标点，经过变换后，齐刷刷落到了同一个点位上。
三个不同的源头，撞上了同一个地址。信息丢了，不可逆了，猜想塌了。
三维及以上，被干净利落地推翻。
顺便提一句：数学家张益唐在博士阶段曾试图证明二维的雅可比猜想，没有成功，后来去研究了孪生素数。至今，二维版本依然悬而未决——它既没被证实，也没被证伪，像留给人类数学家的一道古老考题，安静地挂在墙上。
AI能推倒三维的墙，却还没碰二维那块砖。这本身就是个意味深长的画面：机器与人类，各自在各自的疆域里开路。二维更难，更干净，更纯粹，更接近数学结构本身的某个核心。那里的空气稀薄，只有人会想要走进去。
五、三页纸，和十五亿张图
第三个故事最短，也最漂亮。
圈双覆盖猜想是图论里的核心难题：任意一张无桥图——意思是断开任意一条边，整张图都不会裂成两半——一定存在一组圈，让每条边恰好被覆盖两次。
人类拆了几十年，逐个攻克偶数度点、三色边、哈密顿图这些特殊情况，始终给不出一个通用的完整证明。
AI走了一条逆向的路。
它给每条边发两套标签，叫“双护照”，用三位二进制数标记全部八类圈——从000到111。然后定下一条规则：图上每个点都必须“进出平衡”，同一标签从一边进，必须有同标签的线从另一边出，保证标签能闭合，形成完整的圈。
接着是关键一跃：把每条边的两组护照数字做异或运算，得到七种不含000的流标签，恰好完美匹配一个早已被证明的定理——八流定理。
单看一个节点，逻辑是自洽的。真正的硬骨头，是保证整张图的标签不打架。AI把全局协调问题翻译成了一组奇偶方程组，并严谨证明了这类方程组恒有解。
三页纸。一份完整证明。十五亿张随机图的测试，张张符合猜想结论。这已经不是在解题，是在用工业级方式验证数学规律的存在。
六、从“证明稀缺”到“证明过剩”
讲到这里，我想停一停，说一句陶哲轩的话。
他说，数学正在从“证明稀缺”的时代，迈入“证明过剩”的时代。
这句话的分量，需要你咂摸一下。过去几百年，数学家的日常是苦熬，是为一两个定理耗尽一生。如今AI批量地产出猜想的证明，多到人类数学家来不及核验、来不及消化。我们正站在一个奇点上：稀缺的一端被打破了，过剩的一端才刚刚开始。
这背后的机理并不神秘。AI并没有凭空发明新的数学公理，它的核心本事，是知识的广度与跨领域的联想——而这恰恰是人类的短板。
人的记忆有上限，生命有长度。现代数学分支越切越细，顶尖学者穷尽一生，往往只敢深耕一个极窄的缝隙，于是极易陷入局部思维。大模型不同，它在预训练阶段吞下了人类全部的数学文献和证明方法，再用强化学习在海量工具与定理之间反复试错、组合，上万次失败里，偶尔蹦出一条人类从未想过的路径。
人类是深的，AI是宽的。深和宽，都是真实的维度，只是以前数学只需要深，不太需要宽。现在不一样了。
数学和代码拥有标准化的逻辑体系，对错立判，反馈极快。这让AI最先在数论、图论这些领域撕开了口子。
但请留意一个细节：AI给出的，是结论，是构造，是反例。它不会自己坐下来，泡一杯茶，对你解释“我为什么这样想”。推导过程中诞生的那些全新工具、全新结构、全新思想——真正能推动基础科学、带动工程、物理、计算机发展的东西——仍需要人类数学家逐条核验、拆解、吸收。
AI掀起了尘土，看清路径的，还是人。