OpenAI宣布解决准黎曼猜想：百年数学圣杯被AI撬开了一道缝

2026年10月6日，OpenAI宣布其内部AI模型证明了准黎曼猜想，攻克了所有狄利克雷L函数在实部大于7/8的半平面内无零点这一核心问题，同时排除了朗道-西格尔零点。这并非完整黎曼猜想的证明，却可能是解析数论半个世纪以来最重磅的阶段性突破。OpenAI宣布解决准黎曼猜想，同时引发了一场关于AI与人类数学关系的深层争论。

一、一个被反复误读的新闻

2026年10月6日深夜，OpenAI在GitHub上悄然上线了一个名为“openai/math”的仓库。没有新闻发布会，没有学术期刊投稿，没有同行评议——722篇数学手稿、372个结果族，就这样被一股脑地倒进了公众视野。

其中最引人注目的成果，被标记为“Result 003”，标题只有一行字：准黎曼猜想。

消息传开后，全球数学界和AI界同时陷入了震动。罗格斯大学数学系主任Alex Kontorovich在社交媒体上说了一句被反复引用的话：“如果这是人类做出来的，立刻就是一枚菲尔兹奖，毫无疑问。”

但几乎在同一时间，另一种声音也在迅速蔓延。有人开始质疑：黎曼猜想被AI证明了？千禧年大奖难题被攻克了？数学的地基被动摇了？

这些问题的答案，远比一条推文能容纳的复杂得多。

二、先搞清楚一件事：准黎曼猜想不是黎曼猜想

要理解OpenAI这次做了什么，必须先把两个概念分清楚。

2.1 黎曼猜想到底在说什么

1859年，波恩哈德·黎曼在一篇论文中提出了一个关于素数分布的深刻猜想。他发现，素数的分布规律与一个复变函数——黎曼ζ函数——的零点位置密切相关。他的猜想是：ζ函数的所有非平凡零点，都位于复平面上实部等于1/2的那条竖直线上。

这条线被称为“临界线”。一百六十多年来，数学家们前赴后继，却始终无法证明所有零点都恰好落在这条线上。1914年，哈代证明了临界线上确实存在无穷多个零点，但这距离“所有零点都在线上”还差得很远。目前人类最好的结果，只能说明临界线上零点的比例在不断增加，但距离100%仍有不可逾越的鸿沟。

黎曼猜想之所以重要，是因为现代数论中成百上千条定理都建立在“黎曼猜想成立”这个前提之上。如果它被证明为真，这些定理将全部获得无条件成立的地位；如果它被证伪，整个数论体系将面临地震级的重构。

2.2 “准”字意味着什么

准黎曼猜想是一个更弱、但更容易接近的目标。它不要求所有零点都精确地落在1/2这条线上，而是退一步问：能不能证明零点不会出现在某个固定的右半平面里？

换句话说：能不能找到一条固定的竖直边界，使得在这条边界右边，一个零点都不存在？

在黎曼猜想中，这条边界应该正好是1/2。但在准黎曼猜想中，边界可以更靠右，比如7/8、11/12。边界越靠左，结果越强；如果能推到1/2，那就等价于证明了黎曼猜想本身。

用美国数学研究所的定义来说，准黎曼猜想指的是某个L函数在某个半平面内没有零点，这个半平面的实部边界是小于1的某个常数。

2.3 OpenAI究竟证明了什么

根据OpenAI公开的手稿和Lean形式化文档，这次的结果可以概括为：

第一，所有狄利克雷L函数（包括黎曼ζ函数本身）在实部大于7/8的半平面内没有零点。也就是说，零点的实部不会超过7/8。

第二，在另一份独立证明中，给出了一个稍弱的边界——实部大于11/12，但同时额外证明了一个重要结论：朗道-西格尔零点被一致排除。

朗道-西格尔零点是解析数论中一个长期困扰学界的幽灵。某些L函数可能在靠近实数1的位置存在异常零点，这些零点的存在会让很多关于素数分布的定理失效，或者至少让它们变得不可计算。排除这些零点，意味着许多此前只能证明“存在某个常数”的定理，现在可以给出具体的、可计算的常数。

用一个比喻来理解：黎曼猜想要求找到一颗完美落在靶心的子弹。准黎曼猜想则是证明这颗子弹至少不会落在靶心右侧3/8环以外的区域。OpenAI这次做的事情，是把“子弹不可能落在哪里”的范围，从贴着实部=1的边缘，一口气推进到了7/8。

三、横向对比：这次突破在数学史中的位置

这张表格揭示了一个耐人寻味的对比：在“结果强度”维度上，OpenAI的成果确实代表了数十年来最显著的进展；但在“学术可信度”维度上，它几乎是一片空白。Guth和Maynard在2024年改进零点密度估计方法时，从投稿到被学界消化用了数月时间，每一步推导都经得起同行逐行检查。而OpenAI的722篇手稿中，只有235个结果族附带了Lean形式化验证，剩下137个结果族，OpenAI自己承认“可能有问题”。

四、Lean形式化：一把双刃剑

OpenAI这次发布的一个显著特点是同步提供了Lean形式化证明。

Lean是一种交互式定理证明器，它要求证明的每一步都被编译器严格验证。如果一个证明通过了Lean编译器的检查，那么它在逻辑上是正确的——只要公理系统本身没有问题。OpenAI在GitHub仓库中专门为Result 003提供了多个Lean文件，涵盖黎曼ζ函数、狄利克雷L函数、有限阶Hecke L函数，以及朗道-西格尔零点的一致排除。

这看起来是一个强有力的可信度背书。但问题在于：Lean验证的是“证明的逻辑正确性”，而不是“证明所声称的定理是否正确”。

一个形式化证明可能通过了编译器，但证明的陈述（statement）本身可能不是你真正想证的东西。比如，你可能把“实部大于7/8的区域没有零点”这个命题形式化了，但形式化过程中不小心引入了额外的假设，或者对“狄利克雷L函数”的定义做了某种限制。编译器不会告诉你这些，它只检查从假设到结论的推导是否合法。

这就是形式化验证的边界：它保证的是内部一致性，不是外部正确性。

更根本的问题在于人类可读性。OpenAI的手稿中，绝大多数证明是由AI模型自动生成的，格式和思路与人类数学家的书写习惯差异极大。即便一个证明在逻辑上完全正确，人类数学家也可能需要数周甚至数月的时间才能理解其核心思想。正如一位数学家在社交媒体上所说：“证明不再稀缺，稀缺的是看得懂的人。”

五、争议：数学界为什么不买账

OpenAI这次发布引发的争议，远远超出了学术讨论的范畴，触及了学术伦理、知识权力和学科自主性的深层问题。

5.1 未经同行评议的批量发布

学术界的运行有一套延续了数百年的规范：新结果先投稿，经过匿名同行评议，修改完善后正式发表。这个过程虽然缓慢，但它是学术共同体建立信任的基础机制。

OpenAI的做法完全绕开了这套机制。722篇手稿直接被上传到GitHub，没有任何预印本审核，没有任何同行评议，甚至没有给数学界留出消化的时间。

西北大学的Bryna Kra教授在OpenAI于8月召集的一次闭门会议上回忆，现场的气氛是“极致的兴奋与极致的恐惧并存”。与会数学家们明确建议OpenAI“不要像网红一样只发推特，要按学术规范发表严谨论文，给人类学者留下消化验证的时间”。但OpenAI显然没有采纳这个建议。

5.2 错误的撤回

发布不到24小时，OpenAI就因符号错误撤回了三篇手稿。

这个细节值得深思。如果连符号错误都没能在发布前发现，那么剩下700多篇手稿的质量控制水平如何？OpenAI自己承认，372个结果族中只有235个附带了形式化验证，其余137个“可能有问题”。在这种质量控制水平下，批量发布700多篇未经审核的数学证明，很难被视为一种负责任的学术行为。

5.3 “抢发”的指控

更深层的矛盾在于“抢发”。据《连线》报道，OpenAI在8月召集数学家开会时，就已经隐晦透露其内部模型突破了上百个悬案。有数学家质疑，OpenAI可能接触了某些研究者正在进行中的工作，在后者正式发表之前抢先公开了自己的结果。

纽约大学客座教授Nestor Guillen的措辞更为激烈。他公开表示，在数学家眼里，这些AI巨头的行径“简直就像黑帮”。

5.4 陶哲轩的立场

菲尔兹奖得主陶哲轩在这场争议中的态度值得单独关注。他在个人博客上转载了一份由人类数学协会发布的声明，批评OpenAI无视数学界研究规范，并呼吁数学家停止与其合作。

陶哲轩本人并非反对AI参与数学研究。恰恰相反，他多次公开表示AI是数学研究的有力工具。他反对的是OpenAI的工作方式：不透明的模型、不公开的提示词、不规范的发布流程、以及对学术共同体意见的系统性忽视。在一个健康的学术生态中，工具的使用者应当对工具的输出负责，而不是把一堆未经检验的结果扔给社区然后说“你们自己看着办”。

六、7/8到1/2：剩下的3/8为什么最难

从表面上看，OpenAI把无零点边界从实部=1推到了7/8，似乎已经走了很长的路。剩下的3/8看起来只是“最后一段”。

但实际上，数学中的“最后一段”往往是最难的。

6.1 为什么边界越靠左越难

无零点区域的证明遵循一个基本规律：边界越靠左，所需的数学工具越精细，证明的复杂度呈指数级增长。

已知的无零点区域之所以只能贴着实部=1的边缘，是因为现有方法只能在“零点非常靠近1”的区域获得足够强的控制。当你要把边界向左移动时，你需要处理的是零点在更广泛的区域内可能出现的各种复杂分布模式。每向左移动一点点，需要排除的可能性就成倍增加。

Guth和Maynard在2024年的突破，本质上改进的是零点密度估计——不是直接证明某个区域没有零点，而是证明在某个区域里，零点的“密度”足够低。他们证明了一个形如 (N(\sigma,T) \ll T^{30(1-\sigma)/13+o(1)}) 的估计，这是80多年来该方向上第一次实质性改进。

6.2 朗道-西格尔零点的特殊性

朗道-西格尔零点的排除之所以意义重大，是因为这些零点如果存在，会位于实数轴上非常靠近1的位置。它们不“正常”——正常的非平凡零点应该分布在临界带内，而这些异常零点则可能出现在实轴上。

排除这些零点，意味着许多关于素数分布的定理可以从“存在性”升级为“构造性”。比如，关于等差数列中素数分布的定理，在朗道-西格尔零点可能存在的假设下，只能给出“存在某个常数C使得某个不等式成立”；一旦排除了这些零点，常数C就可以被具体计算出来。

这对于密码学和计算数论有直接的实际意义。RSA加密的安全性依赖于大素数分解的困难性，而素数分布的精细规律直接影响到密钥生成的效率和安全边界的估算。

6.3 “0到1”与“1到100”的区别

一位数学评论者用了一个精当的比喻：从“贴着实部=1的边缘”到“实部=7/8的固定边界”，不是从99到100的渐进改善，而是从0到1的质变。

在0到1的阶段，核心挑战是找到一种全新的方法，能够产生一个不随高度衰减的固定宽度无零点区域。一旦这个“种子”被种下，后续的工作就可以在此基础上进行优化和精细化。从这个意义上说，OpenAI的7/8结果，最大的价值可能不在于7/8这个数字本身，而在于它展示了一条从“无固定界”到“有固定界”的可能路径。

七、真正的问题不是“AI能不能做数学”

这场争论的表层问题是“AI做的数学算不算数学”。但更深层的问题有两个。

7.1 理解与证明的分离

数学的本质是理解，还是证明？

传统观点认为，两者不可分离。一个数学定理之所以被接受，不仅因为它被证明了，更因为证明本身是可理解的——它揭示了为什么这个定理是真的，它与其他数学事实之间的深层联系，以及它为什么不可能不成立。

AI生成的证明打破了这种统一。一个证明可以通过所有形式化检验，但人类数学家可能完全无法理解它“为什么”是对的。它可能是通过搜索一个巨大的空间，找到了一个恰好满足所有逻辑约束的证明路径，但这个路径没有任何“数学意义”。

这引出了一个棘手的问题：如果一个数学命题被证明了，但没有任何人类理解这个证明，那么它算不算“被解决了”？

7.2 工具理性与学科自主性

另一个问题是学科自主性。

数学是一门有着两千多年历史的学科，它的评价标准、验证机制、交流方式，都是在漫长的实践中演化出来的。这些规范不是官僚主义的产物，而是学科共同体在无数次失败和教训中积累的智慧。

当一家商业公司可以在不征求学科共同体意见的情况下，单方面向公共领域投放数百个未经审核的结果时，它实际上是在用一种“工具理性”替代学科共同体的自我治理。这对数学的长期健康发展可能产生深远影响。

OpenAI在争议中采取的应对方式——设立独立咨询委员会、承诺寻找“支持数学理解的方法”——表明它意识到了这个问题。但它同时拒绝了数学界要求暂停用AI测试高难度问题的呼吁，理由是这对“加速工具开发至关重要”。这个立场本身，就是对学科自主性的一次明确挑战。

八、一个从业者的判断

在数学和AI的交叉领域观察了足够长时间之后，我对这件事有几个判断。

第一，准黎曼猜想的证明，很可能是真的。 不是因为OpenAI的公关做得好，而是因为数学结果有一个天然的可验证性特征：如果它是错的，迟早会被发现。Lean形式化提供了第一层保障，数学界后续的独立验证会提供第二层保障。OpenAI敢于公开这些结果，本身就说明他们对证明的正确性有一定信心。

第二，这次事件的长期影响，不在于某个具体定理的证明，而在于它暴露的“验证危机”。 当AI可以以工业化的速度生成数学证明时，人类数学家的核心职能将从“生产者”转变为“验证者和理解者”。这个转变对数学学科的组织方式、人才培养模式和评价体系都将产生深远影响。

第三，OpenAI的工作方式，无论是否认同，正在重塑学术交流的规范。 传统的同行评议机制在面对AI生成的批量结果时，已经显示出明显的力不从心。722篇手稿，即便每篇只需要一位审稿人花两周时间，也需要近30人年的审稿工作量。这在现有的学术出版体系下是不可能完成的。

第四，真正的突破可能不在数论，而在数学的组织方式。 OpenAI这次展示的，与其说是一个数学定理的证明，不如说是一个“数学发现流水线”的原型。约4000个问题输入，372个结果族输出，平均每个结果消耗约3小时算力。这种规模化的发现能力，如果与人类数学家的洞察力和审美判断相结合，可能比任何单项结果都更有价值。

九、FAQ：关于OpenAI准黎曼猜想，你可能想知道的事

Q1：OpenAI真的证明了黎曼猜想吗？

没有。OpenAI证明的是准黎曼猜想，即所有狄利克雷L函数在实部大于7/8的半平面内没有零点。完整的黎曼猜想要求所有非平凡零点都精确落在实部等于1/2的临界线上。从7/8到1/2还有3/8的距离，这段距离可能需要全新的数学思想才能跨越。

Q2：准黎曼猜想被证明有什么实际意义？

最重要的意义在于排除了朗道-西格尔零点。这类“异常零点”如果存在，会让很多关于素数分布的定理变得不具体、不可计算。排除它们之后，这些定理可以从“存在某个常数”升级为“可以计算出具体常数”，对计算数论和密码学有直接影响。

Q3：为什么数学界反应这么激烈？

不是因为结果本身有问题，而是因为OpenAI的工作方式。未经同行评议就批量发布700多篇手稿，不到24小时就因错误撤回三篇，部分结果可能涉及“抢发”——这些行为被视为对学术共同体规范的系统性忽视。

Q4：Lean形式化验证能保证证明的正确性吗？

Lean验证的是证明的逻辑推理是否正确，但它不验证证明所声称的命题是否是你真正想证的东西。一个形式化证明可以通过编译器，但形式化的陈述本身可能有隐含的假设或定义上的偏差。而且，绝大多数人类数学家目前还没有能力快速理解AI生成的Lean证明。

Q5：AI会取代数学家吗？

短期内不会，但数学研究的组织方式正在被深刻改变。AI在“生成证明”这个环节上展现出了远超人类的速度和规模，但在“提出问题”“判断什么问题重要”“理解证明的深层意义”这些环节上，仍然高度依赖人类的判断力。数学家的核心职能正在从“生产证明”转向“理解证明”和“提出好问题”。

Q6：这件事和陶哲轩有什么关系？

陶哲轩在这场争议中持明确的批评立场，转载了呼吁数学家停止与OpenAI合作的声明。他并不反对AI参与数学研究，但反对OpenAI不透明的模型、不公开的提示词和不规范的发布流程。

Q7：下一个可能的突破是什么？

从7/8到1/2的推进需要全新的方法。Guth和Maynard的零点密度估计提供了一个可能的方向，但它目前给出的边界（约17/30）距离7/8仍有差距。真正的突破可能来自于将AI的搜索能力与人类数学家的结构性洞察相结合，而不是单纯依赖算力规模的扩大。

Q8：普通人应该关注这件事吗？

应该。这件事的意义不在于某个数学定理的证明，而在于它揭示了AI正在以怎样的速度和方式进入人类最抽象、最纯粹的智力领域。数学一直被视为人类理性思维的最后堡垒之一。当这个堡垒的大门被AI撬开一道缝时，我们需要认真思考的是：我们希望AI以什么样的方式参与知识的生产？谁来决定什么是“好的数学”？这些问题的答案，将远远超出数学本身。