1946年，匈牙利数学家保罗·埃尔德什留下一道几何难题：平面上任意放置若干个点，最多能有多少对距离恰好为1？

他推测，正方形网格的排布已接近最优，并放言"没人能做得更好"。

此后近80年，数学家们前赴后继。上一次实质性推进，已是40多年前的事。这道题，成了数学界一座沉默的界碑。

2026年5月20日，OpenAI宣布：它的AI用了一天半，推翻了埃尔德什的猜想。

不是找到已知答案，不是优化现有方法，而是从看似不相干的代数数论中搬来一套全新工具，构造出一组人类从未想到过的点集——直接推翻了那个被认为"已接近最优"的经典结论。

菲尔兹奖得主蒂莫西·高尔斯说："如果你是一名数学家，继续阅读之前，最好先坐下。"

这不是孤例。仅仅一个多月后，2026年6月27日，一个五人研究团队用GPT 5.5 Pro和Claude Opus 4.8搭建了一条简单流水线，一口气解决了9个开放数学难题，包括4个困扰理论计算机科学界多年的COLT开放问题、1个FOCS难题，以及4个交换代数开放问题。其中一位难题的提出者、哥伦比亚大学教授感慨："这个问题困扰了我整整两年。"

从"做题"到"发现"，AI只用了两年。

2023年，大模型连"9.11和9.9哪个大"都会翻车。2024年，DeepMind的AlphaProof在国际数学奥林匹克拿下银牌，解决了6道题中的4道。2025年，GPT-5开始为埃尔德什问题贡献关键估计，数学家修正后完成证明。2026年初，AI独立推翻单位距离猜想。2026年中，一条流水线批量解决9个开放难题。

速度在指数级压缩。

更深层的变化在于：AI不再只是"更快的人类计算器"，它开始从人类未曾涉足的方向切入问题。埃尔德什猜想被推翻，靠的不是几何直觉，而是代数数论的跨界嫁接——这种"远缘杂交"式的思维跳跃，恰恰是AI的强项。

数学家汤姆·特罗特说："如果埃尔德什还活着，他会欣喜若狂。"

但欣喜之外，也有复杂的况味。OpenAI CEO山姆·奥特曼的转发只有四个字："感受很复杂。"

复杂在哪里？当一个本科生团队能用AI流水线解决困扰教授两年的问题时，"专家"的定义本身正在被重写。当AI一天半做到人类37年没做到的事，知识的壁垒、专业的护城河，都在被悄然溶解。

这不是终点。彭炳辉团队在帖子末尾写道："我们计划把这套方法扩展到所有科学领域。"

从数学到理论物理，从计算生物学到密码学——任何能用精确语言定义"猜想"和"验证"的领域，都可能迎来同样的加速。

人类花了37年没翻过的山，AI一天半翻了过去。而山后面，还有无数座山。

区别在于：以前，我们用人去翻。以后，我们用人机一起去翻。或者，让AI先去探路。

潮水已至。数学界的第一反应是震惊，第二反应是验证，第三反应——是坐下来，重新思考"发现"这个词的含义。