2026年10月26日至27日，OpenAI宣布其內部AI模型喺數學、計算機科學與理論物理三個領域取得三項重要結果。公司表示呢啲成果由模型獨立生成，部分已完成形式化驗證，並邀請外部專家以「牧羊人」（shepherd）角色主導理解與解讀。呢次係繼一個月前集中公開數百份數學手稿之後，OpenAI喺AI for Science方向嘅又一次高調行動。
需要強調嘅係，目前呢啲結果仍處於「AI產出 + 專家審查」階段，尚未經過完整嘅同行評議。OpenAI自身亦將其定位為「原始研究數據」，並明確表示唔追求學術署名。最終是否成立，仍要等獨立驗證。
三項成果概覽
第一項：數學——局部平滑猜想喺全維度得到證明
OpenAI模型俾出咗歐幾里得空間中波動方程嘅局部平滑（local smoothing）猜想喺所有不低於二維嘅空間中嘅證明。該猜想由Chris Sogge喺1991年提出，核心係描述波喺聚焦時嘅行為：極端聚焦必然係短暫，隨機時刻嘅平均強度遠低於最壞情況。
此前該猜想只喺低維度有部分結果。OpenAI嘅證明唔單止涵蓋所有維度，仲據此推導出掛谷（Kakeya）極大函數與維數猜想，以及Stein球面限制估計喺猜想範圍內嘅成立。證明關鍵喺於引入一個全新嘅輔助偏微分方程。模型輸出喺10月18日獲得，次日完成Lean形式化，並已公開喺GitHub。
多位調和分析領域嘅學者表示，若驗證無誤，呢將會係該方向嘅一個重要進展。
背景有幾難？
想像下，你拎一支細針喺三維空間度轉一圈，令佢指向所有方向。數學家會問：呢支針掃過嘅空間，最細可以有幾「瘦」？呢就係著名嘅掛谷猜想（Kakeya conjecture）。佢由20世紀初提出到而家，一直係幾何測度論同調和分析嘅核心難題。
同佢緊密相關嘅係局部平滑猜想：波（例如光波、聲波）喺傳播時，偶爾會喺某個點上「聚得好猛」，但呢種極端聚焦可唔可以持續好耐？科學家估計：唔可以，聚焦只係短暫。呢個猜想1991年提出後，只喺好低維被證明過，高維一直卡住。
解決後嘅影響（通俗版）
如果證明成立，相當於我哋第一次真正搞清楚：
- 高維空間入面「細針掃過所有方向」嗰部分空間實際上有幾細；
- 波嘅能量集中係幾「短暫」。
呢對醫學影像（CT、核磁入面嘅波傳播）、無線通訊、地震波分析、甚至材料入面嘅波行為都有理論支持。更重要嘅係，佢畀數學家提供咗一套新嘅「高維波行為」工具，之後研究類似問題會容易啲。簡單講，就係將一個卡咗幾十年嘅「幾何+波動」死結解開咗。
第二項：計算機科學——指數時間假設（ETH）被證偽
模型提出咗一個確定性算法，可以喺亞指數時間同多項式空間內精確計算固定寬度CNF公式嘅滿足賦值數量。3‑SAT 情形直接反駁咗1999年提出嘅指數時間假設（Exponential Time Hypothesis，ETH）。
ETH長期以嚟係理論計算機科學裏面大量條件性困難結果嘅基石，廣泛應用喺圖論、計算生物學、資料庫、計算幾何等領域。若果呢個結果成立，好多基於ETH嘅下界論證就要重新審視，演算法設計嘅可能性邊界都會被改寫。
OpenAI已將材料公開，並由Russell Impagliazzo、Ramamohan Paturi、Ryan Williams等專家組成嘅工作組進行審查與解釋。公司仲承諾資助相關學術會議。
背景有幾難？
好多實際問題（例如排課、路徑規劃、同密碼學有關嘅計算）本質上可以轉化成「可唔可以搵到一組滿足所有條件嘅答案」。科學家一直假設：呢類問題一旦規模變大，計算時間幾乎必然呈指數爆炸（例如2^n），就算再快嘅電腦都扛唔住。呢個假設就叫指數時間假設（ETH），提出喺1999年，之後成為理論計算機科學裏面好多「問題好難加速」嘅依據。
佢唔係P vs NP咁終極，但比P vs NP更「實用」——大量論文都靠佢去說明「呢個問題唔可能有特別快嘅算法」。
解決後嘅影響（通俗版）
OpenAI嘅模型畀出咗一個比指數更快嘅算法，直接話「ETH唔成立」。
如果最終確認，影響會好實際：
- 好多野以前被認為「算唔動」嘅問題，可能突然有更快嘅算法；
- 密碼學、優化、人工智能入面某啲「下界」論證要重新評估；
- 程式員同算法工程師會開始認真搵嗰啲「亞指數」新方法。
打個比喻：以前大家默認「呢座山太高，爬唔上去」，而家有人話「其實有條路冇咁陡」。雖然未必即時令所有軟件變快，但整個算法設計嘅天花板被抬高，未來可能出現一批意想唔到嘅高效算法。
第三項：物理學——四維相互作用量子場論嘅存在性證明
模型俾出咗四維時空中一類包含規範場與費米子相互作用嘅量子場論嘅嚴格數學存在性證明，當中包括量子色動力學（QCD），以及標準模型嘅一種統一完備化方案。作為子結論，佢亦涉及純楊–米爾斯（Yang–Mills）理論嘅存在性——呢正係克雷數學研究所千禧年獎難題「量子楊–米爾斯理論與質量間隙」嘅核心組成部分之一。
呢項成果尚未全文公開。由諾貝爾物理學獎得主David Gross領銜，Michael Douglas、Arthur Jaffe、Igor Klebanov、Nikita Nekrasov等專家組成嘅小組正喺審查，並會先行撰寫自己嘅解讀，然後再決定發布方式。
背景有幾難？
現代粒子物理幾乎全部靠量子場論去描述，當中最成功嘅係量子色動力學（QCD），用嚟描述夸克同膠子點樣組成質子、中子，以及強相互作用。實驗上佢準得嚟好，但數學上一直有個尷尬：我哋未能嚴格證明「呢個理論喺四維時空入面真正存在、唔會自我崩潰」。
呢點直接關乎千禧年獎難題裏面嘅楊–米爾斯存在性與質量間隙問題（100萬美元獎金）。物理學家用咗幾十年，都只係做緊近似計算或者低維簡化，真正嘅四維嚴格證明幾乎無人敢碰。
解決後嘅影響（通俗版）
OpenAI嘅結果聲稱畀出咗包括QCD喺內嘅一類四維相互作用量子場論嘅嚴格數學存在性證明。
如果站得住，意義重大：
- 粒子物理首次有咗「呢套理論喺數學上站得住腳」嘅實質基礎，而唔淨係靠「實驗好準」；
- 之後做更精確嘅理論計算、尋找新物理（例如超出標準模型嘅現象），會更有底氣；
- 對理解宇宙早期、中子星內部、重離子對撞等極端環境亦有幫助。
通俗講，就係將「我哋每日用緊、但一直未徹底證明嘅物理語言」，第一次用嚴格數學釘實。佢唔會即刻令手機更快或者電池更耐，但會令整個基礎物理嘅地基更穩。
新嘅合作模式與審慎姿態
同此前直接大規模放手稿唔同，OpenAI今次嘗試咗更有結構化嘅對外協作方式：邀請領域權威擔任「牧羊人」，負責理解、解釋並引導學術社群消化呢啲AI產出。數學同計算機科學材料已公開，物理學部分則暫緩發布，以減低「原始輸出直接衝擊學界」可能帶嚟嘅混亂。
公司同時表示，會為相關專家提供研究支援，並探索喺學術倉庫發布、附帶Lean形式化證明、披露問題選擇過程等更規範做法。
客觀睇待：突破同風險並存
從積極方面睇，呢三項結果橫跨純數學、計算複雜性同基礎物理，體現咗當前前沿模型喺長鏈條邏輯推理、形式化證明與跨領域遷移上能力嘅提升。尤其係數學同ETH結果已有Lean形式化支持，降低咗「幻覺」風險。物理結果若最終確認，將會係對建構性量子場論嘅重要推進。
但從理性角度必須指出幾點：
- 驗證尚未完成。Lean形式化能排除部分低級錯誤，但複雜證明嘅語義正確性、關鍵引理嘅原創性與整體邏輯嚴密性，仍需人類專家深入審查。此前AI喺數學領域嘅成果亦曾出現需要修正嘅情況。
- 「諾獎級」表述要審慎。媒體同部分報道使用「諾獎級」或「千禧年難題相關」嘅說法，主要來自於成果觸及楊–米爾斯存在性等問題。但真正嘅千禧年難題要求同時解決存在性與質量間隙，當前OpenAI只宣稱推進咗存在性部分，且物理材料仍未公開。
- 科學發現嘅本質仍係理解。AI可以生成證明，但要將呢啲結果轉化為可被學界接受、可用作教學、可被後續研究依賴嘅知識，仍仰賴人類科學家嘅解讀、簡化與拓展。OpenAI引入「牧羊人」機制，正正係承認呢個現實。
- 競爭同學術生態嘅影響。近期Anthropic等機構亦喺類似方向推進，科學界已出現「AI成果密集投放」帶嚟嘅消化壓力。點樣建立透明、可複現、可歸屬嘅AI科研規範，成為行業共同課題。
結語
OpenAI今次發布嘅三項成果，再次表明AI正喺由「輔助工具」向「能獨立提出並形式化複雜科學命題」嘅方向邁進。無論最終驗證結果點，佢都加速咗AI for Science嘅討論：當模型能夠喺數日內產出需要人類數年甚至數十年探索嘅證明時，科研嘅組織方式、評價標準與知識生產流程，都可能面臨深刻調整。
目前最穩妥嘅態度係：保持關注，等待獨立專家審查嘅結論，同時避免過早將「AI產出」等同於「已解決嘅科學事實」。真正嘅科學進步，從來唔只係生成答案，而係令答案經得起時間與同行嘅檢驗。
▶️ 喜歡呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請訪問：https://www.airosetta.com