22年的数学难题，被一个神经外科医生用AI解开了

01、手术刀之外的证明

2026年7月30日，美国康奈尔大学数学系副教授Alex Townsend像过去一年里经常做的那样，打开ChatGPT 5.6，让它试试证明Crouzeix猜想。

过去几百次，AI要么给出漏洞百出的伪证明，要么卡在关键引理上动弹不得。这个悬置了22年的数学难题，人类没搞定，AI也没辙。

但这一次不一样。ChatGPT没有直接给证明，而是推给他一篇三天前刚上线的预印本。标题是《The Numerical Range Is a 2-Spectral Set》，作者：Shanmu Jin。（据医学界公众号 2026年8月报道）

Townsend和华盛顿大学数学家Anne Greenbaum起初满心狐疑。一个名字陌生的作者，声称解决了22年的悬案？这种事在数学界十有八九是闹剧。

两人花了几个小时逐行细读。然后，怀疑变成了震惊，最终化为惊叹——"这个论证是真的成立。"随后，猜想提出者Michel Crouzeix本人也独立完成了核验，三方一致确认推导成立。（据医学界公众号 2026年8月报道；需要说明的是，该论文目前仍为预印本，尚未通过正式同行评审）

更让所有人意外的是，论文作者金山木，不是职业数学家。他是北京协和医院神经外科的博士后、住院医师。

一个天天在手术室开颅的医生，和AI一起，把困扰数学界22年的猜想给证了。

Crouzeix猜想证明论文首页 图源：网络

Crouzeix猜想到底是什么？为什么难了整整22年？

简单说，这个猜想研究的是：任意矩阵经过多项式函数作用后，它的"谱范数"会不会失控？数学家想找到一个统一的安全系数。

要理解这个问题，先得知道什么是"数值域"。每个矩阵都有一组特征值，但对于行为"不规矩"的非正规矩阵，光看特征值不够。数值域就像矩阵在复平面上投下的完整影子——它是一个凸的、封闭的区域，包含了所有特征值，还捕捉到了矩阵更多的行为特征。直觉上，你从每个方向拿一个单位长度的向量，让矩阵去变换它，测量变换后的"综合效果"，所有结果在复平面上围成的区域，就是数值域。

Crouzeix猜想的核心是：不管你选什么多项式、什么矩阵，多项式作用在矩阵上之后的范数，不会超过这个多项式在数值域上最大值的2倍。而且2是最优常数——不能再小了。

2004年，法国数学家Michel Crouzeix正式提出了这个大胆的猜测。

听上去很简单，不就是证明一个数字等于2吗？但在数学里，越简洁的命题，往往越难证明。

22年里，数学家们一步一步艰难推进。2007年，Crouzeix本人证明了常数上限约为11.08——离目标的2差得很远。

又过了十年，2017年，Crouzeix和Palencia联手把上限压到了1+√2，约等于2.414。同年，美国数学研究所（AIM）还专门举办了为期一周的专题研讨会集中攻关，但猜想始终未被完整证明。（据医学界公众号 2026年8月报道）

从11.08到2.414，数学家花了13年。

但最后这0.414的距离，又卡了9年。所有人都知道2就在那儿，可就是跨不过去。

为什么过不去？因为所有人都在往同一个方向使劲——做更精细的估计、更复杂的推导。这条路走了22年，走到了死胡同。

说它重要，不是因为数学家闲得慌。这个常数直接关系到工程计算的效率。矩阵函数分析、GMRES迭代法、Krylov子空间方法，这些现代工程计算的基石算法，背后都依赖Crouzeix型不等式来保证误差上界。常数从11.08降到2，意味着工程师做仿真时不用预留那么多冗余算力，天气预报、航空设计、地质勘探这些场景都能省下大量计算资源。

但偏偏这最后一步，怎么也跨不过去。就像你面前有一堵墙，所有人都在想怎么翻过去，没人想到——也许旁边就有一扇门。

Crouzeix猜想的另一份独立证明论文 图源：网络

金山木的履历，跟数学八竿子打不着。

他本科读的是北京大学地质学专业。2016年入学，2019年参与南阿尔卑斯山地质考察后，于2020年通过协和医学院"4+4"试点班转入临床医学，2024年取得医学博士学位，进入北京协和医院神经外科做博士后、住院医师。（据IT之家 2026年8月报道；据《科研圈》2026年8月报道）

他受过的全部正式数学教育，就是普通理工科学生必修的基础课。"除此之外的一切，都是自学的。"金山木在给Townsend的邮件中写道。（据医学界公众号 2026年8月报道）

一个神经外科医生，怎么会盯上一个纯数学猜想？

起因是他的主业研究——经颅超声。这项研究需要让超声波穿透复杂的颅骨结构，精准聚焦到脑内靶点，中间会用到大量矩阵分析的知识。他在自学的过程中，偶然接触到了Crouzeix猜想。

这个猜想的表述异常简洁，关于"数值域"的几何直观又特别美。他被吸引住了。不是因为想当数学家，只是因为——这个问题有意思。

白天，他是协和医院的住院医师，写病历、跟手术，在无影灯下和脑血管打交道。晚上回到宿舍，他打开电脑，在矩阵和函数的世界里独自漫游。

两个世界，看似毫无交集。但真正的突破，恰恰发生在交集之处。

神经外科医生借助手术显微镜精细操作 图源：网络

金山木没有用传统的纸笔推导。他用的是大语言模型——GPT-5.6 Sol，运行在ChatGPT Work模式下。（注：GPT-5.6是OpenAI于2026年7月9日正式发布的模型系列，Sol为其中旗舰型号，面向最复杂的推理、科研和编程任务。据OpenAI官方公告）

但不是简单地问一句"帮我证明这个猜想"。据公开资料分析，他设计了一套高度定制化的提示词策略，借鉴了OpenAI此前用于攻克Cycle Double Cover猜想的模板，把AI组织成了一整个虚拟的数学研究院。（据IT之家 2026年8月报道）

这套策略据分析有四个关键设计。

第一，物理断网。切断AI对外部知识库的访问，不让它检索失败的旧思路，逼迫它从公理出发做原创思考。

第二，多分支探索。要求AI启动大量"子智能体"，沿着不同路线分头推进，不许过早收敛到同一思路上。

第三，对抗式审计。候选的证明路线，要被反复置于对立审查之下。只有找不到反例时，一条路线才算暂时过关。

第四，死磕到底。在拿到一份能经得住极端逻辑检验的完整证明之前，绝不放弃。

（以上四个策略为根据公开报道和开源提示词资料所作的分析概括，非金山木本人直接表述）

设定好这一切，金山木按下回车键，转身去忙临床工作了。

AI独自跑了大约16个小时。经历了数万次假设、推翻、重建，最终拿出了一个完整的证明。

当数学家们看到这个证明时，最震惊的不是AI参与了证明，而是它用的方法完全出人意料。

人类数学家22年来一直在走"复杂估计"的路线，越走越窄。AI却通过一种巧妙的采样策略，把问题转化成了出人意料简单的正性条件。

所有人都在翻墙，人和AI的组合找到了门。

关于金山木证明Crouzeix猜想的学术报道 图源：网络

很多人第一反应是：医生比数学家还聪明？

当然不是。真正的原因是：数学家在这个问题上陷得太深了。

在一个领域待得越久，你积累的知识越多，但思维也越容易被"常识"框住。大家都知道应该用什么工具、朝哪个方向走。

22年下来，该试的路都试过了，可就是走不通。

而金山木呢？他不是科班出身，脑子里没有那么多"应该"和"惯例"。他不受这个领域22年形成的思维惯性束缚。

他只是从自己的问题出发，用自己熟悉的方式去看——结果，他看到了数学家们看不到的东西。

当然，必须强调的是，这不是医生一个人的功劳，也不是AI单独的胜利。而是人类的问题意识加上AI的大规模搜索能力，才撞开了这扇门。问题的选择、对猜想本身的理解、提示词框架的设计、对结果的判断，全都来自人；AI负责的是海量试错和推演，找出人类不容易想到的路径。

这不是第一个"外行破局"的故事。

DNA双螺旋结构的发现者沃森和克里克，一个是生物学家，一个是物理学家。当时研究DNA的主流是化学家，但钻了很多年没突破。

反而是这两个"外行"，从交叉角度提出了双螺旋模型。

CT扫描仪的发明也是如此。"多角度投影重建三维结构"的数学原理，数学家早就知道，却没人想到用在医学上。（据诺贝尔奖官网公开资料）

科学史一再证明：真正的创新，往往发生在学科的交叉地带。

手术室中医护团队协同工作场景 图源：网络

但这件事真正值得深思的，不只是"一个医生跨界搞定了数学难题"。

比跨界更震撼的，是AI的角色。

过去，一个人想进入另一个学科前沿，要花好几年补术语、补理论、补文献。专业壁垒是真的高。

但现在，AI正在压缩这部分成本。它不能让医生一夜变成数学家，却可以帮你理解概念、尝试路线。

然后，把人的问题意识和AI的大规模搜索能力结合起来。

金山木的厉害之处，不在于他数学有多好，而在于他知道该让AI做什么、怎么让AI做对。

他不是把AI当计算器用，而是当一个可以指挥的军团。他设计战略、制定规则、把控方向，AI负责海量试错和探索。

更有意思的是，论文发布8天后，另外两名数学家Emiel Lorist和Felix Schwenninger也发表了一份独立证明——只有5页。他们同样使用了ChatGPT 5.6探索证明思路。（据IT时代网 2026年8月报道）

一旦人类+AI的组合证明了这条路走得通，后面的人很快就跟上来了。

金山木还把全部研究资料开源了。论文、提示词、迭代手稿、Lean 4形式化证明代码——全给了。（据IT之家 2026年8月报道）

07、谁有资格参与前沿研究

Townsend和Greenbaum在拟刊发于SIAM News的文章末尾写了一句话，值得所有人细细品味：

"未来，像金山木这样来自职业数学之外的人，在AI帮助下做出重要数学贡献的案例，可能会越来越常见。"（据医学界公众号 2026年8月报道；该文由Townsend发布于个人网站，拟刊发于SIAM News）

这句话分量很重。它说的不只是一个数学猜想被解决了，它说的是——前沿研究的准入门槛，正在被AI重新定义。

以前，你的研究边界很大程度上由你的专业训练决定。医生做医学，数学家研究数学，井水不犯河水。

但现在，一个医生可以用AI，在纯数学领域做出让顶级数学家震惊的成果。一个工程师可以用AI，在生物医学领域有新发现。

专业的墙还在，但已经不再是不可逾越的高墙了。

当然，AI降低的是探索门槛，不是专业判断的门槛。一个证明对不对，最终还是要靠专家检验。

金山木的证明，也是经过Townsend、Greenbaum和Crouzeix本人三方独立核验，才被确认成立。而且必须指出，目前这些核验还属于专家个人审阅，论文尚未经过正式的期刊同行评审，最终结论还需要整个学术界进一步检验。

但问题是：未来这样的成果会不会越来越多？学术界有没有足够能力去验证和消化？

这些问题，现在还没有答案。

08、回到那间手术室

故事讲完了，我们回到北京协和医院的那间手术室。

无影灯下，金山木和同事们专注地操作着手术器械。显微镜下，一根根纤细的血管、一束束脆弱的神经，清晰可见。

没有人会想到，这个握着手术刀的人，在几个月前的某个深夜，让AI跑了16个小时，合力解决了一个数学家22年没搞定的问题。

他不是天才，也不是"被医学耽误的数学家"。他只是一个对世界保持好奇心的人——在自己的专业里足够深入，在专业之外也敢于探索。

他证明的不只是一个数学定理，更是一种可能性：在AI时代，一个人的探索边界，不再由专业身份决定，而由好奇心和学习能力决定。

22年的悬案，被一个"外行"和AI的组合终结了。这不是励志故事，这是一声警钟——提醒每个困在专业茧房里的人：你的对手，可能根本不在你的视野里。

他甚至都没意识到自己在跟你竞争。他只是刚好遇到了一个问题，刚好他会用AI，然后就顺手解决了。

无影灯还亮着。手术还在继续。而数学的世界，已经悄悄多了一扇门。