跨界太狠！折磨全球数学家22年猜想，竟让协和神经外科医生终结了

这个剧情写进小说都嫌离谱。主角金山木本科读地质，后来转道念完医学博士，如今在协和神经外科当住院医师兼博士后。

7月27日，他把手稿挂上preprints.org；三天后，美国康奈尔大学的Alex Townsend按照过去一整年的习惯又向GPT-5.6发问，模型直接指了指这份预印本。

Townsend愣了几个小时，把稿子转给华盛顿大学的Anne Greenbaum和法国人Crouzeix本尊。三位专家一致认了。

回头看这个不等式的前世今生，才知道它为什么让人较真。2004年Crouzeix在期刊上写下那行简洁的猜想，把里面那个普适常数猜成了2。

这个数字漂亮得像句诗，可整个矩阵分析圈子却在它面前连续绊了二十二年跤。Crouzeix自己2007年拼尽力气推到11.08，2017年跟Palencia合力压到1+√2约等于2.414。

再往后八年，美国数学研究所在圣何塞专门为它办过一周的封闭研讨，全球顶尖脑袋汇成一屋子，进展依然贴地爬行。要看懂为什么大家死磕这个＂2＂，得往下走一层。

这个不等式撑着的不是纯学术光环，而是GMRES迭代法、Krylov子空间方法、矩阵函数逼近这一整套工程算法的稳定性证明。抽象归抽象，底下托的是量子计算模拟、深度学习训练框架、油藏建模、医学影像重建这些真金白银的应用。

常数从2.414往下压到2，理论上等于给整套计算工程学收一次紧的螺丝。数学家们不是在争一份诗意，是在争一份效率。

金山木的做法，与其叫＂用AI证题＂，不如叫组建了一支临时数字研究院。

他把OpenAI攻克Cycle Double Cover猜想时那份提示词拿来改造，写了几条硬约束:切断外网，禁止模型翻墙参考；开出多条并行推演路径，别让它们过早收敛到同一个漂亮但可能错的思路上；每一条候选证明都得挨一轮反例队伍的围剿；不给出完整可验证的证明，不许收工。

写好按下回车，他去干别的事情了。十六个钟头里模型自己完成了几万次假设、推翻、重建。

真正让Townsend他们震惊的，不是模型能跑这么久，而是它给出的那步棋。人类过去的思路一直在啃硬估计，试图用更精细的不等式一层层压逼近。

模型没走这条路，它换了个入口——通过一种精心设计的采样策略，把问题降维成一个出乎意料简单的＂正性条件＂。这就像面对一扇撞了二十多年的铁门，别人一直在找更粗的钉锤，它绕到门缝里找准了个受力点，轻轻一撬。

两人大大方方交代，他们探索思路时同样借助了GPT-5.6。二十二年的悬案，九天里冒出两份彼此独立的证明，数学史上找不到先例。

而两份工作的辅助工具指向同一款模型，这个信号很难被当成巧合抹掉。我看到这条新闻的第一反应，是学术权威的层级结构正在被击穿。

传统数学界要认可一份突破性结果，标配流程是名校博士、名导师背书、顶刊评审。

金山木这些标签一样没有，他把手稿挂在preprints.org，把提示词、每一版迭代稿、Lean 4形式化脚本、公理审计报告一股脑塞进GitHub，连和模型对话的完整记录都做了脱敏公开。

这套操作在传统期刊眼里是野路子，可它扛住了Crouzeix本人的逐行审查。真正被这次事件晃动的是学术信任机制本身。

以前判断一份手稿值不值得看，靠的是隐形的机构-师承-职称三重信任网。现在这一层可以被完整替代——代码开源、对话透明、形式化验证工具在线可跑，任何人愿意花几个小时都能自行复现和挑刺。

这种＂辐射式透明＂某种程度上比不透明的peer review更抗质疑，也更快。这次事件之所以在9天里就走完了＂发布-复核-独立复现＂的完整闭环，靠的就是这一层。

把这次事件放进过去三个月AI介入基础科研的时间线里看，分量会更清楚。5月，OpenAI内部模型给出了埃尔德什单位距离猜想的一个反例。

7月，一款名为Astra的推理模型宣称一口气推进了十道未解数学问题。8月，协和这一位。

三个月里三次AI直接进入前沿数学的核心地带，曲线陡到肉眼可见，还没有见顶迹象。这不是量变叠加，是范式在换挡。

我这里必须泼一盆冷水:AI并没有＂独立完成＂任何事。金山木在这套流程里不是甩手掌柜。

他得看得懂预印本、判得出思路真假、认得出关键漏洞，还得敢把自己的名字签在稿子第一栏挂上公网，扛住Crouzeix本人的显微镜检验。他的GitHub仓库开出来供全球审计，这种技术自信不是随便哪个提示词工程师都拿得出来。

模型给的是加速器，握方向盘的从头到尾还是这位中国医生。美方数学社群这一周的反应也值得单说一句。

8月15日Townsend和Greenbaum联合署名的那份SIAM News稿子，语气克制得近乎冷静，通篇在讨论新范式怎么搭建、学界怎么消化即将涌来的成果洪流。

这跟过去几年英美学术圈面对中国AI进展时那种下意识的防御性叙事，已经出现清晰分野。数学圈是最讲究结果说话的地方，谁把悬案拿下，谁就自动获得发言权。

换个角度看这件事更有意思。一位美国常青藤教授花了一整年时间反复向ChatGPT敲问同一个猜想，拿到的答案要么胡编要么烂尾。

同一款模型、同一段窗口期，一个北京住院医靠提示词工程的巧劲把它撬开了。这里面差的不是算力，是问问题的姿势。

顺带说一句，台湾地区中央研究院数学所过去几年在Blaschke乘积、数值域理论方面也砸了不少人力，包括在AIM 2017那场研讨会上有过声音，但没能拱到最后这一步。

这不完全是能力差距，更像是路径依赖——传统数学社群里＂跟AI合作＂这件事还带着不小的心理防线，担心污染学术纯度。反倒是金山木这种没有师门包袱的野路子选手，冲得又稳又狠。

我个人对这场变化的判断是:未来五年学科分野会被工具彻底重画。过去评价一个研究者水平，天花板由所在领域的深度决定；从这次开始，天花板由＂设计问题、驱动AI、验证结果＂这三件套的综合水平决定。

医学、工程、地质、经济这些应用学科的从业者，只要愿意投入学习成本，完全可能在原本纯理论的战场做出决定性贡献。学科壁垒正在被工具普及性一寸一寸抹平。

留给高校和科研管理体制的作业，现在也变得棘手。招人怎么招？晋升怎么评？

经费怎么切？过去衡量一位数学家看他每年顶刊几篇，今后得看他驱动AI的能力、开源仓库的透明度、跨学科解决问题的实绩。

数学圈这场炸响，炸掉的不只是Crouzeix猜想二十二年的僵局，更是＂顶尖研究者必须来自名校名门＂的旧秩序。一位没有数学正规学历的中国住院医，靠一款硅谷模型和一份自己反复调教的提示词，九天里让全球最挑剔的一群数学家点头认账。

他把过程完整开源给全人类审计，这本身就是新一代科研伦理的样本。二十二年顽疾就此画上句号，而这声炸响，不过是新时代序幕拉开时敲的一记鼓点。