OpenAI证明“不存在Landau-Siegel零点”：8页原稿，P≠NP再引热议
人类卡了几十年的数论悬案，AI仅用8页纸就给秒了？ 这两天，整个数学界和计算机圈，都陷入了巨大震撼。 10月18日，斯坦福大学数论学家Jared Duker Lichtman在X上的话，瞬间引爆全网—— 「此类证明的存在，强烈暗示了 P≠NP 。」 这句话的导火索，是OpenAI内部模型刚交出的逆天答卷——「不存在La
一道在数论领域卡了几十年的难题，OpenAI的内部模型交出证明只用了8页纸，这事你信吗？
10月18日之后，数学界和计算机圈都被震动了。
斯坦福大学数论学家Jared Duker Lichtman当天在X上发了一句话，全网随即炸开——
「此类证明的存在，强烈暗示了 P≠NP 。」
让这句话冒出来的，是OpenAI内部模型刚刚给出的那份答案：证明「不存在Landau-Siegel零点」。
这是解析数论里卡了数十年的关键问题，学界一向认为极难啃。
可OpenAI不光做出来了，原始证明的篇幅竟然只有8页。
后面的进展更让人坐不住，顶尖数学家纷纷下场跟进。
密苏里大学的Bill Banks先拿出了一份19页的详细拆解。
紧接着，Bryce Kerr用双二次扩张
加上Masser的经典结果，把证明压到6页。
牛津大学教授Ben Green又砍了一刀，直接给出5页纸的终极版本。
几十年无解，最后只剩5页纸。伦敦玛丽女王大学教授Abhishek Saha忍不住发问：
要是这个问题5页就能证完，数学家们这几十年怎么会一直错过？
寻找如登天，验证如喝水
一份5页纸的数论证明，为什么会让斯坦福教授一下想到计算机科学的圣杯——P vs NP？
道理其实不复杂。
5页的证明，任何专家花几小时就能读完、验证；可为了这5页纸，人类中最聪明的那批大脑苦寻了几十年。
「寻找极难，验证极易。」这八个字，正好就是P≠NP的底层直觉。
评论区里，Anthropic研究员Joshua Batson一句话点破——
数学家的『显然』总是相对的。事实证明，许多未解难题（相对于AI）都是显然的！
玩笑归玩笑，背后的问题很严肃：AI几周内交出700多篇数学手稿，千禧年神题P vs NP，是不是也快了？
三道高墙，锁死人类五十年
P vs NP用一句话说就是：能快速验证答案的问题，是不是也都能快速算出答案？
P说的是那些能快速算出答案的问题，NP则是能快速核对答案的问题。
数独、排课、破解密码，统统归在NP里：答案摆在眼前，一秒钟就能验对错；可要从头开始找，基本只能靠近乎穷举。
一旦P=NP，现代密码学会当场崩掉，全球金融等于在裸奔；反过来看，所有复杂难题也都会得到一条终极捷径。
而如果P≠NP，那就说明宇宙里确实存在本质上抄不了近道的难题。
这道题1971年被提出，悬赏100万美元。绝大多数科学家押P≠NP，可五十多年过去，没人拿得出证明。
卡在哪儿？人类不光没配出钥匙，还反过来证明了手头这些开锁工具注定不管用。
这就是有名的三道「屏障」：
1.相对化屏障（1975）：靠模拟与对角化这类经典手法，压根解决不了它；
2.自然证明屏障（1994）：大多数电路下界的证明套路，要是真能证出P≠NP，就会顺手把伪随机数生成器也破掉，自相矛盾；
3.代数化屏障（2008）：连带上代数技巧的升级版方法，也被证明火力不够。
今年6月，复杂性理论学者Lance Fortnow悲观地表示：眼下人类连一条可行的攻击路线都没有。
他给挑战者出的主意是，先去证「SAT没有平方时间算法」这种简单得多的问题，随后又补了一刀：「你在那里也不会成功。」
这，就是AI要面对的对手。
719篇手稿狂轰，9岁萌娃贴脸开大
面对这堵铜墙铁壁，AI干脆打起了饱和式攻击。
10月6日，OpenAI在GitHub一次性放出了 722篇手稿（次日撤回3篇），归为 372个结果家族。
内部模型试了约4000个开放难题，平均每题只花掉约3小时的ChatGPT Pro算力。
理论计算机科学在其中占了40个家族。P vs NP没被直接干掉，但好几篇都精准砸在了通往它的主干道上。
6月，复杂性理论学者 Lance Fortnow 曾写道：通用多项式时间算法，除了模拟之外，我们拿不出别的办法；电路复杂性、证明复杂性、代数几何等方向，都停在远未触及多项式时间全部能力的位置上。他由此判断，眼下连一条走得通的攻击路线都还没有。巧的是，OpenAI 这次拿出的六个结果，偏偏在这每条路线上都插了一面旗。
第112号家族（深度3电路下界）：最被寄予厚望的 P vs NP 证明路线，是去证明某个 NP 问题需要「超多项式大小的电路」。而在深度3电路的显式下界上，人类长期卡在
附近，AI这次直接跨过了这道坎。
第102号家族（唯一博弈猜想，UGC）：证明了Subhash Khot在2002年提出的这一核心猜想（含部分Lean验证）。它与 P vs NP 紧密相邻，极大强化了许多NP-hard优化问题的近似硬度极限。
基础算法与去随机化：实现随机对数空间的完全去随机化(L=RL=BPL)；矩阵乘法指数压至
；整数乘法和DFT跌破
时间。
围绕第102号「唯一博弈猜想」，还有一段让人心里发紧的插曲。
知名学者Scott Aaronson的妻子Dana Moshkovitz，把整个学术生涯都押在了这个猜想上。发布当晚，他们9岁的儿子跑过去打趣妈妈：
「听说有个机器人，把你研究了一辈子的题解出来了！」
《量子》杂志还提到，MIT的Dor Minzer团队9月11日听到OpenAI的风声，为了不被机器抢先，赶在OpenAI发布之前把自己证明的相关变体放了出来。
人类数学家，已经跟AI跑上了赛道。
大佬泼冷水：外城已下，城门未破
反倒是那些最懂行的人，表现得最平静。
Lance Fortnow第二天发文说：AI对给定问题的解出率不到10%，这些结果里没有一个能让人们离解决P vs NP更近一步。
Scott Aaronson虽然把10月6日称作「数学史上最重要的日子之一」，但他也指出：清单里不光没有P≠NP，连P=BPP这类「小一号」的难题也不在其中——显然不是没试过。
他在播客里说：OpenAI和Anthropic正拿内部最强的模型竞相攻P vs NP，可谁都没攻下来。
冷静下来看，要真正破局，还卡在四个硬伤上：
1.验证远未完成：只有约42%附带了Lean形式化证明，剩下的全靠人工。Aaronson坦言，那些长证明里几乎还没有哪一篇被人类真正读懂。
2.可读性极差：Moshkovitz对AI给出的唯一博弈证明的评价是，写得「糟糕到不借助AI根本读不懂」。
3.Lean不是万能的：机器只能保证推理不出错，却保证不了形式化定义跟原问题完全一致，也判断不了结果重不重要。
4.核心路线空白：AI突破的是深度3电路和代数电路，而能推出P≠NP的「一般布尔电路下界」，至今仍是白卷。
终极悖论：AI就是P≠NP 的活证据？
城门既然没破，凭什么还说「AI正在逼近」？
因为有三个信号已经清楚得不能再清楚。
第一，难题的「难」被重新定价。Siegel零点的5页证明说明，有些绝境缺的就是没人想到的那一步。还有多少猜想只差一层窗户纸？没人说得准。
第二，外围阵地全面开花。唯一博弈、电路下界、去随机化、矩阵乘法……这些周边阵地上的里程碑被AI密集拿下，主攻方向破局只是迟早的事。
第三，规模和速度都不是人类量级。4000个问题，平均每题3小时。当各大实验室把下一代最强算力死死对准P vs NP，量变极可能引出质变。
至于最终结局，学界甚至出现了挺有意思的押注分歧。
Aaronson依然重注P≠NP；可也有学者认为，AI要是真能破局，答案更可能是P=NP——让AI搜出一个巧妙算法，比用现有数学证明「不可能」，要好想象得多。
不过，整件事最耐人寻味的幽默之处在于——
机器越强，反而越像P≠NP还站得住脚的现成例证。
为了「找」出一个证明，它要烧掉海量算力；人来「验」这个结果，几小时就够了。
哪天真让它把算力烧到底、把P≠NP给证出来，这个千禧年难题也就完成了最漂亮的一次自我印证。
