今天下午，上海人工智能实验室官微发布了一条消息：困扰数学界30余年的三维Ghys猜想被破解，而且是中国科学家首次用中国大模型攻克世界级数学难题。我把凤凰网、IT之家、每日经济新闻几家报道完整扒了一遍，越看越觉得，这条新闻真正的分量，不在"AI会做数学"这五个字上。
先把事情说清楚
Ghys猜想是法国数学家艾蒂安·吉斯1995年提出的，猜的是"每一个紧致复流形上的全纯Anosov系统，都双全纯共轭于某个复infra-幂零流形上的全纯仿射自同构"。这句话看不懂很正常，它本来就是动力系统领域公认的长期公开难题，被专家称为"检验数学推理能力的试金石"。
这次破题的分工是这样的：大湾区大学教授许地生团队（他同时是上海AI实验室访问学者）依托书生科学多模态大模型S2，走"通专融合"路线，通过人机协同完成证明；然后，北京大学董彬教授、刘若川院士团队用自己开发的SHEAF框架，对这个证明做了形式化验证，确认正确性。论文已挂上arXiv，形式化代码在GitHub公开。
为什么这次比OpenAI那次"硬"
上周我们聊过OpenAI的纳维-斯托克斯证明：Lean验证通过了，却被剑桥和伦敦国王学院的研究者指出自然语言声明和验证代码之间存在差异——考的卷子和声称要解的题不完全是一张。那次风波留下的教训是：AI做数学，"谁来验证"比"谁证明"更要命。
这次的安排恰好补上了那块短板。注意一个细节：做证明的是上海AI实验室这边的团队，做形式化验证的是北京大学董彬、刘若川院士团队——验证方不是证明方自己，而是独立的第三方，用的是另一套自研框架SHEAF。证明和验证分开、代码全部公开，这是数学共同体最能接受的姿态。同样是"AI+形式化验证"的叙事，一个被质疑"自己给自己判卷"，一个做到了"交叉判卷"，成色完全不同。
真正值钱的：一个可以抄作业的科研范式
据真灼财经转述，这次攻关中AI承担的是大规模、长链条的复杂数学推演，科研人员把握研究方向、甄别有效思路，经过多轮迭代交互才推导出完整证明。上海AI实验室自己把它总结成一个闭环：系统探索—专家判断—成果积累—反馈修正。
官方通稿里有句话值得划重点：这一范式可复制推广到更多"搜索空间巨大而专家稀缺"的基础研究领域。
把这句话翻译给普通人：凡是"可能的路子特别多、但真正懂行的人特别少"的事，都能套这个闭环。数学如此，做行业调研如此，排查一个复杂Bug如此，甚至规划一次家庭大额支出也如此——你不需要自己是天才，你需要的是让AI去穷举，然后你来做那个"甄别有效思路"的判断者，把有效的路径沉淀下来，喂回给下一轮。
这次合作的起点本身就很说明问题：书生大模型先在2025年全国中学生数学奥林匹克决赛拿了金牌，团队再刻意把模型从"竞赛级"往"研究级"推，用真难题倒逼模型迭代。不是一步登天，是一级一级垫上去的。
你现在就能做的事
想体验"系统探索—专家判断"这套闭环，不用等到做数学猜想。手头任何一个复杂任务，都可以拆成：让AI批量生成方案（探索）→ 你按自己的领域直觉筛掉不靠谱的（判断）→ 把筛出来的有效结构记录下来（积累）→ 带着记录让AI再来一轮（修正）。跑上三五轮，你会发现自己判断力的提升速度，比一个人闷头干快得多。
如果想把多个AI工具串成一条自动化的"探索流水线"，我在 spark1.cn 的 /toolchains 里做过工具链编排的实践，可以去看看现成的思路。
AI攻克难题的故事以后会越来越多。真正该带走的不是惊叹，而是那个闭环——它不挑人，谁用谁受益。从容有余，从来都是准备出来的。
评论