10月29日AI行业动态｜业余数学家借 AI 攻克埃尔德什长期悬案：第 205 号难题首次被证明并通过形式化验证

<div style="font-size:16px;line-height:1.8;color:#2c3e50;letter-spacing:0.02em;"> <h2>今日头条：业余数学家借 AI 攻克埃尔德什长期悬案：第 205 号难题首次被证明并通过形式化验证</h2> 据《文汇报》报道，剑桥大学数学系本科生 Kevin Barreto 与业余数学家 Liam Price 将匈牙利数学家保罗·埃尔德什留下的第 205 号数论猜想输入 ChatGPT，得到了一份"相当漂亮的论证过程"，随后使用人工智能公司 Harmonic 开发的工具亚里士多德（Aristotle），将这份用日常语言写成的证明转换为 Lean 语言，由计算机即时验证其正确性。经专业数学家后续核查，这是该难题的首个已知解答。 要把这条新闻的份量说清楚，得先看它的背景。埃尔德什从事数学研究超过 60 年，1996 年去世时留下超过 1000 个未解难题，涵盖组合学、数论等多个领域。英国曼彻斯特大学的 Thomas Bloom 运营着一个网站专门收录这些难题并追踪解答进展——这些题目通常表述简洁、解决起来却异常困难，因而被视为相关领域研究进展的风向标。Bloom 原本对 AI 帮忙做学术研究并不看好，因为他试过让 ChatGPT 查资料，结果它会胡编乱造出根本不存在的论文；但情况后来变了："现在我能通过 AI 找到真实的论文，它好像真的阅读并理解了这些文献，而且常常能找出非常有价值的信息。" 需要如实说明的是成果的量级。目前已有至少 6 个埃尔德什难题被 AI 工具彻底解决，但经专业数学家核查，其中 5 个在既往数学文献中其实已有答案——AI 找到的是被遗忘的旧解法；只有第 205 号问题是首次攻克。此外 AI 工具还实现了另外 7 个看似没有文献记载的问题的局部改进或部分解决。帝国理工学院的 Kevin Buzzard 对此的评价相当克制：用 AI 解决埃尔德什难题是令人鼓舞的进展，但由于当前攻克的多是相对简单或长期被忽视的问题，很难判断这是否算重大突破。Bloom 也补充说，目前这些被攻克的难题并非数学领域最具挑战性的，可能一个一年级博士生也能解出来。 但真正值得关注的，或许不是单个难题的攻克，而是这件事暴露出的研究范式变化。加州大学洛杉矶分校数学家陶哲轩曾参与验证过部分由 AI 辅助解决的埃尔德什问题，他指出：数学家受限于"专家注意力"这种稀缺资源——"我们目前受限于专家注意力这种稀缺的资源，导致有 99% 的问题本可以探索但却无法顾及"，人们既不会系统梳理成百上千个问题从中找出一两个真正有趣的课题，也不会做统计研究比较两种方法的优劣。"这是目前还没有被采用的数学研究模式。我们不做这种大规模数学研究，因为我们没有足够的智力资源去投入，但 AI 正在证明这样做是可行的。" <h2>行业速览</h2> <ul> <li>美国司法部就英伟达收购 Hugging Face 展开问询：司法部已就这笔交易将如何影响人工智能领域的竞争展开问询，与此同时反垄断执法部门仍在推进对这家芯片设计公司行为的多年调查。近期问询涉及英伟达的收购、投资和销售行为，以及该公司是否曾向客户施压；就 Hugging Face 交易，司法部官员询问这笔收购是否会让英伟达掌控 AI 领域一个基础性的分发渠道。</li> <li>微软 Azure 增速超预期，Alphabet 营收利润双双不及预期：微软公布的财季中，Azure 云业务收入增长 48%，高于分析师预期的 44%，公司整体营收增长 19% 至 923 亿美元，股价盘后上涨约 4%；而 Alphabet 第三季度不含合作伙伴分成的营收为 1112 亿美元，略低于分析师预测均值，每股收益 2.12 美元远低于预期的 2.99 美元，股价盘后一度下跌 8.5%——同一天内两家巨头的 AI 投资回报给出了相反的答案。</li> <li>甲骨文股价飙升，长期营收预测缓解债务担忧：甲骨文发布 2030 财年 2250 亿美元营收预测，隐含年均增长约 35%，并表示将把该期间额外融资限制在 200 亿美元、股权与债务平均分配；公司同时表示供应商融资、客户提供的硬件和客户预付款预计将减少过渡期的前期现金需求，股价当日收盘上涨近 11%。</li> <li>《南京市人工智能产业发展和创新应用促进条例》审议通过：10 月 28 日，该条例经南京市十七届人大常委会第三十次会议审议通过，报省人大常委会审查批准后实施。条例共设七章六十二条，围绕科技创新、产业发展、融合应用、要素保障、安全治理作出系统性安排，明确为人工智能"一人公司"（OPC）提供全要素支撑，并建立创业容错机制；此外还提出行业应用类科研项目原则上应有企业或最终用户参与。</li> <li>我国人工智能国家标准建设明显提速：实施"人工智能百项国家标准建设专项行动"，统筹推进 146 项国家标准项目，覆盖算力、大模型、具身智能、智能体、终端等方向。2026 年已发布的关键标准包括《人工智能终端智能化分级》《人工智能智能体互联》系列（首套智能体互联国家标准，覆盖总体架构、身份码、身份管理、智能体描述、智能体发现、智能体交互、智能体工具调用七大环节）、《人工智能算力平台通用技术要求》以及人工智能操作系统通用技术要求与权限管理要求。</li> </ul> <h2>行业意义</h2> 今天这条消息最容易被误读的地方，是把它当成"AI 又攻克了一道数学题"来消费。更准确的读法是：AI 正在把数学研究从"专家注意力驱动"改写为"算力驱动"。 陶哲轩那句话点破了要害——过去数学研究受限于稀缺的人类注意力，资源只能投给少数几个难题，导致大量"表述简单但长期无人问津"的问题被系统性忽略。现在的情况是，一个本科生加一个业余数学家，配上一个大模型和 Lean 验证器，就能去批量扫过这类问题。更微妙的是第 205 号这件事的方法论意义：ChatGPT 负责给出候选论证，"亚里士多德"负责把自然语言转成 Lean 让机器判真伪——这实际上是把"AI 生成假设 + 形式化系统做裁判"这条流水线跑通了。形式化验证在这里的价值不是装饰性的：如果没有 Lean 这一环，一个业余研究者拿到的只是一段无法证伪的文字。 同时要保持清醒。第 205 号的诞生过程里，AI 更多的作用是检索与重组既有文献——Bloom 说得更直白：模型把问题转化为新形式时，可能会发现一些原本没有提及埃尔德什的论文，"这种论文是研究者自己很难搜到的"。5 个"新解"实为旧解的事实，说明"AI 独立发现新数学"目前仍是过度解读。真正待观察的是：当工具足够强、算力足够多时，那个"99% 被搁置的问题"里会不会冒出一个真正的硬骨头。 今天另外几条消息放在一起看，构成了一个有意思的横切面。监管侧，司法部对英伟达收购 Hugging Face 的问询，指向同一个敏感命题：AI 领域的基础设施与分发渠道正在被快速集中，而反垄断的边界远落后于技术整合的速度。商业侧，同一天里微软 Azure 增长 48% 与 Alphabet 每股收益大幅不及预期并存，说明市场对"AI 资本开支"已经开始按个体公司的回报证据来定价，而不是普遍性地给整个叙事溢价——这与昨天 Anthropic 招股书里"营收涨 13 倍但净亏 807 亿"的尴尬是同一条线索的两端。治理侧，南京的立法与国家标准提速，则代表国内正在把产业扶持、数据供给、场景开放、伦理安全与创业容错一并写进制度条文——地方立法的密度，往往比通用政策更能说明产业竞争的激烈程度。 对技术团队而言，今天有两条可以直接用起来的判断：其一，当你要用 AI 做一个数学或形式化任务时，把"生成"和"验证"分成两步是必须的，让模型去提假设、让机器去判真伪，比让模型自己宣布结论可靠得多；其二，如果你手上的工作长期存在"因为注意力不够而没被处理"的积压问题——遗留 bug、边缘场景的测试用例、文档里的过时描述——那这批模型今天给出的信号是：这类工作第一次有了批量化处理的可行性，而这恰恰可能是 AI 在企业内最先兑现价值的形态。 <h2>消息来源</h2> 《文汇报》（经新浪网转载，2026 年 10 月 29 日）、新浪财经《10 月 29 日外盘头条》、南京晨报（经新浪网转载）、《北京物联网智能技术应用协会》行业动态（经新浪网转载）等公开报道。文中"至少 6 个难题被彻底解决、其中 5 个在既往文献中已有答案、仅第 205 号为首次攻克"为《文汇报》援引的数学家核查结论；第 205 号难题的自然语言论证与 Lean 形式化证明由 Barreto 与 Price 完成并经"亚里士多德"工具验证；陶哲轩、Kevin Buzzard、Thomas Bloom 的表述均引自原报道。涉及企业财务与股价的数据以各公司财报及公开报道为准。 </div>