引言

“AI不可能影响最尖端数学？”这句质疑正在被现实修正。微分几何大师丘成桐在最新论文中，直接致谢了 GPT-6 Astra 和 Claude Pro，称它们在探索证明思路与计算中提供了帮助。更具戏剧性的是，这个结果对应的问题，正是他在1982年亲手写入“待解清单”的难题之一：七维“怪球”是否存在处处正的截面曲率。若这一宣称最终被数学界接受，一个悬了近70年的经典问题将告一段落，同时也为“AI助力前沿数学”提供了具象样本。

核心内容

七维“怪球”与半世纪难点

• 1956年，米尔诺发现了与标准七维球面拓扑等价但光滑结构不同的“怪球”，并因此获得菲尔兹奖。随后，Kervaire–Milnor 证明：七维共有28种光滑等价类，其中27种为怪球。
• 标准球面拥有处处正的截面曲率。数学界由此追问：怪球能否也赋予这样的度量？
• 进展曾卡在“非负到正”的最后一步。Gromoll–Meyer 率先给出一例非负曲率，Goette–Kerin–Shankar 在2020年推广到全部28种；但把每处“非负”提升为“严格为正”，始终难以跨越。
• 难点之一来自“曲率夹持”（pinching）现象：Brendle–Schoen 的微分球定理提示，若正曲率过于均匀（夹持比不超过4），流形将与标准球面光滑等价。这意味着在怪球上构造正曲率必须精准拿捏——既要处处为正，又不能“正得太均匀”。

双圆盘模型与“十维绕行”

这次工作的思路可概述为“切、升、投、拼”四步：

• 切：采用 Durán–Püttmann–Rigas 的“双圆盘模型”，把每个七维球面视作两个七维圆盘沿边界的不同粘合方式得到。问题由此化为在两块圆盘上各自构造正曲率度量，并在接缝处实现无缝对接。
• 升：不是直接在七维圆盘上硬攻，而是考虑以三维球面 S³ 为纤维的主丛，把每个点“抬升”成一根三维小球纤维，整体得到十维空间。高维中某些自由度更易控制，便于设计曲率结构。
• 投：借助黎曼淹没（Riemannian submersion），使用 O’Neill 公式把十维度量下推到七维。该公式精确刻画了基、纤维、水平/垂直分量之间的曲率传递，成为把“十维正性”转化为“七维正性”的桥梁。
• 拼：最后在边界上进行细致的匹配与过渡（如调参保证二次基本型与联络的一致性），既维持接缝处的平滑性，又守住整体的曲率下界。这一步是全局拼装的关键。

直观地看，这是在极窄容差内做“曲率手术”：既要保证每个方向都向内弯，又要避免落入“过于均匀”的陷阱，从而保持怪球的光滑非等价性。

大模型在尖端数学中的角色

论文致谢中的 GPT 与 Claude，引人关注的不是“AI证明了什么”，而是它们实际充当了怎样的工具角色。结合当前大模型能力边界，可以合理推测其贡献集中在：

• 证明探索与策略生成：对候选构造进行头脑风暴，快速枚举思路变体，帮助锁定可行路径。
• 计算与校核：借助符号计算和数值实验，检查曲率张量、结构常数、O’Neill 项等细节的正负性与界限。
• 文献对齐与表述优化：在庞杂参考之间建立映射，统一符号与约定，减少沟通成本。
• 工程化试错：把复杂的参数空间离散化，生成脚本批量扫描“可行区”，辅助寻找可拼接的边界条件。

重要的是，顶尖数学的严谨性依赖形式验证和同行评审。大模型更像是一位“高效助理”，帮助缩短寻找思路与纠错的时间，而非替代人类在逻辑闭环与创新判断上的终审。

影响与展望

• 对数学本身：若最终被接受，七维怪球的“处处正曲率”难题将告一段落，继非负曲率全覆盖之后，补上正性这块关键拼图。这也会反过来检验与丰富关于曲率夹持、淹没技术、边界拼接的工具箱。
• 对研究范式：一位对严谨要求极高的数学家在论文中公开致谢大模型，标志着“AI共研”的信号进入主流。未来更可能出现“LLM + CAS（计算代数系统）+ 定理证明器”的组合拳，形成从构想、计算到形式化验证的流水线。
• 对规范与伦理：如何界定 AI 的贡献比例、如何记录提示词与实验脚本、如何保证可复现性，将成为新共识的一部分。透明的致谢与可审计的研究日志，可能会成为顶尖论文的“新标配”。
• 对产业与工具：面向数学的专用大模型与插件生态值得期待，例如内置 O’Neill 公式的几何助手、支持主丛/淹没的度量设计器，以及与 Lean/Isabelle 等形式化工具的无缝对接。

人与AI在数学中的协作边界，正在这类工作中被具体刻画：AI 负责扩张搜索与计算的广度与速度，人的创造力和严谨性则把握方向与底线。真正的范式改变，往往源自这种“各擅胜场”的默契分工。

标签： AI辅助研究 微分几何 七维怪球 大语言模型 科学方法