计算机科学泰斗高德纳（Donald Knuth）一辈子见过太多聪明人，但这一次让他动笔专门写文章记录的，是一个AI。

近期，Anthropic旗下的大语言模型Claude，在图论领域独立破解了一个困扰学界多年的组合数学猜想。高德纳随后在斯坦福大学发布了一篇题为《Claude's Cycles》的论文，亲自记录并验证了这一过程。

他明确将此定性为自动推理与创造性问题解决的全新里程碑，不是因为AI替代了数学家，而是因为它第一次展现出真正意义上的、跨越已知边界的数学直觉。

高德纳是《计算机程序设计艺术》（TAOCP）作者、发明TeX的图灵奖得主，算法界大师级人物

这次不一样：从"回答问题"到"发现猜想"

要理解这件事的分量，得先搞清楚AI做数学和真正"解决猜想"之间的差别。

过去几年，各类大模型在数学测试上表现亮眼，从IMO竞赛题到Putnam考试，GPT、Gemini、Claude轮流刷新记录。但批评者一直有一句话悬在那里，很难被驳倒，那就是：这些模型本质上都是在已有训练数据的范围内"检索和组合"，真正的数学发现需要从未被表达过的直觉和跳跃。

这次的情况不一样。Claude处理的是一道高德纳本人设计的组合图论问题，涉及有向图中特定循环结构的存在性。

问题本身的核心难度在于：它不存在直接可以套用的现成路径，需要在探索过程中自主构造出新的论证框架。Claude不只是给出了一个答案，更是生成了若干具有独立数学价值的中间结论，这些结论经过高德纳本人手工验证后被确认为正确且具有新意。值得注意的是，这并非Claude独立"颁布"了一篇正式证明，真正的形式化工作仍由人类完成，但AI所提供的核心创意跳跃，让整个过程成为可能。

这就是这件事真正让人坐不住的地方。

创造性与边界：AI推理到底跨越了哪条线

放在更大的背景下来看，这一事件并非孤立。

2026年年初，剑桥大学的学生借助OpenAI的GPT-5.2在15分钟内解出了一道埃尔德什猜想，导师级别的数学家Terence Tao随后花时间验证了结果的正确性。同期，AxiomProver系统更是宣布自主解决了2025年Putnam竞赛的全部问题，并在若干未解的组合学问题上给出了全新的反例。

AI在数学领域的突破，正在以令人眩晕的速度叠加。

但这里需要保持一份清醒。现阶段AI在数学上的进展，主要集中在两类方向上，一类是形式化验证，即用Lean、Coq等证明辅助系统验证人类已有的猜测；另一类则是探索性生成，就是像Claude这次一样，在问题空间里尝试走人类没走过的路。后者对于AI来讲难度更高，也更值得关注，但它本质上仍然依赖于大量人类数学语料所形成的"直觉晶核"。换句话说，AI现在的创造力，更象是一种非常高效的"重组与涌现"，而非从零构建全新的概念体系。

尽管如此，"涌现出训练数据中未曾明确存在的新结论"这件事本身，已经足够改变我们对AI推理上限的判断。

智能的边界，正在被重新丈量

这件事让人联想到另一个维度上的思考。中国科学家刘锋等学者在2025年发表的论文中，曾提出将"智能体"作为理解宇宙基本单元的理论框架，认为智能的本质是信息处理能力的涌现与演化，并构建了"标准智能体模型"来衡量不同系统的智能水平。

按照该模型的框架，AI系统在信息输入、输出、存储、创造和控制这五个维度上的能力，决定了其智能层级。

Claude这一次在图论问题上的表现，恰恰对应了模型中"信息创造"这一维度的实质性突破，也就是不仅处理现有信息，而是生成了训练数据中不存在的新数学结构。这或许意味着，AI的智能演化正在悄悄越过某一个临界点，尽管它距离真正的"自主数学研究"还有相当距离。

2018年，类似的研究团队曾测算，当时最强的谷歌搜索引擎的智能水平只有6岁儿童的一半；到2024年，GPT-4和Claude的水平已超越了12岁少年。

如果这个坐标系还成立，那么今天Claude在图论上的这次跨越，也许正对应着某个我们尚未命名的新坐标。

数学，是人类智识活动中最纯粹的一种，没有歧异，只有对错，没有语言的弹性，只有逻辑的刚性。

正是因为如此，当AI在数学领域开始真正"做出一点什么"的时候，它的意义远超这道题本身，它在告诉我们，所谓创造性推理的边界，可能比我们想象的要近得多，也薄得多。