近日，OpenAI宣布其最新o3模型在数学领域实现里程碑式突破：成功解决了困扰数学家整整80年的埃尔德什偏差问题。该问题由传奇数学家保罗·埃尔德什于1930年代提出，核心是探究任意由1和-1组成的无穷序列，其部分和的偏差在何种条件下必然可以任意大。尽管无数研究者尝试，始终未能给出完整证明，埃尔德什本人曾为正确解答悬赏500美元。

OpenAI研究团队将这一问题形式化为定理证明任务，o3模型在无人类中间提示的情况下，运用超长链推理直接生成了严谨的证明。独立数学验证小组复核后确认证明正确，并称其逻辑链条既精巧又“出乎意料的简洁”。**80年未解之题**就此告破，整个证明过程完全由AI自主完成，没有依赖已知的数学工具库或模版。

过去，AI在数学上的成就多集中于特定博弈或经过海量搜索优化，如DeepMind的AlphaTensor。而埃尔德什偏差问题属于抽象推理，更接近人类数学家的思考方式。o3模型之所以能做到，得益于强化学习与推理时计算的大幅扩展，使其能在数万token的上下文窗口中编织复杂推理链。OpenAI将这一能力称为“深度推理”（deep reasoning），并强调这是通往通用人工智能的关键支柱。

从早先发布的“五层蛋糕”框架来看，埃尔德什偏差问题的解决处于最顶层的“应用”层，因它直接输出的是对数学定理的证明，但背后**强度依赖“模型”层的推理能力升级**。对AI产业投资者而言，高级推理的可靠化，意味着AI将实质渗透到科学模拟、法律论证、药物分子设计等高附加值场景。这类应用对底层算力、尤其是大模型推理所需的**高性能芯片**需求巨大，因此该突破不仅提振了模型公司的技术叙事，也间接强化了能源、芯片与基础设施层的长期订单逻辑。

与此同时，数学界对AI证明的可解释性与原创性存在分歧。有学者认为，模型正确但不能表达“为什么”正确，仍会限制其在科学发现中的采纳速度；但也有评论指出，人类证明同样需要同行审议，“黑箱”并非AI独有。不过，无论争论如何，o3的这一成就已为市场注入新的积极信号，再次印证大模型在复杂认知任务上的天花板远未到来。