AI只用CPU服务器，破了32年数学僵局

如果外星人逼人类算出拉姆齐数R(6,6)，数学巨匠埃尔德什的建议是——直接开战。这个组合数学里的“魔鬼难题”，藏着“无序中必然出现秩序”的临界值，比如R(3,17)，就是要找到最小的派对人数：不管大家怎么随机社交，总能凑出3个互相认识的小圈子，或是17个完全陌生的人。

这个数字的下界，自从1994年被定格在92后，32年里全球数学家轮番冲击都纹丝不动。直到2026年5月，浙大校友王宜平带着他的AI框架来了——没用超级算力集群，仅靠Claude Code、Codex加1台CPU服务器，就把R(3,17)的下界推到了93，还顺手刷新了R(4,15)的下界到160，直接超过谷歌DeepMind同期的研究水平。

他到底是怎么让AI啃下这块硬骨头的？

反其道而行：先接受“不完美”再优化

传统求解拉姆齐数下界的思路，像在搭一个绝对不能有三角形的积木塔：从完全没有三角形的图开始，一点点调整，试图把“完全陌生的17人”这个独立集的规模压下去。但卡在92个顶点时，独立集始终停在18，怎么都压不到16的目标——就像积木塔已经搭到极限，再动一块就会塌。

王宜平换了个思路：先搭一座允许有少量三角形的塔，再慢慢把三角形拆掉，同时盯着不能让独立集变大。你可以把这个过程想象成：先允许房间里有12个“小团体”（三角形），然后一个个把这些小团体拆散，还要保证不会突然冒出17个完全不认识的人。

这不是靠人力能完成的精细活。他搭建的ScaleAutoResearch-Ramsey框架，核心是让AI自我迭代进化：系统会启动多组独立智能体，用不同算法、不同初始参数同时在图的结构空间里搜索，避免陷在某个局部死胡同里。每一次优化出更好的图谱，就保存下来当新的模板，后续迭代都在这个基础上继续打磨——就像每一次闯关成功，都能带着经验值进入下一关。

从12个三角形，到11个、10个……每一步都要精准平衡“拆三角形”和“控独立集”的矛盾，最终在92个顶点上，AI真的搭出了那座完美的塔：没有三角形，也找不到17个完全陌生的人。这就证明了，要满足“必有3个熟人或17个陌生人”的条件，派对人数至少得是93。

不是靠算力堆出来的突破

更值得注意的是，这次突破没有依赖动辄上千万的超级算力集群，只是用了Claude Code、Codex加1台CPU服务器。对比谷歌DeepMind的AlphaEvolve，后者虽然也在攻拉姆齐数，但同期只复刻了R(3,17)的旧下界92，没能实现突破。

两者的核心区别在于，王宜平的框架走的是“积累沉淀”的路线，而AlphaEvolve更偏向单一的推理演化。ScaleAutoResearch-Ramsey会把每一次优化出的优质图谱都存下来，当作后续探索的起点，相当于AI在不断“学习”过往的成功经验，不用每次都从零开始。而多智能体并行搜索，就像同时派出几十支探险队，从不同方向进入未知森林，大大提高了找到出路的概率。

当然，AI的探索结果不能全信。框架里还加了严格的核验环节：每一个关键突破节点，都会用专业工具检查图里有没有违规的三角形，独立集有没有超标，确保每一步都严谨可信。这就像探险队每次发现新路径，都要先确认是不是陷阱，再记录下来。

不过这套框架也有局限：它目前只能针对特定类型的拉姆齐数问题，比如R(3,t)和R(4,t)，对于更复杂的R(5,5)，依然力有不逮。而且AI生成的图结构，虽然能通过核验，但人类数学家要完全理解其中的规律，还需要时间。

AI正在成为数学家的“协作伙伴”

这次突破不只是刷新了一个数字，更标志着AI在数学研究中的角色正在转变——从单纯的计算工具，变成了能提出新思路、完成精细迭代的协作伙伴。

过去，数学家要靠自己设计搜索算法，手动调整参数，在庞大的组合空间里一点点试错。现在AI能自动生成不同的算法策略，并行探索，还能从历史结果里学习优化方向，把数学家从繁琐的试错工作里解放出来，让他们能专注在更核心的思路设计上。

比如王宜平的框架，就融合了karpathy autoresearch、AlphaEvolve等成熟思路，但又做了关键改进：加入了“积累沉淀”的迭代机制，而不是像AlphaEvolve那样只靠单次推理。这就像一个学徒，不仅能完成师傅布置的任务，还能把每次的经验记下来，下次做得更好。

但AI还不能替代人类数学家。它能在已知的框架里优化，却很难提出全新的理论思路；能完成精细的迭代，却做不了长期的战略规划。就像这次的逆向思路，是王宜平先想出来的，AI只是把这个思路执行到了极致。

埃尔德什那句关于拉姆齐数的调侃，至今还没过时：外星人要R(5,5)，人类还能拼一拼；要R(6,6)，不如直接开战。但王宜平的突破，让我们看到了另一种可能——不是靠堆算力，而是靠AI和人类的协作，一点点啃下那些看似无解的难题。

未来的数学研究，可能会越来越像这样：人类提出方向，AI完成探索，两者互相验证，共同推进。就像这次，AI帮人类把32年的僵局往前推了一小步，这一小步，可能就是打开更大难题的钥匙。

人类找方向，AI找路径，数学的边界正在这样的协作里慢慢拓宽。