Anthropic 旗下數學家 Levent Alpöge 於 2026 年 11 月 20 日宣布,他與 Claude 在約六週的時間內,完成了黎曼猜想(Riemann Hypothesis)的完整數學證明。這道自 1859 年由德國數學家黎曼首次提出、懸宕 167 年、被數學界視為最難的未解問題之一,如今以 175,187 個 Lean 4 形式化程式碼模組的形式呈現,共約 1,700 萬行。次日 11 月 21 日,Lean FRO 與 Mathlib Initiative 兩個獨立社群完成技術查核後,聯合發表聲明,確認對這份證明的正確性具有「完全信心」。這不只是數學史上的分水嶺,更向企業主清晰展示:AI 已進入可以作為頂尖研究夥伴的新階段。
誰是 Levent Alpöge?這次突破是怎麼發生的?
Levent Alpöge 是哈佛大學獎學金得主,師承菲爾茲獎得主 Manjul Bhargava,以整數點與有理點研究在數論界建立口碑。他在哈佛博士後研究員資格到期後加入 Anthropic 擔任技術人員,同時持續從事數學研究。他在個人網站上形容自己是一位「老派數學家」,對 AI 本來抱持謹慎態度。
這次突破是 Alpöge 與 Claude 長達約六週密集協作的成果。他在聲明中描述,整個過程由他提出問題框架與研究方向,Claude 負責探索和延伸思路,但在接近完成的關鍵階段,他直接表示:「Claude 在衝線前遠遠超越了我」(Claude far outpaced me near the finish line)。這句話成為本次事件被引用最多的描述。
值得注意的是,Anthropic 公司本身並未正式發表聲明,這次公告完全由 Alpöge 個人以數學家身份提出。
黎曼猜想是什麼?為什麼它難到 167 年無人解開?
黎曼猜想涉及質數(prime numbers)的分布規律。質數(2、3、5、7、11……)的出現看似隨機,但德國數學家黎曼在 1859 年提出,質數的分布與一個稱為「黎曼 ζ 函數」的數學函數的零點位置高度相關——他猜測,所有非平凡零點都落在複數平面的同一條直線上,即實部為 1/2 的「臨界線」。
這個猜想牽涉密碼學、質數理論乃至量子物理的基礎,超過 160 年來,全球頂尖數學家已計算出超過 10 兆個零點,全部落在臨界線上,但「所有零點是否如此」始終無法被嚴格證明。克雷數學研究所在 2000 年將它列為七大千禧年難題之一,懸賞 100 萬美元。
知名黎曼猜想研究者 Brian Conrey 在聽到這一消息後表示:「這是人類歷史上最宏大的時刻,也是我認為數學史上最重要的事。」
千禧年難題
克雷數學研究所在 2000 年列出七大千禧年難題,各懸賞 100 萬美元,黎曼猜想是其中公認難度最高的一題。迄今只有一題(龐加萊猜想)曾被解決,解題者格里戈里·佩雷爾曼拒絕領取獎金。黎曼猜想是第二道被宣稱解決的題目。
Claude 在這份證明裡扮演了什麼角色?
Alpöge 並沒有採用傳統數學論文格式,而是將整份證明以 Lean 4 程式語言撰寫,發布了 175,187 個程式碼模組、共約 1,700 萬行。
Lean 4 是一種「形式化證明系統」,讓電腦逐步驗證每一個數學推論是否正確。這與人工撰寫的傳統數學論文完全不同——它更像是把整個數學論證轉譯成「機器能讀懂的語言」,讓電腦充當最嚴格的審稿者。
依 Alpöge 的描述,Claude 在這份工作裡的角色,不是單純協助撰寫程式碼,而是在數學層面提出推進方案——它幫助 Alpöge 探索了多條他自己無法確定的數學路徑,並在最後幾個關鍵步驟「跑在了他前面」。
這次的突破也延伸涵蓋了廣義黎曼猜想(Generalized Riemann Hypothesis)與延伸黎曼猜想(Extended Riemann Hypothesis),範疇比原始猜想更廣。
為什麼這次「驗證」可以信賴?形式化驗證說明
許多人對「AI 聲稱解決了某問題」持謹慎態度,因為 AI 有時會產生看似合理但實則有誤的輸出。這次的情況不同,原因在於它採用了「形式化驗證」。
Lean FRO(Lean 核心開發組)與 Mathlib Initiative(Lean 最大數學函式庫維護社群)在 11 月 21 日下午完成查核後,聯合發表了明確確認:
- 175,187 個模組全部以 Lean 4.33.1 及 Mathlib 最新版本成功編譯,零錯誤
- 兩個獨立工具均確認,這份函式庫所「陳述並證明的定理」,正是 Mathlib 標準定義中的黎曼猜想本身
- 兩個組織均表示具有「完全信心」(full confidence)
這意味著,就「這份 Lean 程式碼所表述的命題是否被正確證明」而言,答案是肯定的。
需要說明的是,Alpöge 表示計畫後續撰寫讓數論學家能逐步閱讀的人工可讀版本,這部分尚未完成。部分數學家仍等待這一步驟,但形式化驗證的確認,已是目前最嚴格的技術背書。
| 里程碑 | 時間 | 內容 |
|---|---|---|
| Alpöge 發表聲明 | 2026 年 11 月 20 日 | 個人宣布與 Claude 完成黎曼猜想證明 |
| Lean 形式化程式碼公開 | 2026 年 11 月 20 日 | 175,187 個模組(約 1,700 萬行)發布 |
| 兩社群聯合聲明 | 2026 年 11 月 21 日 | Lean FRO 及 Mathlib 確認「完全信心」,零錯誤 |
| 人工可讀論文 | 待發布 | Alpöge 表示計畫撰寫,尚未完成 |

這對 AI 能力代表什麼意義?
在這次突破之前,AI 在數學上的能力主要展現在:解題競賽、自動化定理搜尋、協助撰寫形式化證明片段。這次的突破性在於,Claude 在一個連全球最頂尖數學家都無法突破的前沿問題上,不只是輔助——而是在關鍵時刻超越了人類專家。
這一模式值得企業主記住:AI 的角色不再只是「更快的執行工具」,而是在特定條件下能夠主導突破的研究夥伴。
有趣的是,這次事件發生在 Alpöge 加入 Anthropic 的背景下,說明讓頂尖領域專家與 AI 長時間緊密協作,能釋放出截然不同的結果——遠超過普通使用者偶發性地詢問 AI 問題。
對台灣企業有哪些影響?
台灣企業可能想問:這件事跟我的公司有什麼關係?以下從四個層面整理具體影響。
研發密集型企業:AI 可以成為真正的研究夥伴
台灣有大量以技術研發為核心競爭力的企業,涵蓋半導體製程、材料科學、生技醫藥、精密製造等領域。這次事件清楚說明,AI 在面對需要高度推論能力、跨學科思考的問題上,已不再只是輔助工具。企業可以思考:有哪些內部研究問題或工程挑戰,是因為「太複雜」而遲遲未能解決?現在值得重新用 AI 嘗試。
人才策略要調整:領域專家乘以 AI 才有突破
Alpöge 是數論頂尖專家,Claude 負責突破;沒有領域專家,AI 無法設定正確方向。這暗示企業的 AI 人才策略,核心不是「招更多 AI 工程師」,而是讓你現有的業務、工程、法律、財務等領域專家,能有效與 AI 協作。這需要系統性培訓,不只是招募。
高風險決策要有驗證流程:形式化驗證概念可延伸至企業
讓人信任這份證明的原因是「電腦可驗證的 Lean 程式碼」,而非人工背書。這個概念——用嚴格、可重現的方式驗證 AI 產出的結論——同樣適用於企業的高風險 AI 應用場景,例如財務模型、法規合規分析、工程規格審查。企業在導入 AI 輔助決策時,應該建立相應的驗證流程,而不是僅依賴「AI 說對就認」。
速度感知要更新:六週解決 167 年懸案
許多企業主對 AI 仍停留在「AI 可以加快一些流程,但核心問題還是要靠人解決」。這次事件應該重新校準這個認知。當一個數學界 167 年的問題能在六週內被 AI 協助突破,企業內部「這個問題太難了,AI 解不了」的預設,值得被重新審視。
| 產業類型 | AI 研究夥伴的潛在應用場景 |
|---|---|
| 半導體與材料 | 製程優化參數探索、新材料特性預測、良率根因分析 |
| 生技醫藥 | 藥物分子結構初篩、臨床試驗設計、文獻綜合分析 |
| 精密製造 | 設備故障預測模型改進、品質檢測演算法驗證 |
| 法律與財務 | 合約風險條款系統性分析、財務模型壓力測試 |
| 軟體與資訊服務 | 程式碼邏輯形式化驗證、系統架構安全性審查 |

台灣企業老闆現在可以怎麼做?
這件事的發生,不代表企業明天就要用 AI 解決同等難度的問題,而是提供了一個理由:現在正是重新盤點「哪些問題值得試試」的好時機。
- 盤點公司裡懸而未決的困難問題:列出五個在過去三年「我們知道問題在哪,但沒辦法或沒時間解決」的業務或工程挑戰,考慮是否適合用 AI 重新嘗試。
- 讓最有領域深度的人開始用 AI:AI 助理的效益,與引導它的人的領域知識成正比。先讓你的頂尖業務、工程師、財務主管使用 AI,而不是讓新人先用。
- 建立 AI 輔助研究的驗證流程:訂出哪類 AI 產出需要額外查核、由誰負責審查、如何留存紀錄。這是企業負責任使用 AI 的基礎,也能讓決策更有依據。
- 投資「AI 與領域專家協作」的培訓:這次事件的模式是六週密集協作,而非偶爾使用。企業需要培訓員工建立持續性的 AI 協作習慣。如果需要協助設計培訓內容,可以考慮 企業 AI 內訓。
- 從小範圍概念驗證(POC)開始:先選一個部門、一個具體問題,讓 AI 嘗試三到四週,觀察結果,再決定是否擴大,比從「我們要制定 AI 策略」這個抽象問題開始更容易見到成效。
如果不確定從哪裡開始,可以先預約 免費 AI 企業健診,由顧問協助盤點最適合優先嘗試的場景。
常見問題
這次黎曼猜想的證明是否已完全確認?
就形式化驗證而言,答案是肯定的:Lean FRO 與 Mathlib Initiative 兩個獨立社群已確認 Lean 4 程式碼所表述的命題是正確的,175,187 個模組零錯誤通過。但 Alpöge 尚未發布人工可讀的數學論文,意味著數學家目前無法以傳統方式完整閱讀和理解這份證明。兩件事都是事實,不互相矛盾:形式化驗證通過,傳統論文審查尚未進行。
Anthropic 公司有沒有官方聲明?
Anthropic 公司本身尚未發表正式聲明。這次公告由 Levent Alpöge 以個人數學家身份發出,他描述了與 Claude 的協作過程,並發布了完整的 Lean 4 形式化程式碼庫。
這和之前 OpenAI 的 AI 數學突破有什麼不同?
2026 年 10 月,OpenAI 宣布 AI 在局部光滑猜想等數個數學與科學問題上取得突破。黎曼猜想在難度與歷史意義上屬於更高量級——它是克雷千禧年難題、是全球最具代表性的未解數學難題,也是第一個被形式化驗證系統獨立確認的千禧年難題結果。兩者都是重要的 AI 研究里程碑,但黎曼猜想的象徵意義更高。
台灣企業現在應該如何看待這件事?
台灣大多數中小企業無須立即投資專用的 AI 研究工具。這次事件的啟示是:讓既有的頂尖領域人才與 Claude、ChatGPT 等通用 AI 助理建立深度協作習慣,就已是重要的第一步。研究型工具的投資,建議先從小型概念驗證確認效益,再逐步擴大規模。
資料來源
- The Washington Post: Using Anthropic AI, mathematician claims to have solved Riemann hypothesis
- SiliconANGLE: Anthropic researcher claims to have proven Riemann hypothesis using Claude
- Unite.ai: Lean and Mathlib Communities Certify Claude-Assisted Riemann Proof
- Startup Fortune: Lean groups certify Claude-assisted Riemann hypothesis proof from Anthropic
- Yahoo Tech: Claude helps Anthropic mathematician solve the Riemann hypothesis
- OfficeChai: Who Is Levent Alpöge
- Phys.org: Anthropic researcher says he and Claude proved the Riemann hypothesis
想知道公司哪些工作可以交給 AI?
台灣人工智慧網路(Ai.com.tw)提供免費 AI 企業健診、老闆 AI 經營講座、企業 AI 內訓與 AI 員工系統建置,以及一站式的 AI 管理系統-管理王,協助企業把 AI 真正用進日常工作。
免付費電話:0800-003-191 | LINE ID:@119m
