近日，一個延續300多年的經典數學難題——高維空間「親吻數」問題（Kissing Number Problem）迎來方法論層面的重大轉折。《澎湃新聞》從上海科學智能研究院（簡稱上智院）獲悉，由上智院、北京大學、復旦大學聯合研究團隊與AI協同攻關，成功打破多個維度親吻數構造的歷史紀錄，並開創出一種全新的人機協作科學研究範式。這標誌著人工智能已從輔助工具進化為科學家的真正合作夥伴，科學智能（AI for Science）正式邁入2.0時代。

1694年，牛頓與大衛·格雷戈里提出一個看似簡單卻極其深刻的問題：在一個中心球周圍，最多能緊密放置多少個相同大小的球？牛頓認為是12個，格雷戈里認為是13個。直到1953年，數學界才證明牛頓正確，三維空間親吻數為12。

這個問題的真正魅力在於向高維推廣。高維親吻數不僅是純粹的幾何問題，還直接關聯信息論、編碼理論、衛星通訊、量子計算與數據壓縮等領域的工程應用。然而，隨著維度增加，人類的幾何直覺迅速失效。近50年來，32維以下的親吻數構造僅取得6次實質進展，且每次突破幾乎依賴截然不同的數學技巧，難以形成系統化、可複製的研究路徑。

上智院團隊設計了名為PackingStar的強化學習系統，將高維球堆積問題轉化為餘弦矩陣（描述球心幾何關係的矩陣）上的多智能體博弈學習任務，讓AI在遠超人類直覺的複雜空間中自主探索。

這一系統在25–31維打破人類已知的最佳親吻數構造；在14維與17維刷新長期未動的「兩球親吻數」紀錄；在12維、20維、21維打破「三球親吻數」紀錄；在13維發現優於1971年以來的所有有理結構；同時在14維等多個維度挖掘出超過6000個全新構型。

更重要的是，PackingStar的系統化學習不僅刷新單點紀錄，還揭示不同維度間潛藏的幾何關聯與內在脈絡。原本各自孤立的構造開始呈現可遷移、可比較、可演化的關係網絡，為數學家從整體視角重新審視這一經典難題提供了全新方向與方法框架。

研究團隊強調，這項工作展現了一種全新數學研究範式：人類提供數學直覺與問題洞察 → AI構造結構與搜索證明 → 人類理解結果、抽象理論 → 進一步改進直覺並優化AI系統。在這個閉環中，數學家的角色從繁重的計算與構造證明中解放出來，轉變為「數學觀察者」與「直覺設計者」。

上智院科研副院長、復旦大學人工智能創新與產業研究院副院長程遠指出，科學智能1.0時代的特徵是科學家定義好問題、積累高質量數據，由AI專家用算法解決。而2.0時代，科學家需主動根據AI能力重新定義科學問題、積累新數據、用AI解決領域難題，形成「AI—科學—工程」三位一體協同模式。

上智院、復旦大學、無限光年聯合打造的「星河啟智」科學智能開放平台，正是這一模式的基礎設施，將科學問題、模型、數據、算力、實驗與工程資源整合為開放生態，實現「重點科學問題牽引平台建設、平台能力反哺開放生態」的良性循環。

PackingStar團隊核心成員、上智院AI科學家陶兆巍形容這是「智力的拉鋸戰」：「我和AI較勁，一起搜索同一片寶藏。如果我在某一步比AI表現更好，我就試著把人類獨有的直覺轉化成算法，再注入AI。這種互相反哺的過程讓AI越來越聰明，也讓我的數學直覺不斷被重塑。」

他認為，未來數學研究不再是AI科學家與數學家的隔岸觀火，而是兩股力量的深度匯流。PackingStar只是開端，它證明當AI開始協同人類理解數學宇宙，「理解的藝術」已進入文明級加速期。上智院理事長、復旦大學校長助理吳力波表示：「我們最大的競爭力就是這批年輕人。」

上智院成立於2023年，聚焦科學智能前沿，機構與科研人才都極為年輕。團隊成員有大廠背景、海歸背景，但選擇這條「既有星辰大海、又有更大挑戰」的賽道。吳力波認為，這與研究院提供的資金、算力、人才政策及事業氛圍密不可分。

研究院充分鼓勵獨立探索，「親吻數」研究即由年輕人獨立擔任PI（課題負責人），無論資排輩，靠事業留人。同時，通過平台公司靈活孵化成果、落地轉化。

更具特色的是，上智院採用OKR（目標與關鍵成果）企業化管理模式。一方面鼓勵自由探索，另一方面設定明確技術攻關里程碑。吳力波指出，在人工智能快速迭代時代，有組織的科研比以往任何時候都更重要，完全自由探索難以跟上變化。他表示，如果是工程，就要有圖紙。OKR是一種更高效率的機制，也是科學研究工程化時代的新探索。