想象你走进一家水果店，看见店员正在把橘子一层层地码放在摊位上。你会发现他们往往采用一种类似金字塔的排列方式：底层摆成一个紧密的三角形，第二层再在凹陷处叠上去，接着第三层……这种方式不光稳定，还特别节省空间。

这不是巧合，而是数学。

400多年前，物理学家约翰内斯·开普勒（Johannes Kepler）就提出：在三维空间里，最紧凑的球体堆积方式，就是模仿水果摞法。他计算后发现，这种堆法最多只能填满约 74% 的空间，剩下的26%是无可避免的空隙。

这个猜想听上去再直观不过，然而数学界用了近四个世纪才最终证实它是对的。直到1998年，美国数学家托马斯·黑尔斯（Thomas Hales）借助大量计算机验证，才彻底完成了这个证明。如此耗时之久，足见这个问题背后的复杂性。

但这仅仅是个开始。

因为现实世界的数学应用，远不止三维。密码学、信号传输、压缩编码、甚至人工智能中某些模型训练，都依赖于“高维空间”——不是你能在房间里看到的三维，而是10维、100维、甚至百万维的抽象空间。

问题来了：如果在三维中堆球已经这么难，那在高维呢？

这便是著名的高维球堆积问题（high-dimensional sphere packing problem）。

数学家希望在这些高维空间中，找到一种方式，把“球”——其实是一种高维等距结构——尽可能紧密地排列在一起，占据最多的空间，同时不重叠。不同于现实世界的球，高维球的行为非常反直觉，连球体的“体积”在高维中都会变得奇异。

例如，在50维以上，大多数球的体积集中在非常薄的一层壳上，类似一个空心泡沫。堆积这些“泡沫球”，比堆实心球还要困难得多。

即便如此，科学家仍然要继续努力。因为球堆积不仅是个纯粹的几何挑战，它直接关系到我们今天使用的各种通信系统：卫星传输、数据压缩、甚至加密算法的极限效率——本质上都可以抽象为“在高维空间中找最紧密的球堆积”。

但除了两个令人惊讶的例外：第8维和第24维，我们对其它所有维度的最优堆积方式，至今仍然未知。而在大多数高维中，我们连是否已经接近最优都说不准。

这就是数学最迷人的地方：一个看似简单的“怎么码球”的问题，背后牵动着几百年的智慧交锋，以及数不尽的技术应用。

而故事真正的转折点，正在悄悄酝酿——在一个被人遗忘的方法中，在一位“局外人”的好奇心里。

被遗忘的方法：Rogers的椭球构想

在高维空间中寻找最密集的球堆积方式，长期以来都是“点阵”的天下。

所谓点阵，就是一种在空间中周期性重复的点的排列方式。想象一张无尽延展的网格，每个交点都可以看作是球心，球就以它们为中心扩展开来。这种方法源自1905年，数学家赫尔曼·闵可夫斯基（Hermann Minkowski）提出的直观模型——通过找出最合适的点阵结构，进而推导出最优的球堆积。

在二维平面上，这种方法确实能找出最紧密的排列：蜂窝状的六边形结构。每个圆被六个邻居包围，几乎没有任何浪费。这种优雅的模式，也被证实是平面上最有效的圆形堆积方案。

但到了高维，问题变得极其复杂。

首先，高维空间里点阵的种类呈指数增长，穷尽它们成为不可能的任务。其次，就算选出一个还不错的点阵，你也很难判断是否已经逼近最优。于是，整个领域在几十年间陷入了微小改进、渐进优化的死循环里。

就在这样的背景下，1947年，英国数学家克劳德·安布罗斯·罗杰斯（Claude Ambrose Rogers）提出了一个不走寻常路的想法。

他没有沿用闵可夫斯基那一派“找好点阵再画球”的方法，而是提出：哪怕点阵本身不是最优的，我们也许可以通过一种新的方式，把球塞得更紧密。

他的武器，是一个非常特别的几何体：椭球体（ellipsoid）。

与完美对称的球不同，椭球在不同方向上可以有不同的长度，像是被拉长或压扁的球体。它的形状不受半径限制，而是由多个轴决定，越高维，参数就越多。罗杰斯的想法是，先在点阵中选择一个点，然后围绕它画一个椭球，使其恰好不触碰到其他点。接着，他设计了一种算法，把这个“定制椭球”转化为实际的球堆积，从而构建出一个新的、可能更密集的结构。

这个策略一度引起了关注。它有一个很大的优势：你不需要一个完美的点阵，只要选对了椭球的形状，就有可能得到更高效的球堆积。

但这个方法也有致命的弱点：选择椭球太难了。

在二维或三维空间里，椭球还算容易控制。但一旦维度升高到十几、几十，甚至上百维时，椭球就变成了一个拥有数十、数百个自由度的怪物。每个维度都像是一根可以伸缩的杆子，组合方式呈天文数字级别地增长。在没有明确规则引导下，没人知道椭球到底应该怎么“长”，怎么“缩”，才能做到最佳避让。

这就像拥有一把万用钥匙，却不知道门锁长什么样。

随着时间推移，数学家们逐渐对这条路径失去了信心，纷纷回到更可控、结构更明确的“点阵路线”。Rogers的方法，被悄然搁置在了历史角落，几十年无人问津。

但令人意想不到的是，这个几乎被遗忘的构想，后来竟成为了突破高维堆积瓶颈的关键。

它只是缺了一个真正懂得如何使用它的人。

一位“外行”数学家的临时起意

Boaz Klartag 并不是一位研究点阵或编码理论的大师。他的专长是几何，尤其是凸体几何（convex geometry）。这是一个看似与高维球堆积不搭界的领域，研究的是那些没有凹陷、形状平滑的几何体，比如球体、椭球、多面体等。

Klartag 对几何的理解极为深刻，尤其是在高维空间中凸体如何变形、如何扩张收缩、如何与其他形体“相处”的方式。他长期关注高维中对称性和几何结构的奇妙行为，却从未正式涉足点阵和球堆积研究。他自己也承认：“我一直对这个领域感兴趣，但从来没有时间认真钻研。”

直到有一天，他突然腾出了时间。

2024年11月，Klartag 刚刚完成一项长期研究项目，日程突然变得前所未有的清闲。这一年，他47岁。许多数学家在这个年龄早已固守专业，进入稳定的研究轨道，但 Klartag 却反其道而行之。

他说：“我当时想，如果我不趁现在试试，一辈子可能都不会再有机会了。”

于是，他拨通了好友、以色列数学家 Barak Weiss 的电话，请求对方做他进入点阵世界的“领路人”。Weiss 没有犹豫，两人很快组织了一个小型研讨班，找来几位年轻研究者，从头开始研读点阵理论和球堆积领域的关键文献。

而就在这个阅读过程中，Klartag 重新发现了 Rogers 的那篇1947年论文。

多数人只是把这篇论文当作一段历史背景资料翻阅，而 Klartag 却从中嗅到了一种熟悉的气息：这是一个凸体几何的机会窗口。

Rogers 的方法以椭球为核心，而椭球正是 Klartag 操作得最为熟练的几何工具。在他的世界里，控制一个高维椭球的形状，并不是不可能的任务，而是一门技巧、一套方法论。他多年来研究的正是如何让这些形体在抽象空间中“聪明地生长”与“高效地避让”。

他一眼就看出：Rogers 所使用的“初始椭球”过于朴素、效率不高。几十年前还不具备改进这些椭球的工具，而现在，Klartag 手里正好就握着这些工具。

他意识到，自己或许可以用完全不同的方式重新定义椭球的“成长路径”——不是一口气生成一个理想形状，而是让它一点点在空间中膨胀试探，每次都巧妙地避开障碍点，最终形成一个比历史上任何一个更大的可行椭球。

只要这个椭球比 Rogers 的原始版本更大，就能以 Rogers 的老方法反推出更密集的球堆积结构。

这时，Klartag 还没有任何结果，也没有正式启动证明。但他有一种直觉：这条路值得走，而且只有他走得下去。

随机膨胀：椭球如何在高维中避开障碍

Klartag 面临的挑战并不在于理论的可行性，而在于如何实际构造出一个比历史更大的椭球体——一个能在不碰撞点阵中任何一个点的前提下，“自由伸展”出最大体积的凸体。

如果这个椭球能比 Rogers 在1947年使用的那个更大，那么用它反推出的球堆积也必然更加紧凑——这是数学上的直接逻辑。

问题是：怎样才能在高维空间中“长”出这样一个椭球？

我们可以把这个问题类比为在一个布满钉子的黑屋子里撑一把伞。你不能提前知道钉子的位置，只能小心翼翼地撑开伞，一旦某个方向碰到钉子，就不能再继续展开。但别的方向仍然可以继续张开，只要还没有碰撞到。

Klartag 的方法，就是让椭球像这种“有条件的伞”一样，按规则向外膨胀。

他设计了一个随机化的生长过程。在这个过程中，椭球不会平均地、同步地扩张，而是：

随机选择一个方向，向外略微膨胀；

检查边界是否触碰到点阵中其他点；

如果触碰到，则立即“冻结”这个方向的生长；

其他未碰撞的方向继续尝试，循环进行。

这一过程在高维中尤为关键。因为高维空间具有惊人的自由度，每一个维度都像是一根可以独立控制的张力杆。Klartag 让椭球在“能长”的地方继续生长，而“不能长”的地方停下来，这种方式既节省了空间探索的资源，也最大程度地利用了高维的方向自由。

最终生成的椭球，其边界并不是光滑均衡的，而是一种带有“撞痕”的不规则凸体：它在某些方向早早就被“撞停”了，但在其他方向却鼓足了勇气往外“探险”。

这种不对称，看似凌乱，实则有效。

更重要的是，这个过程是概率性的。每次运行，它产生的椭球形状都可能不同——这正是传统数学方法很难接受的“不确定性”，但对 Klartag 来说，这正是他的几何直觉发挥作用的舞台。

他反复评估这种随机生长法生成的椭球体积分布，只要其中哪怕有一部分能超过 Rogers 的椭球，那就足以构造出新的球堆积纪录。

而事实证明，他的直觉是对的。

短短一两周内，他完成了关键的数学证明：他的生长机制，确实能在一定概率下生成比历史更大的椭球。