2026年9月8日，OpenAI宣布其尚未公开的内部模型动用约10000个并发智能体，耗时约88小时，完成了纳维–斯托克斯千禧年大奖难题中C与D两种情形的证明，即一个初始光滑且静止的流体可以在有限时间内发展出奇点。证明随后由GPT-6 Astra通过Lean形式化语言在约17小时内完成验证。
比结果更值得细读的是OpenAI发布时的两个姿态。
其一，明确声明不申领克莱数学研究所的100万美元奖金。
其二，将成果定位为AI进步的一张快照，而非终点。
一家以商业化为目标的公司，投入外界估算达数百万美元量级的算力，去解一道没有直接实用价值的纯数学问题，然后公开表示不要奖金。这个看似矛盾的组合，是理解整个事件的钥匙。
01 数学正在成为前沿实验室的叙事资产
千禧年难题在公共话语中的价值从来不在奖金，而在于它被广泛视为人类智力的最高峰。OpenAI研究员塞巴斯蒂安·布贝克称这是过去十二个月能力轨迹的一个惊人顶点，注意这个表述的对象不是数学界，而是模型能力的增长曲线。
这也不是单一厂商的单点突破。
Google DeepMind的AlphaGeometry已在奥林匹克几何题上达到接近金牌选手的水平，OpenAI此前联合Harmonic解决了系列埃尔德什问题，Anthropic近期也在黎曼猜想上取得阶段性进展。
前沿数学正在成为头部实验室衡量顶级模型的共同标杆，AI科研加速正从个案演变为常态。
原因在于当基准测试普遍受到污染与刷分质疑时，只有那些人类顶尖心智耕耘了近百年的灯塔问题，还保留着无法作弊的权威性。
OpenAI放弃奖金却高调公开证明全文与Lean形式化链接，正是这一逻辑的注脚。他们要的不是奖项，而是叙事主导权。
顺带值得记录的是权限分层，承担核心解题的是尚未公开的内部模型，能力显著强于GPT-6 Astra，对外发布版本与内部最强模型之间存在能力差距，是行业反复被印证的现象，此次只是又一次公开的证据。
至于产业价值，需要收着写。
纳维-斯托克斯方程确实支撑航空航天设计、气象预报与血流研究等现实场景，OpenAI原文自己也如此表述。但此次构造的是特定受迫情形下的奇点爆破，属于解的正则性不成立的证明方向，与工程仿真所依赖的正则解并非同一问题，其产业意义不应被直接外推。
02 验证链条为何重要
此次成果能迅速引发震动而非被归为AI噱头，技术基础在验证环节。
Lean是数学界公认的交互式定理证明工具，以严格的形式化逻辑逐步校验推导，能够排除人工证明中常见的逻辑漏洞与跳步，一份有Lean背书的证明在数学界具备很高的可信度。
形式化的方式本身也有象征意义。
机器生成的证明由另一台机器验证，研究者从证明的生产者退化为证明的审查组织者。这是AI信任链条在科研场景的雏形，未来可能反哺生物医药、材料等一切依赖推理可靠性的领域。
03 从解题者到组织者
此次事件中被低估的，是工作方式本身的转变。
OpenAI披露整个过程中研究员的角色是在不同智能体群组之间传递想法，研究员丹·罗伯茨形容自己像一只蜜蜂，在不同小组之间异花授粉。仅纳维-斯托克斯一个问题，智能体之间就交换了约270万条消息，消耗约1300亿输出token。
整个过程呈现出一套完整的多智能体科研范式。
不同群组被分派问题的正反变体并行探索，中间成果经Codex整合后继续喂入后续链路，任务的拆解、推导、纠错全部自动完成，研究员只负责方向判断与路径编排。这是迄今最大规模的公开落地验证之一，其意义不亚于成果本身。
这意味着稀缺能力正在从解题技巧转向三样东西。
品味，判断哪个方向值得投入。
编排，设定变体、划分路径、整合洞察。
验证，借助形式化工具建立可信链条。
数学家的价值没有消失，而是从台前移到了调度席。这与AI对编程和文案工作的冲击是同一个故事，只是数学长期被视为人类最后的智力自留地，它的到来更具象征冲击力。
04 信任摩擦，当学术基础设施由竞争对手运营
争议同样具有行业标本意义。
纽约大学数学家特里斯坦·巴克马斯特与Anthropic研究员莱文特·阿尔珀格在OpenAI发布前一天，刚公开了他们在受迫欧拉方程等问题上的Lean验证成果。
巴克马斯特质疑OpenAI是在听闻其进展后才转向外力驱动路线，并担忧自己存储于OpenAI Codex中的研究数据被用于模型训练。OpenAI否认访问具体用户数据，但留下了一句耐人寻味的表述，不能排除来自产品使用的去标识化数据改进了模型。
这起摩擦暴露了一个结构性事实。
当数学家的日常工作流被AI公司提供的工具深度嵌入，保密与开放的古老契约就出现了新的裂缝。研究者使用某家公司的工具，可能就是在向这家公司的下一代模型输送养分，无论是否有主观意图。
头部公司之间的竞争因此延伸到了对学术工作流入口的争夺，谁掌握了科研工作流，谁就掌握了知识的回流管道。这或许是此次事件中最具长期性的行业信号。
05 答案易得之后，稀缺的是什么
数学家陶哲轩的回应提供了另一重维度。他一方面对证明本身做了认真解读，另一方面多次公开警告，如果AI在人类深度参与之外解决最难的问题，可能损害数学本身。他那个健身房比喻流传最广，AI可以替你举起重量，但你无法从中获得锻炼的价值。
更深一层的警告在于问题本身。陶哲轩撰文指出，仅仅是有人正在研究某个问题的传闻，就可能触发海量AI研究力量，在原本的项目充分展开之前将其碾平。若研究者因此不再敢公开有潜力的方向，将逆转数百年开放科学的传统。
这指向AI公司与学术共同体之间一个尚未调和的激励错位。前者以解决定义成功，以速度和声量计分。后者以理解积累价值，以公开和协作生长。一个必须写清的事实是，原问题中最自然也最困难的无外力情形并未被此次工作触及。答案与理解之间的距离，恰恰是陶哲轩忧虑的空白地带。
按照克莱数学研究所的官方规则，千禧年难题的正式认定须满足两个条件，证明在权威同行评审期刊发表，且发表后经两年数学界普遍认可。目前纳维-斯托克斯在其官网仍为未解决状态。此次AI证明是重要进展，而非正式解题。
结语 一份需要冷静阅读的快照
客观地说这次事件的分量不应被低估。
约100个智能体用50小时先解决了无外力欧拉方程的反例，随后约万个智能体在88小时内完成纳维-斯托克斯的突破，全程有Lean机器验证背书。无论从能力角度还是工程组织角度，这都是真实的进展。
但它同样不应被误读。
88小时攻克的是特定情形的构造性证明，而非数学理解的自动化。
不申领奖金不是谦逊，而是清醒，100万美元买不来这次发布所追逐的东西。
真正的行业命题在于当解题可以被算力压缩，当研究流被竞争对手的基础设施托管，当好问题本身开始变成稀缺资源，科学的激励机制需要一次与能力增长相匹配的重构。OpenAI称之为快照，这个词反而准确。它记录的是能力曲线的斜率，而不是终点。
今日参考阅读文章：
(1)On the Navier–Stokes Millennium Prize Problem
（链接：https://openai.com/index/navier-stokes-solution/）
(2)AI重大突破！OpenAI称88小时攻克近百年数学难题，却和数学家吵翻了
（链接：https://mp.weixin.qq.com/s/7AMYww_6VecQYUdLUyedtg）
(3)OpenAI官宣：88小时攻破千禧年难题！
（链接：https://mp.weixin.qq.com/s/pVKhiX3SrcI59P1Sjsl6yQ）
(4)难评！OpenAI刚官宣的NS方程大突破，被数学家手撕了…
（链接：https://mp.weixin.qq.com/s/9L_JwnhAPQm2qv9-FFzqbg）
(5)88小时，AI攻克人类90年无解难题
（链接：https://mp.weixin.qq.com/s/L2hohOBkB8_Sm_G0EYJVbA）
本文若有歧义欢迎读者分享指正。
·END·
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表