OpenAI 宣称用大规模 AI 协作得到纳维 - 斯托克斯难题的证明。围绕结果、署名与研究数据的争论，让一个更深的问题浮出水面：科学需要的究竟是答案，还是通向答案的理解？本文将从以下角度展开：

从一杯咖啡出发，理解数学家追问的纳维 - 斯托克斯方程问题是什么？

还原 88 小时的解题过程，两位数学家与 OpenAI 的署名争议。

OpenAI 在 AI 竞赛下的科学激进主义以及科学界将如何面对 AI？

9 月 8 日，在发布 Astra 之后的第五天 [ 1 ] ，OpenAI 用一篇新文章炸开了学术界的天花板，并引起了全世界数学家的讨论。

没有新模型，没有新价格，没有跑分对比。它说的是—— OpenAI 宣称，它的 AI 系统解出了一道长期没有解决的数学难题：纳维 - 斯托克斯方程的存在性与光滑性问题 [ 1 ] 。

这是一个悬而未决近 90 年、被克雷数学研究所悬赏 100 万美元的七道千禧年难题之一 [ 2 ] 。

OpenAI 宣称，其使用了一个尚未公开的内部模型，大约 10000 个并行协作的智能体、在 88 小时内得出了解法。再由 GPT-6 Astra 接手，花了大约 17 小时，把整份证明翻译成 Lean ——一种可以让计算机逐行检查对错的数学语言 [ 1 ] 。

速度之快、能力之强，一瞬间引来轩然大波。除了震惊，也有更多人在担忧，AI 真的会加速科学的发展吗？AI 黑盒化的过程是不是掩盖了真实的 " 过程价值 "？学术界甚至我们每一个人，应该如何面对 " 信息和算力暴力的 "AI？

90 年未解之谜，纳维 - 斯托克斯方程

要理解这场风波，我们先简单理解一下，为什么这个数学问题这么重要。

想象你在搅拌一杯拿铁咖啡，牛奶在棕色的液体里散开，卷成一个小小的漩涡，然后慢慢消失。与此同时，夏天午后的乌云开始翻滚，台风正在靠近海岸线，你因为没打伞而害怕下雨，身体的血液在快速奔流。

这一切，都和这个数学问题有关。

纳维 - 斯托克斯方程研究的就是 " 流体的移动 " 问题。

1755 – 1757 年，大数学家欧拉（Leonhard Euler）写下了描述理想流体的方程 [ 3 ] ——也就是今天的 " 欧拉方程 "。

它有一个致命的简化假设：流体没有粘性，各层之间不会互相摩擦 [ 3 ] 。

但真实的物理世界肯定和数学假设不同，水有阻力、风有阻力、搅拌咖啡都能感受到阻力。

桥梁工程师纳维（Claude-Louis Navier）在 1822 年提出把粘性塞进欧拉方程 [ 3 ] 。

英国数学家斯托克斯（George Gabriel Stokes）在 1845 年发表《论流体运动的内摩擦理论》 [ 3 ] ，给了粘性更精确的定义：即液体的不同层之间，如果移动速度不一样，也会产生摩擦力。

相隔二十多年，两人的工作奠定了这组方程的基础 [ 3 ] ——这就是今天飞机设计、天气预测和血流研究中广泛使用的纳维–斯托克斯方程。 [ 1 ]

但这个问题并没有结束，尽管工程上可以把流体的空间和时间切成小块，用电脑算出方向和流速的近似结果，但纳维–斯托克斯方程是否能一直给出没有异常的结果呢？ [ 2 ]

这就是克雷数学研究所把这个问题列为千禧年难题的真正核心：按方程推演下去，局部流速会不会在某个时刻到来之前，越变越大，变成无限，进而使得方程不再适用？ [ 2 ]

OpenAI 这次，就宣称找到了这样一个例外：在它构造的数学情形里，原本静止的流体，受到一种精心安排、大小有限且没有突变的外力，局部流速却在有限时间内朝着无穷大增长 [ 1 ] 。

当然，现实中的流体不会真的达到无穷大的速度；这个结果如果成立，说明的是，这套方程在特定极端条件下会遇到边界 [ 1 ] 。

88 小时的集中爆破，AI 和人类成果 " 抢跑 " 罗生门

过去几十年，人类数学家靠的正是一种 " 数字嗅觉 " 来工作的。这是一种在漫长训练里长出来的直觉，数学家会突然在某个散步、洗澡或者失眠的时间点，迸发出伟大的灵感——正如古希腊数学家阿基米德的 " 尤里卡 " 时刻。

不过数学家的难题也在此，我要用什么方向、走什么路径去证明？因为一旦确认方向，这将是漫长、繁重的研究投入。

从全人类的视角来看，是在赌一个概率，不管经过多少年，总有一个数学家的直觉会通向正确的方向。在纳维 - 斯托克斯方程这个问题上，这个直觉等了 90 年。

根据 OpenAI 研究员 Sebastien9 月 9 日的澄清帖子，9 月 1 日 OpenAI 听到 Anthropic 已经解决了 2 个千禧年问题的谣言后，立马也决定用正在训练的内部模型来尝试破解 [ 4 ] 。

OpenAI 把不同版本的问题分给了不同的 AI 小组，有的尝试正向证明结论始终成立，有的寻找能够推翻结论的反例 [ 1 ] 。

接近 100 个 AI 程序工作 50 小时后，得到了一个无外力欧拉方程的结果，这使得 OpenAI 把原本分配给其他问题的资源集中到欧拉方程的延续——纳维–斯托克斯方程上 [ 1 ] 。

最终得到结果的小组，规模已经达到了一万个同时运行的 AI 程序。9 月 5 日，距离启动约 88 小时，按 OpenAI 的说法，系统得到了一个带外力的纳维–斯托克斯方程反例 [ 1 ] 。

这场集中爆破，引发了数学界的地震。

深层原因是，两位人类数学家（Tristan Buckmaster 和 Levent Alp ö ge）已经合作研究这个问题近一年，且已经在相关流体方程上取得进展 [ 5 ] 。

他们在听到 OpenAI 将集中算力进行相关研究时，急匆匆上传了此前的研究成果。

其中一名数学家 Tristan 声称，OpenAI 提到的研究带外力的方程这一方向，正是他们沿着前人工作长期推进的路线，因此怀疑 OpenAI 是否使用了他们输入 Codex 的研究草稿 [ 5 ] 。

OpenAI 则否认提前见过两人的直接工作，并认为证明的结果也不一致：两位人类数学家公开的是有外力的欧拉方程结果，OpenAI 则声称进一步得到纳维 - 斯托克斯结果 [ 1 ] 。

不过，OpenAI 也在成果发布的文章里留下了意味深长的一句话：研究人员和 AI 没有为了这道题专门访问两人的用户数据，但无法完全排除去掉身份信息后的产品使用数据，曾帮助模型改进 [ 1 ] 。

更让争议发酵的，是其中一名数学家 Levent Alp ö ge 是 Anthropic 的员工。根据 Tristan 描述，OpenAI 提出让他参与另一篇基于 OpenAI 证明的论文，但不让 Levent 参与 [ 5 ] 。

这一指控也得到了 OpenAI 的回应，他们没有要求把 Levent 从其自己的研究中除名，只是认为让竞争公司的员工参与这项工作、接触内部模型，会带来困难 [ 6 ] 。

人类数学家承认用 AI 工具辅助研究，OpenAI 也没有完全排除去掉身份信息后的数据曾帮助模型改进的可能 [ 1 ] ，到底是谁学了谁、谁利用了谁呢？

比起研究结果，这个研究过程更让人担忧。数学家把研究内容输入 AI 之后，这些内容去了哪里？AI 公司是否在垄断了信息霸权之后，再通过集中算力探索大量可能的路径，从而得出答案？

还是说这种模式是 AI 时代的新型研究方法，人类科学家贡献直觉、AI 探索直觉指向的大量可能路径？那么谁来定义直觉的价值呢？

AI 竞赛下的激进主义，科学界是闪亮的拼图

这个故事里，仍然有个细节值得讨论：OpenAI 为什么在前沿科学上如此激进，仅仅是听到竞争对手的谣言，就要如此兴师动众？

2026 年 1 月，多家媒体报道，OpenAI 的一支专门科学团队，由前首席产品官 Kevin Weil 领衔。Weil 当时撂下一句很能代表公司心态的话："正如 2025 年 AI 深刻变革了软件工程，2026 年，将成为科学突破的关键时刻 [ 7 ] 。"

他们的思路是把模型做成科研人员的 " 数字头脑风暴伙伴 "，一边加速发现，一边强调所谓 " 认识论上的谦逊 " [ 7 ] ——听起来很美。

但商业世界的逻辑往往更直白：冲击最硬的科学难题，是证明 " 通用人工智能（AGI）" 最有说服力的广告。

当 AlphaFold 背后的科学家已经拿了诺奖 [ 8 ] 、AlphaProof 等系统已经达到奥赛奖牌水平 [ 9 ] ，" 解一道千禧年难题 " 就成了 AI 能力叙事里最后一块、也是最闪亮的一块拼图。

2026 年 OpenAI 频频披露自己在科学上的成就：2026 年 5 月，宣称推翻 Erd ő s" 单位距离猜想 " [ 10 ] ；2026 年 8 月，宣称Astra一次性产出十项数学 / 理论计算机成果 [ 11 ] ；2026 年 9 月宣称攻克纳维–斯托克斯千禧年难题 [ 1 ] 。

再看 OpenAI 近来从学术界延揽数学与理论人才的动作，这一意图就更加明显。

2026 年初，据媒体报道，清华姚班出身的伯克利助理教授陈立杰加入 OpenAI，从事数学推理研究 [ 13 ] ；

2026 年 1 月，UCLA 数学家 Ernest Ryu 也加入 OpenAI [ 14 ] ，此前他曾借助 GPT ‑ 5 Pro 推进并解决一个源自 1983 年的优化理论开放问题 [ 15 ] 。

5 月底，北大数院本科毕业、刚晋升沃顿统计学正教授的苏炜杰宣布休假加入 OpenAI，参与模型训练 [ 13 ] 。

7 月，新科菲尔兹奖得主 Jacob Tsimerman 又在获奖当天宣布将从多伦多大学休假，加入 OpenAI 从事 AI 安全研究 [ 16 ] 。

面向外部，OpenAI 宣布到 2027 年免费覆盖 10 万研究者，并承诺超过 2.5 亿美元的支持 [ 17 ] 。它还与美国能源部、国家实验室和超级计算设施合作，把工具带进科研机构 [ 18 ] 。

可以说 OpenAI 正在不遗余力的，利用 AI 加速挑战人类科学的边界。

当人类读不懂答案，被加速的 " 正确 " 是否还有意义？

在 OpenAI 发布公告之前，9 月 7 日，陶哲轩已经在博客上称赞了 Buckmaster 与 Alp ö ge 的工作 [ 19 ] 。

他肯定了那两位人类数学家的成果，也说明自己还需要进一步消化证明 [ 19 ] 。

而对于 AI 这种 " 暴力搜索 " 式的解题，他更早在 9 月 3 日就在学术社交平台 Mathstodon 上提出过一种假设性的担忧：一场秘密的搜索，也许能最终得到一个被验证过的结果，但它可能把过程中本可以获得的 " 人类洞察 "，留在公司内部 [ 20 ] 。

就在前不久的 8 月，陶哲轩公开发表了一篇讨论 AI 与数学的文章，是他在国际数学家大会上发表的公开演讲 [ 21 ] ，核心说了一个数学研究的终极话题—— " 数学研究的真正目标和价值是什么 "。

一个问题解出来，除了形式化验证（Lean）是不是成立，也要讲清楚为什么成立。其他数学家理解之后，才可能把它用在新的研究里，最后让它成为学生也能学习的知识 [ 21 ] 。

费马大定理之所以伟大，还因为怀尔斯在借助已有理论完成证明的过程中，发展出了新的方法，继续推动了后来的数论研究 [ 22 ] 。

陶哲轩担心的是，AI 生成证明的速度可能超过人类检查和理解的速度 [ 21 ] ，这会让人类能算出它的答案，却读不懂答案。那对人类来说，这还算是解决了一个问题吗？

但在这场 AI 竞速下，所有前沿的大模型公司几乎不敢停下。

近期，曾在 OpenAI 和 Anthropic 工作的预训练研究员 Jacob Coxon，宣布从 Anthropic 辞职，公开批评前沿实验室的竞赛和风险处理方式 [ 23 ] 。他在 x 平台上发帖表示：在 OpenAI，很多研究员还没真正 " 内化 " 文明毁灭的风险；在 Anthropic，大家都懂，但被锁死在赛道里，没人敢停。

当 OpenAI 宣称 AI 用 88 小时攻克了 90 年未解的数学之谜 [ 1 ] ，当 AI 被竞赛加速到我们难以理解的 " 黑盒 " 成果，这一切是否还有意义？

  参考资料：