OpenAI宣布攻克Navier-Stokes千禧年难题：1万AI智能体88小时解出90年数学悬案

先把这个'AI解数学题'的壮观场面拆开看。BBC的报道还原了完整时间线：8月底，OpenAI开始训练一个内部新模型，很快发现它在数学上表现出色。9月1日，OpenAI听说'有两个千禧年问题已经被解决'的传言，于是决定让数千个基于新模型的AI智能体去尝试攻克剩余难题。9月5日——也就是把1万个智能体投入任务大约88小时后——OpenAI得到了Navier-Stokes存在性与光滑性问题的解答。这个问题的核心是：描述三维流体运动的纳维-斯托克斯方程组，其光滑解是否会在有限时间内失去光滑性（即'爆破解'）？这是湍流现象背后的数学根基，而湍流至今仍是物理学中理解最不透彻的现象之一。OpenAI披露的工程细节令人咋舌：智能体们为此交换了近300万条消息，仅在Navier-Stokes上就消耗了1300亿输出token——按OpenAI最先进模型的输出定价估算，这一趟的成本大约1000万美元（约730万英镑）。

不过，'解出来'和'被承认'之间隔着一段很长的路。OpenAI自己也很谨慎：它表示这次的结果解决了千禧年难题所要求的四个论断中的两个，公司无意申领那100万美元奖金。克莱数学研究所尚未独立验证或公开接受这个解答——按照千禧年大奖的规则，任何解答都要经过严格的同行评审，确认无误后才能获奖，而OpenAI使用的是未对外发布的内部模型，其证明的完整细节也没有全部公开，外部数学家暂时无法逐行核验。即便如此，这个消息的象征意义依然巨大：纽约时报称这是'AI正在从根本上改变高等数学的最戏剧性信号'；过去一年里AI系统已经解出了一批困扰数学家数十年的问题，但那些问题的复杂度与深度都无法与Navier-Stokes相提并论。OpenAI把约1万个智能体当作一个'研究团队'来调度——它们彼此交换消息、分工验证、迭代推理——这种'智能体蜂群攻克科学难题'的模式，比单一模型的能力跃迁更让研究者兴奋。

真正让这件事从'科技新闻'变成'学术罗生门'的，是围绕成果归属的激烈争议。纽约大学数学家Tristan Buckmaster在9月8日发布公开声明：他和Anthropic的研究员Levent Alpöge（OpenAI直接竞争对手的员工）此前一直在用AI工具（包括OpenAI的Codex）研究Navier-Stokes问题的一个相关版本——无摩擦版本的方程——并已取得'有限时间内出现奇点'的验证结果。Buckmaster声称，他在9月3日发现'我们进展的信息已经被传到了OpenAI'，OpenAI从9月3日起急切地要求与他通话，9月6日通话时他得知OpenAI即将宣布其未发布模型用与他和Alpöge完全相同的攻击路线解出了Navier-Stokes。The Information与多家媒体跟进报道称，OpenAI研究员被指在电话中施压Buckmaster，要求他在相关论文中删除Anthropic合作者。菲尔兹奖得主、华裔数学家陶哲轩（Terence Tao）则对Buckmaster与Alpöge的流体方程证明给出'非凡成就'的评价，认为这项工作可能帮助解开Navier-Stokes。目前双方的说法互相矛盾：Buckmaster与Alpöge的成果已经公开并接受验证，而OpenAI的完整证明尚未公开披露——谁先谁后、有没有'借鉴'，外界暂时无法定论。

把视线拉远，这件事无论最终如何定论，都标志着一个节点：AI第一次触及了数学王冠上最耀眼的宝石之一。过去两年，AI在数学上的角色从'计算器'升级为'猜想生成器'（如DeepMind的FunSearch在数论与组合学上发现新结构），再到今天的'全自动证明攻坚队'——OpenAI展示的已不是单个模型答题，而是上万智能体像一家研究所那样协作：提出猜想、分工验证、交叉检查、迭代推进。这对数学本身是双刃剑：乐观派认为AI能把数学家从繁琐推导中解放出来，让他们专注真正的洞察，陶哲轩本人就是'AI辅助证明'的积极实践者；保守派则担心黑箱证明无法被人类理解、'暴力搜索式'的证明会稀释数学的美感与严谨传统。对普通读者而言，更现实的启示是：当OpenAI愿意为一次'不领奖的证明'烧掉约1000万美元算力，说明前沿实验室对'智能体集群解决真实世界难题'的投入已经到了不惜血本的程度——数学只是第一个被攻克的城堡，医学、材料、气候这些同样依赖长链条推理的领域，恐怕就是下一批目标。

写到这里，我想起一个数学界的经典说法：真正的难题不会因为你宣布解出就消失，它只会在被验证后才会真正'被解决'。OpenAI的Navier-Stokes宣告，本质上是把一场关于'AI能否触及人类智识最深处'的实验推到了聚光灯下——1万个智能体、88小时、1300亿token、1000万美元算力，换来的可能是一个改变流体力学与数学研究范式的证明，也可能是一场需要数年才能厘清的学术纠纷。但无论哪种结局，有一点已经改变：当顶级实验室愿意用这种规模去攻克纯数学难题时，'AI科学家'不再是一个比喻，而是一个正在发生的工程现实。对关心AI发展的普通人来说，这条新闻值得记住的既不是'解出了'也不是'有争议'，而是——人类正在认真地把最难的思考，交给一群不知疲倦的算法智能体去尝试。