文 | 智讯智库，作者 | 施展

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 Alpöge）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 Alpöge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Erdős“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Alpöge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：

[1] OpenAI. On the Navier-Stokes Millennium Prize Problem[EB/OL]. (2026-09-08)[2026-09-10].

[2] Fefferman C L. Existence and Smoothness of the Navier-Stokes Equation[R/OL]. Clay Mathematics Institute[2026-09-10].

[3] Bistafa S R. 200 Years of the Navier-Stokes Equation[R/OL]. arXiv:2401.13669, 2023[2026-09-10].

[4] Bubeck S. 关于OpenAI流体方程研究起因与方法的说明[EB/OL]. (2026-09-08)[2026-09-09].

[5] Buckmaster T. 关于流体方程研究及与OpenAI沟通的声明[EB/OL]. [2026-09-10].

[6] Bubeck S. 关于论文合作提议的澄清与道歉[EB/OL]. (2026-09-08)[2026-09-09].

[7] MIT Technology Review. Inside OpenAI’s big play for science[EB/OL]. CDO TIMES转载, (2026-01-26)[2026-09-10].

[8] National Science Foundation. NSF congratulates laureates of the 2024 Nobel Prize in chemistry[EB/OL]. (2024-10-09)[2026-09-10].

[9] Google DeepMind. AI achieves silver-medal standard solving International Mathematical Olympiad problems[EB/OL]. (2024-07-25)[2026-09-10].

[10] OpenAI. An OpenAI model has disproved a central conjecture in discrete geometry[EB/OL]. (2026-05-20)[2026-09-10].

[11] OpenAI. Ten advances in mathematics and theoretical computer science[EB/OL]. (2026-08-01)[2026-09-10].

[12] Wei A. OpenAI IMO 2025 Proofs[EB/OL]. 2025[2026-09-10].

[13] 问舟. 北大数院“黄金二代”苏炜杰官宣加入OpenAI，沃顿休学期间参与模型训练[EB/OL]. IT之家, (2026-05-31)[2026-09-10].

[14] Ryu E K. Ernest K. Ryu: Education and Experience[EB/OL]. [2026-09-10].

[15] OpenAI. How GPT-5 helped mathematician Ernest Ryu solve a 40-year-old open problem[EB/OL]. (2025-11-24)[2026-09-10].

[16] Shroff L. Something Weird Is Happening in Math[EB/OL]. The Atlantic, (2026-07-31)[2026-09-10].

[17] OpenAI. Accelerating scientific discovery with ChatGPT for Academic Researchers[EB/OL]. (2026-08-10)[2026-09-10].

[18] OpenAI. Advancing the next era of national science[EB/OL]. (2026-07-22)[2026-09-10].

[19] Tao T. Finite time blowup with smooth forcing term for the incompressible porous medium, Boussinesq, and incompressible Euler equations[EB/OL]. (2026-09-07)[2026-09-10].

[20] Tao T. 关于Navier-Stokes问题、AI辅助研究与数学洞察的讨论串[EB/OL]. (2026-09-03)[2026-09-10].

[21] Tao T. Mathematics in the age of AI[R/OL]. arXiv:2608.16753, 2026[2026-09-10].

[22] The Norwegian Academy of Science and Letters. The Abel Prize 2016: Sir Andrew J. Wiles[R/OL]. 2016[2026-09-10].

[23] Coxon J. 关于从Anthropic辞职及AI研发风险的公开声明[EB/OL]. (2026-09-09)[2026-09-10].