一万个AI智能体解开千禧年难题！OpenAI烧1300亿token抢跑，数学圈炸了

昨天数学圈炸了。

不是那种「又出了篇好论文」的炸，是那种你打开推特发现所有人都在吵架、陶哲轩凌晨发了长帖、Sam Altman亲自下场回应指控、NYU教授公开说被威胁的那种炸。

事情的核心是一道数学题。准确的说，是人类近90年都没解开的那种数学题。

Navier-Stokes方程，七大千禧年大奖难题之一，悬赏100万美元。这个方程描述的是流体怎么运动，飞机设计要用它，天气预报要用它，研究血液流动也要用它。但有一个根本性的问题一直没人答得出来，一个原本平滑的流体，会不会在某个时刻突然「爆炸」，速度在某一点变成无穷大？

9月8号，OpenAI发了一篇博客说，我们解出来了。

而且不是人解的。是一万个AI智能体，花了88个小时，发了270万条消息，烧了大约1300亿个输出token，用一个「比GPT-6 Astra强得多」的未发布模型给算出来的。之后又用GPT-6 Astra花了17个小时做Lean形式化验证，证明这个证明是对的。

这件事本身就够震撼了。但让整个学术圈燃起来的，不是证明本身，而是证明背后的那场争吵。

故事要从8月15号说起。

NYU数学教授Tristan Buckmaster和Anthropic的数学家Levent Alpöge，已经在这个方向上默默耕耘了将近一年。他们走的是一条非主流路径，基于马德里数学科学研究所的Diego Córdoba和CUNEF大学的Luis Martínez-Zoroa在2021年开创的解析方法。这条路几乎没什么人走，因为当时主流学界在用计算机辅助的数值方法进攻这个问题。

8月15号，Buckmaster和Alpöge取得了突破，他们证明了欧拉方程（Navier-Stokes去掉粘性项的简化版）可以在有限时间内blow up。这是一个重大进展，虽然还没到千禧年难题的完整解，但已经是向终点迈出的关键一步。

然后数学圈的gossip机器启动了。

消息泄露了出去。传言变成了「Anthropic的模型解决了一个千禧年难题」。这个变形版的消息传到了OpenAI。

OpenAI在9月1号，也就是听到传言的当天，启动了对所有开放千禧年难题的全面进攻。

想象一下这个画面。你是一个数学家，花了将近一年时间慢慢推进一个90年没人解开的难题，用的工具包括OpenAI自家的Codex，你所有的草稿都存在Codex的session里。然后你突然发现，你研究的消息泄露了，而OpenAI在几天之内，用一万个AI智能体和你走了同一条技术路线，直接把你还没解完的那个更难的版本给解了。

Buckmaster在声明里写道，他问OpenAI的数学团队负责人Sébastien Bubeck第一条prompt是什么时候发的。这个问题很长时间没有得到直接回答。最终确认是在过去几天内，也就是在关于他们工作的信息已经传到OpenAI之后。

他还问了一个更要命的问题，模型有没有被训练在、或者能不能访问他存在Codex里的那些session草稿。得到的回答是模型不会查看用户数据。他又追问了一次关于训练数据的问题。

没有得到回答。

然后事情变得更难看了。据Buckmaster说，OpenAI提出了几种「合作方案」，其中一种是让Buckmaster以单独作者的身份发表论文，宣布Navier-Stokes问题被OpenAI的内部模型解决，但Alpöge的名字不会出现在上面。理由是Alpöge是Anthropic员工，存在竞争关系。

当Buckmaster表示要公开这段经历时，据他说，Bubeck对他说了一句话，「Why would you ruin your career? If you don't want me to be nice, then I don't have to be nice.」

这句话后来被The Telegraph、WIRED、Scientific American等一堆媒体引用。Bubeck事后在社交媒体上说这是「poor choice of words」，是在善意地提醒Buckmaster不要做出不实指控。Sam Altman也亲自发长文回应，说团队全程行为正当，是对方不愿意沟通并以不实的抄袭指控相威胁。

谁说的是实话？

坦率的讲，我不知道。双方各执一词，细节相互矛盾。也许真相在某个中间地带。但我觉得这场争吵的具体是非其实不是最重要的，最重要的是它揭露出来的那个结构性问题。

一个数学家花了一年走到80%的进度，消息一泄露，一家AI公司用一万个智能体在一个周末就把最后20%跑完了，而且可能用的就是你的思路。

Quanta Magazine在报道里用了一个很精准的描述，Charles Fefferman，就是那个为Clay数学研究所写Navier-Stokes问题官方描述的普林斯顿教授，说这个证明真正的英雄是Córdoba和Martínez-Zoroa，是他们开创了整条技术路线。Buckmaster在声明里也明确说了，Luis Martínez-Zoroa值得一枚菲尔兹奖。

有意思的是，Córdoba本人对AI解题的反应是「我们有点震惊」，而Martínez-Zoroa说他到目前为止一直没怎么用AI，因为它跟他的工作流不太合。

这位花了多年时间用纯解析方法一砖一瓦搭出整条技术路线的数学家，可能是仅存的几个还能这样做的人了。

说到这个，就不得不提陶哲轩。

就在OpenAI发布证明的第二天，9月9号，陶哲轩在Mastodon上发了一段话，直接把这件事上升到了一个更大的维度。他说的大意是，有价值的开放数学问题是一种稀缺资源。任何人都能提出无穷多的数学问题，但绝大多数要么太trivial要么远超当前技术水平，刚好位于「用当前方法够得着」那个甜蜜区间的问题，其实非常少，而且产生得很慢。

他把好的数学难题比作饮用水。你可以坐在一片汪洋大海边上，但你能喝的淡水其实少得可怜。

然后他说了一句让我看完之后想了很久的话，大意是，我们现在已经看到，即使只是「有人在做某个问题」的传言，就能触发大规模的AI算力涌入把这个问题碾平。这种激励结构正在指向一个方向，让研究者不再与学术界分享任何有前景的研究方向，而这将逆转数百年来开放科学的传统，对这个领域的未来造成严重的长期损害。

这段话让我想到了一个比喻，虽然可能不够精确但还挺传神的。

数学难题就像矿脉。

过去几千年，数学家们是矿工，他们一锹一镐地往下挖，有时候挖几年挖到一块金子，有时候挖一辈子什么都没挖到。但挖的过程本身也在产出价值，你会发现新的矿脉分支，你会改进挖掘工具，你会培养出下一代矿工。费马在纸页边缘写下那句「我发现了一个美妙的证明但空白太小写不下」的时候，他同时也在给未来的数学家留下一条通往新世界的线索。

现在来了一台超级挖掘机。

它不培养矿工。它不探索新矿脉。它听到哪里有金子的传闻，就直接开过去，88个小时挖完走人。

而且这台挖掘机有一个特别麻烦的地方。每一个数学难题被解决之后，它就永远地「消耗」掉了。你不能再用它来训练下一代数学家的直觉，不能再用它来检验新方法的有效性，不能再用它作为路标指引你去发现它旁边那些更有趣的问题。

这就是陶哲轩说的「不可再生式开采」。

你可能会说，这不对啊，问题被解决了不是好事吗？人类的知识边界又往前推了一步啊。

嗯，这话也没错。但陶哲轩看到的是一个更长时间尺度上的危机。

想象一个生态系统。草原上有草、有兔子、有狐狸、有鹰。如果你突然投放一种效率极高的捕猎机器人，把所有兔子都抓光了，短期来看你确实「解决了」兔子过多的问题。但草会疯长，狐狸会饿死，鹰会迁走，整个生态系统会崩溃。

数学界的「兔子」就是那些好的开放问题。它们的存在不是作为待消灭的对象，而是作为整个学术生态运转的核心燃料。年轻数学家靠攻克这些问题来成长。新的数学分支靠在攻克这些问题的过程中被发现。数学的「难度地形图」靠这些问题来标定。

Dwarkesh Patel最近做了一个有意思的实验，他把2019年到2025年每年的主流模型配方和数据拿出来做对照训练，发现数据改进对AI性能提升的贡献是模型架构改进的3.24倍。数据比算法重要3倍多。

那么数学界的「数据」是什么？就是那些好的问题，以及围绕它们产生的那些尝试、失败、半成品、直觉和方法论。

如果这些问题被AI以大规模工业化的方式扫荡干净，但过程中既没有产生人类能理解的新直觉，也没有培养出能提出下一波好问题的人，那我们就是在吃老本。

吃完了呢？

回到Navier-Stokes这件事。OpenAI的证明本身如果经受住同行评审，那毫无疑问是一个里程碑。一万个AI智能体协作解出人类近百年未解之题，这是AI历史上浓墨重彩的一笔。OpenAI也明确说了不打算领取100万美元的奖金，把荣誉留给了数学界。

但Córdoba，那个开创了整条技术路线的马德里教授，说了一句意味深长的话。记者问他证明是否成立，他说，「If it's done, that will be a big surprise for us.」

注意那个if。

这也许是因为他对证明的细节还没来得及仔细检查。但也许是因为，当你花了几十年时间用纯粹的人类智识一砖一瓦搭建一条通往真理的路，然后一群AI在一个周末沿着你的路冲到了终点，你需要一点时间来消化这件事。

说真的，这篇文章我写到这里的时候也不太确定该怎么收尾。因为这件事没有简单的对错之分。

OpenAI做了一件技术上极其impressive的事情。一万个智能体协作、270万条消息、Lean形式化验证，这是工程和智能的壮举。

Buckmaster和Alpöge做了一件学术上极其重要的事情。花了一年时间沿着一条冷门路线推进了人类对流体方程的理解，而且他们的欧拉方程证明是独立完成的。

陶哲轩提出了一个所有人都该认真想想的问题。当AI可以在听到传言后的一个周末内碾平一个人类花了一年才推进到80%的难题，我们要怎么设计这个新世界的规则？

他在那篇Mastodon帖子里暗示了一个方向，也许我们需要划定一些「保护区」，一些专门留给人类慢慢去琢磨的问题类别，不对AI开放。

这个想法听起来有点反直觉。为什么要故意不让更强的工具去解决问题？

但想想看。我们早就在做类似的事了。自然保护区就是「故意不开发」的土地。体育比赛就是「故意不用最高效的方式」去完成任务。人类之所以要跑马拉松，不是因为我们没有汽车。

也许数学也需要一个类似的框架。

也许不只是数学。

**Navier-Stokes这件事让我隐隐觉得，我们正站在一个时代的分水岭上。**AI不再只是帮你写代码、画图、改PPT的工具了。它开始碰触到那些原本被认为是纯粹人类智识领域的天花板。当它碰到的时候，旧世界的很多规则，关于署名的、关于优先权的、关于什么是公平竞争的、关于开放科学传统的，全都不够用了。

我不知道答案是什么。但我觉得陶哲轩那个「不可再生式开采」的比喻会被反复提起。因为它精准地描述了一种可能性，我们在欢呼每一个被解决的难题的同时，可能正在不知不觉地掏空滋养下一代数学家的土壤。

矿脉总有挖完的一天。

到那时候，我们最好确保，还有人知道怎么找到新的矿脉。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。