OpenAI用万级智能体解Navier-Stokes难题引发数学界争议

事件背景与核心结论 2026年9月8日，OpenAI官方宣布其AI系统给出了纳维-斯托克斯（Navier-Stokes）方程存在性与光滑性问题的解，包含证明文本与Lean形式化证明[S2][S3][S9]。该问题是克莱数学研究所2000年提出的七大千禧年大奖难题之一，悬赏100万美元，自提出以来已困扰数学界数十年[S4][S5][S11]。

纳维-斯托克斯方程基于牛顿第二运动定律描述流体运动，广泛应用于飞行器设计、天气预报与血液流动研究等领域。数学家长期关注的核心问题是：对于密度恒定的三维不可压缩流体，即便初始流动状态光滑，方程是否会在有限时间内产生“奇点”，即流体运动速度趋于无穷大。OpenAI给出的证明结论为：三维不可压缩Navier-Stokes方程可在有限时间内出现爆破奇点，解不始终光滑[S4][S5][S10]。

技术路径与智能体协作流程 该证明由约1万个AI智能体协作完成，总耗时约88小时；后续由GPT-6 Astra完成Lean形式化验证，耗时17小时[S1][S4][S7][S10]。证明所使用的内部下一代模型能力显著强于已发布的GPT-6 Astra[S2][S8][S10]。整个解题过程消耗约1300亿输出Token，算力成本在数百万美元量级[S10]。

智能体协作采用分阶段推进策略。约100个智能体先花费50小时解决了无外力Euler方程的有限时间爆破问题，随后研究团队将该思路迁移应用于Navier-Stokes问题，并扩大智能体规模继续探索[S10][S11]。智能体被分为两组，一部分尝试证明解永远光滑，另一部分尝试构造反例，最终在反例构造方向取得突破[S10]。

OpenAI公开了约165至166页的证明论文与形式化验证代码，论文署名仅为“OpenAI”，未列出具体研究人员姓名[S4][S8][S10]。OpenAI同时表示不打算申请克莱数学研究所的百万美元奖金，将该成果定位为AI进步的快照[S10][S11]。

数学界争议与质疑 成果公布后迅速引发数学界广泛争议。纽约大学数学家Tristan Buckmaster指控OpenAI解题思路与其和Levent Alpöge的未发表及近期发表工作高度相似，质疑学术伦理与抢发行为[S6][S10][S11]。Buckmaster称，在与OpenAI沟通后发现对方的解题思路与他们的几乎一致，而学术传统中得知他人未发表研究方向后抢跑被认为是极不道德的行为[S6]。

OpenAI否认在相关工作公开发布前看到对方成果，并公开部分沟通记录以说明曾提供让对方优先发表的选项[S6]。但这一回应反而引发更多质疑，因为沟通记录的存在表明双方确有接触，外界难以判断信息边界[S6]。

在成果发布形式方面，陶哲轩等学者对通过新闻稿和社交媒体发布重大数学成果的方式提出批评，更认可arXiv等标准学术平台与同行评议流程[S11]。陶哲轩表示，已厌倦靠新闻稿和社交媒体发布数学研究的新风气，更希望看到专业预印本公布于标准学术平台或在学术会议上展示[S11]。

与此同时，也有学界人士对该进展给予积极评价。美国数学学会（AMS）主席Ravi Vakil与CEO John Meier公开评价该进展为“人类知识的里程碑式进步”，认为数学的目的在于增进人类理解，这项成果及其产生的过程还将长期产生影响[S5]。

学术评审现状与待确认问题 截至公开报道时，克莱数学研究所尚未正式认定该证明成立，千禧年大奖也未颁发[S4][S11]。克莱数学研究所要求成果必须发表于经过同行评议的出版物，并且要经历一段时间的学术评估才能够授予奖金，评估流程需审慎从容[S11]。

目前仍有多个关键问题有待进一步澄清。首先，证明的数学正确性与严谨性尚未经全球数学界充分同行评审，是否真正解决千禧年难题仍待确认。其次，OpenAI内部下一代模型的具体架构、训练数据与能力边界未公开，外界难以评估其推理过程的可解释性与可复现性。

第三，Buckmaster与Alpöge工作和OpenAI证明之间的思路重合程度、是否存在不当使用，尚无独立调查结论。第四，AI生成数学证明的成果归属、署名规则与学术伦理标准尚未形成行业共识，本次事件暴露的争议需要学术界与产业界共同回应。第五，该成果对流体力学、工程等应用领域的实际影响与落地路径尚不明确，理论突破转化为工程价值仍需时间。

对AI for Math研究范式的影响 无论该证明最终能否获得数学界公认，“大模型+形式化验证”的解题范式本身都具有重要参考意义。它展示了AI在长链条逻辑推理、数学猜想探索与严格证明核验上的潜力，也为AI for Science提供了新的方法论样本[S4]。

从行业发展角度看，智能体协作解决重大数学问题的尝试，可能推动数学研究工具的升级。未来数学家可能更多地将AI作为辅助探索工具，用于提出猜想、验证中间步骤或构造反例，从而将更多精力集中在核心概念创新与整体框架设计上。

但同时，AI介入前沿数学研究也带来新的治理课题。如何确保AI生成证明的可追溯性，如何界定AI工具与人类研究者的贡献边界，如何防范训练数据可能引发的学术伦理风险，都需要建立相应的规范与机制。本次Navier-Stokes方程证明引发的争议，恰好为行业提供了一次深入讨论这些问题的契机。

后续观察重点 后续可重点关注三个方向的进展：一是克莱数学研究所是否会启动正式评审，以及评审周期与最终结论；二是相关争议是否会有独立第三方调查结果，成果归属与学术伦理问题能否得到澄清；三是AI生成数学证明的相关规范是否会逐步建立，行业是否就成果署名、数据使用等问题形成共识。

对于普通研究者与公众而言，在最终结论明确前，应保持理性审慎的态度，既不低估AI在数学研究中的潜力，也不轻易将未经充分评审的成果视为定论。科学进步依赖严谨的验证与公开的讨论，重大突破尤其需要时间的检验。