从一杯在手中转动的咖啡讲起，阐明为何纳维-斯托克斯方程对数学家如此关键？
还原这88小时的破解历程，两位数学学者与OpenAI之间围绕署名权的激烈交锋。
OpenAI在AI军备竞赛中所表现的科学激进态度，以及学界将如何应对这一新时代的挑战？
9月8日的这一刻，距Astra发布仅五天，OpenAI发表了一篇突破性文章，立刻在全球学术社群掀起波澜，各地数学家纷纷参与讨论。
没有新型号发布，没有定价信息，没有性能对比测评。它宣告的是——OpenAI的AI体系破解了一道长期悬而未决的数学困题：纳维-斯托克斯方程的存在性与光滑性问题[1]。
这是一个困扰学界将近90年、被克雷数学研究所公开征求解答、奖金高达100万美元的七大千禧年难题之一[2]。
OpenAI的说法是，采用了一套尚未面向公众开放的专有模型，动员约10000个并行运作的AI个体，在88小时的时间内完成了解法推导。随后由GPT-6 Astra接力，耗费大约17小时，把整份证明转译成Lean——这是一套可让计算机逐步验证证明正误的形式化数学语言[1]。
这样的破解速率、如此强大的能力，瞬间在学术界炸开。除了惊叹，也有许多人开始反思，AI能否真正加快科学进展的脚步？AI黑箱决策的本质，是否让真正的「过程洞察」被埋没在阴影里？学术群体乃至我们每个个体，面对「运算能力与数据规模的狂轰滥炸」，该作何反应？
近90年的谜团，纳维-斯托克斯方程何以重要
要把握这场学术地震的本质，需要先弄清楚，为什么数学家们为此问题投入了这么多关注与精力。
思考这样一幅图景：你的手里转着一杯热拿铁，奶色液体中的乳白色物质逐渐分散开来，形成细小的旋形，最后消弭于棕褐色的咖啡中。此时此刻，天边的云朵在夏日午后开始翻腾起伏，台风的威力正逼近陆地边界，你因为没带雨具而感到忐忑不安，同时，你身体血管内的血液也在急促地循环流动。
这些看似无关的自然现象，其实都与那道数学题有着隐秘的关联。
流体如何在空间中流动，正是纳维-斯托克斯方程所阐述的核心问题。
18世纪中期，瑞士数学大家欧拉（Leonhard Euler）制定了用以刻画无粘流体特性的数学公式[3]——被后人称为「欧拉方程」。
此方程包含了一项根本性的简化条件：流体本身没有粘度特性，各个层级之间互不产生摩擦阻力[3]。
然而实际的物理世界与这些数学模型必然存在偏差，水会遭遇阻力、气流也会遭遇阻力、即便是搅动一杯咖啡也能明确地感受到阻力的存在。
1822年，从事桥梁建筑设计的工程师纳维（Claude-Louis Navier）提议将粘度这一元素纳入欧拉的理论框架[3]。
随后在1845年，英国数学与物理学家斯托克斯（George Gabriel Stokes）发表了题为《论流体运动的内摩擦理论》的论著[3]，他更为精确地阐释了粘度的定义：液体的上下不同层面之间，当速度产生差异时，必然会在相邻界面上产生摩擦力。
相隔二十多个年头的两次贡献，共同奠定了这组方程的理论基石[3]——现如今在航空设计、气象预报及生理学血流分析等多个领域广泛应用的，就是这一纳维–斯托克斯方程组。[1]
可这道题的故事远未落幕，尽管工程运用中可以把流体的时空坐标进行离散化处理，经由计算机模拟出流向与流速的近似数值，但方程本身是否始终能给出无故障、无异常的结果呢[2]？
这才是克雷数学研究所把此题列入千禧年难题清单的实质所在：沿着方程的推演逻辑继续走下去，流速的局部值是否会在某一瞬间陡然升高，直至趋向无穷，从而让该方程失效？[2]
OpenAI在此次研究中，宣布找到了这样一个反例：在它所设定的特定数学环境中，本来静止的流体，受到一种精妙设计、力度有限且变化平稳的外部施力，流速的局部值竟在有限时间跨度内朝无穷大方向激增[1]。
自然界的流体速度永不会真的达到无穷；若此发现确实成立，所表示的是该方程组在特定极端情形下触及了它的边界。[1]
88小时的集中突击，AI与人类功劳的「罗生门」
历数十年来，数学学者的工作方式是依赖一种被磨练出来的「数感」。这是一种在多年积累训练中养成的洞察力，数学家往往会在某个散步的间隙、洗澡的刹那或失眠的夜晚，闪现出革命性的顿悟——就如古代智者阿基米德那个「尤里卡」瞬间。
但数学学者面临的窘境也源于此，我应该用什么样的研究思路、选择哪一条探索路线来完成证明？因为一旦确定了方向，就意味着要投入漫长而艰苦的学术劳动。
从整个人类文明的角度审视，这实质上是在下一个概率赌注，期待某个数学才子的灵光乍现会指向正途。对于纳维-斯托克斯方程这一课题而言，这份期待已经延续了整整90年。
依据OpenAI研究者Sebastien在9月9日的解释性回应，OpenAI在9月1日听闻Anthropic已经攻克了2道千禧年问题的信息后，随即决定动用当时正在训练阶段的内部模型来尝试[4]。
OpenAI将不同形态的题目分配给了若干个AI小组，部分小组试图从正向论证结论永远成立，另一些小组则寻求能否构造反例来颠覆结论[1]。
当接近百个AI程序运行了50个小时之后，系统得到了一个无外力欧拉方程的结果，这激励OpenAI把本来分摊到其他题目上的资源重新集中于欧拉方程的进一步延伸——也就是纳维–斯托克斯方程的解[1]。
负责突破的小组，其规模膨胀至一万个同时并行的AI程序。9月5日，自启动后约88小时，据OpenAI的表述，系统找到了带外力纳维–斯托克斯方程的一个反例[1]。
这一集中的计算冲刺，给数学学界投下了一枚重磅炸弹。
其深层的原因在于，有两名人类数学学者（Tristan Buckmaster与Levent Alpöge）已经在这一问题上进行了长达近一年的协作研究，并已经在相关流动现象的方程上获得了重要突破[5]。
当他们获悉OpenAI将大规模投入计算资源进行关联研究时，他们急忙把之前的研究成果提交发表。
其中一位学者Tristan指出，OpenAI提及的涉及外力的方程研究方向，正好与自己和同事长期沿着前辈的工作脉络所追寻的研究线索相吻合，因此怀疑OpenAI是否查阅或使用了他们上传给Codex的研究初稿[5]。
OpenAI则予以否认，说自己并未提前接触过两人的直接研究工作，同时认为得出的证明结论也有所不同：两位人类研究者公布的是含外力的欧拉方程结果，而OpenAI宣称进一步得到了纳维-斯托克斯结果[1]。
不过OpenAI在其成果公告文章中加入了一段意味深长的说明：参与此项研究的人员与AI系统并未专门查阅过两位学者的用户数据，但无法完全确保去掉身份标识后的使用数据，并未在某种方式上对模型的优化产生过影响[1]。
更让争议进一步发酵的是，其中一位数学学者Levent Alpöge现任职于Anthropic。根据Tristan所述，OpenAI邀请他参与一篇建立在OpenAI证明基础上的论文，却排除了Levent的参与[5]。
OpenAI方面也就此做出了说明，他们并无意从Tristan自己的研究中删除Levent的名字，仅仅是基于一个考量：让竞争对手公司的员工接入这个项目、获取内部模型的细节，会面临许多操作上的复杂性[6]。
人类数学研究者坦诚使用了AI辅助的工具，OpenAI也没有彻底否除去掉身份标记后的数据曾经对模型优化有所帮助的可能[1]，到底谁从谁那里学到了东西、谁又对谁有所利用呢？
相比于最后得出的答案，这个研究的过程本身更令人感到不安。数学研究者将研究内容输入AI工具后，这些知识去了什么地方？是否AI企业先垄断了信息的话语权，随后又通过调动超大规模的计算能力，去遍历大量的可能解答路径，最终才得出答案？
还是说这正是AI年代下的全新学术范式，人类学者提供思想的种子、AI负责探索这粒种子可能生长的所有方向？但那么问题来了，谁才有资格去评价和定义这颗种子——直觉——的价值呢？
冷战状态下的科学激进主义，学界是竞争者眼中的奖品
在这个故事中，还有一个引人深思的细节：为什么OpenAI要在尖端科学领域表现得如此激进，仅仅是听到竞争企业的一个传言，就要动员如此庞大的力量？
2026年1月期间，多家业内媒体披露，OpenAI配备了一支致力于科学研究的专业队伍[7]，由前任首席产品运营官Kevin Weil率领。当时Weil发表的一句评论，很能反映出该公司的战略思维：「就如2025年AI彻底改写了软件开发领域，2026年将成为科学领域实现重大突破的决胜时刻[7]。」
他们的理想蓝图是把模型打造成科研工作者的「数字思维伙伴」，一方面推进发现的速度，另一方面强调所谓「认识论范畴内的谨慎态度」[7]——说起来绝对宏伟壮观。
可商业领地的真实逻辑往往不那么温和：征服人类科学最硬的堡垒，是展示「通用人工智能（AGI）」最有力、最能说服人的宣传。
在AlphaFold的开发者已获得诺贝尔奖[8]、AlphaProof等程序已达到国际奥林匹克数学竞赛获奖者的水准[9]的情形下，「成功攻克一道千禧年未解难题」已然成为了AI能力展示叙事中最后一块、最闪耀的拼图版块。
在2026年，OpenAI频繁地向外界展示自己在科研领域的亮眼成就：5月时宣布推翻了Erdős的「单位距离猜想」[10]；8月时宣布Astra一次产出十项数学和理论计算机领域的成果[11]；进入9月则宣布攻克纳维–斯托克斯千禧年难题[1]。
再看OpenAI近期从科研院校挖角、吸收数学与理论学者的一系列举措，这种意图就变得异常透彻。
2026年初，有媒体记录，出身清华姚班、现为伯克利大学助理教授的陈立杰加入OpenAI，专注于数学推理的探索[13]；
同年1月，来自加州大学洛杉矶分校的数学学者Ernest Ryu也投身OpenAI[14]，他曾利用GPT‑5 Pro的能力去推进并最终破解了源自1983年以来悬而未决的优化理论课题[15]。
5月的最后阶段，来自北京大学数学科学学院本科教育背景、刚升任宾夕法尼亚大学沃顿商学院统计学正教授的苏炜杰宣布休学加盟OpenAI，参与生成模型的开发与改进工作[13]。
到了7月，新近获得菲尔兹奖的杰出学者Jacob Tsimerman，更是在获奖当天就宣告从加拿大多伦多大学离职休假，转入OpenAI进行AI安全相关的研究[16]。
对外部学术群体，OpenAI承诺将在2027年前向10万名研究者提供免费的工具与资源支持，并投入超过2.5亿美元的资金承诺[17]。公司还与美国能源部下属的各类实验室和超算设施建立了联合关系，把自家的技术工具送进了多个科研机构[18]。
足以说明OpenAI正在竭尽全力，用AI来推动对人类科学边界的不断冲击。
当人类已然无力解读答案，被催化的「正确」尚余什么意义
OpenAI宣布之前，9月7日时，享誉数学界的陶哲轩已经在个人博客上为Buckmaster与Alpöge的研究成果点赞[19]。
他肯定了那两位人类研究者所取得的成就，同时也坦陈自己仍然需要花时间才能充分理解整个证明过程[19]。
而针对AI这种「蛮力式搜索」的解题套路，他更早在9月3日就在数学领域的社交媒体平台Mathstodon上提出过一类担忧：一种隐秘进行的穷举搜索，也许最终能产出一个被验证成立的答案，但它可能会把研究过程中本应可以萌生的「人类式的洞察」统统封藏在公司的内部机密之中[20]。
就在8月不久前，陶哲轩还专门发表了一篇论述AI与数学交汇的长文，这篇演讲稿来自他在国际数学家大会上的主旨报告[21]，其中最核心的问题就是——「数学研究的本质目的和真实价值究竟在哪里」。
一旦一个难题被解开，除了能否以Lean这样的形式化方法验证成立，更重要的是要讲清楚为什么会是这样。其他科研工作者经过充分理解之后，方可将此成果迁移到新领域的探索中，最终使之成为学生辈们也能学到的基础知识[21]。
费马大定理所以伟大，重要在于怀尔斯在运用既有数学理论完成这道难题的过程中，创造出了崭新的证明手法，这些创新方法随后又继续推进了数论这个分支的向前演进[22]。
陶哲轩焦虑的焦点在于，AI输出证明的迅捷程度可能要超越人类对其进行检阅和消化的速度[21]，这会造成人类能算出AI答案，却看不懂这个答案。换个角度说，这样的情况下，算不算是真的解决了问题？
然而在当下的AI加速竞赛框架内，所有走在研究前沿的大型模型企业事实上都无法停歇。
最近，一位曾在OpenAI和Anthropic两家企业工作过的预训练领域研究专家Jacob Coxon，选择了从Anthropic辞职，并公开表达了他对行业内这种竞争压力和风险应对不当的批评[23]。他在社交媒体X平台上表示：在OpenAI时期，许多研究人员尚未充分理解文明灭绝风险的含义；转到Anthropic后，大家都懂这一点，但却被禁锢在这场竞速中，没人胆敢踩刹车。
当OpenAI声称AI在88小时内攻克了90年悬而未决的数学谜团[1]，当AI被这场竞赛驱使成为我们难以理解的「黑匣子」产品，这一切的意义是否依旧成立？
