2026年9月8日，在Anthropic刚刚宣布用Fable 5.1形式化lean证明了费马大定理之后，OpenAI正式宣布，其内部先进模型驱动的约1万个AI智能体在约88小时内，完成了千禧年大奖难题之一——三维纳维‑斯托克斯（Navier‑Stokes）方程的存在性与光滑性问题的关键突破。研究显示，在特定光滑外力作用下，流体从静止状态出发、动能始终有限的情况下，速度场仍可在有限时间内发展出奇点（blow‑up）。OpenAI同步公开了证明文稿与Lean形式化验证结果，并明确表示不打算申领克雷数学研究所的100万美元奖金。
详细情况：万级智能体协同与形式化验证
纳维‑斯托克斯方程描述不可压缩流体的运动，是流体力学的核心方程。千禧年大奖问题关注三维情况下解是否始终保持光滑（不出现无限速度等奇点）。OpenAI的结果证明：存在从正常初始状态出发、在光滑紧支集外力作用下、动能保持有限，却在有限时间内速度变得无界的流体流动，从而确立了官方表述中的相关条款（主要对应“C”与“D”陈述）。
技术实现上，OpenAI使用内部更强模型（显著优于公开的GPT‑6 Astra）驱动协调式智能体系统。智能体可访问缓存网络资料、运行代码，并分组通信协作。团队先以约1000个智能体在约50小时内解决了相关的欧拉方程变体（无粘性情况），随后将规模扩大到约1万个智能体，针对完整纳维‑斯托克斯问题继续推进。智能体在约88小时后于9月5日左右给出解决方案；随后GPT‑6 Astra再用约17小时完成Lean形式化与验证。整个纳维‑斯托克斯相关过程中，智能体交换了约270万条消息，消耗约1300亿输出Token。按公开定价粗略估算，类似规模的计算成本可达千万美元量级。
OpenAI强调，实验全程保持与前沿模型评估相同的严格安全监控与隔离措施。结果以机器可检查的Lean形式呈现，提高了初步可信度，但仍需数学界进一步独立审查。
背景与争议
千禧年大奖问题由克雷数学研究所于2000年提出，共七道，每题悬赏100万美元。此前仅有庞加莱猜想被解决。OpenAI表示，行动部分受“有两个千禧年问题已被解决”的传闻启发。几乎同期，数学家Tristan Buckmaster等人在相关欧拉问题上也取得重要进展，并有“Deep Blue对卡斯帕罗夫时刻”的评价；部分讨论涉及工作时间线与灵感来源，OpenAI否认使用了外部未公开材料。
菲尔兹奖得主陶哲轩（Terence Tao）对近期AI数学进展既肯定其速度与规模，也表达了担忧。他指出，今年出现了“答案与理解之间前所未有的脱节”——AI能快速给出新结果，但人类缺乏足够时间进行缓慢、深入的讨论与消化，可能影响数学知识的真正吸收与发展。
可能影响：数学研究范式与AI能力边界
1. 对数学研究的影响
若结果经受住严格审查，这将是AI首次实质解决千禧年级别开放问题，标志着从“辅助验证/形式化”向“参与核心发现”的跨越。大规模智能体协作+形式化验证的模式，可能成为攻克其他难题（如黎曼猜想相关进展的传闻）的新路径。同时，也迫使数学界重新思考：如何平衡AI高速产出与人类深度理解。
2. 对AI能力评估的影响
万级智能体、千亿Token、数千万美元量级算力砸向单一科学问题，展示了当前系统在复杂、长周期、高严密性任务上的执行力。Lean验证的引入，进一步提升了结果的可检查性。这既是能力里程碑，也暴露了成本与资源门槛极高的现实。
3. 对科学发现与优先级的影响
AI可在短时间内穷举、试错、协作推进，改变“人类直觉引导+长期耕耘”的传统节奏。积极面是加速突破；风险面则是结果涌现过快，社区来不及充分消化、质疑与整合，可能产生“有答案却缺乏理解”的知识积累方式。
4. 伦理、优先权与奖励机制的讨论
OpenAI放弃奖金申领，但优先权、贡献归属（人类指导 vs 智能体自主）、以及如何评价“AI生成的证明”等问题，将持续引发讨论。陶哲轩的担忧也指向更深层问题：当发现速度远超人类理解速度时，科学共同体的信任与传承机制需要适应。
5. 潜在风险与挑战
结果仍需独立复现与更广泛的数学审查。高成本模式难以普及；智能体协作中的错误传播、目标偏离等风险也需持续关注。此外，若AI在更多基础科学问题上快速“出结果”，可能加剧研究资源向算力富集机构集中。
结语
OpenAI以约1万个AI智能体、88小时攻克纳维‑斯托克斯千年难题的关键部分，并完成Lean验证，是2026年AI与数学交叉领域最引人注目的事件之一。它证明了大规模智能体系统在极端复杂问题上的潜力，也把“答案来得太快、理解跟不上”的结构性矛盾推到台前。
陶哲轩既点赞进展、又担忧脱节的态度，代表了数学界的复杂心态：兴奋于工具的力量，警惕于知识生产方式的剧变。无论最终审查结果如何，这一事件都将深刻影响人们对AI在科学发现中角色的认知——从辅助工具，到可能重塑研究节奏与优先级的核心参与者。
数学的下一步，或许不再只是人类独自攀登高峰，而是如何与高速运转的智能系统共同定义“理解”与“进步”。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com