🌍 world

AI刚刚破解了一个90年的数学难题。你应该关心的原因。

在2026年9月8日，OpenAI宣布10,000个AI代理在88小时内解决了纳维-斯托克斯问题——这是数学七个百万美元千年奖问题之一。这些方程预测从天气到飞机设计的一切，证明它们可以崩溃告诉工程师他们的计算机模拟可能在哪里失败。但胜利的庆祝变成了一场争吵，因为一位纽约大学数学家指责OpenAI在得知他的团队接近时急于超越他。

Fact checked - 15 claims 8 Sept 2026 · 15 with sources

OpenAI今天早上发布了本应是一个胜利的重磅消息：一个内部AI模型，远比公众可以访问的任何模型更强大，证明了纳维-斯托克斯方程可以崩溃成奇点。但在我们讨论戏剧性之前，让我们谈谈为什么任何不是数学家的人都应该关心19世纪的流体方程。纳维-斯托克斯方程是描述流体运动的数学规则。不仅仅是浴缸里的水，还有飞机机翼上流动的空气、血液在动脉中泵送、海洋洋流、野火冒出的烟雾、带来明天雷暴的天气系统。工程师每天都在使用这些方程来设计飞机、预测飓风路径、模拟污染扩散、开发心脏支架、优化发电厂，并模拟几乎所有流动的事物。当波音设计新喷气机时，当气象学家预测下周的天气时，当制药公司模拟药物在你血液中的运动时——他们都在运行基于纳维-斯托克斯方程的计算机模拟。困扰数学家90年的问题是：没有人能证明这些方程是否总是给出合理的答案。具体来说，完美光滑的正常流体流动是否会突然螺旋式地进入一个数学奇点——一个速度变为无限的点——在有限时间内？这个问题很重要，因为如果方程可以产生无限速度（而真实流体显然不能有），那么在某些极端条件下，工程师依赖的模拟可能是根本不可靠的。OpenAI的证明说是的，这些方程可以崩溃。模型显示，一个涡旋可以收紧并旋转得越来越快，同时流体的能量保持有限，最终在一个点上达到无限速度——这种现象称为有限时间爆炸。解决这个问题对我们有什么实际意义？它不会改变工程师明天如何使用纳维-斯托克斯——他们已经在使用近似值来绕过这些限制。但它明确了数学模型与物理现实之间的确切断裂点。这对极端场景很重要：超音速飞行、聚变反应堆设计、喷气发动机中的湍流、理解龙卷风的形成。该证明还验证（或揭示工程师目前使用的变通方法中的缺陷）。更广泛地说，它表明AI现在可以解决数学的绝对前沿问题，这意味着OpenAI开发的技术——10,000个AI代理在88小时内交换270万条消息，耗费数百万美元的计算——可以用于其他困难问题。这就是事情变得非常有趣的地方。纳维-斯托克斯问题是2000年由克雷数学研究所设立的七个千年奖问题之一，每个问题都有100万美元的奖金。在此之前，只有一个问题被解决（庞加莱猜想，由格里戈里·佩雷尔曼在2002-2003年解决，他以拒绝奖金而闻名）。其他五个未解决的问题不仅仅是数学难题——它们具有巨大的现实世界影响。P与NP问题询问每个解决方案可以快速验证的问题是否也可以快速解决，它是所有计算机安全和密码学的基础。黎曼猜想涉及素数的分布，并与保护您银行账户的加密算法相关。Birch和Swinnerton-Dyer猜想与现代密码学中使用的椭圆曲线有关。杨-米尔斯问题与粒子物理学和量子场论相关。霍奇猜想涉及代数几何，应用于弦理论。 AI实验室已经开始瞄准这些目标。2026年8月，Anthropic的Claude模型将与黎曼猜想相关的一个关键界限从41.6%提高到67.2%。OpenAI未发布的Astra模型在8月解决了另外十个开放的数学问题。谷歌DeepMind发布了使用神经网络在流体方程中寻找新奇点的工作。跟踪AI数学进展的专家在2026年8月告诉《量子杂志》，数学家们现在正在离开学术界，转向OpenAI、谷歌和专门的AI数学初创公司，因为“这里才是行动所在。”剩下的六个千年奖问题在接下来的几年内都可能在AI系统的可达范围内。超越纯数学，解决复杂微分方程的技术具有直接应用。能够解决偏微分方程（PDE）的AI系统已经被部署用于药物发现、电池设计、材料科学和催化剂开发。宾夕法尼亚大学工程团队在2026年5月宣布，他们开发了用于解决逆PDE的AI技术——从可观察模式反推隐藏原因——这在遗传学、医学成像、天气预测和理解DNA在细胞内如何组织方面具有应用。德克萨斯A&M大学的研究人员在2025年发布了一份500页的综述，展示了AI解决像薛定谔方程这样的方程如何加速量子化学、药物设计和材料发现的研究。但OpenAI的公告正值一场丑陋的信用争议的中心。在OpenAI的新闻发布会前几小时，纽约大学数学家特里斯坦·巴克马斯特在Mastodon上发布了一份声明，指控OpenAI对他施加了关于作者身份和信用的压力。巴克马斯特和莱文特·阿尔波格，一位在竞争对手AI公司Anthropic工作的数学家，使用了两家公司的模型（Claude、Codex和Astra）解决了三个相关的流体动力学问题。他们展示了欧拉方程（一个没有粘度的更简单版本）和其他两个系统的有限时间爆炸。他们的工作在Lean中得到了验证，并得到了菲尔兹奖得主特伦斯·陶的赞扬，是解决完整纳维-斯托克斯问题的重要一步。根据巴克马斯特的说法，他的进展传闻在9月3日传到了OpenAI。9月6日，巴克马斯特声称，塞巴斯蒂安·布贝克（一位于2024年10月从微软加入OpenAI的数学家）两次联系了他，并提出两个选择：要么协调联合公告，要么巴克马斯特自己撰写纳维-斯托克斯的结果，同时将内部OpenAI模型列为作者，并排除阿尔波格的作者身份，因为布贝克声称阿尔波格在Anthropic工作让他感到烦恼。巴克马斯特表示他拒绝了，并威胁如果OpenAI继续进行，他将公开。他声称布贝克回应说：“你为什么要毁掉你的职业？”和“如果你不想让我好好说话，那我就不必好好说话。”布贝克还据称给阿尔波格发短信，要求一对一交谈，因为他不确定巴克马斯特“现在是否完全理智。”阿尔波格拒绝了。布贝克在X上否认了这些指控，称它们“虚假且煽动性”，并表示他遵循学术规范。在9月8日的新闻发布会上，OpenAI研究人员表示，他们在9月1日首次将资源集中在纳维-斯托克斯上，听说了千年奖问题的进展传闻。布贝克表示，OpenAI的模型独立使用与巴克马斯特和阿尔波格完全不同的方法解决了欧拉问题。然而，对于完整的纳维-斯托克斯问题，他承认证明遵循了类似的方法。它是在周末开发的，正是在巴克马斯特声称他的工作消息传到OpenAI之后。布贝克坚决否认这两位数学家的工作影响了OpenAI的模型。“我们没有使用他们的提示或证明来提示我们的模型，”他说。该证明耗时88小时的计算时间，动员了大约10,000个AI代理并行工作，交换了270万条消息，消耗了大约1300亿个输出标记。计算成本据报道达到了数百万美元。该公司发布了一份165页的证明，并在Lean中形式化，Lean是一种逐步验证数学逻辑的编程语言。布贝克称这是AI解决越来越复杂问题的12个月的巅峰。OpenAI表示不会索取100万美元的奖金。更广泛的数学界正在密切关注。特伦斯·陶，少数几位有资格评估这些主张的数学家之一，称巴克马斯特和阿尔波格的工作“是一个了不起的成就”，并表示他没有看到明显的障碍，认为相同的方法最终可以解决完整的纳维-斯托克斯问题。他确认他们的论点已在Lean中形式化，这保证了逻辑的正确性。但陶也公开警告说，如果AI解决重大问题变成封闭的黑箱，企业隐藏推理，可能对数学产生净负面影响。在9月3日的社交媒体线程中，他辩称，这样的解决方案可能会“毒化这个问题，作为未来进展的来源”，而不是激发新想法。在OpenAI宣布的同一天，加州理工学院的阿尼玛·阿南德库马尔及其合作者也发布了使用物理信息神经网络解决零粘度问题的解决方案，而不是通用的大型语言模型。该领域发展迅速，人类与机器贡献之间的界限正在模糊，学术规范并未建立应对这种情况的规则。

我的看法

这是AI研究成为接触性运动的时刻，而这一切发生是因为赌注变得真实。我们不再谈论AI写更好的电子邮件或生成图像。我们在谈论能够破解直接影响航空工程、药物发现、密码学和材料科学的问题的AI系统——这些问题决定了你的加密是否安全、新药是否有效、喷气机是否安全、聚变反应堆是否可行。 OpenAI希望获得解决一个拥有百万美元奖金的90年历史问题的功劳，这将标志着第二个千年奖的破解。但时机不对。巴克马斯特和阿尔波格距离发布展示路径的工作只有几天，而OpenAI突然在一个周末内派出10,000个代理冲刺到终点。即使OpenAI的每一条否认都是真实的，光环也显得极其不妙。学术界依赖于信用，而信用争议会毁掉职业。巴克马斯特公开发声是因为他没有其他杠杆。更深层次的问题是，没有人知道如何裁判这场新游戏。当人类数学家解决问题时，我们可以追踪影响，看到谁建立在谁的想法之上，并相应地授予信用。当10,000个AI代理交换270万条消息并输出一份165页的证明时，你如何知道他们从巴克马斯特的方法中学到了什么，还是独立找到了答案？OpenAI表示他们没有使用巴克马斯特的提示或证明。好吧。但该模型是在数十年的数学文献上训练的，包括巴克马斯特扩展的方法的研究人员的工作。我们正处于未知领域，激励结构完全错误。公司面临数十亿的赌注。数学家们面临职业生涯。而且没有规则。让你感到沮丧的是，这一突破——可能加速从天气预测到心脏支架设计的一切——被埋没在优先权争议中。真正的赢家应该是那些现在可以使用更好数学工具的工程师和科学家。相反，我们看到的是科技巨头与两位在AI骑兵到来时恰好接近终点线的数学家之间的学术较量。特伦斯·陶准确地指出，AI解决重大问题可能会毒化源头。如果每个难题都变成实验室之间的竞赛，拥有无限计算预算，数学家们将失去使问题有价值的东西：迫使新技术产生的斗争。技术比答案更重要。OpenAI的证明可能是正确的。甚至可能是美丽的。但如果它是在听说其他人接近后，通过强行冲刺一个周末而来，我们正在优化错误的东西。我们得到了答案，却没有理解，得到了解决方案，却没有洞察。而在科学中，理解才是整个意义。

接下来会发生什么

克雷数学研究所现在面临艰难的任务，决定OpenAI的证明是否有效。规则要求解决方案必须在同行评审的期刊上发表，并被数学界接受两年后才能颁发奖金。OpenAI表示不会索取奖金，这避开了这个雷区，但并没有解决信用问题。巴克马斯特和阿尔波格的工作已经在专家审查中，如果他们的方法确实与OpenAI的不同，他们可能会有平行的优先权主张。但真正的行动在于接下来会发生什么。剩下的五个千年奖问题现在是活靶子。黎曼猜想涉及素数分布，并支撑现代密码学——如果AI破解它，每个加密算法都需要重新评估。P与NP问题询问容易验证的问题是否也容易解决——一个肯定的答案将会在一夜之间打破大多数计算机安全，而否定的答案将证明计算的基本限制。这些不是抽象难题。它们是数字经济的承重支柱。跟踪AI数学的专家在2026年中期告诉《量子杂志》，共识在几个月内从谨慎转向震惊。跟踪AI是否会解决千年奖问题的Manifold和Polymarket的预测市场在2026年9月5日跃升至38%的概率，正值OpenAI宣布之前。今天之后，这些几率将飙升。问题不在于AI是否会解决另一个千年奖问题——而是哪个问题，以及多快。行业观察人士预计，黎曼猜想和P与NP将成为下一个主要目标，OpenAI、谷歌DeepMind和Anthropic的AI系统都准备竞争。在实际应用方面，这里开发的技术将迅速传播。能够解决复杂微分方程的AI系统已经被部署用于蛋白质折叠、电池化学、聚变反应堆设计和药物发现。宾夕法尼亚大学工程学院在2026年5月宣布，AI解决逆PDE（从效果反推原因）为医学成像、地球物理学和材料科学开辟了新天地。德克萨斯A&M大学的2025年综述显示，AI解决薛定谔方程加速了量子化学研究的数量级。纳维-斯托克斯的突破证明了这些方法可以扩展到数学中最困难的问题，这意味着相同的方法可以解决蛋白质动力学、气候建模和等离子体物理。真正的后果将在于数学界如何回应。如果陶是对的，AI解决的问题可能会毒化源头，资助机构和奖项委员会可能会开始区分人类生成的突破和机器辅助的突破。我们可能会看到新的类别：用AI辅助解决的问题、AI找到答案但人类进行了精细化的问题，以及人类进行了大量工作的那些问题。国际数学联盟可能需要为菲尔兹奖和其他荣誉制定新规则。已经有顶尖数学家离开学术界，转向AI公司——一位菲尔兹奖得主在2026年7月加入OpenAI——因为那里才是前沿所在。对于OpenAI和Anthropic来说，这是一场伪装成学术争议的品牌战争。OpenAI刚刚证明其未发布的前沿模型（比GPT-6 Astra更强大，后者在2026年8月解决了十个难题）可以处理千年奖级别的数学。但如果叙述变成“OpenAI从Anthropic的数学家那里窃取了功劳”，那在一场每位顶尖研究人员都在关注的人才战争中将是一次公关灾难。布贝克承诺在9月8日“明天会有更多要说的”。数学界将密切关注他的解释是否成立，以及OpenAI是否会将其证明过程开放给独立审查，还是将其锁定在专有黑箱中。这场斗争才刚刚开始，但AI解决剩余千年奖问题的终点线现在已经可见。

历史告诉我们什么

在此之前，只有一个千年奖问题被解决：庞加莱猜想，由俄罗斯数学家格里戈里·佩雷尔曼在2002-2003年证明。佩雷尔曼在2010年拒绝了100万美元的克雷奖，称他在哲学上不同意该奖项，并认为他所依赖的数学家理查德·汉密尔顿应获得同等的认可。千年奖问题于2000年宣布，灵感来自大卫·希尔伯特在1900年提出的23个问题的著名清单，这些问题塑造了20世纪的数学。这七个问题涵盖了数论、拓扑学、计算机科学和物理学。在今天之前，所有的进展都来自人类数学家，通常需要数十年的努力。纳维-斯托克斯方程本身可以追溯到19世纪克劳德-路易·纳维和乔治·加布里埃尔·斯托克斯的工作，而规律性问题自1930年代以来一直困扰着数学家。