OpenAI 的纳维—斯托克斯声明，究竟意味着什么？

OpenAI 在 2026 年 9 月 8 日的公告之所以轰动，是因为它涉及数学中最重要的公开难题之一；之所以迅速引发反弹，则是因为“公司宣称得到证明”与“数学界完成独立检验并接受结论”，两者之间仍有很长的路。

OpenAI 具体声称了什么？

OpenAI 表示，一个尚未发布的内部系统给出了解析证明及 Lean 形式化证明，显示原本光滑、静止的三维流体可能在有限时间内出现奇点。参与该项目的集群规模约为 1 万个并发智能体。2

所谓“奇点”，可粗略理解为方程描述的流动在某个有限时刻出现失控的数学行为，原有的光滑性不再保持。若这一结论经受住审查，并且符合克雷数学研究所（CMI）对题目的官方表述，它将给出“存在性与光滑性”问题的否定答案：光滑解未必能永远保持光滑。18

为什么纳维—斯托克斯方程如此重要？

纳维—斯托克斯方程用于描述流体运动，是流体力学的基础方程之一。尽管它们在 19 世纪就已被写下，人们对三维情形下解的整体行为仍知之甚少。30

这道题属于“千禧年难题”。其官方表述要求证明：满足条件的光滑解是否能对所有时间全局存在；或者给出符合规定的另一种解决方式。1721

因此，这不是普通的模型能力测试。若结论成立，它将触及分析学与流体动力学的核心问题。但问题越重大，验证门槛越高，而不是越低。

为何它没有在宣布当天就被认定为“已解决”？

CMI 在 9 月 11 日表示，正关注纳维—斯托克斯问题“似乎已经得到解决”的公告；同时强调，评估成果和确定归属的程序本就应当从容而审慎。18

CMI 的规则规定，在考虑一项拟议解答前，至少需要满足三项条件：成果发表于合格渠道；发表后已满两年；并获得全球数学界的普遍接受。27 此外，拟议解答还必须令人满意地回应官方问题说明。20

Lean 这类形式化证明系统能够检查：在已编码的定义与假设下，一连串推理是否成立。这是很强的验证方式，但它不能自动替代同行审查。数学家仍要确认：被形式化的定理是否就是原题要解决的命题，所采用的假设是否恰当，以及从自然语言问题到形式化表述的转换是否准确。

因此，目前最准确的状态是：已提出主张、正在接受审视，而不是“已经被普遍接受”或“已获千禧年奖认证”。

优先权与署名争议从何而来？

公告发布前后，纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）与在 Anthropic 任职的数学家莱文特·阿尔珀格（Levent Alpöge）卷入争议。报道称，两人此前一直在研究相关问题；巴克马斯特对 OpenAI 为何开始攻关这一题目提出质疑。953

巴克马斯特还提出了有关署名与合作沟通中存在不当行为的指控。OpenAI 否认了相关的更广泛指控，称其研究人员和智能体在对方公开发布工作前并未见过这些内容，且为解决该问题没有访问任何特定用户数据。53

这些说法目前彼此冲突，并非既成事实。可以确定的是，一项技术公告由此演变为关于前沿研究中“谁应获得何种贡献认定”的争论。

数据使用问题为何敏感？

争议中尤其敏感的一点是：研究人员输入 AI 产品的内容，是否可能间接提升后来用于该研究的模型能力。OpenAI 表示，没有为纳维—斯托克斯项目访问两位研究者的特定用户数据；但也称，无法完全排除从产品使用中产生的去标识化数据曾帮助改进模型的可能性。59

这种区分在技术上或许重要，却也留下一个治理问题：研究者使用 AI 工具处理未发表成果时，对于数据来源、同意机制和审计能力，究竟应得到什么程度的保障？

对高校和科研机构用户而言，这场争议提醒人们：在将论文草稿、猜想、代码或其他敏感材料输入 AI 工具前，应先了解相关产品的数据政策。

25 位菲尔兹奖得主的警告

9 月 11 日，陶哲轩发布了一份题为《A Severe Misalignment of AI in Mathematics》（AI 与数学之间的严重失配）的声明。首批 25 位签署者均为菲尔兹奖得主。43

这份声明所反映的担忧是：公司可能将著名未解难题当作公开基准或宣传竞赛，而不是需要协作推进的智力事业。批评者担心，仓促发布、论述不完整、署名不足，以及抢先发布的激励，可能让研究者不愿分享尚处早期阶段的想法。

重点并非“AI 不应进入数学”。更准确地说，随着 AI 系统能力增强，数学进步所依赖的规范——公开审查、严谨阐释、合理署名与学术对话——也必须受到保护。

AI 辅助数学的负责任标准

这场风波指向了一套适用于重大 AI 科研主张的实践标准：

• 可公开检查的证明材料： 重大结论应配套严谨论文；若条件允许，也应提供可由机器检查的形式化版本。
• 独立审查： 形式化验证与专家同行评议解决的问题不同，重大成果需要两者兼具。
• 清晰的贡献认定： 实验室应说明相关先行工作、人类参与者，以及 AI 系统在研究中的具体角色和边界。
• 数据来源透明： 研究者需要易于理解的承诺，明确其交互数据是否、以及如何可能被用于模型改进。
• 保留充分讨论空间： 解出一道重大难题，不只是给出“真或假”的答案；还要确立究竟证明了什么、为何正确，以及它在学科中的位置。

结论

OpenAI 的公告可能成为 AI 辅助数学研究的重要节点，但它并没有在发布当天为争论画上句号。决定性问题仍是：这项被宣称的证明，能否在数学界与 CMI 所要求的标准下，获得持续而独立的认可。1827

数学界的反弹也说明，AI 进入高风险研究领域后，信任不只取决于系统发现了什么，还取决于这些发现能否被验证、解释，并以公平方式得到署名与承认。