OpenAI与数学家的纳维-斯托克斯证明争议：真相远比"摘桃子"复杂

一则引爆学术圈的传闻

OpenAI近日宣布，约一万个AI代理花费大约88小时，找到了一份与纳维-斯托克斯（Navier–Stokes）方程相关难题的证明。消息一出，数学家巴克马斯特（Buckmaster）随即公开声明，指责该公司在洽谈合作时排斥自己的合作者，甚至以职业前途向他施压。网络舆论很快用"摘桃子"来形容这件事——一家资源雄厚的AI公司，抢走了传统数学家的成果。

但如果只看这个戏剧化的开头，我们可能已经错过了整个事件最值得追问的部分。目前能查到的公开材料，其实还不足以认定OpenAI偷用了数学家们的草稿。而比"谁偷了谁"更深刻的问题是：哪怕没拿到草稿，仅仅知道别人取得了突破，这条消息本身值不值钱？

被简化的故事：学术合作的真实背景

首先要澄清一个被舆论简化掉的事实：巴克马斯特长期研究流体方程，他的合作者阿尔珀格（Albritton）拥有数论背景，本人也在Anthropic工作。按照巴克马斯特自己的声明，这是一次个人学术合作，而且他们自己也在使用Claude和OpenAI的工具。

所以，把他们描绘成"一群拒绝AI的传统数学家对抗一家科技公司"，从一开始就站不住脚。更重要的是，他们的研究延续了科尔多瓦（Córdoba）和马丁内斯-索罗亚（Martínez-Zoroa）的先行工作，另一篇涉及多孔介质模型的论文首页还有第三位作者科伊库列斯库（Coiculescu）。

当报道被压缩成"两个人对抗一家公司"时，这些具体的学术贡献已经先被丢掉了一遍。这恰恰是本案最核心的隐患——贡献的记录，在传播中被系统性地抹平了。

纳维-斯托克斯方程的千禧年难题究竟难在哪

要判断双方"证明了什么"，得先理解这道题。

什么是流体方程中的"爆破"

想象一团正在打转的水，纳维-斯托克斯方程做的事，就是从当前的流动状态推算下一刻各处如何运动。那个千禧年难题问的是：开始时好好的三维流动，能否在有限时间后出现某处速度没有上限的情况？这就叫"爆破"（blow-up）。

需要强调的是，爆破说的不是水真的爆炸——现实流体不会无限快。出问题的是这个数学模型：即便总能量有限，也不保证每个地方都温和。能量可以集中到越来越小的区域，尖峰越来越高，而总量保持不变。

粘性、外力与题目边界

比较双方成果，还要看两个关键变量：粘性（内部摩擦）和外力（外部推拉）。去掉粘性，讨论的就变成了欧拉（Euler）方程。

梳理一下：学术团队做的是"有平滑外力的欧拉方程"结果；而OpenAI声称自己做出了"无外力的欧拉方程"结果，以及"有平滑外力的纳维-斯托克斯方程"结果。

有外力并不自动算"绕题"——Clay研究所的正式题目本身就允许符合规定的外力。真正难的，是让外力保持平滑、总能量保持有限、同时让局部速度失控，这三个条件必须同时成立。因此，在谈论"谁抢了谁"之前，必须先看清双方各自证明了什么——而且这些新证明都还需要数学界的检验。

争议的核心：9月6日的沟通与数据缺口

争议集中在9月6日的一次沟通。巴克马斯特称，合作提议排除了阿尔珀格，谈话还涉及他的职业前途。OpenAI的布贝克（Bubeck）承认措辞不当并道歉，但否认要求阿尔珀格从论文上除名，其解释是双方讨论过重写OpenAI的成果，也谈到内部模型如何向竞争公司的员工开放。

这里有明确的措辞责任，也有双方尚未对齐的事实。我们没有经过核实的通话录音，因此不能把"道歉"扩写成"承认了所有指控"。

数据问题同样要把话读完整。OpenAI否认未解决这道题、否认接触过对方未公开的成果或特定用户数据；但它同时表示，不能排除"去标识的产品使用数据"曾经帮助改进模型。这就留下了一个需要核查的缺口：某份草稿是否进入过训练？何时进入？是否影响了结果？现有公开材料没有给出完整答案。

OpenAI的公告写道：9月1日听到重大突破的传闻后，公司启动了对多道难题的尝试；系统先得到自己的欧拉结果，公司才把更多资源转向纳维-斯托克斯方程。发现证明用了约88小时，之后的形式化另用了17小时。这些时间和投入都是公司自述。

为什么"知道有突破"这条信息本身就有价值

这正是本案最耐人寻味的地方：即使完全接受OpenAI的叙述，"研究有进展"这条消息本身也可能极具价值。

假设你在一道题上试了几个月，一直不知道该不该继续。现在有人告诉你这道题已经被攻下了——他没交给你证明，你仍然得自己解题，但你对成功可能性的判断已经改变了。当另一个团队能同时调动大量算力，这种判断的变化就可能迅速转化为实际投入。

这解释了为什么"没看到草稿"仍然没有回答完贡献问题。一个人可能提供了重要的进展信号，却没有提供最终推导；本案中这条信号究竟帮了多少，无法量化。传闻也不等于透露了具体解法。

真正值得记录的是：哪些消息影响了选题？哪些结果改变了资源分配？后来的研究又独立完成了哪些工作？

"摘桃子"比喻的误导：学术贡献不能只看最后一步

"摘桃子"这个词容易让人以为最后一步只是伸一下手。但数学的最后一个障碍，可能偏偏是最难的。

谁花的时间长，不会自动拥有整个问题；谁做得快，也不意味着贡献小。可只看"谁先交出最终论文"，同样会漏掉选题、关键构造、基础工具和验证工作。更准确的办法是把工作拆开来记：谁提出问题、谁找到结构、谁补上最后的缺口、谁让证明变得可检查可理解。

美国数学会的伦理指南早就要求适当承认未发表材料和已宣布的结果，同时反对过早占有成果、挡住他人研究。交流一个进展或许值得被承认，但说一句"我正在做"也不能把问题永久圈住。指南还允许独立得到同意结果，在适当情况下考虑联合署名——但仅仅提出共同署名，并不能单独证明盗用。

学术优先权研究：先到者未必通吃，声望在放大差异

有研究者希尔和斯坦分析了1600多场蛋白质结构研究的竞赛，估计被抢先的论文引用约少21%。这当然是损失，但远没有归零。

那项研究针对的是结构生物学，不能直接套到这次数学争议上。而本案更刺眼的一点是：声望较低的团队，即便先完成，得到的关注也可能更少。时间先后只决定了一部分奖励——谁的名字更响、谁更容易被看见，也在塑造着发现史。

OpenAI表示不打算申领这次成果的千禧年奖金，但"不领奖"并不会自动解决引用、署名与贡献如何分配的问题。如果研究者预期自己的早期探索只会帮助更有资源的人抢先，他们就可能减少交流——这是需要防范的后果，而不是本案已经证明的普遍事实。

AI时代的学术贡献归属：我们需要两套记录

其实已有一些做法可以借鉴。2009年高尔斯（Gowers）发起大规模协作数学时，就考虑用公开讨论记录保留零碎贡献：一个想法是谁先提的、谁指出了漏洞、谁补上了它，都能被后来者查到。PLOS的互补研究政策则为近期的同期研究保留新颖性评估空间——有人早一步发表，不必让另一项工作失去全部价值。

这些做法不保证公平，也无法直接裁决本案，但它们至少把"该承认贡献"变成了具体操作。

对于AI数学研究，还要额外多留一套记录。像Lean这类形式化工具能检查推导，却不会告诉你系统看过谁的草稿。数学结论需要定义、假设和证明；而发现过程需要草稿日期、信息接触与运行记录。两套材料各自回答不同的问题。

如果我们希望研究者继续开放交流，就必须让早期想法、独立方法和验证工作能被看见、引用和评价。否则，学术界学会的可能只是一句冷冰冰的自保：做完之前，尽量别说。