OpenAI宣称攻克纳维-斯托克斯难题，数据剽窃争议爆发

OpenAI最近抛出一枚重磅炸弹：他们宣称用内部模型解决了千禧年七大数学难题之一——纳维-斯托克斯（Navier-Stokes）存在性与光滑性问题。这是一个悬赏100万美元、困扰人类逾百年的难题。然而消息刚出，随之而来的不是掌声，而是一场关于学术剽窃的激烈争议。本文基于YouTube频道对整起事件的梳理，还原双方各执一词的关键节点。

事件背景：一个百年难题与两位学者

千禧年大奖难题是克莱数学研究所在2000年选出的七个极难且未解的数学挑战，包含著名的P vs NP问题。纳维-斯托克斯方程描述流体运动的基本规律，其存在性与光滑性正是其中之一。任何解决者可获得100万美元奖金。

据视频作者转述，学者Tristan Buckmaster与在Anthropic工作的Levent Alpöge过去一年一直在攻关这一问题。他们同时使用了Anthropic的Claude和OpenAI的Codex（包括ChatGPT等工具）辅助研究。这个细节非常关键——它意味着两人的研究草稿和思路，都以某种形式进入了这些AI平台的会话记录。

按照Buckmaster的说法，过去大半年进展缓慢，但后来突然提速。到8月中旬，他们得到了一份由大语言模型生成的证明——作者形容其为「我读过最惨不忍睹的证明」，但这份证明在8月下旬通过了Lean的形式化验证。Lean是一种可以核验数学证明正确性的编程语言，一旦它确认「这是个证明」，其可信度就相当高。

纳维-斯托克斯方程本身描述的是粘性流体（如水和空气）的运动规律，由19世纪物理学家Claude-Louis Navier和George Gabriel Stokes分别独立建立。方程在工程和物理领域被广泛应用于飞机气动设计、天气预报、海洋洋流模拟等，但其数学基础至今存在根本性的未解问题：在三维空间中，给定任意光滑初始条件，方程的解是否永远存在且保持光滑（不出现奇点或"爆破"）？这正是克莱研究所悬赏的问题所在。Buckmaster团队选择的研究路径——"强迫爆破"（forced blow-up）——是试图证明在外力干预下解会在有限时间内崩溃，属于构造性反例思路，而非证明解永远存在，两种路径在数学上都属于对该难题的实质性推进。

争议起点：一场「测量竞赛」

事情在9月初变得诡异。当时市场传出Anthropic可能解决了某个开放难题的传言。据视频描述，OpenAI听闻后立刻调动资源，誓要抢先——用作者略带调侃的话说，这变成了一场围绕人类最难数学问题的「较劲比赛」。

Buckmaster随后向相关科学家发邮件澄清：解决问题的不是Anthropic，而是他和Levent，两人用了整整一年。对方回应友好，甚至表达了合作意愿。但接下来几天，他不断被施压要求参加会议。据他所述，他被内部告知OpenAI的模型「已经为强迫纳维-斯托克斯方程的有限时间爆破产生了证明」。

真正让Buckmaster警觉的是：当Levent索要精确的命题陈述时，得到的答案是「R3和T3中强迫爆破的存在性」——这恰恰与他一直采用、且几乎没告诉任何人的独特研究路径完全一致。这在他看来是一个刺眼的红旗。

Lean是由微软研究院开发、现由开源社区主导维护的交互式定理证明器（Interactive Theorem Prover），基于依值类型论（Dependent Type Theory）构建。与普通数学论文不同，Lean要求每一步逻辑推导都被机器严格核验，不存在"大致正确"的说法——一旦Lean编译通过，证明在形式上即被视为无懈可击。近年来Lean在数学界获得越来越多关注，Fields奖得主陶哲轩等人都曾公开推动将Lean用于严肃数学研究。正因如此，文中所提"8月下旬通过Lean形式化验证"这一节点具有极高的技术可信度，远非普通论文同行评审可比——这也是为何Buckmaster团队声称掌握有效证明时，外界难以轻易否定的原因。

核心指控：数据是否被用于训练？

Buckmaster在一份四页的公开说明中直接发问。他写道：「我问模型是否在我们的会话上训练过、或能访问我们一直上传所有草稿的Codex会话。得到的回答是模型不会查看用户数据。我再次追问训练问题，没有得到回答。」

这段回避式的回应，成为整起剽窃指控的导火索。OpenAI随后给出了三个方案：一是双方先后各自发布结果；二是由Buckmaster独自撰写呈现通解的论文；三是他发布论文时需承认「一个OpenAI内部模型解决了该问题」。

视频引述的最尖锐部分是：一位名为Sebastian的OpenAI研究员被指希望将Levent从作者名单中移除，理由是「Levent在Anthropic工作」很麻烦。当Buckmaster表示若OpenAI照此发布他将公开真相时，对方反问「你为什么要毁掉自己的职业生涯」，甚至撂下「如果你不想我好好说话，那我也可以不客气」这样的话。作为一名拥有终身教职的学者，Buckmaster认为这种威胁毫无意义。

Codex是OpenAI推出的代码生成模型，也是GitHub Copilot的底层技术基础，用户可通过API或平台上传代码和文本进行辅助开发。对于研究者而言，将数学草稿、Lean证明代码或计算脚本上传到Codex会话是一种常见的工作流程。问题的法律与伦理模糊之处在于：OpenAI的用户协议通常区分"运行时数据不被查看"与"数据可能用于模型改进/训练"两件事，而许多用户并未仔细阅读这一区别。即便数据经过"去标识化"处理，若某段高度独特的数学推导路径被混入训练集，模型在面对相似问题时仍可能被"引导"至同一解法方向，而从技术上几乎无法证明或证伪这种影响——这正是此次争议在法律层面难以厘清的根本原因。

OpenAI一方的回应

面对指控，Sebastian Bubeck公开回应，否认曾要求将Levent移出其自身工作的作者署名，并晒出据称是原始短信记录作为佐证。

据视频引用的短信内容，Bubeck写道：「我想对你完全坦诚。一个内部模型在极少人类输入下产生了纳维-斯托克斯的形式化与非形式化证明，但对我们而言最重要的是承认你的优先权，让这一历史性成果的所有学术荣誉归于你和Tristan。我们准备分享一切，包括人类提示词。」

视频作者的观察颇有意思：如果OpenAI真的独立推导出了这一世纪难题，为什么反而主动提出把功劳全让给Buckmaster？这种「拱手相让」的姿态，反而让整件事显得可疑——仿佛在暗示他们清楚自己的模型可能确实吃了别人一年的研究成果。

一个更可能的解释

视频作者最终倾向于一个折中判断：他不认为OpenAI直接窃取成果、赤裸裸地学术造假，但去标识化的数据可能确实混入了训练集，从而帮助算法在近乎无限的解空间中找到了正确的起点。

真正促成突破的，可能是「相信它可解」这一信念本身。当传言称七大难题之一已被攻破，OpenAI立刻投入资源——据称动用了1万个内部模型智能体（视频戏称其为下一代模型），跑了88小时，耗资数千万美元。这笔投入远超100万美元奖金，从纯商业角度看是笔亏本买卖。

但真正的动机在于：抢在Anthropic之前解决这个问题，就能证明自家模型的绝对实力。竞争对手可能领先，才是OpenAI最不能接受的结果。一个简单的传言，撬动了整场投入。

文中提到的"1万个内部模型智能体"反映的是当前AI研究中"多智能体并行推理"（Multi-Agent Parallel Reasoning）的前沿范式：将同一个难题分发给大量模型实例同时探索不同解题路径，再通过验证器（如Lean）筛选有效结果。这一方法的核心逻辑是以算力换搜索广度——在近乎无限的数学证明空间中，若已知大致方向（比如来自他人草稿的隐性信息），成功率会从"大海捞针"级别显著提升。88小时、数千万美元的投入规模也印证了这不是一次普通的模型推理，而是接近"暴力搜索+形式验证"的系统性工程。这种方式是否构成真正意义上的数学"理解"，学术界对此本身就存在根本分歧。

值得关注的问题

这起事件暴露出AI辅助科研时代的一个尖锐灰色地带：当研究者把未发表的思路和草稿上传到AI平台时，这些数据的归属和使用边界究竟在哪里？「模型不查看用户数据」与「模型在用户数据上训练」是两个截然不同的问题，而回避后者的回答，恰恰是争议的核心。

无论OpenAI是否真正独立完成了这项工作，这一案例都提醒学术界重新审视使用商业AI工具时的数据保密与知识产权风险。至于P vs NP会不会成为下一个被「1万智能体88小时」攻克的目标，只能拭目以待。