OpenAI宣称攻克千禧年数学难题：AI数学突破与前沿治理之争

一个出人意料的宣告

AI 行业上周最令人意外的消息，来自 OpenAI：他们声称在 Navier–Stokes 方程（纳维-斯托克斯方程）问题上取得了突破——这并非一般的数学难题，而是克雷数学研究所悬赏百万美元的七个「千禧年大奖难题」之一。消息一出，数学界和 AI 圈同时炸锅。

但事情远不止「AI 做数学」这么简单。就在 OpenAI 宣布这一成果的同时，他们与数学家的关系正在急剧恶化。这不是一次学术成果的温和发表，而更像是一场公开的对峙：一边是宣称用 AI 推进基础科学的公司，一边是对方法、验证和宣称方式提出质疑的数学研究者。

千禧年难题：为什么 Navier–Stokes 如此重要

纳维-斯托克斯方程描述流体运动，从天气预报到飞机气动设计都依赖它。但数学上，三维情况下该方程解的存在性与光滑性至今没有定论——这正是千禧年难题的核心。

据 Last Week in AI 第 344 期报道，OpenAI 声称其模型在这一问题上取得了证明性进展。但截至目前，数学界的主流态度是审慎甚至怀疑的。原因不难理解：数学证明需要形式化验证和同行评议，而非模型输出的「看起来合理」的推导。AI 生成的数学论证在细节上出错、在关键步骤跳步，早已不是新鲜事。

这一事件的核心张力在于：当 AI 公司用「我们证明了」来发布数学成果时，学术界衡量证明的标准——可检验性、可复现性、形式化——是否被同等对待？从目前反应看，答案是否定的。

千禧年大奖难题由克雷数学研究所（Clay Mathematics Institute）于 2000 年提出，共七个，每个悬赏 100 万美元。它们分别是：P vs NP、杨–米尔斯存在性与质量间隙、黎曼假设、Navier–Stokes 方程解的存在性与光滑性、霍奇猜想、庞加莱猜想（已于 2003 年由佩雷尔曼解决但拒领奖金）和 BSD 猜想。

其中 Navier–Stokes 的特殊性在于：它是唯一一个与工程实践密切相关却仍缺乏严格数学基础的难题。二维情况下解的存在性与光滑性早已被证明，但三维情况下的湍流行为使问题变得极其困难——物理学家和工程师每天都在「使用」这个方程，数学家却无法严格说明它的解是否永远存在且光滑。

交锋的另一面：OpenAI 与数学家为何反目

报道提到 OpenAI 与数学家之间存在「feud（不和）」。这类冲突并非孤例，而是 AI 公司介入基础科学时反复出现的模式：企业以快节奏、新闻稿式的方式公布成果，而学术界追求的是慢速、严谨的验证流程。

分歧的实质是权威归属问题。如果 AI 真的能攻克千禧年难题，功劳该如何归属？是模型、是训练它的公司、还是提供问题框架和验证的数学家？OpenAI 的宣告方式（在争论中发布）让不少数学家感到被绕过和被冒犯。

有意思的是，原文并未给出该证明已通过同行评议的证据。因此现阶段更准确的表述是：OpenAI 声称取得了证明，而这恰恰是争议的焦点——「声称」与「被验证」之间的距离，就是数学家不满的根源。

**形式化验证（formal verification）**是数学与计算机科学的交叉领域，指用计算机程序严格检验数学证明的每一步推导是否符合逻辑规则。主流工具包括 Lean、Coq、Isabelle 等证明助手。一个证明若能在 Lean 中被完整形式化并通过编译器检验，其正确性就不再依赖审稿人的主观判断。

这一标准对 AI 生成的数学证明尤其关键：语言模型可能输出看似流畅但包含隐蔽逻辑漏洞的推导，形式化验证是目前唯一能自动化排除此类错误的手段。然而，将自然语言证明翻译为形式化代码本身极其耗时，且需要深厚的数学功底——这正是 AI 数学成果难以快速获得学术界认可的症结所在。

前沿的节奏：Anthropic CEO 的「Pacing the Frontier」

与 OpenAI 的高调宣告形成鲜明对比的，是 Anthropic CEO 的呼吁——给前沿 AI 的发展「定节奏（pace the frontier）」。

这一表态出现在同一周的新闻汇总中，含义耐人寻味。当一家公司宣称在数学前沿取得突破，另一家公司的负责人却在提醒行业放慢脚步、审慎推进。两种姿态并不是简单的对立：前者展示能力天花板，后者强调安全与治理的节奏感。但它们共同勾勒出当前 AI 行业的内在矛盾——能力跃迁的速度，已经超过了社会消化和验证这些能力的机制建设速度。

「Pacing the frontier」这个提法本身值得拆解：它承认前沿必须推进，但主张推进的节奏应是可控的、有意识的，而非被竞争压力推着狂奔。

灭绝警告与监管推力

同一期汇总还提到，有关 AI 可能带来灭绝风险的警告，正在推动新一轮监管诉求。

灭绝警告并非新话题，但它与本周的两条主线交织在一起：一边是模型在数学这样的硬核领域展示出逼近人类顶尖水平的能力，另一边是行业内部人士主动谈论最坏情况。这种组合，为监管者提供了更强的行动理由——当技术能力和风险叙事同时抬头，政策窗口就容易打开。

对从业者而言，这意味着一件事：AI 治理讨论正在从「要不要管」转向「怎么管、谁来管、按什么节奏管」。

**AI 灭绝风险（existential risk）**的讨论在 2023 年因「AI 安全中心」（Center for AI Safety）发布的简短声明而进入主流视野，该声明获得数百位 AI 研究者联署，将 AI 灭绝风险与流行病、核战争并列。此后，Geoffrey Hinton、Yoshua Bengio 等图灵奖得主多次公开表达类似担忧。

围绕这一议题的监管推力体现在多个层面：欧盟《AI 法案》按风险等级对模型进行分类监管；美国通过行政令要求前沿模型开发者向政府报告训练细节和安全测试结果；英国则设立 AI 安全研究所。这些举措的共同逻辑是：当行业内部人士自己承认存在最坏情况，政策制定者便有充分理由介入。

AI 滥用：被低估的日常风险

本周汇总的另一条主线是 AI 滥用（AI Misuse）。相比千禧年难题和灭绝警告的宏大叙事，滥用问题更贴近现实：模型被用于生成虚假信息、欺诈、绕过安全措施等。

把四条新闻放在一起看，会发现一个分层结构：最上层是基础科学的突破宣称，中层是前沿节奏与监管的博弈，底层是每天都在发生的滥用。三层之间并非无关——越是强大的模型，越会被滥用的动机盯上；越是高调的突破，越会放大公众对风险的感知，进而推动监管。

这四条新闻放在一起说明了什么

本周的新闻汇总拼出的是一幅张力图景：AI 在数学这样的顶级智力任务上宣称取得突破，同时行业领袖在谈放慢节奏，风险警告在推动监管，而滥用问题在持续消耗信任。

对关注 AI 的读者来说，最值得记住的可能不是「AI 是否真的证明了 Navier–Stokes」，而是围绕这一宣称暴露出的结构性问题：当 AI 公司成为基础科学成果的宣称主体，学术验证机制、功劳归属和公众信任都面临重构。数学界的不满，本质上是对这套新秩序尚未建立的焦虑。

关于 Navier–Stokes 的证明最终能否通过检验，目前仍是开放问题。但无论结果如何，这周已经清楚地展示了一件事：AI 前沿的推进速度，正在同时考验科学、治理与社会的承受能力。