9月8日，OpenAI公布了一项研究成果。
一个仍在训练中的内部模型，组织约1万个并发Agent，对纳维–斯托克斯方程（Navier–Stokes equations）的存在性与光滑性问题展开求解。
最终，Agent用了大约88小时得到结果。之后，GPT-6 Astra又用了约17小时，将证明转化并验证为Lean形式化证明。
单看这些数字已经足够夸张。
但真正值得讨论的是，它比较完整地展示了一个正在成形的新计算范式：
大模型不再只是一次回答一个问题，而是开始被组织成大规模、并行运行、彼此协作的数字研究团队。
一、纳维–斯托克斯方程是什么？
纳维–斯托克斯方程并不是一个单纯的数学游戏。
它描述的是流体如何运动。
空气、水、血液、海洋、大气，本质上都属于流体。因此从飞机空气动力学，到天气预报，再到血流模拟，背后都能看到这套方程。
真正困扰数学界几十年的问题是：
如果一个三维流体一开始非常平滑，随着时间发展，它是否永远保持平滑？
还是有可能在有限时间内出现一个“奇点”——某些物理量不断放大，最终在数学意义上趋向无穷？
这个问题从20世纪30年代开始一直没有得到完整解决。2000年，它被Clay Mathematics Institute列为七个“千禧年大奖难题”之一，奖金100万美元。
OpenAI此次给出的答案是：可以出现奇点。
它构造出一种情况：流体最初处于平滑甚至静止状态，在施加平滑外力之后，一个旋涡不断向内部收缩、拉长，速度持续增加，最终在有限时间内形成奇点，同时整个系统的能量仍保持有限。
OpenAI认为，这一证明满足Clay官方问题描述中的C和D条件。
但这里必须保持一点克制。
截至2026年9月10日，Clay Mathematics Institute官网仍然把Navier–Stokes列在“Unsolved”目录中。
按照Clay的正式规则，一个千禧年问题的候选解答，首先需要在符合要求的出版渠道发表，之后至少经过两年，并获得全球数学界的普遍认可，才会进入正式评估程序。
所以目前更准确的说法应该是：
OpenAI公布了一个声称解决Navier–Stokes千禧年问题的证明，而且已经给出了Lean形式化版本，但它仍需要数学界进一步审查。
二、这个答案是怎么被找到的?
OpenAI这次展示出来的东西不太一样。
它不是让一个模型坐在那里连续思考88小时，而是建立了一套多Agent研究系统。
不同Agent被分到不同的小组，有的小组尝试证明解始终保持光滑，有的小组寻找反例；它们可以读取缓存的互联网资料、运行代码，也可以在组内交换研究结果。
一开始，OpenAI还给系统安排了一些相对容易的相关问题。
Euler方程可以理解为Navier–Stokes方程去掉黏性之后的一种极限情况。
接近100个Agent先在这个问题上运行约50小时，找到了一个无外力Euler方程出现奇点的证明。
这一步非常关键。
OpenAI发现这条技术路线可能有效，于是重新调整资源，把原来分配到其他千禧年难题上的Agent转移到Navier–Stokes问题。
之后发生的事情就很像一个大型研究机构的事情：
不同团队沿着不同路线继续推进；
一段时间之后，用Codex整理不同团队取得的有效结果；
再把这些中间成果重新交给下一批Agent；
新的Agent继续探索；
最后不断收敛到一条可行路径。
最终参与Navier–Stokes解答的系统规模达到了约1万个并发Agent。
整个过程中，这些Agent交换了约270万条消息，产生大约1300亿个输出Token。
如果把所有同期尝试的问题算进去，则一共交换了490万条消息，消耗约3000亿输出Token。
这里真正值得注意的是，AI的研究方式已经发生了变化。
三、AI Scaling正在从“训练模型”延伸到“组织模型”
过去十年，大模型行业最重要的一条逻辑就是Scaling（扩展）。
更大的数据集、更大的参数量、更大的训练集群，通常能够带来更强的模型能力。
后来又出现了第二种Scaling（扩展）：
Inference-time Compute，也就是推理阶段继续增加计算量。
一个模型面对复杂问题时，不急着立刻回答，而是生成更多推理路径、反复验证、使用工具，换取更高的准确率。
OpenAI这次实验可以看成第三层Scaling：
Agent-time Scaling。
也就是不只是让一个模型“想得更久”，而是同时启动几十个、几百个、几千个甚至上万个模型实例，让它们探索不同路径。
这三个阶段可以粗略理解为：
训练阶段投入更多算力，让模型本身变聪明；
推理阶段投入更多算力，让一个模型对一道题想得更深；
Agent阶段投入更多算力，让大量模型实例同时探索，再通过组织和筛选找到结果。
这实际上已经非常接近人类社会解决复杂问题的方式。
一个重大科研问题，很少是一个科学家坐在房间里独立解决。
真实世界依靠的是研究机构。
有人查资料，有人设计方法，有人写代码，有人跑实验，有人验证结果，有人推翻错误路线，还有人负责判断哪些方向应该继续投入资源。
大模型过去解决的是其中一个环节：知识工作者本身。
而现在，Agent系统开始尝试解决另一个问题：如何组织大量知识工作者。
四、未来重要的可能不单是模型能力，而是“搜索空间管理”
一万个Agent听上去很震撼，但数量本身并不是最重要的。
如果让一万个Agent完全独立地重复做同一道题，大部分Token只是在制造重复劳动。
困难的是：
怎样让这一万个Agent探索不同的方向。
这实际上是一个搜索问题，面对一个未知数学问题，你并不知道正确答案在哪里。
于是系统需要不断做决策。
OpenAI此次采用的一个关键方法，就是把不同Agent群组产生的有效结果重新进行整理，再交给其他Agent继续研究。
于是系统不再是简单的：
Prompt → Model → Answer （提示 → 模型 → 回答）
而变成：
Problem → Parallel Exploration → Evaluation → Consolidation → Redistribution → Further Exploration → Verification
（问题 → 并行探索 → 评估 → 整合 → 重新分配 → 进一步探索 → 验证）
这是一种明显不同的计算结构。
它意味着未来Agent平台真正的技术壁垒，未必只是“能调用哪个大模型”。
最重要的是调度系统。
谁能够用更少的Token探索更大的问题空间，谁能够尽早停止错误路线，谁能够识别高价值中间结果，谁就可能拥有更高的“科研资本效率”。
五、1300亿Token比“1万个Agent”更值得关注
很多报道都把“1万个Agent”写进标题。
但从产业角度看，1300亿输出Token可能是更重要的数字。
因为它第一次非常直观地展示了一件事情：
当AI开始真正承担复杂知识工作之后，Token不再只是聊天产品里的一个技术计量单位。
它正在逐渐变成一种生产资料。
这已经可以在OpenAI自己内部观察到。
OpenAI在9月6日公布了一组关于内部科研工作的数据。
2026年初，OpenAI普通研究人员对Coding Agent的使用量还比较有限；到了8月中旬，中位数研究人员每天使用的Agent推理资源，按照API公开价格折算已经超过600美元/天。
使用量排名前10%的研究人员，甚至超过7000美元/天。
更有意思的是另一个数据。
如果按照每天8小时工作时间计算，到8月中旬，OpenAI研究部门内部已经达到：
每1个“人类工作日”，对应约3.1个“Agent工作日”。
这个数字的意义其实非常大，可以说明：
过去企业购买的是“软件席位”。
未来购买的可能越来越接近：数字劳动力。
六、科研自动化并不是OpenAI自己的孤立实验
如果只发生在Navier–Stokes问题上，我们还可以把它理解为一次高成本的技术展示。
但过去一年越来越多研究正在朝同一个方向靠拢。
2026年5月，《Nature》发表了一项关于多Agent科研系统“Robin”的研究。
这个系统把文献搜索、数据分析等不同Agent组织起来，可以生成科学假设、提出实验方案、分析实验结果，再根据实验结果提出新的假设。
也就是说，它开始尝试把传统科研中：假设 → 实验 → 数据 → 分析 → 新假设，这条链路连接起来。
这里需要注意一个趋势。
第一代生成式AI主要解决的是内容生成。
第二阶段开始进入任务执行。
而更复杂的Agent系统正在碰的是第三个问题：
如何完成一个包含大量不确定性、需要长期探索的目标。
数学证明只是一个非常适合公开展示的场景。
因为数学有一个特殊优势：答案最终可以严格验证。
但类似的组织方式完全可能逐步进入材料科学、药物发现、芯片设计、工程研发甚至软件开发。
七、这会改变科研，但未必会让科学家消失
每当AI取得这种突破，马上就会出现一个问题：以后数学家还有什么用？
现在下这个结论还太早。
实际上，OpenAI这次实验反而暴露了一个问题。
AI可以极大降低“尝试”的成本，但它没有削弱“判断什么值得尝试”的重要性
甚至可能相反。
当一个研究团队一天只能验证三个想法时，提出十个想法已经足够。
但当AI一天可以验证十万个想法之后，真正稀缺的东西开始变成：
什么问题值得投入这十万次尝试。
搜索能力越强，研究品味反而越重要。
同样，形式化验证也越来越重要。
OpenAI找到证明之后，并没有直接宣布结束，而是又让GPT-6 Astra用大约17小时完成Lean形式化。
原因非常简单。
当机器可以以极高速度生成大量推理时，人类已经很难逐行检查这些结果。
于是AI科研必须同时发展另一套基础设施：
机器生成，机器验证。
Lean这样的形式化证明系统，其战略价值也因此开始上升。
未来AI研究最重要的系统可能不是一个模型，而是一个完整闭环：
生成 → 实验 → 验证 → 淘汰 → 再生成。
这才是真正意义上的自动化科研。
八、真正昂贵的时代可能才刚刚开始
生成式AI早期的商业模式其实很简单。
用户每个月支付20美元或者几十美元，然后使用一个聊天机器人。
Agent时代不会这么简单。
当一个任务背后运行几十个甚至几千个Agent之后，企业面对的是一种完全不同的成本结构。
模型推理、搜索、代码执行、云计算、数据库、API、SaaS服务，都可能成为Agent执行任务需要购买的资源。
于是企业未来管理AI，很可能越来越接近今天管理云计算。
云计算时代出现了FinOps：
企业需要知道AWS的钱到底花到哪里去了。
Agent时代也会出现类似的问题：
哪个Agent花了多少钱？
完成一个任务消耗多少Token？
哪些Agent产生了有效结果？
哪些计算是浪费？
一次科研突破到底值多少钱？
这可能会形成一个新的管理指标：
Cost per Successful Task。
甚至是：
Cost per Discovery。
到了这个阶段，模型能力已经只是整个系统的一部分。
算力预算、Agent调度、权限管理、支付和审计都会变成基础设施。
这也是为什么Visa、Mastercard这样的支付网络今年都已经开始研究Agentic Payments。
Visa公开提到，Agent已经开始被用于预订旅行、补充库存、购买数据服务和计算资源；Mastercard今年甚至推出了面向机器间高频交易的Agent Pay for Machines。
它们真正试图解决的并不是“AI能不能付款”。
而是一个更复杂的问题：
当软件本身拥有执行能力以后，如何安全地给它预算、权限和责任边界。
对于国内开发者来说，现在更现实的仍然是ChatGPT、Claude以及各类海外AI服务的订阅、API和支付问题，这也是MXK8虚拟卡目前覆盖的使用场景之一。
这里就不展开了。
九、这次最值得记住的，不是数学难题，是一种新的生产方式
几年之后回头看OpenAI这次实验，我们可能会发现：
Navier–Stokes只是表面上的主角。
真正重要的是那一万个Agent。
这已经不再是聊天机器人能力的线性升级。
它更像是在计算机内部建立了一套新的劳动组织方式。
过去Scaling主要发生在模型训练阶段。
今天，它正在延伸到推理阶段。
下一步，很可能发生在Agent数量、工作时间和协作结构上。
大模型真正进入生产体系之后，我们衡量AI能力的单位，也许不会永远是参数、Benchmark和Token。
未来重要的指标会变为：
在一定时间和预算内，一个AI组织究竟能够完成多少过去只有人类组织才能完成的工作。
到了那一天，我们讨论的就不再只是“人工智能”。
而是一种新的生产方式。
关于我们
