核心摘要
数学界长期遵循“未成熟想法可安全交流”的默契，因 AI 的高效迭代能力而面临崩塌。2026 年 9 月，OpenAI 利用内部模型抢先解开千禧年难题之一的纳维 - 斯托克斯方程，引发关于学术伦理、数据隐私及科研资源垄断的激烈争议。此举虽展示了 AI 的科研潜力，却也暴露了科技公司介入基础科学研究时的信任危机。
2026 年 9 月 8 日，OpenAI 宣布其未发布的内部模型成功证明了纳维 - 斯托克斯方程（Navier-Stokes equations）在特定条件下会出现“爆破”现象，解开了克莱数学研究所悬赏百万美元的七大“千禧年难题”之一。然而，这一突破性成果迅速被学术界的质疑声淹没。纽约大学数学家 Tristan Buckmaster 公开指控 OpenAI 在得知其与 Anthropic 研究员 Levent Alpöge 即将完成证明后，紧急调动资源抢跑，并曾提出排除合作者署名的不公方案。这场争端已超越单纯的学术口角，成为 AI 介入科研后伦理困境的首次预演。
— 这场数学之争的报道头图。图片：Wired Staff / Getty Images
01 这道方程到底问了什么
纳维 - 斯托克斯方程是描述流体（如水、空气）运动的核心公式，沿用约两百年。其核心未解之谜在于：方程计算结果是否会在某些极端情况下出现“爆破”，即速度在极短时间内趋于无限大，导致结果失效。该问题自 2000 年被列为千禧年难题以来，仅有其中一个被解决。
时间线显示了一场不对等的竞赛：Tristan Buckmaster 团队耗时近一年，利用公开模型于 9 月 7 日证明了简化版方程会“爆破”；仅隔一天，OpenAI 便宣布其内部模型证明了完整版方程同样存在失效情况。OpenAI 明确表示不领取奖金，旨在展示其模型的实质性进展。
02 “我们模型这么强，为什么不也去解一个千禧年难题”
OpenAI 技术团队成员 Sébastien Bubeck 透露，此次攻关源于社交媒体上关于其他研究者取得进展的传言。公司随即决定验证其模型的极限能力。
据 Wired 披露，OpenAI 自 8 月 28 日起训练新模型，投入约一万个 AI Agent 并行运行近 90 小时，耗资数百万美元，最终通过 Lean 语言完成了形式化证明。尽管各方报道在具体工时和成本细节上略有出入，但共识明确：这并非长期规划的成果，而是一次针对竞争对手进度的紧急加速冲刺。
≈10,000 并发 agent 数量 |
数百万 算力成本（美元） |
03 指控的核心不是技术，是署名和会话记录
争议焦点集中在学术诚信与数据隐私。Buckmaster 披露的文件显示，OpenAI 曾提供两个选项：要么双方各自发表，要么合作但剔除其来自竞争对手 Anthropic 的合作者 Alpöge。沟通随后破裂，OpenAI 研究员甚至发出“毁掉职业生涯”的警告。
更深层的担忧在于数据训练来源。Buckmaster 质问 OpenAI 是否查阅了其在 Codex 中的聊天记录或利用这些数据训练模型。OpenAI 官方回应称，在对方公开发布前未访问其具体工作，解决过程未使用任何用户数据；但同时也承认，无法完全排除去标识化数据对模型改进的间接帮助。
OPENAI 官方回应
「我们（研究人员和 agent）在此前没有通过任何方式看到他们的工作，直到他们公开发布——特别是，解决这个问题的过程中没有访问任何具体的用户数据。」
同一篇博客里的另一句
「虽然可能性不大，但我们不能排除，从他们使用我们产品的过程中产生的去标识化数据，帮助改进了我们的模型。」
Bubeck 否认要求删除署名，强调未使用对方的提示词或证明来指导模型。截至发稿，Buckmaster、Alpöge 及 Anthropic 方面暂未进一步回应。
— OpenAI CEO Sam Altman 在 G20 创新部长级会议上。图片：Matt Ramey / AFP via Getty Images
04 被打破的不是规则，是信任
数学界的不安并非源于“抢发”本身，而是基于非正式信任的交流机制受到冲击。伦敦玛丽女王大学教授 Abhishek Saha 指出，前沿研究依赖同行间分享未成熟想法以完善思路，前提是这不会演变为商业竞赛。
卡内基梅隆大学教授 Jeremy Avigad 直言，若 AI 系统能从用户的提问中“窃取”灵感，将令人不寒而栗。布朗大学教授 Brendan Hassett 强调，鉴于 AI 公司在版权使用上的历史争议，必须拿出确凿证据证明用户数据未被用于训练模型，否则将严重损害学界信任。
「数学很依赖一种没写成条文的信任。同行之间习惯把还不成熟的想法、做到一半的工作拿出来交流，好把思路磨得更清楚。大家这么做的前提是——这事不会变成一场比赛。」
05 被跳过的弯路，才是真正的代价
《MIT 科技评论》分析指出，人类数学家一年的探索与 AI 几天的暴力计算形成了鲜明对比。菲尔兹奖得主 Terence Tao 警告，纯数学的价值往往在于解题过程中催生的新理论与新方法，而非答案本身。若由 AI 以不透明的方式直接给出结果，可能导致数学发展过程的“污染”，产生净负面效应。
此次争议还触及了"Research Taste"（科研品味）这一概念，即判断研究方向价值的能力，这目前仍是 AI 的短板。若 OpenAI 的 Agent 确实是沿着人类研究者开辟的路径成功，那么最关键的“判断力”恰恰是在分享未完成工作时被暴露并可能被无偿占用的资产。
「而是因为过去的经验表明，人类为解决这些问题所做的努力，往往会催生整个领域的发展。」
— MIT 科技评论关于这场争议的配图。图片：Stephanie Arnett / MIT Technology Review，Getty Images
06 当解题能力集中到几家公司手里
随着 AI 科研门槛的提高，资源垄断成为新的隐忧。牛津大学教授 Andras Juhasz 认为这是 OpenAI 的一次公关胜利，但也质疑这种模式的可持续性。伦敦数学科学研究所研究员 Yang-Hui He 担心，数学研究可能退回到几个世纪前依赖少数富豪资助的封闭状态，导致透明度降低。
The Verge 评论称，OpenAI 虽然证明了模型的前沿能力，却可能疏远了其试图服务的科学社区。当“能否解题”取决于谁付得起数百万美元时，一门默认公开的学科将面临异化。这场胜利揭示了一个尚未准备好的未来：基础科学研究正逐渐演变为一场资本与算力的游戏。
真正的问题已经不是 AI 能不能做数学。而是当“能不能做”取决于谁付得起几百万美元，一门默认公开的学科，会变成什么样子。OpenAI 这次给出的答案，至少现在看，是它自己也没准备好的那一种。